구름량 데이터 기반 태양광 발전 예측 모델 추정

본 논문은 현장에 일사량·온도 센서가 설치되지 않은 다수의 분산형 태양광 발전소를 대상으로, 위성 기반 구름량 데이터와 기상청의 온도 예보만으로 발전량을 예측할 수 있는 파라미터 추정 프레임워크를 제시한다. 서론에서는 재생에너지의 변동성 문제와 기존 일사량 기반 예측 방법이 현장 측정에 크게 의존한다는 한계를 지적한다. 특히 대규모 DSO가 수천 개의 PV 설비를 관리할 때, 개별 설비에 센서를 설치하는 비용과 유지보수 부담이 크다는 점을 강조한다. 관련 연구에서는 PVUSA 모델을 이용한 물리 기반 접근과 ANN·SVM 등 데이터 기반 접근을 비교한다. 기존 연구는 일사량·온도 실측값을 전제로 하여 모델을 학습하거나, 구름량을 이용해 청천 일사량을 보정하는 방법을 제시했지만, 현장 일사량이 없을 경우 적용이 어려웠다. 본 논문은 이러한 공백을 메우기 위해, (1) PVUSA 모델 P=µ₁I+µ₂I²+µ₃IT 를 채택하고, (2) 구름량 지수 N을 이용해 클라우드 커버 팩터 C(N)=1+µ₄N+µ₅N² 로 일사량 I= C(N)·I₀ 를 대체한다. 여기서 I₀ 은 Heliodon 모델을 통해 계산한 이론적 청천 일사량이며, 패널의 방위·경사각은 일반적인 최적 배향 가정을 사용한다. 이렇게 하면 발전량은 구름량 N, 온도 T, 이론 일사량 I₀ 의 함수 P= (µ₁+µ₂I+µ₃T)·I 로 표현된다. 수식 (11)–(13) 로 정리된 모델은 파라미터 벡터 µ =