정확한 GHI 데이터는 비용 효율적인 PV 시스템을 설계하는 데 필수적이지만, 많은 지역에서는 현장 측정이 부족하다. 최근의 연구들은 다지역 GHI 예측 모델이 학습 위치를 넘어서는 범위에서도 잘 일반화됨을 보여주었으나, 이러한 성과는 PV 시스템 최적화에는 활용되지 못했으며, PV 최적화는 여전히 측정 데이터에 의존하고 전통적인 PV 최적화 접근법은 관측된 GHI 데이터를 계속 사용하고 있다. 본 연구는 이러한 간극을 메우기 위해 다지역 데이터셋을 활용하여 ML 기반 GHI 예측 프레임워크를 구동하고, 그 출력값을 5단계 PV 성능 모델에 통합한 다음 연간 에너지 생산량과 LCOE에 대한 다목적 최적화를 위해 NSGA-II를 적용하였다. 최적의 PV 구성은 경사각 39°, 방위각 212°, 모듈 타입 3이었으며 LCOE는 0.1545 KRW/kWh를 달성하였다. 측정 기반 최적화와의 차이는 경사각에서 1° 미만, 방위각에서 3° 미만, LCOE에서는 6.6% 미만이었다. 이 프레임워크는 태양 및 PV 데이터가 제한된 지역에서도 비용 효율적인 PV 시스템 설계를 가능하게 한다.

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