LSTM-RNN 기반 태양광 발전량 추정을 통한 고속도로 주변부 태양광발전 시설의 적지 선별 기술Searching of Photovoltaic Panel Installation Sites on Highway Network using LSTM RNN-based Power Output Estimation
- Other Titles
- Searching of Photovoltaic Panel Installation Sites on Highway Network using LSTM RNN-based Power Output Estimation
- Authors
- 허재; 박범수; 정윤화; 정재훈; 김병일; 한상욱
- Issue Date
- Mar-2020
- Publisher
- 대한공간정보학회
- Keywords
- Solar Eenergy; Photovoltaic Ppower; Highway Network; Long Short-Term Memory; Recurrent Neural Network; Site Selection; 태양 에너지; 태양광 발전; 고속도로; 장단기 메모리; 순환신경망; 적지 선택
- Citation
- 대한공간정보학회지, v.28, no.1, pp.25 - 33
- Indexed
- KCI
- Journal Title
- 대한공간정보학회지
- Volume
- 28
- Number
- 1
- Start Page
- 25
- End Page
- 33
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/2003
- DOI
- 10.7319/kogsis.2020.28.1.025
- ISSN
- 1598-2955
- Abstract
- 최근 급증하는 태양에너지 수요를 수용하기 위해 발전 효율과 경제성이 높은 부지를 확보하기 위한 태양광 발전시설의 부지 선별 연구가 수행되었다. 하지만 국내의 경우 유휴부지인 고속도로 주변부를 대상으로 음영효과(shadow effect)와 같은 지형효과를 고려한 발전소 입지분석을 한 사례가 거의 없으며, 기존 발전량 데이터가 부족함에 따라 데이터 수집이 용이한 일사량을 사용하여 간접적으로 입지분석을 진행하고 있는 실정이다. 따라서 본 연구는 지형 효과를 충분히 고려하여 제작된 태양복사에너지 지도와 일조시간, 강수량 등 6개의 기상데이터를 사용하여 long short-term memory(LSTM)기반 태양광 발전량 추정모델을 제시하고, 추정된 값을 고속도로 주변부로 제한하여 적지탐색을 실시하였다. 그 결과, 시계열 데이터 기반의 발전량 추정모델의 성능은 RMSE 13.942(h), nRMSE 8.683(%), MAPE 10.873(%), 그리고 R² 0.726으로 나타났다. 또한 고속도로 주변부 적지탐색의 결과로 잠재적으로 발전량이 높을 것으로 예상되는 상위 10곳의 지역을 제시하였다. 이러한 결과는 기설치된 발전소의 시계열 데이터를 활용하여 새로운 지역의 태양광 발전량 추정이 가능하다는 것을 보였으며, 이를 바탕으로 고속도로 주변부 고에너지 잠재지역을 선별할 수 있음을 보여준다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 건설환경공학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/2003)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.