• 한국통신학회논문지
• /
• 제42권5호
• /
• pp.1085-1092
• /
• 2017

본 논문은 풍력발전예측의 정확도 개선을 위하여 바람의 특성을 반영한 풍력발전량예측 방법을 제안한다. 제안한 방법은 크게 바람의 특성을 추출하는 부분과 발전량을 예측하는 부분으로 구성된다. 바람의 특성을 추출하는 부분은 발전량, 풍향과 풍속의 상관분석을 이용한다. 풍향과 풍속의 상관관계를 근거로 K-means 방법으로 클러스터링하여 특징 벡터를 추출한다. 예측하는 부분은 임의의 실수값을 예측 할 수 있도록 SVM을 일반화 한 SVR을 이용하여 기계학습을 한다. 기계학습은 바람의 특성을 반영한 제안한 방법과 바람의 특성을 반영하지 않은 기존방법을 비교 실험하였다. 또한, 제안한 방법의 정확도와 타당성을 검증하기 위하여 장소가 상이한 제주도 풍력발전단지 3지역에서 수집된 데이터를 사용하였다. 실험결과, 제안한 방법의 오차가 일반적인 풍력발전예측 오차보다 개선되었다.

• 플랜트 저널
• /
• 제15권2호
• /
• pp.56-61
• /
• 2019

본 연구에서는 500 MW급 초임계압 석탄 화력발전소의 발전보일러용 고압 급수가열기에서 발생한 내부 튜브의 파손 사례 분석을 통해 운전 기록 모니터링에 의한 발전보일러용 고압 급수가열기 내부 튜브의 파손 예측 방안을 모색하고자 하였다. 이 연구를 통해 고압 급수가열기 내부 튜브 파손 시 쉘 측 수위 조절 밸브 개도와 보일러 급수펌프 흡입 유량의 변화로 내부 튜브 파손을 진단할 수 있는 예측 모형을 제안하였고, 제안된 예측 모형은 급수 계통의 불균형이 일어난 추가 사례를 통해 실증하였다. 이에 따라 본 연구와 유사한 특성의 발전보일러용 고압 급수가열기의 경우에도 쉘 측 수위 조절 밸브 개도와 보일러 급수펌프의 흡입 유량의 정상 운전 상태 값 대비 현재 운전 값 비교는 고압 급수가열기 내부 튜브의 파손에 대한 유력한 예측 진단 방안이 될 수 있다고 판단된다.

• 한국전기전자재료학회논문지
• /
• 제31권3호
• /
• pp.182-187
• /
• 2018

In this study, 20.8% of a p-type Si bifacial solar cell was used to develop a photovoltaic (PV) module to obtain the maximum power under a limited installation area. The transparent back sheet material was replaced during fabrication with a white one, which is opaque in commercial products. This is very beneficial for the generation of more electricity, owing to the additional power generation via absorption of light from the rear side. A new model is suggested herein to predict the power of the bifacial PV module by considering the backside reflections from the roof and/or environment. This model considers not only the frontside reflection, but also the nonuniformity of the backside light sources. Theoretical predictions were compared to experimental data to prove the validity of this model, the error range for which ranged from 0.32% to 8.49%. Especially, under $700W/m^2$, the error rate was as low as 2.25%. This work could provide theoretical and experimental bases for application to a distributed and microgrid network.

• 플랜트 저널
• /
• 제17권4호
• /
• pp.41-52
• /
• 2021

본 연구에서는 태양광발전 출력 및 모듈온도 값을 기상청 데이터를 이용하여 예측해보고 실측 데이터와 날씨, 일사량, 주변온도, 풍속별로 비교 분석해보았다. 날씨별 예측정확도는 눈이 오거나, 새벽에 해무가 끼는 날의 데이터를 가장 많이 보유한 맑은날의 데이터의 예측정확도가 가장 낮았다. 일사량에 따른 모듈온도와 발전량의 예측정확도는 일사량이 커질수록 정확도가 떨어졌으며, 주변 온도에 따른 예측정확도는 모듈온도는 주변 온도가 커질수록, 발전량은 주변온도가 낮을수록 예측정확도가 떨어졌다. 풍속은 모듈온도와 발전량 모두 풍속이 높아질수록 예측정확도가 감소하였지만, 풍속이 영향 다른 기상조건에 의한 영향보다 미미하여 그 상관관계를 정의하기가 어려웠다.

• 전기학회논문지P
• /
• 제64권4호
• /
• pp.246-250
• /
• 2015

Solar energy will be an increasingly important part of power generation because of its ubiquity abundance, and sustainability. To manage effectively solar energy to power system, it is essential part In this paper, we develop the PV power prediction algorithm using adaptive neuro-fuzzy model considering various input factors such as temperature, solar irradiance, sunshine hours, and cloudiness. To evaluate performance of the proposed model according to input factors, we performed various experiments by using real data.

• Nuclear Engineering and Technology
• /
• 제50권4호
• /
• pp.562-569
• /
• 2018

Recently, human errors have very rarely occurred during power generation at nuclear power plants. For this reason, many countries are conducting research on smart support systems of nuclear power plants. Smart support systems can help with operator decisions in severe accident occurrences. In this study, a smart support system was developed by integrating accident prediction functions from previous research and enhancing their prediction capability. Through this system, operators can predict accident scenarios, accident locations, and accident information in advance. In addition, it is possible to decide on the integrity of instruments and predict the life of instruments. The data were obtained using Modular Accident Analysis Program code to simulate severe accident scenarios for the Optimized Power Reactor 1000. The prediction of the accident scenario, accident location, and accident information was conducted using artificial intelligence methods.

• 시스템엔지니어링학술지
• /
• 제16권1호
• /
• pp.58-67
• /
• 2020

A big data processing method to predict solar power generation using systems engineering approach is developed in this work. For developing analytical method, linear model (LM), support vector machine (SVN), and artificial neural network (ANN) technique are chosen. As evaluation indices, the cross-correlation and the mean square root of prediction error (RMSEP) are used. From multi-variable comparison test, it was found that ANN methodology provides the highest correlation and the lowest RMSEP.

• 한국항행학회논문지
• /
• 제24권6호
• /
• pp.620-626
• /
• 2020

본 연구는 IOT 장비인 라즈베리파이를 마스터(master)로 이용하고 인버터를 슬레이브(slave)로 하여 모드버스 TCP 통신을 기반한 태양광 발전 모니터링 시스템을 제안하였다. 본 모델은 라즈베리파이에 다양한 센서를 추가하여 태양광 발전소의 모니터링에 필요한 정보를 추가하였으며, 실시간 발전량 예측을 통해 발전량 예측과 모니터링 정보를 스마트 폰으로 송신하였다. 또한, 서버에 태양광 발전소에서 지속해서 생성되는 정보를 빅데이터로 구축하였으며, 발전량 예측을 위한 딥러닝 모델을 학습하여 갱신하였다. 연구 결과로서 인버터에서 라즈베리파이로 모드버스 TCP 기반으로 안정적인 통신이 가능하였고, 라즈베리파이에서 학습된 딥러닝 모델로 실시간 예측이 가능하였다. 서버는 빅데이터로 다양한 딥러닝 모델 학습이 가능하였으며, LSTM이 학습 오차 0.0069, 테스트 오차 0.0075, RMSE 0.0866 등으로 가장 좋은 오차를 보임을 확인하였다. 본 모델은 다양한 제조사의 인버터에 대해서 보다 간단하고 편리하며 발전량을 예측할 수 있는 실시간 모니터링 시스템 구현이 가능함을 제시하였다.

• 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.

• 한국전자거래학회지
• /
• 제24권1호
• /
• pp.1-16
• /
• 2019

최근 온실가스의 증가로 인한 기후변화 대응의 필요성과 전력수요의 증가로 인해 태양광발전량(PV) 예측의 중요성은 급격히 증가하고 있다. 특히, 태양광 발전량을 예측하는 것은 합리적인 전력 가격결정과 시스템 안정성 및 전력 생산 균형과 같은 문제를 효과적으로 해결하기 위해 전력생산 계획을 합리적으로 계획하는데 도움이 될 수 있다. 그러나 일사량, 운량, 온도 등과 같은 기후정보 및 계절 변화로 인한 태양광 발전량이 무작위적으로 변화하기 때문에 정확한 태양광 발전량을 예측하는 것은 도전적인 일이다. 따라서 본 논문에서는 딥러닝 모델을 통해 기후 및 계절정보를 이용하여 학습함으로써 장기간 태양광 발전량 예측 성능을 향상시킬 수 있는 기법을 제안한다. 본 연구에서는 대표적인 시계열 방법 중 하나인 계절형 ARIMA 모델과 하나의 은닉층으로 구성되어 있는 ANN 기반의 모델, 하나 이상의 은닉층으로 구성되어 있는 DNN 기반의 모델과의 비교를 통해 본 연구에서 제시한 모델의 성능을 평가한다. 실데이터를 통한 실험 결과, 딥러닝 기반의 태양광 발전량 예측 기법이 가장 우수한 성능을 보였으며, 이는 본 연구에서 목표로 한 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.