News

department of electronic engineering
sogang university

Photo News

홍석 교수 연구팀, 에너지 분야 국제 저명 저널 IEEE Transactions on Sustainable Energy 논문 게재
  • 2024.09.23
  • 32

 

김홍석 교수 연구팀

에너지 분야 국제 저명 저널 IEEE Transactions on Sustainable Energy 논문 게재 

 ▲(왼쪽부터) 송근주 석박통합과정, 김민수 박사, 김홍석 교수

 

 

본교 전자공학과 송근주 석박사통합과정과 김민수 박사(지도교수 김홍석)의 논문이 국제 에너지 분야 최상위 저널인 IEEE Transactions on Sustainable Energy (2023년 발표 기준 JCR Impact Factor 8.6, 상위 8%)에 게재 승인되었다.

 

해당 논문은 최근 전력 시스템에서의 신재생 에너지 투입을 위한 새로운 형태의 다중 태양광 발전량 예측 기법에 관한 것이다제안하는 기법은 특히 국가 단위의 넓은 지역에 걸쳐 분포해 있는 태양광 발전소들에 대하여 단일 모델로도 효율적이며 정확한 예측을 수행한다일반적으로 대규모 형태의 태양광 발전소를 학습하기 위해서는 대용량의 GPU 메모리가 확보되어야 하며이는 상황에 따라 out of memory (OOM) 에러로 이어져 학습 비용이 크게 상승하는 문제가 있었다따라서 이를 해결하기 위해 해당 논문에서는 그래프 신경망 기반의 Random Coarse Graph Attention과 Probabilistic autoregressive LSTM 모델을 제안 및 결합하여 약 1600개 이상의 태양광 발전소를 동시에 학습 시에도 최대 57.3%의 낮은 GPU 메모리 사용량을 보였으며시공간 학습을 통해 최대 11.7% 향상된 예측 정확도를 달성하였다또한 실제 상황에서 통신 오류센서 고장 등으로 발생하는 결측 데이터 상황을 고려하여 시공간적 보간법을 제안해 결측이 극심한 상황(최대 90%의 결측률)에서도 비교군 대비 강인한 예측 성능을 보였다.

 

제안된 다중 태양광 발전량 예측 기법인 AnyCast는 가상발전소 (VPP) 구성 등 배전망 운영에 효과적으로 기여할 수 있으며재생에너지가 고려된 최적 조류 계산 등 다양한 전력망 운영에 포괄적인 적용이 가능할 것으로 기대된다.

 

 

 


 

 

논문명: Graph-based Large Scale Probabilistic PV Power Forecasting Insensitive to Space-Time Missing Data

저널명: IEEE Transacations on Sustainable Energy (IF 8.6, JCR 상위 8%)

저자명송근주 (서강대학교), 김민수 (서강대학교), 김홍석 (서강대학교)