http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최영도,백자현,전동훈,박상호,최순호,김여진,허진,Choy, Youngdo,Baek, Jahyun,Jeon, Dong-Hoon,Park, Sang-Ho,Choi, Soonho,Kim, Yeojin,Hur, Jin 한국전력공사 2019 KEPCO Journal on electric power and energy Vol.5 No.3
In order to integrate large amounts of variable generation resources such as wind and solar reliably into power grids, accurate renewable energy forecasting is necessary. Since renewable energy generation output is heavily influenced by environmental variables, accurate forecasting of power generation requires meteorological data at the point where the plant is located. Therefore, a spatial approach is required to predict the meteorological variables at the interesting points. In this paper, we propose the meteorological variable prediction model for enhancing renewable generation output forecasting model. The proposed model is implemented by three geostatistical techniques: Ordinary kriging, Universal kriging and Co-kriging.
Rolling-LSTM 기법을 이용한 단기 풍력발전 예측모형에 관한 연구
이민주(Minju LEE),백자현(Jahyun Baek),박상호(Sangho Park),허진(Jin HUR) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
전 세계적으로 풍력발전기와 같은 재생에너지 발전 비중이 증가하고 있다. 하지만 풍력발전기의 변동성 및 간헐성과 같은 특성은 전력계통의 안정성 및 신뢰도의 문제를 발생시킨다. 그러므로 풍력발전을 정확하게 예측하여 계통의 안정성 및 신뢰도를 유지하는 것이 중요하다. 특히 단기 풍력발전 예측 1-6 시간 전의 발전량을 예측하여 전력계통의 스케쥴링 및 혼잡관리 등에 중요한 역할을 한다. 따라서 본 논문에서는 Rolling-LSTM 기법을 이용한 단기풍력발전예측모형 구현 방안을 제시한다.
하이브리드 딥러닝 모형을 이용한 단기 풍력 발전 예측에 관한 연구
유솔의(Sol-ui Yu),백자현(Jahyun Baek),박상호(Sangho Park),허진(Jin Hur) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
풍력 발전 사업 규모가 증가함에 따라 전력 수급 균형을 위한 풍력 발전 예측 정확도 향상이 주요한 이슈로 자리 잡았다. 이에 본 논문은 5분 단위의 초단기 발전량 예측 정확도 향상을 위한 해외의 하이브리드 딥러닝 모형의 사례를 분석하였다. 기존의 예측 모형과의 비교 분석 결과에 의하면, 해당 모형은 MAE 2.48%, RESE 3.87%, MAPE 9.94%의 낮은 예측 오차를 보이며 상당히 우수한 예측 성능을 보였다. 본 논문에서는 해외의 모형을 참고하여 국내의 전력 계통에 적합한 모형을 제시하며 보다 선진화된 예측 모형을 구현해야 함을 시사한다.