DOI QR코드

DOI QR Code

Development of Photovoltaic Output Power Prediction System using OR-AND Structured Fuzzy Neural Networks

OR-AND 구조의 퍼지 뉴럴 네트워크를 이용한 태양광 발전 출력 예측 시스템 개발

  • Kim, Haemaro (Dept. of Electrical Engineering, Dong-Eui University) ;
  • Han, Chang-Wook (Dept. of Electrical Engineering, Dong-Eui University) ;
  • Lee, Don-Kyu (Dept. of Electrical Engineering, Dong-Eui University)
  • Received : 2019.03.12
  • Accepted : 2019.03.26
  • Published : 2019.03.31

Abstract

In response to the increasing demand for energy, research and development of next-generation energy is actively carried out around the world to replace fossil fuels. Among them, the specific gravity of solar power generation systems using infinity and pollution-free solar energy is increasing. However, solar power generation is so different from solar energy that it is difficult to provide stable power and the power production itself depends on the solar energy by region. To solve these problems in this paper, we have collected meteorological data such as actual regional solar irradiance, precipitation, temperature and humidity, and proposed a solar power output prediction system using logic-based fuzzy Neural Network.

현재 계속해서 늘어나는 에너지 수요량에 대해 세계적으로 화석연료를 대체할 차세대 에너지의 연구개발이 활발하게 이루어지고 있다. 그 중, 무한정, 무공해의 태양에너지를 사용하는 태양광 발전 시스템의 비중이 커지고 있지만, 일사량에 따른 발전량 편차가 심해 안정된 전력공급이 어렵고 전력 생산량 자체가 지역별 일사량에 의존하는 문제가 존재한다. 본 논문에서는 이러한 문제점을 해결하기 위해 실제의 지역별 일사량, 강수량, 온도, 습도 등의 기상데이터를 수집하여 로직 기반의 퍼지 뉴럴 네트워크를 이용한 태양광 발전 출력 예측 시스템을 제안하였다.

Keywords

JGGJB@_2019_v23n1_334_f0001.png 이미지

Fig. 1. Basic structure of OR-AND fuzzy neural network. 그림 1. OR-AND 퍼지 뉴럴 네트워크의 기본 구조

JGGJB@_2019_v23n1_334_f0002.png 이미지

Fig. 2. Learning results using genetic algorithm. 그림 2. 유전 알고리즘을 이용한 학습 결과

JGGJB@_2019_v23n1_334_f0003.png 이미지

Fig. 3. Learning results using gradient descent method. 그림 2. 경사학습법을 이용한 학습 결과

References

  1. Loftii A Zadeh, "Fuzzy set," Information and control, Vol 8, pp. 338-353, 1956. https://doi.org/10.1016/S0019-9958(65)90241-X
  2. C.-T. Lin, C.S.G Lee, "Neural-network-based fuzzy logic control and decision system," IEEE Transaction on Computers, Vol 40, pp. 1320-1336, 1991. DOI: 10.1109/12.106218
  3. Lofti A Zadeh, "Fuzzy logic, neural networks, and soft computing," Communications of the ACM, Vol 37, pp. 77-85, 1994. DOI: 10.1145/175247.175255
  4. Jong-Jin Kang, "A Study on Fuzzy Neural Networks using Union-based Rule Antecedents," Master thesis, Dong-Eui University(DEU), 2013.
  5. Gyu-Young Park, "Design of OR-AND structure Fuzzy Neural Networks using Fuzzy C-Means and Its Applications," Master thesis, Dong-Eui University(DEU), 2014.
  6. Wiltold Pedrycz, Patrick Chi Eung Lam, Armando F. Rocha, "Distributes Fuzzy System Modeling," IEEE TRANSACTIONS ON SYSTEMS, MAN. AND CYBERNETICS, Vol. 25. No.5. 1995.
  7. D. E. Goldberg, "Genetic algorithms in search, optimization and machine learning," Addison-Wesley, Reading, MA, 1989.