광전지(PV) 전력 발전의 불확실성은 전력 계통의 안정성과 유연성에 영향을 미칠 수 있다. 따라서 광전지 전력 출력에 대한 정확한 예측은 안정적인 전력 시스템을 보장하고 차세대 정책 의사결정을 지원하는 데 필수적이다. 본 연구의 목적은 기상 데이터를 기반으로, 입자상 물질(PM) 및 온실가스(GHG) 농도 요인을 추가했을 때와 추가하지 않았을 때의 PV 전력 발전 예측 모델의 성능을 살펴보는 것이다. 본 연구에서는 다양한 머신러닝 모델을 기반으로 PV 전력 발전을 예측하였다. 그 결과, PM 및 GHG 변수를 포함하였는지 여부에 따른 예측 정확도의 유의미한 차이는 없었다. 또한 스태킹 앙상블(stacked ensemble) 모델은 모든 데이터셋에서 가장 낮은 평균제곱근오차(RMSE)와 평균절대오차(MAE) 값을 보였으며, 단일 모델에 비해 성능이 향상된 것으로 나타났다. 기상, PM 및 GHG 변수를 조합하여 포함한 스태킹 앙상블이 가장 우수한 성능을 보였다. 그러나 최적의 데이터셋은 모델마다 달랐다. 따라서 본 연구는 기상 변수가 PV 발전 예측 성능에 가장 큰 영향을 미친다고 결론지었다. 추가 요인 중에서는 GHG보다 PM이 예측 성능 향상에 더 크게 기여하였다.

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