Short Term Time Series Prediction on Wind Speed using Machine Learning

소형 풍력 터빈이 안전하게 작동하고 갑작스러운 돌풍으로 인한 손상을 방지하려면 가까운 미래의 풍속의 단기 예측이 필요하다. 본 연구에서는 풍력 터빈 현장에서 얻은 풍속 데이터를 사용하여 시계열에서 풍속을 예측하기 위해 여러 머신 러닝 모델을 이용을 하여 비교를 한다. 분석에 사용된 풍속 데이터는 1Hz로 재샘플링하였다. 본 연구에서는 세 개의 인공 신경망을 사용하여 시계열 예측을 수행하였다. 세 가지 모델은 순환 신경망(RNN), 장단기 메모리(LSTM), 그리고 게이트 순환 유닛(GRU)이다. 모든 모델은 TensorFlow와 Keras를 사용하여 구현하였다. 모델을 학습하기 위해 배치(batch) 크기는 32, 500개의 에포크(epoch)가 사용하였고 Adam 옵티마이저(optimizer)를 사용하였다. 손실(loss)은 평균 제곱근 오차와 평균 절대 오차를 사용하였고 20%의 드롭아웃(dropout)이 적용되었다. 풍속 데이터는 120초 간격으로 구분되며, 처음 110초는 훈련 데이터로 사용되고 마지막 10초는 테스트 데이터로 사용하였다. 모든 모델이 단기 시계열 풍속예측이 가능하였으며, 세 가지 모델 중 RNN 모델은 짧은 시간 내에 풍속이 빠르게 변화하는 경우 다른 모델보다 풍속을 상대적으로 적은 오차로 더 잘 예측할 수 있었다.