kNN-LSTM을 이용한 시간별 일사량 예측 성능 개선에 관한 연구

국문 초록 (Abstract)

세계 에너지시장 동향 및 재생에너지 관련 제도 개선으로 태양광발전 보급이 증가하고 있다. 태양광발전은 탄소를 발생시키지 않으면서 발전할 수 있다는 점에서 유망한 대체 에너지원이다. 하지만, 이러한 재생에너지를 이용한 전력원은 자연에너지를 이용하는 특성상 불안전한 발전출력으로 인해 발전량 예측, 유지보수 및 관리 시스템이 필요하다. 태양광 발전량을 예측하기 위해서는 먼저 태양광 발전에 가장 많은 영향을 미치는 일사량을 예측해야 하므로 이와 관련된 연구가 지속적으로 수행되고 있다. 따라서, 본 논문에서는 kNN-LSTM (k-Nearest Neighbor and Long Short-Term Memory) 기반 일사량 예측 방법을 제안한다. 제안된 방법은 kNN을 이용하여 전 날 일사량 패턴과 유사한 과거 데이터를 탐색한 다음 LSTM에 입력변수로 사용하여 다음 날의 시간별 일사량을 예측한다. 실험 결과, 제안된 방법이 서포트 벡터 회귀, 인공신경망 및 LSTM에 비해 계절에 따른 청명한 날과 흐린 날 모두 효과적으로 예측할 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

The supply of solar power is increasing owing to global energy market trends and the improvement of new and renewable energy-related systems. solar power is a promising alternative energy source in that it can make electricity without generating carbon. However, since the power generation output is unstable due to the nature of using solar energy, a power generation prediction, maintenance, and management system is required. To predict the amount of solar power generation, it is necessary to forecast solar radiation that has the most influence on the solar power generation. Therefore, research related to this has been continuously being conducted. In this paper, we propose a method for forecasting solar radiation based on k-Nearest Neighbor and Long Short-Term Memory (kNN-LSTM). The proposed method uses kNN to search training data similar to the previous day"s solar radiation pattern and then uses it as an input variable to LSTM to forecasting the hourly solar radiation of the next day. The experimental results show that the proposed method can effectively predict both seasonal sunny and cloudy days compared to the conventional method by comparing it with Support Vector Regression, Artificial Neural Network and LSTM.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 일사량 예측 실험 및 분석
• 3. 실험 결과
• 4. 결론 및 향후과제
• References