전 세계적으로 에너지 수요가 증가함에 따라 재생에너지는 점점 더 중요해지고 있다. 특히 태양광 발전은 지속 가능하고 환경 친화적인 대안으로 자리매김하고 있으며, 대규모 발전소뿐만 아니라 소규모 가정용 전력 생산 시스템에서도 점차 중요한 역할을 하고 있다. 그러나 소규모 전력 생산 시스템은 날씨 조건에 따른 발전량 변동성과 데이터 부족으로 인해 효율적인 예측 모델 개발에 어려움을 겪고 있다. 본 연구에서는 이러한 문제를 해결하기 위해 전이학습과 동적 시간 워핑(dynamic time warping, DTW)을 결합한 새로운 예측 프레임워크를 제안한다. 우리는 데이터가 부족한 환경에서도 높은 예측 성능을 유지할 수 있는 전이학습 기반 예측 시스템 설계를 제시한다. 다원(多源) 데이터를 활용하여 대상 도메인에 적합한 예측 모델을 개발하는 과정에서, DTW를 이용한 데이터 유사성 평가 방법을 제안하며, 이는 기존의 장단기 메모리(long short-term memory, LSTM) 및 Transformer 모델과 비교하여 MSE 및 MAE 지표에서 낮은 오차율로 우수한 성능을 보인다. 본 연구는 소규모 PV 전력 생산 시스템의 에너지 효율을 극대화하고 에너지 자립도를 향상시키는 데 기여할 뿐만 아니라, 데이터가 부족한 환경에서도 높은 신뢰성을 유지할 수 있는 방법론을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.