스마트 아일랜드를 위한 주의 집중 메커니즘 기반의 확률론적 단기 일사량 예측 기법 (A Probabilistic Short-Term Solar Radiation Prediction Scheme Based on Attention Mechanism for Smart Island)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 25권 / 12호 / 602 ~ 609페이지
· 저자명 : 정승민, 문지훈, 박성우, 황인준

초록

스마트 시티와는 달리 섬이라는 지형적 특징을 기반으로 하는 스마트 아일랜드에서는 신재생에너지 발전이 매우 중요하다. 한국에서의 대표적인 신재생에너지로는 태양광과 풍력 에너지가 있으며, 특히 태양광 발전은 제주도에서 많이 보편화되어 있다. 태양광 발전시스템에서 더욱 효과적인 전력 생산을 위해서는 미래의 일사량 예측값이 고려되어야 하지만, 기상청에서는 온도, 습도, 풍속과 같이 다른 기상 요소들과는 다르게 일사량에 대한 예측값을 제공하고 있지 않다. 따라서 태양광 발전시스템의 수요관리를 위해서는 충분히 신뢰할 수 있는 정확도 높은 일사량 예측 모델이 필요하다. 이에 본 논문은 장단기 메모리 네트워크 기반의 확률론적 단기 일사량 예측 모델을 제안한다. 구체적으로, 기상청에서 제공하는 제주도의 서로 다른 두 지역의 과거 일사량 정보와 기상 요소 데이터들을 수집하며, 예측 모델의 입력 변수 구성을 위해 수집된 데이터에 대해 전처리 과정을 수행한다. 다음으로 주의 집중 메커니즘 기반 장단기 메모리 네트워크를 이용하여 일사량 예측 모델을 구축한다. 마지막으로 다양한 심층 학습 모델과의 비교 및 분석을 통해 제안한 모델의 타당성을 검증한다.

영어초록

Compared to smart cities, renewable energy is particularly important in smart islands, because it depends on the territorial region of the island. The types of renewable energy typically used in Korea are photovoltaic (PV) and wind energy; PV power generation is particularly used on Jeju island. To achieve more efficient power generation using the PV system, there is a need for more accurate prediction for solar radiation. However, unlike other meteorological factors such as temperature, humidity, and wind speed, the Korea Meteorological Administration (KMA) does not provide any prediction data for solar radiation. Therefore, to enhance the power energy management of the PV system, a reliable and accurate prediction model for solar radiation is required. In this paper, we propose a probabilistic short-term solar radiation prediction model based on long short-term memory (LSTM) networks. Specifically, we collect historical solar radiation data and weather data from two different regions in Jeju Island provided by the KMA, then perform several types of preprocessing for the collected data for input variable configuration of the prediction model. Next, we construct an attention mechanism-based LSTM network model for probabilistic solar radiation prediction.
Finally, we analyze and compare our model with various deep neural network models to confirm its validity.

참고자료

· 없음