TimesNet기반 태양광 발전량 단기 예측 모델: 1차원 시계열 데이터의 2차원 변환 기법 활용 (Short-Term Forecasting of Photovoltaic Power Generation Using TimesNet: A Method of Transforming 1D Time Series Data into 2D Features)

서지정보

· 발행기관 : 한국인터넷정보학회
· 수록지 정보 : 인터넷정보학회논문지 / 25권 / 6호 / 9 ~ 21페이지
· 저자명 : 양정현, 박상욱

초록

본 연구는 TimesNet 모델의 차원 변환 기법을 활용하여 태양광 발전량의 단기 예측을 수행하고, 이를 LSTM, GRU, Transformer 모델과 비교 분석한 연구이다. 2020년부터 2023년까지의 강원대학교 삼척캠퍼스 태양광 발전 데이터를 사용하여 모델을 훈련하고 평가하였다. TimesNet 모델은 1차원 시계열 데이터를 2차원 이미지 형태로 변환하여 처리하는 독특한 접근 방식을 통해 복잡한 시계열 패턴을 효과적으로 포착할 수 있다. 실험 분석 결과, TimesNet 모델은 MSE, MAE, NMAE 등 평가 지표에서 가장 우수한 성능을 보였다. 이 연구 결과는 전력 그리드의 안정성 확보, 경제적 효율성 증대, 에너지 저장 시스템 최적화 등에 중요한 역할을 할 것으로 기대된다. 향후 본 연구를 통해 다양한 신재생 에너지원으로 연구를 확장하여 탄소 중립 달성을 위한 에너지 시스템 최적화에 기여할 수있을 것이다.

영어초록

This study proposes the TimesNet model for short-term prediction of solar power generation and compares it with LSTM, GRU, and Transformer models. The model was trained and evaluated using solar power generation data from Kangwon National University's Samcheok campus from 2020 to 2023. The TimesNet model effectively captures complex time series patterns through a unique approach that transforms one-dimensional time series data into two-dimensional image format. Experimental results show that the TimesNet model outperformed other models in various evaluation metrics including MSE, MAE, and NMAE. The findings of this study are expected to play a crucial role in ensuring power grid stability, increasing economic efficiency, and optimizing energy storage systems. Future research can extend this approach to various renewable energy sources, contributing to energy system optimization for achieving carbon neutrality.

참고자료

· 없음