[논문 리뷰] Multi-horizon solar radiation forecasting for Mediterranean locations using time series models

Cyril Voyant, Christophe Paoli외 2명|arXiv (Cornell University)|2013. 07. 22.

Solar Radiation and Photovoltaics참고 문헌 68인용 수 77

한 줄 요약

이 연구는 지중해 지역을 대상으로 시간 시리즈 모델을 사용한 다중 수평선 일광 복사량 예측 프레임워크를 제안하며, 외생 변수 유무를 고려한 ARMA 및 MLP 모델을 비교한다. 연구 결과, 중단기 및 단기 수평선(예: h+24 및 m+5)에서 MLP 모델이 ARMA를 능가하며, 특히 수치 기상 예측 데이터를 통합할 경우 더욱 뛰어난 성능을 보인다. 또한 하이브리드 모델링 및 정staionarity 기법이 모든 수평선에서 전체 정확도를 향상시킨다.

ABSTRACT

Considering the grid manager's point of view, needs in terms of prediction of intermittent energy like the photovoltaic resource can be distinguished according to the considered horizon: following days (d+1, d+2 and d+3), next day by hourly step (h+24), next hour (h+1) and next few minutes (m+5 e.g.). Through this work, we have identified methodologies using time series models for the prediction horizon of global radiation and photovoltaic power. What we present here is a comparison of different predictors developed and tested to propose a hierarchy. For horizons d+1 and h+1, without advanced ad hoc time series pre-processing (stationarity) we find it is not easy to differentiate between autoregressive moving average (ARMA) and multilayer perceptron (MLP). However we observed that using exogenous variables improves significantly the results for MLP . We have shown that the MLP were more adapted for horizons h+24 and m+5. In summary, our results are complementary and improve the existing prediction techniques with innovative tools: stationarity, numerical weather prediction combination, MLP and ARMA hybridization, multivariate analysis, time index, etc.

연구 동기 및 목표

• 지중해 기후에서 다중 수평선 일광 복사량 예측을 위한 시간 시리즈 예측 모델을 개발하고 비교하기.
• 수치 기상 예측 등 외생 변수가 다양한 예측 수평선에서 모델 성능에 미치는 영향 평가하기.
• 예측 정확도 기반으로 각 수평선(d+1, h+1, h+24, m+5)에 최적의 모델을 식별하기.
• 정staionarity 등의 고급 전처리 기법과 모델 하이브리드화 기법을 통해 예측 정확도 향상하기.
• 운영 시간 수평선에 맞는 모델 선택 전략을 제공함으로써 전력망 통합을 위한 계층적 프레임워크 제공하기.

제안 방법

• 다중 수평선에서의 총일광 복사량 및 태양광 발전량 예측에 자동회귀이동평균(ARMA) 모델 적용하기.
• 단일 및 ARMA와 조합된 다층퍼셉트론(MLP) 신경망 모델의 구현을 통한 하이브리드 모델링 수행하기.
• 수치 기상 예측 모델에서 유도된 온도, 습도, 흐린 날씨 정보 등 외생 변수 통합하기.
• 시간 인덱스 및 다변량 분석을 활용해 시간적 표현 및 모델 입력 구조 향상하기.
• 모델 학습 이전에 시간 시리즈 데이터 전처리를 위한 정staionarity 기법 적용하기.
• 실제 지중해 지역의 일광 복사량 데이터를 활용한 모델 평가로, d+1, h+1, h+24, m+5 수평선에서 성능 평가 수행하기.

실험 결과

연구 질문

• RQ1 지중해 기후에서 ARMA 및 MLP 모델이 다양한 시간 수평선에서 총일광 복사량 예측에 어떻게 비교되는가?
• RQ2 외생 변수가 ARMA 모델 대비 MLP 모델의 예측 성능 향상에 얼마나 기여하는가?
• RQ3 각 수평선(d+1, h+1, h+24, m+5)에서 ARMA, MLP, 또는 하이브리드 모델 중 어느 아키텍처가 가장 우수한 성능을 보이는가?
• RQ4 정staionarity 및 시간 인덱싱과 같은 전처리 기법이 모델 정확도 향상에 얼마나 효과적인가?
• RQ5 ARMA-MLP 하이브리드 모델이 다수의 수평선에서 개별 모델을 능가하는가?

주요 결과

• d+1 및 h+1 수평선에서는 고도의 전처리 없이 ARMA 및 MLP 모델이 유사한 성능을 보이나, 외생 변수가 포함될 경우 MLP 모델이 더 큰 향상을 보인다.
• h+24 및 m+5 수평선에서는 MLP 모델이 ARMA를 뚜렷이 능가하며, 특히 수치 기상 예측 입력이 통합된 경우 더욱 두드러진 성능 향상을 보인다.
• 외생 변수 통합은 특히 MLP 모델의 예측 정확도 향상에 측정 가능한 기여를 한다.
• ARMA와 MLP 모델의 하이브리드화에 더해 정staionarity 및 다변량 분석 기법을 적용함으로써 모든 수평선에서 예측 성능이 향상된다.
• 제안된 프레임워크는 특정 예측 요구사항에 맞는 계층적 모델 선택 전략을 제공하여 전력망 관리의 운영 유용성을 향상시킨다.
• 시간 인덱스 및 정staionarity 등의 전처리 기법은 비정상적인 일광 복사량 데이터에서 특히 안정적이고 정확한 모델 출력을 가능하게 한다.