심층 학습을 기반으로 한 고정식 진동 수주형 발전기 내 수주 높이와 입사 파의 스펙트럼 간의 관계 분석과 예측 모델

초록

본 연구는 부유식 파고계에서 계측된 입사 파도의 파고 데이터를 이용하여 고정식 진동수주형 파력 발전기(Oscillating Water Column Wave Energy Converter, OWC WEC)의 챔버 내 수주 높이 변화를 예측하는 방법을 제안하였다. 파고 데이터는 시계열 데이터로 시계열 데이터의 예측 방법에는 시계열 전체를 예측하는 방법과 통계적 특징 인자를 예측하는 방법이 있다. 장기 예측 모델에는 통계적 특징 인자를 예측하는 방법이 적합하여 파고 스펙트럼을 예측하는 방법을 사용하였다. 입사파와 OWC 챔버 내의 수주 높이 스펙트럼의 유사도를 분석한 결과 유사도의 크기는 입사파의 특성과 밀접한 관련이 있는 것으로 나타났다. 유사도는 파고 스펙트럼의 형상에 대해 비교하고자 Cosine Similarity로 비교하였다. 두 스펙트럼간 유사도는 파고의 에너지가 높은 구간에서는 유사도가 높아지며, 에너지가 낮은 구간에서는 유사성이 크게 감소하였다. 유사성 분석결과와 유의미한 발전이 일어나는 기준을 고려하여 파고 데이터에 Cut-in/out 기준을 설정하여 분류하였다. 분류된 파고 데이터는 심층 학습(Deep Learning) 모델의 입출력 데이터로 사용하여 스펙트럼을 구성하는 각 주파수별 파워 스펙트럴 밀도(Power Spectral Density, PSD)의 값을 예측하도록 구성하였다. 예측모델의 모델의 입/출력은 각 스펙트럼을 구성하는 모든 영역의 주파수 값이 포함되므로, Seq2Seq(Sequence-to-Sequence) 구조의 심층학습 방법을 채택하였다. 제안된 모델로 실제 운영중인 OWC 파력발전 시스템의 수주실 수위 변동의 스펙트럼을 예측한 결과 예측 정확도가 95% 이상임을 확인하였다.