KR102306208B1 - 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 - Google Patents

안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 Download PDF

Info

Publication number
KR102306208B1
KR102306208B1 KR1020210071993A KR20210071993A KR102306208B1 KR 102306208 B1 KR102306208 B1 KR 102306208B1 KR 1020210071993 A KR1020210071993 A KR 1020210071993A KR 20210071993 A KR20210071993 A KR 20210071993A KR 102306208 B1 KR102306208 B1 KR 102306208B1
Authority
KR
South Korea
Prior art keywords
information
tension
prediction
safety diagnosis
power generation
Prior art date
Application number
KR1020210071993A
Other languages
English (en)
Inventor
박길호
변형준
Original Assignee
박길호
주식회사 이엑스쏠라
(주)서울전업공사
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 박길호, 주식회사 이엑스쏠라, (주)서울전업공사 filed Critical 박길호
Priority to KR1020210071993A priority Critical patent/KR102306208B1/ko
Application granted granted Critical
Publication of KR102306208B1 publication Critical patent/KR102306208B1/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
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/026—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring distance between sensor and object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명의 일 실시예에 따른 안전 진단 기술이 적용된 태양광 발전 시스템은, 태양광 스트링의 전압, 전류, 일사량, 온도, 습도, 대기 정보, 구조물에 설치된 와이어 보강재에 대한 장력정보 및 구조물 기둥의 변위 상태를 체크하기 위한 구조물 거리정보를 포함한 센싱정보를 수집하기 위한 복수의 센서; 상기 복수의 센서로부터 센싱정보를 제공받아 관리서버에 제공하며, 태양광 발전 구조물의 상태를 파악하기 위해 수집된 장력정보 및 구조물 거리정보를 이용하여 수행된 구조물 안전 진단에 대한 구조물 안전 진단 결과를 제공받는 접속반; 태양광 발전 상태를 파악하기 위해 상기 센서로부터 수집된 정보를 토대로 기간별 발전량, 누적 발전량, 장소별 발전량을 산출하여 모니터링 화면을 통하여 확인하며, 상기 접속반을 통하여 수집된 장력정보 및 구조물 거리정보를 이용하여 태양광 발전 구조물의 안전 진단을 수행하는 관리서버를 포함한다.

Description

안전 진단 기술이 적용된 태양광 발전 시스템 및 방법{Solar power generation system and method to which safety diagnosis technology is applied}
본 발명은 태양광 발전 시스템 및 방법에 관한 것으로, 더욱 상세하게는 장력 센서 및 레이저 기반의 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법에 관한 것이다.
혹독한 외부환경에 노출되어 있는 태양전지 및 태양광발전 설비의 사고 위험성이 항상 존재한다. 또한, 태양광발전소 특성상, 발전소 건설을 위해 넓은 부지 확보가 필요하지만 상대적으로 면적이 작은 대한민국에서 태양광 부지 확보가 굉장히 어렵다.
이러한 이유로 태양광 발전소는 주로 매립지나 산지에 건설되는 경우가 많으며, 매립지나 산지의 경우 지반상태(연약지반)가 불안정하여 장기적인 침하로 인해 태양전지 및 태양광 발전소의 구조물과 설비 사고로 이어지는 경우가 많다.
또한 자연재해 및 장마, 폭설, 강풍 등의 환경적인 요인으로 인해 사고가 번번이 발생하며, 특히, 바람, 지반침하 등 외부환경 및 힘에 의해 구조물이 변형될 수 있으며, 작게는 전체 시스템의 출력저하로 인한 발전효율 손실과 구조물 변형으로 인한 기울어짐, 전복, 파괴 등 금전적인 손해가 발생하게 된다.
이러한 태양광 발전 시설의 사고는 누설전류로 인한 감전사고, 합선/누전으로 인한 화재사고로 이어질 수 있으며, 막대한 인명/재산 피해를 야기할 수 있다.
더욱이 최근 지진발생 빈도가 급격히 늘어남에 따라, 더 이상 대한민국은 지진 안전지대가 아님을 알 수 있으며, 지진이 발생하면 설비전복 및 파괴, 지반침하, 액상화 현상 등 다양한 위험상황이 발생하는데, 특히 연약지반 지반인 매립지나 산지의 경우에는 지진으로 인한 지반침하, 액상화 현상, 융기 현상이 일어날 가능성이 크며, 자칫 대형사고로 이어질 가능성이 있는 문제점이 있었다.
따라서, 전술한 문제를 해결하기 위하여 센서 및 신경망 알고리즘에 기반하여 태양광 발전 시설 구조물의 수명을 예측하고, 안전 진단을 체계적으로 수행할 수 있는 장력 센서 및 레이저 기반의 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법에 대한 연구가 필요한 실정이다.
특히, 도 9와 같이 태양광 발전 구조물의 안정적인 지지 및 보강을 위해 설치되는 와이어 보강재(W)의 장력 및 압력 상태를 주기적으로 체크한다면 구조물의 상태를 파악할 수 있고, 나아가 구조물의 수명을 예측하고, 안전 진단을 체계적으로 수행할 수 있으므로, 이러한 장력 센서 및 레이저 기반의 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법에 대한 연구가 필요한 실정이다.
대한민국 등록특허 제10-0908442호(2009년07월13일 등록)
본 발명의 목적은 센서 및 신경망 알고리즘에 기반하여 태양광 발전 시설 구조물의 수명을 예측하고, 안전 진단을 체계적으로 수행할 수 있도록, 구조물의 와이어 보강재의 장력을 측정하는 장력센서 및 구조물 기둥의 상태를 체크하기 위한 레이저 센서를 이용하여 장력정보 및 기둥거리정보를 획득하고 수집된 정보를 바탕으로 신경망 알고리즘을 이용하여 구조물 안전 진단을 수행하며, 안전 진단 결과에 따라 구조물의 안전 상태 및 수명을 예측하여 예측 결과를 제공할 수 있는 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 안전 진단 기술이 적용된 태양광 발전 시스템은, 태양광 발전 상태 및 발전 구조물 상태를 파악하기 위한 태양광 스트링의 전압, 전류, 일사량, 온도, 습도, 대기 정보, 구조물에 설치된 와이어 보강재에 대한 장력정보 및 구조물 기둥의 변위 상태를 체크하기 위한 구조물 거리정보를 포함한 센싱정보를 수집하기 위한 복수의 센서; 상기 복수의 센서로부터 센싱정보를 제공받아 관리서버에 제공하며, 태양광 발전 구조물의 상태를 파악하기 위해 수집된 장력정보 및 구조물 거리정보를 이용하여 수행된 구조물 안전 진단에 대한 구조물 안전 진단 결과를 제공받는 접속반; 태양광 발전 상태를 파악하기 위해 상기 센서로부터 수집된 전압, 전류를 기초로 기간별, 발전량, 누적 발전량, 발전소 장소별 발전량, 소비 전력을 산출하여 모니터링 화면을 통하여 확인하며, 상기 접속반을 통하여 수집된 장력정보 및 구조물 거리정보를 이용하여 태양광 발전 구조물의 안전 진단을 수행하는 관리서버를 포함한다.
상기에 있어서, 상기 복수의 센서는 태양광 발전 구조물에 설치되는 와이어 보강재의 장력정보를 측정하는 장력센서와, 수광부 및 발광부로 구성되며, 발광부의 레이저로부터 수신한 수광부의 거리정보를 통하여 구조물의 기둥 위치 변화를 체크할 수 있는 레이저 센서를 포함하는 것을 특징으로 한다.
상기에 있어서, 상기 관리서버의 구조물 안전 진단은 미리 설정된 진단 기준을 토대로 이루어지며, 안전 진단 결과로서 구조물 와이어 보강재의 장력이 진단 기준 범위에서 벗어나면, 해당 진단 기준 범위를 벗어난 장력을 보정하도록 상기 접속반을 통하여 제어기에 재전송되어 구조물이 안정적으로 지지되는 장력을 갖도록 제어하는 것을 특징으로 한다.
상기에 있어서, 상기 관리서버는 상기 센싱정보를 전송받는 수집부; 상기 센싱정보를 입력변수로 한 신경망 알고리즘을 이용한 예측 모델을 기반으로 센서의 오차나 오작동 등에 대한 예측 모델을 생성할 수 있으며, 예측 모델의 예측 결과를 이용하여 센서의 허용 오차 범위를 판단하고, 허용 오차 범위 내에서 센서의 정상 작동 유무를 판단하는 예측부; 신경망 알고리즘을 이용한 진단 모델을 기반으로 상기 수집부로부터 수집된 장력정보 및 구조물 거리정보를 입력변수로 하여, 구조물 안전 상태를 예측하여 진단하는 안전진단부; 상기 수집부로부터 수집되는 센싱정보, 장력정보, 구조물 거리정보, 예측부의 예측결과, 구조물 안전 진단 결과에 대한 데이터를 수집하고, 수집된 데이터를 활용하여 센싱이력, 예측/진단 결과 리스트, 이벤트, 관리 내역에 대한 통계자료를 생성하는 통계학습부를 포함한다.
상기에 있어서, 상기 관리서버는 예측 모델의 예측 결과를 토대로 예측 검증을 위해 미리 생성한 평가 모델을 활용하여 예측 결과의 예측정확도를 산출하고, 예측정확도에 따른 예측 오차에 대해 민감하도록 학습을 수행하여 예측 모델의 가중치나 변수를 조정할 수 있도록 함으로써, 예측 모델의 업그레이드를 수행하는 평가진화부를 더 포함한다.
본 발명의 일 실시예에 따른 안전 진단 기술이 적용된 태양광 발전 방법은, 복수의 센서로부터 센싱정보를 수집하는 접속반과 통신망으로 연결되어 센싱정보를 전송받아 태양광 발전 상태를 모니터링하는 관리서버를 이용한 안전 진단 기술이 적용된 태양광 발전 방법에 있어서, 상기 접속반은 전압, 전류, 일사량, 온도, 습도, 대기정보, 풍속정보, 풍향정보, 태양광 발전 구조물에 설치된 와이어 보강재의 장력에 대한 장력정보, 구조물 기둥의 변위를 측정한 구조물 거리정보를 포함한 상기 센싱정보를 수집하는 단계; 상기 접속반은 수집된 센싱정보, 장력정보 및 구조물 거리정보를 상기 관리서버로 전송하는 단계: 상기 관리서버는 센싱정보, 장력정보, 구조물 거리정보를 입력변수로 한 신경망 알고리즘 학습을 위한 진단 모델을 기반으로 하여, 구조물 안전 상태를 예측하여 안전 진단 결과를 산출하는 단계;를 포함한다.
상기 안전 진단 기술이 적용된 태양광 발전 방법에 있어서, 상기 관리서버는 수집된 센싱정보들 각각의 해당 센싱값들이 기준이 되는 허용오차 범위 내에서 작동하는지 비교함으로써, 센싱 오차가 허용오차 범위 내에 있는지 판단하고, 센서가 정상 작동하는지 유무를 판단하는 단계;를 더 포함한다.
상기 안전 진단 기술이 적용된 태양광 발전 방법에 있어서, 상기 관리서버는 구조물 안전 진단 결과를 미리 설정된 진단 기준을 토대로 산출하고, 안전 진단 결과를 이용하여 구조물의 장력이 진단 기준 범위에서 벗어나면, 해당 진단 기준 범위를 벗어난 장력을 보정하도록 제어하는 단계;를 더 포함한다.
상기 안전 진단 기술이 적용된 태양광 발전 방법에 있어서, 상기 관리서버는 구조물 진단 결과를 이용하여 진단 모델을 평가하는 평가 모델을 이용하여 평가정보를 생성하고, 평가정보를 이용하여 진단 모델을 업그레이드하는 단계;를 더 포함한다.
상기 안전 진단 기술이 적용된 태양광 발전 방법에 있어서, 상기 관리서버는 상기 평가정보를 토대로 평가 모델을 활용하여 진단 결과의 예측정확도를 산출하고, 예측정확도에 따른 예측 오차에 대해 민감하도록 학습을 수행하여 진단 모델의 가중치나 변수를 조정할 수 있도록 업그레이드하는 것을 특징으로 한다.
본 발명의 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법은 장력정보 및 구조물 거리정보를 획득하고 수집된 정보를 바탕으로 신경망 알고리즘을 이용하여 구조물 안전 진단을 수행하며, 안전 진단 결과에 따라 구조물의 안전 상태 및 수명을 예측하고 예측 결과에 따라 지속적으로 모니터링하고 관리할 수 있는 장점이 있다.
태양광 발전량, 온도 습도 등의 각종 센싱정보를 포함한 통합적인 통계자료를 관리자에게 제공하고, 특히 구조물의 안전 상태를 예측하여 구조물의 수명을 파악하도록 관리자에게 자료를 제공하고, 구조물의 안전 상태가 기설정된 위험 기준을 초과하게 되면 관리자 경보알림을 제공하여 실시간 모니터링이 가능한 장점이 있다.
또한, 날씨나, 계절에 따른 장력 변화나 기둥 위치 변화를 체크하여 계절 및 날씨에 따른 구조물 안전 진단을 달리 적용할 수 있어 날씨와 계절 변동에 최적화된 신경망 학습을 수행함으로써, 보다 정확한 구조물 안전 진단이 가능하고, 장력센서나 레이저센서의 오류나 고장에 대해 민감하도록 고장 카운터를 활용하여 센싱 오류나 고장에 대해서도 관리할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 안전 진단 기술이 적용된 태양광 발전 시스템의 구성을 보인 블록도이다.
도 2는 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템의 내부 구성을 세부적으로 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 안전 진단 기술이 적용된 태양광 발전 방법의 순서도이다.
도 4는 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템 구성 예시를 보인 도면이다.
도 5는 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템의 센싱정보 수집 예시를 보인 도면이다.
도 6은 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템의 관리 모니터링 화면 중 발전 상태 예시를 보인 도면이다.
도 7은 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템의 관리 모니터링 설정 화면 예시를 보인 도면이다.
도 8은 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템의 관리 모니터링 화면 중 환경 및 구조물 상태 표시 예시를 보인 도면이다.
도 9는 종래의 와이어 보강재가 설치된 태양광 발전 구조물의 예시를 보인 도면이다.
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 안전 진단 기술이 적용된 태양광 발전 시스템의 구성을 보인 블록도이며, 도 2는 도 1의 안전 진단 기술이 적용된 태양광 발전 시스템의 내부 구성을 세부적으로 보인 블록도이다.
본 발명의 안전 진단 기술이 적용된 태양광 발전 시스템은 태양광 패널을 구성하는 태양광 스트링(200)에 연결되어 각종 센싱정보를 수집하기 위한 복수의 센서(100), 태양광 스트링(200)의 전압, 전류를 측정하여 감시하고 상태를 확인하는 접속반(300), 태양광 스트링(200)에서 생산된 직류 전압을 전력계통(340)에 전달할 교류 전압으로 변환하기 위한 인버터(330), 유무선통신망(400)을 통하여 접속반(300)과 연결되는 관리서버(500) 및 관리단말(600)을 포함한다.
복수의 센서(100)는 태양광 발전에 영향을 끼치는 각종 상태를 체크하기 위해 센싱정보를 수집하기 위한 것으로, 구체적 예를 들어 전압/전류센서, 일사량센서, 온도센서, 습도센서, 대기센서(산소, CO2 등을 측정하는 센서 포함), 풍속/풍향계 등을 포함한다. 따라서 센서(100)로부터 수집되는 센싱정보에는 전압, 전류, 일사량, 온도, 습도, 대기정보(산소, CO2), 풍속정보, 풍향정보 등이 포함될 수 있다.
특히 센서에는 태양광 발전 구조물의 상태를 체크하기 위해 접속반에 직접적으로 연결되어 태양광 발전 구조물의 안전 진단을 수행하는 안전진단센서(110)를 포함할 수 있으며, 구체적으로 안전진단센서(110)는 태양광 발전 구조물에 설치되는 와이어 보강재의 장력정보를 측정할 수 있는 장력 센서와 구조물의 위치 변화를 파악하기 위해 구조물 거리정보를 측정하는 레이저 센서를 포함한다.
장력 센서는 태양광 발전 구조물에 설치되는 와이어 보강재의 장력정보를 측정할 수 있도록 와이어 보강재에 고정 설치되며, 주기적으로 장력정보를 수집하여 접속반을 통하여 관리서버로 전송할 수 있다. 이때 획득되는 장력정보는 변위 값이나 압력 값으로 측정될 수 있으며, 단위는 ㎛/N 혹은 N/㎡이 될 수 있다.
또한 장력 센서는 포터블 형태의 장력 센서를 사용할 수도 있으며, 자체 디스플레이를 통하여 현장에서 관리자가 직접 확인 가능하도록 제공될 수도 있다.
또한, 태양광 발전 구조물에 설치되는 와이어 보강재의 경우, 설치 환경에 따라 다양한 형태로 설치될 수 있는데, 예컨대 일자형, X자형 등으로 구성될 수 있다.
특히 X자형의 경우 와이어 한쪽에만 장력 센서를 설치하더라도 수집된 장력정보로 전체 와이어의 장력 상태를 체크할 수 있어 효율적으로 장력 센서를 사용할 수 있다.
레이저 센서는 수광부 및 발광부로 각각 이루어진 센서로 구성되어 있으며, 발광부의 레이저로부터 수신한 수광부의 거리정보를 통하여 구조물의 기둥 위치 변화를 체크하여 이탈 여부 확인을 통해 구조물의 정상/비정상 여부를 판단할 수 있으며, 이를 위해 구조물 위치 정보를 주기적으로 수집하여 접속반을 통하여 관리서버로 전송할 수 있다. 레이저 센서의 측정값은 수신되는 거리정보에 따라 측정단위가 mm 등으로 이루어질 수 있다. 이를테면 레이저센서의 발광부 및 수광부를 구조물 위치 변화를 체크할 필요가 있는 곳에 설치하여 획득되는 거리정보를 이용하여 구조물위 변위 상태를 확인할 수 있도록 하며, 예컨대 태양광 발전 구조물의 기둥 부분에 레이저 센서를 설치하여 기둥의 변위 상태를 확인하여 미세한 기둥의 뒤틀림이나 변형 상태를 체크할 수 있도록 함이 바람직하다.
풍속/풍향계는 태양광 발전 설비를 갖춘 발전소 주변 부지에 설치될 수 있으며, 온도센서 및 습도센서는 태양광 스트링(200)뿐만 아니라, 접속반(300) 내/외부에 설치되어 접속반(300)의 전기 상태를 감시할 수도 있다.
접속반(300)은 복수의 센서(100)들로부터 센싱정보를 수집하여 태양광 스트링(200)의 전압, 전류를 감시하고 상태를 확인함과 아울러, 장력센서의 장력정보 및 레이저센서의 구조물 거리정보를 수집하여, 관리서버(500)에 제공함으로써, 구조물 안전 진단을 수행할 수 있도록 하고, 관리서버(500)의 구조물 안전 진단 결과를 제공받아 제어기(320)에 전달하여, 구조물의 장력 제어를 수행하여 최적의 조건으로 태양광 발전을 수행할 수 있게 한다. 즉, 제어기(320)는 텐션 컨트롤러 혹은 장력 제어 장치가 될 수 있다.
또한 접속반(300)은 각종 센서(100)로부터 수집되는 센싱정보를 별도의 라인으로 수집하는 것이 바람직하며, 도 5를 참조하면, 이를 위한 센서보드가 마련될 수 있다. 즉 센서보드에 일사량센서, 온도센서, CO2 농도센서, 장력센서 및 레이저센서가 각각 연결되어 해당 센싱정보를 수집할 수 있다.
또한 센서보드는 도 4를 기준으로 각 발전소 위치에 마련된 태양광발전(접속반(300))에 마련되고, 복수의 센서(100)와 연결되어 센싱정보를 수집하고, RTU를 통하여 관리서버(SERVER)에 전압, 전류, 온도에 대한 센싱정보뿐만 아니라, 구조물 안전 진단에 필요한 장력정보 및 구조물 거리정보를 전송할 수 있다.
또한 태양광발전(접속반)과 RTU 사이에는 스위칭(Switching)부가 구비되어 수집되는 센서(100)마다 별도의 통신라인을 통해 스위칭되어 신호를 전송하는 것이 바람직하며, 모니터 신호, 제어(contol) 신호도 별도 라인으로 제공될 수 있다.
또한 관리서버(500)에서는 수집된 전압, 전류를 기초로 기간별(일/월/년), 발전량, 누적 발전량, 발전소 장소별 발전량, 소비 전력 등을 산출하여 모니터링 화면을 통하여 확인할 수 있다.
또한 접속반(300)은 인버터(330)를 통하여 전력계통(340)에 전력을 공급하도록 태양광 스트링(200)으로부터 발전된 직류 전압을 전달할 수 있다.
관리서버(500)는 접속반(300)을 통하여 수집된 센싱정보, 특히 태양광 발전 구조물에 설치되는 와이어 보강재로부터 수집된 장력정보와, 구조물 기둥의 변위 상태를 체크하기 위한 구조물 거리정보를 수집하여 신경망 학습을 통하여 구조물 안전 진단 결과를 산출할 수 있다.
관리서버(500)의 구조물 안전 진단은 미리 설정된 진단 기준을 토대로 이루어지며, 안전 진단 수행 결과인 안전 진단 결과는 관리자가 확인하고, 유지보수를 위한 관리를 할 수 있도록 제공된다.
또한 기상 상태, 계절 또는 시간대에 따라서는 수집된 장력정보를 기초로 신경망 학습을 통해 구조물 안전 보강에 필요한 최적의 장력값을 예측하고, 제공하여 태양광 발전 효율을 향상시키도록 장력을 보정할 수도 있으며, 장력정보 외에 추가로 일사량, 온도, 습도, 풍향/풍속에 대한 센싱정보를 신경망 학습시 입력변수로 활용할 수도 있다. 즉, 구조물은 바람의 영향을 받기 때문에, 풍향/풍속이 기준 이상으로 초과 발생시 구조물 변형이나 뒤틀림, 이탈 등이 발생할 수 있으므로, 이러한 점을 고려하여 장력정보와 함께 추가 입력변수로 제공되는 것이 바람직하다.
또한, 관리서버(500)의 구조물 안전 진단 결과가 설정된 위험기준을 초과하게 되면, 관리단말(600)의 모니터링 화면 및 접속반(300)에 안전 진단 결과를 전송함과 아울러, 경고 알람 신호를 제공하여 로컬 및 외부 지역에서 구조물 상태를 실시간으로 확인할 수 있도록 제공될 수도 있다.
나아가, 상술한 관리서버(500)의 신경망 학습 알고리즘을 이용한 구조물 안전 진단은 접속반(300) 내부의 MCU와 같은 제어부(미도시)에서도 수행될 수 있으며, 이를 통해 접속반(300)이 직접 구조물 안전 진단 결과에 따라 제어기(320)에 의한 장력 제어를 수행할 수도 있다.
또한 관리서버(500)는 세부적으로 도 2에 도시된 바와 같이, 수집부(510), 예측부(520), 안전진단부(530), 통계학습부(540), 평가진화부(550) 및 데이터베이스(560)를 더 포함한다.
수집부(510)는 접속반(300)과 유무선통신망(400)을 통하여 센싱정보, 장력정보, 구조물 거리정보를 수집할 수 있도록 통신을 수행하며, 이를 위해 하나 이상의 통신 프로토콜을 포함할 수 있다.
예측부(520)는 상기 수집부(510)로부터 수집된 센싱정보, 장력정보, 구조물 거리정보를 해당 센싱값들이 기준이 되는 허용오차 범위 내에서 작동하는지 비교함으로써, 센싱 오차가 허용오차 범위 내에 있는지 판단할 수 있으며, 이를 통해 센서(100)가 정상 작동하는지 유무를 판단할 수 있다.
나아가 예측부(520)는 상기 센싱정보를 입력변수로 한 적어도 하나 이상의 신경망 알고리즘을 이용한 예측 모델을 기반으로 센서(100)의 오차나 오작동 등에 대한 예측 모델을 생성할 수 있으며, 예측 모델의 예측 결과를 이용하여 센서(100)의 허용 오차 범위를 판단하고, 허용 오차 범위 내에서 센서(100)의 정상 작동 유무를 판단할 수 있다. 예측부(520)의 예측 결과에 따라 정상 작동이 아니라고 판단되는 경우에는 센싱정보 수집을 중단하고, 관리단말(600)로 경고 알람을 전송할 수 있으며, 경고 알람의 형태는 단계별(예컨대 정상, 주의, 비정상)로 설정될 수 있다.
또한 기준이 되는 허용오차는 학습 초기에는 수집된 센싱정보가 존재하지 않기　 때문에, 초기 센서(100)의 출하시 센서 설계에 따라 매뉴얼에서 정해진 허용 오차가 반영될 수 있다.
또한, 예측부(520)는 센서의 오차 범위가 허용 오차 범위를 벗어난 경우라 하더라도, 일시적인 오류에 대해 고장을 판단하는 잘못을 없애기 위해 고장 카운터를 활용할 수 있다.
고장 카운터는 센서의 오차 범위가 기준이 되는 허용 오차 보다 큰 경우가 특정 횟수(기준 카운터값) 이상일 때에만 고장이나 성능 저하로 판단하여 관제서버나 관리자 단말에 통지하는 방법이다.
해당 방식의 경우 회귀적(recursive)으로 오류를 판단하는 방식으로 상술했던 일시적인 노이즈 등으로 인한 오판 가능성을 낮출 수 있게 된다.
또한 상술한 고장 카운터는 동작 시간이 특정 범위를 넘어가는 경우 다시 0으로 리셋(reset)하거나, 해당 센서가 Off 되는 경우 다시 0으로 리셋하는 방식으로 해서, 카운터 값이 계속되어 누적되어 생길 수 있는 문제점들을 방지할 수도 있다.
안전진단부(530)는 신경망 알고리즘을 이용한 진단 모델을 기반으로 상기 수집부(510)로부터 수집된 센싱정보(전압, 전류, 일사량, 온도, 습도, 대기정보(산소, CO2), 풍속정보, 풍향정보, 장력정보 등을 포함), 장력정보, 구조물 거리정보를 입력변수로 하여, 구조물 안전 상태를 예측하여 진단할 수 있다.
이때 구조물 안전 진단 결과를 산출시 기준 카운터를 이용하여 구조물 안전 진달을 수행할 수 있다.
구체적으로 시계열적인 데이터 센싱값은 기준값과 비교하고, 비교된 값이 임계범위인 델타값을 벗어나면 기준 카운터를 증가시키고, 카운터값이 기준값을 초과하면 구조물 안전에 문제가 있다고 추정할 수 있다.
또한, 이때 특정 상황에서는 카운터를 리셋하여 고장이 아닌 단순 오류에 강인하도록 설계할 수 있다. 예컨대 특정 상황은 센서에서 발생하는 일시적인 노이즈가 될 수 있다. 특히 카운터값의 기준값 초과 여부에 따라 이루어지므로, 일시적인 노이즈에 따른 특정 상황을 고장이나 이상으로 판단하는 오류를 줄일 수 있는 것이다.
추가로 안전진단부(530)는 입력변수인 장력정보의 경우 계절에 따라 장력이 달라지는 상태를 활용하여 신경망 학습시 델타값을 미세하게 조정하여 안전 진단 결과를 산출하도록 하며, 예컨대 겨울의 경우 강선 형태의 와이어가 수축하여 평상시보다 장력이 짧아지고, 여름의 경우 와이어가 팽창하여 장력이 늘어나기 때문에, 이러한 계절요인조정값을 추가하여 장력정보가 계절에 덜 민감하도록 델타값을 조정할 수 있는 것이다. 마찬가지로 델타값에 추가로 날씨(온도, 일사량, 시간, 계절 등)를 입력변수로 신경망 학습을 수행하여 델타값에 추가되는 알파값을 가감하여 조정 가능하다.
임계범위인 델타값 및 알파값을 조정하기 위한 신경망으로 RNN, CNN, SVM, 어텐션 알고리즘 등을 조합한 하이브리드 신경망을 적용 할 수 있으며, 이에 대한 구체적 설명은 후술하기로 한다.
또한 추가로 안전진단부(530)는 상기 입력변수 외에도 풍향계/풍속계로부터 수집되는 풍향/풍속에 대한 센싱정보를 추가하여 구조물 안전 상태를 판단하는 것이 바람직한데, 왜냐하면, 장마, 폭설, 강풍 등의 환경적인 요인에서 구조물의 변형이나 뒤틀림이 발생한 확률이 증가하기 때문이다. 이를 통하여 더욱 구조물 안전 진단을 다각도로 수행하고, 진단 결과의 정확도를 향상시킬 수 있다.
또한 안전진단부(530)는 구조물 안전 상태에 대한 진단 결과를 산출하고, 진단 결과를 접속반(300)을 거쳐 제어기(320)에 재전송하여 진단 결과에 따라 구조물 장력을 보정할 수 있도록 하며, 만약 진단 결과에서 설정된 위험기준을 초과하게 되면, 관리단말(600) 및 접속반(300)에 경고 알람을 제공하여 로컬 및 외부 지역에서 구조물 상태를 실시간으로 확인할 수 있도록 제공할 수도 있다. 진단 결과에 대한 경고 알람의 형태는 단계별(예컨대 구조물 안전, 주의, 위험 등)로 설정될 수 있다.
나아가 안전진단부(530)는 구조물 안전 상태에 대한 진단 결과를 산출하기 위해 구조물의 현재 상태를 하나 이상의 신경망 알고리즘을 이용하여 예측할 수 있으며, 구체적으로 사용되는 신경망 알고리즘의 예로는 RNN(Recurrent Neural Network), 서포트 벡터 머신(Support Vector Machine, 이하 SVM), CNN(Convolution Neural Network), 어텐션 알고리즘 등이 될 수 있다.
구체적으로 SVM의 경우 장력 및 구조물 거리정보에 따른 변위를 활용하여 SVM에서 패턴정보를 생성하고, SVM 알고리즘에 적용하여 여러 구조물 상황을 인지하고 구조물의 상태를 패턴에 따라 판단할 수 있는 것이다.
예를 들면, 서포트 벡터 머신(Support Vector Machine : SVM) 알고리즘을 활용하여 장력센서로부터 획득되는 장력과 레이저센서로부터 획득되는 구조물 거리정보의 변위에 따라 패턴정보를 생성하고, 신경망의 특성, 장력 및 변위를 매개변수로 하여 패턴을 분류할 수 있으며, 이를 기반으로 하여 생성된 패턴정보의 패턴이 유사한 상황에 대하여 태양광 발전 구조물에 영향을 끼치는 환경요인(바람, 지진, 온도, 습도 등)의 영향으로 인한 구조물의 기울어짐, 변형, 뒤틀림, 구조물의 파손 또는 외부 충격의 정도 등을 판단하고, 이에 대한 안전 진단 결과를 산출할 수 있는 것이다.
여기서 SVM이란 클래시피케이션(classification), 리그레션(regression), 특이점 판별(outliers detection) 등에 주로 사용되는 지도 학습(Supervised Learning) 머신 러닝 방법 중 하나이며, 예를 들어, 두 그룹의 데이터셋을 구분하는 여러 가지 방법 중에 패턴에 따라 각 그룹의 최대 거리에 있는 중간지점을 정확하게 구분할 수 있는 것이 분류정확도를 높일 수 있는 최적의 방법이라고 할 수 있다. 특히 SVM은 복수의 디멘션을 갖는 데이터에 대해서, 패턴에 따라 복수의 디멘션을 잘 구분할 수 있는 최적의 결정 경계(decision boundary)를 찾는 것에 최적화된 방법으로 알려져 있다.
나아가 안전진단부(530)는 장력정보, 구조물 거리정보 및 풍향/풍속에 대한 센싱정보의 특징 데이터를 이용하며 상술한 SVM 외에 CNN, LSTM RNN(Long Short Term Memory RNN), 어텐션 알고리즘(Attention mechanism)의 조합을 통해 심층학습을 수행하도록 구성된다.
여기서 어텐션 알고리즘은 인코더와 디코더로 이루어져 있으며, 인코더에서는 LSTM의 히든 스테이트를 행렬로 만들고, 디코더에서는 히든 스테이트 중 중요한 스테이트를 강조할 수 있으며, 이러한 방법은 일정 거리 이상의 중요한 출력벡터에 집중할 수 있게 만들어, neural machine translation(NMT)에서 훌륭한 성능을 보여줄 수 있다.
따라서 안전진단부(530)는 안전 진단 결과를 산출하기 위한 진단 모델로서, CNN, LSTM RNN, 어텐션 알고리즘을 조합한 모델(CLA 모델)을 이용할 수 있다.
CLA 모델은 국소적인 특징의 파악에 유리한 CNN, 순차적인 데이터 처리에 유리한 LSTM RNN, 중요한 정보에 집중할 수 있게 하는 어텐션 메커니즘의 장점을 이용하여 단순히 SVM이나 CNN을 사용한 모델에 비해 보다 우수한 성능을 유도할 수 있게 된다.
예를 들어 CLA 모델은 장력정보 및 구조물 거리정보의 특징 추출 과정에서 80차원의 mel spectrogram으로 변환하고 3초 단위의 300 프레임셋이 모델에 입력된다. 모델은 CNN 레이어(layer)로 스펙트럼의 공간적(spatial)인 특성을 추출하고, LSTM레이어로 시간적(temporal)인 정보를 추출한 후 Attention 레이어로 지역적인 특성을 집중하여 정보를 수집한다.
CNN 레이어는 Convolution 연산과 max pooling을 두 번씩 반복하는 레이어이다.
예를 들어 CNN 레이어는 입력된 spectrogram를 분석하여 조금 더 구조물 안전 진단에 적합한 특징을 추출하기 위한 작업을 하는데 사용될 수 있다. 이는 convolution 연산과 max pooling을 통해 이루어지며, convolution 연산은 입력된 데이터의 국소적인 부분에서 연산을 통해 필요한 특징을 추출하는 과정이다. 또한 Max pooling 연산은 데이터의 차원을 축소하며 동시에 필요한 특징만을 남겨놓는 과정으로 이후에 진행될 LSTM및 어텐션 레이어의 계산 복잡도를 낮추는 역할을 한다.
LSTM 레이어에서 LSTM은 Recurrent Neural Network(RNN) 아키텍처의 한 종류로, 일반적으로 RNN을 지칭할 경우, LSTM 구조로 이루어져 있을 정도로 많이 사용되는 구조이다.
CLA 모델에서는 CNN 레이어를 통해 얻어진 특징벡터에서 시간적 정보를 얻는데 사용된다. 이는 RNN이 가지는 시퀀스 정보 처리 능력을 사용하여 장거리의 정보를 처리하여야 알 수 있는 태양광 발전 구조물의 안전 진단시 설정된 위험 수준을 초과하는 이상 상태를 판별하기 위해서이다.
또한 어텐션 레이어는 어텐션 메커니즘을 활용하여 만들어진 레이어로 CNN및 LSTM을 통하여 얻어진 정보 벡터에서 최종적인 판단을 하기 위한 컨텍스트 벡터를 만드는 용도로 사용된다.
어텐션 메커니즘의 입력은 LSTM레이어의 출력 H=h1, h2, h3, …, hT, hi=(p1, p2, …, pC)이며 웨이트 파라메터 q=(q1, q2, q3, …, qC)를 사용하여 원하는 출력(안전 진단 결과값)을 계산할 수 있다. 이와 같은 안전 진단 결과로 태양광 발전 구조물의 안정적인 상태 여부, 잔존 수명이나 보수 보강 시기 등을 판단하고, 구조물 안정 상태에 따라 직접적인 장력 제어에 활용하는데 이용될 수 있다.
통계학습부(540)는 수집부(510)로부터 수집되는 센싱정보, 장력정보, 구조물 거리정보, 예측부(520)의 예측결과, 제어기(320)의 제어정보, 구조물 안전 진단 결과에 대한 데이터를 수집하고, 수집된 데이터양이 증가할수록 빅데이터를 활용하여 센싱/제어이력, 예측/진단 결과 리스트, 이벤트, 관리 내역 등에 대한 포괄적인 통계자료를 생성할 수 있다.
특히 통계학습부(540)는 통계자료를 모니터링 자료로 활용하도록 모니터링 프로그램을 통하여 수집된 정보를 체계적으로 보여줄 수 있으며, 예를 들어 도 6 내지 도 8과 같은 화면을 제공할 수 있다.
도 6은 태양광 발전 현황을 보여주는 프로그램 화면으로, 일/월 발전량, 누적 발전량, 태양광 발전전력, 탄소절감량, 소비전력 등이 표시되고, 데이터 수집시 체계적인 관리 및 설정을 위한 관리자의 설정 인터페이스를 제공할 수 있다.
도 7은 관리자 인터페이스 설정시 화면을 예시적으로 보여주고 있으며, 이를 통해 통신 시리얼 포트 설정, 서버 주소, 포트 할당, 인버터(330) 설정, 센서 설정, 태양광 스트링(200) 설정, 디바이스(태양광 발전 시설 기기들) ID 확인 및 선택, 디바이스 리스트, 발전소 설치 장소, 발전소 ID, 발전소 용량 등에 대해 관리자 권한으로 설정될 수 있다.
또한 도 8은 태양광 발전 효율을 위한 일사량 정보, 온도 정보, 구조물 상태를 파악할 수 있는 장력에 대한 장력정보, CO2농도가 표시됨을 보여주고 있으며, 추가로 레이저 센서의 구조물 거리정보가 제공될 수도 있다. 이때 표시되는 장력정보는 변위를 단위(㎛/N )로 하고, 구조물 거리정보는 거리 단위(mm)를 나타낼 수 있다.
나아가 통계학습부(540)는 빅데이터 형태로 수집된 통계자료를 바탕으로 미리 생성한 별도의 예측 모델을 이용하여 학습을 수행하고, 학습 결과로 예측되는 미래에 접속반(300) 상태 및 구조물의 수명 상태, 연결된 센서(100) 및 제어기(320)의 상태에 따른 유지 보수 관리를 위한 미래 예측 상태에 대한 예측 결과를 산출할 수 있으며, 데이터양이 증가할수록 학습에 대한 예측 결과의 정확도가 향상될 수 있다.
또한 예측 결과에 대한 자료를 관리자가 소지한 관리단말(600)에 제공하여, 앞으로 미래 예측되는 상태에 따라 구조물의 수명 등을 파악하고, 유지 보수 관리에 활용할 수 있다.
평가진화부(550)는 상술한 예측 모델의 예측 결과와 진단 모델의 구조물 안전 진단 결과를 토대로 예측 검증을 위해 미리 생성한 평가 모델을 활용하여 예측 결과 및 진단 결과의 예측정확도를 산출하고, 예측정확도에 따른 예측 오차에 대해 민감하도록 학습을 수행하여 예측 모델의 가중치나 변수를 조정할 수 있도록 함으로써, 예측 모델 및 진단 모델의 업그레이드를 수행할 수 있으며, 반복된 학습을 거듭할수록 예측 모델 업그레이드가 지속적으로 이루어져 적응(Adaptation)해 나갈 수 있으며 이를 통해 궁극적으로 예측 결과가 없더라도 예측 모델의 가중치나 변수를 스스로 조정하고 보정할 수 있도록 하는 자가 진화(self-evolution)를 이룰 수도 있다.
구체적으로는, 예측 모델 및 진단 모델의 수행결과 예측값들이 일정한 패턴을 나타내면, 패턴에 따라 해당 모델의 변수를 조정하여 업그레이드가 지속적으로 이루어지는 적응 단계를 거치게 되고, 적응 단계를 거친 해당 모델들은 인공지능 알고리즘에 의해 궁극적으로 스스로 자가 진화가 가능해진다.
여기서 예측 모델, 진단 모델 및 평가 모델은 인공신경망(Artificial Neural Network), RBF(Radial Basis Function) 신경망, SVM 알고리즘 등을 기반으로 한 예측 모델 및 평가 모델일 수 있다.
또한 센싱정보, 예측 결과, 진단 결과 및 예측 모델과 진단 모델의 평가정보는 빅데이터화되고, 빅데이터는 주기적으로 갱신되기 때문에, 빅데이터를 이용하여 예측 모델 및 진단 모델뿐만 아니라, 이들 모델을 평가하기 위한 평가 모델을 주기적으로 업그레이드하여 빅데이터의 변화된 패턴에 따라 적응(Adaptation)할 수 있게 함으로써, 해당 모델의 신뢰성을 보장할 수 있게 할 수 있다.
즉, 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.
따라서, 평가진화부(550)는 예측 모델 및 진단 모델 평가를 수행한 평가 모델에 대해서 재평가한 재평가정보를 제공받고, 제공받은 재평가정보로 평가 모델의 문제점을 신경망 학습 알고리즘 기반으로 학습하고 적응하여, 상술한 평가 모델의 업그레이드를 수행할 수도 있다.
데이터베이스(560)는 센싱정보, 장력정보, 구조물 거리정보, 센싱 오차 예측 결과, 구조물 안전 진단 결과 등에 대하여 분류하여 카테고리별로 세분화된 복수의 데이터베이스(560)를 통하여 체계적으로 저장되어 관리되고, 요청시 제공될 수 있다.
도 3은 본 발명의 일 실시예에 따른 안전 진단 기술이 적용된 태양광 발전 방법의 순서도이다.
복수의 센서(100)로부터 센싱정보를 수집하는 접속반(300)과 통신망으로 연결되어 센싱정보를 전송받아 태양광 발전 상태를 모니터링하는 관리서버(500)를 이용한 안전 진단 기술이 적용된 태양광 발전 방법은, 접속반(300)이 전압, 전류, 일사량, 온도, 습도, 대기정보(산소, CO2에 대한 대기정보 포함), 풍속정보, 풍향정보, 태양광 발전 구조물의 장력에 대한 장력정보를 포함한 상기 센싱정보를 수집한다(S401).
접속반(300)은 레이저 센서로부터 구조물 거리정보를 수집한다(S402). 예를 들어, 구조물 중 뒤틀림이나 변형 상태를 주기적으로 확인할 필요가 있는 구조물 기둥에 레이저 센서를 이용하여 수집된 기둥 거리정보가 될 수 있다.
또한, 접속반(300)은 수집된 센싱정보, 장력정보 및 구조물 거리정보를 상기 관리서버(500)로 전송한다(S403).
이후 관리서버(500)는 수집된 센싱정보들 각각의 해당 센싱값들이 기준이 되는 허용오차 범위 내에서 작동하는지 비교함으로써, 센싱 오차가 허용오차 범위 내에 있는지 판단하고, 센서(100)가 정상 작동하는지 유무를 판단한다(S404).
또한 관리서버(500)는 센싱정보, 장력정보, 구조물 거리정보를 입력변수로 한 신경망 알고리즘 학습을 위한 진단 모델을 기반으로 하여, 구조물 안전 상태를 예측하여 안전 진단 결과를 산출할 수 있다(S405).
또한 관리서버(500)는 구조물 안전 진단 결과를 미리 설정된 진단 기준을 토대로 산출하고, 안전 진단 결과를 이용하여 구조물의 장력 또는 구조물 거리정보에 의한 열적 변형 상태값이 진단 기준 범위에서 벗어나면, 해당 진단 기준 범위를 벗어난 장력을 보정하도록 제어할 수 있다(S406).
또한 관리서버(500)는 구조물 진단 결과를 이용하여 진단 모델을 평가하는 평가 모델을 이용하여 평가정보를 생성하고, 평가정보를 이용하여 진단 모델을 업그레이드할 수도 있다(S407).
본 명세서에서 사용되는 ‘단말’은 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, ‘단말’은 통신망을 통해 다른 단말 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다.
또한, 유무선통신망(400)은 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
100 ; 센서
110 ; 안전진단센서
200 ; 태양광 스트링
300 ; 접속반
320 ; 제어기
330 ; 인버터
340 ; 전력계통
400 ; 유무선통신망
500 ; 관리서버
510 ; 수집부
520 ; 예측부
530 ; 안전진단부
540 ; 통계학습부
550 ; 평가진화부
560 ; 데이터베이스
600 ; 관리단말

Claims (10)

  1. 태양광 발전 상태 및 발전 구조물 상태를 파악하기 위한 태양광 스트링의 전압, 전류, 일사량, 온도, 습도, 대기 정보, 구조물에 설치된 와이어 보강재에 대한 장력정보 및 구조물 기둥의 변위 상태를 체크하기 위한 구조물 거리정보를 포함한 센싱정보를 수집하기 위한 복수의 센서;
    상기 복수의 센서로부터 센싱정보를 제공받아 관리서버에 제공하며, 태양광 발전 구조물의 상태를 파악하기 위해 수집된 장력정보 및 구조물 거리정보를 이용하여 수행된 구조물 안전 진단에 대한 구조물 안전 진단 결과를 제공받는 접속반; 및
    태양광 발전 상태를 파악하기 위해 상기 센서로부터 수집된 전압, 전류를 기초로 기간별 발전량, 누적 발전량, 발전소 장소별 발전량, 소비 전력을 산출하여 모니터링 화면을 통하여 확인하며, 상기 접속반을 통하여 수집된 장력정보 및 구조물 거리정보를 이용하여 태양광 발전 구조물의 안전 진단을 수행하는 관리서버를 포함하고,
    상기 복수의 센서는
    태양광 발전 구조물에 설치되는 와이어 보강재의 장력정보를 측정하는 장력센서와,
    수광부 및 발광부로 구성되며, 발광부의 레이저로부터 수신한 수광부의 거리정보를 통하여 구조물의 기둥 위치 변화를 체크할 수 있는 레이저센서를 포함하며,
    상기 관리서버는
    상기 센싱정보를 전송받는 수집부;
    상기 센싱정보를 입력변수로 한 신경망 알고리즘을 이용한 예측 모델을 기반으로 센서의 오차나 오작동 등에 대한 예측 모델을 생성할 수 있으며, 예측 모델의 예측 결과를 이용하여 센서의 허용 오차 범위를 판단하고, 허용 오차 범위 내에서 센서의 정상 작동 유무를 판단하는 예측부;
    신경망 알고리즘을 이용한 진단 모델을 기반으로 상기 수집부로부터 수집된 장력정보 및 구조물 거리정보를 입력변수로 하여, 구조물 안전 상태를 예측하여 진단하는 안전진단부; 및
    상기 수집부로부터 수집되는 센싱정보, 장력정보, 구조물 거리정보, 예측부의 예측결과, 구조물 안전 진단 결과에 대한 데이터를 수집하고, 수집된 데이터를 활용하여 센싱이력, 예측/진단 결과 리스트, 이벤트, 관리 내역에 대한 통계자료를 생성하는 통계학습부를 포함하며,
    상기 예측부는
    센서의 오차 범위가 허용 오차 범위를 벗어난 경우라 하더라도, 일시적인 오류에 대해 고장을 판단하는 잘못을 없애기 위해 고장 카운터를 활용하며,
    상기 고장 카운터는 센서의 오차 범위가 기준이 되는 허용 오차 보다 큰 경우가 특정 횟수(기준 카운터값) 이상일 때에만 고장이나 성능 저하로 판단하되, 동작 시간이 특정 범위를 넘어가는 경우 다시 0으로 리셋(reset)하거나, 해당 센서가 Off 되는 경우 다시 0으로 리셋하는 방식으로 동작하며,
    상기 안전진단부는
    신경망 학습시 입력변수인 장력정보의 경우 계절에 따라 장력이 달라지는 상태를 활용하여 미리 설정되는 계절요인조정값에 해당하는 델타값을 조정하여 안전 진단 결과를 산출하도록 하는 것을 특징으로 하는 안전 진단 기술이 적용된 태양광 발전 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 관리서버의 구조물 안전 진단은 미리 설정된 진단 기준을 토대로 이루어지며, 안전 진단 결과로서 구조물 와이어 보강재의 장력이 진단 기준 범위에서 벗어나면, 해당 진단 기준 범위를 벗어난 장력을 보정하도록 상기 접속반을 통하여 제어기에 재전송되어 구조물이 안정적으로 지지되는 장력을 갖도록 제어하는 것을 특징으로 하는 안전 진단 기술이 적용된 태양광 발전 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 관리서버는
    예측 모델의 예측 결과를 토대로 예측 검증을 위해 미리 생성한 평가 모델을 활용하여 예측 결과의 예측정확도를 산출하고, 예측정확도에 따른 예측 오차에 대해 민감하도록 학습을 수행하여 예측 모델의 가중치나 변수를 조정할 수 있도록 함으로써, 예측 모델의 업그레이드를 수행하는 평가진화부
    를 더 포함하는 안전 진단 기술이 적용된 태양광 발전 시스템.
  6. 복수의 센서로부터 센싱정보를 수집하는 접속반과 통신망으로 연결되어 센싱정보를 전송받아 태양광 발전 상태를 모니터링하는 관리서버를 이용한 안전 진단 기술이 적용된 태양광 발전 방법에 있어서,
    상기 접속반은 전압, 전류, 일사량, 온도, 습도, 대기정보, 풍속정보, 풍향정보, 태양광 발전 구조물에 설치된 와이어 보강재의 장력에 대한 장력정보, 구조물 기둥의 변위를 측정한 구조물 거리정보를 포함한 상기 센싱정보를 수집하는 단계;
    상기 접속반은 수집된 센싱정보, 장력정보 및 구조물 거리정보를 상기 관리서버로 전송하는 단계;
    상기 관리서버는 수집된 센싱정보들 각각의 해당 센싱값들이 기준이 되는 허용오차 범위 내에서 작동하는지 비교함으로써, 센싱 오차가 허용오차 범위 내에 있는지 판단하고, 센서가 정상 작동하는지 유무를 판단하는 단계; 및
    상기 관리서버는 센싱정보, 장력정보, 구조물 거리정보를 입력변수로 한 신경망 알고리즘 학습을 위한 진단 모델을 기반으로 하여, 구조물 안전 상태를 예측하여 안전 진단 결과를 산출하는 단계를 포함하며,
    상기 복수의 센서는
    태양광 발전 구조물에 설치되는 와이어 보강재의 장력정보를 측정하는 장력센서와,
    수광부 및 발광부로 구성되며, 발광부의 레이저로부터 수신한 수광부의 거리정보를 통하여 구조물의 기둥 위치 변화를 체크할 수 있는 레이저센서를 포함하며,
    상기 관리서버는
    상기 센싱정보를 전송받는 수집부;
    상기 센싱정보를 입력변수로 한 신경망 알고리즘을 이용한 예측 모델을 기반으로 센서의 오차나 오작동 등에 대한 예측 모델을 생성할 수 있으며, 예측 모델의 예측 결과를 이용하여 센서의 허용 오차 범위를 판단하고, 허용 오차 범위 내에서 센서의 정상 작동 유무를 판단하는 예측부;
    신경망 알고리즘을 이용한 진단 모델을 기반으로 상기 수집부로부터 수집된 장력정보 및 구조물 거리정보를 입력변수로 하여, 구조물 안전 상태를 예측하여 진단하는 안전진단부;
    상기 수집부로부터 수집되는 센싱정보, 장력정보, 구조물 거리정보, 예측부의 예측결과, 구조물 안전 진단 결과에 대한 데이터를 수집하고, 수집된 데이터를 활용하여 센싱이력, 예측/진단 결과 리스트, 이벤트, 관리 내역에 대한 통계자료를 생성하는 통계학습부를 포함하며,
    상기 예측부는
    센서의 오차 범위가 허용 오차 범위를 벗어난 경우라 하더라도, 일시적인 오류에 대해 고장을 판단하는 잘못을 없애기 위해 고장 카운터를 활용하며,
    상기 고장 카운터는 센서의 오차 범위가 기준이 되는 허용 오차 보다 큰 경우가 특정 횟수(기준 카운터값) 이상일 때에만 고장이나 성능 저하로 판단하되, 동작 시간이 특정 범위를 넘어가는 경우 다시 0으로 리셋(reset)하거나, 해당 센서가 Off 되는 경우 다시 0으로 리셋하는 방식으로 동작하며,
    상기 안전진단부는
    신경망 학습시 입력변수인 장력정보의 경우 계절에 따라 장력이 달라지는 상태를 활용하여 미리 설정되는 계절요인조정값에 해당하는 델타값을 조정하여 안전 진단 결과를 산출하도록 하는 것을 특징으로 하는 안전 진단 기술이 적용된 태양광 발전 방법.
  7. 삭제
  8. 제6항에 있어서,
    상기 관리서버는 구조물 안전 진단 결과를 미리 설정된 진단 기준을 토대로 산출하고, 안전 진단 결과를 이용하여 구조물의 장력이 진단 기준 범위에서 벗어나면, 해당 진단 기준 범위를 벗어난 장력을 보정하도록 제어하는 단계;
    를 더 포함하는 안전 진단 기술이 적용된 태양광 발전 방법.
  9. 제6항에 있어서,
    상기 관리서버는 구조물 진단 결과를 이용하여 진단 모델을 평가하는 평가 모델을 이용하여 평가정보를 생성하고, 평가정보를 이용하여 진단 모델을 업그레이드하는 단계;
    를 더 포함하는 안전 진단 기술이 적용된 태양광 발전 방법.
  10. 제9항에 있어서,
    상기 관리서버는
    상기 평가정보를 토대로 평가 모델을 활용하여 진단 결과의 예측정확도를 산출하고, 예측정확도에 따른 예측 오차에 대해 민감하도록 학습을 수행하여 진단 모델의 가중치나 변수를 조정할 수 있도록 업그레이드하는 것을 특징으로 하는 안전 진단 기술이 적용된 태양광 발전 방법.
KR1020210071993A 2021-06-03 2021-06-03 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법 KR102306208B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210071993A KR102306208B1 (ko) 2021-06-03 2021-06-03 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210071993A KR102306208B1 (ko) 2021-06-03 2021-06-03 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102306208B1 true KR102306208B1 (ko) 2021-09-29

Family

ID=77924592

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210071993A KR102306208B1 (ko) 2021-06-03 2021-06-03 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102306208B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102418352B1 (ko) * 2021-11-29 2022-07-08 박광경 화재 감지 및 대피 시스템
KR102599826B1 (ko) * 2023-06-29 2023-11-08 (주) 티이에프 태양광 발전 시스템 및 그 동작 방법
WO2023238904A1 (ja) * 2022-06-10 2023-12-14 コニカミノルタ株式会社 保守装置、保守システム、保守方法および保守プログラム
CN117764223A (zh) * 2023-11-28 2024-03-26 北京潞电电力建设有限公司 一种光伏运行方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100908442B1 (ko) 2008-12-26 2009-07-21 주식회사 제일산기 태양광 발전장치의 경사각 조절장치
KR101504076B1 (ko) * 2014-11-25 2015-03-24 정용호 레이저 변위측정 시스템 및 그 구동방법
JP2017090397A (ja) * 2015-11-17 2017-05-25 中国電力株式会社 測定装置
KR20180123951A (ko) * 2017-05-10 2018-11-20 주식회사 알스피릿 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법
KR20200119371A (ko) * 2019-03-22 2020-10-20 지앤비쏠라 주식회사 모델 기반의 태양광발전 통합 관리 시스템 및 방법
KR102220331B1 (ko) * 2020-07-16 2021-02-24 설상법 안전 진단 기능을 구비한 IoT 기반 태양광 발전 구조물 및 이의 안전 진단 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100908442B1 (ko) 2008-12-26 2009-07-21 주식회사 제일산기 태양광 발전장치의 경사각 조절장치
KR101504076B1 (ko) * 2014-11-25 2015-03-24 정용호 레이저 변위측정 시스템 및 그 구동방법
JP2017090397A (ja) * 2015-11-17 2017-05-25 中国電力株式会社 測定装置
KR20180123951A (ko) * 2017-05-10 2018-11-20 주식회사 알스피릿 기계학습 기반 실시간 태양광 셀 또는 어레이 상태 진단/예측 장치 및 방법
KR20200119371A (ko) * 2019-03-22 2020-10-20 지앤비쏠라 주식회사 모델 기반의 태양광발전 통합 관리 시스템 및 방법
KR102220331B1 (ko) * 2020-07-16 2021-02-24 설상법 안전 진단 기능을 구비한 IoT 기반 태양광 발전 구조물 및 이의 안전 진단 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102418352B1 (ko) * 2021-11-29 2022-07-08 박광경 화재 감지 및 대피 시스템
WO2023238904A1 (ja) * 2022-06-10 2023-12-14 コニカミノルタ株式会社 保守装置、保守システム、保守方法および保守プログラム
KR102599826B1 (ko) * 2023-06-29 2023-11-08 (주) 티이에프 태양광 발전 시스템 및 그 동작 방법
CN117764223A (zh) * 2023-11-28 2024-03-26 北京潞电电力建设有限公司 一种光伏运行方法及系统

Similar Documents

Publication Publication Date Title
KR102309077B1 (ko) 센서 기반 안전 진단 기술을 적용한 태양광 발전 시스템 및 방법
KR102306208B1 (ko) 안전 진단 기술이 적용된 태양광 발전 시스템 및 방법
US11734474B2 (en) System and method for evaluating models for predictive failure of renewable energy assets
ES2973349T3 (es) Sistema escalable y motor para pronosticar fallos de turbinas eólicas
KR102159692B1 (ko) 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법
US20220245297A1 (en) Scalable system and method for forecasting wind turbine failure using scada alarm and event logs
KR102084784B1 (ko) 머신러닝기반 태양광발전운영 관리방법
CN115329812B (zh) 一种基于人工智能的桥梁基础设施异常监测方法
KR102194271B1 (ko) 모델 기반의 태양광발전 통합 관리 시스템 및 방법
KR102084783B1 (ko) 머신러닝기반 태양광발전운영 관리시스템
KR102094856B1 (ko) 빅 데이터 기반의 인공지능을 이용한 위험요소 예측 시스템
JP2022042469A (ja) Ｆｒｂｆｎｎモデルを用いた太陽光発電設備の発電予測及び効率診断システム
KR20230045379A (ko) 환경센서를 이용한 태양광 발전설비의 이상진단 시스템 및 방법
KR20200068773A (ko) LoRa 자가망 기반 양방향 태양광 발전 통합관제 시스템
CN109724652A (zh) 一种输电线路杆塔智能监测系统
CN117277592B (zh) 一种高压电路信号监测的保护切换方法
CN112700623A (zh) 房前屋后边坡失稳预警预报系统
KR102266752B1 (ko) 자기 반추 및 머신러닝을 이용한 태양광 발전 접속반 및 태양광 발전 접속반의 예측진단 방법
KR102296561B1 (ko) 지그비를 이용한 인공지능 기반 복수개의 배전반 통합 관제시스템
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
KR20220146158A (ko) 일사량 예측 장치 및 그 방법
CN117614136A (zh) 一种新能源发电站的监控故障管理方法及系统
KR20220128785A (ko) 고장이력을 활용한 디지털 기반의 해상 풍력발전기 유지관리 시스템 및 방법
CN204944483U (zh) 高精度输电线杆塔倾斜监测系统
KR101504983B1 (ko) 태양 전지 모듈 관리 장치 및 방법

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