KR102084784B1 - 머신러닝기반 태양광발전운영 관리방법 - Google Patents
머신러닝기반 태양광발전운영 관리방법 Download PDFInfo
- Publication number
- KR102084784B1 KR102084784B1 KR1020190116795A KR20190116795A KR102084784B1 KR 102084784 B1 KR102084784 B1 KR 102084784B1 KR 1020190116795 A KR1020190116795 A KR 1020190116795A KR 20190116795 A KR20190116795 A KR 20190116795A KR 102084784 B1 KR102084784 B1 KR 102084784B1
- Authority
- KR
- South Korea
- Prior art keywords
- management server
- reference pattern
- machine learning
- connection panel
- parameter
- Prior art date
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 31
- 238000010248 power generation Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 8
- 230000005856 abnormality Effects 0.000 claims abstract description 39
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- 238000009434 installation Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 60
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 abstract description 10
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 229920000544 Gore-Tex Polymers 0.000 description 4
- 230000005494 condensation Effects 0.000 description 4
- 238000009833 condensation Methods 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 239000002803 fossil fuel Substances 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G06K9/6201—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- 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
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
- H02S40/34—Electrical components comprising specially adapted electrical connection means to be structurally associated with the PV module, e.g. junction boxes
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Photovoltaic Devices (AREA)
Abstract
본 발명은 머신러닝기반 태양광발전운영 관리방법에 관한 것이다.
보다 구체적으로, 태양전지, 접속반 및 상기 태양전지의 일조량, 상기 접속반의 전류 및 습도를 파라미터로 모니터링하는 관리서버를 포함하는 시스템의 머신러닝기반 태양광발전운영관리방법에 관한 것으로, 상기 접속반에서, 상기 파리미터를 실시간 수집하는 단계, 상기 접속반에서, 상기 태양전지의 설치위치 및 환경요인을 고려하여 기분석된 파라미터별 기준패턴과 상기 실시간 수집된 파라미터를 비교하여 상기 파라미터의 변화추이를 예측하는 단계, 상기 접속반에서, 예측된 변화추이로부터 추출된 예측 변곡점 및 변화추이 예측에 이용된 파라미터 정보를 변화데이터로 생성하여 상기 관리서버로 전송하는 단계, 상기 관리서버에서, 상기 수신된 변화데이터를 분석하여 이상예측을 감지하는 단계 및 상기 관리서버에서, 이상예측 감지시 상기 접속반으로 이상제어를 위한 제어신호를 제공하는 단계를 포함하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법에 관한 것이다.
보다 구체적으로, 태양전지, 접속반 및 상기 태양전지의 일조량, 상기 접속반의 전류 및 습도를 파라미터로 모니터링하는 관리서버를 포함하는 시스템의 머신러닝기반 태양광발전운영관리방법에 관한 것으로, 상기 접속반에서, 상기 파리미터를 실시간 수집하는 단계, 상기 접속반에서, 상기 태양전지의 설치위치 및 환경요인을 고려하여 기분석된 파라미터별 기준패턴과 상기 실시간 수집된 파라미터를 비교하여 상기 파라미터의 변화추이를 예측하는 단계, 상기 접속반에서, 예측된 변화추이로부터 추출된 예측 변곡점 및 변화추이 예측에 이용된 파라미터 정보를 변화데이터로 생성하여 상기 관리서버로 전송하는 단계, 상기 관리서버에서, 상기 수신된 변화데이터를 분석하여 이상예측을 감지하는 단계 및 상기 관리서버에서, 이상예측 감지시 상기 접속반으로 이상제어를 위한 제어신호를 제공하는 단계를 포함하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법에 관한 것이다.
Description
본 발명은 머신러닝기반 태양광발전운영 관리방법에 관한 것이다.
보다 구체적으로, 태양전지, 접속반 및 상기 태양전지의 일조량, 상기 접속반의 전류 및 습도를 파라미터로 모니터링하는 관리서버를 포함하는 시스템의 머신러닝기반 태양광발전운영관리방법에 관한 것으로, 상기 접속반에서, 상기 파리미터를 실시간 수집하는 단계, 상기 접속반에서, 상기 태양전지의 설치위치 및 환경요인을 고려하여 기분석된 파라미터별 기준패턴과 상기 실시간 수집된 파라미터를 비교하여 상기 파라미터의 변화추이를 예측하는 단계, 상기 접속반에서, 예측된 변화추이로부터 추출된 예측 변곡점 및 변화추이 예측에 이용된 파라미터 정보를 변화데이터로 생성하여 상기 관리서버로 전송하는 단계, 상기 관리서버에서, 상기 수신된 변화데이터를 분석하여 이상예측을 감지하는 단계 및 상기 관리서버에서, 이상예측 감지시 상기 접속반으로 이상제어를 위한 제어신호를 제공하는 단계를 포함하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법에 관한 것이다.
최근 화석연료의 과대한 사용에 따라 지구의 온난화 등 환경문제가 심각해지면서 국제적으로 이산화탄소 배출을 줄이기 위한 대책 마련이 시급한 실정이며 이의 대안으로 신재생 에너지에 대한 관심이 높아지고 있다.
또한, 태양전지를 비롯한 그린에너지 공급원들은 지구에 한정적으로 존재하는 화석연료를 사용하지 않는다는 장점과 이산화탄소 가스의 배출이 없으므로 환경 오염을 최소화할 수 있다는 큰 장점이 있으며, 이러한 장점들은 지구 온난화와 화석연료 고갈이 심각해 지는 가까운 미래를 대비해야 하는 현대인의 입장을 고려할 때 이의 중요도는 매우 높을 수밖에 없다.
우리나라의 경우에도, 근래 이산화탄소 배출을 규제하기 위해 태양광발전을 선두로 하여 신재생 에너지 보급에 대한 장려정책이 제도화되어 실시되고 있고, 이에 따라 태양광 발전시스템은 최근 몇 년간 주요한 신재생 에너지의 우선적인 발전시스템으로 권장되면서 수많은 발전설비 및 이의 운영에 필요한 인프라 시설들이 개발되었고 현재 수천MW 용량의 태양광발전 시설이 현장에서 설치 운용중에 있다.
이러한 태양전지모듈은 일사량을 많이 얻을 수 있는 건물의 옥상에 설치되거나 일조권이 잘 확보될 수 있는 야산과 같은 한적한 곳에 태양광에 직접 노출되어 설치되므로, 운영자의 접근이 대개 용이치 못하고 발전시스템이 설치되어 있는 현장에서 직접 육안으로 체크하는 방안이 현실적이지 못한 상황이다. 따라서, 원격 모니터링이나 발전시스템에 대한 자동 고장 인식의 중요도가 높아지게 되었다.
한국등록특허 제10-0999978호는 태양광 에너지를 전기에너지로 변환하여 출력하는 다수의 태양전지모듈과, 상기 다수의 태양전지모듈로부터 출력되는 전력을 변환하는 인버터와, 발전된 전압과 전류를 측정함과 함께 각 태양전지모듈이 연결된 회로군에서 과전압 또는 과전류, 역전류의 이상 유무를 감시하고 제어하는 태양광발전 감시 제어 장치와, 이의 감시결과에 따라 전원을 차단하는 스위칭부 및 이의 정보를 전달받아 데이터를 수집하고 모니터링하는 데이터수집 및 모니터링 장치로 구성되는 것을 특징으로 하고 있다.
하지만, 종래 기술에 따른 태양광 발전 관련 기술은 태양광 발전 설비를 구성하는 각 모듈의 개별적 성능 및 특정 파라미터 개선에만 주안점을 두고 그 개발이 이루어졌다. 이에, 태양광 발전 설비에 대한 전반적인 운용상의 효율성을 개선시키기 위한 기술 개발이 요구된다.
따라서, 본 출원인은 머신러닝기반으로 분석된 기준패턴을 이용하여 실시간 수집되는 파라미터의 변화를 예측하고, 예측된 변화를 통해 이상감지시 접속반을 제어하는 머신러닝기반 태양광발전운영 관리방법을 제공하고자 한다.
본 발명의 목적은, 본 발명은 머신러닝기반으로 분석된 기준패턴을 이용하여 실시간 수집되는 파라미터의 변화를 예측하고, 예측된 변화를 통해 이상감지시 접속반을 제어하는 머신러닝기반 태양광발전운영 관리방법을 제공하는 데 있다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따르면, 복수의 태양전지모듈을 포함하는 태양전지; 접속반; 및 상기 태양전지의 일조량, 상기 접속반의 전류 및 습도를 파라미터로 모니터링하는 관리서버를 포함하는 시스템의 머신러닝기반 태양광발전운영관리방법은, 상기 접속반에서, 상기 파리미터를 실시간 수집하는 단계, 상기 접속반에서, 상기 태양전지의 설치위치 및 환경요인을 고려하여 기분석된 파라미터별 기준패턴과 상기 실시간 수집된 파라미터를 비교하여 상기 파라미터의 변화추이를 예측하는 단계, 상기 접속반에서, 예측된 변화추이로부터 추출된 예측 변곡점 및 변화추이 예측에 이용된 파라미터 정보를 변화데이터로 생성하여 상기 관리서버로 전송하는 단계, 상기 관리서버에서, 상기 변화데이터를 분석하여 이상예측을 감지하는 단계 및 상기 관리서버에서, 이상예측 감지시 상기 접속반으로 이상제어를 위한 제어신호를 제공하는 단계를 포함할 수 있다.
또한, 상기 변화추이를 예측하는 단계는, 실시간 수집되는 파라미터를 기설정된 관심구간 단위로 변화추이를 예측하되, 해당 관심구간에서 변화추이가 예측되는 경우에만 변화데이터를 생성하여 상기 관리서버로 전송할 수 있다.
또한, 상기 이상예측을 감지하는 단계는, 일조량 기준패턴 및 전류량 기준패턴의 상관관계를 분석한 상관모델을 생성하는 단계 및 상기 실시간 수집되는 변화데이터로부터 실측 일조량 및 실측 전류량의 상관관계를 분석하여 상기 상관모델과의 유사도가 기설정률 이하이면 전류이상으로 판단할 수 있다.
또한, 상기 제어신호를 제공하는 단계는, 상기 전류이상을 판단시, 관리자 단말로 알림하고, 전류이상으로 판단된 해당 태양전지모듈의 스위치를 오프시키는 제어신호를 상기 접속반으로 전송할 수 있다.
또한, 상기 제어신호를 제공하는 단계는, 상기 실시간 수집되는 변화데이터로부터 분석된 예측습도가 기분석된 기준습도가 되도록 상기 접속반에 구비된 히트펌프의 구동을 제어하는 제어신호를 상기 접속반으로 전송할 수 있다.
또한, 상기 접속반에서, 접속반 내부를 구분하여 영역별로 열화상 이미지를 실시간으로 생성하여 상기 관리서버로 전송하는 단계 및 기저장된 환경요인이 고려된 영역별 온도 기준패턴과 비교시, 특정 영역에서 기준패턴 대비 온도가 상승하면 상기 관리서버로 알림하는 단계를 더 포함할 수 있다.
또한, 상기 접속반에서, 상기 생성된 열화상 이미지로 분석된 특정 영역에서의 온도가 급상승하여 화재가 예상되면 소화부를 구동시키는 단계 및 상기 관리서버로 화재발생을 알림하는 단계를 더 포함할 수 있다.
또한, 상기 관리서버에서, 환경요인을 적용하여 상기 실시간 수집된 일조량, 전류 및 습도를 분석한 일조량 기준패턴, 전류 기준패턴 및 습도 기준패턴을 생성하는 단계, 상기 관리서버에서, 상기 영역별 열화상 이미지를 머신러닝기반으로 분석하되, 환경요인이 고려된 영역별 온도 기준패턴을 생성하는 단계 및 상기 접속반으로 파라미터별 기준패턴을 전송하는 단계를 더 포함할 수 있다.
이상에서 설명한 바와 같이, 본 발명의 머신러닝기반 태양광발전운영 관리방법은 태양전지의 설치위치 및 환경요인(시간, 계절, 음영, 날씨 등)을 고려하여 빅데이터 분석된 기준패턴을 기반으로, 실시간 수집되는 파라미터의 변화추이를 예측하고 이상감지를 할 수 있다.
또한, 실시간 수집되는 파라미터의 변화추이 예측시에만 관련 정보를 관리서버로 전송하고, 이를 빅데이터 분석함으로써 환경변화시에도 변화추이의 정확성을 향상시킬 수 있다.
또한, 파라미터의 이상감지시 관리자 단말로 알림을 제공하고, 제어신호를 이용하여 접속반의 구동을 제어할 수 있다. 특히, 온도의 급상승 및 스파클 등으로 인한 화재예측시 접속반에서 즉시 소화부를 동작시킴으로써 화재로 인한 큰 피해를 방지하고, 전류이상이 감지된 스위치를 오프시켜 역전류 발생을 방지할 수 있다.
또한, 실시간 수집되는 파라미터의 변화추이 및 이상감지에 따른 파라미터 정보를 시각화하여 제공함으로써 모니터링할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 머신러닝기반 태양광발전운영 관리시스템의 개략적인 구성을 나타내는 블록도이다.
도 2는 도 1의 제어부의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 파라미터 변화추이 예측을 설명하기 위한 그래프이다.
도 4는 도 1의 관리서버의 구성을 나타내는 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 일조량 및 전류량 변화 기준패턴의 상관관계를 설명하기 위한 그래프이다.
도 6은 본 발명의 일 실시 예에 따른 실시간 수집되는 일조량 및 전류량 변화패턴의 이상를 설명하기 위한 그래프이다.
도 7은 본 발명의 일 실시 예에 따른 머신러닝기반 태양광발전운영 관리방법을 설명하기 위한 흐름도이다.
도 2는 도 1의 제어부의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 파라미터 변화추이 예측을 설명하기 위한 그래프이다.
도 4는 도 1의 관리서버의 구성을 나타내는 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 일조량 및 전류량 변화 기준패턴의 상관관계를 설명하기 위한 그래프이다.
도 6은 본 발명의 일 실시 예에 따른 실시간 수집되는 일조량 및 전류량 변화패턴의 이상를 설명하기 위한 그래프이다.
도 7은 본 발명의 일 실시 예에 따른 머신러닝기반 태양광발전운영 관리방법을 설명하기 위한 흐름도이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 안 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
이하, 도면을 참조하여 설명하기에 앞서, 본 발명의 요지를 드러내기 위해서 필요하지 않은 사항 즉 통상의 지식을 가진 당업자가 자명하게 부가할 수 있는 공지 구성에 대해서는 도시하지 않거나, 구체적으로 기술하지 않았음을 밝혀둔다.
도 1은 본 발명의 일 실시 예에 따른 머신러닝기반 태양광발전운영 관리시스템의 개략적인 구성을 나타내는 블록도이다. 본 발명의 일 실시 예에 따른 머신러닝기반 태양광발전운영 관리시스템(이하, 시스템이라함)은 태양전지(100), 일조량센서(110), 접속반(200), 관리서버(300) 및 DB(400)를 포함할 수 있다.
본 발명의 시스템은, 태양광발전운영시 태양전지(100)의 일조량, 전류량, 접속반(200)의 습도 및 온도를 파라미터로 모니터링하여 시각적으로 제공하고, 모니터링시 위험요소가 예측될 때 관리자 단말(미도시)로 알림할 수 있다.
이때, 본 발명의 시스템은 실시간 수집되는 파라미터를 빅데이터 머신러닝기반으로 분석된 기준패턴과 비교하여 변화추이를 예측하고, 이를 기반으로 기준패턴을 주기적으로 업데이트함으로써 변화추이를 정확하게 예측할 수 있다.
태양전지(100)는 태양으로부터 입사되는 빛 에너지를 전기에너지로 변환하여 출력시킨다. 이러한 태양전지(100)는 다수의 태양전지 어레이(100a 내지 100n)를 포함한다. 또한, 태양전지 어레이는 다수의 태양전지 모듈을 포함한다. 각 태양전지 어레이의 구성요소인 다수의 태양전지 모듈은 상호 직렬로 연결되어 구성된다.
일조량 센서(110)는 태양전지(100)의 패널에 설치되어, 태양전지(100)가 설치된 위치의 일조량을 실시간으로 센싱하고, 센싱되는 일조량을 접속반(200)의 통신부(240)를 통해 제어부(230)로 전송할 수 있다.
접속반(200)은 일조량 센서(110)로부터 실시간 수신되는 일조량, 태양전지(100)로부터 수신되는 출력전류, 접속반(200) 내의 습도 및 온도를 대응되는 기준패턴과 비교하여 파라미터별로 변화추이를 예측할 수 있다.
도 1을 참고하면, 접속반(200)은 스위치(210), 센서부(220), 제어부(230:MCU), 통신부(240), 제어회로부(250), 히트펌프(260) 및 소화부(270)를 포함하고, 센서부(220)는 전류센서(221), 습도센서(222) 및 열화상센서(223)를 포함할 수 있다.
또한, 접속반(200)은 고어텍스(Gore-Tex) 같은 기능성 섬유를 이용하여 패키징될 수 있고, 함체 결합시에도 고어텍스를 적용한 볼트 등을 이용할 수 있다. 이에, 온도 변화로 인한 차압 발생시, 고어텍스를 이용한 접속반(200)의 패키징 및 결합볼트 등에 의해, 접속반(200) 내외부의 압력 평형을 이루어 외부 유체(일예로, 비(雨) 등)의 침투를 방지하고, 결로발생을 방지할 수 있다.
스위치(210)는 태양전지(100)의 출력전력을 스트링 단위로 수신할 수 있다. 이때, 제어회로부(250)는 제어부(230)의 제어에 따라 수신되는 스트링단위의 출력전력을 병합하여 인버터에 제공할 수 있다.
전류센서(222)는 태양전지(100)의 스트링단위로 수신되는 출력전력으로부터, 각 스트링단위의 전류를 센싱하여 제어부(230)에 제공할 수 있다.
습도센서(222)는 접속반(300) 내의 습도를 실시간으로 센싱하여 제어부(230)에 제공할 수 있다.
열화상센서(223)는 접속반(300)내의 열화상을 실시간으로 촬영하여 얻어지는 열화상이미지를 제어부(230)에 제공할 수 있다. 이때, 열화상 이미지는 접속반(300)내의 영역을 복수 개로 구분하여 영역별로 촬영하여 얻어질 수 있다. 이때, 열 발생 온도가 높은 제어회로부(250)를 집중적으로 센싱할 수 있다.
구체적으로, 열화상센서(220)는 제어회로부(250)의 영역을 회로구성별로 구분하거나, 단위영역으로 구분하여 제어회로부(250)의 영역 위치별로 실시간 열화상 이미지를 획득할 수 있다. 이때, 실시간 생성되는 열화상 이미지는 제어부(230)로 전송될 수 있다.
도 2를 참고하면, 제어부(230)는 메모리(231) 및 프로세서(232)를 포함할 수 있다.
메모리(231)는 각 센서(110,220)로부터 센싱된 파라미터별 센싱값을 수신할 수 있다. 즉, 메모리(231)는 일조량, 스트링별 전류량, 습도량 및 영역별 열화상 이미지를 저장하고, 관리서버(300)로부터 기설정주기로 업데이트되는 파라미터별 기준패턴을 저장할 수 있다.
여기서, 파라미터별 기준패턴은 관리서버(300)에서 빅데이터 머신러닝기반으로 각 파라미터의 변화량을 분석한 패턴으로, 태양전지의 설치위치(장소, 음영 등), 날씨, 계절, 시간 등의 환경적인 요인을 고려하여 분석될 수 있다.
이때, 태양전지의 설치위치는 지역 및 지역 내에 설치된 복수 개의 개소별로 구분될 수 있고, 본 발명의 시스템은 각 개소의 위치별, 지역별로 파라미터를 분석 및 관리하여 모니터링할 수 있다. 한편, 파라미터별 기준패턴의 분석은 관리서버(300)의 설명시 구체적으로 설명하도록 한다.
프로세서(232)는 메모리(231)에 실시간 저장되는 파라미터별 센싱값과 대응되는 파라미터의 기준패턴을 비교하여, 실시간 파라미터 센싱값의 변화추이를 예측할 수 있다. 도 3을 통해, 프로세서(232)의 파라미터 변화추이 예측을 설명하도록 한다.
도 3은 본 발명의 일 실시 예에 따른 파라미터 변화추이 예측을 설명하기 위한 그래프이다. 도 3을 참고하면, 프로세서(232)는 실시간 수집되는(실측) 파라미터의 패턴을 메모리(231)에 기저장된 기준패턴과 비교할 수 있다. 이때, 실측파라미터의 패턴 및 기준패턴은 파라미터 센싱값의 시간별 센싱값 변화정도를 나타낼 수 있다.
이때, 프로세서(232)는 실시간 수집되는 파라미터의 센싱값을 기설정 시간구간단위로 샘플링하여 센싱값 추이 예측을 위한 관심구간(샘플링된 단위구간)을 설정하고, 관심구간 내의 파라미터의 센싱값들과 기준패턴의 대응되는 관심구간 내의 패턴값들을 비교하여 현시점(t1)을 기준으로 센싱값 추이를 예측할 수 있다.
이때, 센싱값 추이 예측은 STLF(Short-term load forecasting) 분석 기법을 이용할 수 있다. 프로세서(232)는 STLF 분석기법을 통해 예측된 센싱값 추이 패턴으로부터 예측변곡점(P)을 추출할 수 있다.
프로세서(232)는 예측변곡점(P)을 추출시, 예측변곡점(P) 예측에 이용된 관심구간 내의 센싱값 변화량과 예측변곡점(P)를 포함하는 메타데이터를 변화데이터로 생성하여 관리서버(300)로 전송할 수 있다. 즉, 기준패턴에 따른 파라미터의 변화추이가 예측되는 경우에만 관련정보들을 관리서버(300)로 전송할 수 있다.
이때, 파라미터는 일조량, 전류량 및 습도량 등이 될 수 있고, 시간정보도 포함하는 벡터가 될 수 있다.
한편, 프로세서(232)는 열화상 센서(222)로부터 실시간 수집되는 영역별 열화상 이미지를 통신부(240)를 통해 관리서버(300)로 전송할 수 있다. 이때, 프로세서(232)는 실시간 생성되는 영역별 열화상 이미지를, 기저장된 환경요인이 고려된 영역별 온도 기준패턴과 비교하여 기준패턴 대비 온도가 상승하면 영역이 있는 경우, 해당 영역에 대한 온도상승을 관리서버(300)로 알림할 수 있다.
또한, 프로세서(232)는 특정 영역에서의 스파크 발생 또는 특정 영역에서의 온도가 기설정 온도 이상으로 급상승하여 화재가 예상되면 소화부(270)를 즉시 구동시켜 화재를 진압하고, 관리서버(300)로 화재발생을 알림할 수 있다.
통신부(240)는 일조량 센서(110) 및 센서부(120)로부터 수신되는 센싱값을 실시간 수신할 수 있고, 제어부(230)와 관리서버(300)간의 데이터 송수신을 수행할 수 있다.
제어 회로부(250)는 제어부(230)의 제어에 따라 스위치(210), 히트펌프(260) 및 소화부(270)의 구동을 제어할 수 있다. 이때, 제어부(230)는 관리서버(300)에서 수신한 제어신호에 따라 제어 회로부(250)로 각 구성의 구동을 제어할 수 있다.
일 예로, 제어신호는 이상전류가 감지된 스위치의 오프, 습도조절을 위한 히트펌프의 구동 등을 제어하는 신호가 될 수 있다.
히트펌프(260)는 접속반(200) 내의 결로발생을 방지할 수 있다. 접속반(200)에 공기열원방식의 히트펌프(260)를 구비하여 접속반 내부의 냉난방을 제어함으로써 습도를 조절할 수 있다. 이때, 냉난방 제어시 기준은 결로를 방지하기 위한 기준습도가 될 수 있다.
제어회로부(250)는 접속반(200) 내부의 습도가 기준습도가 되도록 제어하기 위한 히트펌프 구동 제어신호를 분석서버(300)로부터 수신하여 히트펌프(260)의 구동을 제어할 수 있다. 즉, 히트펌프(260)는 제어 회로부(250)의 제어신호에 따라 구동됨으로써 접속반(200) 내부의 습도를 조절할 수 있다.
이에 따라, 본 발명의 일 실시 예에 따른 접속반(200)은 고어텍스를 이용한 접속반(200)의 패키징 및 볼트 결합구조 및 히트펌프(260)의 구동을 제어하는 제어신호에 의해 결로발생을 방지할 수 있다.
도 4는 도 1의 관리서버의 구성을 나타내는 블록도이다. 도 4를 참고하면, 관리서버(300)는 데이터 수집부(310), 기준패턴 생성부(320), 상관분석부(330), 이상예측부(340) 및 모니터링부(350)를 포함할 수 있다.
데이터 수집부(310)는 적어도 하나의 접속반(200)으로부터 전송되는 파라미터 센싱값들을 수집하여 DB(400)에 저장할 수 있다. 즉, 실시간 수집되는 일조량, 전류량 및 습도량 각각에 대한 변화데이터 및 영역별 열화상 이미지를 시간을 기준으로 저장할 수 있다. 이때, 각 정보들은 접속반(200)별로 구분될 수 있다.
또한, 데이터 수집부(310)는 기상청으로부터 접속반(200)과 연결된 태양전지(100)의 위치별 날씨, 온도, 습도, 강우량, 일조량 등의 정보를 수집하여 DB(400)에 저장할 수 있다.
기준패턴 생성부(320)는 데이터 수집부(310)에서 수집하여 DB(400)에 저장한 데이터들을 이용하여 각 파라미터에 대한 모델 즉, 기준패턴을 생성할 수 있다.
기준패턴 생성부(320)는 접속반(200)별로 기준패턴을 생성하되, 환경요인(태양전지 설치위치, 음영, 계절, 날씨 등)을 고려하여 기설정주기(일 예로, 하루)동안의 파라미터 패턴을 생성할 수 있다. 이에, 일조량, 전류 및 습도 각각의 파라미터에 대한 기준패턴은 고정된 임계치를 갖는 패턴이 아닌, 환경요인에 따라 동일 시간이라 하더라도 서로 다른 모델로 생성될 수 있다.
또한, 기준패턴 생성부(320)는 영역별 열화상 이미지를 머신러닝기반으로 분석하되, 접속반 환경요인이 고려된 영역별 온도 기준패턴을 생성하여 접속반으로 전송할 수 있다.
기준패턴 생성부(320)는 생성되는 기본패턴을 기설정 주기로 접속반(200)에 전송하여 업데이트시킬 수 있다.
상관분석부(330)는 수집된 일조량의 변화데이터를 기반으로 분석된 일조량 기본패턴과 수집된 전류량의 변화데이터를 기반으로 분석된 전류량 기본패턴과의 상관관계를 분석한 상관모델을 생성할 수 있다. 이때, 상관모델도 환경요인을 고려하여 생성될 수 있다.
도 5는 본 발명의 일 실시 예에 따른 일조량 및 전류량 기준패턴의 상관관계를 설명하기 위한 그래프이다. 도 5를 참고하면, 일조량과 전류량은 시간에 따른 변화량 추이를 확인할 수 있다. 이를 통해, 일조량 기준패턴과 전류량 기준패턴의 시간추이에 따른 상관관계를 파악할 수 있다.
이상 예측부(340)는 실시간 수집된 일조량 변화데이터 및 전류 변화데이터의 분석을 통해 전류 이상을 예측하고, 습도 변화데이터의 분석을 통해 습도 이상을 예측하고, 영역별 실시간 수집된 열화상 이미지의 분석을 통해 온도 이상을 예측할 수 있다.
구체적으로 이상 예측부(340)는 실시간 수집되는 변화데이터로부터 실측 일조량 및 실측 전류량의 상관관계를 분석하고, 일조량 기준패턴 및 전류량 기준패턴의 상관관계를 분석한 상관모델과의 유사도를 판단하여, 유사도가 기설정률 이하이면 전류이상으로 판단할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 실시간 수집되는 일조량 및 전류량 변화패턴의 이상를 설명하기 위한 그래프이다. 도 6을 참고하면, 실측 일조량 패턴은 일조량 변화데이터를 머신러닝기반으로 분석하여 생성된 패턴이 될 수 있다. 또한, 실측 전류량 패턴은 전류량 변화데이터를 머신러닝기반으로 분석하여 생성된 패턴이 될 수 있다.
이상 예측부(340)는 실측 일조량 패턴과 실측 전류량 패턴의 상관관계가 도 5의 일조량 기준패턴과 전류량 기준패턴 상관관계와의 유사도를 판단할 수 있다. 도 6을 참고하면, 일조량 기준패턴과 전류량 기준패턴의 상관관계와 비교시, 실측 일조량 패턴과 실측 전류량 패턴의 상관관계가 달라지는 위치 즉, 상관관계 유사도가 낮은 부분(이상예측)에서 이상발생이 예측될 수 있다.
이상 예측부(340)는 전류이상을 판단시, 관리자 단말(미도시)로 알림하고, 전류이상으로 판단된 해당 태양전지모듈의 스위치를 오프시키는 제어신호를 접속반(200)으로 전송하여 해당 스위치(210)를 제어함으로써 역전류를 방지할 수 있다.
또한, 이상 예측부(340)는 실시간 수집되는 습도 변화데이터로부터 분석된 예측습도가 기분석된 기준습도의 오차범위를 벗어나면, 이상습도로 판단하여 기분석된 기준습도가 되도록 제어하기 위한 히트펌프 구동 제어신호를 접속반(200)으로 전송할 수 있다.
또한, 이상 예측부(340)는 접속반(200)으로부터 특정영역의 열화상 이미지로부터 온도상승에 의한 알림을 수신한 경우, 해당 영역을 집중모니터링할 수 있도록 모니터링부(350)로 해당 영역의 열화상 이미지에 따른 온도패턴 및 온도 상승에 따른 이상을 관리자 단말로 알림할 수 있다.
모니터링부(350)는 실시간 수집된 변화데이터 및 기준패턴을 기반으로 예측되는 변화추이를 시각적으로 제공하며, 알림 발생시 인지할 수 있는 표식 및 알림음 등을 제공할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 머신러닝기반 태양광발전운영 관리방법을 설명하기 위한 흐름도이다. 도 1 내지 도 6을 참고하여 설명하면, 접속반(200)에서, 태양전지(100)의 일조량, 전류량, 접속반(200)의 습도 및 영역별 열화상 이미지를 실시간으로 수집할 수 있다(S10).
다음으로, 접속반(200)에서, 각 수집되는 파라미터의 관심구간과 기분석된 기준패턴을 비교하여(S15), 변화추이가 예측되는지 판단할 수 있다.
이때, 변화추이가 예측되면(S20:Y), 변화추이가 예측된 예측 변곡점(P) 및 변화추이 예측에 이용된 관심구간동안 수집된 파라미터 센싱값을 포함하는 메타데이터를 변화데이터로 생성하여(S25) 관리서버(300)로 전송할 수 있다.
다음으로, 관리서버(300)에서, 변화데이터를 수신하여 이상발생을 예측할 수 있다(S30). 이때, 파라미터에 따라 이상 예측을 할 수 있다.
구체적으로, 전류 이상 예측은, 실시간 수집되는 일조량 변화데이터 및 전류 변화데이터로부터 실측 일조량 및 실측 전류량의 상관관계를 분석하고, 일조량 기준패턴 및 전류량 기준패턴의 상관관계를 분석한 상관모델과의 유사도를 판단하여, 유사도가 기설정률 이하이면 전류이상으로 판단할 수 있다.
또한, 습도 이상 예측은, 실시간 수집되는 습도 변화데이터로부터 분석된 예측습도가 기분석된 기준습도의 오차범위를 벗어나면, 이상습도로 감지할 수 있다.
다음으로, 이상 예측시 관리자 단말로 알림하고, 이상 예측에 따른 접속반(200) 제어신호를 생성하여 접속반(200)으로 전송할 수 있다(S35). 이를 수신한 접속반(200)에서는, 제어신호에 따라 스위치(210), 히트펌프(260)를 제어할 수 있다.
또한, 실시간 파라미터 및 기준패턴을 모니터링할 수 있도록 시각화된 정보를 제공할 수 있다. 즉, 실시간 수집되는 파라미터의 변화추이 및 이상감지에 따른 파라미터 정보를 시각화하여 제공함으로써 모니터링할 수 있다.
특히, 열화상 이상예측시 즉, 특정영역의 열화상 이미지로부터 온도상승에 의한 알림을 수신한 경우, 해당 영역을 집중 모니터링할 수 있도록 모니터링부(350)로 해당 영역의 열화상 이미지에 따른 온도패턴 및 온도 상승에 따른 이상을 관리자 단말로 알림할 수 있다.
한편, 기준패턴은 실시간 수집되는 파라미터에 의해 기설정주기로 업데이트 될 수 있으며, 업데이트된 기준패턴은 접속반(200)으로 전송될 수 있다.
한편, 상기에서 도 1 내지 도 6을 이용하여 서술한 것은, 본 발명의 주요 사항만을 서술한 것으로, 그 기술적 범위 내에서 다양한 설계가 가능한 만큼, 본 발명이 도 1 내지 도 6의 구성에 한정되는 것이 아님은 자명하다.
100 : 태양전지 100a ~ 100n : 태양전지모듈
110 : 일조량 센서 200 : 접속반
210 : 스위치 220 : 센서부
221 : 전류센서 222 : 습도센서
223 : 열화상 센서 230 : 제어부(MCU)
231 : 메모리 232 : 프로세서
240 : 통신부 250 : 제어회로부
260 : 히트펌프 270 : 소화부
300 : 관리서버 400 : DB
310 : 데이터 수집부 320 : 기준패턴 생성부
330 : 상관분석부 340 : 이상예측부
350 : 모니터링부
110 : 일조량 센서 200 : 접속반
210 : 스위치 220 : 센서부
221 : 전류센서 222 : 습도센서
223 : 열화상 센서 230 : 제어부(MCU)
231 : 메모리 232 : 프로세서
240 : 통신부 250 : 제어회로부
260 : 히트펌프 270 : 소화부
300 : 관리서버 400 : DB
310 : 데이터 수집부 320 : 기준패턴 생성부
330 : 상관분석부 340 : 이상예측부
350 : 모니터링부
Claims (8)
- 복수의 태양전지모듈을 포함하는 태양전지; 접속반; 및 상기 태양전지의 일조량, 상기 접속반의 전류 및 습도를 파라미터로 모니터링하는 관리서버를 포함하는 시스템의 머신러닝기반 태양광발전운영관리방법에 있어서,
상기 접속반에서, 상기 파라미터를 실시간 수집하는 단계;
상기 접속반에서, 상기 태양전지의 설치위치 및 환경요인을 고려하여 기분석된 파라미터별 기준패턴과 상기 실시간 수집된 파라미터를 비교하여 상기 파라미터의 변화추이를 예측하는 단계;
상기 접속반에서, 예측된 변화추이로부터 추출된 예측 변곡점 및 변화추이예측에 이용된 파라미터 정보를 변화데이터로 생성하여 상기 관리서버로 전송하는 단계;
상기 관리서버에서, 상기 변화데이터를 분석하여 이상예측을 감지하는 단계; 및
상기 관리서버에서, 이상예측 감지시 상기 접속반으로 이상제어를 위한 제어신호를 제공하는 단계를 포함하며,
상기 이상예측을 감지하는 단계는,
일조량 기준패턴 및 전류량 기준패턴의 상관관계를 분석한 상관모델을 생성하고, 상기 실시간 수집되는 변화데이터로부터 실측 일조량 및 실측 전류량의 상관관계를 분석하여 상기 상관모델과의 유사도가 기설정률 이하이면 전류이상으로 판단하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
- 제1항에 있어서,
상기 변화추이를 예측하는 단계는,
실시간 수집되는 파라미터를 기설정된 관심구간 단위로 변화추이를 예측하되, 해당 관심구간에서 변화추이가 예측되는 경우에만 변화데이터를 생성하여 상기 관리서버로 전송하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
- 삭제
- 제1항에 있어서,
상기 제어신호를 제공하는 단계는,
상기 전류이상을 판단시, 관리자 단말로 알림하고, 전류이상으로 판단된 해당 태양전지모듈의 스위치를 오프시키는 제어신호를 상기 접속반으로 전송하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
- 제2항에 있어서,
상기 제어신호를 제공하는 단계는,
상기 실시간 수집되는 변화데이터로부터 분석된 예측습도가 기분석된 기준습도가 되도록 상기 접속반에 구비된 히트펌프의 구동을 제어하는 제어신호를 상기 접속반으로 전송하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
- 제1항에 있어서,
상기 접속반에서, 접속반 내부를 구분하여 영역별로 열화상 이미지를 실시간으로 생성하여 상기 관리서버로 전송하는 단계; 및
기저장된 환경요인이 고려된 영역별 온도 기준패턴과 비교시, 특정 영역에서 기준패턴 대비 온도가 상승하면 상기 관리서버로 알림하는 단계를 더 포함하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
- 제6항에 있어서,
상기 접속반에서, 상기 생성된 열화상 이미지로 분석된 특정 영역에서의 온도가 급상승하여 화재가 예상되면 소화부를 구동시키는 단계; 및
상기 관리서버로 화재발생을 알림하는 단계를 더 포함하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
- 제6항에 있어서,
상기 관리서버에서, 환경요인을 적용하여 상기 실시간 수집된 일조량, 전류 및 습도를 분석한 일조량 기준패턴, 전류 기준패턴 및 습도 기준패턴을 생성하는 단계;
상기 관리서버에서, 상기 영역별 열화상 이미지를 머신러닝기반으로 분석하되, 환경요인이 고려된 영역별 온도 기준패턴을 생성하는 단계; 및
상기 접속반으로 파라미터별 기준패턴을 전송하는 단계를 더 포함하는 것을 특징으로 하는 머신러닝기반 태양광발전운영 관리방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190116795A KR102084784B1 (ko) | 2019-09-23 | 2019-09-23 | 머신러닝기반 태양광발전운영 관리방법 |
| PCT/KR2020/012536 WO2021060772A1 (ko) | 2019-09-23 | 2020-09-17 | 머신러닝기반 태양광발전운영 관리시스템 및 관리방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190116795A KR102084784B1 (ko) | 2019-09-23 | 2019-09-23 | 머신러닝기반 태양광발전운영 관리방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102084784B1 true KR102084784B1 (ko) | 2020-05-26 |
Family
ID=70914773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190116795A KR102084784B1 (ko) | 2019-09-23 | 2019-09-23 | 머신러닝기반 태양광발전운영 관리방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102084784B1 (ko) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102228089B1 (ko) * | 2020-11-09 | 2021-03-15 | 레이져라이팅(주) | 화재 예측 및 차단이 가능한 태양광 발전 시스템 |
| WO2021060772A1 (ko) * | 2019-09-23 | 2021-04-01 | 주식회사 아이팔 | 머신러닝기반 태양광발전운영 관리시스템 및 관리방법 |
| KR102352588B1 (ko) * | 2020-10-14 | 2022-01-18 | (주) 티이에프 | 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 |
| KR20220131707A (ko) * | 2021-03-22 | 2022-09-29 | 호남대학교 산학협력단 | 복수의 센서를 이용한 태양광 접속함의 상태를 유지하기 위한 장치 및 이를 위한 방법 |
| WO2023038171A1 (ko) * | 2021-09-10 | 2023-03-16 | 주식회사 스타에너지 | 이상 진단 및 예측 제어 가능한 인텔리젼트 태양광 발전 장치 및 그 제어방법 |
| CN116311750A (zh) * | 2023-03-21 | 2023-06-23 | 安徽博微智能电气有限公司 | 一种基于物联网的控制柜智能防火系统及方法 |
| CN116501099A (zh) * | 2023-06-01 | 2023-07-28 | 深圳市迪晟能源技术有限公司 | 光伏与太阳能光光线垂直关系智能调控系统 |
| KR102600467B1 (ko) | 2022-12-29 | 2023-11-10 | 박퇴경 | 인공지능 알고리즘을 이용한 태양광 관리 시스템 |
| KR102600462B1 (ko) | 2022-12-29 | 2023-11-10 | 박퇴경 | 인공지능 알고리즘을 이용한 태양광 관리 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100999978B1 (ko) | 2010-06-25 | 2010-12-13 | 박기주 | 태양광 발전 시스템의 감시 제어 장치 |
| KR101462247B1 (ko) * | 2014-03-10 | 2014-11-21 | 삼성영상보안주식회사 | 적외선 열영상 기반의 스마트 화재감지 시스템 및 자동소화장치 인터페이스 플랫폼 |
| KR101761686B1 (ko) * | 2017-03-31 | 2017-07-31 | (주)하모니앤유나이티드 | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 |
| KR101825725B1 (ko) * | 2017-06-29 | 2018-02-06 | (주)위너스엔지니어링 | 태양광 전지모듈의 열화 진단 방법 및 태양광 전지모듈의 열화 진단 장치 |
| KR101922016B1 (ko) * | 2018-07-19 | 2018-11-27 | 이우식 | 결로 예측 및 예방 기능을 구비한 태양광 발전 장치 |
| KR20190007250A (ko) * | 2017-07-12 | 2019-01-22 | (주)유에너지 | 현장 고장 진단이 가능한 이동형 태양광 발전설비 고장 진단시스템 |
-
2019
- 2019-09-23 KR KR1020190116795A patent/KR102084784B1/ko active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100999978B1 (ko) | 2010-06-25 | 2010-12-13 | 박기주 | 태양광 발전 시스템의 감시 제어 장치 |
| KR101462247B1 (ko) * | 2014-03-10 | 2014-11-21 | 삼성영상보안주식회사 | 적외선 열영상 기반의 스마트 화재감지 시스템 및 자동소화장치 인터페이스 플랫폼 |
| KR101761686B1 (ko) * | 2017-03-31 | 2017-07-31 | (주)하모니앤유나이티드 | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 |
| KR101825725B1 (ko) * | 2017-06-29 | 2018-02-06 | (주)위너스엔지니어링 | 태양광 전지모듈의 열화 진단 방법 및 태양광 전지모듈의 열화 진단 장치 |
| KR20190007250A (ko) * | 2017-07-12 | 2019-01-22 | (주)유에너지 | 현장 고장 진단이 가능한 이동형 태양광 발전설비 고장 진단시스템 |
| KR101922016B1 (ko) * | 2018-07-19 | 2018-11-27 | 이우식 | 결로 예측 및 예방 기능을 구비한 태양광 발전 장치 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021060772A1 (ko) * | 2019-09-23 | 2021-04-01 | 주식회사 아이팔 | 머신러닝기반 태양광발전운영 관리시스템 및 관리방법 |
| KR102352588B1 (ko) * | 2020-10-14 | 2022-01-18 | (주) 티이에프 | 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 |
| KR102228089B1 (ko) * | 2020-11-09 | 2021-03-15 | 레이져라이팅(주) | 화재 예측 및 차단이 가능한 태양광 발전 시스템 |
| KR20220131707A (ko) * | 2021-03-22 | 2022-09-29 | 호남대학교 산학협력단 | 복수의 센서를 이용한 태양광 접속함의 상태를 유지하기 위한 장치 및 이를 위한 방법 |
| KR102541293B1 (ko) * | 2021-03-22 | 2023-06-07 | 호남대학교 산학협력단 | 복수의 센서를 이용한 태양광 접속함의 상태를 유지하기 위한 장치 및 이를 위한 방법 |
| WO2023038171A1 (ko) * | 2021-09-10 | 2023-03-16 | 주식회사 스타에너지 | 이상 진단 및 예측 제어 가능한 인텔리젼트 태양광 발전 장치 및 그 제어방법 |
| KR102600467B1 (ko) | 2022-12-29 | 2023-11-10 | 박퇴경 | 인공지능 알고리즘을 이용한 태양광 관리 시스템 |
| KR102600462B1 (ko) | 2022-12-29 | 2023-11-10 | 박퇴경 | 인공지능 알고리즘을 이용한 태양광 관리 방법 |
| CN116311750A (zh) * | 2023-03-21 | 2023-06-23 | 安徽博微智能电气有限公司 | 一种基于物联网的控制柜智能防火系统及方法 |
| CN116311750B (zh) * | 2023-03-21 | 2023-08-18 | 安徽博微智能电气有限公司 | 一种基于物联网的控制柜智能防火系统及方法 |
| CN116501099A (zh) * | 2023-06-01 | 2023-07-28 | 深圳市迪晟能源技术有限公司 | 光伏与太阳能光光线垂直关系智能调控系统 |
| CN116501099B (zh) * | 2023-06-01 | 2023-09-22 | 深圳市迪晟能源技术有限公司 | 光伏与太阳能光光线垂直关系智能调控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102084784B1 (ko) | 머신러닝기반 태양광발전운영 관리방법 | |
| KR102084783B1 (ko) | 머신러닝기반 태양광발전운영 관리시스템 | |
| KR101913546B1 (ko) | 화재예방 및 차단기능을 활용한 지능형 태양광 발전 시스템 | |
| KR101295529B1 (ko) | 태양전지판의 고장진단 원격감시 시스템 | |
| KR101793708B1 (ko) | 태양광 모니터링 기반 이상상황 알고리즘별 측정 장치 | |
| KR102262547B1 (ko) | 태양광 접속반 사고관리시스템 | |
| KR20200059704A (ko) | 고장 예측 알고리즘을 이용한 태양광 발전 관리 시스템 | |
| KR102257375B1 (ko) | 지능형 안전관리가 가능한 태양광 접속반 | |
| KR101114240B1 (ko) | 멀티 존 인버터 태양광 발전 시스템 | |
| KR102475374B1 (ko) | 휴지시간대를 활용한 스트링 단위의 태양광 발전시스템 능동형 고장예지 진단장치 및 그 방법 | |
| KR102194271B1 (ko) | 모델 기반의 태양광발전 통합 관리 시스템 및 방법 | |
| KR102306208B1 (ko) | 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 | |
| CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
| Haba | Monitoring solar panels using machine learning techniques | |
| KR20190069213A (ko) | 원격 모니터링 기반 태양광 발전소 운영 관리 방법 및 장치 | |
| CN111476385A (zh) | 一种基于bim的建筑设施维护监管系统 | |
| CN117318111B (zh) | 一种基于天气预测的光储能源动态调节方法及系统 | |
| KR20200059706A (ko) | 기상정보를 이용한 태양광 발전 관리 시스템 | |
| KR101947508B1 (ko) | 태양광 발전소의 운전관리 시스템 및 그 방법 | |
| KR20170126623A (ko) | 멀티변수를 기반으로 한 태양광 발전설비의 효율성 진단시스템 | |
| KR101717956B1 (ko) | Iot 기반의 역 전송 전력조절 및 누수 감지가 가능한 태양광 발전 시스템 | |
| CN117474250A (zh) | 一种新能源多功能集成智能应用系统 | |
| KR102266752B1 (ko) | 자기 반추 및 머신러닝을 이용한 태양광 발전 접속반 및 태양광 발전 접속반의 예측진단 방법 | |
| KR102358869B1 (ko) | 멀티 인터페이스 통신 기반의 원격제어장치를 활용한 태양광 발전 관리 시스템 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R401 | Registration of restoration |