일일 풍력 발전 패턴을 위한 순환 마코프 모델

본 논문은 풍력 터빈의 전력 생산에 내재된 일일(다이얼) 변동성을 정량화하고, 이를 기반으로 신뢰성 있는 합성 시계열을 생성하기 위한 새로운 확률 모델을 제안한다. 기존 연구들은 주로 풍속을 기반으로 한 1차원 마코프 체인이나, 풍력 전력 자체를 직접 모델링하는 방법을 사용했지만, 일일 패턴을 충분히 반영하지 못하거나 상태공간이 과도하게 커지는 문제를 안고 있었다. 이를 해결하기 위해 저자들은 세 가지 핵심 요소를 결합한다. 1. **3차원 상태공간 정의** 전력(P), 풍속(V), 풍향(θ)를 각각 이산 구간으로 나누어 복합 상태 s_i = (P_bin, V_bin, θ_bin)를 만든다. 이 방식은 전력과 기상 변수 간의 비선형 상관관계를 동시에 포착한다. 논문에서는 전력을 0.1 MW, 풍속을 1 m/s, 풍향을 30° 간격으로 구분해 약 2 500개의 상태를 구성하였다. 2. **시간‑주기 전이확률의 베르누이 다항식 파라미터화** 전이확률 p_{ij}(t) 를 베르누이 다항식 β_{μ,k}(t)·b_{μ,k} 로 표현한다. 여기서 b_{μ,k}는 베르누이 기저함수이며, β_{μ,k}는 양수이며 Σβ_{μ,k}=1인 계수이다. 이 형태는 0≤t≤T(일주기) 구간에서 연속적이고 주기적인 전이확률을 보장한다. 베르누이 다항식 차수를 k로 설정하면 파라미터 수는 (k+1)·|S|·|S| 로 제한돼, 전통적인 시간별 전이행렬 방식보다 효율적이다. 3. **두 단계 로그우도 결합 최적화** 모델 파라미터(β, 초기분포 α)를 추정하기 위해 두 개의 로그우도 L₁, L₂를 가중합한다. L₁은 전체 데이터에 대한 전통적인 마코프 체인의 최대우도이며, 정상분포 π*와 관측된 상태분포의 차이를 최소화한다. L₂는 시간대별(예: 10 분 구간) 전이빈도와 베르누이 다항식이 예측하는 전이확률 사이의 차이를 최소화해 일일 변동을 반영한다. 가중치 ω∈