KR101515003B1 - 일사량 예측방법 - Google Patents

일사량 예측방법 Download PDF

Info

Publication number
KR101515003B1
KR101515003B1 KR1020140194891A KR20140194891A KR101515003B1 KR 101515003 B1 KR101515003 B1 KR 101515003B1 KR 1020140194891 A KR1020140194891 A KR 1020140194891A KR 20140194891 A KR20140194891 A KR 20140194891A KR 101515003 B1 KR101515003 B1 KR 101515003B1
Authority
KR
South Korea
Prior art keywords
hourly
clearness index
solar radiation
weather data
cloudiness
Prior art date
Application number
KR1020140194891A
Other languages
English (en)
Inventor
유성연
김태호
윤홍익
박준택
Original Assignee
(주)가교테크
충남대학교산학협력단
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 (주)가교테크, 충남대학교산학협력단 filed Critical (주)가교테크
Priority to KR1020140194891A priority Critical patent/KR101515003B1/ko
Application granted granted Critical
Publication of KR101515003B1 publication Critical patent/KR101515003B1/ko
Priority to CN201580071838.2A priority patent/CN107110995B/zh
Priority to PCT/KR2015/011952 priority patent/WO2016108420A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

본 발명은 일사량 예측방법에 관한 것으로, 기상청으로부터 일정 간격으로 예보되는 기상데이터를 확보하는 기상데이터 확보 단계(S100)와; 상기 기상데이터 확보 단계(S100)에서 확보된 상기 기상데이터로부터 시간별 운량(
Figure 112014128410623-pat00105
), 시간별 상대습도(
Figure 112014128410623-pat00106
) 또는 일교차(
Figure 112014128410623-pat00107
)를 구하여 시간별 청명도 지수(
Figure 112014128410623-pat00108
)를 계산하는 시간별 청명도 지수 산출 단계(S200) 및; 상기 시간별 청명도 지수 산출 단계(S200)에서 산출된 상기 시간별 청명도 지수(
Figure 112014128410623-pat00109
)를 이용하여 시간별 일사량(
Figure 112014128410623-pat00110
)을 예측하는 일사량 예측 단계(S300);로 이루어지는 것을 특징으로 한다.
상기와 같은 구성에 의해 본 발명은 시간별 일사량을 더욱 정확하게 예측할 수 있다.

Description

일사량 예측방법{Prediction Method of Solar Insolation}
본 발명은 일사량 예측방법에 관한 것으로, 더욱 상세하게는 기상청에서 제공하는 기상데이터 중, 운량과 상대습도 또는 일교차를 이용하여 시간별 청명도지수를 산출하고, 산출된 청명도지수를 이용하여 시간별 일사량을 더욱 정확하게 예측할 수 있는 일사량 예측방법에 관한 것이다.
일반적으로 건물 내부의 온도를 적절히 조절하여 쾌적한 생활환경을 조성하기 위해서는 먼저 건물을 냉난방시키는데 필요한 부하를 계산한 다음, 이 계산된 냉난방 부하에 맞추어 건물의 내부에 적정량의 열에너지를 적절히 공급 또는 제거하게 되면 쾌적한 건물의 냉난방을 도모할 수 있게 되는데, 특히 건물의 내부로 입사되는 태양의 일사량은 하절기에는 냉방부하를 증가시키고 동절기에는 난방부하를 감소시키는 하나의 큰 요인이 되며, 따라서 효율적이고 경제적인 냉난방 제어를 달성하기 위해서는 일사량에 대한 정확한 예측이 필요하다.
상기와 같은 이유로 여러 가지 일사량 예측방법이 개발 및 제안되고 있으며, 그 하나의 예로서 본 발명자 등이 제안한 일사량 예측방법(특허문헌 1 참조)을 들 수 있는데, 이 방법은 기상청으로부터 과거의 기상데이터를 확보하는 기상데이터 획득단계와; 기상데이터 획득단계로부터 획득된 기상데이터를 분석하여 외기온도, 상대습도 및 일사량 데이터를 추출하는 기상데이터 분석 및 추출단계와; 기상데이터 분석 및 추출단계에서 추출된 외기온도, 상대습도 및 일사량 데이터를 각각 무차원화시켜 무차원값을 산출하는 무차원값 산출단계와; 무차원값 산출단계에 의해 산출된 무차원값으로부터 상관관계를 나타내는 상관식 결정단계 및; 상관식 결정단계에서 구한 시간별 무차원값으로부터 익일 시간별 외기온도, 상대습도 및 일사량을 예측하는 익일 시간별 기상데이터 예측단계로 이루어지되, 익일 시간별 기상데이터 예측단계에서 사용되는 최고, 최저 상대습도 및 최대 일사량은 퍼지 알고리듬에 의해 추정하고, 무차원값 산출단계에서 산출되는 무차원값은 무차원 외기온도, 무차원 상대습도, 무차원 일사량인 것으로 이루어진 것이다.
그러나 위 특허문헌에서 제안하고 있는 시간별 기상데이터 예측방법은 일출 때부터 단조증가 후 정오에 최대값을 가지고 이후 일몰까지 단조 감소함으로써 예측 일사량이 항상 일정한 패턴을 갖게 되며, 따라서 구름이 끼거나 눈이나 비가 오는 경우에는 예측값과 실제값에 있어서 많은 차이가 있을 뿐만 아니라, 일사량 변화패턴은 일별로 달라지는데 위 특허문헌에서 제안하고 있는 무차원 일사량 함수는 월별 평균값으로 표현되어 있어 실제의 상황을 적절히 반영할 수 없다는 문제가 있다.
일사량을 측정하는 방법에 대한 또 다른 예로서 아래의 특허문헌 2에 개시된 '일사량 예측방법, 장치 및 프로그램'을 들 수 있는데, 이 특허문헌에서는 축적장치에 수치예보 모델로부터의 과거 30일분의 예보 데이터를 축적하고, 축적장치에 동기 사이의 하늘 전체 일사량 관측치를 축적하고, 예측 태양 위치 계산장치는 예측 대상 지점의 예보 일시에 있어서의 태양 위치를 계산하며, 쾌청시 하늘 전체 일사량 계산 장치는 과거의 예보치로부터 쾌청시 하늘 전체 일사량을 계산하고, 쾌청 지수 계산 장치는 하늘 전체 일사량 관측치를 쾌청시 하늘 전체 일사량으로 나눗셈하여 쾌청 지수를 계산하며, 예측 계수 계산 장치는 과거의 예보치와 쾌청 지수 사이의 관계를 나타내는 예측식의 예측 계수를 결정한 다음, 장치에 의해 수치예보 모델로부터의 예측 대상 일시의 예보치를 예측식에 적용하여 예측 대상 일시의 하늘 전체 일사량을 예측함으로써 다음날 또는 그 다음날의 일사량을 정확히 예측할 수 있도록 한 것이다.
그러나 상기와 같은 특허문헌 2의 일사량 예측방법은 매우 상세한 수치예보 모델 데이터를 필요로 하는데 수치예보 모델은 그 일에 종사하는 전문가만이 사용할 수 있고, 어떤 형태의 수치예보 모델을 사용하는지에 따라 그 결과값이 차이가 난다. 따라서 일사량 예측을 냉난방 제어에 사용하기 위해서는 수치예보 모델에 의존하지 않고 누구나 손쉽게 사용할 수 있는 일사량 예측방법의 개발이 요구된다.
KR 10-1141027 B1 특개2006-033908 A 특개2005-031927 A 특개1999-211560 A KR 10-0753141 B1 KR 10-0327995 B1
따라서 본 발명은 종래의 일사량 예측방법이 가지는 문제점을 해결하기 위해 안출된 것으로, 기상청에서 일정 시간 단위로 예보되는 기상데이터의 운량과 시간별 상대습도 또는 시간별 운량과 일교차를 이용하여 시간별 청명도지수를 산출하고, 산출된 청명도지수를 이용하여 시간별 수평면 총일사량(이하 '시간별 일사량'이라 한다)을 예측함으로써 하늘 상태에 따라 일사량의 변화를 더욱 정확하게 예측할 수 있는 일사량 예측방법을 제공하는 데에 그 목적이 있다.
상기와 같은 본 발명의 목적은 일사량 예측방법을, 기상청으로부터 일정 간격으로 예보되는 기상데이터를 확보하는 기상데이터 확보 단계와; 기상데이터 확보 단계에서 확보된 상기 기상데이터로부터 시간별 운량, 시간별 상대습도 또는 일교차를 구하여 시간별 청명도 지수를 계산하는 시간별 청명도 지수 산출 단계 및; 시간별 청명도 지수 산출 단계에서 산출된 시간별 청명도 지수를 이용하여 시간별 일사량을 예측하는 일사량 예측 단계;로 구성하는 것에 의해 달성된다.
그리고 본 발명은 시간별 청명도 지수 산출 단계에서의 시간별 청명도 지수는 시간별 운량과 시간별 상대습도를 이용하여 수학식 2에 의해 산출하는 것을 특징으로 한다.
[수학식 2]
Figure 112014128410623-pat00001
그리고 본 발명은 시간별 청명도 지수 산출 단계에서의 시간별 청명도 지수는 시간별 운량과 일교차를 이용하여 수학식 4에 의해 산출되는 것을 또 다른 특징으로 한다.
[수학식 4]
Figure 112014128410623-pat00002
이에 더하여 본 발명은 일사량 예측 단계에서의 시간별 일사량은 수학식 3에 의해 산출되는 것을 또 다른 특징으로 한다.
[수학식 3]
Figure 112014128410623-pat00003
그리고 본 발명은 시간별 운량이 기상청으로부터 제공된 하늘상태를 0∼10의 운량으로 환산한 것임을 또 다른 특징으로 한다.
또한 본 발명은 기상청으로부터의 기상데이터가 유무선 인터넷 통신망을 이용하여 실시간으로 획득되는 것을 또 다른 특징으로 한다.
본 발명은 시간별 일사량을 예측할 때 수치예보 모델을 사용하지 않기 때문에 일사량을 더욱 쉽고 간편하게 산출할 수 있다.
또한 본 발명은 시간별 일사량을 구할 때 일사량에 영향을 미치는 여러 기상데이터 중 일사량에 가장 큰 영향을 미치는 시간별 운량, 시간별 상대습도 또는 일교차를 이용하여 시간별 일사량을 예측함으로써 일사량을 더욱 정확하게 산출할 수 있다.
도 1은 본 발명에 따른 일사량 예측방법의 예를 보인 구성도,
도 2는 본 발명에 따른 일사량 예측방법을 통해 예측된 맑은 날의 시간별 일사량 변화를 나타낸 그래프,
도 3은 본 발명에 따른 일사량 예측방법을 통해 예측된 흐린 날의 시간별 일사량 변화를 나타낸 그래프이다.
이하에서는 본 발명의 바람직한 실시예를 도시한 첨부 도면을 통해 본 발명의 구성과 작용을 더욱 상세히 설명한다.
본 발명은 기상청에서 제공하는 운량과 상대습도를 이용하여 시간별 청명도지수를 산출하고, 이 산출된 청명도 지수를 이용하여 시간별 일사량을 예측함으로써 하늘의 상태에 따라 일사량의 변화를 더욱 정확하게 예측할 수 있도록 하는 일사량 예측방법에 관한 것으로, 이러한 본 발명은 도 1에 도시된 바와 같이 기상데이터 확보 단계(S100), 시간별 청명도 지수 산출 단계(S200) 및 일사량 예측 단계(S300)로 이루어진다.
(1) 기상데이터 확보 단계(S100)
이 단계는 후술하는 시간별 청명도 지수(
Figure 112014128410623-pat00004
)를 산출하기 위해 기상청으로부터 신뢰성 있는 기상 데이터를 확보하는 단계로서, 본 발명에서는 기상청에서 3시간 단위로 예보하고 있는 기상데이터가 사용되며, 이때 기상청의 기상 데이터에는 당일의 최저기온, 최고기온, 운량, 상대습도(
Figure 112014128410623-pat00005
), 일교차(
Figure 112014128410623-pat00006
) 등의 여러 가지의 기상 정보가 포함된다.
또한 본 발명에서는 기상데이터가 유무선 인터넷 통신망을 이용하여 실시간으로 획득되며, 이에 의해 실제의 기상 변화에 맞추어 신속하고 정확한 예측이 담보될 수 있다.
(2) 시간별 청명도 지수 산출 단계(S200)
이 단계는 상기의 기상데이터 확보 단계(S100)에서 실시간으로 기상데이터가 확보되고 나면, 이 획득된 이들 기상데이터로부터 시간별 운량(
Figure 112014128410623-pat00007
)과 시간별 상대습도(
Figure 112014128410623-pat00008
) 또는 일교차(
Figure 112014128410623-pat00009
)를 구하여 시간별 청명도 지수(
Figure 112014128410623-pat00010
)를 산출하는 단계이다.
여기서 청명도 지수(
Figure 112014128410623-pat00011
)란 대기권 밖의 일사량이 수평면에 최대로 도달했을 때와 실제로 수평면에 도달한 일사량의 비를 의미하고, 이러한 청명도 지수(
Figure 112014128410623-pat00012
)는 아래의 수학식 1과 같이 정의할 수 있다.
Figure 112014128410623-pat00013
여기서,
Figure 112015028491745-pat00014
는 시간별 일사량,
Figure 112015028491745-pat00015
는 대기권 밖 일사량,
Figure 112015028491745-pat00016
는 태양의 고도이다.
위의 수학식 1에서 청명도 지수(
Figure 112015028491745-pat00017
)와 대기권 밖 일사량(
Figure 112015028491745-pat00018
) 및 태양고도(
Figure 112015028491745-pat00019
)를 이용하여 시간별 일사량(
Figure 112015028491745-pat00020
)을 구할 수 있는데, 여기서 대기권 밖의 일사량(
Figure 112015028491745-pat00021
)과 태양의 고도(
Figure 112015028491745-pat00022
)는 이미 알려져 있는 값이다.
본 발명자는 여러 가지의 기상데이터 중에서 어떤 기상데이터가 시간별 청명도 지수(
Figure 112014128410623-pat00023
)와 가장 연관되어 있는지를 확인하기 위해 과거 5년간(2009년 ~ 2013년)의 대전지방 기상청 실측데이터로부터 피어슨(Pearson) 상관관계를 분석하였으며, 그 결과는 아래의 표 1과 같다.
피어슨 상관관계란 두 변량 X, Y 사이의 선형적인 상관관계의 정도를 나타내는 계수로서 1에 가까울수록 높은 양의 상관관계를 가지고, -1에 가까울수록 높은 음의 상관관계를 가지는 반면, 계수가 0에 가까울수록 상관관계가 없음을 의미한다.
구분 시간별 청명도 지수(
Figure 112014128410623-pat00024
)와의
상관계수
시간별 운량 -0.800
평균운량 -0.755
12시 운량 -0.732
시간별 온도 0.02
최고온도 0.02
최저온도 -0.179
일교차 0.601
시간별 습도 -0.699
최고습도 -0.334
최저습도 -0.627
습도차 0.572
피어슨 상관관계를 통해 위의 표 1로부터 시간별 청명도 지수(
Figure 112014128410623-pat00025
)는 운량 에서는 시간별 운량(
Figure 112014128410623-pat00026
), 습도에서는 시간별 상대습도(
Figure 112014128410623-pat00027
), 온도는 일교차(
Figure 112014128410623-pat00028
)와 높은 상관관계가 있음을 확인할 수 있다.
따라서 본 발명에서는 일사량에 가장 큰 영향을 미치는 시간별 운량(
Figure 112014128410623-pat00029
)과 시간별 상대습도(
Figure 112014128410623-pat00030
)를 독립변수로 선정하여 시간별 청명도 지수(
Figure 112014128410623-pat00031
)를 아래의 수학식 2와 같은 상관관계식을 사용하여 구한다.
Figure 112014128410623-pat00032
여기서,
Figure 112014128410623-pat00033
는 청명도 지수,
Figure 112014128410623-pat00034
는 시간별 운량,
Figure 112014128410623-pat00035
는 시간별 상대습도이다.
위 수학식 2에 있어서 상관관계식의 계수는 지역마다 다를 수 있는데, 본 발명에서는 대전 지역의 과거 5년간 기상청 실측데이터를 입력 데이터로 사용함으로써 상관관계식의 계수를 구하였으며, 그 결과는 아래의 표 2와 같으며, 이때 기상청에서는 3시간 간격으로 운량을 제공하며, 따라서 본 발명에서는 시간별 운량을 구하기 위해 보간법을 사용하였다.
구분 계수
Figure 112014128410623-pat00036
 0.8277
Figure 112014128410623-pat00037
 -0.1185e-1
Figure 112014128410623-pat00038
 0.6370e-3
Figure 112014128410623-pat00039
 -0.3739e-3
Figure 112014128410623-pat00040
 -0.5191e-2
Figure 112014128410623-pat00041
 0.9571e-4
Figure 112014128410623-pat00042
 -0.8066e-6
상기와 같은 과정에 의해 시간별 일사량에 있어서 시간별 운량과 시간별 상대습도가 반영된 청명도 지수(
Figure 112014128410623-pat00043
)에 대한 상관관계식이 결정되고 나면 이 상관관계식에 기상청으로부터 예보된 시간별 운량과 상대습도를 입력함으로써 시간별 청명도 지수(
Figure 112014128410623-pat00044
)를 구한다.
(3) 시간별 일사량 예측 단계(S300)
이 단계는 상기 시간별 청명도 지수 산출 단계(S200)에 의해 청명도 지수가 산출되고 나면, 이 시간별 청명도 지수(
Figure 112014128410623-pat00045
)를 아래의 수학식 3에 대입하여 시간별일사량을 예측하는 단계로서, 이 단계가 종료되고 나면 시간별 일사량(
Figure 112014128410623-pat00046
)이 구해진다.
Figure 112014128410623-pat00047
여기서,
Figure 112014128410623-pat00048
는 시간별 일사량,
Figure 112014128410623-pat00049
는 청명도 지수,
Figure 112014128410623-pat00050
는 대기권 밖 일사량,
Figure 112014128410623-pat00051
는 태양의 고도이다.
여기서 우리나라 기상청은 3시간 간격으로 상대습도를 예보하는데, 따라서 본 발명에서는 보간법을 사용하여 시간별 상대습도를 구한다.
또한 우리나라 기상청은 운량을 예보하지 않고, 그 대신 3시간 간격으로 하늘 상태(맑음, 구름조금, 구름많음, 흐림)로 예보하기 때문에 이들 하늘상태를 아래의 표 3에서와 같이 0∼10의 운량으로 환산하여 사용하며, 3시간 간격의 운량은 보간법을 사용하여 시간별 운량으로 변환한다.
하늘상태 맑음 구름조금 구름많음 흐림
Figure 112014128410623-pat00052
 1 4 7 9.5
그리고 위에서는 기상청에서 3시간 간격으로 예보하는 하늘 상태를 기준으로 시간별 운량을 구하는 것으로 하여 설명하였으나, 이와 달리 기상정보기관인 Accuweather에서는 구름의 양을 0∼100%로 예보하여 제공하기 때문에 이 구름의 양을 10으로 나누어 0∼10의 운량으로 사용할 수도 있다.
앞서 설명한 바와 같이 피어슨 상관관계를 통해 시간별 청명도 지수(
Figure 112014128410623-pat00053
)는 시간별 운량(
Figure 112014128410623-pat00054
)과 시간별 상대습도(
Figure 112014128410623-pat00055
) 및 일교차(
Figure 112014128410623-pat00056
)와 높은 관계가 있는데, 따라서 위에서는 상기 3가지의 높은 상관관계를 가지는 변량 중 시간별 운량(
Figure 112014128410623-pat00057
)과 시간별 상대습도(
Figure 112014128410623-pat00058
)를 독립변수로 선정하여 시간별 청명도 지수(
Figure 112014128410623-pat00059
)를 구하는 것으로 하여 설명하였다(실시예 1).
그러나 위에서 살펴본 바와 같이 하루 중의 일교차(
Figure 112014128410623-pat00060
)도 이들 시간별 운량(
Figure 112014128410623-pat00061
)과 시간별 상대습도(
Figure 112014128410623-pat00062
)와 마찬가지로 일사량에 큰 영향을 미치며 일교차는 상대습도에 비해 예보 정확도가 높다. 따라서 또 다른 실시예로서 청명도 지수(
Figure 112014128410623-pat00063
)를 산출할 때 시간별 운량(
Figure 112014128410623-pat00064
)과 일교차를 독립변수로 선정하여 시간별 청명도 지수(
Figure 112014128410623-pat00065
)를 구하며, 이때 시간별 청명도 지수(
Figure 112014128410623-pat00066
)는 아래의 수학식 4로부터 구할 수 있다(실시예 2).
Figure 112014128410623-pat00067
여기서,
Figure 112014128410623-pat00068
는 청명도 지수,
Figure 112014128410623-pat00069
는 시간별 운량,
Figure 112014128410623-pat00070
는 일교차이다.
위 수학식 4에 있어서 상관관계식의 계수는 지역마다 다를 수 있고, 본 발명에서는 앞에서와 마찬가지로 대전 지역의 과거 5년간 기상청 실측데이터를 입력 데이터로 사용함으로써 상관관계식의 계수를 구하였으며, 그 결과는 아래의 표 4와 같으며, 이때 기상청에서는 3시간 간격으로 운량을 제공하며, 따라서 본 발명에서는 시간별 운량을 구하기 위해 보간법을 사용하였다.
구분 계수
Figure 112014128410623-pat00071
 0.8277
Figure 112014128410623-pat00072
 -0.1185e-1
Figure 112014128410623-pat00073
 0.6370e-3
Figure 112014128410623-pat00074
 -0.3739e-3
Figure 112014128410623-pat00075
 -0.5191e-2
Figure 112014128410623-pat00076
 0.9571e-4
Figure 112014128410623-pat00077
 -0.8066e-6
본 발명자는 이상 설명한 바와 같은 구성으로 이루어진 본 발명의 일사량 예측방법의 유효성을 확인하기 위해 실험을 행하였으며, 그 결과를 도 2 및 도 3에 나타내었다.
도 2는 본 발명에 따른 일사량 예측방법을 통해 예측된 맑은 날의 시간별 일사량 변화를 나타낸 그래프이고, 도 3은 본 발명에 따른 일사량 예측방법을 통해 예측된 흐린 날의 시간별 일사량 변화를 나타낸 그래프이다. 운량이 적은 맑은 날의 경우는 실측된 일사량과 종래기술 및 실시예 1, 2에 의해 각각 구해진 일사량의 차이가 크지 않음을 도 2의 그래프로부터 확인할 수 있다.
그러나 운량이 많아 흐린 날의 경우에는 도 3의 그래프에서 확인할 수 있는 바와 같이 본 발명에 따라 예측된 시간별 일사량은 실측된 일사량을 그대로 추종하는 것으로 나타난 반면, 종래의 방법에 의해 구한 시간별 일사량은 실측된 일사량과 상당한 정도로 차이가 나타났으며, 따라서 본 발명에 따른 일사량 예측방법은 맑은 날뿐만 아니라 흐린 날에도 적용될 수 있다.
이상 설명한 바와 같이 본 발명은 기상청에서 제공하는 시간별 운량과 시간별 상대습도, 또는 시간별 운량과 일교차를 이용하여 시간별 청명도 지수를 산출하고, 이 산출된 청명도 지수를 이용하여 시간별 일사량을 더욱 쉽고도 정확하게 예측할 수 있다.

Claims (6)

  1. 기상청으로부터 일정 간격으로 예보되는 기상데이터를 확보하는 기상데이터 확보 단계(S100)와;
    상기 기상데이터 확보 단계(S100)에서 확보된 상기 기상데이터로부터 시간별 운량(
    Figure 112015028491745-pat00078
    ), 시간별 상대습도(
    Figure 112015028491745-pat00079
    ) 또는 일교차(
    Figure 112015028491745-pat00080
    )를 구하여 시간별 청명도지수(
    Figure 112015028491745-pat00081
    )를 계산하는 시간별 청명도 지수 산출 단계(S200) 및;
    상기 시간별 청명도 지수 산출 단계(S200)에서 산출된 상기 시간별 청명도 지수(
    Figure 112015028491745-pat00082
    )를 이용하여 시간별 일사량(
    Figure 112015028491745-pat00083
    )을 예측하는 일사량 예측 단계(S300);로 이루어지 고,
    상기 시간별 청명도 지수 산출 단계(S200)에서의 시간별 청명도지수(
    Figure 112015028491745-pat00114
    )는 상기 시간별 운량(
    Figure 112015028491745-pat00115
    )과 상기 일교차(
    Figure 112015028491745-pat00116
    )를 이용하여 수학식 4에 의해 산출되는 것을 특징으로 하는 일사량 예측방법.
    [수학식 4]
    Figure 112015028491745-pat00117

    여기서,
    Figure 112015028491745-pat00118
    는 청명도 지수,
    Figure 112015028491745-pat00119
    는 시간별 운량,
    Figure 112015028491745-pat00120
    는 일교차이다.
  2. 삭제
  3. 삭제
  4. 청구항 1에 있어서,
    상기 일사량 예측 단계(S300)에서의 상기 시간별 일사량(
    Figure 112015028491745-pat00098
    )은 수학식 3에 의해 산출되는 것을 특징으로 하는 일사량 예측방법.
    [수학식 3]
    Figure 112015028491745-pat00099

    여기서,
    Figure 112015028491745-pat00100
    는 시간별 일사량,
    Figure 112015028491745-pat00101
    는 청명도 지수,
    Figure 112015028491745-pat00102
    는 대기권 밖 일사량,
    Figure 112015028491745-pat00103
    는 태양의 고도이다.
  5. 청구항 1에 있어서,
    상기 시간별 운량(
    Figure 112014128410623-pat00104
    )은 기상청으로부터 제공된 하늘상태를 0∼10의 운량으로 환산한 것임을 특징으로 하는 일사량 예측방법.
  6. 청구항 1에 있어서,
    상기 기상청으로부터의 기상데이터는 유무선 인터넷 통신망을 이용하여 실시간으로 획득되는 것을 특징으로 하는 일사량 예측방법.
KR1020140194891A 2014-12-31 2014-12-31 일사량 예측방법 KR101515003B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020140194891A KR101515003B1 (ko) 2014-12-31 2014-12-31 일사량 예측방법
CN201580071838.2A CN107110995B (zh) 2014-12-31 2015-11-06 日射量预测方法
PCT/KR2015/011952 WO2016108420A1 (ko) 2014-12-31 2015-11-06 일사량 예측방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140194891A KR101515003B1 (ko) 2014-12-31 2014-12-31 일사량 예측방법

Publications (1)

Publication Number Publication Date
KR101515003B1 true KR101515003B1 (ko) 2015-04-24

Family

ID=53054058

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140194891A KR101515003B1 (ko) 2014-12-31 2014-12-31 일사량 예측방법

Country Status (3)

Country Link
KR (1) KR101515003B1 (ko)
CN (1) CN107110995B (ko)
WO (1) WO2016108420A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150073737A1 (en) * 2012-04-20 2015-03-12 Tatsuki Inuzuka Power monitoring apparatus and power monitoring method
KR101910881B1 (ko) 2016-08-01 2018-10-23 주식회사 케이티 조도 레벨로부터 일사량을 추정하는 장치, 방법 및 컴퓨팅 판독가능 매체
KR102351713B1 (ko) 2021-06-24 2022-01-17 성한 주식회사 조도계를 이용한 기상정보 생성 시스템 및 그 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600060B (zh) * 2016-12-15 2020-08-04 河海大学常州校区 基于相似日晴朗系数修正的太阳辐照量预测方法
WO2018111071A1 (es) * 2016-12-16 2018-06-21 Aguilar Fraga Omar Algoritmo regional para la automatización del cálculo de las temperaturas mínimas en zonas agrícolas utilizando factores difusos
US10579123B2 (en) 2018-01-12 2020-03-03 Samsara Networks Inc. Adaptive power management in a battery powered system based on expected solar energy levels
US10827324B1 (en) 2019-07-01 2020-11-03 Samsara Networks Inc. Method and apparatus for tracking assets
CN113156546B (zh) * 2021-03-12 2023-02-17 重庆市气象台 一种日出日落景观预报方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101141027B1 (ko) * 2011-12-29 2012-05-03 충남대학교산학협력단 냉난방부하 추정을 위한 시간별 기상데이터 예측방법
KR20130031732A (ko) * 2011-09-21 2013-03-29 엘지전자 주식회사 일사량 추정을 위해 전천사진으로부터 운량을 계산하는 방법, 상기 계산한 운량을 이용한 태양광 발전량 예측 장치
KR101383617B1 (ko) * 2012-08-09 2014-04-17 연세대학교 산학협력단 일사량 예측 방법 및 장치

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3984604B2 (ja) * 2004-07-12 2007-10-03 日本電信電話株式会社 太陽光発電システムの発電量予測方法、装置、およびプログラム
JP5059073B2 (ja) * 2009-09-07 2012-10-24 一般財団法人日本気象協会 日射量予測装置、方法及びプログラム
CN102338869B (zh) * 2011-06-20 2013-06-05 北京师范大学 下行短波辐射和光合有效辐射数据的反演方法及系统
KR101879332B1 (ko) * 2011-09-07 2018-07-17 엘지전자 주식회사 전천사진으로부터 운량을 계산하는 방법, 그 계산한 운량을 이용하여 태양광 발전량을 예측하는 방법 및 그 방법을 이용하는 구름 관측 장치
CN102663263B (zh) * 2012-04-28 2014-11-05 西安交通大学 一种连续时间太阳辐射能预测方法
RU2531050C2 (ru) * 2012-11-15 2014-10-20 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Российский государственный гидрометеорологический университет" Способ определения спектральных потоков солнечной радиации с учетом эффектов поглощения и рассеяния радиации аэрозолями и облаками на уровне земной поверхности

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130031732A (ko) * 2011-09-21 2013-03-29 엘지전자 주식회사 일사량 추정을 위해 전천사진으로부터 운량을 계산하는 방법, 상기 계산한 운량을 이용한 태양광 발전량 예측 장치
KR101141027B1 (ko) * 2011-12-29 2012-05-03 충남대학교산학협력단 냉난방부하 추정을 위한 시간별 기상데이터 예측방법
KR101383617B1 (ko) * 2012-08-09 2014-04-17 연세대학교 산학협력단 일사량 예측 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김태호 외 4인, ‘일사량 예측을 위한 일사모델에 관한 연구’, 대한기계학회 2013년도 학술대회, 2013.12, pp.670-675.*
김태호 외 4인, '일사량 예측을 위한 일사모델에 관한 연구', 대한기계학회 2013년도 학술대회, 2013.12, pp.670-675. *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150073737A1 (en) * 2012-04-20 2015-03-12 Tatsuki Inuzuka Power monitoring apparatus and power monitoring method
KR101910881B1 (ko) 2016-08-01 2018-10-23 주식회사 케이티 조도 레벨로부터 일사량을 추정하는 장치, 방법 및 컴퓨팅 판독가능 매체
KR102351713B1 (ko) 2021-06-24 2022-01-17 성한 주식회사 조도계를 이용한 기상정보 생성 시스템 및 그 방법

Also Published As

Publication number Publication date
WO2016108420A1 (ko) 2016-07-07
CN107110995A (zh) 2017-08-29
CN107110995B (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
KR101515003B1 (ko) 일사량 예측방법
Yao et al. New decomposition models to estimate hourly global solar radiation from the daily value
KR101141027B1 (ko) 냉난방부하 추정을 위한 시간별 기상데이터 예측방법
Stovin et al. A modelling study of long term green roof retention performance
Vu et al. A variance inflation factor and backward elimination based robust regression model for forecasting monthly electricity demand using climatic variables
Lee et al. Generation of typical weather data using the ISO Test Reference Year (TRY) method for major cities of South Korea
US8396694B2 (en) Method of forecasting the electrical production of a photovoltaic device
CN104616079B (zh) 基于气温变化的电网日用电量预测方法
Chen et al. Validation of five global radiation models with measured daily data in China
CN110411605B (zh) 一种红外测量人体温度修正方法
Brönnimann et al. Changing seasonality of moderate and extreme precipitation events in the Alps
US8315961B2 (en) Method for predicting future environmental conditions
KR101506215B1 (ko) 예측 일사량을 이용한 냉난방부하 예측방법
CN107563554B (zh) 一种统计降尺度模型预报因子的筛选方法
JP2006033908A (ja) 太陽光発電システムの発電量予測方法、装置、およびプログラム
Dolinar et al. Predicted changes in energy demands for heating and cooling due to climate change
CN109345046B (zh) 光伏功率的预测方法及装置
EP3012969A1 (en) Prediction system, prediction device, and prediction method
JP2017130041A (ja) 情報処理装置、制御方法及び制御プログラム
KR20180077489A (ko) 수평면 전일사량의 예측방법
Trabea Technical note a multiple linear correlation for diffuse radiation from global solar radiation and sunshine data over Egypt
Çağlar et al. MEASUREMENT OF SOLAR RADIATION IN ANKARA, TURKEY.
Gregory et al. Testing and diagnosing the ability of the Bureau of Meteorology’s numerical weather prediction systems to support prediction of solar energy production
CN109614649B (zh) 一种面向华南地区桥梁的全气候热分析方法
KR101736114B1 (ko) 여름철 의류 구매력 지수 산정 시스템 및 그 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180419

Year of fee payment: 4