[논문 리뷰] A Stochastic Model for Short-Term Probabilistic Forecast of Solar Photo-Voltaic Power

Raksha Ramakrishna, Anna Scaglione외 1명|arXiv (Cornell University)|2017. 06. 16.

Solar Radiation and Photovoltaics참고 문헌 31인용 수 4

한 줄 요약

이 논문은 햇빛, 흐린 날씨, 부분적으로 흐린 날씨 조건을 위한 별도의 가우시안 및 은닉 마르코프 모델(HMM)을 사용하여 단기 확률 예측을 위한 물리 기반의 제도 전환 스토크라스틱 모델을 제안한다. 이 방법은 점 예측 및 확률 예측 모두에서 기준 모델보다 뛰어난 성능을 보이며, 적용 목적에 따라 신뢰성 또는 날카기성을 조정할 수 있는 조정 가능한 파라미터를 제공한다.

ABSTRACT

In this paper, a stochastic model with regime switching is developed for solar photo-voltaic (PV) power in order to provide short-term probabilistic forecasts. The proposed model for solar PV power is physics inspired and explicitly incorporates the stochasticity due to clouds using different parameters addressing the attenuation in power.Based on the statistical behavior of parameters, a simple regime-switching process between the three classes of sunny, overcast and partly cloudy is proposed. Then, probabilistic forecasts of solar PV power are obtained by identifying the present regime using PV power measurements and assuming persistence in this regime. To illustrate the technique developed, a set of solar PV power data from a single rooftop installation in California is analyzed and the effectiveness of the model in fitting the data and in providing short-term point and probabilistic forecasts is verified. The proposed forecast method outperforms a variety of reference models that produce point and probabilistic forecasts and therefore portrays the merits of employing the proposed approach.

연구 동기 및 목표

• 전력 시스템 운영에서 비정상적이고 불확실한 태양광 발전량 발생 문제를 해결한다.
• 변동하는 구름 조건 하에서 태양 복사량의 물리적 거동을 포착하는 확률 예측 모델을 개발한다.
• 외부 weahter 예측 또는 복잡한 수치 모델에 의존하지 않는 계산 효율성이 높은 데이터 기반 방법을 제공한다.
• 배터리 저장소 계획과 같은 확률 최적화 응용 분야에 적합한 조정 가능한 확률 예측을 가능하게 한다.
• 제도별 스토크라스틱 역학을 통합하여 기존의 점 예측 및 확률 예측 모델을 향상시킨다.

제안 방법

• 물리적 구름 행동에 기반해 햇빛, 부분적으로 흐린, 흐린 날씨의 세 가지 상태로 구성된 제도 전환 과정을 사용하여 태양광 발전량을 모델링한다.
• 햇빛 및 흐린 날씨 제도에는 단순한 가우시안 분포를 사용하고, 부분적으로 흐린 날씨 제도에는 시간적 동역학을 포착하기 위해 은닉 마르코프 모델(HMM)을 사용한다.
• 각 제도 내에서 지속성 가정을 적용하여 향후 발전량을 예측하며, 실시간 PV 측정치를 활용해 현재 제도를 식별한다.
• 예측 간격 너비 및 校정을 제어하기 위해 조정 가능한 파라미터(λz, λa^b, λa^e)와 표준편차(σs, σoc)를 통합한다.
• 사전에 기상 조건을 알지 못해도 실시간으로 제도 식별 및 모델 파라미터를 갱신할 수 있는 온라인 적응형 추정을 적용한다.
• 세 제도별 모델에서 몬테카를로 샘플링을 통해 확률 예측을 생성함으로써, 마이크로그리드 및 저장소 응용 분야의 확률 최적화를 위한 시나리오 생성을 가능하게 한다.

실험 결과

연구 질문

• RQ1 제도 전환 스토크라스틱 모델이 태양광 발전량의 비정상적이고 간헐적인 특성을 효과적으로 포착할 수 있는가?
• RQ2 제안된 확률 예측 모델의 성능은 단기 예측에서 기존의 점 예측 및 확률 예측 기준 모델과 비교해 어떻게 되는가?
• RQ3 조정 가능한 파라미터를 사용해 모델의 예측 품질을 신뢰성 또는 날카기성에 맞게 얼마나 조정할 수 있는가?
• RQ4 물리적 통찰(구름 제도)을 통합함으로써 순수 통계 모델에 비해 정확도 및 해석 가능성에서 향상되는가?
• RQ5 이 모델은 마이크로그리드 및 저장소 응용 분야의 확률 최적화에 적합한 신뢰할 수 있는 시나리오 기반 예측을 생성할 수 있는가?

주요 결과

• 제안된 모델은 RMSE, MAPE, CRPS를 포함한 모든 평가 지표에서 AR, ARX, 스마트 지속성, HMM 기반 방법 등 다수의 기준 모델을 초월한다.
• 모든 경쟁 모델보다 낮은 CRPS(연속 랭크 확률 점수)를 기록하여 더 나은 확률 예측의 校정 및 커버리지 성능을 보였다.
• 명판 용량으로 정규화한 평균 예측 점수는 제안된 방법에서 가장 높았으며, 이는 확률 예측의 뛰어난 날카기성과 校정 능력을 입증한다.
• 모델은 특히 낮은 분위수에서 뛰어난 성능을 보였지만, 보수적인 간격 너비로 인해 높은 분위수에서는 향상 여지가 있음을 보였다.
• λz, λa^b, λa^e 파라미터를 조정함으로써 예측의 신뢰성과 날카기성 사이의 트레이드오프를 가능하게 하여 특정 응용 요구사항에 맞게 맞춤화할 수 있었다.
• 단기 예측 범위(4시간 이내)에서 모델 성능이 안정적이었으며, 기상 조건의 지속성 가정과 일치하였다.