• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• 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.

• 한국철도학회논문집
• /
• 제20권4호
• /
• pp.474-481
• /
• 2017

국내에서 태양광 발전설비 설계 시 설계 단계에서의 태양광발전소의 발전량 예측은 국내 현장임에도 불구하고 PVsyst, PVWatts 등 해외 발전량 예측 프로그램과 해외 기상 자료를 이용하여 발전량을 예측하는 경우가 대부분을 차지하고 있는 실정이다. 본 논문에서는 기상정보를 활용한 발전량 예측 비교 연구를 위하여 현재 운영중인 2개 지역의 국내 태양광발전소를 대상지로 선정하였다. 발전량 예측 프로그램인 PVsyst를 활용하여 Meteonorm 7.1과 NASA-SSE의 해외 기상정보를 이용한 발전량 예측값과 국내 기상청 (Korea Meteorology Administration) 기상정보를 활용한 발전량 예측 정확성을 비교하였다. 추가적으로, 기상자료 비교 분석을 통한 발전량 예측 개선 방안을 연구하고, 최종적으로 실제 발전량과의 비교 분석을 통해 기후요소가 고려된 태양광 발전량 예측 수정 모델을 제시하였다.

• 한국전자거래학회지
• /
• 제24권4호
• /
• pp.119-133
• /
• 2019

최근 태양광 발전량 예측은 태양광 발전량 설비 시스템의 안정적인 작동을 위한 조정 계획, 설비 규격 결정 및 생산 계획 일정을 수립하기 위해 필수적인 요소로 고려된다. 특히, 대부분의 태양광 발전량은 피크시간에 측정되기 때문에, 태양광 시스템 운영자의 이익 최대화와 전력 계통량 안정화를 위해 피크시간의 태양광 발전량 예측은 매우 중요한 요소이다. 또한, 기존 연구들은 광범위한 지역에서 예측된 불확실한 기후 정보들을 이용하여 태양광 발전량을 예측하는 한계점 때문에 일사량, 운량, 온도 등과 기상정보 없이 피크시간의 태양광 발전량을 예측하는 것은 매우 어려운 문제로 고려된다. 따라서 본 논문에서는 피크이전의 기후, 계절 및 관측된 태양광 발전량을 이용하여 미래의 기후 및 계절 정보 없이 피크시간의 태양광 발전량을 예측할 수 있는 LSTM(Long-Shot Term Memory) 기반의 태양광 발전량 예측 기법을 제안한다. 본 연구에서 제안한 모델을 기반으로 실 데이터를 통한 실험 결과, 단기 및 장기적 관점에서 높은 성능을 보였으며, 이는 본 연구에서 목표로 한 피크시간의 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.

• 디지털융복합연구
• /
• 제12권3호
• /
• pp.243-248
• /
• 2014

최근 태양광에너지는 실시간 태양의 위치를 추적하여 모듈경사각과 이루는 갓을 산정하여 일사량을 보정하는 부분에서 컴퓨팅과의 결합이 확대되고 있다. 태양광 발전은 태양의 위치에 따라 출력변동이 심하고 출력 예측이 어려워 효율적인 전력 생산을 위해서 신재생에너지를 전력계통에 안정적으로 연계할 수 있는 기술이 필요하다. 본 논문에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 최종적으로 태양광 발전량 예측값을 산정하는 태양광 발전을 위한 발전량 예측 모델을 분석한다. 태양광 발전량은 태양광 발전기별 모듈특성, 온도 등을 감안하여 보정계수를 입력하고 예측 지역의 위치 경사각을 분석하여 발전량 예측 계산 알고리즘을 통해 최종 발전량을 예측한다. 또한, 제안 모델에서는 실시간 기상청 관측자료와 실시간 중기 예측 자료를 입력 자료로 사용하여 단기 예측 모델을 수행한다.

• 한국철도학회논문집
• /
• 제20권2호
• /
• pp.182-189
• /
• 2017

본 논문의 연구 목적은 저탄소 에너지화에 큰 비중을 차지하고 있는 태양광 발전 시스템의 철도분야 적용확대를 위한 설계 단계에서의 태양광 발전량 예측 연구로 실제 운영하고 있는 지평 태양광발전소를 대상으로 태양광 발전량 상용 예측 프로그램인 PVsyst를 활용하여 프로그램 기본 제공 NASA와 Meteonorm의 해외 기상정보를 이용한 연간 태양광 발전량 예측값과 기상청(KMA) 기상정보를 이용한 발전량 예측값을 비교하고, 한국전력거래소(KPX) 실제 발전량과의 비교 분석을 통해 태양광발전소 구축비의 적정성을 확보하여 철도분야의 태양광 발전 시스템 확대적용과 나아가 신기후 체제에 대응한 저탄소 에너지화에 기여하고자 한다.

• 자원ㆍ환경경제연구
• /
• 제28권4호
• /
• pp.467-495
• /
• 2019

태양광 발전과 같은 신재생에너지의 불확실성은 전력계통의 유연성을 저해하며, 이를 방지하기 위해서는 정확한 발전량의 사전 예측이 중요하다. 본 연구는 미세먼지 농도를 포함한 기상자료를 이용하여 태양광 발전량을 예측하는 것을 목적으로 한다. 본 연구에서는 2016년 1월 1일부터 2018년 9월 30일까지의 발전량, 기상자료, 미세먼지 농도 자료를 이용하고 머신러닝 기반의 RBF 커널 함수를 사용한 서포트 벡터 머신을 적용하여 태양광 발전량을 예측하였다. 예측변수에 미세먼지 농도 반영 유무에 따른 태양광 발전량 예측 모델의 성능을 비교한 결과 미세먼지 농도를 반영한 발전량 예측 모델의 성능이 더 우수한 것으로 나타났다. 미세먼지를 고려한 예측 모형은 미세먼지를 고려하지 않은 예측 모형 대비 6~20시 예측 모형에서는 1.43%, 12~14시 예측 모형에서는 3.60%, 13시 예측 모형에서는 3.88%만큼 오차가 감소하였다. 특히 발전량이 많은 주간 시간대에 미세먼지 농도를 반영하는 모형의 예측 정확도가 더 뛰어난 것으로 나타났다.

• Journal of Platform Technology
• /
• 제6권2호
• /
• pp.19-25
• /
• 2018

기존의 태양광 발전 모니터링 시스템은 현재의 발전량, 과거의 발전량, 환경센서 값등을 모니터링 한다. 이는 발전소의 효율적인 운영과 유지보수를 위한 태양광 발전량 예측이 필요하기 때문이다. 이를 위해 데이터 축적을 통해 빅데이터 기반 태양광 발전 모니터링 시스템의 발전량 예측 알고리즘 구현 방안을 제안한다. 이를 통해 미리 예측된 발전량에 비례하여, 태양광 발전 플랜트의 고장을 예측하고자 한다. 결과적으로 시스템의 고장을 예측하여 미리 점검하도록 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.322-323
• /
• 2023

지속 가능한 에너지인 태양광 발전은 전 세계에서 널리 활용하는 재생 에너지 원천 중 하나로 최근 효율적인 태양광 발전 시스템 운영을 위해 태양광 발전량을 정확하게 예측하기 위한 연구가 활발히 진행되고 있다. 태양광 발전량 예측 모델을 구성하기 위해서는 기상 및 대기 환경을 넘어 태양의 위치에 따른 일사량의 정보가 필수적이나 태양의 실시간 위치 정보를 입력 변수로 활용한 연구가 부족한 실정이다. 그리하여 본 논문에서는 시간과 태양광 발전소 위치를 기반으로 태양의 고도와 방위각을 실시간으로 계산하여 입력 변수로 사용하는 방식을 제안한다. 이를 위해 AutoML 기반의 다양한 기계학습 모델을 구성하여 태양광 발전율을 예측하고 그 성능을 비교 분석하였다. 실험 결과, 태양 위치 정보를 포함한 경우에 환경 변수만을 고려하였을 때보다 예측 성능이 크게 향상되었음을 확인할 수 있었으며, Extra Trees 모델의 경우 태양 위치 정보를 추가하였을 때 MAE(Mean Absolute Error)가 33.90 에서 22.38 까지 낮아지는 결과를 확인하였다.

• 한국항행학회논문지
• /
• 제22권3호
• /
• pp.233-239
• /
• 2018

태양광 발전은 기상 상태에 따라 간헐적이기 때문에 태양광 발전의 효율과 경제성 향상을 위해 정확한 발전량 예측이 요구된다. 본 연구는 목포 기상대에서 예보하는 기상 데이터와 영암 태양광 발전소의 발전량 데이터를 이용하여 태양광 발전량 단기 딥러닝 예측모델을 제안하였다. 기상청은 기온, 강수량, 풍향, 풍속, 습도, 운량 등의 기상요소를 3일간 예보한다. 그러나 태양광 발전량 예측에 가장 중요한 기상요소인 일조 및 일사 일사량 예보하지 않는다. 제안 모델은 예보 기상요소를 이용하여, 일조 및 일사 일사량을 예측 하였다. 또한 발전량은 기상요소에 예측된 일조 및 일사 기상요소를 추가하여 예측하였다. 제안 모델의 발전량 예측 결과 DNN의 평균 RMSE와 MAE는 0.177과 0.095이며, RNN은 0.116과 0.067이다. 또한, LSTM은 가장 좋은 결과인 0.100과 0.054이다. 향후 본 연구는 다양한 입력요소의 결합으로 보다 향상된 예측결과를 도출할 수 있을 것으로 기대된다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2010년도 춘계학술대회 초록집
• /
• pp.71.1-71.1
• /
• 2010

본 연구는 1.3 MW급 태양광 발전소에서 기온 및 일사량에 따른 발전성능이 유지 보수 및 사후관리에 따라 성능이 향상될 수 있음을 실측자료를 통해 입증하는데 목적이 있다. 실측자료는 2008년 5월 전북 부안에 설치된 태양광 발전소에서 측정된 기온 및 일사량에 따른 발전량을 이용하였으며, 측정기간은 2009년 1월~2009년 12월까지 1년간 모니터링을 한 데이터를 기반으로 분석하였고, 발전소 성능 지표인 PR(Performance Ratio)을 계산하여 자료로 활용하였다. 또한, 실측자료는 PVSYST를 이용하여 실측자료와 동일한 조건에서 예측된 시뮬레이션 발전량 및 PR값과 비교 분석하였다. 실측자료와 해석결과의 비교에서 월단위로 측정된 실측 발전량과 예측 발전량은 유사한 경향을 나타냈으며, 실측 발전량은 예측 발전량 대비 약 5% 낮게 나타났다. 또한, 실측 PR값은 예측 PR값보다 약 4.97% 높게 나타났는데, 이는 해석을 위해 적용되는 일사량(기상청)과 실측 일사량이 다르고, Team Function 방식으로 구동되는 인버터와 시뮬레이션에서의 인버터 구동방식의 차이 때문인 것으로 판단된다. 한편, 일조량의 증가에 따른 1.3MW급 태양광 발전소의 발전량은 비례적으로 증가하는 경향을 나타냈으며, 7월의 경우 기후특성으로 인하여 국부적으로 감소하는 특성을 나타낸다.