ARIMA와 머신러닝을 이용한 태양광발전 예측 정확성 및 마이크로그리드 영향성 평가

전력시스템 발전량에서 신재생에너지의 차지하는 비율을 높이기 위해 전국적으로 태양광과 풍력이 증가하고 있으며 가정, 영농과 같은 소규모발전에서 태안 400MW 해상풍력단지, 새만금 태양광 4GW 단지 조성과 같은 대규모발전이 추가적으로 설치하려는 추세이다. 소규모발전에서는 기후조건에 따라 간헐적으로 출력이 바뀌어도 계통운영에 미치는 영향이 작았지만 대규모발전의 경우 계통에 미치는 영향이 크며 부하공급에 지장이 생길 확률이 증가하게 된다. 이러한 간헐적 특성을 해결하기 위하여 신재생에너지 연계형 ESS(Energy storage system)를 설치하거나 발전소의 출력량을 조절하며 ESS의 최적 알고리즘이나 사이즈 산정, 발전소 출력 계획 등은 신재생에너지의 정확한 출력예측을 필요로 한다. 본 논문에서는 태양광 출력예측을 위하여 ARIMA(Autoregressive Integrated Moving Average), 머신러닝인 ANN(Artificial Neural Network)과 RNN(Recurrent Neural Network)을 이용한다. ARIMA는 자기회귀와 이동평균 모델을 누적해서 이용하는 기법이며 ANN은 뉴런을 모방하여 만든 기법으로서 기존의 데이터로 가중치를 업데이트하는 훈련과정을 거쳐 새로운 입력이 들어올 때 결과를 산출할 수 있는 방법이다. RNN은 ANN에서 회귀 구조가 있는 구조로서 본 논문에서는 RNN의 일종인 ENN(Elman neural network)을 이용하였다. ENN 은 기존의 ANN과 달리 context layer를 가지고 있어 weight 업데이트 과정에서 이전 시계열 값에 반영된 weight를 한번 더 반영한다는 특징을 가지고 있다. 본 논문에서는 실제데이터와 출력예측을 진행하고 정확성을 판단하기 위해 MAE, RMSE 수치를 이용하였으며 상대적으로 신재생에너지 비율이 높은 마이크로그리드에서 출력예측이 미치는 영향성을 평가하였다.