A Study on Solar Radiation Forecasting Based on Long Short-term Memory Considering Hourly Weather Changes
Minseok Kim, Seunghwan Jung, Jonggeun Kim, Hansoo Lee, Sungshin Kim · Journal of Korean institute of intelligent systems · 2021
안정적인 전력계통 운영을 위해서는 기상 변화에 따라 변동되는 발전량을 예측할 수 있는 시스템이 수반되어야 한다. 태양광 발전량 예측을 위해 사용되는 대부분의 기상정보는 일기예보를 통해 쉽게 획득할 수 있다. 하지만, 발전량에 많은 영향을 미치는 일사량은 일기예보에 포함되어 있지 않으므로 정확한 발전량 예측을 위해 일사량 예측과 관련된 연구가 활발히 진행되고 있다. 최근에는 시계열 데이터를 효과적으로 처리할 수 있는 순환신경망과 같은 인공지능 기술이 발전함에 따라 LSTM(Long short-term memory)을 이용한 일사량 예측 연구가 제안되고 있다. LSTM은 과거 정보를 반영함으로써 일사량 예측 성능을 높일 수 있다. 따라서, 본 논문에서는 기상 변화를 고려할 수 있는 입력변수(대기권 밖 일사량, 대기청명도 등)를 생성한 다음 LSTM에 적용하여 다음 날의 시간별 일사량을 예측하는 방법을 제안하였다. 실험 결과, 제안된 방법이 인공신경망을 이용한 일사량 예측 방법 보다 시간별 일사량을 적절히 예측할 수 있음을 확인하였다.