$\require{mediawiki-texvc}$

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.

일기 예보와 예측 일사 및 일조를 이용한 태양광 발전 예측
Photovoltaic Generation Forecasting Using Weather Forecast and Predictive Sunshine and Radiation 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.21 no.6 = no.87, 2017년, pp.643 - 650  

신동하 (가천대학교 에너지 IT학과) ,  박준호 (가천대학교 에너지 IT학과) ,  김창복 (가천대학교 에너지 IT학과)

초록
AI-Helper 아이콘AI-Helper

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.

Abstract ▼ AI-Helper 아이콘AI-Helper

Photovoltaic generation which has unlimited energy sources are very intermittent because they depend on the weather. Therefore, it is necessary to get accurate generation prediction with reducing the uncertainty of photovoltaic generation and improvement of the economics. The Meteorological Agency p...

주제어

#Solar photovoltaic generation forecast   #Deep learning   #Artificial neural network   #Support vector machine  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구는 2013년부터 2015년까지의 기상청의 일별 기상 데이터와 태양광 발전소의 발전량 데이터를 이용하여 태양광 발전량 실시간 예측 딥러닝 모델을 제안하였다. 기상데이터는 영암 발전소 근처의 목포 기상청의 일별 기상 데이터이며, 발전량 데이터는 영암 태양광 발전량이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
화석연료의 사용을 줄이려는 노력이 필요한 이유는? 최근 화석연료에 대한 수요가 증가하면서 자원고갈과 가격 상승 등의 문제가 나타나고 있다. 또한 화석연료가 지구온난화를 일으키는 주요 원인으로 지적되어 사용량이 많은 국가에게 불이익을 주기 때문에, 화석연료의 사용을 줄이려는 노력이 필요하다[1]-[2]. 신재생 에너지는 자원이 무한하고, 이산화탄소와 같은 오염물질의 배출이 적어 환경 친화적이며, 화석연료에 비해 고르게 분포한다.
화석연료에 대한 수요가 증가가 야기한 문제는? 최근 화석연료에 대한 수요가 증가하면서 자원고갈과 가격 상승 등의 문제가 나타나고 있다. 또한 화석연료가 지구온난화를 일으키는 주요 원인으로 지적되어 사용량이 많은 국가에게 불이익을 주기 때문에, 화석연료의 사용을 줄이려는 노력이 필요하다[1]-[2].
태양광 발전예측 두 가지의 이용에 대한 특징은? 태양광 발전예측은 장기예측과 단기예측이 있다. 장기예측은 태양광 발전소의 초기 투자비용이 높기 때문에, 장기적으로 안정적인 발전수익을 판단하여 투자 계획에 이용한다. 단기예측은 태양광 발전소의 효율적인 운영과 다른 전력계통과 안정적인 연계에 이용한다. 단기예측은 실시간으로 발전량을 예측하는 초단기 예측, 다음날인 24시간 앞의 발전량을 예측하는 연구 등이 있다[5].
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. S. M. Lee, and Y. H. Chun, "Assessment of optimal constitution rate of wind turbine and photovoltaic sources for stable operation of microgrid," The transactions of The Korean Institute of Electrical Engineers, Vol. 59, No. 2, pp. 272-276, Feb.2010. 

  2. B. H. Lee, "A study on simplified robust optimal operation of microgrids considering the uncertainty of renewable generation and loads," The transactions of The Korean Institute of Electrical Engineers, Vol. 66, No. 3, pp. 513-521, May2017 

    원문보기 상세보기 crossref

  3. M. H. Seo, G. S. Kim, and S. H. Kim, "A development of the solar position algorithm for improving the efficiency of photovoltaic power generation," in Proceedings of KIIT Summer Conference, pp. 46-51, Jun.2009. 

  4. J. J. Song, Y. S. Jeong, and S. H. Lee, "Analysis of prediction model for solar power generation," Journal of Digital Convergence, Vol. 12, No. 3, pp. 243-248, Mar. 2014. 

  5. K. D. Kim, "The development of the short-term predict model for solar power generation," The Korea Solar Energy Society, Vol. 33, No. 6, pp. 62-69, Dec.2013. 

    원문보기 상세보기 crossref

  6. C. S. Lee, and P. S. Ji, "Development of daily PV power forecasting models using ELM," The Transactions of the Korean Institute of Electrical Engineers , Vol. 64P, No. 3, pp. 164-168, Sep. 2015 

  7. K. H. Lee, W. J. Kim, "Forecasting of 24_hours ahead photovoltaic power output using support vector regression," Journal of Korean Institute of Information Technology, Vol. 14, No. 3, pp. 175-183, May 2016. 

  8. D. J. Lee, J. P. Lee, C. S. Lee, J. Y. Lim, and P. S. Ji, "Development of PV power prediction algorithm using adaptive neuro-fuzzy model," The Transactions of the Korean Institute of Electrical Engineers, Vol. 64, No. 4, pp. 246-250, Dec.2015. 

    원문보기 상세보기 crossref

  9. W. C. Cha, J. H. Park, U. R. Cho, and J. C. Kim", "Design of Generation Efficiency Fuzzy Prediction Model using Solar Power Element Data," The transactions of The Korean Institute of Electrical Engineers, Vol. 63, No. 10, pp. 1423-1427, Oct.2014. 

    원문보기 상세보기 crossref

  10. S. M. Lee, and W. J. Lee, "Development of a system for predicting photovoltaic power generation and detecting defects using machine learning, "KIPS Transactions on Computer and Communication Systems, Vol. 5, No. 10, pp.353-360, Oct.2016. 

  11. A. Yona, T. Senjyu, T. Funabashi, P. Mandal, and C. H. Kim, "Decision technique of solar radiation prediction applying recurrent neural network for short-term ahead power output of photovoltaic system," Smart Grid and Renewable Energy, pp. 32-38, Apr.2013 

  12. F. A. Gers, N. N. Schraudolph, and J. Schmidhuber, "Learning precise timing with LSTM recurrent networks," Journal of Machine Learning Research 3, pp. 115-143, Mar.2002. 

  13. Christopher Olah, Understanding LSTM Networks, Github blog[Internet]. available:http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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

맨위로