Solar Energy Prediction Using Streaming Dynamic Mode Decomposition

태양 에너지 예측은 불규칙한 에너지의 공급과 수요를 관리하고, 원활한 에너지 거래를 위해 매우 중요하다. 본 연구에서는 동적모드분할(DMD: dynamic mode decomposition) 계열의 네 가지 방법을 사용하여 다양한 기간에 대해 태양 에너지를 예측하였으며, MAPE 및 R2를 사용하여 예측 성능을 평가하였다. 연구 결과, 새로운 데이터의 특성을 시스템 행렬에 실시간으로 반영할 수 있는 실시간 동적모드분할(SDMD: streaming dynamic mode decomposition) 방법이 DMD 방법보다 더 낮은 오차율을 달성하였다. 또한 입력 변수의 영향을 반영할 수 있는 동적모드분할 방법(DMDc: dynamic mode decomposition with control)을 이용하여, 예측의 정확도를 향상시키고자 하였으며, 온도와 습도의 정보가 추가적으로 제공될 때, 예측 성능이 향상되는 것을 확인하였다. 일반적인 데이터 기반 예측 방법의 경우, 훈련 데이터의 비율이 커질수록 오차율이 감소하는 경향을 보인다. 하지만 태양에너지는 날씨에 따라 데이터의 규칙성이 크게 영향을 받으므로, 훈련 데이터의 비율 뿐만 아니라, 데이터의 예측 구간 역시 오차율에 크게 영향을 미친다는 것을 확인하였다.