재생에너지의 핵심인 태양광 발전은 날씨 변화에 민감하여 안정적인 전력망 통합에 어려움이 있었습니다. 특히 구름의 움직임에 따라 수십 분 내에 발전량이 급변하는 '램프 이벤트(ramp event)'는 예측이 매우 어려웠습니다. 최근 발표된 연구 논문 'FarSky'는 이러한 문제를 해결하기 위해 AI 기반의 새로운 태양광 발전량 예측 프레임워크를 제안하며, 기존 방식 대비 최대 11% 향상된 예측 정확도를 달성했습니다.
FarSky는 전천 카메라(All-sky imager, ASI)가 촬영한 고해상도 구름 이미지를 활용합니다. 이 모델은 '생성형 예측(generative forecasting)' 프레임워크로, '잠재 공간 결합(latent-space coupling)' 기술을 통해 하늘 이미지의 특징을 학습합니다. 구체적으로, 다중 작업 오토인코더(multi-task autoencoder)가 이미지 재구성 및 일사량 추정을 위한 공유 잠재 표현(shared latent representation)을 학습하고, 이어서 잠재 확산 모델(latent diffusion model)이 최근 관측 데이터를 기반으로 미래 잠재 상태를 생성합니다. 이렇게 생성된 잠재 상태에서 일사량 예측이 직접 디코딩되며, 확률론적 예측(probabilistic forecasts)까지 제공합니다. 이 프레임워크는 스페인 플라타포르마 솔라 데 알메리아(Plataforma Solar de Almería)에서 수년간 축적된 ASI 데이터셋으로 개발되었으며, 두 개의 독립적인 테스트 데이터셋에서 기존 최첨단 예측 모델들을 능가하는 성능을 입증했습니다.
FarSky는 전체적인 결정론적(deterministic) 및 확률론적(probabilistic) 예측 성능에서 최고를 기록하며, 예측 정확도를 최대 11% 포인트 향상시켰습니다. 특히, 발전량 급변(램프 이벤트) 감지 능력은 기존 방법보다 크게 개선되어 F1-점수(F1-score) 60% 이상을 달성했습니다. 이는 생성형 모델과 작업 인지 잠재 공간 결합(task-aware latent-space coupling)의 조합이 태양광 예측 분야에서 큰 잠재력을 가지고 있음을 보여줍니다. 이러한 기술 발전은 태양광 발전의 전력망 통합을 더욱 안정적으로 만들고, 재생에너지 전환을 가속화하는 데 중요한 역할을 할 것으로 기대됩니다.