• 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.

• 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.

• 응용통계연구
• /
• 제34권5호
• /
• pp.723-734
• /
• 2021

빠르게 발전하고 있는 재생에너지 중 하나인 풍력에너지는 기후변화 대응에 맞추어 개발 및 투자가 이루어지고있다. 신재생에너지 정책과 발전소 설치가 추진됨에 따라 국내 풍력 보급이 점차 확대되어 수요를 정확히 예측하기 위한 시도들이 확대되고 있다. 본 논문에서는 전남지역과 경북지역의 풍력 발전량 예측을 위하여 시계열 기법인 ARIMA, ARIMAX 모형과 기계학습 모형인 SVR, Random Forest, XGBoost 모형들을 비교 분석하였다. 모형의 예측 결과를 비교하기 위한 지표로서 mean absolute error (MAE)와 mean absolute percentage error (MAPE)를 사용하였다. 2018년 1월 1일부터 2020년 10월 24일까지의 시간별 원 데이터를 차분한 후 모형을 훈련시켜 2020년 10월 25일부터 2020년 10월 31일까지의 168시간에 대한 풍력 발전량을 예측하였다. 모형의 예측력 비교 결과, Random Forest와 XGBoost 모형이 전남지역, 경북지역 순으로 가장 우수한 성능을 보였다. 향후 연구에서는 기계학습뿐 아니라 최근 활발한 연구가 이루어지는 데이터 마이닝 기법 기반의 풍력 발전량 예측을 시도할 것이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• 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.

• 전기의세계
• /
• 제65권12호
• /
• pp.12-18
• /
• 2016

• 응용통계연구
• /
• 제23권2호
• /
• pp.345-356
• /
• 2010

오래 전부터 지속적으로 제기된 기후변화에 의한 문제들은 전 세계적인 문제점으로 언급되고 있다. 이러한 환경적 위기에 처한 각 나라들의 대처방법 중에 하나는 친환경적이고 지속가능한 발전 설비를 마련하기 위한 노력과 연구를 진행하고 있다는 것이다. 그중에서 풍력을 이용한 발전은 해외 선진국에서 오래 전부터 개발되어 발전해 오고 있고 우리나라 역시 최근에 풍력 발전에 관심을 갖고 기술개발에 노력을 기울이고 있다. 이러한 실정에서 우리나라 지역의 풍력에 대한 분석 및 예측은 천연자원의 적절한 이용이라는 관점에서 매우 중요한 연구라고 할 수 있겠다. 본 논문에서는 기상청에서 제공하는 풍속 측정 자료로 선형회귀모형에 근간을 둔 추정방법을 이용하여 주요도서지역을 제외한 남한지역의 공간적 특성을 파악할 수 있는 적절한 모형을 찾고 각 모형의 비교를 실시하였다. 이 결과를 바탕으로 남한지역의 풍속 예측지도를 구성하였다.

• 한국지리정보학회지
• /
• 제20권2호
• /
• pp.47-59
• /
• 2017

본 연구는 InVEST(Integrated Valuation of Ecosystem Services and Tradeoff) Offshore Wind 모형을 활용하여 제주도 장선주 인근 해역의 해상풍력 에너지 자원을 평가하였다. 초단기 기상분석 및 예측 시스템(KLAPS)의 재분석 자료를 이용하여 제주도 인근 해역의 풍력밀도를 계산하고 터빈 조성비용, 터빈의 운영 효율, 해저케이블 설치비용, 20년 운영시나리오, 유지관리비 등을 고려하여 168MW 해상풍력 단지를 설치하였을 때의 순현재가치를 산정하였다. 제주도 인근 해역의 풍력밀도 분포도를 통하여 제주도 서쪽해역과 동쪽해역에 높은 풍력자원이 있음을 알 수 있었으며, 대부분의 서측해역과 동측해역은 $400W/m^2$ 이상의 높은 풍력밀도를 보였다. 제주지역 해상풍력발전에 대한 순현재가치를 가시적으로 평가하기 위하여 5등급으로 구분하였으며, $400W/m^2$ 이상의 풍력자원이 존재하는 서측 해역에서 높은 순현재가치를 보였다. InVEST Offshore Wind 모형은 다양한 운영시나리오에 대하여 최적의 공간정보를 신속하게 제공해 줄 수 있으며, 해양생태계서비스 평가 결과와 혼용하여 사용한다면 보다 효율적인 해양공간을 이용할 수 있을 것으로 판단된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.394-395
• /
• 2011

본 연구에서는 신재생자원인 풍력발전을 WASP 모형 내에 공급측 자원으로 반영하여 수급계획을 수행해 보았다. 기후적 요인에 대한 의존성이 매우 강한 수력발전의 경우 WASP 모형 내에서 모델링이 가능한데, 다른 신재생에너지의 경우도 수력과 유사한 형태를 가지고 있기 때문에 WASP 모형 내에서 수력발전 시스템과의 입력형태만 맞추어 주면 신재생에너지의 공급측 관점에서의 해석이 가능해진다. 이는 신재생에너지로 인한 신뢰도 영향, 즉 LOLP의 변화를 확인할 수 있는 장점을 가지고 있다. 본 연구에서는 5차 수급계획에서 예측수요에서 시간대별 신재생에너지를 차감한 수요측 관점의 신재생에너지 모델링 방법과 공급측인 수력발전으로 모델링하여 수급계획을 수행한 결과와의 LOLP값을 비교하였다.

• 기술혁신연구
• /
• 제22권2호
• /
• pp.185-220
• /
• 2014

본 연구의 목적은 신기술을 바탕으로 급속히 성장한 신재생에너지 분야 기업의 재정적 어려움을 계량적으로 파악하고 부도위험과 지속가능성을 예측하는 것이다. 태양광 및 풍력기업으로 대표되는 신재생에너지산업은 신생기업이 많은 분야이며, 또한 한국의 현실상 중소기업이 많은 영역이라 start-up기업, 중소기업의 연구란 관점에서도 의의가 있다. 기업의 부도가능성 측정에 관한 연구는 재무비율을 이용한 초기모형 구축을 통한 분석, 기업의 지배구조 분석을 통한 모형분석, 위험과 생존요인을 이용한 분석 등이 주를 이룬다. 본 연구의 분석방법으로 많은 국가에서 이용되고 있는 'Altman Z-score'를 채택하였다. 분석 표본은 한국의 태양광과 풍력분야 상장기업 121개 이며, KIS-VALUE Data를 중심으로 수집, 분석하였다. 분석 대상기간은 2006년부터 2011년이다. 알트만 스코어로 분석한 결과, 태양광과 풍력기업 중에서 '경계 태세(on-alert)'로 분류되어 부도위험에 크게 노출된 기업은 38%,'예의주시(watch)'가 필요한 기업은 38%로, 합하여 76%가 지속가능성에 의문을 받는 기업으로 측정되었다. 신생기업의 경우 순수한 중소기업이 대기업군에 속한 기업보다 지속가능성이 낮았다. 기업규모가 대체적으로 큰 풍력분야 기업과 규모가 작은 태양광분야 기업의 부도위험을 비교한 결과, 풍력기업군의 부도위험이 다소 높게 나타났으나 유의적이지는 않았다. 결과적으로 Altman Z-score의 유용성이 한국의 신재생에너지 산업군 분석에도 검증되었다고 할 수 있다. 본 연구는 신성장산업인 태양광, 풍력기업의 상당수가 부도위험에 직면하였다는 것을 실증적으로 보여준 점에 의의가 있다. 또한 신생 start-up 기업의 연구, 중소기업과 대기업군기업과의 비교연구를 진전시켰다는 점에 의미가 있다.

• 한국전자통신학회논문지
• /
• 제18권1호
• /
• pp.39-44
• /
• 2023

태양광, 풍력 등의 신재생 에너지는 기상조건 및 환경변화에 민감한 자원이다. 설치위치 및 구조에 따른 설비의 발전량이 달라질 수 있기 때문에 정확한 발전량 예측은 중요하다. 기상 빅데이터를 활용하여 주성분 분석을 기반으로 데이터 전처리 과정을 진행하여 신재생 에너지 발전량 예측 시 영향을 미치는 피처간의 관계를 모니터링하였다. 또한, 본 연구에서는 영향을 미치는 민감도에 따라 데이터셋을 재구성하여 머신러닝 모델에 적용하여 예측도를 테스트하였다. 제안한 모형을 사용하여 신재생 에너지를 대상으로 기상환경에 따라 에너지 발전량을 예측하고 해당 시점의 실제 생산 값과 비교함으로써 랜덤 포레스트 회귀 분석을 적용한 에너지 발전량 예측에 대한 성능을 확인하였다.