KR102422807B1 - 재생에너지 융합형 스마트팜 통합관리시스템 - Google Patents

Abstract

실시예에 따른 스마트팜 에너지 운영효율 향상을 위한 통합관리시스템은 태양광 발전설비 모니터링 시스템 및 지열 모니터링 시스템을 포함하는 재생에너지 융합 시스템, 환경 데이터 모니터링 시스템을 포함하고, 2종 이상의 재생에너지 융합 데이터와 스마트팜 내부 및 외부 환경데이터를 수집, 분석하여 스마트팜 통합관리를 수행한다. 또한, 스마트팜에서 수집된 일련의 데이터를 데이터베이스화하고, 스마트팜 영역 별 데이터 변화 추이를 분석하여 에너지 수요를 예측가능하게 한다. 아울러, 실시예에서는 태양광 및 지열 에너지 융합을 통해 스마트팜에 에너지를 공급함으로써, 스마트팜의 에너지 소비 효율을 향상시킨다.

Description

재생에너지 융합형 스마트팜 통합관리시스템{Renewable Energy Fusion Type Smart Farm Integrated Management System}

본 개시는 스마트팜에서 수집 가능한 2종 이상의 재생에너지를 융합하고 스마트팜에 구축된 설비를 통합적으로 관리하는 시스템에 관한 것으로 구체적으로, 스마트팜에 구축된 태양광 발전설비, 지열 시스템, 환경센서를 연동하여 모니터링 데이터를 수집하고, 태양광 및 지열을 포함하는 재생에너지를 융합하여 제공함으로써, 에너지 효율 증가 및 에너지 수요 예측을 실현하는 스마트팜 통합관리시스템에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

스마트팜(Smart Farm)은 농림축수산물의 생산, 가공, 유통 단계에서 정보 통신 기술(ICT)을 접목하여 지능화된 농업 시스템으로서, 사물 인터넷, 빅데이터, 인공 지능 등의 기술을 이용하여 농작물, 가축 및 수산물 등의 생육 환경을 적정하게 유지관리하고, PC와 스마트폰 등으로 원격에서 자동 관리하는 기술이다. 종래에는 ICT 기술을 활용한 스마트팜 기술을 통해 온도, 상대습도, 광량, 이산화탄소, 토양 등 환경 정보 및 생육 정보에 대한 정확한 데이터를 기반으로 생육 단계별 정밀한 관리와 예측 등이 가능하고 수확량과 품질을 향상시켜 수익성을 높일 수 있다.

특히, 태양광 발전설비 모니터링 시스템, 지열 설비 모니터링 시스템, 환경데이터 모니터링 시스템이 하나로 결합 시 시설원예의 운영 리스크를 최소화 하고 시설원예내 소모되는 에너지 효율을 향상시킬 수 있다. 그러나, 현재 스마트팜 관리의 경우 환경, 설비 시스템 단위로 개별적 사용됨에 따라 사용자의 운영효율 개선 및 활용도가 극히 떨어지며, 재생에너지 설비에 대한 시스템 또한 개별적으로만 존재한다. 이에 따라 2종이상의 재생에너지 구축 시 구축된 에너지를 통합적으로 관리 할 수 있는 시스템이 필요한 실정이다.

또한, 종래에는 재생에너지 설비 구축업체, 환경센서 등 설비구성 업체가 각각 모두 상이하여 데이터를 일련화하고 통합하는 시스템 개발이 이뤄지지 않고 있다.

실시예에 따른 스마트팜 에너지 운영효율 향상을 위한 통합관리시스템은 태양광 발전설비 모니터링 시스템 및 지열 모니터링 시스템을 포함하는 재생에너지 융합 시스템, 환경 데이터 모니터링 시스템을 포함하고, 2종 이상의 재생에너지 융합 데이터와 스마트팜 내부 및 외부 환경데이터를 수집, 분석하여 스마트팜 통합관리를 수행한다.

또한, 스마트팜에서 수집된 일련의 데이터를 데이터베이스화하고, 스마트팜 영역 별 데이터 변화 추이를 분석하여 에너지 수요를 예측가능하게 한다. 아울러, 실시예에서는 태양열 및 지열 에너지 융합을 통해 스마트팜에 에너지를 공급함으로써, 스마트팜의 에너지 소비 효율을 향상시킨다.

실시예에 따른 스마트팜 통합관리시스템은 스마트팜 영역 별로 설치된 센서에서 센싱 데이터를 수집하는 데이터 수집모듈; 수집된 센싱 데이터로 데이터베이스를 구축하고, 수집된 데이터의 메타데이터를 이용한 캘린더화를 통해 시기 별로 데이터를 변환 및 분류하는 데이터 변환모듈; 분류 및 변환된 데이터를 분류 기준과 메타데이터에 따라 구분하여 시각화 하는 시각화 모듈; 수집된 데이터의 수집 영역과 시간에 따른 변화 추이를 분석하는 데이터 분석 모듈; 및 스마트 팜에서 수집되는 태양 에너지, 열에너지 및 지열 에너지를 융합하는 에너지 융합 모듈;을 포함한다.

이상에서와 같은 스마트팜 에너지 운영효율 향상을 위한 재생에너지 융합 통합관리시스템은 유리온실 및 비닐온실을 포함하는 스마트팜 농가에서 환경 데이터, 재생에너지 데이터 모니터링으로 작물생육 운용계획 수립을 통한 최적의 운용방안 도출을 가능하게 한다.

또한, 설비에 대한 지속적인 모니터링을 통하여 설비 유지보수 계획 수립을 통해 설비 가용기간 증대로 유지보수 비용 절감을 가능하게 한다.

또한, 환경 데이터의 실시간 수집 및 모니터링을 통한 작물환경 이상 시 이를 즉각적으로 대처가능함에 따라 안정적인 농가 운영을 가능하게 한다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 실시예에 따른 스마트팜 시스템을 나타낸 도면
도 2는 실시예에 따른 스마트팜 통합관리 시스템의 데이터 처리 블록을 나타낸 도면
도 3은 실시예에 따른 에너지 자립형 스마트팜 시스템을 나타낸 도면
도 4는 실시예에 따른 스마트팜 통합 시스템의 태양광 설비 계측 데이터 추출 과정을 설명하기 위한 도면
도 5는 실시예에 따라 추출된 태양광 설비 데이터 형태를 나타낸 도면
도 6은 지열 설비 계측 실시예를 나타낸 도면
도 7은 실시예에 따른 설비 계측 데이터 형태를 나타낸 도면
도 8은 실시예에 따른 스마팜에 장착된 센서와 수집된 데이터 형태를 나타낸 도면
도 9는 실시예에 따른 스마트 팜에 설치된 환경센서와 측정된 데이터 형태를 나타낸 도면

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 실시예에 따른 스마트팜 시스템을 나타낸 도면이다.

도 1을 참조하면, 스마트팜 시스템은 통신네트워크, 내부환경센서, 외부환경센서를 포함하는 센서 네트워크, 데이터 수집장치, 서버 플랫폼, 태양광 발전설비, 지열설비, 태양광에너지 모니터링 장치, 태양광 설비 모니터링 장치, 지열에너지 모니터링 장치, 지열 설비 모니터링 장치 및 스마트팜 통합 관리 시스템 등을 포함하여 구성될 수 있다.

실시예에서 스마트팜에 구축된 통신 네트워크는 태양광 발전 설비, 지열 설비 데이터 등을 수집한다. 센서 네트워크는 스마트팜 외부 환경정보를 측정하는 기상, 온도, 습도, 일사량, 강우량, 풍향, 풍속 등의 센서 네트워크와 스마트팜 내부의 환경 정보를 측정하는 기상, 온도, 습도 센서 네트워크를 포함한다. 데이터 수집장치는 센서 네트워크 및 통신 네트워크를 통하여 데이터 송수신을 위한 데이터를 수집한다. 빅데이터 처리부는 통신망을 통해 수집하는 데이터를 클라우드 기반으로 처리 후 저장한다. 스마트팜 데이터 베이스는 센서 네트워크, 통신 네트워크 와 클라우드 기반 빅데이터 처리부에서 수집된 데이터를 저장한다.

실시예에서 지리정보 기반 위치정보 시스템은 스마트팜의 통합적인 관리를 수행하고, 스마트팜 통합관리 시스템은 수집된 데이터를 통합하여 시각화 한다. 또한, 스마트팜 통합관리 시스템은 상기 환경데이터, 재생에너지 융합 데이터를 추출하여, 스마트팜의 환경데이터, 재생에너지 융합 데이터를 검색 할 수 있는 엔진;을 포함한다.

실시예에 따른 스마트팜 통합관리 시스템은 재생에너지 설비 데이터의 경우 데이터 일련화를 위하여 한국에너지공단 REMS 연동이 가능한 인증된 RTU 수준의 데이터 수집장치를 활용한다. 또한, 센서 네트워크는 스마트팜의 구역별 센서노드를 라벨링하고 스마트팜 내부의 타 센서와의 데이터 비교를 통한 오류 검출을 실시할 수 있다.

또한, 실시예에 따른 스마트팜 통합관리시스템의 경우 GIS 기반 모듈을 통하여 해당 스마트팜의 위치를 즉각적으로 확인하고 환경데이터 및 재생에너지 융합데이터를 1차적으로 확인할 수 있는 서비스를 제공한다. 실시예에 따른 스마트팜 통합관리 시스템은 수집된 데이터의 이력관리 및 이를 리포팅 가능한 통계 분석 서비스를 제공한다. 아울러, 스마트팜 통합관리 시스템은 데이터 베이스에 수집 된 데이터의 공유 요청 시 이에 대응할 수 있는 API를 포함한다.

도 2는 실시예에 따른 스마트팜 통합관리 시스템의 데이터 처리 블록을 나타낸 도면이다.

도 2를 참조하면, 실시예에 따른 스마트팜 통합관리 시스템은 데이터 수집모듈(110), 데이터 변환모듈(120), 시각화모듈(130), 데이터 분석모듈(140), 에너지 수요 예측 모듈(150), 에너지 융합모듈(160) 및 에너지 공급모듈(170)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.

데이터 수집모듈(110)은 스마트팜 영역 별로 설치된 센서에서 센싱 데이터를 수집한다. 예컨대, 데이터 수집모듈(110)은 스마트팜에 설치된 센서 라벨링을 통한 국소적 데이터 수집 영역을 파악하고, 센서데이터 변동추이 및 센서 동작 상태 이상유무를 모니터링 한다. 구체적으로, 데이터 수집모듈(110)은 스마트팜의 농장영역, 토지 영역, 하우스 내부 영역, 태양광 영역 등에 설치된 센서에서 온도, 습도와 같은 환경 센싱데이터와 흡수한 열에너지, 지열 에너지 등의 에너지 데이터 및 작물 생장 정보 등을 수집할 수 있다. 또한, 데이터 수집모듈(110)은 각 센서 값에 대한 임계치를 설정하여 수집데이터 오류검출을 수행하고, 각 센서 값에 대한 일별 평균치, 최고치, 최저치, 합연산을 수행할 수 있다.

또한, 실시예에 따른 데이터 수집모듈(110)은 머신러닝 기술을 활용하여 지속적이고 빠르게 변화하는 센싱 데이터의 특징을 추출하고 적절한 알고리즘을 통해 모델링하여 이상데이터를 탐지한다. 예컨대, 데이터 수집모듈(110)은 수집한 데이터를 비슷한 값들끼리 묶는다. 그리고 구역을 설정한 뒤 정상 데이터와 이상 데이터 두 가지로 데이터를 바운더리 모델링(boundary modeling)을 한다. 구체적으로 실시예에서는 4분위 수를 이용하여 정상데이터의 범위를 설정할 수 있다. 4분위수란 데이터를 4등분 한 것으로, 통계의 변량을 도수 분포로 정리하였을 때 적은 것으로부터 1/4, 1/2, 3/4 자리의 변량이다. 또한, 임의의 확률변수 축에서 확률분포를 4등분하는 값의 조합이고 임의의 확률변수 축에서 확률분포를 4등분하는 값의 조합이 될 수 있다. 실시예에서는 온도, 습도, 에너지, 전류, 전압을 포함하는 측정 데이터에 대해 4분위 수를 설정하고 오작동이나 통신 불량의 이상 데이터를 탐지할 수 있다.

또한, 실시예에서는 자동으로 중요 특징을 추출하여 데이터를 전처리한 후, 머신러닝 모델 학습 모듈로 추출된 중요 요소의 데이터를 전달한다. 이후, 여러 모델링 기법으로 머신러닝 모델을 생성하고 평가를 통해 적절한 모델을 선정한다. 전처리한 데이터로 학습된 머신러닝 모델은 이상 데이터 탐지를 위해 사용된다.

구체적으로 데이터 수집모듈(110)은 수집된 데이터를 AutoML에 입력하여 분석하면 분류기준에 따라 머신러닝에 적합한 특징 중요도를 획득한다. 이후 AutoML의 결과 값으로 머신러닝 모델의 학습데이터를 생성한다. 데이터 수집모듈(110)은 AutoML을 이용하기전 데이터에 기본적인 이산화, 널 값 제거, 오류 값 제거 등 전처리를 수행한다. 그 후 AutoML에 데이터를 입력한다. AutoML이 추출한 특성 중요도를 기반으로 데이터를 다시 수정한다.

데이터 변환 모듈(120)은 수집된 데이터로 데이터베이스를 구축하고, 수집된 데이터의 메타데이터를 이용한 캘린더화를 통해 시기 별로 데이터를 변환 및 분류한다. 예컨대, 데이터 변환 모듈(120)은 수집데이터 분산병렬 전처리 후 데이터베이스를 구축하고, 구축된 데이터베이스로부터 시간 순서 및 단지를 포함하는 메타데이터를 구분하여 시각화 될 수 있도록 한다. 이를 통해, 수집된 데이터를 일, 월, 연 캘린더화가 가능하여 시기별 에너지 및 환경 데이터를 검색할 수 있다. 또한, GIS 기반 발전단지별 에너지 환경 데이터 검색과 데이터 활용을 통한 에너지 수요예측을 가능하게 한다. 실시예에서는 에너지 수요 예측을 통해 스마트팜 에너지 운용방안 도출을 수행하여 스마트팜 에너지 효율을 향상 시킬 수 있도록 한다.

시각화 모듈(130)은 분류 및 변환된 데이터를 분류 기준과 메타데이터에 따라 구분하여 시각화한다.

데이터 분석 모듈(140)은 수집된 데이터의 수집 영역과 시간에 따른 변화 추이를 분석한다.

실시예에 따른 데이터 분석 모듈(140)은 화재 감시 시스템, 수질 관리 시스템, 농작물 재배 시스템과 같은 USN 기반의 모니터링 응용에서의 실시간 상황인지를 위한 효과적인 센서 데이터 처리기술을 제공한다. 센서 데이터와 같은 스트림 데이터는 수집된 데이터의 흐름이 시간에 따라 빠르게 변화하고 연속적인 특성을 갖는다. 실시예에서는 데이터의 실시간 이상치 탐지 및 데이터의 다차원 관리를 위해 대용량의 연속적인 센싱 데이터에 대한 실시간 획득, 가공, 저장 및 관리 방법을 제안 구축하여 이를 기반으로 응용 서비스로 부터의 다차원 분석 질의를 효과적으로 수행한다. 이를 위해 기존의 데이터베이스 및 데이터 웨어하우스 시스템에서의 OLAP(온라인 분석 처리: On-Line Analytical Processing) 데이터 모델인 데이터 큐브를 이용한다. 하지만 센서 데이터의 연속적이면서 대용량 특성으로 인해 데이터 큐브 생성 시 고려해야 할 문제가 발생하는 경우, 실시예에서는 가중치 기반의 휴리스틱 접근 방법을 통해 문제를 해결한다. 이를 위해 실제 다차원 분석 질의 지원이 필수적인 응용을 USN 기반 응용 모델 분석을 통해 선택하여 연구를 진행하였다. 또한 다차원 분석 질의 지원을 위한 스트림 데이터 특성 분석, 압축 기술 및 데이터 저장 모델을 통해 효과적인 다차원 분석 질의를 지원한다.

또한, 실시예에서는 점진 학습 기반의 실시간 이상치 탐지 방법을 오류 데이터 검출 방법으로 이용할 수 있다. USN 기반의 모니터링 응용에서 발생되는 이상치는 때로 심각한 결과를 초래한다. 따라서 센서 데이터 처리 시스템은 관리자 및 시스템이 이상치에 대한 정확한 의사결정을 하도록 지원해야한다. 특히 센서 데이터와 같은 대용량의 연속적인 데이터는 시간의 흐름에 따라 그 판단 기준이 달라질 가능성이 높고 실시간으로 의사결정을 해야 하는 문제점을 가지고 있다. 따라서 실시예에서는 앙상블 분류기를 이용하여 이상치를 실시간으로 탐지 하는 방법을 제공한다. 제안방법은 적응적 데이터 큐브 모델에 스트림 데이터의 실시간 의사결정 지원을 위한 학습기반 모형을 구축하고 주기적으로 입력되는 센서 데이터를 효율적으로 분류하는 분류기를 이용한 이상치 탐지 방법 및 이를 적용한 센서데이터 처리 시스템을 제공한다.

즉, 정상범위에 있는 센서 데이터에 대한 모형을 학습을 통해 구축하고 비정상범위의 센서 데이터를 실시간으로 모니터링 함으로써 USN 응용에서의 비정상 이벤트에 대한 능동적인 정보제공을 가능하게 한다. 또한 스트림 데이터에 대한 분류를 위해서는 시간에 따른 모형의 갱신이 필요하다. 이를 위한 방법으로 앙상블 분류기를 이용한다. 이는 데이터 스트림의 연속적인 조각으로부터 앙상블이나 분류기의 그룹을 훈련시키는 것이다. 즉, 새로운 데이터 스트림이 도착할 때마다 새로운 분류기를 구축한다. 따라서, 실시예를 통해 학습 기반의 이상치 탐지를 위해 앙상블 분류기를 이용한 이상치 탐색 기능 제공을 통해 주기적으로 추가되는 각 센서 데이터에 대해 지능적으로 의사결정을 도와주고 고차원적인 정보를 제공하는 센서데이터처리시스템을 제공할 수 있따. 아울러, 실시예에서 제공하는 센서데이터처리시스템은 변화된 판단 기준을 점진적으로 반영하며 빠른 응답속도를 지원가능하다.

에너지 수요 예측 모듈(150)은 수집된 데이터의 수집 영역과 시간에 따른 변화 추이를 분석을 통해 스마트팜의 각 영역 별 에너지 수요를 예측한다.

에너지 융합모듈(150)은 스마트팜에서 수집되는 태양광 에너지, 태양 열에너지 및 지열 에너지를 융합한다. 실시예에서 에너지 융합모듈(150)은 태양의 복사에너지를 이용해 열과 전기를 동시 생산하는 PVT(PhotoVoltaic-Thermal) 집열기, 태양열, 지열히트펌프시스템을 포함할 수 있다.

에너지 공급모듈(170)은 에너지 수요 예측 결과에 따라 융합된 재생에너지를 스마트 팜 영역 별로 공급한다. 실시예에서 에너지 공급모듈(170)은 계절 간 부하 평준화를 위한 탱크축열(TTES) 및 지중축열(BTES)을 복합적으로 활용하는 계간축열조 시스템을 이용한다.

도 3은 실시예에 따른 에너지 자립형 스마트팜 시스템을 나타낸 도면이다. 실시예에 따른 스마트팜 통합 시스템은 에너지자립형 스마트팜을 구현하기 위해, 비닐하우스 같은 시설이나 기계 장치를 설치하는 시설농가에서 사용되는 에너지를 화석연료 대신 태양광열, 지열 등 다양한 신재생에너지원으로 대체해 에너지를 저장 및 공급하는 친환경적이고 효율적인 미래형 온실이다. 도 3을 참조하면, 실시예에 따른 복합 계간축열식 태양열 및 지열원 히트펌프 적용된 재생에너지 융복합 시스템 스마트팜을 제공한다. 실시예에서 태양복사에너지를 이용해 열을 생산하는 태양열시스템은 계절간 에너지생산·소비가 불균형하다는 단점이 있다. 집열기에서 생산되는 열은 여름철 가장 많으나 난방 및 급탕 소비량은 겨울에 가장 높다. 이러한 계절간 불균형을 해소하기 위해 봄부터 가을까지 생산된 열을 저장했다가 겨울에 공급하는 시스템이 계간축열시스템이다.

실시예에서는 에너지 융합을 통해 스마트팜의 에너지자립을 구현하도록 한다. 구체적으로 실시예를 통해, 난방부하 80%와 냉방부하 50% 이상을 담당할 수 있는 복합 계간축열식 태양열 및 지열원 히트펌프 적용 재생에너지 융복합 시스템을 제공할 수 있다. 또한, 연간 에너지 비용 70% 이상을 절감하는 통합에너지 시스템을 제공한다.

도 4는 실시예에 따른 스마트팜 통합 시스템의 태양광 설비 계측 데이터 추출 과정을 설명하기 위한 도면이다.

도 4를 참조하면, 실시예에서는 재생에너지 융합데이터를 제공하고, 데이터 송수신 경량화를 위해 스마트팜의 재생에너지 설비별 데이터 프로토콜을 제공한다. 도 4에 도시된 바와 같이 실시예에서는, 태양광 설비 계측을 위해 인버터의 입력단과 출력단을 계측점으로 설정하여 태양광 설비 데이터를 추출할 수 있다.

도 5는 실시예에 따라 추출된 태양광 설비 데이터 형태를 나타낸 도면이다.

도 5를 참조하면, 실시예에서는 에너지원별 계측점 및 데이터 형태를 설정 하고, 인버터의 입출력 단에서 단상데이터, 삼상데이터 및 고장여부 데이터를 추출한다. 실시예에서 인버터의 입력단과 출력단에서 측정되는 데이터는 전압, 전류, 계통전압, 계통전류, 인버터 온도, 계통 과전압 등이 포함될 수 있다. 데이터 측정 이후, 추출된 데이터를 단상데이터 형태(a), 삼상데이터 형태(b) 및 고장여부 데이터 형태(c)로 변환할 수 있다.

도 6은 지열 설비 계측 실시예를 나타낸 도면이고, 도 7은 실시예에 따른 설비 계측 데이터 형태를 나타낸 도면이다.

도 6을 참조하면, 실시예에 따른 스마트팜 통합관리 시스템에서는 지열 설비 계측을 위해, 히트펌프 및 축열조 입력단과 출력단을 지열 설비 계측점으로 설정하고, 지열 설비 계측점에서 지열 설비 관련 데이터를 측정한다. 실시예에서는 지열 설비 계측점에서 지열수 입출구온도, 냉온수 입출구온도를 측정하고, 전력량계, 히트펌프, 냉난방측 입출구온도, 급탕측 입출구온도를 측정할 수 있다. 실시예에서는 지열 설비 계측 이후 도 7에 도시된 바와 같이, 계측 데이터를 설정된 프로토콜에 따라 지열 설비 계측 데이터 형태(a) 및 고장 여부 데이터 형태(b)로 변환한다.

이상에서와 같은 스마트팜 에너지 운영효율 향상을 위한 재생에너지 융합 통합관리시스템은 유리온실 및 비닐온실을 포함하는 스마트팜 농가에서 환경 데이터, 재생에너지 데이터 모니터링으로 작물생육 운용계획 수립을 통한 최적의 운용방안 도출을 가능하게 한다.

도 8은 실시예에 따른 스마팜에 장착된 센서와 수집된 데이터 형태를 나타낸 도면이다.

도 8을 참조하면, 실시예에서는 스마트팜 시설원예 내부에 작물의 생장상태 및 내부 환경을 측정하는 센서(a)를 설치 할 수 있다. 시설원예 내부에 설치된 센서(a)는 내부 기상 환경센서로서 대기 중 산소, 질소 함유량 및 온습도 등을 센싱할 수 있다. 또한 도 8의 (b)에 도시된 바와 같이 센서 별 측정 수치에 따른 유효 데이터 범위를 미리 설정하여 이상데이터 감지 시 관리자에게 신뢰성 있는 이상 알림을 전달할 수 있다.

도 9는 실시예에 따른 스마트 팜에 설치된 환경센서와 측정된 데이터 형태를 나타낸 도면이다.

도 9를 참조하면, 실시예에 다른 외부 환경 센서(a)는 스마트팜 외부에 설치되어 실외 온습도, 순간풍속, 일간 주간 월간 년간 강우량, 일사량, 자외선 지수, 체감온도 등을 포함하는 외부 환경 정보를 센싱한다. 도 9의 (b)에 도시된 바와 같이, 실시예에서는 측정 수치 각각에 대한 유효 데이터 범위를 미리 설정하여 센싱된 외부 환경정보가 유효데이터 범위에 포함되지 않는 경우 이를 이상신호로 감지하고 관리자에게 알려 자연재해에 의한 농장 피해를 최소화 할 수 있다.

실시예에 따른 스마트팜 통합관리 시스템은 스마트팜에 구축된 태양광 발전설비, 지열 시스템, 환경센서를 연동하여 모니터링 데이터를 수집하고, 태양열 및 지열을 포함하는 재생에너지를 융합하여 제공함으로써, 에너지 효율 증가 및 에너지 수요 예측을 실현한다. 또한, 설비에 대한 지속적인 모니터링을 통하여 설비 유지보수 계획 수립을 통해 설비 가용기간 증대로 유지보수 비용 절감을 가능하게 한다. 아울러, 환경 데이터의 실시간 수집 및 모니터링을 통한 작물환경 이상 시 이를 즉각적으로 대처가능함에 따라 안정적인 농가 운영을 가능하게 한다.

개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.

Claims (7)

1. 스마트팜 통합관리시스템에 있어서,
   스마트팜 영역 별로 설치된 센서에서 센싱 데이터를 수집하는 데이터 수집모듈;
   수집된 센싱 데이터로 데이터베이스를 구축하고, 수집된 데이터의 메타데이터를 이용한 캘린더화를 통해 시기 별로 데이터를 변환 및 분류하는 데이터 변환모듈;
   분류 및 변환된 데이터를 분류 기준과 메타데이터에 따라 구분하여 시각화 하는 시각화 모듈;
   상기 수집된 데이터의 수집 영역과 시간에 따른 변화 추이를 분석하는 데이터 분석 모듈; 및
   스마트 팜에서 수집되는 태양광 에너지, 태양열 에너지 및 지열 에너지를 융합하는 에너지 융합 모듈;
   수집된 데이터의 수집 영역과 시간에 따른 변화 추이를 분석을 통해 스마트 팜의 각 영역 별 에너지 수요를 예측하는 에너지 수요 예측 모듈; 및
   에너지 수요 예측 결과에 따라 융합된 재생에너지를 스마트팜 영역 별로 공급하는 에너지 공급 모듈; 을 포함하고,
   상기 데이터 수집모듈; 은
   스마트팜에 설치된 센서 라벨링을 통한 국소적 데이터 수집 영역을 파악하고, 센서데이터 변동추이 및 센서 동작 상태 이상유무를 모니터링하고,
   스마트 팜의 농장영역, 토지 영역, 하우스 내부 영역, 태양광 영역에 설치된 센서에서 온도, 습도를 포함하는 환경 센싱 데이터와 흡수한 열에너지, 지열 에너지를 포함하는 에너지 데이터 및 작물 생장 정보를 수집하고,
   각 센서 값에 대한 임계치를 설정하여 수집데이터 오류 검출을 수행하고, 각 센서 값에 대한 일별 평균치, 최고치, 최저치, 합연산을 수행하고
   통계의 변량을 도수 분포로 정리하였을 때 적은 것으로부터 1/4, 1/2, 3/4 자리의 변량인 4분위 수를 이용하여 정상데이터의 범위를 설정하고 오작동이나 통신 불량의 이상 데이터를 탐지하고,
   온도, 습도, 에너지, 전류, 전압을 포함하는 측정 데이터에 대해 4분위 수를 설정하고 오작동이나 통신 불량의 이상 데이터를 탐지하고,
   수집된 데이터를 이산화, 널 값 제거, 오류 값 제거를 포함하는 전처리 수행 후, AutoML에 입력하여 분류기준에 따라 머신러닝을 위한 중요도를 획득하고, AutoML의 결과 값으로 머신러닝 모델의 학습데이터를 생성하고, AutoML이 추출한 중요도를 기반으로 데이터를 다시 수정하고
   상기 에너지 공급 모듈; 은
   계절 간 부하 평준화를 위한 탱크축열(TTES) 및 지중축열(BTES)을 복합적으로 활용하는 계간축열조 시스템을 이용하고
   상기 데이터 변환모듈; 은
   수집된 센싱 데이터를 분산 병렬 전처리 후 데이터베이스를 구축하고, 구축된 데이터베이스로부터 시간 순서 및 단지를 포함하는 메타데이터를 구분하는 것을 특징으로 하는 스마트팜 통합 관리 시스템.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 제 1항에 있어서, 상기 에너지 융합 모듈;은
   태양광 에너지를 이용해 전기를 생산하는 PV(PhotoVoltaic) 판넬, 태양열, 지열히트펌프시스템을 포함하는 것을 특징으로 하는 스마트팜 통합 관리 시스템.
   
7. 삭제

Images