• 제목/요약/키워드: 풍력발전량 예측

검색결과 58건 처리시간 0.035초

ANFIS기법과 Power Ramp Rate 속성을 이용한 풍력발전량 예측 (Forecasting wind power generation using ANFIS and Power Ramp Rate)

  • 박현우;김성호;김광득;류근호
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2012년도 춘계학술발표대회
    • /
    • 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.

Support Vector Regression을 이용한 풍력발전량 예측 시스템 개발 (Development of the Wind Turbine Power Prediction System Using Support Vector Regression)

  • 신혜경;이문환;이진호
    • 대한전기학회:학술대회논문집
    • /
    • 대한전기학회 2011년도 제42회 하계학술대회
    • /
    • 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.

  • PDF

Power Ramp Rate 속성과 ANFIS 기법을 이용한 단기간 풍력 발전량 예측 (Short-term wind power prediction with Power Ramp Rate and ANFIS approach)

  • 박현우;김성호;김광득;류근호
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
    • /
    • 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.

딥러닝을 이용한 풍력 발전량 예측 (Prediction of Wind Power Generation using Deep Learnning)

  • 최정곤;최효상
    • 한국전자통신학회논문지
    • /
    • 제16권2호
    • /
    • pp.329-338
    • /
    • 2021
  • 본 연구는 풍력발전의 합리적인 운영 계획과 에너지 저장창치의 용량산정을 위한 풍력 발전량을 예측한다. 예측을 위해 물리적 접근법과 통계적 접근법을 결합하여 풍력 발전량의 예측 방법을 제시하고 풍력 발전의 요인을 분석하여 변수를 선정한다. 선정된 변수들의 과거 데이터를 수집하여 딥러닝을 이용해 풍력 발전량을 예측한다. 사용된 모델은 Bidirectional LSTM(:Long short term memory)과 CNN(:Convolution neural network) 알고리즘을 결합한 하이브리드 모델을 구성하였으며, 예측 성능 비교를 위해 MLP 알고리즘으로 이루어진 모델과 오차를 비교하여, 예측 성능을 평가하고 그 결과를 제시한다.

군산풍력발전단지의 풍력발전량 단기예측모형 비교에 관한 연구 (A study on comparing short-term wind power prediction models in Gunsan wind farm)

  • 이영섭;김진;장문석;김현구
    • Journal of the Korean Data and Information Science Society
    • /
    • 제24권3호
    • /
    • pp.585-592
    • /
    • 2013
  • 최근 신재생에너지와 대체에너지의 필요성이 증가함에 따라 환경오염과 온실효과를 초래하지 않는 풍력에너지 개발에 많은 연구와 투자가 이루어지고 있다. 풍력에너지는 무공해 에너지이며 자원양이 무한대이고 바람이 부는 곳이라면 어디에서든지 전력생산이 가능하다. 그러나 풍력에너지는 바람에 크게 의존하며 불규칙적인 특성이 있어 효율적인 풍력발전이 어렵다는 단점이 있다. 이러한 이유로 풍력발전에 있어서 정확한 풍력발전량 예측은 매우 중요한 요소이다. 본 연구에서는 이러한 풍력발전량의 효율적인 예측을 위해 군산 풍력단지의 자료를 이용해 시계열모형인 ARMA모형과 데이터 마이닝 기법 중 신경망모형을 사용하여 풍력발전량을 예측하고 비교분석 하였다. 그 결과 신경망모형 적합결과가 ARMA모형 적합결과 보다 더 좋은 예측력을 나타내었다.

시계열 모형을 이용한 단기 풍력발전 예측 연구 (A study on short-term wind power forecasting using time series models)

  • 박수현;김삼용
    • 응용통계연구
    • /
    • 제29권7호
    • /
    • pp.1373-1383
    • /
    • 2016
  • 풍력에너지 산업이 발전하고 풍력발전에 대한 의존율이 높아짐에 따라 안정적인 공급이 중요해지고 있다. 원활한 전력수급계획을 세우기 위해서 풍력발전량을 정확히 예측하는 것이 중요하다. 본 논문에서는 강원도 평창 횡계리에 설치된 대관령 2풍력(2MW 1기)의 시간별 풍력발전 데이터와 강원도 대관령 기상대에서 관측되는 시간별 풍속과 풍향 데이터를 기상청 지상관측자료에서 수집하여 연구하였다. 풍력발전량 예측을 위하여 신경망 모형과 시계열 모형인 ARMA, ARMAX, ARMA-GARCH, Holt Winters 모형을 비교하였다. 모형 간 예측력을 비교하기 위해 mean absolute error(MAE)를 사용하였다. 모형의 예측 성능 비교 결과 1시간에서 3시간의 단기 예측에 있어서 ARMA-GARCH 모형이 우수한 예측력을 보였다. 6시간 이후 예측에서는 신경망 모형이 우수한 예측을 보였다.

Power Ramp Rate를 이용한 풍력 발전량 예측모델 구축 (Building of Prediction Model of Wind Power Generationusing Power Ramp Rate)

  • 황미영;김성호;윤은일;김광득;류근호
    • 한국컴퓨터정보학회논문지
    • /
    • 제17권1호
    • /
    • pp.211-218
    • /
    • 2012
  • 전 세계적으로 화석연료의 많이 사용이 증가되고 있으며 이로 인해 온실가스가 배출되어 지구 온난화와 환경오염이 심각해지고 있는 실정이다. 지구의 환경오염을 줄이기 위해서 무공해 청정에너지인 신재생에너지에 대한 관심이 증가되는 추세인데, 그중에서도 풍력발전은 환경오염 물질을 배출하지 않고, 자원량이 무한대이기 때문에 많은 관심을 받고 있다. 하지만, 풍력발전은 전력 생산량이 불규칙한 단점을 갖고 있어 풍력 터빈의 손상과 전력 생산량이 불규칙적인 문제를 야기하여 이러한 문제점을 보완하기 위해 풍력 발전량을 정확하게 예측하는 것이 중요하다. 풍력 발전량을 정확하게 예측하기 위해서 전력 생산량이 급증 또는 급감하는 것을 의미하는 ramp의 특성을 잘 활용해야 한다. 이 논문에서는 예측의 정확도를 높이기 위하여 다계층 신경망을 이용해 예측모델을 구축하였다. 구축된 예측모델은 흔히 사용되는 풍속, 풍향 속성뿐만 아니라 Power Ramp Rate(PRR) 속성까지 사용하였다. 구축된 풍력 발전량 예측모델은 앞서 말한 세 가지 속성을 모두 사용한 경우, 두 속성을 조합하여 사용한 경우 총 4가지 예측모델을 구축하였다. 구축된 4가지 예측모델을 성능평가 한 결과 PRR, 풍속, 풍향의 속성 모두를 사용한 예측모델의 예측 값이 풍력 터빈에서 관측된 관측 값에 가장 근접하였다. 그로 인해 PRR 속성을 사용하면 풍력 발전량의 예측 정확도를 향상 시킬 수 있었다.

WindPRO를 이용한 태안해안국립공원의 750kW 풍력발전단지 조성에 관한 연구 (A study on 750kW Wind farm at Taean Costal National Park using WindPRO)

  • 정윤미;김재광;김영달
    • 한국신재생에너지학회:학술대회논문집
    • /
    • 한국신재생에너지학회 2010년도 추계학술대회 초록집
    • /
    • 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.

  • PDF

ESS 용량 산정을 위한 다층 퍼셉트론을 이용한 풍력 발전량 예측 (Prediction of Wind Power Generation for Calculation of ESS Capacity using Multi-Layer Perceptron)

  • 최정곤;최효상
    • 한국전자통신학회논문지
    • /
    • 제16권2호
    • /
    • pp.319-328
    • /
    • 2021
  • 본 논문에서는 풍력 발전 수익 극대화 및 비용 최소화를 위해 설치하는 ESS에 대하여 정확한 용량 산정을 하기 위한 목적으로 풍력 단지용 전력량 예측을 다층 퍼셉트론을 이용하여 수행한다. 풍력 발전량을 예측하기 위해 풍속, 풍향, 공기밀도를 변수로 하고 그 변수를 병합하고 정규화한다. 모델을 훈련시키기 위해 병합된 변수를 70% 대 30% 비율로 훈련 및 테스트 데이터로 나눈다. 그런 다음 학습 데이터를 사용하여 모델을 학습시키고 테스트 데이터를 사용하여 모델의 예측 성능도 평가한다. 마지막으로 풍력량 예측 결과를 제시한다.

풍력 발전을 위한 분산형 전원전력의 단기예측 모델 설계 (Design of short-term forecasting model of distributed generation power for wind power)

  • 송재주;정윤수;이상호
    • 디지털융복합연구
    • /
    • 제12권3호
    • /
    • pp.211-218
    • /
    • 2014
  • 최근 풍력에너지는 풍력터빈의 지능화뿐만 아니라 풍력 발전량 예측 부분에서 컴퓨팅과의 결합이 확대되고 있다. 풍력 발전은 기상상태에 따라 출력변동이 심하고 출력 예측이 어려워 효율적인 전력 생산을 위해서 신재생에너지를 전력계통에 안정적으로 연계할 수 있는 기술이 필요하다. 본 논문에서는 분산형 전원의 예측정보를 향상시켜 예측한 발전량과 실제 발전량의 차이를 최소화하기 위한 분산형 전원전력의 단기예측 모델을 설계한다. 제안된 모델은 단기 예측을 위해서 물리모델과 통계모델을 결합하였으며, 물리모델에서 생산된 격자별 예측값 중 예측 지점내 예측지점의 값을 추출하고, 물리 모델 예측값에 통계모델을 적용하여 발전량 산정을 위한 최종 기상 예측값을 생성한다. 또한, 제안 모델에서는 실시간 기상청 관측자료와 실시간 중기 예측 자료를 입력 자료로 사용하여 단기 예측모델을 수행한다.