KR102634956B1 - Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 - Google Patents
Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 Download PDFInfo
- Publication number
- KR102634956B1 KR102634956B1 KR1020210180650A KR20210180650A KR102634956B1 KR 102634956 B1 KR102634956 B1 KR 102634956B1 KR 1020210180650 A KR1020210180650 A KR 1020210180650A KR 20210180650 A KR20210180650 A KR 20210180650A KR 102634956 B1 KR102634956 B1 KR 102634956B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- solar power
- power generation
- module
- diagnosis
- Prior art date
Links
- 238000007726 management method Methods 0.000 title claims abstract description 98
- 238000010248 power generation Methods 0.000 title claims abstract description 71
- 238000007405 data analysis Methods 0.000 title abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 60
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 48
- 230000009471 action Effects 0.000 claims abstract description 13
- 238000013135 deep learning Methods 0.000 claims abstract description 10
- 238000003745 diagnosis Methods 0.000 claims description 77
- 238000007689 inspection Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 22
- 230000008439 repair process Effects 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 238000012552 review Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 230000006378 damage Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002845 discoloration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000237858 Gastropoda Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007727 cost benefit analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 238000004078 waterproofing Methods 0.000 description 1
Images
Classifications
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
- H02S40/34—Electrical components comprising specially adapted electrical connection means to be structurally associated with the PV module, e.g. junction boxes
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Photovoltaic Devices (AREA)
Abstract
보 발명은 AI 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템에 관한 것이다.
본 발명은 클라우드 플랫폼 기반의 사후관리 시스템을 구축하고, 주관기업 및 참여기업의 진단정보를 인공지능의 딥러닝 분석을 통하여 원격지에 산재되어 있는 태양광 발전시설의 이상 상태를 진단 예측하며, 프로젝트관리시스템(Project Management System, PMS)으로 주요검토목록 및 조치사항을 자동으로 생성하고, 직관적으로 다각적 정보를 공유 및 활용할 수 있도록 하여 태양광 발전설비의 전주기 사후관리를 할 수 있도록 지원하는 AI 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템을 제공한다.
본 발명은 클라우드 플랫폼 기반의 사후관리 시스템을 구축하고, 주관기업 및 참여기업의 진단정보를 인공지능의 딥러닝 분석을 통하여 원격지에 산재되어 있는 태양광 발전시설의 이상 상태를 진단 예측하며, 프로젝트관리시스템(Project Management System, PMS)으로 주요검토목록 및 조치사항을 자동으로 생성하고, 직관적으로 다각적 정보를 공유 및 활용할 수 있도록 하여 태양광 발전설비의 전주기 사후관리를 할 수 있도록 지원하는 AI 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템을 제공한다.
Description
본 발명은 태양광 발전설비의 전주기에 있어서 사후관리를 하는 방법과 시스템에 관한 것으로, 더욱 구체적으로는 클라우드 플랫폼 기반의 사후관리 시스템을 구축하고, 주관기업 및 참여기업의 진단정보를 인공지능의 딥러닝 분석을 통하여 원격지에 산재되어 있는 태양광 발전시설의 이상 상태를 진단 예측하며, 프로젝트관리시스템(Project Management System, PMS)으로 주요검토목록 및 조치사항을 자동으로 생성하고, 직관적으로 다각적 정보를 공유 및 활용할 수 있도록 하여 태양광 발전설비의 전주기 사후관리를 할 수 있도록 지원하는 AI 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템에 관한 것이다.
세계적으로 신재생에너지 분야는 온실가스 감축, 경제 활성화 및 일자리 창출의 핵심수단으로 인식되고 있으며, 우리나라의 태양광 발전사업도 온실가스 감축을 기조로 탈석탄 에너지전환 정책에 따라 보급사업 중심으로 큰 폭으로 확대되고 있다.
또한, 최근의 급격한 기후변화로 인하여 태양광 설비의 사후관리는 안전문제를 중심으로 중요한 사회적 문제로 대두되면서, 태양광 설비의 사후관리에 대한 지원정책이 경제적, 환경적 측면에서 필요하다는 인식이 확산되고 있다.
지방자치단체의 보급사업으로 설치된 태양광 발전설비를 대상으로 현장점검을 실시한 바 있으나, 안전 및 상태점검 위주로 수행되어 점검결과에 따른 개선조치가 부족하여 체계적인 사후관리로 보기에는 미흡한 수준이다.
지금까지의 사후관리는 A/S지원센터에 가동중단이나 고장난 태양광 설비의 신고가 있을 때 등록된 전문 A/S 업체를 통해 처리하는 방식으로 사후관리를 해왔으나 실제 처리 규모는 미미한 수준에 그치고 있다.
태양광 발전사업은 보급사업을 중심으로 이론, 시스템, 설계, 기술 등에 관한 연구는 활성화되어 많이 알려져 있으나 보급된 태양광 설비에 대한 유지관리나 운용 등 사후관리에 관한 연구나 지원은 매우 부족하여 정책개발에 애로가 많은 실정이다.
그나마 대규모 발전소와 같이 규모가 큰 설비는 사후관리에 따른 경제성이 확보되면서 사후관리 시장이 어느 정도 형성되고 있으나 보급사업 대상 시설은 대부분 소형 태양광 발전설비로 경제성 부족 등의 이유로 활발히 이루어지지 않아 사후관리 시장이 형성되지 않고 있다.
태양광 발전 시장은 지속적인 성장세를 나타내고 있으며, 태양광 발전원은 타 발전원 대비 경제성, 응용성, 확장성 등의 장점을 바탕으로 화석에너지원을 대체하는 주력 재생에너지원으로 자리 매김함으로써, 태양광 발전원의 지속적인 확산·보급으로 인해 기존 설치되어진 태양광 발전시설에 대한 유지보수(O&M : Operation & maintenance)에 대한 중요성이 부상하고 있다.
유지보수를 위한 점검은 세척, 파손, 출력저하, 변형 변색 등으로 구분 가능하며, 각 점검 결과에 따른 표준화된 점검 매뉴얼에 대한 지속적 수요 요구가 있으며, 태양광 발전시설에 대한 고장 원인은 태양광 모듈의 고장이 대부분을 차지하고 있으며, 수리 기법에 대한 연구가 지속되고 있다. 태양광 모듈의 특성 상 장수명 보장을 위해 부자재들에 대한 고온 공정을 통한 결합 구조 구성에 따라 수리 중 파손 발생 위험성이 높고, 주된 고장 증상에 대한 사례별 대처 방안 확보가 필요하며, 이에 대응할 수 있는 매뉴얼화 및 노하우에 대한 교육이 필요하다.
이에 현장진단자에게 진단 결과 예상되는 고장원인 및 조치방법을 App을 통해 우선순위로 제공하고 그 결과가 플랫폼에 자동 축적되어 빅데이터로 활용될 수 있도록 하는 시스템이 필요하게 되었다.
태양광발전설비는 항시 화재 및 자연재해 등을 통한 사고의 위험성이 내재되어 있고 사고 발생 시 인명 피해등이 발생할 수 있으나 의무 사후 관리 종료 후에는 대부분 방치되고 있다.
태양광발전설비와 관련된 많은 사례의 화재, 감전 건수가 매년 보고되고 있으며, 화재의 주요 원인으로는 전선 절연, 인버터 과열, 접속함 결함 등 설치 단가가 상대적으로 낮은 전기 관련 설비·부품에 기인한 사고가 대다수를 차지하고 있으며, 자연재해로 발생한 사례는 태풍으로 인한 산사태, 태양광 설비 지지대 탈착 및 인근 주택 추락, 집중호우로 인한 태양광 부지 내 옹벽 붕괴 및 인근 주민이 대피하는 상황 등이 있다.
현재 주택 건물지원사업으로 설치된 3년 이내 설비에 대해 1∼2년차 설비는 유선 확인, 3년차 설비는 현장점검을 실시하고 있으며, 고장 및 파손 등을 발견하는 경우 시공기업이 A/S 조치하고 있으며, 설비 소유자의 A/S요청이 있는 경우 시공업체를 연결하고 폐업된 시공업체의 A/S는 전담업체를 통해 해결하고 있다.
의무사후관리가 종료된 설비를 대상으로 용역을 통해 현장점검과 사후관리 개선점을 도출하기 위한 표본 실태 조사를 실시하고 있으나 모든 설비를 대상으로 하고 있지 않다.
보급사업으로 설치된 설비에 대한 안전점검은 현장점검과 의무 사후관리 대상 시공자에게 태풍철 이전 사후관리를 독려하는 수준의 태양광 설비 전기안전지침에 의한 전기안전점검과는 다른 것이다.
현행 태양광 발전설비에 대한 사후관리는 보급사업으로 설치된 설비 중 의무사후관리 대상 설비와 고장 또는 파손 등의 사유로 정상가동이 곤란한 설비를 대상으로 시행되어 사후관리의 효과가 효율 개선 효과로 이어지기엔 너무 적은 규모이며, 사후관리가 정상가동 여부를 점검하는 상태점검과 태풍철 대비 등 한시적 설비 중심의 안전점검 위주로 추진되고 일회성에 그쳐 관리의 효율성이 떨어지며, 의무 사후관리가 종료된 설비는 관리 부재로 다양한 사고 위험과 발전효율 저하에 노출되어 있다.
또한, 정상가동이 어려운 설비 중 신고된 설비를 중심으로 응급처치 차원의 사후대처형태로 진행되어 사전예방 차원의 체계적인 사후관리 정책 추진이 곤란할 뿐만 아니라, 사후관리가 개별 설비의 고장 대처 중심으로 실시되어 진단자의 경력 등에 따라 대처 방식에 차이가 있고, 처리 결과에 대한 표준화된 보고서가 없어 가치있는 사후관리 데이터의 산출이 어려워 체계적으로 관리되지 않고 있다.
이러한 문제점의 원인은 보급된 태양광 설비의 사후관리 시 안전 및 상태점검 등 현장진단과 그 결과를 바탕으로 도출되는 개선 조치 내용에 따라 세척, 수리, 교체, 재활용 및 폐기하는 전 과정을 포함한 데이터를 통합하고 성능을 분석할 수 있는 시스템의 부재에 기인하는 것이다.
본 발명은 태양광 발전설비의 현황과 고장과 같은 이상 상태를 태양광 패널 스트링 단위로 진단 파악하고, 예측률을 증가시킬 수 있는 텐서플로우(Tensorflow)의 순환신경망(RNN)에 의해 학습된 신경망 모델을 이용하여 태양광 발전설비의 사후괸리를 지속적으로 수행할 수 있는 AI 기반 빅 데이터 가중평균법 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템을 제공하고자 한다.
본 발명은 인공지능(AI) 기반의 사회적 경제기업 중심 태양광 발전설비 전주기 사후관리 플랫폼(Platform)을 구축하여 다양한 채널(Mobile/Web) 기반으로 한 분석결과를 지역에너지센터의 사업으로 연계하여 통합된 정보를 관리할 수 있게 함으로써 다양한 이해 관계자의 서비스를 극대화하며, 현장진단을 통하여 획득한 진단 결과를 기반으로 상황별 대응 매뉴얼, 작업 절차서, 점검 목록을 능동적으로 제공할 수 있는 플랫폼을 제공하고, 진단결과를 기반으로 유지보수 형태를 판단하기 위한 인공지능의 딥러닝을 적용한다. 이에 사용자의 요청된 자료를 기반으로 기 수행 결과 중 유사한 자료를 기반으로 정보를 제공할 수 있는 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템을 제공하고자 하는 것이다.
이와 같은 본 발명은 지역업체와 컨소시엄을 구성하여 태양광 전문교육을 제공하고, 사회적 기업의 발판을 마련하며, 취약계층 일자리 창출을 목표과제로 하며, 사회적 기업이 지역에너지센터 사업에 참여하여 사업수행 역량을 강화하고 사업부분별 전문가를 양성하여 숙련된 인력을 안정정으로 제공하고 한다.
또한, 지역별 사회적 기업간 협업체계를 구축하여 사회적 기업의 자생력을 확보할 수 있도록 한다.
본 발명이 이루고자 하는 목적 및 그 기술적 과제는 앞서 기재한 기술적 과제에 한정되는 것이 아니다. 따라서 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명이 의도하는 목적을 달성하기 위한 태양광 발전설비 전주기 사후관리 방법의 기술적인 특징은 진단분석기기에 의해 복수의 태양광 발전시설에 대한 현장진단을 실시하는 단계(S100)와; 진단분석기기의 상태진단결과 정보를 추출하여 현장진단자 단말기로부터 태양광 전주기 관리 시스템으로 전송하는 단계(S200)와; 태양광 전주기 관리 시스템(20)에 전송된 진단결과 정보를 데이터베이스화하여 인공지능에 의한 분석을 수행하는 단계(S300)와; 인공지능 분석에 따른 진단 유형별 수행 작업을 판정하고 판정결과에 대한 빅데이터를 구축하는 단계(S400)와; 판정결과에 따른 작업지시를 협력업체 단말기(30)와 지역에너지센터 서버(40)에 송신하고, 진단 유형별 작업지시에 따라 태양광 발전시설에 대한 조치를 수행하는 단계(S500)와; 협력업체 단말기(30)는 수신된 판정결과와 체크리스트에 의한 작업절차를 수행하고, 작업결과를 태양광 전주기 사업관리 시스템(20)에 전송하여 데이터베이스에 저장하며, 인공지능 분석을 수행하는 데이터로 활용하는 단계(S600)를 포함한다.
본 발명의 기술적 특징에 의하면, 진단 유형별 작업지시에 따르는 태양광 발전시설에 대한 조치는 진단분석기기에 의해 태양광 패널 스트링별로 수행되며, 상기 진단분석기기의 상태진단결과 정보는 태양광 패널 스트링의 이상 상태별로 특정한 색상을 부여하고, 각각의 스트링에 해당 색상을 디스플레이하며 데이터베이스화 되는 것을 포함한다.
본 발명의 기술적 특징에 의하면, 태양광 전주기 관리 시스템의 작업지시는 상황별 대응 매뉴얼, 작업 절차서, 점검 목록을 제공하며, 협력업체에 대하여 작업지시와 관련된 실무교육과 정보를 공유하는 단계를 포함한다.
본 발명의 기술적 특징에 의하면, 인공지능에 의한 분석은 텐서플로우(Tensorflow)의 순환신경망(RNN)에 의해 학습된 신경망 모델을 이용하며, 빅 데이터 가중평균법 분석에 의해 태양광 발전설비의 사후괸리를 지속적으로 수행할 수 있도록 딥러닝을 수행하며, 딥러닝에 의한 수행작업으로 태양광 발전시설의 모듈세척, 수리, 교체 및 폐기 여부를 판정하는 것을 포함한다.
본 발명의 기술적 특징에 의하면, 상기 태양광 전주기 관리 시스템의 작업지시는 상황별 대응 매뉴얼, 작업 절차서, 점검 목록을 제공하며, 협력업체에 대하여 작업지시와 관련된 실무교육과 정보를 공유하는 단계를 포함한다.
본 발명이 의도하는 목적을 달성하기 위한 태양광 발전설비 전주기 사후관리 시스템의 기술적인 특징은 웹 상에서 진단기기로부터 진단된 현장진단 데이터와 점검결과 데이터를 제공하는 복수의 현장점검자 단말기와; 상기 현장점검자 단말기에 네트워킹되어 현장진단 데이터와 점검결과 데이터를 검색 및 색인하여 빅데이터를 수집하고, 수집된 빅데이터를 연산 및 학습하며 현장조치에 대한 작업지시 데이터와 협업체계를 위한 데이터를 추론하여 제공하는 태양광 전주기 관리 시스템와; 상기 태양광 전주기 관리 시스템에 네트워킹되어 작업지시 데이터를 수신하고, 작업지시 데이터에 따른 작업결과를 태양광 전주기 관리 시스템()에 송신하는 복수의 협력업체 단말기; 및 상기 태양광 전주기 관리 시스템에 네트워킹되어 태양광 발전설비에 대한 사후관리를 위해 지역에 산재되어 있는 에너지원별 가동현황과 운영현황, 에너지유형별 생산량 요약정보를 결합하여 모니터링하며 빅 데이터를 제공하는 REMS를 포함하여, 태양광 전주기 관리 시스템의 현장 진단정보 호출시 사후관리를 위한 작업지시 데이터와 협업체계를 위한 서비스 데이터를 제공할 수 있게 되며, 협력업체 단말기로부터 수신되는 작업결과를 관리할 수 있게 되는 것을 포함한다.
본 빌명의 기술적인 특징에 의하면, 태양광 전주기 관리 시스템)에 접속되어 시스템 모니터링 및 관리 기능을 수행하는 관리자 단말기를 더 포함한다.
본 빌명의 기술적인 특징에 의하면, 상기 태양광 전주기 관리서버는 상기 현장진단 단말기와 네트워킹되어 현장진단 단말기로부터 현장진단 데이터를 수신하여 색인 및 저장하는 데이터 검색 서버와; 인공지능 모듈을 구비하여 상기 데이터 검색 서버의 데이터를 학습하여 고장 유형별 고장상테 분석 데이터와 고장예측 데이터를 추론하는 인공지능 서버와; 상기 인공지능 서버로부터 수집된 현장진단 데이터 및 고장예측 데이터를 저장하는 빅데이터 서버와; 상기 인공지능 서버 및 REMS와 네트워킹되면서 웹상에서 API에 의해 고장상태 분석 데이터 및 고장예측 데이터를 협력업체 단말기와 공유할 수 있도록 하는 웹서버를 포함한다.
본 빌명의 기술적인 특징에 의하면, 상기 인공지능 서버의 인공지능 고장진단분석 모듈은 데이터 검색 서버로부터 취득되는 현장진단 데이터를 기반으로 고장유형별 진단분석 데이터를 수집하는 데이터 수집 모듈과; 상기 데이터 수집 모듈부터 취득되는 고장유형별 분석상태정보 식별하는 식별 모듈과; 상기 식별 모듈로부터 취득된 고장유형별 진단분석 식별분류정보를 검증하는 검증 모듈과; 상기 식별 모듈 및 검증 모듈로부터 취득되는 고장유형별 성능을 분석하고, 분석된 결과를 학습하는 학습 모듈과; 상기 학습 모듈에서 취득되는 학습 데이터를 기반으로 태양광 발전설비의 고장 유형을 예측하는 예측 모듈과; 상기 학습 모듈에서 취득되는 학습데이터와 예측 모듈의 예측 데이터를 기반으로 태양광 발전설비의 고장유형별 분석결과에 대한 매뉴얼 및 절차서를 자동적으로 추출하여 지원하는 자동 생성 모듈로 구성되어, AI 딥러닝을 위한 빅데이터를 구축하고 진단/판정 결과를 축적할 수 있게 되는 것을 포함한다.
이와 같은 본 발명은 각 지역에 산재되어 있는 태양광 발전설비의 진단 결과 데이터를 축적하고, AI 분석을 통하여 태양광 설비 모듈의 세척, 수리/교채, 폐기 여부에 대하여 표준화된 데이터를 생산하여 공유할 수 있는 기반을 제공할 수 있게 된다.
본 발명에 따르면, 첫째, 태양광 발전설비전주기 사후관리 운영비용 대비 발전효율 향상 및 태양광 설비의 수리, 교체 및 재활용사업이 활성화되면 기초지자체 내 사회적경제기업의 새로운 시장 창출과 지역기업 역량 강화의 계기가 될 수 있어 일자리 창출 등의 효과가 있다.
둘재, 사실상 방치되고 있는 노후 또는 작동 이상이 있는 설비를 개선하여 안전 및 환경문제 등을 해소할 수 있으며, 기술능력을 갖춘 전문업체와 컨소시엄을 구성하여 공동 수행토록 하여 기업 역량을 제고하는 효과가 있다.
셋째, 주기적인 시스템 상태점검과 전문기기에 의한 현장점검으로 진단자에 의한 오차를 최소화하고 표준화된 보고서를 자동 생성하여 신뢰성을 높은 데이터를 기반으로 설비의 안전문제와 효율개선을 동시에 달성할 수 있다.
본 발명이 의도하는 목적을 달성하기 위한 태양광 발전설비 전주기 사후관리 방법의 기술적인 특징은 진단분석기기에 의해 복수의 태양광 발전시설에 대한 현장진단을 실시하는 단계(S100)와; 진단분석기기의 상태진단결과 정보를 추출하여 현장진단 단말기로부터 태양광 전주기 관리 시스템으로 전송하는 단계(S200)와; 태양광 전주기 관리 시스템(20)에 전송된 진단결과 정보를 데이터베이스화하여 인공지능에 의한 분석을 수행하는 단계(S300)와; 인공지능 분석에 따른 진단 유형별 수행 작업을 판정하고 판정결과에 대한 빅데이터를 구축하는 단계(S400)와; 판정결과에 따른 작업지시를 협력업체 단말기(30)와 지역에너지센터 서버(40)에 송신하고, 진단 유형별 작업지시에 따라 태양광 발전시설에 대한 조치를 수행하는 단계(S500)와; 협력업체 단말기(30)는 수신된 판정결과와 체크리스트에 의한 작업절차를 수행하고, 작업결과를 태양광 전주기 사업관리 시스템(20)에 전송하여 데이터베이스에 저장하며, 인공지능 분석을 수행하는 데이터로 활용하는 단계(S600)를 포함한다.
다섯재, 특정 지역에서의 AI 기반의 빅데이터 분석에 의하여 태양광 발전설비의 전주기에 대하여 자가진단 및 개선사항을 도출하고, 이 데이터를 토대로 유사한 특정 타지역에 대한 진단 및 개선에 선제적으로 대응할 수 있게 된다.
이로써, 태양광 전주기 사후관리 플랫폼을 기반으로 지역별 사회적 기업 주도하에 컨소시엄을 구성하고 지역 내 설치된 태양광발전설비에 발생할 수 있는 문제점에 사전 대응할 수 있게 된다.
도 1은 본 발명의 시스템 개략도
도 2는 본 발명의 인공지능 모듈의 구성도
도 3은 본 발명의 측정 및 진단결과를 나타낸 그래프로서,
(가)는 태양광 스트링 I·V 곡선
(나)는 출력 추정치 대비 태양광 스트링별 출력효율
도 4는 본 발명에 따른 태양광 패널 스트링의 진단상태가 데이터베이스화 되는 상태로서,
(가)는 이상 상태별로 특정한 색상이 부여되는 상태
(나)는 색상에 대하여 부여되는 이상 상태
도 5는 본 발명의 서비스 제공 플로우 차트
도 2는 본 발명의 인공지능 모듈의 구성도
도 3은 본 발명의 측정 및 진단결과를 나타낸 그래프로서,
(가)는 태양광 스트링 I·V 곡선
(나)는 출력 추정치 대비 태양광 스트링별 출력효율
도 4는 본 발명에 따른 태양광 패널 스트링의 진단상태가 데이터베이스화 되는 상태로서,
(가)는 이상 상태별로 특정한 색상이 부여되는 상태
(나)는 색상에 대하여 부여되는 이상 상태
도 5는 본 발명의 서비스 제공 플로우 차트
본 발명의 특징과 장점은 첨부된 도면에 의하여 설명되는 실시예에 의하여 보다 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 기재되거나 도면에 도시된 구성요소들의 구성 및 배열에 의해 본 발명의 응용이 제한되는 것이 아니다. 본 발명은 다른 실시예 들로 구현될 수 있고, 다양한 방법으로 수행될 수 있다.
또한 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니되며, 발명자가 발명의 용어와 개념을 가장 최선의 방법으로 설명하기 위하여 본 발명의 기술적 사상에 부합하는 의미와 개념에 입각하여 기재한 것으로 해석하여야 한다.
따라서 본 발명은 제시되는 실시예에 한정되지 않으며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의하여 본 발명의 기술 사상과 아래에 기재될 특허청구범위에 기재된 기술사상의 균등한 범위 내에서 다양한 수정 및 변경이 가능하다.
본 발명은 도면과 함께 설명되는 상세한 설명의 실시예로부터 보다 쉽고 명백하게 이해될 수 있을 것이다.
다음에서 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.
본 발명이 의도하는 목적을 달성하기 위한 태양광 발전설비 전주기 사후관리 시스템의 기술적인 특징은 웹 상에서 진단기기로부터 진단된 현장진단 데이터와 점검결과 데이터를 제공하는 복수의 현장진단 단말기와; 상기 현장진단 단말기에 네트워킹되어 현장진단 데이터와 점검결과 데이터를 검색 및 색인하여 빅데이터를 수집하고, 수집된 빅데이터를 연산 및 학습하며 현장조치에 대한 작업지시 데이터와 협업체계를 위한 데이터를 추론하여 제공하는 태양광 전주기 관리 시스템와; 상기 태양광 전주기 관리 시스템에 네트워킹되어 작업지시 데이터를 수신하고, 작업지시 데이터에 따른 작업결과를 태양광 전주기 관리 시스템에 송신하는 복수의 협력업체 단말기; 및 상기 태양광 전주기 관리 시스템에 네트워킹되어 태양광 발전설비에 대한 사후관리를 위해 지역에 산재되어 있는 에너지원별 가동현황과 운영현황, 에너지유형별 생산량 요약정보를 결합하여 모니터링하며 빅 데이터를 제공하는 REMS를 포함하여, 태양광 전주기 관리 시스템의 현장 진단정보 호출시 사후관리를 위한 작업지시 데이터와 협업체계를 위한 서비스 데이터를 제공할 수 있게 되며, 협력업체 단말기로부터 수신되는 작업결과를 관리할 수 있게 되는 것을 포함한다.
도 1을 참조하면, 태양광 발정시설 전주기 관리 시스템은 현장진단자 단말기(10), 태양광 전주기 관리서버(20), 협력업체 단말기(30) 및 REMS(40)을 포함하여 구성된다.
도 1의 각 구성요소들은 디바이스 및 시스템들을 동작 가능하게 커플링하도록 구성된 임의의 무선 네트워크 또는 임의의 유선 네트워크 또는 이들의 결합을 통해 연결된다. 예를 들어, PSTN(public switched telephone network), 인터넷, 로컬 인트라넷, PAN(Personal Area Network), LAN(Local Area Network), WAN(Wide Area Network), MAN(Metropolitan Area Network), VPN(virtual private network), SAN(storage area network), 프레임 릴레이 연결, AIN(Advanced Intelligent Network) 연결, SONET(synchronous optical network) 연결, 디지털 T1, T3, E1 또는 E3 라인, DDS(Digital Data Service) 연결, DSL(Digital Subscriber Line) 연결, 이더넷 연결, ISDN(Integrated Services Digital Network) 라인, 다이얼-업 포트(dial-up port), 예컨대, V.90, V.34, 또는 V.34bis 아날로그모뎀 연결, 케이블 모뎀, ATM(Asynchronous Transfer Mode) 연결, 또는 FDDI(Fiber Distributed Data Interface) 또는 CDDI(Copper Distributed Data Interface) 연결 중 하나 또는 그 초과를 포함할 수 있다. 또한, 통신은, WAP(Wireless Application Protocol), GPRS(General Packet Radio Service), GSM(Global System for Mobile Communication), CDMA(Code Division Multiple Access), TDMA(Time Division Multiple Access), FDMA(Frequency Division Multiple Access) 포함하는 다양한 무선 네트워크들 중 임의의 것에 대한 링크들을 포함할 수 있다.
네트워크는 추가로, 다음들, 즉 RS-232 직렬 연결, IEEE-1394(Firewire) 연결, 파이버 채널(Fibre Channel) 연결, IrDA(적외선) 포트, SCSI(SmallComputer Systems Interface) 연결, USB(Universal Serial Bus) 연결 또는 다른 유선 또는 무선의 디지털 또는 아날로그 인터페이스 네트워킹 중 임의의 하나 또는 그 초과를 포함하거나 이와 인터페이스할 수 있다.
본 빌명의 기술적인 특징에 의하면, 상기 태양광 전주기 관리 시스템는 상기 현장진단 단말기와 네트워킹되어 현장진단 단말기로부터 현장진단 데이터를 수신하여 색인 및 저장하는 데이터 검색 서버와; 인공지능 모듈을 구비하여 상기 데이터 검색 서버의 데이터를 학습하여 고장 유형별 고장상테 분석 데이터와 고장예측 데이터를 추론하는 인공지능 서버와; 상기 인공지능 서버로부터 수집된 현장진단 데이터 및 고장예측 데이터를 저장하는 빅데이터 서버와; 상기 인공지능 서버 및 REMS와 네트워킹되면서 웹상에서 API에 의해 고장상태 분석 데이터 및 고장예측 데이터를 협력업체 단말기와 공유할 수 있도록 하는 웹서버를 포함한다.
태양열 발전시설이 설치된 현장에서는 진단분석기기를 이용하여 태양광 발전시설의 유형별 점검항목 데이터를 산출하기 위해 상태점검과 안전점검이 수행된다.
상태점검은 태양광 설비의 정상 작동여부를 중점으로 점검하는 것으로, 모듈의 파손, 균열, 핫 스팟, LID, PID, 다이오드 등의 출력 저하, 변형, 변색, 부식, 스네일 트레일, 인버터 및 접속함 등의 상태를 육안 및 테스트 기기를 활용하여 점검하며, 진단분석기기에 의해 현장 진단을 실시하는 경우 스트링별 이상 유무는 물론 성능분석 점검까지 동시 수행한다.
검사방법은 모듈, 인버터, 접속반, 구조물, 케이블 등 체크리스트, 모니터링 분석에 의한 육안검사와, 드론 열화상 진단과 현장 실사로 확인된 주변환경검사, 모듈, 스트링의 정량적인 출력 검사, 열화상 드론, I-V, EL 등을 ㅇ용한 정밀검사, 태양전지, 모듈, 접속반, 인버터 등의 정성적인 검사 기법에 의한 열화상(IR), 전계발광(EL)측정 방법에 의해 수행된다.
안전점검은 콘크리트 등 기초부위의 균열 및 파손상태, 설비 주변 배수와 지붕 방수 및 인버터와 접속함 등의 내부상태 등에 관한 태양광 설비 안전점검 체크리스트>와 태양광 설비 안전점검 체크리스트에 따라 수행되며, 사후관리 시스템에서 제공하는 체크리스트에 의한 안전점검 외에 태양광 설비에서의 감전사고를 예방하기 위해 전문기기에 내장된 절연저항계를 이용하여 누전 여부에 대한 사전 안전점검 선행 후 실시한다.
이와 같은 진단분석기기의 진단은 고속 다채널 태양광 측정/분석 장비와 같은 전문기기를 사용하여 접속반 및 인버터 각 개소의 태양광 패널 스트링별로 이루어지고, 진단상태 정보는 태양광 전주기 관리 시스템(20)으로 전송되어 분석 알고리즘을 이용하여 태양광 발전상태를 진단하게 된다.
태양광 전주기 관리 시스템(20)은 데이터 검색 서버(210), 인공지능 서버(220), 빅데이터 서바(230) 및 웹 서버(240)로 구성된다.
데이터 검색 서버(210)는 현장 진단자 단말기(10)와 모바일 또는 웹(Web) 기반으로네트워킹되어 실시간으로 현장진단 데이터를 수신하고, 태양광 패널 스트링의 이상 상태별로 특정한 색상을 부여하고, 각각의 스트링에 해당 색상을 디스플레이하여 데이터베이스화한다..
도 3은 측정 및 진단결과를 니타낸 그래프로서, (가)는 태양광 스트링 I·V 곡선이고, (나)는 출력 추정치 대비 태양광 스트링별 출력효율을 나타내고 있다.
도 3의 (나)를 참조하면, 3, 4, 11번 스트링은 부분 음영 및 하단부 오염으로 인한 출력감소가 발생하여 세척이 필요한 상태이고, 9번 스트링은 출력이 없어 측정 및 진단 불가 상태이며, 11번 스트링은 바이패스 다이오드 단선으로 인한 Voc 감소로 출력감소가 예상되며, 전체 출력률 개선을 위해 9, 11번 스트링의 고장 원인에 대한 상세한 진단 및 수리 등의 개선조치가 시급한 상태를 나타낸다.
이와 같은 현장 진단 상태는 각 지역에 산재되어 있는 태양광 발전시설에 대해 이루어지며, 현장 진단기기와 연계된 컴퓨터 프로그램에 의해 인공지능 서버(220)에서 활용이 용이하도록 데이터베이스화되고, 필요 조치 사항에 대한 보고서가 각 시설별로 작성된다.
도 4는 진단분석기기의 진단상태가 데이터베이스화 되는 상태로서,도 4는 본 발명에 따른 태양광 패널 스트링의 진단상태가 데이터베이스화 되는 상태로서, (가)는 이상 상태별로 특정한 색상이 부여되는 상태이고, (나)는 색상에 대하여 부여되는 이상 상태를 보여주고 있다.
인공지능 서버(220)는 인공지능 고장진단분석 모듈을 구비하여 현장진단 전문기기의 진단 결과를 기반으로 딥러닝을 수행하여 AI 딥러닝을 위한 빅데이터를 구축하고 진단/판정 결과를 축적할 수 있게 되며, 진단 전문기기의 진단결과의 발생 원인분석 및 유형별 대응방안으로 모듈 세척, 수리/교체, 폐기와 같은 필요한 후속 작업유형을 판단하고 협력 업체 단말기(30)로 작업지시를 할 수 있게 하며, 한다.
상기 인공지능 고장진단분석 모듈은 데이터 수집 모듈(221), 식별 모듈(222), 검증 모듈(223), 학습 모듈(224), 예측 모듈(225), 자동 생성 모듈(226)로 구성된다.
데이터 수집 모듈(221)은 데이터 검색 서버()로부터 취득되는 현장진단 데이터를 기반으로 고장유형별 진단분석 데이터를 수집한다.
식별 모듈(222)은 상기 데이터 수집 모듈(221)로부터 취득되는 고장유형별 분석상태정보를 식별한다.
검증 모듈(223)은 상기 식별 모듈(222)로부터 취득된 고장유형별 진단분석 식별분류정보를 검증한다.
학습 모듈(224)는 상기 식별 모듈(222) 및 검증 모듈(223)로부터 취득되는 고장유형별 성능을 분석하고, 분석된 결과를 학습한다.
예측 모듈(225)은 상기 학습 모듈(224)에서 취득되는 학습 데이터를 기반으로 태양광 발전설비의 고장 유형을 예측하며, 고장 유형별 시간대별 고장상태 분석정보 데이터베이스를 구축한다.
자동 생성 모듈(225)은 상기 학습 모듈(224)에서 취득되는 학습데이터와 예측 모듈(225)의 예측 데이터를 기반으로 태양광 발전설비의 고장유형별 분석결과에 대한 매뉴얼 및 절차서를 자동적으로 추출하여 지원할 수 있도록 한다.
예측 데이터를 위한 고장 유형별 시간대별 고장상태 분석정보 데이터베이스를 구축하는 인공신경망은 추론 과정을 수학적으로 모델링할 수 있도록 과거의 출력 데이터를 재귀적으로 참조하며, 시계열 데이터와 같이 시간의 흐름에 따라 변화하는 데이터를 학습할 수 있도록 텐서플로우(Tensorflow)를 이용한 RNN, Recurrent Neural Network)이 적용된다.
빅데이터 서버(230)는 상기 데이터 검색 서버의 웹 페이지로부터 수집된 입찰정보 데이터 및 인공지능 분석 모듈에서 분석된 학습데이터 및 작업지시 데이터를 저정하여 인공지능 분석에 활용할 수 있게 한다.
웹서버(240)는 현장진단 전문기기를 통한 진단결과를 빅데이터 서버(230)와 실시간 연동하고, 진단 결과에 따른 모듈 세척, 수리, 교체, 폐기와 같은 작업 절차 및 점검목록, 현장조치 매뉴얼을 모바일이나 Web 기반으로 협력 업체 단말기(30)에 실시간으로 제공하며, 태양광 전주기 사후관리 업무 수행에 필요한 전문 기술교육 및 지원체계를 데터베이스로 구축하고, 참여기업의 교육과정 정보 및 교육이수, 재교육에 대한 정보를 관리한다.
또한, 인공지능이 예측, 추론하는 학습 효율성을 지속적으로 높일 수 있도록 협력 업체 단말기(30)와 REMS(40)로부터 인공지능 학습용 데이터를 지속적으로 보완하여 인공지능 서버(230)에서 연산처리될 수 있도록 한다.
협력업체 단말기(30)는 PDA, PC를 포함하며, 태양광 전주기 관리 시스템(20)의 웹서버(240)와 네트워킹되어 모듈 세척, 수리, 교체, 폐기와 같은 작업 절차 및 점검목록, 현장조치 매뉴얼을 수신하고, 작업지시 데이터에 따른 작업결과를 웹 서버(240)에 송신한다.
REMS(40)는 주지된 바와 같이 신재생에너지 설비별 모니터링 항목과 데이터취득장치(RTU)를 표준화하여 지역별, 에너지원별 가동현황과 운영현황, 에너지유형별 생산량 요약정보를 모니터링할 수 있게 되며, 해당 수용가에 설치되어있는 설비들의 에너지원별 생산현황, 계측정보, 지역 간 누적생산효율, 이벤트 발생 이력을 시간과 장소에 제한 없이 실시간 모니터링하고, 장비 상황 이벤트 파악이 가능하며, 에너지원별 생산현황, 계측정보, 지역간 누적생산효율, 이벤트 발생이력을 출력하고, 모니터링 정보를 빅데이터로 활용하기 위한 통합 모니터링 시스템이다.
보 발명에 의한 사후관리 측정 결과의 데이터는 전주기 사후관리 시스템(20)에 축적되고 REMS(40)와 연계하여 REMS룰 통해 보급사업으로 설치된 모든 설비의 보급 및 사후관리 내역을 관리할 수 있게 된다.
이와 같이 구성되는 본 발명은 진단분석기기에 의해 복수의 태양광 발전시설에 대한 현장진단을 실시(S100)하고, 진단분석기기의 상태진단결과 정보를 추출하여 현장진단자 단말기(10)로부터 태양광 전주기 관리 시스템(20)으로 전송한다.(S200)
그 다음, 태양광 전주기 관리 시스템(20)에 전송된 진단결과 정보를 데이터베이스화하여 인공지능에 의한 분석을 수행(S300)하여 인공지능 분석에 따른 진단 유형별 수행 작업을 판정하고, 판정결과에 대한 빅데이터를 구축(S400)하며, 판정결과에 따른 작업지시를 협력업체 단말기(30)와 지역에너지센터 서버(40)에 송신하며, 진단 유형별 작업지시에 따라 태양광 발전시설에 대한 조치를 수행(S500)한다.
그리고, 협력업체 단말기(30)는 수신된 판정결과와 체크리스트에 의한 작업절차를 수행하고, 작업결과를 태양광 전주기 사업관리 시스템(20)에 전송하여 데이터베이스에 저장하며, 인공지능 분석을 수행하는 데이터로 활용(S600)한다.
도 1을 참조하면, 태양광 발정시설 전주기 관리 시스템은 현장진단 단말기(10), 태양광 전주기 관리 시스템(20), 협력업체 단말기(30) 및 REMS(40)을 포함하여 구성된다.
관리자 단말기(50)는 작업계획을 생성하고, 웹서버(30)를 통해서 진단된 태양열 발전시설에 대한 수리, 교체, 청소, 폐기와 같은 작업지시를 할 수 있도록 하며, 수리, 교체, 청소, 폐기를 담당하는 협력업체들을 관리하는 데이터베[이스를 구비한다.
이와 같은 본 발명은 현장진단자의 숙련도나 측정 소요시간의 차이 등에 의한 오차 발생을 최소화하기 위해 전문기기에 의한 성능점검을 실시하여 측정 데이터를 DB화하여 모든 작업결과를 전주기 사후관리 플랫폼으로 통합 관리하고, API를 통하여 참여기업과 공유할 수 있도록 히며, 태양광 전주기 사후관리 플랫폼을 기반으로 지역별로 설치된 태양광발전설비에 발생할 수 있는 문제점에 사전 대응할 수 있게 된다.
또한, 현장진단을 통하여 획득한 진단 결과를 기반으로 상황별 대응 매뉴얼, 작업 절차서, 점검 목록을 능동적으로 제공하고, 시스템의 데이터베이스에는 현장진단의 데이터를 통해 세척의 필요성을 판단하며, 진단분석기기 분석결과 세척 전후 따른 발전량의 차이를 DB화하여 관리한다. 특히 측정결과를 분석한 시설별 요약보고서(표준안)를 산출하여 구체적인 고장 원인 및 개선조치 사항을 제공하며, 표준화된 요약보고서를 바탕으로 설비소유자에게 고장 원인과 세척, 수리, 교체 등 필요한 개선사항을 설명하고, 추정 비용편익 분석자료를 통해 개선조치를 이행하는 것이 경제적임을 알려 자발적인 개선조치를 유도할 수 있게 된다.
또한, 지역 내 설치된 태양광 발전설비 중 REMS에 연결되지 않은 소규모 시설 및 공공 사업에 의해 설치된 시설을 대상으로 안전점검을 실시하고, 점검 결과를 기반으로 설비보수, 모듈교체, 모듈청소, 폐기 업무를 체계적으로 수행할 수 있게 된다.
현장진단 단말기(10)는 PC, PAD를 포함하는 모바일, 웹기반의 다양한 태널을 기반으로 진단분석기기의 태양광 발전시설의 유형별 점검항목을 태양광 전주기 관리 시스템(20)의 데이터 검색 서버(22)로 전송한다.
본 발명의 명세서는 첨부된 도면을 참조하여 바람직한 실시예를 중심으로 기술되었지만 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 하나의 실시예에 관련된 것이고, 기술적 사상을 모두 대변하는 것은 아니므로, 당업자라면 본 발명의 범주를 벗어남이 없이 이들을 대체할 수 있는 다양한 균등물과 변형된 예들이 있을 수 있음을 이해하여야 한다.
따라서 본 발명의 범주는 제시되는 실시예에 한정되지 않고, 이러한 많은 변형예 들을 포함하도록 기술된 특허청구범위에 의해서 해석되어져야 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의하여 본 발명의 기술 사상과 아래에 기재될 특허청구범위에 기재된 기술사상의 균등한 범위 내에서 다양한 수정 및 변경이 가능한 실시예가 있을 수 있으므로 본 발명의 범주는 이러한 많은 변형예 들을 포함하도록 기술된 특허청구범위에 의해서 해석되어져야 한다.
10: 현장진단자 단말기 20: 태양광 전주기 관리 시스템
30: 협력업체 단말기 40: REMS
50: 관리자 단말기 221: 데이터 수집 모듈
222: 식별 모듈 223: 검증 모듈
224: 학습 모듈 225: 예측 모2듈
226: 자동 생성 모듈
30: 협력업체 단말기 40: REMS
50: 관리자 단말기 221: 데이터 수집 모듈
222: 식별 모듈 223: 검증 모듈
224: 학습 모듈 225: 예측 모2듈
226: 자동 생성 모듈
Claims (9)
- 삭제
- 삭제
- 삭제
- 삭제
- 태양광 발전설비의 전주기 사후관리 시스템에 있어서,
웹 상에서 진단기기로부터 진단된 현장진단 데이터와 점검결과 데이터를 제공하는 복수의 현장진단 단말기(10)와;
상기 현장진단 단말기(10)에 네트워킹되어 현장진단 데이터와 점검결과 데이터를 검색 및 색인하여 빅데이터를 수집하고, 수집된 빅데이터를 연산 및 학습하며 현장조치에 대한 작업지시 데이터와 협업체계를 위한 데이터를 추론하여 제공하는 태양광 전주기 관리 시스템(20)과;
상기 태양광 전주기 관리 시스템(20)에 네트워킹되어 작업지시 데이터를 수신하고, 작업지시 데이터에 따른 작업결과를 태양광 전주기 관리 시스템(20)에 송신하는 복수의 협력업체 단말기(30); 및
상기 태양광 전주기 관리 시스템(20)에 네트워킹되어 태양광 발전설비에 대한 사후관리를 위해 지역에 산재되어 있는 에너지원별 가동현황과 운영현황, 에너지유형별 생산량 요약정보를 결합하여 모니터링하며 빅 데이터를 제공하는 REMS(40)를 포함하여 태양광 전주기 관리 시스템(20)의 현장 진단정보 호출시 사후관리를 위한 작업지시 데이터와 협업체계를 위한 서비스 데이터를 제공할 수 있게 되며, 협력업체 단말기(30)로부터 수신되는 작업결과를 관리할 수 있게 되는 것을 포함하되,
상기 태양광 전주기 관리 시스템(20)은:
상기 현장진단 단말기(10)와 네트워킹되어 현장진단 단말기(10)로부터 현장진단 데이터를 수신하여 색인 및 저장하는 데이터 검색 서버(210)와;
인공지능 모듈을 구비하여 상기 데이터 검색 서버(210)의 데이터를 학습하며, 고장 유형별 고장상태 분석 데이터와 고장예측 데이터를 추론하는 인공지능 서버(220)와;
상기 인공지능 서버(220)로부터 수집된 현장진단 데이터 및 고장예측 데이터를 저장하는 빅데이터 서버(230)와;
상기 인공지능 서버(220) 및 REMS(40)와 네트워킹되면서 웹상에서 API에 의해 고장상태 분석 데이터 및 고장예측 데이터를 협력업체 단말기(30)와 공유할 수 있도록 하는 웹서버(240)를 포함하며,
상기 인공지능 서버(220)의 인공지능 고장진단분석 모듈은:
데이터 검색 서버(210)로부터 취득되는 현장진단 데이터를 기반으로 고장유형별 진단분석 데이터를 수집하는 데이터 수집 모듈(221)과;
상기 데이터 수집 모듈(221)로부터 취득되는 고장유형별 분석상태정보 식별하는 식별 모듈(222)과;
상기 식별 모듈(222)로부터 취득된 고장유형별 진단분석 식별분류정보를 검증하는 검증 모듈(223)과;
상기 식별 모듈(222) 및 검증 모듈(223)로부터 취득되는 고장유형별 성능을 분석하고, 분석된 결과를 학습하는 학습 모듈(224)과;
상기 학습 모듈(224)에서 취득되는 학습 데이터를 기반으로 태양광 발전설비의 고장 유형을 예측하는 예측 모듈(225)과;
상기 학습 모듈(224)에서 취득되는 학습데이터와 예측 모듈(225)의 예측 데이터를 기반으로 태양광 발전설비의 고장유형별 분석결과에 대한 매뉴얼 및 절차서를 자동적으로 추출하여 지원하는 자동 생성 모듈(226)로 구성되어, AI 딥러닝을 위한 빅데이터를 구축하고 진단/판정 결과를 축적할 수 있게 되는 것을 포함하는,
태양광 발전설비의 전주기 사후관리 시스템.
- 청구항 5에 있어서,
상기 태양광 전주기 관리 시스템(20)에 접속되어 시스템 모니터링 및 관리 기능을 수행하는 관리자 단말기(50)를 포함하는,
태양광 발전설비의 전주기 사후관리 시스템.
- 삭제
- 삭제
- 청구항 5에 있어서,
상기 작업지시 데이터는:
태양광 발전시설의 모듈세척, 수리, 교체, 폐기와 같은 작업 절차, 점검목록 및 현장조치 매뉴얼을 포함하여 입찰전략 수립을 위한 전략정보 서비스를 제공하는 것을 포함하는 태양광 발전설비의 전주기 사후관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210180650A KR102634956B1 (ko) | 2021-12-16 | 2021-12-16 | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210180650A KR102634956B1 (ko) | 2021-12-16 | 2021-12-16 | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230091491A KR20230091491A (ko) | 2023-06-23 |
| KR102634956B1 true KR102634956B1 (ko) | 2024-02-16 |
Family
ID=86993488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210180650A KR102634956B1 (ko) | 2021-12-16 | 2021-12-16 | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102634956B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101743908B1 (ko) * | 2016-12-21 | 2017-06-07 | 주식회사 베스텍 | 태양광 발전장치의 pv 고장 및 불량모듈 바이패스 시스템 |
| KR102265453B1 (ko) * | 2020-08-11 | 2021-06-15 | 주식회사 토브 | 태양광 발전소 관리 시스템 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090002295A (ko) * | 2007-06-26 | 2009-01-09 | 대한전선 주식회사 | 태양광 발전 설비의 통합 운용과 사후 관리 시스템 및 방법 |
| KR101841347B1 (ko) * | 2016-06-22 | 2018-05-04 | 두산중공업 주식회사 | 풍력발전기 유지보수를 위한 모바일단말기 및 유지보수 방법 |
| KR101942806B1 (ko) | 2017-07-12 | 2019-01-29 | (주)유에너지 | 현장 고장 진단이 가능한 이동형 태양광 발전설비 고장 진단시스템 |
| KR102410027B1 (ko) | 2017-09-29 | 2022-06-17 | 한국전기연구원 | 태양광 발전 시스템의 고장 진단 방법 및 그 장치 |
| KR102023465B1 (ko) | 2019-02-12 | 2019-09-20 | 강남욱 | 사물인터넷을 이용한 태양광 발전장치의 고장진단시스템 및 그 방법 |
-
2021
- 2021-12-16 KR KR1020210180650A patent/KR102634956B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101743908B1 (ko) * | 2016-12-21 | 2017-06-07 | 주식회사 베스텍 | 태양광 발전장치의 pv 고장 및 불량모듈 바이패스 시스템 |
| KR102265453B1 (ko) * | 2020-08-11 | 2021-06-15 | 주식회사 토브 | 태양광 발전소 관리 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230091491A (ko) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
| CN102902245B (zh) | 一种光伏电站智能监控系统 | |
| CN113450065B (zh) | 一种用于风电场的生产运营管理系统及方法 | |
| US20020087220A1 (en) | System and method to provide maintenance for an electrical power generation, transmission and distribution system | |
| CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
| JP2018037078A (ja) | 障害検出機能付き発電モニタリングシステム | |
| CN103078403B (zh) | 一种智能变电站二次系统的在线状态评估方法 | |
| KR102148616B1 (ko) | 복수의 단지 기반의 시설 키퍼 시스템 | |
| KR20190076688A (ko) | 분산 자원 통합 관리 시스템 및 방법 | |
| CN113689123A (zh) | 一种天然气模块化采集智能管理平台 | |
| CN107231127A (zh) | 分布式光伏系统智能诊断与线下清洁服务SaaS平台 | |
| CN102545381A (zh) | 一种电网设备技术监督数据分析中心系统 | |
| CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家系统 | |
| KR101806467B1 (ko) | 다수의 지역 발전소들의 통합관리 운영시스템 | |
| Wang et al. | Power system disaster-mitigating dispatch platform based on big data | |
| Chen et al. | RETRACTED ARTICLE: Thermal power generation fault diagnosis and prediction model based on deep learning and multimedia systems | |
| CN117614137A (zh) | 基于多源数据融合的配电网优化系统 | |
| KR102634956B1 (ko) | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 | |
| KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
| CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
| CN116667783A (zh) | 一种分布式光伏电站维护系统 | |
| CN116468243A (zh) | 一种基于监控运行数据的电网趋势预警方法 | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| Li et al. | An overview of digital twin concept for key components of renewable energy systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |