[논문]대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링

조현철; 정영진

doi:10.5391/jkiis.2013.23.5.412

초록
AI-Helper

태양광 발전 시스템의 해석적 모델링은 시스템의 동특성을 예측하거나 고장검출 및 진단 등과 같은 고급 공학 기술에 중요하게 적용할 수 있어 최근 많은 각광을 받고 있다. 본 논문은 대용량 학습 데이터를 갖는 태양광 발전 시스템에 대한 확률론적 모델링을 제시한다. 우선 태양광 일사량과 온도 입력 변수에 대한 태양광 시스템의 출력 전력과의 입출력 함수관계를 정의한다. 이 함수관계를 바탕으로 세 확률변수(일사량, 온도, 전력)에 대하여 조건부 확률 식으로 표현한다. 조건부 확률 분포 추정은 대용량 데이터 시스템에 적합한, 전체 표본 데이터 수 대비 관련 변수의 경우의 수에 대한 비율로 나타내었다. 추정한 확률분포를 통해 평균값 이론을 적용하여 시스템의 출력을 추정하게 된다. 본 논문에서 제안한 모델링 기법은 두 태양광 발전 단지의 사례 연구를 통해 성능을 검증하였다.

Abstract ▼ AI-Helper

Analytical modeling of photovoltaic power systems has been receiving significant attentions in recent years in that it is easy to apply for prediction of its dynamics and fault detection and diagnosis in advanced engineering technologies. This paper presents a novel probabilistic modeling approach f...

Analytical modeling of photovoltaic power systems has been receiving significant attentions in recent years in that it is easy to apply for prediction of its dynamics and fault detection and diagnosis in advanced engineering technologies. This paper presents a novel probabilistic modeling approach for such power systems with a big data sequence. Firstly, we express input/output function of photovoltaic power systems in which solar irradiation and ambient temperature are regarded as input variable and electric power is output variable respectively. Based on this functional relationship, conditional probability for these three random variables(such as irradiation, temperature, and electric power) is mathematically defined and its estimation is accomplished from ratio of numbers of all sample data to numbers of cases related to two input variables, which is efficient in particular for a big data sequence of photovoltaic powers systems. Lastly, we predict the output values from a probabilistic model of photovoltaic power systems by using the expectation theory. Two case studies are carried out for testing reliability of the proposed modeling methodology in this paper.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문은 실시간 구현에 매우 효과적이며 상당히 많은 학습 데이터를 포함하고 있는 태양광 발전 시스템의 새로운 확률 모델링 기법을 제안한다. 우선 태양광 시스템의 입출력 확률변수를 정의한 후 이러한 변수에 대한 조건부 확률 식을 표현한다.

제안 방법

센서박스와 인버터는 각각 고유 아이디를 부여하여 RS-485 통신의 해당 노드에 분배가 가능토록 하였다. 태양광 모듈은 각각 250W의 12개가 모두 직병렬로 연결되어 있으며 2개의 채널의 스트링 구조를 갖도록 하였다.
본 논문은 대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링 방법론을 제시하였다. 태양광 시스템의 입력 변수인 태양광의 일사량과 태양광 모듈의 표면 온도에 대한 출력 전력의 조건부 확률 추정은 전체 데이터 수와 해당 변수의 경우의 수에 대한 비율로 결정하였다. 이러한 확률 분포 값은 평균 값 이론에 적용하여 실제 시스템의 출력을 추정하는 사용되었다.

대상 데이터

본 사례연구에 사용한 이 발전 시스템의 학습 데이터는 2013년 4월부터 6월까지 약 90일 동안 관측한 것으로서 일사량, 온도 및 출력 전력에 대하여 각각 8,000개의 데이터 수를 모델링에 적용하였다. 그림 9는 이 관측 데이터의 파형을 각각 보여준다.

데이터처리

마지막으로, 확률분포에 대한 평균값 이론을 적용하여 태양광 시스템의 출력 값을 추정하게 된다. 본 논문에서 제안한 태양광 시스템의 모델링 기법에 대한 타당성 검증을 위하여, 휴엔스 사에 설치되어 있는 3KW급 태양광 발전 시스템에 본 논문에서 제안한 모델링 기술을 접목하여 출력을 추정하였으며, 실제 출력 값과의 오차를 비교 및 분석을 실시하였다.

이론/모형

현재까지 다양한 목적에 걸맞은 여러가지 확률분포 추정 알고리즘이 발표되었으며 여러 공학적 및 과학적 분야에 성공적으로 적용되어 오고 있다[8]. 본 논문은 가장 일반적이며 간단한 방법인 전체 표본 수에 대한 경우의 수를 연산하여 확률 분포 값을 구하는 방법론을 이용한다. 이러한 기법은 연산 알고리즘이 매우 간단하며 가장 잘 알려진 가우시안(Gaussian) 등과 같은 특정한 확률분포함수를 사전에 지정하지 않기 때문에 실 데이터 적용에 매우 효과적이다.

성능/효과

제안한 확률론적 모델링 기법의 타당성 검증을 위하여 실제 산업체에 설치된 태양광 발전 시스템을 이용한 사례 연구를 실시하였으며 실제 시스템 출력과 비교 분석을 실시하여 그 신뢰성을 검증하였다. 하지만 오프라인으로 학습을 하지 못한 관측 데이터의 값에 대해서는 상대적으로 큰 오차 범위를 갖는 것으로 분석되었으나 평균적으로 전체적인 오차의 크기는 허용할 수 있는범위에 있어 결과적으로 만족스러운 모델링 성능을 나타내 었다. 향후 연구로는 모델링 오차의 값을 줄이기 위한 방향으로 연구가 더 진행되어야 할 것이며, 오프라인에서 경험하지 못한 학습 데이터를 온라인 모델링 방식을 통해 오차의 범위를 줄이고자 한다.

후속연구

하지만 오프라인으로 학습을 하지 못한 관측 데이터의 값에 대해서는 상대적으로 큰 오차 범위를 갖는 것으로 분석되었으나 평균적으로 전체적인 오차의 크기는 허용할 수 있는범위에 있어 결과적으로 만족스러운 모델링 성능을 나타내 었다. 향후 연구로는 모델링 오차의 값을 줄이기 위한 방향으로 연구가 더 진행되어야 할 것이며, 오프라인에서 경험하지 못한 학습 데이터를 온라인 모델링 방식을 통해 오차의 범위를 줄이고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	시스템 모델링은 무엇인가?	시스템 모델링은 실제 시스템의 입출력 함수 관계를 수학적 또는 해석적 방법을 통해 표현하는 기법을 말한다. 이러한 기술은 제어시스템, 고장검출 및 진단 등과 같은 고급 응용기술에 적용되고 있으며 향후에도 이러한 분야의 기술 개발은 계속될 것으로 전망된다.
	시스템 모델링은 어디에 적용되는가?	시스템 모델링은 실제 시스템의 입출력 함수 관계를 수학적 또는 해석적 방법을 통해 표현하는 기법을 말한다. 이러한 기술은 제어시스템, 고장검출 및 진단 등과 같은 고급 응용기술에 적용되고 있으며 향후에도 이러한 분야의 기술 개발은 계속될 것으로 전망된다. 특히 동적 시스템의 고장 검출이나 진단 기술과 같은 응용분야에서 시스템 모델링은 아주 필수적인 기술부분으로서 전체 기술의 성능을 크게 좌우하기도 한다.
	태양광 발전 시스템은 무엇인가?	태양광 발전 시스템은 태양광으로부터 전력을 생산하는 신재생 에너지 시스템으로 현재 각광을 받고 있다. 많은 국가에서 태양광 시스템에 관련된 다양한 분야에 기술개발을 실시하고 있으며, 고효율의 태양광 셀, 고성능 전력변환장치, 고장검출 및 고장위치 진단을 포함한 고급 모니터링 시스템 등과 같은 것들을 들 수 있다.

참고문헌 (8)

Hyun C. Cho, Kwan H. Lee, " Fault detection algorithm of photovoltaic power systems using stochastic decision making approach," Korean Signal & Systems Journal, vol. 12, no. 3, pp. 212-216, 2011.
D. Sera, R. Teodorescu, "Photovoltaic module diagnostics by series resistance monitoring and temperature and rated power estimation," Annual Conference of IEEE, pp. 2195-2199, 2008.
K.-H. Chaoa, S.-H. Hob, M.-H. Wanga, "Modeling and fault diagnosis of a photovoltaic system," Electric Power Systems Research, vol. 78, no. 1, pp. 97-105, 2008.

상세보기
A. Mellit, S. Kalogirou, "ANFIS-based modelling for photovoltaic power supply system: A case study," Renewable Energy, vol. 36, no. 1, pp. 250-258, 2011.

상세보기
C. S. Chin, A. Babu, W. McBride, "Design, modeling and testing of a standalone single axis active solar tracker using MATLAB/Simulink," Renewable Energy, vol. 36, no. 11, pp. 3075-3090, 2011.

상세보기
Hyun C. Cho, "A study on dynamic modeling of photovoltaic power generator systems using probability and statistics theories," The Trans. of the Korean Institute of Electrical Engineers, vol. 61, no. 7, pp. 1007-1013, 2012.

원문보기 상세보기
F. V. Jensen, T. D. Nielsen, Bayesian networks and decision graphs, Springer, 2007.
Hyun Cheol Cho, Sami M. Fadali, Kwon S, Lee, "Online parameter estimation and convergence property of dynamic Bayesian networks," Int. Journal of Fuzzy Logic and Intelligent Systems, vol. 7, no. 4, pp. 285-294, 2007.

원문보기 상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링
Probabilistic Modeling of Photovoltaic Power Systems with Big Learning Data Sets 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링 Probabilistic Modeling of Photovoltaic Power Systems with Big Learning Data Sets 원문보기

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

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

정영진 (7)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링
Probabilistic Modeling of Photovoltaic Power Systems with Big Learning Data Sets 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper