• Current Photovoltaic Research
• /
• 제4권2호
• /
• pp.80-86
• /
• 2016

Since the last five years it has become a lot of solar power plants installed. However, by installing the large-scale solar power station it is not easy to predict the actual generation years. Because there are a variety of factors, such as changes daily solar radiation, temperature and humidity. If the power output can be measured accurately it predicts profits also we can measure efficiency for solar power plants precisely. Therefore, Prediction of power generation is forecast to be a useful research field. In this study, out discovering the factors that can improve the accuracy of the prediction of the photovoltaic power generation presents the means to apply them to the power generation amount prediction.

• Journal of Electrical Engineering and Technology
• /
• 제10권3호
• /
• pp.1342-1348
• /
• 2015

The objective of this study is to propose a method to calculate prediction intervals for one-day-ahead hourly forecasts of photovoltaic power generation and to evaluate its performance. One year of data of two systems, representing contrasting examples of forecast’ accuracy, were used. The method is based on the maximum likelihood estimation, the similarity between the input data of future and past forecasts of photovoltaic power, and on an assumption about the distribution of the error of the forecasts. Two assumptions for the forecast error distribution were evaluated, a Laplacian and a Gaussian distribution assumption. The results show that the proposed method models well the photovoltaic power forecast error when the Laplacian distribution is used. For both systems and intervals calculated with 4 confidence levels, the intervals contained the true photovoltaic power generation in the amount near to the expected one.

• 한국철도학회논문집
• /
• 제20권4호
• /
• pp.474-481
• /
• 2017

국내에서 태양광 발전설비 설계 시 설계 단계에서의 태양광발전소의 발전량 예측은 국내 현장임에도 불구하고 PVsyst, PVWatts 등 해외 발전량 예측 프로그램과 해외 기상 자료를 이용하여 발전량을 예측하는 경우가 대부분을 차지하고 있는 실정이다. 본 논문에서는 기상정보를 활용한 발전량 예측 비교 연구를 위하여 현재 운영중인 2개 지역의 국내 태양광발전소를 대상지로 선정하였다. 발전량 예측 프로그램인 PVsyst를 활용하여 Meteonorm 7.1과 NASA-SSE의 해외 기상정보를 이용한 발전량 예측값과 국내 기상청 (Korea Meteorology Administration) 기상정보를 활용한 발전량 예측 정확성을 비교하였다. 추가적으로, 기상자료 비교 분석을 통한 발전량 예측 개선 방안을 연구하고, 최종적으로 실제 발전량과의 비교 분석을 통해 기후요소가 고려된 태양광 발전량 예측 수정 모델을 제시하였다.

• 통합자연과학논문집
• /
• 제11권4호
• /
• pp.204-208
• /
• 2018

Comparison of different optimizer performance in photovoltaic power modeling using artificial neural deep learning techniques is described in this paper. Six different deep learning optimizers are tested for Long-Short-Term Memory networks in this study. The optimizers are namely Adam, Stochastic Gradient Descent, Root Mean Square Propagation, Adaptive Gradient, and some variants such as Adamax and Nadam. For comparing the optimization techniques, high and low fluctuated photovoltaic power output are examined and the power output is real data obtained from the site at Mokpo university. Using Python Keras version, we have developed the prediction program for the performance evaluation of the optimizations. The prediction error results of each optimizer in both high and low power cases shows that the Adam has better performance compared to the other optimizers.

• 한국전자통신학회논문지
• /
• 제16권5호
• /
• pp.859-866
• /
• 2021

영농형 태양광 발전은 농지 상부에 태양광 발전 설비를 설치하는 방식으로 농작물과 전기를 동시에 생산함으로써 농가 소득을 증대시키는 새로운 모델이다. 최근 영농형 태양광 발전을 활용하는 다양한 시도들이 이루어지고 있다. 영농형 태양광 발전은 기존의 태양광 발전과는 달리 비교적 높은 구조물 상부에 설치하게 되므로 유지 보수가 상대적으로 어렵다는 단점이 있다. 이러한 문제를 해결하기 위해 지능적이고 효율적인 운용 및 진단 기능이 요구된다. 본 논문에서는 영농형 태양광 발전 설비의 전력 생산량을 수집, 저장하여 지능적인 예측 모델을 구현하기 위한 예측 및 진단 시스템의 설계 및 구현에 대해 논한다. 제안된 시스템은 태양광 발전량과 환경 센서 데이터를 기반으로 발전량을 예측하여 설비의 이상 유무를 판별하며 설비의 노화 정도를 산출하여 사용자에게 제공한다.

• 한국전자통신학회논문지
• /
• 제17권5호
• /
• pp.825-832
• /
• 2022

본 논문은 영농형 태양광 발전 시스템의 전력 생산량을 수집·저장하여 지능적인 예측 모델을 구현하기 위한 예측 및 진단 모델의 설계와 구현에 대해 논한다. 제안된 모델은 시계열 데이터에 특화된 순환신경망 기법인 RNN, LSTM, GRU 모델을 이용하여 태양광 발전량을 예측하고 각 모델의 하이퍼 파라미터를 다르게 주어 비교 분석하고, 성능을 평가했다. 그 결과 세 모델 모두 MSE, RMSE 지표는 0에 매우 가까우며, R2 지표는 1에 가까운 성능을 보였다. 이를 통해 제안하는 예측 모델은 태양광 발전량을 예측하기에 적합한 모델임을 알 수 있고, 이러한 예측을 이용하여 영농형 태양광 시스템에서 지능적인 운영관리 기능에 적용될 수 있음을 보였다.

• Journal of Platform Technology
• /
• 제6권2호
• /
• pp.19-25
• /
• 2018

기존의 태양광 발전 모니터링 시스템은 현재의 발전량, 과거의 발전량, 환경센서 값등을 모니터링 한다. 이는 발전소의 효율적인 운영과 유지보수를 위한 태양광 발전량 예측이 필요하기 때문이다. 이를 위해 데이터 축적을 통해 빅데이터 기반 태양광 발전 모니터링 시스템의 발전량 예측 알고리즘 구현 방안을 제안한다. 이를 통해 미리 예측된 발전량에 비례하여, 태양광 발전 플랜트의 고장을 예측하고자 한다. 결과적으로 시스템의 고장을 예측하여 미리 점검하도록 한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.23-30
• /
• 2022

딥러닝은 주가 및 농산물 가격 예측과 같이 데이터를 분석해 일련의 규칙을 발견하고 미래를 예상해 우리의 삶에서 다양한 도움을 주고 있다. 본 연구는 태양광 에너지 사용의 중요성이 늘어나는 상황에서 기상에 따른 태양광 발전 실적을 딥러닝을 통해 분석하고 발전량을 예측한다. 본 연구에서는 시계열 데이터 예측에서 두각을 나타내고 있는 LSTM(Long Short Term Memory network)을 사용한 모델을 제안하며 이미지를 비롯한 다양한 차원의 데이터를 분석할 때 사용되는 CNN(Convolutional Neural Network)과 두 모델을 결합한 CNN-LSTM과의 성능을 비교한다. 세 가지 모델의 성능은 태양광 발전 실적의 실제값과 딥러닝을 통해 예측한 값으로 MSE, RMSE, 결정계수를 계산하여 비교하였고 그 결과 LSTM 모델의 성능이 가장 우수한 것으로 나타났다. 따라서 본 연구는 LSTM을 사용한 태양광 발전량 예측을 제안한다.

• 융합보안논문지
• /
• 제22권2호
• /
• pp.99-104
• /
• 2022

본 연구는 기후변화에 따른 전남 영암지역의 기상변화와 태양광 에너지 생산량의 빅데이터 분석을 통해 상관관계를 도출하여 태양광 에너지 생산 예측 모델을 제시하였다. 사용된 데이터는 공공데이터에서 제공하는 2016년 1월부터 2019년 12월까지의 영암지역의 날씨와 태양에너지 생산량 데이터를 사용하였다. 머신러닝 기법을 활용하여 기상변화와 태양광 에너지 생산량의 회귀분석을 통하여 지역의 날씨와 태양광 에너지 생산량과의 상관 관계식을 도출 하였다. 도출된 예측식을 적용하여 지역의 태양에너지 생산을 계산하였으며, 이를 생산지수로 표현하여 3단계로 구분하였다. 이 같이 구분된 3단계의 생산지수를 통해 향후 기후변화에 따른 태양에너지 생산량을 예측하고, 농업 활동에 있어 중요한 바로미터로 활용될 것이라 판단된다.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.64-71
• /
• 2017

Considering the volatility, intermittent and random of photovoltaic (PV) generation systems, accurate forecasting of PV power output is important for the grid scheduling and energy management. In order to improve the accuracy of short-term power forecasting of PV systems, this paper proposes a prediction model based on environmental factors and support vector machine optimized by genetic algorithm (GA-SVM). In order to improve the prediction accuracy of this model, weather conditions are divided into three types, and the gray correlation coefficient algorithm is used to find out a similar day of the predicted day. To avoid parameters optimization into local optima, this paper uses genetic algorithm to optimize SVM parameters. Example verification shows that the prediction accuracy in three types of weather will remain at between 10% -15% and the short-term PV power forecasting model proposed is effective and promising.