[논문]태양광 발전량 예측 인공지능 DNN-RNN 모델 비교분석

홍정조; 오용선

doi:10.20465/kiots.2022.8.3.055

초록
AI-Helper

지구 온난화의 주범인 온실가스 감축을 위해 UN은 1992년 기후변화협약을 체결하였다. 우리나라도 온실가스 감축을 위해 재생에너지 보급 확대 정책을 펼치고 있다. 태양에너지를 이용한 재생에너지 개발의 확대는 풍력과 태양광 발전의 확대로 이어졌다. 기상 상황에 영향을 많이 받는 재생에너지 개발의 확대는 전력계통의 수요공급관리에 어려움이 발생하고 있다. 이러한 문제를 해결하기 위해 전력중개시장을 도입하게 되었다. 따라서 전력중개시장 참여를 위해서는 발전량 예측이 필요하다. 본 논문에서는 자체 개발한 예측 시스템을 활용하여 연축태양광발전소에 대하여 분석하였다. 현장 일사량(모델 1)과 기상청 일사량(모델 2)을 적용한 결과 모델 2가 3% 정도 높은 것을 확인하였다. 또한, DNN과 RNN 모델을 비교 분석한 결과 DNN 모델이 예측 정확도가 1.72% 정도 향상되는 것을 확인하였다.

Abstract ▼ AI-Helper

In order to reduce greenhouse gases, the main culprit of global warming, the United Nations signed the Climate Change Convention in 1992. Korea is also pursuing a policy to expand the supply of renewable energy to reduce greenhouse gas emissions. The expansion of renewable energy development using s...

In order to reduce greenhouse gases, the main culprit of global warming, the United Nations signed the Climate Change Convention in 1992. Korea is also pursuing a policy to expand the supply of renewable energy to reduce greenhouse gas emissions. The expansion of renewable energy development using solar power led to the expansion of wind power and solar power generation. The expansion of renewable energy development, which is greatly affected by weather conditions, is creating difficulties in managing the supply and demand of the power system. To solve this problem, the power brokerage market was introduced. Therefore, in order to participate in the power brokerage market, it is necessary to predict the amount of power generation. In this paper, the prediction system was used to analyze the Yonchuk solar power plant. As a result of applying solar insolation from on-site (Model 1) and the Korea Meteorological Administration (Model 2), it was confirmed that accuracy of Model 2 was 3% higher. As a result of comparative analysis of the DNN and RNN models, it was confirmed that the prediction accuracy of the DNN model improved by 1.72%.

주제어

표/그림 (13)

그림 [Fig. 1] Overview of solar power generation
그림 [Fig. 2] DNN model
그림 [Fig. 3] RNN model
그림 [Fig. 4] Data quality control processor
그림 [Fig. 5] Comparison of solar radiation data before and after quality control (Yonchuk power plant)
그림 [Fig. 6] Solar power generation forecasting process
그림 [Fig. 7] AI model applied to prediction of development
그림 [Fig. 8] Yonchuk power generation-insolation data ('19~'20)
그림 [Fig. 9] Power generation prediction result of model 1
그림 [Fig. 10] Power generation prediction result of model 2
그림 [Fig. 11] Insolation in rain
그림 [Fig. 12] DNN model prediction results
그림 [Fig. 13] RNN model prediction results

참고문헌 (15)

C. K. Lee, "In the era of carbon neutrality beyond greenhouse gas reduction, renewable energy is the answer", K-Sure Insight, 2021. https://www.ksure.or.kr.
D. H. Lee and K. H. Kim, "Deep Learning Based Prediction Method of Long-term Photovoltaic Power Generation Using Meteorological and Seasonal Information", The Journal of Society for e-Business Studies,Vol.24, No.1, pp.1-16, 2019. https://doi.org/10.7838/jsebs.2019.24.1.001

원문보기 상세보기
Renewable Energy Policy Division, "5th Renewable Energy Basic Plan (2020-2034)", 2020. http://www.motie.go.kr.
Y. T. Lee, D. H. Kim, W. S. Sin, C. K. Kim, H. G. Kim, S. W. Han, "A Comparison of Machine Learning Models in Photovoltaic Power Generation Forecasting", Journal of the Korean Institute of Industrial Engineers, Vol.47, No.5, pp.444-458, 2021. https://doi.org/10.7232/JKIIE.2021.47.5.444.

상세보기
S. H. Lee, "Domestic virtual power plant system and status", Korea Development Bank Monthly Report, Vol.767, No.10, pp.25-47, 2019.
Encyclopedia of Daum, "Photoelectric effect", m.search.daum.net
J. J. Song, Y. S. Jeong & S. H. Lee, "Analysis of prediction model for solar power generation", Journal of Digital Convergence, Vol.12, No.3, pp.243-248, 2014. https://dx.doi.org/10.14400/JDC.2014.12.3.243

원문보기 상세보기
J. powers and M. M. Ali, "Application of neural networks in aluminum corrosion", Journal of the Korean Data & Information Science Society, Vol.1, pp.157-172.
S. M. Lee, H. S. Jo, H. H. Lee, G. B. Lee, B. R. Oh & O. K. Kwon, "An Annual Photovoltaic Generation Estimation Considering Meteorogical Elements", KIEE Summer Conference 2018, pp.875-876, 2018.
H. Lee, "Analysis of time series models for consumer price index", Journal of the Korean Data & Information Science Society, Vol.23, No.3, pp.535-542, 2012. https://doi.org/10.7465/jkdi.2012.23.3.535

원문보기 상세보기
H. S. Jeong, "Power Generation Prediction Model Considering Environmental Characteristics of the Floating Photovoltaic System", pp.37-39, 2021.
Etsys Ltd, "Power generation forecasting and system building service for small-scale power brokerage transactions", pp.9-10, 2021.
Y. M. Seo, B. J. Lee, Y. Y. Choi, "Machine Learning Model-based Photovoltaic Power Generation Forecasting Using Meteorological Data", Journal of the Korean Society of Environmental Technology, Vol.18, No.3, pp.242-251, 2017.
Y. S. Kim, S. H. Lee, H. W. Kim, "Prediction Method of Photovoltaic Power Generation Based on LSTM Using Weather Information", Journal of the Korean Institute of Communications and Information Sciences, Vol.44, No.12, pp.2231-2238, 2019. https://doi.org/10.7840/kics.2019.44.12.2231

상세보기
J. Y. Seo, "Deep Learning with TensorFlow", pp.265-282, 2021.

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

태양광 발전량 예측 인공지능 DNN-RNN 모델 비교분석
Comparative Analysis of Solar Power Generation Prediction AI Model DNN-RNN 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (13)

표/그림 (13)

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

태양광 발전량 예측 인공지능 DNN-RNN 모델 비교분석 Comparative Analysis of Solar Power Generation Prediction AI Model DNN-RNN 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (13) 모든 표/그림 보기

표/그림 (13) 슬라이드로 보기

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

오용선 (25)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

태양광 발전량 예측 인공지능 DNN-RNN 모델 비교분석
Comparative Analysis of Solar Power Generation Prediction AI Model DNN-RNN 원문보기

초록
AI-Helper

표/그림 (13)

표/그림 (13)