KR102568490B1 - 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램 - Google Patents

목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR102568490B1
KR102568490B1 KR1020190150319A KR20190150319A KR102568490B1 KR 102568490 B1 KR102568490 B1 KR 102568490B1 KR 1020190150319 A KR1020190150319 A KR 1020190150319A KR 20190150319 A KR20190150319 A KR 20190150319A KR 102568490 B1 KR102568490 B1 KR 102568490B1
Authority
KR
South Korea
Prior art keywords
factor
target point
real
past
regression
Prior art date
Application number
KR1020190150319A
Other languages
English (en)
Other versions
KR20210062288A (ko
Inventor
안해준
한종훈
고영근
김현숙
박보미
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020190150319A priority Critical patent/KR102568490B1/ko
Publication of KR20210062288A publication Critical patent/KR20210062288A/ko
Application granted granted Critical
Publication of KR102568490B1 publication Critical patent/KR102568490B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • 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
    • 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
    • G06Q50/06—Energy or water supply
    • 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
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 서버는 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하는 회귀 계수 도출부, 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하는 다중 회귀 모형 생성부 및 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 실시간 위성 데이터로부터 목표 지점의 일사량을 추정하는 일사량 추정부를 포함할 수 있다.

Description

목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램{SERVER, METHOD AND COMPUTER PROGRAM FOR ESTIMATING SOLAR RADIATION OF TARGER POINT}
본 발명은 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램에 관한 것이다.
일반적으로, 일사량을 측정하고자 하는 특정 위치에 일사량 센서를 설치하여 일사량을 측정한다.
그러나, 일사량 센서가 설치된 영역을 제외한 다른 영역의 일사량을 측정하는 것은 불가능하고, 특히 일사량 센서가 노후화될 경우 일사량 측정값의 정확도가 현저하게 낮아지는 문제점이 있었다.
이러한 문제점을 해결하기 위하여 일사량을 예측하는 방법으로서, 기상 정보를 이용하는 방법이 많이 이용되고 있다. 하지만, 이 방법의 경우, 태양광 발전소의 위치가 포함된 넓은 범위에 속하는 지역의 기상 정보는 알 수 있으나, 태양광 발전소가 위치한 특정 지점에서의 기상 정보에 대하여는 정확하게 알기 어렵기 때문에 태양광 발전소가 위치한 지점에 대한 일사량을 정확히 예측하기 어렵다는 문제점이 있었다.
일본등록특허공보 제5571970호 (2014.07.04. 등록)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 과거 위성 데이터 및 과거 기상 관측 데이터로부터 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하고, 생성된 다중 회귀 모형을 이용하여 실시간 위성 데이터로부터 목표 지점의 일사량을 추정하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 서버는 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하는 회귀 계수 도출부; 상기 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하는 다중 회귀 모형 생성부; 및 상기 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 상기 실시간 위성 데이터로부터 상기 목표 지점의 일사량을 추정하는 일사량 추정부를 포함할 수 있다.
본 발명의 제 2 측면에 따른 위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 방법은 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하는 단계; 상기 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하는 단계; 및 상기 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 상기 실시간 위성 데이터로부터 상기 목표 지점의 일사량을 추정하는 단계를 포함할 수 있다.
본 발명의 제 3 측면에 따른 위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 명령어들의 시퀀스를 포함하는 매체에 저장된 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우, 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하고, 상기 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하고, 상기 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 상기 실시간 위성 데이터로부터 상기 목표 지점의 일사량을 추정하도록 하는 명령어들의 시퀀스를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 과거 위성 데이터 및 과거 기상 관측 데이터로부터 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하고, 생성된 다중 회귀 모형을 이용하여 실시간 위성 데이터로부터 목표 지점의 일사량을 추정할 수 있다. 이를 통해, 본 발명은 목표 지점에 일사량 센서가 설치되어 있지 않더라도 다중 회귀 모형을 통해 목표 지점의 일사량을 추정할 수 있다.
한편, 종래의 일사량 추정 방법의 경우, 기상 정보 및 위성 데이터를 통해 특정 지역의 일사량을 추정하는 방법을 이용하기 때문에 해당 지역 내의 특정 목표 지점에 대한 일사량을 정확하게 예측하는 것이 어려웠으나, 본 발명은 이러한 종래의 문제점을 해결할 수 있고, 다중 회귀 모형을 이용하여 목표 지점의 일사량을 추정함으로써 신재생 발전소의 발전 출력량에 대한 신뢰도를 극대화할 수 있다.
도 1은 본 발명의 일 실시예에 따른, 일사량 추정 서버의 블록도이다.
도 2a 내지 2c는 본 발명의 일 실시예에 따른, 회귀 분석을 설명하기 위한 도면이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른, 목표 지점의 일사량 추정에 있어서 효과를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른, 목표 지점의 추정된 일사량을 이용한 서비스 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른, 목표 지점의 일사량 추정 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 일사량 추정 서버(10)의 블록도이다.
도 1을 참조하면, 일사량 추정 서버(10)는 회귀 계수 도출부(100), 다중 회귀 모형 생성부(110), 일사량 추정부(120) 및 발전량 예측부(130)를 포함할 수 있다. 다만, 도 1에 도시된 일사량 추정 서버(10)는 본 발명의 하나의 구현 예에 불과하며, 도 1에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
이하에서는 도 1과 함께 도 2a 내지 4를 참조하여 설명하기로 한다.
회귀 계수 도출부(100)는 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출할 수 있다. 여기서, 과거 위성 데이터는 목표 지점(예컨대, 신재생 발전소가 위치한 지점)을 포함하는 지역에 대한 과거의 일사량을 포함하고, 과거 기상 관측 데이터는 목표 지점을 포함하는 지역에 대한 과거 기상 관측 데이터(예컨대, 일사량, 기온, 습도, 풍속, 전운량, 시정 등)일 수 있다.
예를 들어, 회귀 계수 도출부(100)는 기설정된 기간 동안에 측정된 신재생 발전소가 위치한 지점을 포함하는 지역에 대한 과거 위성 데이터 및 기설정된 기간 동안에 관측된 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출할 수 있다.
여기서, 기상 인자는 일사량 인자, 기온 인자, 습도 인자, 풍속 인자, 전운량 인자 및 시정 인자 중 적어도 하나를 포함할 수 있다. 기상 인자에 대한 회귀 계수는 일사량 인자에 대한 회귀 계수, 기온 인자에 대한 회귀 계수, 습도 인자에 대한 회귀 계수, 풍속 인자에 대한 회귀 계수, 전운량 인자에 대한 회귀 계수 및 시정 인자에 대한 회귀 계수 중 적어도 하나를 포함할 수 있다.
예를 들어, 회귀 계수 도출부(100)는 제 1 기간 동안에 측정된 목표 지점을 포함하는 지역에 대한 과거 위성 데이터 및 제 1 기간 동안에 관측된 과거 기상 관측 데이터에 포함된 일사량 데이터에 기초하여 일사량 인자에 대한 회귀 계수를 도출할 수 있다. 예를 들어, 회귀 계수 도출부(100)는 제 1 기간 동안에 측정된 목표 지점을 포함하는 지역에 대한 과거 위성 데이터 및 제 1 기간 동안에 관측된 과거 기상 관측 데이터에 포함된 기온 데이터에 기초하여 기온 인자에 대한 회귀 계수를 도출할 수 있다.
회귀 계수 도출부(100)는 과거 기상 관측 데이터로부터 기상 인자에 대응하는 데이터를 추출하고, 과거 위성 데이터 및 기상 인자에 대응하는 데이터 간의 회귀 분석을 통해 기상 인자에 대한 회귀 계수를 도출할 수 있다.
여기서, 회귀 분석은 선형 회귀 분석 및 최소 자승법을 이용한 회귀 분석을 포함할 수 있다.
도 2a를 참조하면, 선형 회귀 분석은 변수 X(기상인자에 대응하는 과거 기상 관측 데이터) 및 변수 Y(과거 위성 데이터) 간의 관계를 나타내는 회귀선이 직선에 가깝게 나타나는 경우를 말한다. 즉, (X, Y)의 좌표로 나타내는 모든 점들과의 거리의 합이 최소가 되는 직선을 찾는 것을 선형 회귀 분석이라고 한다.
SSE(sum of squared errors of prediction)를 최소화하는 상수 a와 b를 계산하게 되면 변수 X와 Y의 관계를 가장 잘 나타내는 직선(선형 회귀식)이 도출될 수 있다. 여기서, SSE를 최소화하는 방법으로는 최소 좌승법(least squared method) 방법을 이용할 수 있다.
도 2b를 참조하면, 최소 자승법을 이용한 회귀 분석은 N회 측정한 측정값 , , ..., 이 어떤 다른 측정값 , , ..., 의 함수라고 추정할 수 있을 때, 측정값 와 함수값 f()의 차이를 제곱한 것의 합()이 최소가 되도록 하는 함수 f(x)를 구하는 것을 말한다. 이 때, 함수 f(x)는 의 총합(즉, 오차의 총합)이 최소가 되는 직선이라고 할 수 있다.
한편, 독립 변수가 여러 개인 다중회귀분석에서의 회귀 계수는 다른 독립 변수가 불변(즉, 통제된 상태)일 때, 해당되는 독립 변수의 변화에 따른 종속 변수의 평균 변화량을 나타내는 직접 효과(또는 순효과)를 뜻한다.
예를 들어, 기온 인자에 대응하는 데이터와 일사량(위성 데이터) 간의 상관관계를 예로 들면, 도 2c의 그래프 상(20)에 표시된 파란색 좌표점은 과거 데이터(과거 기온 인자에 대응하는 데이터 및 과거 위성 데이터에 대응하는 일사량)이고, 빨간선은 과거 데이터를 기반으로 한 기온 인자와 일사량 간의 회귀선이고, 노란색 좌표점은 현재 관측된 일사량(실시간 위성 데이터)이라고 가정하면, 기온 인자에 대한 회귀 계수는 현재 관측된 일사량이 회귀선에 맞도록 보정해주는 역할(도면부호 22 참조)을 수행한다.
다중 회귀 모형 생성부(110)는 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성할 수 있다. 여기서, 다중 회귀 모형은 수학식 1과 같이 표현될 수 있다.
[수학식 1]
여기서, 은 보정된 위성 데이터의 일사량이고, 은 일사량 인자에 대한 회귀 계수이고, 는 일사량 인자에 대응하는 데이터 변수이고, 는 기온 인자에 대한 회귀 계수이고, 는 기온 인자에 대응하는 데이터 변수이고, 는 습도 인자에 대한 회귀 계수이고, 는 습도 인자에 대응하는 데이터 변수이고, 는 풍속 인자에 대한 회귀 계수이고, 는 풍속 인자에 대응하는 데이터 변수이고, 는 전운량 인자에 대한 회귀 계수이고, 는 전운량 인자에 대응하는 데이터 변수이고, 는 시정 인자에 대한 회귀 계수이고, 는 시정 인자에 대응하는 데이터 변수이다.
예를 들어, 기온 인자에 대한 회귀 계수의 경우, 일사량(위성 데이터)에 대비한 기온의 증가량을 나타낸다. 즉, 목표 지점에서의 기온 인자에 대한 회귀 계수가 양(+)의 계수인 경우, 해당 목표 지점에서의 일사량에 대한 기온의 증가율을 나타내고, 목표 지점에서의 기온 인자에 대한 회귀 계수가 음(-)의 계수인 경우, 해당 목표 지점에서의 일사량에 대한 기온의 감소율을 나타낸다.
이와 같이, 기상 인자에 대한 회귀 계수는 일사량(위성 데이터)과의 관계성을 나타내며, 기상 인자를 통해 일사량의 오차를 일정하게 수렴시킬 수 있다. 다시 말해, 본 발명은 목표 지점별 과거 위성 데이터(과거 일사량)와 과거 기상 관측 데이터(기상 인자에 대응하는 데이터) 간의 증감 경향을 현재 일사량(실시간 위성 데이터) 및 현재 기상 관측 데이터(실시간 기상 관측 데이터)에 반영하여 오차를 보정할 수 있다.
구체적으로, 일사량 추정부(120)는 기상 인자에 대한 회귀 계수에 기초하여 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 실시간 위성 데이터로부터 목표 지점의 일사량을 추정할 수 있다. 여기서, 실시간 위성 데이터는 목표 지점을 포함하는 지역에 대한 실시간 일사량을 포함할 수 있다. 이 때, 다중 회귀 모형에 기초하여 추정된 목표 지점의 일사량은 목표 지점을 포함하는 지역에 대한 실시간 일사량에 대하여 보정된 일사량이다.
예를 들어, 일사량 추정부(120)는 다중 회귀 모형을 구성하는 일사량 인자에 대응하는 데이터 변수에 일사량(실시간 위성 데이터로부터 도출된 일사량)을 대입하고, 다중 회귀 모형을 구성하는 기온 인자, 습도 인자, 풍속 인자, 전운량 인자 및 시정 인자 각각에 대응하는 데이터 변수에 실시간 기상 관측 데이터로부터 추출된 각 기상 인자에 대응하는 데이터를 대입함으로써 목표 지점의 일사량을 추정할 수 있다.
일사량 추정부(120)는 생성된 다중 회귀 모형에 기초하여 목표 지점을 포함하는 지역에 대한 실시간 일사량을 보정하여 목표 지점의 일사량을 추정할 수 있다.
이와 같이, 본 발명은 복수의 신재생 발전소 각각이 위치한 목표 지점을 포함하는 지역에 대한 과거 일사량과 과거 기상 관측 데이터를 이용하여 목표 지점별 다중 회귀 모형을 생성하고, 생성된 목표 지점별 다중 회귀 모형에 목표 지점별로 각 목표 지점을 포함하는 지역에 대한 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 각 목표 지점별로 일사량을 추정할 수 있다.
도 3a 내지 3c는 본 발명이 적용된 목표 지점별 일사량 테스트 검증 결과를 나타낸 도면이다. 도 3a를 참조하면, 각 목표 지점(19개의 신재생 발전소)별 다중 회귀 모형에 각 목표 지점별 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 추정된 각 목표 지점별 일사량과 각 목표 지점에 설치된 일사량 센서로부터 측정된 각 목표 지점별 일사량 간의 평균 절대 오차(MAPE, Mean Absolute Error)는 대략 19.21%이고, 평균 제곱근 편차(RMSE, Root Mean Square Error)는 대략 21.61%인 것을 확인할 수 있다.
도 3b를 참조하면, 목표 지점인 제 1 신재생 발전소를 포함하는 고창 지역에 대한 일사량(301, 보정 전인 실시간 위성 데이터에 대응하는 실시간 일사량)과, 제 1 신재생 발전소에 설치된 일사량 센서에 의해 측정된 일사량(303) 및, 제 1 신재생 발전소가 위치한 지점인 목표 지점의 일사량(305, 본 발명에 의해 보정된 일사량)을 비교하면, 일사량 센서에 의해 측정된 목표 지점의 일사량(303)과 다중 회귀 모형에 의해 보정된 목표 지점의 일사량(305)이 비슷한 패턴을 보이고 있음을 확인할 수 있다.
도 3c를 참조하면, 목표 지점인 제 2 신재생 발전소를 포함하는 춘천 지역에 대한 일사량(307, 보정 전인 실시간 위성 데이터에 대응하는 실시간 일사량)과, 제 2 신재생 발전소에 설치된 일사량 센서에 의해 측정된 일사량(309) 및, 제 1 신재생 발전소가 위치한 목표 지점의 일사량(311, 본 발명에 의해 보정된 일사량)을 비교하면, 일사량 센서에 의해 측정된 목표 지점의 일사량(309)과 다중 회귀 모형에 의해 보정된 목표 지점의 일사량(311)이 비슷한 패턴을 보이고 있음을 확인할 수 있다.
발전량 예측부(130)는 추정된 목표 지점의 일사량에 기초하여 신재생 발전소의 발전량을 예측할 수 있다. 이를 통해, 본 발명은 신재생 발전소의 발전량에 대한 신뢰도를 극대화할 수 있고, 발전 효율을 증대시킬 수 있다. 또한, 본 발명은 추정된 목표 지점의 일사량에 따라 신재생 발전소의 발전 효율을 진단할 수 있고, 발전 효율이 저하되는 상황 이벤트를 생성함으로써 급격한 발전 효율 감소에 따른 장애 상황을 감지할 수 있다.
발전량 예측부(130)는 추정된 목표 지점의 일사량에 기초하여 예측된 신재생 발전소의 발전량 및 신재생 발전소의 실제 발전량을 비교하여 신재생 발전소의 발전 성능 및 고장 여부를 진단할 수 있다.
예를 들어, 도 4를 참조하면, 발전량 예측부(130)는 복수의 신재생 발전소가 설치된 지점에 해당하는 목표 지점별로 추정된 목표 지점의 일사량에 대한 정보를 일사량 분포 인터페이스를 통해 가시화하여 제공할 수 있다. 예를 들어, 발전량 예측부(130)는 입력된 일자 정보 및 특정 목표 지점에 대한 위치 정보에 기초하여 검색된 특정 목표 지점의 일사량에 대한 정보를 일사량 분포 인터페이스를 통해 제공할 수 있다.
한편, 당업자라면, 회귀 계수 도출부(100), 다중 회귀 모형 생성부(110), 일사량 추정부(120) 및 발전량 예측부(130) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 5는 본 발명의 일 실시예에 따른, 목표 지점의 일사량 추정 방법을 나타낸 흐름도이다.
도 5를 참조하면, 단계 S501에서 일사량 추정 서버(10)는 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출할 수 있다. 여기서, 과거 위성 데이터는 목표 지점(예컨대, 신재생 발전소)을 포함하는 지역에 대한 과거의 일사량을 포함하고, 과거 기상 관측 데이터는 목표 지점을 포함하는 지역에 대한 과거 기상 관측 데이터일 수 있다.
여기서, 기상 인자는 일사량 인자, 기온 인자, 습도 인자, 풍속 인자, 전운량 인자 및 시정 인자 중 적어도 하나를 포함하고, 기상 인자에 대한 회귀 계수는 일사량 인자에 대한 회귀 계수, 기온 인자에 대한 회귀 계수, 습도 인자에 대한 회귀 계수, 풍속 인자에 대한 회귀 계수, 전운량 인자에 대한 회귀 계수 및 시정 인자에 대한 회귀 계수 중 적어도 하나를 포함할 수 있다.
단계 S503에서 일사량 추정 서버(10)는 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성할 수 있다.
단계 S505에서 일사량 추정 서버(10)는 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 실시간 위성 데이터로부터 목표 지점의 일사량을 추정할 수 있다. 여기서, 실시간 위성 데이터는 목표 지점을 포함하는 지역에 대한 실시간 일사량을 포함할 수 있다.
도 5에는 도시되지 않았으나, 단계 S501에서 일사량 추정 서버(10)는 과거 기상 관측 데이터로부터 기상 인자에 대응하는 데이터를 추출하고, 과거 위성 데이터 및 기상 인자에 대응하는 데이터 간의 회귀 분석을 통해 기상 인자에 대한 회귀 계수를 도출할 수 있다. 여기서, 회귀 분석은 선형 회귀 분석 및 최소 자승법을 이용한 회귀 분석을 포함할 수 있다.
도 5에는 도시되지 않았으나, 단계 S505에서 일사량 추정 서버(10)는 생성된 다중 회귀 모형에 기초하여 목표 지점을 포함하는 지역에 대한 실시간 일사량을 보정하여 목표 지점의 일사량을 추정할 수 있다.
상술한 설명에서, 단계 S501 내지 S505는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 일사량 추정 서버
100: 회귀 계수 도출부
110: 다중 회귀 모형 생성부
120: 일사량 추정부
130: 발전량 예측부

Claims (15)

  1. 위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 서버에 있어서,
    상기 목표 지점의 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하는 회귀 계수 도출부;
    상기 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하는 다중 회귀 모형 생성부; 및
    상기 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 상기 실시간 위성 데이터로부터 상기 목표 지점의 일사량을 추정하는 일사량 추정부를 포함하되,
    상기 일사량 추정부는 상기 목표 지점의 과거 위성 데이터 및 과거 기상 관측 데이터 간의 증감 경향을 상기 실시간 위성 데이터 및 실시간 기상 관측 데이터에 반영하여 상기 목표 지점의 실시간 일사량의 오차를 보정하는 것인, 서버.
  2. 제 1 항에 있어서,
    상기 목표 지점은 신재생 발전소이고,
    상기 추정된 일사량에 기초하여 상기 신재생 발전소의 발전량을 예측하는 발전량 예측부를 더 포함하는 것인, 서버.
  3. 제 1 항에 있어서,
    상기 기상 인자는 일사량 인자, 기온 인자, 습도 인자, 풍속 인자, 전운량 인자 및 시정 인자 중 적어도 하나를 포함하고,
    상기 기상 인자에 대한 회귀 계수는 상기 일사량 인자에 대한 회귀 계수, 상기 기온 인자에 대한 회귀 계수, 상기 습도 인자에 대한 회귀 계수, 상기 풍속 인자에 대한 회귀 계수, 상기 전운량 인자에 대한 회귀 계수 및 상기 시정 인자에 대한 회귀 계수 중 적어도 하나를 포함하는 것인, 서버.
  4. 제 3 항에 있어서,
    상기 회귀 계수 도출부는
    상기 과거 기상 관측 데이터로부터 상기 기상 인자에 대응하는 데이터를 추출하고, 상기 과거 위성 데이터 및 상기 기상 인자에 대응하는 데이터 간의 회귀 분석을 통해 상기 기상 인자에 대한 회귀 계수를 도출하는 것인, 서버.
  5. 제 4 항에 있어서,
    상기 회귀 분석은 선형 회귀 분석 및 최소 자승법을 이용한 회귀 분석을 포함하는 것인, 서버.
  6. 제 1 항에 있어서,
    상기 과거 위성 데이터는 상기 목표 지점을 포함하는 지역에 대한 과거의 일사량을 포함하고,
    상기 과거 기상 관측 데이터는 상기 목표 지점을 포함하는 지역에 대한 과거 기상 관측 데이터이고,
    상기 실시간 위성 데이터는 상기 지역에 대한 실시간 일사량을 포함하는 것인, 서버.
  7. 제 6 항에 있어서,
    상기 일사량 추정부는 상기 생성된 다중 회귀 모형에 기초하여 상기 지역에 대한 실시간 일사량을 보정하여 상기 목표 지점의 일사량을 추정하는 것인, 서버.
  8. 위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 방법에 있어서,
    상기 목표 지점의 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하는 단계;
    상기 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하는 단계; 및
    상기 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 상기 실시간 위성 데이터로부터 상기 목표 지점의 일사량을 추정하는 단계를 포함하되,
    상기 목표 지점의 일사량을 추정하는 단계는
    상기 목표 지점의 과거 위성 데이터 및 과거 기상 관측 데이터 간의 증감 경향을 상기 실시간 위성 데이터 및 실시간 기상 관측 데이터에 반영하여 상기 목표 지점의 실시간 일사량의 오차를 보정하는 단계를 포함하는 것인, 일사량 추정 방법.
  9. 제 8 항에 있어서,
    상기 목표 지점은 신재생 발전소이고,
    상기 추정된 일사량에 기초하여 상기 신재생 발전소의 발전량을 예측하는 단계를 더 포함하는 것인, 일사량 추정 방법.
  10. 제 8 항에 있어서,
    상기 기상 인자는 일사량 인자, 기온 인자, 습도 인자, 풍속 인자, 전운량 인자 및 시정 인자 중 적어도 하나를 포함하고,
    상기 기상 인자에 대한 회귀 계수는 상기 일사량 인자에 대한 회귀 계수, 상기 기온 인자에 대한 회귀 계수, 상기 습도 인자에 대한 회귀 계수, 상기 풍속 인자에 대한 회귀 계수, 상기 전운량 인자에 대한 회귀 계수 및 상기 시정 인자에 대한 회귀 계수 중 적어도 하나를 포함하는 것인, 일사량 추정 방법.
  11. 제 10 항에 있어서,
    상기 기상 인자에 대한 회귀 계수를 도출하는 단계는
    상기 과거 기상 관측 데이터로부터 상기 기상 인자에 대응하는 데이터를 추출하는 단계 및
    상기 과거 위성 데이터 및 상기 기상 인자에 대응하는 데이터 간의 회귀 분석을 통해 상기 기상 인자에 대한 회귀 계수를 도출하는 단계를 포함하는 것인, 일사량 추정 방법.
  12. 제 11 항에 있어서,
    상기 회귀 분석은 선형 회귀 분석 및 최소 자승법을 이용한 회귀 분석을 포함하는 것인, 일사량 추정 방법.
  13. 제 8 항에 있어서
    상기 과거 위성 데이터는 상기 목표 지점을 포함하는 지역에 대한 과거의 일사량을 포함하고,
    상기 과거 기상 관측 데이터는 상기 목표 지점을 포함하는 지역에 대한 과거 기상 관측 데이터이고,
    상기 실시간 위성 데이터는 상기 지역에 대한 실시간 일사량을 포함하는 것인, 일사량 추정 방법.
  14. 제 13 항에 있어서,
    상기 목표 지점의 일사량을 추정하는 단계는
    상기 생성된 다중 회귀 모형에 기초하여 상기 지역에 대한 실시간 일사량을 보정하여 상기 목표 지점의 일사량을 추정하는 단계를 포함하는 것인, 일사량 추정 방법.
  15. 위성 데이터에 기초하여 목표 지점의 일사량을 추정하는 명령어들의 시퀀스를 포함하는 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우,
    상기 목표 지점의 과거 위성 데이터 및 과거 기상 관측 데이터에 기초하여 기상 인자에 대한 회귀 계수를 도출하고,
    상기 도출된 기상 인자에 대한 회귀 계수에 기초하여 다중 회귀 모형을 생성하고,
    상기 생성된 다중 회귀 모형에 실시간 위성 데이터 및 실시간 기상 관측 데이터를 반영하여 상기 실시간 위성 데이터로부터 상기 목표 지점의 일사량을 추정하고,
    상기 목표 지점의 과거 위성 데이터 및 과거 기상 관측 데이터 간의 증감 경향을 상기 실시간 위성 데이터 및 실시간 기상 관측 데이터에 반영하여 상기 목표 지점의 실시간 일사량의 오차를 보정하도록 하는 명령어들의 시퀀스를 포함하는, 매체에 저장된 컴퓨터 프로그램.
KR1020190150319A 2019-11-21 2019-11-21 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램 KR102568490B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190150319A KR102568490B1 (ko) 2019-11-21 2019-11-21 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190150319A KR102568490B1 (ko) 2019-11-21 2019-11-21 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램

Publications (2)

Publication Number Publication Date
KR20210062288A KR20210062288A (ko) 2021-05-31
KR102568490B1 true KR102568490B1 (ko) 2023-08-21

Family

ID=76150103

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190150319A KR102568490B1 (ko) 2019-11-21 2019-11-21 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR102568490B1 (ko)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5571970B2 (ja) 2010-02-10 2014-08-13 大阪瓦斯株式会社 日射量推定装置、太陽光発電量推定装置及びシステム
KR20180077489A (ko) * 2016-12-29 2018-07-09 한국교통대학교산학협력단 수평면 전일사량의 예측방법
KR102404397B1 (ko) * 2017-12-01 2022-06-07 한국전자통신연구원 태양광 발전량 예측 장치 및 그 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
S. E. Ruşen. Performance evaluation of a coupled method for the estimation of daily global solar radiation on a horizontal surface. Atmósfera. 2018.09.28, Vol.31, No.4, pp.347-354. 1부.*

Also Published As

Publication number Publication date
KR20210062288A (ko) 2021-05-31

Similar Documents

Publication Publication Date Title
EP3364324A1 (en) Method and device for detecting equivalent load of wind turbine generator system
CN101795090B (zh) 预测光伏器件的电力产量的方法
JP2009294969A (ja) 需要予測方法および需要予測装置
KR101898629B1 (ko) H-Infinity 필터를 이용한 기상 예측값 보정 방법 및 이를 이용한 기상 예측값 보정 장치
KR102283487B1 (ko) 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템
KR20200131831A (ko) 센서 교정
US9928467B2 (en) Apparatus for forecasting water demand
US20180034411A1 (en) Method and apparatus for determining key performance photovoltaic characteristics using sensors from module-level power electronics
US20140365128A1 (en) Method for predicting hourly climatic data to estimate cooling/heating load
JP2008077561A (ja) エネルギー予測方法、エネルギー予測装置およびプログラム
WO2015152205A1 (ja) 発電システム分析装置および方法
JP5214650B2 (ja) 異常診断装置および方法
CA2996731A1 (en) Methods and systems for energy use normalization and forecasting
US20120068687A1 (en) Method for Determining a Spatial Arrangement of Photovoltaic Module Groups in a Photovoltaic Installation
JP2010218394A (ja) エネルギー需要予測装置
JP5104567B2 (ja) エネルギー需要予測装置
JP7257117B2 (ja) 太陽光発電システム分布推定装置、太陽光発電システム分布推定方法及び太陽光発電出力予測装置
JP6046530B2 (ja) 最大発電量予測システム
KR102568490B1 (ko) 목표 지점의 일사량을 추정하는 서버, 방법 및 컴퓨터 프로그램
CN109034507B (zh) 水电站发电量预测方法与装置、计算机设备和存储介质
CN112465250B (zh) 电力负荷预测方法、装置、计算机设备和存储介质
KR20190128420A (ko) 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템
US20220215138A1 (en) Method for Validating System Parameters of an Energy System, Method for Operating an Energy System, and Energy Management System for an Energy System
KR20210034714A (ko) 기후시계열 데이터 복원 방법 및 장치
JP6628700B2 (ja) 気象情報予測装置および電力需要予測装置

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