지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 허진
- 발행연도
- 2019
- 저작권
- 상명대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
전 세계적으로 저탄소 정책, 탈원전 등 다양한 환경개선을 위한 대책이 마련되고 있으며, 풍력과 태양광을 포함한 신재생에너지가 미래 전력계통의 주요 전원으로 급격히 성장하고 있다. 국내에서는 재생에너지 3020 정책에 따라 대규모 신재생에너지의 전력계통 연계가 계획하여 2030년까지 발전량 비중 20%를 목표로 하고 있다. 제8차 전력수급기본계획에 따르면, 2031년 발전량 비중 20%를 태양광 및 풍력 등 재생에너지로 공급하기 위해 약 58.5GW의 대규모 신재생 발전설비를 수용할 것으로 계획되어 있다. 이와 같은 신재생에너지의 확대는 전원 구성에 큰 변화를 야기하고 전력 수급에 대한 불확실성 확대로 이어질 수 있기 때문에 전력계통의 안정적이고 경제적인 전력계통 운영을 위해서는 풍력, 태양광 등 변동성전원에 대한 출력 예측 기술이 반드시 필요할 것으로 사료된다.
본 논문에서는 신재생에너지의 안정적인 계통 연계를 위한 방안 중 하나로 시공간적 특성을 고려한 확률 기반의 하이브리드 태양광발전 예측모형 개발에 대해 기술하였다. 공간예측 모형에서는 크리깅 기반의 공간모델링을 수행하였다. 기존에는 기상청에서 수집한 기상 데이터를 그대로 이용하였으나, 수치예보모델의 격자 간격 한계로 인해 지점에 대한 정확한 예측이 어렵다는 단점이 존재한다. 따라서 본 연구에서는 예측 모델의 정확도 향상을 위해 태양광발전단지 인근의 지점별 기상 데이터 및 지리 정보를 기반으로 태양광발전단지와의 공간적 상관성을 분석하여 태양광발전단지 지점에 대한 예측을 수행하는 크리깅 기법을 적용하였다. 시계열 예측으로는 확률 기반의 naive Bayes Classifier 분류 기법을 사용하였다. 본 모델은 Bayes 확률 이론을 기초로 하며, 과거 데이터를 기반으로 분류 규칙을 생성하고 예측 시점의 조건을 적용하였을 때 미리 정의된 규칙에 따라 분류되는 예측 모델이다. 최종적인 예측 값을 결정하기 위해 모든 모델을 고려하여 가장 높은 확률을 가진 모델을 도출한다. 추가적으로 모델의 확률 정보도 함께 제공할 수 있다.
본 연구에서는 개발한 모형에 대해 운영 중인 전라도 지역의 태양광발전단지에 적용하여 하루 전 태양광발전예측을 수행함으로써 예측모델에 대한 평가를 수행하였다. 전라도 지역은 국내에서 신재생에너지가 가장 밀집되어 있는 지역이며, 그 중 태양광발전단지 또한 많이 설치되어 있기 때문에 전라도 지역에 위치한 태양광발전단지를 대상으로 연구를 수행하였다. 사례연구로는 2016년 1년 동안의 1시간 단위 예측을 수행하였으며, 다른 모델과의 비교하였다.
주요어: 태양광발전 출력 예측
본 논문에서는 신재생에너지의 안정적인 계통 연계를 위한 방안 중 하나로 시공간적 특성을 고려한 확률 기반의 하이브리드 태양광발전 예측모형 개발에 대해 기술하였다. 공간예측 모형에서는 크리깅 기반의 공간모델링을 수행하였다. 기존에는 기상청에서 수집한 기상 데이터를 그대로 이용하였으나, 수치예보모델의 격자 간격 한계로 인해 지점에 대한 정확한 예측이 어렵다는 단점이 존재한다. 따라서 본 연구에서는 예측 모델의 정확도 향상을 위해 태양광발전단지 인근의 지점별 기상 데이터 및 지리 정보를 기반으로 태양광발전단지와의 공간적 상관성을 분석하여 태양광발전단지 지점에 대한 예측을 수행하는 크리깅 기법을 적용하였다. 시계열 예측으로는 확률 기반의 naive Bayes Classifier 분류 기법을 사용하였다. 본 모델은 Bayes 확률 이론을 기초로 하며, 과거 데이터를 기반으로 분류 규칙을 생성하고 예측 시점의 조건을 적용하였을 때 미리 정의된 규칙에 따라 분류되는 예측 모델이다. 최종적인 예측 값을 결정하기 위해 모든 모델을 고려하여 가장 높은 확률을 가진 모델을 도출한다. 추가적으로 모델의 확률 정보도 함께 제공할 수 있다.
본 연구에서는 개발한 모형에 대해 운영 중인 전라도 지역의 태양광발전단지에 적용하여 하루 전 태양광발전예측을 수행함으로써 예측모델에 대한 평가를 수행하였다. 전라도 지역은 국내에서 신재생에너지가 가장 밀집되어 있는 지역이며, 그 중 태양광발전단지 또한 많이 설치되어 있기 때문에 전라도 지역에 위치한 태양광발전단지를 대상으로 연구를 수행하였다. 사례연구로는 2016년 1년 동안의 1시간 단위 예측을 수행하였으며, 다른 모델과의 비교하였다.
주요어: 태양광발전 출력 예측
목차
1. 서론 11.1. 연구배경 11.2. 연구개요 31.3. 논문의 구성 42. 태양광발전 예측 기법 현황 52.1. 신재생에너지 예측의 필요성 52.2. 태양광발전 예측 기법의 분류 62.3. 태양광발전 예측 적용 현황 103. 시공간적 특성을 고려한 하이브리드 예측 기법 183.1. 공간 모델링 193.2. 확률 기반의 naive Bayes Classifier 모델 214. 태양광발전 출력 예측 사례연구 274.1. 태양광발전단지 출력 특성 분석 274.2. 기상 DB 모델링 334.3. 크리깅을 활용한 기상 예측 374.4. 태양광발전단지 출력 예측 모의 425. 결론 61
최근 본 자료
댓글(0)
0