• 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.

• Journal of the Korean Society for Railway
• /
• v.20 no.4
• /
• pp.474-481
• /
• 2017

When designing photovoltaic power plants in Korea, the prediction of photovoltaic power generation at the design phase is carried out using PVSyst, PVWatts (Overseas power generation prediction software), and overseas weather data even if the test site is a domestic site. In this paper, for a comparative study to predict power generation using weather information, domestic photovoltaic power plants in two regions were selected as target sites. PVsyst, which is a commercial power generation forecasting program, was used to compare the accuracy between the predicted value of power generation (obtained using overseas weather information (Meteonorm 7.1, NASA-SSE)) and the predicted value of power generation obtained by the Korea Meteorological Administration (KMA). In addition, we have studied ways to improve the prediction of power generation through comparative analysis of meteorological data. Finally, we proposed a revised solar power generation prediction model that considers climatic factors by considering the actual generation amount.

• The Journal of Society for e-Business Studies
• /
• v.24 no.4
• /
• pp.119-133
• /
• 2019

Recently, the importance prediction of photovoltaic power (PV) is considered as an essential function for scheduling adjustments, deciding on storage size, and overall planning for stable operation of PV facility systems. In particular, since most of PV power is generated in peak time, PV power prediction in a peak time is required for the PV system operators that enable to maximize revenue and sustainable electricity quantity. Moreover, Prediction of the PV power output in peak time without meteorological information such as solar radiation, cloudiness, the temperature is considered a challenging problem because it has limitations that the PV power was predicted by using predicted uncertain meteorological information in a wide range of areas in previous studies. Therefore, this paper proposes the LSTM (Long-Short Term Memory) based the PV power prediction model only using the meteorological, seasonal, and the before the obtained PV power before peak time. In this paper, the experiment results based on the proposed model using the real-world data shows the superior performance, which showed a positive impact on improving the PV power in a peak time forecast performance targeted in this study.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.31-34
• /
• 2024

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.

• Journal of Digital Convergence
• /
• v.12 no.3
• /
• pp.243-248
• /
• 2014

Recently, solar energy is expanding to combination of computing in real time by tracking the position of the sun to estimate the angle of inclination and make up freshly correcting a part of the solar radiation. Solar power is need that reliably linked technology to power generation system renewable energy in order to efficient power production that is difficult to output predict based on the position of the sun rise. In this paper, we analysis of prediction model for solar power generation to estimate the predictive value of solar power generation in the development of real-time weather data. Photovoltaic power generation input the correction factor such as temperature, module characteristics by the solar generator module and the location of the local angle of inclination to analyze the predictive power generation algorithm for the prediction calculation to predict the final generation. In addition, the proposed model in real-time national weather service forecast for medium-term and real-time observations used as input data to perform the short-term prediction models.

• Journal of the Korean Society for Railway
• /
• v.20 no.2
• /
• pp.182-189
• /
• 2017

Photovoltaic power generation systems make up a large part of the low carbon energy trend. The purpose of this study is to utilize PVsyst, a commercial forecasting program, to forecast research on the design stages of photovoltaic power generation for wider applications of this system in railroads and to consider prospective issues for photovoltaic power plants that are currently being operated. Given this, we will compare the forecast value of generated photovoltaic power, derived from foreign weather forecast information provided by NASA, along with information from Meteonorm, and the forecast values derived from the KMA weather information. By comparing these values with amounts actually generated by KPX, this research aims to secure propriety rights for wider application of photovoltaic power generation systems in railroads, and to contribute to low carbon energy for the new climate of the future.

• Environmental and Resource Economics Review
• /
• v.28 no.4
• /
• pp.467-495
• /
• 2019

Uncertainty of renewable energy such as photovoltaic(PV) power is detrimental to the flexibility of the power system. Therefore, precise prediction of PV power generation is important to make the power system stable. The purpose of this study is to forecast PV power generation using meteorological data including particulate matter(PM). In this study, PV power generation is predicted by support vector machine using RBF kernel function based on machine learning. Comparing the forecasting performances by including or excluding PM variable in predictor variables, we find that the forecasting model considering PM is better. Forecasting models considering PM variable show error reduction of 1.43%, 3.60%, and 3.88% in forecasting power generation between 6am~8pm, between 12pm~2pm, and at 1pm, respectively. Especially, the accuracy of the forecasting model including PM variable is increased in daytime when PV power generation is high.

• Journal of Platform Technology
• /
• v.6 no.2
• /
• pp.19-25
• /
• 2018

Existing Photovoltaic(PV) monitoring system monitors the current, past power generation, all values of environmental sensors. It is necessary to predict solar power generation for efficient operation and maintenance on the power plant. We propose a method for estimating the generation of PV data based PV monitoring system with data accumulation. Through this, we intend to find the failure prediction of the photovoltaic power plant in proportion to the predicted power generation. As a result, the administrator can predict the failure of the system it will be prepared in advance.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• 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.

• Journal of Advanced Navigation Technology
• /
• v.22 no.3
• /
• pp.233-239
• /
• 2018

Since solar power generation is intermittent depending on weather conditions, it is necessary to predict the accurate generation amount of solar power to improve the efficiency and economical efficiency of solar power generation. This study proposes a short - term deep learning prediction model of solar power generation using meteorological data from Mokpo meteorological agency and generation data of Yeongam solar power plant. The meteorological agency forecasts weather factors such as temperature, precipitation, wind direction, wind speed, humidity, and cloudiness for three days. However, sunshine and solar radiation, the most important meteorological factors for forecasting solar power generation, are not predicted. The proposed model predicts solar radiation and solar radiation using forecast meteorological factors. The power generation was also forecasted by adding the forecasted solar and solar factors to the meteorological factors. The forecasted power generation of the proposed model is that the average RMSE and MAE of DNN are 0.177 and 0.095, and RNN is 0.116 and 0.067. Also, LSTM is the best result of 0.100 and 0.054. It is expected that this study will lead to better prediction results by combining various input.