KR20210043388A - 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법 - Google Patents

태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법 Download PDF

Info

Publication number
KR20210043388A
KR20210043388A KR1020190126537A KR20190126537A KR20210043388A KR 20210043388 A KR20210043388 A KR 20210043388A KR 1020190126537 A KR1020190126537 A KR 1020190126537A KR 20190126537 A KR20190126537 A KR 20190126537A KR 20210043388 A KR20210043388 A KR 20210043388A
Authority
KR
South Korea
Prior art keywords
region
power generation
cloud
solar
unit
Prior art date
Application number
KR1020190126537A
Other languages
English (en)
Inventor
장병훈
김승진
Original Assignee
한국전력정보(주)
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 한국전력정보(주) filed Critical 한국전력정보(주)
Priority to KR1020190126537A priority Critical patent/KR20210043388A/ko
Publication of KR20210043388A publication Critical patent/KR20210043388A/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
    • G06K9/34—
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 장치를 개시한다. 본 발명의 태양광 발전량 예측 장치는, 태양광 패널이 설치된 영역으로부터 기 결정된 거리만큼 떨어진 복수의 개소에 설치되서 일정 영역의 하늘 사진을 촬상하는 복수의 촬상부, 복수의 촬상부에 인접하게 설치되서 기후 데이터를 수집하는 복수의 기후 데이터 수집부, 복수의 촬상부로부터 촬상된 복수의 하늘 사진과 기후 데이터 수집부에서 수집된 해당 촬상부에 관련된 기후 데이터를 이용하여 해당 지역의 운량을 실시간으로 연산하는 연산부 및 실시간으로 연산된 운량을 이용하여 태양광 발전량을 예측하는 예측부;를 포함한다.

Description

태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법{Photovoltaic power generation forecasting device and photovoltaic power generation forecasting method using the same}
본 발명은 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법에 관한 것으로서, 보다 상세하게는 기후 데이터 및 전천 사진을 분석하여 실시간으로 운량을 측정하여 태양관 발전량을 실시간으로 예측할 수 있는 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법에 관한 것이다.
지금까지는 발전량에 관한 수치를 모니터링하고 모듈의 고장 유무를 모니터링하는 기술이 존재하였다. 발전량을 예측하기 위하여 각종의 센서를 사용하여 태양광 발전량을 예측하려는 연구가 진행되고 있으나, 이러한 연구에서 사용되는 사물인터넷 장비 및 기상센서 장비는 태양광 거래를 주관하는 기관에서 신뢰할 수 있을 정도로 규격화되지 않은 실정이다.
최근 국내의 경우에 태양광 발전 시스템이 설치되는 지역이 확대되고 있으나, 해당 지역에서 태양광 발전량을 실시간으로 분석하기에는 여러가지 어려움이 존재하고 있다. 태양광 발전량의 경우에는 지표면에 도달하는 태양 입사광을 측정하는 방식, 전천 사진을 통해서 구름 분석을 통해서 운량과 일사량을 분석하는 방식, 위성 사진을 통해서 구름의 운량, 형태, 이동 방향을 분석하는 방식 등 다양한 선행 기술들이 연구되었다.
특허문헌 1에서 개시하는 전천 사진의 분석을 통한 운량을 측정하는 기술은 실측값 획득의 어려움이 있어서 신뢰성을 검증하기 어렵다는 문제점이 지적되고 있다.
또한, 특허문헌 2에서 개시하는 위성 사진을 이용하여 구름 영역을 검출하는 방식은 너무 광범위한 지역에 대한 구름 영역과 비구름 영역을 식별할 수 있어서 실질적인 태양광 발전량 예측을 위한 자료로 사용하기에는 정확도가 낮다는 지적을 받고 있다.
또한, 특허문헌 3에서 개시하는 전천사진으로부터 운량을 계산하는 방법은 전천사진의 왜곡 이미지로부터 발생하는 운량 측정 오차를 해결하기 위하여 전천사진을 구획하여 왜곡이 많은 영역을 보정하는 방식이지만, 이렇게 전천사진의 왜곡을 보정하더라도 다른 요인으로 인한 측정 오차를 해결할 수 없고, 특히 구름 형태, 구름의 움직임 등으로 인하여 실시간 예측을 할 수 없다는 문제점이 지적되고 있다.
이에, 전천 사진을 통해서 운량을 계산할 경우에 구름 형태, 두께, 움직임 등을 종합적으로 고려하여 운량을 계산함으로써 태양광 발전량에 영향을 미치는 주요 요인인 운량을 정확하게 연산할 수 있고, 기후 데이터를 운량 예측에 활용함으로써 태양광 발전량을 실시간으로 연산하고 분석하여 최적의 태양광 발전 효율을 제공할 수 있는 새로운 기술 개발의 필요성이 있다.
특허문헌 1 : 등록특허 제10-1709860호(공고일 : 2017년02월23일) 특허문헌 2 : 등록특허 제10-1922645호(공고일 : 2018년11월27일) 특허문헌 3 : 등록특허 제10-1879332호(공고일 : 2018년07월11일)
상술한 필요성에 의해서 안출된 본 발명은 전천 사진에서 태양 영역, 구름 영역, 비구름 영역을 분리하고, 태양과 구름의 중첩으로 인한 발생하는 측정 오류를 개선함으로써 태양광 발전량 예측의 정확도를 개선시킨 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치는, 태양광 패널이 설치된 영역으로부터 기 결정된 거리만큼 떨어진 복수의 개소에 설치되서 일정 영역의 하늘 사진을 촬상하는 복수의 촬상부; 상기 복수의 촬상부에 인접하게 설치되서 기후 데이터를 수집하는 복수의 기후 데이터 수집부; 상기 복수의 촬상부로부터 촬상된 복수의 하늘 사진과 상기 기후 데이터 수집부에서 수집된 해당 촬상부에 관련된 기후 데이터를 이용하여 해당 지역의 운량을 실시간으로 연산하는 연산부; 및 상기 실시간으로 연산된 운량을 이용하여 태양광 발전량을 예측하는 예측부;를 포함한다.
이 경우에, 상기 복수의 촬상부는, 상기 태양광 패널을 중심으로 제1 촬상부와 제2 촬상부가 대칭을 이루며 제1 직선 상에 배치되고, 상기 제1 직선과 교차하는 제2 직선 상에 제3 촬상부와 제4 촬상부가 대칭을 이루며 배치될 수 있다.
이 경우에, 상기 기후 데이터 수집부는, 상기 제1 촬상부 내지 상기 제4 촬상부에 각각 인접하게 설치되는 제1 내지 4 기후 데이터 센싱부로 구성되고, 상기 제1 내지 4 기후 데이터 센싱부는, 온도, 습도, 풍향, 및 일사량 중 적어도 하나 이상의 기후 데이터를 센싱한다.
이 경우에, 상기 연산부는, 상기 복수의 전천 사진에 대한 이미지 분석을 하여 태양 영역과 비태양 영역을 구분하는 처리를 실행한다.
이 경우에, 상기 연산부는, 상기 태양 영역 중 구름에 의해서 가려지는 중첩 영역을 추출하는 처리를 실행한다.
이 경우에, 상기 연산부는, 상기 비태양 영역을 구름 영역과 하늘 영역으로 구분하는 처리를 실행한다.
이 경우에, 상기 연산부는, RGB값에 의해서 상기 구름 영역을 적어도 2 이상으로 구분하는 처리를 실행한다.
이 경우에, 상기 연산부는, 상기 기후 데이터 수집부로터 수집된 기후 데이터를 이용하여 상기 제1 내지 4 촬상부에서 얻어진 전천 사진의 시계열적 변화를 보정하는 처리를 실행한다.
본 발명의 다른 실시 예에 따르면 태양광 패널이 설치된 영역으로부터 등간격으로 기 결정된 거리만큼 떨어진 복수의 개소에 설치되서 일정 영역의 하늘 사진을 촬상하는 복수의 촬상부, 상기 복수의 촬상부에 인접하게 설치되서 주변 기후 데이터를 수집하는 복수의 기후 데이터 수집부 및 상기 복수의 촬상부로부터 촬상된 복수의 전천 사진과 상기 기후 데이터 수집부에서 수집된 해당 촬상부에 매핑된 기후 데이터를 이용하여 해당 지역의 운량을 실시간으로 연산하는 연산부를 포함하는 태양광 발전량 예측 장치를 이용한 태양광 발전량 예측 방법에 있어서, 상기 연산부는, 상기 복수의 전천 사진에 대한 이미지 분석을 하여 태양 영역과 비태양 영역을 구분하는 처리를 실행하는 단계; 상기 태양 영역 중 구름에 의해서 가려지는 중첩 영역을 추출하는 처리를 실행하는 단계; 상기 비태양 영역을 구름 영역과 하늘 영역으로 구분하는 처리를 실행하는 단계; 및 상기 연산부는, RGB값에 의해서 상기 구름 영역을 적어도 2 이상으로 구분하는 처리를 실행하는 단계;를 포함한다.
이 경우에, 상기 연산부는, 상기 기후 데이터 수집부에서 수집된 기후 데이터를 이용하여 상기 태양 영역과 상기 중첩 영역의 시계열적 변화를 보정하는 처리를 실행하는 단계;를 더 실행시킨다.
본 발명의 다양한 실시 예에 따르면 전천 사진에서 태양 영역, 구름 영역, 비구름 영역을 분리하고, 태양과 구름의 중첩으로 인한 발생하는 측정 오류를 개선함으로써 태양광 발전량 예측의 정확도를 개선시키는 효과를 발휘하고,
또한, 복수의 지점에서 수집된 전천 사진과 기후 데이터 정보를 이용하여 시계열적인 변화를 실시간으로 연산함으로써 예측 정보의 최신성을 유지할 수 있는 효과를 발휘한다.
도 1은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치를 예시적으로 설명하기 위한 블럭도,
도 2는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 하늘 사진을 획득하기 위한 복수의 촬상부의 제1 실시 예를 설명하는 도면,
도 3은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 하늘 사진을 획득하기 위한 복수의 촬상부의 제2 실시예를 설명하는 도면,
도 4는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 연산부의 동작을 예시적으로 설명하기 위한 도면,
도 5는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 예측부의 동작을 예시적으로 설명하기 위한 도면,
도 6은 본 발명의 다른 실시 예에 따른 태양광 발전량 예측 장치를 이용한 태양광 발전량 예측 방법을 예시적으로 설명하기 위한 도면,
도 7은 본 발명의 다른 실시 예에 따른 태양광 발전량 예측 방법을 예시적으로 설명하기 위한 도면, 그리고,
도 8은 본 발명의 다른 실시 예에 따른 태양광 발전량 예측 방법 중 기후 데이터를 적용하여 운량의 변화를 예측하는 일 예를 도시한 도면.
이하에서 도면을 참고하여 본 발명의 바람직한 실시 예를 중심으로 설명한다.
도 1은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치를 예시적으로 설명하기 위한 블럭도이다. 도 1을 참고하면, 태양광 발전량 에측 장치(100)는 촬상부(110), 기후 데이터 수집부(120), 연산부(130), 예측부(140) 및 저장부(150)를 포함한다.
촬상부(110)는 특정 영역의 하늘 사진(전천 사진)을 찍을 수 있는 카메라로 구성될 수 있다. 본 발명의 경우에는 촬상부(110)는 적어도 복수의 개소에 설치하는 것이 바람직하다. 촬상부(110)는 태양광 패널을 중심으로 일정한 거리로 떨어진 복수의 개소에 설치하되, 각각의 촬상부(110)에 의해서 촬상된 하늘 사진은 태양광 패널의 수직 상부 하늘 사진을 중심 영역으로 포함한다. 촬상부(110)에 의해서 하늘 사진을 촬상하는 방식에 대해서는 이하에서 별도의 도면을 참고하여 보다 자세히 설명한다.
촬상부(110)는 하늘 사진을 촬상할 수 있도록 광각 렌즈, 어안 렌즈 등으로 보다 넓은 범위의 하늘 영역 사진을 촬상할 수 있다.
기후 데이터 수집부(120)는 촬상부(110)에 인접하게 설치되고, 촬상부(110) 주변의 기후 데이터를 수집한다. 기후 데이터 수집부(120)는 기온, 습도, 단위 면적당 입사량, 미세먼지 농도, 풍향, 풍속 등 기후와 관련된 다양한 정보를 수집한다. 이러한 기후 데이터 수집부(120)는 다양한 센서를 통합하여 구성할 수 있다. 예컨대, 습도계, 온도계, 조도계, 풍향계, 풍속계, 미세먼지 농도계 등의 개별적인 센서를 PCB보드에 통합적으로 포함하여 구성할 수 있다.
본 발명에서 기후 데이터 수집부(120)를 구성하는 각종의 센서는 이미 널리 알려진 센서를 사용하고, 뿐만아니라 추후 개발될 수 있는 다양한 종류의 기후 정보를 수집할 수 있는 센서를 채택하여 사용할 수 있다. 다만, 이러한 센서의 구체적인 구조나 기능에 대해서는 본 발명의 본질적인 부분은 아니므로 자세한 설명을 생략한다.
연산부(130)는 이미지 처리 모듈, 기후 데이터 처리 모듈 등을 포함한다. 연산부(130)는 촬상부(110)로부터 촬상된 하늘 사진을 분석할 수 있는 이미지 처리 모듈을 포함한다. 우선 연산부(130)는 하늘 사진에서 태양 위치를 파악하고, 태양 위치를 중심으로 태양과 비태양 영역을 구분한다. 연산부(130)는 전천 사진에서 태양의 위치를 파악할 수 없는 경우에는 태양 영역과 비태양 영역을 연산구분하는 처리를 실행하지 않고, 구름 영역과 비구름 영역으로 구분하는 이미지 프로세싱을 실행할 수 있다. 연산부(130)는 태양 영역과 비태양 영역을 구분한 경우, 태양 영역을 구름에 가려진 영역과 구름에 가려지지 않은 영역으로 구분한다. 또한 연산부(130)는 비태양 영역에서 대해서는 구름 영역과 하늘 영역으로 구분한다. 그리고 연산부(130)는 구름 영역에 대해서 픽셀의 RGB값을 이용하여 복수의 영역으로 구분할 수 있다. 예컨대, 연산부(130)는 CNN(Convolution Neural Network) 알고리즘을 이용하여 비태양 영역에 대해서 관심 영역과 비관심 영역으로 구분하고, 관심 영역을 추출한다. 연산부(130)는 추출된 관심 영역 중에서 RGB값을 기준으로 보다 심층적인 분석을 진행하여 복수의 영역으로 구분한다. 이렇게 관심 영역을 보다 심층적으로 복수의 영역으로 구분하는 이유는 구름의 두께나 구름의 이동 등을 분석하기 위함이다.
연산부(130)는 기후 데이터 수집부(120)로부터 기후 데이터를 수신하고, 수신된 기후 데이터를 이용하여 기후 결과를 예측하고 또는 예된 기후 결과를 상술한 구름 영역에 반영하여 동적인 구름 영역 정보를 생성한다, 예컨대, 복수의 지점에서 얻어진 기후 데이터를 각각의 지점에서 얻어진 하늘 사진에 적용함으로써 실시간으로 변화하는 구름의 이동 방향, 이로 인하여 구름의 형태 변화를 예측한다. 또한 구름의 이동 및 형태의 변화에 따라 구름 영역과 비 구름 영역의 변화를 예측하고, 구름 영역에 대한 심층적인 분석 결과에도 반영함으로써 실시간으로 구름의 이동 및 변화를 예측할 수 있다.
예측부(140)는 연산부(130)로부터 수신된 구름에 관한 정보 및 저장부(150)로부터 수신된 과거 태양광 발전량 정보 및 과거 구름량 정보 등을 이용하여 태양광 발전량을 예측한다. 예측부(140)는 과거 구름량 정보 및 맑은 하늘의 태양광 발전량 정보를 이용하여 구름낀 상황에서의 태양광 발전량을 예측한 상관 데이터 세트를 저장부(150)에 저장시킨다. 이렇게 예측부(140)는 과거 태양광 발전량을 예측한 이력을 훈련 데이터로 사용하여 딥러닝 기반의 인공지능 예측 모듈울 훈련시켜서 입력값과 출력값 사이의 상관 분석에 대한 각종의 파마리터에 대한 최적화를 수행한다.
예측부(140)는 기후 데이터 및 과거 태양광 발전량 데이터 등을 이용하여 맑은 하늘의 태양광 발전량을 예측하고, 기후 데이터 및 구름 사진등을 분석하여 구름량을 예측하고, 예측된 태양광 발전량과 예측된 구름량을 이용하여 실시간 태양광 발전량을 예측한다. 예측부(140)는 일정 시간 주기로 태양광 발전량을 예측하고, 이렇게 예측된 태양광 발전량을 하루 주기로 과거 데이터와 비교하여 익일 태양광 발전량을 예측한다.
저장부(150)는 과거 태양광 발전량 데이터, 과거 구름량 데이터, 과거 기후 데이터, 실시간 태양광 발전량 예측 데이터, 실시간 구름량 예측 데이터, 실시간 기후 데이터 등을 저장한다. 저장부(150)는 다음 표 1과 같이 각종의 데이터를 시계열적인 정보와 함께 저장함으로써 예측 데이터와 결과 데이터를 비교하여 이들 사이의 차이값을 추후 비교하여 데이터 예측을 위한 자료로 활용할 수 있다.
시간 위치 과거 태양광 발전량 과거 구름량 기후정보 예측 구름량 예측 태양광 발전량
12:50 위도 33.xxx
경도 126.xxx
고도 102.xxx		 100Kwh 30% 온도 23℃
습도 40%
일사량 5MJ/㎡		 20.5% 120Kwh
12:55 위도 33.xxx
경도 126.xxx
고도 102.xxx		 98Kwh 31% 온도 23℃
습도 390%
일사량 4.98MJ/㎡		 20.0% 121Kwh
13:00 위도 33.xxx
경도 126.xxx
고도 102.xxx		 97Kwh 32% 온도 23℃
습도 40%
일사량 4.96MJ/㎡		 21.5% 117Kwh
13:05 위도 33.xxx
경도 126.xxx
고도 102.xxx		 105Kwh 28% 온도 23℃
습도 40%
일사량 5.1MJ/㎡		 18.5% 125Kwh
상기 표 1을 참고하면, 본 발명의 태양광 발전량 예측 장치(100)는 일정한 시간 주기(예컨대 1분주기)로 태양광 발전량 예측을 할 수 있고, 이렇게 빠른 주기로 태양광 발전량 예측이 가능한 이유는 구름량과 태양광 발전량 사이의 상관관계에 대한 과거 데이터 분석을 통해서 구름량을 실시간으로 예측하고, 예측된 구름량과 기후 정보 등을 기초로 과거 태양광 발전량 정보를 매칭하여 실시간 태양광 발전량을 예측할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 하늘 사진을 획득하기 위한 복수의 촬상부의 제1 실시 예를 설명하는 도면이다. 도 2를 참고하면, 복수의 촬상부(110-1 내지 110-4)는 태양광 패널(20)을 중심으로 하여 일정한 거리 이격된 상태로 복수의 개소에 설치될 수 있다. 도 2의 경우에는 제1 촬상부(110-1)와 제4 촬상부(110-4)는 제1 직선 상에 놓이고, 제2 촬상부(110-2)와 제3 촬상부(110-3)는 제2 직선 상에 놓이고, 제1 직선과 제2 직선은 서로 직각을 이루지 않도록 교차하게 배치될 수 있다.
이렇게 배치된 경우 제1 촬상부(110-1)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제1 하늘 사진(CP-1)을 촬상한다. 제2 촬상부(110-2)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제2 하늘 사진(CP-2)을 촬상한다. 제3 촬상부(110-3)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제3 하늘 사진(CP-3)을 촬상한다. 제4 촬상부(110-4)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제4 하늘 사진(CP-4)을 촬상한다.
복수의 촬상부(110-1 내지 110-4) 에 의해서 촬상된 제1 내지 4 하늘 사진은 동시에 촬상하더라도 촬상부(110)의 위치가 다르므로 구름의 형태가 조금씩 상이할 수 있다. 또한, 구름은 계속 이동하므로 구름의 이동에 따라 구름의 형태가 변화한다.
본 발명의 경우에는 구름의 이동을 실시간으로 분석할 수 있도록 복수의 촬상부(110-1 내지 110-4)에서 얻어진 하늘 사진을 분석하여 구름의 이동 방향과 구름의 이동에 따른 형태 변화를 실시간으로 예측할 수 있다. 이에 대한 자세한 설명은 별도의 도면을 참고하여 설명한다.
기후 데이터 수집부(120)는 각각의 촬상부(110-1 내지 110-4)에 인접하게 복수의 기후 데이터 수집부(120-1 내지 120-4)를 설치한다.
도 3은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 하늘 사진을 획득하기 위한 복수의 촬상부의 제2 실시예를 설명하는 도면이다. 도 3을 참고하면, 복수의 촬상부(110-1 내지 110-4)는 태양광 패널(20)을 중심으로 하여 일정한 거리 이격된 상태로 복수의 개소에 설치될 수 있다. 도 3의 경우에는 제1 촬상부(110-1)와 제4 촬상부(110-4)는 제1 직선 상에 놓이고, 제2 촬상부(110-2)와 제3 촬상부(110-3)는 제2 직선 상에 놓이고, 제1 직선과 제2 직선은 서로 직각을 이루도록 교차하게 배치될 수 있다.
이렇게 배치된 경우 제1 촬상부(110-1)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제1 하늘 사진(CP-1)을 촬상한다. 제2 촬상부(110-2)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제2 하늘 사진(CP-2)을 촬상한다. 제3 촬상부(110-3)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제3 하늘 사진(CP-3)을 촬상한다. 제4 촬상부(110-4)는 태양광 모듈(20)의 수직 상부의 하늘 영역과 그 주변 영역을 포함한 제4 하늘 사진(CP-4)을 촬상한다.
도 4는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 연산부의 동작을 예시적으로 설명하기 위한 도면이다. 도 4(a)를 참고하면, 제1 촬상부(110-1)는 특정 시점에 제1 하늘 사진(CP-1)을 촬상한다. 제1 하늘 사진(CP-1)에는 태양, 구름 및 하늘이 모두 포함되어 있다. 도 4(b)를 참고하면, 연산부(130)는 제1 하늘 사진(CP-1)을 태양 영역과 비태양 영역으로 구분하고, 태양 영역을 구름에 가려지지 않은 영역(제1 영역)과 구름에 가려진 영역(제2 영역)으로 구분한다. 연산부(130)는 비태양 영역에 대해서 구름 영역(제3 영역, 제4 영역)과 하늘 영역(제5 영역)으로 구분한다. 연산부(130)는 하늘 사진을 이미지 프로세싱하여 제1 내지 5 영역으로 구분할 수 있다. 여기서 제1 영역은 구름에 의해서 가려지지 않은 태양 영역이고, 제5 영역은 하늘 영역으로 구름이 없는 영역이다. 제2 내지 제4 영역은 구름에 의해서 태양이 가려지는 영역이므로, 이러한 제2 내지 제4 영역의 합계를 이용하여 구름량을 결정할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 태양광 발전량 예측 장치의 예측부의 동작을 예시적으로 설명하기 위한 도면이다. 도 5를 참고하면, 예측부(140)는 과거 태양광 발전량(Historical Photo Voltaic : HPV)와 과거 구름량(Historical Cloud Cover : HCC)을 저장부(150)로부터 불러온다. 예측부(140)는 태양광 발전량(PhotoVoltaic : PV)을 맑은 하늘의 태양광 발전량(Clear Sky Ptotho Voltaic : CS_PV)으로 변환한다. 예측부(140)는 이렇게 변환된 맑은 하늘의 태양광 발전량(CS_PV)을 CS_PV 추정 모델에 훈련 데이터로 입력하고, 계속적으로 CS_PV 추정 모델을 고도화한다.
예측부(140)의 CS_PV 추정 모델은 실시간으로 CS_PV를 추정하고, 예측부(140)는 추정된 CS_PV를 추정된 PV로 변환한다. 이때 예측부(140)는 추정된 CS_PV를 실시간으로 예측되는 구름량(Forecasted Cloud Cover : FCC)을 이용하여 추정된 PV로 변환한다. 예측부(140)는 실시간으로 추정되는 PV의 추이를 연산하여 익일 태양광 발전량을 예측한다.
도 6은 본 발명의 다른 실시 예에 따른 태양광 발전량 예측 장치를 이용한 태양광 발전량 예측 방법을 예시적으로 설명하기 위한 도면이다. 도 6을 참고하면, 복수의 촬상부(110-1 내지 110-4)에 의해서 복수의 지점에 대한 하늘 사진을 획득하고, 복수의 하늘 사진에서 태양 영역과 비태양 영역을 구분하는 처리를 실행한다(S610). 이러한 단계(S610)에서는 하늘 사진 중 태양의 존재를 감지하고, 태양과 비태양 부분을 분리함으로써, 이하에서 설명하는 태양 영역과 구름 영역의 경계를 정밀하게 구분할 수 있다.
연산부(130)는 태양 영역 중 구름에 의해서 가려지는 영역과 가려지지 않는 영역을 구분함으로써 태양 영역 중 구름에 의해서 가려지는 중첩 영역을 추출하는 처리를 할 수 있다(S620). 이러한 단계(S620)에서는 태양 영역과 구름 영역의 경계를 정밀하게 구분함으로써, 이들을 구분하지 못하여 초래되는 구름량의 예측 오류를 감소시킬 수 있다.
연산부(130)는 비태양 영역을 구름 영역과 하늘 영역으로 구분하는 처리를 실행한다(S630). 구름 영역은 태양광을 전부 또는 일부 차단하고 하늘 영역은 태양광을 전부 또는 일부 통과시키는 영역이므로, 구름 영역을 구분하여 구름량을 예측할 수 있다.
연산부(130)는 구름 영역을 적어도 2개 이상의 영역으로 구분하는 처리를 실행한다(S640). 이러한 단계(S640)에서는 구름 영역을 구성하는 RGB값을 이용하여 구름 영역의 두께를 구별하고, 구름의 이동 및 구름의 형태를 구별할 수 있다. 본 발명의 경우에는 구름의 이동을 실시간으로 파악하여 이를 토대로 구름의 형태, 구름의 두께 등을 예측할 수 있다.
도 7은 본 발명의 다른 실시 예에 따른 태양광 발전량 예측 방법을 예시적으로 설명하기 위한 도면이다. 도 7을 참고하면, 연산부(130)는 하늘 사진에서 태양의 중심 위치를 추정한다. 연산부(130)는 하늘 사진에 태양이 존재하지 않을 경우에는 태양 중심 위치를 찾는 단계를 생략할 수 있다. 연산부(130)는 태양 중심 위치를 찾은 후, 태양을 포함하는 더 큰 크기의 가상의 윈도우를 설정하고, 해당 윈도우에 포함되는 하늘 사진의 제1 윈도우(AR1)에 대한 이미지 프로세싱을 실행한다. 연산부(130)는 제1 윈도우(AR1)에 대해서는 태양 영역과 비태양 영역을 구분하고, 태양 영역 중에서 구름에 가려지지 않는 영역(제1 영역)과 구름에 가려지는 영역(제2 영역)으로 구분하는 이미지 프로세싱을 한다.
연산부(130)는 태양을 부분적으로 포함하거나 포함하지 않도록 하늘 사진에 가상의 윈도우를 설정하고, 해당 윈도우에 포하되는 하늘 사진의 제2 윈도우(AR2)에 대한 이미지 프로세싱을 실행한다. 연산부(130)는 제2 윈도우(AR2)에 대해서는 구름 영역(제3, 4영역)과 하늘 영역(제5 영역)으로 구분하고, 구름 영역에 대해서는 진한 구름 영역(제3 영역)과 옅은 구름 영역(제4 영역)으로 구분한다.
연산부(130)는 구름 영역과 하늘 영역으로 구분할 경우에 하늘 사진의 픽셀의 RGB값을 이용하여 구분할 수 있으며, 이때 적용되는 딥러닝 알고리즘은 CNN 알고리즘을 이용하여 관심 영역과 비관심 영역으로 구분하고, 관심 영역을 구름 영역으로 하고, 비관심 영역을 하늘 영역으로 하여 딥러닝에 의한 이미지 식별 처리에 의해서 구름 영역을 식별할 수 있다. 또한, 연산부(130)는 구름 영역에 대해서 RGB값의 변화를 이용하여 진한 구름 영역(제3 영역)과 옅은 구름 영역(제4 영역)을 구분함으로써 보다 심층적으로 구름 영역을 구별할 수 있다. 이로 인하여 본 발명은 구름량을 예측함에 있어서 보다 정밀도를 높일 수 있게 된다.
도 8은 본 발명의 다른 실시 예에 따른 태양광 발전량 예측 방법 중 기후 데이터를 적용하여 운량의 변화를 예측하는 일 예를 도시한 도면이다. 도 8(a)를 참고하면, 20xx년 x월 x일 14시45분에 제1 촬상부(110-1)에 의해서 촬상된 특정 지점의 하늘 사진이다. 도 8(b)를 참고하면, 20xx년 x월 x일 14시55분에 제2 촬상부(110-2)에 의해서 촬상된 특정 지점의 하늘 사진이다. 도 8(c)를 참고하면, 20xx년 x월 x일 15시05분에 제3 촬상부(110-3)에 의해서 촬상된 특정 지점의 하늘 사진이다. 도 8(d)를 참고하면, 20xx년 x월 x일 15시15분에 제4 촬상부(110-4)에 의해서 촬상된 특정 지점의 하늘 사진이다.
도 8(a) 내지 8(d)를 참고하면, 복수의 촬상부(110-1 내지 110-4)는 구름의 이동 방향을 추적할 수 있도록 배치되어 있다. 따라서, 복수의 촬상부(110-1 내지 110-4)에 의해서 촬상된 제1 내지 4 하늘 사진을 시계열적 요소를 반영하여 분석함으로써, 익일 구름량 예측 시에 예측 정확도를 높여줄 수 있는 요소로 사용될 수 있다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100 : 태양광 발전량 예측 장치
110 : 촬상부
120 : 기후 데이터 수집부
130 : 연산부
140 : 예측부
150 : 저장부
20 : 태양광 패널

Claims (10)

  1. 태양광 발전량 예측 장치에 있어서,
    태양광 패널이 설치된 영역으로부터 기 결정된 거리만큼 떨어진 복수의 개소에 설치되서 일정 영역의 하늘 사진을 촬상하는 복수의 촬상부;
    상기 복수의 촬상부에 인접하게 설치되서 기후 데이터를 수집하는 복수의 기후 데이터 수집부;
    상기 복수의 촬상부로부터 촬상된 복수의 하늘 사진과 상기 기후 데이터 수집부에서 수집된 해당 촬상부에 관련된 기후 데이터를 이용하여 해당 지역의 운량을 실시간으로 연산하는 연산부; 및
    상기 실시간으로 연산된 운량을 이용하여 태양광 발전량을 예측하는 예측부;를 포함하는 태양광 발전량 예측 장치.
  2. 제1 항에 있어서,
    상기 복수의 촬상부는, 상기 태양광 패널을 중심으로 제1 촬상부와 제2 촬상부가 대칭을 이루며 제1 직선 상에 배치되고, 상기 제1 직선과 교차하는 제2 직선 상에 제3 촬상부와 제4 촬상부가 대칭을 이루며 배치되는 것을 특징으로 하는 태양광 발전량 예측 장치.
  3. 제2 항에 있어서,
    상기 기후 데이터 수집부는, 상기 제1 촬상부 내지 상기 제4 촬상부에 각각 인접하게 설치되는 제1 내지 4 기후 데이터 센싱부로 구성되고,
    상기 제1 내지 4 기후 데이터 센싱부는, 온도, 습도, 풍향, 및 일사량 중 적어도 하나 이상의 기후 데이터를 센싱하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  4. 제1 항에 있어서,
    상기 연산부는, 상기 복수의 전천 사진에 대한 이미지 분석을 하여 태양 영역과 비태양 영역을 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  5. 제4 항에 있어서,
    상기 연산부는, 상기 태양 영역 중 구름에 의해서 가려지는 중첩 영역을 추출하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  6. 제5 항에 있어서,
    상기 연산부는, 상기 비태양 영역을 구름 영역과 하늘 영역으로 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  7. 제6 항에 있어서,
    상기 연산부는, RGB값에 의해서 상기 구름 영역을 적어도 2 이상으로 구분하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  8. 제2 항에 있어서,
    상기 연산부는, 상기 기후 데이터 수집부로터 수집된 기후 데이터를 이용하여 상기 제1 내지 4 촬상부에서 얻어진 전천 사진의 시계열적 변화를 보정하는 처리를 실행하는 것을 특징으로 하는 태양광 발전량 예측 장치.
  9. 태양광 패널이 설치된 영역으로부터 기 결정된 거리만큼 떨어진 복수의 개소에 설치되서 일정 영역의 하늘 사진을 촬상하는 복수의 촬상부, 상기 복수의 촬상부에 인접하게 설치되서 기후 데이터를 수집하는 복수의 기후 데이터 수집부, 상기 복수의 촬상부로부터 촬상된 복수의 하늘 사진과 상기 기후 데이터 수집부에서 수집된 해당 촬상부에 관련된 기후 데이터를 이용하여 해당 지역의 운량을 실시간으로 연산하는 연산부 및 상기 실시간으로 연산된 운량을 이용하여 태양광 발전량을 예측하는 예측부를 포함하는 태양광 발전량 예측 장치를 이용한 태양광 발전량 예측 방법에 있어서,
    상기 연산부는, 상기 복수의 하늘 사진에 대한 이미지 분석을 하여 태양 영역과 비태양 영역을 구분하는 처리를 실행하는 단계;
    상기 태양 영역 중 구름에 의해서 가려지는 중첩 영역을 추출하는 처리를 실행하는 단계;
    상기 비태양 영역을 구름 영역과 하늘 영역으로 구분하는 처리를 실행하는 단계; 및
    상기 연산부는, RGB값에 의해서 상기 구름 영역을 적어도 2개 이상의 영역으로 구분하는 처리를 실행하는 단계;를 포함하는 태양광 발전량 예측 방법.
  10. 제9 항에 있어서,
    상기 연산부는, 상기 기후 데이터 수집부에서 수집된 기후 데이터를 이용하여 상기 태양 영역과 상기 중첩 영역의 시계열적 변화를 보정하는 처리를 실행하는 단계;를 더 실행시키는 것을 특징으로 하는 태양광 발전량 예측 방법.
KR1020190126537A 2019-10-11 2019-10-11 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법 KR20210043388A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190126537A KR20210043388A (ko) 2019-10-11 2019-10-11 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190126537A KR20210043388A (ko) 2019-10-11 2019-10-11 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법

Publications (1)

Publication Number Publication Date
KR20210043388A true KR20210043388A (ko) 2021-04-21

Family

ID=75744351

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190126537A KR20210043388A (ko) 2019-10-11 2019-10-11 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법

Country Status (1)

Country Link
KR (1) KR20210043388A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114189210A (zh) * 2021-10-29 2022-03-15 国网山东省电力公司莒县供电公司 一种基于物联网的分布式光伏数据采集及处理终端
KR102460279B1 (ko) * 2021-11-23 2022-10-28 써니사이드(주) 태양광 분산 에너지 자원의 정보 제공 시스템
KR20230034559A (ko) * 2021-09-03 2023-03-10 경북대학교 산학협력단 태양광 발전 예측 시스템
KR20230094798A (ko) 2021-12-21 2023-06-28 양범승 발전량 예측시스템
KR102675597B1 (ko) * 2023-09-14 2024-06-14 주식회사 해줌 단기 태양광 발전량 예측 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101709860B1 (ko) 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR101879332B1 (ko) 2011-09-07 2018-07-17 엘지전자 주식회사 전천사진으로부터 운량을 계산하는 방법, 그 계산한 운량을 이용하여 태양광 발전량을 예측하는 방법 및 그 방법을 이용하는 구름 관측 장치
KR101922645B1 (ko) 2017-06-09 2018-11-27 한국항공우주연구원 구름 영역 검출 방법 및 구름 영역 검출 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101879332B1 (ko) 2011-09-07 2018-07-17 엘지전자 주식회사 전천사진으로부터 운량을 계산하는 방법, 그 계산한 운량을 이용하여 태양광 발전량을 예측하는 방법 및 그 방법을 이용하는 구름 관측 장치
KR101709860B1 (ko) 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR101922645B1 (ko) 2017-06-09 2018-11-27 한국항공우주연구원 구름 영역 검출 방법 및 구름 영역 검출 장치

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230034559A (ko) * 2021-09-03 2023-03-10 경북대학교 산학협력단 태양광 발전 예측 시스템
US12095417B2 (en) 2021-09-03 2024-09-17 Kyungpook National University Industry-Academic Cooperation Foundation Prediction system for solar photovoltaic generation
CN114189210A (zh) * 2021-10-29 2022-03-15 国网山东省电力公司莒县供电公司 一种基于物联网的分布式光伏数据采集及处理终端
CN114189210B (zh) * 2021-10-29 2024-06-11 国网山东省电力公司莒县供电公司 一种基于物联网的分布式光伏数据采集及处理终端
KR102460279B1 (ko) * 2021-11-23 2022-10-28 써니사이드(주) 태양광 분산 에너지 자원의 정보 제공 시스템
KR20230094798A (ko) 2021-12-21 2023-06-28 양범승 발전량 예측시스템
KR102675597B1 (ko) * 2023-09-14 2024-06-14 주식회사 해줌 단기 태양광 발전량 예측 시스템

Similar Documents

Publication Publication Date Title
KR20210043388A (ko) 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법
Bernecker et al. Continuous short-term irradiance forecasts using sky images
KR102136106B1 (ko) 태양광 발전량 예측 장치
Carletti et al. An intelligent flying system for automatic detection of faults in photovoltaic plants
CN113538391B (zh) 一种基于Yolov4和热红外图像的光伏缺陷检测方法
Su et al. RCAG-Net: Residual channelwise attention gate network for hot spot defect detection of photovoltaic farms
KR102520423B1 (ko) 단열재 하부 부식을 탐지하기 위한 배치 상태의 최적화를 위한 기계 학습 시스템 및 데이터 융합
CN111094956A (zh) 用神经网络对热成像图像进行处理以鉴定保温层下腐蚀(cui)
KR20230061815A (ko) 기후 데이터 및 하늘 사진을 이용한 태양광 발전량 예측 장치 및 이를 이용한 태양광 발전량 예측 방법
KR102359306B1 (ko) 인공지능을 이용한 영상분석 시스템 및 이를 이용한 방법
CN110514298A (zh) 一种基于地基云图的太阳辐照强度计算方法
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
KR100944791B1 (ko) 수위 관측 시스템 및 수위레벨 원격 측정 방법
CN112001922B (zh) 带电设备的缺陷诊断方法及设备
WO2020111934A1 (en) A method and system for detection of natural disaster occurrence
Yousef et al. Shoreline extraction from light detection and ranging digital elevation model data and aerial images
CN105184233A (zh) 基于多源信息融合的在室人数测量及记录的方法及装置
CN116844147A (zh) 一种基于深度学习的指针式仪表识别和异常警报方法
CN116612103A (zh) 一种基于机器视觉的建筑结构裂缝智能检测方法及其系统
Kesseli et al. A combined computer vision and deep learning approach for rapid drone-based optical characterization of parabolic troughs
CN110929711B (zh) 运用于固定场景关于身份信息和形体信息自动关联的方法
Jacobs et al. Adventures in archiving and using three years of webcam images
Bommes et al. Georeferencing of photovoltaic modules from aerial infrared videos using structure‐from‐motion
Tapakis et al. Monitoring cloud motion in cyprus for solar irradiance prediction
CN114596003B (zh) 植物景观视觉舒适性的分析方法和装置

Legal Events

Date Code Title Description
E601 Decision to refuse application
E902 Notification of reason for refusal