머신러닝을 이용한 일사량 추정 모형 개발 프로젝트

프로젝트 자세한 내용은 기밀유지 협약(NDS)에 따라 밝힐 수 없음을 미리 알려드립니다.


프로젝트 배경

KAIST Cuop 프로그램의 일환으로 태양광 스타트업 (주)해줌에서 인턴십 기간 동안 진행 프로젝트

프로젝트 기간

  • 기간 : 2017. 7. 31. ~ 2017. 8. 25.(4주)

프로젝트 목적

  • 태양광의 적정 발전량 예측을 위해서는 발전량 예측에 사용되는 데이터인 ‘일사량’ 예측이 중요함
  • 따라서, 일사량 추정 모형의 정확도를 향상시킴으로서 태양광 적정 발전량의 성능을 향상시킬 수 있음
  • 머신러닝을 이용해 일사량 모형을 만들고 성능을 분석하여 향후 일사량 모형을 개선할 수 있는 방안 제시

프로젝트 내용

1. 선행 연구 분석

2. PySolar 라이브러리 분석

  • 위도와 경도 시간을 기반으로 태양의 고도, 방위각, 일사량을 구해주는 라이브러리

3. 데이터 셋 분석

  • 천리안 위성 데이터(COMS9)
  • 종관기상관측(ASOS)
  • 방위각
  • 고도

3. 일사량 추정 모델 개발 및 분석

  • 모델링 데이터 기준
    • 기간 : 2013년 1월 1일 ~ 2016년 12월 31일
    • 시간 : 05:00 ~ 20:00 (1시간 단위)
    • 데이터 갯수 (학습) 526,170개 (테스트) 182,989개
    • 차원(컬럼) 개수 : 48개
  • 성능평가 기준 : RMSE

  • 일사량 추정 모델 개발 (1) 일사량 추정을 위한 BaseLine 학습 (2) 일사량 추정 모델 개선 (3) 에러 분석 및 (2)번 반복

  • 모델링 결과 분석

4. 결과 최종 발표

  • 발표자료 예시 최종 발표 자료1 최종 발표 자료1 최종 발표 자료1

프로젝트를 통한 학습 결과

  • Pandas, Numpy, Scikit-Learn 라이브러리 사용법 학습
  • 시계열 기상 데이터에 대한 분석 경험
  • 머신러닝 모델 성능 개선 및 결과 분석 경험