본 기술은 미래의 기상 예보 대신 하루 중 피크 시간대 이전에 측정된 온도, 습도, 구름양, 일사량 데이터를 입력으로 삼아 그날 피크 시간대의 태양광 발전량을 예측하는 기계학습 기반 장치 및 방법입니다. RNN, LSTM, GRU 세 가지 신경망 예측 모델을 학습시키고 예측 정확도 비율에 따른 가중 평균으로 최종 발전량을 산출합니다.
피크 시간대 태양광 발전량 예측은 전력 가격 결정, 계통 안정성, 발전 계획 수립에 중요하지만, 기존 기법은 피크 시간대에 대한 미래 기상 예보 데이터에 의존했습니다. 기상 예보는 잘못된 값이 포함될 수 있는 불확실성을 지니고 있어 이를 기반으로 한 발전량 예측은 정확도를 확보하기 어려운 문제가 있었습니다.
본 기술은 이미 측정이 끝난 당일 오전 기상 데이터만 사용하므로 예보 오차의 영향을 받지 않고, 서로 다른 순환 신경망 모델의 정확도에 비례해 가중치를 부여한 앙상블로 단일 모델보다 안정적인 예측값을 제공합니다. 예측 결과는 단위 시간 간격의 발전량으로 화면에 표시되어 관리자가 바로 활용할 수 있습니다. 이 기술은 태양광 발전소 운영과 전력 거래 입찰, 에너지 저장장치 충방전 계획에 적용될 수 있어 외부 예보 서비스 없이도 피크 시간대 발전량을 당일 오전에 확정적으로 가늠할 수 있게 합니다.
본 발명은 교육부의 인간-공간 상호작용의 전체최적화를 위한 딥러닝 기반의 지능공간 의사결정 모델연구 지원을 통해 개발되었습니다.
N/A
