능동형 태양 추적기를 위한 전력 생성 예측을 위한 하이브리드 딥 러닝

소비자에 대한 전기 수요 증가에 대응하기 위해, 보다 효율적인 시스템을 사용하는 것이 필요하다. 태양 추적기는 태양광 패널의 전력 생성을 개선할 수 있는 응용 프로그램 중에서 두드러진다. 태양 추적기가 보다 효율적이 되기 위해서는 생성 예측에 기반하여 위치 업데이트를 수행하고, 이 업데이트에서 더 큰 효율성이 있을 때만 제어 행동을 수행할 수 있다. 생성 예측을 위해 장기-단기 기억(Long Short-Term Memory, LSTM)은 대량의 비선형 데이터를 처리할 수 있다. 게다가, 분석을 개선하기 위해 신호 필터링 기술을 적용하는 것이 가능하다. 웨이브렛 에너지 계수는 신호 노이즈를 줄이고 특징을 추출하는 데 사용되는 기술이다; 이 기술은 필터를 수행하고 신호 특성을 보존한다. 이 연구에서 저자는 웨이브렛 에너지 계수와 LSTM의 조합, 즉 웨이브렛 LSTM을 제시하여 이중 축 태양 추적기에서 태양광 전력 예측을 수행한다.