기상상태 변동성을 고려한 LSTM 기반 태양광 발전량 예측 = Solar Power Generation Forecasting based on LSTM considering Weather Conditions

국문 초록 (Abstract)

태양광 발전은 태양광 에너지를 전기 에너지로 변환하는 시설로 긴 설비수명, 설치 및 유지보수 용이성과 같은 장점이있다. 하지만, 태양광 발전은 기상상태에 영향을 받기 때문에 안정적으로 전력을 생산하기 어렵다. 따라서 기상상태를고려한 태양광 발전량 예측연구는 중요 분야가 되고 있다. 본 논문에서는 Long Short-Term Memory(LSTM)를 이용한태양광 발전량 예측 방법을 제안한다. LSTM은 Recurrent Neural Network의 한 종류로 시계열 데이터 예측과 비선형 데이터모델링에 효과적이다. 제안된 태양광 발전량 예측 모델의 입력변수는 일사량, 예보기온, 대기청명도. Normalized Discrete Difference 및 과거 발전량을 이용하였다. 제안된 방법의 성능을 비교하기 위해 Multiple Linear Regression(MLR), Multi-Layer Perceptron(MLP)과 비교하였다. 기상 데이터와 발전량 데이터를 이용하여 실험한 결과, LSTM을 이용하여 예측하였을 때MLR과 MLP보다 예측 성능이 더 우수한 것을 확인할 수 있었다.

참고문헌 (Reference)

1 정지원, "태양전지 모듈 어레이 시뮬레이션을 이용한 최대전력점 패턴분석" 한국지능시스템학회 23 (23): 72-79, 2013

2 김한호, "순환신경망을 이용한 태양광 발전량 예측 모델 설계" 한국정보과학회 46 (46): 506-514, 2019

3 서재현, "딥러닝 기반 불균형 침입탐지 데이터 분류에 관한 비교 연구" 한국지능시스템학회 28 (28): 152-159, 2018

4 R, Huang, "Solar generation prediction using the ARMA model in a laboratory-level microgrid" 528-533, 2012

5 B. Kim, "Solar Power Generation Forecasting using LSTM" 29 (29): 7-8, 2019

6 김아람, "Recognition of Natural Hand Gestures Using Bidirectional Long Short-Term Memory Model" 한국지능시스템학회 18 (18): 326-332, 2018

7 신동하, "RNN-LSTM을 이용한 태양광 발전량 단기 예측 모델" 한국항행학회 22 (22): 233-239, 2018

8 N. Sharma, "Predicting solar generation from weather forecasts using machine learning" 528-533, 2011

9 S. B. Taieb, "Multiple-output modeling for multi-step-ahead time series forecasting" 73 (73): 1950-1957, 2010

10 Y. Li, "Forecasting the daily power output of a grid-connected photovoltaic system based on multivariate adaptive regression splines" 180 : 392-401, 2016

11 S. Atique, "Forecasting of total daily solar energy generation using ARIMA : A case study" 0114-0119, 2019

12 U. K. Das, "Forecasting of photovoltaic power generation and model optimization : A review" 81 : 912-928, 2018

13 M. Kim, "Artificial Neural Network-based Solar Radiation Forecasting for Efficient Solar Photovoltaic System" 29 (29): 113-114, 2019

14 M. Hossain, "Application of extreme learning machine forshort term output power forecasting of three grid-connected PV systems" 167 : 395-405, 2017

15 M. Abdel-Nasser, "Accurate photovoltaic power forecasting models using deep LSTM-RNN" 31 (31): 2727-2740, 2019

16 F. Almonacid, "A methodology based on dynamic artificial neural network for short-term forecasting of the power output of a PV generator" 85 : 389-398, 2014