풍황계측기 실측데이터를 이용한 풍력발전량 단기예측 LSTM 모델 설계 (LSTM Model Design for Short-Term Prediction of Wind Power Generation Using Actual Data from a Wind Condition Measuring Instrument)

서지정보

· 발행기관 : 국제차세대융합기술학회
· 수록지 정보 : 차세대융합기술학회논문지 / 5권 / 6호 / 1018 ~ 1026페이지
· 저자명 : 선로빈, 유정훈, 방준호, 송제호, 소병문

초록

본 논문에서는 풍력 발전량과 가장 밀접한 관계에 있는 풍속을 예측하기 위한 LSTM 모델을 설계하였 다. 풍속은 비선형성을 띄고 매우 간헐적인 특성을 지니고 있기 때문에 패턴이 불규칙하므로 풍력 발전량 예측에 있어서 신뢰성 있는 풍황 데이터가 절실히 필요하다. 본 연구에서 모델의 학습에 사용된 데이터는 서해안에 설치 된 풍황계측기를 통해 수집하였으며 10분 간격으로 얻은 풍속, 풍향, 기온, 습도, 기압으로 이루어진 실측데이터를 사용하였다. 제안된 LSTM 모델은 Python 머신러닝 라이브러리인 Pytorch를 이용하여 설계되었으며 하이퍼 파 라미터와 반복 횟수를 조정하면서 학습 및 테스트를 진행하였고 MSELoss와 Adam Optimizer를 통해 모델의 오 차 검증 및 최적화를 진행하였다. 학습 및 테스트 반복 결과 2,000회에서 의미 있는 MSELoss를 도출하였으며 이 를 기반으로 6시간의 발전량 예측을 수행하였고 유의미한 데이터를 취득하였다.

영어초록

In this paper, an LSTM model was designed to predict the wind speed, which is most closely related to the amount of wind power generation. Since wind speed is non-linear and has a very intermittent characteristic, the pattern is irregular. The data used for model training in this study were collected through a wind condition measuring instrument installed in the west coast, and actual data consisting of wind speed, wind direction, temperature, humidity, and atmospheric pressure obtained at 10-minute intervals were used. The proposed LSTM model was designed using Pytorch, a Python machine learning library, and was trained and tested while adjusting hyper parameters and iteration times. Error validation and optimization of the model were performed through MSELoss and Adam Optimizer. As a result of repeated learning and testing, meaningful MSELoss was derived 2,000 times, and based on this, 6 hours of power generation prediction was performed, and meaningful data were obtained.

참고자료

· 없음