Multi-horizon Solar Irradiance Forecasting using Physics-driven Long Short-term Memory Models = 물리기반 LSTM 모델을 이용한 다중 선행시간 일사량 예보
저자
발행사항
서울 : 국민대학교 일반대학원, 2022
학위논문사항
학위논문(박사)-- 국민대학교 일반대학원 : 기계공학과 기계공학전공 2023. 8
발행연도
2022
작성언어
영어
주제어
발행국(도시)
서울
형태사항
xi, 97 ; 26 cm
일반주기명
지도교수: 이현진
UCI식별코드
I804:11014-200000693275
소장기관
태양 에너지는 가장 유망한 형태의 재생 가능 에너지 중 하나이며 태양 에너지의 개발은 기후 변화를 완화하고 탄소 배출량을 줄이는 데 중요합니다. 그러나 기상 조건, 운량, 시간 등 다양한 요인에 의해 영향을 받는 태양 복사 조도의 예측 불가능성은 태양 에너지 생산에 중대한 문제를 제기합니다. 따라서 태양 에너지 생산 시설의 효율적이고 비용 효율적인 운영을 위해서는 정확한 태양 복사 조도 예측이 필수적입니다. 그러나 일사량 예보는 예측하기 어려운 다양한 요인의 영향을 받는 시스템의 비선형적이고 역동적인 특성으로 인해 복잡하고 어려운 작업입니다.
이 논문은 정확성을 향상시키기 위해 OF(Optical Flow) 방법, WRF(Weather Research and Forecasting) 모델 및 LSTM(Long Short-Term Memory) 모델과 같은 고급 예측 방법의 사용을 탐색하여 일사량 예측의 문제를 해결합니다. 단기 및 장기 태양 복사 조도 예보. 또한 이 연구는 모든 글로벌 수평 방사 조도를 광전지 전력(w)으로 변환하여 실제 태양 에너지 생산 응용 분야에 대한 이러한 방법의 잠재력을 조사했습니다.
연구의 첫 번째 부분은 태양 에너지 생산 시설의 일상적인 운영을 관리하는 데 필수적인 단기 태양 복사 조도 예측에 중점을 둡니다. 이 연구는 OF 방법과 LSTM 모델을 결합하여 일사량의 시간적 변화를 높은 정확도로 캡처할 수 있는 새로운 접근 방식을 소개합니다. OF 방법과 LSTM 모델의 혼성화는 RMSE(Root Mean Square Error)에서 최대 -13.66 W/m2, 예측 기술(FS)에서 7.85%의 상당한 향상을 가져왔습니다. OF와 LSTM 모델의 조합은 높은 정확도로 일사량의 시간적 변화를 캡처하는 능력과 함께 우수한 성능을 보여주었습니다. 그러나 OF 모델은 운량의 갑작스럽고 예상치 못한 변화를 예측하는 데 한계가 있어 예측이 약간 부정확합니다.
연구의 두 번째 부분은 에너지 생산 계획 및 관리에 중요한 장기 일사량 예측에 중점을 둡니다. 이 연구는 WRF 모델을 LSTM 모델에 통합하여 앞으로 1일, 2일 및 3일 동안 태양 일사량을 예측하는 정확도를 향상시킵니다. 결과는 WRF-LSTM 모델이 기존 WRF 모델보다 성능이 우수함을 보여줍니다. rRMSE가 1.99%에서 2.63%로 향상되었음을 보여줍니다.
이 연구는 OF 방법과 LSTM 모델의 조합뿐만 아니라 WRF와 LSTM 모델의 조합이 일사량 예측의 정확도를 향상시킬 수 있음을 보여줍니다. 이러한 개선은 보다 효율적인 에너지 생산과 비용 절감으로 이어질 수 있으며, 이는 재생 에너지 부문의 지속 가능한 발전에 중요한 요소입니다. 그러나이 연구는 또한 운량의 갑작스럽고 예상치 못한 변화와 태양 복사 조도에 대한 대규모 기상 시스템의 영향을 예측하는 데 이러한 모델의 한계를 강조합니다. 이러한 한계를 해결하고 일사량 예측의 정확성과 신뢰성을 개선하기 위해서는 추가 연구가 필요합니다.
결론적으로 물리 기반 모델과 데이터 기반 모델의 조합은 여러 가지 이점을 제공합니다. 첫째, 데이터 내의 복잡한 관계를 캡처하면서 기본 물리적 역학을 포괄적으로 이해할 수 있습니다. 이 시너지 효과로 인해 예측 성능이 향상되어 태양광 에너지 생산에서 더 많은 정보에 입각한 의사 결정이 가능해집니다. 궁극적으로 이 연구는 태양 에너지 시스템의 효율적이고 비용 효율적인 배치에 기여하여 지속 가능한 개발을 촉진하고 기후 변화를 완화하기 위한 전 세계적 노력을 지원합니다.
Solar energy is one of the most promising forms of renewable energy, and its development is crucial for mitigating climate change and reducing carbon emissions. However, the unpredictability of solar irradiance, which is affected by various factors such as weather conditions, cloud cover, and time of day, poses significant challenges for solar energy production. Accurate forecasting of solar irradiance is therefore essential for the efficient and cost-effective operation of solar energy production facilities. However, solar irradiance forecasting is a complex and challenging task due to the non-linear and dynamic nature of the system, which is affected by a wide range of factors that are difficult to predict.
This dissertation addresses the challenges of solar irradiance forecasting by exploring the use of advanced forecasting methods: optical flow (OF) method, the Weather Research and Forecasting (WRF) model, and long short-term memory (LSTM) model, to enhance the accuracy of short-term and long-term solar irradiance forecasts. In addition, this study also investigated the potential of these methods for real-world solar energy production applications by converting all global horizontal irradiance into photovoltaic power (w).
The first part of the study focuses on short-term solar irradiance forecasting, which is essential for managing the day-to-day operations of solar energy production facilities. The study introduces a novel approach by combining the OF method with the LSTM model, which is capable of capturing the temporal changes in solar irradiance with high accuracy. The hybridization of the OF method and LSTM model yielded significant enhancements of up to −13.66 W/m2 in root mean square error (RMSE) and 7.85% in forecast skill (FS). The combination of OF and LSTM models showed superior performance, with the ability to capture temporal changes in solar irradiance with high accuracy. However, the OF model has limitations in predicting sudden and unexpected changes in cloud cover, leading to some inaccuracies in the forecast.
The second part of the study focuses on long-term solar irradiance forecasting, which is crucial for energy production planning and management. The study integrates the WRF model into the LSTM model to enhance its accuracy in predicting solar irradiance over 1, 2, and 3 days ahead. The results show that the WRF-LSTM model outperforms the conventional WRF model. It demonstrates the enhancement from 1.99% to 2.63% of rRMSE.
The study demonstrates that the combination of the OF method and LSTM model, as well as the combination of WRF and LSTM models, can enhance the accuracy of solar irradiance forecasting. These improvements can lead to more efficient energy production and reduced costs, which are crucial factors for the sustainable development of the renewable energy sector. However, the study also highlights the limitations of these models in predicting sudden and unexpected changes in cloud cover and the impact of large-scale weather systems on solar irradiance. Further research is needed to address these limitations and improve the accuracy and reliability of solar irradiance forecasting.
In conclusion, the combination of physics-based and data-driven models offers several advantages. Firstly, it allows for a comprehensive understanding of the underlying physical dynamics while capturing the intricate relationships within the data. This synergy results in improved forecasting performance, enabling more informed decision-making in solar energy production. Ultimately, this research contributes to the efficient and cost-effective deployment of solar energy systems, promoting sustainable development and supporting global efforts to mitigate climate change.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)