[논문]ANFIS기법과 Power Ramp Rate 속성을 이용한 풍력발전량 예측

박현우; 김성호; 김광득; 류근호

[국내논문] ANFIS기법과 Power Ramp Rate 속성을 이용한 풍력발전량 예측
Forecasting wind power generation using ANFIS and Power Ramp Rate 원문보기

박현우 (충북대학교 데이터베이스 및 바이오인포메틱스 연구실) , 김성호 (충북대학교 데이터베이스 및 바이오인포메틱스 연구실) , 김광득 (한국에너지기술연구원) , 류근호 (충북대학교 데이터베이스 및 바이오인포메틱스 연구실)

현재 급격한 화석 에너지의 사용 증가로 인해 자원이 고갈되고 있으며, 심각한 환경오염의 문제가 발생하고 있다. 이러한 화석 에너지의 문제점 때문에 무공해이면서 자원 량이 무한에 가까운 신재생 에너지가 거론되고 있는데, 그 중에서 경제적인 면과 기술력이 가장 발전한 풍력 에너지가 각광 받고 있다. 하지만 풍력 발전은 풍속이 짧은 시간 안에 급격한 변화를 일으켜 풍력 터빈의 손상을 초래하며 정확한 풍력발전량의 예측이 힘들어 전력 생산량이 불규칙하다. 그리하여 전력의 공급과 수요의 균형을 위해 풍력발전량의 정확한 예측이 필요하다. 따라서 이 연구에서는 ANFIS을 적용하고 전력 생산 변화의 빠르기 PRR을 이용하여 풍력발전량을 예측하였다. 실험에서는 ANFIS기법에 PRR속성을 이용하여 단순한 ANFIS 기법 보다 더 정확한 풍력 발전량의 예측 결과를 얻을 수 있었다.

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

문제 정의

이전 연구에서는 풍력, 풍향 등의 속성 값을 이용하여 풍력 발전량을 예측 하였다. 이 연구에서는 단시간에 전력생산량의 변화폭이 큰 풍력 발전량의 특성을 반영하기 위해 PRR을 하나의 속성으로 적용하여 풍력발전량을 예측하였다.
이 연구에서는 한국에너지기술연구원에서 제공된 풍력터빈 데이터를 사용하여 풍력발전량을 예측하는 실험을 진행하였다.

제안 방법

퍼지신경망 모형은 제어 및 예측분야에 많이 활용되며, 그 중에서 우수한 예측정확도를 보여주는 ANFIS 기법이 각광 받고 있다. 또한, ANFIS는 블랙박스모형인 신경망모형과 달리 If-Then 퍼지규칙을 생성해주며 신경망의 학습 알고리즘에 적용하여 예측을 최적화 한다. 풍력 발전량을 예측하는 시스템의 입력과 출력 변수가 불확실성을 포함하므로 학습에 의하여 풍력발전량을 결정한다.
이들 기법 중에서 많이 이용되고 있는 예측 기법으로는 과거 이력 데이터를 이용하여 예측하는 통계적 기법[3][4], 데이터마이닝 기법을 이용한 인공신경망(ANN)[5], SOM[6]등 다양한 풍력발전량을 예측하는 알고리즘이 있다. 본 연구에서는 ANN과 Fuzzy 이론의 Hybrid 형태의 ANFIS기법[7]과 전력 생산 변화의 빠르기를 표시하는PRR을 이용하여 풍력발전량을 예측하였다.
이 논문에서 ramp인 풍력 데이터를 고려하여 ANFIS기법에 PRR 속성 값을 사용하여 풍력 발전량을 예측하였다. 풍력발전량을 예측하기 위해, 제주도 풍력 단지에서의 풍력 터빈 데이터를 사용하여 실험을 진행하였다.

대상 데이터

이 연구에서 사용된 데이터는 한국에너지기술연구원[9]에서 제공된 풍력 발전 데이터를 사용하였다. 데이터는 제주도 풍력 발전단지에 있는 발전용량이 1500kw인 풍력터빈에서 10분 간격으로 측정된 풍속, 풍향, 풍력발전량 데이터를 사용하였다. 데이터는 하루에 144개의 데이터가 수집되었고, PRR은 식(1)을 통해 속성으로 사용하여 실험을 진행 하였다.
데이터는 제주도 풍력 발전단지에 있는 발전용량이 1500kw인 풍력터빈에서 10분 간격으로 측정된 풍속, 풍향, 풍력발전량 데이터를 사용하였다. 데이터는 하루에 144개의 데이터가 수집되었고, PRR은 식(1)을 통해 속성으로 사용하여 실험을 진행 하였다.
이 연구에서 사용된 데이터는 한국에너지기술연구원[9]에서 제공된 풍력 발전 데이터를 사용하였다. 데이터는 제주도 풍력 발전단지에 있는 발전용량이 1500kw인 풍력터빈에서 10분 간격으로 측정된 풍속, 풍향, 풍력발전량 데이터를 사용하였다.
이 논문에서 ramp인 풍력 데이터를 고려하여 ANFIS기법에 PRR 속성 값을 사용하여 풍력 발전량을 예측하였다. 풍력발전량을 예측하기 위해, 제주도 풍력 단지에서의 풍력 터빈 데이터를 사용하여 실험을 진행하였다. 실험 결과, PRR 속성 값을 사용할 경우에 이전 보다 더 높은 예측 정확도를 얻을 수 있었다.

이론/모형

이 논문에서는 MATLAB에서 Fuzzy Logic Toolbox[10]를 사용하여 예측 실험을 진행하였다.

성능/효과

풍력발전량을 예측하기 위해, 제주도 풍력 단지에서의 풍력 터빈 데이터를 사용하여 실험을 진행하였다. 실험 결과, PRR 속성 값을 사용할 경우에 이전 보다 더 높은 예측 정확도를 얻을 수 있었다.
(그림 3)은 PRR 속성을 사용하지 않고 풍속과 풍향으로 풍력발전량을 예측한 그림이고 (그림 4)는 PRR 속성과 함께 풍속, 풍향을 이용하여 풍력발전량을 예측한 그림이다. 실험결과, ANFIS 기법에 PRR속성을 이용하여 예측을 한 경우 예측정확도가 높다는 것을 볼 수 있다.

후속연구

향후연구로는 풍력발전단지, 풍력터빈 등의 여러 속성을 고려한 ramp event의 연구하여 좀 더 정확도를 향상시키는 방향으로 연구를 진행할 것이다.

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

[국내논문] ANFIS기법과 Power Ramp Rate 속성을 이용한 풍력발전량 예측
Forecasting wind power generation using ANFIS and Power Ramp Rate 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] ANFIS기법과 Power Ramp Rate 속성을 이용한 풍력발전량 예측 Forecasting wind power generation using ANFIS and Power Ramp Rate 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] ANFIS기법과 Power Ramp Rate 속성을 이용한 풍력발전량 예측
Forecasting wind power generation using ANFIS and Power Ramp Rate 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper