Regular-curve-detection model based PV solar power generation forecasting
정규 곡선 검출 모델 기반 태양광 발전 예측
- 주제어 (키워드) 기계학습 , 시계열 예측 , 신재생에너지
- 발행기관 서강대학교 일반대학원
- 지도교수 김홍석
- 발행년도 2022
- 학위수여년월 2022. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000066728
- UCI I804:11029-000000066728
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
기존 기계학습(Machine Learning; ML) 기반 시계열(Time Series) 데이터 예측방법으로 Autoregressive Integrated Moving Average(ARIMA)와 같은 통계적 학습이 주로 선택되어왔다\cite{gossling2009carbon}. 이 후 많은 데이터를 기반으로한 학습 방법론인 심층 신경망(Deep Neural Network; DNN)을 활용한 심층 학습(Deep Learning; DL)을 통해 예측 모델을 학습하는 연구가 현재까지 진행되어 오고 있다. 하지만 시계열 데이터의 경우 데이터 의존성이 크다. 영상, 음성 데이터에 비해 시간적으로 누적되어온 데이터의 양이 비교적 적다. 따라서 한정된 데이터를 활용하여 모델을 학습시키는데 큰 어려움을 겪는다. 태양광 발전량 데이터도 마찬가지로 결측값과 데이터의 길이에 대한 분석이 필요하다. 실제 데이터를 활용하기 위해서는 정상적으로 기록된 데이터인지도 확인하여야 한다. 딥러닝 기반 모델로 학습할 경우 비정상 데이터가 포함되면 학습하고자 하는 목표를 달성하는데 지장이 생긴다. 실 데이터 기반 예측을 위해 비정상 데이터를 분류해내어 정상데이터만을 활용한 예측모델을 구성하였다. 이를 통해 예측성능을 향상하고 더 나아가 신재생에너지 사업에서 VPP를 구성하는데 군집화를 통한 발전량 예측이 도움이 됨을 확인하였다.
more