Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data

Data

• 최소/최대/체감/실제 온도, 대기압, 습도, 흐림 정도, 풍향, 풍속 등
• 호주/그리스 의 여러 지역 & 태양광 및 풍력 발전소 위치

Architecture

UTCAE(U-shaped Temporal Convolutional Auto-Encoder)
랑 MKST-Attention 포함하는 모델 구조

UTCAE는 자세히 보면 아래와 같게 생겼다.

인코더 부분에서는 시계열 데이터를 작은 차원으로 압축 -> convolution 을 통해
디코더 있고..
이름이 달라서 U-net이랑 다른건가 했는데 구조는 완전히 똑같은 것 같고...
그냥 처리하는 데이터 차원이 다른건가?
그리고 시계열로 처리할 수 있게 만든 것 같다.

아래는 챗gpt께서 가장 중요하다고 골랐던 피겨라서 가져옴

AEMO-H 데이터셋에 대해 제안된 방법으로 가중치 행렬이라는데
행이 이제 energy station, 열이 weather data임
스테이션 1이랑 관련해서 모델이 위치 1, 3, 13 등의 날씨 데이터를 중요하게 고려하고 있음.
-> 스테이션 별로 중요하게 고려하는 날씨 데이터가 다른? 신기

내가 하는 태양광이랑 비슷한 것 같아서 좀 더 살펴봤다.
일정 기간의 날씨 데이터를 넣으면 발전량이 출력되는데
찾아보니 여기서는 14일 이전의 데이터를 입력한다고 한다. 그러면 다음날의 발전량 예측. (갑자기 관심이 식었음)