KR102023467B1 - 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템 - Google Patents

기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템 Download PDF

Info

Publication number
KR102023467B1
KR102023467B1 KR1020190015440A KR20190015440A KR102023467B1 KR 102023467 B1 KR102023467 B1 KR 102023467B1 KR 1020190015440 A KR1020190015440 A KR 1020190015440A KR 20190015440 A KR20190015440 A KR 20190015440A KR 102023467 B1 KR102023467 B1 KR 102023467B1
Authority
KR
South Korea
Prior art keywords
power generation
temperature
unit
solar
loss
Prior art date
Application number
KR1020190015440A
Other languages
English (en)
Inventor
강남욱
강남재
Original Assignee
강남욱
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 강남욱 filed Critical 강남욱
Priority to KR1020190015440A priority Critical patent/KR102023467B1/ko
Application granted granted Critical
Publication of KR102023467B1 publication Critical patent/KR102023467B1/ko

Links

Images

Classifications

    • 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
    • H02S20/00—Supporting structures for PV modules
    • H02S20/30—Supporting structures being movable or adjustable, e.g. for angle adjustment
    • 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

  • Photovoltaic Devices (AREA)

Abstract

본 발명에 따른 태양광을 이용하여 발전을 하는 다수개의 솔라셀(1)이 배치된 솔라패널(10)과 상기 솔라패널(10)에 연결된 인버터 및 축전지를 포함하는 태양광 발전 시스템에 있어서, 상기 솔라패널(10)의 각도를 조절하는 각도조절부(100); 상기 솔라패널(10)의 높낮이를 조절하는 승강부(200); 상기 각도조절부, 상기 승강부에 동력을 제공하는 모터(300); 일사량, 강우량, 기온, 풍속을 측정하는 기상환경 모니터링부(400); 각 시각에서 측정된 패널의 표면온도(°C)와 패널 경사면 일사량(cal/cm2), 발전량(kW)으로하여 확률적 선형 회귀 분석을 통해 표면온도와 일사량에 따른 발전량의 확률분포를 확률적 선형회귀 분석방법에 의해 모델링하여 온도와 일사량이 주어졌을 때 발전량을 분석하여 발전 효율을 실시간으로 분석하는 성능분석부(500); 상기 모니터링부(400)에서 측정한 일사량, 강우량, 기온, 풍속 데이터와 상기 발전 효율을 실시간으로 관리자의 스마트폰 및 관제소로 전송하는 통신부(600); 상기 각도조절부(100), 상기 승강부(200), 상기 기상환경 모니터링부(400), 상기 성능분석부(500) 및 상기 통신부(600)와 연결되어 제어하는 제어부(700) 및 상기 제어부(700)와 연결되어 태양광 발전기의 이상 여부를 확률적 선형 회귀 모델에 따라 계산된 확률식에 의해 태양광 발전기의 발전량이 정상적인 발전량의 범위에 속하는지를 판단하고, 주어진 온도와 일사량, 발전량에 대해 SPL모델, STPL모델, STPV 모델 중 어느 하나의 모델에 따라 발전량의 확률 값을 계산하여 계산한 확률 값이 주어진 신뢰도 문턱값 θ보다 작을 경우 이를 비정상적인 발전량이라 판별하는 고장진단부(800)를 포함하고, 상기 성능분석부(500)는 원거리 음영 손실(Far Shadings/Horizon), 근거리 음영 손실(Near Shadings), 입사각 변동 손실(IAM factor on global), 일조강도 손실(Irradiance level loss), 모듈 온도 손실(Module temperature loss), 어레이 미스매치 손실(Array Mismatch loss), 인버터 운전 손실(Inverter operation loss) 및 DC/AC 선로손실(Ohmic loss)을 포함하는 발전 손실을 분석가능한 것을 특징으로 한다.

Description

기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템 {Solar power generation system that improves efficiency by analyzing weather data}
본 발명은 일사량과 같은 기상환경 데이터를 분석하여 태양광 발전 시 효율을 실시간으로 계산하여 효율을 향상시킨 태양광 발전 시스템에 관한 것이다.
현재 세계에너지 소비의 80%는 석유, 석탄, 가스 등의 화석연료를 주로 사용하고 있으며 현대사회는 지나치게 화석연료에 의존하고 있어 이러한 화석연료의 편중현상은 앞으로 20년 이상 지속될것으로 예상되고 있다. 이에 따라 화석연료원의 고갈과 이를 사용함으로 써 배출되는 이산화탄소에 의한 지구온난화가 상당히 심각한 문제로 대두되고 있다. 따라서 전 세계는 대체에너지 개발에 박차를 가하고 있는 실정에 있으며 특히 우리나라는 에너지의 96% 이상을 수입에 의존하고 있어 대체에너지 개발 문제는 많은 관심이 필요하다고 할 수 있다.
신재생에너지 중에서 태양광에너지는 가장 관심을 받고 있는 에너지원으로서 한 시간 동안에 지구상에 도달하는 에너지양은 인류의 연간 에너지 사용량의 약 2배가 될 정도로 막대한 자원으로 알려져 있다. 하지만 태양광 발전은 에너지 밀도가 낮고 일사량, 온도, 지역 등에 의한 환경적인 영향을 많이 받기 때문에 효율적 이용이 매우 어렵고 이에 따라 발전량 예측을 통한 태양광발전 시스템 적용 타당성에 관한 많은 연구들이 진행되어 오고 있다.
최근 태양광발전시스템 보급이 급속도로 확대되면서 태양광발전시스템의 장기간 성능과 품질에 대한 중요성이 부각되고 있다. 태양광발전시스템은 성능 평가시에 발전량 예측이 어렵고, 시스템 내부 고장이나 다른 이상에 따른 성능저하로 인하여 경제적 손해가 발생하는 단점이 있다. 이에 따라 입력에너지인 태양에너지로부터 시스템출력까지의 성능, 발생손실, 고장여부 등을 정확하게 진단 할 수 있는 성능진단 기술 개발이 필요한 상황이다. 그러므로 태양광발전시스템의 에너지손실을 최소화하고 수명이 다할 때까지 항상 최대성능을 유지하기 위해 태양광발전시스템 성능 평가의 기반을 구축해야 한다.
KR 10-0954530 B1 KR 10-1918153 B1
따라서, 본 발명은 상술한 문제점을 해결하기 위한 것으로, 기상 환경을 모니터링하여 얻는 데이터를 분석하고, 실시간 발전량을 모니터링할 수 있도록 하는 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템을 제공함에 있다.
상기의 목적을 이루기 위한 본 발명에 따른 태양광을 이용하여 발전을 하는 다수개의 솔라셀(1)이 배치된 솔라패널(10)과 상기 솔라패널(10)에 연결된 인버터 및 축전지를 포함하는 태양광 발전 시스템에 있어서, 상기 솔라패널(10)의 각도를 조절하는 각도조절부(100); 상기 솔라패널(10)의 높낮이를 조절하는 승강부(200); 상기 각도조절부, 상기 승강부에 동력을 제공하는 모터(300); 일사량, 강우량, 기온, 풍속을 측정하는 기상환경 모니터링부(400); 각 시각에서 측정된 패널의 표면온도(°C)와 패널 경사면 일사량(cal/cm2), 발전량(kW)으로하여 확률적 선형 회귀 분석을 통해 표면온도와 일사량에 따른 발전량의 확률분포를 확률적 선형회귀 분석방법에 의해 모델링하여 온도와 일사량이 주어졌을 때 발전량을 분석하여 발전 효율을 실시간으로 분석하는 성능분석부(500); 상기 모니터링부(400)에서 측정한 일사량, 강우량, 기온, 풍속 데이터와 상기 발전 효율을 실시간으로 관리자의 스마트폰 및 관제소로 전송하는 통신부(600); 상기 각도조절부(100), 상기 승강부(200), 상기 기상환경 모니터링부(400), 상기 성능분석부(500) 및 상기 통신부(600)와 연결되어 제어하는 제어부(700) 및 상기 제어부(700)와 연결되어 태양광 발전기의 이상 여부를 확률적 선형 회귀 모델에 따라 계산된 확률식에 의해 태양광 발전기의 발전량이 정상적인 발전량의 범위에 속하는지를 판단하고, 주어진 온도와 일사량, 발전량에 대해 SPL모델, STPL모델, STPV 모델 중 어느 하나의 모델에 따라 발전량의 확률 값을 계산하여 계산한 확률 값이 주어진 신뢰도 문턱값 θ보다 작을 경우 이를 비정상적인 발전량이라 판별하는 고장진단부(800)를 포함하고, 상기 성능분석부(500)는 원거리 음영 손실(Far Shadings/Horizon), 근거리 음영 손실(Near Shadings), 입사각 변동 손실(IAM factor on global), 일조강도 손실(Irradiance level loss), 모듈 온도 손실(Module temperature loss), 어레이 미스매치 손실(Array Mismatch loss), 인버터 운전 손실(Inverter operation loss) 및 DC/AC 선로손실(Ohmic loss)을 포함하는 발전 손실을 분석가능한 것을 특징으로 한다.
본 발명은 기상 환경을 모니터링하여 실시간으로 태양광발전량에 대해 성능을 분석하고, 관리자가 실시간으로 데이터를 받아 모니터링하여 효율적인 발전이 가능하다는 효과를 갖는다.
도 1은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 구성도이다.
도 2는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 평면도이다.
도 3은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 측면도이다.
도 4는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 솔라패널 높이 및 각도를 조절한 실시 예의 측면도이다.
도 5는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 발전량(x축)과 일사량(y축)의 상관 관계를 나타내는 그래프이다.
도 6은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 발전량(x축)과 표면온도(y축)의 상관 관계를 나타내는 그래프이다.
도 7은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 근거리 음영 손실을 설명하기 위한 3차원 모델링 실시 예이다.
도 8은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 태양과 어레이 사이의 각도를 설명하기 위한 실시 예이다.
도 9a는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 일조강도 대비 모듈의 효율을 온도 별로 나타낸 실시 예이다.
도 9b는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 일조강도 대비 모듈의 효율을 모듈의 내부 직렬 저항 별로 나타낸 실시 예이다.
이하에서는, 본 발명의 실시 예에 따른 도면을 참조하여 설명하지만, 이는 본 발명의 더욱 용이한 이해를 위한 것으로, 본 발명의 범주가 그것에 의해 한정되는 것은 아니다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "... 부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
그리고 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
설명에 앞서 본 명세서에는 다수의 양태 및 실시양태가 기술되며, 이들은 단순히 예시적인 것으로서 한정하는 것이 아니다.
본 명세서를 읽은 후에, 숙련자는 다른 양태 및 실시예가 본 발명의 범주로부터 벗어남이 없이 가능함을 이해할 것이다.
이하에서 설명되는 실시양태의 상세 사항을 다루기 전에, 몇몇 용어를 정의하거나 또는 명확히 하기로 한다.
기상환경이란 대기 중에 일어나는 여러 가지의 물리 현상을 의미하며, 일반적으로 대기의 상태와 그 속에서 일어나는 모든 대기현상을 말한다. 기상의 구체적인 범위는 기압, 기온, 습구온도, 증기압, 이슬점온도, 상대습도, 바람, 강수량, 눈 덮임, 구름, 대기의 투명도, 증발량, 일조시간, 일사량, 강수현상, 응결현상, 동결현상, 대기의 광 현상, 대기의 소리현상 등이다.
도 1은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 구성도이다. 도 2는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 평면도이다. 도 3은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 측면도이다. 도 4는 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 솔라패널 높이 및 각도를 조절한 실시 예의 측면도이다.
도 1 내지 도 4를 참조하여 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템에 대해 상세히 설명하도록 한다.
도 1을 참조하면, 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템은, 태양광을 이용하여 발전을 하는 다수개의 솔라셀(1)이 배치된 솔라패널(10)과 상기 솔라패널(10)에 연결된 인버터 및 축전지를 포함하는 태양광 발전 시스템에 있어서, 상기 솔라패널(10)의 각도를 조절하는 각도조절부(100); 상기 솔라패널(10)의 높낮이를 조절하는 승강부(200); 상기 각도조절부, 상기 승강부에 동력을 제공하는 모터(300); 일사량, 강우량, 기온, 날씨, 풍속과 같은 기상환경을 측정하는 기상환경 모니터링부(400); 발전 효율을 실시간으로 분석하는 성능분석부(500); 상기 기상환경 데이터와 상기 발전 효율을 실시간으로 관리자의 스마트폰 및 관제소로 전송하는 통신부(600); 상기 각도조절부(100), 상기 승강부(200), 상기 기상환경 모니터링부(400), 상기 성능분석부(500) 및 상기 통신부(600)와 연결되어 제어하는 제어부(700)를 포함하는 것을 특징으로 한다.
또한, 상기 제어부(700)와 연결되어 태양광 발전기의 이상 여부를 판별하는 고장진단부(800)를 더 포함하는 것을 특징으로 한다.
또한, 상기 기상환경 모니터링부(400)는, 일사량을 측정할 때 청명일사분석법을 사용하는 것을 특징으로 한다.
또한, 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템은 반사판(900)을 더 포함하여 상기 솔라패널(10)로 조사되는 태양광을 집중시킬 수 있다. 반사판(900)은 솔라패널(10)의 측면에 회동가능하게 결합되어 인접방향으로 회동하여 태양광이 반사되는 각도를 조절할 수 있다.
도 2에서 다수개의 솔라셀(1)이 배치된 솔라패널(10)과 상기 솔라패널(10)의 측면에 회동가능하게 결합된 것을 확인할 수 있다.
도 3 내지 도 4에서는 각도조절부(100)가 솔라패널(10)의 각도를 조절하는 것과 승강부(200)가 솔라패널(10)의 높이를 조절하는 것을 확인할 수 있다.
다음은 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템이 발전을 할 때 발전 효율을 계산하는 성능분석부(500)에서 발전효율성을 계산하는 방법에 대해 상세히 설명하도록 한다.
태양광 발전을 위한 솔라패널(10)의 정상적인 발전효율성을 계산하기 위해 주어진 데이터는 각 시각에서 측정된 패널의 표면온도(°C)와 패널 경사면 일사량(cal/cm2), 발전량(kW)으로 한다. 모두 N개의 시점에서 측정하였을 때 각각 i번째 시각에서 측정된 온도와 일사량, 발전량을 t(i), s(i), p(i)라고 표기하기로 한다.
그리고, 확률적 선형 회귀 분석을 통해 표면온도와 일사량에 따른 발전량의 확률분포를 확률적 선형회귀 분석방법에 의해 모델링하여 온도와 일사량이 주어졌을 때 발전량의 확률을 계산하도록 한다.
다음은 고장진단부(800)에서 태양광 발전 시스템이 정상적으로 동작하고 있는 지에 대해 판단하는 방법에 대해 상세히 설명하도록 한다. 상기 발전량의 확률 식에 의해 계산된 값에 따라 온도와 일사량, 발전량이 주어졌을 때 현재 발전기가 정상적으로 작동하고 있는지에 대한 판단을 내리고자 한다.
도 5에서 확인할 수 있듯이, 고온, 저온에 따른 일사량과 발전량의 추세를 보여주기 위해 x축이 발전량, y축이 일사량일 때 20°C 이상의 측정데이터를 작은 점으로, 20°C 미만의 경우는 원으로 나타낸 그래프이다. 그래프에서 볼 수 있듯이 일사량과 발전량은 양의 상관관계를 이루고 있다. 도 6에서는 표면 온도와 발전량의 상관관계를 보여주기 위해 x축을 발전량, y축을 표면 온도로 하여 측정된 데이터를 나타내었다. 도 5의 일사량과 발전량에 비해 온도와 발전량은 큰 상관 관계를 보이지 않으나 온도가 높을 때 발전량의 변동성이 작고 온도가 낮을 때는 발전량의 변동성이 보다 크다는 사실을 확인할 수 있다.
상기 도 5 내지 도 6을 참조하여 분석한 것에 따라 하기 수학식 1과 같이 일사량-발전량 선형모델(SPL)을 정의할 수 있다.
Figure 112019013925273-pat00001
(수학식 1. 일사량-발전량 선형모델)
위의 수학식 1에서 시각 i에서 측정된 발전량을 p(i)라 하고 일사량을 s(i)라 한다. 그리고 αSPL는 일사량에 대한 선형 모델 계수이며, ε(i)은 시각 i에서의 에러이다. 에러 ε(i)의 평균은 0이고 분산이 βSPL 2인 가우시안 분포 N(0, βSPL 2)를 따른다고 가정한다. 따라서 발전량 p(i)는 평균이 αSPLㆍs(i)이며 분산이 인 가우시안 분포인 확률분포를 따른다고 할 수 있다. 그러므로 각 시각 i에서 측정된 발전량 p(i)는 하기 수학식 2와 같다.
Figure 112019013925273-pat00002
(수학식 2. SPL에서의 발전량 p(i)의 확률 분포)
각 시각 i에서 측정된 발전량 p(i)는 모두 독립적으로 생성되었다고 가정하고 다음과 같이 발전량 p(1), …, p(N)이 측정될 확률, 즉 우도(likelihood)를 계산하면 하기 수학식 3과 같다.
Figure 112019013925273-pat00003
(수학식 3. SPL에서의 p(N)이 측정될 확률, 우도)
상기 수학식 3의 우도 값을 최대화하는 모델 파라미터 αSPL와 βSPL를 구하기 위해 다음과 같이 수학식 3에 로그를 취한 로그우도(log-likelihood)식은 하기 수학식 4와 같다.
Figure 112019013925273-pat00004
(수학식 4. 로그우도)
그리고 상기 수학식 4를 모델 파라미터 αSPL와 βSPL로 각각 편미분하여 우도를 최대화하는 모델 파라미터는 하기 수학식 5와 같다.
Figure 112019013925273-pat00005
(수학식 5. SPL에서의 우도를 최대화하는 모델 파라미터)
다음은 일사량-온도-발전량 선형모델(STPL)에 대해 상세히 설명하도록 한다.
발전량이 일사량과 태양광 패널 표면온도, 두 변수에 의존적이라 가정하고 다음과 같이 일사량-온도-발전량 선형모델을 세운다. 시각 i에서 p(i)를 측정된 발전량이라 하고, s(i)와 t(i)를 각각 일사량과 표면온도라 할 때 선형 회귀 모델은 하기 수학식 6과 같다.
Figure 112019013925273-pat00006
(수학식 6. 일사량-온도-발전량 선형모델)
상기 αSTPL와 δSTPL는 각각 일사량과 표면온도에 대한 선형 모델 계수이며 ε(i)은 에러이다. 에러 ε(i)는 평균은 0이고 분산이 βSTPL 2인 가우시안 분포 N(0, βSTPL 2)를 따른다고 가정하면 발전량 p(i)는 하기 수학식 7과 같은 가우시안 분포를 따른다.
Figure 112019013925273-pat00007
(수학식 7. STPL에서의 발전량 p(i)의 가우시안 분포)
그리고 N시간 동안의 발전량 p(1), …, p(N)의 우도(likelihood)는 하기 수학식 8과 같이 계산한다.
Figure 112019013925273-pat00008
(수학식 8. STPL에서의 발전량 우도)
상기 수학식 8에 로그를 취한 로그-우도 식을 모델 파라미터 αSTPL와 δSTPL, βSTPL로 각각 편미분하면 우도를 최대화하는 모델 파라미터를 하기 수학식 9와 같이 얻을 수 있다.
Figure 112019013925273-pat00009
(수학식 9. STPL에서의 우도를 최대화하는 모델 파라미터)
다음은 일사량-온도-발전량 변분산 모델(STPV)에 대해 상세히 설명하도록 한다.
도 5를 보면 고온일 때 (작은 점) 발전량은 일사량과 강한 상관관계를 보이며 거의 직선근처에 모여 있음을 확인할 수 있다. 그러나 저온일 때는 (원) 좀 더 넓게 퍼져있음을 볼 수 있다. 도 6에서도 고온일 때 발전량의 변동성이 적으며 저온일 때 더 변동성이 큼을 확인한 바 있다. 즉, 저온일 때 발전량의 분포가 더 큰 분산을 보이는 경향이 있다. 따라서 상기 SPTL과 같이 발전량이 일사량과 표면온도에 선형적이라 가정하되, 높은 온도보다 낮은 온도에서 발전량의 분산 값이 크다는 사실을 이용하여 하기 수학식 10과 같이 모델링을 한다. 일사량과 온도 따른 발전량의 선형 모델은 다음과 같이 정의한다.
Figure 112019013925273-pat00010
(수학식 10. 일사량과 온도에 따른 발전량 선형 모델)
상기 수학식 10에서 αSTPV와 δSTPV는 각각 일사량과 표면온도에 대한 선형 모델 계수이며 ε(i)은 에러이다. STPL과 다른 점은 에러 ε(i)의 평균은 0이고 분산이 (βSTPV/t(i))2인 가우시안 분포를 따른다는 점이다. 데이터에서 관찰한 바와 같이 발전량 분포의 표준편차가 온도에 반비례하도록 모델을 세웠다. 따라서 발전량 p(i)는 하기 수학식 11과 같은 가우시안 분포를 따른다.
Figure 112019013925273-pat00011
(수학식 11. STPV에서의 발전량 p(i)의 가우시안 분포)
그리고 N시간 동안의 발전량 p(1), …, p(N)에 대한 우도는 하기 수학식 12와 같다.
Figure 112019013925273-pat00012
(수학식 12. STPV에서의 발전량 우도)
상기 수학식 12에 로그를 취한 로그-우도 식을 모델 파라미터 αSTPV와 δSTPV, βSTPV로 각각 편미분하면 우도를 최대화 하는 모델 파라미터를 하기 수학식 13과 같이 얻을 수 있다.
Figure 112019013925273-pat00013
(수학식 13. STPV에서 우도를 최대화 하는 모델 파라미터)
다음은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 고장진단부(800)에 적용되는 태양광 발전기의 이상 여부를 판별하는 방법에 대해 상세히 설명하도록 한다.
확률적 선형 회귀 모델에 따라 계산된 확률식에 의해 태양광 발전기의 발전량이 정상적인 발전량의 범위에 속하는지를 판단한다.(S100) 주어진 온도와 일사량, 발전량에 대해 각 모델에 따라, 따라 SPL모델의 경우 상기 수학식 2, STPL모델의 경우 상기 수학식 7, 그리고 STPV 모델의 경우 상기 수학식 11을 사용해 발전량의 확률 값을 계산한다.(S200) 계산한 확률 값이 주어진 신뢰도 문턱값 θ보다 작을 경우 이를 비정상적인 발전량이라 판단한다.(S300) 그리고 발전량의 확률 값이 연속적으로 m번 이상 신뢰도 θ보다 낮은 경우 발전기에 이상이 있다고 보고한다.(S400)
다음은 성능분석부(500)에서 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 발전 손실을 분석하는 방식에 대해 상세히 설명하도록 한다.
본 발명에서 태양광발전시스템의 손실 요소는 원거리 음영 손실(Far Shadings/Horizon), 근거리 음영 손실(Near Shadings), 입사각 변동 손실(IAM factor on global), 일조강도 손실(Irradiance level loss), 모듈 온도 손실(Module temperature loss), 어레이 미스매치 손실(Array Mismatch loss), 인버터 운전 손실(Inverter operation loss), 그리고 DC/AC 선로손실(Ohmic loss) 등으로 구분한다.
원거리 음영 손실은 태양광발전시스템의 크기와 10배 이상 거리가 떨어져 있는 건물 및 장애물들이 지평선을 기준으로 태양의 영향을 받는 것을 기준으로 삼는다. 근거리 음영 손실은 태양 고도각이 낮을 때 앞쪽 어레이와 뒤쪽 어레이 사이에 드리워지는 그림자 및 가까운 장애물의 영향을 기준으로 삼는다.
수평면 일조량계로 측정한 일조량을 각 태양광발전시스템의 경사각에 따라 변환하기 위해 PVsyst 프로그램에서는 전 수평면 일조량 직산분리 모델인 Perez model과 경사면 일조량을 예측하는 Perez model을 사용한다.
직산분리 모델인 Perez model은 직사광선과 산란광선을 분리하는데 미국과 유럽 15개 지역을 기반으로 Maxwell의 직산분리를 개선한 모델이며 청명계수, 태양 고도각, 대기 질량 등을 매개 변수로 한다.
경사면 일조량 변환 모델인 Perez model은 직사광선, 산란광선, 반사광선이 경사면에 작용하는 정도를 예측하는 모델이다.
따라서 태양광발전시스템의 경사각에 따른 경사면 일조량이 산출된다.
다음은 원거리 음영 손실에 대해 상세히 설명하도록 한다.
태양광발전시스템이 위치한 곳의 위도에 일치한 태양궤적 다이어그램을 산출하고 태양의 궤적에 따라 음영 손실분석을 진행한다. 원거리 음영 손실은 지평선을 기준으로 해당 태양광발전시스템의 크기와 10배 이상 떨어져 있는 거리에 지형, 지물의 높이가 태양의 고도 보다 높을 때는 경사면 직사광선의 영향을 받지 않는다.
Figure 112019013925273-pat00014
(수학식 14. 경사면에 작용하는 직사광선 산출 식)
따라서 상기 수학식 14와 같이 수평면 일조량을 직사광선과 산란광선으로 분리해서 경사면에 작용하는 직사광선의 산출할 수 있다.
cosθ/sinβ는 수평면 직사광선 일조량의 RB factor라고 한다. 즉, RB factor는 직사광선이 경사면에 작용하는 요소라고 할 수 있다. 태양궤적다이어그램에서 원거리 음영에 해당되는 영역에서는 RB factor가 0이다. 따라서 경사면에 직사광선이 작용하지 않는다고 볼 수 있다.
다음은 도 7을 참조하여 근거리 음영 손실에 대해 상세히 설명하도록 한다.
도 7은 본 발명에 따른 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템의 설계도면을 기준으로 3차원 모델링을 구현한 실시 예이다. 태양 고도각이 낮아지게 되는 겨울철에 앞쪽 어레이와 뒤쪽 어레이 사이에 그림자가 드리워질 수 있다. 어레이와 어레이 간에 드리워지는 그림자가 나타날 수 있는 태양광발전시스템은 B센터와 C센터이다. 근거리 음영 영향을 받는 C센터는 장애물을 삽입하였다. 어레이에 음영이 생겼을 때 태양 고도각에 따라 경사면 일조량의 비중을 ‘Shading Factor tables’를 근거로 산출할 수 있다.
다음은 도 8을 참조하여 입사각 변동 손실에 대해 상세히 설명하도록 한다.
태양광 모듈(솔라패널)에 태양광의 입사각이 0°일 때 대부분이 태양광 모듈 유리를 투과하지만, 태양광 모듈에 태양빛의 입사각이 증가할수록 모듈 유리의 반사율이 증가하여 발생하는 손실이다.
Figure 112019013925273-pat00015
(수학식 15. 입사각 변동 손실 계산 식)
따라서 상기 수학식 15와 같이 나타낼 수 있다. 상기 수학식 15는 b0와 θ가 변수이며, PVsyst 프로그램에서 은 0.05, 0.04 등을 기본값으로 제안한다. θ는 태양빛과 어레이에 법선 사이의 각도로써 도 8과 하기 수학식 16으로 산출할 수 있다.
Figure 112019013925273-pat00016
(수학식 16. 태양빛과 어레이에 법선 사이의 각도)
다음은 일조강도 손실에 대해 상세히 설명하도록 한다.
PV 어레이는 일조강도에 따라 셀, 모듈의 직병렬 저항에 의해서 전압이나 Fill Factor의 특성이 변화되고 특히 일조강도가 낮은 영역에서는 비선형성을 가진다.
도 9의 (a)는 일조강도 대비 모듈의 효율을 온도 별로 나타내었다. 낮은 일조강도 영역에서 효율이 감소하는 것을 확인할 수 있다. (b)는 일조강도 대비 모듈의 효율을 모듈의 내부 직렬 저항 별로 나타내었다. 내부 직렬저항은 낮은 일조강도 영역에서 모듈 효율에 영향을 미친다. 이는 Single-diode model의 모듈 특성을 나타낸다.
도 10은 Single-diode model의 등가 회로이다. 모듈 제조사의 데이터시트에서 알 수 있는 표준시험조건에서(Vmp,Imp), (Voc,0), (0,Isc)를 Single-diode model을 하기 수학식 17 내지 18에 적용시키면 3개의 방정식을 얻을 수 있다. 따라서 산출된 변수들로 일조강도가 낮은 영역의 모듈 효율이 결정된다.
Figure 112019013925273-pat00017
(수학식 17. Single-diode model에서의 전류식)
Figure 112019013925273-pat00018
(수학식 18. Single-diode model에서의 전기용량식)
다음은 모듈 온도 손실에 대해 상세히 설명하도록 한다.
태양광발전시스템의 성능은 일조량, 외기온도, 풍속 등과 같은 기상 및 환경조건에 영향을 받는다. 특히 모듈 온도 상승은 시스템 성능에 많은 영향을 미친다. 따라서 PVsyst 프로그램은 태양광발전시스템의 모듈 온도를 예측하기 위한 모델을 사용한다. 하기 수학식 19는 Faiman module temperature model을 기반한 모듈 온도 예측모델로 분석 대상의 셀 온도를 예측한다. U0값은 설치 형태에 따라 달라지며 U1값을 0으로 권장한다.
Figure 112019013925273-pat00019
(수학식 19. Faiman module temperature model을 기반한 모듈 온도 예측모델)
다음은 어레이 미스매치 손실에 대해 상세히 설명하도록 한다.
태양전지 모듈을 직렬 연결하면 전류는 동일하고 전압은 모듈 개수만큼 증가한다. 또한 병렬 연결하면 전압은 동일하고 전류는 스트링 개수만큼 증가한다. 하지만 실제 모듈은 동일한 정격출력일지라도 동일한 I-V곡선을 가지지 않는 것을 미스매치 손실이라 한다. 종래의 문헌을 참고하면 어레이로 구성된 태양광발전 시스템에서 미스매치 손실은 분석대상마다 전체 출력의 1%~2%를 기본값으로 설정하면 된다.
다음은 인버터 운전 손실에 대해 상세히 설명하도록 한다.
인버터의 효율은 하루에도 저출력과 고출력 다양한 변화 특성을 나타내기 때문에 분석대상 태양광발전시스템의 인버터 기준으로 출력에 따른 변환효율에 비중을 두고 측정하는 단위로써 유로피언 효율과 최대 효율을 설정한다.
다음은 선로 손실에 대해 상세히 설명하도록 한다.
본 발명에서는 DC 선로 손실과 AC 선로 손실은 태양광발전시스템의 설계 도면을 기준으로 선로의 굵기와 길이를 설정하는 것을 권장한다. 하기 수학식 20 내지 수학식 21은 선로 손실 비율 산출 식이다.
Figure 112019013925273-pat00020
(수학식 20. 선로 손실 비율 산출식 저항비)
Figure 112019013925273-pat00021
(수학식 21. 선로 손실 비율 산출식 어레이 저항)
이상 본 발명의 실시 예에 따른 도면을 참조하여 설명하였지만, 본 발명이 속한 분야에서 통상의 지식을 가진 자라면 상기 내용을 바탕으로 본 발명의 범주 내에서 다양한 응용 및 변형을 행하는 것이 가능할 것이다.
1 : 솔라셀
10 : 솔라패널
100 : 각도조절부
200 : 승강부
300 : 모터
400 : 모니터링부
500 : 성능분석부
600 : 통신부
700 : 제어부
800 : 고장진단부

Claims (3)

  1. 태양광을 이용하여 발전을 하는 다수개의 솔라셀(1)이 배치된 솔라패널(10)과 상기 솔라패널(10)에 연결된 인버터 및 축전지를 포함하는 태양광 발전 시스템에 있어서,
    상기 솔라패널(10)의 각도를 조절하는 각도조절부(100);
    상기 솔라패널(10)의 높낮이를 조절하는 승강부(200);
    상기 각도조절부, 상기 승강부에 동력을 제공하는 모터(300);
    일사량, 강우량, 기온, 풍속을 측정하는 기상환경 모니터링부(400);
    각 시각에서 측정된 패널의 표면온도(°C)와 패널 경사면 일사량(cal/cm2), 발전량(kW)으로하여 확률적 선형 회귀 분석을 통해 표면온도와 일사량에 따른 발전량의 확률분포를 확률적 선형회귀 분석방법에 의해 모델링하여 온도와 일사량이 주어졌을 때 발전량을 분석하여 발전 효율을 실시간으로 분석하는 성능분석부(500);
    상기 모니터링부(400)에서 측정한 일사량, 강우량, 기온, 풍속 데이터와 상기 발전 효율을 실시간으로 관리자의 스마트폰 및 관제소로 전송하는 통신부(600);
    상기 각도조절부(100), 상기 승강부(200), 상기 기상환경 모니터링부(400), 상기 성능분석부(500) 및 상기 통신부(600)와 연결되어 제어하는 제어부(700) 및
    상기 제어부(700)와 연결되어 태양광 발전기의 이상 여부를 확률적 선형 회귀 모델에 따라 계산된 확률식에 의해 태양광 발전기의 발전량이 정상적인 발전량의 범위에 속하는지를 판단하고, 주어진 온도와 일사량, 발전량에 대해 일사량-발전량 선형모델(SPL), 일사량-온도-발전량 선형 모델(STPL), 일사량-온도-발전량 변분산 모델(STPV) 중 어느 하나의 모델에 따라 발전량의 확률 값을 계산하여 계산한 확률 값이 주어진 신뢰도 문턱값 θ보다 작을 경우 이를 비정상적인 발전량이라 판별하는 고장진단부(800)를 포함하고,
    상기 성능분석부(500)는 원거리 음영 손실(Far Shadings/Horizon), 근거리 음영 손실(Near Shadings), 입사각 변동 손실(IAM factor on global), 일조강도 손실(Irradiance level loss), 모듈 온도 손실(Module temperature loss), 어레이 미스매치 손실(Array Mismatch loss), 인버터 운전 손실(Inverter operation loss) 및 DC/AC 선로손실(Ohmic loss)을 포함하는 발전 손실을 분석가능한 것을 특징으로 하는 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 기상환경 모니터링부(400)는,
    일사량을 측정할 때 청명일사분석법을 사용하는 것을 특징으로 하는 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템.
KR1020190015440A 2019-02-11 2019-02-11 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템 KR102023467B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190015440A KR102023467B1 (ko) 2019-02-11 2019-02-11 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190015440A KR102023467B1 (ko) 2019-02-11 2019-02-11 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템

Publications (1)

Publication Number Publication Date
KR102023467B1 true KR102023467B1 (ko) 2019-11-04

Family

ID=68577902

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190015440A KR102023467B1 (ko) 2019-02-11 2019-02-11 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템

Country Status (1)

Country Link
KR (1) KR102023467B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171828B1 (ko) * 2020-04-17 2020-10-29 주식회사 원광에스앤티 영농형 태양광 발전장치
CN112713853A (zh) * 2020-12-24 2021-04-27 淮安瑞鑫光伏科技有限公司 一种基于天气状况的太阳能板控制系统
CN114908365A (zh) * 2022-04-26 2022-08-16 上海卓微氢科技有限公司 一种离网型光伏制氢系统控制方法
CN116119811A (zh) * 2023-01-09 2023-05-16 河海大学 一种能源自给移动式水环境修复与底泥削减装置及运行方法
CN117114254A (zh) * 2023-10-25 2023-11-24 山东电力工程咨询院有限公司 一种电网新能源异常数据监测方法及系统
CN117155281A (zh) * 2023-11-01 2023-12-01 西安广林汇智能源科技有限公司 一种新能源发电监测系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100954530B1 (ko) 2009-11-10 2010-04-22 (주)하이레벤 태양광 발전설비의 효율향상설비
KR101830308B1 (ko) * 2015-10-15 2018-02-20 순천대학교 산학협력단 고장진단 및 전력변동성 계측을 위한 원격계측시스템
KR101918153B1 (ko) 2018-06-08 2019-01-30 김동완 태양광을 이용한 발전장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100954530B1 (ko) 2009-11-10 2010-04-22 (주)하이레벤 태양광 발전설비의 효율향상설비
KR101830308B1 (ko) * 2015-10-15 2018-02-20 순천대학교 산학협력단 고장진단 및 전력변동성 계측을 위한 원격계측시스템
KR101918153B1 (ko) 2018-06-08 2019-01-30 김동완 태양광을 이용한 발전장치

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171828B1 (ko) * 2020-04-17 2020-10-29 주식회사 원광에스앤티 영농형 태양광 발전장치
CN112713853A (zh) * 2020-12-24 2021-04-27 淮安瑞鑫光伏科技有限公司 一种基于天气状况的太阳能板控制系统
CN114908365A (zh) * 2022-04-26 2022-08-16 上海卓微氢科技有限公司 一种离网型光伏制氢系统控制方法
CN114908365B (zh) * 2022-04-26 2024-04-30 上海卓微氢科技有限公司 一种离网型光伏制氢系统控制方法
CN116119811A (zh) * 2023-01-09 2023-05-16 河海大学 一种能源自给移动式水环境修复与底泥削减装置及运行方法
CN116119811B (zh) * 2023-01-09 2024-04-16 河海大学 一种能源自给移动式水环境修复与底泥削减装置及运行方法
CN117114254A (zh) * 2023-10-25 2023-11-24 山东电力工程咨询院有限公司 一种电网新能源异常数据监测方法及系统
CN117114254B (zh) * 2023-10-25 2024-03-19 山东电力工程咨询院有限公司 一种电网新能源异常数据监测方法及系统
CN117155281A (zh) * 2023-11-01 2023-12-01 西安广林汇智能源科技有限公司 一种新能源发电监测系统及方法
CN117155281B (zh) * 2023-11-01 2024-02-02 西安广林汇智能源科技有限公司 一种新能源发电监测系统及方法

Similar Documents

Publication Publication Date Title
KR102023467B1 (ko) 기상 데이터를 분석하여 효율을 향상시킨 태양광 발전 시스템
Semaoui et al. Dust effect on optical transmittance of photovoltaic module glazing in a desert region
Zhao et al. Optimal PV panel tilt angle based on solar radiation prediction
Obiwulu et al. Implicit meteorological parameter-based empirical models for estimating back temperature solar modules under varying tilt-angles in Lagos, Nigeria
KR101223502B1 (ko) 태양전지 모듈의 노화에 의한 성능 저하 평가방법
KR102338515B1 (ko) 인공지능 기반 태양광 발전량 예측 시스템
KR102488667B1 (ko) 머신러닝을 이용한 태양광 발전 예측 시스템
KR102488669B1 (ko) 구름 음영 효과를 적용한 태양광 발전 예측 시스템
US10734946B2 (en) Methods and systems for determining soiling on photovoltaic devices
JP2012138448A (ja) 太陽光発電の出力低下検出装置及び検出方法
Imenes et al. Development of a test station for accurate in situ IV curve measurements of photovoltaic modules in Southern Norway
CN117713218B (zh) 一种基于知识与数据融合驱动的光伏出力预测方法
Kamath et al. The potential for concentrator photovoltaics: A feasibility study in India
Schuss et al. Moving photovoltaic installations: Impacts of the sampling rate on maximum power point tracking algorithms
KR102488668B1 (ko) 머신러닝을 이용한 태양광 발전 예측 시스템 및 방법
CN116800172B (zh) 一种光电转换方法及储能系统
Mondoc et al. Factors influencing the performance of a photovoltaic power plant
Schuss et al. Impact of solar radiation on the output power of moving photovoltaic (PV) installations
Badran et al. A Comparative Study of Bifacial versus Monofacial PV Systems at the UK Largest Solar Plant
US11709003B2 (en) Method for optimizing power production in photovoltaic modules
CN111596384B (zh) 一种基于天气类型有效识别的斜面辐射预测方法
Magare et al. Estimation of module temperature effects on seasonal performance variation of different photovoltaic technology modules
Dirlik et al. Comparison of pvsyst, pvsol and homer simulation software results with real production data of solar power plants in different provinces of Turkey
Wild Comparative assessment of the productive performance of three solar PV technologies at Gatton
KR102645221B1 (ko) 기상 데이터 및 pv 시스템의 환경 데이터를 이용한 인공 지능 기반의 태양광 발전량 예측 시스템

Legal Events

Date Code Title Description
GRNT Written decision to grant