1. Object Setting

<aside>

• LSTM과 Transformer를 멀티 모델로 구현
• 결과: 한 station의 power 혹은 모든 station의 각각의 power
• 멀티 모델로 여러 station을 모두 학습하여 결과 냄
• 두 모델의 성능 비교 (Transformer)가 우세하도록…. </aside>

목표

• 태양광 발전소의 발전량(power)을 NWP + LMD 기상 데이터와 meta 데이터를 활용해 예측
• 글로벌 모델: 여러 발전소를 동시에 학습해 공통 패턴 + 개별 특성을 함께 반영
• 시계열 데이터: 15분 단위 2018년 08월 15일 16:00:00 - 2019년 06월 13일 15:45:00 (station 마다 상이)

코드 구성

• PVplant

2. Data Curation & 3. Data Inspection

• 2. Data Curation

3. Data Inspection

• 3. Data Inspection

4. Data Preprocessing

• 4. Data Preprocessing

5. Data Analysis (Modeling)

1. 모델 초기화

• LSTM
• Transformer
• 마지막 hidden state와 meta 데이터 결합해 학습시킴

1. Seqdataset
   • 각 데이터를 (x, y, d, meta) 튜플로 각 샘플마다 분할
2. Dataloader
   • 샘플을 배치 사이즈에 따라 합쳐서 모델 입력을 위한 최종 형태 반환
3. 모델 train