KR20210032788A - 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법 - Google Patents

위성영상 기반의 태양광 발전량 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR20210032788A
KR20210032788A KR1020190114236A KR20190114236A KR20210032788A KR 20210032788 A KR20210032788 A KR 20210032788A KR 1020190114236 A KR1020190114236 A KR 1020190114236A KR 20190114236 A KR20190114236 A KR 20190114236A KR 20210032788 A KR20210032788 A KR 20210032788A
Authority
KR
South Korea
Prior art keywords
cloud
power generation
wind field
generation amount
region
Prior art date
Application number
KR1020190114236A
Other languages
English (en)
Other versions
KR102272369B1 (ko
Inventor
김창기
김현구
강용혁
윤창열
김보영
김진영
Original Assignee
한국에너지기술연구원
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 한국에너지기술연구원 filed Critical 한국에너지기술연구원
Priority to KR1020190114236A priority Critical patent/KR102272369B1/ko
Publication of KR20210032788A publication Critical patent/KR20210032788A/ko
Application granted granted Critical
Publication of KR102272369B1 publication Critical patent/KR102272369B1/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
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 실시예에 따른 태양광 발전량 예측 장치는 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP)를 입력받는 입력부, 상기 복수의 위성영상에서 구름 영역을 추출하는 영역 추출부, 상기 구름 영역에 대한 구름 이동 벡터를 산출하는 벡터 산출부, 상기 수치일기예보 정보에 포함된 바람장(wind field)과 상기 구름 이동 벡터를 비교하여 상기 구름 영역에 대한 바람장을 할당하는 바람장 할당부, 할당된 상기 바람장에 기초하여 상기 구름 영역의 이동을 예측하는 이동 예측부, 그리고 예측된 상기 구름 영역의 이동에 기초하여 태양광 발전량을 예측하는 발전량 예측부를 포함한다.

Description

위성영상 기반의 태양광 발전량 예측 장치 및 그 방법{APPARATUS FOR PREDICTING SOLAR POWER BASED ON SATELLITE IMAGE AND METHOD THEREOF}
실시 예는 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법에 관한 것이다.
태양 에너지는 지구 해양-대기 시스템의 에너지원으로서 육지, 해양, 대기의 온도를 조절하고, 농업, 환경, 기상 등 인간의 생활에 매우 중요한 역할을 한다. 최근 신재생 에너지에 대한 사회적인 관심이 높아지고 실제적인 활용이 증대되면서 태양광과 태양열 설비의 성능예측이 중요하게 다루어지고 있으며, 이에 따라 시스템의 성능을 결정하는 일사량에 대해서도 정밀도와 정확도의 향상을 위한 연구가 활발하게 진행되고 있다.
미국, 스위스와 같은 해외 선진국에서는 기초 일사 자원량 산정을 위하여 1950년대부터 지상관측 네트워크를 설치하여 일사량 관측이 이루어져 왔으며, 국내에서도 1982년부터 한국에너지기술연구원이 관측을 시작한 이래 현재 한국에너지기술연구원과 기상청에서 일사량 데이터를 제공하고 있다. 지상 관측소에 의한 일사량 측정은 높은 정확도의 관측값을 짧은 시간 간격으로 제공할 수 있는 장점이 있으나, 관측소가 존재하지 않는 지역에 대해서는 값을 취득할 수 없어 주변값들을 이용한 일사량의 추정에 의존해야 하는 단점이 있다.
위성자료를 이용하여 산출되는 일사량 데이터는 지상 관측 데이터와는 달리, 광역 공간에 대한 정보를 제공해줄 수 있으며 비접근 지역에 대한 정보도 제공해 줄 수 있다는 장점이 있다. 최근에는 위성영상을 활용하여 일사량을 추정하는 연구들이 국내외적으로 많이 진행되고 있다.
하지만, 위성영상을 활용하여 일사량을 추정하는데 있어, 일사량 추정의 정확도 향상에 가장 큰 걸림돌은 구름의 검출과 구름의 이동 예측이다. 구름의 존재 여부에 따라 실제 수평면에 입사되는 일사량이 크게 변할 수 있기 때문이다.
따라서, 위성영상에서 구름의 검출 및 이동 예측의 정확도를 향상시키고, 이에 기반한 태양광 발전량 예측의 정확도를 향상시키기 위한 방안이 요구된다.
본 발명의 배경이 되는 기술은 한국공개특허공보 제10-2008-0031702호(2008.04.10.공개)에 개시되어 있다.
실시 예는 태양광 발전량 예측 정확도를 향상시키기 위한 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법을 제공하기 위한 것이다.
실시 예에서 해결하고자 하는 과제는 이에 한정되는 것은 아니며, 아래에서 설명하는 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 포함된다고 할 것이다.
본 발명의 실시예에 따른 태양광 발전량 예측 장치는 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP)를 입력받는 입력부, 상기 복수의 위성영상에서 구름 영역을 추출하는 영역 추출부, 상기 구름 영역에 대한 구름 이동 벡터를 산출하는 벡터 산출부, 상기 수치일기예보에 포함된 바람장(wind field)과 상기 구름 이동 벡터를 비교하여 상기 구름 영역에 대한 바람장을 할당하는 바람장 할당부, 할당된 상기 바람장에 기초하여 상기 구름 영역의 이동을 예측하는 이동 예측부, 그리고 예측된 상기 구름 영역의 이동에 기초하여 태양광 발전량을 예측하는 발전량 예측부를 포함한다.
상기 벡터 산출부는, 복수의 위성영상 사이에 구름 영역간 상관도를 산출하고, 상기 상관도가 가장 높은 지점에 대응하는 변위를 산출하며, 산출된 상기 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
상기 바람장 할당부는, 고도별로 상기 바람장과 상기 구름 이동 벡터 사이의 상관도를 산출하고, 가장 높은 상관도가 산출된 바람장을 선택하고, 선택된 바람장을 상기 구름 이동 벡터에 대응하는 구름 영역에 할당할 수 있다.
상기 발전량 예측부는, 예측된 상기 구름 영역의 이동에 따른 예측 지점의 일사량을 산출하고, 상기 일사량과 상기 예측 지점에 배치된 태양광 발전 설비의 규격 정보에 기초하여 상기 태양광 발전량을 예측할 수 있다.
상기 발전량 예측부는, 상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량에 기초하여 예측된 상기 태양광 발전량을 보정할 수 있다.
상기 발전량 예측부는, 상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량과 상기 구름 영역이 통과한 지점의 예측된 태양광 발전량을 비교하여 보정 수치를 산출하고, 산출된 상기 보정 수치를 이용하여 예측된 상기 태양광 발전량을 보정할 수 있다.
본 발명의 실시예에 따른 태양광 발전량 예측 방법은 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP)를 입력받는 단계, 상기 복수의 위성영상에서 구름 영역을 추출하는 단계, 상기 구름 영역에 대한 구름 이동 벡터를 산출하는 단계, 상기 수치일기예보 정보에 포함된 바람장(wind field)과 상기 구름 이동 벡터를 비교하여 상기 구름 영역에 대한 바람장을 할당하는 단계, 할당된 상기 바람장에 기초하여 상기 구름 영역의 이동을 예측하는 단계, 그리고 예측된 상기 구름 영역의 이동에 기초하여 태양광 발전량을 예측하는 단계를 포함한다.
상기 구름 이동 벡터를 산출하는 단계는, 복수의 위성영상 사이에 구름 영역간 상관도를 산출하는 단계, 상기 상관도가 가장 높은 지점에 대응하는 변위를 산출하는 단계, 그리고 산출된 상기 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 구름 영역에 대한 구름 이동 벡터를 산출하는 단계를 포함할 수 있다.
상기 바람장을 할당하는 단계는, 고도별로 상기 바람장과 상기 구름 이동 벡터 사이의 상관도를 산출하는 단계, 그리고 가장 높은 상관도가 산출된 바람장을 선택하고, 선택된 바람장을 상기 구름 이동 벡터에 대응하는 구름 영역에 할당하는 단계를 포함할 수 있다.
상기 태양광 발전량을 예측하는 단계는, 예측된 상기 구름 영역의 이동에 따른 예측 지점의 일사량을 산출하는 단계, 그리고 상기 일사량과 상기 예측 지점에 배치된 태양광 발전 설비의 규격 정보에 기초하여 상기 태양광 발전량을 예측하는 단계를 포함할 수 있다.
상기 태양광 발전량을 예측하는 단계는, 상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량에 기초하여 예측된 상기 태양광 발전량을 보정할 수 있다.
상기 태양광 발전량을 예측하는 단계는, 상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량과 상기 구름 영역이 통과한 지점의 예측된 태양광 발전량을 비교하여 보정 수치를 산출하는 단계, 그리고 산출된 상기 보정 수치를 이용하여 예측된 상기 태양광 발전량을 보정하는 단계를 포함할 수 있다.
상기의 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체일 수 있다.
실시 예에 따르면, 태양광 발전량 예측 정확도를 향상시킬 수 있다.
또한, 장기적인 일사량 예측의 정확도를 향상시킬 수 있다.
본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 태양광 발전량 예측 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 태양광 발전량 예측 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 구름 영역을 추출하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 구름 이동 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 수치일기예보를 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 구름 영역에 대한 고도를 할당하는 과정을 설명하기 위한 도면이다.
도 7 및 도 8은 본 발명의 실시예에 따른 구름 영역의 이동을 예측하는 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 따른 태양광 발전량 예측 과정을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예에 따른 태양광 발전량의 보정 과정을 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 실시예에 따른 태양광 발전량 예측 장치의 구성도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 태양광 발전량 예측 장치는 입력부(110), 영역 추출부(120), 벡터 산출부(130), 바람장 할당부(140), 이동 예측부(150) 및 발전량 예측부(160)를 포함할 수 있다.
입력부(110)는 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP) 정보를 입력받는다.
여기서, 위성영상은 인공위성에 탑재된 감지기에 의해 기록된 영상일 수 있다. 인공위성은 서로 다른 파장에서 동작하는 복수의 채널을 통해 위성영상을 촬영할 수 있다. 따라서, 위성영상은 채널에 따라 적외영상, 수증기영상, 단파적외영상, 가시영상 등 다양한 형태의 영상을 포함할 수 있다.
복수의 위성영상은 제1 위성영상 및 제2 위성영상을 포함할 수 있다. 제1 위성영상 및 제2 위성영상은 소정의 시간 간격으로 촬영된 영상일 수 있다. 소정의 시간 간격은 인공위성의 규격에 기초하거나 사용자 등에 의해 임의로 설정될 수 있다. 예를 들어, 소정의 시간 간격은 15분이나 30분 간격일 수 있다. 제2 위성영상은 제1 위성영상보다 늦게 촬영된 영상일 수 있다. 예를 들어, 제1 위성영상이 9:00에 촬영된 영상이면, 제2 위성영상은 소정의 시간 간격 후인 9:15에 촬영된 영상일 수 있다.
수치일기예보(Numerical Weather Prediction, NWP)란 대기 현상의 역학 및 물리적 원리에 대한 지배방정식들을 컴퓨터를 활용하여 연속적으로 수치적분함으로써 현재의 대기상태를 분석하고 미래의 대기상태를 정량적으로 예측하는 일련의 과정 및 이를 통해 생성된 정보를 의미할 수 있다. 본 발명의 실시예에 따르면, 입력되는 수치일기예보는 복수의 위성영상이 촬영된 시간에 대응하는 정보일 수 있다. 수치일기예보는 복수의 위성영상이 촬영된 시간에서의 정보이거나 촬영된 시간에 인접한 시간에서의 정보일 수 있다.
영역 추출부(120)는 복수의 위성영상에서 구름 영역을 추출한다.
영역 추출부(120)는 복수의 위성영상에 대한 픽셀 정보에 기초하여 구름 존재하는지를 판단할 수 있다. 이때, 픽셀 정보는 밝기값, 반사도, 청천지수 등을 포함할 수 있다.
벡터 산출부(130)는 구름 영역에 대한 구름 이동 벡터를 산출한다.
벡터 산출부(130)는 복수의 위성영상 사이에 구름 영역간 상관도를 산출하고, 상관도가 가장 높은 지점에 대응하는 변위를 산출할 수 있다. 그리고, 벡터 산출부(130)는 산출된 변위와 복수의 위성영상 사이의 시간차에 기초하여 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
바람장 할당부(140)는 수치일기예보 정보에 포함된 바람장(wind field) 정보와 구름 이동 벡터를 비교하여 구름 영역에 대한 바람장을 할당한다.
바람장 할당부(140)는 고도별로 바람장 정보와 구름 이동 벡터 사이의 상관도를 산출할 수 있다. 그리고, 바람장 할당부(140)는 가장 높은 상관도가 산출된 바람장을 선택하고, 선택된 바람장을 구름 이동 벡터에 대응하는 구름 영역에 할당할 수 있다.
이동 예측부(150)는 할당된 바람장에 기초하여 구름 영역의 이동을 예측한다.
발전량 예측부(160)는 예측된 구름 영역의 이동에 기초하여 태양광 발전량을 예측한다.
발전량 예측부(160)는 예측된 구름 영역의 이동에 따른 예측 지점의 일사량을 산출할 수 있다. 그리고, 발전량 예측부(160)는 일사량과 예측 지점에 배치된 태양광 발전 설비의 규격 정보에 기초하여 태양광 발전량을 예측할 수 있다.
또한, 발전량 예측부(160)는 구름 영역이 통과한 지점에서 실측된 태양광 발전량에 기초하여 예측된 태양광 발전량을 보정할 수 있다. 구체적으로, 발전량 예측부(160)는 구름 영역이 통과한 지점에서 실측된 태양광 발전량과 구름 영역이 통과한 지점의 예측된 태양광 발전량을 비교하여 보정 수치를 산출할 수 있다. 그리고, 발전량 예측부(160)는 산출된 보정 수치를 이용하여 예측된 태양광 발전량을 보정할 수 있다.
도 2는 본 발명의 실시예에 따른 태양광 발전량 예측 방법의 순서도이다.
도 2를 참조하면, 우선, 입력부(110)는 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP) 정보를 입력받는다(S210).
그러면, 영역 추출부(120)는 복수의 위성영상에서 구름 영역을 추출한다(S220).
그리고, 벡터 산출부(130)는 구름 영역에 대한 구름 이동 벡터를 산출한다(S230).
구체적으로, 벡터 산출부(130)는 복수의 위성영상 사이에 구름 영역간 상관도를 산출하고, 상관도가 가장 높은 지점에 대응하는 변위를 산출할 수 있다. 그리고, 벡터 산출부(130)는 산출된 변위와 복수의 위성영상 사이의 시간차에 기초하여 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
다음으로, 바람장 할당부(140)는 수치일기예보 정보에 포함된 바람장(wind field) 정보와 구름 이동 벡터를 비교하여 구름 영역에 대한 바람장을 할당한다(S240).
구체적으로, 바람장 할당부(140)는 고도별로 바람장 정보와 구름 이동 벡터 사이의 상관도를 산출할 수 있다. 그리고, 바람장 할당부(140)는 가장 높은 상관도가 산출된 바람장을 선택하고, 선택된 바람장을 구름 이동 벡터에 대응하는 구름 영역에 할당할 수 있다.
그러면, 이동 예측부(150)는 할당된 바람장에 기초하여 구름 영역의 이동을 예측한다(S250).
그리고, 발전량 예측부(160)는 예측된 구름 영역의 이동에 기초하여 태양광 발전량을 예측한다(S260).
구체적으로, 발전량 예측부(160)는 예측된 구름 영역의 이동에 따른 예측 지점의 일사량을 산출할 수 있다. 그리고, 발전량 예측부(160)는 일사량과 예측 지점에 배치된 태양광 발전 설비의 규격 정보에 기초하여 태양광 발전량을 예측할 수 있다.
또한, 발전량 예측부(160)는 구름 영역이 통과한 지점에서 실측된 태양광 발전량에 기초하여 예측된 태양광 발전량을 보정할 수 있다. 구체적으로, 발전량 예측부(160)는 구름 영역이 통과한 지점에서 실측된 태양광 발전량과 구름 영역이 통과한 지점의 예측된 태양광 발전량을 비교하여 보정 수치를 산출할 수 있다. 그리고, 발전량 예측부(160)는 산출된 보정 수치를 이용하여 예측된 태양광 발전량을 보정할 수 있다.
도 3은 본 발명의 실시예에 따른 구름 영역을 추출하는 과정을 설명하기 위한 도면이다.
본 발명의 실시예에 따른 영역 추출부(120)는 복수의 위성영상에서 구름 영역을 추출할 수 있다.
도 3을 참조하여 구름 영역 추출의 일 실시예를 살펴보면, 우선, 영역 추출부(120)는 기 설정된 사이즈의 윈도우로 복수의 위성영상을 분할할 수 있다. 따라서, 복수의 위성영상은 도 3에 도시된 것처럼 일정한 간격의 격자 형태로 영역이 분할될 수 있다. 윈도우의 크기인 기 설정된 사이즈는 이미지의 해상도 등을 고려하여 당업자에 의해 설계변경이 가능하다. 예를 들어, 윈도우의 크기는 8x8 내지 32x32 픽셀 등의 사이즈로 설정될 수 있다.
여기서, 복수의 위성영상 각각에는 동일한 기 설정된 사이즈의 윈도우가 적용될 수 있다. 예를 들어, 복수의 위성영상에 포함된 제1 위성영상과 제2 위성영상에는 동일한 기 설정된 사이즈의 윈도우가 적용될 수 있다. 따라서, 제1 위성영상과 제2 위성영상에서 윈도우에 의해 분할되는 영역은 서로 동일할 수 있다.
기 설정된 사이즈의 윈도우로 복수의 위성영상을 분할한 후, 영역 추출부(120)는 기 설정된 사이즈의 윈도우에 의해 분할된 위성영상의 각 분할 영역에 대해 구름의 존부를 판단할 수 있다.
구체적으로, 영역 추출부(120)는 분할 영역에 대한 픽셀 정보에 기초하여 분할 영역에 구름 존재하는지를 판단할 수 있다. 이때, 픽셀 정보는 밝기값, 반사도, 청천지수 등을 포함할 수 있다.
일 실시예로, 영역 추출부(120)는 분할 영역에 포함된 각 픽셀의 분석을 통해 분할 영역에 구름이 존재하는지를 판단할 수 있다. 예를 들어, 기 설정된 사이즈가 8x8 픽셀 크기인 경우, 분할 영역 각각에는 64개의 픽셀이 포함되어 있을 수 있으며, 64개 픽셀 각각은 청천지수를 가질 수 있다. 영역 추출부(120)는 64개 픽셀의 청천지수와 기 설정된 임계치를 비교한 후, 임계치보다 낮은 청천지수를 가진 픽셀의 개수를 검출할 수 있다. 그리고, 영역 추출부(120)는 검출된 픽셀의 개수가 50%이상인 경우 해당 분할 영역에 구름이 존재한다고 판단할 수 있다. 그렇지 않은 경우, 해당 분할 영역은 미검출 영역으로 판단될 수 있다. 청천지수를 일례로 설명하였으나, 빛의 반사도나 픽셀의 밝기값 등을 이용할 수도 있고, 이들의 조합을 이용할 수도 있다. 임계치나 구름 존부 판단에 이용되는 픽셀의 기준 개수 등은 픽셀 정보의 종류 등을 고려하여 당업자에 의해 설계변경이 가능하다.
다른 실시예로, 영역 추출부(120)는 분할 영역에 포함된 각 픽셀의 픽셀 정보 평균값을 통해 분할 영역에 구름이 존재하는지를 판단할 수 있다. 예를 들어, 영역 추출부(120)는 각 분할 영역에 대한 청천지수(Clear Sky Index, CSI)와 기 설정한 임계치를 비교하여 구름의 존부를 검출할 수 있다. 영역 추출부(120)는 해당 영역에 대한 청천지수가 기 설정된 임계치보다 작으면 해당 분할 영역에서 구름이 검출된 것으로 판단할 수 있다. 다른 예로, 영역 추출부(120)는 가시영상에서 해당 분할 영역의 평균 밝기 값이 임계치 이상이면 해당 분할 영역에서 구름이 검출된 것으로 판단할 수 있다. 다른 예로, 영역 추출부(120)는 가시영상에서 해당 분할 영역의 평균 밝기 값과 적외영상에서 해당 분할 영역의 평균 밝기 값의 차이값이 임계치 이상이면 해당 분할 영역에서 구름이 검출된 것으로 판단할 수 있다.
도 4는 본 발명의 실시예에 따른 구름 이동 벡터를 산출하는 과정을 설명하기 위한 도면이다.
벡터 산출부(130)는 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
벡터 산출부(130)는 복수의 위성영상 사이에서 서로 대응하는 구름 영역을 비교하여 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
도 4를 참조하면, 벡터 산출부(130)는 제1 위성영상의 구름 영역과 이에 대응하는 제2 위성영상의 구름 영역을 비교하여 해당 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
일 실시예에 따르면, 벡터 산출부(130)는 복수의 위성영상 사이에 서로 대응하는 구름 영역의 상관도를 산출하고, 상관도가 가장 높은 지점에서의 변위와 복수의 영상 사이의 촬영 시간 간격에 기초하여 구름 이동 벡터를 산출할 수 있다.
이때, 상관도는 다양한 방식으로 산출될 수 있다. 예를 들어, 벡터 산출부(130)는 구름 영역 내에 복수의 표적 입자를 선택하고, x축 및 y축을 따라 구름 영역을 이동시키면서 표적 입자의 일치 정도에 따른 상관도를 산출할 수 있다. 표적 입자는 적어도 하나의 픽셀일 수 있으며, 표적 입자는 픽셀의 청천지수와 임계치의 비교를 통해 선택될 수 있다. 다른 일 실시예에 따르면, 벡터 산출부(130)는 구름 영역 내 구름 형상의 경계를 추출한 후 이를 비교하거나, 구름에 대한 특징점을 추출한 후 이를 비교함으로써 상관도를 산출할 수도 있다.
벡터 산출부(130)는 상관도가 산출되면 상관도가 가장 높은 지점에 대응하는 변위를 산출할 수 있다. 그리고, 벡터 산출부(130)는 산출된 변위와 복수의 위성영상 사이의 시간차에 기초하여 구름 영역에 대한 구름 이동 벡터를 산출할 수 있다.
도 5는 본 발명의 실시예에 따른 수치일기예보를 설명하기 위한 도면이다.
수치일기예보는 각 고도별로 바람장 정보를 포함할 수 있다. 수치일기예보는 특정 좌표계에 기반한 고도별 바람장 정보를 포함할 수 있다.
일 실시예에 따르면, 수치일기예보는 도 5에 도시된 것처럼, 지형을 따르는(terrain following) 연직좌표계를 기반으로 구성될 수 있다. 수치일기예보는 지형의 형상에 따른 좌표계에 기반한 바람장 정보를 포함할 수 있다. 예를 들어, 연직좌표계는 시그마 좌표계를 포함할 수 있다. 수치일기예보는 시그마 좌표계에 기반한 수치일기예보는 시그마 면 각각에 대응한 바람장 정보를 포함할 수 있다.
다른 실시예로, 수치일기예보는 고도나 기압면에 기반한 좌표계를 기반으로 구성될 수도 있다.
다른 실시예로, 수치일기예보는 지면으로부터 소정의 고도까지는 시그마 좌표계를 이용하고 소정의 고도 이상에서는 고도 좌표계를 이용하는 하이브리드 좌표계(hybrid coordinate)를 기반으로 구성될 수도 있다.
도 6은 본 발명의 실시예에 따른 구름 영역에 대한 고도를 할당하는 과정을 설명하기 위한 도면이다.
바람장 할당부(140)는 바람장 정보와 구름 이동 벡터를 비교하여 구름 영역에 대한 고도를 할당할 수 있다.
바람장 할당부(140)는 산출된 구름 이동 벡터와 바람장 정보 사이의 상관도를 산출할 수 있다. 이때, 바람장 할당부(140)는 구름 이동 벡터가 산출된 영역에 대응하는 바람장 정보의 영역을 서로 비교하교 상관도를 산출할 수 있다. 즉, 도 6에와 같이, 제1 구름 이동 벡터가 산출된 영역과 이에 대응하는 바람장 정보의 일부 영역(예를 들어, 도 6에서 점선 영역)을 비교하여 상관도를 산출할 수 있다. 상관도는 대응 영역의 벡터간 상관도일 수 있다.
앞서 살펴본 것처럼, 수치일기예보는 특정한 좌표계에 기반하여 고도별로 바람장 정보가 포함되어 있으므로 고도별 바람장 정보 각각에 대해 상관도를 산출할 수 있다. 즉, 도 6에서와 같이, 시그마 좌표계에 따라 바람장 정보가 생성된 경우, 각 시그마면에 대응하는 바람장 정보와 구름 이동 벡터를 각각 비교하여 상관도를 산출할 수 있다.
그리고, 바람장 할당부(140)는 가장 높은 상관도가 산출된 바람장을 해당 구름 영역에 할당할 수 있다. 예를 들어, σ=.7인 시그마면의 바람장에 대한 상관도가 가장 높게 산출되면, 바람장 할당부(140)는 σ=.7인 시그마면의 바람장을 해당 구름 영역에 할당할 수 있다.
도 7 및 도 8은 본 발명의 실시예에 따른 구름 영역의 이동을 예측하는 과정을 설명하기 위한 도면이다.
도 7에 도시된 것처럼, 이동 예측부(150)는 할당된 바람장와 검출된 구름 영역의 이동을 예측할 수 있다. 예를 들어, 도 7의 (a)에 도시된 구름 영역에 대해 도 7의 (b)에 도시된 σ=.7인 시그마면의 바람장이 할당되면, 이동 예측부(150)는 도 7의 (c)에 도시된 것처럼 σ=.7인 시그마면의 바람장에 따라 해당 구름 영역이 어떠한 경로로 이동하는지를 예측할 수 있다.
한편, 도 8에 도시된 것처럼, 위성영상에 포함된 구름 영역별로 서로 다른 고도의 바람장이 할당될 수도 있으며, 이동 예측부(150)는 서로 다른 바람장에 따라 각 구름 영역의 이동을 예측할 수도 있다. 예를 들어, 도 7의 첫번째 구름 영역(No.1)에는 σ=.6인 시그마면의 바람장이 할당되고, 두번째 구름 영역(No.2)에는 σ=.7인 시그마면의 바람장이 할당될 수 있다. 그러면, 이동 예측부(150)는 σ=.6인 시그마면의 바람장을 따라 첫번째 구름 영역(No.1)의 이동 경로를 예측하고, σ=.7인 시그마면의 바람장을 따라 두번째 구름 영역(No.2)의 이동 경로를 예측할 수 있다. 그 후 이동 예측부(150)는 첫번째 구름 영역(No.1)과 두번째 구름 영역(No.2)에 대해 예측된 이동 경로를 결합할 수 있다.
복수의 위성영상만을 이용하여 구름의 이동을 예측하는 경우, 시간이 지남에 따라 구름의 이동 예측 정확도가 낮아질 수 있다. 이는 짧은 시간 간격 사이에 촬영된 위성영상이 포함할 수 있는 정보량이 한정적이기 때문이다. 하지만, 바람장의 경우 수치모델을 통해 생성되므로, 장기간의 대기운동정보를 포함할 수 있다. 따라서, 할당된 바람장을 통해 구름의 이동을 예측하면, 장기예측에서 구름 이동의 예측 정확도를 향상시킬 수 있는 장점이 있다.
도 9는 본 발명의 실시예에 따른 태양광 발전량 예측 과정을 설명하기 위한 도면이다.
선행하는 단계에 따라 구름 영역의 이동이 예측되면, 발전량 예측부(160)는 예측된 구름 영역의 이동에 기초하여 태양광 발전량을 예측할 수 있다.
예를 들어, 도 9에 도시된 것처럼, 발전량 예측부(160)는 화살표에 따르는 구름 영역의 이동, 즉, 이동 경로 및 이동 속도 등에 기초하여 예측 지점에서의 일사량을 산출할 수 있다. 이때, 발전량 예측부(160)는 구름 영역의 이동뿐만 아니라 시간에 따른 고도 일사량 정보를 함께 고려하여 예측 지점에서의 일사량을 산출할 수 있다. 산출된 일사량은 특정 시점뿐만 아니라 시계열적으로 산출될 수 있다.
그러면, 발전량 예측부(160)는 예측 지점에 설치된 태양광 발전 설비의 규격 정보와 산출된 일사량 정보를 통해 해당 예측 지점의 일사량을 산출할 수 있다.
도 10은 본 발명의 실시예에 따른 태양광 발전량의 보정 과정을 설명하기 위한 도면이다.
발전량 예측부(160)는 구름 영역이 기 통과한 지점에서 실측된 태양광 발전량을 고려하여 예측된 태양광 발전량을 보정할 수 있다.
예를 들어, 제1 지점 내지 제3 지점은 구름 영역이 통과한 지점이고, 제4 지점은 예측 지점이라고 가정한다. 그러면, 발전량 예측부(160)는 제1 내지 제3 지점에서 실측된 태양광 발전량과 본 발명의 실시예에 따라 예측된 태양광 발전량을 비교하여 보정 수치를 산출할 수 있다.
발전량 예측부(160)는 해당 과정을 통해 산출된 보정 수치를 통해 구름 이동 이외의 요인을 태양광 발전량 예측에 반영할 수 있다. 구름 이동 이외의 요인은 구름의 두께 등을 포함할 수 있다. 시간이 지남에 따라 운량이 감소하거나 증가할 수 있는바, 다수 지점의 실측량과 예측량의 비교를 통해 산출된 보정 수치는 이러한 운량의 증감을 반영하여 발전량 예측의 정확도를 향상시킬 수 있는 장점이 있다.
한편, 상술한 태양광 발전량 예측 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램(코드)로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 태양광 발전량 예측 장치
110 : 입력부
120 : 영역 추출부
130 : 벡터 산출부
140 : 바람장 할당부
150 : 이동 예측부
160 : 발전량 예측부

Claims (13)

  1. 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP)를 입력받는 입력부,
    상기 복수의 위성영상에서 구름 영역을 추출하는 영역 추출부,
    상기 구름 영역에 대한 구름 이동 벡터를 산출하는 벡터 산출부,
    상기 수치일기예보에 포함된 바람장(wind field)과 상기 구름 이동 벡터를 비교하여 상기 구름 영역에 대한 바람장을 할당하는 바람장 할당부,
    할당된 상기 바람장에 기초하여 상기 구름 영역의 이동을 예측하는 이동 예측부, 그리고
    예측된 상기 구름 영역의 이동에 기초하여 태양광 발전량을 예측하는 발전량 예측부를 포함하는 태양광 발전량 예측 장치.
  2. 제1항에 있어서,
    상기 벡터 산출부는,
    복수의 위성영상 사이에 구름 영역간 상관도를 산출하고,
    상기 상관도가 가장 높은 지점에 대응하는 변위를 산출하며,
    산출된 상기 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 구름 영역에 대한 구름 이동 벡터를 산출하는 태양광 발전량 예측 장치.
  3. 제1항에 있어서,
    상기 바람장 할당부는,
    고도별로 상기 바람장과 상기 구름 이동 벡터 사이의 상관도를 산출하고,
    가장 높은 상관도가 산출된 바람장을 선택하고, 선택된 바람장을 상기 구름 이동 벡터에 대응하는 구름 영역에 할당하는 태양광 발전량 예측 장치.
  4. 제1항에 있어서,
    상기 발전량 예측부는,
    예측된 상기 구름 영역의 이동에 따른 예측 지점의 일사량을 산출하고,
    상기 일사량과 상기 예측 지점에 배치된 태양광 발전 설비의 규격 정보에 기초하여 상기 태양광 발전량을 예측하는 태양광 발전량 예측 장치.
  5. 제1항에 있어서,
    상기 발전량 예측부는,
    상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량에 기초하여 예측된 상기 태양광 발전량을 보정하는 태양광 발전량 예측 장치.
  6. 제5항에 있어서,
    상기 발전량 예측부는,
    상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량과 상기 구름 영역이 통과한 지점의 예측된 태양광 발전량을 비교하여 보정 수치를 산출하고,
    산출된 상기 보정 수치를 이용하여 예측된 상기 태양광 발전량을 보정하는 태양광 발전량 예측 장치.
  7. 복수의 위성영상 및 수치일기예보(Numerical Weather Prediction, NWP)를 입력받는 단계,
    상기 복수의 위성영상에서 구름 영역을 추출하는 단계,
    상기 구름 영역에 대한 구름 이동 벡터를 산출하는 단계,
    상기 수치일기예보에 포함된 바람장(wind field)과 상기 구름 이동 벡터를 비교하여 상기 구름 영역에 대한 바람장을 할당하는 단계,
    할당된 상기 바람장에 기초하여 상기 구름 영역의 이동을 예측하는 단계, 그리고
    예측된 상기 구름 영역의 이동에 기초하여 태양광 발전량을 예측하는 단계를 포함하는 태양광 발전량 예측 방법.
  8. 제7항에 있어서,
    상기 구름 이동 벡터를 산출하는 단계는,
    복수의 위성영상 사이에 구름 영역간 상관도를 산출하는 단계,
    상기 상관도가 가장 높은 지점에 대응하는 변위를 산출하는 단계, 그리고
    산출된 상기 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 구름 영역에 대한 구름 이동 벡터를 산출하는 단계를 포함하는 태양광 발전량 예측 방법.
  9. 제7항에 있어서,
    상기 바람장을 할당하는 단계는,
    고도별로 상기 바람장과 상기 구름 이동 벡터 사이의 상관도를 산출하는 단계, 그리고
    가장 높은 상관도가 산출된 바람장을 선택하고, 선택된 바람장을 상기 구름 이동 벡터에 대응하는 구름 영역에 할당하는 단계를 포함하는 태양광 발전량 예측 방법.
  10. 제7항에 있어서,
    상기 태양광 발전량을 예측하는 단계는,
    예측된 상기 구름 영역의 이동에 따른 예측 지점의 일사량을 산출하는 단계, 그리고
    상기 일사량과 상기 예측 지점에 배치된 태양광 발전 설비의 규격 정보에 기초하여 상기 태양광 발전량을 예측하는 단계를 포함하는 태양광 발전량 예측 방법.
  11. 제7항에 있어서,
    상기 태양광 발전량을 예측하는 단계는,
    상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량에 기초하여 예측된 상기 태양광 발전량을 보정하는 태양광 발전량 예측 방법.
  12. 제11항에 있어서,
    상기 태양광 발전량을 예측하는 단계는,
    상기 구름 영역이 통과한 지점에서 실측된 태양광 발전량과 상기 구름 영역이 통과한 지점의 예측된 태양광 발전량을 비교하여 보정 수치를 산출하는 단계, 그리고
    산출된 상기 보정 수치를 이용하여 예측된 상기 태양광 발전량을 보정하는 단계를 포함하는 태양광 발전량 예측 방법.
  13. 제7항 내지 제12항 중 어느 한 청구항의 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체.
KR1020190114236A 2019-09-17 2019-09-17 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법 KR102272369B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190114236A KR102272369B1 (ko) 2019-09-17 2019-09-17 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190114236A KR102272369B1 (ko) 2019-09-17 2019-09-17 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210032788A true KR20210032788A (ko) 2021-03-25
KR102272369B1 KR102272369B1 (ko) 2021-07-05

Family

ID=75222746

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190114236A KR102272369B1 (ko) 2019-09-17 2019-09-17 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102272369B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230000751A (ko) * 2021-06-25 2023-01-03 경북대학교 산학협력단 태양광 발전량 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치
KR102490161B1 (ko) * 2022-09-16 2023-01-19 현시스메틱 주식회사 제반 요소를 통합 관리하는 인공지능 태양광 모니터링 시스템
KR102633874B1 (ko) * 2023-07-17 2024-02-06 식스티헤르츠 주식회사 기상 위성을 이용한 태양광 발전량 예측 방법 및 시스템
KR102675597B1 (ko) * 2023-09-14 2024-06-14 주식회사 해줌 단기 태양광 발전량 예측 시스템
KR102675595B1 (ko) * 2023-09-14 2024-06-14 주식회사 해줌 장기 태양광 발전량 예측 시스템
KR102675593B1 (ko) * 2023-09-14 2024-06-17 주식회사 해줌 멀티기간 태양광 발전량 예측 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102584854B1 (ko) * 2021-09-03 2023-10-13 경북대학교 산학협력단 태양광 발전 예측 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009252940A (ja) * 2008-04-04 2009-10-29 Mitsubishi Electric Corp 太陽光発電システムの出力予測装置およびそれを用いた需給制御システム
JP2013029923A (ja) * 2011-07-27 2013-02-07 Chugoku Electric Power Co Inc:The 太陽光発電量把握システム及びこれを用いた負荷予想装置、負荷調整装置
JP2014011345A (ja) * 2012-06-29 2014-01-20 Hitachi Information & Control Solutions Ltd 発電量予測装置、発電量予測方法、プログラム、および電力制御システム
KR101761686B1 (ko) * 2017-03-31 2017-07-31 (주)하모니앤유나이티드 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템
JP2018143071A (ja) * 2017-02-28 2018-09-13 京セラ株式会社 情報処理装置及び情報処理装置の制御方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009252940A (ja) * 2008-04-04 2009-10-29 Mitsubishi Electric Corp 太陽光発電システムの出力予測装置およびそれを用いた需給制御システム
JP2013029923A (ja) * 2011-07-27 2013-02-07 Chugoku Electric Power Co Inc:The 太陽光発電量把握システム及びこれを用いた負荷予想装置、負荷調整装置
JP2014011345A (ja) * 2012-06-29 2014-01-20 Hitachi Information & Control Solutions Ltd 発電量予測装置、発電量予測方法、プログラム、および電力制御システム
JP2018143071A (ja) * 2017-02-28 2018-09-13 京セラ株式会社 情報処理装置及び情報処理装置の制御方法
KR101761686B1 (ko) * 2017-03-31 2017-07-31 (주)하모니앤유나이티드 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230000751A (ko) * 2021-06-25 2023-01-03 경북대학교 산학협력단 태양광 발전량 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치
KR102490161B1 (ko) * 2022-09-16 2023-01-19 현시스메틱 주식회사 제반 요소를 통합 관리하는 인공지능 태양광 모니터링 시스템
KR102633874B1 (ko) * 2023-07-17 2024-02-06 식스티헤르츠 주식회사 기상 위성을 이용한 태양광 발전량 예측 방법 및 시스템
KR102675597B1 (ko) * 2023-09-14 2024-06-14 주식회사 해줌 단기 태양광 발전량 예측 시스템
KR102675595B1 (ko) * 2023-09-14 2024-06-14 주식회사 해줌 장기 태양광 발전량 예측 시스템
KR102675593B1 (ko) * 2023-09-14 2024-06-17 주식회사 해줌 멀티기간 태양광 발전량 예측 시스템

Also Published As

Publication number Publication date
KR102272369B1 (ko) 2021-07-05

Similar Documents

Publication Publication Date Title
KR20210032788A (ko) 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법
Huang et al. Cloud motion estimation for short term solar irradiation prediction
Alonso et al. Short and medium-term cloudiness forecasting using remote sensing techniques and sky camera imagery
Chu et al. Hybrid intra-hour DNI forecasts with sky image processing enhanced by stochastic learning
Alonso-Montesinos et al. Solar radiation forecasting in the short-and medium-term under all sky conditions
CN110514298B (zh) 一种基于地基云图的太阳辐照强度计算方法
Peng et al. Solar irradiance forecast system based on geostationary satellite
Logothetis et al. Benchmarking of solar irradiance nowcast performance derived from all-sky imagers
Sun et al. Short term cloud coverage prediction using ground based all sky imager
Jayadevan et al. Forecasting solar power intermittency using ground-based cloud imaging
Magnone et al. Cloud motion identification algorithms based on all-sky images to support solar irradiance forecast
Schön et al. The error is the feature: How to forecast lightning using a model prediction error
KR102360576B1 (ko) 구름이동벡터 산출 장치 및 그 방법
CN115879034B (zh) 基于机器学习的热带气旋强度监测方法、装置和设备
RU2480780C1 (ru) Способ обнаружения точечных тепловых объектов на маскирующем атмосферном фоне
KR102360577B1 (ko) 구름이동벡터 산출 장치 및 그 방법
RU2461017C1 (ru) Способ обнаружения точечных тепловых объектов на сложном атмосферном фоне
CN115423810B (zh) 一种风力发电机组叶片覆冰形态分析方法
CN114705158B (zh) 一种基于星载多通道辐射成像仪的云底高度反演方法
CN116307220A (zh) 一种屋顶光伏功率的预测方法、装置及电子设备
KR102360578B1 (ko) 일사량 추정 장치 및 그 방법
Dittmann et al. A new sky imager based global irradiance forecasting model with analyses of cirrus situations
KR20210032787A (ko) 구름 이동 예측 장치 및 그 방법
CN113160236A (zh) 一种光伏电池阴影遮挡的图像识别方法
Zou et al. A Method for Rapid Measurement of Cloud Base Height From a Pair of Sky Imagers

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