Forecast of Solar Irradiance Based on the Cloud Motion Vector Derived from Satellite Images

Q: 이 논문에서 정의한 구름 이동 벡터란 무엇인가?

구름 이동 벡터는 위성 이미지에서 구름의 움직임 정보를 제공하는 것으로, 연속된 두 위성 이미지에서 구름의 위치 변화를 분석하여 미래의 구름 분포를 예측하는 데 사용된다. 이는 광학 흐름 모델을 통해 구름의 변위를 추정하며, 태양 복사량 예측의 핵심 요소로 활용된다.

Q: 위성 이미지 기반의 GHI 예측 모델은 3시간 예측에서 어떤 성능을 보이는가?

연구 결과, 위성 이미지 기반의 GHI 예측 모델은 3시간 예측에서 물리 모델의 경우 30.85%, 준경험적 모델의 경우 38.06%의 상대 제곱근 평균 오차(rRMSE)를 보였다. 특히 FARMS 모델은 Hammer 모델보다 30분에서 180분 예측에서 더 나은 성능을 나타냈다.

Pranda MP Garniwa; Raihan Kamil; Rial Arifin; Hyunjin Lee

학술대회자료

저자정보: Pranda MP Garniwa (Kookmin University) Raihan Kamil (Kookmin University) Rial Arifin (Kookmin University) Hyunjin Lee (Kookmin University)

저널정보: 대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2021년도 동계학술발표대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

Photovoltaic (PV) technology is one of the most promising renewable energy sources for replacing fossil fuels. Along with a big surge of PV systems, the unpredictability of solar irradiance has become a major issue, which degrades reliability, reduces economic advantages, and shortens system lifetime. An easy and cheap remedy to mitigate the unpredictability is the control and operation of PV power based on solar irradiance forecast. This work presented a method to forecast 3-hours ahead global horizontal irradiance (GHI). First, the future cloud distribution is predicted by the optical flow model that simulates cloud movement based on two sequential satellite images. Then, the cloud information at a specific location is imported to semi-empirical and physical conversion models to predict future GHI. The predicted GHI data were compared with measurement data using a pyranometer at a ground station. The comparison demonstrated that relative root-mean-square errors (rRMSE) of the semi-empirical and physical models for 3-hours ahead GHI prediction are 38.06% and 30.85%, respectively.

#Satellite image #solar irradiance prediction #cloud motion vector #PV power

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)