KR102228512B1 - 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 - Google Patents
머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 Download PDFInfo
- Publication number
- KR102228512B1 KR102228512B1 KR1020200146693A KR20200146693A KR102228512B1 KR 102228512 B1 KR102228512 B1 KR 102228512B1 KR 1020200146693 A KR1020200146693 A KR 1020200146693A KR 20200146693 A KR20200146693 A KR 20200146693A KR 102228512 B1 KR102228512 B1 KR 102228512B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- power generation
- photovoltaic
- junction box
- inverter
- Prior art date
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 73
- 230000006870 function Effects 0.000 title claims abstract description 49
- 238000010801 machine learning Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 238000013480 data collection Methods 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000007257 malfunction Effects 0.000 claims description 6
- 239000000779 smoke Substances 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012360 testing method 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
- H02M7/42—Conversion of dc power input into ac power output without possibility of reversal
- H02M7/44—Conversion of dc power input into ac power output without possibility of reversal by static converters
- H02M7/48—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
-
- 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
- H02S40/32—Electrical components comprising DC/AC inverter means associated with the PV module itself, e.g. AC modules
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Inverter Devices (AREA)
Abstract
본 발명은 태양광 발전설비의 접속함에서 화재가 발생하면 관리자에게 신속하게 알림과 동시에 분전함의 차단기를 차단하여 계통망을 보호함과 아울러 일사량에 따른 접속함과 인버터의 발전전력에 대한 머신러닝을 통해 태양광 발전설비의 고장 여부를 진단 감시할 수 있으며, 데이터수집장치를 원격 제어할 수 있어 유지보수가 용이한 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 관한 것으로,
태양광을 이용하여 전기를 생산하는 태양광 모듈(11)과, 직류 형태로 저장된 발전 전력을 교류로 변환시켜 계통망으로 전달하는 인버터(13)와, 태양광 모듈(11)에서 생산된 전력을 취합하여 인버터(13)로 출력하는 접속함(12)과, 설치 지역의 기상 정보를 수집하는 기상수집장치(14)를 포함하는 태양광발전설비(10)와; 접속함(12)과 인버터(13) 및 기상수집장치(14)로부터 데이터를 전송받아 인버터(13)와 계통망 사이에 구비되는 태양광 분전함(40)을 제어하는 데이터수집장치(20)와; 태양광발전설비(10)의 데이터를 데이터수집장치를 통해 수집하여 저장하는 주저장부(31)와, 태양광발전설비(10)의 현재 데이터와 주저장부(31)에 저장된 과거 데이터를 이용한 회귀분석을 통해 태양광발전설비(10)의 고장 감시 기능을 수행하는 태양광설비 고장 감시부(32)와, 접속함의 내부온도와 방열판의 발열온도 및 연기 감시 기능을 통해 접속함의 화재 발생을 감시하는 접속함 화재 감시부(33)와, 태양광발전설비(10)의 데이터 수신 중 통신에러가 발생할 경우 데이터수집장치(20)를 원격제어하는 데이터수집장치 원격제어부(34)를 포함하는 모니터링장치(30);를 구비하는 것을 특징으로 한다.
태양광을 이용하여 전기를 생산하는 태양광 모듈(11)과, 직류 형태로 저장된 발전 전력을 교류로 변환시켜 계통망으로 전달하는 인버터(13)와, 태양광 모듈(11)에서 생산된 전력을 취합하여 인버터(13)로 출력하는 접속함(12)과, 설치 지역의 기상 정보를 수집하는 기상수집장치(14)를 포함하는 태양광발전설비(10)와; 접속함(12)과 인버터(13) 및 기상수집장치(14)로부터 데이터를 전송받아 인버터(13)와 계통망 사이에 구비되는 태양광 분전함(40)을 제어하는 데이터수집장치(20)와; 태양광발전설비(10)의 데이터를 데이터수집장치를 통해 수집하여 저장하는 주저장부(31)와, 태양광발전설비(10)의 현재 데이터와 주저장부(31)에 저장된 과거 데이터를 이용한 회귀분석을 통해 태양광발전설비(10)의 고장 감시 기능을 수행하는 태양광설비 고장 감시부(32)와, 접속함의 내부온도와 방열판의 발열온도 및 연기 감시 기능을 통해 접속함의 화재 발생을 감시하는 접속함 화재 감시부(33)와, 태양광발전설비(10)의 데이터 수신 중 통신에러가 발생할 경우 데이터수집장치(20)를 원격제어하는 데이터수집장치 원격제어부(34)를 포함하는 모니터링장치(30);를 구비하는 것을 특징으로 한다.
Description
본 발명은 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 관한 것으로, 더욱 상세하게는 접속함에서 화재가 발생하면 관리자에게 신속하게 알림과 동시에 분전함의 차단기를 차단하여 계통망을 보호함과 아울러 일사량에 따른 접속함과 인버터의 발전전력에 대한 머신러닝을 통해 태양광 발전설비의 고장 여부를 진단 감시할 수 있으며, 데이터수집장치를 원격 제어할 수 있어 유지보수가 용이한 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 관한 것이다.
최근 화석에너지 사용으로 인한 기후변화, 환경오염 등의 환경문제와 더불어 에너지 고갈 및 에너지 수급 불균형과 같은 에너지 문제가 심각해짐에 따라 신재생 에너지 시스템의 보급이 증가하고 있다. 그 중 태양광발전시스템은 설치의 편의 성과 타 시스템에 비한 비교적 자유로운 설치 환경 조건으로 인해 다양한 신재생 에너지 시스템 중 가장 많은 공급 비중을 차지하고 있다.
태양의 빛 에너지를 전기에너지로 변환하여 공급하는 태양광 발전시스템의 성능은 일사량, 외기온도, 모듈온도, 풍속 등과 같은 기상 및 환경 조건의 변화에 영향을 받는 것으로 보고되고 있다. 그러나 성능에 영향을 미치는 개별요소(즉, 태양광 모듈의 온도)에 대한 예측모델에 관하여, 많은 연구 논문들이 발표되고 있기는 하나, 태양광 모듈의 온도와 기상 및 환경 조건의 변화를 포함한 복합적인 영향요소에 기반한 예측모델은 개발이 미진한 상황이다.
한편, 본 발명과 관련한 선행기술을 조사한 결과 다수의 국내 특허문헌이 검색되었으며, 그 중 일부를 소개하면 다음과 같다.
특허문헌 1은, 각각이 복수의 태양광 셀로 구성된 복수의 태양광 어레이에 대한 내부인자, 외부인자 및 성능데이터를 수집하는 단계; 상기 내부인자 및 외부인자를 독립변수로 설정하고 상기 성능데이터를 종속변수로 설정하여, 상기 독립변수와 상기 종속변수와의 관계를 정의하기 위해 기 설정된 기계학습모델을 통해 기계학습을 수행하는 단계; 실시간으로 수집된 외부인자 및 내부인자가 있는 경우, 상기 기계학습에 기반하여 상기 태양광 어레이에 대한 예측 성능데이터를 산출하는 단계; 및 상기 산출된 예측 성능데이터를 관리자 단말의 사용자 인터페이스를 통해 제공하는 단계;를 포함하고, 상기 내부인자는 상기 태양광 어레이의 내부온도, 전류, 전압 및 전력량 중 적어도 하나에 대한 값을 포함하며, 상기 외부인자는 상기 태양광 어레이의 주변온도, 일사량, 풍속, 강우량, 습도 및 미세먼지농도 중 적어도 하나에 대한 값을 포함하고, 상기 성능데이터는 상기 태양광 셀 또는 태양광 어레이의 정상동작 유무를 나타내는 데이터로서 관측된 데이터인 것으로, 태양광 시스템 운영의 효율성을 향상시킬 수 있도록 한, 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법을 개시하고 있다.
특허문헌 2는, 태양광을 전기로 변환하는 태양광 모듈들; 태양광 모듈들로부터 생산되는 전압, 전류, 전력 데이터를 각각 측정하여 제어 설정된 전류, 전압, 전력 제어 데이터에 미달되면 연결된 태양광모듈을 차단 스위칭하는 노드 제어부들; 태양광 모듈들로부터 측정된 데이터를 전송받아 파싱 처리하여 저장하는 게이트웨이부; 상기 게이트웨이로부터 파싱된 데이터를 전송받아 분류, 대조, 분석을 처리하여 데이터베이스에 저장하고, 노드 제어부들을 제어하기 위한 제어 데이터를 설정하는 제어 명령을 상기 게이트웨이부로 전송하는 실시간 제어 모듈; 및 태양광 발전 구성 장치 및 데이터를 모니터링하며 상기 실시간 제어모듈로부터 전송된 데이터를 머신러닝 기반에 의하여 학습하고 태양광 발전 제어에 필요한 기능 데이터를 추출하여 모델링을 수행하며 모델링 결과에 따른 제어 서비스 데이터를 실시간 제어 모듈로 제공하는 머신 러닝 서버;를 포함하며, 태양광모듈에서 생산되는 전력량을 균일하게 제어하여 최적의 전력 생산량을 유지하도록 하는, 머신러닝 기반 태양광 발전 제어 시스템 및 방법을 개시하고 있다.
특허문헌 3은, 태양광 발전 장치가 설치되는 타겟 지역의 기상 정보를 획득하고, 기상 정보에 기초하여, 일사량이 존재하는 시간대의 데이터를 추출하고, 추출된 데이터로부터 제1 입력 벡터를 생성하고, 트레이닝 기상 정보로부터 일사량을 예측하도록 기 학습된 제1 뉴럴 네트워크로 제1 입력 벡터를 적용하여, 제1 출력 벡터를 생성하고 제1 출력 벡터에 기초하여 예측 일사량을 생성하고, 타겟 지역의 감지 모듈로부터 획득한 측정 일사량에 기초하여, 예측 일사량을 보정하고, 보정된 예측 일사량 및 태양광 발전 장치의 사양 정보에 기초하여 태양광 발전 장치의 상태를 모니터링할 수 있는, 머신러닝을 이용한 태양광 발전 시스템의 이상 감지 방법 및 장치를 개시하고 있다.
본 발명은 상기한 종래 기술의 문제점을 해결하기 위하여 안출된 것으로서, 접속함에서 화재가 발생하면 관리자에게 신속하게 알림과 동시에 분전함의 차단기를 차단하여 계통망을 보호함과 아울러 일사량에 따른 접속함과 인버터의 발전전력에 대한 기계학습을 통해 태양광 발전설비의 고장 여부를 진단 감시할 수 있으며, 데이터수집장치를 원격 제어할 수 있어 유지보수가 용이한 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치를 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명은, 태양광을 이용하여 전기를 생산하는 태양광 모듈과, 직류 형태로 저장된 발전 전력을 교류로 변환시켜 계통망으로 전달하는 인버터와, 하나 이상의 태양광 모듈에서 생산된 전력을 취합하여 인버터로 출력하는 접속함과, 설치 지역의 기상 정보를 수집하는 기상수집장치를 포함하는 태양광발전설비와; 접속함과 인버터 및 기상수집장치로부터 데이터를 전송받아 인버터와 계통망 사이에 구비되는 태양광 분전함을 제어하는 데이터수집장치와; 태양광발전설비의 데이터를 데이터수집장치를 통해 수집하여 저장하는 주저장부와, 태양광발전설비의 현재 데이터와 주저장부에 저장된 과거 데이터를 이용한 회귀분석을 통해 태양광발전설비의 고장 감시 기능을 수행하는 태양광설비 고장 감시부와, 접속함의 내부온도와 방열판의 발열온도 및 연기 감시 기능을 통해 접속함의 화재 발생을 감시하는 접속함 화재 감시부와, 태양광발전설비의 데이터 수신 중 통신에러가 발생할 경우 데이터수집장치를 원격제어하는 데이터수집장치 원격제어부를 포함하는 모니터링장치;를 구비하는 것을 특징으로 한다.
또, 본 발명의 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 따르면, 상기 태양광 설비 고장 감시부는 현재 데이터와 주저장부의 과거 데이터를 이용하여 지도학습의 선형회귀 알고리즘을 이용하여 태양광발전설비의 고장을 진단 및 감시하는 것을 특징으로 한다.
또한, 본 발명의 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 따르면, 상기 태양광 설비 고장 감시부는 주저장부의 과거 누적 데이터를 기반으로 하는 지속적인 지도학습을 통해 회귀식을 산출하되, 학습 데이터는 동일 계절, 시간, 분의 데이터인 것을 특징으로 한다.
또, 본 발명의 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 따르면, 상기 태양광 설비 고장 감시부는 학습 데이터들의 일사량 대비 접속함 발전전력 및 인버터 발전전력에 대한 선형 회귀를 통해 회귀식을 각각 산출하고, 회귀식을 통해 산출된 데이터와 현재 데이터를 비교하여 접속함 또는 인버터의 고장 여부를 진단 및 감시하는 것을 특징으로 한다.
또한, 본 발명의 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 따르면, 상기 태양광 설비 고장 감시부는 회귀식을 통해 산출된 데이터에 대한 T 분포를 통해 95% 이상 범위의 예측구간을 설정하여, 현재 일사량 대비 접속함 발전전력이 예측구간 범위에 없을 경우 접속함 고장카운트를 증가시키고 접속함 고장카운트가 일정 회수 이상이면 접속함의 고장으로 판단하고, 현재 일사량 대비 인버터 발전전력이 예측구간 범위에 없을 경우 인버터 고장카운트를 증가시켜 인버터 고장카운트가 일정 회수 이상이면 인버터의 고장으로 판단하며, 정상일 경우 현재 데이터가 주저장부에 저장되도록 제어하는 것을 특징으로 한다.
본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치는 기상수집장치를 통한 일사량 데이터와 인버터 및 접속함의 발전전력 데이터에 대한 머신러닝을 통해 회귀식을 산출하고 산출된 회귀식에 따라 현재 일사량 대비 인버터 및 접속함의 발전전력을 계산하고 실제 발전전력과 계산된 발전전력 데이터를 비교하여 인버터 및 접속함의 고장 여부를 감시 및 진단할 수 있게 되는 효과가 있다.
또, 본 발명에 따르면, 접속함의 내부온도와 방열판의 발열온도 데이터 및 연기감지기의 신호를 감시함으로써 화재 발생을 조기에 감지하여 즉각적인 대응이 가능하게 되는 효과가 있다.
또, 본 발명에 따르면, 화재발생시 모니터링장치에서 태양광 분전함의 차단기를 이용하여 계통망으로의 전력공급을 차단함으로써 2차 화재를 예방할 수 있게 되는 효과가 있다.
또, 본 발명에 따르면, 태양광발전설비의 데이터를 수신하는 도중에 통신에러가 발생할 경우 데이터수집장치를 원격으로 제어할 수 있고, 데이터수집장치의 예상치 못한 에러가 발생할 경우 모니터링 시스템에서 데이터수집장치를 원격제어할 수 있으므로, 유지 보수가 용이해지는 효과가 있다.
도 1은 본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치를 개략적으로 나타낸 블록도.
도 2는 본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에서 태양광설비 고장 감시부의 고장 진단 과정을 나타낸 순서도.
도 3은 본 발명에 따른 태양광설비 고장 감시부의 인버터 발전전력 학습 데이터 일부를 나타낸 참고도.
도 4는 본 발명에 따른 태양광설비 고장 감시부의 접속함 발전전력 학습 데이터 일부를 나타낸 참고도.
도 5는 본 발명에 따른 태양광설비 고장 감시부의 일사량 학습 데이터 일부를 나타낸 참고도.
도 6은 본 발명에 따른 태양광설비 고장 감시부에서 회귀분석 알고리즘을 이용한 발전전력의 예측값 산출과 예측범위, 분포 차트 및 검정 형태가 표시된 디스플레이 화면을 나타낸 참고도.
도 2는 본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에서 태양광설비 고장 감시부의 고장 진단 과정을 나타낸 순서도.
도 3은 본 발명에 따른 태양광설비 고장 감시부의 인버터 발전전력 학습 데이터 일부를 나타낸 참고도.
도 4는 본 발명에 따른 태양광설비 고장 감시부의 접속함 발전전력 학습 데이터 일부를 나타낸 참고도.
도 5는 본 발명에 따른 태양광설비 고장 감시부의 일사량 학습 데이터 일부를 나타낸 참고도.
도 6은 본 발명에 따른 태양광설비 고장 감시부에서 회귀분석 알고리즘을 이용한 발전전력의 예측값 산출과 예측범위, 분포 차트 및 검정 형태가 표시된 디스플레이 화면을 나타낸 참고도.
이하, 첨부된 도면을 참조하여 본 발명의 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에 대하여 설명하면 다음과 같다.
본 발명에서 사용되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 정의는 본 발명의 기술적 사항에 부합되는 의미와 개념으로 해석되어야 할 것이다.
아울러, 본 발명의 실시예는 본 발명의 권리범위를 한정하는 것이 아니라 본 발명의 청구범위에 제시된 구성요소의 예시적인 사항에 불과하며, 본 발명의 명세서 전반에 걸친 기술사상에 포함되고 청구범위의 구성요소에서 균등물로서 치환 가능한 구성요소를 포함하는 실시예이다.
그리고, 아래 실시예에서의 선택적인 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로서, 구성요소가 상기 용어들에 의해 제한되는 것은 아니다.
이에, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있는 관련된 공지기술에 대한 상세한 설명은 생략한다.
본 발명의 바람직한 실시예를 설명하기 위한, 도 1은 본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치를 개략적으로 나타낸 블록도이고, 도 2는 본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치에서 태양광설비 고장 감시부의 고장 진단 과정을 나타낸 순서도이며, 도 3은 본 발명에 따른 태양광설비 고장 감시부의 인버터 발전전력 학습 데이터 일부를 나타낸 참고도이고, 도 4는 본 발명에 따른 태양광설비 고장 감시부의 접속함 발전전력 학습 데이터 일부를 나타낸 참고도이며, 도 5는 본 발명에 따른 태양광설비 고장 감시부의 일사량 학습 데이터 일부를 나타낸 참고도이고, 도 6은 본 발명에 따른 태양광설비 고장 감시부에서 회귀분석 알고리즘을 이용한 발전전력의 예측값 산출과 예측범위, 분포 차트 및 검정 형태가 표시된 디스플레이 화면을 나타낸 참고도이다.
본 발명에 따른 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치는 도 1에 도시된 바와 같이, 태양광을 이용하여 전기를 생산하는 태양광 모듈(11)과, 직류 형태로 저장된 발전 전력을 교류로 변환시켜 계통망으로 전달하는 인버터(13)와, 하나 이상의 태양광 모듈(11)에서 생산된 전력을 취합하여 인버터(13)로 출력하는 접속함(12)과, 설치 지역의 일사량 등과 같은 기상 정보를 수집하는 기상수집장치(14)를 포함하는 태양광발전설비(10)와; 접속함(12)과 인버터(13) 및 기상수집장치(14)로부터 데이터를 전송받아 인버터(13)와 계통망 사이에 구비되는 태양광 분전함(40)을 제어하는 데이터수집장치(20)와; 태양광발전설비(10)의 데이터를 데이터수집장치를 통해 수집하여 저장하는 주저장부(31)와, 태양광발전설비(10)의 현재 데이터와 주저장부(31)에 저장된 과거 데이터를 이용한 회귀분석을 통해 태양광발전설비(10)의 고장 감시 기능을 수행하는 태양광설비 고장 감시부(32)와, 접속함의 내부온도와 방열판의 발열온도 및 연기 감시 기능을 통해 접속함의 화재 발생을 감시하는 접속함 화재 감시부(33)와, 태양광발전설비(10)의 데이터 수신 중 통신에러가 발생할 경우 데이터수집장치(20)를 원격제어하는 데이터수집장치 원격제어부(34)를 포함하는 모니터링장치(30);를 포함하여 이루어진다.
여기서, 상기 태양광 설비 고장 감시부(32)는 현재 데이터와 주저장부(31)의 과거 데이터를 이용하여 지도학습의 선형회귀 알고리즘을 이용하여 태양광발전설비의 고장을 진단 및 감시하게 된다.
지도학습(Supervised Learning)이란 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 미선러닝(Machine Learning)의 한 방법이다. 훈련 데이터는 일반적으로 입력객체에 대한 속성을 벡터 형태로 포함하고 있으며, 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. 따라서, 지도학습을 통해 함수를 유추하게 되면, 유추된 함수를 이용하여 연속적인 값을 출력할 수 있게 되는데, 이를 회귀분석(Regression)이 한다.
선형회귀(Linear regression)란 가장 기본적이고 널리 사용되고 있는 머신러닝 알고리즘 중 하나로서, 독립변수 X를 사용하여 종속변수 Y의 움직임을 예측하게 되며, 간단하게 일차함수의 나타낼 수 있다. 그리고, 본 발명에서는 발전전력을 산출하기 위한 변수로 일사량과 함께 시간대(계절, 시, 분)를 활용하게 되므로, 선형회귀 알고리즘을 이용한다.
그리고, 상기 태양광 설비 고장 감시부(32)는 주저장부(31)의 과거 누적 데이터를 기반으로 하는 지속적인 지도학습을 통해 회귀식을 산출하되, 학습 데이터는 동일 계절, 시, 분의 데이터를 활용한다. 이때, 상기 태양광 설비 고장 감시부(32)에서 학습하는 데이터는 도 3의 인버터 발전전력과, 도 4의 접속함 발전전력 및 도 5의 일사량인 것이 바람직하다. 물론, 회귀식이 최종 산출되기 전에 가설 검정을 통해 회귀식이 유효한지를 검증하는 것은 당연하다.
예를 들어, 선형회귀 알고리즘에 따른 회귀식은 다음의 수학식 1과 같이 나타낼 수 있으며, 수학식 1의 기울기는 다음의 수학식 2로 나타나는 최소제곱법을 이용하여 산출할 수 있다.
여기서,
그리고, 상기한 선형회귀 알고리즘을 이용한 태양광 설비 고장 감시부(32)에서 산출된 다음의 수학식 3에 대하여 설명하면 다음과 같다.
상기한 수학식 3에서 
는 과거 데이터 중 동일시간대(계절, 시, 분)의 발전전력 평균값이고, 
는 과거 데이터 중 동일시간대의 일사량 평균값을 의미한다. 그리고, b1은 상기한 수학식 2를 통해 구할 수 있으며, 절편값인 b0는 수학식 3을 통해 구할 수 있다.
또한, 상기 태양광 설비 고장 감시부(32)는 학습 데이터들의 일사량 대비 접속함 발전전력 및 인버터 발전전력에 대한 선형 회귀를 통해 회귀식을 각각 산출하고, 회귀식을 통해 산출된 예측 발전전력 데이터와 현재의 실제 발전전력 데이터를 비교하여 접속함 또는 인버터의 고장 여부를 진단 및 감시하게 된다.
이때, 상기 태양광 설비 고장 감시부(32)는 회귀식을 통해 산출된 발전전력 데이터에 대한 T 분포를 통해 95% 이상 범위의 예측구간을 설정하여, 현재 일사량 대비 접속함의 실제 발전전력이 예측구간 범위에 없을 경우 접속함 고장카운트를 증가시키고 접속함 고장카운트가 일정 회수, 예를 들어 3회 이상이면 접속함의 고장으로 판단하고, 현재 일사량 대비 인버터의 실제 발전전력이 예측구간 범위에 없을 경우에는 인버터 고장카운트를 증가시키고 인버터 고장카운트가 일정 회수, 예를 들어 3회 이상이면 인버터의 고장으로 판단하며, 정상일 경우 현재 데이터가 주저장부에 저장되도록 제어하게 된다.
다시 말해서, 상기 태양광 설비 고장 감시부(32)는 주저장부(31)에 저장된 과거 동일시간대 일사량에 따른 인버터 발전전력 및 접속함 발전전력의 데이터를 이용하여 각각에 대한 회귀식을 산출한 후, 산출된 예측 데이터와 현재의 인버터 실제 발전전력 및 접속함 실제 발전전력과 대비하여 인버터 및 접속함의 고장 여부를 판단하게 되는 것이다. 이때, 산출된 데이터의 오차와 변동성 등을 고려하여, T 분포를 통해 95% 범위의 예측구간을 설정하고, 예측구간 범위와 현재의 데이터를 비교함으로써 고장 판단의 신뢰성이 향상되도록 한다.
상기 모니터링장치(30)는 태양광발전설비(10)로부터 멀리 떨어진 곳에서 태양광발전설비(10)와 데이터수집장치(20)를 모니터링하고 원격제어하기 위한 것으로, 상기한 주저장부(31) 및 태양광 설비 고장감시부(32) 외에 접속함(12)의 내부온도와 방열판의 발열온도 및 연기 감시 기능을 통해 접속함(12)의 화재 발생을 감시하는 접속함 화재 감시부(33)와, 태양광발전설비(10)의 데이터 수신 중 통신에러가 발생할 경우 데이터수집장치(20)를 원격제어하는 데이터수집장치 원격제어부(34)를 더 포함하고 있다.
이에 따라, 접속함 내부의 과열 현상을 조기에 감지할 수 있게 됨은 물론 발화에 의해 발생되는 연기를 조기에 검출하여 모니터 팝업 등을 통해 관리자에게 위험 발생을 신속하게 경고할 수 있게 된다. 따라서, 빠른 조치를 통해 화재 피해를 최소화할 수 있게 되고, 화재 검출시 자동으로 태양광 분전함(40)의 차단기를 이용하여 전력공급을 차단함으로써 계통망의 화재와 같은 2차화재의 발생을 방지할 수 있게 된다.
또, 상기 모니터링장치(30)에서 태양광발전설비(10)의 데이터를 수신하는 도중에 통신에러가 발생할 경우 데이터수집장치 원격제어부(34)에서 데이터수집장치(20)를 원격으로 제어하게 된다. 그리고, 데이터수집장치(20)에서 예상치 못한 에러가 발생할 경우 모니터링장치(30)의 데이터수집장치 원격제어부(34)에서 데이터수집장치(20)를 원격제어한다. 따라서, 통신에러 또는 데이터수집장치(20)의 에러가 발생할 경우에 신속하게 대처할 수 있게 되고, 유지보수가 용이해진다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 몇 가지 실시 예들과 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 발명의 설명 및 청구범위에 기재된 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 통상의 기술자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
10...태양광발전설비
11...태양광 모듈
12...인버터
13...접속함
14...기상수집장치
20...데이터수집장치
30...모니터링장치
31...주저장부
32...태양광설비 고장 감시부
33...접속함 화재 감시부
34...데이터수집장치 원격제어부
40...태양광 분전함
11...태양광 모듈
12...인버터
13...접속함
14...기상수집장치
20...데이터수집장치
30...모니터링장치
31...주저장부
32...태양광설비 고장 감시부
33...접속함 화재 감시부
34...데이터수집장치 원격제어부
40...태양광 분전함
Claims (5)
- 태양광을 이용하여 전기를 생산하는 태양광 모듈(11)과, 직류 형태로 저장된 발전 전력을 교류로 변환시켜 계통망으로 전달하는 인버터(13)와, 하나 이상의 태양광 모듈(11)에서 생산된 전력을 취합하여 인버터(13)로 출력하는 접속함(12)과, 설치 지역의 기상 정보를 수집하는 기상수집장치(14)를 포함하는 태양광발전설비(10)와;
접속함(12)과 인버터(13) 및 기상수집장치(14)로부터 데이터를 전송받아 인버터(13)와 계통망 사이에 구비되는 태양광 분전함(40)을 제어하는 데이터수집장치(20)와;
태양광발전설비(10)의 데이터를 데이터수집장치(20)를 통해 수집하여 저장하는 주저장부(31)와, 태양광발전설비(10)의 현재 데이터와 주저장부(31)에 저장된 과거 데이터를 이용한 회귀분석을 통해 태양광발전설비(10)의 고장 감시 기능을 수행하는 태양광설비 고장 감시부(32)와, 접속함(12)의 내부온도와 방열판의 발열온도 및 연기 감시 기능을 통해 접속함(12)의 화재 발생을 감시하는 접속함 화재 감시부(33)와, 태양광발전설비(10)의 데이터 수신 중 통신에러가 발생할 경우 데이터수집장치(20)를 원격제어하는 데이터수집장치 원격제어부(34)를 포함하는 모니터링장치(30);를 구비하고,
상기 태양광 설비 고장 감시부(32)는 현재 데이터와 주저장부(31)의 과거 데이터를 이용하여 지도학습의 선형회귀 알고리즘을 이용하여 태양광발전설비의 고장을 진단 및 감시하되, 동일 계절, 시, 분의 데이터로 이루어진 학습 데이터에 대한 주저장부(31)의 과거 누적 데이터를 기반으로 하는 지속적인 지도학습을 통해 회귀식을 산출하고,
학습 데이터들의 일사량 대비 접속함 발전전력 및 인버터 발전전력에 대한 선형 회귀를 통해 다음의 회귀식을 각각 산출하되, 회귀식을 통해 산출된 발전전력 데이터와 현재 발전전력 데이터를 비교하여 접속함 또는 인버터의 고장 여부를 진단 및 감시하는 것을 특징으로 하는 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치;
여기서,는 산출된 예측 발전전력을 의미하고, x는 현재의 일사량이며,
는 과거 데이터 중 동일시간대(계절, 시, 분)의 발전전력 평균값이고,
는 과거 데이터 중 동일시간대의 일사량 평균값을 의미한다.
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 태양광 설비 고장 감시부(32)는 회귀식을 통해 산출된 발전전력 데이터에 대한 T 분포를 통해 95% 이상 범위의 예측구간을 설정하여,
현재 일사량 대비 접속함의 실제 발전전력이 예측구간 범위에 없을 경우 접속함 고장카운트를 증가시키고 접속함 고장카운트가 일정 회수 이상이면 접속함의 고장으로 판단하고,
현재 일사량 대비 인버터의 실제 발전전력이 예측구간 범위에 없을 경우 인버터 고장카운트를 증가시키고 인버터 고장카운트가 일정 회수 이상이면 인버터의 고장으로 판단하며,
정상일 경우 현재 데이터가 주저장부에 저장되도록 제어하는 것을 특징으로 하는 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200146693A KR102228512B1 (ko) | 2020-11-05 | 2020-11-05 | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200146693A KR102228512B1 (ko) | 2020-11-05 | 2020-11-05 | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102228512B1 true KR102228512B1 (ko) | 2021-03-16 |
Family
ID=75224040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200146693A KR102228512B1 (ko) | 2020-11-05 | 2020-11-05 | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102228512B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113675944A (zh) * | 2021-06-25 | 2021-11-19 | 国家能源集团新能源技术研究院有限公司 | 一种光伏电站智能分析决策系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180123951A (ko) * | 2017-05-10 | 2018-11-20 | 주식회사 알스피릿 | 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법 |
| KR101958941B1 (ko) | 2018-11-27 | 2019-03-18 | 주식회사 나눔에너지 | 머신러닝 기반 태양광 발전 제어 시스템 및 방법 |
| KR20190038091A (ko) * | 2017-09-29 | 2019-04-08 | 한국전기연구원 | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 |
| KR102014339B1 (ko) | 2019-02-26 | 2019-08-26 | 포스컨트롤 주식회사 | 머신러닝을 이용한 태양광 발전 시스템의 이상 감지 방법 및 장치 |
| KR102054613B1 (ko) * | 2019-03-25 | 2019-12-20 | (주)제이엠쏠라코리아 | 태양광 접속반의 화재 모니터링 시스템 및 방법 |
| KR20200114130A (ko) * | 2019-03-27 | 2020-10-07 | 한국전기연구원 | 태양광 발전 고장 진단 방법 및 시스템 |
-
2020
- 2020-11-05 KR KR1020200146693A patent/KR102228512B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180123951A (ko) * | 2017-05-10 | 2018-11-20 | 주식회사 알스피릿 | 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법 |
| KR101971875B1 (ko) | 2017-05-10 | 2019-04-24 | 주식회사 알스피릿 | 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법 |
| KR20190038091A (ko) * | 2017-09-29 | 2019-04-08 | 한국전기연구원 | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 |
| KR101958941B1 (ko) | 2018-11-27 | 2019-03-18 | 주식회사 나눔에너지 | 머신러닝 기반 태양광 발전 제어 시스템 및 방법 |
| KR102014339B1 (ko) | 2019-02-26 | 2019-08-26 | 포스컨트롤 주식회사 | 머신러닝을 이용한 태양광 발전 시스템의 이상 감지 방법 및 장치 |
| KR102054613B1 (ko) * | 2019-03-25 | 2019-12-20 | (주)제이엠쏠라코리아 | 태양광 접속반의 화재 모니터링 시스템 및 방법 |
| KR20200114130A (ko) * | 2019-03-27 | 2020-10-07 | 한국전기연구원 | 태양광 발전 고장 진단 방법 및 시스템 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113675944A (zh) * | 2021-06-25 | 2021-11-19 | 国家能源集团新能源技术研究院有限公司 | 一种光伏电站智能分析决策系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102084784B1 (ko) | 머신러닝기반 태양광발전운영 관리방법 | |
| KR101238620B1 (ko) | 태양광발전 시스템의 고장 인식 장치 및 이의 진단 방법 | |
| KR102084783B1 (ko) | 머신러닝기반 태양광발전운영 관리시스템 | |
| KR101793708B1 (ko) | 태양광 모니터링 기반 이상상황 알고리즘별 측정 장치 | |
| KR101485051B1 (ko) | 태양광 발전 시스템의 발전진단 장치 | |
| KR101026353B1 (ko) | 디씨 전력선 통신을 이용한 태양전지모듈 제어 및 모니터링시스템 | |
| KR101201863B1 (ko) | 단위 모듈 감시가 가능한 태양광 진단 시스템 | |
| KR102257375B1 (ko) | 지능형 안전관리가 가능한 태양광 접속반 | |
| KR101958941B1 (ko) | 머신러닝 기반 태양광 발전 제어 시스템 및 방법 | |
| KR102268033B1 (ko) | 안전기능이 강화된 pv-ess 통합솔루션시스템 | |
| KR20180072244A (ko) | 태양광 발전시스템의 고장진단 제어시스템 및 그 고장진단 제어방법 | |
| JP2018037078A (ja) | 障害検出機能付き発電モニタリングシステム | |
| KR102475374B1 (ko) | 휴지시간대를 활용한 스트링 단위의 태양광 발전시스템 능동형 고장예지 진단장치 및 그 방법 | |
| KR102554498B1 (ko) | 원격 제어 기능을 위한 지능형 예측 제어 접속반이 구비된 태양광 발전 자동감시 시스템 | |
| CN117318111B (zh) | 一种基于天气预测的光储能源动态调节方法及系统 | |
| KR20230045379A (ko) | 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법 | |
| KR102228512B1 (ko) | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 | |
| KR101947508B1 (ko) | 태양광 발전소의 운전관리 시스템 및 그 방법 | |
| CN117474250A (zh) | 一种新能源多功能集成智能应用系统 | |
| KR101717956B1 (ko) | Iot 기반의 역 전송 전력조절 및 누수 감지가 가능한 태양광 발전 시스템 | |
| KR102266752B1 (ko) | 자기 반추 및 머신러닝을 이용한 태양광 발전 접속반 및 태양광 발전 접속반의 예측진단 방법 | |
| CN117424556A (zh) | 一种基于场站损失分析的光伏发电调度系统 | |
| KR20180106112A (ko) | 태양광 모듈의 고장 검출 시스템 | |
| KR102337580B1 (ko) | 태양광 발전 시스템 | |
| KR20150063228A (ko) | 태양광 발전기 출력 저하 판단 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |