디지털 라이브러리[ 검색결과 ]
장단기 시간 패턴 학습을 통한 그래프 신경망 기반의 태양광 발전량 예측 기법
http://doi.org/10.5626/JOK.2024.51.8.690
최근 태양광 에너지의 활용이 크게 보편화되면서, 태양광 에너지의 효율 향상을 위한 태양광 발전량 예측 연구가 활발히 진행되고 있다. 이와 관련하여, 기존의 심층 학습 모델을 넘어 그래프 신경망 기반의 태양광 발전량 예측 모델들이 제시되었다. 이 모델들은 특정 지역의 태양광 발전량이 인접 지역의 기후 조건에 영향을 받는 공간적 상호작용과 태양광 발전량의 시간 패턴을 함께 고려하는 지역 간 상관관 계를 학습함으로써 예측 정확도를 개선한다. 하지만, 기존 모델들은 주로 고정된 형태의 그래프 구조에 의 존하여, 시간적 및 공간적 상호작용을 반영하기 어려운 한계가 있다. 이에, 본 논문은 지역별 태양광 발전 량 데이터의 장기 및 단기적 시간 패턴을 고려하고, 이를 지역 간 상관관계의 학습에 반영하는 그래프 신 경망 기반의 태양광 발전량 예측 기법을 제안한다. 제안 기법은 타 그래프 신경망 기반 예측 모델과 비교 하여 RRSE 기준 최대 7.49%의 성능 개선을 달성하여 그 우수성을 입증하였다.
PCC 기반 기상 변수 유사도를 고려한 제로 샷 태양광 발전율 예측 기법
http://doi.org/10.5626/JOK.2023.50.7.581
화력 발전은 저렴한 단가로 인해 국내외에서 큰 비중을 차지하는 발전 방식이다. 그러나 보건 및 환경 문제를 야기하는 다량의 유해 물질들을 배출한다는 단점 때문에 이를 대체할 발전원으로 신재생 에너지가 주목 받고 있다. 태양광 발전은 유지보수가 용이하다는 등의 장점들 때문에 신재생 에너지 중에서 가장 많은 관심을 받고 있다. 변동성이 강한 태양광 발전의 불확실성을 개선하고 안정적으로 전력을 공급하기 위한 다양한 태양광 발전량 예측 연구가 진행되고 있지만, 기존 연구들은 충분한 양의 과거 발전량 데이터가 존재할 때에만 수행이 가능하다는 한계점이 존재한다. 이에 본 논문은 과거 데이터가 부족한 콜드스타트 문제를 해결하기 위해 기상 유사도를 활용하여 유사한 지역의 과거 데이터를 활용하는 제로샷 학습 기반의 태양광 발전 효율 예측 기법을 제안한다. 성능 비교 결과, 제안 기법이 그러지 않은 경우보다 좋은 성능을 보였고, 그중에서도 한시간 기준 제안 기법이 가장 우수한 예측 성능을 보였다.
