[논문]BiLSTM 기반의 설명 가능한 태양광 발전량 예측 기법

박성우; 정승민; 문재욱; 황인준

doi:10.3745/ktsde.2022.11.8.339

BiLSTM 기반의 설명 가능한 태양광 발전량 예측 기법
Explainable Photovoltaic Power Forecasting Scheme Using BiLSTM 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.11 no.8, 2022년, pp.339 - 346

박성우 (고려대학교 전기전자공학부) , 정승민 (고려대학교 전기전자공학부) , 문재욱 (고려대학교 전기전자공학부) , 황인준 (고려대학교 전기전자공학부)

초록
AI-Helper

최근 화석연료의 무분별한 사용으로 인한 자원고갈 문제 및 기후변화 문제 등이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 증가하고 있다. 특히 신재생에너지 중 태양광 에너지는 다른 신재생에너지원에 비해 고갈될 염려가 적고, 공간적인 제약이 크지 않아 전국적으로 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효율적으로 사용하기 위해서는 보다 정확한 태양광 발전량 예측 모델이 필요하다. 이를 위하여 다양한 기계학습 및 심층학습 기반의 태양광 발전량 예측 모델이 제안되었지만, 심층학습 기반의 예측 모델은 모델 내부에서 일어나는 의사결정 과정을 해석하기가 어렵다는 단점을 보유하고 있다. 이러한 문제를 해결하기 위하여 설명 가능한 인공지능 기술이 많은 주목을 받고 있다. 설명 가능한 인공지능 기술을 통하여 예측 모델의 결과 도출 과정을 해석할 수 있다면 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 해석된 도출 결과를 바탕으로 모델을 개선하여 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 BiLSTM(Bidirectional Long Short-Term Memory)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHAP(SHapley Additive exPlanations)을 통하여 설명하는 설명 가능한 태양광 발전량 예측 기법을 제안한다.

Abstract ▼ AI-Helper

Recently, the resource depletion and climate change problem caused by the massive usage of fossil fuels for electric power generation has become a critical issue worldwide. According to this issue, interest in renewable energy resources that can replace fossil fuels is increasing. Especially, photovoltaic power has gaining much attention because there is no risk of resource exhaustion compared to other energy resources and there are low restrictions on installation of photovoltaic system. In order to use the power generated by the photovoltaic system efficiently, a more accurate photovoltaic power forecasting model is required. So far, even though many machine learning and deep learning-based photovoltaic power forecasting models have been proposed, they showed limited success in terms of interpretability. Deep learning-based forecasting models have the disadvantage of being difficult to explain how the forecasting results are derived. To solve this problem, many studies are being conducted on explainable artificial intelligence technique. The reliability of the model can be secured if it is possible to interpret how the model derives the results. Also, the model can be improved to increase the forecasting accuracy based on the analysis results. Therefore, in this paper, we propose an explainable photovoltaic power forecasting scheme based on BiLSTM (Bidirectional Long Short-Term Memory) and SHAP (SHapley Additive exPlanations).

주제어

표/그림 (8)

그림 Fig. 1. Example of Short-Term Weather Forecast Information
표 Table 1. Statistical Analysis of Photovoltaic Power Data in the Four Locations
그림 Fig. 2. LSTM Structure
그림 Fig. 3. BiLSTM Structure
표 Table 2. MAE Comparison for Photovoltaic Power Data in the Four Locations
표 Table 3. RMSE Comparison for Photovoltaic Power Data in the Four Locations
그림 Fig. 4. Summary Plot of Proposed Model
그림 Fig. 5. Summary Plot Comparison Between BiLSTM Model and LSTM Model

참고문헌 (27)

A. A. A. Abuelnuor, K. M. Saqr, S. A. A. Mohieldein, K. A. Dafallah, M. M. Abdullah, and Y. A. M. Nogoud, "Exergy analysis of Garri '2' 180 MW combined cycle power plant," Renewable and Sustainable Energy Reviews, Vol.79, pp.960-969, 2017.

상세보기
M. Taylor, P. Ralon, H. Anuta, and S. Al-Zoghoul, "IRENA Renewable Power Generation Costs in 2019," International Renewable Energy Agency, Abu Dhabi, UAE, 2020.
K. E. Lonngren and E. W. Bai, "On the global warming problem due to carbon dioxide," Energy Policy, Vol.36, No.4, pp.1567-1568, 2008.

상세보기
S. Shafiee and E. Topal, "When will fossil fuel reserves be diminished?," Energy Policy, Vol.37, No.1, pp.181-189, 2009.

상세보기
A. Karmaker, M. M. Rahman, M. A. Hossain, and M. R. Ahmed, "Exploration and corrective measures of greenhouse gas emission from fossil fuel power stations for Bangladesh," Journal of Cleaner Production, Vol.244, 2020.

상세보기
S. N. Seo, "Beyond the Paris agreement: Climate change policy negotiations and future directions," Regional Science Policy & Practice, Vol.9, No.2, pp.121-140, 2017.

상세보기
H. Chitsaz, H. Shaker, H. Zareipour, D. Wood, and N. Amjady, "Short-term electricity load forecasting of building in microgrids," Energy and Buildings, Vol.99, pp.50-60, 2015.

상세보기
M. Morandin, S. Bolognani, and A. Faggion, "Active Torque Damping for an ICE-Based Domestic CHP System with an SPM Machine Drive," IEEE Transactions on Industry Applications, Vol.51, No.4, pp.3137-3146, 2015.

상세보기
A. Khosravi, R. N. N. Koury, L. Machado, and J. J. G. Pabon, "Prediction of hourly solar radiation in abu musa island using machine learning algorithms," Journal of Cleaner Production, Vol.176, pp.63-75, 2018.

상세보기
M. Lee, W. Lee, and J. Jung, "24-Hour photovoltaic generation forecasting using combined very-short-term and shortterm multivariate time series model," In 2017 IEEE Power & Energy Society General Meeting, pp.1-5, 2017.
B. Zhang, et al., "A multiple time series-based recurrent neural network for short-term load forecasting," Soft Computing, Vol.22, No.12, pp.4099-4112, 2018.

상세보기
J. H. Jeong and Y. T. Chae, "Improvement for forecasting of photovoltaic power output using real time weather data based on machine learning," Journal of Korean Society of Living Environmental System, Vol.25, pp.119-125, 2018.

상세보기
D. Gunning, "Explainable artificial intelligence (XAI)," Defense Advanced Research Projects Agency (DARPA), 2017.
D. H. Park, et al., "Multimodal explanations: Justifying decisions and pointing to the evidence," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.8779-8788, 2018.
L. Massidda and M. Marrocu, "Use of multilinear adaptive regression splines and numerical weather prediction to forecast the power output of a PV plant in Borkum," Solar Energy, Vol.146, pp.141-149, 2017.

상세보기
L. M. Halabi, S. Mekhilef, and M. Hossain, "Performance evaluation of hybrid adaptive neuro-fuzzy inference system models for predicting monthly global solar radiation," Applied Energy, Vol.213, pp.247-261, 2018.

상세보기
F. A. Kraemer, D. Ammar, A. E. Braten, N. Tamkittikhun, and D. Palma, "Solar energy prediction for constrained IoT nodes based on public weather forecasts," In Proceedings of the Seventh International Conference on the Internet of Things, pp.1-8, 2017.
F. Almonacid, C. Rus, P. Perez-Higueras, and L. Hontoria, "Calculation of the energy provided by a PV generator. Comparative study: Conventional methods vs. artificial neural networks," Energy, Vol.36, No.1, pp.375-384, 2011.

상세보기
K. Wang, X. Qi, and H. Liu, "Photovoltaic power forecasting based LSTM-Convolutional Network," Energy, Vol.189, pp.116225, 2019.
G. de Freitas Viscondi and S. N. Alves-Souza, "A systematic literature review on big data for solar photovoltaic electricity generation forecasting," Sustainable Energy Technologies and Assessments, Vol.31, pp.54-63, 2019.

상세보기
R. Meenal and A. I. Selvakumar, "Assessment of SVM, empirical and ANN based solar radiation prediction models with most influencing input parameters," Renewable Energy, Vol.121, pp.324-343, 2018.

상세보기
S. Park, J. Moon, S. Jung, S. Rho, S. W. Baik, and E. Hwang, "A two-stage industrial load forecasting scheme for dayahead combined cooling, heating and power scheduling," Energies, Vol.13, No.2, pp.443-465, 2020.

상세보기
S. Bhanja and A. Das, "Impact of data normalization on deep neural network for time series forecasting," arXiv Preprint arXiv:1812.05519, 2018.
Y. LeCun, Y. Bengio, and G. Hinton, "Deep learning," Nature, Vol.521, No.7553, pp.436-444, 2015.

상세보기
H. Sak, A. W. Senior, and F. Beaufays, "Long short-term memory recurrent neural network architectures for large scale acoustic modeling," 2014.
M. Schuster and K. K. Paliwal, "Bidirectional recurrent neural networks," IEEE Transactions on Signal Processing, Vol.45, No.11, pp.2673-2681, 1997.

상세보기
S. M. Lundberg and S. I. Lee, "A Unified approach to interpreting model predictions," Advances in Neural Information Processing Systems, Vol.30, pp.4765-4774, 2017

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