KR102578223B1 - 태양광 발전량 예측 장치 - Google Patents

태양광 발전량 예측 장치 Download PDF

Info

Publication number
KR102578223B1
KR102578223B1 KR1020180110402A KR20180110402A KR102578223B1 KR 102578223 B1 KR102578223 B1 KR 102578223B1 KR 1020180110402 A KR1020180110402 A KR 1020180110402A KR 20180110402 A KR20180110402 A KR 20180110402A KR 102578223 B1 KR102578223 B1 KR 102578223B1
Authority
KR
South Korea
Prior art keywords
power generation
solar
temperature
solar cell
wind speed
Prior art date
Application number
KR1020180110402A
Other languages
English (en)
Other versions
KR20200031420A (ko
Inventor
안차호
Original Assignee
오씨아이 주식회사
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 오씨아이 주식회사 filed Critical 오씨아이 주식회사
Priority to KR1020180110402A priority Critical patent/KR102578223B1/ko
Publication of KR20200031420A publication Critical patent/KR20200031420A/ko
Application granted granted Critical
Publication of KR102578223B1 publication Critical patent/KR102578223B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or 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
    • 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
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Abstract

본 발명은 태양광 셀 온도를 추정하고, 추정된 태양광 셀 온도에 기초하여 태양광 발전량을 예측하는 장치에 관한 것이다. 본 발명의 일 실시예에 따른 태양광 발전량 예측 장치는 복수의 태양광 셀을 포함하는 태양광 발전 시스템의 발전량을 예측하는 장치에 있어서, 상기 태양광 발전 시스템 내의 일사량, 외기 온도 및 풍속을 획득하는 변수 획득부, 상기 태양광 셀의 온도에 기초한 회귀분석을 통해 상기 풍속에 가중치를 적용하는 풍속 가중치 적용부, 상기 일사량, 상기 외기 온도 및 상기 가중치가 적용된 풍속에 기초하여 상기 태양광 셀의 온도를 산출하는 셀 온도 산출부, 상기 일사량, 상기 외기 온도 및 상기 태양광 셀의 온도에 기초하여 상기 태양광 발전 시스템의 예상 발전량을 산출하는 예상 발전량 산출부, 상기 태양광 발전 시스템에 대한 발전 가중치를 결정하는 발전 가중치 결정부, 상기 예상 발전량에 상기 발전 가중치가 적용된 보정 발전량에 기초한 회귀분석을 통해 상기 예상 발전량에 대한 특성치를 결정하는 특성치 결정부 및 상기 예상 발전량에 상기 산출된 특성치를 적용하여 상기 태양광 발전 시스템의 이상 발전량을 산출하는 이상 발전량 산출부를 포함하는 것을 특징으로 한다.

Description

태양광 발전량 예측 장치{APPARATUS FOR ESTIMATING PHOTOVOLTAIC POWER GENERATION}
본 발명은 풍속에 기초하여 태양광 셀 온도를 추정하고, 추정된 태양광 셀 온도에 기초하여 태양광 발전량을 예측하는 장치에 관한 것이다.
최근, 석탄 및 석유의 고갈에 따라 신재생에너지가 각광 받고 있다. 이에 따라, 신재생에너지 발전 시스템의 중요성이 대두되고 있는 실정이다.
그 중 태양광 발전은 설치 위치에 제약이 적고 설치 규모를 필요에 따라 자유롭게 결정할 수 있는 장점이 있어 보급이 확대되고 있다.
다만, 태양광 발전 시스템을 구축한 사용자의 입장에서, 실제 발전 상태를 파악할 수 있는 유일한 지표는 전력량계를 통한 계측값뿐이므로, 사용자가 해당 계측값을 통해 태양광 발전 시스템의 상태를 파악하기에는 한계가 있다.
이에 따라, 다양한 환경 요인을 고려하여, 현재 태양광 발전 시스템의 이상적인 발전량을 사용자에게 제공해 줄 수 있는 방법이 요구되고 있는 실정이다.
본 발명은 다양한 환경요인을 고려하여 태양광 발전량을 예측할 수 있는 태양광 발전량 예측 장치를 제공하는 것을 목적으로 한다.
이러한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 태양광 발전량 예측 장치는 복수의 태양광 셀을 포함하는 태양광 발전 시스템의 발전량을 예측하는 장치에 있어서, 상기 태양광 발전 시스템 내의 일사량, 외기 온도 및 풍속을 획득하는 변수 획득부, 상기 태양광 셀의 온도에 기초한 회귀분석을 통해 상기 풍속에 가중치를 적용하는 풍속 가중치 적용부, 상기 일사량, 상기 외기 온도 및 상기 가중치가 적용된 풍속에 기초하여 상기 태양광 셀의 온도를 산출하는 셀 온도 산출부, 상기 일사량, 상기 외기 온도 및 상기 태양광 셀의 온도에 기초하여 상기 태양광 발전 시스템의 예상 발전량을 산출하는 예상 발전량 산출부, 상기 태양광 발전 시스템에 대한 발전 가중치를 결정하는 발전 가중치 결정부, 상기 예상 발전량에 상기 발전 가중치가 적용된 보정 발전량에 기초한 회귀분석을 통해 상기 예상 발전량에 대한 특성치를 결정하는 특성치 결정부 및 상기 예상 발전량에 상기 산출된 특성치를 적용하여 상기 태양광 발전 시스템의 이상 발전량을 산출하는 이상 발전량 산출부를 포함하는 것을 특징으로 한다.
전술한 바와 같은 본 발명에 의하면 다양한 환경요인을 고려하여 태양광 발전량을 예측함으로써, 사용자에게 현재 태양광 발전 시스템의 이상적인 발전량을 제공해 줄 수 있고 사용자로 하여금 태양광 발전 시스템의 이상을 조기에 파악할 수 있도록 하는 효과가 있다.
또한, 본 발명에 의하면 태양광 셀 온도를 산출함에 있어서 바람에 의한 태양광 셀의 냉각 효과를 반영함으로써, 태양광 셀 온도 산출의 정확도 및 이상 발전량 산출의 정확도를 향상시킬 수 있는 효과가 있다.
또한, 본 발명에 의하면 이상 발전량을 산출함에 있어서 태양광 발전 시스템의 과거 발전 추이를 반영함으로써, 태양광 발전 시스템 고유의 시간적 및 지리적 발전 요인을 반영할 수 있는 효과가 있다.
또한, 본 발명에 의하면 이상 발전량을 산출함에 있어서 태양광 발전 시스템을 구성하는 인버터의 효율을 반영함으로써, 시스템 성능을 반영하여 보다 정확한 이상 발전량을 산출할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 태양광 발전량 예측 장치를 도시한 도면.
도 2는 도 1에 도시된 태양광 발전량 예측 장치가 태양광 발전 시스템과 연결된 모습을 도시한 도면.
도 3은 태양광 발전 시스템 내에서 태양광 발전을 수행하는 태양광 셀 태양광 모듈 및 태양광 어레이를 각각 도시한 도면.
도 4는 태양광 셀 온의 온도에 기초한 회귀분석 과정을 도시한 순서도.
도 5는 시간에 따른 태양광 셀 온도를 각각의 회귀분석 방법에 따라 도시한 그래프.
도 6은 예상 발전량으로부터 이상 발전량을 산출하는 과정을 도시한 순서도.
도 7은 전압에 따른 인버터의 효율 곡선을 도시한 그래프.
이하, 첨부 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. 그러나, 다음에 예시하는 본 발명의 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시예에 한정되는 것은 아니다. 본 발명의 실시예는 당업계에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다.
도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 발명은 복수의 태양광 셀을 포함하는 태양광 발전 시스템에서, 풍속에 기초하여 태양광 셀 온도를 추정하고, 추정된 태양광 셀 온도에 기초하여 태양광 발전량을 예측하는 장치에 관한 것이다.
이하, 도 1 내지 도 6을 참조하여, 본 발명의 일 실시예에 따른 태양광 발전량 예측 장치를 구체적으로 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 태양광 발전량 예측 장치를 도시한 도면이고, 도 2는 도 1에 도시된 태양광 발전량 예측 장치가 태양광 발전 시스템과 연결된 모습을 도시한 도면이다.
도 3은 태양광 발전 시스템 내에서 태양광 발전을 수행하는 태양광 셀 태양광 모듈 및 태양광 어레이를 각각 도시한 도면이다.
도 4는 태양광 셀 온의 온도에 기초한 회귀분석 과정을 도시한 순서도이고, 도 5는 시간에 따른 태양광 셀 온도를 각각의 회귀분석 방법에 따라 도시한 그래프이다.
도 6은 예상 발전량으로부터 이상 발전량을 산출하는 과정을 도시한 순서도이다.
도 7은 전압에 따른 인버터의 효율 곡선을 도시한 그래프이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 태양광 발전량 예측 장치(100)는 변수 획득부(110), 풍속 가중치 적용부(120), 셀 온도 산출부(130), 예상 발전량 산출부(140), 발전 가중치 결정부(150), 특성치 결정부(160) 및 이상 발전량 산출부(170)를 포함할 수 있다. 도 1에 도시된 태양광 발전량 예측 장치(100)는 예시적인 것이고, 그 구성요소들이 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 일부 구성요소가 부가, 변경 또는 삭제될 수 있다.
한편, 도 2를 참조하면, 도 1에 도시된 태양광 발전량 예측 장치(100)가 적용되는 태양광 발전 시스템(200)은 태양광 어레이(210), 복수의 인버터(220), 셀 온도 센서(230) 및 변수 측정부(240)를 포함할 수 있다. 도 2에 도시된 태양광 발전 시스템(200)은 예시적인 것이고, 그 구성요소들이 도 2에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 일부 구성요소가 부가, 변경 또는 삭제될 수 있다.
변수 획득부(110)는 태양광 발전 시스템(200) 내의 일사량, 외기 온도 및 풍속을 획득할 수 있다.
일 예에서, 변수 획득부(110)는 태양광 발전 시스템(200) 내에 위치한 변수 측정부(240)로부터 일사량(), 외기 온도(Ta) 및 풍속(v)을 제공받을 수 있다.
도 2에 도시된 바와 같이 태양광 발전 시스템(200)의 변수 측정부(240)는 일사량계(240a), 외기 온도계(240b), 풍속계(240c) 등을 포함할 수 있다. 일사량계(240a)는 태양광 발전 시스템(200)이 설치된 위치에서 일사량()을 [W/m2]의 단위로 측정할 수 있다. 또한, 외기 온도계(240b) 및 풍속계(240c)는 태양광 발전 시스템(200)이 설치된 위치의 외기 온도(Ta)와 풍속(v)을 각각 [oC] 및 [m/s]단위로 측정할 수 있다.
이와 달리 변수 측정부(240)는 외부 서버와 통신하여 일사량(), 외기 온도(Ta) 및 풍속(v)을 획득할 수도 있다. 예를 들어, 변수 측정부(240)는 기상청의 서버로부터 태양광 발전 시스템(200)이 설치된 위치의 일사량(), 외기 온도(Ta) 및 풍속(v)을 각각 획득할 수 있다.
변수 획득부(110)는 변수 측정부(240)에서 측정 또는 획득된 일사량(), 외기 온도(Ta) 및 풍속(v)을 변수 측정부(240)로부터 제공받을 수 있다.
다른 예에서, 변수 획득부(110)는 스스로 외부 서버와 통신하여 일사량(), 외기 온도(Ta) 및 풍속(v)을 획득할 수 있다. 또한, 태양광 발전량 예측 장치(100)가 물리적으로 태양광 발전 시스템(200) 내부에 위치하는 경우, 변수 획득부(110)는 일사량계(240a), 외기 온도계(240b), 풍속계(240c)를 통해 스스로 일사량(), 외기 온도(Ta) 및 풍속(v)을 획득할 수도 있다.
풍속 가중치 적용부(120)는 태양광 셀의 온도(Tc)에 기초한 회귀분석(regression analysis)을 통해 풍속에 가중치를 적용할 수 있다.
또한, 셀 온도 산출부(130)는 변수 획득부(110)로부터 제공된 일사량 및 외기 온도와 풍속 가중치 적용부(120)에서 가중치가 적용된 풍속에 기초하여 태양광 셀의 온도(Tc)를 산출할 수 있다.
본 발명에서 태양광 셀은 태양광 발전을 수행하는 단위 셀을 의미할 수 있다. 보다 구체적으로, 도 3를 참조하면 태양광 발전 시스템(200)은 적어도 하나의 태양광 어레이(PV array, 210)를 포함할 수 있다. 이 때, 태양광 어레이(210)는 복수의 태양광 모듈(PV module)로 구성될 수 있고, 태양광 모듈(PV module)은 복수의 태양광 셀(PV cell)로 구성될 수 있다.
한편, 본 발명에서 서술되는 태양광 셀의 온도(Tc)는 태양광 셀 내부의 온도로서 실측이 불가능하며, 이에 따라 태양광 셀의 온도(Tc)는 후술하는 셀 온도 센서(230)에 의해 측정되는 태양광 셀의 외부 표면 온도(Tm)와는 다를 수 있다.
먼저, 풍속에 가중치를 적용하는 이유를 설명하기 위해, 셀 온도 산출부(130)가 태양광 셀의 온도(Tc)를 산출하는 방법을 설명하도록 한다.
셀 온도 산출부(130)는 하기 [수학식 1]에 따라 태양광 셀의 온도(Tc)를 산출할 수 있다.
(Tc는 태양광 셀의 온도, UPV는 가중치가 적용된 풍속, Ta는 외기 온도, 는 일사량, 는 태양광 셀의 에너지 흡수율, 는 태양광 셀 상면에 구비된 유리의 투과율, 는 태양광 셀의 발전 효율, 는 태양광 셀의 온도 변화에 따른 발전 효율 변동률, Tr는 기준 온도(25oC))
여기서, 태양광 셀의 에너지 흡수율(), 태양광 셀 상면에 구비된 유리의 투과율(), 태양광 셀의 발전 효율() 및 태양광 셀의 온도 변화에 따른 발전 효율 변동률()은 태양광 셀의 성능에 따라 결정되는 상수값(constant)일 수 있다.
한편, 가중치가 적용된 풍속(UPV)은 바람에 의한 태양광 셀의 냉각 효과를 반영하기 위한 파라미터로서, 풍속(v)을 독립변수로 하여 결정되는 값일 수 있다.
일 예에서, 풍속 가중치 적용부(120)는 풍속(v)을 독립 변수로 하고 UPV를 종속 변수로 하는 n차 방정식 또는 지수 방정식을 작성하고, 회귀분석을 통해 해당 방정식에서 독립 변수(ex, v, v2 등)의 계수와, 상수를 각각 결정할 수 있다.
이하에서는, 풍속 가중치 적용부(120)가 풍속(v)을 독립 변수로 하고 UPV를 종속 변수로 하는 1차 선형 방정식을 작성하여 회귀분석을 수행하는 것으로 가정하여 설명하도록 한다.
보다 구체적으로, 풍속 가중치 적용부(120)는 가중치가 적용된 풍속(UPV)을 하기 [수학식 2]에 따라 설정할 수 있다.
(a, b는 가중치 상수, v는 풍속)
여기서, 풍속 가중치 적용부(120)는 R2(R Square)를 최대로 하는 회귀분석, RMSE(Root Mean Square Error), MAE(Mean Absolute Error) 또는 MBE(Mean Bias Error)를 최소로 하는 회귀분석 중 적어도 하나를 통해 상기 풍속(v)에 가중치를 적용할 수 있다. 다시 말해, 풍속 가중치 적용부(120)는 회귀분석을 통해 전술한 [수학식 2]에서 가중치 상수(a, b)를 결정할 수 있다.
도 4를 참조하면, 셀 온도 산출부(130)에 의해 태양광 셀의 온도(Tc)가 산출되면(S410), 풍속 가중치 적용부(120)는 산출된 태양광 셀의 온도(Tc)에 기초하여 회귀분석을 수행할 수 있다(S420).
보다 구체적으로, 풍속 가중치 적용부(120)는 회귀분석을 통해 현재 주기에 산출된 태양광 셀의 온도(Tc)가 이전 주기에 산출된 태양광 셀의 온도(Tc')를 추종하도록 가중치 상수를 결정할 수 있다.
여기서 이전 주기에 산출된 태양광 셀의 온도(Tc')는 직전 주기에 산출된 태양광 셀의 온도뿐만 아니라, 이전 주기에 산출된 태양광 셀의 온도들을 모두 포함할 수 있다. 즉, 이전 주기에 산출된 태양광 셀의 온도(Tc')는 과거에 산출된 태양광 셀의 온도를 모두 포함할 수 있다.
풍속 가중치 적용부(120)는 데이터 베이스에 저장된 과거의 태양광 셀의 온도 중 특정 기간에 산출된 태양광 셀의 온도를 추출할 수 있다.
보다 구체적으로, 풍속 가중치 적용부(120)는 태양광 발전의 유사성을 고려하여 작년도 같은 날, 같은 달, 같은 계절 등에서 산출되었던 태양광 셀의 온도를 추출할 수 있다.
이 외에도, 풍속 가중치 적용부(120)는 사용자의 필요에 따라 과거 임의의 시점에 산출된 태양광 셀의 온도를 추출할 수 있다.
풍속 가중치 적용부(120)는 매 주기마다 산출되는 태양광 셀의 온도(Tc)가 데이터 베이스에서 추출된 과거 태양광 셀의 온도(Tc')를 추종하도록 가중치 상수를 결정할 수 있다(S430).
도 5를 참조하면, 풍속 가중치 적용부(120)는 오전 7시 12분부터 오후 7시 12분까지 산출된 과거 태양광 셀의 온도(Tc')를 추출하고, 전술한 R2, RMSE, MBE 방법에 따른 회귀분석을 통해 현재 산출되는 태양광 셀의 온도(Cell Temp. Tc)가 과거 태양광 셀의 온도(Tc')를 추종하도록 할 수 있다.
보다 구체적으로, 풍속 가중치 적용부(120)는 전술한 [수학식 2]의 가중치 상수(a, b)를 조절하면서 태양광 셀의 온도(Tc)를 산출하고, 산출된 태양광 셀의 온도(Tc)가 과거 태양광 셀의 온도(Tc')를 추종하도록 하는 가중치 상수(a, b)를 결정할 수 있다.
예를 들어, 풍속 가중치 적용부(120)는 R2 방법에 따른 회귀분석을 통해 과거의 자료와 현재의 자료의 유사도를 나타내는 R2가 최대가 되도록(Optimised R2) 가중치 상수(a, b)를 결정할 수 있다.
또한, 풍속 가중치 적용부(120)는 RMSE 또는 MBE 방법에 따른 회귀분석을 통해 과거의 자료와 현재의 자료 간의 오차를 나타내는 RMSE 또는 MBE의 크기가 최소가 되도록(Optimised RMSE or MBE) 가중치 상수(a, b)를 결정할 수도 있다.
가중치 상수(a, b)가 결정되면, 풍속 가중치 적용부(120)는 결정된 가중치 상수(a, b)를 전술한 [수학식 2]에 대입하여, 풍속에 가중치를 적용할 수 있다(S440).
전술한 도 4의 단계(S410) 내지 단계(S440)는 태양광 셀의 온도(Tc)가 산출되는 매 주기마다 수행될 수 있다.
다만, 전술한 바와 달리 데이터 베이스에 과거에 산출된 태양광 셀의 온도(Tc')가 저장되어 있지 않은 경우, 셀 온도 센서(230)를 통해 측정된 태양광 셀의 표면 온도(Tm)에 기초하여 회귀분석을 수행할 수도 있다.
이 때, 풍속 가중치 적용부(120)는 전술한 [수학식 2]의 가중치 상수(a, b)를 조절하면서 태양광 셀의 온도(Tc)를 산출하고, 산출된 태양광 셀의 온도(Tc)가 셀 온도 센서(230)에 의해 측정된 태양광 어레이(210)의 표면 온도(Tm)를 추종하도록 하는 가중치 상수(a, b)를 결정할 수 있다.
상술한 바와 같이, 본 발명은 태양광 셀 온도를 산출함에 있어서 바람에 의한 태양광 셀의 냉각 효과를 반영함으로써, 태양광 셀 온도 산출의 정확도 및 후술하는 이상 발전량 산출의 정확도를 향상시킬 수 있다.
예상 발전량 산출부(140)는 일사량(), 외기 온도(Ta) 및 태양광 셀의 온도(Tc)에 기초하여 태양광 발전 시스템(200)의 예상 발전량(Pp)을 산출할 수 있다.
보다 구체적으로, 예상 발전량 산출부(140)는 일사량(), 외기 온도(Ta) 및 태양광 셀의 온도(Tc)를 이용하여 단일 태양광 셀의 예상 발전량을 산출하고, 단일 태양광 셀의 예상 발전량에 기초하여 전체 태양광 발전 시스템(200)의 예상 발전량(Pp)을 산출할 수 있다.
먼저, 예상 발전량 산출부(140)는 일사량(), 외기 온도(Ta) 및 태양광 셀의 온도(Tc)에 기초하여 태양광 셀의 출력 전압(Vc) 및 출력 전류(Ic)를 산출하고, 산출된 출력 전압(Vc) 및 출력 전류(Ic)를 이용하여 태양광 셀의 예상 발전량을 산출할 수 있다.
일사량(), 외기 온도(Ta) 및 태양광 셀의 온도(Tc)에 기초하여 태양광 셀의 출력 전압(Vc) 및 출력 전류(Ic)를 산출하는 방법은 당해 기술분야에서 알려진 다양한 방법이 이용될 수 있다.
일 예에서, 예상 발전량 산출부(140)는 하기 [수학식 3]에 따라 태양광 셀의 출력 전압(Vc)을 산출하고, 하기 [수학식 4]에 따라 태양광 셀의 출력 전류(Ic)를 산출할 수 있다.
(Vc는 태양광 셀의 출력 전압, Ta는 외기 온도, 는 일사량, VSTC는 기준 온도에서 MPPT(Maximum Power Point Tracking)에 따른 최대 전압, 는 온도에 따른 태양광 셀의 전압 변동률, TC는 태양광 셀의 온도, n은 태양광 셀의 이상계수(ideality factor), K는 볼츠만 상수, q는 단일 전자의 전하량, X는 일사량 파라미터)
(Ic는 태양광 셀의 출력 전류, ISTC는 기준 온도에서 MPPT에 따른 최대 전류, 는 온도에 따른 태양광 셀의 전류 변동률)
여기서, VSTC, ISTC는 25oC의 기준 온도에서 태양광 발전 시스템(200)이 MPPT에 따라 동작할 때, 최대 전력을 출력할 수 있는 최대 전압 및 최대 전류로서, 태양광 셀의 성능에 의해 결정되는 상수값이다. 한편, MPPT는 태양광 발전 시스템(200)의 운용에 있어서 당해 기술분야에서 널리 알려진 방법인 바 여기서는 자세한 설명을 생략하도록 한다.
한편, 온도에 따른 전압 및 전류 변동률(), 태양광 셀의 이상계수(n) 또한 태양광 셀의 성능에 따라 결정되는 상수값이고, 볼츠만 상수(K), 단일 전자의 전하량(q, )은 물리학 분야에서 널리 알려진 상수값이다.
일사량 파라미터(X)는 일사량의 단위를 변환한 파라미터로서, 1000[W/m2]의 일사량이 1[suns] 단위로 환산된 파라미터일 수 있다.
예상 발전량 산출부(140)는 전술한 식에 의해 산출된 태양광 셀의 출력 전압(Vc)과 출력 전류(Ic)를 곱하여 단일의 태양광 셀의 예상 발전량을 산출할 수 있다.
도 2에 도시된 바와 같이 태양광 모듈은 미리 정해진 개수의 태양광 셀로 구성되며, 태양광 어레이(210)는 미리 정해진 개수의 태양광 모듈로 구성될 수 있다.
이에 따라, 예상 발전량 산출부(140)는 단일 태양광 셀의 예상 발전량에, 태양광 모듈 당 태양광 셀 개수를 곱하여 태양광 모듈의 예상 발전량을 산출할 수 있다. 또한, 예상 발전량 산출부(140)는 단일 태양광 모듈의 예상 발전량에, 태양광 어레이(210) 당 태양광 모듈 개수를 곱하여 태양광 어레이(210)의 예상 발전량을 산출할 수 있다.
한편, 태양광 발전 시스템(200)이 복수의 태양광 어레이(210)를 포함하는 경우, 예상 발전량 산출부(140)는 단일 태양광 어레이(210)의 예상 발전량에, 태양광 어레이(210)의 개수를 곱하여 태양광 발전 시스템(200)의 총 예상 발전량(Pp)을 산출할 수 있다.
도 6을 참조하면, 예상 발전량 산출부(140)에 의해 태양광 발전 시스템(200)의 예상 발전량(Pp)이 산출되면(S610), 발전 가중치 결정부(150)는 태양광 발전 시스템(200)에 대한 발전 가중치를 결정하고, 예상 발전량(Pp)에 발전 가중치를 적용할 수 있다(S620).
보다 구체적으로, 발전 가중치 결정부(150)는 태양광 발전 시스템(200)의 전체 발전량에 영향을 주는 다양한 요소에 기초하여 태양광 발전 시스템(200)에 발전 가중치를 결정할 수 있다. 발전 가중치는 일정 기준 내에서 전체 발전량에 따른 비율로 결정될 수 있다.
일 예에서, 발전 가중치 결정부(150)는 계절별 평균 발전량 또는 월별 평균 발전량에 따라 발전 가중치를 결정할 수 있다.
특정 지역에 설치된 태양광 발전 시스템(200)의 계절별 평균 발전량 및 월별 평균 발전량은 하기 [표 1]과 같을 수 있다.
계절 월 평균 발전량 계절별 발전 가중치 월별 발전 가중치
봄 3월 10[kW] 0.033 0.15
4월 15[kW] 0.05
5월 20[kW] 0.067
여름 6월 40[kW] 0.133 0.467
7월 50[kW] 0.167
8월 50[kW] 0.167
가을 9월 40[kW] 0.133 0.317
10월 35[kW] 0.117
11월 20[kW] 0.067
겨울 12월 10[kW] 0.033 0.067
1월 5[kW] 0.017
2월 5[kW] 0.017
발전 가중치 결정부(150)는 전체 발전량에서 계절별 또는 월별 평균 발전량이 차지하는 비율을 발전 가중치로 결정할 수 있다.
발전 가중치 결정부(150)는 예상 발전량 산출부(140)에 의해 산출된 예상 발전량(Pp)에 시간에 따른 발전 추이를 반영하기 위해, 특정 계절 또는 달에 산출된 예상 발전량(Pp)에 해당 계절 또는 달에 대해 설정된 발전 가중치를 적용할 수 있다.
보다 구체적으로, 각 계절 내에서 산출된 예상 발전량(Pp)과, 해당 계절에 대해 설정된 가중치가 적용된 보정 발전량(Pc)은 하기 [표 2]와 같을 수 있다.
계절 예상 발전량 보정 발전량
봄 160[kW] 24
여름 280[kW] 130.76
가을 120[kW] 38.04
겨울 60[kW] 4.02
[표 2]를 참조하면, 발전 가중치 결정부(150)는 [표 1]을 참조하여, 봄, 여름, 가을 및 겨울에 대한 발전 가중치를 각각 0.15, 0.467, 0.317 및 0.067로 식별할 수 있다. 이어서, 발전 가중치 결정부(150)는 예상 발전량 산출부(140)에서 각 계절별로 산출된 예상 발전량(Pp)에 계절별 발전 가중치를 곱하여 보정 발전량(Pc)을 산출할 수 있다.
한편, 다른 예에서 발전 가중치 결정부(150)는 태양광 셀이 연결된 인버터(220)의 용량, 태양광 셀과 인버터(220) 간의 거리에 따라 발전 가중치를 결정할 수 있다.
이하에서는, 발전 가중치 결정부(150)가 태양광 셀이 연결된 인버터(inv.#1 ~ inv.#n)의 용량에 따라 발전 가중치를 결정하는 예를 설명하도록 한다.
일 예에서, 태양광 발전 시스템(200)은 세 개의 인버터(inv.#1 ~ inv.#3)을 포함하며 각 인버터(inv.#1 ~ inv.#3)별 발전량은 하기 [표 3]과 같을 수 있다.
인버터 평균 발전량 인버터별 발전 가중치
inv.#1 500[kW] 0.5
inv.#2 300[kW] 0.3
inv.#3 200[kW] 0.2
발전 가중치 결정부(150)는 태양광 발전 시스템(200)의 전체 발전량에서 인버터(inv.#1 ~ inv.#3)별 평균 발전량이 차지하는 비율을 발전 가중치로 결정할 수 있다.
발전 가중치 결정부(150)는 예상 발전량 산출부(140)에 의해 산출된 예상 발전량(Pp)에 인버터(220)별 발전 추이를 반영하기 위해, 특정 인버터에 대해 산출된 예상 발전량(Pp)에 해당 인버터에 대해 설정된 발전 가중치를 적용할 수 있다.
보다 구체적으로, 각 인버터(inv.#1 ~ inv.#3)에 대해 산출된 예상 발전량(Pp)과, 해당 인버터(inv.#1 ~ inv.#3)에 대해 설정된 가중치가 적용된 보정 발전량(Pc)은 하기 [표 4]와 같을 수 있다.
인버터 예상 발전량 보정 발전량
inv.#1 450[kW] 225
inv.#2 320[kW] 96
inv.#3 190[kW] 38
특성치 결정부(160)는 예상 발전량(Pp)에 발전 가중치가 적용된 보정 발전량(Pc)에 기초하여 회귀분석을 수행할 수 있고(S630), 이를 통해 예상 발전량에 대한 특성치를 결정할 수 있다(S640).
특성치 결정부(160)는 전술한 풍속 가중치 적용부(120)와 마찬가지로 R2(R Square)를 최대로 하는 회귀분석, RMSE(Root Mean Square Error), MAE(Mean Absolute Error) 또는 MBE(Mean Bias Error)를 최소로 하는 회귀분석 중 임의의 회기분석을 수행할 수 있다.
보다 구체적으로, 도 6에 도시된 바와 같이 특성치 결정부(160)는 보정 발전량(Pc)이 이전 주기에 산출된 보정 발전량(Pc')을 추종하도록 예상 발전량에 대한 특성치를 결정할 수 있다.
여기서 이전 주기에 산출된 보정 발전량(Pc')은 직전 주기에 산출된 보정 발전량뿐만 아니라, 이전 주기에 산출된 보정 발전량들을 모두 포함할 수 있다.
특성치 결정부(160)는 데이터 베이스에 저장된 과거의 보정 발전량 중 특정 기간에 산출된 보정 발전량을 추출할 수 있다.
보다 구체적으로, 특성치 결정부(160)는 태양광 발전의 유사성(추이)를 고려하여 작년도 같은 날, 같은 달, 같은 계절 등에서 산출되었던 보정 발전량(Pc')을 추출할 수 있다.
이 외에도, 특성치 결정부(160)는 사용자의 필요에 따라 과거 임의의 시점에 산출된 보정 발전량을 추출할 수 있다.
특성치 결정부(160)는 매 주기마다 산출되는 보정 발전량(Pc)이 데이터 베이스에서 추출된 과거 보정 발전량(Pc')을 추종하도록 회귀분석을 수행하여 특성치를 결정할 수 있다.
보다 구체적으로, 특성치 결정부(160)는 예상 발전량에 대한 특성치를, 전술한 회귀분석을 통해 결정되는 R2값으로 결정할 수 있다.
전술한 [표 4]를 예로 들어 설명하면, 특성치 결정부(160)는 inv.#1 내지 inv.#3에 대한 보정 발전량(Pc')이 과거 inv.#1 내지 inv.#3의 보정 발전량(Pc')을 추종하도록 회귀분석을 수행할 수 있고, 회귀분석 결과 결정된 특성치는 아래 [표 5]와 같을 수 있다.
인버터 예상 발전량 특성치 이상 발전량
inv.#1 450[kW] 0.98 441[kW]
inv.#2 320[kW] 0.96 307.2[kW]
inv.#3 190[kW] 0.95 180.5[kW]
이상 발전량 산출부(170)는 예상 발전량(Pp)에 특성치를 적용하여 태양광 발전 시스템(200)의 이상 발전량을 산출할 수 있다(S650).
보다 구체적으로, 이상 발전량 산출부(170)는 예상 발전량(Pp)에 특성치를 곱하여 이상 발전량을 산출할 수 있다.
이상에서는 이상 발전량 산출부(170)가 [표 4]에 기재된 인버터별 예상 발전량을 기준으로 태양광 발전 시스템(200)의 이상 발전량을 산출하는 방법을 설명하였으나, 이상 발전량 산출부(170)가 [표 1] 및 [표 2]를 참조하여 설명한 계절별, 월별 예상 발전량을 기준으로 태양광 발전 시스템(200)의 이상 발전량을 산출할 수도 있음은 당연하다.
상술한 바와 같이, 본 발명은 이상 발전량을 산출함에 있어서 태양광 발전 시스템의 과거 발전 추이를 반영함으로써, 태양광 발전 시스템 고유의 시간적 및 지리적 발전 요인을 반영할 수 있다.
한편, 이상 발전량 산출부(170)는 태양광 셀이 연결된 인버터(220)의 효율에 기초하여 태양광 발전 시스템(200)의 이상 발전량을 보정할 수 있다.
여기서 인버터(220)의 효율은 인버터(220)에 입력되는 직류 전력 대비, 해당 직류 전력이 변환되어 인버터(220)로부터 출력되는 교류 전력의 비를 의미할 수 있다.
도 7을 참조하면, 임의의 인버터(220)의 효율 곡선은 태양광 어레이(210)에서 출력되는 전압에 따라 다를 수 있다. 이상 발전량 산출부(170)는 데이터 베이스에 저장된 복수의 인버터 효율 곡선 중 태양광 셀(보다 구체적으로는, 태양광 어레이(210))의 출력 전압에 대응하는 인버터 효율 곡선을 추출할 수 있다. 이어서, 이상 발전량 산출부(170)는 추출된 인버터 효율 곡선에서 해당 인버터(220)에 연결된 태양광 셀(보다 구체적으로, 태양광 어레이(210))의 총 출력 전력에 대응하는 인버터(220)의 효율값을 식별할 수 있다.
이에 따라, 이상 발전량 산출부(170)는 인버터(220)의 예상 발전량에, 식별된 인버터(220)의 효율값을 적용하여 이상 발전량을 보정할 수 있다.
상술한 바와 같이, 본 발명은 이상 발전량을 산출함에 있어서 태양광 발전 시스템을 구성하는 인버터의 효율을 반영함으로써, 시스템 성능을 반영하여 보다 정확한 이상 발전량을 산출할 수 있다.
전술한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.

Claims (11)

  1. 복수의 태양광 셀을 포함하는 태양광 발전 시스템의 발전량을 예측하는 장치에 있어서,
    상기 태양광 발전 시스템 내의 일사량, 외기 온도 및 풍속을 획득하는 변수 획득부;
    상기 태양광 셀의 온도에 기초한 회귀분석을 통해 상기 풍속에 가중치를 적용하는 풍속 가중치 적용부;
    상기 일사량, 상기 외기 온도 및 상기 가중치가 적용된 풍속에 기초하여 상기 태양광 셀의 온도를 산출하는 셀 온도 산출부;
    상기 일사량, 상기 외기 온도 및 상기 태양광 셀의 온도에 기초하여 상기 태양광 발전 시스템의 예상 발전량을 산출하는 예상 발전량 산출부;
    상기 태양광 발전 시스템에 대한 발전 가중치를 결정하는 발전 가중치 결정부;
    상기 예상 발전량에 상기 발전 가중치가 적용된 보정 발전량에 기초한 회귀분석을 통해 상기 예상 발전량에 대한 특성치를 결정하는 특성치 결정부; 및
    상기 예상 발전량에 상기 산출된 특성치를 적용하여 상기 태양광 발전 시스템의 이상 발전량을 산출하는 이상 발전량 산출부를 포함하고,
    상기 예상 발전량 산출부는
    상기 일사량, 상기 외기 온도 및 상기 태양광 셀의 온도에 기초하여 상기 태양광 셀의 출력 전압 및 출력 전류를 산출하고, 상기 산출된 출력 전압 및 출력 전류를 이용하여 상기 태양광 셀의 예상 발전량을 산출하는
    태양광 발전량 예측 장치.
  2. 제1항에 있어서,
    상기 풍속 가중치 적용부 및 상기 특성치 결정부는
    R2(R Square)를 최대로 하는 회귀분석, RMSE(Root Mean Square Error), MAE(Mean Absolute Error) 또는 MBE(Mean Bias Error)를 최소로 하는 회귀분석 중 적어도 하나를 수행하는 태양광 발전량 예측 장치.
  3. 제1항에 있어서,
    상기 풍속 가중치 적용부는
    상기 풍속을 1차 선형 방정식의 변수로 설정하여 상기 회귀분석을 수행하는 태양광 발전량 예측 장치.
  4. 제3항에 있어서,
    상기 풍속 가중치 적용부는
    상기 가중치가 적용된 풍속에 기초하여 산출된 상기 태양광 셀의 온도가 이전 주기에 산출된 태양광 셀의 온도를 추종하도록 상기 풍속에 가중치를 적용하는 태양광 발전량 예측 장치.
  5. 제1항에 있어서,
    상기 셀 온도 산출부는
    하기 [수학식 1]에 따라 상기 태양광 셀의 온도를 산출하는 태양광 발전량 예측 장치.
    [수학식 1]

    (TC는 상기 태양광 셀의 온도, UPV는 상기 가중치가 적용된 풍속, Ta는 상기 외기 온도, 는 상기 일사량, 는 상기 태양광 셀의 에너지 흡수율, 는 상기 태양광 셀 상면에 구비된 유리의 투과율, 는 상기 태양광 셀의 발전 효율, 는 상기 태양광 셀의 온도 변화에 따른 발전 효율 변동률, Tr는 기준 온도(25oC))
  6. 삭제
  7. 제1항에 있어서,
    상기 예상 발전량 산출부는
    하기 [수학식 2]에 따라 상기 태양광 셀의 출력 전압을 산출하고, 하기 [수학식 3]에 따라 상기 태양광 셀의 출력 전류를 산출하는 태양광 발전량 예측 장치.
    [수학식 2]

    (V는 태양광 셀의 출력 전압, Ta는 상기 외기 온도, 는 상기 일사량, VSTC는 기준 온도에서 MPPT(Maximum Power Point Tracking)에 따른 최대 전압, 는 온도에 따른 상기 태양광 셀의 전압 변동률, TC는 상기 태양광 셀의 온도, n은 상기 태양광 셀의 이상계수(ideality factor), K는 볼츠만 상수, q는 단일 전자의 전하량, X는 일사량 파라미터)
    [수학식 3]

    (Ic는 태양광 셀의 출력 전류, ISTC는 기준 온도에서 MPPT에 따른 최대 전류, 는 온도에 따른 상기 태양광 셀의 전류 변동률)
  8. 제1항에 있어서,
    상기 발전 가중치 결정부는
    계절별 평균 발전량 또는 월별 평균 발전량에 따라 발전 가중치를 결정하거나, 상기 태양광 셀이 연결된 인버터의 용량에 따라 발전 가중치를 결정하는 태양광 발전량 예측 장치.
  9. 제1항에 있어서,
    상기 특성치 결정부는
    상기 보정 발전량이 이전 주기에 산출된 보정 발전량을 추종하도록 회귀분석을 수행하여 상기 예상 발전량에 대한 특성치를 결정하는 태양광 발전량 예측 장치.
  10. 제1항에 있어서,
    상기 특성치 결정부는
    상기 예상 발전량에 대한 특성치를 상기 회귀분석을 통해 결정된 R2값으로 결정하는 태양광 발전량 예측 장치.
  11. 제1항에 있어서,
    상기 이상 발전량 산출부는
    상기 태양광 셀이 연결된 인버터의 효율에 기초하여 상기 태양광 발전 시스템의 이상 발전량을 보정하는 태양광 발전량 예측 장치.
KR1020180110402A 2018-09-14 2018-09-14 태양광 발전량 예측 장치 KR102578223B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180110402A KR102578223B1 (ko) 2018-09-14 2018-09-14 태양광 발전량 예측 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180110402A KR102578223B1 (ko) 2018-09-14 2018-09-14 태양광 발전량 예측 장치

Publications (2)

Publication Number Publication Date
KR20200031420A KR20200031420A (ko) 2020-03-24
KR102578223B1 true KR102578223B1 (ko) 2023-09-13

Family

ID=70004649

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180110402A KR102578223B1 (ko) 2018-09-14 2018-09-14 태양광 발전량 예측 장치

Country Status (1)

Country Link
KR (1) KR102578223B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220061658A (ko) 2020-11-06 2022-05-13 한전케이디엔주식회사 모바일기반 태양광 발전량 예측 햇빛지도 서비스 구현 시스템 및 방법
KR102590028B1 (ko) * 2021-06-28 2023-10-17 한전케이디엔주식회사 태양광 발전원의 출력을 감시하는 방법 및 장치
KR102574797B1 (ko) * 2021-07-06 2023-09-06 (주)솔라앤시스 태양광 패널의 정상 작동 여부 확인 장치 및 방법
KR102542326B1 (ko) * 2022-11-08 2023-06-13 (주)삼우종합건축사사무소 블록체인기반 태양광 발전설비 설치사이트 중개 플랫폼
KR102645222B1 (ko) * 2023-09-21 2024-03-08 주식회사 제이케이코어 태양광 모듈의 전압 및 전류 추정을 통한 pv 시스템의 진단 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4837191B2 (ja) 2001-06-26 2011-12-14 株式会社Ｎｔｔファシリティーズ 太陽電池発電システムシミュレータ
JP2013131659A (ja) 2011-12-22 2013-07-04 Hitachi Ltd 監視装置
JP2015070640A (ja) 2013-09-26 2015-04-13 三菱電機株式会社 発電量予測方法および発電量予測装置、太陽光発電システム
JP2016123170A (ja) * 2014-12-24 2016-07-07 中国電力株式会社 予測装置
US20180196896A1 (en) 2015-08-07 2018-07-12 Mitsubishi Electric Corporation Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS4837191B1 (ko) * 1969-03-04 1973-11-09
KR20180023078A (ko) * 2016-08-23 2018-03-07 (주)넥스챌 기상정보를 이용한 태양광 발전량 예측방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4837191B2 (ja) 2001-06-26 2011-12-14 株式会社Ｎｔｔファシリティーズ 太陽電池発電システムシミュレータ
JP2013131659A (ja) 2011-12-22 2013-07-04 Hitachi Ltd 監視装置
JP2015070640A (ja) 2013-09-26 2015-04-13 三菱電機株式会社 発電量予測方法および発電量予測装置、太陽光発電システム
JP2016123170A (ja) * 2014-12-24 2016-07-07 中国電力株式会社 予測装置
US20180196896A1 (en) 2015-08-07 2018-07-12 Mitsubishi Electric Corporation Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation

Also Published As

Publication number Publication date
KR20200031420A (ko) 2020-03-24

Similar Documents

Publication Publication Date Title
KR102578223B1 (ko) 태양광 발전량 예측 장치
Santiago et al. Modeling of photovoltaic cell temperature losses: A review and a practice case in South Spain
Ma et al. An improved and comprehensive mathematical model for solar photovoltaic modules under real operating conditions
Ayvazoğluyüksel et al. Estimation methods of global solar radiation, cell temperature and solar power forecasting: A review and case study in Eskişehir
Wang et al. Comparison of different simplistic prediction models for forecasting PV power output: assessment with experimental measurements
Mora Segado et al. Models to predict the operating temperature of different photovoltaic modules in outdoor conditions
Huld et al. A power-rating model for crystalline silicon PV modules
Bouguerra et al. The impact of PV panel positioning and degradation on the PV inverter lifetime and reliability
Torres Lobera et al. Operation of TUT solar PV power station research plant under partial shading caused by snow and buildings
Obiwulu et al. Implicit meteorological parameter-based empirical models for estimating back temperature solar modules under varying tilt-angles in Lagos, Nigeria
Siddiqui et al. Deviation in the performance of solar module under climatic parameter as ambient temperature and wind velocity in composite climate
Araneo et al. Assessment of a practical model to estimate the cell temperature of a photovoltaic module
JP6758273B2 (ja) 太陽電池診断装置および太陽電池診断方法
MacAlpine et al. Module mismatch loss and recoverable power in unshaded PV installations
Migliorini et al. Development and experimental validation of a comprehensive thermoelectric dynamic model of photovoltaic modules
Lurwan et al. Predicting power output of photovoltaic systems with solar radiation model
Virtuani et al. A simple approach to model the performance of photovoltaic solar modules in operation
Yang et al. Photovoltaic cell temperature estimation for a grid-connect photovoltaic systems in Curitiba
Killam et al. Monitoring of photovoltaic system performance using outdoor Suns-VOC
Copper et al. Australian technical guidelines for monitoring and analysing photovoltaic systems
KR20190005514A (ko) 태양전지모듈 열화율 예측방법
Karabulut et al. Outdoor performance assessment of new and old photovoltaic panel technologies using a designed multi-photovoltaic panel power measurement system
Tapakis et al. Performance evaluation of a photovoltaic park in Cyprus using irradiance sensors.
Mondoc et al. Factors influencing the performance of a photovoltaic power plant
Westbrook et al. Energy model validation for large-scale photovoltaic systems

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