• 목록

[문화뉴스 박선혜 기자] ㈜터빈크루가 ‘2023년도 한국지능시스템 학회 추계학술대회’에서 아주대 박정훈 교수와 함께 진행한 ‘CGAN-LSTM을 활용한 로컬 기반 초단기 풍력 발전량 예측 시스템 연구’ 논문을 발표했다고 밝혔다.

이번 발표는 CGAN-LSTM을 활용한 로컬 기반 초단기 풍력 발전량 예측 시스템에 관한 것으로, 논문은 MWS(Mini Weather Station) 기상센서로 보다 정밀한 기온, 풍향, 풍속, 습도, 기압, 1분 강수량 등의 로컬 기상데이터를 수집해 CGAN-LSTM 풍력 발전량 예측 모델을 설계하고, 이를 기반으로 기상데이터의 시공간적 특성을 반영한 초단기/실시간 풍력 발전량 예측을 수행하는 클라우드 플랫폼을 제시하는 것을 목적으로 하고 있다.

논문 외에 접목된 기술로는 ▲Sliding Window 기법 ▲Self Attention 레이어 ▲Overfitting 방지를 위한 batchNorm, MSE Loss 등이 있다. 또한 인풋 Feature에 중요도에 따른 weight를 적용하기 위해 모델 초기 인풋 데이터에 weight를 적용하는 Self Attention 레이어를 추가하였으며 Conv 레이어 이후 BatchNorm을 추가하여 모델의 정규화 성능을 개선하고 과적합을 방지하였다. 이 외에도 모델의 loss function은 Mean Squared Error를 사용하였다.

비슷한 연구사례에 비교했을 때 기상데이터의 경우 데이터 분산이 작은데, 이로 인해 모델을 학습시키고 성능을 높이기 어려워 문제가 발생하기도 하지만, ㈜터빈크루의 개발 모델은 제안하는 시스템에서 가까운 미래 6시간에 대한 추세를 잘 반영하여 발전량 토탈 값에 대해 예측을 효과적으로 수행함을 확인하여 논문발표에서 차별화에 대해 설명을 하였다.

이번 연구는 기상청에서 제공하는 기상 예측 모델이 많이 있을 텐데, 이를 활용해 미래에 대해 예측된 기상 데이터를 모델 학습에 활용하는 방법도 고려할 예정이다. 그리고 국내에 풍력 발전 단지가 여러 개 있는데, 딥러닝 모델을 활용한 예측은 이제 시작단계이고, 아무래도 단지 인근에 위치한 로컬 기상 센서의 데이터를 활용하지 못할 경우 정확도의 문제가 있었고. 과거에는 기상데이터와 발전량 데이터의 시간적 변화 특성을 반영하지 않고, 단순히 특정 시점의 기상데이터만을 활용해 발전량을 예측하려는 시도는 많이 있어 왔던 것을 진보된 기술을 보여주는 계기가 되었다고 이번 학회에서 발표하였다.

이번 성과를 통해 ㈜터빈크루는 차별화된 기술력을 인정받았으며, AWS 소프트웨어 파트너 승인을 통해 앞으로 더욱 성장에 박차를 가할 예정이다.

이 외에도 미국 델라웨어 지사 설립을 진행하고, 연구결과를 토대로 미국 실리콘밸리와 협업하여 지속적인 기술 발전을 이루고 있으며 ▲AI Tech의 광전 IT대회 6등 ▲마인즈앤컴퍼니가 주최한 인공지능 모의대회 1등 ▲2023년 캐글대회 은메달 수상 ▲코딩대회 우수등 화려한 수상 경력을 지니고 있다.

한편, ㈜터빈크루는 이번에 발표한 기술을 통해 9월~11월동안 전남도민을 위한 파이썬 무료교육을 ㈜해오름드론과 함께 진행하고 있다.

출처 : 문화뉴스(https://www.mhns.co.kr)