Core Concepts
적응형 잡음 감소 기술과 시간 합성곱 신경망을 결합한 새로운 모델을 제안하여 풍력 농장의 초단기 다단계 풍속 예측 정확도를 크게 향상시켰다.
Abstract
이 연구에서는 풍력 발전의 효율적인 활용을 위해 데이터 잡음 감소 기술, 시간 합성곱 신경망(TCN), 그리고 게이트 순환 유닛(GRU)을 기반으로 한 새로운 풍속 예측 모델을 제안했다.
먼저, 특이값 분해 분석(SSA)과 피어슨 상관계수를 활용한 적응형 데이터 잡음 감소 알고리즘 P-SSA를 제안했다. 이를 통해 원본 풍속 데이터에서 잡음 성분을 효과적으로 제거할 수 있었다.
다음으로, TCN을 통해 샘플의 수용 영역을 확장하고 풍속 변화 특성을 추출했다. 그리고 GRU를 이용해 추출된 특성에서 시계열 정보를 추출하여 최종적인 풍속 예측 모델 P-SSA-TCN-GRU를 구축했다.
제안된 모델을 산동성 3개 풍력 농장에 적용하여 검증한 결과, 기존 모델 및 TCN 기반 다른 모델들에 비해 예측 성능이 우수한 것으로 나타났다. 특히 높은 정확도와 안정성을 가지고 풍력 농장의 풍속을 예측할 수 있었다. 이를 통해 풍력 농장 운영 및 관리를 위한 데이터로 활용될 수 있을 것으로 기대된다.
Stats
풍속 데이터의 평균은 9.0980 m/s, 표준편차는 2.8463 m/s이다.
풍속의 최소값은 2.3000 m/s, 최대값은 17.5000 m/s이다.
Quotes
"적응형 데이터 잡음 감소 알고리즘 P-SSA를 제안하여 SSA의 잡음 제거 효과를 강화했다."
"TCN과 GRU를 결합한 새로운 강건한 P-SSA-TCN-GRU 하이브리드 모델을 제안하여 초단기 다단계 풍속 예측을 수행했다."
"제안된 모델은 기존 모델 및 다른 TCN 기반 모델들에 비해 예측 성능이 우수한 것으로 나타났다."