인공 신경망 회귀 모델을 활용한 인버터 기반 태양광 발전량 예측 알고리즘 (Inverter-Based Solar Power Prediction Algorithm Using Artificial Neural Network Regression Model)

서지정보

· 발행기관 : 한국전자통신학회
· 수록지 정보 : 한국전자통신학회 논문지 / 19권 / 2호 / 383 ~ 388페이지
· 저자명 : 박건하, 김종찬, 임수창

초록

본 논문은 전라남도에서 측정한 태양광 발전 데이터를 기반으로 발전량 예측값을 도출하기 위한 연구이다. 발전량 측정을 위해 인버터에서 직류, 교류, 환경데이터와 같은 다변량 변수를 측정하였다. 측정값의 안정성과 신뢰성 확보를 위해 ARIMA(Auto Regressive Integrated Moving Average) 모형을 이용한 전처리를 수행하였다.상관관계 분석은 부분자기상관함수(PACF:　Partial Autocorrelation Function)을 활용하여 시계열 데이터의 시간적 패턴을 파악하여 특정 시간대의 발전량이 다음 시간대의 발전량에 미치는 영향을 해석할 수 있도록 하였다. 태양광 발전량 예측을 위해 딥러닝 모형인 ANN(Artificial Neural Network) 모형을 이용하여 발전량을 측정했고, 예측 정확도를 높이기 위해 각 다변량 변수의 상관관계 분석 결과를 이용하였다. 정제된 데이터를 활용한 Validation Loss의 추세는 기존 데이터를 그대로 사용했을 때 보다 안정되었고, 상관관계 분석 결과를 반영하여 다변량 변수 중 상관성이 높은 변수만을 활용하여 태양광 발전량 예측 알고리즘을 개선하였다.

영어초록

This paper is a study to derive the predicted value of power generation based on the photovoltaic power generation data measured in Jeollanam-do. Multivariate variables such as direct current, alternating current, and environmental data were measured in the inverter to measure the power generation. In order to secure the stability and reliability of the measured values, pre-processing was performed using the ARIMA (Autoregressive Integrated Moving Average) model. For correlation analysis, the partial autocorrelation function (PACF) was used to grasp the temporal pattern of time series data so that the effect of the power generation in a specific time period on the power generation in the next time period could be interpreted. Power generation was measured using the ANN (Artificial Neural Network) model, a deep learning model, to predict the power generation, and the correlation analysis results of each multivariate variable were used to increase the prediction accuracy. The trend of validation loss using refined data was more stable than when using the existing data as it is, and the solar power generation prediction algorithm was improved by using only the variables with high correlation among the multivariate variables by reflecting the results of the correlation analysis.

참고자료

· 없음