• Journal of Internet of Things and Convergence
• /
• v.8 no.3
• /
• pp.55-61
• /
• 2022

In order to reduce greenhouse gases, the main culprit of global warming, the United Nations signed the Climate Change Convention in 1992. Korea is also pursuing a policy to expand the supply of renewable energy to reduce greenhouse gas emissions. The expansion of renewable energy development using solar power led to the expansion of wind power and solar power generation. The expansion of renewable energy development, which is greatly affected by weather conditions, is creating difficulties in managing the supply and demand of the power system. To solve this problem, the power brokerage market was introduced. Therefore, in order to participate in the power brokerage market, it is necessary to predict the amount of power generation. In this paper, the prediction system was used to analyze the Yonchuk solar power plant. As a result of applying solar insolation from on-site (Model 1) and the Korea Meteorological Administration (Model 2), it was confirmed that accuracy of Model 2 was 3% higher. As a result of comparative analysis of the DNN and RNN models, it was confirmed that the prediction accuracy of the DNN model improved by 1.72%.

• The Bulletin of The Korean Astronomical Society
• /
• v.37 no.2
• /
• pp.129.1-129.1
• /
• 2012

서포트 벡터 머신(Support Vector Machine, SVM)과 인공신경망 모형(Neural Network, NN)을 사용하여 태양 양성자 현상(Solar proton event, SPE)의 플럭스 세기를 예측해 보았다. 이번 연구에서는 1976년부터 2011년까지 10MeV이상의 에너지를 가진 입자가 10개 cm-1 sec-1 ster -1 이상 입사할 경우를 태양 양성자 현상으로 정의한 NOAA의 태양 고에너지 입자 리스트와 GOE위성의 X-ray 플레어 데이터를 사용하였다. 여기에서 C, M, X 등급의 플레어와 관련있는 178개 이벤트를 모델의 훈련을 위한 데이터(training data) 89개와 예측을 위한 데이터(prediction data) 89개로 구분하였다. 플러스 세기의 예측을 위하여, 우리는 로그 플레어 세기, 플레어 발생위치, Rise time(플레어 시작시간부터 최대값까지의 시간)을 모델 입력인자로 사용하였다. 그 결과 예측된 로그 플럭스 세기와 관측된 로그 플럭스 세기 사이의 상관계수는 SVM과 NN에서 각각 0.32와 0.39의 값을 얻었다. 또한 두 값 사이의 평균 제곱근 오차(Root mean square error)는 SVM에서 1.17, NN에서는 0.82로 나왔다. 예측된 플럭스 세기와 관측된 플럭스 세기의 차이를 계산해 본 결과, 오차 범위가 1이하인 경우가 SVM에서는 약 68%이고 NN에서는 약 80%의 분포를 보였다. 이러한 결과로부터 우리는 NN모델이 SVM모델보다 플럭스 세기를 잘 예측하는 것을 알 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.389-392
• /
• 2012

에너지관리 지원 서비스는 공장 내에서 일어나는 전력발전 및 전력할당을 데어터 분석 기법 등을 이용하여 효과적으로 관리하는 것을 목적으로 한다. 특히 그 중에서도 태양광, 풍력 등 친환경 에너지를 이용한 에너지관리 시스템은 비용절감 뿐만 아니라 환경보호 측면에서도 중요한 문제라 할 수 있다. 이들 친환경 에너지를 제대로 이용하기 위해서는 그들의 발전량을 정확히 예측할 필요가 있지만 현재의 시스템에는 가장 기본적인 예측법인 최근접 이웃법을 사용하고 있다. 최근접 이웃법의 경우 노이즈와 아웃라이어에 민감하다는 단점이 있기 때문에 이들 상황에 대처할 수 있는 보다 정교한 예측법이 필요하다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.8
• /
• pp.339-346
• /
• 2022

Recently, the resource depletion and climate change problem caused by the massive usage of fossil fuels for electric power generation has become a critical issue worldwide. According to this issue, interest in renewable energy resources that can replace fossil fuels is increasing. Especially, photovoltaic power has gaining much attention because there is no risk of resource exhaustion compared to other energy resources and there are low restrictions on installation of photovoltaic system. In order to use the power generated by the photovoltaic system efficiently, a more accurate photovoltaic power forecasting model is required. So far, even though many machine learning and deep learning-based photovoltaic power forecasting models have been proposed, they showed limited success in terms of interpretability. Deep learning-based forecasting models have the disadvantage of being difficult to explain how the forecasting results are derived. To solve this problem, many studies are being conducted on explainable artificial intelligence technique. The reliability of the model can be secured if it is possible to interpret how the model derives the results. Also, the model can be improved to increase the forecasting accuracy based on the analysis results. Therefore, in this paper, we propose an explainable photovoltaic power forecasting scheme based on BiLSTM (Bidirectional Long Short-Term Memory) and SHAP (SHapley Additive exPlanations).

• Smart Media Journal
• /
• v.9 no.1
• /
• pp.84-91
• /
• 2020

Along with increasing the renewable energy utilization, many researches have paid attention on the utilization and efficiency of energy storage systems. Especially, it is required an operational model in order to actively respond with each system's failure of sub-systems in the solar energy storage system. This paper proposes an energy management scheme by estimating the newly generated power based on the solar power generation samples. With comparing the estimated battery charging power in real time and the total charging power of the battery rack, a charge model is applied to adjust the charging power, As a result, the stability of energy storage system would be improved by suppressing the battery heat while maintaining battery C-Rate.

• Journal of IKEEE
• /
• v.26 no.3
• /
• pp.355-363
• /
• 2022

Korea is pursuing a plan to switch and expand energy sources with a focus on renewable energy with the goal of becoming carbon neutral by 2050. As the instability of energy supply increases due to the intermittent nature of renewable energy, accurate prediction of the amount of renewable energy generation is becoming more important. Therefore, the government has opened a small-scale power brokerage market and is implementing a system that pays settlements according to the accuracy of renewable energy prediction. In this paper, a prediction model was implemented using a statistical model and an artificial intelligence model for the prediction of solar power generation. In addition, the results of prediction accuracy were compared and analyzed, and the revenue from the settlement amount of the renewable energy generation forecasting system was estimated.

• Journal of the Korean Solar Energy Society
• /
• v.31 no.5
• /
• pp.19-26
• /
• 2011

복잡지형에서의 풍력단지 CFD 모델링을 통한 시뮬레이션 결과가 이 논문에 주어졌다. 이 연구를 위하여 작은 산(오름)들로 둘러싸인 제주도 성산 풍력단지가 선택되었고, 두 개의 주풍향에 대하여 ANSYS CFX로 시뮬레이션 하였다. 격자생성을 위하여 실제 지형데이터가 사용되었고, 풍력발전기와 복잡지형으로부터 발생하는 후류효과를 예측하기 위하여 SST 난류모델 및 액추에이터 디스크 모델이 적용되었다. 그 결과, 성산 풍력단지 주변에 있는 작은 산 및 풍력발전기에서 발생하는 후류의 영향은 3~7 km 계속된다고 예측되었다. 또한 그 후류는 풍속 및 난류강도에 상당한 영향을 미치고 있다고 예측되었다.

• Journal of the Korean Solar Energy Society
• /
• v.39 no.5
• /
• pp.41-52
• /
• 2019

The purpose of the work is to develop a simple solar irradiance prediction model using a deep learning method, the LSTM (long term short term memory). Other than existing prediction models, the proposed one uses only the cloudiness among the information forecasted from the national meterological forecast center. The future cloudiness is generally announced with four categories and for three-hour intervals. In this work, a daily irradiance pattern is used as an input vector to the LSTM together with that cloudiness information. The proposed model showed an error of 5% for learning and 30% for prediction. This level of error has lower influence on the load prediction in typical building cases.

• KIPS Transactions on Computer and Communication Systems
• /
• v.5 no.10
• /
• pp.353-360
• /
• 2016

Recently, solar photovoltaic(PV) power generation which generates electrical power from solar panels composed of multiple solar cells, showed the most prominent growth in the renewable energy sector worldwide. However, in spite of increased demand and need for a photovoltaic power generation, it is difficult to early detect defects of solar panels and equipments due to wide and irregular distribution of power generation. In this paper, we choose an optimal machine learning algorithm for estimating the generation amount of solar power by considering several panel information and climate information and develop a defect detection system by using the chosen algorithm generation. Also we apply the algorithm to a domestic solar photovoltaic power plant as a case study.

• 한국신재생에너지학회:학술대회논문집
• /
• 2010.06a
• /
• pp.71.1-71.1
• /
• 2010

본 연구는 1.3 MW급 태양광 발전소에서 기온 및 일사량에 따른 발전성능이 유지 보수 및 사후관리에 따라 성능이 향상될 수 있음을 실측자료를 통해 입증하는데 목적이 있다. 실측자료는 2008년 5월 전북 부안에 설치된 태양광 발전소에서 측정된 기온 및 일사량에 따른 발전량을 이용하였으며, 측정기간은 2009년 1월~2009년 12월까지 1년간 모니터링을 한 데이터를 기반으로 분석하였고, 발전소 성능 지표인 PR(Performance Ratio)을 계산하여 자료로 활용하였다. 또한, 실측자료는 PVSYST를 이용하여 실측자료와 동일한 조건에서 예측된 시뮬레이션 발전량 및 PR값과 비교 분석하였다. 실측자료와 해석결과의 비교에서 월단위로 측정된 실측 발전량과 예측 발전량은 유사한 경향을 나타냈으며, 실측 발전량은 예측 발전량 대비 약 5% 낮게 나타났다. 또한, 실측 PR값은 예측 PR값보다 약 4.97% 높게 나타났는데, 이는 해석을 위해 적용되는 일사량(기상청)과 실측 일사량이 다르고, Team Function 방식으로 구동되는 인버터와 시뮬레이션에서의 인버터 구동방식의 차이 때문인 것으로 판단된다. 한편, 일조량의 증가에 따른 1.3MW급 태양광 발전소의 발전량은 비례적으로 증가하는 경향을 나타냈으며, 7월의 경우 기후특성으로 인하여 국부적으로 감소하는 특성을 나타낸다.