$\require{mediawiki-texvc}$

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.

위성영상 기반 신재생에너지 발전 진단 및 변동성 예측 기술 개발
Development of Forecasting and Nowcasting Renewable Energy Variability based on Satellite Imagery 원문보기

보고서 정보
주관연구기관 한국에너지기술연구원
Korea Institute of Energy Research
연구책임자 김현구
참여연구자 강용혁 , 윤창열 , 김창기 , 김보영 , 김진영 , 이제현 , 김건훈 , 오명찬
보고서유형최종보고서
발행국가대한민국
언어 한국어
발행년월2021-12
과제시작연도 2021
주관부처 과학기술정보통신부
Ministry of Science and ICT
등록번호 TRKO202200007945
과제고유번호 1711149796
사업명 한국에너지기술연구원연구운영비지원(R&D)(주요사업비)
DB 구축일자 2022-08-27

초록

Ⅳ. 연구개발 결과 및 활용에 대한 건의
○ 위성영상 기반 일사량 정확도 증가
․ 전국 35개 기상청 일사량 관측지점 대상 시간누적일사량에 대한 상대오차 8.8%
○ 3차원 건물형 태양자원지도의 연산속도 개선
․ 머신러닝을 위한 파생변수의 DB화
○ 신재생 모니터링 시스템 DB 및 원격화
○ 기상청 현업 예보 모델 개선
· 시간 누적 일사량 예보데이터 평가 결과 오차율 10.5%대 확인
○ 신재생에너지 2030년 20% 전력생산 플랜 실현 가능성 증대
· 신재생에너지 보급 및 설비 안

Abstract

Ⅳ. Result and Recommendations
○ Raising Accuracy of Solar Irradiance Derived from Satellite Imagery
․ relative RMSE < 8.8% (35 stations, Hourly Total Irradiance)
○ 3 Dimensional Solar Energy Map
․ Seoul and Daejeon City
○ Monitoring Renewable Energy System and Remote Control
○ Eval

목차 Contents

  • 표지 ... 1
  • 제 출 문 ... 3
  • 요 약 문 ... 5
  • SUMMARY ... 8
  • CONTENTS ... 11
  • 목차 ... 12
  • 그림목차 ... 13
  • 표목차 ... 17
  • 제 1 장 서 론 ... 19
  • 제 1 절 개 요 ... 19
  • 제 2 절 핵심기술 목표 및 TRL 달성도 자체 평가 ... 21
  • 제 2 장 위성영상 기반 신재생 모니터링 알고리즘 고도화 기술 개발 ... 23
  • 제 1 절 위성영상 기반 일사량 산정 모델 개발 ... 23
  • 제 2 절 지형자료 동화 경사면 일사량 고도화 모델 개발 ... 29
  • 제 3 장 태양광 발전량 Nowcasting 알고리즘 고도화 기술 개발 ... 39
  • 제 1 절 발전량 데이터 모니터링 수집체계 구성 ... 39
  • 제 2 절 태양광 발전량 예측 회귀 모델 개발 ... 45
  • 제 3 절 태양광 발전량 예측 AI 지능형 모델 개발 ... 56
  • 제 4 장 태양광 발전량 Forecasting 알고리즘 고도화 기술 개발 ... 65
  • 제 1 절 시계열기반 1일 선행 예보 모델 개발 ... 65
  • 제 2 절 구름이동벡터 기반 태양광 발전량 예보 모델 개발 ... 81
  • 제 3 절 장기 예보 모델의 후처리 성능 개선 모델 개발 ... 99
  • 제 4 절 KIER-SolarWRF 모델 고도화 ... 117
  • 제 5 장 신재생 발전량 예측시스템 개발 ... 124
  • 제 1 절 KIEReCAST 시스템 테스트베드 ... 124
  • 제 6 장 UV, PAR 파장 영역별 일사량 및 DNI 추정 경험 모델 개발 ... 126
  • 제 1 절 연구 자료 및 기기 ... 126
  • 제 2 절 연구 방법 ... 130
  • 제 3 절 연구 결과 ... 137
  • 제 7 장 결론 ... 147
  • 끝페이지 ... 150

표/그림 (145)

연구자의 다른 보고서 :

참고문헌 (25)

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