• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.8
• /
• pp.339-346
• /
• 2022

Recently, the resource depletion and climate change problem caused by the massive usage of fossil fuels for electric power generation has become a critical issue worldwide. According to this issue, interest in renewable energy resources that can replace fossil fuels is increasing. Especially, photovoltaic power has gaining much attention because there is no risk of resource exhaustion compared to other energy resources and there are low restrictions on installation of photovoltaic system. In order to use the power generated by the photovoltaic system efficiently, a more accurate photovoltaic power forecasting model is required. So far, even though many machine learning and deep learning-based photovoltaic power forecasting models have been proposed, they showed limited success in terms of interpretability. Deep learning-based forecasting models have the disadvantage of being difficult to explain how the forecasting results are derived. To solve this problem, many studies are being conducted on explainable artificial intelligence technique. The reliability of the model can be secured if it is possible to interpret how the model derives the results. Also, the model can be improved to increase the forecasting accuracy based on the analysis results. Therefore, in this paper, we propose an explainable photovoltaic power forecasting scheme based on BiLSTM (Bidirectional Long Short-Term Memory) and SHAP (SHapley Additive exPlanations).

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.42 no.5
• /
• pp.1085-1092
• /
• 2017

In this paper, we propose a wind forecasting method that reflects wind characteristics to improve the accuracy of wind power prediction. The proposed method consists of extracting wind characteristics and predicting power generation. The part that extracts the characteristics of the wind uses correlation analysis of power generation amount, wind direction and wind speed. Based on the correlation between the wind direction and the wind speed, the feature vector is extracted by clustering using the K-means method. In the prediction part, machine learning is performed using the SVR that generalizes the SVM so that an arbitrary real value can be predicted. Machine learning was compared with the proposed method which reflects the characteristics of wind and the conventional method which does not reflect wind characteristics. To verify the accuracy and feasibility of the proposed method, we used the data collected from three different locations of Jeju Island wind farm. Experimental results show that the error of the proposed method is better than that of general wind power generation.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.18 no.6
• /
• pp.1143-1150
• /
• 2023

The global climate crisis and the implementation of low-carbon policies have led to a growing interest in renewable energy and a growing number of related industries. Among them, solar power is attracting attention as a representative eco-friendly energy that does not deplete and does not emit pollutants or greenhouse gases. As a result, the supplement of solar power facility is increasing all over the world. However, solar power is easily affected by the environment such as geography and weather, so accurate solar power forecast is important for stable operation and efficient management. However, it is very hard to predict the exact amount of solar power using statistical methods. In addition, the conventional prediction methods have focused on only short- or long-term prediction, which causes to take long time to obtain various prediction models with different prediction horizons. Therefore, this study utilizes a many-to-many structure of a recurrent neural network (RNN) to integrate short-term and long-term predictions of solar power generation. We compare various RNN-based very short- and long-term prediction methods for solar power in terms of MSE and R² values.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.4
• /
• pp.837-844
• /
• 2018

In order to increase the generation of renewable energy, it is necessary to increase or decrease the generation amount of existing generators. The generators that respond rapidly to increase / decrease the generation amount generally have high generation cost. Therefore, Cost effectiveness is affected. In this paper, we propose a PV remote control system with big data to minimize the uncertainty of solar power generation prediction.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.07a
• /
• pp.168-169
• /
• 2017

중앙 전력과 단절된 독립형 마이크로그리드는 발전된 신재생 에너지를 저장하는 ESS의 효율적인 운영을 통해 블랙아웃을 방지하고 디젤 발전기의 발전 비용을 최소화하는 것이 필요하다. 본 논문에서는 기상 정보를 이용하여 신재생 에너지 발전량을 예측하고, 최적화 알고리즘을 이용해 생성된 후보 계획의 평가 시 ESS의 SOC를 유지하지 못하는 경우 페널티를 부여함으로써 신재생 발전량 예측의 오류에 대비하였다. 시뮬레이션 실험을 통해 제안하는 SOC 유지를 고려한 운영 계획 최적화 방안이 기존의 예측 제어 기반 최적화 방안에 비해 블랙아웃을 방지하면서도 디젤 발전 비용을 절감할 수 있음을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.808-809
• /
• 2007

전력수요는 경기변동과 밀접한 관련성을 가지고 동행적으로 움직이며, 전력자료는 경제자료에 비해 조기 관측되는 선행성이 있다. 본 연구에서는 GDP 전망을 위해 발전량이 유용하게 사용될 수 있는가를 살펴 보았다. 발전량과 GDP의 관련성은 그랜저 인과관계 검정을 통해서 검증해 보았으며, 발전량 자료 취득의 선행성은 선행차수를 변화시켜 보면서 관련성이 어떻게 변하는가를 살펴보았다. 실제 자료를 이용하여 분석하고, 2004년부터 2006년 기간의 전망치를 평가한 결과, 본 논문에서 살펴 보고자 했던 발전량과 GDP 사이에는 아주 높은 관련성이 있음을 확인할 수 있었고 또한 발전량 자료를 이용함으로써 실제로 GDP 전망의 예측력을 상당히 개선시킬 수 있음을 볼 수 있었다. 발전량과 GDP 사이의 관계는 시간변동계수를 가지는 공적분 및 오차수 정모형을 이용하여 모형화하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.337-337
• /
• 2022

한반도 기후변화평가보고서에 의하면 집중호우의 빈도와 강도는 1990년대 후반부터 꾸준히 증가하는 경향을 보였고 2020년의 홍수는 예견된 것으로 우려가 현실화 된 사건이라 볼 수 있다. 2020년 홍수에서 알 수 있듯이 강수량과 하천의 유량을 직접 담아내는 국내 댐 시설의 운영은 증가하는 기후변화의 위험에 더욱 중요한 역할을 할 것으로 보인다. 단일 목적으로 건설된 발전용댐의 경우도 다목적댐, 홍수조절댐 등 다양한 수자원시설과 동일한 수계 내에 배치되어 있기 때문에 기후변화 시나리오에 따라 발전용댐의 운영도 변화되어야 할 것이다. 2020년 발전용댐의 다목적 활용 협약 등의 여건 변화는 수자원 활용 측면에서 발전용댐의 역할이 기대되고 있다. 따라서 본 연구에서는 기후변화 시나리오에 따른 발전용댐의 운영안을 회복탄력성 관점에서 제시하고자 한다. 기후변화는 CMIP6 데이터베이스에서 제공하는 18개의 GCMs의 결과를 고려하여 기후변화를 고려하였으며 3개의 미래구간에 대해 100개의 앙상블을 생성하였다. 해당 자료는 LSTM 모형으로 기반으로 댐 유입량을 예측하기 위해 사용되었다. 유입량 예측 결과 0.77~0.89의 NSE 값을 갖는 것으로 평가되었다. 최종적으로 기후변화 시나리오 따라 증가하는 예측된 유입량에 맞춰 댐 모의운영을 수행하였고 회복탄력성, 발전량, 홍수위험 등을 평가하였다. 그 결과 전력생산 관점의 회복탄력성을 유지하는 운영안을 제시하였고, 이를 통해 전력생산량을 증가시키면서 홍수조절 및 용수공급에 기여함을 확인하였다. 향후 방류량에 따라 하류의 구체적인 치수위험평가가 동시에 이뤄진다면 기후변화 시나리오별 발전용댐의 최적 운영기준을 제시할 수 있을 것으로 기대된다.

• Journal of Advanced Navigation Technology
• /
• v.22 no.5
• /
• pp.478-484
• /
• 2018

This study predicts solar radiation, solar radiation, and solar power generation using hourly weather data such as temperature, precipitation, wind direction, wind speed, humidity, cloudiness, sunshine and solar radiation. I/O pattern in supervised learning is the most important factor in prediction, but it must be determined by repeated experiments because humans have to decide. This study proposed four input and output patterns for solar and sunrise prediction. In addition, we predicted solar power generation using the predicted solar and solar radiation data and power generation data of Youngam solar power plant in Jeollanamdo. As a experiment result, the model 4 showed the best prediction results in the sunshine and solar radiation prediction, and the RMSE of sunshine was 1.5 times and the sunshine RMSE was 3 times less than that of model 1. As a experiment result of solar power generation prediction, the best prediction result was obtained for model 4 as well as sunshine and solar radiation, and the RMSE was reduced by 2.7 times less than that of model 1.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.112-112
• /
• 2023

발전용댐의 댐 유입량 예측 및 운영을 위해서 (주)한국수력원자력에서는 수자원통합 운영시스템(Water resources Integrated System, WIOS)을 운영 중에 있다. 해당 시스템에서는 댐 유입량을 예측하기 위해서 기상청 수치예보모델 중 하나인 국지예보모델(Local Data Assimilation and Prediction System, LDAPS)의 예측강우를 수문모형의 입력자료로 활용하고 있으며, 레이더 기반의 초단시간 강우예측 기법을 자체 개발 중에 있다. 기상청 국지예보모델은 강우의 on/off에 대한 정확도는 90%를 상회할 만큼 높으나 정량적인 강우량의 정확도는 매우 낮고, 레이더 기반의 초단시간 예측 강우는 선행 1~2시간 예측에서는 정량적 정확도는 높으나, 그 이후 예측성능이 급격히 떨어지는 경향을 보인다. 따라서 댐 유입량의 정량적 예측 정확도를 확보하기 위해 초단시간 모델과 국지예보모델의 강우예측 결과를 병합(blending)하는 기법을 적용하여 초기 6시간 동안의 예측 성능을 향상시켜야 한다. 본 연구에서는 선행시간 0~6시간에 대해서 병합하는 기법들을 적용하고 평가하고자 한다. 기본적으로 병합은 초단시간 예측강우와 수치예보자료 간 가중치를 통해 수행된다. 일반적으로 초기 1시간 선행시간에서 레이더 기반 예측강우는 완벽한 예측자료(외삽 관측자료의 가중치는 1.0)로 가정하며, tanh 함수를 이용하여 선행시간의 증가에 따라 가중치를 감소시키면서, 6시간 선행시간에서는 수치예보 예측강우가 완벽한 예측자료라고 가정한다. 본 연구에서는 일반적인 병합 방법 외에 병합된 예측강우에 과거 관측강우와 예측강우의 평균편이를 적용하여 보정하는 방법, 사례별 변동성이 큰 병합된 예측강우 특성을 고려하여 병합 가중치를 신뢰도에 따라 가변시키는 방법을 적용하여 평가한다. 이를 통해 댐 유입량 예측에 최적이 되는 병합기법을 선정하고자 한다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.5 no.10
• /
• pp.353-360
• /
• 2016

Recently, solar photovoltaic(PV) power generation which generates electrical power from solar panels composed of multiple solar cells, showed the most prominent growth in the renewable energy sector worldwide. However, in spite of increased demand and need for a photovoltaic power generation, it is difficult to early detect defects of solar panels and equipments due to wide and irregular distribution of power generation. In this paper, we choose an optimal machine learning algorithm for estimating the generation amount of solar power by considering several panel information and climate information and develop a defect detection system by using the chosen algorithm generation. Also we apply the algorithm to a domestic solar photovoltaic power plant as a case study.