초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

현재 화석연료는 전 세계에서 의존하는 가장 중요한 에너지 자원이다. 인구가 증가함에 따라 빠르게 발전하는 산업으로 인해 많은 에너지 자원이 필요하게 되었고, 이는 화석 에너지의 고갈로 이어졌다. 화석연료가 에너지로 전환되는 과정에서 배출되는 이산화탄소 및 온실가스는 지구온난화를 일으켜 극심한 환경문제를 초래하게 되었고, 이러한 문제의 해결방안으로 화석연료를 대체할 수 있는 신재생 에너지가 대두되었다. 특히 신재생 에너지 중 태양광 에너지가 이슈화되고 있다. 태양광 에너지는 화석연료와 비교했을 때 오염물질의 배출이 적고, 지속 가능한 에너지라는 강점이 있어 태양광 시장은 매년 급성장해 나가고 있다. 이에 따라 ...

현재 화석연료는 전 세계에서 의존하는 가장 중요한 에너지 자원이다. 인구가 증가함에 따라 빠르게 발전하는 산업으로 인해 많은 에너지 자원이 필요하게 되었고, 이는 화석 에너지의 고갈로 이어졌다. 화석연료가 에너지로 전환되는 과정에서 배출되는 이산화탄소 및 온실가스는 지구온난화를 일으켜 극심한 환경문제를 초래하게 되었고, 이러한 문제의 해결방안으로 화석연료를 대체할 수 있는 신재생 에너지가 대두되었다. 특히 신재생 에너지 중 태양광 에너지가 이슈화되고 있다. 태양광 에너지는 화석연료와 비교했을 때 오염물질의 배출이 적고, 지속 가능한 에너지라는 강점이 있어 태양광 시장은 매년 급성장해 나가고 있다. 이에 따라 태양광 발전 시스템의 운영 및 관리의 중요성이 날로 증가하고 있다. 본 논문에서는 태양광 발전 시스템의 효율적인 유지관리를 위해 딥러닝 기반의 지능형 태양광 발전량 예측 모델을 설계 및 구축하고, 이를 이용한 상시 고장진단 시스템을 제안한다. 본 연구에서는 2019년부터 2021년까지 전라남도 영암지역에서 태양광 패널과 환경 센서를 이용해 시간대별로 수집한 환경 데이터와 기상 데이터를 이용하였고, 순환신경망 RNN, LSTM, GRU 모델을 이용해 태양광 발전량을 예측하고 비교·분석하는 시스템을 구축하였다. 3가지 모델은 모두 손실 값이 0에 수렴하는 등 태양광 발전량 예측에 뛰어난 성능을 보였고, 그중 RNN과 GRU 모델이 더 높은 성능을 보였다. 또한, 모델 성능평가 지표 중 R2의 값이 1에 가까워 태양광 발전량을 예측하는데 적합한 모델임을 증명하였다. 이러한 이유로 본 논문에서 제안하는 딥러닝 기반의 지능형 태양광 발전량 예측 시스템은 상시 고장진단 시스템에 활용하기 적합한 모델로 판단된다.