해상기상부이 데이터를 이용한 딥러닝 기반 해상풍력단지 풍력 발전량 예측 (Prediction of Wind Power Generation in Offshore Wind Farms Based on Deep Learning Using Ocean Buoy Data)

서지정보

· 발행기관 : 한국콘텐츠학회
· 수록지 정보 : 한국콘텐츠학회 논문지 / 23권 / 5호 / 14 ~ 29페이지
· 저자명 : 이지연, 임종태, 유재수

초록

최근 육상 풍력에 비해 비교적 입지가 자유로운 해상 풍력 단지 조성이 증가하고 있는 추세이다. 해상 풍력 발전 단지는 대규모 자본이 투입되고 여러 검증 절차를 거쳐야 하므로 이를 보다 효율적으로 운용하기 위해 정확한 풍력발전량 예측 모델이 필요하다. 본 논문에서는 해상풍력단지 인근 기상 데이터와 해상기상부이 데이터를 함께 활용해 정확도 높은 예측 모델을 제안한다. 수집한 시계열 데이터를 적절히 학습하기 위해 모델 학습에서 LSTM 기법을 사용하였고, RMSE를 성능 지표로 활용해 세 가지 관점에서 비교를 진행하여 해상 풍력 단지 내 최적의 풍력발전량 예측 모델을 제안한다. 성능평가 결과, 일반 기상데이터와 해상기상부이 데이터를 함께 사용해 학습한 단방향 중기 LSTM 모델이 가장 최적의 성능을 보였다. 따라서 해당 모델을 해상 풍력 발전 단지 구축 등에 활용할 수 있을 것으로 기대된다.

영어초록

Recently, the construction of offshore wind farms, which are relatively free compared to onshore wind power, is increasing. Offshore wind farms require a large amount of capital and go through various verification procedures, so an accurate wind power generation forecasting model is needed to operate them more efficiently. In this paper, we propose a highly accurate forecasting model by using the weather data near the offshore wind farm and the offshore meteorological buoy data together. In order to properly learn the collected time-series data, the LSTM technique was used in model learning, and RMSE was used as a performance indicator to compare from three perspectives to propose an optimal wind power generation prediction model in an offshore wind farm. As a result of performance evaluation, the one-way mid-term LSTM model, which was learned using the weather data and the offshore meteorological buoy data together, showed the most optimal performance. Therefore, it is expected that the model can be used to build offshore wind power generation complexes.

참고자료

· 없음