Forecasting Solar Power Generation Using Meta-Learning

기후 변화와 에너지 수급 불균형 문제 해결을 위한 신재생 에너지인 태양광 발전은 중요한 수단으로 인정받고 있다. 태양광 발전량의 신뢰성 있는 예측은 전력 수급 계획 수립과 에너지 활용 최적화에 필수적이다. 그러나 태양광 발전량은 기후 조건, 계절적 요인 및 비선형적 시계열 특성 등으로 인해 예측에 어려움이 있다. 기존 연구들은 전통적인 통계모형 혹은 AI 모형을 앙상블하여 제한된 지역의 데이터에 대해 예측을 시도하였으나, 이는 비선형적 데이터의 복잡성 및 다양한 지역적 특성을 충분히 반영하였다고 보기는 어렵다. 이에 본 연구에서는 이러한 한계를 극복하기 위해, 미래 공변량을 포함한 ARX(AutoRegressive with eXogenous varables) 모델과 MLP(Multi-Layer Perceptron) 모델을 결합한 Meta Learning 기반 Stacking 앙상블 예측 기법을 제안한다. 각 발전소별로 가장 인접한 종관기상관측소의 데이터를 외생 변수로 활용하였으며, ARX 모델은 발전량의 선형적 시계열 구조를 반영하고, MLP는 비선형적 패턴을 학습하는 데 초점을 맞추었다. 발전소 위치별로 가장 가까운 기상 관측 정보를 결합하여 지역적 특성을 반영하였으며, 전통적인 시계열 모형과 딥러닝 모델 간의 결합을 통해 데이터의 비선형적 패턴을 효과적으로 학습하여 높은 예측 성능을 구현하였다. 이를 통해 기존 모델의 한계를 극복하고, 태양광 발전량 예측의 정확도를 실험적으로 입증하였다.