KR102681948B1 - Ai 반도체 기반 미래 일사량 예측 장치 및 방법 - Google Patents

Abstract

본 개시는 미래 일사량을 예측하기 위한 엣지 디바이스를 제공한다. 이 장치는, 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하여 처리하는 FPGA(Field-Programmable Gate Array) 및 상기 FPGA와 연결되고, 상기 처리된 기상 관측 데이터에 기초하여 상기 특정 지역의 미래 구름 맵을 예측하는 뉴로모픽 칩(Neuromorphic Chip)을 포함한다.

Description

AI 반도체 기반 미래 일사량 예측 장치 및 방법{DEVICE AND METHOD FOR PREDICTING FUTURE SOLAR IRRADIANCE BASED ON AI CHIP}

본 개시는 미래 일사량 예측 장치 및 방법에 관한 것으로, 구체적으로, 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 처리하고, 이에 기초하여 특정 지역의 미래 일사량을 예측하는 장치 및 방법에 관한 것이다.

최근 기후 변화 및 자원 고갈 문제에 대처하기 위해 친환경 재생 에너지 사업에 대한 연구와 개발이 활발히 이루어지고 있다. 특히, 재생 에너지 사업 중 태양광으로부터 전력을 생산하는 방식은, 유지비가 저렴하고 발전 과정에서 오염 물질이 발생하지 않아 미래 대체 에너지로서 큰 각광을 받고 있다.

한편, 태양광 발전량은 날씨 및 계절에 지배적인 영향을 받기 때문에, 발전량이 일정하게 유지되지 않아 불확실성이 크다는 문제가 있다. 이에 따라, 태양광 발전소의 미래 발전량을 정확하게 예측하지 못하면, 전력 시장에서의 전력 변동성에 빠르게 대응하기 어렵다는 문제가 있다. 종래 기술은 미래 발전량을 예측하기 위해 기상 예측 데이터나 위성 이미지에 기초하여 일사량을 예측한다. 그러나, 이러한 방식은 지역적 변동성을 정확하게 반영하기 어렵고, 실시간으로 빠르게 변하는 기상 조건을 반영하지 못해 일사량 예측의 정확도가 떨어진다는 문제점이 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 미래 일사량 예측 장치 및 방법을 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 엣지 디바이스는, 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하여 처리하는 FPGA(Field-Programmable Gate Array) 및 FPGA와 연결되고, 처리된 기상 관측 데이터에 기초하여 특정 지역의 미래 구름 맵을 예측하는 뉴로모픽 칩(Neuromorphic Chip)을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 특정 지역과 연관된 기상 관측 데이터는, 실시간 전천(all-sky) 이미지, 실시간 실로미터(ceilometer) 데이터 및 실시간 일사계(pyranometer) 데이터를 포함할 수 있다.

본 개시의 일 실시예에 따르면, FPGA는, 실시간 전천 이미지에 기초하여 실시간 구름 맵을 생성하고, 실시간 구름 맵, 전천 사진기(all-sky imager) 내부 매개변수 및 실시간 태양의 이론적 위치 정보에 기초하여, 실시간 왜곡 보정된 구름 맵을 생성하고, 실시간 실로미터 데이터 및 실시간 왜곡 보정된 구름 맵에 기초하여, 실시간 3차원 구름 맵을 생성하고, 실시간 3차원 구름 맵을 뉴로모픽 칩으로 전송하도록 구성될 수 있다.

본 개시의 일 실시예에 따르면, 뉴로모픽 칩은 FPGA로부터 실시간 3차원 구름 맵을 수신하고, 실시간 3차원 구름 맵에 기초하여 구름 움직임 벡터(Cloud Motion Vector; CMV)를 생성하고, 구름 움직임 벡터에 기초하여 미래 3차원 구름 맵을 생성하고, 미래 3차원 구름 맵을 FPGA로 전송하도록 구성될 수 있다.

본 개시의 일 실시예에 따르면, FPGA는, 미래 3차원 구름 맵, 실시간 실로미터 데이터 및 실시간 태양의 이론적 위치 정보에 기초하여, 미래 그림자 맵을 생성하고, 실시간 태양의 이론적 위치 정보, 실시간 일사계 데이터 및 미래 그림자 맵에 기초하여, 특정 지역의 미래 일사량을 예측하도록 더 구성될 수 있다.

본 개시의 일 실시예에 따르면, 실시간 구름 맵을 생성하는 것은, 실시간 전천 이미지를 실시간 RGB 이미지로 변환하는 것, 실시간 RGB 이미지 내의 픽셀별 RBR(Red Blue Ratio)을 산출하는 것 및 미리 결정된 임계값 이상의 RBR을 가지는 픽셀을 추출하여 실시간 구름 맵을 생성하는 것을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 실시간 왜곡 보정된 구름 맵을 생성하는 것은, 전천 사진기의 내부 매개변수를 이용하여 실시간 구름 맵에 기초한 1차 보정된 실시간 구름 맵을 생성하는 것, 1차 보정된 실시간 구름 맵 및 실시간 태양의 이론적 위치 정보에 기초하여, 전천 사진기의 외부 매개변수를 산출하는 것, 전천 사진기 외부 매개변수를 이용하여 1차 보정된 실시간 구름 맵에 기초한 2차 보정된 실시간 구름 맵을 생성하는 것을 포함하고, 2차 보정된 실시간 구름 맵은 실시간 왜곡 보정된 구름 맵일 수 있다.

본 개시의 일 실시예에 따르면, 실시간 3차원 구름 맵을 생성하는 것은, 실시간 실로미터 데이터 및 실시간 왜곡 보정된 구름 맵 내의 각 픽셀의 입사각에 기초하여 3차원 구름 맵을 생성하는 것을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 미래 그림자 맵을 생성하는 것은, 실시간 실로미터 데이터 및 실시간 태양의 이론적 위치 정보에 기초하여, 미래 3차원 구름 맵 내의 구름 층을 지면 그림자 층으로 매핑하여 미래 그림자 맵을 생성하는 것을 포함할 수 있다.

본 개시의 일 실시예에 따른 미래 일사량 예측 방법은, 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하는 단계, FPGA에 의해, 기상 관측 데이터를 전처리하는 단계, 뉴로모픽 칩에 의해, 전처리된 기상 관측 데이터에 기초하여 특정 지역의 미래 구름 맵을 예측하는 단계 및 FPGA에 의해, 예측된 미래 구름 맵에 기초하여 특정 지역의 미래 일사량을 예측하는 단계를 포함할 수 있다.

본 개시의 일부 실시예에 따르면, FPGA 및 뉴로모픽 칩을 결합함으로써, 엣지 디바이스가 외부 장치로부터 수집된 데이터를 실시간으로 처리하고, 높은 정확도로 일사량을 예측할 수 있다. 또한, FPGA의 병렬 처리 능력과 뉴로모픽 칩의 알고리즘 최적화로 인해 실시간 예측의 정확도 및 연산 속도가 크게 향상될 수 있다. 이에 따라, 실시간 데이터 처리와 복잡한 이미지 분석이 필요한 태양광 발전량이 높은 정확도로 예측될 수 있다.

본 개시의 일부 실시예에 따르면, 특정 지역에 대해 단기적 미래의 일사량이 예측될 수 있다. 이에 따라, 발전소의 위치에 따른 지역적 특징 및 실시간 기상 변화를 반영하여 일사량 예측의 정확도가 향상될 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 엣지 디바이스의 내부 구성을 나타내는 블록도이다.
도 2는 본 개시의 일 실시예에 따른 엣지 디바이스가 기상 관측 데이터를 수신하는 예시를 나타내는 도면이다.
도 3은 본 개시의 일 실시예에 따른 엣지 디바이스가 미래 일사량을 예측하는 방법의 예시를 나타내는 흐름도이다.
도 4는 본 개시의 일 실시예에 따라 구름 맵을 생성하는 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따라 왜곡 보정된 구름 맵을 생성하는 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따른 구름 움직임 벡터의 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 미래 그림자 맵을 생성하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따라 미래 일사량을 예측하는 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따라 발전량을 예측하는 방법 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따른 방법의 예시를 나타내는 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

본 개시에서, '디스플레이'는 컴퓨팅 장치와 연관된 임의의 디스플레이 장치를 지칭할 수 있는데, 예를 들어, 컴퓨팅 장치에 의해 제어되거나 컴퓨팅 장치로부터 제공된 임의의 정보/데이터를 표시할 수 있는 임의의 디스플레이 장치를 지칭할 수 있다.

본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따른 엣지 디바이스(100)의 내부 구성을 나타내는 블록도이다. 일 실시예에서, 엣지 디바이스(edge device)(100)는 AI 반도체 기반의 고성능 컴퓨팅 장치일 수 있다. 도시된 것과 같이, 엣지 디바이스(100)는 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하여 처리하는 FPGA(Field-Programmable Gate Array)(110) 및 FPGA(110)와 연결되고, 처리된 기상 관측 데이터에 기초하여 특정 지역의 미래 구름 맵을 예측하는 뉴로모픽 칩(Neuromorphic Chip)(120)을 포함할 수 있다. 여기서, 기상 관측 데이터는 실시간 전천(all-sky) 이미지, 실시간 실로미터(ceilometer) 데이터, 실시간 일사계(pyranometer) 데이터 등을 포함할 수 있다.

일 실시예에서, FPGA(110)는 메인 PCB(Printed Circuit Board) 상에 위치하며, 전체적인 데이터나 주소의 흐름을 제어 및 관리할 수 있다. 특히, FPGA(110)는 병렬 처리 능력이 뛰어나, 이미지 처리, 신호 처리, 복잡한 계산 작업 등에 적합하며, 빠른 연산 속도와 낮은 지연 시간을 제공하여 실시간 데이터 처리에 유용할 수 있다. 또한, FPGA(110)는 전처리부(112), 제어부(114), 통신용 메모리(116) 및 일사량 예측부(118)를 포함할 수 있다.

전처리부(112)는 기상 관측 데이터를 전처리할 수 있다. 구체적으로, 전처리부(112)는 실시간 전천 이미지에 기초하여 실시간 구름 맵을 생성할 수 있다. 또한, 실시간 구름 맵, 전천 사진기 내부 매개변수 및 실시간 태양의 이론적 위치 정보에 기초하여, 전처리부(112)는 실시간 왜곡 보정된 구름 맵을 생성할 수 있다. 추가적으로, 전처리부(112)는 실시간 실로미터 데이터 및 실시간 왜곡 보정된 구름 맵에 기초하여 실시간 3차원 구름 맵을 생성할 수 있다.

제어부(114)는 전처리부(112)로부터 수신한 데이터를 데이터베이스(미도시)에 저장할 수 있다. 또한, 제어부(114)는 CPU(Central Processing Unit)의 개입 없이 데이터베이스의 메모리 블록들을 순차적으로 읽거나 쓸 수 있다. 예를 들어, 제어부(114)는 특정 데이터 신호에 따라 데이터베이스에 접근하여 특정 데이터를 뉴로모픽 칩(120)으로 전송할 수 있다. 추가적으로, 제어부(114)는 통신용 메모리(116)로부터 수신한 데이터를 데이터베이스에 저장하거나, 일사량 예측부(118)로 전송할 수 있다. 그리고, 제어부(114)는 일사량 예측부(118)로부터 수신한 데이터를 데이터베이스에 저장할 수 있다. 예를 들어, 제어부(114) DMA(Direct Memory Access) 컨트롤러일 수 있다.

통신용 메모리(116)는 뉴로모픽 칩(120)과 통신할 수 있다. 이 경우, 통신용 메모리(116)는 통신을 위해 특별한 프로토콜이나 타이밍 요구 사항 등을 충족하기 위해 설계된 메모리일 수 있다. 또한, 통신용 메모리(116)는 모듈 간 동작 속도 차이로 인해 FPGA(110)로 전송된 데이터를 임시적으로 저장한 후 제어부(114)로 전송할 수 있다.

일사량 예측부(118)는 뉴로모픽 칩(120)으로부터 전송된 특정 지역의 미래 3차원 구름 맵 데이터에 기초하여, 특정 지역의 미래 일사량을 예측할 수 있다. 구체적으로, 일사량 예측부(118)는 미래 3차원 구름 맵, 실시간 실로미터 데이터 및 실시간 태양의 이론적 위치 정보에 기초하여 미래 그림자 맵을 생성할 수 있다. 또한, 일사량 예측부(118)는 태양의 이론적 위치 정보, 실시간 일사계 데이터 및 미래 그림자 맵에 기초하여 특정 지역의 미래 일사량을 예측할 수 있다.

일 실시예에서, 뉴로모픽 칩(120)은 구름의 움직임이 반영된 미래의 구름 맵을 생성할 수 있다. 뉴로모픽 칩(120)은 생물학적 뉴런의 동작을 모방하는 하드웨어 아키텍처 기반의 반도체로서, 시간적/공간적 패턴 인식에 특화될 수 있다. 또한, 뉴로모픽 칩(120)은 입력용 메모리(122), 구름 예측부(124) 및 출력용 메모리(126)를 포함할 수 있다.

입력용 메모리(122)는 FPGA(11)로부터 데이터를 수신하여 임시로 저장할 수 있다. 또한, 입력용 메모리(122)는 FIFO(First In First Out) 방식으로 저장된 데이터를 구름 예측부(124)로 전송할 수 있다. 이에 따라, 입력용 메모리(122)는 구름 예측부(124)가 데이터를 효율적으로 처리할 수 있도록 보장할 수 있다.

구름 예측부(124)는 구름의 시간적/공간적 패턴을 인식하고, 구름의 움직임을 예측하기 위해 광학 흐름 알고리즘을 실행할 수 있다. 구체적으로, 구름 예측부(124)는 FPGA(110)에서 생성된 실시간 3차원 구름 맵에 기초하여 구름 움직임 벡터(Cloud Motion Vector; CMV)를 생성할 수 있다. 또한, 구름 예측부(124)는 구름 움직임 벡터에 기초하여 미래 3차원 구름 맵을 생성할 수 있다.

출력용 메모리(126)는 구름 예측부(124)에서 생성된 데이터를 수신하여 임시로 저장할 수 있다. 또한, 출력용 메모리(126)는 FIFO 방식으로 저장된 데이터를 FPGA(110)로 전송할 수 있다.

이러한 구성에 의해, FPGA 및 뉴로모픽 칩을 결합함으로써, 엣지 디바이스가 외부 장치로부터 수집된 데이터를 실시간으로 처리하고, 높은 정확도로 일사량을 예측할 수 있다. 또한, FPGA의 병렬 처리 능력과 뉴로모픽 칩의 알고리즘 최적화로 인해 실시간 예측의 정확도 및 연산 속도가 크게 향상될 수 있다. 이에 따라, 실시간 데이터 처리와 복잡한 이미지 분석이 필요한 태양광 발전량이 높은 정확도로 예측될 수 있다.

도 2는 본 개시의 일 실시예에 따른 엣지 디바이스(240)가 기상 관측 데이터를 수신하는 예시를 나타내는 도면이다. 일 실시예에서, 엣지 디바이스(240)는 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신할 수 있다. 여기서, 특정 지역과 연관된 기상 관측 데이터는 실시간 전천 이미지, 실시간 실로미터 데이터, 실시간 일사계 데이터 등을 포함할 수 있다.

일 실시예에서, 엣지 디바이스(240)는 전천 사진기(All-Sky Imager)(210)로부터 실시간 전천 이미지를 수신할 수 있다. 여기서, 전천 사진기(210)는 하늘의 전체를 한 번에 촬영할 수 있는 카메라로서, 하늘의 전체적인 상황을 실시간으로 모니터링할 수 있다. 이에 따라, 전천 사진기(210)를 이용하여 구름의 형태, 위치, 밀도 등이 파악될 수 있으며, 촬영된 전천 이미지는 엣지 디바이스(240)로 전송될 수 있다.

일 실시예에서, 엣지 디바이스(240)는 실로미터(ceilometer)(220)로부터 실시간 실로미터 데이터를 수신할 수 있다. 여기서, 실로미터(220)는 레이저나 LED 등을 이용하여 구름의 높이나 경계를 측정할 수 있다. 구체적으로, 실로미터(220)가 레이저나 LED 빔을 하늘로 조사하고, 반사되어 돌아오는 빛의 시간을 측정함으로써, 구름의 높이가 산출될 수 있다. 이에 따라, 구름의 높이 데이터 등과 같은 실로미터 데이터는 엣지 디바이스(240)로 전송될 수 있다.

일 실시예에서, 엣지 디바이스(240)는 일사계(pyranometer)(230)로부터 실시간 일사계 데이터를 수신할 수 있다. 여기서, 일사계(230)는 태양의 일사량을 측정할 수 있다. 이 경우, 복수의 일사계를 이용함으로써 태양의 일사량이 측정될 수 있다. 이에 따라, 태양의 일사량 데이터 등과 같은 일사계 데이터는 엣지 디바이스(240)로 전송될 수 있다.

도 2에서는 전천 사진기(210)와 엣지 디바이스(240)가 분리되어 있는 것으로 도시되어 있으나, 이에 한정되지 않는다. 예를 들어, 엣지 디바이스(240)는 데이터를 신속하게 처리하기 위해 전천 사진기(210)에 내장될 수 있다. 이 경우, 데이터가 전천 사진기(210)에서 처리되므로, 중앙 서버나 클라우드로의 데이터 전송이 줄어들 수 있고, 데이터의 유출, 해킹 등의 위험이 감소될 수 있다.

도 3은 본 개시의 일 실시예에 따른 엣지 디바이스가 미래 일사량을 예측하는 방법(300)의 예시를 나타내는 흐름도이다. 일 실시예에서, 엣지 디바이스는 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하여 처리하는 FPGA 및 FPGA와 연결되고, 처리된 기상 관측 데이터에 기초하여 특정 지역의 미래 구름 맵을 예측하는 뉴로모픽 칩을 포함할 수 있다. 여기서, 기상 관측 데이터는 실시간 전천 이미지, 실시간 실로미터 데이터, 실시간 일사계 데이터 등을 포함할 수 있다.

방법(300)은 FPGA가 실시간 전천 이미지에 기초하여 실시간 구름 맵을 생성하는 것으로 개시될 수 있다(S310). 구체적으로, FPGA는 실시간 전천 이미지를 실시간 RGB 이미지로 변환하고, 실시간 RGB 이미지 내의 픽셀별 RBR(Red Blue Ratio)을 산출할 수 있다. 또한, FPGA는 미리 결정된 임계값 이상의 RBR을 가지는 픽셀을 추출함으로써 실시간 구름 맵을 생성할 수 있다. 구름 맵이 생성되는 예시는 도 4를 참조하여 자세히 후술된다.

그 후, FPGA는 실시간 구름 맵, 전천 사진기 내부 매개변수 및 실시간 태양의 이론적 위치 정보에 기초하여, 실시간 왜곡 보정된 구름 맵을 생성할 수 있다(S320). 구체적으로, FPGA는 전천 사진기의 내부 변수를 이용하여 실시간 구름 맵에 기초한 1차 보정된 실시간 구름 맵을 생성할 수 있다. 또한, FPGA는 1차 보정된 실시간 구름 맵 및 실시간 태양의 이론적 위치 정보에 기초하여, 전천 사진기의 외부 매개변수를 산출할 수 있다. 추가적으로, FPGA는 전천 사진기 외부 매개변수를 이용하여 1차 보정된 실시간 구름 맵에 기초한 2차 보정된 실시간 구름 맵(또는, 실시간 왜곡 보정된 구름 맵)을 생성할 수 있다. 실시간 왜곡 보정된 구름 맵을 생성하는 예시는 도 5를 참조하여 자세히 후술된다.

그 후, FPGA는 실시간 실로미터 데이터 및 실시간 왜곡 보정된 구름 맵에 기초하여, 실시간 3차원 구름 맵을 생성할 수 있다(S330). 구체적으로, FPGA는 실시간 실로미터 데이터 및 실시간 왜곡 보정된 구름 맵 내의 각 픽셀의 입사각에 기초하여 3차원 구름 맵을 생성할 수 있다. 또한, FPGA는 생성된 3차원 구름 맵을 뉴로모픽 칩으로 전송할 수 있다.

그 후, 뉴로모픽 칩은 FPGA로부터 수신한 실시간 3차원 구름 맵에 기초하여, 미래 구름 움직임을 예측할 수 있다(S340). 구체적으로, 뉴로모픽 칩은 실시간 3차원 구름 맵에 기초하여 구름 움직임 벡터(Cloud Motion Vector; CMV)를 생성할 수 있다(S340). 또한, 뉴로모픽 칩은 구름 움직임 벡터에 기초하여, 미래 3차원 구름 맵을 생성할 수 있다. 뉴로모픽 칩은 생성한 미래 3차원 구름 맵을 FPGA로 전송할 수 있다. 구름 움직임 벡터가 생성되는 예시는 도 6을 참조하여 자세히 후술된다.

그 후, FPGA는 미래 3차원 구름 맵에 기초하여, 미래 그림자 맵을 생성할 수 있다(S350). 구체적으로, FPGA는 미래 3차원 구름 맵, 실시간 실로미터 데이터 및 실시간 태양의 이론적 위치 정보에 기초하여, 미래 3차원 구름 맵 내의 구름 층을 지면 그림자 층으로 매핑함으로써, 미래 그림자 맵을 생성할 수 있다. 미래 그림자 맵을 생성하는 예시는 도 7을 참조하여 자세히 후술된다.

그 후, FPGA는 미래 그림자 맵에 기초하여 미래 일사량을 예측할 수 있다(S360). 구체적으로, FPGA는 미래 그림자 맵, 실시간 태양의 이론적 위치 정보 및 실시간 일사계 데이터에 기초하여, 특정 지역의 미래 일사량을 예측할 수 있다. 미래 일사량을 예측하는 예시는 도 8을 참조하여 자세히 후술된다.

도 4는 본 개시의 일 실시예에 따라 구름 맵(430)을 생성하는 예시를 나타내는 도면이다. 일 실시예에서, FPGA는 실시간 전천 이미지(410)에 기초하여 구름 맵(430)을 생성할 수 있다. 구체적으로, FPGA는 실시간 전천 이미지(410)를 실시간 RGB 이미지(420)로 변환할 수 있다. 실시간 RGB 이미지(420)에 포함된 각 픽셀은 빨강 채널, 초록 채널 및 파랑 채널로 분리될 수 있다. 이 경우, FPGA는 실시간 RGB 이미지(420) 내의 픽셀별 RBR(Red Blue Ratio)(즉, 픽셀별 빨강 채널 및 파랑 채널의 비율)을 산출할 수 있다. 여기서, RBR이 1에 가까울수록 구름이 많은 하늘을 나타낼 수 있다. 실시간 RGB 이미지(420)에서 미리 결정된 임계값(예를 들어, 0.82) 이상의 RBR을 가지는 픽셀을 추출함으로써, FPGA는 실시간 구름 맵(430)을 생성할 수 있다.

도 5는 본 개시의 일 실시예에 따라 왜곡 보정된 구름 맵을 생성하는 예시를 나타내는 도면이다. 일 실시예에서, FPGA는 전천 사진기(510)의 내부 매개변수(예를 들어, 렌즈의 초점거리, 왜곡 계수 등)를 이용하여 실시간 구름 맵(예를 들어, 도 4의 430)(550)에 기초한 1차 보정된 실시간 구름 맵을 생성할 수 있다. 전천 사진기(510)의 어안 렌즈의 넓은 시야각으로 인해, 전천 이미지에 왜곡이 발생할 수 있다. FPGA는 전천 사진기(510)의 캘리브레이션 과정을 통해 내부 매개변수를 추정함으로써 이러한 이미지 왜곡을 보정할 수 있다.

일 실시예에서, 1차 보정된 실시간 구름 맵 및 실시간 태양의 이론적 위치 정보에 기초하여, FPGA는 전천 사진기(510)의 외부 매개변수를 산출할 수 있다. 여기서, 실시간 태양의 이론적 위치 정보는 관측 지점의 위/경도, 관측 시간 등에 기초하여 산출될 수 있다. 또한, FPGA는 돔 스페이스(dome space)(540)에 투영된 구름(524)의 픽셀 점들을 구름 층(또는, 투영 평면(projection plane))(530)의 좌표계로 변환함으로써 구름 층(530)에 투영할 수 있다. 여기서, 돔 스페이스(540)에 투영된 구름(524)은 전천 사진기(510)가 구름(520)을 촬영한 이미지(예를 들어, 도 4의 410)에 대응할 수 있다. 추가적으로, 돔 스페이스(540)에 투영된 구름(524) 및 구름 층(530)에 투영된 구름(522)에 기초하여, 전천 사진기(510)의 외부 매개변수(예를 들어, 카메라의 위치 및 포즈 등)를 산출할 수 있다.

일 실시예에서, FPGA는 산출된 외부 매개변수를 이용하여 1차 보정된 실시간 구름 맵에 기초한 2차 보정된 실시간 구름 맵(560)을 생성할 수 있다. 구체적으로, FPGA는 실시간 태양의 이론적 위치 정보와 외부 매개변수에 기초하여 관측 당시 실제 태양의 위치를 결정할 수 있다. 또한, FPGA는 실제 태양의 위치 및 1차 보정된 실시간 구름 맵에 기초하여 2차 보정된 실시간 구름 맵(560)을 생성할 수 있다. 여기서, 2차 보정된 실시간 구름 맵(560)은 실시간 왜곡 보정된 구름 맵일 수 있다.

일 실시예에서, FPGA는 2차 보정된 실시간 구름 맵(560) 및 실시간 실로미터 데이터에 기초하여, 실시간 3차원 구름 맵을 생성할 수 있다. 구체적으로, FPGA는 실로미터 데이터에 포함된 구름 높이 및 2차 보정된 실시간 구름 맵(560)을 이용하여 구름(520)과 전천 사진기(510) 사이의 입사각을 산출할 수 있다. 또한, 이러한 입사각에 기초하여, FPGA는 실시간 3차원 구름 맵을 생성할 수 있다. 이에 따라, 실시간 3차원 구름 맵은 구름의 높이, 경계, 3차원 위치 등의 정보를 포함할 수 있다.

도 6은 본 개시의 일 실시예에 따른 구름 움직임 벡터(610)의 예시를 나타내는 도면이다. 일 실시예에서, 뉴로모픽 칩은 FPGA로부터 실시간 3차원 구름 맵을 수신할 수 있다. 또한, 뉴로모픽 칩은 실시간 3차원 구름 맵에 기초하여 구름 움직임 벡터(Cloud Motion Vector; CMV)(610)를 생성할 수 있다. 여기서, 구름 움직임 벡터(610)는 실시간 3차원 구름 맵에서 연속된 이미지 사이에서 추적된 특징들의 위치 차이를 나타낼 수 있다. 구름 움직임 벡터(610)는 이미지에서 추적할 특징들이 다음 이미지에서 어떻게 변경되는지 계산하는 광학 흐름(optical flow) 알고리즘을 이용하여 생성될 수 있으나, 이에 한정되지 않는다. 또한, 이러한 구름 움직임 벡터(610)에 기초하여, 뉴로모픽 칩은 미래 시점의 3차원 구름 맵을 생성할 수 있다.

도 7은 본 개시의 일 실시예에 따라 미래 그림자 맵을 생성하는 예시를 나타내는 도면이다. 일 실시예에서, FPGA는 미래 3차원 구름 맵, 실시간 실로미터 데이터 및 실시간 태양(740)의 이론적 위치 정보에 기초하여, 미래 그림자 맵을 생성할 수 있다. 구체적으로, FPGA는 실시간 태양(740)의 이론적 위치 정보를 이용하여 미래 3차원 구름 맵 내의 구름 층(730)에 포함된 구름(732)을 그림자 층(720)으로 매핑함으로써, 미래 그림자 맵을 생성할 수 있다.

이 경우, 아래의 수학식 1을 이용하여 전천 사진기(710)와 그림자 층(720)에 매핑된 구름의 그림자(722) 사이의 수평 거리가 산출될 수 있다.

여기서, d는 전천 사진기(710)와 그림자 층(720)에 매핑된 구름의 그림자(722) 사이의 수평 거리를 나타내고, dx는 그림자 층(720)에 매핑된 구름의 그림자(722)의 x 좌표를, dy는 그림자 층(720)에 매핑된 구름의 그림자(722)의 y 좌표를, h는 그림자 층(720)과 구름 층(730) 사이의 수직 거리를, θ는 천정각을, φ는 방위각을 나타낼 수 있다.

도 8은 본 개시의 일 실시예에 따라 미래 일사량(830)을 예측하는 예시를 나타내는 도면이다. 일 실시예에서, FPGA는 실시간 태양의 이론적 위치 정보, 실시간 일사계 데이터 및 미래 그림자 맵에 기초하여, 특정 지역의 미래 일사량(830)을 예측할 수 있다. 구체적으로, FPGA는 실시간 태양의 이론적 위치 정보에 기초하여 미래 맑은 하늘 일사량(즉, 구름이 없는 경우의 일사량)을 산출할 수 있다. 여기서, 미래 맑은 하늘 일사량은 Solar Geometry 2 알고리즘으로 산출될 수 있으나, 이에 한정되지 않는다.

일 실시예에서, FPGA는 실시간 일사계 데이터(예를 들어, 과거 30분간의 일사량) 및 이론적 일사량 데이터에 기초하여, 맑은 하늘 지수(k*)를 산정할 수 있다. 여기서, 맑은 하늘 지수는 일사계에서 측정된 전역 수평 일사량(Global Horizontal Irradiance; GHI_meas)과 이론적 맑은 하늘 일사량(GHI_clear)의 비율을 의미하는 것으로서 구름이 많을수록 0에 가까울 수 있다. 예를 들어, 흐린 하늘(820)의 k*는 0.5 이하의 값으로서, 0.4로 산정되고, 맑은 하늘(810)의 k*는 0.9 이상의 값으로서, 1.2로 산정될 수 있다.

일 실시예에서, FPGA는 산정된 맑은 하늘 지수 및 미래 맑은 하늘 일사량 데이터에 기초하여 미래 일사량(830)을 예측할 수 있다. 여기서, 미래 일사량(830)은 향후 단기간(예를 들어, 향후 1시간)의 일사량을 의미할 수 있다. 미래 일사량(830)은 아래의 수학식 2를 이용하여 산출될 수 있다.

이러한 미래 일사량(830)은 미래 그림자 맵 내 특정 지역에 점, 색상 등으로 표시될 수 있다.

이러한 구성에 의해, 특정 지역에 대해 단기적 미래의 일사량이 예측될 수 있다. 이에 따라, 발전소의 위치에 따른 지역적 특징 및 실시간 기상 변화를 반영하여 일사량 예측의 정확도가 향상될 수 있다.

도 9는 본 개시의 일 실시예에 따라 발전량을 예측하는 방법 예시를 나타내는 도면이다. 일 실시예에서, 엣지 디바이스(920)는 외부 장치(910)로부터 특정 지역과 연관된 기상 관측 데이터를 수신할 수 있다. 또한, 도 1 내지 도 8에서 상술한 바와 같이, 엣지 디바이스(920)는 특정 지역의 미래 일사량을 예측할 수 있다. 엣지 디바이스(920)는 예측한 특정 지역의 미래 일사량 데이터를 연산 서버(930)로 전송할 수 있다.

일 실시예에서, 연산 서버(930)는 발전소와 연관된 데이터베이스(940)로부터 발전소의 메타데이터(예를 들어, 발전소의 위치, 발전기의 스펙 등), 발전소의 과거 발전량 데이터 등을 수신할 수 있다. 또한, 연산 서버(930)는 미리 학습된 발전량 예측 모델을 이용하여 해당 발전소에서의 미래 발전량을 예측할 수 있다. 연산 서버(930)는 예측한 미래 발전량 데이터를 데이터베이스(940)로 전송할 수 있다.

일 실시예에서, 애플리케이션(950)은 데이터베이스(940)로부터 예측된 미래 발전량 데이터 등을 수신할 수 있다. 또한, 애플리케이션(950)이 이러한 데이터를 그래프 등의 형태로 디스플레이 상에 출력할 수 있다. 이에 따라, 사용자(예를 들어, 발전소 운영자)는 애플리케이션(950)을 통해 미래 발전량을 확인하고, 발전소의 운용을 최적화할 수 있다.

도 10은 본 개시의 일 실시예에 따른 방법(1000)의 예시를 나타내는 흐름도이다. 일 실시예에서, 방법(1000)은 엣지 디바이스의 적어도 하나의 프로세서에 의해 수행될 수 있다. 방법(1000)은 프로세서가 외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하는 것으로 개시될 수 있다(S1010). 그 후, 프로세서는 FPGA에 의해, 기상 관측 데이터를 전처리할 수 있다(S1020).

그 후, 프로세서는 뉴로모픽 칩에 의해, 전처리된 기상 관측 데이터에 기초하여 특정 지역의 미래 구름 맵을 예측할 수 있다(S1030). 또한, 프로세서는 FPGA에 의해, 예측된 미래 구름 맵에 기초하여 특정 지역의 미래 일사량을 예측할 수 있다(S1040).

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, GPU들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상기 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 행해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세서가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

100: 엣지 디바이스
110: FPGA
112: 전처리부
114: 제어부
116: 통신용 메모리
118: 일사량 예측부
120: 뉴로모픽 칩
122: 입력용 메모리
124: 구름 예측부
126: 출력용 메모리

Claims (10)

1. 엣지 디바이스(edge device)로서,
   외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하여 처리하는 FPGA(Field-Programmable Gate Array); 및
   상기 FPGA와 연결되고, 상기 처리된 기상 관측 데이터에 기초하여 상기 특정 지역의 미래 구름 맵을 예측하는 뉴로모픽 칩(Neuromorphic Chip)
   을 포함하고,
   상기 FPGA는,
   상기 기상 관측 데이터에 기초하여 실시간 3차원 구름 맵을 생성하는 전처리부;
   특정 데이터 신호에 따라 데이터베이스에 접근하여 특정 데이터를 상기 뉴로모픽 칩으로 전송하는 제어부; 및
   상기 뉴로모픽 칩으로부터 수신한 데이터를 임시적으로 저장한 후 상기 제어부로 전송하는 통신용 메모리
   를 포함하고,
   상기 뉴로모픽 칩은,
   상기 FPGA로부터 수신한 데이터를 저장하는 입력용 메모리;
   상기 입력용 메모리로부터 수신한 데이터에 기초하여, 상기 특정 지역의 미래 구름 맵을 생성하는 구름 예측부; 및
   상기 구름 예측부로부터 수신한 데이터를 임시적으로 저장한 후 상기 통신용 메모리로 전송하는 출력용 메모리
   를 포함하고,
   상기 FPGA의 제어부는 상기 실시간 3차원 구름 맵을 상기 뉴로모픽 칩으로 전송하고,
   상기 뉴로모픽 칩의 구름 예측부는 상기 FPGA로부터 수신한 상기 실시간 3차원 구름 맵에 기초하여 미래 3차원 구름 맵을 생성하고,
   상기 뉴로모픽 칩의 출력용 메모리는 상기 미래 3차원 구름 맵을 상기 FPGA로 전송하도록 구성된, 엣지 디바이스.
   
2. 제1항에 있어서,
   상기 특정 지역과 연관된 기상 관측 데이터는, 실시간 전천(all-sky) 이미지, 실시간 실로미터(ceilometer) 데이터 및 실시간 일사계(pyranometer) 데이터를 포함하는, 엣지 디바이스.
   
3. 제2항에 있어서,
   상기 FPGA의 전처리부는,
   상기 실시간 전천 이미지에 기초하여 실시간 구름 맵을 생성하고,
   상기 실시간 구름 맵, 전천 사진기(all-sky imager) 내부 매개변수 및 실시간 태양의 이론적 위치 정보에 기초하여, 실시간 왜곡 보정된 구름 맵을 생성하고,
   상기 실시간 실로미터 데이터 및 상기 실시간 왜곡 보정된 구름 맵에 기초하여, 실시간 3차원 구름 맵을 생성하는, 엣지 디바이스.
   
4. 제3항에 있어서,
   상기 뉴로모픽 칩의 입력용 메모리는 상기 FPGA로부터 상기 실시간 3차원 구름 맵을 수신하고,
   상기 뉴로모픽 칩의 구름 예측부는,
   상기 실시간 3차원 구름 맵에 기초하여 구름 움직임 벡터(Cloud Motion Vector; CMV)를 생성하고,
   상기 구름 움직임 벡터에 기초하여 미래 3차원 구름 맵을 생성하는, 엣지 디바이스.
   
5. 제4항에 있어서,
   상기 FPGA는,
   상기 미래 3차원 구름 맵, 상기 실시간 실로미터 데이터 및 상기 실시간 태양의 이론적 위치 정보에 기초하여, 미래 그림자 맵을 생성하고,
   상기 실시간 태양의 이론적 위치 정보, 상기 실시간 일사계 데이터 및 상기 미래 그림자 맵에 기초하여, 상기 특정 지역의 미래 일사량을 예측하는 일사량 예측부를 더 포함하는, 엣지 디바이스.
   
6. 제3항에 있어서,
   상기 실시간 구름 맵을 생성하는 것은,
   상기 실시간 전천 이미지를 실시간 RGB 이미지로 변환하는 것,
   상기 실시간 RGB 이미지 내의 픽셀별 RBR(Red Blue Ratio)을 산출하는 것 및
   미리 결정된 임계값 이상의 RBR을 가지는 픽셀을 추출하여 상기 실시간 구름 맵을 생성하는 것
   을 포함하는, 엣지 디바이스.
   
7. 제3항에 있어서,
   상기 실시간 왜곡 보정된 구름 맵을 생성하는 것은,
   상기 전천 사진기의 내부 매개변수를 이용하여 상기 실시간 구름 맵에 기초한 1차 보정된 실시간 구름 맵을 생성하는 것,
   상기 1차 보정된 실시간 구름 맵 및 상기 실시간 태양의 이론적 위치 정보에 기초하여, 상기 전천 사진기의 외부 매개변수를 산출하는 것,
   상기 전천 사진기 외부 매개변수를 이용하여 상기 1차 보정된 실시간 구름 맵에 기초한 2차 보정된 실시간 구름 맵을 생성하는 것
   을 포함하고,
   상기 2차 보정된 실시간 구름 맵은 상기 실시간 왜곡 보정된 구름 맵인, 엣지 디바이스.
   
8. 제3항에 있어서,
   상기 실시간 3차원 구름 맵을 생성하는 것은,
   상기 실시간 실로미터 데이터 및 상기 실시간 왜곡 보정된 구름 맵 내의 각 픽셀의 입사각에 기초하여 상기 3차원 구름 맵을 생성하는 것
   을 포함하는, 엣지 디바이스.
   
9. 제5항에 있어서,
   상기 미래 그림자 맵을 생성하는 것은,
   상기 실시간 실로미터 데이터 및 상기 실시간 태양의 이론적 위치 정보에 기초하여, 상기 미래 3차원 구름 맵 내의 구름 층을 지면 그림자 층으로 매핑하여 상기 미래 그림자 맵을 생성하는 것
   을 포함하는, 엣지 디바이스.
   
10. 적어도 하나의 프로세서 의해 수행되는, 미래 일사량 예측 방법으로서,
    외부 장치로부터 특정 지역과 연관된 기상 관측 데이터를 수신하는 단계;
    FPGA에 의해, 상기 기상 관측 데이터를 전처리하는 단계;
    뉴로모픽 칩에 의해, 상기 전처리된 기상 관측 데이터에 기초하여 상기 특정 지역의 미래 구름 맵을 예측하는 단계; 및
    상기 FPGA에 의해, 상기 예측된 미래 구름 맵에 기초하여 상기 특정 지역의 미래 일사량을 예측하는 단계
    를 포함하고,
    상기 FPGA는,
    상기 기상 관측 데이터에 기초하여 실시간 3차원 구름 맵을 생성하는 전처리부;
    특정 데이터 신호에 따라 데이터베이스에 접근하여 특정 데이터를 상기 뉴로모픽 칩으로 전송하는 제어부; 및
    상기 뉴로모픽 칩으로부터 수신한 데이터를 임시적으로 저장한 후 상기 제어부로 전송하는 통신용 메모리
    를 포함하고,
    상기 뉴로모픽 칩은,
    상기 FPGA로부터 수신한 데이터를 저장하는 입력용 메모리;
    상기 입력용 메모리로부터 수신한 데이터에 기초하여, 상기 특정 지역의 미래 구름 맵을 생성하는 구름 예측부; 및
    상기 구름 예측부로부터 수신한 데이터를 임시적으로 저장한 후 상기 통신용 메모리로 전송하는 출력용 메모리
    를 포함하고,
    상기 FPGA의 제어부는 상기 실시간 3차원 구름 맵을 상기 뉴로모픽 칩으로 전송하고,
    상기 뉴로모픽 칩의 구름 예측부는 상기 FPGA로부터 수신한 상기 실시간 3차원 구름 맵에 기초하여 미래 3차원 구름 맵을 생성하고,
    상기 뉴로모픽 칩의 출력용 메모리는 상기 미래 3차원 구름 맵을 상기 FPGA로 전송하도록 구성된, 미래 일사량 예측 방법.

Images