KR101376910B1 - 태양전지모듈의 고장검출 방법 및 그 장치 - Google Patents

태양전지모듈의 고장검출 방법 및 그 장치 Download PDF

Info

Publication number
KR101376910B1
KR101376910B1 KR1020130033631A KR20130033631A KR101376910B1 KR 101376910 B1 KR101376910 B1 KR 101376910B1 KR 1020130033631 A KR1020130033631 A KR 1020130033631A KR 20130033631 A KR20130033631 A KR 20130033631A KR 101376910 B1 KR101376910 B1 KR 101376910B1
Authority
KR
South Korea
Prior art keywords
battery cell
normal
voltage
current
standard deviation
Prior art date
Application number
KR1020130033631A
Other languages
English (en)
Inventor
이상호
이철승
김일배
이형락
조현철
정영진
Original Assignee
울산과학대학교 산학협력단
주식회사 휴엔스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 울산과학대학교 산학협력단, 주식회사 휴엔스 filed Critical 울산과학대학교 산학협력단
Priority to KR1020130033631A priority Critical patent/KR101376910B1/ko
Application granted granted Critical
Publication of KR101376910B1 publication Critical patent/KR101376910B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G01R19/16542—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies for batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명은 태양전지모듈의 고장검출 방법 및 그 장치에 관한 것이다. 본 발명에 따르면, 태양전지모듈을 구성하는 복수의 전지셀에 대한 전압을 각각 측정하는 단계와, 상기 복수의 전지셀의 전압 값들로부터 평균 및 표준편차를 연산하는 단계와, 상기 평균 및 표준편차로부터 정규 분포의 확률 밀도 함수를 연산하는 단계, 및 상기 확률 밀도 함수에 기반한 최대 우도 결정법(Maximum likelihood decision)을 이용하여 각각의 상기 전지셀의 전압의 정상 여부를 판단하는 단계를 포함하는 태양전지모듈의 고장검출 방법을 제공한다.
상기 태양전지모듈의 고장검출 방법 및 그 장치에 따르면, 기존의 온도, 일사량 등의 추가적인 센서 없이, 각각의 전지셀로부터 획득된 전압 및 전류 값을 바탕으로 인접 전지셀과의 비교만으로 각 전지셀의 고장을 판별할 수 있는 이점이 있다. 이러한 본 발명은 복수의 전지셀로부터 측정된 각각의 전압 및 전류를 바탕으로 최대 우도 결정법에 기반하여 각 전지셀의 전압 및 전류의 정상 여부를 용이하게 판단할 수 있다.

Description

태양전지모듈의 고장검출 방법 및 그 장치{Method for detecting trouble of solar cell module and apparatus thereof}
본 발명은 태양전지모듈의 고장검출 방법 및 그 장치에 관한 것으로서, 보다 상세하게는 태양전지모듈을 구성하는 각 전지셀을 인접 전지셀과 비교하여 고장 여부를 검출할 수 있는 태양전지모듈의 고장검출 방법 및 그 장치에 관한 것이다.
태양전지모듈을 구성하는 개별 전지셀의 고장 판별을 위한 방법으로서 종래에는 온도, 일사량에 의한 이론적 발전량 기대값을 현재 발전량과 비교하여 고장을 판단하는 것이 일반적이다. 또한 기존에는 태양전지모듈 출력 자료를 근거로 모듈의 이상을 진단하게 되는데 일조량 변화에 의한 출력 감소와 고장에 의한 출력감소를 판별해야 하므로 현재 표준 출력을 계산한 후 기상조건 등의 자료를 참조하여 각 모듈의 출력의 이상 유무를 판별하는 방식을 이용한다.
이러한 기존의 방법은 태양전지모듈 주변에 일정 간격마다 온도, 일사량 등의 센서 모듈을 필요로 하고 각 셀들에 대한 사전 기록값들을 가지고 있어야 하며 이 기록값들은 종종 교정을 필요로 하는 단점이 있다. 본 발명의 배경이 되는 기술은 국내등록특허 제0886891호(2009.02.26 등록)에 개시되어 있다.
본 발명은 추가적인 센서 없이 인접 전지셀과의 비교를 통해 각 전지셀의 고장을 판별할 수 있는 태양전지모듈의 고장검출 방법 및 그 장치를 제공한다.
본 발명은, 태양전지모듈을 구성하는 복수의 전지셀에 대한 전압을 각각 측정하는 단계와, 상기 복수의 전지셀의 전압 값들로부터 평균 및 표준편차를 연산하는 단계와, 상기 평균 및 표준편차로부터 정규 분포의 확률 밀도 함수를 연산하는 단계, 및 상기 확률 밀도 함수에 기반한 최대 우도 결정법(Maximum likelihood decision)을 이용하여 각각의 상기 전지셀의 전압의 정상 여부를 판단하는 단계를 포함하는 태양전지모듈의 고장검출 방법을 제공한다.
또한, 상기 전압 값들로부터 평균 및 표준편차를 연산하는 단계는 상기 전압 값들 중에서 최대 값과 최소 값을 제외하여 연산하며, 상기 각각의 전지셀의 전압의 정상 여부를 판단하는 단계는 상기 전지셀 별로 상기 전지셀에서 측정된 전압 v를 아래의 수학식에 적용하여 전압의 정상 여부를 판단할 수 있다.
Figure 112013027085224-pat00001
,
Figure 112013027085224-pat00002
여기서, Λ(v)는 임의 전지셀에서 측정된 전압이 v인 경우에 대한 최대 우도 결정식으로서 Λ(v) > 1이면 정상, Λ(v) < 1이면 고장이며,
p(v|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률로서 μ(v)는 상기 평균, σ(v)는 상기 표준편차이며, p(v|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률이다.
또한, 상기 p(v|fault)는 아래의 수학식으로 정의될 수 있다.
Figure 112013027085224-pat00003
여기서, A는 상기 임의 전지셀의 고장 확률을 결정하는 임의의 상수이다.
또한, 상기 복수의 전지셀에 대한 전압을 각각 측정하는 단계는 상기 복수의 전지셀에 대한 전류를 각각 더 측정하고, 상기 평균 및 표준편차를 연산하는 단계는 상기 복수의 전지셀의 전류 값들로부터 평균 및 표준편차를 더 연산하고, 상기 확률 밀도 함수를 연산하는 단계는 상기 전류 값들에 대한 평균 및 표준편차로부터 상기 전류 값들에 따른 정규 분포의 확률 밀도 함수를 더 연산하고, 상기 각각의 전지셀의 전압의 정상 여부를 판단하는 단계는 상기 전류 값들에 따른 확률 밀도 함수에 기반한 최대 우도 결정법을 이용하여 상기 각각의 전지셀의 전류의 정상 여부를 더 판단하며, 상기 전류 값들로부터 평균 및 표준편차를 연산 시에, 상기 전류 값들 중에서 최대 값과 최소 값을 제외하여 연산하며, 상기 각각의 전지셀의 전류의 정상 여부를 판단하는 단계는 상기 전지셀 별로 상기 전지셀에서 측정된 전류 i를 아래의 수학식에 적용하여 전류의 정상 여부를 판단할 수 있다.
Figure 112013027085224-pat00004
,
Figure 112013027085224-pat00005
여기서, Λ(i)는 임의 전지셀에서 측정된 전류가 i인 경우에 대한 최대 우도 결정식으로서 Λ(i) > 1이면 정상, Λ(i) < 1이면 고장이며,
p(i|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률로서 μ(i)는 상기 전류 값들의 평균, σ(i)는 상기 전류 값들의 표준편차이며, p(i|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률이다.
그리고, 본 발명은 태양전지모듈을 구성하는 복수의 전지셀에 대한 전압을 각각 측정하는 측정부와, 상기 복수의 전지셀의 전압 값들로부터 평균 및 표준편차를 연산하는 제1 연산부와, 상기 평균 및 표준편차로부터 정규 분포의 확률 밀도 함수를 연산하는 제2 연산부, 및 상기 확률 밀도 함수에 기반한 최대 우도 결정법(Maximum likelihood decision)을 이용하여 각각의 상기 전지셀의 전압의 정상 여부를 판단하는 판단부를 포함하는 태양전지모듈의 고장검출 장치를 제공한다.
본 발명에 따른 태양전지모듈의 고장검출 방법 및 그 장치에 따르면, 기존의 온도, 일사량 등의 추가적인 센서 없이 각 전지셀로부터 획득된 전압 및 전류 값을 바탕으로 인접 전지셀과의 비교만으로 각 전지셀의 고장을 판별할 수 있는 이점이 있다. 이러한 본 발명은 복수의 전지셀에서 측정된 각각의 전압과 전류를 바탕으로 최대 우도 결정법에 기반하여 각 전지셀의 정상 여부를 용이하게 판단할 수 있다.
도 1은 본 발명의 실시예를 위한 태양전지모듈의 예시도이다.
도 2는 본 발명의 실시예에 따른 태양전지모듈의 고장검출 장치의 구성도이다.
도 3은 도 2의 장치를 이용한 태양전지모듈의 고장검출 방법의 흐름도이다.
도 4 및 도 5는 각각 도 2의 S230 단계 시 획득되는 전압 및 전류에 따른 확률 밀도 함수이다.
도 6은 본 발명의 실시예를 설명하는 전압에 따른 확률 밀도 함수의 예이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
본 발명은 태양전지모듈의 고장검출 방법 및 그 장치에 관한 것으로서, 태양전지모듈을 구성하는 각 전지셀의 전압 및 전류 값을 획득하고, 이로부터 평균 및 표준편차를 연산하여, 확률 밀도 함수에 기반한 최대 우도 결정법(Maximum likelihood decision)을 통해 각 전지셀의 정상 여부를 판단할 수 있다.
도 1은 본 발명의 실시예에 따른 태양전지모듈의 고장검출 장치의 구성도이다. 도 2는 도 1의 장치를 이용한 태양전지모듈의 고장검출 방법의 흐름도이다.
도 1 및 도 2를 참조하면, 상기 태양전지모듈의 고장검출 장치(100)는 측정부(110), 제1 연산부(120), 제2 연산부(130), 판단부(140)를 포함한다.
먼저, 측정부(110)는 태양전지모듈을 구성하는 복수의 전지셀에 대한 전압 및 전류를 각각 측정한다(S210). 이는 각각의 전지셀로부터 전압과 전류 값을 측정하는 과정으로서 각 전지셀에는 전압 센서 및 전류 센서가 구비될 수 있다.
도 3은 본 발명의 실시예를 위한 태양전지모듈의 구성 예이다. 이러한 도 3은 9개의 전지셀로 구성된 3×3 어레이를 갖는 태양전지모듈이다. 물론, 본 발명이 반드시 이에 한정되는 것은 아니다. 세 그룹의 전지셀은 고전압을 만들기 위해 서로 직렬 연결되어 있다. 태양전지모듈의 양단에는 인버터가 연결되어 있으며, 인버터는 태양전지모듈에서 생산된 직류 전압을 교류 전압으로 변환한다.
본 실시예의 경우, 각 전지셀로부터 전압 및 전류 값을 측정하고 이로부터 각 전지셀의 정상 여부를 판단할 수 있다. 도 3에서 9개의 각 전지셀에 대해 측정된 전압 값과 전류 값은 각각 V1~V9, I1~I9로 도시되어 있다.
다음, 제1 연산부(120)는 상기 복수의 전지셀로부터 측정된 전압 값들로부터 평균 및 표준편차를 연산한다. 또한, 복수의 전지셀로부터 측정된 전류 값들로부터 평균 및 표준편차를 연산한다(S220).
이러한 제1 연산부(120)는 전압 값들의 평균 및 표준편차 연산 시 상기 전압 값들 중에서 최대 값과 최소 값을 제외하여 연산하며, 전류 값들로부터 평균 및 표준편차 연산 시 상기 전류 값들 중에서 최대 값과 최소 값을 제외하여 연산한다.
측정된 전압 값(또는 전류 값)들 중에서 그 최대 값 및 최소 값은 상기 복수의 전지셀 중 고장난 전지셀에 대한 전압 값(또는 전류 값)으로 가정할 수 있다.
이러한 본 실시예에서는 각각의 전지셀의 정상 또는 고장 상태를 판정하기 위하여, 이후에 각 전지셀의 전압과 전류에 대한 개별 정규 분포를 획득하게 되는데, 이 정규 분포의 획득을 위한 평균 및 표준편차의 연산 시에는 그 최대 값과 최소 값을 제외하고 연산함에 따라 정상 여부의 판단의 정확성을 높인다.
이후, 제2 연산부(130)는 상기 평균 및 표준편차로부터 정규 분포의 확률 밀도 함수를 연산한다(S230).
우선, 전압 값에 대한 정규 분포의 확률 밀도 함수는 수학식 1로 정의된다.
Figure 112013027085224-pat00006
여기서, p(v|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률로서 μ(v)는 상기 전압 값들의 평균, σ(v)는 상기 전압 값들의 표준편차이다. 물론, μ(v) 및 σ(v)는 각 전지셀의 전압 값들 중에서 최대 값과 최소 값은 제외하여 연산된 것이며, 이는 수학식 2를 참조한다.
Figure 112013027085224-pat00007
여기서, Vn은 N개(ex, N=9)의 전지셀 중 n번째 전지셀에서 측정된 전압이다.
도 4는 도 2의 S230 단계 시 획득되는 전압에 따른 확률 밀도 함수이다. 각 전지셀에 대한 전압 값들(최소/최대 값 제외)을 이용하여 수학식 2를 통해 μ(v) 및 σ(v)를 구하고, 이를 수학식 1의 우변에 각각 대입하면 수학식 1에 의한 p(v|normal) 식은 변수가 'v'만 남게 된다. 이에 따라, v에 따른 확률 밀도 함수가 도 4와 같은 정규 분포 그래프로 얻어진다(도 4의 p(v|normal) 곡선 참조).
전류 값에 대한 정규 분포의 확률 밀도 함수는 수학식 3으로 정의된다.
Figure 112013027085224-pat00008
여기서, p(i|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률로서 μ(i)는 상기 전류 값들의 평균, σ(i)는 상기 전류 값들의 표준편차이다. 물론, μ(i) 및 σ(i)는 각 전지셀의 전류 값들 중에서 최대 값과 최소 값은 제외하여 연산된 것이며, 이는 수학식 4를 참조한다.
Figure 112013027085224-pat00009
여기서, In은 N개(ex, N=9)의 전지셀 중 n번째 전지셀에서 측정된 전류이다.
도 5는 도 2의 S230 단계 시 획득되는 전류에 따른 확률 밀도 함수이다. 각 전지셀에 대한 전류 값들(최소/최대 값 제외)을 이용하여 수학식 4를 통해 μ(i) 및 σ(i)가 구해지고, 이를 수학식 3의 우변에 각각 대입하면 수학식 3에 의한 p(i|normal) 식은 변수가 'i'만 남게 된다. 이에 따라, i에 따른 확률 밀도 함수가 도 5와 같은 정규 분포 그래프로 얻어진다(도 5의 p(i|normal) 곡선 참조).
이후, 판단부(140)는 상기 확률 밀도 함수에 기반한 최대 우도 결정법을 이용하여 각 전지셀의 전압 및 전류의 정상 여부를 판단한다(S240).
우선 각 전지셀에서의 전압의 정상 여부를 판단하는 방법은 다음과 같다. 각 전지셀의 전압의 정상 여부를 판단 시에는, 상기 전지셀 별로 상기 전지셀에서 측정된 전압 v를 아래의 수학식 5에 적용하여 전압의 정상 여부를 판단한다.
Figure 112013027085224-pat00010
여기서, Λ(v)는 임의 전지셀에서 측정된 전압이 v인 경우에 대한 최대 우도 결정식으로서 Λ(v) > 1이면 정상, Λ(v) < 1이면 고장을 나타낸다.
즉, 각 전지셀 별로, 현재 측정된 전압을 수학식 1의 확률 밀도 함수에 대입하여 p(v|normal) 값을 얻고 이를 다시 p(v|fault)로 나눈 값이 1보다 크면 해당 전지셀의 전압이 정상이고, 1보다 작으면 고장으로 판단할 수 있다(도 4 참조).
여기서, p(v|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률로서, 이는 수학식 6으로 정의된다.
Figure 112013027085224-pat00011
A는 상기 임의 전지셀의 전압의 고장 확률을 결정하는 임의의 상수이다. A는 전지셀의 전압 특성과 관계된 것으로서 본 실시예의 경우 Voc(개방 전압)를 사용할 수 있다. 개방 전압은 개방 상태에서 측정되는 전지셀의 최대 전압 값으로 제조 시에 결정되는 값이다. Voc 값은 각 전지셀이 동일한 모델 또는 성능이면 모두 동일한 값을 가질 수 있고, 이외에도 제조 과정에서 미세 오차가 발생할 수도 있다. 물론, A 값은 전지셀이 고장날 확률을 정의할 수 있는 어떠한 값이 사용되어도 무관하다.
본 실시예의 경우, p(v|fault) 값 즉, 임의 전지셀이 고장이라는 가정 하에 임의 전지셀에서 측정된 전압이 v일 확률이, 모든 v 에 대해 일정한 값(1/Voc)을 가지는 것으로 가정한다(도 4의 p(v|fault) 선 참조).
도 4를 참조하면, 수학식 5의 의미는 임의 전지셀에 대해 현재 측정된 전압 값에서의 p(v|normal) 값이 p(v|fault)보다 큰 경우 해당 임의 전지셀은 정상이고, 그렇지 않은 경우 해당 임의 전지셀은 고장인 것으로 판단하는 것이다. 도 4에서 정상과 고장의 구분은 곡선과 직선이 만나는 두 점을 기준으로 fault 영역과 Normal 영역으로 나눠지는 것이 확인이 된다.
이하에서는, 상기 S240 단계에 관하여, 도 3에서 전압 및 전류 값이 V1, I1인 첫 번째 전지셀이 고장인 경우를 예로 들어 상세히 설명한다.
먼저, V1=40V, Voc=50V로 가정한다. 또한, 전체 9개의 전지 셀에서 측정된 9개의 측정 값에서 최대 값과 최소 값을 제외한 평균 및 표준 편차 값이 각각 μ(v)=50, σ(v)=2라 가정한다.
도 6은 본 발명의 실시예를 설명하는 전압에 따른 확률 밀도 함수의 예이다. 앞서 가정된 조건 하에 구하여지는 전압에 따른 확률 밀도 함수 p(v|normal)는 도 6과 같이 정의된다. 도 6은 평균이 50이고 분산이 2인 정규 분포 형태를 갖는다.
구하여진 p(v|normal) 식에 v=40을 대입하면 p(40|normal) 값이 얻어진다. 또한, p(40|falut)= 1/Voc로 연산된다. 즉, 수학식 1, 5, 6의 원리를 이용하여 상기 첫 번째 전지셀의 고장 여부를 판단할 수 있으며, 이는 수학식 7과 같이 정리된다.
Figure 112013027085224-pat00012
도 6을 참조하면, 첫 번째 전지셀의 측정 전압 즉, 40V 지점의 경우, p(v|normal)이 p(v|fault)보다 큰 경우로서, 실제 수학식 7의 결과도 Λ(v)는 1보다 작은 것이 확인된다. 즉, 40V로 측정된 첫 번째 전지셀은 주변 전지셀과 비교하여 정상이 아닌 것으로 판단할 수 있다.
이러한 본 발명의 실시예에 따르면 기존과 같이 온도, 일사량 등의 추가적인 센서가 없이, 각 전지셀로부터 획득된 전압 및 전류 값만으로도 각 전지셀의 고장을 판별할 수 있다. 이는 각 전지셀의 특성을 정규 분포로 환산하고 이에 기반하는 최대 우도 기법을 사용하여 해당 전지셀의 고장 판별을 수행하는 것으로서 인접 전지셀과의 비교만으로 임의 전지셀의 고장 판단이 가능하다.
상기 S240 단계에서 각 전지셀에서의 전류의 정상 여부를 판단하는 방법도 상술한 방법과 동일한 원리이다. 즉, 상기 전지셀 별로 상기 전지셀에서 측정된 전류 i를 아래의 수학식 8에 적용하여 전류의 정상 여부를 판단한다.
Figure 112013027085224-pat00013
여기서, Λ(i)는 임의 전지셀에서 측정된 전류가 i인 경우에 대한 최대 우도 결정식으로서 Λ(i) > 1이면 정상, Λ(i) < 1이면 고장을 나타낸다.
즉, 각 전지셀 별로, 현재 측정된 전류를 수학식 3의 확률 밀도 함수에 대입하여 p(i|normal) 값을 얻고 이를 다시 p(i|fault)로 나눈 값이 1보다 크면 해당 전지셀의 전류가 정상이고, 1보다 작으면 고장으로 판단할 수 있다.
여기서, p(i|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률로서, 이는 수학식 9로 정의된다.
Figure 112013027085224-pat00014
여기서, B는 상기 임의 전지셀의 전류의 고장 확률을 결정하는 임의의 상수이다. B는 전지셀의 전류 특성과 관계된 것으로서 본 실시예에서는 Isc(단락 전류) 값을 사용할 수 있다. 단락 전류는 단락 상태에서 측정되는 전지셀의 최대 출력 전류 값으로서 제조 시에 결정되는 값이다. 이외에도 B는 Nparallel×Isc 값을 사용할 수 있다. Nparallel 값은 임의 전지셀에 병렬 연결되는 전지셀의 개수를 사용한다. 도 3에서 각 행의 전지셀은 서로 병렬 연결된 것이 확인된다. B 값은 전지셀이 고장난 확률을 정의할 수 있는 어떠한 값이 사용되어도 무관하다.
본 실시예의 경우, p(i|fault) 값이, 모든 i 에 대해 일정한 값(1/(Nparallel×Isc)을 가지는 것으로 가정한다(도 5의 p(i|fault) 선 참조). 도 5에서, 수학식 8의 의미는 임의 전지셀에서 현재 측정된 전류 값에서의 p(i|normal) 값이 p(i|fault)보다 크면 해당 임의 전지셀은 전류 값이 정상, 그렇지 않으면 고장으로 판단한다.
S240 단계 이후에는 저장부(미도시) 및 알람부(미도시)를 통해 고장 또는 정상으로 판단된 전지셀에 대한 데이터로그를 기록하고 고장 전지셀에 대한 경보를 발령한다(S250). 경보는 별도의 표시부에 해당 전지셀의 ID와 고장 값을 출력하여 고장 상태를 알리거나, 유무선 연결된 관리자 단말기로 고장 사항을 알릴 수 있다.
이상과 같은 본 발명의 태양전지모듈의 고장 검출 방법은 실시간 적으로 이루어짐에 따라 실시간 고장 진단이 가능하다. 이상과 같은 본 발명은 복수의 전지셀로부터 측정된 각각의 전압 및 전류를 바탕으로 최대 우도 결정법에 기반하여 각 전지셀의 전압 및 전류의 정상 여부를 용이하게 판단할 수 있는 이점이 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 태양전지모듈의 고장검출 장치
110: 측정부 120: 제1 연산부
130: 제2 연산부 140: 판단부

Claims (8)

  1. 태양전지모듈을 구성하는 복수의 전지셀에 대한 전압을 각각 측정하는 단계;
    상기 복수의 전지셀의 전압 값들로부터 평균 및 표준편차를 연산하는 단계;
    상기 평균 및 표준편차로부터 정규 분포의 확률 밀도 함수를 연산하는 단계; 및
    상기 확률 밀도 함수에 기반한 최대 우도 결정법(Maximum likelihood decision)을 이용하여 각각의 상기 전지셀의 전압의 정상 여부를 판단하는 단계를 포함하는 태양전지모듈의 고장검출 방법.
  2. 청구항 1에 있어서,
    상기 전압 값들로부터 평균 및 표준편차를 연산하는 단계는 상기 전압 값들 중에서 최대 값과 최소 값을 제외하여 연산하며,
    상기 각각의 전지셀의 전압의 정상 여부를 판단하는 단계는 상기 전지셀 별로 상기 전지셀에서 측정된 전압 v를 아래의 수학식에 적용하여 전압의 정상 여부를 판단하는 태양전지모듈의 고장검출 방법:
    Figure 112013027085224-pat00015

    Figure 112013027085224-pat00016

    여기서, Λ(v)는 임의 전지셀에서 측정된 전압이 v인 경우에 대한 최대 우도 결정식으로서 Λ(v) > 1이면 정상, Λ(v) < 1이면 고장이며,
    p(v|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률로서 μ(v)는 상기 평균, σ(v)는 상기 표준편차이며, p(v|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률이다.
  3. 청구항 2에 있어서,
    상기 p(v|fault)는 아래의 수학식으로 정의되는 태양전지모듈의 고장검출 방법:
    Figure 112013027085224-pat00017

    여기서, A는 상기 임의 전지셀의 고장 확률을 결정하는 임의의 상수이다.
  4. 청구항 1에 있어서,
    상기 복수의 전지셀에 대한 전압을 각각 측정하는 단계는 상기 복수의 전지셀에 대한 전류를 각각 더 측정하고, 상기 평균 및 표준편차를 연산하는 단계는 상기 복수의 전지셀의 전류 값들로부터 평균 및 표준편차를 더 연산하고,
    상기 확률 밀도 함수를 연산하는 단계는 상기 전류 값들에 대한 평균 및 표준편차로부터 상기 전류 값들에 따른 정규 분포의 확률 밀도 함수를 더 연산하고, 상기 각각의 전지셀의 전압의 정상 여부를 판단하는 단계는 상기 전류 값들에 따른 확률 밀도 함수에 기반한 최대 우도 결정법을 이용하여 상기 각각의 전지셀의 전류의 정상 여부를 더 판단하며,
    상기 전류 값들로부터 평균 및 표준편차를 연산 시에, 상기 전류 값들 중에서 최대 값과 최소 값을 제외하여 연산하며,
    상기 각각의 전지셀의 전류의 정상 여부를 판단하는 단계는 상기 전지셀 별로 상기 전지셀에서 측정된 전류 i를 아래의 수학식에 적용하여 전류의 정상 여부를 판단하는 태양전지모듈의 고장검출 방법:
    Figure 112013027085224-pat00018

    Figure 112013027085224-pat00019

    여기서, Λ(i)는 임의 전지셀에서 측정된 전류가 i인 경우에 대한 최대 우도 결정식으로서 Λ(i) > 1이면 정상, Λ(i) < 1이면 고장이며,
    p(i|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률로서 μ(i)는 상기 전류 값들의 평균, σ(i)는 상기 전류 값들의 표준편차이며, p(i|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률이다.
  5. 태양전지모듈을 구성하는 복수의 전지셀에 대한 전압을 각각 측정하는 측정부;
    상기 복수의 전지셀의 전압 값들로부터 평균 및 표준편차를 연산하는 제1 연산부;
    상기 평균 및 표준편차로부터 정규 분포의 확률 밀도 함수를 연산하는 제2 연산부; 및
    상기 확률 밀도 함수에 기반한 최대 우도 결정법(Maximum likelihood decision)을 이용하여 각각의 상기 전지셀의 전압의 정상 여부를 판단하는 판단부를 포함하는 태양전지모듈의 고장검출 장치.
  6. 청구항 5에 있어서,
    상기 제2 연산부는 상기 전압 값들 중에서 최대 값과 최소 값을 제외하여 연산하며,
    상기 판단부는 상기 전지셀 별로 상기 전지셀에서 측정된 전압 v를 아래의 수학식에 적용하여 전압의 정상 여부를 판단하는 태양전지모듈의 고장검출 장치:
    Figure 112013027085224-pat00020

    Figure 112013027085224-pat00021

    여기서, Λ(v)는 임의 전지셀에서 측정된 전압이 v인 경우에 대한 최대 우도 결정식으로서 Λ(v) > 1이면 정상, Λ(v) < 1이면 고장이며,
    p(v|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률로서 μ(v)는 상기 평균, σ(v)는 상기 표준편차이며, p(v|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전압이 v일 확률이다.
  7. 청구항 6에 있어서,
    상기 p(v|fault)는 아래의 수학식으로 정의되는 태양전지모듈의 고장검출 장치:
    Figure 112013027085224-pat00022

    여기서, A는 상기 임의 전지셀의 고장 확률을 결정하는 임의의 상수이다.
  8. 청구항 5에 있어서,
    상기 측정부는 상기 복수의 전지셀에 대한 전류를 각각 더 측정하고, 상기 제1 연산부는 상기 복수의 전지셀의 전류 값들로부터 평균 및 표준편차를 더 연산하고,
    상기 제2 연산부는 상기 전류 값들에 대한 평균 및 표준편차로부터 상기 전류 값들에 따른 정규 분포의 확률 밀도 함수를 더 연산하고, 상기 판단부는 상기 전류 값들에 따른 확률 밀도 함수에 기반한 최대 우도 결정법을 이용하여 상기 각각의 전지셀의 전류의 정상 여부를 더 판단하며,
    상기 제1 연산부는 상기 전류 값들로부터 평균 및 표준편차를 연산 시에 상기 전류 값들 중에서 최대 값과 최소 값을 제외하여 연산하며,
    상기 판단부는 상기 전지셀 별로 상기 전지셀에서 측정된 전류 i를 아래의 수학식에 적용하여 전류의 정상 여부를 판단하는 태양전지모듈의 고장검출 장치:
    Figure 112013027085224-pat00023

    Figure 112013027085224-pat00024

    여기서, Λ(i)는 임의 전지셀에서 측정된 전류가 i인 경우에 대한 최대 우도 결정식으로서 Λ(i) > 1이면 정상, Λ(i) < 1이면 고장이며,
    p(i|normal)는 임의 전지셀이 정상이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률로서 μ(i)는 상기 전류 값들의 평균, σ(i)는 상기 전류 값들의 표준편차이며, p(i|fault)는 상기 임의 전지셀이 고장이라는 가정 하에 상기 임의 전지셀에서 측정된 전류가 i일 확률이다.
KR1020130033631A 2013-03-28 2013-03-28 태양전지모듈의 고장검출 방법 및 그 장치 KR101376910B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130033631A KR101376910B1 (ko) 2013-03-28 2013-03-28 태양전지모듈의 고장검출 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130033631A KR101376910B1 (ko) 2013-03-28 2013-03-28 태양전지모듈의 고장검출 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR101376910B1 true KR101376910B1 (ko) 2014-03-26

Family

ID=50649266

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130033631A KR101376910B1 (ko) 2013-03-28 2013-03-28 태양전지모듈의 고장검출 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101376910B1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150133065A (ko) * 2014-05-19 2015-11-27 에스케이이노베이션 주식회사 배터리의 과충전 감지 기준 전압값 결정 장치 및 방법
KR20160046547A (ko) 2014-10-21 2016-04-29 주식회사 엘지화학 신뢰도 및 표준편차를 이용한 배터리 시스템 진단 기준값 산출 장치 및 방법
KR101743908B1 (ko) * 2016-12-21 2017-06-07 주식회사 베스텍 태양광 발전장치의 pv 고장 및 불량모듈 바이패스 시스템
KR101745419B1 (ko) * 2016-12-07 2017-06-12 주식회사 광명전기 Pv 불량모듈 우회 회로를 구비한 태양광 발전 시스템
KR101874857B1 (ko) * 2018-02-14 2018-07-05 주식회사 비젼코스모 태양전지 셀에 대한 고장 모니터링 장치 및 그 동작 방법
KR20190065497A (ko) 2017-12-01 2019-06-12 (주)탑인프라 태양광발전시스템의 정션박스용 스트링데이터 수집장치
CN112433157A (zh) * 2020-10-29 2021-03-02 云南电网有限责任公司丽江供电局 动力锂电池的内短路与漏液故障的在线监测与区分系统
WO2022080746A1 (ko) * 2020-10-16 2022-04-21 주식회사 엘지에너지솔루션 배터리 상태 진단 장치 및 방법
KR20220091757A (ko) 2020-12-24 2022-07-01 한국에너지기술연구원 태양광 모듈의 개별 태양전지에 대한 성능측정방법 및 시스템
KR20230064306A (ko) * 2021-11-03 2023-05-10 아주대학교산학협력단 포토 커플러 수명 예측 방법
CN117761567A (zh) * 2024-02-22 2024-03-26 天津瑞芯源智能科技有限责任公司 一种智能电能表电池电流测试的数据分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003133569A (ja) 2001-10-30 2003-05-09 Atsushi Iga フィールドにおける太陽電池の出力評価方法・装置
JP2004138293A (ja) 2002-10-16 2004-05-13 Sharp Corp 異常監視方法、監視装置および異常監視システム
JP2012053582A (ja) 2010-08-31 2012-03-15 Tokyo Electric Power Co Inc:The 太陽光発電設備の出力予測装置
JP2012190947A (ja) 2011-03-10 2012-10-04 Hitachi Ltd 太陽光発電装置における異常検知システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003133569A (ja) 2001-10-30 2003-05-09 Atsushi Iga フィールドにおける太陽電池の出力評価方法・装置
JP2004138293A (ja) 2002-10-16 2004-05-13 Sharp Corp 異常監視方法、監視装置および異常監視システム
JP2012053582A (ja) 2010-08-31 2012-03-15 Tokyo Electric Power Co Inc:The 太陽光発電設備の出力予測装置
JP2012190947A (ja) 2011-03-10 2012-10-04 Hitachi Ltd 太陽光発電装置における異常検知システム

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150133065A (ko) * 2014-05-19 2015-11-27 에스케이이노베이션 주식회사 배터리의 과충전 감지 기준 전압값 결정 장치 및 방법
KR102151048B1 (ko) 2014-05-19 2020-09-02 에스케이이노베이션 주식회사 배터리의 과충전 감지 기준 전압값 결정 장치 및 방법
KR20160046547A (ko) 2014-10-21 2016-04-29 주식회사 엘지화학 신뢰도 및 표준편차를 이용한 배터리 시스템 진단 기준값 산출 장치 및 방법
KR101745419B1 (ko) * 2016-12-07 2017-06-12 주식회사 광명전기 Pv 불량모듈 우회 회로를 구비한 태양광 발전 시스템
KR101743908B1 (ko) * 2016-12-21 2017-06-07 주식회사 베스텍 태양광 발전장치의 pv 고장 및 불량모듈 바이패스 시스템
KR20190065497A (ko) 2017-12-01 2019-06-12 (주)탑인프라 태양광발전시스템의 정션박스용 스트링데이터 수집장치
KR101874857B1 (ko) * 2018-02-14 2018-07-05 주식회사 비젼코스모 태양전지 셀에 대한 고장 모니터링 장치 및 그 동작 방법
WO2022080746A1 (ko) * 2020-10-16 2022-04-21 주식회사 엘지에너지솔루션 배터리 상태 진단 장치 및 방법
EP4152024A4 (en) * 2020-10-16 2024-01-10 LG Energy Solution, Ltd. APPARATUS AND METHOD FOR BATTERY STATE DIAGNOSIS
CN112433157A (zh) * 2020-10-29 2021-03-02 云南电网有限责任公司丽江供电局 动力锂电池的内短路与漏液故障的在线监测与区分系统
CN112433157B (zh) * 2020-10-29 2024-03-01 云南电网有限责任公司丽江供电局 动力锂电池的内短路与漏液故障的在线监测与区分系统
KR20220091757A (ko) 2020-12-24 2022-07-01 한국에너지기술연구원 태양광 모듈의 개별 태양전지에 대한 성능측정방법 및 시스템
KR20230064306A (ko) * 2021-11-03 2023-05-10 아주대학교산학협력단 포토 커플러 수명 예측 방법
KR102664970B1 (ko) 2021-11-03 2024-05-10 아주대학교산학협력단 포토 커플러 수명 예측 방법
CN117761567A (zh) * 2024-02-22 2024-03-26 天津瑞芯源智能科技有限责任公司 一种智能电能表电池电流测试的数据分析方法
CN117761567B (zh) * 2024-02-22 2024-04-26 天津瑞芯源智能科技有限责任公司 一种智能电能表电池电流测试的数据分析方法

Similar Documents

Publication Publication Date Title
KR101376910B1 (ko) 태양전지모듈의 고장검출 방법 및 그 장치
CN107153162B (zh) 一种动力电池组多故障在线检测方法
JP5330438B2 (ja) 異常診断装置およびその方法、コンピュータプログラム
US20160233830A1 (en) Solar Power Generation System and Failure Diagnosis Method Therefor
JP6479645B2 (ja) 太陽光発電システムの診断システム及び診断方法
KR20220074797A (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
JP2014045073A5 (ko)
KR101631267B1 (ko) 태양광 모듈별 이상 여부를 효율적으로 진단하는 시스템 및 방법
KR101532163B1 (ko) 태양광발전 상태진단 평가시스템
WO2015022728A1 (ja) 太陽光発電検査システムおよび太陽光発電検査方法
KR20190066135A (ko) 태양광 발전시스템의 고장 진단 시스템
KR20150067942A (ko) 계통연계형 태양광발전 시스템의 고장 검출 진단 장치 및 그 방법
US11846680B2 (en) Battery resistance diagnosis device and method
CN111239634B (zh) 一种电池系统支路状态的检测方法及装置
JP2014134467A (ja) 二次電池の状態診断方法
KR20210004646A (ko) 배터리 셀 진단 장치 및 방법
KR20210080069A (ko) 배터리 진단 장치 및 방법
CN112684343A (zh) 一种电池故障判断方法、检测装置及检测系统
CN116203490A (zh) 传感器故障诊断方法、装置、设备及存储介质
US20130268217A1 (en) Method and apparatus for detecting abnormality of a capacitor
JP2018098922A (ja) 太陽光発電システムの検査装置および検査方法
CN205843837U (zh) 一种电池组多通道温度检测电路
JP2014089998A (ja) 太陽光発電設備のモニタシステム
KR101402587B1 (ko) 진단 부하를 이용하는 태양전지 스트링 고장 진단 장치
JP6277437B2 (ja) 太陽光発電システム

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170119

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190311

Year of fee payment: 6