• The Journal of the Korea Contents Association
• /
• v.7 no.12
• /
• pp.218-230
• /
• 2007

Measured values of solar radiation data have a characteristic that they change almost by the minute, so original data can be massive. Therefore, we need to construct a database which stores and manages history data of solar radiation data systematically. A study of an estimation method of the future change trend is also required. In this paper, we present a data structure in order to store history data of solar radiation data and propose an estimation method for the change trend of solar radiation that applies to a time-series decomposition method. Also, we present the results of experiments based on measured data from 20 domestic cities in Korea.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.

• 한국신재생에너지학회:학술대회논문집
• /
• 2010.06a
• /
• pp.86.2-86.2
• /
• 2010

태양광발전 시스템에 있어 일사량의 높고 낮음은 경제성 평가를 결정하는 주요인자로 작용하며 일사량은 지역적, 지형적 환경 조건의 차이에 따라 달리 나타난다. 본 연구에서는 주암 저수지 수면에 설치된 수면태양광 일사량 계측자료와 지상에서의 주암댐 관리단 옥상에 설치된 일사량 계측자료를 비교하여 분석한 결과 수면태양광의 일사량이 지상에서의 일사량 보다 약간 상회하는 패턴을 보이며 풍속, 기온 등 기타 데이터 분석 시 수면이 태양광발전에 있어 지상보다 더 유리하다는 점을 검증 할 수 있었다. 또한 취득한 데이터를 가지고 경제성 분석 프로그램을 사용하여 분석한 결과 지상보다 수면태양광이 더 경제성 있다는 결과를 얻을 수 있었다.

• KIISE Transactions on Computing Practices
• /
• v.23 no.11
• /
• pp.632-640
• /
• 2017

Although solar insolation is the weather factor with the greatest influence on power generation in photovoltaic systems, the Meterological Agency does not provide solar insolation data for future dates. Therefore, it is essential to research prediction methods for solar insolation to efficiently manage photovoltaic systems. In this study, we propose a Dynamic Piecewise Prediction Model that can be used to predict solar insolation values for future dates based on information from the weather forecast. To improve the predictive accuracy, we dynamically divide the entire data set based on the sun altitude and cloudiness at the time of prediction. The Dynamic Piecewise Prediction Model is developed by applying a polynomial linear regression algorithm on the divided data set. To verify the performance of our proposed model, we compared our model to previous approaches. The result of the comparison shows that the proposed model is superior to previous approaches in that it produces a lower prediction error.

• Proceedings of the KIPE Conference
• /
• 2017.11a
• /
• pp.89-90
• /
• 2017

본 논문에서는 일사량 데이터를 이용한 태양광 부스트 컨버터의 MPPT 성능분석에 대한 연구를 제안한다. 실외 실험을 통해 일사계(Pyranometer)로 측정한 일사량 데이터와 그에 따른 태양광 패널의 출력 데이터를 검토하여 부스트 컨버터의 MPPT 성능을 테스트 하였으며, 측정한 일사량 데이터를 토대로 수행한 시뮬레이션과 실험결과를 비교 분석하였다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.33 no.5
• /
• pp.463-472
• /
• 2015

Solar radiation data are important data that can be used as basic research data in diverse areas. In particular, solar radiation data are essential for diverse studies that have been recently conducted in South Korea including those for new and renewable energy resource map making and crop yield forecasting. So purpose of this study is modification of Heliosat-II method to estimate solar irradiance in Korea by using COMS-MI imagery. For this purpose, in this study, errors appearing in ground albedo images were corrected through linear transformation. And method of producing background albedo map which is used in Heliosat-II method is modified to get more finely tuned one. Through the study, ground albedo correction could be successfully performed and background albedo maps could be successfully derived. Lastly, In this study, solar irradiance was estimated by using modified Heliostat-II method. And it was compared with actually measured values to verify the accuracy of the methods. Accuracy of estimated solar irradiance was 30.8% RMSE(%). And this accuracy level means that solar irradiance was estimated on 10% higher level than previous Heliosat-II method.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2010.04a
• /
• pp.197-198
• /
• 2010

태양광발전량의 예측에 대해 많은 선행연구가 진행되었으나 연간 또는 월별 총발전량을 비교하기 위한 것이 주류였기 때문에 연간 또는 월별의 평균일사량을 바탕으로 발전량을 예측 비교하고 있다. 그러나 도시차원에서 전력생산 및 공급의 최적화를 위해서는 시간 및 기상에 따란 변화하는 일사량과 그에 따른 발전량을 예측하여 효율적인 전력생산 공급계획을 수립할 필요가 있지만 기상예보에는 일사량 정보가 포함되어 있지 않기 때문에 기상예보에 제공되는 운량을 이용하여 일사량을 예측할 수 있는 기법개발이 절실하다. 본 연구에서는 해양도시인 부산을 대상으로 과거의 기상데이터 중 운량과 일사량을 이용하여 일사량 예측기법을 제안하고자 한다.

• The Korean Journal of Applied Statistics
• /
• v.36 no.1
• /
• pp.49-62
• /
• 2023

Solar energy, which is rapidly increasing in proportion, is being continuously developed and invested. As the installation of new and renewable energy policy green new deal and home solar panels increases, the supply of solar energy in Korea is gradually expanding, and research on accurate demand prediction of power generation is actively underway. In addition, the importance of solar radiation prediction was identified in that solar radiation prediction is acting as a factor that most influences power generation demand prediction. In addition, this study can confirm the biggest difference in that it attempted to predict solar radiation using medium-term forecast weather data not used in previous studies. In this paper, we combined the multi-linear regression model, KNN, random fores, and SVR model and the clustering technique, K-means, to predict solar radiation by hour, by calculating the probability density function for each cluster. Before using medium-term forecast data, mean absolute error (MAE) and root mean squared error (RMSE) were used as indicators to compare model prediction results. The data were converted into daily data according to the medium-term forecast data format from March 1, 2017 to February 28, 2022. As a result of comparing the predictive performance of the model, the method showed the best performance by predicting daily solar radiation with random forest, classifying dates with similar climate factors, and calculating the probability density function of solar radiation by cluster. In addition, when the prediction results were checked after fitting the model to the medium-term forecast data using this methodology, it was confirmed that the prediction error increased by date. This seems to be due to a prediction error in the mid-term forecast weather data. In future studies, among the weather factors that can be used in the mid-term forecast data, studies that add exogenous variables such as precipitation or apply time series clustering techniques should be conducted.

• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2009.06a
• /
• pp.205-205
• /
• 2009

태양광 발전은 다른 발전방식과는 달리 연료비가 불필요하고 대기오염이나 폐기물 발생이 없으며 부위가 반도체 소자이고 제어부가 전자제품이므로 기계적인 진동과 소음 등의 공해가 전혀 없는 에너지원이다. 그러나 태양광 발전은 에너지 밀도가 낮아 일사량, 온도, 계절 등 기상조건의 작은 변화에도 발전량의 편차가 심하고 출력이 불안정하여 상용전원과의 연계나 별도의 축전설비 또는 발전설비 없이 독립적으로 사용하기에는 다소 무리가 있다는 단점이 있다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해서 1년 동안 실증운전을 통한 종합적인 운전특성 데이터, 태양전지 어레이 출력의 전압 전류, 교류 전력 및 전력량, 일사량 및 모듈의 온도, 외기온도 등 분석기간 동안 수집된 운전 데이터를 이용하여 태양이 태양전지 모듈에 입사되는 각과 발전량 즉 태양 전지 어레이 형태와 발전량과의 상관관계를 정량적으로 규명하여 태양광 발전시스템의 설계 및 시공의 최적화가 이루어질 수 있도록 하였다.

• Journal of Advanced Navigation Technology
• /
• v.25 no.6
• /
• pp.569-575
• /
• 2021

Deep learning shows differences in prediction performance depending on data quality and model. This study uses various input data and multiple deep learning models to build an optimal deep learning model for predicting solar radiation, which has the most influence on power generation prediction. did. As the input data, the weather data of the Korea Meteorological Administration and the clairvoyant meteorological image were used by segmenting the image of the Korea Meteorological Agency. , comparative evaluation, and predicting solar radiation by constructing multiple deep learning models connecting the models with the best error rate in each model. As an experimental result, the RMSE of model A, which is a multiple deep learning model, was 0.0637, the RMSE of model B was 0.07062, and the RMSE of model C was 0.06052, so the error rate of model A and model C was better than that of a single model. In this study, the model that connected two or more models through experiments showed improved prediction rates and stable learning results.