딥러닝을 이용한 풍력 발전량 예측

• 영문명: Prediction of Wind Power Generation using Deep Learnning
• 발행기관: 한국전자통신학회
• 저자명: 최정곤(Jeong-Gon Choi) 최효상(Hyo-Sang Choi)
• 간행물 정보: 『한국전자통신학회 논문지』제16권 제2호, 329~337쪽, 전체 9쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2021.04.30

국문 초록

본 연구는 풍력발전의 합리적인 운영 계획과 에너지 저장창치의 용량산정을 위한 풍력 발전량을 예측한다. 예측을 위해 물리적 접근법과 통계적 접근법을 결합하여 풍력 발전량의 예측 방법을 제시하고 풍력 발전의 요인을 분석하여 변수를 선정한다. 선정된 변수들의 과거 데이터를 수집하여 딥러닝을 이용해 풍력 발전량을 예측한다. 사용된 모델은 Bidirectional LSTM(:Long short term memory)과 CNN(:Convolution neural network) 알고리즘을 결합한 하이브리드 모델을 구성하였으며, 예측 성능 비교를 위해 MLP 알고리즘으로 이루어진 모델과 오차를 비교하여, 예측 성능을 평가하고 그 결과를 제시한다.

영문 초록

This study predicts the amount of wind power generation for rational operation plan of wind power generation and capacity calculation of ESS. For forecasting, we present a method of predicting wind power generation by combining a physical approach and a statistical approach. The factors of wind power generation are analyzed and variables are selected. By collecting historical data of the selected variables, the amount of wind power generation is predicted using deep learning. The model used is a hybrid model that combines a bidirectional long short term memory (LSTM) and a convolution neural network (CNN) algorithm. To compare the prediction performance, this model is compared with the model and the error which consist of the MLP(:Multi Layer Perceptron) algorithm, The results is presented to evaluate the prediction performance.

목차

Ⅰ. 서론

Ⅱ. 풍력 발전의 특성 및 요인 분석

Ⅲ. 입력 변수의 사전처리 및 모델 구성

Ⅳ. 예측 결과

Ⅴ. 결론

키워드

풍력발전 예측 머신 러닝 다중 퍼셉트론 재귀 신경망 중기 단기 기억 인공지능 전력량 Wind power prediction LSTM(:Long short term memory) CNN(:Cellular neural network) Artificial intelligence