KR102136106B1 - 태양광 발전량 예측 장치 - Google Patents

태양광 발전량 예측 장치 Download PDF

Info

Publication number
KR102136106B1
KR102136106B1 KR1020200006033A KR20200006033A KR102136106B1 KR 102136106 B1 KR102136106 B1 KR 102136106B1 KR 1020200006033 A KR1020200006033 A KR 1020200006033A KR 20200006033 A KR20200006033 A KR 20200006033A KR 102136106 B1 KR102136106 B1 KR 102136106B1
Authority
KR
South Korea
Prior art keywords
region
image
power generation
cloud
sky
Prior art date
Application number
KR1020200006033A
Other languages
English (en)
Inventor
김현우
이다훈
Original Assignee
주식회사 사로리스
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 주식회사 사로리스 filed Critical 주식회사 사로리스
Priority to KR1020200006033A priority Critical patent/KR102136106B1/ko
Application granted granted Critical
Publication of KR102136106B1 publication Critical patent/KR102136106B1/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
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/02—Details
    • G06K9/3233—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Power Engineering (AREA)
  • Multimedia (AREA)
  • Photovoltaic Devices (AREA)

Abstract

태양광 발전량 예측 장치를 개시한다. 본 발명의 태양광 발전량 예측 장치는, 태양광 패널이 설치되어 있는 복수의 지역의 상공을 촬영한 복수의 스카이 이미지, 복수의 스카이 이미지를 포함하는 위성 이미지 및 태양광 패널이 설치된 지역에 대한 기온 정보를 입력받는 정보 입력부, 복수의 스카이 이미지와 위성 이미지에 대한 이미지 처리를 수행하는 이미지 처리부, 복수의 스카이 이미지와 위성 이미지를 이용하여 특정 지역의 상공에서의 구름의 움직임을 예측하는 구름 예측부 및 이미지 처리부에 의해서 처리된 이미지 정보를 이용하여 예측 대상 지역에서의 태양광 일사량을 예측하고, 예측된 태양광 일사량과 구름 예측부에 의해서 예측된 구름의 움직임을 이용하여 해당 지역에서의 태양광 발전량을 예측하는 태양광 발전량 예측부를 포함한다.

Description

태양광 발전량 예측 장치{Photovoltaic power generation forecasting device}
본 발명은 태양광 발전량 예측 장치에 관한 것으로써, 보다 상세하게는 스카이 이미지 및 위성 이미지 및 기후 데이터 등을 이용하여 일사량 등을 예측하여 정확도가 높은 태양광 발전량을 예측할 수 있는 태양광 발전량 예측 장치에 관한 것이다.
최근까지 전기 발전량에 관한 수치를 모니터링하고 모듈의 고장 유무를 모니터링하는 기술이 개발되었다. 전기 발전량을 예측하기 위하여 다양한 종류의 센서를 사용하여 태양광 발전량을 예측하려는 연구가 진행되고 있으나, 이러한 연구에서 사용되는 사물인터넷 장비 및 기상센서 장비는 태양광 거래를 주관하는 기관에서 신뢰할 수 있을 정도로 규격화되지 않은 실정이다.
최근 국내의 경우에 태양광 발전 시스템이 설치되는 지역이 확대되고 있으나, 해당 지역에서 태양광 발전량을 실시간으로 분석하기에는 여러가지 어려움이 존재하고 있다. 태양광 발전량의 경우에는 지표면에 도달하는 태양 입사광을 측정하는 방식, 전천 사진을 통해서 구름 분석을 통해서 운량과 일사량을 분석하는 방식, 위성 사진을 통해서 구름의 운량, 형태, 이동 방향을 분석하는 방식 등 다양한 선행 기술들이 연구되었다.
특허문헌 1에서 개시하는 전천 사진의 분석을 통한 운량을 측정하는 기술은 실측값 획득의 어려움이 있어서 신뢰성을 검증하기 어렵다는 문제점이 지적되고 있다.
또한, 특허문헌 2에서 개시하는 위성 사진을 이용하여 구름 영역을 검출하는 방식은 너무 광범위한 지역에 대한 구름 영역과 비구름 영역을 식별할 수 있어서 실질적인 태양광 발전량 예측을 위한 자료로 사용하기에는 정확도가 낮다는 지적을 받고 있다.
또한, 특허문헌 3에서 개시하는 전천사진으로부터 운량을 계산하는 방법은 전천사진의 왜곡 이미지로부터 발생하는 운량 측정 오차를 해결하기 위하여 전천사진을 구획하여 왜곡이 많은 영역을 보정하는 방식이지만, 이렇게 전천사진의 왜곡을 보정하더라도 다른 요인으로 인한 측정 오차를 해결할 수 없고, 특히 구름 형태, 구름의 움직임 등으로 인하여 실시간 예측을 할 수 없다는 문제점이 지적되고 있다.
이에, 전천 사진을 통해서 운량을 계산할 경우에 구름 형태, 두께, 움직임 등을 종합적으로 고려하여 운량을 계산함으로써 태양광 발전량에 영향을 미치는 주요 요인인 운량을 정확하게 연산할 수 있고, 기후 데이터를 운량 예측에 활용함으로써 태양광 발전량을 실시간으로 연산하고 분석하여 최적의 태양광 발전 효율을 제공할 수 있는 새로운 기술 개발의 필요성이 있다.
특허문헌 1 : 등록특허 제10-1709860호(공고일 : 2017년02월23일) 특허문헌 2 : 등록특허 제10-1922645호(공고일 : 2018년11월27일) 특허문헌 3 : 등록특허 제10-1879332호(공고일 : 2018년07월11일) 특허문헌 4 : 등록특허 제10-0853757호(공고일 : 2008년08월25일) 특허문헌 5 : 등록특허 제10-1890673호(공고일 : 2018년08월22일)
상술한 필요성에 의해서 안출된 본 발명은 복수의 지역에서 촬상된 스카이 이미지에서 태양 영역, 구름 영역, 비구름 영역을 분리하고, 관심 영역에 대한 일사량을 예측하고, 과거 측정된 일사량과 태양광 발전량을 참고하여 예측된 일사량에 따른 태양광 발전량을 예측하는 태양광 발전량 예측 장치를 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여 안출된 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치는, 태양광 패널이 설치되어 있는 지역의 상공을 촬영한 스카이 이미지, 상기 스카이 이미지를 포함하는 위성 이미지 및 상기 태양광 패널이 설치된 지역에 대한 기온 정보를 입력받는 정보 입력부; 상기 스카이 이미지와 상기 위성 이미지에 대한 이미지 처리를 수행하는 이미지 처리부; 상기 스카이 이미지와 상기 위성 이미지를 이용하여 특정 지역의 상공에서의 구름의 움직임을 예측하는 구름 예측부; 및 상기 이미지 처리부에 의해서 처리된 이미지 정보를 이용하여 예측 대상 지역에서의 태양광 일사량을 예측하고, 상기 예측된 태양광 일사량과 상기 구름 예측부에 의해서 예측된 구름의 움직임을 이용하여 해당 지역에서의 태양광 발전량을 예측하는 태양광 발전량 예측부;를 포함한다.
이 경우에, 상기 이미지 처리부는, 기 결정된 주기로 입력되는 상기 스카이 이미지 중 제1 시점의 제1 스카이 이미지와 제2 시점의 제2 스카이 이미지를 비교하여 상호 변화값이 기 결정된 크기보다 클 경우, 상기 제1 스카이 이미지와 상기 제2 스카이 이미지를 이용하여 배경 영역과 관심 영역을 구분하는 처리를 실행한다.
이 경우에, 상기 이미지 처리부는, 상기 관심 영역에서 태양 영역, 하늘 영역 및 구름 영역을 구분하는 처리를 실행한다.
이 경우에, 상기 이미지 처리부는, RBR(Red-Blue Ratio) 알고리즘에 의해서 상기 관심 영역에서 상기 구름 영역을 구분하는 처리를 실행한다.
이 경우에, 상기 이미지 처리부는, 상기 태양 영역와 상기 태양 영역을 포함하는 상기 태양 영역의 주변 영역을 핵심 영역으로 구분하는 처리를 실행한다.
이 경우에, 상기 이미지 처리부는, 상기 스카이 이미지를 포함하는 상기 위성 이미지를 해당 스카이 이미지와 상호 중첩하여 중첩 이미지를 생성하는 처리를 실행한다.
이 경우에, 상기 구름 예측부는, 상기 중첩 이미지에 옵티컬 플로우 알고리즘(optical flow algorithm)을 이용하여 상기 중첩 이미지에서의 구름의 움직임을 예측한다.
이 경우에, 상기 구름 예측부는, 제1 시점에서의 제1 중첩 이미지와 제2 시점에서의 제2 중첩 이미지를 이용하여 예측 영역에서의 상기 구름 움직임으로써 구름의 이동 방향 또는 이동 속도를 예측한다.
이 경우에, 상기 태양광 발전량 예측부는, 특정 시점에서 예측된 태양광 일사량 정보, 과거 시점에서 측정된 태양광 일사량 정보 및 과거 시점에서 측정된 태양광 발전량을 이용하여 해당 특정 시점에서의 태양광 발전량을 예측한다.
이 경우에, 상기 태양광 발전량 예측부는, 레퍼런스 글로벌 수평 조도(GHIclear)와 측정된 글로벌 수평 조도(GHImeas)를 이용하여 하기 수학식에 의해서 가중치(K*)를 연산하고,
Figure 112020005184329-pat00001
하기 수학식에 의해서 글로벌 수평 조도(Grobal Horizontal Irradiance : GHI)를 연산하며,
Figure 112020005184329-pat00002
태양광 패널이 설치되어 있는 복수의 지역에 대한 정규화된 그리드 맵(general gridded map)을 산출하고, 상기 구름의 움직임, 상기 글로벌 수평 조도(GHI) 및 상기 정규화된 그리드 맵을 이용하여 해당 지역에 대한 태양광 발전량을 예측한다.
본 발명의 다양한 실시 예에 따르면 복수의 지점에서 촬상된 스카이 이미지에서 태양 영역, 구름 영역, 비구름 영역을 분리하고, 스카이 이미지와 위성 이미지를 이용하여 구름 움직임을 예측하며, 태양 영역 및 구름 영역에 대한 정보를 이용하여 일사량를 예측하고, 예측된 일사량, 과거 측정된 일사량, 과거 측정된 태양광 발전량을 이용하여 태양광 발전량 예측값의 정확도를 높여주는 효과를 발휘하고,
또한, 복수의 지점에서 수집된 스카이 사진과 기후 데이터 정보를 이용하여 시계열적인 변화를 실시간으로 연산함으로써 예측 정보의 최신성을 유지할 수 있는 효과를 발휘한다.
도 1은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치를 예시적으로 설명하는 도면,
도 2는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 정보 입력부의 동작을 예시적으로 설명하는 도면,
도 3은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부의 동작을 예시적으로 설명하는 도면,
도 4는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부에 의해서 관심 영역을 분리하는 일 예를 도시한 도면,
도 5는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부에 의해서 복수의 영역으로 구분하는 처리의 일 예를 도시한 도면,
도 6은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부에 의해서 스카이 이미지와 위성 이미지를 중첩하는 처리의 일 예를 도시한 도면,
도 7은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 태양광 발전량 예측값을 산출하는 일 예를 도시한 도면,
도 8은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 구름 예측부에 의한 구름의 움직임을 예측하는 일 예를 도시한 도면,
도 9는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 구름 예측부에 의한 태양 영역을 포함하는 핵심 영역을 구분하는 일 예를 도시한 도면,
도 10은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 태양광 발전량 예측부에 의한 태양광 발전량 예측 알고리즘을 예시적으로 설명하는 도면,
도 11은 본 발명의 일 실시 예에 따른 복수의 지점에서 얻어진 데이터에 기초하여 태양광 발전량 예측을 위한 태양광 발전량 예측 장치를 예시적으로 설명한느 도면, 그리고,
도 12는 도 11에 도시된 태양광 발전량 예측 장치에서 시계적으로 획득한 스카이 이미지를 예시적으로 도시한 도면.
이하에서 도면을 참고하여 본 발명의 바람직한 실시 예를 중심으로 설명한다.
도 1은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치를 예시적으로 설명하는 도면이다. 도 1을 참고하면,태양광 발전량 예측 장치(100)는 정보 입력부(110), 이미지 처리부(120), 구름 예측부(130), 태양광 발전량 예측부(140) 및 제어부(150)를 포함한다.
정보 입력부(110)는 근거리 또는 원거리에 위치하는 각종의 센서, 감지 장치, 원격 서버, 기타 사물인터넷 장비(장치)들로부터 기후에 관한 정보(예, 온도, 습도, 풍향, 풍속 등), 스카이 이미지, 위성 이미지 등을 수신하여 처리 가능한 정보로 변환하는 기능을 수행한다. 정보 입력부(110)는 네트워크 통신을 위해서 유무선 통신 모듈을 더 포함할 수 있다. 정보 입력부(110)는 유무선 통신 모듈에 의해서 접속된 네크워트에서 데이터를 수신하고 이를 일시적 또는 비일시적으로 저장할 수 있다.
정보 입력부(110)는 태양광 패널(SP)이 설치되어 있는 복수의 지역의 상공을 촬영한 복수의 스카이 이미지를 수신하고, 수신된 스카이 이미지를 이미지 프로세싱 가능한 데이터 형식으로 변환한다. 또한, 정보 입력부(110)는 복수의 스카이 이미지를 포함하는 위성 이미지를 원격의 서버 또는 원격 웹서비스로부터 제공받을 수 있다. 정보 입력부(110)는 태양광 패널이 설치된 지역에 대한 기온 정보를 각종의 센서 또는 원격 웹서비스(예, 기상청에서 제공하는 기상 웹 서비스)로부터 제공받을 수 있다.
이미지 처리부(120)는 복수의 스카이 이미지와 위성 이미지에 대한 이미지 처리를 수행한다. 이미지 처리부(120)는 스카이 이미지를 분석하여 스카이 이미지 중에서 관심 영역과 비관심 영역을 구분하는 처리를 실행할 수 있다. 이미지 처리부(120)는 기 결정된 주기(예, 5분(minute))로 입력되는 복수의 스카이 이미지를 정보 입력부(110)로부터 제공받는다. 이미지 처리부(120)는 복수의 스카이 이미지 중에서 제1 시점의 제1 스카이 이미지와 제2 시점의 제2 스카이 이미지의 픽셀값 등을 비교하고, 제1 스카이 이미지와 제2 스카이 이미지의 픽셀값의 변화가 기 결정된 크기보다 클 경우, 제1 스카이 이미지와 제2 스카이 이미지를 이용하여 배경 영역(비관심 영역)과 관심 영역으로 구분한다. 배경 영역과 관심 영역으로 구분하는 전처리의 결과물은 이하에서 설명하는 일사량을 예측하기 위한 이미지로 활용될 수 있다. 전처리에서 가우시안 블러(Gaussian Blur)를 적용하여 관심 영역과 배경 영역을 구분하는 처리 과정에서의 효율성을 높일 수도 있다.
또한, 이미지 처리부(120)는 관심 영역에 대해서 구름 영역과 하늘 영역으로 구분한다. 이미지 처리부(120)는 RBR(Red-Blue Ratio) 알고리즘에 의해서 관심 영역에 대해서 구름 영역과 비구름 영역인 하늘 영역을 구분하는 처리를 실행한다. 구체적으로, 이미지 처리부(120)는 관심 영역에서 구름, 태양, 하늘을 구분하기 위하여 구름의 양(Cloud Cover : CC)을 계산하고, 태양의 위치 정보를 검출한다. 태양의 위치 정보는 구름의 양보다 중요한 요소로 작용하므로 태양의 위치 파악이 매우 중요하다. 이미지 처리부(120)는 전처리된 이미지에 대해서 블루 채널과 레드 채널의 비율에 의해서 영역을 분리하는 RBR 알고리즘에 의해서 이진화하여 구름 영역과 하늘 영역을 구분할 수 있다. 여기서, RBR의 값이 1에 근접할수록 구름으로부터 산란한 광을 의미하고, RBR의 값이 1보다 훨씬 작은 값에 근접할수록 하늘로부터 산란한 광을 의미하는 것으로 판단할 수 있다.
다만, 태양에 매우 근접한 영역은 밝은 태양의 영향으로 인하여 RBR의 값이 1에 근접할 수 있고, 구름의 밀접도가 높은 영역은 구름의 밀집의 영향으로 인하여 RBR의 값이 매우 낮아지므로 하늘 영역으로 판단되는 오류가 발생될 수 있다. 이러한 오류를 해결하기 위하여 태양의 위치 정보를 특정하고, 태양의 위치 주변에 대한 RBR 값의 왜곡을 보정할 수 있다. 태양의 위치를 파악하는 처리는 이하에서 설명하는 구름 예측부(130)에 의해서 주로 이루어질 수 있다. 또한 구름의 두께를 측정하기 위하여 구름의 고도 및 구름 형태 등의 정보를 이용하여 밀집도가 높은 구름에 대해서는 RBR 값의 왜곡을 보정할 수 있다.
이미지 처리부(120)는 복수의 스카이 이미지를 포함하는 위성 이미지를 해당 스카이 이미지별로 상호 중첩하여 중첩 이미지를 생성하는 처리를 실행한다.
구름 예측부(130)는 태양 영역을 포함하는 태양 영역의 주변 영역을 핵심 영역으로 구분하는 처리를 실행할 수 있다. 구름 예측부(130)는 히트맵(hitmap) 분포에 따라 빛의 밝기가 가장 밝은 영역을 태양 영역으로 식별하여 태양 영역과 태양 영역을 포함하는 주변 영역으로 구분할 수 있다.
구름 예측부(130)는 관심 영역에서 핵심 영역, 구름 영역, 하늘 영역을 구분하여 각각의 영역에서의 일사량을 예측하기 위한 기본 정보로써 태양광 발전량 예측부(140)에 제공할 수 있다.
구름 예측부(130)는 중첩 이미지에 옵티컬 플로우 알고리즘(optical flow algorithm)을 이용하여 중첩 이미지에서의 구름의 움직임을 예측할 수 있다. 또한, 구름 예측부(130)는 제1 시점에서 제1 스카이 이미지와 제1 위성 이미지를 중첩하여 생성한 제1 중첩 이미지, 제2 시점에서 제2 스카이 이미지와 제2 위성 이미지를 중첩하여 생성한 제2 중첩 이미지를 예측 영역에서의 구름 움직임을 예측할 수 있다. 이때, 구름 예측부(130)는 구름의 움직임으로써 구름의 이동 방향 또는 이동 속도를 예측할 수 있다.
태양광 발전량 예측부(140)는 특정 시점에서 예측된 태양광 일사량 정보, 과거 시점에서 측정된 태양광 일사량 정보 및 과거 시점에서 측정된 태양광 발전량을 이용하여 해당 특정 시점에서의 태양광 발전량을 예측한다.
태양광 발전량 예측부(140)는 레퍼런스 글로벌 수평 조도(GHIclear)와 측정된 글로벌 수평 조도(GHImeas)를 이용하여 하기 수학식 1에 의해서 가중치(K*)를 연산한다.
Figure 112020005184329-pat00003
태양광 발전량 예측부(140)는 수학식 2에 의해서 글로벌 수평 조도(Grobal Horizontal Irradiance : GHI)를 연산한다.
Figure 112020005184329-pat00004
태양광 발전량 예측부(140)는 태양광 패널이 설치되어 있는 복수의 지역에 대한 정규화 그리드 맵(general gridded map)을 산출한다. 태양광 발전량 예측부(140)는 구름의 움직임, 글로벌 수평 조도(GHI) 및 정규화된 그리드 맵을 이용하여 해당 지역에 대한 태양광 발전량을 예측한다. 태양광 발전량 예측 알고리즘에 대해서는 이하에서 별도을 참고하여 자세히 설명한다.
제어부(150)는 태양광 발전량 예측 장치의 전반적인 동작을 제어한다. 제어부(150)는 태양광 발전량 예측 장치를 구성하는 정보 입력부(110), 이미지 처리부(120), 구름 예측부(130) 및 태양광 발전량 예측부(140)에 실행되는 데이터 시퀀스를 제어하고, 처리 결과를 일시적 또는 비일시적으로 저장한다. 제어부(150)는 데이터 처리를 위한 오퍼레이팅 소프트웨어(Operating software), 펌웨어, 어플케이션 소프트웨어 등을 미리 설치하거 다운로드하여 설치할 수 있다. 제어부(150)는 각 구성 요소의 동작을 제어하고, 제어 결과에 대한 로그를 기록할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 정보 입력부의 동작을 예시적으로 설명하는 도면이다. 도 2를 참고하면, 정보 입력부(110)는 각종의 입출력 인터페이스를 구비할 수 있고, 입출력 인터페이스(I/O Interface)에 의해서 직접 또는 간접적으로 연결되는 주변 장치(IP 카메라, 온도 센서, 서버 접속 통신모뎀)와 연결되서 데이터를 송수신할 수 있다. 정보 입력부(110)는 IP 카메라(210)로부터 일정 주기로 촬상되는 스카이 이미지를 수신한다. 정보 입력부(110)는 태양광 패널이 설치된 대기 온도를 측정하는 제1 온도계 또는 패널의 후면에 접촉해서 온도를 측정하는 제2 온도계 등과 같은 온도 센서(230)로부터 대기 온도 및/또는 태양광 패널 온도를 수신한다. 정보 입력부(110)는 기상청 서버 도는 기상청에서 운영하는 API 등과 접속하여 위성 이미지, 기상 정보 등을 실시간으로 전달받는다.
도 3은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부의 동작을 예시적으로 설명하는 도면이다. 도 3을 참고하면, 이미지 처리부(120)는 정보 입력부(110)에 의해서 처리된 스카이 이미지 및 위성 이미지에 대해서 이미지 전처리를 실행한다. 이미지 처리부(120)의 전처리 모듈은 스카이 이미지에 대해서 전처리를 통해서 배경 영역과 관심 영역을 구분하게 된다. 이미지 처리부(120)의 영역 분리 모듈은 관심 영역에서 태양 영역, 구름 영역 및 하늘 영역을 구분한다. 이미지 처리부(120)의 이미지 중첩 모듈은 스카이 이미지와 위성 이미지의 좌표값을 비교하여 매칭되는 이미지를 스케일 조정하여 상호 중첩시켜서 중첩 이미지를 생성한다.
도 4는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부에 의해서 관심 영역을 분리하는 일 예를 도시한 도면이다. 도 4를 참고하면, 스카이 이미지는 어안 렌즈를 이용한 카메라의 상공 360도(°) 범위를 촬용한 이미지를 의미한다. 어안 렌즈를 사용하므로 이미지의 중심부와 이미지의 가장자리부에서 왜곡이 발생될 수 있고, 이러한 왜곡을 줄여주기 위해서 다음의 수학식 3에 의해서 이미지의 중심에서 거리(r)의 각각의 픽셀에 대한 투사각도(θ)를 연산한다.
Figure 112020005184329-pat00005
도 5는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부에 의해서 복수의 영역으로 구분하는 처리의 일 예를 도시한 도면이다. 도 5를 참고하면, 도 5(a)를 참고하면, 제1 촬상부(110-1)는 특정 시점에 제1 스카이 이미지(CP-1)을 촬상한다. 제1 스카이 이미지(CP-1)에는 태양, 구름 및 하늘이 모두 포함되어 있다. 도 5(b)를 참고하면, 이미지 처리부(130)는 제1 스카이 이미지(CP-1)을 태양 영역과 비태양 영역으로 구분하고, 태양 영역을 구름에 가려지지 않은 영역(제1 영역)과 구름에 가려진 영역(제2 영역)으로 구분한다. 이미지 처리부(130)는 비태양 영역에 대해서 구름 영역(제3 영역, 제4 영역)과 하늘 영역(제5 영역)으로 구분한다. 이미지 처리부(130)는 스카이 이미지를 이미지 프로세싱하여 제1 내지 5 영역으로 구분할 수 있다. 여기서. 제1 영역은 구름에 의해서 가려지지 않은 태양 영역이고, 제5 영역은 하늘 영역으로 구름이 없는 영역이다. 제2 내지 제4 영역은 구름에 의해서 태양이 가려지는 영역이므로, 이러한 제2 내지 제4 영역의 합계를 이용하여 구름량을 결정할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 이미지 처리부에 의해서 스카이 이미지와 위성 이미지를 중첩하는 처리의 일 예를 도시한 도면이다. 도 6(a)을 참고하면, 제1 시간에서의 위성 이미지의 일부 영역(영역 1)은 제1 시간에서의 스카이 이미지에 포함되고, 스카이 이미지에 중첩(중첩 영역 1)하여 표시할 수 있다. 도 6(b)를 참고하면, 제2 시간에서의 위성 이미지의 일부 영역(영역 2)는 제2 시간에서의 스카이 이미지에 포함되고, 스카이 이미지에 중첩(중첩 영역 2)하여 표시할 수 있다. 이미지 처리부(130)는 스카이 이미지에 위성 이미지의 정보를 중첩하여 중첩 이미지를 생성한다.
도 7은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 태양광 발전량 예측값을 산출하는 일 예를 도시한 도면이다. 도 7을 참고하면, 태양광 발전량 예측 장치(100)는 구름 예측부(130)와 태양광 발전량 예측부(140)에 의해서 태양광 발전량 예측값이 연산될 수 있다. 우선, 구름 예측부(130)는 위성 이미지와 스카이 이미지를 이용하여 예측 대상 지역에서의 구름량과 구름의 움직임을 예측한다. 태양광 발전량 예측부(140)는 구름의 움직임, 맑은 날씨에 일사량 측정치, 구름량에 따른 일사량 예측값, 과거 일사량 예측값, 과거 태양광 발전량 측정치 등을 이용하여 태양광 발전량을 예측한다. 이에 대한 보다 자세한 설명은 이하에서 별도의 도면을 참고하여 설명한다.
도 8은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 구름 예측부에 의한 구름의 움직임을 예측하는 일 예를 도시한 도면이다. 도 8을 참고하면, 구름 움직임 벡터를 이용하여 시계열적인 구름의 움직임에 대해서 움직임의 방향 및 움직임의 속도 등을 예측할 수 있다.
일사량에 대한 예측 정확도를 높이기 위해서는 구름 움직임 및 구름 변화에 대해서 모두 예측해야 한다. 하지만, 구름 변화에 대해서는 예측의 어려움이 존재하므로, 이에 대한 예측을 하지 않고 구름 움직임에 대해서만 예측한다. 구름 움직임의 예측은 옵티컬 플로우 알고리즘을 이용하고, OpenCV(Open source Computer Vision Library)에서 제공하는 알고리즘을 적용한다. 도 8에 도시된 화살표 방향으로 움직임을 예측하고, 움직임의 속도는 각각의 픽셀의 변화값을 시간에 대비하여 구하여 예측할 수 있다.
도 9는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 구름 예측부에 의한 태양 영역을 포함하는 핵심 영역을 구분하는 일 예를 도시한 도면이다. 도 9를 참고하면, RBR 알고리즘을 적용하여 블루 채널과 레드 체널을 이용한 이진화에 의해서 구름 영역을 추출한 뒤, 구름 영역에서 태양이 포함된 영역과 태양이 포함되지 않은 영역을 구분한다. 이때 태양 주변의 구름의 정보를 확보하고, 태양 주변 영역에서의 구름이 하늘로 왜곡 해석되는 것을 방지할 수 있다. 따라서 핵심 영역은 태양 영역을 제외하고 태양 주변 영역을 식별하고, 해당 구름에 대해서는 2개의 상태로 구분하여 히스토그램값을 취득하고, 이러한 히스토그램값을 가중치로 활용하여 해당 영역에서의 왜곡을 감소시킨다.
도 10은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 태양광 발전량 예측부에 의한 태양광 발전량 예측 알고리즘을 예시적으로 설명하는 도면이다. 도 10을 참고하면, 태양광 발전량 예측부(140)는 과거 태양광 발전량(Historical Photo Voltaic : HPV)와 과거 구름량(Historical Cloud Cover : HCC)을 저장부(미도시)로부터 불러온다. 태양광 발전량 예측부(140)는 태양광 발전량(PhotoVoltaic : PV)을 맑은 하늘의 태양광 발전량(Clear Sky Ptotho Voltaic : CS_PV)으로 변환한다. 태양광 발전량 예측부(140)는 이렇게 변환된 맑은 하늘의 태양광 발전량(CS_PV)을 CS_PV 추정 모델에 훈련 데이터로 입력하고, 반복적인 훈련을 통해서 CS_PV 추정 모델을 고도화할 수 있다.
태양광 발전량 예측부(140)의 CS_PV 추정 모델은 실시간으로 CS_PV를 추정한다. 태양광 발전량 예측부(140)는 추정된 CS_PV를 추정된 PV로 변환한다. 이때 태양광 발전량 예측부(140)는 추정된 CS_PV를 실시간으로 예측되는 구름량(Forecasted Cloud Cover : FCC)을 이용하여 추정된 PV로 변환한다. 태양광 발전량 예측부(140)는 실시간으로 추정되는 PV의 추이를 연산하여 익일 태양광 발전량을 예측한다.
도 11은 본 발명의 일 실시 예에 따른 복수의 지점에서 얻어진 데이터에 기초하여 태양광 발전량 예측을 위한 태양광 발전량 예측 장치를 예시적으로 설명하는 도면이다. 도 11을 참고하면, 복수의 촬상부(210-1 내지 210-4)는 태양광 패널(20)을 중심으로 하여 일정한 거리 이격된 상태로 복수의 개소에 설치될 수 있다. 도 11의 경우에는 제1 촬상부(210-1)와 제4 촬상부(210-4)는 제1 직선 상에 놓이고, 제2 촬상부(210-2)와 제3 촬상부(210-3)는 제2 직선 상에 놓이고, 제1 직선과 제2 직선은 서로 직각을 이루지 않도록 교차하게 배치될 수 있다. 배치 방식에 대해서는 다양하게 설계 변경될 수 있다.
이렇게 배치된 경우 제1 촬상부(210-1)는 태양광 패널(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제1 스카이 이미지(CP-1)을 촬상한다. 제2 촬상부(210-2)는 태양광 패널(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제2 스카이 이미지(CP-2)을 촬상한다. 제3 촬상부(210-3)는 태양광 패널(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제3 스카이 이미지(CP-3)을 촬상한다. 제4 촬상부(210-4)는 태양광 패널(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제4 스카이 이미지(CP-4)을 촬상한다.
복수의 촬상부(210-1 내지 210-4) 에 의해서 촬상된 제1 내지 4 스카이 이미지는 동시에 촬상하더라도 촬상부(210)의 위치가 다르므로 구름의 형태가 조금씩 상이할 수 있다. 또한, 구름은 계속 이동하므로 구름의 이동에 따라 구름의 형태가 변화한다.
본 발명의 경우에는 구름의 이동을 실시간으로 분석할 수 있도록 복수의 촬상부(210-1 내지 210-4)에서 얻어진 스카이 이미지를 분석하여 구름의 이동 방향과 구름의 이동에 따른 형태 변화를 실시간으로 예측할 수 있다. 이에 대한 자세한 설명은 별도의 도면을 참고하여 설명한다.
온도 센서(230)는 각각의 촬상부(210-1 내지 210-4)에 인접하게 설치될 수 있고, 또는 태양광 패널(10)에 근접하게 설치되거나 태양광 패널(10)의 뒷면에 부착되서 태양광 패널(10)의 표면 온도를 측정할 수 있다.
도 12는 도 11에 도시된 태양광 발전량 예측 장치에서 시계열적으로 획득한 스카이 이미지를 예시적으로 도시한 도면이다. 도 12(a)를 참고하면, 20xx년 x월 x일 14시45분에 제1 촬상부(210-1)에 의해서 촬상된 특정 지점의 스카이 이미지이다. 도 12(b)를 참고하면, 20xx년 x월 x일 14시55분에 제2 촬상부(210-2)에 의해서 촬상된 특정 지점의 스카이 이미지이다. 도 12(c)를 참고하면, 20xx년 x월 x일 15시05분에 제3 촬상부(210-3)에 의해서 촬상된 특정 지점의 스카이 이미지이다. 도 12(d)를 참고하면, 20xx년 x월 x일 15시15분에 제4 촬상부(210-4)에 의해서 촬상된 특정 지점의 스카이 이미지이다.
도 12(a) 내지 12(d)를 참고하면, 복수의 촬상부(210-1 내지 210-4)는 구름의 이동 방향을 추적할 수 있도록 배치되어 있다. 따라서, 복수의 촬상부(210-1 내지 210-4)에 의해서 촬상된 제1 내지 4 스카이 이미지를 시계열적 요소를 반영하여 분석함으로써, 익일 구름량 예측 시에 예측 정확도를 높여줄 수 있는 요소로 사용될 수 있다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
10 : 태양광 패널
100 : 태양광 발전량 예측 장치
110 : 정보 입력부
120 : 이미지 처리부
130 : 구름 예측부
140 : 태양광 발전량 예측부
150 : 제어부
210 : IP 카메라
230 : 온도 센서
300 : 기상청 서버

Claims (10)

  1. 태양광 발전량 예측 장치에 있어서,
    태양광 패널이 설치되어 있는 지역의 상공을 촬영한 스카이 이미지, 상기 스카이 이미지를 포함하는 위성 이미지 및 상기 태양광 패널이 설치된 지역에 대한 기온 정보를 입력받는 정보 입력부;
    상기 스카이 이미지와 상기 위성 이미지에 대한 이미지 처리를 수행하는 이미지 처리부;
    상기 스카이 이미지와 상기 위성 이미지를 이용하여 특정 지역의 상공에서의 구름의 움직임을 예측하는 구름 예측부; 및
    상기 이미지 처리부에 의해서 처리된 이미지 정보를 이용하여 예측 대상 지역에서의 태양광 일사량을 예측하고, 상기 예측된 태양광 일사량과 상기 구름 예측부에 의해서 예측된 구름의 움직임을 이용하여 해당 지역에서의 태양광 발전량을 예측하는 태양광 발전량 예측부;를 포함하고,
    상기 태양광 발전량 예측부는, 레퍼런스 글로벌 수평 조도(GHIclear)와 측정된 글로벌 수평 조도(GHImeas)를 이용하여 하기 수학식에 의해서 가중치(K*)를 연산하고,
    Figure 112020055478106-pat00020

    하기 수학식에 의해서 글로벌 수평 조도(Grobal Horizontal Irradiance : GHI)를 연산하며,
    Figure 112020055478106-pat00021

    태양광 패널이 설치되어 있는 복수의 지역에 대한 정규화된 그리드 맵(general gridded map)을 산출하고,
    상기 구름의 움직임, 상기 글로벌 수평 조도(GHI) 및 상기 정규화된 그리드 맵을 이용하여 해당 지역에 대한 태양광 발전량을 예측하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  2. 제1 항에 있어서,
    상기 이미지 처리부는, 기 결정된 주기로 입력되는 상기 스카이 이미지 중 제1 시점의 제1 스카이 이미지와 제2 시점의 제2 스카이 이미지를 비교하여 상호 변화값이 기 결정된 크기보다 클 경우, 상기 제1 스카이 이미지와 상기 제2 스카이 이미지를 이용하여 배경 영역과 관심 영역을 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  3. 제2 항에 있어서,
    상기 이미지 처리부는, 상기 관심 영역에서 태양 영역, 하늘 영역 및 구름 영역을 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  4. 제3 항에 있어서,
    상기 이미지 처리부는, RBR(Red-Blue Ratio) 알고리즘에 의해서 상기 관심 영역에서 상기 구름 영역을 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  5. 제3 항에 있어서,
    상기 이미지 처리부는, 상기 태양 영역와 상기 태양 영역을 포함하는 상기 태양 영역의 주변 영역을 핵심 영역으로 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  6. 제4항 또는 제5 항에 있어서,
    상기 이미지 처리부는, 상기 스카이 이미지를 포함하는 상기 위성 이미지를 해당 스카이 이미지와 상호 중첩하여 중첩 이미지를 생성하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  7. 제6 항에 있어서,
    상기 구름 예측부는, 상기 중첩 이미지에 옵티컬 플로우 알고리즘(optical flow algorithm)을 이용하여 상기 중첩 이미지에서의 구름의 움직임을 예측하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  8. 제7 항에 있어서,
    상기 구름 예측부는, 제1 시점에서의 제1 중첩 이미지와 제2 시점에서의 제2 중첩 이미지를 이용하여 예측 영역에서의 상기 구름 움직임으로써 구름의 이동 방향 또는 이동 속도를 예측하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  9. 제8 항에 있어서,
    상기 태양광 발전량 예측부는, 특정 시점에서 예측된 태양광 일사량 정보, 과거 시점에서 측정된 태양광 일사량 정보 및 과거 시점에서 측정된 태양광 발전량을 이용하여 해당 특정 시점에서의 태양광 발전량을 예측하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  10. 삭제
KR1020200006033A 2020-01-16 2020-01-16 태양광 발전량 예측 장치 KR102136106B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200006033A KR102136106B1 (ko) 2020-01-16 2020-01-16 태양광 발전량 예측 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200006033A KR102136106B1 (ko) 2020-01-16 2020-01-16 태양광 발전량 예측 장치

Publications (1)

Publication Number Publication Date
KR102136106B1 true KR102136106B1 (ko) 2020-07-22

Family

ID=71893000

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200006033A KR102136106B1 (ko) 2020-01-16 2020-01-16 태양광 발전량 예측 장치

Country Status (1)

Country Link
KR (1) KR102136106B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102351713B1 (ko) * 2021-06-24 2022-01-17 성한 주식회사 조도계를 이용한 기상정보 생성 시스템 및 그 방법
KR102460279B1 (ko) 2021-11-23 2022-10-28 써니사이드(주) 태양광 분산 에너지 자원의 정보 제공 시스템
CN115811044A (zh) * 2022-11-18 2023-03-17 国网河北省电力有限公司营销服务中心 光伏功率突变预测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100853757B1 (ko) 2007-09-28 2008-08-25 주식회사 대영 영상 원격 감시제어시스템을 이용한 태양광 발전관리시스템
JP2013029923A (ja) * 2011-07-27 2013-02-07 Chugoku Electric Power Co Inc:The 太陽光発電量把握システム及びこれを用いた負荷予想装置、負荷調整装置
JP2014011345A (ja) * 2012-06-29 2014-01-20 Hitachi Information & Control Solutions Ltd 発電量予測装置、発電量予測方法、プログラム、および電力制御システム
JP2015216811A (ja) * 2014-05-13 2015-12-03 株式会社 日立産業制御ソリューションズ 発電システム、計画装置、および制御方法
KR101709860B1 (ko) 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
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
KR101890673B1 (ko) 2011-09-21 2018-08-22 엘지전자 주식회사 일사량 추정을 위해 전천사진으로부터 운량을 계산하는 방법, 상기 계산한 운량을 이용한 태양광 발전량 예측 장치
KR101922645B1 (ko) 2017-06-09 2018-11-27 한국항공우주연구원 구름 영역 검출 방법 및 구름 영역 검출 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100853757B1 (ko) 2007-09-28 2008-08-25 주식회사 대영 영상 원격 감시제어시스템을 이용한 태양광 발전관리시스템
JP2013029923A (ja) * 2011-07-27 2013-02-07 Chugoku Electric Power Co Inc:The 太陽光発電量把握システム及びこれを用いた負荷予想装置、負荷調整装置
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
KR101890673B1 (ko) 2011-09-21 2018-08-22 엘지전자 주식회사 일사량 추정을 위해 전천사진으로부터 운량을 계산하는 방법, 상기 계산한 운량을 이용한 태양광 발전량 예측 장치
JP2014011345A (ja) * 2012-06-29 2014-01-20 Hitachi Information & Control Solutions Ltd 発電量予測装置、発電量予測方法、プログラム、および電力制御システム
JP2015216811A (ja) * 2014-05-13 2015-12-03 株式会社 日立産業制御ソリューションズ 発電システム、計画装置、および制御方法
KR101709860B1 (ko) 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR101922645B1 (ko) 2017-06-09 2018-11-27 한국항공우주연구원 구름 영역 검출 방법 및 구름 영역 검출 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102351713B1 (ko) * 2021-06-24 2022-01-17 성한 주식회사 조도계를 이용한 기상정보 생성 시스템 및 그 방법
KR102460279B1 (ko) 2021-11-23 2022-10-28 써니사이드(주) 태양광 분산 에너지 자원의 정보 제공 시스템
CN115811044A (zh) * 2022-11-18 2023-03-17 国网河北省电力有限公司营销服务中心 光伏功率突变预测方法

Similar Documents

Publication Publication Date Title
Bernecker et al. Continuous short-term irradiance forecasts using sky images
KR102136106B1 (ko) 태양광 발전량 예측 장치
Schmidt et al. Evaluating the spatio-temporal performance of sky-imager-based solar irradiance analysis and forecasts
US20170031056A1 (en) Solar Energy Forecasting
Peng et al. 3D cloud detection and tracking system for solar forecast using multiple sky imagers
Fu et al. Predicting solar irradiance with all-sky image features via regression
US10643324B2 (en) Machine learning system and data fusion for optimization of deployment conditions for detection of corrosion under insulation
WO2018137103A1 (zh) 一种基于多源遥感数据的流域污染检测方法及系统
US8509476B2 (en) Automated system and method for optical cloud shadow detection over water
KR20210043388A (ko) 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법
JP4678649B2 (ja) 画像処理装置
KR100944791B1 (ko) 수위 관측 시스템 및 수위레벨 원격 측정 방법
US11162888B2 (en) Cloud-based machine learning system and data fusion for the prediction and detection of corrosion under insulation
CN112001922B (zh) 带电设备的缺陷诊断方法及设备
Pawar et al. Detecting clear sky images
Chapman et al. Potential applications of thermal fisheye imagery in urban environments
Paletta et al. Advances in solar forecasting: Computer vision with deep learning
Varjo et al. Image based visibility estimation during day and night
KR20230061815A (ko) 기후 데이터 및 하늘 사진을 이용한 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법
Sharma et al. A review on physical and data-driven based nowcasting methods using sky images
Bommes et al. Georeferencing of photovoltaic modules from aerial infrared videos using structure‐from‐motion
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
Richardson et al. Machine learning versus ray-tracing to forecast irradiance for an edge-computing SkyImager
Rumi et al. Automated cloud classification using a ground based infra-red camera and texture analysis techniques
TWI662509B (zh) 雨滴譜偵測系統及其粒子追蹤流程

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant