재생에너지 발전량 예측을 위한 LSTM-Autoencoder

LSTM-Auto-encoder for Renewable Energy Generation Forecast

본 논문은 재생에너지 발전량 데이터를 기반으로 발전량 예측값을 도출하기 위한 연구를 수행하였다. 발전량 측정을 위해 재생에너지의 발전량 데이터, 환경데이터와 같은 다변량 변수를 측정하였다. 측정값의 안정성과 신뢰성 확보를 위해 ARIMA(Auto Regressive Integrated Moving Average) 모델을 이용한 전처리를 수행하였다.재생에너지의 발전량 예측을 위해 딥러닝 모형인 LSTM-Autoencoder 결합모델을 이용하여 발전량을 측정했고, 예측정확도를 높이기 위해 각 다변량 변수의 장기종속성 학습 방식을 이용하였다. 정제된 데이터를 활용한 환경변수들의 추세는 기존 데이터를 그대로 사용했을 때 보다 안정되었고, 상관관계 분석 결과를 반영하여 다변량 변수 중 상관성이 높은 변수만을 활용하여 재생에너지 발전량 예측 알고리즘을 개선하여 약 94%의 정확도가 측정되었다.

This paper conducted a study to derive the predicted value of power generation based on the renewable energy generation data. In order to measure the power generation, multivariate variables such as power generation data and environmental data of renewable energy were measured. In order to secure the stability and reliability of the measured values, preprocessing was performed using the ARIMA (Auto Regressive Integrated Moving Average) model. In order to predict the power generation of renewable energy, the power generation was measured using the LSTM-Autoencoder combination model, a deep learning model, and the long-term dependency learning method of each multivariate variable was used to increase the prediction accuracy. The trend of environmental variables using refined data was more stable when the existing data were used as it was, and the accuracy of about 94% was measured by improving the renewable energy generation prediction algorithm by using only the highly correlated variable among the multivariate variables by reflecting the results of the correlation analysis.