KR20220092628A - 태양광 전력 곡선 모델링 방법 및 장치, 및 컴퓨터 디바이스 및 저장 매체 - Google Patents

Abstract

본 개시는 태양광 전력 곡선 모델링 방법 및 장치, 컴퓨터 디바이스 및 그 저장 매체에 관한 것이다. 방법은: 지정된 시간 주기 내 다양한 시점들에서 태양광 데이터를 획득하는 단계; 다양한 시점들에서의 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하는 단계; 및 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라, 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하는 단계를 포함한다. 이 방법을 통해, 태양광 데이터가 태양광 곡선 모델링 프로세스 동안 상이한 시간 주기들 내 피팅됨으로써, 상이한 시간 주기들 내 광전 변환 효율들 사이의 차이가 태양광 곡선 모델링에 미치는 영향을 줄이고, 태양광 곡선 모델링의 정확도를 향상시킬 수 있다.

Description

태양광 전력 곡선 모델링 방법 및 장치, 및 컴퓨터 디바이스 및 저장 매체

본 개시는 태양광 발전(photovoltaic power generation) 기술 분야에 관한 것으로, 보다 상세하게는, 태양광 전력 곡선(photovoltaic power curve)을 모델링하는 방법 및 장치, 컴퓨터 디바이스 및 그 저장 매체에 관한 것이다.

전력망에 태양광 발전(photovoltaics)이 대규모로 적용됨에 따라, 태양광 발전에 의해 야기되는 시간 변동, 변동성 및 무작위성은 전력망의 안전하고 안정적인 운영에 막대한 영향을 미칠 수 있고, 이는 전력망 배정(dispatching)의 어려움을 크게 증가시킨다. 태양광 전력 예측 기술은 태양광 망(grid) 연결 품질을 향상시키고 전력망 배정 계획을 최적화하고, 전력망의 안전하고 안정적인 운영을 촉진하기 위한 기초 기술이며, 전력망의 안전하고 안정적인 운영을 보장하는 데 매우 중요하다. 따라서, 이 기술은 태양광 전력 예측을 수행하는데 있어 매우 실질적인 유의성이 있다.

종래 기술에서, 태양광 필드 스테이션의 실시간 방사(irradiation) 관측 데이터 및 대응하는 실제 태양광 발전 데이터를 기초로, 통계적 회귀 방법을 사용하여 광전 변환 회귀 방정식(photoelectric conversion regression equation)을 수립함으로써 태양광 디바이스의 조도(irradiance) 및 발전 전력(generated power) 사이의 변환을 나타내는 관계 곡선을 얻는다.

종래 기술에서, 모든 태양광 데이터가 조도 및 발전 전력 사이의 변환을 나타내는 관계 곡선에 한번 피팅 되어있어 피팅 효과가 불량하고 정밀도가 낮은 결과를 낳았다.

본 개시의 실시 예들은 태양광 곡선 모델링의 정확도를 향상시킬 수 있는 태양광 곡선 모델링 방법 및 장치, 및 컴퓨터 디바이스 및 저장 매체를 제공한다. 기술적 솔루션들은 다음과 같다.

일 측면에서, 태양광 곡선 모델링 방법이 제공된다. 방법은 다음 단계들을 포함한다:

지정된 시간 주기 내 다양한 시점들에서 태양광 데이터를 획득하는 단계;

상기 다양한 시점들에서의 상기 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하는 단계 - 상기 적어도 2개의 태양광 데이터 패킷들 내 상이한 패킷들은 상이한 시간 주기들에 대응함 -; 및

상기 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하는 단계.

일 측면에서, 태양광 곡선 모델링 장치가 제공된다. 장치는:

지정된 시간 주기 내 다양한 시점들에서 태양광 데이터를 획득하도록 구성되는, 획득 모듈 - 상기 방사(irradiation) 검출 디바이스는 태양광 발전 디바이스에 배치됨 -;

다양한 시점들에서의 상기 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하도록 구성되는, 패킷화 모듈(packetizing module) - 상기 적어도 2개의 태양광 데이터 패킷들 내 상이한 패킷들은 상이한 시간 주기들에 대응함 -; 및

상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하도록 구성되는, 설립 모듈을 포함한다.

선택적으로, 장치는: 상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 대해 데이터 클리닝을 수행하도록 구성되는, 클리닝 모듈; 및

상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하도록 구성되는, 설립 모듈을 더 포함한다.

선택적으로, 태양광 데이터는 대응하는 시점의 태양광 발전 디바이스의 발전 전력(generated power) 및 대응하는 시점의 방사선(radiation) 검출 디바이스에 의해 수집된 조도(irradiance)를 포함하고; 상기 방사(irradiation) 검출 디바이스는 상기 태양광 발전 디바이스에 배치되고; 및

클리닝 모듈은:

비정상(abnormal) 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 상기 적어도 2개의 태양광 데이터 패킷들 내 비정상 데이터를 클리닝하도록 구성된, 제1 클리닝 서브모듈(submodule) - 상기 비정상 데이터는 방사 검출 디바이스의 고장의 경우에 생성된 데이터를 나타냄 -;

관련성 낮은 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들로부터 관련성 낮은 데이터를 제거하도록 구성된, 제2 클리닝 서브모듈 - 상기 관련성 낮은 데이터는 관련성이 관련성 임계치보다 낮은 태양광 데이터를 나타내고, 상기 관련성은 상기 대응하는 태양광 데이터 내 상기 발전 전력 및 상기 조도 사이의 상관관계를 나타내도록 의도됨 -;

이상치(outlier) 데이터가 제거된 상기 적어도 2개의 태양광 데이터 패킷들을 획득하기 위해 상기 관련성 낮은 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들로부터 국부 이상치 인자 알고리즘(local outlier factor algorithm)에 기초하여 이상치 데이터를 각각 제거하도록 구성된, 제3 클리닝 서브모듈 - 상기 이상치 데이터는 데이터 집중 영역으로부터 떨어진 태양광 데이터를 나타냄 -; 및

상기 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들에 따라, 상기 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 획득하도록 구성된, 제1 획득 서브모듈을 포함한다.

선택적으로, 제1 클리닝 서브모듈은:

상기 적어도 2개의 태양광 데이터 패킷들 내 누락된(missing) 데이터를 클리닝하고 - 상기 누락된 데이터는 상기 태양광 전력 데이터 내 상기 조도 데이터 또는 상기 발전 전력 데이터가 누락된 데이터를 나타냄 -;

상기 적어도 2개의 태양광 데이터 패킷들 내 야간 무효 데이터를 클리닝하고 - 상기 야간 무효 데이터는 야간 검출 동안 태양광 전력 검출 디바이스에 의해 얻어진 모든 데이터를 나타냄 -;

상기 적어도 2개의 태양광 데이터 패킷들 내 오버런(overrun) 데이터를 클리닝하고 - 상기 오버런 데이터는 합리적인 조도 데이터 범위 및/또는 합리적인 전력 데이터 범위를 초과하는 데이터를 나타냄 -; 및

상기 적어도 2개의 태양광 데이터 패킷들 내 데드 넘버들(dead numbers)을 클리닝하도록 구성된다 - 상기 데드 넘버들은 시간 순서로 4번 이상 나타나는 데이터를 나타냄 -.

선택적으로, 제2 클리닝 서브모듈은:

슬라이딩 윈도우들을 설립하고 - 상기 슬라이딩 윈도우 각각은 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터의 시간 분해능을 스텝 길이로 취하고, 태양광 데이터의 n개의 조각들 각각을 세트로 취함으로써 시간 순서로 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터에 의해 설립되고, 상기 태양광 데이터의 n개의 조각들 각각은 데이터 세트로 간주되고, 상기 슬라이딩 윈도우 중 하나는 상기 데이터 세트를 포함하고; 상기 시간 분해능은 상기 방사 검출 디바이스가 대응하는 시점에 인접한 태양광 데이터의 2개 조각들을 수집하는 최소 시간 간격을 나타냄 -;

슬라이딩 윈도우들 각각 내에서 상기 태양광 데이터의 피어슨 상관계수(Pearson correlation coefficient)를 계산하고;

상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터의 상관값(correlation value)을 계산하고 - 상기 상관값은, 중간 n-2개의 피어슨 상관계수들의 값들에 대해, 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터가 위치하는 복수의 슬라이딩 윈도우들의 상기 피어슨 상관계수들을 내림차순으로 정렬함으로써 구한 평균 값을 나타냄 -;

상관 임계치를 결정하고 - 상기 상관 임계치는 조도 데이터 세그먼트들에 기초하여 분할된 데이터 세그먼트들 각각에 대응하는 상관 임계치를 나타냄 -; 및

상기 상관 임계치에 따라, 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터를 클리닝하도록 구성된다.

선택적으로, 제1 획득 서브모듈은:

사분위수 범위 알고리즘(inter-quartile range algorithm)에 기초하여 상기 적어도 2개의 태양광 데이터 패킷들의 관련성 낮은 데이터로부터 오버 클리닝된(over-cleaned) 데이터를 결정하고 - 상기 오버 클리닝된 데이터는 데이터 집중 영역 내 및 상기 데이터 집중 영역 주변의 미리 설정된 영역 내 태양광 데이터임 -; 및

상기 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해, 상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 오버 클리닝된 데이터를 상기 이상치 데이터가 제거된 상기 적어도 2개의 태양광 데이터 패킷들로 각각 복구하도록 구성된다.

선택적으로, 설립 모듈은 상기 태양광 발전 디바이스의 태양광 전력 곡선을 얻기 위해 상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 대해 스플라인 보간 피팅(spline interpolation fitting)을 수행하도록 구성된다.

일 측면에서, 컴퓨터 디바이스가 제공된다. 컴퓨터 디바이스는 프로세서 및 메모리를 포함하고; 상기 메모리는, 상기 프로세서에 의해 로드 및 실행될 때, 상기 프로세서가 상기 태양광 곡선 모델링 방법을 수행할 수 있도록 하는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 저장하도록 구성된다.

일 측면에서, 컴퓨터 판독 가능 저장 매체가 제공된다. 저장 매체는 프로세서에 의해 로드 및 실행될 때, 상기 프로세서가 상기 태양광 곡선 모델링 방법을 수행할 수 있도록 하는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 저장하도록 구성된다.

본 개시에 따른 기술적 솔루션들은 다음과 같은 유익한 효과들을 달성할 수 있다:

태양광 전력 곡선은 지정된 시간 주기 내 다양한 시점들에서 획득된 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하고, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하고 적어도 2개의 태양광 데이터 패킷들의 개별 패킷 태양광 전력 곡선들을 피팅하여, 태양광 데이터가 태양광 곡선 모델링 프로세스 동안 상이한 시간 주기들에 피팅되도록 함으로써, 상이한 시간 주기들 내 광전 변환 효율들 사이의 차이가 태양광 곡선 모델링에 미치는 영향을 줄이고, 태양광 곡선 모델링의 정확도를 향상시킴으로써 얻어진다.

전술한 일반적인 설명 및 다음의 상세한 설명 모두는 단지 예시적이고 설명적이며 본 개시를 제한하도록 의도되지 않음을 이해해야 한다.

본 명세서에 통합되고 본 명세서의 일부를 구성하는 첨부 도면들은 본 개시와 일치하는 실시 예들을 예시하고, 설명과 함께 본 개시의 원리를 설명하는 역할을 한다.
도 1은 본 개시의 예시적인 일 실시 예에 따른 태양광 곡선 모델링 방법의 흐름도이고;
도 2는 본 개시의 다른 예시적인 실시 예에 따른 태양광 곡선 모델링 방법의 흐름도이고;
도 3은 본 개시의 일 실시 예에 포함된 태양광 곡선 모델링 방법의 슬라이딩 윈도우의 개략도이고;
도 4는 본 개시의 추가적인 예시적인 일 실시 예에 따른 태양광 곡선 모델링 방법의 흐름도이고;
도 5는 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 지정된 시간 주기 내 다양한 시점들의 태양광 데이터의 산포도이고;
도 6은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 오전(morning) 태양광 데이터의 산포도이고;
도 7은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 오후 태양광 데이터의 산포도이고;
도 8은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 비정상 데이터의 산포도이고;
도 9는 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 관련성 낮은 데이터의 산포도이고;
도 10은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 이상치 데이터의 산포도이고;
도 11은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 오버 클리닝된 데이터의 산포도이고;
도 12는 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 태양광 전력 곡선 피팅 다이어그램이고;
도 13은 본 개시의 예시적인 일 실시 예에 따른 태양광 곡선 모델링 장치의 블록도이고; 및
도 14는 본 개시의 예시적인 일 실시 예에 따른 컴퓨터 디바이스의 구조 블록도이다.

이제 예시적인 실시 예들을 상세히 참조할 것이고, 그 예시들은 첨부 도면들에 예시되어 있다. 다음 설명은 다른 도면들에 동일한 번호들이 달리 표시되지 않는 한 동일하거나 유사한 요소들을 나타내는 첨부 도면들을 참조한다. 예시적인 실시 예들의 다음 설명에서 제시되는 실시 예들은 본 개시와 일치하는 모든 실시 예들을 나타내지 않는다. 대신, 이들 실시 예들은 첨부된 청구범위에 인용된 바와 같은 본 개시와 관련된 측면들과 일치하는 장치들 및 방법들의 단지 예시들일 뿐이다.

이해할 수 있는 바와 같이, 본 명세서에서 "복수"라는 용어는 둘 이상을 나타낸다. 본 명세서에서 "및/또는"은 해당 객체들의 대응관계를 설명하는 것으로 3가지 관계를 나타낸다. 예를 들어, A 및/또는 B는: A가 단독으로 존재하고, A 및 B가 동시에 존재하고, B가 단독으로 존재하는 것으로 표현될 수 있다. 문자 "/"는 일반적으로 컨텍스트 객체가 "또는" 관계임을 나타낸다.

전력망에 대한 태양광 발전의 대규모 액세스와 함께, 태양광 전력 예측 기술에 대한 더 높은 요구사항들이 제안된다. 본 개시는 태양광 곡선 모델링의 정확도를 향상시킬 수 있는 태양광 모델링 방법을 제공한다. 이하에서는 이해의 편의를 위해, 본 개시에 포함된 여러 용어들이 설명된다.

1) 태양광의(photovoltaic)

광기전력 효과(photovoltaic effect)라고도 알려진 광기전력(photovoltaic)은 태양광 발전 시스템(solar power system)의 약자로, 태양 전지 반도체 물질의 광기전력 효과를 이용하여 태양 복사 에너지를 직접 전기 에너지로 변환하는 새로운 발전 시스템이다.

2) 조도 강도(irradiance intensity)

조도라고도 하는 조도 강도는 단위 면적당 통과된 에너지로 정의된다.

3) 광전 변환 효율(photoelectric conversion efficiency)

단색 입사 광자-전자 변환 효율(IPCE: monochromatic incident photon-to electron conversion efficiency)이라고도 알려진 광전 변환 효율은, 단위 시간당 외부 회로에서 생성된 전자들의 수 대 단위 시간당 입사 단색 광자들의 수의 비율로 정의된다.

도 1은 본 개시의 예시적인 일 실시 예에 따른 태양광 곡선 모델링 방법의 흐름도를 도시한다. 태양광 곡선 모델링 방법은 컴퓨터 디바이스에 의해 수행된다. 도 1에 도시된 바와 같이, 방법은 다음 단계들을 포함할 수 있다.

단계 110에서, 지정된 시간 주기 내 다양한 시점들에서 태양광 데이터가 획득된다. 태양광 데이터는 대응하는 시점의 태양광 발전 디바이스의 발전 전력 및 대응하는 시점의 방사선(radiation) 검출 디바이스에 의해 수집된 조도를 포함한다. 방사 검출 디바이스는 태양광 발전 디바이스에 배치된다.

태양광 발전 디바이스는 태양 전지를 이용하여 태양 에너지를 직접 전기 에너지로 변환할 수 있는 발전 디바이스를 나타낸다. 태양광 발전 디바이스의 발전 전력은 주로 태양광 발전 디바이스가 받을 수 있는 햇빛의 조도 강도의 영향을 받는다. 조도라고도 알려진 방사 강도는 단위 면적당 태양광 발전 디바이스에 의해 통과된 에너지를 나타낸다.

태양광 전력은 조도에 일대일 대응한다. 발전 전력의 값이 검출될 때마다, 이에 대응하는 조도 값 임계치가 정의된다. 또한, 방사 검출 디바이스에 의해 검출되는 조도 값은 태양광 발전 디바이스가 받을 수 있는 조도 값이어야 한다.

단계 120에서, 다양한 시점들에서의 태양광 데이터는 적어도 2개의 태양광 데이터 패킷들로 분할된다. 적어도 2개의 태양광 데이터 패킷들 각각에서 태양광 데이터에 대응하는 시점은 자연일이 있는 시간 주기에 속하고, 적어도 2개의 태양광 데이터 패킷들의 상이한 패킷들은 상이한 시간 주기들에 대응한다.

예를 들어, 지정된 시간 주기 내 태양광 데이터는 자연일의 시점들에 따라 오전 및 오후에 2개의 태양광 데이터 패킷들로 나뉠 수 있거나, 오전, 정오 및 오후에 3개 등의 태양광 데이터 패킷들로 나뉠 수 있다. 자연일은 하루 24시간을 의미한다.

본 개시에서 제안되는 태양광 데이터 패킷들은 예시적일 뿐이고, 본 개시에서 태양광 데이터 패킷화 모드(packeting mode) 또는 패킷들의 수는 제한되지 않는다. 본 개시의 실시 예에서, 본 개시가 자연일의 태양광 데이터가 시점들에 따라 오전 및 오후의 2개의 태양광 데이터 패킷들로 분할되는 경우를 들어 설명될 것이다.

단계 310에서, 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들은 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라 설립되고, 패킷 태양광 전력 곡선은 조도 및 발전 전력 사이의 함수 관계를 나타내도록 의도된다.

본 개시의 실시 예에서, 태양광 곡선 전력은 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 대해 각각 설립된다. 예를 들어, 자연일의 태양광 데이터가 시점들에 따라 오전 및 오후의 2개의 태양광 데이터 패킷들로 분할된 경우, 태양광 곡선 전력이 오전의 태양광 데이터에 대해 설립되고, 태양광 전력이 오후의 태양광 데이터에 대해 설립되어, 오전의 태양광 데이터 및 오후의 태양광 데이터 각각에 대응하는 2개의 태양광 전력 곡선들을 얻는다.

자연일의 태양광 데이터가 시점들에 따라 오전 및 오후의 2개의 태양광 데이터 패킷들로 분할된 경우, 오전의 태양광 데이터 및 오후의 태양광 데이터에 대응하는 2개의 태양광 전력 곡선들이 피팅되어 최종적으로 조도를 X축으로, 발전 전력을 Y축으로 하는 태양광 전력 곡선을 얻는다.

선택적으로, 태양광 디바이스의 얻어진 태양광 전력 곡선은 검증된 태양광 전력 곡선을 얻기 위해 검증된다. 검증된 태양광 전력 곡선은 태양광 발전 장치의 태양광 전력 곡선이다.

얻어진 태양광 디바이스의 태양광 전력 곡선이 단조롭고 합리적인 광전 변환 효율을 만족하는 경우, 검증된 태양광 전력 곡선은 태양광 디바이스의 태양광 전력 곡선, 즉 태양광 데이터를 피팅하여 얻어진 태양광 전력 곡선은 태양광 디바이스의 태양광 전력 곡선이다.

얻어진 태양광 디바이스의 태양광 전력 곡선이 단조로운 경우 및/또는 광전 변환 효율을 만족하지 않는 경우, 검증된 태양광 전력 곡선은 이론적 태양광 전력 곡선이고, 이론적 태양광 전력 곡선은 태양광 발전 디바이스의 태양광 전력 곡선으로 얻어진다.

태양광 산업에서 광전 변환 효율은 태양 전지의 표면에 특정 에너지로 방사되는 광자들의 수에 대한 태양 전지의 전하 캐리어들 수의 비율을 나타낸다.

선택적으로, 이론적 태양광 전력 곡선은 (0, 0), (500, Cap*(1+k)/2), (1000, Cap)의 3개 점의 이차 다항식을 피팅하여 얻어지고, Cap은 태양광 디바이스의 정격 용량이고, k는 상이한 지역들의 일조 조건들에 의해 결정되는 경험적(empirical) 계수이다.

요약하면, 본 개시의 실시 예에 따른 태양광 곡선 모델링 방법에 의해, 태양광 전력 곡선은 지정된 시간 주기 내 다양한 시점들에서 획득된 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하고, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하고 적어도 2개의 태양광 데이터 패킷들의 개별 패킷 태양광 전력 곡선들을 피팅하여, 태양광 데이터가 태양광 곡선 모델링 프로세스 동안 상이한 시간 주기들에 피팅되도록 함으로써, 태양광 곡선 모델링 상의 상이한 시간 주기들 내 광전 변환 효율들 사이의 차이의 영향을 줄이고, 태양광 곡선 모델링의 정확도를 향상시킴으로써 얻어진다.

도 2는 본 개시의 예시적인 일 실시 에에 따른 태양광 곡선 모델링 방법의 흐름도를 도시한다. 태양광 곡선 모델링 방법은 컴퓨터 디바이스에 의해 수행된다. 도 2에 도시된 바와 같이, 방법은 다음 단계들을 포함할 수 있다.

단계 210에서, 지정된 시간 주기 내 다양한 시점들에서의 태양광 데이터가 획득된다. 태양광 데이터는 대응하는 시점의 태양광 발전 디바이스의 발전 전력 및 대응하는 시점의 방사선 검출 디바이스에 의해 수집된 조도를 포함한다. 방사 검출 디바이스는 태양광 발전 디바이스에 배치된다.

단계 220에서, 다양한 시점들에서의 태양광 데이터는 적어도 2개의 태양광 데이터 패킷들로 분할된다. 적어도 2개의 태양광 데이터 패킷들 각각의 태양광 데이터에 대응하는 시점은 자연일의 시간 주기에 속하고, 적어도 2개의 태양광 데이터 패킷들의 상이한 패킷들은 상이한 시간 주기들에 대응한다.

단계 210 및 단계 220에 대한 세부사항들에 대해 이 실시 예에서 더 이상 설명되지 않는 단계 110 및 단계 120을 참조할 수 있다.

단계 230에서, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터는 데이터 클리닝을 각각 거쳐, 적어도 2개의 태양광 데이터 패킷들 내 무효(invalid) 태양광 데이터를 제거한다.

선택적으로, 무효 태양광 데이터는 기계 고장, 자연 재해 및 기타 불가항력, 제한된 태양광 발전 기간 등으로 인해 방사 검출 디바이스가 정상적으로 작동하지 않는 경우 생성될 수 있다.

선택적으로, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 대한 데이터 클리닝을 수행하는 단계는 S2301 내지 S2304를 포함한다.

S2301에서, 적어도 2개의 태양광 데이터 패킷들의 비정상 데이터가 클리닝되어 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻고, 비정상 데이터는 방사 검출 디바이스의 실패의 경우 생성된 데이터를 나타낸다.

선택적으로, 적어도 2개의 태양광 데이터 패킷들의 비정상 데이터를 클리닝하는 단계는:

적어도 2개의 태양광 데이터 패킷들 내 누락된(missing) 데이터를 클리닝하는 단계 - 상기 누락된 데이터는 상기 태양광 전력 데이터 내 상기 조도 데이터 또는 상기 발전 전력 데이터가 누락된 데이터를 나타냄 -;

적어도 2개의 태양광 데이터 패킷들 내 야간 무효 데이터를 클리닝하는 단계 - 상기 야간 무효 데이터는 야간 검출 동안 태양광 전력 검출 디바이스에 의해 얻어진 모든 데이터를 나타냄 -;

적어도 2개의 태양광 데이터 패킷들 내 오버런(overrun) 데이터를 클리닝하는 단계 - 상기 오버런 데이터는 합리적인 조도 데이터 범위 및/또는 합리적인 전력 데이터 범위를 초과하는 데이터를 나타냄 -; 및

적어도 2개의 태양광 데이터 패킷들 내 데드 넘버들(dead numbers)을 클리닝하는 단계를 포함한다 - 상기 데드 넘버들은 시간 순서로 4번 이상 나타나는 데이터를 나타냄 -.

선택적으로, 합리적인 조도 범위는 0-1200 W/m2이고, 합리적인 전력 데이터 범위는 0-1.1*Cap이고, Cap은 태양광 발전 디바이스의 정격 용량이다. 가능한 경우, 방사 검출 디바이스에 의해 검출된 태양광 데이터는 조도 데이터를 포함하지만, 이에 대응하는 발전 전력 데이터는 검출되지 않거나; 방사 검출 디바이스에 의해 검출된 태양광 데이터는 발전 전력 데이터만을 포함하지만, 이에 대응하는 조도 데이터는 검출되지 않는다. 그런 다음 이러한 데이터는 누락된 데이터로 결정되고 클리닝된다.

태양의 직사점(direct point)이 남북 열대 지방에서 계속 회귀 운동을 함에 따라, 자연일의 낮과 밤의 길이 변화가 발생할 것이다. 태양광 발전 디바이스는 태양 에너지를 전기 에너지로 변환하는 디바이스이다. 태양이 없으면, 태양광 발전 디바이스는 작동하지 않으며, 방사 검출 디바이스에 의해 검출된 야간 데이터는 무효 데이터이다. 야간의 무효 데이터는 자연일 각각의 낮과 밤의 차이에 따라 클리닝된다.

햇빛의 조도 강도 및 태양 에너지를 전기 에너지로 변환하는 태양광 발전 디바이스의 능력은 제한적이다. 방사 검출 디바이스에 의해 검출된 조도 데이터가 햇빛의 조도 강도 임계치를 초과하거나, 발전 전력 데이터가 태양광 발전 디바이스의 발전 전력 임계치를 초과하는 경우, 이러한 데이터는 무효 데이터로 결정되고, 오버런 데이터는 클리닝된다.

가능한 경우, 방사 검출 디바이스의 비정상 동작으로 인해, 방사 검출 디바이스에 의해 검출된 조도 데이터의 특정 조각 또는 발전 전력 데이터가 시간 순서로 4번 이상 연속적으로 나타나는 경우, 4번 이상 반복된 데이터는 데드 넘버들로 결정되고, 그러면 데드 넘버들은 클리닝된다.

S2302에서, 비정상 데이터 클리닝을 거친 2개 이상의 태양광 데이터 패킷들로부터 관련성 낮은 데이터가 제거되어 관련성 낮은 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻고, 관련성 낮은 데이터는 관련성이 관련성 임계치보다 낮은 태양광 데이터를 나타내고, 관련성은 대응하는 태양광 데이터에서 발전 전력 및 조도 강도 사이의 상관관계를 나타내는데 이용된다.

선택적으로, 낮은 관련성 데이터는 간격들(intervals)로부터 제거된다. 이 프로세스에 의해 분할된 태양광 데이터 간격들의 수는 태양광 데이터 패킷들의 수보다 크거나 같을 수 있다. 관련성 낮은 데이터가 제거되는 기준이 되는 관련성 임계치는 상이한 간격들에 따라 적절하게 조정될 수 있다.

선택적으로 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들로부터 관련성 낮은 데이터를 제거하여 관련성 낮은 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻는 단계는:

슬라이딩 윈도우들을 설립하는 단계를 포함한다 - 슬라이딩 윈도우 각각은 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터의 시간 분해능을 스텝 길이로 취하고, 태양광 데이터의 n개의 조각들 각각을 세트로 취함으로써 시간 순서로 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터에 의해 설립됨 -.

예를 들어, 도 3은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 슬라이딩 윈도우들의 개략도를 도시한다. 도 3에 도시된 바와 같이, 20개의 태양광 데이터 조각들이 획득된다. 슬라이딩 윈도우들을 설립하는 경우, 20개의 태양광 데이터 조각들이 아침으로부터 밤까지 수집 순서대로 정렬된다. 20개의 태양광 데이터 조각들은 10분의 시간 분해능을 가진다고 가정되고, 즉, 10분마다 하나의 태양광 데이터 조각이 획득된다고 가정되고, 슬라이딩 윈도우는 10분을 스텝 길이로 설립된다. 8개의 데이터 조각들을 세트로 예를 들면, 1번째 내지 8번째 태양광 데이터를 제1 세트로 간주하는 경우, 2번째 내지 9번째 태양광 데이터 조각들이 제2 세트로, 3번째 내지 10번째 태양광 조각들이 제3세트 등으로 간주되고, 태양광 데이터 조각 각각은 8개의 패킷들에 나타날 수 있고, 슬라이딩 윈도우들 각각은 태양광 데이터 세트를 포함하고, 그러면 태양광 데이터 조각 각각은 8개의 슬라이딩 윈도우들에 나타날 것이다.

슬라이딩 윈도우들 각각 내 태양광 데이터의 피어슨 상관계수(Pearson correlation coefficient)가 계산된다.

피어슨 상관계수는 2개의 데이터 세트들이 한 라인 상에 있는지 여부를 측정하는 데 이용되고, 간격 변수들 사이의 선형 관계를 측정하는 데도 이용되고, 다음 공식에 따라 계산된다:

위의 공식에서, r은 피어슨 상관계수고, N은 슬라이딩 윈도우들 각각 내 태양광 데이터의 수이고, x_i는 수평 좌표이고, y_i는 수직 좌표이다.

슬라이딩 윈도우들 각각 내 태양광 데이터의 피어슨 상관계수는 위의 관계 공식에 따라 계산된다.

비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들에서 태양광 데이터의 상관 값이 계산되고, 여기서 상관 값은 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터가 위치한 복수의 슬라이딩 윈도우들의 피어슨 상관계수들을 내림차순으로 정렬하여, 중간 n-2 피어슨 상관계수의 값들에 대해 풀린 평균 값을 나타낸다.

여전히 위의 20개의 태양광 데이터 조각들을 예로 들면, 태양광 데이터의 각 조각이 8개의 슬라이딩 윈도우들에 나타난 다음, 8개의 피어슨 상관계수들이 계산된다. 8개의 피어슨 상관계수들이 내림차순으로 정렬되고, 8개의 피어슨 상관계수들 중 최대값 및 최소값이 제거되고, 나머지 중간 6개의 피어슨 상관계수들을 평균 내어 8개의 슬라이딩 윈도우들에 동시에 나타나는 태양광 데이터 조각의 상관 값으로 간주되는 평균 값을 얻는다.

상관 임계치가 결정되고, 여기서 상관 임계치는 조도 데이터 세그먼트들에 기초하여 분할된 세데이터 세그먼트들 각각에 대응하는 상관 임계치를 나타낸다.

선택적으로, 상관 임계치는 컴퓨터 디바이스의 관련된 파라미터들을 변경함으로써 조정될 수 있다. 예를 들어, 상관 임계치는 조도 데이터 세그먼트들에 기초하여, 데이터 세트들 각각의 데이터 지점들(points)의 상관 값의 60%, 70% 등을 포함할 수 있는 상관 값으로 조정될 수 있다. 위의 설명은 단지 예시적인 것이고, 상관 임계치의 범위는 본 개시에서 제한되지 않는다.

상관 값이 계산된 후, 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터 지점들은 상관 임계치에 따라 클리닝 될 수 있다.

예를 들어, 상관 임계치 위의 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터는 리저브 될 수 있고(reserved), 상관 임계치 아래의 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터는 클리닝 될 수 있다.

S2303에서, 낮은 관련성 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들로부터 국부 이상치 인자 알고리즘(local outlier factor algorithm)에 기초하여 이상치 데이터가 각각 제거되어, 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들을 획득하고, 여기서 이상치 데이터는 데이터 집중 영역으로부터 떨어진 태양광 데이터를 나타낸다.

국부 이상치 인자(LOF) 알고리즘은 "국부 도달 가능 밀도(local reachable density)"를 계산함으로써 샘플의 비정상 정도(degree of abnormality)를 측정한 것이다. 샘플 지점의 밀도에 대한 이 샘플 지점 주변의 샘플 지점들의 평균 밀도의 비율이 1보다 큰 경우, 이 샘플 지점의 밀도가 이 샘플 지점 주변의 샘플들의 밀도보다 낮고, 이 지점은 비정상 지점일 가능성이 더 크다.

본 개시의 실시 예에서, LOF 알고리즘은 상이한 세그먼트들에서 관련성 낮은 데이터 클리닝을 거친 적어도 2개의 PV 데이터 패킷들에서 이상치 데이터를 결정하고, 이상치 데이터를 클리닝하는 데 이용될 수 있다.

S2304에서, 데이터 클리닝을 거친 적어도 2개의 태양광 패킷들은 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들에 따라 획득된다.

선택적으로, 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들의 데이터는 지정된 시간 주기 내 다양한 시점들에서 태양광 데이터의 유효 태양광 데이터로 획득된다. 유효 태양광 데이터의 패킷들에 대해 태양광 전력 곡선이 각각 세그먼트로 설립된다.

대안적으로, 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들을 패킷화하여, 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻는 단계는:

사분위수 범위 알고리즘(inter-quartile range algorithm)에 기초하여 적어도 2개의 태양광 데이터 패킷들의 관련성 낮은 데이터로부터 오버 클리닝된(over-cleaned) 데이터를 결정하는 단계 - 오버 클리닝된 데이터는 데이터 집중 영역 내 및 데이터 집중 영역 주변의 미리 설정된 영역 내 태양광 데이터임 -; 및

데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻기 위해, 적어도 2개의 태양광 데이터 패킷들의 개별 오버 클리닝된 데이터를 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들로 각각 복구하는 단계를 포함한다.

사분위수 범위(IQR) 알고리즘은 다양한 변수 값들을 크기 순서대로 배열한 다음, 시퀀스를 4개의 동일한 부분들로 분할하고, 제3사분위수의 값 및 제1사분위수의 값 사이의 차이를 계산하도록 의도된다.

본 개시의 실시 예에서, IQR 알고리즘은 상이한 간격들로 적어도 2개의 태양광 데이터 패킷들의 데이터를 계산하기 위해 이용될 수 있다. 이 프로세스에 의해 분할된 태양광 데이터 간격들의 수는 태양광 데이터 패킷들의 수보다 크거나 같을 수 있다. 오버 클리닝된 데이터가 결정되는 기초가 되는 관련성 임계치는 상이한 간격들에 따라 조정될 수 있다.

단계 240에서, 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들은 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터에 따라 설립된다.

선택적으로, 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들은 이상치들이 제거된 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터에 따라 설립될 수 있다.

대안적으로, 적어도 2개의 태양광 데이터 패킷에 각각 대응하는 패킷 태양광 전력 곡선들은 오버 클리닝된 지점들이 제거된 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터에 따라 설립된다.

단계 250에서, 적어도 2개의 태양광 데이터 패킷들의 개별 패킷 태양광 전력 곡선들은 태양광 발전 디바이스의 태양광 전력 곡선을 얻기 위해 피팅된다.

선택적으로, 적어도 2개의 태양광 데이터 패킷들의 개별 패킷 태양광 전력 곡선들은 태양광 발전 디바이스의 태양광 전력 곡선을 얻기 위해 스플라인 회귀 피팅을 거친다.

스플라인 보간 방법(spline interpolation method)은 가변 스플라인들이 있는 일련의 지점들을 통해 부드러운 곡선을 만들기 위한 수학적 방법이다. 보간 스플라인은 다항식들로 구성되고, 각각은 2개의 인접한 데이터 지점들에 의해 결정된다.

스플라인 보간 방법을 이용함으로써, 적어도 2개의 태양광 데이터 패킷들의 개별 패킷 태양광 전력 곡선들은 분할(segmented) 회귀를 거칠 수 있고, 이로 인해 전체 방사 섹션에서 태양광 발전 디바이스의 태양광 전력 곡선을 얻을 수 있다. 스플라인 보간 회귀 단계들은 다음과 같다:

1) 방사에 기초하여, 동일한 간격 방식으로 태양광 데이터 지점들을 분할하는 단계(segmenting)(s개의 간격들, s+1개의 세그먼트 지점들);

2) 각 구간의 태양광 데이터에 기초하여, 세그먼트 피팅 방정식을 설립하기 위해 n번 동안 각 구간에 대해 다항식 피팅을 수행하는 단계;

3) 스플라인 회귀의 특성들에 따라, 인접한 피팅 곡선들이 이들 사이의 접합부에서 (n-1) 차수 연속성을 만족하는 경우 제약(constraint) 방정식을 설립하는 단계;

4) 비즈니스 요구에 따라, 2개의 왼쪽 및 오른쪽 끝점들에서 경계 조건 제약들을 설립하는 단계; 및

5) 단계 2) 내지 단계 4)를 동시에 고려하면서, 최소 평균 제곱근 오차에 기초하여, 세그먼트들에서 개별 다항식들의 계수들을 반복적으로 풂으로써, 전체 방사 세그먼트에서 태양광 전력 곡선을 얻는 단계.

선택적으로, 최소제곱법(least squares method), 다항식 피팅 등과 같은 다른 곡선 피팅 방법들이 이용되어 얻어진 태양광 전력 곡선이 가능한 한 많이 수렴하도록 태양광 전력 곡선에 대한 회귀를 수행할 수 있다.

요약하면, 본 개시의 실시 예에 따른 태양광 곡선 모델링 방법에 의해, 태양광 전력 곡선이 획득된 지정된 시간 주기 내 다양한 시점들에서의 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하고, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하고, 적어도 2개의 데이터 패킷들의 개별 패킷 태양광 전력 곡선들을 피팅하여, 태양광 데이터가 태양광 곡선 모델링 프로세스 동안 상이한 시간 주기들에 피팅됨으로써, 상이한 시간 주기들의 광전 변환 효율들 사이의 차이가 태양광 전력 곡선에 미치는 영향을 감소시키고, 태양광 곡선 모델링의 정확도를 향상시킴으로써 얻어진다.

도 4는 본 개시의 예시적인 일 실시 예에 따른 태양광 곡선 모델링 방법의 흐름도를 도시한다. 태양광 커브 모델링 방법은 컴퓨터 디바이스에 의해 수행된다. 획득된 태양광 데이터를 오전 및 오후의 태양광 데이터 패킷들로 분할하는 경우를 예로 들면, 도 4에 도시된 바와 같이, 방법은 다음의 단계들을 포함한다.

1) 도 5를 참조하여 태양광 데이터가 획득된다. 도 5는 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법에서 지정된 시간 주기 내 다양한 시점들에서의 태양광 데이터의 산포도를 도시한다. 도 5에 도시된 바와 같이, 획득된 태양광 데이터는 지정된 시간 주기 내 다양한 시점들에서의 태양광 데이터를 포함한다.

2) 오전의 데이터 및 오후의 데이터가 도 6 및 도 7을 참조하여 분리된다. 도 6은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 오전의 태양광 데이터의 산포도를 도시한다. 도 7은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 오후의 태양광 데이터의 산포도를 도시한다. 도 6 및 도 7에 도시된 바와 같이, 도 5에 도시된 지정된 시간 주기 내 다양한 시점들에서의 태양광 데이터는 태양광 데이터의 수집 시간들을 기초로 오전 및 오후의 2개의 태양광 데이터 패킷들로 분할된다.

오전의 태양광 데이터 패킷의 태양광 데이터 처리를 예로 든다:

3) 도 8을 참조하여 비정상 데이터가 클리닝된다. 도 8은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 비정상 데이터의 산포도를 도시한다. 도 8에 도시된 바와 같이, 비정상 데이터는 누락된 데이터, 야간 무효 데이터, 오버런 데이터, 데드 넘버들을 포함한다.

4) 도 9를 참조하여 관련성 낮은 데이터가 클리닝된다. 도 9는 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 관련성 낮은 데이터의 산포도를 도시한다. 도 9에 도시된 바와 같이, 관련성 낮은 데이터는 조도 데이터를 기초로 클리닝된다. 낮은 관련성 데이터는 상관 임계치 아래의 태양광 데이터를 나타낸다. 상관 임계치는 컴퓨터 디바이스의 관련된 파라미터들을 변경함으로써 조정될 수 있다.

5) 도 10을 참조하여 이상치 데이터가 클리닝된다. 도 10은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 이상치 데이터의 산포도를 도시한다. 도 10에 도시된 바와 같이, 관련성 낮은 데이터가 제거된 태양광 데이터의 데이터 집중 영역으로부터 떨어진 태양광 데이터가 LOF 알고리즘을 기초로 계산된 후, 클리닝된다.

6) 도 11을 참조하여 오버 클리닝된 지점들이 복구된다. 도 11은 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 오버 클리닝된 데이터의 산포도이다. 도 11에 도시된 바와 같이, 데이터 집중 영역 주변의 미리 설정된 영역의 태양광 데이터가 IQR 알고리즘을 기초로 계산되고, 위 부분에서 클리닝된 미리 설정된 영역의 데이터는 태양광 데이터 피팅 베이스의 무결성을 보장하도록 복구된다.

7) 도 12를 참조하여 태양광 데이터가 피팅된다. 도 12는 본 개시의 일 실시 예에 따른 태양광 곡선 모델링 방법의 태양광 전력 곡선 피팅 다이어그램을 도시한다. 도 12에 도시된 바와 같이, 클리닝 후 리저브 된 유효 태양광 데이터 지점들은 스플라인 보간 피팅을 거치거나, 리저브 된 태양광 데이터 지점들은 최소제곱법과 같은 다른 피팅 방법들에 의해 피팅되어 태양광 전력 곡선을 얻는다.

8) 얻어진 태양광 전력 곡선이 단조로운지 또는 광전 전환 효율을 만족하는지 여부를 검증하기 위해 사후 검증이 수행된다:

태양광 디바이스의 태양광 전력 곡선이 단조롭고 합리적인 광전 변환 효율을 만족하는 경우, 검증된 태양광 전력 곡선은 태양광 디바이스의 태양광 전력 곡선, 즉, 태양광 데이터를 피팅함으로써 얻어진 태양광 전력 곡선은 태양광 디바이스의 태양광 전력 곡선이다.

태양광 디바이스의 얻어진 태양광 전력 곡선이 단조롭고/단조롭거나 광전 변환 효율을 만족하지 않는 경우, 검증된 태양광 전력 곡선은 이론적 태양광 전력 곡선이고, 이론적 태양광 전력 곡선은 태양광 발전 디바이스의 태양광 전력 곡선으로 획득된다.

9) 태양광 전력 곡선들이 얻어진다. 오전의 태양광 데이터 패킷의 태양광 데이터가 처리되어 오전의 태양광 전력 곡선을 얻고, 오후의 태양광 데이터 패킷의 태양광 데이터가 처리되어 오후의 태양광 전력 곡선을 얻는다.

비정상 데이터 클리닝 및 관련성 낮은 데이터 클리닝 단계들은 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하기 전에 수행되거나, 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할한 후에 수행될 수 있다.

본 개시의 실시 예에서, 태양광 곡선 모델링 방법은 적어도 2개의 태양광 발전 디바이스들의 태양광 전력 곡선을 얻기 위해 이용될 수 있다. 적어도 2개의 태양광 발전 디바이스의 태양광 전력 곡선들은 적어도 2개의 태양광 데이터 패킷들에 대응한다.

요약하면, 본개시의 실시 예에 따른 태양광 곡선 모델링 방법에 의해, 태양광 전력 곡선이 지정된 시간 주기 내 다양한 시점에서 획득된 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하고, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하고 적어도 2개의 태양광 데이터 패킷들의 그룹화된 개별 태양광 전력 곡선들을 피팅하여, 태양광 데이터가 태양광 곡선 모델링 프로세스 동안 상이한 시간 주기들에 피팅되도록 함으로써, 상이한 시간 주기들 내 광전 변환 효율들이 태양광 곡선 모델링에 미치는 영향을 줄이고, 태양광 곡선 모델링의 정확도를 향상시킴으로써 태양광 전력 곡선이 얻어진다.

도 13은 본 개시의 예시적인 일 실시 예에 따른 태양광 곡선 모델링 장치의 블록도를 도시한다. 장치는 도 1, 도 2 또는 도 4의 대응하는 실시 예에 예시된 방법의 단계들의 전부 또는 일부를 수행하기 위해 컴퓨터 디바이스의 전부 또는 일부로서 소프트웨어 형태로 실행될 수 있다. 도 13에 도시된 바와 같이, 장치는:

지정된 시간 주기 내 다양한 시점들에서 태양광 데이터를 획득하도록 구성된, 획득 모듈(1310) - 태양광 데이터는 대응하는 시점의 태양광 발전 디바이스의 발전 전력, 및 대응하는 시점의 방사선 검출 디바이스에 의해 수집된 조도를 포함하고; 방사 검출 디바이스는 태양광 발전 디바이스에 배치됨 -;

다양한 시점들에서의 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하도록 구성된, 패킷화 모듈(1320) - 적어도 2개의 태양광 데이터 패킷들 각각의 태양광 데이터에 대응하는 시점은 자연일의 시간 주기에 속하고, 적어도 2개의 태양광 데이터 패킷들 내 상이한 패킷들은 상이한 시간 주기들에 대응함 -; 및

적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라, 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 커브들을 설립하도록 구성된, 설립 모듈(1330)을 포함한다- 패킷 태양광 전력 곡선은 조도 및 발전 전력 사이의 함수 관계를 나타내도록 의도됨 -.

선택적으로, 장치는 적어도 2개의 태양광 패킷들의 무효 태양광 데이터를 제거하기 위해 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 대한 데이터 클리닝을 수행하도록 구성된, 클리닝 모듈을 더 포함한다.

설립 모듈(1330)은 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터에 따라, 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하도록 구성된다.

선택적으로, 태양광 데이터는 대응하는 시점에서의 태양광 발전 디바이스의 전력 및 대응하는 시점에서 방사선 검출 디바이스에 의해 수집된 조도를 포함한다. 방사 검출 디바이스는 태양광 발전 디바이스에 배치된다. 클리닝 모듈은:

비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 적어도 2개의 태양광 데이터 패킷들의 비정상 데이터를 클리닝 하도록 구성된, 제1 클리닝 서브모듈 - 비정상 데이터는 방사 검출 디바이스의 실패의 경우 생성된 데이터를 나타냄 -;

관련성 낮은 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻기 위해, 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들로부터 관련성 낮은 데이터를 제거하도록 구성된, 제2 클리닝 서브모듈 - 관련성 낮은 데이터는 관련성이 관련성 임계치 미만인 태양광 데이터를 나타내고, 관련성은 대응하는 태양광 데이터의 발전 전력 및 조도 사이의 상관관계를 나타내기 위해 이용됨 -;

이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들을 획득하기 위해, 낮은 관련성 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들로부터 LOF 알고리즘에 각각 기초하여 이상치 데이터를 제거하도록 구성된, 제3 클리닝 서브모듈 - 이상치 데이터는 데이터 집중 영역으로부터 떨어진 태양광 데이터를 나타냄 -; 및

이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들에 따라, 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 획득하도록 구성된, 제1 획득 서브모듈을 포함한다.

선택적으로, 제1 클리닝 서브모듈은:

적어도 2개의 태양광 데이터 패킷들 내 누락된(missing) 데이터를 클리닝하고 - 누락된 데이터는 태양광 전력 데이터 내 조도 데이터 또는 발전 전력 데이터가 누락된 데이터를 나타냄 -;

적어도 2개의 태양광 데이터 패킷들 내 야간 무효 데이터를 클리닝하고 - 야간 무효 데이터는 야간 검출 동안 태양광 전력 검출 디바이스에 의해 얻어진 모든 데이터를 나타냄 -;

적어도 2개의 태양광 데이터 패킷들 내 오버런(overrun) 데이터를 클리닝하고 - 오버런 데이터는 합리적인 조도 데이터 범위 및/또는 합리적인 전력 데이터 범위를 초과하는 데이터를 나타냄 -; 및

적어도 2개의 태양광 데이터 패킷들 내 데드 넘버들(dead numbers)을 클리닝하도록 구성된다 - 데드 넘버들은 시간 순서로 4번 이상 나타나는 데이터를 나타냄 -.

선택적으로, 제2 클리닝 서브모듈은:

슬라이딩 윈도우들을 설립하고 - 슬라이딩 윈도우 각각은 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터의 시간 분해능을 스텝 길이로 취하고, 태양광 데이터의 n개의 조각들 각각을 세트로 취함으로써 시간 순서로 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터에 의해 설립되고, 태양광 데이터의 n개의 조각들 각각은 데이터 세트로 간주되고, 슬라이딩 윈도우 중 하나는 데이터 세트를 포함하고; 시간 분해능은 방사 검출 디바이스가 대응하는 시점에 인접한 태양광 데이터의 2개 조각들을 수집하는 최소 시간 간격을 나타냄 -;

슬라이딩 윈도우들 각각 내에서 태양광 데이터의 피어슨 상관계수(Pearson correlation coefficient)를 계산하고;

비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터의 상관값(correlation value)을 계산하고 - 상관값은, 중간 n-2개의 피어슨 상관계수들의 값들에 대해, 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터가 위치하는 복수의 슬라이딩 윈도우들의 피어슨 상관계수들을 내림차순으로 정렬함으로써 구한 평균 값을 나타냄 -;

상관 임계치를 결정하고 - 상관 임계치는 조도 데이터 세그먼트들에 기초하여 분할된 데이터 세그먼트들 각각에 대응하는 상관 임계치를 나타냄 -; 및

상관 임계치에 따라, 비정상 데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들 내 태양광 데이터를 클리닝하도록 구성된다.

선택적으로, 제1 획득 서브모듈은:

IQR 알고리즘에 기초하여 적어도 2개의 태양광 데이터 패킷들의 관련성 낮은 데이터로부터 오버 클리닝된(over-cleaned) 데이터를 결정하고 - 오버 클리닝된 데이터는 데이터 집중 영역 내 및 데이터 집중 영역 주변의 미리 설정된 영역 내 태양광 데이터임 -; 및

데이터 클리닝을 거친 적어도 2개의 태양광 데이터 패킷들을 얻기 위해, 적어도 2개의 태양광 데이터 패킷들의 개별 오버 클리닝된 데이터를 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들로 각각 복구하도록 구성된다.

선택적으로, 설립 모듈(1330)은 태양광 발전 디바이스의 태양광 전력 곡선을 얻기 위해 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 대해 스플라인 보간 피팅(spline interpolation fitting)을 수행하도록 구성된다.

요약하면, 본 개시의 실시 예에 따른 태양광 곡선 모델링 장치는 컴퓨터 디바이스의 전체 또는 일부로서 소프트웨어 형태로 실행된다. 태양광 전력 곡선은 지정된 시간 주기 내 다양한 시점들에서 획득된 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하고, 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하고 적어도 2개의 태양광 데이터 패킷들의 개별 패킷 태양광 전력 곡선들을 피팅하여, 태양광 데이터가 태양광 곡선 모델링 프로세스 동안 상이한 시간 주기들에 피팅되도록 함으로써, 상이한 시간 주기들 내 광전 변환 효율들 사이의 차이가 태양광 곡선 모델링에 미치는 영향을 줄이고, 태양광 곡선 모델링의 정확도를 향상시킴으로써 얻어진다.

도 14는 예시적인 일 실시 예에 따른 컴퓨터 디바이스(1400)의 개략적인 구조 다이어그램이다. 컴퓨터 디바이스는 본 개시의 전술한 솔루션들에서 태양광 곡선들을 모델링할 수 있는 컴퓨터 디바이스로서 구현될 수 있다. 컴퓨터 디바이스(1400)는 중앙 처리 장치(CPU)(1401), 랜덤 액세스 메모리(RAM)(1402), 및 읽기 전용 메모리(ROM)(1403)를 포함하는 시스템 메모리(1404), 및 시스템 메모리(1404)와 CPU(1401)를 연결하는 시스템 버스(1405)를 포함한다. 컴퓨터 디바이스(1400)는 컴퓨터 내 다양한 컴포넌트들 사이의 정보 전송을 돕든 기본 입력/출력 시스템(I/O 시스템)(1406) 및 운영 체제(1413), 애플리케이션(1414) 및 다른 프로그램 모듈들(1415)을 저장하기 위한 대용량 저장 장치(1407)를 더 포함한다.

기본 I/O 시스템(1406)은 정보를 디스플레이 하기 위한 디스플레이(1408) 및 사용자가 정보를 입력하기 위한 마우스 및 키보드와 같은 입력 디바이스(1409)를 포함한다. 디스플레이(1408) 및 입력 디바이스(1409)는 모두 시스템 버스(1405)에 연결된 I/O 컨트롤러(1410)에 의해 CPU(1401)에 연결된다. 기본 I/O 시스템(1406)은 또한 키보드, 마우스, 및 전자 스타일러스와 같은 복수의 다른 디바이스들로부터 입력을 수신 및 처리하기 위한 I/O 컨트롤러(1410)를 포함할 수 있다. 유사하게, I/O 컨트롤러(1410)는 디스플레이 스크린, 프린터, 또는 다른 유형의 출력 디바이스에 출력을 더 제공한다.

대용량 저장 장치(1407)는 시스템 버스(1405)에 연결된 대용량 저장 컨트롤러(미도시)에 의해 CPU(1401)에 연결된다. 대용량 저장 장치(1407) 및 연관된 컴퓨터 판독 가능 매체는 컴퓨터 디바이스(1400)에 대한 비휘발성 저장 장치를 제공한다. 즉, 대용량 저장 장치(1407)는 하드 디스크 또는 CD-ROM 드라이브와 같은 컴퓨터 판독 가능 매체(미도시)를 포함할 수 있다.

일반성을 잃지 않으면서, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하기 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 제거 가능 및 제거 불가능 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EPROM, EEPROM, 플래시 메모리 또는 다른 솔리드 스테이트 저장 기술들; CD-ROM, DVD 또는 다른 광학 저장 장치; 및 테이프 카트리지, 자기 테이프, 디스크 저장 장치 또는 다른 자기 저장 장치들을 포함한다. 컴퓨터 저장 매체가 위에 제한되지 않음은 당업자에게 알려질 것이다. 위의 시스템 메모리(1404) 및 대용량 저장 장치(1407)를 통칭하여 메모리라고 할 수 있다.

본 개시의 다양한 실시 예들에 따르면, 컴퓨터 디바이스는 또한 동작을 위해 인터넷과 같은 네트워크를 통해 네트워크 상의 원격 컴퓨터에 연결될 수 있다. 즉, 컴퓨터 디바이스(1400)는 시스템 버스(1405)에 연결된 네트워크 인터페이스 유닛(1411)을 통해 네트워크(1412)에 연결되거나, 네트워크 인터페이스 유닛(1411)으로 다른 유형의 네트워크들 또는 원격 컴퓨터 시스템들(미도시)에 연결될 수 있다.

메모리는 메모리에 저장된 하나 이상의 프로그램들을 더 포함한다. CPU(1401)는 하나 이상의 프로그램들을 실행함으로써 도 1, 도 2 또는 도 4에 도시된 방법의 단계들의 전부 또는 일부를 구현한다.

당업자는 위에서 설명된 하나 이상의 예시들에서, 본 개시의 실시 예들에서 설명된 기능들이 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합으로 구현될 수 있다는 것을 이해할 것이다. 소프트웨어로 구현되는 경우, 기능들은 컴퓨터 판독 가능 매체에 저장되거나 컴퓨터 판독 가능 매체에 하나 이상의 명령들 또는 코드들로서 전송될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 컴퓨터 프로그램의 한 위치로부터 다른 위치로의 전송을 용이하게 하는 임의의 매체를 포함하는 통신 매체 모두를 포함한다. 저장 매체는 범용 또는 특수 목적 컴퓨터에 의해 액세스될 수 있는 임의의 사용 가능한 매체일 수 있다.

예시적인 일 실시 예에서, 위의 단말에 의해 이용될 소프트웨어 명령들을 저장하기 위한 비일시적 컴퓨터 판독 가능 저장 매체가 또한 제공된다. 명령들은 위의 태양광 곡선 모델링 방법을 실행하기 위해 설계된 프로그램을 포함한다. 예를 들어, 비일시적 컴퓨터 판독 가능 저장 매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광학 데이터 저장 장치 등일 수 있다.

본 개시의 다른 실시 예들은 본 개시의 명세서 및 실시를 고려하면 당업자에게 명백할 것이다. 본 개시는 본 개시의 일반적인 원리를 따르고 본 명세서에 개시되지 않은 공통 지식 또는 일반적으로 이용되는 기술적 수단들을 포함하는 본 개시의 임의의 변형들, 이용들, 또는 적응들을 포함하도록 의도된다. 명세서 및 실시 예들은 단지 예시적인 것으로 간주되어야 하고, 본 개시의 진정한 범위 및 정신은 다음 청구범위에 의해 표시된다.

본 개시는 위에서 설명되고 첨부 도면들에 예시된 정확한 구성에 제한되지 않고, 본 개시의 범위로부터 벗어나지 않고 다양한 수정들 및 변경들이 만들어질 수 있음이 이해될 것이다. 본 개시의 범위는 첨부된 청구범위에 의해서만 제한되는 것으로 의도된다.

1310: 획득 모듈
1320: 패킷화 모듈
1330: 설립 모듈

Claims (10)

1. 태양광 곡선(photovoltaic curve) 모델링 방법에 있어서,
   지정된 시간 주기 내 다양한 시점들에서 태양광 데이터를 획득하는 단계;
   상기 다양한 시점들에서의 상기 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하는 단계; 및
   상기 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들(packet photovoltaic power curves)을 설립하는 단계
   를 포함하고,
   상기 적어도 2개의 태양광 데이터 패킷들 내 상이한 패킷들은 상이한 시간 주기들에 대응하는,
   방법.
   
2. 제1항에 있어서,
   상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 상기 패킷 태양광 전력 곡선들을 설립하는 단계에 앞서,
   상기 적어도 2개의 태양광 데이터 패킷들 내 무효(invalid) 태양광 데이터를 제거하기 위해 상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 대해 데이터 클리닝을 수행하는 단계;
   를 더 포함하고,
   상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 상기 패킷 태양광 전력 곡선들을 설립하는 단계는,
   상기 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들의 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 상기 패킷 태양광 전력 곡선들을 설립하는 단계
   를 포함하는,
   방법,
   
3. 제2항에 있어서,
   상기 태양광 데이터는 대응하는 시점의 태양광 발전 디바이스의 발전 전력(generated power) 및 대응하는 시점의 방사선(radiation) 검출 디바이스에 의해 수집된 조도(irradiance)를 포함하고;
   상기 방사(irradiation) 검출 디바이스는 상기 태양광 발전 디바이스에 배치되고; 및
   상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 대해 데이터 클리닝을 수행하는 단계는:
   비정상(abnormal) 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 상기 적어도 2개의 태양광 데이터 패킷들 내 비정상 데이터를 클리닝하는 단계;
   관련성 낮은 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들로부터 관련성 낮은 데이터를 제거하는 단계;
   이상치(outlier) 데이터가 제거된 상기 적어도 2개의 태양광 데이터 패킷들을 획득하기 위해 상기 관련성 낮은 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들로부터 국부 이상치 인자 알고리즘(local outlier factor algorithm)에 기초하여 이상치 데이터를 각각 제거하는 단계; 및
   상기 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들에 따라, 상기 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 획득하는 단계
   를 포함하고,
   상기 비정상 데이터는 방사 검출 디바이스의 고장의 경우에 생성된 데이터를 나타내고,
   상기 관련성 낮은 데이터는 관련성이 관련성 임계치보다 낮은 태양광 데이터를 나타내고, 상기 관련성은 상기 대응하는 태양광 데이터 내 상기 발전 전력 및 상기 조도 사이의 상관관계를 나타내도록 의도되고,
   상기 이상치 데이터는 데이터 집중 영역으로부터 떨어진 태양광 데이터를 나타내는,
   방법.
   
4. 제3항에 있어서,
   상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 상기 적어도 2개의 태양광 데이터 패킷들 내 비정상 데이터를 클리닝하는 단계는,
   상기 적어도 2개의 태양광 데이터 패킷들 내 누락된(missing) 데이터를 클리닝하는 단계;
   상기 적어도 2개의 태양광 데이터 패킷들 내 야간 무효 데이터를 클리닝하는 단계;
   상기 적어도 2개의 태양광 데이터 패킷들 내 오버런(overrun) 데이터를 클리닝하는 단계; 및
   상기 적어도 2개의 태양광 데이터 패킷들 내 데드 넘버들(dead numbers)을 클리닝하는 단계
   를 포함하고,
   상기 누락된 데이터는 상기 태양광 전력 데이터 내 상기 조도 데이터 또는 상기 발전 전력 데이터가 누락된 데이터를 나타내고,
   상기 야간 무효 데이터는 야간 검출 동안 태양광 전력 검출 디바이스에 의해 얻어진 모든 데이터를 나타내고,
   상기 오버런 데이터는 합리적인 조도 데이터 범위 및/또는 합리적인 전력 데이터 범위를 초과하는 데이터를 나타내고,
   상기 데드 넘버들은 시간 순서로 4번 이상 나타나는 데이터를 나타내는,
   방법.
   
5. 제3항에 있어서,
   상기 관련성 낮은 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들로부터 관련성 낮은 데이터를 제거하는 단계는:
   슬라이딩 윈도우들을 설립하는 단계;
   슬라이딩 윈도우들 각각 내에서 상기 태양광 데이터의 피어슨 상관계수(Pearson correlation coefficient)를 계산하는 단계;
   상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터의 상관값(correlation value)을 계산하는 단계;
   상관 임계치를 결정하는 단계; 및
   상기 상관 임계치에 따라, 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터를 클리닝하는 단계
   를 포함하고,
   상기 슬라이딩 윈도우 각각은 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터의 시간 분해능을 스텝 길이로 취하고, 태양광 데이터의 n개의 조각들 각각을 세트로 취함으로써 시간 순서로 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터에 의해 설립되고,
   상기 태양광 데이터의 n개의 조각들 각각은 데이터 세트로 간주되고, 상기 슬라이딩 윈도우 중 하나는 상기 데이터 세트를 포함하고; 상기 시간 분해능은 상기 방사 검출 디바이스가 대응하는 시점에 인접한 태양광 데이터의 2개 조각들을 수집하는 최소 시간 간격을 나타내고;
   상기 상관값은, 중간 n-2개의 피어슨 상관 계수들의 값들에 대해, 상기 비정상 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들 내 상기 태양광 데이터가 위치하는 복수의 슬라이딩 윈도우들의 상기 피어슨 상관 계수들을 내림차순으로 정렬함으로써 구한 평균 값을 나타내고,
   상기 상관 임계치는 조도 데이터 세그먼트들에 기초하여 분할된 데이터 세그먼트들 각각에 대응하는 상관 임계치를 나타내는,
   방법.
   
6. 제3항에 있어서,
   상기 이상치 데이터가 제거된 적어도 2개의 태양광 데이터 패킷들에 따라, 상기 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 획득하는 단계는:
   사분위수 범위 알고리즘(inter-quartile range algorithm)에 기초하여 상기 적어도 2개의 태양광 데이터 패킷들의 관련성 낮은 데이터로부터 오버 클리닝된(over-cleaned) 데이터를 결정하는 단계; 및
   상기 데이터 클리닝을 거친 상기 적어도 2개의 태양광 데이터 패킷들을 얻기 위해, 상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 오버 클리닝된 데이터를 상기 이상치 데이터가 제거된 상기 적어도 2개의 태양광 데이터 패킷들로 각각 복구하는 단계
   를 포함하고,
   상기 오버 클리닝된 데이터는 데이터 집중 영역 내 및 상기 데이터 집중 영역 주변의 미리 설정된 영역 내 태양광 데이터인,
   방법.
   
7. 제1항에 있어서,
   상기 적어도 2개의 태양광 데이터 패킷들의 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하는 단계는:
   상기 태양광 발전 디바이스의 태양광 전력 곡선을 얻기 위해 상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 대해 스플라인 보간 피팅(spline interpolation fitting)을 수행하는 단계
   를 포함한다.
   
8. 태양광 곡선 모델링 장치에 있어서,
   지정된 시간 주기 내 다양한 시점들에서 태양광 데이터를 획득하도록 구성되는, 획득 모듈;
   다양한 시점들에서의 상기 태양광 데이터를 적어도 2개의 태양광 데이터 패킷들로 분할하도록 구성되는, 패킷화 모듈(packetizing module); 및
   상기 적어도 2개의 태양광 데이터 패킷들의 상기 개별 태양광 데이터에 따라, 상기 적어도 2개의 태양광 데이터 패킷들에 각각 대응하는 패킷 태양광 전력 곡선들을 설립하도록 구성되는, 설립 모듈
   을 포함하고,
   상기 적어도 2개의 태양광 데이터 패킷들 내 상이한 패킷들은 상이한 시간 주기들에 대응하는,
   장치.
   
9. 프로세서 및 메모리
   를 포함하고,
   상기 메모리는,
   상기 프로세서에 의해 로드 및 실행될 때, 상기 프로세서가 제1항 내지 제7항 중 어느 한 항에 정의된 상기 태양광 곡선 모델링 방법을 수행할 수 있도록 하는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 저장하도록 구성되는,
   컴퓨터 디바이스.
   
10. 컴퓨터 판독 가능 저장 매체에 있어서,
    상기 저장 매체는,
    프로세서에 의해 로드 및 실행될 때, 상기 프로세서가 제1항 내지 제7항 중 어느 한 항에 정의된 상기 태양광 곡선 모델링 방법을 수행할 수 있도록 하는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트, 또는 명령어 세트를 저장하도록 구성되는,
    컴퓨터 판독 가능 저장 매체.
    

Images