스마트 팜 에너지 소비량 예측 모델 개발에 관한 연구

국문 초록 (Abstract)

이 연구에서는 스마트 팜 경영비용 중 많은 부분을 차지하고 있는 에너지 소비량에 대한 예측 모델을 구축하고자 하였으며, 분석 결과를 다음과 같이 요약할 수 있다. 첫째, 예측력이 우수한 모델을 구축하기 위해 전통적인 시계열 분석모형인 VAR모델과, 딥러닝 모델인 RNN, LSTM, GRU모델을 추정하였다. 둘째, 4가지 모델 예측력에 대한 비교결과 RMSE 통계량을 활용한 경우와 실측값과 예측값 평균 차이를 비교한 예측력 전반에 있어서 모두 GRU모델이 가장 우수한 것으로 나타났으며, 다음으로 LSTM, RNN, VAR 순으로 나타났다. 이러한 분석 결과로부터 다음과 같은 시사점을 도출할 수 있다. 첫째, 분석 목적이 에너지 소비에 영향을 미치는 요인 확인일 경우 모수적 통계기법이 적합할 수 있으며, 예측 정확도를 목적으로 할 경우 딥러닝 모델 활용이 보다 적합할 수 있다. 둘째, 딥러닝 모델별 예측력에도 차이고 있으므로, 다양한 모델 적합 이후 최적 모델 선택하는 것이 보다 효과적일 수 있다. 우수한 딥러닝 모델 구축을 위해서는 적절한 하이퍼 파라미터에 대한 설정이 필요하다.

다국어 초록 (Multilingual Abstract)

In this study, a predictive model for energy consumption, which accounts for a large portion of smart farm management costs, was established. The analysis can be summarized as follows. First, the vector autoregressive (VAR) model which is a traditional time series analysis model, and the recurrent neural network (RNN), long short-term memory (LSTM), and gated recurrent unit (GRU) models which are deep learning models, were used to build a model with excellent predictive power. Second, a comparison of the four models showed their predictive power to be in the order of GRU>LSTM>RNN>VAR. The following implications can be drawn from the results of the analysis: First, if prediction accuracy is not a factor that affects energy consumption, it is appropriate to use a deep learning model. Second, since the predictive power of each deep learning model is different, it would be effective to select an optimal model after fitting the data to various models. To build a better deep learning model, it is necessary to set the appropriate hyperparameters.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 스마트 팜 확산
• 3. 에너지소비량 예측방법 및 분석자료
• 4. 분석결과 및 예측력비교
• 5. 결론 및 시사점
• References