• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1085-1087
• /
• 2012

현재 급격한 화석 에너지의 사용 증가로 인해 자원이 고갈되고 있으며, 심각한 환경오염의 문제가 발생하고 있다. 이러한 화석 에너지의 문제점 때문에 무공해이면서 자원 량이 무한에 가까운 신재생 에너지가 거론되고 있는데, 그 중에서 경제적인 면과 기술력이 가장 발전한 풍력 에너지가 각광 받고 있다. 하지만 풍력 발전은 풍속이 짧은 시간 안에 급격한 변화를 일으켜 풍력 터빈의 손상을 초래하며 정확한 풍력발전량의 예측이 힘들어 전력 생산량이 불규칙하다. 그리하여 전력의 공급과 수요의 균형을 위해 풍력발전량의 정확한 예측이 필요하다. 따라서 이 연구에서는 ANFIS을 적용하고 전력 생산 변화의 빠르기 PRR을 이용하여 풍력발전량을 예측하였다. 실험에서는 ANFIS기법에 PRR속성을 이용하여 단순한 ANFIS 기법 보다 더 정확한 풍력 발전량의 예측 결과를 얻을 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.696-697
• /
• 2011

신재생에너지는 기후변화협약 및 화석연료의 고갈 등으로 인해 전력계통으로의 도입 필요성은 증가하고 있으나 경제성 부재로 인해 도입 시 많은 제약이 있었다. 그러나 최근 풍력발전기의 경제성이 확보되고 있는 추세이며 일부 유럽 국가를 중심으로 전력계통에 연계하여 운전하고 있다. 특히 스페인의 경우 풍력발전기의 발전량을 예측하는 시스템을 개발하여 풍력발전량의 간헐적인 출력 특성을 보완하고 이용 효율을 향상시킬 수 있도록 다른 발전설비와 연계하여 전력계통을 운영하고 있으며, 풍력발전량을 고려한 예비력을 산정함으로써 경제적이고 안정적인 전력계통을 유지하고 있다. 또한 풍력발전기의 간헐적인 출력 특성을 보완하기 위해 에너지저장장치와의 협조 운영 가능한 시스템을 구축하는 사례가 증가하고 있으며 우리나라의 제주 스마트그리드 실증사업의 Smart Renewable이 이와 같은 경우라 할 수 있다. 본 논문에서는 기계학습이론 중 하나인 SVR을 이용한 풍력발전량 예측 시스템을 개발에 대해 기술하였으며, 행원14호기의 풍력발전량 이력데이터를 이용하여 풍력발전량 예측을 수행하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.157-159
• /
• 2012

산업혁명 이후 현대사회의 급격한 발전과 화석에너지의 무분별한 사용으로 인해 화석자원이 고갈되고 있으며 환경오염 문제가 심각한 실정이다. 이러한 자원의 고갈과 환경오염 문제를 해결하기 위해 최근에 친환경적이며 자원량이 무한대에 가까운 신재생에너지 자원에 대한 개발이 많은 관심을 받고 있다. 신재생에너지 중에서 풍력에너지는 바람의 가변성으로 인해 짧은 시간 안에 전력 생산량이 급증하거나 급강하는 ramp 현상이 발생하여 풍력발전량의 예측이 어렵다. 따라서 안정적인 전력 공급을 위해서는 풍력발전량의 정확한 예측이 필요하다. 이 연구에서는 정확한 풍력발전량의 예측을 위하여 전력 생산 변화의 빠르기를 나타내는 PRR을 속성으로 사용하고 ANFIS기법을 적용하여 풍력발전량을 예측하였다. 실험 결과 기존의 ANFIS기법을 적용한 경우 보다 PRR속성을 이용하여 적용한 경우 더 정확한 풍력발전량의 결과를 얻을 수 있었다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.329-338
• /
• 2021

This study predicts the amount of wind power generation for rational operation plan of wind power generation and capacity calculation of ESS. For forecasting, we present a method of predicting wind power generation by combining a physical approach and a statistical approach. The factors of wind power generation are analyzed and variables are selected. By collecting historical data of the selected variables, the amount of wind power generation is predicted using deep learning. The model used is a hybrid model that combines a bidirectional long short term memory (LSTM) and a convolution neural network (CNN) algorithm. To compare the prediction performance, this model is compared with the model and the error which consist of the MLP(:Multi Layer Perceptron) algorithm, The results is presented to evaluate the prediction performance.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.3
• /
• pp.585-592
• /
• 2013

As the needs for alternative energy and renewable energy increase, there has been a lot of investment in developing wind energy, which does not cause air pollution nor the greenhouse gas effect. Wind energy is an environment friendly energy that is unlimited in its resources and is possible to be produced wherever the wind blows. However, since wind energy heavily relies on wind that has unreliable characteristics, it may be difficult to have efficient energy transmissions. For this reason, an important factor in wind energy forecasting is the estimation of available wind power. In this study, Gunsan wind farm data was used to compare ARMA model to neural network model to analyze for more accurate prediction of wind power generation. As a result, the neural network model was better than the ARMA model in the accuracy of the wind power predictions.

• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1373-1383
• /
• 2016

The wind energy industry and wind power generation have increased; consequently, the stable supply of the wind power has become an important issue. It is important to accurately predict the wind power with short-term basis in order to make a reliable planning for the power supply and demand of wind power. In this paper, we first analyzed the speed, power and the directions of the wind. The neural network and the time series models (ARMA, ARMAX, ARMA-GARCH, Holt Winters) for wind power generation forecasting were compared based on mean absolute error (MAE). For one to three hour-ahead forecast, ARMA-GARCH model was outperformed, and the neural network method showed a better performance in the six hour-ahead forecast.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.1
• /
• pp.211-218
• /
• 2012

Fossil fuel is used all over the world and it produces greenhouse gases due to fossil fuel use. Therefore, it cause global warming and is serious environmental pollution. In order to decrease the environmental pollution, we should use renewable energy which is clean energy. Among several renewable energy, wind energy is the most promising one. Wind power generation is does not produce environmental pollution and could not be exhausted. However, due to wind power generation has irregular power output, it is important to predict generated electrical energy accurately for smoothing wind energy supply. There, we consider use ramp characteristic to forecast accurate wind power output. The ramp increase and decrease rapidly wind power generation during in a short time. Therefore, it can cause problem of unbalanced power supply and demand and get damaged wind turbine. In this paper, we make prediction models using power ramp rate as well as wind speed and wind direction to increase prediction accuracy. Prediction model construction algorithm used multilayer neural network. We built four prediction models with PRR, wind speed, and wind direction and then evaluated performance of prediction models. The predicted values, which is prediction model with all of attribute, is nearly to the observed values. Therefore, if we use PRR attribute, we can increase prediction accuracy of wind power generation.

• 한국신재생에너지학회:학술대회논문집
• /
• 2010.11a
• /
• pp.181.2-181.2
• /
• 2010

탄소함유 에너지원의 고갈과 가격상승, 이들 에너지 사용에 수반되는 지구 온난화 문제들로 세계는 새로운 에너지원을 도입하고자 노력하고 있다. 그 중 풍력에너지는 자원이 풍부하고 끊임없이 재생되며 광범위한 지역에 분포되어 있고, 운전 중에 온실가스의 배출이 없다는 점에서 가장 경제성이 있고 유용한 에너지원으로 인식되고 있다. 풍력발전기는 선진 국가에서부터 꾸준히 성장해 왔으며, 그 성능을 개선시키기 위하여 많은 연구가 진행되고 있다. 풍력발전기를 설치하여 발전단지를 조성함에 있어서 발전량을 예측하기 위해서 발전기가 세워질 모든 지점에 허브높이의 실측타워를 세워 풍황데이터를 측정하여야 하지만 이런 방법은 재정적인 부담이 매우 크다. 따라서 본 논문에서는 서산기상대에서 측정된 기상데이터를 이용하여 태안해안국립공원내 만리포해수욕장 지역의 풍황 및 발전량을 예측하였다. 이 때 풍황 및 발전량 예측은 풍력단지 설계를 목적으로 사용되고 있는 WindPRO Basic과 WAsP-Interface 모듈을 이용하였다. 이렇게 예측된 풍황을 이용하여 발전단지를 조성하고, PARK 모듈을 사용하여 발전단지의 에너지를 계산하였으며, WindBANK 모듈을 이용하여 단지의 경제성을 평가하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.319-328
• /
• 2021

In this paper, we perform prediction of amount of electric power plant for complex of wind plant using multi-layer perceptron in order to calculate exact calculation of capacity of ESS to maximize profit through generation and to minimize generation cost of wind generation. We acquire wind speed, direction of wind and air density as variables to predict the amount of generation of wind power. Then, we merge and normalize there variables. To train model, we divide merged variables into data as train and test data with ratio of 70% versus 30%. Then we train model by using training data, and we alsouate the prediction performance of model by using test data. Finally, we present the result of prediction in amount of wind power.

• Journal of Digital Convergence
• /
• v.12 no.3
• /
• pp.211-218
• /
• 2014

Recently, wind energy is expanding to combination of computing to forecast of wind power generation as well as intelligent of wind powerturbine. Wind power is rise and fall depending on weather conditions and difficult to predict the output for efficient power production. Wind power is need to reliably linked technology in order to efficient power generation. In this paper, distributed power generation forecasts to enhance the predicted and actual power generation in order to minimize the difference between the power of distributed power short-term prediction model is designed. The proposed model for prediction of short-term combining the physical models and statistical models were produced in a physical model of the predicted value predicted by the lattice points within the branch prediction to extract the value of a physical model by applying the estimated value of a statistical model for estimating power generation final gas phase produces a predicted value. Also, 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.