KR102351713B1 - 조도계를 이용한 기상정보 생성 시스템 및 그 방법 - Google Patents
조도계를 이용한 기상정보 생성 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102351713B1 KR102351713B1 KR1020210082595A KR20210082595A KR102351713B1 KR 102351713 B1 KR102351713 B1 KR 102351713B1 KR 1020210082595 A KR1020210082595 A KR 1020210082595A KR 20210082595 A KR20210082595 A KR 20210082595A KR 102351713 B1 KR102351713 B1 KR 102351713B1
- Authority
- KR
- South Korea
- Prior art keywords
- insolation
- live
- past
- real
- current
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000005855 radiation Effects 0.000 claims abstract description 22
- 238000010276 construction Methods 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 description 13
- 230000001364 causal effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000026041 response to humidity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/12—Sunshine duration recorders
-
- 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
-
- 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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
본 발명은 조도계와 습도계를 포함하는 센서부(110); 상기 조도계에서 측정된 현재 실황 조도와 태양상수를 이용하여 현재 변환 실황 일사량을 추정하고, 현재 시각을 참조하여 현재 변환 실황 일사량의 조정여부를 판별하는 분석부(120) 및 과거 실황 일사량, 과거 실황 습도, 과거 변환 실황 일사량, 과거 태양고도를 포함하는 일사량 조정용 과거 기상 데이터를 저장하는 저장부(130)를 포함하고, 상기 분석부는 현재 변환 실황 일사량의 조정이 필요하면 일사량 조정용 과거 기상 데이터를 이용하여 현재 조정 실황 일사량을 추정하는 것을 특징으로 하는 조도계를 이용한 기상정보 생성 시스템을 개시한다.
Description
본 발명은 조도계를 이용한 기상정보 생성 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는 조도계에서 측정된 실황 조도를 이용하여 현재 일사량을 추정하고, 현재 일사량을 포함하여 설정된 최근 시간에 해당하는 최근 데이터를 일사량 예측용 벡터자기회귀 모델에 대입하여 미래 일사량을 예측하며, 현재와 미래의 일사량을 포함하는 기상정보를 생성하는 기술에 관한 것이다.
기상정보는 생활을 영위하는데 도움을 주는 매우 중요한 정보로서, 일반적으로 기상청에서 발표하는 기상 실황 및 예보 정보에 의존하고 있다. 종래에는 기상정보를 이용하는 많은 산업 분야에서 인터넷을 통하여 기상청 서버에 접속하여 기상정보를 얻어오고 있다.
기상청에서는 기온과 습도에 관한 정보를 포함하여 기상정보를 제공하고 있지만, 일사량 예보에 관한 정보를 제공하지 않기 때문에, 기온, 습도, 운량 등의 다른 기상정보를 이용하여 일사량을 추정하고 있다. 그러나 공공기관의 경우에는 해킹과 같이 주요 사이버 공격으로부터 국가기밀 등 중요 자료의 유출을 근본적으로 차단하기 위해 인터넷과 업무전산망을 분리하여 구축하도록 되어 있으므로, 망간 자료전송 보안시스템과 연동되지 않은 업무시스템은 인터넷 접속을 통해 기상청 서버로부터 기상정보를 얻어오는 것이 불가능하다.
종래에는 인터넷을 통해 기상청 서버에 접속하는 것이 어려운 경우에 건물에 온도계 및 습도계 등 기상 관측기가 포함된 백엽상을 설치하여 기상 실황 정보를 얻어오고 있으나, 건물의 냉난방 부하 예측이나 태양광 생산 발전량 예측, 온실의 작물 생장환경 제어 등에 필요한 일사량을 측정할 수 있는 일사량계는 고가라서 백엽상에 설치하기 어려운 것이 현실이며, 또한 백엽상으로부터 기상 실황 정보를 얻어올 경우라도 과거의 기상 실황 정보를 기반으로 미래의 기상정보를 예측할 수 있는 방법이 추가적으로 요구된다.
특허문헌 1은 기상청에서 일사량을 예보하지 않고 있는 문제점을 해결하기 위해서 기온, 습도, 운량 등 기상청의 기상 예보 정보를 이용하여 하늘의 청명도 지수를 산출하여 시간별로 태양고도, 태양상수 및 청명도 지수를 이용하여 일사량을 예측하는 방법을 제시하고 있다.
그러나 특허문헌 1은 기상 예보 정보 중에서 하늘의 구름 상태를 알려주는 운량 정보가 포함되어 일사량 예측이 가능했지만, 백엽상의 기상정보로 부터는 운량 정보를 알 수 있는 방법은 없으므로, 백엽상의 기상정보를 이용하여 일사량을 예측할 경우에는 특허문헌 1에서 제시한 방법을 활용하기 어렵다.
특허문헌 2는 태양광 발전소의 태양광 생산 발전량을 추정하는데 필요한 일사량을 예측하기 위하여 고가의 일사량 센서 대신에 저가의 조도 센서를 이용하는 방법을 제시하고 있으며, 이를 위해서 일사량 센서와 조도 센서가 모두 설치된 태양광 발전소에서 일정기간 동안 일사량이 측정된 조도 레벨을 대응시킨 매핑 테이블을 이용하였다.
더욱 상세하게는 특허문헌 2는 조도 센서가 설치되고 일사량 센서가 미설치된 태양광 발전소의 일사량을 추정하기 위하여, 조도 센서와 일사량 센서가 모두 설치되고 지리적으로 가까운 태양광 발전소의 매핑 테이블을 이용하였다.
그러나 종래에는 특허문헌 2를 비롯하여 두 태양광 발전소의 지리적 위치나 설치된 환경에 따라 두 태양광 발전소의 실제 일사량에 차이가 많을 때 매핑 테이블의 신뢰성이 저하될 수 있고, 어느 한 쪽의 발전소에 고가의 일사량 센서를 설치해야 하는 비용부담이 발생할 수 있으며, 조도 센서에서 측정된 조도를 일사량으로 변환하는 직접적인 방법을 제공하지 못하고 있는 실정이다.
상기 문제점을 해결하기 위하여 본 발명은 백엽상에 기본적으로 설치된 조도계를 이용하여 일사량을 추정하는 기상정보 생성 시스템 및 그 방법을 제공한다.
본 발명은 현재 시각을 참조하여 추정된 일사량의 조정이 필요한지 여부를 판별하고, 일사량 조정이 필요하면 일사량 조정용 과거 기상 데이터를 이용하여 추정된 일사량을 조정하는 기상정보 생성 시스템 및 그 방법을 제공한다.
본 발명은 예측 일사량 보정계수와 일사량 예측용 벡터자기회귀 모델을 이용하여 미래의 일사량을 예측하는 기상정보 생성 시스템 및 그 방법을 제공한다.
본 발명은 예측 습도 보정계수와 온습도 예측용 벡터자기회귀 모델을 이용하여 미래의 온습도를 예측하는 기상정보 생성 시스템 및 그 방법을 제공한다.
상기의 해결하고자 하는 과제를 위한 본 발명의 실시예에 따른 기상정보 생성 시스템은, 조도계와 습도계를 포함하는 센서부(110); 상기 조도계에서 측정된 현재 실황 조도와 태양상수를 이용하여 현재 변환 실황 일사량을 추정하고, 현재 시각을 참조하여 현재 변환 실황 일사량의 조정여부를 판별하는 분석부(120) 및 과거 실황 일사량, 과거 실황 습도, 과거 변환 실황 일사량, 과거 태양고도를 포함하는 일사량 조정용 과거 기상 데이터를 저장하는 저장부(130)를 포함하여, 상기 분석부는 현재 변환 실황 일사량의 조정이 필요하면 일사량 조정용 과거 기상 데이터를 이용하여 현재 조정 실황 일사량을 추정하는 것을 특징으로 한다.
본 발명의 실시예에 따른 기상정보 생성 시스템은, 상기 저장부에 저장된 과거 실황 습도, 과거 실황 일사량 및 과거 청명도 간의 시계열적 특성을 모델링하여 일사량 예측용 벡터자기회귀 모델을 구축하는 구축부(140)를 더 포함하고, 상기 분석부는 현재 일사량을 포함하여 설정된 최근 시간에 해당하는 최근 데이터를 일사량 예측용 벡터자기회귀 모델에 대입하여 미래 일사량을 예측하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 따른 기상정보 생성 시스템에 포함된 조도계를 이용한 기상정보 생성 방법은, 상기 기상정보 생성 시스템이 과거 실황 습도, 과거 실황 일사량 및 과거 청명도 간의 시계열적 특성을 모델링하여 일사량 예측용 벡터자기회귀 모델을 구축하는 단계; 상기 조도계에서 측정된 현재 실황 조도와 태양상수를 이용하여 현재 일사량을 추정하는 단계 및 상기 현재 일사량을 포함하여 설정된 최근 시간에 해당하는 최근 일사량 관련 데이터를 일사량 예측용 벡터자기회귀 모델에 대입하여 미래 일사량을 예측하는 단계를 포함하여, 상기 조도계를 이용하여 현재 일사량과 미래 일사량을 포함하는 기상정보를 생성하는 것을 특징으로 한다.
본 발명의 실시예에 따른 기상정보 생성 시스템에 포함된 조도계를 이용한 기상정보 생성 방법은, 과거 기온, 과거 습도 및 과거 태양고도 간의 시계열적 특성을 모델링하여 온습도 예측용 벡터자기회귀 모델을 구축하는 단계 및 현재 온습도를 포함하여 설정된 최근 시간에 해당하는 최근 온습도 관련 데이터를 온습도 예측용 벡터자기회기 모델에 대입하여 미래 온습도를 예측하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
본 발명은 기상청으로부터 기상정보를 얻어오지 못하더라도 백엽상에 기본적으로 설치된 조도계를 이용한 일사량을 추정할 수 있고, 고가의 일사량 센서를 사용하지 않아 센서의 설치 비용이나 유지보수 비용을 절감할 수 있다.
본 발명은 저가의 조도계를 이용하여 일사량을 추정함으로써, 건물의 냉난방 설비 가동 스케줄을 설정할 수 있고, 태양광 생산 발전량을 신뢰성이 있게 추정할 수 있으며, 온실작물의 최적 생장을 위한 온실 환경을 효율적으로 제어할 수 있으며, 다양한 분야에 적용하여 추정된 일사량을 활용할 수 있다.
본 발명은 해킹과 같이 사이버 공격에 위험하거나 열악한 환경에 의해 인터넷 접속이 어려워 기상청 서버로부터 기상정보를 수신하기 어려울 때 백엽상에 기본적으로 설치된 조도계를 이용하여 일사량을 예측할 수 있다.
본 발명은 현재 시각을 참조하여 추정된 일사량의 조정이 필요한지 여부를 판별하고, 일사량 조정이 필요하면 일사량 조정용 과거 기상 데이터를 이용하여 추정된 일사량을 조정함으로써, 정확하고 신뢰성이 있는 현재의 일사량을 추정할 수 있다.
본 발명은 일사량 예측용 벡터자기회귀 모델을 이용하여 미래의 일사량을 예측할 수 있고, 예측 일사량 보정계수를 적용하여 정확하고 신뢰성이 있는 미래의 일사량을 예측할 수 있다.
본 발명은 온습도 예측용 벡터자기회귀 모델을 이용하여 미래의 온습도를 예측할 수 있고, 예측 습도 보정계수를 적용하여 정확하고 신뢰성이 있는 미래의 온습도를 예측할 수 있다.
도 1은 본 발명의 실시예에 따른 기상정보 생성 시스템을 도시한 블록도이다.
도 2는 현재 일사량을 추정하는 방법을 도시한 흐름도이다.
도 3은 미래 일사량을 예측하는 방법을 도시한 흐름도이다.
도 4는 미래 온습도를 예측하는 방법을 도시한 흐름도이다.
도 5는 현재 일사량을 추정하는 본 발명의 방법과 기존 방법의 정확성을 비교한 예이다.
도 6은 미래 일사량, 기온 및 습도의 예측 정확성을 나타낸 예이다.
도 2는 현재 일사량을 추정하는 방법을 도시한 흐름도이다.
도 3은 미래 일사량을 예측하는 방법을 도시한 흐름도이다.
도 4는 미래 온습도를 예측하는 방법을 도시한 흐름도이다.
도 5는 현재 일사량을 추정하는 본 발명의 방법과 기존 방법의 정확성을 비교한 예이다.
도 6은 미래 일사량, 기온 및 습도의 예측 정확성을 나타낸 예이다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다.
도 1은 본 발명의 실시예에 따른 기상정보 생성 시스템을 도시한 블록도로서, 기상정보 생성 시스템(100)은 센서부(110), 분석부(120), 저장부(130) 및 구축부(140)를 포함한다.
센서부(110)는 조도계, 습도계 및 온도계를 포함한다. 센서부(110)는 백엽상일 수 있고, 유선 또는 무선의 통신을 이용하여 분석부(120) 또는 저장부(130)에게 센서 데이터를 전송할 수 있다. 센서부(110)는 설정된 시간의 단위로 센서 데이터를 전송할 수 있다. 예를 들어 센서부(110)는 5분 단위로 센서 데이터를 전송하고, 분석부(120)는 1시간 단위로 평균의 실황 기온, 실황 습도, 실황 조도 및 태양고도를 산출하며, 저장부(130)는 각각 현재 시각의 실황 기온(T real ), 실황 습도(R real ), 실황 조도(E real ) 및 태양고도(H)를 저장한다.
태양고도(H)는 지평선을 기준으로 하여 태양의 높이를 각도로 나타낸 것이며, 태양이 지평선에 있을 때 태양의 고도는 0o이며 머리 위에 있을 때는 90o이고, -90o ~ +90o 값을 가지며 태양의 고도를 계산하는 공식은 [수식 1]과 같다.
[수식 1]
H = arcsin{sin(적위) x sin(위도) + cos(적위) x cos(위도) x cos(시간각)}
여기서, 적위는 연중일에 따라 변하는 태양 빛과 적도가 이루는 각도로 23.45 x sin(radians(360 x (연중일 + 284) / 365))로 계산하며, 시간각은 연중일과 경도에 따라 1시간을 15도씩으로 계산한 각도로 -180o ~ +180o(0시 -180o, 06시 -90o, 12시 0o, 18시 +90o, 24시 +180o), 위도는 적도로부터 북극 또는 남극 방향으로 떨어져 있는 위치, 경도는 본초 자오선을 기준으로 동쪽 또는 서쪽으로 떨어져 있는 위치, 연중일은 특정 일자가 1년 중 며칠 째인지 나타내는 일수이다.
도 2는 현재 일사량을 추정하는 방법을 도시한 흐름도로서, 분석부(120)는 현재 실황 조도(E real )를 대기권밖 일사량 태양상수(I o )와 대기권밖 조도 태양상수(E o )를 기반으로 현재 변환 실황 일사량(I real-t )으로 산출하고, [수식 2]에 의해 산출된다.
[수식 2]
I
real-t
= E
real
I
o
E
o
I
o
= 1,367 W/m
2
/s
E
o
= 126,800 Lux/m
2
/s
여기서, I real-t 는 현재 변환 실황 일사량, E real 는 현재 실황 조도, I o 는 대기권밖 일사량 태양상수, E o 는 대기권밖 조도 태양상수이며, 대기권밖 일사량 태양상수(I o )는 대기권밖에서 측정한 태양 전자기 복사의 단위 면적당 평균인 상수로 1,367 W/m 2 /s이며, 대기권밖 조도 태양상수(E o )는 대기권밖에서 측정한 태양 광선에 수직인 조도의 단위 면적당 평균인 상수로 126,800 Lux/m 2 /s이다.
분석부(120)는 현재 변환 실황 일사량(I real-t )을 산출한 현재 시각이 9시 ~ 18시에는 실황 조도(E real )로부터 변환된 변환 실황 일사량(I real-t )이 실황 습도와 태양고도에 따라 실제 태양의 일사량과의 오차가 발생하므로 변환 실황 일사량(I real-t )을 조정하며, 조정할 필요가 없는 시각에는 현재 변환 실황 일사량(I real-t )을 그대로 현재 실황 일사량(I real )으로 추정한다.
사전에 저장부(130)는 과거 실황 습도, 과거 실황 일사량, 과거 변환 실황 일사량 및 과거 태양고도를 포함하는 일사량 조정용 과거 기상 데이터를 저장하고, 구축부(140)는 일사량 조정용 과거 기상 데이터를 기반으로 회귀모델을 구축하며, 분석부(120)에서 현재 변환 실황 일사량(I real-t )을 조정해야 하는 것으로 판단된 경우에는 구축부(140)에서 회귀모델을 이용하여 현재 시각의 조정된 현재 조정 실황 일사량(I real )을 산출할 수 있다.
구축부(140)는 현재 조정 실황 일사량(I real )을 산출하기 위해서 통계적 회귀분석 방법을 사용하고, 과거 실황 습도(R real-o ), 과거 1시간전 실황 일사량(I real-p ), 과거 변환 실황 일사량(I real-t-o ) 및 과거 태양고도(H o )를 독립변수로 하고, 과거 실황 일사량(I real-o )을 종속변수로 하여 [수식 3]과 같이 회귀모델을 구축한다.
[수식 3]
I
real-o
= c
0
+ c
1
R
real-o
+ c
2
(R
real-o
)
2
+ c
3
(R
real-o
)
3
+ c
4
I
real-p
+ c 5 
I real-t-o + c 6 
H o
여기서, I real-o 는 종속변수인 과거 실황 일사량, R real-o 는 독립변수인 과거 실황 습도, I real-p 는 독립변수인 과거 1시간전 실황 일사량, I real-t-o 는 독립변수인 과거 변환 일사량, H o 는 독립변수인 과거 태양고도, c 0 ~ c 6 는 회귀계수이며, 회귀계수는 독립변수가 한 단위 변화함에 따라 종속변수에 미치는 영향력 크기를 의미하는 계수이고 독립변수의 실측값과 예측값 간의 차이인 잔차의 제곱합을 최소로 하는 최소자승법에 의해 행렬식으로 구해진다.
분석부(120)는 [수식 3]에 의해 설정된 회귀모델에 이전 14일 동안의 과거 실황 습도(R real-o ), 과거 1시간전 실황 일사량(I real-p ), 과거 변환 실황 일사량(I real-t-o ), 과거 태양고도(H o ) 및 과거 실황 일사량(I real-o ) 데이터를 적용하여 회귀계수를 연산하고, 회귀계수와 현재 시각의 실황 습도(R real-o ), 현재 시각 1시간전의 실황 일사량(I real-p ), 현재 시각의 태양고도(H)와 현재 시각의 변환 실황 일사량(I real-t )을 [수식 3]에 대입하여 현재 시각의 조정된 현재 조정 실황 일사량(I real )을 추정한다.
도 3은 미래 일사량을 예측하는 방법을 도시한 흐름도로서, 저장부(130)는 일사량 예측용 과거 기상 데이터를 수집하여 저장한다. 기상정보 생성 시스템(100)은 입력부(150)를 더 포함할 수 있다. 일사량 예측용 과거 기상 데이터는 입력부(150)를 통하여 입력될 수 있다. 예를 들어 저장부(130)는 10년간의 기상정보인 실황 습도, 실황 일사량 및 태양고도 데이터를 저장할 수 있다.
구축부(140)는 저장부에 저장된 과거의 실황 습도, 실황 일사량 및 청명도 간의 시계열적 특성을 모델링하여 일사량 예측용 벡터자기회귀(Vector Autoregression: VAR) 모델을 구축할 수 있다.
청명도 지수(K)는 과의 실황 일사량과 태양고도로부터 [수식 4]에 의해 산출될 수 있다.
[수식 4]
K = I
real-o
/ (I
o
sin(H))
I
o
= 1,367 W/m
2
/s
여기서, K는 청명도 지수, I real-o 는 과거 실황 일사량, I o 는 대기권밖 일사량 태양상수, H는 태양고도이다.
일사량은 계절과 시간에 따라 변동 패턴이 있는 계절성과 주기성이라는 특성을 가지고 있고, 시간의 흐름에 따라 습도와 청명도 지수에 대응하여 상호 상관관계 및 인과관계가 있는 시계열적인 성격을 가지고 있으며, 현재 일시 이전 3 ~ 4일 동안(72 ~ 96시간)의 일사량이 현재 시각의 일사량에 가장 크게 영향을 주고 있다.
구축부(140)는 과거 일시의 실황 일사량과의 오차를 보정하기 위한 값인 예측 일사량 보정계수를 산출할 수 있다. 구축부(140)는 수집된 일사량 예측용 과거 기상 데이터를 이용하여 과거 일시의 예측 일사량을 산출할 수 있고, 과거 일시의 예측 일사량과 과거 일시의 실황 일사량 간의 오차를 보정하기 위한 예측 일사량 보정계수를 산출할 수 있다.
건물이 있는 지역별로 과거 일시의 예측 일사량과 과거 일시의 실황 일사량 간의 오차는 보정할 필요가 있을 정도로 차이가 발생하였고, 이에 따라 국내 주요 대도시를 대상으로 예측 일사량 보정계수를 구한 결과에 따르면, 서울 1.0118, 부산 1.0095, 대전 1,0062, 대구 1.0087, 인천 1.0094, 광주 1.0088이며, 이외의 지역은 기상정보 생성 시스템(100)을 건물에 설치하여 가동하기 이전에 건물이 있는 해당 지역의 과거 기상정보를 확보하여 일사량 보정계수를 구할 수 있다.
일사량 예측용 벡터자기회귀 모델은 시계열적인 성격과 상호 상관관계 및 인과관계를 가지고 있으므로, 구축부(140)는 과거의 실황 습도, 실황 일사량 및 청명도 지수 간에 다변량 시계열 모델인 벡터자기회귀 모델을 설정하여, 과거의 실황 습도, 실황 일사량 및 청명도 지수 데이터를 벡터자기회귀 모델에 적용하여 분석할 수 있도록 시계열 데이터로 변환하고, [수식 5]와 같이 설정될 수 있다.
[수식 5]
R
t
= d
1,1
R
t-1
+ ...+ d
1,n
R
t-n
+
e
1,1
I
t-1
+ ...+ e
1,n
I
t-n
+
f
1,1
K
t-1
+ ...+ f
1,n
K
t-n
I
t
= d
2,1
R
t-1
+ ...+ d
2,n
R
t-n
+
e
2,1
I
t-1
+ ...+ e
2,n
I
t-n
+
f
2,1
K
t-1
+ ...+ f
2,n
K
t-n
K
t
= d
3,1
R
t-1
+ ...+ d
3,n
R
t-n
+
e
3,1
I
t-1
+ ...+ e
3,n
I
t-n
+
f
3,1
K
t-1
+ ...+ f
3,n
K
t-n
여기서, R t 는 종속변수인 t 시각의 실황 습도, R t-1 은 독립변수인 (t-1) 시각의 실황 습도, R t-n 은 독립변수인 (t-n) 시각의 실황 습도, I t 는 종속변수인 t 시각의 실황 일사량, I t-1 은 독립변수인 (t-1) 시각의 실황 일사량, I t-n 은 독립변수인 (t-n) 시각의 실황 일사량, K t 는 종속변수인 t 시각의 청명도 지수, K t-1 은 독립변수인 (t-1) 시각의 청명도 지수, K t-n 은 독립변수인 (t-n) 시각의 청명도 지수, d, e, f는 각각 시각별 벡터자기회귀 계수이며, 벡터자기회귀 계수는 벡터자기회귀 모델의 각 독립변수가 한 단위 변화함에 따라 종속변수에 미치는 영향력 크기를 의미하는 계수이고 각 독립변수의 실측값과 예측값 간의 차이인 잔차의 제곱합을 최소로 하는 최소자승법에 의해 벡터 행렬식으로 구해진다.
구축부(140)는 일사량 예측용 벡터자기회귀 모델에 일사량 예측용 과거 기상 데이터를 적용하는 벡터자기회귀 분석을 통해 벡터자기회귀 계수를 구하여 일사량 예측용 벡터자기회귀 모델식을 확정한다.
분석부(120)는 현재 일사량을 포함하여 설정된 최근 시간에 해당하는 최근 데이터를 일사량 예측용 벡터자기회귀 모델에 대입하여 미래 일사량을 예측할 수 있다. 예를 들어 분석부(120)는 현재 시각 이전 72시간 동안의 과거 실황 습도, 과거 실황 일사량 및 과거 시각 청명도 지수를 확정된 일사량 예측용 벡터자기회귀 모델식에 대입하고, 산출된 예측 일사량 보정 계수(AC I )를 반영하여 현재 시각 이후 1시간 단위의 예측 일사량(I t-pred )을 [수식 6]에 의해 산출할 수 있다. 일사량 예측은 일반적으로 1시간 단위로 24시간을 예측하지만, 필요에 따라서는 48시간을 예측할 수도 있다.
[수식 6]
I
t-pred
= d
1,1
R
t-1
+ ...+ d
1,72
R
t-72
+
e
1,1
I
t-1
+ ...+ e
1,72
I
t-72
+
f
1,1
K
t-1
+ ...+ f
1,72
K
t-72
I
t-pred
= I
t-pred
AC
I
I t-pred 
0
여기서, I t-pred 는 예측 시각 t의 예측 일사량, R t-1 은 예측 시각 1시간 전의 실황(예측) 습도, R t-72 는 예측 시각 72시간 전의 실황 습도, I t-1 은 예측 시각 1시간 전의 실황(예측) 일사량, I t-72 는 예측 시각 72시간 전의 실황 일사량, K t-1 은 예측 시각 1시간 전의 실황(예측) 청명도 지수, K t-72 는 예측 시각 72시간 전의 실황 청명도 지수, d, e, f는 시각별 벡터자기회귀 계수, AC I 는 예측 일사량 보정계수이다.
도 4는 미래 온습도를 예측하는 방법을 도시한 흐름도로서, 저장부(130)는 온습도 예측용 과거 기상 데이터를 수집하여 저장한다. 예를 들어 저장부(130)는 현재 시각 이전 과거 10년 동안의 기상정보인 실황 기온, 실황 습도 및 태양고도 데이터를 저장할 수 있다.
기상정보 생성 시스템(100)은 특정 건물에 설치될 수 있고, 가동하기 이전에 기상청 서버에 접속하여 온습도 예측용 과거 기상 데이터를 얻어낼 수 있고, 가동한 후에는 기상청 서버에 접속할 수가 없으므로 자체적으로 측정하여 저장된 실황 기온, 실황 습도, 실황 일사량 및 태양고도를 지속적으로 추가하여 온습도 예측용 과거 기상 데이터를 업데이트할 수 있다.
기온과 습도는 계절과 시간에 따라 변동 패턴이 있는 계절성과 주기성이라는 특성을 가지고 있으며, 시간의 흐름에 따라 태양고도와 상호 상관관계 및 인과관계가 있는 시계열적인 성격을 가지고 있고, 현재 일시 이전 3 ~ 4일 동안(72 ~ 96시간)의 기온과 습도가 현재 시각의 기온과 습도에 가장 크게 영향을 주고 있다.
벡터자기회귀 모델은 시계열 분석과 회귀분석의 특징을 결합하여 여러 변수들 간에 나타나는 상관관계와 인과관계를 추정하여 시간의 흐름에 따른 변수 값들을 예측할 수 있는 다변량 시계열 모델로서, 변수들 간의 상호 인과관계를 분석하고 변수의 변화에 따른 파급효과 분석에도 이용되고 있다.
구축부(140)는 수집된 과거 온습도 예측용 기상정보 데이터를 통하여 과거 일시의 예측 습도를 산출함으로써, 과거 일시의 실황 습도와의 오차를 보정하기 위한 값인 예측 습도 보정계수를 산출할 수 있다.
과거 온습도 예측용 기상정보 데이터를 사전에 기상정보 생성 시스템(100)에 적용한 결과 건물이 있는 지역별로 과거 일시의 예측 기온과 실황 기온 간의 오차는 무시할 정도의 결과를 얻은 반면, 과거 일시의 예측 습도와 과거 일시의 실황 습도 간의 오차는 보정할 필요가 있을 정도로 차이가 발생하였다.
이에 따라 국내 주요 대도시를 대상으로 예측 습도 보정계수를 구한 결과 서울 1.0103, 부산 1.0089, 대전 1,0077, 대구 1.0099, 인천 1.0045, 광주 1.0083이며, 이외의 지역은 기상정보 생성 시스템(100)을 건물에 설치하여 가동하기 이전에 건물이 있는 해당 지역의 과거 기상정보를 확보하여 예측 습도 보정계수를 구할 수 있다.
구축부(140)는 시계열적인 성격과 상호 상관관계 및 인과관계를 가지고 있는 과거의 실황 기온, 실황 습도 및 태양고도 간에 다변량 시계열 모델인 벡터자기회귀 모델을 설정하고, 과거의 실황 기온, 실황 습도 및 태양고도 데이터를 벡터자기회귀 모델에 적용하여 분석할 수 있도록 시계열 데이터로 변환하며, 온습도 예측용 벡터자기회귀 모델은 [수식 7]과 같이 나타낼 수 있다.
[수식 7]
T
t
= a
1,1
T
t-1
+ ...+ a
1,n
T
t-n
+
b
1,1
R
t-1
+ ...+ b
1,n
R
t-n
+
c
1,1
H
t-1
+ ...+ c
1,n
H
t-n
R
t
= a
2,1
T
t-1
+ ...+ a
2,n
T
t-n
+
b
2,1
R
t-1
+ ...+ b
2,n
R
t-n
+
c
2,1
H
t-1
+ ...+ c
2,n
H
t-n
H
t
= a
3,1
T
t-1
+ ...+ a
3,n
T
t-n
+
b
3,1
R
t-1
+ ...+ b
3,n
R
t-n
+
c
3,1
H
t-1
+ ...+ c
3,n
H
t-n
여기서, T t 는 종속변수인 t 시각의 실황 기온, T t-1 은 독립변수인 (t-1) 시각의 실황 기온, T t-n 은 독립변수인 (t-n) 시각의 실황 기온, R t 는 종속변수인 t 시각의 실황 습도, R t-1 은 독립변수인 (t-1) 시각의 실황 습도, R t-n 은 독립변수인 (t-n) 시각의 실황 습도, H t 는 종속변수인 t 시각의 태양고도, H t-1 은 독립변수인 (t-1) 시각의 태양고도, H t-n 은 독립변수인 (t-n) 시각의 태양고도, a, b, c는 각각 시각별 벡터자기회귀 계수이다.
구축부(140)는 온습도 예측용 벡터자기회귀 모델에 온습도 예측용 과거 기상 데이터를 적용하여 벡터자기회귀 계수를 구하고, 온습도 예측용 벡터자기회귀 모델식을 확정할 수 있다.
구축부(140)는 과거의 기온, 습도 및 태양고도 간의 시계열적 특성을 모델링하여 온습도 예측용 벡터자기회귀 모델을 구축할 수 있다. 분석부(120)는 현재 온습도를 포함하여 설정된 최근 시간에 해당하는 최근 온습도 관련 데이터를 온습도 예측용 벡터자기회기 모델에 대입하여 미래 온습도를 예측할 수 있다.
예를 들어 분석부(120)는 현재 시각 이전 72시간 동안의 과거 실황 기온, 과거 실황 습도 및 과거 시각 태양고도를 확정된 상기 기온 습도 예측용 벡터자기회귀 모델식에 대입하고, 산출된 예측 습도 보정 계수(AC R )를 반영하여 현재 시각 이후 1시간 단위의 예측 기온(T t-pred ), 예측 습도(R t-pred )를 [수식 8]에 의해 산출할 수 있다. 기온과 습도 예측은 일반적으로 1시간 단위로 24시간을 예측하지만, 필요에 따라서는 48시간을 예측할 수도 있다.
[수식 8]
T
t-pred
= a
1,1
T
t-1
+ ...+ a
1,72
T
t-72
+
b
1,1
R
t-1
+ ...+ b
1,72
R
t-72
+
c
1,1
H
t-1
+ ...+ c
1,72
H
t-72
R
t-pred
= a
2,1
T
t-1
+ ...+ a
2,72
T
t-72
+
b
2,1
R
t-1
+ ...+ b
2,72
R
t-72
+
c
2,1
H
t-1
+ ...+ c
2,72
H
t-72
R
t-pred
= R
t-pred
AC
R
0
R
t-pred
99
여기서, T t-pred 는 예측 시각 t의 예측 기온, T t-1 은 예측 시각 1시간 전의 실황(예측) 기온, T t-72 는 예측 시각 72시간 전의 실황 기온, R t-pred 는 예측 시각 t의 예측 실황 습도, R t-1 은 예측 시각 1시간 전의 실황(예측) 습도, R t-72 는 예측 시각 72시간 전의 실황 습도, H t-1 은 예측 시각 1시간 전의 태양고도, H t-72 는 예측 시각 72시간 전의 태양고도, a, b, c는 시각별 벡터자기회귀 계수, AC R 는 예측 습도 보정계수이다.
분석부(120)는 병렬처리 프로세서를 포함할 수 있고, 병렬처리 프로세스를 이용하여 동시에 미래의 일사량과 온습도를 예측할 수 있다.
본 발명은 기상청 서버에 인터넷 접속이 어려운 경우에 백엽상에 설치된 온도계, 습도계 및 조도계만으로 기상정보 실황을 측정하고, 측정된 실황 조도를 실황 일사량으로 변환함으로써 저비용으로 실황 일사량을 추정할 수 있으며, 축적되는 과거의 기상 실황 정보를 이용하여 다변량 시계열 분석 방법인 벡터자기회귀 모델을 기반으로 미래의 기온, 습도 및 일사량을 예측할 수 있도록 하는 기상정보 생성 시스템 및 방법을 실현할 수 있다.
도 5는 현재 일사량을 추정하는 본 발명의 방법과 기존 방법의 정확성을 비교한 예로서, 본 발명의 방법과 기존 방법을 비교하기 위하여 정확성 평가지표를 WAPE(Weighted Absolute Percentage Error)와 MBE(Mean Bias Error)로 사용하였다.
현재 일사량을 추정하는 방법에 있어서 조도를 기반으로 일사량을 추정하는 본 발명의 방법과 운량 및 습도를 기반으로 일사량을 추정하는 기존의 방법을 적용하여 정확성을 비교한 결과는 도 5와 같이 본 발명의 방법이 기존의 방법보다 우수하다는 것을 알 수 있다. 이러한 결과는 건물에 설치된 백엽상에서 측정된 실황 조도를 직접 일사량으로 변환하기 때문이다.
도 6은 미래 일사량, 기온 및 습도의 예측 정확성을 나타낸 예로서, 본 발명의 실시예에 따른 미래 기온, 습도 및 일사량 예측의 정확성을 주요 6대 도시(서울, 부산, 대전, 광주, 인천, 대구)의 과거 10년 동안의 기상정보를 기반으로 2020.4.1.부터 2021.3.31.까지 1년 동안 시간별로 일사량, 기온 및 습도 등 기상정보를 예측하여 실황 기상정보와 비교한 예측 정확성 결과는 도6과 같이 본 발명에 따른 기상정보 생성 시스템의 성능이 우수함을 알 수 있다.
100: 기상정보 생성 시스템 110: 센서부
120: 분석부 130: 저장부
140: 구축부 150: 입력부
120: 분석부 130: 저장부
140: 구축부 150: 입력부
Claims (4)
- 조도계와 습도계를 포함하는 센서부(110);
상기 조도계에서 측정된 현재 실황 조도와 태양상수를 이용하여 현재 변환 실황 일사량을 추정하고, 현재 시각을 참조하여 현재 변환 실황 일사량의 조정여부를 판별하는 분석부(120) 및
과거 실황 일사량, 과거 실황 습도, 과거 변환 실황 일사량, 과거 태양고도를 포함하는 일사량 조정용 과거 기상 데이터를 저장하는 저장부(130)를 포함하여, 상기 분석부는 현재 변환 실황 일사량의 조정이 필요하면 일사량 조정용 과거 기상 데이터를 이용하여 현재 조정 실황 일사량을 추정하며,
현재 일사량은 [수식 2]을 이용하여 산출된 현재 변환 실황 일사량 및 [수식 3]를 이용하여 산출된 현재 조정 실황 일사량을 포함하는 것을 특징으로 하는 조도계를 이용한 기상정보 생성 시스템.
[수식 2]
Ireal-t = ErealIo
Eo
여기서, Ireal-t 는 현재 변환 실황 일사량, Ereal 는 현재 실황 조도, Io 는 대기권밖 일사량 태양상수, Eo 는 대기권밖 조도 태양상수임.
[수식 3]
Ireal-o = c0 + c1Rreal-o + c2
(Rreal-o)2 + c3
(Rreal-o)3 + c4
Ireal-p
+ c5Ireal-t-o + c6
H o
여기서, Ireal-o 는 종속변수인 과거 실황 일사량, Rreal-o 는 독립변수인 과거 실황 습도, Ireal-p 는 독립변수인 과거 1시간전 실황 일사량, Ireal-t-o 는 독립변수인 과거 변환 일사량, Ho 는 독립변수인 과거 태양고도, c0 ~ c6 는 회귀계수임. - 제1항에 있어서,
상기 저장부에 저장된 과거 실황 습도, 과거 실황 일사량 및 과거 청명도 간의 시계열적 특성을 모델링하여 일사량 예측용 벡터자기회귀 모델을 구축하는 구축부(140)를 더 포함하고,
상기 분석부는 현재 일사량을 포함하여 설정된 최근 시간에 해당하는 최근 데이터를 일사량 예측용 벡터자기회귀 모델에 대입하여 미래 일사량을 예측하는 것을 특징으로 하는 조도계를 이용한 기상정보 생성 시스템. - 기상정보 생성 시스템에 포함된 조도계를 이용한 기상정보 생성 방법에 있어서,
상기 기상정보 생성 시스템이 과거 실황 습도, 과거 실황 일사량 및 과거 청명도 간의 시계열적 특성을 모델링하여 일사량 예측용 벡터자기회귀 모델을 구축하는 단계;
상기 조도계에서 측정된 현재 실황 조도와 태양상수를 이용하여 현재 일사량을 추정하는 단계 및
상기 현재 일사량을 포함하여 설정된 최근 시간에 해당하는 최근 일사량 관련 데이터를 일사량 예측용 벡터자기회귀 모델에 대입하여 미래 일사량을 예측하는 단계를 포함하여, 상기 조도계를 이용하여 현재 일사량과 미래 일사량을 포함하는 기상정보를 생성하며,
현재 일사량은 [수식 2]을 이용하여 산출된 현재 변환 실황 일사량 및 [수식 3]을 이용하여 산출된 현재 조정 실황 일사량을 포함하고,
현재 시각을 참조하여 현재 변환 실황 일사량의 조정여부를 판별하며, 현재 변환 실황 일사량의 조정이 필요하면 현재 조정 실황 일사량을 추정하는 것을 특징으로 하는 조도계를 이용한 기상정보 생성 방법.
[수식 2]
Ireal-t = ErealIo
Eo
여기서, Ireal-t 는 현재 변환 실황 일사량, Ereal 는 현재 실황 조도, Io 는 대기권밖 일사량 태양상수, Eo 는 대기권밖 조도 태양상수임.
[수식 3]
Ireal-o = c0 + c1Rreal-o + c2
(Rreal-o)2 + c3
(Rreal-o)3 + c4
Ireal-p
+ c5Ireal-t-o + c6
H o
여기서, Ireal-o 는 종속변수인 과거 실황 일사량, Rreal-o 는 독립변수인 과거 실황 습도, Ireal-p 는 독립변수인 과거 1시간전 실황 일사량, Ireal-t-o 는 독립변수인 과거 변환 일사량, Ho 는 독립변수인 과거 태양고도, c0 ~ c6 는 회귀계수임. - 제3항에 있어서,
과거 기온, 과거 습도 및 과거 태양고도 간의 시계열적 특성을 모델링하여 온습도 예측용 벡터자기회귀 모델을 구축하는 단계 및
현재 온습도를 포함하여 설정된 최근 시간에 해당하는 최근 온습도 관련 데이터를 온습도 예측용 벡터자기회기 모델에 대입하여 미래 온습도를 예측하는 단계를 더 포함하는 것을 특징으로 하는 조도계를 이용한 기상정보 생성 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210082595A KR102351713B1 (ko) | 2021-06-24 | 2021-06-24 | 조도계를 이용한 기상정보 생성 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210082595A KR102351713B1 (ko) | 2021-06-24 | 2021-06-24 | 조도계를 이용한 기상정보 생성 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102351713B1 true KR102351713B1 (ko) | 2022-01-17 |
Family
ID=80051472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210082595A KR102351713B1 (ko) | 2021-06-24 | 2021-06-24 | 조도계를 이용한 기상정보 생성 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102351713B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117519349A (zh) * | 2023-12-06 | 2024-02-06 | 广州市农业科学研究院 | 温室大棚控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011163973A (ja) * | 2010-02-10 | 2011-08-25 | Osaka Gas Co Ltd | 日射量推定装置、太陽光発電量推定装置及びシステム |
| JP2013152156A (ja) * | 2012-01-25 | 2013-08-08 | Fuji Electric Co Ltd | 日射量算出装置、日射量算出装置の制御方法及びプログラム |
| KR101515003B1 (ko) | 2014-12-31 | 2015-04-24 | (주)가교테크 | 일사량 예측방법 |
| KR101910881B1 (ko) | 2016-08-01 | 2018-10-23 | 주식회사 케이티 | 조도 레벨로부터 일사량을 추정하는 장치, 방법 및 컴퓨팅 판독가능 매체 |
| KR20200057821A (ko) * | 2018-11-13 | 2020-05-27 | 주식회사 에코시안 | 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법 |
| KR102136106B1 (ko) * | 2020-01-16 | 2020-07-22 | 주식회사 사로리스 | 태양광 발전량 예측 장치 |
| KR20210070025A (ko) * | 2019-12-04 | 2021-06-14 | 한국항공우주연구원 | 일사량을 예측하는 방법, 장치 및 컴퓨터 프로그램 |
-
2021
- 2021-06-24 KR KR1020210082595A patent/KR102351713B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011163973A (ja) * | 2010-02-10 | 2011-08-25 | Osaka Gas Co Ltd | 日射量推定装置、太陽光発電量推定装置及びシステム |
| JP2013152156A (ja) * | 2012-01-25 | 2013-08-08 | Fuji Electric Co Ltd | 日射量算出装置、日射量算出装置の制御方法及びプログラム |
| KR101515003B1 (ko) | 2014-12-31 | 2015-04-24 | (주)가교테크 | 일사량 예측방법 |
| KR101910881B1 (ko) | 2016-08-01 | 2018-10-23 | 주식회사 케이티 | 조도 레벨로부터 일사량을 추정하는 장치, 방법 및 컴퓨팅 판독가능 매체 |
| KR20200057821A (ko) * | 2018-11-13 | 2020-05-27 | 주식회사 에코시안 | 빅데이터 분석을 통한 태양광 발전량 예측 장치 및 방법 |
| KR20210070025A (ko) * | 2019-12-04 | 2021-06-14 | 한국항공우주연구원 | 일사량을 예측하는 방법, 장치 및 컴퓨터 프로그램 |
| KR102136106B1 (ko) * | 2020-01-16 | 2020-07-22 | 주식회사 사로리스 | 태양광 발전량 예측 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117519349A (zh) * | 2023-12-06 | 2024-02-06 | 广州市农业科学研究院 | 温室大棚控制方法及系统 |
| CN117519349B (zh) * | 2023-12-06 | 2024-04-23 | 广州市农业科学研究院 | 温室大棚控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10482197B2 (en) | Solar irradiance modeling augmented with atmospheric water vapor data | |
| US20140278108A1 (en) | Methods and Systems for Optical Flow Modeling Applications for Wind and Solar Irradiance Forecasting | |
| CN107912067B (zh) | 太阳能发电量预测装置以及太阳能发电量预测方法 | |
| Nuño et al. | Simulation of transcontinental wind and solar PV generation time series | |
| CN111027175B (zh) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | |
| Hart et al. | Daily reference evapotranspiration for California using satellite imagery and weather station measurement interpolation | |
| US20140278107A1 (en) | Methods and systems for real-time solar forecasting incorporating a ground network | |
| CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
| PT109213B (pt) | Método e sistema para a previsão da potência de saída de um grupo de centros eletroprodutores fotovoltaicos e a gestão da integração da referida potência de saída numa rede elétrica | |
| KR102351713B1 (ko) | 조도계를 이용한 기상정보 생성 시스템 및 그 방법 | |
| Rincón et al. | Bias correction of global irradiance modelled with weather and research forecasting model over Paraguay | |
| CN110781458A (zh) | 一种基于混合回归模型预测地表太阳辐照度的方法 | |
| CN110896761A (zh) | 一种温室的灌溉决策方法及系统 | |
| Zhang et al. | Downscaling hourly air temperature of WRF simulations over complex topography: A case study of Chongli District in Hebei Province, China | |
| Liu et al. | Prediction of summer extreme precipitation over the middle and lower reaches of the Yangtze River basin | |
| Alerskans et al. | A transformer neural network for predicting near‐surface temperature | |
| Nikitidou et al. | Short-term cloudiness forecasting for solar energy purposes in Greece, based on satellite-derived information | |
| Vogt et al. | Synthetic Photovoltaic and Wind Power Forecasting Data | |
| Xu et al. | Generating a high-resolution time-series ocean surface net radiation product by downscaling J-OFURO3 | |
| KR20210074167A (ko) | 태양광 발전량 예측 시스템 | |
| Šúri et al. | Requirements and standards for bankable DNI data products in CSP projects | |
| KR20130102789A (ko) | 댐 건설 전후 기후 특성 변화 예측 시스템 및 그 방법 | |
| Ramírez-Beltrán et al. | A satellite algorithm for estimating relative humidity, based on GOES and MODIS satellite data | |
| Jayasankar et al. | High‐resolution climate change projection of northeast monsoon rainfall over peninsular India | |
| Ueyama | Radiative cooling scale method for correcting hourly surface air temperature error in numerical weather prediction models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |