KR20230086521A - Ai 기반 태양광 발전량 예측 시스템 - Google Patents

Abstract

본 발명은 태양고도, 기온, 강수량을 비롯한 외부 요인에 대한 태양광 발전량 누적 데이터를 기반으로 태양광 발전소의 발전량을 예측할 수 있는 AI 기반 태양광 발전량 예측 시스템에 관한 것이다.
본 발명에 따른 AI 기반 태양광 발전량 예측 시스템은 태양광을 이용하여 발전하는 태양광 발전장치; 상기 태양광 발전장치의 발전량 데이터를 IoT 망을 이용하여 전송받으며, 전송된 발전량 데이터를 토대로 태양광 발전장치의 상태를 진단하고 특정 조건에서 태양광 발전장치의 발전량을 예측하는 진단서버;를 포함한다.

Description

AI 기반 태양광 발전량 예측 시스템 {AI-based solar power generation forecasting system}

본 발명은 AI 기반 태양광 발전량 예측 시스템에 관한 것으로, 더욱 상세하게는 태양고도, 기온, 강수량을 비롯한 외부 요인에 대한 태양광 발전량 누적 데이터를 기반으로 태양광 발전소의 발전량을 예측할 수 있는 AI 기반 태양광 발전량 예측 시스템에 관한 것이다.

신재생에너지의 한 분야인 태양광 발전은 많은 장점으로 인해 최근 그 수요가 급증하고 있으며, 발전 효율을 높이기 위한 기술도 많이 발전해오고 있다. 이러한 태양광 발전장치들은 운영 과정에서 음영, 고장, 노화 등 다양한 원인으로 태양광모듈에 정상 발전 출력이 이루어지지 않게 되면, 이를 신속하게 진단하고 대응하도록 하는 유지보수의 중요성이 더욱 증대되고 있다.

그러나 기존에 태양광발전의 고장 등을 진단하는 기술들은, 여러 가지 예측 기법들을 이용하여 해당 태양광발전 시설(내지 모듈)에서 다양한 환경 요인 등을 감안하여 발전할 수 있는 예상 발전량을 산출한 다음, 해당 예상 발전량 대비 실제 발전량이 일정 범위를 벗어나게 되면 이를 이상으로 판단하여 정밀 진단 내지 유지보수가 이루어지도록 하는 개념을 제시하고 있는데, 이러한 예상 발전량은 아직까지는 태양광발전에 미치는 다양한 요인들을 모두 정확하게 반영할 수 없는 한계 때문에 발전량 예측치에서 이미 정확성이 많이 떨어지게 되고 따라서, 이러한 오차 범위가 큰 예상 발전량을 기준으로 한 고장 진단 기술 역시 판단의 오진률이 높아지게 되는 한계를 갖고 있다.

관련된 선행기술로 한국등록특허 제10-1728692호 "태양광 모듈의 고장 예측 모니터링 시스템 및 방법"이 있다.

상기 선행기술문헌에 개시되어 있는 종래 기술 역시, 태양광 모듈의 기존 변화추이와 일사량 정보 및 온도 등의 데이터를 토대로 해당 태양광 모듈의 실시간 예상 발전량을 산출한 다음, 예상 발전량과 실제 발전량 간의 부합 정도 즉, 차이를 토대로 태양광 모듈의 고장 여부를 판단하고 있는바, 진단의 오차가 크다는 기존 문제점을 동일하게 안고 있을 뿐이다.

따라서, 태양광발전의 유지보수의 효율성을 위해 태양광발전 상태를 정확하게 진단하고 대응할 수 있는 장치 및 기술에 대한 니즈는 증대되고 있다.

또한 기존의 태양광 발전 모니터링 시스템은 일반적인 IP 망을 이용하도록 하고 있는바, 시스템의 구축과 운영에 많은 비용이 소모되고, 많은 양의 데이터에 대한 신속한 송수신이 어렵다는 문제가 있었다.

한국등록특허 제10-1728692호 "태양광 모듈의 고장 예측 모니터링 시스템 및 방법"

본 발명은 상기 문제점을 해결하기 위해 창출된 것으로, 특정 태양광 발전장치의 산출된 발전량 예측치 대비 실제 발전량 비교를 통한 상태진단이 아닌, 인공지능 즉 AI를 이용하는 머신러닝(Machine learning) 등을 통해 과거 동일 기간의 발전량 추세분석을 통한 그룹화된 태양광 발전장치들 내에서 발전량 차이를 비교하여 특정 태양광 발전장치의 상태를 진단함으로써 상태진단의 정확성을 높이도록 하고, IoT 망을 이용하여 이상 진단을 위한 데이터의 수집이 이루어지도록 함으로써, 저렴한 비용으로 시스템의 설치 및 운영이 이루어지며 신속한 데이터의 송수신이 가능한 AI 기반 태양광 발전량 예측 시스템을 제공하는데 그 목적이 있다.

본 발명에 따른 AI 기반 태양광 발전량 예측 시스템은 태양광을 이용하여 발전하는 태양광 발전장치; 상기 태양광 발전장치의 발전량 데이터를 IoT 망을 이용하여 전송받으며, 전송된 발전량 데이터를 토대로 태양광 발전장치의 상태를 진단하고 특정 조건에서 태양광 발전장치의 발전량을 예측하는 진단서버;를 포함한다.

상기 진단서버는 과거 동일기간의 발전량 추세가 유사한 태양광 발전장치들을 그룹화하고 해당 그룹 내에서의 발전량 차이를 비교하여 특정 태양광 발전장치의 상태를 진단하는 것이 바람직하다.

상기 진단서버는, 태양광 발전장치들을 그룹화하는 그룹화부와, 그룹화된 태양광 발전장치들 내에서 오차 범위를 벗어난 발전량을 나타내는 특정 태양광 발전장치를 선별하는 이상진단부를 포함하고, 상기 그룹화부는, 태양광 발전장치의 발전량 정보를 수집하는 발전데이터수집모듈과; 각 태양광 발전장치의 고장이력, 유지보수이력과 같은 정보를 통해 발전량 정보를 가공하는 발전데이터가공모듈과; 각 태양광 발전장치들이 위치하는 지역의 기상정보, 환경정보에 따라 가공된 발전량 정보를 정제하는 발전데이터정제모듈과; 각 태양광 발전장치의 설비 특성에 따라 정제된 발전데이터를 보정하는 발전데이터보정모듈과; 보정된 발전량 데이터에 군집화 알고리즘을 적용하여 태양광 발전장치들을 그룹화하는 그룹화모듈을 포함하는 것이 바람직하다.

본 발명에 따른 AI 기반 태양광 발전량 예측 시스템은 저렴한 비용으로 시스템의 설치 및 운영이 이루어질 수 있는 이점이 있다.

아울러 본 발명은 다양한 외부 요인에 대한 태양광 발전장치의 발전량을 예측하여 전력량에 대한 예측 및 계획의 정확성을 높일 수 있고, 향후 태양광 발전장치의 고장 및 교체 시점에 대해서도 정확한 예측을 통해 유지보수의 효율을 극대화할 수 있는 이점이 있다.

도 1은 본 발명의 일 실시예에 따른 AI 기반 태양광 발전량 예측시스템의 개념도
도 2는 본 발명에서 태양광 발전장치들을 그룹화하여 진단을 수행하는 상태도
도 3은 도 1의 진단서버의 구성을 나타내는 블럭도
도 4는 도 3의 추세기준그룹화부의 구성을 나타내는 블럭도
도 5는 도 3의 환경기준그룹화부의 구성을 나타내는 블럭도
도 6은 도 3의 이상진단부의 구성을 나타내는 블럭도
도 7은 도 1의 태양광 발전장치에 스트링평준화부가 포함된 개념도
도 8은 도 7의 스트링평준화부의 세부 구성도이다.

이하에서는 본 발명에 따른 AI 기반 태양광 발전량 예측 시스템의 바람직한 실시예들을 첨부된 도면을 참조하여 상세히 설명한다.

본 발명의 일 실시예에 따른 AI 기반 태양광 발전량 예측 시스템을 도 1 내지 도 10을 참조하여 설명하면, 상기 AI 기반 태양광 발전량 예측 시스템은 태양광을 이용하여 발전하는 태양광 발전장치(3)와, 상기 태양광 발전장치(3)의 발전량 데이터를 IoT 망을 이용하여 전송받으며, 전송된 발전량 데이터를 토대로 태양광 발전장치의 상태를 진단하는 진단서버(1)를 포함한다.

특히, 본 발명에 따른 AI 기반 태양광 발전량 예측 시스템은 과거 동일기간 동안의 발전량 추세가 유사한 태양광 발전장치들을 그룹화하고 해당 그룹 내에서 발전량의 차이를 비교하여 특정 태양광 발전장치(3)의 상태를 진단하도록 함으로써, 더욱 정확한 상태 진단이 가능하도록 한다.

여기서 태양광 발전장치(3)는 지상에 설치되는 태양광 발전소만을 의미하는 것이 아니라, 건물 옥상, 수상 내지 건물 외벽 등에 설치되는 건물일체형 태양광 발전장치(BIPV) 등 태양광에 의해 전력을 발생시키는 다양한 장치를 포함할 수 있는데, 각 태양광 발전장치(3)에서 발생되는 전력을 측정하여 태양광 발전장치(3)의 이상 진단이 이루어질 수 있도록 한다.

이때, 태양광 발전장치(3)에서 생산되는 전력의 양은 인버터(34) 등에 설치되는 전압 또는 전류 센서 등에 의해 측정될 수 있는데, 측정된 발전량에 관한 정보는 IoT 망을 통해 진단서버(1)로 전달될 수 있도록 한다. 특히 사물인터넷(IoT)을 구성하는 사물들 중 네트워크를 통해 교환해야 하는 데이터의 양이 많지 않은 사물들을 소물(small thing)이라하며, 소물들로 구성된 네트워크를 소물 인터넷망이라 하는데, 본 발명에서는 SKT의 LoRa망, KT의 LTE-M 등의 소물 인터넷망을 이용하여 발전량 정보의 수집이 이루어지도록 할 수 있다. 따라서, 본 발명은 기존 IP망에 비해 저렴한 비용으로 신속한 데이터의 수집이 이루어지도록 할 수 있다.

상기 진단서버(1)는 태양광 발전장치(3)에서 전송되는 발전량 데이터를 토대로 태양광 발전장치(3)의 상태를 진단하는 구성으로, 일정기간 동안 발전량 추세가 유세한 태양광 발전장치(3)들을 동일한 그룹으로 묶어 동일한 그룹 내에서 발전량의 오차가 발생하는 경우 이상으로 진단하도록 함으로써, 진단의 정확성을 높이도록 한다.

종래 태양광 발전장치의 이상을 진단하는 시스템에 있어서는 여러 가지 예측 기법들을 이용하여 태양광발전 시설 내에서 발전할 수 있는 예상 발전량을 산출한 다음, 해당 예상발전량 대비 실제 발전량이 일정 범위를 벗어나게 되면 이를 이상으로 판단하여 정밀 진단 내지 유지보수가 이루어지도록 하는 개념으로 접근하고 있는데, 이러한 예상 발전량은 아직까지 태양광발전에 미치는 다양한 요인들을 모두 정확하게 반영할 수 없는 한계 때문에 발전량 예측치에서 이미 정확성이 많이 떨어지는 문제가 있으며 따라서, 이러한 오차 범위가 큰 예상 발전량을 기준으로 한 고장 진단 기술 역시 판단의 오진율이 높아지게 되는 한계를 갖는다. 이에 따라, 본 발명에서는 상기 진단서버(1)를 통해 과거 동일 기간의 발전량 추세가 유세한 태양광 발전장치(3)들을 그룹화하는 그룹화부(11)와, 그룹화된 동일 그룹의 태양광 발전장치(3)들 내에서 오차 범위를 벗어난 발전량을 나타내는 특정 태양광 발전장치(3)를 선별하는 이상진단부(13)를 포함한다.

상기 그룹화부(11)는 태양광 발전장치(3)들 중 과거 동일 기간의 발전량 추세가 유사한 태양광 발전장치(3)들을 그룹화(도 2 참조)하는 구성으로, 바람직하게는 인공지능을 소프트웨어적으로 구현하는 머신러닝(Machine learning) 등을 통해 과거 동일 기간의 발전량 데이터를 토대로 추세가 유사한 태양광 발전장치(3)들별로 군집화를 수행하게 된다. 상기 그룹화부(11)는 발전량의 추세만으로 그룹을 설정하도록 할 수 있으며, 경우에 따라서는 기상환경 등이 유사한 태양광 발전장치(3)들을 먼저 동일한 그룹으로 묶고 동일한 그룹 내에서 발전량 추세에 따라 다시 그룹을 세분화하도록 구성할 수도 있다. 따라서, 상기 그룹화부(11)는 발전량 추세에 따라 그룹을 설정하는 추세기준그룹화부(111)를 기본적으로 포함하며, 선택적으로 기상환경 등 유사한 환경을 가지는 태양광 발전장치(3)들을 먼저 동일한 그룹으로 묶도록 하는 환경기준그룹화부(113)를 추가로 포함하도록 할 수도 있다.

상기 추세기준그룹화부(111)는 발전량 추세에 따라 태양광 발전장치(3)들을 그룹화하는 구성으로, 각 태양광 발전장치(3)로부터 발전량 정보를 수집하여 발전량 추세를 분석한다. 특히, 상기 추세기준그룹화부(111)는 각 태양광 발전장치(3)의 고장 이력 내지 보수 이력, 주변 기상정보 내지 환경정보, 설비 특성 등을 고려하여 각 태양광 발전장치(3)의 발전량 데이터를 가공, 정제, 보정하도록 하고 이렇게 수정된 발전량 데이터를 이용하여 더욱 정확하게 그룹을 분류할 수 있도록 한다. 또한, 상기 추세기준그룹화부(111)는 설정된 그룹별로 상기 이상진단부(13)에 의해 이상이 진단된 결과와 실제 발생한 이상에 대한 정보를 비교하여 그 정확성을 검증하도록 하고, 검증된 결과에 따라 그룹을 자동으로 갱신하여 최적화하도록 함으로써 시간이 지날수록 이상 진단의 정확성이 더욱 향상될 수 있도록 한다. 이를 위해, 상기 추세기준그룹화부(111)는 도 4에 도시된 바와 같이 발전데이터수집모듈(111a), 발전데이터가공모듈(111b), 발전데이터정제모듈(111c), 발전데이터보정모듈(111d), 그룹화모듈(111e), 그룹최적화모듈(111f)을 포함할 수 있다.

상기 발전데이터수집모듈(111a)은 각 태양광 발전장치(3)로부터 일발전량, 일발전량편차 등과 같은 정보를 수집하는 구성으로, IoT 망, 바람직하게는 소물인터넷망을 이용하여 수집되도록 할 수 있으며, 태양광 발전장치(3)들에 대한 그룹화를 위해 기초 정보를 수집하게 된다.

상기 발전데이터가공모듈(111b)은 각 태양광 발전장치(3)의 고장이력, 유지보수이력과 같은 정보를 통해 상기 발전데이터수집모듈(111a)에서 수집된 정보를 가공하는 구성이다. 즉, 특정 태양광 발전장치(3)의 특정 기간의 발전량이 급격히 저하된 정보가 수집된 경우라도, 그 기간 동안 해당 태양광 발전장치(3)의 일부 또는 대부분이 정기점검 또는 고장 등의 이유로 유지보수 진행된 상태라면, 상기 발전데이터가공모듈(111b)에서 이를 반영하여 해당 태양광 발전장치(3)의 발전량 정보를 수정, 가공함으로써 해당 태양광 발전장치(3)에 대한 정확한 발전량 추세 정보를 획득할 수 있게 된다. 이를 위해 상기 발전데이터가공모듈(111b)은 고장보수정도수신모듈(111b-1), 고장보수시간정보수신모듈(111b-2), 고장보수지수산출모듈(111b-3), 가공연산모듈(111b-4)을 포함할 수 있다.

상기 고장보수정도수신모듈(111b-1)은 각 태양광 발전장치(3)에 대한 고장 또는 유지보수의 정도에 관한 정보를 수신하는 구성으로, 각 태양광 발전장치(3)의 전부에 대해 고장 또는 유지보수가 이루어졌는지, 어느 정도의 비율로 고장 또는 유지보수가 이루어져 작동이 중단되었는지에 관한 정보를 수신하도록 한다. 일 예로, 상기 태양광 발전장치(3)는 복수의 어레이(33) 등이 하나의 단위로 형성될 수 있으며, 그 중 일부에 대해서만 고장, 유지보수 작업이 이루어지는 경우 그 비율에 대한 정보를 수신하도록 할 수 있다. 상기 고장보수정도수신모듈(111b-1)은 고장 또는 유지보수가 이루어지는 경우 작업자의 별도 입력에 의한 정보를 수신하도록 할 수 있다.

상기 고장보수시간정보수신모듈(111b-2)은 고장 또는 유지보수가 이루어진 시간에 관한 정보를 수신하는 구성으로, 역시 작업자의 별도 입력에 의한 정보를 수신하도록 할 수 있다.

상기 고장보수지수산출모듈(111b-3)은 고장보수정도수신모듈(111b-1) 및 고장보수시간정보수신모듈(111b-2)에 의해 수신되는 고장 또는 유지보수에 대한 정도와 시간정보를 이용하여 고장보수에 대한 지수(이하 '고장보수지수'라 함)를 산출하는 구성으로, 여기서 고장보수지수라 함은 각 태양광 발전장치(3)에 대해 고장 또는 유지보수로 인해 작동이 불능된 정도를 의미한다.

상기 가공연산모듈(111b-4)은 고장보수지수산출모듈(111b-3)에 의해 산출된 고장보수지수를 이용하여 발전량 데이터를 가공하는 구성으로, 고장 또는 유지보수에 의해 작동되지 못했던 만큼 발전량 데이터를 증가시켜 수정할 수 있도록 한다. 일 예로, 특정 태양광 발전장치(3)의 전체 어레이 중 1/3에 대해 24시간 동안 고장 또는 유지보수로 전력 생산이 중단되었던 경우에는 고장보수지수를 1/3로 산출할 수 있으며, 수집된 해당 태양광 발전장치(3)의 일 발전량 데이터에 대해 3/2(1.5배)를 곱하여 가공된 발전량 데이터가 산출될 수 있도록 한다.

상기 발전데이터정제모듈(111c)은 각 태양광 발전장치(3)들이 위치하는 지역기상정보, 환경정보와 같은 정보를 통해 발전량 추세에 대한 오류 정보를 최소화하는 구성이다. 즉, 특정 기간의 태양광 발전장치(3)들 중 발전량이 비슷한 경우라도 해당 태양광 발전장치(3) 각각이 위치한 환경 즉, 일사량 정보나 온도, 습도 등이 차이나는 상황인 경우라면 이러한 경우까지 동일한 발전량을 보이는 그룹으로 묶게 되면 그룹화 결과에 신뢰성이 저하되게 된다. 따라서, 상기 발전데이터정제모듈(111c)에서는 상기 발전데이터수집모듈(111a) 내지 발전데이터가공모듈(111b)에서 제공된 정보에 더해 각 태양광 발전장치(3)들이 위치하는 지역기상정보, 환경정보와 같은 정보를 반영함으로서 각 태양광 발전장치(3)들의 발전량 추세에 대한 오류 정보를 최소화하게 되고, 이를 통해 후술할 그룹화모듈(111e)에서 신뢰성 있는 그룹화가 진행될 수 있도록 한다. 이를 위해, 상기 발전데이터정제모듈(111c)은 환경정보수신모듈(111c-1), 환경지수산출모듈(111c-2), 정제연산모듈(111c-3)을 포함할 수 있다.

상기 환경정보수신모듈(111c-1)은 각 태양광 발전장치(3)가 위치하는 지역의 기상, 환경정보를 수집하는 구성으로, 일사량, 온도, 습도 등의 정보가 수신될 수 있도록 한다.

상기 환경지수산출모듈(111c-2)은 환경정보수신모듈(111c-1)에 의해 수신된 환경정보에 따른 환경지수를 산출하는 구성으로, 일사량, 온도, 습도 등의 정보를 일정 구간으로 해당 구간에 따라 환경지수를 산출할 수 있도록 한다. 일 예로, 상기 환경지수산출모듈(111c-2)은 일사량이 높거나 온도가 높을수록 높은 환경지수를 갖도록 설정할 수 있으며, 과거 발전량 데이터를 바탕으로 각 환경정보와 발전량의 상관관계를 분석하여 환경지수가 결정되도록 할 수 있다. 또한, 본 발명은 이상 진단 결과의 검증에 의해 환경지수 등이 지속적으로 갱신되므로, 시스템의 사용에 따라 환경지수 등의 값은 지속적으로 갱신되어 그 정확성이 높아지게 된다.

상기 정제연산모듈(111c-3)은 환경지수산출모듈(111c-2)에 의해 산출된 환경지수를 적용하여 가공된 발전량 데이터를 정제하는 구성으로, 예를 들어 정제된 발전량 데이터가 동일한 환경조건이라는 가정하에서 비교될 수 있도록 각각의 환경지수의 역수를 가공된 발전량 데이터에 곱하여 정제된 발전량 데이터가 산출되도록 할 수 있다.

상기 발전데이터보정모듈(111d)은 각 태양광 발전장치의 설비특성에 따라 정제된 발전량 데이터를 보정하는 구성으로, 태양광모듈(31)의 개수, 설치각도, 모듈의 종류 등에 따른 설비 특성을 반영하여 보정하도록 한다. 이를 위해, 상기 발전데이터보정모듈(111d)은 설비정보수신모듈(111d-1), 특성지수산출모듈(111d-2), 보정연산모듈(111d-3)을 포함할 수 있다.

상기 설비정보수신모듈(111d-1)은 각 태양광 발전장치(3)별 설비 정보를 수집하는 구성으로, 태양광모듈(31)의 개수, 설치각도 내지 방향, 모듈의 종류 등의 정보를 수집하도록 하며, 진단서버(1)에 등록된 정보를 불러오도록 할 수 있다. 구체적으로 각 태양광 발전장치(3)는 설치방향이 모두 동일하다고 할 수 없고, 모듈의 종류나 개수가 상이할 수 있으므로, 다른 조건이 동일하다 하더라도 발전량이 상이하게 된다. 따라서, 각 태양광 발전장치(3)의 설비정보를 이용하여 발전량 데이터를 보정할 수 있도록 한다.

상기 특성지수산출모듈(111d-2)은 발전량에 영향을 미치는 태양광발전장치(3)의 설비 특성에 따른 지수를 산출하는 구성으로, 예를 들어 모듈의 개수, 설치 방향에 따른 발전량의 비율 등을 설정하도록 한다. 예를 들어 모듈의 개수 기준을 100개로 할 경우에는 400개의 태양광모듈(31)이 설치된 태양광 발전장치(3)에 대해서는 발전량 데이터에 0.25를 곱하도록 하고, 남향을 기준으로 할 경우 북향이 남향에 비해 발전량이 50%에 불과한 경우에는 북향의 태양광 발전장치(3)에 대해서는 발전량 데이터를 2배 할 수 있도록 하며, 태양광모듈(31)이 400개고 북향인 태양광 발전장치(3)에 대해 0.25 X 2 = 0.5의 특성지수가 산출되도록 할 수 있다.

상기 보정연산모듈(111d-3)은 특성지수산출모듈(111d-2)에 의해 산출된 특성지수에 따라 발전량 데이터를 보정하는 구성으로, 모듈의 개수, 설치 방향 등을 고려하여 산출된 특성지수를 발전량 데이터에 적용하도록 한다.

따라서, 상기와 같이 특성지수가 0.5로 산출되는 경우에는 발전량 데이터에 0.5를 곱하는 방식으로 보정 데이터를 산출하도록 할 수 있으며, 그 밖에 다양한 산식과 기준에 따라 발전량 데이터를 보정하도록 할 수 있다.

상기 그룹화모듈(111e)은 상기 발전데이터보정모듈(111d)에서 산출된 데이터에 군집화 알고리즘(군집화 기준을 토대로 군집화하는 프로그램)을 적용하여 태양광 발전장치(3)들을 유사한 발전량 추세를 보이는 그룹별로 그룹화하는 구성이다.

일 예로, 상기 그룹화모듈(111e)은 각 태양광 발전장치(3)들에 대해 일정기간 동안의 일 누적 발전량 데이터를 기준으로 일간 편차가 가장 유사한 태양광 발전장치(3)들별로 발전소 그룹화를 진행할 수 있다. 이는 각 태양광 발전장치(3)의 해당 환경정보나 유지보수 이력정보, 설비특성 등을 반영하여 가장 유사한 일 발전량 패턴을 보이는 태양광 발전장치(3)들별로 그룹화를 함으로써, 해당 그룹화된 태양광 발전장치(3)들 중 어느 하나가 다른 태양광 발전장치(3)들과 다르게 오차 범위를 벗어나는 일 발전량 패턴을 보이는 경우라면 상기 이상진단부(13)에서 이상 여부를 진단하게 될 것이다.

상기 지수비교모듈(111f-2)은 진단 결과가 실제와 일치하지 않는 경우 각 지수들을 비교하는 구성으로, 고장보수지수, 환경지수, 특성지수를 비교하도록 하여 발전량 데이터를 가장 큰 비율로 변경시키는 지수부터 지수조절모듈(111f-3)에 의한 지수의 조절이 이루어질 수 있도록 한다.

상기 지수조절모듈(111f-3)은 각 지수를 조절하여 이상진단부(13)에 의한 고장의 진단 결과와 실제 고장 결과를 일치시키도록 하는 구성으로, 지수비교모듈(111f-2)에 의해 비교된 결과에 따라 발전량 데이터에 가장 큰 영향을 미치는 지수부터 조절이 이루어지도록 한다. 다만, 상기 지수조절모듈(111f-3)은 각 지수에 대해 조절될 수 있는 범위를 미리 정할 수 있도록 하며, 해당 범위까지의 조절에도 고장 결과가 일치하지 않는 경우에는 그 다음 큰 영향을 미치는 지수를 조절하여 결과를 일치시킬 수 있도록 한다. 따라서, 상기 지수조절모듈(111f-3)은 각 지수에 대해 순차적으로 조절이 이루어질 수 있도록 하며, 결과가 일치할 때까지 설정된 범위를 변경하여 조절이 이루어지도록 할 수도 있다.

상기 그룹자동변경모듈(111f-4)은 상기 지수조절모듈(111f-3)에 의해 조절된 지수에 따라 그룹을 자동으로 변경하여 재그룹화하는 하도록 한다. 따라서, 상기 그룹자동변경모듈(111f-4)은 시간이 지날수록 그룹화의 정확성이 자동으로 향상될 수 있도록 하여 이상 진단의 정확성을 높일 수 있게 된다.

상기 환경기준그룹화부(113)는 동일한 환경지역을 동일한 그룹으로 설정하는 구성으로, 앞서 설명한 바와 같이 상기 그룹화부(11)는 발전량 추세에 따라 태양광 발전장치(3)들을 그룹화하는 것을 원칙으로 하나, 기상, 환경의 차이 내지 변화가 심한 지역에서는 발전량 추세에 우선하여 기상, 환경조건 등이 동일한 지역을 먼저 동일한 그룹으로 그룹화하고, 동일한 그룹 내에서 상기 추세기준그룹화부(111)에 의한 그룹의 세분화를 진행하도록 할수도 있다. 다만, 환경기준그룹화부(113)에 의해 먼저 그룹화를 진행하는 경우에는 상기 발전데이터정제모듈(111c)은 진행하지 않도록 할 수 있다. 상기 환경기준그룹화부(113)는 도 5에 도시된 바와 같이 환경정보수집모듈(113a), 환경지역설정모듈(113b)을 포함할 수 있다.

상기 환경정보수집모듈(113a)은 태양광 발전장치(3)가 설치된 지역의 환경정보를 수집하는 구성으로, 분획모듈(113a-1), 환경정보추출모듈(113a-2)을 포함할 수 있다.

상기 분획모듈(113a-1)은 태양광 발전장치(3)가 설치된 지역을 가로 및 세로로 등분하여 복수 개의 단위 격자를 형성하는 구성으로, 단위 격자마다 환경정보를 수집하여 태양광 발전장치(3)가 위치한 지점의 정확한 기상 정보를 수집할 수 있도록 한다.

상기 환경정보추출모듈(113a-2)은 각 단위 격자에 대한 환경정보를 추출하는 구성으로, 태양광 발전에 영향을 미치는 일사량, 온도, 습도, 바람의 세기 등에 관한 정보를 추출하도록 한다. 상기 환경정보추출모듈(113a-2)은 각 단위 격자에 설치된 환경센서를 이용하거나 기상청의 자료를 이용하도록 할 수 있으며, 환경정보 역시 IoT 망, 바람직하게는 소물인터넷망을 이용해 수집될 수 있도록 한다.

상기 환경지역설정모듈(113b)은 수집된 환경정보에 의해 환경정보가 동일한 지역의 태양광 발전장치(3)들을 하나의 그룹으로 설정하도록 하는 구성으로, 동일환경지역이라 함은 동일한 태양광 발전장치가 사용되었을 때 동일한 양의 전기를 생산할 수 있도록 일조량, 온도, 바람의 세기 등의 환경요인이 동일한 것을 의미한다. 또한,

환경정보는 지속적으로 변화하므로 상기 환경지역설정모듈(113b)에 의해 설정되는 그룹으로 변화되는 환경에 따라 지속적으로 변화하게 된다.

상기 오차감시모듈(133a)은 동일한 그룹 내에서 특정 태양광 발전장치(3)의 발전량 편차가 설정된 범위에 존재하는 경우 이를 지속적으로 감시하는 구성으로, 그 오차 정도와 시간에 따라 위험지수를 산출할 수 있도록 한다. 여기서 발전량의 편차는 고장 진단시와 동일하게 일 누적 발전량, 평균 발전율, 최대 발전량 중 어느 하나일 수 있으며, 설정된 범위는 고장으로 진단되는 오차범위보다는 낮은 값이나 일정 시간 이상 지속되면 고장이 발생할 위험이 높은 범위를 의미한다.

상기 지속시간계측모듈(133b)은 오차감시모듈(133a)에 의해 설정된 범위에 해당하는 오차가 감지되는 경우 그 지속시간을 계측하는 구성으로, 그 지속시간에 따라 위험지수가 산출될 수 있도록 한다.

상기 위험지수산출모듈(133c)은 오차 정도 및 지속시간에 따라 위험지수를 산출하는 구성으로, 위험지수는 오차가 클수록, 지속시간이 길수록 높은 값을 나타내도록 할 수 있다. 따라서, 상기 위험지수산출모듈(133c)에 의해 산출되는 위험지수가 높을수록 빠른 시일 내에 고장이 발생할 위험이 높다는 것을 의미하게 된다.

상기 고장예측정보알림모듈(133d)은 위험지수산출모듈(133c)에 의해 산출되는 위험지수에 따라 고장이 발생할 가능성이 높은 시점에 관한 정보를 제공하는 구성으로, 위험지수에 따라 고장이 발생할 가능성이 높은 시점을 미리 설정하여 두고 이에 따라 정보의 제공이 이루어질 수 있도록 한다. 위험지수에 따른 시점 정보는 실험적 또는 과거 데이터를 기반으로 설정될 수 있으며, 예를 들어 위험지수를 10개 구간으로 나누어 가장 높은 1구간일 경우에는 10일 내, 2구간일 경우에는 20일 내 등 위험지수의 각 구간에 따라 고장이 발생할 위험이 높은 시점을 예측하여 제공하도록 할 수 있다.

상기 열화감지부(135)는 고장 진단 또는 고장위험 예측에도 해당되지 않으나 발전량 오차의 변화율이 일정값을 초과하여 일정 시간 이상 지속되는 경우 태양광 발전장치(3)의 출력이 저하되고 있음을 감지하여 이를 경보할수 있도록 한다. 이를 위해, 상기 열화감지부(135)는 기울기산출모듈(135a), 임계확인모듈(135b), 시간정보측정모듈(135c), 열화경보모듈(135d)을 포함할 수 있다.

상기 기울기산출모듈(135a)은 태양광 발전장치(3) 발전량 오차의 변화율에 따라 기기를 산출하는 구성으로, 고장진단부(131), 고장위험예측부(133)와 같이 동일한 그룹 내에서 특정 태양광 발전장치(3) 발전량 오차의 변화율을 산출하도록 한다. 역시 상기 기울기산출모듈(135a)도 그룹화 기준에 따라 발전량 오차의 변화율을 산출하도록 하며, 그 기울기가 임계값을 초과하는 경우 그 지속시간을 측정하여 열화에 대한 경보가 이루어질 수 있도록 한다.

상기 제어부(365)는 상기 전력측정부(361)의 데이터를 토대로 상기 전력저장부(363)를 제어하는 구성으로, 단순히 음영 내지 특정 모듈의 고장 등으로 발전량이 저하된 스트링만을 대상으로 해당 스트링에 전력보상장치를 통해 보상 전력을 공급하는 종래 기술의 경우에는, 발전전력이 저하된 스트링에 전력을 보상하기 위해 별도의 전력저장장치(ESS)에 전력을 미리 저장하고 있어야 하기 때문에 태양광 발전량이 큰 시설에서는 전력보상장치용 전력저장장치(ESS) 역시 대용량으로 구비(일 예로, 10kW 발전량으로 1시간 보상하는 경우에는 10kWh 배터리 용량이 충전되어 있어야 하고, 만약 발전량 저하량과 저하시간이 상대적으로 길어지는 경우에 대비하기 위해서는 태양광 발전 용량 대비 큰 배터리 용량의 전력저장장치(ESS)가 전력보상용으로 구비)되어야만 하여 비용 및 경제적으로 효율이 크게 저감됨은 물론, 별도의 전력저장장치(ESS) 충전을 위한 계통 연결 내지 구성(보상태양광패널 등)을 구비해야 하는 문제가 있었던바, 본 발명에서는 단순히 출력 전력이 저감된 스트링(32)에 대한 전력보상만으로 문제를 해결하는 것이 아니라, 어레이(33) 전체적으로 보았을 때 각 스트링(32) 간의 전력 편차를 최소화 내지 없애는 방식으로의 해결책을 제시하는 것이다. 이를 위해 상기 제어부(365)는 상기 전력저장부(363)의 충전량 상태를 판단하는 저장상태판정모듈(365a)과, 상기 저장상태판정모듈(365a)에서 판단한 전력저장부(363)의 충전량 상태에 따라 전력저장부의 방전 또는 충전 여부를 결정하는 저장제어모듈(365b)과, 상기 저장제어모듈(365b)에서 결정하는 방전 또는 충전 여부에 따라 전력을 보상 또는 전력을 흡수할 스트링(32)을 결정하여 전력저장부(363)와 연결시키는 연결조절모듈(365c)을 포함할 수 있다. 즉, 각 스트링(32) 간의 전력 편차를 최소화하기 위해 각 스트링(32) 단과 연결되는 전력저장부(363)의 충전량 상태에 따라, 충전량이 충분한 경우에는 출력 전력이 저하된 스트링(32)에 전력저장부(363)로부터 보상 전력을 공급(즉, 전력저장부(363)의 방전)하여 해당 스트링(32)의 전력을 높여 전체적인 스트링(32) 간 전력 편차를 없애고, 반대로 충전량이 부족한 경우에는 출력 전력이 높은 스트링(32)들로부터 전력저장부(363)로 전력을 흡수(즉, 전력저장부(363)의 충전)하여 해당 스트링(32)의 전력을 낮춰 전체적인 스트링(32) 간 전력 편차를 없애는 방식을 적용시킴으로써, 상기 전력저장부(363)가 계속 보상전력을 공급해야 하는 구조가 아니므로 전력저장부(363)가 대용량으로 구비되어야 할 필요가 없고 또한, 전력저장부(363)의 충방전이 해당 어레이(33) 내에서 이루어지게 되므로 전력저장부(363) 충전만을 위한 별도의 계통 내지 구성을 구비해야 할 필요도 없게 된다.

제시된 실시예들에 대한 설명은 임의의 본 발명의 기술분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

1: 진단서버
11: 그룹화부
111: 추세기준그룹화부
111a: 발전데이터수집모듈 111b: 발전데이터가공모듈
111c: 발전데이터정제모듈 111d: 발전데이터보정모듈
111e: 그룹화모듈 111f: 그룹최적화모듈
123: 환경기준그룹화부
123a: 환경정보수집모듈 123b: 환경지역설정모듈
13: 이상진단부
131: 고장진단부 133: 고장위험예측부
135: 열화감지부
3: 태양광 발전장치
31: 태양광모듈 32: 스트링
33: 어레이 34: 인버터
35: 접속반
36: 스트링평준화부
361: 전력측정부
361a: 센서
363: 전력저장부 365: 제어부

Claims (3)

1. 태양광을 이용하여 발전하는 태양광 발전장치;
   상기 태양광 발전장치의 발전량 데이터를 IoT 망을 이용하여 전송받으며, 전송된 발전량 데이터를 토대로 태양광 발전장치의 상태를 진단하고 특정 조건에서 태양광 발전장치의 발전량을 예측하는 진단서버;를 포함하는
   AI 기반 태양광 발전량 예측 시스템.
2. 제 1항에 있어서,
   상기 진단서버는 과거 동일기간의 발전량 추세가 유사한 태양광 발전장치들을 그룹화하고 해당 그룹 내에서의 발전량 차이를 비교하여 특정 태양광 발전장치의 상태를 진단하는 것을 특징으로 하는
   AI 기반 태양광 발전량 예측 시스템.
3. 제 2항에 있어서,
   상기 진단서버는,
   태양광 발전장치들을 그룹화하는 그룹화부와, 그룹화된 태양광 발전장치들 내에서 오차 범위를 벗어난 발전량을 나타내는 특정 태양광 발전장치를 선별하는 이상진단부를 포함하고,
   상기 그룹화부는,
   태양광 발전장치의 발전량 정보를 수집하는 발전데이터수집모듈과; 각 태양광 발전장치의 고장이력, 유지보수이력과 같은 정보를 통해 발전량 정보를 가공하는 발전데이터가공모듈과; 각 태양광 발전장치들이 위치하는 지역의 기상정보, 환경정보에 따라 가공된 발전량 정보를 정제하는 발전데이터정제모듈과; 각 태양광 발전장치의 설비 특성에 따라 정제된 발전데이터를 보정하는 발전데이터보정모듈과; 보정된 발전량 데이터에 군집화 알고리즘을 적용하여 태양광 발전장치들을 그룹화하는 그룹화모듈을 포함하는 것을 특징으로 하는
   AI 기반 태양광 발전량 예측 시스템.

Images