[논문]크리깅 기법 기반 재생에너지 환경변수 예측 모형 개발

최영도; 백자현; 전동훈; 박상호; 최순호; 김여진; 허진

doi:10.18770/kepco.2019.05.03.223

크리깅 기법 기반 재생에너지 환경변수 예측 모형 개발
Development of Prediction Model for Renewable Energy Environmental Variables Based on Kriging Techniques 원문보기

KEPCO Journal on electric power and energy, v.5 no.3, 2019년, pp.223 - 228

최영도 (KEPCO Research Institute, Korea Electric Power Corporation) , 백자현 (KEPCO Research Institute, Korea Electric Power Corporation) , 전동훈 (KEPCO Research Institute, Korea Electric Power Corporation) , 박상호 (KEPCO Research Institute, Korea Electric Power Corporation) , 최순호 (KEPCO Research Institute, Korea Electric Power Corporation) , 김여진 (Department of Energygrid, Sangmyung University) , 허진 (Department of Energygrid, Sangmyung University)

Abstract ▼ AI-Helper

In order to integrate large amounts of variable generation resources such as wind and solar reliably into power grids, accurate renewable energy forecasting is necessary. Since renewable energy generation output is heavily influenced by environmental variables, accurate forecasting of power generation requires meteorological data at the point where the plant is located. Therefore, a spatial approach is required to predict the meteorological variables at the interesting points. In this paper, we propose the meteorological variable prediction model for enhancing renewable generation output forecasting model. The proposed model is implemented by three geostatistical techniques: Ordinary kriging, Universal kriging and Co-kriging.

주제어

표/그림 (11)

그림 Fig. 1. 공간모델링 기법 적용 순서.
그림 Fig. 2. 베리오그램 모델의 종류.
그림 Fig. 3. 크리깅 기법의 개념.
그림 Fig. 4. 태양광 기상변수 데이터 취득 지점.
표 Table 1 2016년 7월 기상데이터: 일사량(MJ/m²)
표 Table 2 2016년 7월 기상데이터: 기온(°C)
표 Table 3 2016년 7월 기상데이터: 습도(%)
표 Table 4 태양광 발전 기상변수 사이의 상관계수
표 Table 5 예측 정확도 검증 결과
그림 Fig. 5. 태양광 발전 기상변수 기반의 베리오그램 도출 예시.
그림 Fig. 6. 크리깅 기반의 태양광발전 기상변수 예측 결과.

AI 본문요약
AI-Helper

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

문제 정의

태양광 발전의 경우 발전 특성인 광전 효과로 인해 일사량이 존재하는 시간에만 발전이 가능하다. 따라서 본 연구에서는 일사량이 존재하는 시간에 대해서만 기상변수 예측을 수행하였다. 공동 크리깅의 경우 변수들 간의 상관관계가 높을 경우에만 유의하기 때문에 상관계수 분석 결과를 기반으로 상관성이 높다고 분석된 일사량-기온과 일사량-습도에 대해 적용하였다.
본 논문에서는 고도화된 재생에너지 발전 출력 예측 모형 개발을 위해 기상 데이터 기반의 Energy Big Data 분석및 공간모델링(Spatial Modeling)을 통한 재생에너지 환경변수 예측을 수행하였다. 공간모델링은 기상청 데이터를 기반으로 대표적인 지구통계학기법인 정규 크리깅, 일반 크리깅, 공동 크리깅을 이용하여 태양광 발전 기상변수인 일사량, 온도, 습도 예측을 수행하였다.
본 연구에서는 대표적인 공간 모델링 기법인 크리깅 기법에 대한 분석을 수행하였다. 크리깅 기법은 공간적인 상호관계를 가지는 데이터들 간의 선형 조합을 이용하여 미지의 값을 유추하는 기법으로 Fig.
본 연구에서는 재생에너지 기상변수 예측에서의 크리깅 기법의 적용 가능성에 대해 검토하기 위해 기상청으로부터 취득한 데이터를 기반으로 이미 알고 있는 지점에 대한 태양광 기상변수 예측을 수행하였다. 예측 결과의 정량적 평가를 위해 다음과 같은 평균 절대 오차(Mean Absolute Error: MAE)와 정규 크리깅 대비 절대 오차의 상대적 향상지수(Relative Index: RI)를 이용하였다 [7].
본 연구에서는 재생에너지 출력예측 고도화를 위해 재생에너지 기상변수 예측에서 지구통계학기법인 크리깅(Kriging) 기법의 적용 가능성에 대해 검토하고자 한다. 기상변수 예측을 위한 크리깅 기법으로는 정규 크리깅(Ordinary kriging), 일반 크리깅(Universal kriging), 공동 크리깅(Co-kriging) 기법을 각각 적용하여 비교하였다.
재생에너지 기상변수 예측을 수행하기에 앞서, 먼저 재생에너지 발전 출력과 상관관계가 높은 기상변수를 선별하고 기상변수 예측을 위한 데이터를 취득하여 입력 DB를 구축하였다. 본 연구에서는 태양광 발전 기상변수 예측을 위해 기상청으로부터 일사량, 온도, 습도 데이터를 취득하여 DB를 구축하고 상관관계를 분석하였다.

가설 설정

태양광발전 기상변수 예측을 위해 취득한 기상탑 지점중 강진군 지점의 데이터를 임의로 제거하여 미지의 지점으로 가정하고 나머지 데이터를 이용하여 예측을 수행하였다. 크리깅 기법을 적용하여 미지의 지점의 특성 값을 예측하기 위해 기상변수 간의 공간적 유사성과 상관관계를 확인하기 위한 베리오그램 모델링 과정을 수행하였다.
일반 크리깅 또한 주변 지점의 알려진 값을 기반으로 선형조합을 통해 관심 지점의 미지값을 예측하며, 단지 불변성을 만족하지 않고 변화하는 경향을 고려하기 위한 수학적 기법이 가미된 크리깅 기법이라 할 수 있다. 평균이 임의로 변화하는 경우 이를 기술할 수 있는 실질적 방법이 없기 때문에, 일반 크리깅을 적용하기 위해서는 평균이 공간적으로 부드럽게 변화한다고 가정하여 크리깅을 수행한다.

제안 방법

본 논문에서는 고도화된 재생에너지 발전 출력 예측 모형 개발을 위해 기상 데이터 기반의 Energy Big Data 분석및 공간모델링(Spatial Modeling)을 통한 재생에너지 환경변수 예측을 수행하였다. 공간모델링은 기상청 데이터를 기반으로 대표적인 지구통계학기법인 정규 크리깅, 일반 크리깅, 공동 크리깅을 이용하여 태양광 발전 기상변수인 일사량, 온도, 습도 예측을 수행하였다. 예측 결과 대체적으로 정규 크리깅 기법보다 공간적 상관관계를 더 잘 반영하는 일반 크리깅 기법의 예측 정확도가 더 높음을 확인하였으며, 변수들 간의 상관관계가 높을 경우 공동 크리깅을 통해 예측 정확도를 개선시킬 수 있음을 확인하였다.
따라서 본 연구에서는 일사량이 존재하는 시간에 대해서만 기상변수 예측을 수행하였다. 공동 크리깅의 경우 변수들 간의 상관관계가 높을 경우에만 유의하기 때문에 상관계수 분석 결과를 기반으로 상관성이 높다고 분석된 일사량-기온과 일사량-습도에 대해 적용하였다. Table 5는 예측 결과의 정량적 평가를 위해 정확도를 분석한 결과이다.
두 개 이상의 변수들 간의 상관관계를 이용하는 공동크리깅을 수행하기 위해 취득한 태양광 발전 기상변수들 간의 상관관계 분석을 수행하였다. 상관계수는 두 확률변수사이의 상관성을 분석하는 것으로 –1에서 1 사이의 값을 가지며, 변수들의 증감에 대한 경향을 나타낸다.
본 연구에서는 재생에너지 기상변수 예측에서의 크리깅 기법의 적용 가능성에 대해 검토하기 위해 기상청으로부터 취득한 데이터를 기반으로 이미 알고 있는 지점에 대한 태양광 기상변수 예측을 수행하였다. 예측 결과의 정량적 평가를 위해 다음과 같은 평균 절대 오차(Mean Absolute Error: MAE)와 정규 크리깅 대비 절대 오차의 상대적 향상지수(Relative Index: RI)를 이용하였다 [7].
기상변수 예측을 위한 크리깅 기법으로는 정규 크리깅(Ordinary kriging), 일반 크리깅(Universal kriging), 공동 크리깅(Co-kriging) 기법을 각각 적용하여 비교하였다. 예측정확도 검증을 위해 기상청 데이터를 기반으로 이미 알고 있는 지점에 대한 태양광 기상변수 예측을 수행하여 비교분석하였다.
재생에너지 기상변수 예측을 수행하기에 앞서, 먼저 재생에너지 발전 출력과 상관관계가 높은 기상변수를 선별하고 기상변수 예측을 위한 데이터를 취득하여 입력 DB를 구축하였다. 본 연구에서는 태양광 발전 기상변수 예측을 위해 기상청으로부터 일사량, 온도, 습도 데이터를 취득하여 DB를 구축하고 상관관계를 분석하였다.
크리깅 기법은 관심 지점의 데이터 특성에 따라 여러가지 기법을 다르게 적용하며 [5], 본 연구에서는 대표적인 크리깅 기법인 정규 크리깅, 일반 크리깅, 공동 크리깅을 적용하여 태양광 발전 기상변수 예측을 수행하였다.
태양광발전 기상변수 예측을 위해 취득한 기상탑 지점중 강진군 지점의 데이터를 임의로 제거하여 미지의 지점으로 가정하고 나머지 데이터를 이용하여 예측을 수행하였다. 크리깅 기법을 적용하여 미지의 지점의 특성 값을 예측하기 위해 기상변수 간의 공간적 유사성과 상관관계를 확인하기 위한 베리오그램 모델링 과정을 수행하였다. Fig .

대상 데이터

국내의 경우 태양광 발전은 호남권을 중심으로 조성되어 있다. 따라서 본 연구에서는 태양광발전 기상변수 예측을 위해 Fig. 4과 같이 기상청의 전라남도(호남권) 6개 지점의 기상 데이터를 취득하였다.
취득 데이터는 2016년 7월 1일 ~ 2016년 7월 31일 한달 간의 1시간 주기 데이터로, 데이터 측정 지점의 위도, 경도, 일사량, 기온, 습도 데이터를 취득하였다. 취득한 데이터는 Table 1, 2, 3과 같다.

이론/모형

본 연구에서는 재생에너지 출력예측 고도화를 위해 재생에너지 기상변수 예측에서 지구통계학기법인 크리깅(Kriging) 기법의 적용 가능성에 대해 검토하고자 한다. 기상변수 예측을 위한 크리깅 기법으로는 정규 크리깅(Ordinary kriging), 일반 크리깅(Universal kriging), 공동 크리깅(Co-kriging) 기법을 각각 적용하여 비교하였다. 예측정확도 검증을 위해 기상청 데이터를 기반으로 이미 알고 있는 지점에 대한 태양광 기상변수 예측을 수행하여 비교분석하였다.

성능/효과

습도를 공동 크리깅의 이차 변수로 사용하였을때 기온을 이차변수로 사용하였을 경우보다 정확도가 향상되는 것을 확인할 수 있었으며, 이는 일사량과 습도 사이의 상관관계가 일사량과 기온의 상관관계보다 높기 때문이라고 사료된다. 기온의 경우 공동 크리깅을 사용하였을 때 정규 크리깅 보다 예측 능력이 떨어지는 것을 확인할 수 있었으며, 일반 크리깅을 사용한 결과 정규 크리깅보다 예측 능력이 약 31.948% 향상되었음을 확인할 수 있다. 습도의 경우 일반 크리깅과 일사량을 이차변수로 사용한 공동 크리깅 기반 예측 결과 모두 정규 크리깅 기반의 예측 결과보다 예측능력이 향상된 것을 확인할 수 있으며, 일반 크리깅을 사용한결과가 평균 절대 오차가 가장 작게 산출되었다.
예측 정확도 분석 결과, 일사량의 경우 습도를 이용하여 공동 크리깅을 수행하였을 때 평균 절대 오차가 가장 작게 산출되었다. 습도를 공동 크리깅의 이차 변수로 사용하였을때 기온을 이차변수로 사용하였을 경우보다 정확도가 향상되는 것을 확인할 수 있었으며, 이는 일사량과 습도 사이의 상관관계가 일사량과 기온의 상관관계보다 높기 때문이라고 사료된다. 기온의 경우 공동 크리깅을 사용하였을 때 정규 크리깅 보다 예측 능력이 떨어지는 것을 확인할 수 있었으며, 일반 크리깅을 사용한 결과 정규 크리깅보다 예측 능력이 약 31.
948% 향상되었음을 확인할 수 있다. 습도의 경우 일반 크리깅과 일사량을 이차변수로 사용한 공동 크리깅 기반 예측 결과 모두 정규 크리깅 기반의 예측 결과보다 예측능력이 향상된 것을 확인할 수 있으며, 일반 크리깅을 사용한결과가 평균 절대 오차가 가장 작게 산출되었다. 이를 통해 태양광 발전 환경 변수의 경우, 서로 상관관계가 높은 일사량과 습도를 공동 크리깅에 적용할 경우 정규 크리깅 보다 예측 능력을 개선할 수 있음을 확인하였으며, 공간적 분포특성을 더욱 잘 반영할 수 있는 일반 크리깅 기법을 통해 정규크리깅 기법의 오차를 개선할 수 있음을 확인하였다.
공간모델링은 기상청 데이터를 기반으로 대표적인 지구통계학기법인 정규 크리깅, 일반 크리깅, 공동 크리깅을 이용하여 태양광 발전 기상변수인 일사량, 온도, 습도 예측을 수행하였다. 예측 결과 대체적으로 정규 크리깅 기법보다 공간적 상관관계를 더 잘 반영하는 일반 크리깅 기법의 예측 정확도가 더 높음을 확인하였으며, 변수들 간의 상관관계가 높을 경우 공동 크리깅을 통해 예측 정확도를 개선시킬 수 있음을 확인하였다. 향후에는 기상변수 예측 결과를 입력데이터로 태양광발전 출력 예측을 수행하여 기상변수 예측 정확도가 발전출력 예측 정확도에 미치는 영향에 대해 연구하고자 한다.
예측 정확도 분석 결과, 일사량의 경우 습도를 이용하여 공동 크리깅을 수행하였을 때 평균 절대 오차가 가장 작게 산출되었다. 습도를 공동 크리깅의 이차 변수로 사용하였을때 기온을 이차변수로 사용하였을 경우보다 정확도가 향상되는 것을 확인할 수 있었으며, 이는 일사량과 습도 사이의 상관관계가 일사량과 기온의 상관관계보다 높기 때문이라고 사료된다.
습도의 경우 일반 크리깅과 일사량을 이차변수로 사용한 공동 크리깅 기반 예측 결과 모두 정규 크리깅 기반의 예측 결과보다 예측능력이 향상된 것을 확인할 수 있으며, 일반 크리깅을 사용한결과가 평균 절대 오차가 가장 작게 산출되었다. 이를 통해 태양광 발전 환경 변수의 경우, 서로 상관관계가 높은 일사량과 습도를 공동 크리깅에 적용할 경우 정규 크리깅 보다 예측 능력을 개선할 수 있음을 확인하였으며, 공간적 분포특성을 더욱 잘 반영할 수 있는 일반 크리깅 기법을 통해 정규크리깅 기법의 오차를 개선할 수 있음을 확인하였다.
일사량의 경우 습도와의 상관성이 –0.7757로 가장 높은 음의 상관관계를 나타냈으며, 기온의 경우 습도와 –0.7339의 높은 상관관계를 나타냈다.

후속연구

예측 결과 대체적으로 정규 크리깅 기법보다 공간적 상관관계를 더 잘 반영하는 일반 크리깅 기법의 예측 정확도가 더 높음을 확인하였으며, 변수들 간의 상관관계가 높을 경우 공동 크리깅을 통해 예측 정확도를 개선시킬 수 있음을 확인하였다. 향후에는 기상변수 예측 결과를 입력데이터로 태양광발전 출력 예측을 수행하여 기상변수 예측 정확도가 발전출력 예측 정확도에 미치는 영향에 대해 연구하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	크리깅(Kriging) 기법이란?	본 연구에서는 재생에너지 출력예측 고도화를 위해 재생에너지 기상변수 예측에서 지구통계학기법인 크리깅(Kriging) 기법의 적용 가능성에 대해 검토하고자 한다. 기상변수 예측을 위한 크리깅 기법으로는 정규 크리깅(Ordinary kriging), 일반 크리깅(Universal kriging), 공동 크리깅(Co-kriging) 기법을 각각 적용하여 비교하였다.
	베리오그램(2γ(h))에서의 거리에 따른 값의 특징은?	베리오그램(2γ(h))은 일정한 분리거리 h만큼 떨어진 두공간 자료들 간의 차이를 제곱한 것의 기대 값으로 위 식에서 z(x)는 지점 x에서의 특성 값을 의미한다. 따라서 일반적으로 거리가 가까울수록 값이 작고, 거리가 멀수록 크게 나타난다. 베리오그램의 절반에 해당하는 값을 반베리오그램(Semi-Variogram)이라 하며, 실제 베리오그램 계산 시 편의성을 위해 일반적으로 사용된다.
	이론적 베리오그램에는 어떠한 모델들이 있는가?	이론적 베리오그램에는 Fig. 2처럼 구형모델(Spherical model), 지수 모델(Exponential model), 선형모델(Linear model), 가우시안 모델(Gaussian model) 등이있으며, 구형 모델이 일반적으로 가장 많이 사용된다.

참고문헌 (7)

Ela, E., Diakov, V., Ibanez, E., and Heaney, M., "Impacts of variability and uncertainty in solar photovoltaic generation at multiple timescales," National Renewable Energy Lab(NREL), 2013.
Gonzaalez-Aparicio and Zucker, A,. "Impact of wind power uncertainty forecasting on the market integration of wind energy in Spain," Energy, 159, pp.334-349, 2015
Choi, Jongkeun, "Geostatistics," Sigmapress, 2007.
Zimmerman, Dale L., and Zimmerman, M. B., "A comparison of spatial semivariogram estimators and corresponding ordinary kriging predictors," Technometrics, 33, 1, pp.77-91, 1991

상세보기
Kis, Ivana Mesic, "Comparison of Ordinary and Universal Kriging interpolation techniques on a depth variable(a case of linear spatial trend), case study of the Sndrovac Field," Rudarsko-Geolosko-Naftni Zbornik, 31, 2, 2016.
Lichtenstern, A., "Kriging methods in spatial statistics," M.S. Thesis, Department of Mathematics, Technische Universitat Munchen, 2013.
Park, N. W. and Jang, D. H., "Mapping of Temperature and Rainfall Using DEM and Multivariate Kriging," Journal of the Korean Geographical Society, 43, 6, pp.1002-1015, 2008.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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