웨이블릿 변환 특징 공학 및 그리드 서치 최적화를 이용한 태양광 발전량 예측 모델의 성능 및 효율성 분석 = Analysis of Performance and Efficiency of Solar Power Forecasting Model Using Wavelet Transform-based Feature Engineering and Grid Search Optimization

국문 초록 (Abstract)

기후 위기 대응을 위한 전 세계적인 에너지 전환 정책에 따라 태양광 발전 설비의 보급이 급증하고 있다. 그러나 기상 조건에 의존적인 태양광 발전의 간헐성과 출력 변동성은 전력 계통의 주파수 안정성을 저해하고 예비력 운영 비용을 증가시키는 주요 원인이 된다. 본 연구에서는 태양광 발전 데이터가 가지는 비정상(Non-stationary) 시계열 특성과 급격한 출력 변동(Ramp event)을 효과적으로 예측하기 위해 이산 웨이블릿 변환(Discrete Wavelet Transform, DWT) 기반의 특징 공학을 제안한다. 또한, LightGBM 모델의 예측 성능을 극대화하기 위해 그리드 서치(Grid Search) 기법을 적용하여 하이퍼파라미터를 체계적으로 최적화하는 통합 프레임워크를 구축하였다. 전국 데이터와 경북 지역 데이터를 대상으로 한 비교 실험 결과, 웨이블릿 특징과 그리드 서치를 결합한 모델이 기존 모델 대비 획기적인 성능 향상을 보였다. 특히 기상학적 동질성이 높은 경북 지역 최적화 모델은 결정계수(R²) 0.9900, MAE 9.32, RMSE 19.89를 기록하여 실제값에 근접한 초고정밀 예측을 달성하였다. 아울러 샘플당 0.0246 ms의 초고속 추론 속도를 통해, 실시간 전력 계통 운영(EMS) 및 가상발전소(VPP) 플랫폼에의 즉각적 적용 가능성을 확인하였다.

다국어 초록 (Multilingual Abstract)

As solar photovoltaic (PV) installations surge globally to meet carbon neutrality goals, the inherent variability and intermittency of PV power pose significant challenges to power grid stability. This study proposes a robust forecasting framework that integrates Wavelet Transform-based feature engineering to capture non-stationary time-series characteristics and utilizes Grid Search optimization to systematically tune the hyperparameters of the Light Gradient Boosting Machine (LightGBM) model. Experimental results using nationwide and Gyeongbuk regional datasets demonstrate that the proposed model significantly outperforms baseline models. Specifically, the optimized Gyeongbuk regional model achieved an R² of 0.9900, MAE of 9.32, and RMSE of 19.89. Through correlation heatmap and violin plot analysis, wavelet-derived features were verified as critical factors explaining output volatility. Furthermore, with an ultra-fast inference speed of 0.0246 ms per sample, the model's applicability to real-time Energy Management Systems (EMS) and Virtual Power Plants (VPP) was validated.