Solar Energy Prediction Based on Artificial neural network Using Weather Data

태양광 에너지 예측을 위한 기상 데이터 기반의 인공 신경망 모델 구현

Solar power generation system is a energy generation technology that produces electricity from solar power, and it is growing fastest among renewable energy technologies. It is of utmost importance that the solar power system supply energy to the load stably. However, due to unstable energy production due to weather and weather conditions, accurate prediction of energy production is needed. In this paper, an Artificial Neural Network(ANN) that predicts solar energy using 15 kinds of meteorological data such as precipitation, long and short wave radiation averages and temperature is implemented and its performance is evaluated. The ANN is constructed by adjusting hidden parameters and parameters such as penalty for preventing overfitting. In order to verify the accuracy and validity of the prediction model, we use Mean Absolute Percentage Error (MAPE) and Mean Absolute Error (MAE) as performance indices. The experimental results show that MAPE = 19.54 and MAE = 2155345.10776 when Hidden Layer $Sizes=^{\prime}16{\times}10^{\prime}$.

태양광발전시스템은 태양광으로부터 에너지를 생산하는 발전기술이며, 신재생 에너지 기술 중 가장 빠르게 성장하고 있다. 태양광 발전 시스템은 부하에 안정적으로 에너지를 공급하는 것이 가장 중요시 된다. 그러나 날씨 및 기상 조건에 따라 에너지 생산이 불안정하기 때문에 에너지 생산량에 대한 정확한 예측이 필요하다. 본 논문에서는 강수량, 장 단파 복사선 평균, 온도 등 15가지 종류의 기상 데이터를 사용하여 태양광 에너지를 예측하는 인공 신경망(ANN)을 구현하고 성능을 평가한다. 인공 신경망은 은닉층을 구성하고 오버피팅을 방지하기 위한 페널티 ${\alpha}$와 같은 파라미터를 조절하여 구현한다. 예측모델의 정확도와 타당성을 검증하기 위해 성능지표로 MAPE(Mean Absolute Percentage Error)와 MAE(Mean Absolute Error)를 사용한다. 실험 결과 Hidden Layer $Sizes=^{\prime}16{\times}10^{\prime}$을 사용하였을 때 MAPE=19.54와 MAE=2155345.10776로 나타났다.