$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

태양광 발전을 위한 발전량 예측 모델 분석

Analysis of prediction model for solar power generation

디지털융복합연구 = Journal of digital convergence, v.12 no.3, 2014년, pp.243 - 248  

송재주 (한전 전력연구원) ,  정윤수 (목원대학교 정보통신공학과) ,  이상호 (충북대학교 전자정보대학 소프트웨어학과)

초록
AI-Helper 아이콘AI-Helper

최근 태양광에너지는 실시간 태양의 위치를 추적하여 모듈경사각과 이루는 갓을 산정하여 일사량을 보정하는 부분에서 컴퓨팅과의 결합이 확대되고 있다. 태양광 발전은 태양의 위치에 따라 출력변동이 심하고 출력 예측이 어려워 효율적인 전력 생산을 위해서 신재생에너지를 전력계통에 안정적으로 연계할 수 있는 기술이 필요하다. 본 논문에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 최종적으로 태양광 발전량 예측값을 산정하는 태양광 발전을 위한 발전량 예측 모델을 분석한다. 태양광 발전량은 태양광 발전기별 모듈특성, 온도 등을 감안하여 보정계수를 입력하고 예측 지역의 위치 경사각을 분석하여 발전량 예측 계산 알고리즘을 통해 최종 발전량을 예측한다. 또한, 제안 모델에서는 실시간 기상청 관측자료와 실시간 중기 예측 자료를 입력 자료로 사용하여 단기 예측 모델을 수행한다.

Abstract AI-Helper 아이콘AI-Helper

Recently, solar energy is expanding to combination of computing in real time by tracking the position of the sun to estimate the angle of inclination and make up freshly correcting a part of the solar radiation. Solar power is need that reliably linked technology to power generation system renewable...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 최종적으로 태양광 발전량 예측 값을 산정하는 태양광 발전을 위한 발전량 예측 모델을 분석한다. 태양광 발전량은 태양광 발전기별 모듈특성, 온도 등을 감안하여 보정계수를 입력하고 예측 지역의 위치 경사각을 분석하여 발전량 예측 계산 알고리즘을 통해 최종 발전량을 예측한다.
  • 최근 에너지 수요가 급증하면서 풍력과 태양광 에너지원을 전력계통에 연계하는 기술이 요구되고 있다. 본 논문에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 최종적으로 태양광 발전량 예측값을 산정하는 태양광 발전을 위한 발전량 예측 모델을 분석하였다. 태양광 발전량은 태양광 발전기별 모듈특성, 온도 등을 감안하여 보정계수를 입력하고 예측 지역의 위치 경사각을 분석하여 발전량 예측 계산 알고리즘을 통해 최종 발전량을 예측한다.
  • 이 절에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 태양광 발전량의 예측값을 산정하기 위한 태양광 발전 예측 모델을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
발전량 예측기술의 개발 및 도입의 이점은? 발전량 예측기술은 예측 정확도에 따라 경제적 효과가 나타나고 있으며, 예측 정확도가 증가함에 따라 다양한 분야에서 예측 정보를 활용하고 있다. 예측시스템의 도입은 발전량의 증가와 에러률의 축소로 현재 가동중인 많은 백업 발전소의 수를 줄일 수 있다[6,7].
분산형 전원 계통연계전력 예측시스템은 무엇을 실시간으로 제공하는가? 분산형 전원 계통연계전력 예측시스템은 기상 예측 모델을 기반으로 풍력과 태양광 예측 정보를 실시간으로 제공하고, 기상 예측 기술과 전력 기술을 융합한 분산형 전원 계통연계전력 예측시스템 환경에 필수적인 시스템을 의미한다[1,2].
태양광 발전이 갖는 어려움은? 최근 태양광에너지는 실시간 태양의 위치를 추적하여 모듈경사각과 이루는 갓을 산정하여 일사량을 보정하는 부분에서 컴퓨팅과의 결합이 확대되고 있다. 태양광 발전은 태양의 위치에 따라 출력변동이 심하고 출력 예측이 어려워 효율적인 전력 생산을 위해서 신재생에너지를 전력계통에 안정적으로 연계할 수 있는 기술이 필요하다. 본 논문에서는 실증단지 내 발전단지의 실시간 기상자료 예측값을 이용하여 최종적으로 태양광 발전량 예측값을 산정하는 태양광 발전을 위한 발전량 예측 모델을 분석한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. B. Abraham and J. Ledolter(2005), "Statistical methods for forecasting", Wiley, New York. 

  2. G. E. P. Box, G. M. Jenkins and , G. C. Reinsel(1994), "Time series analysis, forecasting and control", 3rd Ed., Prentice Hall, Englewood Cliffs, New Jersey. 

  3. Z. Guo, W. Zhao, H. Lu and J. Wang(2012), "Multi-step forecasting for wind speed using a modified EMD-based artificial neural network model", Renewable Energy, vol. 37, pp. 241-249. 

  4. S. Y. Kim and S. H. Kim(2011), "Study on the predication of wind power generation based on artificial neural netowrk", Journal of Institute of Control, Robotics and System, vol. 17, pp. 1173-1178. 

  5. H. Lee(2012), "Analysis of time series models for consumer price index", Journal of the Korean Data & Information Science Society, vol. 23, pp. 535-542. 

  6. A. More and M. C. Deo(2003), "Forecasting wind with neural networks", marine Structure, vol. 16, pp. 35-49. 

  7. K. J. Oh, T. Y. Kim, K. Jung and C. Kim(2011), "Stock market stability index via linear and neural network autoregressive model", Journal of the Korean Data & Information Science Society, vol. 22, pp. 335-351. 

  8. W. J. e. Potts(2000), "Neural network modeling course notes", SAS Institute Inc., Cary, NC. 

  9. J. powers and M. M. Ali(2000), "Application of neural networks in aluminum corrosion", Journal of the Korean Data & Information Science Society, vol. 1, pp. 157-172. 

  10. A. Sfetsos(2002), "A novel approach for the forecasting of mean hourly wind speed time series", Renewable Energy, vol. 27, pp. 163-174. 

  11. Y. S. Lee, J. Kim, M. S. Jang and H. G. Kim(2013), "A study on comparing short-term wind power predication models in Gunsan wind farm", Journal of the Korean Data & Information Science Society, vol. 24, no. 3, pp. 585-592 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트