Probabilistic Modeling of Photovoltaic Power Systems with Big Learning Data Sets

Analytical modeling of photovoltaic power systems has been receiving significant attentions in recent years in that it is easy to apply for prediction of its dynamics and fault detection and diagnosis in advanced engineering technologies. This paper presents a novel probabilistic modeling approach for such power systems with a big data sequence. Firstly, we express input/output function of photovoltaic power systems in which solar irradiation and ambient temperature are regarded as input variable and electric power is output variable respectively. Based on this functional relationship, conditional probability for these three random variables(such as irradiation, temperature, and electric power) is mathematically defined and its estimation is accomplished from ratio of numbers of all sample data to numbers of cases related to two input variables, which is efficient in particular for a big data sequence of photovoltaic powers systems. Lastly, we predict the output values from a probabilistic model of photovoltaic power systems by using the expectation theory. Two case studies are carried out for testing reliability of the proposed modeling methodology in this paper.

대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링

태양광 발전 시스템의 해석적 모델링은 시스템의 동특성을 예측하거나 고장검출 및 진단 등과 같은 고급 공학 기술에 중요하게 적용할 수 있어 최근 많은 각광을 받고 있다. 본 논문은 대용량 학습 데이터를 갖는 태양광 발전 시스템에 대한 확률론적 모델링을 제시한다. 우선 태양광 일사량과 온도 입력 변수에 대한 태양광 시스템의 출력 전력과의 입출력 함수관계를 정의한다. 이 함수관계를 바탕으로 세 확률변수(일사량, 온도, 전력)에 대하여 조건부 확률 식으로 표현한다. 조건부 확률 분포 추정은 대용량 데이터 시스템에 적합한, 전체 표본 데이터 수 대비 관련 변수의 경우의 수에 대한 비율로 나타내었다. 추정한 확률분포를 통해 평균값 이론을 적용하여 시스템의 출력을 추정하게 된다. 본 논문에서 제안한 모델링 기법은 두 태양광 발전 단지의 사례 연구를 통해 성능을 검증하였다.