KR102410027B1 - 태양광 발전 시스템의 고장 진단 방법 및 그 장치 - Google Patents
태양광 발전 시스템의 고장 진단 방법 및 그 장치 Download PDFInfo
- Publication number
- KR102410027B1 KR102410027B1 KR1020170128135A KR20170128135A KR102410027B1 KR 102410027 B1 KR102410027 B1 KR 102410027B1 KR 1020170128135 A KR1020170128135 A KR 1020170128135A KR 20170128135 A KR20170128135 A KR 20170128135A KR 102410027 B1 KR102410027 B1 KR 102410027B1
- Authority
- KR
- South Korea
- Prior art keywords
- failure
- data
- pattern
- big data
- photovoltaic
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 238000010248 power generation Methods 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000003745 diagnosis Methods 0.000 claims description 21
- 238000013480 data collection Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003754 machining Methods 0.000 claims 2
- 238000007726 management method Methods 0.000 description 55
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003491 array Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002699 waste material Substances 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Photovoltaic Devices (AREA)
Abstract
본 발명은 태양광 발전 시스템의 고장 진단 방법에 관한 것으로, 태양광 발전 시스템에 장착된 고장 감지 센서들로부터 계측 데이터를 수집하고, 상기 수집된 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축하는 단계; 상기 데이터베이스에 저장된 빅데이터와 상기 태양광 발전 시스템의 고장 정보를 이용하여 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 단계; 및 상기 고장 감지 센서들로부터 수신되는 실시간 계측 데이터와 상기 산출된 고장 패턴을 기반으로 상기 태양광 발전 시스템의 고장 여부를 진단하는 단계를 포함한다.
Description
본 발명은 태양광 발전 시스템의 고장 진단 방법 및 그 장치에 관한 것으로, 더욱 상세하게는 태양광 발전 시스템에 장착된 고장 감지 센서들을 통해 수집된 빅데이터(big data)를 활용하여 해당 시스템의 고장을 자동으로 진단하는 방법 및 그 장치에 관한 것이다.
화석연료의 고갈과 지구온난화 등과 같은 문제로 인해 친환경 발전 시스템이 각광을 받고 있으며, 이러한 친환경 발전 시스템으로는 대표적으로 태양광발전시스템이 있다.
태양광 발전(photovoltaic power generation)은 햇빛을 전기로 바꾸어 전력을 생산하는 발전 방법으로서, 복수의 태양전지들이 붙어있는 태양광 패널을 대규모로 펼쳐 태양광 에너지를 전기 에너지로 변환한다.
신 재생 에너지에 대한 수요가 점점 증가함에 따라, 태양전지와 태양전지 어레이의 생산이 크게 늘어나고 있는 추세이며, 모듈 가격이 꾸준히 내려 경제성은 점점 높아지고 있는 실정이다. 더 나아가, 태양광 에너지에 대한 기준가격 의무구매제와 요금상계제 등과 같은 재정적인 장려 정책을 호주, 독일, 이스라엘, 일본 및 미국을 포함한 많은 나라에서 지원함으로써 태양광 발전 설비의 설치를 확대하고 있다.
이와 같은 태양광 발전은 설치 후 약 20년 이상을 반영구적으로 활용할 수 있고, 무공해/무진장의 태양 에너지원을 사용하는 점 등으로 인해 미래의 대체 에너지원으로 각광받고 있다.
도 1은 일반적인 태양광 발전 시스템의 개략적인 구성을 도시한다.
도 1에 도시된 바와 같이, 태양광 발전 시스템은 복수개의 태양전지 셀(Solar cell)이 모여 하나의 태양광 전지모듈(PV module)(10a ~ 10n)을 형성하고, 복수개의 태양광 전지모듈(10a ~ 10n)이 직렬로 연결되어 하나의 태양전지 어레이(PV array)(10)를 형성한다.
복수개의 태양광 전지모듈(10a ~ 10n)이 직렬로 연결되어 형성된 태양전지 어레이(10, 20)는 접속반(40a, 40b)에 연결되며, 각각의 태양전지 어레이(10, 20)에 연결된 접속반(40a, 40b)들은 다시 인버터(50)로 연결된다.
각각의 태양광 전지모듈(10a ~ 10n)에서 생산된 DC 전력은 접속반(40a)에서 통합되어 인버터(50)로 전달되며, 인버터(50)에서 DC 전력이 AC 전력으로 변환되고 변압기/배전반(미도시)에서 승압되어 배전선(미도시)을 통해 생산된 전력이 수용가로 전달된다.
이러한 태양광 발전 시스템을 유지 및 관리하여 효율적으로 운용하기 위해서는 태양광 발전 모니터링 시스템이 필요하다. 이는 원격지에 위치하는 발전 시스템에 대한 모니터링 없이는 태양광 발전이 적합한 성능으로 작동하고 있는지 또는 문제 발생으로 태양광 발전의 효율성이 떨어지고 있는지 등을 전혀 파악할 수 없기 때문이다.
그런데 종래의 태양광 발전 모니터링 시스템은 인버터에서의 직류 전압/전류, 교류 각 상의 전압/전류만을 측정하므로, 태양광 전지모듈, 접속반 및 인버터 중 어느 장치의 고장으로 인해 발전 용량이 떨어진 것인지를 원격지에서 판단하는 것이 불가능하다. 따라서 태양광 발전 시스템의 고장 여부를 판단하기 위해서는 현장에 인력이 투입되어 태양광 전지모듈, 접속반 및 인버터 각각의 전압/전류를 확인하는 방식으로 고장 여부를 판단하는데, 이는 많은 인력의 낭비일뿐만 아니라 이로 인한 시간 및 비용 등이 많이 소요되며 더욱이 태양광 전지모듈의 고장 진단에 대한 정확성이 떨어지는 문제가 있다.
또한, 태양광 발전 시스템의 운영자는 자체 결함 또는 환경적인 다른 이유 등으로 고장이 발생할 경우 이에 대한 즉각적인 대처가 어렵고 전문가의 A/S에 의존하는 경향이 있다. 아울러, 시스템 운영자는 태양광 발전 시스템 구축 이후에 전혀 관심을 두지 않는 경우가 많아 고장에 의해 운전이 되지 않더라도 늦게 발견되고, A/S 절차가 번거로워 복구에 많은 시간이 소요되는 문제가 있다. 따라서, 원격지에 존재하는 태양광 발전 시스템의 동작 상태를 감시하여 해당 시스템의 고장을 자동으로 진단하는 방안이 필요하다.
본 발명은 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다. 또 다른 목적은 태양광 발전 시스템을 구성하는 장치 별로 고장 종류를 분류하고, 각각의 고장 특성에 맞는 고장 감지 센서를 해당 장치에 부착하여 데이터를 계측하며, 상기 계측 데이터를 데이터베이스에 저장하여 빅데이터로 구축하는 고장 진단 방법 및 그 장치를 제공함에 있다.
또 다른 목적은, 태양광 발전 시스템에 장착된 고장 감지 센서들을 통해 수집된 빅데이터를 기반으로 고장 종류별 고장패턴을 검출하고, 상기 검출된 고장패턴을 이용하여 해당 시스템의 고장을 자동으로 진단하는 고장 진단 방법 및 그 장치를 제공함에 있다.
상기 또는 다른 목적을 달성하기 위해 본 발명의 일 측면에 따르면, 태양광 발전 시스템에 장착된 고장 감지 센서들로부터 계측 데이터를 수집하고, 상기 수집된 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축하는 단계; 상기 데이터베이스에 저장된 빅데이터와 상기 태양광 발전 시스템의 고장 정보를 이용하여 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 단계; 및 상기 고장 감지 센서들로부터 수신되는 실시간 계측 데이터와 상기 산출된 고장 패턴을 기반으로 상기 태양광 발전 시스템의 고장 여부를 진단하는 단계를 포함하는 태양광 발전 시스템의 고장 진단 방법을 제공한다.
본 실시 예에서, 상기 빅데이터 구축 단계는 태양광 발전 시스템의 고장이력을 수집하여 해당 시스템을 구성하는 장치별로 고장 종류들을 분류하는 단계; 및 상기 고장 종류들을 식별하기 위한 복수의 고장 감지 센서들을 결정하는 단계를 더 포함할 수 있다.
또한, 상기 빅데이터 구축 단계는 고장 감지 센서들로부터 수집된 계측 데이터를 아날로그 데이터와 디지털 데이터로 분류하고, 상기 아날로그 데이터를 디지털 데이터로 변환하는 단계를 더 포함할 수 있다.
다른 실시 예에서, 상기 고장 패턴 산출 단계는 데이터베이스에 저장된 빅데이터와 태양광 발전 시스템의 고장 정보를 비교하여 데이터별 고장 여부를 판단하는 단계; 및 상기 고장 여부 판단에 기초하여 상기 빅데이터를 정상 데이터들과 고장 데이터들로 분류하는 단계를 더 포함할 수 있다. 상기 고장 정보는 시스템 운영자로부터 입력받을 수 있다.
또 다른 실시 예에서, 상기 고장 패턴 산출 단계는 정상 데이터들과 고장 데이터들을 데이터베이스에 구분하여 저장하는 단계를 더 포함할 수 있다. 또한, 상기 고장 패턴 산출 단계는 고장 데이터들을 편집하고, 상기 편집된 고장 데이터들을 태양광 발전 시스템의 고장 종류별로 분류하는 단계; 및 상기 분류된 고장 데이터들의 평균 패턴을 구하여 상기 고장 종류별 고장 패턴을 산출하는 단계를 더 포함할 수 있다.
또 다른 실시 예에서, 상기 고장 진단 방법은, 고장 감지 시, 고장 발생 시간, 고장 발생 장치, 고장 종류 및 고장 원인 중 적어도 하나를 포함하는 알람 신호를 출력하는 단계를 더 포함할 수 있다.
본 발명의 다른 측면에 따르면, 태양광 발전 시스템에 장착된 고장 감지 센서들로부터 계측 데이터를 수집하고, 상기 수집된 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축하는 과정; 상기 데이터베이스에 저장된 빅데이터와 상기 태양광 발전 시스템의 고장 정보를 이용하여 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 과정; 및 상기 고장 감지 센서들로부터 수신되는 실시간 계측 데이터와 상기 산출된 고장 패턴을 기반으로 상기 태양광 발전 시스템의 고장 여부를 진단하는 과정이 컴퓨터상에서 수행 가능한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공한다.
본 발명의 또 다른 측면에 따르면, 태양광 발전 시스템에 장착된 고장 감지 센서들로부터 계측 데이터를 수집하는 계측 데이터 수집부; 상기 계측 데이터 수집부를 통해 수집된 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축하는 빅데이터 구축부; 상기 데이터베이스에 저장된 빅데이터와 상기 태양광 발전 시스템의 고장 정보를 이용하여 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 고장패턴 산출부; 및 상기 고장 감지 센서들로부터 수신되는 실시간 계측 데이터와 상기 산출된 고장 패턴을 기반으로 상기 태양광 발전 시스템의 고장 여부를 진단하는 고장 진단부를 포함하는 PV 관리 시스템을 제공한다.
본 실시 예에서, 상기 PV 관리 시스템은 계측 데이터 수집부를 통해 수집된 수집된 계측 데이터를 아날로그 데이터와 디지털 데이터로 분류하고, 상기 아날로그 데이터를 디지털 데이터로 변환하는 데이터 처리부를 더 포함할 수 있다.
또한, 상기 PV 관리 시스템은, 고장 진단 시, 고장 발생 시간, 고장 발생 장치, 고장 종류 및 고장 원인 중 적어도 하나를 포함하는 알람 신호를 출력하는 고장 경보부를 더 포함할 수 있다.
본 발명의 실시 예들에 따른 태양광 발전 시스템의 고장 진단 방법 및 그 장치의 효과에 대해 설명하면 다음과 같다.
본 발명의 실시 예들 중 적어도 하나에 의하면, 태양광 발전 시스템의 고장을 자동으로 진단하여 고장 정보를 시스템 운영자에게 통보함으로써, 고장 시간을 단축하고 운전 시간을 늘려 태양광 발전 시스템의 효용성을 최대화할 수 있다는 장점이 있다.
다만, 본 발명의 실시 예들에 따른 태양광 발전 시스템의 고장 진단 방법 및 그 장치가 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 일반적인 태양광 발전 시스템의 구성을 개략적으로 도시하는 도면;
도 2는 본 발명의 일 실시 예에 따른 태양광 발전 시스템의 구성을 도시하는 도면;
도 3은 도 2의 태양광 발전 시스템을 구성하는 장치들 간의 데이터 흐름을 설명하는 도면;
도 4는 본 발명의 일 실시 예에 따른 PV 관리 시스템의 구성을 도시하는 도면;
도 5는 태양광 발전 시스템의 빅데이터를 구축하는 PV 관리 시스템의 동작을 설명하는 순서도;
도 6은 태양광 발전 시스템의 고장 종류 및 고장 감지 센서를 예시하는 도면;
도 7은 빅데이터를 이용하여 고장 종류별 고장패턴을 산출하는 PV 관리 시스템의 동작을 설명하는 순서도;
도 8은 고장 패턴을 이용하여 고장 진단을 수행하는 PV 관리 시스템의 동작을 설명하는 순서도;
도 9는 태양광 전지모듈의 출력 전압 파형을 예시하는 도면.
도 2는 본 발명의 일 실시 예에 따른 태양광 발전 시스템의 구성을 도시하는 도면;
도 3은 도 2의 태양광 발전 시스템을 구성하는 장치들 간의 데이터 흐름을 설명하는 도면;
도 4는 본 발명의 일 실시 예에 따른 PV 관리 시스템의 구성을 도시하는 도면;
도 5는 태양광 발전 시스템의 빅데이터를 구축하는 PV 관리 시스템의 동작을 설명하는 순서도;
도 6은 태양광 발전 시스템의 고장 종류 및 고장 감지 센서를 예시하는 도면;
도 7은 빅데이터를 이용하여 고장 종류별 고장패턴을 산출하는 PV 관리 시스템의 동작을 설명하는 순서도;
도 8은 고장 패턴을 이용하여 고장 진단을 수행하는 PV 관리 시스템의 동작을 설명하는 순서도;
도 9는 태양광 전지모듈의 출력 전압 파형을 예시하는 도면.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 즉, 본 발명에서 사용되는 '부'라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '부'는 어떤 역할들을 수행한다. 그렇지만 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '부'들로 결합되거나 추가적인 구성요소들과 '부'들로 더 분리될 수 있다.
또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명은 태양광 발전 시스템의 구성 장치별로 고장 종류를 정의하고, 각각의 고장 특성에 맞는 고장 감지 센서를 해당 장치에 부착하여 데이터를 계측하며, 상기 계측 데이터를 데이터베이스에 저장하여 빅데이터로 구축하는 방안을 제안한다. 또한, 본 발명은 태양광 발전 시스템의 계측 정보에 관한 빅데이터를 기반으로 고장 종류별 고장패턴을 검출하고, 상기 검출된 고장패턴을 이용하여 해당 시스템의 고장을 자동으로 진단하는 고장 진단 방법 및 그 장치를 제공함에 있다.
이하에서는, 본 발명의 다양한 실시 예들에 대하여, 도면을 참조하여 상세히 설명한다.
도 2는 본 발명의 일 실시 예에 따른 태양광 발전 시스템의 구성을 도시하는 도면이고, 도 3은 도 2의 태양광 발전 시스템을 구성하는 장치들 간의 데이터 흐름을 설명하는 도면이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시 예에 따른 태양광 발전 시스템(100)은 태양광 발전소(110), PV 관리 시스템(120) 및 빅데이터 시스템(130) 등을 포함할 수 있다.
태양광 발전소(110)는 하나 이상의 태양광 전지모듈(111), 접속반(113), 인버터(114) 및 복수의 고장 감지 센서들(미도시)을 포함할 수 있다. 상기 태양광 발전소(110)를 구성하는 태양광 전지모듈(111), 접속반(113) 및 인버터(114)는 전력선(power line)을 통해 전기적으로 연결될 수 있다.
태양광 전지모듈(111)은 복수의 태양전지 셀들(미도시)을 구비하며, 상기 태양전지 셀들을 통해 태양 에너지를 전기 에너지로 변환할 수 있다. 접속반(113)은 하나 이상의 태양광 전지모듈(111)로부터 전달되는 전기 에너지를 통합(또는 취합)하여 인버터(115)로 제공할 수 있다. 인버터(115)는 접속반(113)으로부터 수신되는 DC 타입의 전기 에너지를 AC 타입의 전기 에너지로 변환하고, 상기 변환된 AC 타입의 전기 에너지를 부하(즉, 수용가, 140)로 출력할 수 있다.
복수의 고장 감지 센서들은 태양광 전지모듈(111), 접속반(113) 및 인버터(114)에 각각 설치되어, 상기 태양광 전지모듈(111), 접속반(113) 및 인버터(114)의 상태를 계측하고, 상기 계측된 데이터를 PV 관리 시스템(120)으로 전송할 수 있다.
PV 관리 시스템(120)은 태양광 발전소(110)의 전반적인 동작을 운용 및 관리하는 기능을 수행할 수 있다. 즉, PV 관리 시스템(120)은 태양광 발전소(110)의 운전을 모니터링할 수 있다. 또한, PV 관리 시스템(120)은 빅데이터 시스템(130)에 저장된 빅데이터를 활용하여 태양광 발전소(110)의 고장패턴을 분석할 수 있고, 상기 분석된 고장패턴을 기반으로 상기 태양광 발전소(110)의 고장을 진단할 수 있다. PV 관리 시스템(120)은, 고장 감지 시, 고장 경보 메시지를 태양광 발전소(110)로 전송할 수 있다.
PV 관리 시스템(120)은 태양광 발전소(110) 및 빅데이터 시스템(130) 등과 통신선(communication line)을 통해 전기적으로 연결되어, 상기 태양광 발전소(110) 및 빅데이터 시스템(130)과 데이터를 교환할 수 있다.
예컨대, PV 관리 시스템(120)은 태양광 발전소(110)를 구성하는 장치들(111, 113, 115)에 장착된 고장 감지 센서들로부터 계측 데이터를 수집할 수 있다. 또한, PV 관리 시스템(120)은 태양광 발전소(110)로부터 발전소 정보 및 발전소 출력 정보 등을 수집할 수 있다.
PV 관리 시스템(120)은 태양광 발전소(110)로부터 수집된 계측 데이터를 빅데이터 시스템(130)으로 전송할 수 있고, 상기 빅데이터 시스템(130)에 저장된 빅데이터를 호출할 수 있다.
빅데이터 시스템(130)은 PV 관리 시스템(120)로부터 수신되는 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축할 수 있다. 상기 빅데이터 시스템(130)은 대용량의 계측 데이터를 장치별 및/또는 날짜별로 분류하여 데이터베이스에 저장할 수 있다. 상기 계측 데이터를 분류하는 프로세스는 PV 관리 시스템(120)에 의해 수행될 수도 있다.
또한, 빅데이터 시스템(130)은 대용량의 계측 데이터를 고장 데이터와 정상 데이터로 분류하여 데이터베이스(DB)에 저장할 수 있다. 이를 위해, 상기 빅데이터 시스템(130)은 계측 데이터를 저장하기 위한 제1 데이터베이스, 고장 데이터를 저장하기 위한 제2 데이터베이스, 정상 데이터를 저장하기 위한 제3 데이터베이스를 포함할 수 있다.
한편, 본 실시 예에서는 빅데이터 시스템(130)이 독립적으로 구성되는 것을 예시하고 있으나 이를 제한하지는 않으며, 상기 빅데이터 시스템(130)이 PV 관리 시스템(120) 내에 DB 형태로 구축될 수 있음은 당업자에게 자명할 것이다.
도 4는 본 발명의 일 실시 예에 따른 PV 관리 시스템의 구성을 도시하는 도면이다.
도 4를 참조하면, 본 발명의 일 실시 예에 따른 PV 관리 시스템(120, 400)은 계측 데이터 수집부(410), 데이터 처리부(420), 빅데이터 구축부(430), 입력부(440), 출력부(450), 고장패턴 검출부(460), 고장 진단부(470), 고장 경보부(480), 메모리(490) 및 제어부(495) 등을 포함할 수 있다. 도 4에 도시된 구성요소들은 PV 관리 시스템을 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 PV 관리 시스템은 위에서 열거된 구성요소들보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
계측 데이터 수집부(410)는 태양광 발전소(110)의 태양광 전지모듈(111), 접속반(113) 및 인버터(114)에 장착된 고장 감지 센서들로부터 계측 데이터를 수집할 수 있다.
또한, 계측 데이터 수집부(410)는 PV 관리 시스템(400)에 장착된 고장 감지 센서들(미도시)로부터 계측 데이터를 수집할 수 있다. 이때, 상기 고장 감지 센서는 PV 관리 시스템(400)의 소프트웨어(S/W) 버그 및 통신 오류 등을 검출할 수 있다.
데이터 처리부(420)는 계측 데이터 수집부(410)를 통해 수집된 계측 데이터를 아날로그 데이터와 디지털 데이터로 분류하고, 상기 분류된 아날로그 데이터를 디지털 데이터로 변환하는 일련의 데이터 처리 프로세스를 수행할 수 있다.
빅데이터 구축부(430)는 데이터 처리 프로세스를 거친 계측 데이터를 빅데이터 시스템(130)의 데이터베이스(DB)에 저장하여 빅데이터를 구축할 수 있다. 이러한 빅데이터는 태양광 발전 시스템(100)의 고장 종류별 고장패턴을 산출하기 위해 사용될 수 있다.
입력부(440)는 영상 신호 입력을 위한 카메라 또는 영상 입력부, 오디오 신호 입력을 위한 마이크로폰(microphone), 사용자로부터 정보를 입력받기 위한 사용자 입력부(예를 들어, 터치키(touch key), 푸시키(mechanical key) 등)를 포함할 수 있다. 사용자 입력부는 사용자로부터 정보를 입력받기 위한 것으로서, 사용자 입력부를 통해 정보가 입력되면, 제어부(495)는 입력된 정보에 대응되도록 PV 관리 시스템(400)의 동작을 제어할 수 있다. 이러한, 사용자 입력부는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예를 들어, 버튼, 돔 스위치(dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다.
출력부(450)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부, 음향 출력부, 광 출력부 중 적어도 하나를 포함할 수 있다. 디스플레이부는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, PV 관리 시스템(400)과 시스템 운영자 사이의 입력 인터페이스를 제공하는 사용자 입력부로써 기능함과 동시에, PV 관리 시스템(400)과 시스템 운영자 사이의 출력 인터페이스를 제공할 수 있다.
고장패턴 검출부(460)는 빅데이터 시스템(130)에 저장된 빅데이터와 시스템 운영자로부터 입력된 고장 정보를 기반으로 태양광 발전 시스템(100)의 고장 종류별 고장패턴을 산출할 수 있다.
고장 진단부(470)는 태양광 발전소(110) 및 PV 관리 시스템(120)으로부터 수신되는 실시간 계측 데이터와 고장 종류별 고장패턴을 이용하여 태양광 발전 시스템(100)의 고장 여부를 진단할 수 있다. 고장 진단부(470)는, 고장 감지 시, 고장 데이터 및 고장 패턴 등을 기반으로 고장 발생 시간, 고장 발생 장치, 고장 종류 및 고장 원인 등을 분석할 수 있다.
고장 경보부(480)는, 고장 감지 시, 고장 발생 장치, 고장 발생 시간, 고장 종류 및 고장 원인 등을 지시하는 알람 신호(alarm signal)를 출력할 수 있다. 이러한 알람 신호를 통해 PV 관리 시스템(120, 400)의 운영자는 태양광 발전 시스템의 고장을 인지할 수 있게 된다.
또한, 고장 경보부(480)는 고장 발생 장치, 고장 발생 시간, 고장 종류 및 고장 원인 등을 지시하는 알람 신호를 태양광 발전소(110)로 제공할 수 있다. 이러한 알람 신호를 통해 태양광 발전소(110)의 운영자는 태양광 발전 시스템(100)의 고장을 인지할 수 있게 된다.
메모리(490)는 PV 관리 시스템(400)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(490)는 PV 관리 시스템(400)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), PV 관리 시스템(400)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다.
메모리(490)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
제어부(495)는 PV 관리 시스템(400)의 전반적인 동작을 제어할 수 있다. 제어부(495)는 위에서 살펴본 구성요소들(410~490)을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(490)에 저장된 응용 프로그램을 구동함으로써, 시스템 운영자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다. 또한, 제어부(495)는 메모리(490)에 저장된 응용 프로그램을 구동하기 위하여, 상술한 구성요소들(410~490) 중 적어도 일부를 제어할 수 있다.
제어부(495)는 태양광 발전 시스템(100)의 고장이력을 수집하여 해당 시스템(100)을 구성하는 장치 별로 고장 종류들을 분류할 수 있고, 상기 고장 종류들을 식별하기 위한 복수의 고장 감지 센서들을 결정할 수 있다. 상기 복수의 고장 감지 센서들이 태양광 발전 시스템(100)의 구성 장치들에 장착되면, 제어부(495)는 해당 센서들로부터 수신되는 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축할 수 있다.
또한, 제어부(495)는 태양광 발전 시스템의 계측 정보에 관한 빅데이터를 기반으로 고장 종류별 고장패턴을 검출하고, 상기 검출된 고장패턴을 이용하여 해당 시스템의 고장을 자동으로 진단할 수 있다.
도 5는 태양광 발전 시스템의 빅데이터를 구축하는 PV 관리 시스템의 동작을 설명하는 순서도이다.
도 5를 참조하면, PV 관리 시스템(120, 400)의 제어부(495)는 태양광 발전 시스템(100)의 고장이력을 수집하여 해당 시스템(100)을 구성하는 장치 별로 고장 종류들을 분류할 수 있다(S510). 상기 태양광 발전 시스템(100)을 구성하는 장치로는 태양광 전지모듈(111), 접속반(113), 인버터(115) 및 PV 관리 시스템(120) 등이 있다.
제어부(495)는 태양광 발전 시스템(100)의 구성 장치 별로 고장 종류들을 식별하기 위한 복수의 고장 감지 센서들을 결정할 수 있다(S520). 즉, 제어부(495)는 고장 특성에 맞는 고장 감지 센서를 결정할 수 있다. 시스템 운영자는 빅데이터 구축을 위해 복수의 고장 감지 센서들을 태양광 발전 시스템(100)의 구성 장치들에 장착할 수 있다.
가령, 도 6에 도시된 바와 같이, 태양광 전지모듈(111)의 고장 종류로는 저 전압, 셀 열화, 과열, 단자박스(junction box) 불량, 프레임 이탈, 글래스 파손 등이 있다. 상기 고장 종류를 검출하기 위한 고장 감지 센서로는 전압 센서, 온도 센서, 이미지 센서 등이 있다.
접속반(113)의 고장 종류로는 퓨즈 고장, PCB 기판 표면 응결, 차단기 고장, 에코스(echoes) 문제 등이 있다. 상기 고장 종류를 검출하기 위한 고장 감지 센서로는 전류 센서, 습도 센서, 소리 센서 등이 있다.
인버터(115)의 고장 종류로는 고주파 문제, 과 전압, 부족 전압, IGBT(Insulated Gate Bipolar mode Transistor) 고장, AC 퓨즈 고장, SMPS 불량, HMI(Human Machine Interaction) LCD 불량, 전자접촉기회로(Magnetic Contact) 불량, SPD(Surge Protector Device) 불량, 조립 불량에 따른 화재 등이 있다. 상기 고장 종류를 검출하기 위한 고장 감지 센서로는 주파수 센서, 전압 센서, 전류 센서, 이미지 센서, 온도 센서 등이 있다.
PV 관리 시스템(120)의 고장 종류로는 소프트웨어 버그, 통신 오류 등이 있다. 상기 고장 종류를 검출하기 위한 고장 감지 센서로는 버그 감지 센서, 오류 감지 센서 등이 있다.
제어부(495)는 태양광 발전소(110)의 태양광 전지모듈(111), 접속반(113) 및 인버터(115)에 장착된 복수의 고장 감지 센서들로부터 계측 데이터들을 수집할 수 있다(S530). 또한, 제어부(495)는 PV 관리 시스템(120, 400)에 장착된 고장 감지 센서들로부터 계측 데이터들을 수집할 수 있다.
제어부(495)는 태양광 발전소(110) 및 PV 관리 시스템(120, 400)으로부터 수집된 계측 데이터를 아날로그 데이터와 디지털 데이터로 분류하고, 상기 분류된 아날로그 데이터를 디지털 데이터로 변환할 수 있다(S540).
제어부(495)는 일련의 데이터 처리 프로세스를 거친 계측 데이터를 빅데이터 시스템(130)의 데이터베이스에 일정 기간 저장하여 빅데이터를 구축할 수 있다(S550). 이러한 빅데이터는 태양광 발전 시스템(100)의 고장 종류별 고장패턴을 산출하기 위해 사용될 수 있다.
도 7은 빅데이터를 이용하여 고장 종류별 고장패턴을 산출하는 PV 관리 시스템의 동작을 설명하는 순서도이다.
도 7을 참조하면, PV 관리 시스템(400)의 제어부(495)는 빅데이터 시스템(130)에 저장된 빅데이터를 호출할 수 있다(S710). 이때, 상기 빅데이터는 태양광 발전 시스템(100)에 장착된 고장 감지 센서들로부터 수신된 대용량의 계측 데이터이다.
제어부(495)는 시스템 운영자로부터 태양광 발전 시스템(100)의 고장 종류별 고장 정보를 입력 받을 수 있다(S720). 시스템 운영자에 의해 입력되는 고장 정보는, PV 표준에 명시된 정상 동작 범위를 벗어난 고장 범위에 관한 정보이거나 혹은 PV 제작 설명서에 명시된 정상 동작 범위를 벗어난 고장 범위에 관한 정보일 수 있다.
또한, 상기 고장 정보는 실제 고장 발생 시 나타난 고장 범위에 관한 정보일 수 있으며 이에 제한되지는 않는다. 예컨대, PV 종류 및 제조사 등에 따라 고장진단의 범위가 다를 수 있기 때문에, 상기 고장 정보는 운용자에 맞게 설정될 수 있으며, 새로운 고장 발생 시 업데이트되도록 구성될 수 있다.
제어부(495)는 빅데이터 시스템(130)에서 호출한 빅데이터와 시스템 운영자에 의해 입력된 고장 정보를 서로 비교하여 데이터 별 고장 여부를 판단할 수 있다(S730).
여기서, 고장 여부 판단의 대상이 되는 계측 데이터는 미리 결정된 시간 단위의 계측 데이터일 수 있다. 상기 미리 결정된 시간 단위는 시간 단위, 오전/오후 단위, 하루 단위, 일주일 단위 등일 수 있으며 이에 제한되지는 않는다. 이하, 본 실시 예에서는 하루 단위의 계측 데이터를 고장 정보와 비교하여 데이터 별 고장 여부를 판별하는 것을 예시하여 설명하도록 한다.
상기 730 단계의 판단 결과, 상기 계측 데이터가 정상 데이터인 경우(S740), 제어부(495)는 해당 계측 데이터를 정상 데이터로 설정하고, 상기 정상 데이터를 메모리(490)에 저장할 수 있다(S750). 또한, 제어부(495)는 정상 데이터를 빅데이터 시스템(130)의 데이터베이스에 저장할 수 있다.
한편, 상기 730 단계의 판단 결과, 상기 계측 데이터가 고장 데이터인 경우(S740), 제어부(495)는 해당 계측 데이터를 제1 고장 데이터로 설정하고, 상기 제1 고장 데이터를 메모리(490) 또는 빅데이터 시스템(130)에 저장할 수 있다. 이외에도, 제어부(495)는 고장 데이터(즉, 고장 시점의 계측 데이터)를 시스템 운영자로부터 직접 입력 받아 메모리(490) 또는 빅데이터 시스템(130)에 저장할 수 있다.
제어부(495)는 제1 고장 데이터를 편집하여 제2 고장 데이터를 생성하고, 상기 제2 고장 데이터를 메모리(490) 또는 빅데이터 시스템(130)에 저장할 수 있다(S770).
일 예로, 제어부(495)는 제1 고장 데이터를 편집하여 고장 시점을 기준으로 앞/뒤 일정 시간 범위에 해당하는 제2 고장 데이터를 추출하고, 상기 추출된 제2 고장 데이터를 메모리(490)에 저장할 수 있다.
제어부(495)는 빅데이터 시스템(130)에서 호출한 모든 빅데이터에 대해 상술한 730 단계 내지 770 단계의 동작을 반복적으로 수행할 수 있다.
제어부(495)는 제2 고장 데이터들을 태양광 발전 시스템(100)의 고장 종류별로 분류할 수 있다. 제어부(495)는 각각의 고장 종류에 속하는 제2 고장 데이터들을 분석하여 상기 제2 고장 데이터들 중 유사한 고장 패턴을 갖는 고장 데이터들을 추출할 수 있다. 제어부(495)는 상기 추출된 고장 데이터들의 평균 패턴을 구하여 태양광 발전 시스템(100)의 고장 종류별 고장 패턴을 산출할 수 있다(S780).
제어부(495)는 상술한 과정을 통해 산출된 태양광 발전 시스템(100)의 고장 종류별 고장 패턴을 메모리(490)에 저장할 수 있다. 상기 메모리(490)에 저장된 고장 종류별 고장 패턴은 태양광 발전 시스템(100)의 고장을 진단하기 위해 사용될 수 있다.
이상 상술한 바와 같이, 본 발명에 따른 PV 관리 시스템은 데이터베이스(DB)에 구축된 빅데이터와 시스템 운영자에 의해 입력된 고장 정보를 이용하여 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출할 수 있다.
도 8은 고장 패턴을 이용하여 고장 진단을 수행하는 PV 관리 시스템의 동작을 설명하는 순서도이다.
도 8을 참조하면, 제어부(495)는 태양광 발전소(110) 및 PV 관리 시스템(120)에 장착된 고장 감지 센서들로부터 실시간 계측 데이터를 수신하여 메모리(490)에 저장할 수 있다(S810).
제어부(495)는 메모리(490)에 저장된 고장 종류별 고장 패턴을 호출할 수 있다(S820). 여기서, 고장 패턴은 제1 시간 동안의 고장 데이터들의 변화 패턴을 일컫는다.
제어부(495)는 제1 시간 동안의 실시간 계측 데이터(즉, 실시간 계측 데이터 패턴)와 고장 종류별 고장 패턴을 서로 비교하여 태양광 발전 시스템(100)의 고장 여부를 진단할 수 있다(S830).
일 예로, 제어부(495)는 실시간 계측 데이터 패턴과 고장 종류별 고장 패턴을 비교하여 오차 범위를 계산하고, 상기 계산된 오차 범위가 미리 결정된 임계치를 초과하는지 여부에 따라 해당 시스템(100)의 고장 여부를 판단할 수 있다. 제어부(495)는, 고장 감지 시, 고장 데이터 및 고장 패턴 등을 기반으로 고장 발생 시간, 고장 발생 장치, 고장 종류 및 고장 원인 등을 정확하게 파악할 수 있다.
상기 고장 진단 결과, 고장이 발생한 경우(S840), 제어부(495)는 고장 발생 장치, 고장 발생 시간, 고장 종류 및 고장 원인 등을 지시하는 알람 신호를 출력할 수 있다(S850). 또한, 제어부(495)는 고장 발생 장치, 고장 발생 시간, 고장 종류 및 고장 원인 등을 지시하는 알람 신호를 태양광 발전소(110)로 제공할 수 있다.
제어부(495)는, 고장 발생 시점의 계측 데이터를 고장 데이터로 설정하고, 상기 고장 데이터를 메모리(490) 또는 빅데이터 시스템(130)에 저장할 수 있다(S860).
이상 상술한 바와 같이, 본 발명에 따른 PV 관리 시스템은 실시간 계측 데이터와 고장 종류별 고장 패턴을 서로 비교하여 태양광 발전 시스템의 고장 여부를 자동으로 진단할 수 있다.
도 9는 태양광 전지모듈의 출력 전압 파형을 예시하는 도면이다. 도 9를 참조하여 태양광 전지모듈(111)의 저 전압 고장을 진단하는 PV 관리 시스템의 동작 예를 설명하도록 한다.
PV 관리 시스템(400)은 태양광 전지모듈(111)에 장착된 전압 센서로부터 전압 데이터를 수집하고, 상기 수집된 전압 데이터를 빅데이터 시스템(130)에 저장하여 빅데이터를 구축할 수 있다.
PV 관리 시스템(400)은 빅데이터 시스템에 저장된 빅데이터(즉, 전압 데이터)와 시스템 운영자에 의해 입력된 고장 정보(즉, 저 전압 고장 정보)를 서로 비교함으로써, 상기 빅데이터를 정상 데이터와 고장 데이터로 분류할 수 있다.
PV 관리 시스템(400)은 고장 데이터들을 편집하고, 상기 편집된 고장 데이터들 중 유사한 고장 패턴을 갖는 고장 데이터들을 추출하며, 상기 추출된 고장 데이터들의 평균 패턴을 구하여 태양광 전지모듈(111)의 저 전압 고장 패턴을 산출할 수 있다.
PV 관리 시스템(400)은 태양광 전지모듈(111)의 실시간 전압 데이터 패턴과 저 전압 고장 패턴을 서로 비교하여 태양광 전지모듈(111)의 저 전압 고장 여부를 진단할 수 있다. 가령, PV 관리 시스템(400)은, 태양광 전지모듈(111)의 전압 데이터 패턴이 제1 전압 파형(910)인 경우, 태양광 전지모듈(111)을 정상이라 판단할 수 있다. 한편, PV 관리 시스템(400)은, 태양광 전지모듈(111)의 전압 데이터 패턴이 제2 전압 파형(920)인 경우, 태양광 전지모듈(111)을 저 전압 고장이라 판단할 수 있다.
한편, 본 발명에 따른 고장 진단 방법이 태양광 발전 시스템에 적용되는 것을 예시하여 설명하고 있으나 이를 제한하지는 않으며, 풍력 발전 시스템 및 수력 발전 시스템 등과 같은 신 재생 발전 시스템에 적용될 수 있음은 당업자에게 자명할 것이다. 더 나아가, 본 발명에 따른 기술적 사상은 화력 발전 시스템 및 원자력 발전 시스템 등과 같은 모든 발전 시스템에 적용될 수도 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
100: 태양광 발전 시스템 110: 태양광 발전소
120/400: PV 관리 시스템 130: 빅데이터 시스템
410: 계측 데이터 수집부 420: 데이터 처리부
430: 빅데이터 구축부 440: 입력부
450: 출력부 460: 고장패턴 검출부
470: 고장 진단부 480: 고장 경보부
490: 메모리 495: 제어부
120/400: PV 관리 시스템 130: 빅데이터 시스템
410: 계측 데이터 수집부 420: 데이터 처리부
430: 빅데이터 구축부 440: 입력부
450: 출력부 460: 고장패턴 검출부
470: 고장 진단부 480: 고장 경보부
490: 메모리 495: 제어부
Claims (12)
- 태양광 발전 시스템에 장착된 고장 감지 센서들로부터 계측 데이터를 수집하고, 상기 수집된 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축하는 단계;
상기 데이터베이스에 저장된 빅데이터와 상기 태양광 발전 시스템의 고장 정보를 이용하여 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 단계; 및
상기 고장 감지 센서들로부터 수신되는 실시간 계측 데이터와 상기 산출된 고장 패턴을 기반으로 상기 태양광 발전 시스템의 고장 여부를 진단하는 단계를 포함하되,
상기 고장 패턴 산출 단계는, 상기 빅데이터와 상기 고장 정보를 기반으로 데이터별 고장 여부를 판단하여 상기 빅데이터를 정상 데이터들과 고장 데이터들로 분류하고, 상기 고장 데이터들을 미리 결정된 방식에 따라 편집하여 가공 데이터들을 생성하며, 상기 가공 데이터들을 기반으로 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 것을 특징으로 하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서, 상기 빅데이터 구축 단계는,
상기 태양광 발전 시스템의 고장이력을 수집하여 해당 시스템을 구성하는 장치별로 고장 종류들을 분류하는 단계; 및
상기 고장 종류들을 식별하기 위한 복수의 고장 감지 센서들을 결정하는 단계를 더 포함하는 것을 특징으로 하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서, 상기 빅데이터 구축 단계는,
상기 수집된 계측 데이터를 아날로그 데이터와 디지털 데이터로 분류하고, 상기 아날로그 데이터를 디지털 데이터로 변환하는 단계를 더 포함하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서,
상기 고장 정보는 시스템 운영자로부터 입력받는 것을 특징으로 하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서, 상기 고장 패턴 산출 단계는,
상기 빅데이터와 상기 고장 정보를 비교하여 데이터별 고장 여부를 판단하고, 상기 고장 여부 판단에 기초하여 상기 빅데이터를 정상 데이터들과 고장 데이터들로 분류하는 것을 특징으로 하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서, 상기 고장 패턴 산출 단계는,
상기 정상 데이터들과 상기 고장 데이터들을 구분하여 상기 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서, 상기 고장 패턴 산출 단계는,
상기 가공 데이터들을 상기 태양광 발전 시스템의 고장 종류별로 분류하며, 상기 분류된 가공 데이터들의 평균 패턴을 구하여 상기 고장 종류별 고장 패턴을 산출하는 것을 특징으로 하는 태양광 발전 시스템의 고장 진단 방법. - 제1항에 있어서,
고장 감지 시, 고장 발생 시간, 고장 발생 장치, 고장 종류 및 고장 원인 중 적어도 하나를 포함하는 알람 신호를 출력하는 단계를 더 포함하는 태양광 발전 시스템의 고장 진단 방법. - 제1항 내지 제8항 중 어느 하나의 항에 따른 방법이 컴퓨터상에서 수행 가능한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
- 태양광 발전 시스템에 장착된 고장 감지 센서들로부터 계측 데이터를 수집하는 계측 데이터 수집부;
상기 계측 데이터 수집부를 통해 수집된 계측 데이터를 데이터베이스에 저장하여 빅데이터를 구축하는 빅데이터 구축부;
상기 데이터베이스에 저장된 빅데이터와 상기 태양광 발전 시스템의 고장 정보를 이용하여 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 고장패턴 산출부; 및
상기 고장 감지 센서들로부터 수신되는 실시간 계측 데이터와 상기 산출된 고장 패턴을 기반으로 상기 태양광 발전 시스템의 고장 여부를 진단하는 고장 진단부를 포함하되,
상기 고장패턴 산출부는, 상기 빅데이터와 상기 고장 정보를 기반으로 데이터별 고장 여부를 판단하여 상기 빅데이터를 정상 데이터들과 고장 데이터들로 분류하고, 상기 고장 데이터들을 미리 결정된 방식에 따라 편집하여 가공 데이터들을 생성하며, 상기 가공 데이터들을 기반으로 상기 태양광 발전 시스템의 고장 종류별 고장 패턴을 산출하는 것을 특징으로 하는 PV(Photovoltaic) 관리 시스템. - 제10항에 있어서,
상기 계측 데이터 수집부를 통해 수집된 계측 데이터를 아날로그 데이터와 디지털 데이터로 분류하고, 상기 아날로그 데이터를 디지털 데이터로 변환하는 데이터 처리부를 더 포함하는 PV 관리 시스템. - 제10항에 있어서,
상기 고장 진단부를 통한 고장 진단 시, 고장 발생 시간, 고장 발생 장치, 고장 종류 및 고장 원인 중 적어도 하나를 포함하는 알람 신호를 출력하는 고장 경보부를 더 포함하는 PV 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170128135A KR102410027B1 (ko) | 2017-09-29 | 2017-09-29 | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170128135A KR102410027B1 (ko) | 2017-09-29 | 2017-09-29 | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190038091A KR20190038091A (ko) | 2019-04-08 |
| KR102410027B1 true KR102410027B1 (ko) | 2022-06-17 |
Family
ID=66164744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170128135A KR102410027B1 (ko) | 2017-09-29 | 2017-09-29 | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102410027B1 (ko) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102053116B1 (ko) * | 2019-05-31 | 2019-12-06 | 여한구 | 태양광 모듈 접속함 및 이를 포함하는 태양광 설비 |
| KR102050204B1 (ko) * | 2019-07-12 | 2019-11-29 | 고대곤 | 태양광 모듈 접속함 및 이를 포함하는 태양광 설비 시스템 |
| KR102291365B1 (ko) * | 2019-09-19 | 2021-08-18 | 한전케이디엔주식회사 | 태양광 발전 장치의 이력데이터 수집 장치 및 그 방법 |
| KR102148761B1 (ko) * | 2019-11-20 | 2020-08-27 | 주식회사 케이디티 | 태양광 발전 시스템의 고장 진단 장치 |
| KR102182820B1 (ko) | 2020-06-01 | 2020-11-25 | 주식회사 코텍에너지 | 태양광 모듈의 고장 및 열화 상태 진단 기능을 갖는 태양광 발전장치 및 그 발전 관리방법 |
| KR102265453B1 (ko) * | 2020-08-11 | 2021-06-15 | 주식회사 토브 | 태양광 발전소 관리 시스템 및 방법 |
| KR102228512B1 (ko) * | 2020-11-05 | 2021-03-16 | 에이펙스인텍 주식회사 | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 |
| CN112577545B (zh) * | 2020-12-01 | 2022-09-13 | 合肥仁洁智能科技有限公司 | 光伏清扫装置的检测方法及光伏发电系统 |
| KR102265097B1 (ko) | 2021-01-14 | 2021-06-15 | 주식회사 스카이텍 | 열화상 패널 이미지 자동 인식 기법이 적용된 인덱싱 타입의 태양광 패널 설계도면 정보 생성 방법 |
| KR102634956B1 (ko) | 2021-12-16 | 2024-02-16 | 주식회사 다솔 | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120310427A1 (en) * | 2011-05-31 | 2012-12-06 | Williams B Jeffery | Automatic Monitoring and Adjustment of a Solar Panel Array |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170007625A (ko) * | 2015-07-10 | 2017-01-19 | 주식회사 대류 | 마이크로그리드 태양광 하베스팅 기반의 에너지 효율화를 위한 에너지 통합 관리 시스템 |
| KR102012008B1 (ko) * | 2019-06-28 | 2019-10-14 | 주식회사 이지건축 | 건축용 누수방지창틀 |
-
2017
- 2017-09-29 KR KR1020170128135A patent/KR102410027B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120310427A1 (en) * | 2011-05-31 | 2012-12-06 | Williams B Jeffery | Automatic Monitoring and Adjustment of a Solar Panel Array |
Non-Patent Citations (1)
| Title |
|---|
| Chine, W., et al. "A novel fault diagnosis technique for photovoltaic systems based on artificial neural networks." Renewable Energy 90 (2016): 501-512. 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190038091A (ko) | 2019-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102410027B1 (ko) | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 | |
| US9520826B2 (en) | Solar cell module efficacy monitoring system and monitoring method therefor | |
| AU2013257529B2 (en) | Monitoring system | |
| KR101032489B1 (ko) | 태양광발전 모니터링 시스템 | |
| CN104578429A (zh) | 电缆分支箱在线运行监测系统 | |
| KR101327225B1 (ko) | 등가 가동시간 개념을 이용한 계통연계형 태양광발전 시스템의 고장 진단 방법 및 장치 | |
| KR20140112146A (ko) | 태양광 발전 시스템의 발전진단 장치 | |
| JP5921786B2 (ja) | 太陽光発電管理装置 | |
| US20160356859A1 (en) | Fault detection in energy generation arrangements | |
| JP7289995B2 (ja) | 太陽光発電ストリングの動作状態を認識する方法および装置ならびに記憶媒体 | |
| CN108599724A (zh) | 一种光伏组件在线监测系统及监测方法 | |
| JP3896063B2 (ja) | 異常監視方法、監視装置および異常監視システム | |
| 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 | |
| KR20190069213A (ko) | 원격 모니터링 기반 태양광 발전소 운영 관리 방법 및 장치 | |
| KR101578675B1 (ko) | 태양광 발전 시스템의 발전 랭킹 산출 장치 | |
| KR20170007625A (ko) | 마이크로그리드 태양광 하베스팅 기반의 에너지 효율화를 위한 에너지 통합 관리 시스템 | |
| KR101598205B1 (ko) | 태양전지모듈 모니터링을 위한 온도검출 기능을 가지는 정션박스, 상기 정션박스를 구비한 태양전지모듈 모니터링 장치 및 그 방법 | |
| KR20210093638A (ko) | 태양광 발전소 모니터링 서비스 제공 방법 및 태양광 발전소 모니터링 서비스 제공 시스템 | |
| KR101485052B1 (ko) | 태양광 발전 시스템의 발전분석 장치 | |
| KR20200057227A (ko) | LoRa 무선 통신 기반 태양광 에너지 관리 시스템 및 방법 | |
| KR102137775B1 (ko) | 원격기능을 포함한 태양광발전 데이터 감시 및 판단 장치와 이를 이용한 태양광발전 데이터 모니터링 시스템 | |
| KR102068014B1 (ko) | 이기종 채널 통신용 모니터링 시스템 | |
| CN209911524U (zh) | 一种停电检测终端 | |
| CN204376537U (zh) | 电缆分支箱在线运行监测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |