선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한 기상환경 데이터는 3시간 단위로 금일 포함 3일간의 예보데이터를 기상청 사이트로부터 제공받아 활용하였다. 그리고 예측의 정확성을 검증하기 위해 각 태양광 발전원에 대한 예측결과와 실 환경 적용 발전량과 비교 분석이 가능하도록 하였다. 2장의 예측모델개발을 위한 구름 기상데이터의 분석 및 판정알고리즘 설계를 통해 측정된 발전량 데이터 및 일사량 데이터의 상관성을 이용한 태양광 예측알고리즘을 개발하고 시스템구현을 통한 비교분석을 수행하였다.
- 태양에너지, 풍력 등의 신재생에너지에 대한 발전량 예측은 설비의 효율뿐만 아니라 기상의 변화에 따른 복합적인 요소가 예측에 많은 영향을 미치기 때문에 장단기 생산량 예측이 매우 어려운 분야이다. 본 연구는 E연구원에 구축된 신재생에너지 통합 모니터링 시스템에서 측정한 데이터를 활용하여 태양에너지의 생산량을 예측할 수 있는 예보 모델을 제시하고자 한다. 이를 위해 신재생에너지 통합 모니터링 시스템의 실시간 모니터링 자료와 기상환경과의 정확한 상관관계를 연구할 수 있는 구조로 연구기반 데이터베이스를 구축하였다.
제안 방법
- 그리고 예측의 정확성을 검증하기 위해 각 태양광 발전원에 대한 예측결과와 실 환경 적용 발전량과 비교 분석이 가능하도록 하였다. 2장의 예측모델개발을 위한 구름 기상데이터의 분석 및 판정알고리즘 설계를 통해 측정된 발전량 데이터 및 일사량 데이터의 상관성을 이용한 태양광 예측알고리즘을 개발하고 시스템구현을 통한 비교분석을 수행하였다.
- Fig. 6의 태양광 발전 예측에 사용된 알고리즘은 E연구원에서 운영 중인 태양광발전시스템을 대상으로 약 2년 이상 축적된 데이터를 이용하여 시계열 분석기법을 통해 계절별 시간별 표준평균 데이터를 추출하여 적용하는 방법으로 개발하였다. 축적된 태양광 발전 데이터는 데이터 마이닝 기법을 통해 데이터를 추출하고 정제하였으며, 시계열 분석기법을 통해 태양광 발전 예측 알고리즘 개발하였다.
- 기상 예보데이터를 실시간적으로 수집·활용하기위해 기상청의 RSS(Really Simple Syndication, Rich Site Summary)리더기를 설치 활용하였다.
- 본 연구에서 활용한 연구기반 데이터는 신재생에너지 설비현황 데이터, 기상환경 데이터, 발전량 데이터 3가지로 분류된다. 기상환경 데이터와 발전량 데이터는 비교 분석이 가능하도록 1분, 10분, 일 단위로 정렬하여 동시간, 특정시간대의 비교 분석이 가능하도록 하였다. 기상환경 데이터는 E연구원내 풍향, 풍속, 일사량 데이터와 기상청의 예보데이터(RSS 서비스 이용) 및 한국천문연구원의 일출, 출몰, 박명시각 데이터로 구성되어있다.
- 따라서 본 연구에서는 많은 날짜를 확보하기 위하여 일출, 일몰시각에서 +-2분을 하여 데이터를 확보하였다.
- 발전량 예측의 정확성을 기하기 위해 1분 데이터를 활용하였고 I_time 당 10개식의 데이터가 추출한다. 따라서 총 1,524개의 일사량 및 발전량 데이터가 추출되고, 이 데이터를 10분 단위로 평균을 낸 값으로 예측 일사량, 발전량을 계산한다. 본 알고리즘의 예를 위해 예측하고자 하는 날짜가 8월 1일임으로 측정값에 8월 1일 데이터가 포함되었으나 실제 예측 시에는 당일자의 데이터는 포함되지 않게 된다.
- 여기서 제시한 태양에너지 예보 모텔은 기상청의 예보를 기준으로 설계되었기 때문에 금일 포함 3일간의 예측이 가능하다. 발전량 예측에서는 2010년 2월 이후 측정된 발전량 데이터와 일사량, 일출, 일몰 데이터, 과거 기상 예보 자료를 바탕으로 한 예측 알고리즘을 적용하였다.
- 본 연구에서는 기 구축된 발전 장비를 대상으로 발전예보 시스템을 설계한 것이므로 측정값 및 예보 값에 이미 공간요소를 포함하고 있어 공간요소를 고려하지 않았으며, 알고리즘을 활용한 발전량 예측과정을 살펴보면 아래와 같다. 하지만 미 측정 예정지를 대상으로 할 경우에는 지역 및 시간 그리고 고도에 따른 일사량 값이 다르기 때문에 이러한 공간 속성을 고려하여야한다.
- 시계열 분석을 통해 예측된 태양광 발전량은 E연구원내 개별 발전 원 및 연구동별 예측 출력 값을 측정 발전량과 비교 분석할 수 있도록 구현하였다.
- 태양광 발전 예측은 현재 기상청에서 예보하는 금일 포함 3일간의 예측을 기준으로 하였다. 예측의 수행은 매일 새벽 03시에 수행되고 금일 이후의 이전 예측한 데이터를 제거 후 새로 예측을 하게 된다.
- 반면 상층의 상한고도는 400hPa로 전운량 판정은 지상에서 7km 이내 대기만을 고려한다. 이 방안은 기온에 따라 구름이 발생하는 상대습도가 다른 점을 반영하여, 상대습도가 같을 때 하층의 전운량을 상층의 전운량보다 크게 판정한다. 이 연구에서는 중층과 상층에서 산출한 전운량 중 높은 값을 선택하고,선택한 전운량을 디지털예보시스템의 하늘상태 구분기준에 근거하여 판정한다.
- AFWA는 미국 대기과학연구소(NCAR)에서 개발한 중규모수치모델인 MM5(method built in the fifth-generation Mesoscale Model)의 후처리 패키지 중 하나인 그래픽소프트웨어 Grads에서 구현된 알고리즘으로, MM5의 예보자료를 이용하여 전 운량(0～1사이 값)을 산출하고 있다[2]. 이 방안은 대기를 3개 층으로 구분하여 각층의 최대 상대습도로 전 운량을 결정한다. 각층의 운량은 식 (1)과 (2)와 같다.
- 이 방안은 기온에 따라 구름이 발생하는 상대습도가 다른 점을 반영하여, 상대습도가 같을 때 하층의 전운량을 상층의 전운량보다 크게 판정한다. 이 연구에서는 중층과 상층에서 산출한 전운량 중 높은 값을 선택하고,선택한 전운량을 디지털예보시스템의 하늘상태 구분기준에 근거하여 판정한다.
- 본 연구는 E연구원에 구축된 신재생에너지 통합 모니터링 시스템에서 측정한 데이터를 활용하여 태양에너지의 생산량을 예측할 수 있는 예보 모델을 제시하고자 한다. 이를 위해 신재생에너지 통합 모니터링 시스템의 실시간 모니터링 자료와 기상환경과의 정확한 상관관계를 연구할 수 있는 구조로 연구기반 데이터베이스를 구축하였다. 또한 기상환경 데이터는 3시간 단위로 금일 포함 3일간의 예보데이터를 기상청 사이트로부터 제공받아 활용하였다.
- 일출, 일몰 시각표는 한국천문연구원에서 제공받을 수 있으며 과거 데이터와 미래의 일출, 일몰 시각까지 구할 수 있다. 이를 이용하여 요구되는 예측일자의 동일 일출, 일몰시간을 추출하여 대상자를 확인한다.
- 일출, 일몰 시각이 같은 날짜를 대상으로 예측하고자 하는 날짜의 시간대별로 같은 운량 예보 값을 가지는 날짜와 시간대를 추출하고 이를 활용하여 발전량 테이블의 해당시간대의 평균발전량을 이용하여 예측 값을 도출한다. 예를 들어 2012년 8월 1일은 전 시간대의 운량이 2: 구름조금으로 예보 되었다면, 일출, 일몰이 같은 날짜에 같은 시간대에 같은 운량 예보 값을 가지는 날짜는 추출하는 것이다.
- 6의 태양광 발전 예측에 사용된 알고리즘은 E연구원에서 운영 중인 태양광발전시스템을 대상으로 약 2년 이상 축적된 데이터를 이용하여 시계열 분석기법을 통해 계절별 시간별 표준평균 데이터를 추출하여 적용하는 방법으로 개발하였다. 축적된 태양광 발전 데이터는 데이터 마이닝 기법을 통해 데이터를 추출하고 정제하였으며, 시계열 분석기법을 통해 태양광 발전 예측 알고리즘 개발하였다. 일반적으로 시계열자료는 추세변동, 순환변동, 계절적 변동, 불규칙 변동 등 4가지로 구성되고 기상데이터들은 이들 요소를 모두 고려되기 때문에 분석하기가 매우 어렵다.
대상 데이터
- 기상환경 데이터와 발전량 데이터는 비교 분석이 가능하도록 1분, 10분, 일 단위로 정렬하여 동시간, 특정시간대의 비교 분석이 가능하도록 하였다. 기상환경 데이터는 E연구원내 풍향, 풍속, 일사량 데이터와 기상청의 예보데이터(RSS 서비스 이용) 및 한국천문연구원의 일출, 출몰, 박명시각 데이터로 구성되어있다. 여기서 제시한 태양에너지 예보 모텔은 기상청의 예보를 기준으로 설계되었기 때문에 금일 포함 3일간의 예측이 가능하다.
- 이를 위해 신재생에너지 통합 모니터링 시스템의 실시간 모니터링 자료와 기상환경과의 정확한 상관관계를 연구할 수 있는 구조로 연구기반 데이터베이스를 구축하였다. 또한 기상환경 데이터는 3시간 단위로 금일 포함 3일간의 예보데이터를 기상청 사이트로부터 제공받아 활용하였다. 그리고 예측의 정확성을 검증하기 위해 각 태양광 발전원에 대한 예측결과와 실 환경 적용 발전량과 비교 분석이 가능하도록 하였다.
- 본 연구에서 활용한 연구기반 데이터는 신재생에너지 설비현황 데이터, 기상환경 데이터, 발전량 데이터 3가지로 분류된다. 기상환경 데이터와 발전량 데이터는 비교 분석이 가능하도록 1분, 10분, 일 단위로 정렬하여 동시간, 특정시간대의 비교 분석이 가능하도록 하였다.
- 본 연구에서는 Table 2의 판정 알고리즘에 따라 과거 운량 관측 데이터를 운량 예보 데이터와 같이 4계를 가지는 시계열 데이터로 변환하여 태양광 발전 예측에 사용하였다. 테이블 구조는 운량 예보 데이터와 같이 wforecast에 적재하였다.
- 태양광 발전 예측에 필요한 기상데이터는 운량 예보와 과거의 운량 데이터이다. 기상청이 제공하는 운량 예보는 1: 맑음, 2: 구름조금, 3: 구름 많음, 4: 흐림 이렇게 4단계로 예보되고 과거 운량 데이터는 맑음(0≤전운량≤2), 구름조금(3≤전운량≤5), 구름 많음(6≤전운량≤8), 흐림(9≤전운량≤10)으로 0부터 10까지 11단계로 관측된다[1].
- 태양광 발전 예측은 현재 기상청에서 예보하는 금일 포함 3일간의 예측을 기준으로 하였다. 예측의 수행은 매일 새벽 03시에 수행되고 금일 이후의 이전 예측한 데이터를 제거 후 새로 예측을 하게 된다.
성능/효과
- 이날의 일출시각은 오전 06시 10분이며 9시까지 운량 1: 맑음으로 예보되었다. 09시부터 15시까지는 운량 2: 구름조금이며 이후는 운량 3: 구름 많음으로 예보되었으며 과거 관측한 시계열 데이터를 활용한 예측 결과 값과 실 발전량 값 매우 유사하게 나타남을 알 수 있다.
- 이 방안에 따르면 대기하층의 두께는 약 350m로 설정되었으며, 전운량을 판정할 때 안개 효과를 고려한 것으로 보인다. 반면 상층의 상한고도는 400hPa로 전운량 판정은 지상에서 7km 이내 대기만을 고려한다.
후속연구
- 하지만 미 측정 예정지를 대상으로 할 경우에는 지역 및 시간 그리고 고도에 따른 일사량 값이 다르기 때문에 이러한 공간 속성을 고려하여야한다. 따라서 공간 시계열 자료를 분석하는데 있어 일반적으로 알려진 ARIMA 모형에 적합하여 분석을 행하면 공간적인 정보를 반영하지 못하기 때문에 향후 연구에서는 기존에 시간만을 고려한 시계열 분석 방법에 공간통계의 공간적 정보를 반영한 공간 시계열 모형인 공간시계열 자기회귀 이동평균모형(STARMA)과 공간시계열 중 선형 모형(STBL)형을 이용한 연구를 진행할 예정이다[5].
- 현시점에서 태양광, 태양열 발전량이 기저 전력 공급에 미치는 영향이 미미하여 단기예측으로도 충분하나 향후 전력의 공급과 관련하여 중장기적인 예상 가능한 신재생에너지 발전량의 예측은 스마트 그리드에 연계되어 장단기 공급계획의 수립에 필요한 요소가 될 것으로 예상된다. 이와 관련하여 기상환경에 따른 일 생산량, 계절별 생산량, 연 생산량에 대한 중장기 예측의 신뢰성을 높이기 위해 시공간 시계열 예측이론, 신경망 학습이론 등을 적용한 다양한 연구가 요구된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.