본 논문은 심층 학습 기반의 확률적 풍속 예측 방법을 제시합니다. 풍속의 변동성으로 인해 풍력 발전량 예측의 불확실성을 정량화하는 것은 중요한 과제이며, 본 논문에서는 Tube loss 함수를 이용하여 이를 해결하고자 합니다. Tube loss 함수는 분포 가정 없이도 점근적 적중률 보장과 좁은 예측 구간(PI)을 얻을 수 있는 단순하고 모델에 종속적이지 않은 PI 추정 방법입니다. LSTM, GRU, TCN과 같은 인기 있는 아키텍처를 Tube loss 프레임워크 내에 효과적으로 통합한 심층 확률적 예측 모델을 설계하고, Jaisalmer, Los Angeles, San Francisco 세 지역의 풍속 데이터를 사용하여 실험을 진행합니다. 실험 결과, 제안된 모델이 최근 개발된 확률적 풍속 예측 방법보다 더 신뢰할 수 있고 좁은 PI를 생성함을 보여줍니다. 또한 Tube loss 함수의 δ 매개변수를 조정하기 위한 단순하면서도 효과적인 휴리스틱 방법을 제시합니다.
