기후 변화의 위협이 다가오고 있는 지금, 우리는 더 큰 규모로 재생 가능한 에너지원을 받아들여야 할 때입니다. 태양광 에너지를 거의 무한대로 공급하여 전기를 생성하는 태양광 시스템은 청정 에너지를 생성하는 가장 유망한 방법 중 하나입니다. 그러나 태양광 시스템을 기존 전력망에 통합하는 것은 간단한 프로세스가 아닙니다. 태양광 시스템의 전력 출력은 환경 조건에 크게 의존하기 때문에 발전소 및 그리드 관리자는 다른 중요한 운영 측면 중에서 최적의 발전 및 유지 관리 일정을 계획하기 위해 태양광 시스템에 의해 주입되는 전력의 양을 추정해야 합니다.
현대의 추세에 따라 예측이 필요한 경우 인공 지능이 나타날 것이라고 안심할 수 있습니다. 현재까지 이전 데이터에서 학습하고 현재 변수를 분석하여 태양광 시스템에서 생성된 전력을 몇 시간 앞서 예측할 수 있는 알고리즘이 많이 있습니다. 그 중 하나인 적응형 신경 퍼지 추론 시스템(ANFIS)은 복잡한 재생 에너지 시스템의 성능을 예측하는 데 널리 적용되었습니다. 처음부터 많은 연구자들이 ANFIS를 다양한 기계 학습 알고리즘과 결합하여 성능을 더욱 향상시켰습니다.
한국 인천대학교의 후종완이 이끄는 연구팀은 태양광 시스템에서 생성되는 전력을 최대 하루까지 미리 더 잘 예측하기 위해 두 가지 새로운 ANFIS 기반 모델을 개발했습니다. 이 두 모델은 최적화 문제에 대한 최적의 솔루션을 찾기 위한 강력하고 계산 효율적인 전략인 두 개의 서로 다른 입자 군집 최적화 방법과 전통적인 ANFIS 접근 방식을 결합하기 때문에 '하이브리드 알고리즘'입니다.
모델의 성능을 평가하기 위해 팀은 다른 ANFIS 기반 하이브리드 알고리즘과 모델을 비교했습니다. 그들은 이전 연구에서 이탈리아에 배치된 실제 태양광 시스템의 실제 데이터를 사용하여 각 모델의 예측 능력을 테스트했습니다. Hu 박사가 말했듯이 결과는 매우 유망했습니다. "우리가 개발한 두 모델 중 하나는 테스트한 모든 하이브리드 모델보다 성능이 뛰어났으며, 따라서 단기 및 장기 수평선 모두에서 태양계의 태양광 발전을 예측할 수 있는 큰 잠재력을 보여주었습니다. .”
이 연구의 결과는 소프트웨어 및 생산 관점에서 태양광 시스템 분야에서 즉각적인 의미를 가질 수 있습니다. “소프트웨어 측면에서 우리 모델은 태양광 시스템 값을 정확하게 추정하는 애플리케이션으로 전환되어 성능과 그리드 운영을 향상시킬 수 있습니다. 생산 측면에서 우리의 방법은 태양광 시스템 설계에 사용할 수 있는 변수를 선택하는 데 도움을 주어 태양광 전력을 직접적으로 증가시킬 수 있습니다.”라고 Hu 박사는 설명합니다. 이 작업이 지속 가능한 에너지원으로 전환하는 데 도움이 되길 바랍니다!
