RNN-LSTM을 이용한 태양광 발전량 단기 예측 모델Short Term Forecast Model for Solar Power Generation using RNN-LSTM
- Other Titles
- Short Term Forecast Model for Solar Power Generation using RNN-LSTM
- Authors
- 신동하; 김창복
- Issue Date
- 2018
- Publisher
- 한국항행학회
- Keywords
- Solar power generation forecasting; Deep learning; Artificial neural network; Sunshine; Solar radiation
- Citation
- 한국항행학회논문지, v.22, no.3, pp.233 - 239
- Journal Title
- 한국항행학회논문지
- Volume
- 22
- Number
- 3
- Start Page
- 233
- End Page
- 239
- URI
- https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/4977
- DOI
- 10.12673/jant.2018.22.3.233
- ISSN
- 1226-9026
- Abstract
- 태양광 발전은 기상 상태에 따라 간헐적이기 때문에 태양광 발전의 효율과 경제성 향상을 위해 정확한 발전량 예측이 요구된다. 본 연구는 목포 기상대에서 예보하는 기상 데이터와 영암 태양광 발전소의 발전량 데이터를 이용하여 태양광 발전량 단기 딥러닝 예측모델을 제안하였다. 기상청은 기온, 강수량, 풍향, 풍속, 습도, 운량 등의 기상요소를 3일간 예보한다. 그러나 태양광 발전량 예측에 가장 중요한 기상요소인 일조 및 일사 일사량 예보하지 않는다. 제안 모델은 예보 기상요소를 이용하여, 일조 및 일사 일사량을 예측 하였다. 또한 발전량은 기상요소에 예측된 일조 및 일사 기상요소를 추가하여 예측하였다. 제안 모델의 발전량 예측 결과 DNN의 평균 RMSE와 MAE는 0.177과 0.095이며, RNN은 0.116과 0.067이다. 또한, LSTM은 가장 좋은 결과인 0.100과 0.054이다. 향후 본 연구는 다양한 입력요소의 결합으로 보다 향상된 예측결과를 도출할 수 있을 것으로 기대된다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - IT융합대학 > 에너지IT학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/4977)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.