KR102194271B1 - 모델 기반의 태양광발전 통합 관리 시스템 및 방법 - Google Patents
모델 기반의 태양광발전 통합 관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR102194271B1 KR102194271B1 KR1020190032917A KR20190032917A KR102194271B1 KR 102194271 B1 KR102194271 B1 KR 102194271B1 KR 1020190032917 A KR1020190032917 A KR 1020190032917A KR 20190032917 A KR20190032917 A KR 20190032917A KR 102194271 B1 KR102194271 B1 KR 102194271B1
- Authority
- KR
- South Korea
- Prior art keywords
- model
- evaluation
- power generation
- solar power
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 10
- 238000010248 power generation Methods 0.000 claims abstract description 127
- 238000011156 evaluation Methods 0.000 claims abstract description 68
- 238000013210 evaluation model Methods 0.000 claims abstract description 55
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 62
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000011867 re-evaluation Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
본 발명은 복수의 태양광스트링과, 상기 태양광스트링으로부터 출력되는 직류전류를 수신하는 접속반과, 상기 접속반으로부터 출력되는 직류전류를 교류전류로 변환하는 인버터를 포함하는 태양광발전 설비를 모니터링하는 태양광발전 통합 관리 시스템에 있어서, 상기 태양광발전 통합 관리 시스템은 상기 태양광발전 설비에 포함된 복수의 센서를 통하여 상기 태양광스트링, 상기 접속반 및 상기 인버터에 대한 센싱정보를 수집하되, 초기에 수집된 센싱정보가 없는 경우 해당 태양광발전 설비의 현재발전능력을 모델 변수로 한 평가모델을 이용하여 평가를 수행하고, 수집된 센싱정보가 존재하는 경우 누적된 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광 발전에 대한 예측을 수행하고 예측값에 따라 태양광발전 설비의 이상 여부를 진단하는 것을 특징으로 한다.
Description
본 발명은 태양광발전 통합 관리 시스템 및 방법에 관한 것으로, 더욱 상세하게는 인공지능 모델 기반의 예측모델 및 평가모델을 활용하여 태양광 발전의 예측 및 평가를 수행하고 예측 및 평가 결과에 따라 통합 관리하는 모델 기반의 태양광발전 통합 관리 시스템 및 방법에 관한 것이다.
최근 장기적인 발전과, 안정적인 수익 창출이 요구되는 태양광 발전소에서 운영유지보수(O&M : Operation & Maintenance)의 중요성이 점차 강조되고 있다.
태양광발전 시스템의 경우, 낮은 가격경쟁력, 선진국 추격형 산업구조 및 환경적 안정성 등의 문제 또한 제기되고 있는 실정이며 태양광 발전소의 가동시간이 누적됨에 따라 발전 성능(PR : Performance Ratio) 저하 현상이 발생되면서 태양광 발전소에 대한 품질 시비가 끊이지 않고 있다.
태양광발전의 수익성을 실현하기 위해서는 대규모발전소가 선호되며, 이러한 대규모발전소는 발전성능 확보를 위해 운영유지보수가 필수 불가결한 요소이다.
그런데, 종래의 태양광발전 유지보수 관리 시스템은 일정기간 주기로 실시하여 유지보수하며, 일괄 교체방식을 채용하거나 시스템 현재 상태를 토대로 필요부분만 체크하여 유지보수하는 수준이고, 개별적 체크에 태양광스트링 열화를 감지하는 방식에 의해 소규모 발전시스템에 적합하다.
또한, 이러한 종래의 태양광발전 유지보수 관리 시스템들은 미래 평가가 불가능하고, 현실적으로 고장이 발생하거나 유지보수가 필요한 시점이 정확히 계산되지 않은 상태로 유지보수가 이루어져 불필요한 많은 유지보수 비용이 발생하고, 신뢰성 확보가 어려운 문제점이 있다.
따라서, 전술한 문제를 해결하기 위하여 태양광발전 설비의 발전량을 예측하고, 가치를 평가할 수 있는, 모델 기반의 태양광발전 통합 관리 시스템에 대한 연구가 필요하게 되었다.
본 발명의 목적은 발전에서 많은 빅데이터를 기반으로 수행되는 예측 및 평가를 위해 생성된 복수의 예측모델 및 평가모델들을 DB화하여 관리하고, 특정 발전 시스템에 맞춤형 평가모델을 제공할 수 있는 모델 기반의 태양광발전 통합 관리 시스템 및 방법을 제공하는 것이다.
또한 본 발명의 다른 목적은 센싱정보가 존재하지 않는 발전 초기에 발전 설비의 발전 능력을 모델변수로 한 평가모델을 이용하여 평가정보를 생성하며, 센싱정보를 수집하여 발전량을 예측하며, 발전량에 대한 예측값과 누적된 센싱정보와 평가정보에 대한 빅데이터를 이용하여 예측모델 및 평가모델을 업그레이드하여 적응(Adaptation)할 수 있는 모델 기반의 태양광발전 통합 관리 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 시스템은, 복수의 태양광스트링과, 상기 태양광스트링으로부터 출력되는 직류전류를 수신하는 접속반과, 상기 접속반으로부터 출력되는 직류전류를 교류전류로 변환하는 인버터를 포함하는 태양광발전 설비를 모니터링하는 태양광발전 통합 관리 시스템에 있어서, 상기 태양광발전 통합 관리 시스템은 상기 태양광발전 설비에 포함된 복수의 센서를 통하여 상기 태양광스트링, 상기 접속반 및 상기 인버터에 대한 센싱정보를 수집하되, 초기에 수집된 센싱정보가 없는 경우 해당 태양광발전 설비의 현재발전능력을 모델 변수로 한 평가모델을 이용하여 평가를 수행하고, 수집된 센싱정보가 존재하는 경우 누적된 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광 발전에 대한 예측을 수행하고 예측값에 따라 태양광발전 설비의 이상 여부를 진단하는 것을 특징으로 한다.
상기에 있어서, 상기 센싱정보는 상기 태양광스트링의 일사량, 태양광 발전소 주변 풍향 및 풍속, 상기 태양광스트링의 측정전압 및 측정전류, 상기 태양광스트링의 스트링온도, 상기 접속반의 온도, 상기 인버터의 출력값, 실제 태양광 발전량 및 실제 태양광 손실을 포함하는 것을 특징으로 한다.
상기에 있어서, 상기 태양광발전 통합 관리 시스템은 상기 예측모델 및 평가모델을 DB화하여 관리하는 모델관리부; 상기 복수의 센서로부터 상기 센싱정보를 수신하는 통신부; 상기 통신부로부터 수신된 상기 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광발전 예측을 수행하고 예측값을 생성하는 예측부를 더 포함한다.
상기에 있어서, 상기 태양광발전 통합 관리 시스템은 누적된 센싱정보에 대한 빅데이터를 이용하여 예측모델의 예측값에 대하여 평가하는 평가수행부; 상기 센싱정보, 상기 예측값 및 평가정보를 빅데이터화하여 저장하는 빅데이터DB; 상기 빅데이터를 이용하여 상기 예측모델 또는 평가모델을 업그레이드하는 적응부 를 더 포함한다.
상기에 있어서, 상기 현재발전능력은 발전량, 발전손실량, 설비 노후 정도 중 어느 하나 이상을 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 방법은, 예측모델 및 평가모델을 기반으로 태양광발전 설비의 태양광 발전 예측 및 발전 능력 평가를 수행하는 태양광발전 통합 관리 시스템을 이용한 태양광발전 통합 관리 방법에 있어서,상기 태양광발전 통합 관리 시스템은 센싱정보가 수집되지 않은 발전 초기에는 해당 발전 설비의 현재발전능력을 모델변수로 한 평가모델을 이용하여 평가를 수행하여 평가정보를 생성하는 단계; 상기 태양광발전 통합 관리 시스템은 복수의 센서를 통하여 태양광 발전에 영향을 주는 센싱정보를 수집하는 단계;상기 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광 발전량 또는 태양광 손실에 대한 예측을 수행하고 예측값을 생성하는 단계; 상기 예측값을 이용하여 해당 태양광발전 설비의 이상 여부를 진단하는 단계를 포함한다.
상기에 있어서, 상기 센싱정보는 태양광스트링의 일사량, 태양광 발전소 주변 풍향 및 풍속, 상기 태양광스트링의 측정전압 및 측정전류, 상기 태양광스트링의 스트링온도, 접속반의 온도, 인버터의 출력값, 실제 태양광 발전량 및 실제 태양광 손실을 포함하는 것을 특징으로 한다.
상기에 있어서, 상기 태양광발전 통합 관리 시스템은 센싱정보가 수집되지 않은 발전 초기에는 해당 발전 설비의 현재발전능력을 모델변수로 한 평가모델을 이용하여 평가를 수행하여 평가정보를 생성하는 단계; 상기 센싱정보, 상기 예측값 및 상기 평가정보를 빅데이터화하여 저장하는 단계; 상기 빅데이터를 이용하여 상기 예측모델 및 평가모델을 업그레이드하는 단계를 더 포함한다.
본 발명의 모델 기반의 태양광발전 통합 관리 시스템 및 방법은 예측모델 및 평가모델을 이용하여 태양광 발전의 미래 예측 및 평가가 가능하고, 태양광발전 설비의 이상 여부를 진단하여 적정 시점에 유지보수가 이루어지게 함으로써, 유지보수 비용이 절감되며, 유지보수 수준을 예방 진단 수준으로 향상시킬 수 있는 장점이 있다.
또한, 센싱정보가 존재하지 않는 발전 초기에 발전 설비의 발전 능력을 모델변수로 한 평가모델을 이용하여 평가정보를 생성하며, 센싱정보를 수집하여 발전량을 예측하며, 발전량에 대한 예측값과 누적된 센싱정보와 평가정보에 대한 빅데이터를 이용하여 예측모델 및 평가모델을 업그레이드하여 적응함으로써, 신뢰성 있는 예측모델 및 평가모델을 제공하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 시스템의 전체 구성을 보인 블록도이다.
도 2는 도 1의 태양광발전 통합 관리 시스템의 세부 구성을 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 방법의 순서도이다.
도 2는 도 1의 태양광발전 통합 관리 시스템의 세부 구성을 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 방법의 순서도이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 시스템의 전체 구성을 보인 블록도이며, 도 2는 도 1의 모델 기반의 태양광발전 통합 관리 시스템의 세부 구성을 보인 블록도이다.
본 발명의 모델 기반의 태양광발전 통합 관리 시스템(500)은 도 1에 도시된 바와 같이, 태양광스트링(100), 접속반(200), 인버터(300), 관리자단말기(700), 배전반(800) 및 부하(900)에 인터넷(600)을 통하여 접속하여 통합 관리할 수 있다.
본 실시예에서는 인터넷(600)을 통하여 접속되어 태양광발전 설비를 통합 관리하는 시스템을 설명하고 있으며, 태양광발전 통합 관리 시스템(500)은 내부 인트라넷이나 사설 네트워크(VPN) 등을 통하여 접속되어 태양광 발전 설비를 통합 관리할 수도 있다.
태양광스트링(100)은 태양빛을 흡수하여 전기에너지로 변환하는 복수의 태양광모듈을 포함하고, 변환된 전기에너지를 전달하기 위한 접속반(200)이 연결된다.
접속반(200)은 태양광스트링(100)로부터 출력되는 직류전류를 수신하는 역할을 수행하며, 인버터(300)는 접속반(200)으로부터 출력되는 직류전류를 교류전류로 변환한다.
또한 배전반(800)은 인버터(300)와 접속되어 교류변환된 교류전력을 제공받아 복수의 부하(900)에 제공할 수 있다.
부하(900)는 전력을 소비하는 객체로서, 예컨대 발전소 계통, 급전 계통, 한전 계통, 전력거래소, 전력 그리드, 산업 현장의 공장 시설 등이 될 수 있다.
나아가 전술한 태양광 발전 설비들에는 복수의 센서가 유선 또는 무선 노드 형태로 구비될 수 있다.
즉, 태양광스트링(100)에는 스트링 동작 상태를 파악하고 열화 상태 등을 점검하기 위해 일사량센서(111), 전압/전류센서(113) 및 온도센서(114)가 구비될 수 있다. 일사량센서(111)는 스트링의 방향에 따라 경사면의 일사량을 측정하는 경사 일사량센서와 평면 상태의 일사량을 측정하는 평면 일사량센서를 더 포함할 수 있다.
또한 태양광발전 설비를 갖춘 발전소 주변 부지에는 풍향/풍속계(112)가 설치될 수 있으며, 접속반(200)에는 접속반의 온도 및 습도를 감지하는 접속반온습도센서(210), 인버터(300)에는 인버터(300) 출력값을 검출하는 인버터출력센서(310)가 구비될 수 있다.
이외에도 접속반 전압/전류센서(미도시) 등이 구비될 수 있으며, 전술한 센서들 이외에도 필요에 따라 태양광발전 설비에 영향을 주는 센서를 추가로 구비하여 센싱정보를 수집할 수도 있다.
본 발명의 모델 기반의 태양광발전 통합 관리 시스템(500)은 상술한 복수의 센서로부터 태양광 발전에 영향을 주는 센싱정보들을 수집하고, 수집된 센싱정보를 예측모델의 모델변수로 활용한다.
이러한 센싱정보에는 태양광스트링(100)의 일사량, 태양광 발전소 주변 풍향 및 풍속, 태양광스트링(100)의 측정전압 및 측정전류, 태양광스트링(100)의 온도, 접속반(200)의 온도, 인버터(300)의 출력값을 포함할 수 있다. 또한 센싱정보에는 태양광발전 측정값을 더 포함할 수 있으며, 태양광발전 측정값은 실제 태양광 발전량과 실제 태양광 발전 손실을 더 포함할 수 있다.
또한 태양광발전 통합 관리 시스템(500)은 기본적으로 수집된 센싱정보를 모델변수로 한 예측모델을 이용하여, 태양광 발전량 또는 태양광 발전 손실에 대한 예측을 수행할 수 있다.
그리고, 태양광발전 통합 관리 시스템(500)은 예측 수행 결과 예측값을 생성하고, 태양광발전 설비의 이상 여부를 진단하고, 시스템 내부에 위치하거나 혹은 원격지에 위치한 관리자 단말기(미도시)로 제공함으로써, 관리자가 이상 원인을 분석하고 이상 원인에 대한 조치 방안을 마련할 수 있게 한다.
나아가 태양광발전 통합 관리 시스템(500)은 도 2에 도시된 바와 같이 세부적으로 모델관리부(510), 통신부(520), 예측부(530), 평가수행부(540), 적응부(550), 빅데이터DB(561), 모델DB(562), 센싱정보DB(563), 예측값DB(564) 및 평가정보DB(565)를 더 포함할 수 있다.
모델관리부(510)는 태양광발전 예측을 수행하는 복수의 예측모델들을 DB화하여 관리하고, 예측모델들의 예측정확도를 평가하기 위한 평가모델들을 DB화하여 관리할 수도 있다. 복수의 예측모델 및 평가모델은 태양광발전의 예측 및 평가에 특화된 맞춤형 모델들로서, 관리자에 의해 필요에 따라 단일 또는 복수의 모델이 선택적으로 채용될 수 있다.
여기서 예측모델 및 평가모델은 인공신경망(Artificial Neural Network), RBF(Radial Basis Function) 신경망, 서포트 벡터 머신(Support Vector Machine) 알고리즘 등을 기반으로 한 예측모델 및 평가모델일 수 있다.
통신부(520)는 인터넷(600)을 통하여 전술한 센싱정보를 수집한다.
예측부(530)는 모델관리부(510)로부터 예측모델을 제공받고, 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광발전 예측을 수행한다.
보다 상세하게는 태양광 발전량 예측모델과 태양광 발전량 손실 예측모델로 세분화하여 각각에 대한 예측모델을 모델관리부(510)로부터 제공받고, 각 예측모델에 대하여 센싱정보를 모델변수로 하여 태양광 발전량에 대한 예측 및 태양광 발전량 손실에 대한 예측을 각각 수행할 수 있다.
평가수행부(540)는 초기에 수집된 센싱정보가 없는 경우 해당 태양광발전 설비의 현재발전능력을 모델 변수로 한 평가모델을 이용하여 평가를 수행하거나 누적된 센싱정보에 대한 빅데이터를 이용하여 예측모델의 예측값에 대하여 평가할 수 있다.
여기서 현재발전능력은 발전량, 발전손실량, 설비 노후 정도 중 어느 하나 이상을 포함할 수 있으며, 이외에도 발전설비의 운전특성 등 발전능력을 알 수 있는 특성들이 포함될 수도 있다.
또한 평가 결과로 생성된 평가정보는 머신러닝 모델인 평가모델을 기반으로 태양광발전 설비의 신뢰성, 효율성 및 경제성 관점에서 태양광발전 설비의 운용 능력을 평가한 정보로서, 태양광발전 설비를 객관적으로 평가할 수 있게 한다. 또한 평가정보는 예측모델의 예측값에 따라 태양광발전 설비의 이상 여부를 진단하는 척도가 되므로, 예측값에 대하여 어느 정도 이상 여부 진단이 예측되었는가에 따라 신뢰성, 효율성 및 경제성 관점에서의 평가에 대한 정보가 될 수도 있다.
적응부(550)는 빅데이터를 이용하여 예측모델 및 평가모델을 업그레이드한다. 이때 예측모델 및 평가모델 업그레이드는 기설정된 기준값을 이용하여 가중치에 따라 해당 모델의 변수를 조정하는 등의 업그레이드가 이루어질 수 있다. 나아가, 예측모델 및 평가모델을 통한 예측이나 평가가 수행됨에 따라 해당 모델에 대한 업그레이드가 지속적으로 이루어져 적응(Adaptation)해나갈 수 있다.
즉, 예측모델의 수행결과 발전량 등의 예측값들이 일정한 패턴을 나타내면, 패턴에 따라 해당 모델의 변수를 조정하여 업그레이드가 지속적으로 이루어지는 적응 단계를 거치게 된다. 또한, 적응 단계를 거친 해당 모델들은 인공지능 알고리즘에 의해 궁극적으로 스스로 자가 진화(self-evolution)가 가능해진다.
센싱정보, 예측값 및 평가정보는 빅데이터화되고, 빅데이터는 주기적으로 갱신되기 때문에, 빅데이터를 이용하여 예측모델 및 평가모델을 주기적으로 업그레이드하여 빅데이터의 변화된 패턴에 따라 적응할 수 있게 함으로써, 모델의 신뢰성을 보장할 수 있게 하는 것이다.
또한 적응부(550)는 평가수행부(540)로부터 예측모델의 평가를 수행한 해당 평가모델에 대해서 재평가한 재평가정보를 제공받을 수 있다. 즉, 제공받은 재평가정보로 평가모델의 문제점을 머신러닝을 기반으로 적응하여 평가모델을 업그레이드하고 적응할 수 있으므로 평가모델에 대한 평가 신뢰성도 확보할 수 있다.
빅데이터DB(561)는 센싱정보, 예측값 및 평가정보를 빅데이터화하여 저장하고, 평가수행부(540)에 의해 예측모델 및 평가모델의 업그레이드가 이루어지도록 빅데이터를 제공할 수 있다. 빅데이터화되는 각 정보들은 현재 수집된 데이터뿐만 아니라 과거 데이터에 대해서도 모두 포함할 수 있다.
나아가 모델 기반의 태양광발전 통합 관리 시스템(500)은 예측모델들 및 평가모델들을 저장하는 모델DB(562), 센싱정보를 저장하는 센싱정보DB(563), 평가정보들을 저장하는 평가정보DB(565) 및 예측모델의 예측결과인 예측값을 저장하는 예측값DB(564)를 더 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 모델 기반의 태양광발전 통합 관리 방법의 순서도이다.
태양광발전 통합 관리 시스템은 센싱정보가 수집되지 않은 발전 초기에 해당 발전 설비의 현재발전능력을 모델변수로 한 평가모델을 이용하여 평가를 수행하여 평가정보를 생성할 수 있다(S300). 평가정보는 해당 태양광발전 설비의 이상 여부의 진단하는데 기초적인 정보로 참조될 수 있다.
이후 태양광발전 통합 관리 시스템(500)은 태양광발전 설비에 포함된 복수의 센서를 통하여 태양광 발전에 영향을 주는 센싱정보를 수집한다(S302). 수집되는 센싱정보에 태양광 발전량 및 손실이 포함될 수 있다(S304).
태양광발전 통합 관리 시스템(500)은 수집된 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광 발전량 또는 태양광 발전 손실에 대한 예측을 수행한다(S306).
태양광발전 통합 관리 시스템(500)은 예측 수행 결과인 예측값을 이용하여 해당 태양광발전 설비의 이상 여부를 진단할 수 있도록 시스템 내부의 관리자 단말기에 제공할 수 있다.
또한 태양광발전 통합 관리 시스템(500)은 센싱정보, 예측값 및 평가정보를 빅데이터화하여 저장함으로써, 갱신된 빅데이터를 활용하여 지속적으로 예측모델 및 평가모델을 업그레이드할 수 있도록 한다(S308).
즉 태양광발전 통합 관리 시스템(500)은 빅데이터를 이용하여 예측모델 및 평가모델을 지속적으로 업그레이드할 수 있다(S310).
100 : 태양광스트링
111 : 일사량센서 112 : 풍향/풍속계
113 : 스트링전압/전류센서 114 : 스트링온도센서
200 : 접속반 210 : 접속반온도센서
300 : 인버터 310 : 인버터출력센서
500 : 태양광발전 통합 관리 시스템
510 : 모델관리부 520 : 통신부
530 : 예측부 540 : 평가수행부
550 : 적응부 561 : 빅데이터DB
562 : 평가모델DB 563 : 센싱정보DB
564 : 예측값DB 565 : 평가정보DB
600 : 인터넷 800 : 배전반
900 : 부하
111 : 일사량센서 112 : 풍향/풍속계
113 : 스트링전압/전류센서 114 : 스트링온도센서
200 : 접속반 210 : 접속반온도센서
300 : 인버터 310 : 인버터출력센서
500 : 태양광발전 통합 관리 시스템
510 : 모델관리부 520 : 통신부
530 : 예측부 540 : 평가수행부
550 : 적응부 561 : 빅데이터DB
562 : 평가모델DB 563 : 센싱정보DB
564 : 예측값DB 565 : 평가정보DB
600 : 인터넷 800 : 배전반
900 : 부하
Claims (8)
- 복수의 태양광스트링과, 상기 태양광스트링으로부터 출력되는 직류전류를 수신하는 접속반과, 상기 접속반으로부터 출력되는 직류전류를 교류전류로 변환하는 인버터를 포함하는 태양광발전 설비를 모니터링하는 태양광발전 통합 관리 시스템에 있어서,
상기 태양광발전 통합 관리 시스템은
상기 태양광발전 설비에 포함된 복수의 센서를 통하여 상기 태양광스트링, 상기 접속반 및 상기 인버터에 대한 센싱정보를 수집하되, 발전 초기에 수집된 센싱정보가 없는 경우 해당 태양광발전 설비의 현재발전능력을 모델 변수로 한 평가모델을 이용하여 평가를 수행하고, 수집된 센싱정보가 존재하는 경우 누적된 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광 발전에 대한 예측을 수행하고 예측값에 따라 태양광발전 설비의 이상 여부를 진단하며,
상기 태양광발전 통합 관리 시스템은
상기 예측모델 및 평가모델을 DB화하여 관리하는 모델관리부;
상기 복수의 센서로부터 상기 센싱정보를 수신하는 통신부;
상기 통신부로부터 수신된 상기 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광발전 예측을 수행하고 예측값을 생성하는 예측부;
초기에 수집된 센싱정보가 없는 경우 해당 태양광발전 설비의 현재발전능력을 모델 변수로 한 평가모델을 이용하여 평가를 수행하거나, 누적된 센싱정보에 대한 빅데이터를 이용하여 예측모델의 예측값에 대하여 평가하는 평가수행부;
상기 센싱정보, 상기 예측값 및 평가정보를 빅데이터화하여 저장하는 빅데이터DB;
상기 빅데이터를 이용하여 상기 예측모델 또는 평가모델을 업그레이드하는 적응부를 더 포함하며,
상기 평가수행부는 평가 결과로 평가정보를 생성하며
상기 평가정보는 머신러닝 모델인 평가모델을 기반으로 태양광발전 설비의 신뢰성, 효율성 및 경제성 관점에서 태양광발전 설비의 운용 능력을 평가한 정보로서 태양광발전 설비를 객관적으로 평가할 수 있는 정보이거나, 예측모델의 예측값에 따라 태양광발전 설비의 이상 여부를 진단하는 척도로서 예측값에 대하여 어느 정도 이상 여부 진단이 예측되었는가에 따라 신뢰성, 효율성 및 경제성 관점에서의 평가에 대한 정보인 것을 특징으로 하며,
상기 적응부는
상기 평가수행부로부터 예측모델의 평가를 수행한 해당 평가모델에 대해서 재평가한 재평가정보를 제공받고, 제공받은 재평가정보로 평가모델의 문제점을 머신러닝을 기반으로 적응하여 평가모델을 업그레이드하고 적응하여 평가모델에 대한 평가 신뢰성도 확보하는 것을 특징으로 하는 모델 기반의 태양광발전 통합 관리 시스템. - 제1항에 있어서,
상기 센싱정보는
상기 태양광스트링의 일사량, 태양광 발전소 주변 풍향 및 풍속, 상기 태양광스트링의 측정전압 및 측정전류, 상기 태양광스트링의 스트링온도, 상기 접속반의 온도, 상기 인버터의 출력값, 실제 태양광 발전량 및 실제 태양광 손실을 포함하는 것을 특징으로 하는 모델 기반의 태양광발전 통합 관리 시스템. - 삭제
- 삭제
- 제1항에 있어서,
상기 현재발전능력은
발전량, 발전손실량, 설비 노후 정도 중 어느 하나 이상을 포함하는 것을 특징으로 하는 모델 기반의 태양광발전 통합 관리 시스템. - 예측모델 및 평가모델을 기반으로 태양광발전 설비의 태양광 발전 예측 및 발전 능력 평가를 수행하는 태양광발전 통합 관리 시스템을 이용한 태양광발전 통합 관리 방법에 있어서,
상기 태양광발전 통합 관리 시스템은 센싱정보가 수집되지 않은 발전 초기에는 해당 발전 설비의 현재발전능력을 모델변수로 한 평가모델을 이용하여 평가를 수행하여 평가정보를 생성하는 단계;
상기 태양광발전 통합 관리 시스템은 복수의 센서를 통하여 태양광 발전에 영향을 주는 센싱정보를 수집하는 단계;
상기 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광 발전량 또는 태양광 손실에 대한 예측을 수행하고 예측값을 생성하는 단계;
상기 예측값을 이용하여 해당 태양광발전 설비의 이상 여부를 진단하는 단계;
상기 센싱정보, 상기 예측값 및 상기 평가정보를 빅데이터화하여 저장하는 단계;
상기 빅데이터를 이용하여 상기 예측모델 및 평가모델을 업그레이드하는 단계를 포함하며,
상기 태양광발전 통합 관리 시스템은
상기 예측모델 및 평가모델을 DB화하여 관리하는 모델관리부;
상기 복수의 센서로부터 상기 센싱정보를 수신하는 통신부;
상기 통신부로부터 수신된 상기 센싱정보를 모델변수로 한 예측모델을 이용하여 태양광발전 예측을 수행하고 예측값을 생성하는 예측부;
초기에 수집된 센싱정보가 없는 경우 해당 태양광발전 설비의 현재발전능력을 모델 변수로 한 평가모델을 이용하여 평가를 수행하거나, 누적된 센싱정보에 대한 빅데이터를 이용하여 예측모델의 예측값에 대하여 평가하는 평가수행부;
상기 센싱정보, 상기 예측값 및 평가정보를 빅데이터화하여 저장하는 빅데이터DB;
상기 빅데이터를 이용하여 상기 예측모델 또는 평가모델을 업그레이드하는 적응부를 더 포함하며,
상기 평가수행부는 평가 결과로 평가정보를 생성하며
상기 평가정보는 머신러닝 모델인 평가모델을 기반으로 태양광발전 설비의 신뢰성, 효율성 및 경제성 관점에서 태양광발전 설비의 운용 능력을 평가한 정보로서 태양광발전 설비를 객관적으로 평가할 수 있는 정보이거나, 예측모델의 예측값에 따라 태양광발전 설비의 이상 여부를 진단하는 척도로서 예측값에 대하여 어느 정도 이상 여부 진단이 예측되었는가에 따라 신뢰성, 효율성 및 경제성 관점에서의 평가에 대한 정보인 것을 특징으로 하며,
상기 적응부는
상기 평가수행부로부터 예측모델의 평가를 수행한 해당 평가모델에 대해서 재평가한 재평가정보를 제공받고, 제공받은 재평가정보로 평가모델의 문제점을 머신러닝을 기반으로 적응하여 평가모델을 업그레이드하고 적응하여 평가모델에 대한 평가 신뢰성도 확보하는 것을 특징으로 하는 모델 기반의 태양광발전 통합 관리 방법. - 제6항에 있어서,
상기 센싱정보는
태양광스트링의 일사량, 태양광 발전소 주변 풍향 및 풍속, 상기 태양광스트링의 측정전압 및 측정전류, 상기 태양광스트링의 스트링온도, 접속반의 온도, 인버터의 출력값, 실제 태양광 발전량 및 실제 태양광 손실을 포함하는 것을 특징으로 하는 모델 기반의 태양광발전 통합 관리 방법. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190032917A KR102194271B1 (ko) | 2019-03-22 | 2019-03-22 | 모델 기반의 태양광발전 통합 관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190032917A KR102194271B1 (ko) | 2019-03-22 | 2019-03-22 | 모델 기반의 태양광발전 통합 관리 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200119371A KR20200119371A (ko) | 2020-10-20 |
| KR102194271B1 true KR102194271B1 (ko) | 2020-12-22 |
Family
ID=73025338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190032917A KR102194271B1 (ko) | 2019-03-22 | 2019-03-22 | 모델 기반의 태양광발전 통합 관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102194271B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102518613B1 (ko) * | 2020-12-11 | 2023-04-10 | 한국과학기술연구원 | 발전소 운전 건전성을 예측하기 위한 계통별 발전량 및 잔여 유효 수명 예측 방법 및 이를 수행하는 시스템 |
| KR102309077B1 (ko) * | 2021-05-27 | 2021-10-06 | 주식회사 부력에너지 | 센서 기반 안전 진단 기술을 적용한 태양광 발전 시스템 및 방법 |
| KR102306208B1 (ko) * | 2021-06-03 | 2021-09-29 | 박길호 | 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 |
| CN116231751B (zh) * | 2023-02-21 | 2024-03-08 | 华能新疆吉木萨尔新能源有限公司 | 一种光伏发电输出功率控制策略 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101729217B1 (ko) * | 2016-07-28 | 2017-05-02 | 주식회사 케이디티 | 태양광 발전 시스템의 인버터 mppt 성능 진단 장치 및 방법 |
| JP2018007347A (ja) * | 2016-06-28 | 2018-01-11 | 株式会社関電工 | 太陽光発電の性能評価方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101856320B1 (ko) * | 2016-05-02 | 2018-05-09 | 한국과학기술원 | 태양광 발전량 예측 장치 및 방법 |
| KR20180086575A (ko) | 2017-01-23 | 2018-08-01 | 신영종 | 태양광 발전 모니터링 장치 |
-
2019
- 2019-03-22 KR KR1020190032917A patent/KR102194271B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018007347A (ja) * | 2016-06-28 | 2018-01-11 | 株式会社関電工 | 太陽光発電の性能評価方法 |
| KR101729217B1 (ko) * | 2016-07-28 | 2017-05-02 | 주식회사 케이디티 | 태양광 발전 시스템의 인버터 mppt 성능 진단 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200119371A (ko) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102194271B1 (ko) | 모델 기반의 태양광발전 통합 관리 시스템 및 방법 | |
| De Benedetti et al. | Anomaly detection and predictive maintenance for photovoltaic systems | |
| Garcia et al. | SIMAP: Intelligent System for Predictive Maintenance: Application to the health condition monitoring of a windturbine gearbox | |
| US10962576B2 (en) | Estimation of shading losses for photovoltaic systems from measured and modeled inputs | |
| KR101942806B1 (ko) | 현장 고장 진단이 가능한 이동형 태양광 발전설비 고장 진단시스템 | |
| KR102084784B1 (ko) | 머신러닝기반 태양광발전운영 관리방법 | |
| CN102022263B (zh) | 用以调节风轮机中部件警报水平的方法和系统 | |
| KR102230548B1 (ko) | Frbfnn 모델을 이용한 태양광 발전설비의 발전예측 및 효율진단 시스템 | |
| KR101201863B1 (ko) | 단위 모듈 감시가 가능한 태양광 진단 시스템 | |
| Byon et al. | Wind energy facility reliability and maintenance | |
| KR102306208B1 (ko) | 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 | |
| KR102475374B1 (ko) | 휴지시간대를 활용한 스트링 단위의 태양광 발전시스템 능동형 고장예지 진단장치 및 그 방법 | |
| CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
| El-Thalji et al. | On the development of condition based maintenance strategy for offshore wind farm: requirement elicitation process | |
| WO2020202184A1 (en) | A system employing electrical digital twin for solar photovoltaic power plant | |
| CN112825106A (zh) | 基于模型的电池系统监测 | |
| KR20230045379A (ko) | 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법 | |
| KR101947508B1 (ko) | 태양광 발전소의 운전관리 시스템 및 그 방법 | |
| KR20170126623A (ko) | 멀티변수를 기반으로 한 태양광 발전설비의 효율성 진단시스템 | |
| US20210067091A1 (en) | Server | |
| Zhang et al. | Condition based maintenance and operation of wind turbines | |
| Kaitouni et al. | Implementing a Digital Twin-based fault detection and diagnosis approach for optimal operation and maintenance of urban distributed solar photovoltaics | |
| KR20180120363A (ko) | 태양광 발전상태에 관한 빅데이터 수집 및 관리를 통해서 통합 ｅｍｓ 서비스를 제공하는 방법 | |
| De Oliveira-Filho et al. | Condition monitoring of wind turbine main bearing using SCADA data and informed by the principle of energy conservation | |
| JPWO2021117127A1 (ja) | 発電量予測装置 |
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 |