• Journal of the Korea Society of Computer and Information
• /
• v.16 no.11
• /
• pp.245-253
• /
• 2011

Due to the imprudent spending of the fossil fuels, the environment was contaminated seriously and the exhaustion problems of the fossil fuels loomed large. Therefore people become taking a great interest in alternative energy resources which can solve problems of fossil fuels. The wind power energy is one of the most interested energy in the new and renewable energy. However, the plants of wind power energy and the traditional power plants should be balanced between the power generation and the power consumption. Therefore, we need analysis and prediction to generate power efficiently using wind energy. In this paper, we have performed a research to predict power generation patterns using the wind power data. Prediction approaches of datamining area can be used for building a prediction model. The research steps are as follows: 1) we performed preprocessing to handle the missing values and anomalous data. And we extracted the characteristic vector data. 2) The representative patterns were found by the MIA(Mean Index Adequacy) measure and the SOM(Self-Organizing Feature Map) clustering approach using the normalized dataset. We assigned the class labels to each data. 3) We built a new predicting model about the wind power generation with classification approach. In this experiment, we built a forecasting model to predict wind power generation patterns using the decision tree.

• Proceedings of the KIPE Conference
• /
• 2008.06a
• /
• pp.298-300
• /
• 2008

고립된 소규모 전력시스템에 소형 풍력발전기를 계통연계 운전할 때 나타날 수 있는 전압변동을 예측하기 위한 방법에 관해 연구하였다. 이를 위하여 고립된 계통에 연결된 기존발전소 및 부하, 변압기, 풍력발전기의 간략화된 시뮬레이션 모델을 PSCAD/EMTDC를 기반으로 구성하고 실제 설치된 풍력발전기의 운전 특성과 비교하였다. 특히, 연계점의 전압변동을 해석적으로 예측하기 위하여 전원측 등가 임피던스와 부하측 등가 임피던스로 구성된 간략화한 모델을 제안하였으며 제안된 방법으로 계산된 전압변동량이 시뮬레이션 및 실측 데이터와 잘 일치하는 것을 확인하였다. 이 결과는 소형 풍력발전기 계통연계 시스템 설계 및 사전검토 단계에서 안정성과 신뢰성을 확보 하기위한 도구로 활용될 수 있다.

• Journal of the Korean earth science society
• /
• v.38 no.1
• /
• pp.11-23
• /
• 2017

The short term predictability of wind resources is an important factor in evaluating the economic feasibility of a wind power plant. As a method of improving the predictability, a Bayesian Kalman filter is applied as the model data postprocessing. At this time, a statistical training period is needed to evaluate the correlation between estimated model and observation data for several Kalman training periods. This study was quantitatively analyzes for the prediction characteristics according to different training periods. The prediction of the temperature and wind speed with 3-day short term Bayesian Kalman training at Taebaek area is more reasonable than that in applying the other training periods. In contrast, it may produce a good prediction result in Ieodo when applying the training period for more than six days. The prediction performance of a Bayesian Kalman filter is clearly improved in the case in which the Weather Research Forecast (WRF) model prediction performance is poor. On the other hand, the performance improvement of the WRF prediction is weak at the accurate point.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.165-166
• /
• 2015

본 논문에서는 제주풍력단지에 대한 측정 데이터(measured wind power outputs)를 기반으로 제주 실측 풍력데이터를 이용하여 공간적인 상관관계 분석을 수행하고, 상관관계 감쇠거리(CDD; Correlation Decay Distance)를 적용하여 새로운 풍력발전단지에 대한 공간모델 적용 시 기존 풍력발전단지의 포함여부(set 또는 subset)를 결정하는 기준(Threshold)으로 활용하고자 한다. 이를 통해 풍력발전출력 예측에 공간모델을 적용하고, 정확도를 향상시키는 방안을 연구하고자한다.

• Journal of Wind Energy
• /
• v.15 no.2
• /
• pp.10-22
• /
• 2024

This research is a comprehensive analysis of wind power prediction sensitivity using a Long Short-Term Memory (LSTM) deep learning neural network model, accounting for the inherent uncertainties in wind speed estimation. Utilizing a year's worth of operational data from an operational wind farm, the study forecasts the power output of both individual wind turbines and the farm collectively. Predictions were made daily at intervals of 10 minutes and 1 hour over a span of three months. The model's forecast accuracy was evaluated by comparing the root mean square error (RMSE), normalized RMSE (NRMSE), and correlation coefficients with actual power output data. Moreover, the research investigated how inaccuracies in wind speed inputs affect the power prediction sensitivity of the model. By simulating wind speed errors within a normal distribution range of 1% to 15%, the study analyzed their influence on the accuracy of power predictions. This investigation provided insights into the required wind speed prediction error rate to achieve an 8% power prediction error threshold, meeting the incentive standards for forecasting systems in renewable energy generation.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.42 no.5
• /
• pp.1085-1092
• /
• 2017

In this paper, we propose a wind forecasting method that reflects wind characteristics to improve the accuracy of wind power prediction. The proposed method consists of extracting wind characteristics and predicting power generation. The part that extracts the characteristics of the wind uses correlation analysis of power generation amount, wind direction and wind speed. Based on the correlation between the wind direction and the wind speed, the feature vector is extracted by clustering using the K-means method. In the prediction part, machine learning is performed using the SVR that generalizes the SVM so that an arbitrary real value can be predicted. Machine learning was compared with the proposed method which reflects the characteristics of wind and the conventional method which does not reflect wind characteristics. To verify the accuracy and feasibility of the proposed method, we used the data collected from three different locations of Jeju Island wind farm. Experimental results show that the error of the proposed method is better than that of general wind power generation.

• 한국신재생에너지학회:학술대회논문집
• /
• 2011.05a
• /
• pp.61.1-61.1
• /
• 2011

풍력 터빈은 복잡한 바람 조건에 노출되어 운용 되는 시스템으로서 경제성과 신뢰성을 확보하기 위해서는 이러한 조건하에서 시스템에 작용하는 정확한 공력 하중 예측이 필요하다. 여러 조건 중에서도 요에러는 풍향이 수시로 바뀌기 때문에 피할 수 없는 비정상 유동 중에 하나이다. 본 연구에서는 이러한 요에러 발생시 공력 하중예측을 적절히 예측하기 위해서 와류 격자 기법을 기반으로 하는 비선형 와류 보정기법을 적용하였다. 비선형 와류 보정기법은 실속 이후의 공력 예측을 위해 기지의 공력 테이블을 이용하는 방법으로서 실속 이후의 공력 테이블 값의 양력과 와류 격자 기법에서의 양력 값이 일치하도록 순환(circulation)을 분포시키는 기법이다. 또한 요에러시에 발생할 수 있는 동적 실속을 계산하기 위해 Beddoes-Leishmen 동적 실속 모델을 비선형 와류 보정 기법에 적용하는 연구를 수행하였다. 요에러시 공력 하중 예측에 관한 수치해석 기법 연구의 적절성을 알아보기 위해 NREL-Phase VI Rotor 실험 결과와 비교 하였다. 그 결과 기존의 여타의 기법들과 비교하여 본 연구에서 제안한 기법의 적절성을 확인 할 수 있었다. 앞으로 본 연구를 바탕으로 다양한 비정상 공력 조건에 대한 풍력 블레이드의 공력 하중 해석에 대해 수행할 계획이다.

• 한국신재생에너지학회:학술대회논문집
• /
• 2011.11a
• /
• pp.33.1-33.1
• /
• 2011

풍력발전기가 점차 대형화되어가는 추세에 따라 블레이드 역시 점차 길어지고 무거워지는 경향을 보이고 있다. 이는 블레이드뿐만 아니라 풍력발전기 시스템 전체의 하중 및 비용의 증가를 불러오게 되므로, 시스템의 성능 및 하중에 가장 큰 영향을 끼치는 블레이드의 공력특성에 대한 연구가 전 세계적으로 지속되고 있다. 그 중에서도 특히 작동 중 오염에 의한 블레이드 표면 거칠기 변화는 블레이드의 공력특성을 변화시켜, 발전기 전체의 성능뿐만 아니라 전체 하중에도 영향을 끼치는 주요 인자이다. 따라서 풍력발전기 블레이드 설계 시에 예측된 설계하중과 실제 운용 환경에 의해 변화된 운용하중 간의 차이를 예측할 수 있다면, 블레이드 설계 시에 표면 거칠기 변화에 따른 영향을 고려함으로써 실제 운용 환경에 맞는 최적의 블레이드 및 풍력발전기 시스템 설계를 수행할 수 있다. 본 연구에서는 블레이드의 표면 거칠기 변화에 따라 풍력발전기 하중이 어떻게 영향을 받는지에 대하여 분석하였다. 이를 위하여 표면 거칠기 민감도를 고려하지 않고 설계된 기준 블레이드와, 운용 중 표면 거칠기가 변화된 블레이드의 2개 모델에 대한 하중해석을 수행하고 그 결과를 비교하였다. 보다 실제적인 해석을 위해 Multi-MW 급 풍력발전기 시스템 모델을 대상으로 최적 설계된 블레이드를 기준 모델로 삼았다. 하중계산방법은 IEC 및 GL 2010 가이드라인을 참고하였으며, 일부 주요 극한하중 상황에 대하여 해석을 수행하여 설계하중상황(design load case, DLC) 별로 하중의 증감 및 경향을 비교하였다.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.41 no.7
• /
• pp.469-480
• /
• 2017

For accurate AEP prediction in a wind farm, it is necessary to effectively calculate the wind speed reduction and the power loss due to the wake effect in each wind direction. In this study, a computer program for AEP prediction considering directional wake effect was developed. The results of the developed program were compared with the actual AEP of the wind farm and the calculation result of existing commercial software to confirm the accuracy of prediction. The applied equations are identical with those of commercial software based on existing theories, but there is a difference in the calculation process of the detection of the wake effect area in each wind direction. As a result, the developed program predicted to be less than 1% of difference to the actual capacity factor and showed more than 2% of better results compared with the existing commercial software.

• The Korean Journal of Applied Statistics
• /
• v.34 no.5
• /
• pp.723-734
• /
• 2021

Wind energy is one of the rapidly developing renewable energies which is being developed and invested in response to climate change. As renewable energy policies and power plant installations are promoted, the supply of wind power in Korea is gradually expanding and attempts to accurately predict demand are expanding. In this paper, the ARIMA and ARIMAX models which are Time series techniques and the SVR, Random Forest and XGBoost models which are machine learning models were compared and analyzed to predict wind power generation in the Jeonnam and Gyeongbuk regions. Mean absolute error (MAE) and mean absolute percentage error (MAPE) were used as indicators to compare the predicted results of the model. After subtracting the hourly raw data from January 1, 2018 to October 24, 2020, the model was trained to predict wind power generation for 168 hours from October 25, 2020 to October 31, 2020. As a result of comparing the predictive power of the models, the Random Forest and XGBoost models showed the best performance in the order of Jeonnam and Gyeongbuk. In future research, we will try not only machine learning models but also forecasting wind power generation based on data mining techniques that have been actively researched recently.