• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1997년도 하계학술대회 논문집 D
• /
• pp.903-906
• /
• 1997

When large capacity generation stations that consist of several large units tend to pull out of step from main power system, stabilizing control scheme as emergency control for preventing loss of synchronism of the whole stations with the remaining system is devided into two steps that the first step is to perform on-line prediction for out-of-step and the next step is on-line calculation of the amount of generation shedding for the rest of generators to be in step when out of step is expected. This paper presents on-line prediction scheme for out-of-step based on P-$\delta$ curve estimation using real-time measurement and on-line calculation of generation shedding. The proposed stabilizing scheme was applied to case study of real power system and the results obtained by the method compare well with the results by simulation.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제5권10호
• /
• pp.353-360
• /
• 2016

여러 개의 태양전지들이 붙어 있는 태양광 패널을 이용하여 전력을 생산하는 태양광 발전은 최근 신재생 에너지 기술로 빠르게 성장하고 있는 분야이다. 하지만 태양광발전의 단점 중 하나인 불규칙한 전력 생산문제로 인해, 장비 및 패널 결함에 빠르게 대응하지 못하는 문제가 발생한다. 이 연구에서는 다양한 기후데이터와 패널 정보를 이용하여 태양광발전량 예측 방법들을 비교하여 최적의 예측 알고리즘을 평가하고 이를 기반으로 태양광발전소 결함 검출 시스템을 개발하여 국내 태양광 발전소에 적용한 사례를 기술한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.219-224
• /
• 2019

국내 소규모(50kW 이하)를 포함한 태양광발전 설치 업체의 급격한 증가에 따른 발전 설치양은 증가하고 있으나 이에 대한 효율적 운영체계 및 관리가 미흡한 상황이다. 따라서 발전단가의 증가를 초래하는 부가적인 기능 보다는 현 상태에서 발전량을 최대화시키기 위한 유지보수 관리측면으로 새로운 형태의 운영체계가 필요하다. 본 논문에서는 태양광 발전소의 운영효율 극대화를 위해 Big Data와 센서 네트워크를 활용하며 전문가 시스템의 분석을 통해 발전량 예측기술, 모듈 단위 고장검출 기술개발, 인버터 구성요소의 수명 예지 및 Report 기술, 유지보수 최적화 알고리즘 및 경제성 분석 개발 등 태양광 발전소의 최적 운용이 가능하도록 하는 스마트 모니터링 시스템 개발에 목적을 두고 있다.

• 제어로봇시스템학회논문지
• /
• 제17권11호
• /
• pp.1173-1178
• /
• 2011

The power generated by wind turbines changes rapidly because of the continuous fluctuation of wind speed and direction. It is important for the power industry to have the capability to predict the changing wind power. In this paper, neural network based wind power prediction scheme which uses wind speed and direction is considered. In order to get a better prediction result, compression function which can be applied to the measurement data is introduced. Empirical data obtained from wind farm located in Kunsan is considered to verify the performance of the compression function.

• KEPCO Journal on Electric Power and Energy
• /
• 제2권4호
• /
• pp.627-630
• /
• 2016

Recently, the size of wind farms is becoming larger, and the integration of high wind generation resources into power gird is becoming more important. Due to intermittency of wind generating resources, it is an essential to predict power outputs. In this paper, we introduce the basic concept of curvilinear regression, which is one of the method of wind power prediction. The empirical data, wind farm power output in Jeju Island, is considered to verify the proposed prediction model.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.355-363
• /
• 2022

우리나라는 2050년 탄소중립을 목표로 신재생에너지 중심으로 에너지 공급원을 전환하고 확대하는 계획을 추진 중이다. 신재생에너지의 간헐적 특성으로 에너지 공급이 불안정성이 커짐에 따라 정확한 신재생에너지 발전량 예측의 중요성이 함께 커지고 있다. 이에 따라 정부는 신재생에너지를 집합화하여 관리하기 위한 소규모 전력중개시장을 개설하였고, 재생에너지 발전량 예측제도를 도입하여 예측정확도에 따라 정산금을 지급하는 제도를 시행 중이다. 본 논문에서는 우리나라 신재생에너지 전원의 대부분을 차지하는 태양광 발전에 대하여 통계적 및 인공지능 모형을 이용하여 예측모델을 구현하였으며, 각 모형의 예측정확도 결과를 비교 분석하였다. 비교 모델 중에서 CNN-LSTM(Convolutional Long Short-Term Memory Neural Networks) 모형이 가장 높은 성능을 가짐을 확인하였다. 예측정확도에 따른 예측제도 정산금 수익을 추정해보았고, 예측보유 기술 수준에 따라 수익 편차가 24% 정도 커질 수 있음을 확인하였다.

• 풍력에너지저널
• /
• 제15권2호
• /
• 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.

• 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.

• 한국컴퓨터정보학회논문지
• /
• 제16권11호
• /
• pp.245-253
• /
• 2011

화석 연료의 무분별한 사용으로 환경이 심각하게 오염되고, 화석 연료의 고갈에 대한 문제가 대두됨에 따라서 화석 연료에 대한 문제를 해결 할 수 있는 대체 에너지원에 대해 관심이 집중되기 시작하였다. 현재 신재생 에너지 중에서 가장 각광을 받고 있는 에너지는 중에 하나가 풍력에너지이다. 풍력에너지 발전단지와 기존의 전력 발전소는 소비되는 전력에 대한 생산의 균형을 맞춰야하며, 풍력에너지단지에서 균형적인 생산을 하기 위해서는 풍력에너지에 대한 분석 및 예측이 필요하다. 이를 위해서 데이터마이닝 분야의 예측 기법이 활용 될 수 있다. 본 논문에서는 풍력 데이터를 이용하여 발전 패턴을 예측하기 위해 SOM(Self-Organizing Feature Map) Clustering 기법과 의사결정나무(decision tree)를 이용한 연구를 진행하였다. 즉, 1) 풍력 데이터의 누락된 데이터와 이상치 데이터를 처리하기 위하여, 전처리 과정을 수행하였고, 이 과정에서 특징 벡터를 추출하였다. 2) 전처리 단계를 거쳐 정제되고 정규화된 데이터 집합을 MIA(Mean Index Adequacy) 척도와 SOM Clustering 기법에 적용하여 대표 발전 패턴을 찾아내고 각각의 데이터에 해당하는 대표 패턴을 클래스 레이블로 할당하도록 하였다. 3) 의사결정나무 기반의 분류 기법에 데이터 집합을 적용시켜 새로운 풍력에너지에 대한 분석 및 예측 모델을 생성하였다. 실험 결과, 의사결정나무를 통한 풍력에너지 발전 패턴을 예측하기 위한 모델을 구축하였다.

• 신재생에너지
• /
• 제2권3호
• /
• pp.15-22
• /
• 2006

As the distributed generation becomes more reliable and economically feasible, it is expected that a higher application of the distributed generation units would be interconnected to the existing grids. This new market penetration using the distributed generation technology is linked to a large number of factors like economics and performance, safety and reliability, market regulations, environmental issues, or grid connection standards. KEPCO, a government company in Korea, has performed the project to identify and evaluate the performance of Micro Gas Turbine(MGT) technologies focused on 30, 60kW-class grid-connected optimization and combined Heat & Power performance. This paper describes the results for the mechanical, electrical, and environmental tests of MGT on actual grid-connection under Korean regulations. As one of the achievements, the simulation model of Exhaust-gas Absorption Chiller was developed, so that it will be able to analyze or propose new distributed generation system using MGT. In addition, KEPCO carried out the field testing of the MGT Cogeneration system at the R&D Center Building, KEPCO. The field test was conducted in order to respond to a wide variety of needs for heat recovery and utilization. The suggested method and experience for the evaluation of the distributed generation will be used for the introduction of other distributed generation technologies into the grid in the future.