Core Concepts
본 논문은 태양광 시스템의 동적 상태를 정확하게 추정하기 위해 데이터 기반 모델 식별과 언센티드 칼만 필터를 결합한 새로운 접근법을 제안한다.
Abstract
이 논문은 태양광 에너지 변환 시스템(단일 단계 및 이단계)의 동적 상태 추정을 위한 데이터 기반 접근법을 제안한다. 제안된 프레임워크는 "데이터 기반 모델 식별" 및 "상태 추정"의 두 단계로 구성된다.
모델 식별 단계에서는 비선형 희소 회귀 기법을 사용하여 태양광 시스템의 동적을 파악한다. 이렇게 식별된 비선형 데이터 기반 모델은 모니터링 및 보호 목적으로 태양광 시스템의 동적을 추정하는 데 사용된다. 불완전한 측정, 고유한 불확실성 및 노이즈를 고려하기 위해 언센티드 칼만 필터를 사용하여 노이즈가 있는 출력 데이터를 처리함으로써 상태 추정을 수행한다.
시뮬레이션 결과를 통해 제안된 희소 회귀 기반 언센티드 칼만 필터의 효과를 입증하고, 물리 기반 동적 상태 추정과의 비교 분석을 제공한다. 또한 시스템 수준 검증을 통해 제안된 접근법의 강건성과 적응성을 입증한다.
Stats
태양광 시스템의 상태 변수와 입력 변수 간의 관계를 나타내는 주요 수식은 다음과 같다:
˙x = f(x, u) + w
y = g(x, u) + v
여기서 x는 상태 변수, u는 입력 변수, w는 프로세스 노이즈, v는 측정 노이즈를 나타낸다.
Quotes
"본 논문은 태양광 에너지 변환 시스템(단일 단계 및 이단계)의 동적 상태 추정을 위한 데이터 기반 접근법을 제안한다."
"제안된 프레임워크는 "데이터 기반 모델 식별" 및 "상태 추정"의 두 단계로 구성된다."
"불완전한 측정, 고유한 불확실성 및 노이즈를 고려하기 위해 언센티드 칼만 필터를 사용하여 노이즈가 있는 출력 데이터를 처리함으로써 상태 추정을 수행한다."