고정식 OWC 수주실 수위의 장기 예측을 위한 주파수 영역 딥러닝 모델

Abstract

본 연구는 고정식 OWC(Oscillating Water Column) 발전 시스템의 수주실 수위 변동을 장기적으로 예측하기 위한 스펙트럼 기반 딥러닝 모델을 제안한다. 파고 시계열은 비정상성과 확률성이 강해, 기존 시간 영역 기반 예측 모델은 예측 시간이 증가할수록 정확도가 저하 되는 한계를 가진다. 이를 극복하기 위해 파고 시계열을 주파수 영역으로 변환하고, 1차원 합성곱 신경망(Conv1D)과 다중 분기 주의 메커니 즘(Multi-branch Attention)을 결합한 스펙트럼 예측 모델을 설계하였다. 제안된 모델은 서로 다른 시간 구간(30분 전, 15분 전, 현재)의 스펙 트럼 정보를 병렬적으로 입력받아 각 시점별 특징을 학습하고, Attention 메커니즘을 통해 시점 간 상대적 중요도를 반영하여 통합하도록 구 성되었다. 이를 통해 시간 지연 구간별 에너지 분포의 변화를 반영하면서도 전체 스펙트럼의 장주기 변동 특성을 안정적으로 예측할 수 있다. 제안 모델의 성능은 동일 데이터셋에서 Temporal Convolutional Network(TCN) 기반 시계열 예측 모델과 비교하였으며, 스펙트럼, 유의파고 (Significant Wave Height, ？？ )와 평균에너지주기(Mean Energy Period, ？？ )를 기준으로 평가하였다. 분석 결과, 제안된 스펙트럼 기반 모델 은 모든 예측 지연시간(1, 5, 15, 30분)에서 TCN 모델보다 높은 정확도를 보였으며, 30분 예측에서도 ？ ？이 0.9 이상으로 유지되어 OWC 수주 실 수위의 장기 예측에서 높은 안정성과 물리적 일관성을 확보함을 확인하였다.