A Study on Solar Power Generation Forecasting using Weighting Schemes based on Meteorological Data Correlation

정확한 발전량 예측은 탄소 배출권 시장의 효율성 상승과 저탄소 발전원으로의 전환을 경제적으로 유도하는 핵심적인 요인이다. 본 연구는 기존의 발전량과 기상테이터의 다양한 상관관계를 분석한 후 결과에 따른 가중치를 부여하여 발전량 예측의 정확도를 분석하였다. 태양광 발전량과 기상 데이터 간의 상관관계 계산은 연속형 변수의 상관관계 측정과 모수 검증에 사용되는 PCC(Pearson Correlation Coefficient) 알고리즘을 적용하였다. 6가지 가중치 방법을 시계열 알고리즘 LSTM, CNN-LSTM, CNN-LSTM-Attention에 적용 실험하였으며, 딥러닝 모델과 성능 비교를 위해 Random Forest 알고리즘을 사용하였다. 실험 결과, 10종의 기상데이터에 대해 선형(Linear) 가중치를 이용한 LSTM의 실제 예측 성능이 가장 높은(R² : 98.8%) 결과를 나타내었으며, 가중치를 사용하지 않은 경우보다 약 3%의 성능향상을 보였다.