재생에너지 예측과 나노그리드 전력거래를 위한 딥러닝·강화학습 연구

Deep Learning and Reinforcement Learning for Renewable Energy Forecasting and Nanogrid Power Trading

연구 내용

태양 및 풍력 발전 예측과 나노그리드 전력거래를 위해 딥러닝과 강화학습을 적용하고, 하이퍼파라미터 최적화를 결합하는 연구

재생에너지 연계의 안정화를 위해 이상금 연구실은 예측과 거래 최적화를 함께 다룹니다. 태양 복사에 대해서는 피드포워드 인공신경망에 equilibrium optimization 기반의 하이퍼파라미터 및 모델 탐색을 결합해 예측 성능을 높이는 접근을 사용합니다. 풍력 예측에서는 CNN으로 공간 특성을 추출하고 GRU로 시간 시퀀스를 모델링한 뒤, 적응형 환경 반응 메커니즘을 갖는 인공 프로토조아 최적화로 학습과 튜닝을 수행합니다. 또한 나노그리드 클러스터에서는 강화학습을 통해 P2P 전력거래 정책을 학습하여 의사결정과정의 불확실성을 흡수하는 방향으로 확장합니다.

관련 프로젝트

0건

연구 흐름

연구 초기는 태양 복사 기반 예측에서 신경망 모델과 메타휴리스틱을 결합해 입력 특성과 학습 파라미터를 조정하는 방식으로 전개되었습니다. 이후 풍력 예측으로 범위를 넓히고, CNN과 GRU의 하이브리드 구조에 최적화 전략의 탐색·활용 균형을 조절하는 적응형 메커니즘을 접목하는 연구를 수행했습니다. 최근에는 예측을 넘어 나노그리드 P2P 전력거래로 적용 범위를 확장하여 강화학습 기반 정책 수립을 포함하는 형태로 발전했습니다. 특허 실적도 발전량 예측을 위한 학습 기반 링크 스케줄링과 예측 알고리즘으로 이어지고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

태양복사 기반 발전량 예측
초단기 풍력 예측
나노그리드 P2P 전력거래
재생에너지 운영 최적화
센서 링크 스케줄링 설계
실시간 하이퍼파라미터 튜닝
전력계통 데이터 융합 모델
전력시장 의사결정 지원
마이크로그리드 수요-공급 조정
에너지 예측 품질 평가