Earticle

초록

한국어

최근 한국의 저탄소 녹색 성장을 위해서는 지속 가능한 전기 생산이 필수적이고, 특히 풍력발전에너지는 잠재적으로 무제한이므로 전 세계적으로 빠르게 성장하고 있다. 그러나 풍력발전기는 간헐성 및 변동성으로 인하여 풍력발전에 너지를 효율적으로 저장하고, 전기전력그리드와 통합하는 데 어려움이 있다. 이를 대처하기 위해 풍속과 전력 예측 을 위한 많은 연구가 수행중이다. 풍력발전에너지를 예측하는데 사용되는 모델은 NWP(Numerical Weather Prediction), 통계적 방법, 인공지능 방법 같이 3가지로 구분된다. 본 논문은 바람의 특성인 풍향과 풍속의 특징을 추출하고, 시계열데이터 특성을 반영하여 변수를 선택한 후, SVR 기반으로 기계학습하여 풍력발전기의 단기풍력발 전량을 효율적으로 예측하는 방법을 제안한다. 제안한 방법의 정확도와 타당성을 검증하기 위하여 제주도 A, B, C 지역의 풍력발전단지 데이터를 사용하여 발전량을 예측한다. 실험결과, 제안한 방법을 이용한 단기풍력발전예측 방 법이 기존 방법보다 우수하였다.

영어

In recent years, sustainable electricity production is essential for low-carbon green growth in Korea, and wind power generation is potentially unlimited, and is rapidly growing worldwide. However, due to intermittency and volatility, wind power generators have difficulties in efficiently storing and integrating wind power generation with current electric power grids. In order to cope with that, many studies are being carried out to predict wind speed and power. The models used to predict wind energy are divided into three categories: Numerical Weather Prediction, statistical methods, and Artificial Intelligence methods. In this paper, we propose a method to efficiently estimate short-term wind power generation of wind turbine by extracting features of wind direction and wind speed, characteristics of wind, selecting variables based on time-series data characteristics, and learning machine based on SVR. To verify the accuracy and feasibility of the proposed method, we estimate the power generation using the wind farm data of A, B, C region in Jeju Island. Experimental results show that the prediction method of short-term wind power generation using the proposed method is superior to the conventional method.

목차

요약
 Abstract
 1. 서론
 2. 관련 연구
  2.1 다변수 선택[11]
  2.2 제주도 지역의 특징벡터 추출방법[10]
  2.3 SVR(Support Vector Regression)
 3. 제안한 방법
  3.1 데이터 전처리
  3.2 데이터 분할: 학습 데이터 및 시험 데이터
  3.3 특징벡터 추출
  3.4 변수 선택
  3.5 nu-SVR
 4. 실험 및 결과
  4.1 실험환경
  4.2 실험 결과
 5. 결론 및 향후연구
 감사의 글
 참고문헌

저자

• 손남례 [ Son Nam Rye | 호남대학교 정보통신공학과 ] 교신저자
• 양승학 [ Yang Seung-Hak | 호남대학교 전기공학과 ]

참고문헌