• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.112-112
• /
• 2023

발전용댐의 댐 유입량 예측 및 운영을 위해서 (주)한국수력원자력에서는 수자원통합 운영시스템(Water resources Integrated System, WIOS)을 운영 중에 있다. 해당 시스템에서는 댐 유입량을 예측하기 위해서 기상청 수치예보모델 중 하나인 국지예보모델(Local Data Assimilation and Prediction System, LDAPS)의 예측강우를 수문모형의 입력자료로 활용하고 있으며, 레이더 기반의 초단시간 강우예측 기법을 자체 개발 중에 있다. 기상청 국지예보모델은 강우의 on/off에 대한 정확도는 90%를 상회할 만큼 높으나 정량적인 강우량의 정확도는 매우 낮고, 레이더 기반의 초단시간 예측 강우는 선행 1~2시간 예측에서는 정량적 정확도는 높으나, 그 이후 예측성능이 급격히 떨어지는 경향을 보인다. 따라서 댐 유입량의 정량적 예측 정확도를 확보하기 위해 초단시간 모델과 국지예보모델의 강우예측 결과를 병합(blending)하는 기법을 적용하여 초기 6시간 동안의 예측 성능을 향상시켜야 한다. 본 연구에서는 선행시간 0~6시간에 대해서 병합하는 기법들을 적용하고 평가하고자 한다. 기본적으로 병합은 초단시간 예측강우와 수치예보자료 간 가중치를 통해 수행된다. 일반적으로 초기 1시간 선행시간에서 레이더 기반 예측강우는 완벽한 예측자료(외삽 관측자료의 가중치는 1.0)로 가정하며, tanh 함수를 이용하여 선행시간의 증가에 따라 가중치를 감소시키면서, 6시간 선행시간에서는 수치예보 예측강우가 완벽한 예측자료라고 가정한다. 본 연구에서는 일반적인 병합 방법 외에 병합된 예측강우에 과거 관측강우와 예측강우의 평균편이를 적용하여 보정하는 방법, 사례별 변동성이 큰 병합된 예측강우 특성을 고려하여 병합 가중치를 신뢰도에 따라 가변시키는 방법을 적용하여 평가한다. 이를 통해 댐 유입량 예측에 최적이 되는 병합기법을 선정하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.

• Journal of Korea Water Resources Association
• /
• v.50 no.5
• /
• pp.335-346
• /
• 2017

This study generated the radar-based forecasted rainfall using spatial-scale decomposition method (SCDM) and evaluated the hydrological applicability with forecasted rainfall by KMA (MAPLE, KONOS) in terms of urban flood forecasting. SCDM is to separate the small-scale field (convective cell) and large-scale field (straitform cell) from radar rainfield. And each separated field is forecasted by translation model and storm tracker nowcasting model for improvement of QPF accuracy. As the evaluated results of various QPF for three rainfall events in Seoul and Metropolitan area, proposed method showed better prediction accuracy than MAPLE and KONOS considering the simplicity of the methodology. In addition, this study assessed the urban hydrological applicability for Gangnam basin. As the results, KONOS simulated the peak of water depth more accurately than MAPLE and SCDM, however cannot simulated the timeseries pattern of water depth. In the case of SCDM, the quantitative error was larger than observed water depth, but the simulated pattern was similar to observation. The SCDM will be useful information for flood forecasting if quantitative accuracy is improved through the adjustment technique and blending with NWP.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.202-202
• /
• 2020

산지 및 도시에서 발생하는 돌발홍수가 대상인 예경보는 홍수 도달시간이 짧고, 수위가 급격하게 상승하는 특성 때문에 1시간 선행시간 확보를 목표로 한다(MOLIT, 2016). 그러나 현재 돌발홍수 예경보 process에 소요되는 시간은 그 이상으로 확인되고 있다. 또한, 돌발홍수 예경보시스템으로부터 출력된 예측 결과를 사람이 직접 확인해야 한다는 단점도 있다. 본 연구에서는 돌발홍수 예경보 선행시간 1시간 확보를 목표로 backward-forward tracking 기법 기반 예측강우 편의보정기법을 제안하고자 한다. 이 기법은 현재 시점보다 이전에 보정계수를 결정함으로써 돌발홍수 예경보 소요시간을 크게 줄여 돌발홍수 대피시간을 확보할 수 있게 한다. 또한, 보정계수의 결정과 적용이 연속적으로 이루어짐에 따라 10분 간격으로 생성되는 MAPLE의 지속적인 편의보정이 가능하다. 예측강우에 대한 보정계수는 현재보다 10분 이전에 결정한다. 즉, 10분 이전 시점에 생성된 10분, 70분 선행 예측강우에 backward tracking을 적용하여 현재 시점의 호우 위치인 target window를 찾는다. 그리고 target window에서 보정계수를 결정한다. 결정된 보정계수는 돌발홍수발령 대상지역인 correction window의 현재 생성된 60분 선행 예측강우에 적용한다. 이 과정에서 과거 시점 10분 선행 예측강우와 현재 시점에 생성된 60분 선행 예측강우와의 forward tracking이 수행된다. Storm tracking 기법으로는 두 예측강우의 호우패턴에 대한 유사성을 정량화한 패턴상관계수를 이용하였다. 대상 호우사상으로는 2016년에 발생한 주요 호우사상을 선정하였다. 본 연구에서 제안하는 기법을 적용하고, 편의보정 결과를 기존 편의보정기법 적용 결과와 비교하였다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.1B
• /
• pp.21-27
• /
• 2011

When execute runoff forecasting, can not remove perfectly uncertainty of forecasting results. But, reduce uncertainty by various techniques analysis. This study applied various forecasting techniques for runoff prediction's accuracy elevation in Gongju basin. statics techniques is ESP, Period Average & Moving average, Exponential Smoothing, Winters, Auto regressive moving average process. Authoritativeness estimation with results of runoff forecasting by each techniques used MAE (Mean Absolute Error), RMSE (Root Mean Squared Error), RRMSE (Relative Root Mean Squared Error), Mean Absolute Percentage Error (MAPE), TIC (Theil Inequality Coefficient). Result that use MAE, RMSE, RRMSE, MAPE, TIC and confirm improvement effect of runoff forecasting, ESP techniques than the others displayed the best result.

• Journal of Korea Water Resources Association
• /
• v.51 no.6
• /
• pp.523-533
• /
• 2018

The objective of this study is to analyze uncertainties of ensemble-based streamflow prediction method for model parameters and input data. ESP (Ensemble Streamflow Prediction) and BAYES-ESP (Bayesian-ESP) based on ABCD rainfall-runoff model were selected as streamflow prediction method. GLUE (Generalized Likelihood Uncertainty Estimation) was applied for the analysis of parameter uncertainty. The analysis of input uncertainty was performed according to the duration of meteorological scenarios for ESP. The result showed that parameter uncertainty was much more significant than input uncertainty for the ensemble-based streamflow prediction. It also indicated that the duration of observed meteorological data was appropriate to using more than 20 years. And the BAYES-ESP was effective to reduce uncertainty of ESP method. It is concluded that this analysis is meaningful for elaborating characteristics of ESP method and error factors of ensemble-based streamflow prediction method.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.571-574
• /
• 2016

최근 에너지 효율을 최적화하는 차세대 지능형 전력망인 스마트 그리드 시스템(Smart Grid System)이 국내외에 널리 보급되고 있다. 그로 인해 그리드 시스템의 효율적인 운영을 위해 적용되는 EMS(Energy Management System) 기술의 중요성이 커지고 있다. EMS는 에너지 사용량 예측의 높은 정확성이 요구되며, 예측이 정확하게 수행될수록 에너지의 활용성이 높아진다. 본 논문은 전력 사용량 예측의 정확성 향상을 위한 새로운 기법을 제안한다. 구체적으로, 먼저 사용량에 영향을 미치는 환경적인 요인들을 분석한다. 분석된 요인들을 적용하여 유사한 환경을 가지는 전력 사용량 데이터의 사전 군집화를 수행한다. 그리고 예측 일에 관련된 환경 정보와 가장 유사한 군집의 전력 사용량 데이터를 기반으로 전력 사용량을 예측한다. 제안하는 기법의 성능을 평가하기 위해, 다양한 실험을 통하여 일간 전력 사용량을 예측하고 그 정확성을 측정하였다. 결과적으로, 기존의 기법들과 비교했을 때, 최대 52.88% 향상된 전력 사용량 예측 정확성을 보였다.

• 한국신재생에너지학회:학술대회논문집
• /
• 2011.05a
• /
• pp.61.1-61.1
• /
• 2011

풍력 터빈은 복잡한 바람 조건에 노출되어 운용 되는 시스템으로서 경제성과 신뢰성을 확보하기 위해서는 이러한 조건하에서 시스템에 작용하는 정확한 공력 하중 예측이 필요하다. 여러 조건 중에서도 요에러는 풍향이 수시로 바뀌기 때문에 피할 수 없는 비정상 유동 중에 하나이다. 본 연구에서는 이러한 요에러 발생시 공력 하중예측을 적절히 예측하기 위해서 와류 격자 기법을 기반으로 하는 비선형 와류 보정기법을 적용하였다. 비선형 와류 보정기법은 실속 이후의 공력 예측을 위해 기지의 공력 테이블을 이용하는 방법으로서 실속 이후의 공력 테이블 값의 양력과 와류 격자 기법에서의 양력 값이 일치하도록 순환(circulation)을 분포시키는 기법이다. 또한 요에러시에 발생할 수 있는 동적 실속을 계산하기 위해 Beddoes-Leishmen 동적 실속 모델을 비선형 와류 보정 기법에 적용하는 연구를 수행하였다. 요에러시 공력 하중 예측에 관한 수치해석 기법 연구의 적절성을 알아보기 위해 NREL-Phase VI Rotor 실험 결과와 비교 하였다. 그 결과 기존의 여타의 기법들과 비교하여 본 연구에서 제안한 기법의 적절성을 확인 할 수 있었다. 앞으로 본 연구를 바탕으로 다양한 비정상 공력 조건에 대한 풍력 블레이드의 공력 하중 해석에 대해 수행할 계획이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.