통계적 특성 매개변수를 이용한 인공지능 신경망 기반 단기 태양 복사량 예측 모델

단기 태양 복사량 예측(STSIF)은 그리드 연결된 태양광(PV) 발전소의 최적 운영 및 전력 예측에 있어 매우 중요한 의미를 갖습니다. 그러나 STSIF는 변화하는 기상 조건 하에서 태양 복사량의 무작위성과 비선형 특성으로 인해 처리하기 매우 복잡합니다. 인공지능 신경망(ANN)은 STSIF 모델링에 적합하며 이 주제에 대한 많은 연구들이 발표되었으나 기존 모델의 간결성과 견고성은 여전히 개선이 필요합니다. 기상 변동과 복사량 간의 관계를 논의한 후, 여러 기상 조건 하에서 복사량의 통계적 특성 매개변수를 파악합니다. 이 논문에서는 STSIF를 위한 통계적 특성 매개변수를 이용한 새로운 ANN 모델(ANN-SFP)을 제안합니다. 입력 벡터는 복사량과 주변 온도의 여러 통계적 특성 매개변수를 통해 재구성됩니다. 따라서 상대적으로 적은 입력으로부터 충분한 정보를 효과적으로 추출할 수 있으며 모델 복잡성이 줄어듭니다. 모델 구조는 교차 검증(CV)에 의해 결정되며, 네트워크 훈련에는 레벤버그-마르쿠트 알고리즘(LMA)이 사용됩니다. 제안된 모델을 기존의 역사적 데이터 시리즈를 사용하는 ANN 모델(ANN-HDS)과 비교하여 유효성을 검증하기 위한 시뮬레이션이 수행되었으며, 결과는 변동하는 기상 조건 하에서 예측 정확도가 명확히 향상되었음을 나타냅니다.