• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.89-90
• /
• 2015

현재 사용되고 있는 풍력발전 예측 모델은 물리적인 시간변화에 따른 예측을 진행하고 있다. 제주도 풍력단지의 출력 값과 풍력단지 상호 거리에 대한 상관관계를 분석해본 결과, 거리가 가까울수록 높은 상관계수를 보이는 것을 알 수 있었다. 따라서 풍력 예측 모델에서 시간적인 특성뿐 아니라 공간적 특성을 같이 고려하는 것이 필요하다. 본 논문에서는 국내 외 풍력발전 예측 모델을 분석을 수행하고, 풍력 예측 모델에 공간기법 적용의 필요성에 대해 연구하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1085-1087
• /
• 2012

현재 급격한 화석 에너지의 사용 증가로 인해 자원이 고갈되고 있으며, 심각한 환경오염의 문제가 발생하고 있다. 이러한 화석 에너지의 문제점 때문에 무공해이면서 자원 량이 무한에 가까운 신재생 에너지가 거론되고 있는데, 그 중에서 경제적인 면과 기술력이 가장 발전한 풍력 에너지가 각광 받고 있다. 하지만 풍력 발전은 풍속이 짧은 시간 안에 급격한 변화를 일으켜 풍력 터빈의 손상을 초래하며 정확한 풍력발전량의 예측이 힘들어 전력 생산량이 불규칙하다. 그리하여 전력의 공급과 수요의 균형을 위해 풍력발전량의 정확한 예측이 필요하다. 따라서 이 연구에서는 ANFIS을 적용하고 전력 생산 변화의 빠르기 PRR을 이용하여 풍력발전량을 예측하였다. 실험에서는 ANFIS기법에 PRR속성을 이용하여 단순한 ANFIS 기법 보다 더 정확한 풍력 발전량의 예측 결과를 얻을 수 있었다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2013.02a
• /
• pp.673-673
• /
• 2013

최근 시대의 흐름에 따라 많은 에너지의 사용으로 여러 가지 에너지원이 필요로 하게 되면서 지금까지는 석탄, 석유 등 매장된 에너지원을 사용하고 있지만, 최근 에너지 위기와 여러 가지의 환경문제가 대두 되면서 세계적으로 새로운 청정에너지원을 필요로 하게 되었다. 그 결과 태양광, 풍력, 지열 등 여러 가지의 신재생에너지원이 대두되게 되었으며, 여러 가지의 신재생에너지원 중 주목받고 있는 풍력에너지에 대한 연구가 현재 활발히 진행 중에 있다. 풍력발전은 바람의 에너지를 이용해 블레이드에 연결된 터빈을 구동하여 전기 에너지를 얻는 방식이며, 아직까지는 많은 곳에서 사용될 만큼 생산이 되지 않고 있지만 조만간 많은 곳에서 쓰일 것으로 예상된다. 풍력발전 시스템이 전력시장에서 차지하는 비중이 점차 증가하고 있으나 풍향, 풍속 등의 변화로 인하여 안정적인 발전 출력을 항상 보장할 수 없다. 그러므로 본 논문에서는 실제 풍력발전기로부터 수집된 풍향, 풍속, 발전출력 데이터를 처리하여 데이터베이스를 구축하고, 퍼지 뉴런에 기반한 퍼지-뉴럴 네트워크 예측 모델을 이용하여 풍력발전 출력을 예측하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.2
• /
• pp.329-338
• /
• 2021

This study predicts the amount of wind power generation for rational operation plan of wind power generation and capacity calculation of ESS. For forecasting, we present a method of predicting wind power generation by combining a physical approach and a statistical approach. The factors of wind power generation are analyzed and variables are selected. By collecting historical data of the selected variables, the amount of wind power generation is predicted using deep learning. The model used is a hybrid model that combines a bidirectional long short term memory (LSTM) and a convolution neural network (CNN) algorithm. To compare the prediction performance, this model is compared with the model and the error which consist of the MLP(:Multi Layer Perceptron) algorithm, The results is presented to evaluate the prediction performance.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.3
• /
• pp.585-592
• /
• 2013

As the needs for alternative energy and renewable energy increase, there has been a lot of investment in developing wind energy, which does not cause air pollution nor the greenhouse gas effect. Wind energy is an environment friendly energy that is unlimited in its resources and is possible to be produced wherever the wind blows. However, since wind energy heavily relies on wind that has unreliable characteristics, it may be difficult to have efficient energy transmissions. For this reason, an important factor in wind energy forecasting is the estimation of available wind power. In this study, Gunsan wind farm data was used to compare ARMA model to neural network model to analyze for more accurate prediction of wind power generation. As a result, the neural network model was better than the ARMA model in the accuracy of the wind power predictions.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.696-697
• /
• 2011

신재생에너지는 기후변화협약 및 화석연료의 고갈 등으로 인해 전력계통으로의 도입 필요성은 증가하고 있으나 경제성 부재로 인해 도입 시 많은 제약이 있었다. 그러나 최근 풍력발전기의 경제성이 확보되고 있는 추세이며 일부 유럽 국가를 중심으로 전력계통에 연계하여 운전하고 있다. 특히 스페인의 경우 풍력발전기의 발전량을 예측하는 시스템을 개발하여 풍력발전량의 간헐적인 출력 특성을 보완하고 이용 효율을 향상시킬 수 있도록 다른 발전설비와 연계하여 전력계통을 운영하고 있으며, 풍력발전량을 고려한 예비력을 산정함으로써 경제적이고 안정적인 전력계통을 유지하고 있다. 또한 풍력발전기의 간헐적인 출력 특성을 보완하기 위해 에너지저장장치와의 협조 운영 가능한 시스템을 구축하는 사례가 증가하고 있으며 우리나라의 제주 스마트그리드 실증사업의 Smart Renewable이 이와 같은 경우라 할 수 있다. 본 논문에서는 기계학습이론 중 하나인 SVR을 이용한 풍력발전량 예측 시스템을 개발에 대해 기술하였으며, 행원14호기의 풍력발전량 이력데이터를 이용하여 풍력발전량 예측을 수행하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.157-159
• /
• 2012

산업혁명 이후 현대사회의 급격한 발전과 화석에너지의 무분별한 사용으로 인해 화석자원이 고갈되고 있으며 환경오염 문제가 심각한 실정이다. 이러한 자원의 고갈과 환경오염 문제를 해결하기 위해 최근에 친환경적이며 자원량이 무한대에 가까운 신재생에너지 자원에 대한 개발이 많은 관심을 받고 있다. 신재생에너지 중에서 풍력에너지는 바람의 가변성으로 인해 짧은 시간 안에 전력 생산량이 급증하거나 급강하는 ramp 현상이 발생하여 풍력발전량의 예측이 어렵다. 따라서 안정적인 전력 공급을 위해서는 풍력발전량의 정확한 예측이 필요하다. 이 연구에서는 정확한 풍력발전량의 예측을 위하여 전력 생산 변화의 빠르기를 나타내는 PRR을 속성으로 사용하고 ANFIS기법을 적용하여 풍력발전량을 예측하였다. 실험 결과 기존의 ANFIS기법을 적용한 경우 보다 PRR속성을 이용하여 적용한 경우 더 정확한 풍력발전량의 결과를 얻을 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.284-285
• /
• 2015

발전설비의 불시정지, 예상치 못한 전력수요 급증 등 전력수요와 공급의 불확실성에 대비하기 위해 예비력을 운영 하고 있다. 최근 풍력발전원의 지속적인 증가로 풍력발전 출력값과 예측값의 차이인 예측오차에서 기인하는 풍력발전출력의 불확실성 또한 예비력 산정 시 고려할 주요 요소로 논의되고 있다. 본 논문에서는 발전력의 상당 부분을 풍력발전원이 담당하는 전력시스템에서 산정된 운영예비력의 적정성을 평가하는 방안을 제시하였다. 기존의 전력수요 예측오차, 발전기 불시정지 뿐만 아니라 풍력발전원의 불확실성을 모두 고려해 산정된 운영 예비력의 적정성을 평가한다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1373-1383
• /
• 2016

The wind energy industry and wind power generation have increased; consequently, the stable supply of the wind power has become an important issue. It is important to accurately predict the wind power with short-term basis in order to make a reliable planning for the power supply and demand of wind power. In this paper, we first analyzed the speed, power and the directions of the wind. The neural network and the time series models (ARMA, ARMAX, ARMA-GARCH, Holt Winters) for wind power generation forecasting were compared based on mean absolute error (MAE). For one to three hour-ahead forecast, ARMA-GARCH model was outperformed, and the neural network method showed a better performance in the six hour-ahead forecast.

• Journal of the Korean Professional Engineers Association
• /
• v.46 no.2
• /
• pp.36-43
• /
• 2013

풍력발전단지의 운영으로 인한 주된 소음은 풍력발전기의 고체음과 바람을 가르는 마찰 기류음으로 대별된다. 본 원고(原稿)에서는 소음레벨을($L_{PAN}$) 정량적으로 예측, 계산하는데 이용하는 소음예측식을 풍력발전에 맞게 이론적으로 해석하고, 소음발생원의 특성을 분석하여 운영시 소음영향 및 저감방안을 검토하였다. 풍력발전 사업계획시 소음예측식과 소음모델링(CadnaA version4.1, SoundPLAN version7.0 해석 결과 등)을 이용한 예측결과를 서로 비교 검토하고, 운영시(사후환경영향조사 등) 실제 소음레벨과 소음예측 결과를 서로 비교분석하여 데이터를 축척하길 바란다. 제언한 소음저감방안이 불충분한 경우 발전기의 배치와 설치간격, 발전기종 및 발전용량, 설치장소의 재선정 등을 추가 검토할 필요가 있다.