• 한국항행학회논문지
• /
• 제21권6호
• /
• pp.643-650
• /
• 2017

무한한 에너지원을 가진 태양광 발전은 기상 에 의존하기 때문에 발전량이 매우 간헐적이다. 따라서 태양광 발전량의 불확실성을 줄이고 경제성을 향상시키기 위하여 정확한 발전량 예측기술이 필요하다. 기상청은 3일간 기상정보를 예보하지만 태양광 발전 예측에 높은 상관관계가 있는 일조량과 일사량은 예보하지 않는다. 본 연구에서는 기상청에서 3일간 예보하는 기상요소인 기온, 강수량, 풍향, 풍속, 습도, 운량 등을 이용하여, 일조 및 일사량을 예측하였으며, 예측된 일사 및 일조량을 이용하여, 실시간 태양광 발전량을 예측하는 딥러닝 모델을 제안하였다. 결과로서 예측된 기상요소로 발전량을 예측하는 모델보다 제안 모델이 MAE, RMSE, MAPE 등의 오차율 지표에서 더 좋은 결과를 보여주었다. 또한, 기계 학습의 한 종류인 서포트 벡터 머신을 사용하는 것보다 DNN을 사용하는 것이 더 낮은 오차율 지표를 보여주었다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2011년도 추계학술대회 초록집
• /
• pp.131-131
• /
• 2011

태양광 및 태양열 설비의 효율적인 관리를 위해서는 관련 일사정보가 사전정보로 제공되어 시스템 운용을 위한 입력인자로 활용되어야 한다. 특히 전력그리드에 연계되어 설비가 활용된다고 하면, 그 에너지 공급이 불규칙적인 신재생에너지원의 특성으로 인해 에너지 공급량의 예측이 선행되어 기존의 전력공급체계가 이를 지원할 수 있는 모델과 시스템이 구비되어야 한다. 기존의 다양한 연구들이 한정된 국소지점에 대해 다양한 예측기법을 적용하여 평가를 실시하였지만, 장기간의 결과 축적이 이루어지지 못해 그 신뢰성 확보에 어려움을 겪고 있다. 본 연구에서는 현재 한국에너지기술연구원에서 관리되는 일사정보를 활용하여 청명한 날의 표준 일사 데이터베이스를 생성하고, 기상청에서 RSS(Rich Site Summary) 형태로 지원하는 운량정보를 이용하여 3시간 이상의 미래정보를 계속적으로 산출할 수 있는 시스템을 제작하고자 하였다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2008년도 추계학술대회 논문집
• /
• pp.174-177
• /
• 2008

The amount of incident solar rays on inclined surfaces with various directions has Since the atmospheric clearness index is main factor for evaluating atmosphere environment, it is necessary to estimate its characteristics all over the major cities in Korea Peninsula. We have begun collecting clearness index data since 1982 at 16 different cities in South Korea and estimated using empirical forecasting models at 12 different stations over the North Korea from 1982 to 2006. This considerable effort has been made for constructing a standard value from measured data at each city. The new clearness data for global-dimming analysis will be extensively used by evaluating atmospheric environment as well as by solar application system designer or users.

• 융복합기술연구소 논문집
• /
• 제9권1호
• /
• pp.31-36
• /
• 2019

After 30 years of KKP model analysis and extended 30 years of accuracy analysis, the unique correlation and various problems between measured horizontal surface insolation and measured weather data are found in this paper. The KKP model's 10yrs daily total horizontal surface insolation forecasting was averaged about 97.7% on average, and the forecasting accuracy at peak times per day was about 92.1%, which is highly applicable regardless of location and weather conditions nationwide. The daily total solar radiation forecasting accuracy of the modified KKP cloud model was 98.9%, similar to the KKP model, and 93.0% of the forecasting accuracy at the peak time per day. And the results of evaluating the accuracy of calculation for 30 years of KKP model were cloud model 107.6% and cloud model 95.1%. During the accuracy analysis evaluation, this study found that inaccuracies in measurement data of cloud cover should be clearly assessed by the Meteorological Administration.

• 대한전기학회논문지:전기기기및에너지변환시스템부문B
• /
• 제54권4호
• /
• pp.188-194
• /
• 2005

There are many factors that affect on the system output of Photovoltaic(PV) power generation; the variation of solar radiation, temperature, energy conversion efficiency of solar cell etc. This paper suggests a methodology for calculation of PV generation output using the probability distribution function of irradiance, PV array efficiency and revision factors of solar cell conversion efficiency. Long-term irradiance data recorded every hour of the day for 11 years were used. For goodness-fit test, several distribution (unctions are tested by Kolmogorov-Smirnov(K-S) method. The calculated generation output with or without revision factors of conversion efficiency is compared with that of CMS (Centered Monitoring System), which can monitor PV generation output of each PV generation site.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1874-1885
• /
• 2018

The customer side operation is getting more complex in a smart grid environment because of the adoption of renewable resources. In performing energy management planning or scheduling, it is essential to forecast non-controllable resources accurately and robustly. The PV system is one of the common renewable energy resources in customer side. Its output depends on weather and physical characteristics of the PV system. Thus, weather information is essential to predict the amount of PV system output. However, weather forecast usually does not include enough solar irradiation information. In this study, a PV system power output prediction model (PPM) under limited weather information is proposed. In the proposed model, meteorological radiation model (MRM) is used to improve cloud cover radiation model (CRM) to consider the seasonal effect of the target region. The results of the proposed model are compared to the result of the conventional CRM prediction method on the PV generation obtained from a field test site. With the PPM, root mean square error (RMSE), and mean absolute error (MAE) are improved by 23.43% and 33.76%, respectively, compared to CRM for all days; while in clear days, they are improved by 53.36% and 62.90%, respectively.

• International Journal of Computer Science & Network Security
• /
• 제24권3호
• /
• pp.196-200
• /
• 2024

Weather forecasting is considered to be of utmost important among various important sectors such as flood management and hydro-electricity generation. Although there are various numerical methods for weather forecasting but majority of them are reported to be Mechanistic computationally demanding due to their complexities. Therefore, it is necessary to develop and build models for accurately predicting the weather conditions which are faster as well as efficient in comparison to the prevalent meteorological models. The study has been undertaken to forecast various atmospheric parameters in the city of Bangalore using Naïve Bayes algorithms. The individual parameters analyzed in the study consisted of wind speed (WS), wind direction (WD), relative humidity (RH), solar radiation (SR), black carbon (BC), radiative forcing (RF), air temperature (AT), bar pressure (BP), PM₁₀ and PM_2.5 of the Bangalore city collected from Air Quality Monitoring Station for a period of 5 years from January 2015 to May 2019. The study concluded that Naive Bayes is an easy and efficient classifier that is centered on Bayes theorem, is quite efficient in forecasting the various air pollution parameters of the city of Bangalore.

• 천문학회보
• /
• 제39권1호
• /
• pp.70.1-70.1
• /
• 2014

We study the origin and acceleration mechanism of solar energetic particles (SEPs), which are one of the major causes of hazardous impacts in the space weather. By adopting the velocity dispersion to the multi-channel energy band observations from SOHO/ERNE and Wind/3DP, we estimate the onset time for each energy band and investigate coronal structure and CME's dynamics associated with the SEPs. Through this study we will find clues to answer the questions about the origin and acceleration of SEPs as well as their associated with flare and/or CMEs. We will apply our findings to improve the forecasting system of the solar radiation storms.

• 한국멀티미디어학회논문지
• /
• 제24권10호
• /
• pp.1414-1424
• /
• 2021

In this paper, the importance of input factors of a DNN (Deep Neural Network) PM_2.5 forecasting model using LRP(Layer-wise Relevance Propagation) is analyzed, and forecasting performance is improved. Input factor importance analysis is performed by dividing the learning data into time and PM_2.5 concentration. As a result, in the low concentration patterns, the importance of weather factors such as temperature, atmospheric pressure, and solar radiation is high, and in the high concentration patterns, the importance of air quality factors such as PM_2.5, CO, and NO₂ is high. As a result of analysis by time, the importance of the measurement factors is high in the case of the forecast for the day, and the importance of the forecast factors increases in the forecast for tomorrow and the day after tomorrow. In addition, date, temperature, humidity, and atmospheric pressure all show high importance regardless of time and concentration. Based on the importance of these factors, the LRP_DNN prediction model is developed. As a result, the ACC(accuracy) and POD(probability of detection) are improved by up to 5%, and the FAR(false alarm rate) is improved by up to 9% compared to the previous DNN model.

• 응용통계연구
• /
• 제36권1호
• /
• pp.49-62
• /
• 2023

급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.