• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.89-90
• /
• 2015

현재 사용되고 있는 풍력발전 예측 모델은 물리적인 시간변화에 따른 예측을 진행하고 있다. 제주도 풍력단지의 출력 값과 풍력단지 상호 거리에 대한 상관관계를 분석해본 결과, 거리가 가까울수록 높은 상관계수를 보이는 것을 알 수 있었다. 따라서 풍력 예측 모델에서 시간적인 특성뿐 아니라 공간적 특성을 같이 고려하는 것이 필요하다. 본 논문에서는 국내 외 풍력발전 예측 모델을 분석을 수행하고, 풍력 예측 모델에 공간기법 적용의 필요성에 대해 연구하고자 한다.

• 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.

• 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.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2013.02a
• /
• pp.673-673
• /
• 2013

최근 시대의 흐름에 따라 많은 에너지의 사용으로 여러 가지 에너지원이 필요로 하게 되면서 지금까지는 석탄, 석유 등 매장된 에너지원을 사용하고 있지만, 최근 에너지 위기와 여러 가지의 환경문제가 대두 되면서 세계적으로 새로운 청정에너지원을 필요로 하게 되었다. 그 결과 태양광, 풍력, 지열 등 여러 가지의 신재생에너지원이 대두되게 되었으며, 여러 가지의 신재생에너지원 중 주목받고 있는 풍력에너지에 대한 연구가 현재 활발히 진행 중에 있다. 풍력발전은 바람의 에너지를 이용해 블레이드에 연결된 터빈을 구동하여 전기 에너지를 얻는 방식이며, 아직까지는 많은 곳에서 사용될 만큼 생산이 되지 않고 있지만 조만간 많은 곳에서 쓰일 것으로 예상된다. 풍력발전 시스템이 전력시장에서 차지하는 비중이 점차 증가하고 있으나 풍향, 풍속 등의 변화로 인하여 안정적인 발전 출력을 항상 보장할 수 없다. 그러므로 본 논문에서는 실제 풍력발전기로부터 수집된 풍향, 풍속, 발전출력 데이터를 처리하여 데이터베이스를 구축하고, 퍼지 뉴런에 기반한 퍼지-뉴럴 네트워크 예측 모델을 이용하여 풍력발전 출력을 예측하였다.

• Journal of the Korean Solar Energy Society
• /
• v.31 no.5
• /
• pp.19-26
• /
• 2011

복잡지형에서의 풍력단지 CFD 모델링을 통한 시뮬레이션 결과가 이 논문에 주어졌다. 이 연구를 위하여 작은 산(오름)들로 둘러싸인 제주도 성산 풍력단지가 선택되었고, 두 개의 주풍향에 대하여 ANSYS CFX로 시뮬레이션 하였다. 격자생성을 위하여 실제 지형데이터가 사용되었고, 풍력발전기와 복잡지형으로부터 발생하는 후류효과를 예측하기 위하여 SST 난류모델 및 액추에이터 디스크 모델이 적용되었다. 그 결과, 성산 풍력단지 주변에 있는 작은 산 및 풍력발전기에서 발생하는 후류의 영향은 3~7 km 계속된다고 예측되었다. 또한 그 후류는 풍속 및 난류강도에 상당한 영향을 미치고 있다고 예측되었다.

• 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.

• 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.

• 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.