KR20230099467A - 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템 - Google Patents

인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템 Download PDF

Info

Publication number
KR20230099467A
KR20230099467A KR1020210188845A KR20210188845A KR20230099467A KR 20230099467 A KR20230099467 A KR 20230099467A KR 1020210188845 A KR1020210188845 A KR 1020210188845A KR 20210188845 A KR20210188845 A KR 20210188845A KR 20230099467 A KR20230099467 A KR 20230099467A
Authority
KR
South Korea
Prior art keywords
module
failure
diagnosis
voltage data
voltage
Prior art date
Application number
KR1020210188845A
Other languages
English (en)
Inventor
송기택
이철송
김성지
Original Assignee
(주)이투지
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 (주)이투지 filed Critical (주)이투지
Priority to KR1020210188845A priority Critical patent/KR20230099467A/ko
Publication of KR20230099467A publication Critical patent/KR20230099467A/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
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명은 태양광 모듈 고장 진단 및 예측 시스템에 관한 것으로, 더욱 상세하게는 인공지능을 이용한 머신 러닝을 통해 태양광 모듈들의 전압 변화에 대한 추세를 분석하고, 전압 변화 추세에 따른 그룹화를 통해 그룹 내에서 태양광 모듈의 상태 진단이 이루어지도록 함으로써, 태양광 모듈 상태 진단의 정확성을 높일 수 있도록 하는 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템에 관한 것이다.

Description

인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템{A Fault Diagnosis and Prediction System for Solar Module Using}
본 발명은 태양광 모듈 고장 진단 및 예측 시스템에 관한 것으로, 더욱 상세하게는 인공지능을 이용한 머신 러닝을 통해 태양광 모듈들의 전압 변화에 대한 추세를 분석하고, 전압 변화 추세에 따른 그룹화를 통해 그룹 내에서 태양광 모듈의 상태 진단이 이루어지도록 함으로써, 태양광 모듈 상태 진단의 정확성을 높일 수 있도록 하는 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템에 관한 것이다.
최근, 석유, 석탄, 및 천연 가스 등과 같은 기존 에너지원의 수입에 따른 과다 비용 지출과 이들 에너지원에 대한 자원 고갈 가능성 등이 문제되고 있으며, 원자력과 같은 에너지원 이용에 따른 사고 발생시 예측할 수 없는 피해 정도로 인하여, 상술한 기존 에너지원을 대체할 수 있는 대체 에너지에 대한 관심이 증가하고 있다.
대체 에너지란 석유, 석탄, 및 원자력 등과 같은 기존 에너지원이 아닌, 태양 에너지, 바이오 매스, 풍력, 수력, 연료 전지, 해양 에너지, 지열, 수소 등을 이용하여 생산할 수 있는 에너지를 의미한다.
그 중 태양 에너지를 이용한 전압(즉, 태양광 전압) 분야는 기술 개발이 활발하게 진행되어, 현재 실용화 단계에 접어들고 있으며, 미래의 청정 에너지원으로서 기대를 모으고 있다.
태양광 전압은 태양으로부터의 빛 에너지를 전기 에너지로 바꾸어주는 전압 방식이다. 태양광 전압의 핵심은 PN접합 구조를 가진 태양 전지(solar cell)에 있다. 태양 전지에 빛이 조사되어, 외부로부터 광자(photon)가 태양전지의 내부로 흡수되면, 광자가 지닌 에너지에 의해 태양 전지 내부에서 전자(electron)와 정공(hole)의 쌍(ehpair)이 생성된다. 이때, 생성된 전자-정공 쌍은 PN접합에서 발생한 전기장에 의해 전자는 N형 반도체로 이동하고 정공은 P형 반도체로 이동해서, 각각의 표면에 있는 전극에서 수집된다. 각각의 전극에서 수집된 전하(charge)는 외부 회로에 부하가 연결된 경우, 부하에 흐르는 전류로서 부하를 동작시키는 에너지의 원천이 된다.
이와 같은 태양광 전압에 사용되는 설비를 원격으로 진단하고 모니터링 하기 위한 시스템이 제안되었으나, 설비에서 발생되는 문제를 직관적으로 진단하거나 모니터링할 수 없었으며, 태양광 전압에 사용되는 설비를 효율적으로 관리하는데 불편함이 있었다.
이를 위해, 아래 특허문헌과 같이 태양광 모듈에 대해 수직 또는 수평 동선의 평균값을 기준으로 상대비교를 통해 고장을 진단하는 기술이 개발된 바 있으나, 태양광 모듈별로 환경, 기능 저하 등에 따라 전압의 변화 양태가 모두 달라 정확한 고장 진단이 어렵다는 문제가 있었다.
(특허문헌) 등록특허공보 제10-1265175호(2013. 05. 06. 등록)"태양광 전압 원격 모니터링 시스템"
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로,
본 발명은 인공지능을 이용한 머신 러닝을 통해 태양광 모듈들의 전압 변화에 대한 추세를 분석하고, 전압 변화 추세에 따른 그룹화를 통해 그룹 내에서 태양광 모듈의 상태 진단이 이루어지도록 함으로써, 태양광 모듈 상태 진단의 정확성을 높일 수 있도록 하는 태양광 모듈 고장 진단 및 예측 시스템을 제공하는데 목적이 있다.
본 발명은 각 태양광 모듈의 고장·유지보수 이력, 설비 특성을 고려하여 전압 데이터를 가공, 보정한 후 그룹의 형성이 이루어지도록 함으로써 정밀한 그룹화를 통한 상태 진단 정확성의 향상이 가능하도록 하는 태양광 모듈 고장 진단 및 예측 시스템을 제공하는데 목적이 있다.
본 발명은 이상진단과 실제 이상 여부를 비교하여 가공, 보정되는 정도의 기준을 변경하여 그룹화에 적용되도록 함으로써 시간이 지날수록 더욱 정확한 이상 진단 시스템의 구축이 가능하도록 하는 태양광 모듈 고장 진단 및 예측 시스템을 제공하는데 목적이 있다.
본 발명은 태양광 모듈의 고장뿐만 아니라 일정 기간 내 고장의 예측 및 열화의 진단이 가능하도록 하는 태양광 모듈 고장 진단 및 예측 시스템을 제공하는데 목적이 있다.
본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.
본 발명의 일 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템은 태양광을 이용하여 발전하며, 복수개가 행과 열로 연결되어 어레이를 형성하는 태양광 모듈과; 상기 태양광 모듈의 전압 데이터에 따라 태양광 모듈의 상태를 진단하는 진단서버;를 포함하고, 상기 진단서버는 과거 동일기간의 전압 변화 추세가 유사한 태양광 모듈들을 그룹화하고 해당 그룹 내에서의 비교를 통해 태양광 모듈의 상태를 진단하는 것을 특징으로 한다.
본 발명의 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 진단서버는 태양광 모듈들을 그룹화하는 그룹화부와, 그룹화된 태양광 모듈들 내에서 오차 범위를 벗어난 전압을 나타내는 특정 태양광 모듈을 선별하는 이상진단부를 포함하고, 상기 그룹화부는 태양광 모듈의 전압 정보를 수집하는 전압데이터수집모듈과; 각 태양광 모듈의 고장이력, 유지보수이력과 같은 정보를 통해 전압 정보를 가공하는 전압데이터가공모듈과; 각 태양광 모듈의 설비 특성에 따라 가공된 전압데이터를 보정하는 전압데이터보정모듈과; 보정된 전압 데이터에 군집화 알고리즘을 적용하여 태양광 모듈들을 그룹화하는 그룹화모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 전압데이터가공모듈은 각 태양광 모듈의 고장, 유지보수의 정도에 관한 정보를 수신하는 고장보수정도수신모듈과; 고장, 유지보수가 이루어진 시간에 관한 정보를 수신하는 고장보수시간정보수신모듈과; 고장, 유지보수의 정도, 시간에 따라 고장보수지수를 산출하는 고장보수지수산출모듈과; 고장보수지수를 전압 데이터에 적용하여 가공된 전압 데이터를 산출하는 가공연산모듈;을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 전압데이터보정모듈은 각 태양광 모듈의 설비 특성에 관한 정보를 수신하는 설비정보수신모듈과; 설비 특성에 따라 전압에 미치는 영향을 수치화한 특정지수를 산출하는 특성지수산출모듈과; 특성지수를 가공된 전압 데이터에 곱하여 보정된 전압 데이터를 산출하는 보정연산모듈;을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 그룹화부는 상기 이상진단부의 진단 결과를 피드백하여 그룹을 최적화하는 그룹최적화모듈을 포함하고, 상기 그룹최적화모듈은 상기 이상진단부에서 이상으로 진단된 태양광 모듈과 실제 이상이 발생한 태양광 모듈의 정보를 비교하여 이상 진단의 정확성을 검증하는 진단검증모듈과; 이상 진단이 일치하지 않는 태양광 모듈에 대해 이상 진단과 실제 이상 여부가 일치하도록 상기 전압데이터가공모듈, 전압데이터보정모듈에 의해 전압 데이터가 수정된 정도를 조절하는 지수조절모듈과; 상기 지수조절모듈에 의해 조절된 정도에 따라 그룹을 변경하는 그룹자동변경모듈;을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 그룹최적화모듈은 상기 이상진단부에 의한 이상 진단이 일치하지 않는 태양광 모듈에 대해 상기 전압데이터가공모듈, 전압데이터보정모듈에 의해 전압 데이터가 수정된 정도를 비교하는 지수비교모듈을 포함하고, 상기 지수조절모듈은 상기 지수비교모듈에 의해 비교된 결과에 따라 상기 전압데이터가공모듈, 전압데이터보정모듈 중 전압 데이터를 수정된 정도가 큰 모듈을 우선순위로 수정된 정도를 조절하도록 하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 이상진단부는 동일 그룹 내에서 일정 오차범위를 벗어난 전압을 나타내는 특정 태양광 모듈을 고장으로 진단하는 고장진단부와; 고장으로 진단되는 오차범위를 벗어나지는 않았으나 특정 범위 오차의 전압이 일정 시간 지속되는 경우, 오차 정도와 지속시간을 이용하여 위험지수를 산출하고 위험지수에 따라 고장이 발생할 것으로 예측되는 시간을 산정하여 알리는 고장위험예측부와; 고장에 관한 신호가 출력되지는 않았으나 전압 오차의 변화율을 분석하여 특정 태양광 모듈의 열화를 감지하는 열화감지부;를 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 고장위험예측부는 일정 정도 이상의 오차범위를 갖는 태양광 모듈 전압의 오차를 감시하는 오차감시모듈과, 오차의 지속시간을 측정하는 지속시간계측모듈과, 오차의 정도 및 지속시간에 따라 위험지수를 산출하는 위험지수산출모듈과, 위험지수에 따른 고장예측시점을 산출하여 알리는 고장예측정보알림모듈을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 모듈 고장 진단 및 예측 시스템에 있어서, 상기 열화감지부는 일정 기간 동안 오차의 변화 정도에 따른 기울기를 산출하는 기울기산출모듈과, 기울기가 설정된 임계치를 벗어나는지 정도를 측정하는 임계확인모듈과, 임계치를 벗어나는 시간을 측정하는 시간정보측정모듈과, 기울기가 임계치를 벗어나는 정도 및 지속시간에 따라 열화 정도를 산출하여 열화 정도가 일정 범위를 벗어나는 경우 이를 알리는 열화경보모듈을 포함하는 것을 특징으로 한다.
본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.
본 발명은 인공지능을 이용한 머신 러닝을 통해 태양광 모듈들의 전압 변화에 대한 추세를 분석하고, 전압 변화 추세에 따른 그룹화를 통해 그룹 내에서 태양광 모듈의 상태 진단이 이루어지도록 함으로써, 태양광 모듈 상태 진단의 정확성을 높일 수 있도록 하는 효과가 있다.
본 발명은 각 태양광 모듈의 고장·유지보수 이력, 설비 특성을 고려하여 전압 데이터를 가공, 보정한 후 그룹의 형성이 이루어지도록 함으로써 정밀한 그룹화를 통한 상태 진단 정확성의 향상이 가능하도록 하는 효과가 있다.
본 발명은 이상진단과 실제 이상 여부를 비교하여 가공, 보정되는 정도의 기준을 변경하여 그룹화에 적용되도록 함으로써 시간이 지날수록 더욱 정확한 이상 진단 시스템의 구축이 가능하도록 하는 효과가 있다.
본 발명은 태양광 모듈의 고장뿐만 아니라 일정 기간 내 고장의 예측 및 열화의 진단이 가능하도록 하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 태양광 모듈 고장 진단 및 예측 시스템의 개념도
도 2는 도 1의 진단서버의 구성을 나타내는 블럭도
도 3은 도 2의 그룹화부의 구성을 나타내는 블럭도
도 4는 도 3의 전압데이터가공모듈의 구성을 나타내는 블럭도
도 5는 도 3의 전압데이터보정모듈의 구성을 나타내는 블럭도
도 6은 도 3의 그룹최적화모듈의 구성을 나타내는 블럭도
도 7은 도 2의 이상진단부의 구성을 나타내는 블럭도
이하에서는 본 발명에 따른 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템의 바람직한 실시예들을 첨부된 도면을 참조하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하고, 또한 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 발명의 일 실시예에 따른 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템을 도 1 내지 도 7을 참조하여 설명하면, 상기 태양광 모듈 고장 진단 및 예측 시스템은 태양광을 이용하여 발전하며, 복수개가 행과 열로 연결되어 어레이를 형성하는 태양광 모듈(3)과; 상기 태양광 모듈(3)의 전압 데이터에 따라 태양광 모듈의 상태를 진단하는 진단서버(1);를 포함한다.
특히, 본 발명에 따른 시스템은 과거 동일기간 동안의 전압 변동 추세가 유사한 태양광 모듈(3)들을 그룹화하고 해당 그룹 내에서 전압 차이를 비교하여 특정 태양광 모듈(3)의 상태를 진단하도록 함으로써, 더욱 정확한 상태 진단이 가능하도록 한다.
상기 진단서버(1)는 태양광 모듈(3)의 전압 데이터를 토대로 태양광 모듈(3)의 상태를 진단하는 구성으로, 일정기간 동안 전압 변동 추세가 유세한 태양광 모듈(3)들을 동일한 그룹으로 묶어 동일한 그룹 내에서 전압의 오차가 발생하는 경우 이상으로 진단하도록 함으로써, 진단의 정확성을 높이도록 한다. 종래 태양광 모듈의 이상을 진단하는 시스템은 단순히 일정 열 또는 행의 태양광 모듈에 대한 전압을 비교하여 이상을 진단하도록 하고 있는데, 각각의 태양광 모듈은 환경의 차이, 오염 상태의 차이, 기능 저하 정도의 차이에 따라 전압이 상이한 패턴으로 변하게 되므로 태양광 모듈의 정확한 이상 상태를 진단하는 것이 어려웠다. 이에 따라, 본 발명에서는 상기 진단서버(1)를 통해 과거 동일 기간의 전압 변동 추세가 유세한 태양광 모듈(3)들을 그룹화하는 그룹화부(11)와, 그룹화된 동일 그룹의 태양광 모듈(3)들 내에서 오차 범위를 벗어난 전압을 나타내는 특정 태양광 모듈(3)를 선별하는 이상진단부(13)를 포함한다.
상기 그룹화부(11)는 태양광 모듈(3)들 중 과거 동일 기간의 전압 변동 추세가 유사한 태양광 모듈(3)들을 그룹화하는 구성으로, 바람직하게는 인공지능을 소프트웨어적으로 구현하는 머신러닝(Machine learning) 등을 통해 과거 동일 기간의 전압 데이터를 토대로 추세가 유사한 태양광 모듈(3)들별로 군집화를 수행하게 된다. 상기 그룹화부(11)는 전압의 추세만으로 그룹을 설정하도록 할 수 있으며, 경우에 따라서는 사양이 유사한 태양광 모듈(3)들을 먼저 동일한 그룹으로 묶고 동일한 그룹 내에서 전압 추세에 따라 다시 그룹을 세분화하도록 구성할 수도 있다. 또한, 상기 그룹화부(11)는 각 태양광 모듈(3)의 고장 이력 내지 보수 이력, 설비 특성 등을 고려하여 각 태양광 모듈(3)의 전압 데이터를 가공, 보정하도록 하고 이렇게 수정된 전압 데이터를 이용하여 더욱 정확하게 그룹을 분류할 수 있도록 한다. 또한, 상기 그룹화부(11)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 그룹화부(11)는 전압데이터수집모듈(111), 전압데이터가공모듈(112), 전압데이터보정모듈(113), 그룹화모듈(114), 그룹최적화모듈(115)을 포함할 수 있다.
상기 전압데이터수집모듈(111)은 각 태양광 모듈(3)로부터 일전압, 일전압편차 등과 같은 정보를 수집하는 구성으로, 다양한 유무선 통신망을 통해 그룹화를 위해 기초 정보를 수집하게 된다.
상기 전압데이터가공모듈(112)은 각 태양광 모듈(3)의 고장이력, 유지보수이력과 같은 정보를 통해 상기 전압데이터수집모듈(111)에서 수집된 정보를 가공하는 구성이다. 즉, 특정 태양광 모듈(3)의 특정 기간의 전압이 급격히 저하된 정보가 수집된 경우라도, 그 기간 동안 해당 태양광 모듈(3)이 정기점검 또는 고장 등의 이유로 유지보수 진행된 상태라면, 상기 전압데이터가공모듈(112)에서 이를 반영하여 해당 태양광 모듈(3)의 전압 정보를 수정, 가공함으로써 해당 태양광 모듈(3)에 대한 정확한 전압 추세 정보를 획득할 수 있게 된다. 이를 위해 상기 전압데이터가공모듈(112)은 고장보수정도수신모듈(112a), 고장보수시간정보수신모듈(112b), 고장보수지수산출모듈(112c), 가공연산모듈(112d)을 포함할 수 있다.
상기 고장보수정도수신모듈(112a)은 각 태양광 모듈(3)에 대한 고장 또는 유지보수의 정도에 관한 정보를 수신하는 구성으로, 각 태양광 모듈(3)의 전부에 대해 고장 또는 유지보수가 이루어졌는지, 어느 정도의 비율로 고장 또는 유지보수가 이루어져 작동이 중단되었는지에 관한 정보를 수신하도록 한다. 상기 고장보수정도수신모듈(112a)은 고장 또는 유지보수가 이루어지는 경우 작업자의 별도 입력에 의한 정보를 수신하도록 할 수 있다.
상기 고장보수시간정보수신모듈(112b)은 고장 또는 유지보수가 이루어진 시간에 관한 정보를 수신하는 구성으로, 역시 작업자의 별도 입력에 의한 정보를 수신하도록 할 수 있다.
상기 고장보수지수산출모듈(112c)은 고장보수정도수신모듈(112a) 및 고장보수시간정보수신모듈(112b)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 모듈(3)에 대해 고장 또는 유지보수로 인해 작동이 불능된 정도를 의미한다.
상기 가공연산모듈(112d)은 고장보수지수산출모듈(112c)에 의해 산출된 고장보수지수를 이용하여 전압 데이터를 가공하는 구성으로, 고장 또는 유지보수에 의해 작동되지 못했던 만큼 전압 데이터를 증가시켜 수정할 수 있도록 한다.
상기 전압데이터보정모듈(113)은 각 태양광 발전장치의 설비특성에 따라 정제된 전압 데이터를 보정하는 구성으로, 태양광모듈(31)의 설치각도, 모듈의 사양 등에 따른 설비 특성을 반영하여 보정하도록 한다. 이를 위해, 상기 전압데이터보정모듈(113)은 설비정보수신모듈(113a), 특성지수산출모듈(113b), 보정연산모듈(113c)을 포함할 수 있다.
상기 설비정보수신모듈(113a)은 각 태양광 모듈(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.
상기 특성지수산출모듈(113b)은 전압에 영향을 미치는 태양광 모듈(3)의 설비 특성에 따른 지수를 산출하는 구성으로, 예를 들어 모듈의 개수, 설치 방향에 따른 전압의 비율 등을 설정하도록 한다.
상기 보정연산모듈(113c)은 특성지수산출모듈(113b)에 의해 산출된 특성지수에 따라 전압 데이터를 보정하는 구성으로, 모듈의 개수, 설치 방향, 사양 등을 고려하여 산출된 특성지수를 전압 데이터에 적용하도록 한다. 따라서, 상기와 같이 특성지수가 0.5로 산출되는 경우에는 전압 데이터에 0.5를 곱하는 방식으로 보정 데이터를 산출하도록 할 수 있으며, 그 밖에 다양한 산식과 기준에 따라 전압 데이터를 보정하도록 할 수 있다.
상기 그룹화모듈(114)은 상기 전압데이터보정모듈(113)에서 산출된 데이터에 군집화 알고리즘(군집화 기준을 토대로 군집화하는 프로그램)을 적용하여 태양광 모듈(3)들을 유사한 전압 추세를 보이는 그룹별로 그룹화하는 구성이다.
일 예로, 상기 그룹화모듈(114)은 각 태양광 모듈(3)들에 대해 일정기간 동안의 전압 평균값의 변화정도를 기준으로 그룹화를 진행하도록 할 수 있으며, 평균전압값의 변화정도가 일정정도 범위에서 함께 변하는 태양광 모듈(3)들을 동일한 그룹으로 분류하도록 할 수 있다.
상기 그룹최적화모듈(115)은 그룹화모듈(114)에 의해 설정된 그룹을 사용에 따라 갱신하여 최적화하는 구성으로, 상기 이상진단부(13)에 의해 진단된 태양광 모듈(3)의 이상 정보와 실제 발생한 이상 정보를 비교하여 정확성을 검증하고, 이에 따라 각 지수들을 수정하여 재그룹화가 이루어질 수 있도록 한다. 상기 그룹최적화모듈(115)은 진단 결과가 실제와 일치하지 않는 경우 고장보수지수, 특성지수를 수정하여 진단 결과가 실제와 일치하도록 하며, 이때 각 지수의 수정은 전압 데이터에 대한 반영 정도가 큰 지수부터 조절이 이루어지도록 할 수 있다. 이를 위해, 상기 그룹최적화모듈(115)은 진단검증모듈(115a), 지수비교모듈(115b), 지수조절모듈(115c), 그룹자동변경모듈(115d)을 포함할 수 있다.
상기 진단검증모듈(115a)은 이상 진단의 정확성 여부를 검증하는 구성으로, 이상진단부(13)에 의한 태양광 모듈(3)의 이상 진단, 더욱 정확하게는 후술할 고장진단부(131)에 의한 태양광 모듈(3)의 고장 여부와 실제 태양광 모듈(3)의 고장 발생 여부를 비교하여 검증하도록 한다. 따라서, 상기 진단검증모듈(115a)은 진단된 고장 여부와 실제 고장 발생이 일치하지 않는 경우 결과가 일치할 수 있도록 각 지수들을 조절하고 재그룹화를 진행할 수 있도록 한다.
상기 지수비교모듈(115b)은 진단 결과가 실제와 일치하지 않는 경우 각 지수들을 비교하는 구성으로, 고장보수지수, 특성지수를 비교하도록 하여 전압 데이터를 가장 큰 비율로 변경시키는 지수부터 지수조절모듈(115c)에 의한 지수의 조절이 이루어질 수 있도록 한다.
상기 지수조절모듈(115c)은 각 지수를 조절하여 이상진단부(13)에 의한 고장의 진단 결과와 실제 고장 결과를 일치시키도록 하는 구성으로, 지수비교모듈(115b)에 의해 비교된 결과에 따라 전압 데이터에 가장 큰 영향을 미치는 지수부터 조절이 이루어지도록 한다. 다만, 상기 지수조절모듈(115c)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(115c)은 각 지수에 대해 순차적으로 조절이 이루어질 수 있도록 하며, 결과가 일치할 때까지 설정된 범위를 변경하여 조절이 이루어지도록 할 수도 있다.
상기 그룹자동변경모듈(115d)은 상기 지수조절모듈(115c)에 의해 조절된 지수에 따라 그룹을 자동으로 변경하여 재그룹화하는 하도록 한다. 따라서, 상기 그룹자동변경모듈(115d)은 시간이 지날수록 그룹화의 정확성이 자동으로 향상될 수 있도록 하여 이상 진단의 정확성을 높일 수 있게 된다.
상기 이상진단부(13)는 그룹화된 태양광 모듈(3)들 내에서 오차 범위를 벗어난 전압을 나타내는 특정 태양광 모듈(3)를 선별하는 구성으로, 단순히 고장의 발생을 진단하는 것에 더하여 고장이 발생하지는 않았으나 일정 기간 내에 고장이 발생할 위험을 진단하여 예측할 수 있도록 하고, 또한 고장 위험까지는 아니더라도 태양광 모듈(3)의 출력이 저하되고 있음을 감지하여 이를 알리도록 할 수 있다. 이를 위해, 상기 이상진단부(13)는 고장진단부(131), 고장위험예측부(133), 열화감지부(135)를 포함할 수 있다.
상기 고장진단부(131)는 태양광 모듈(3)의 고장을 진단하는 구성으로, 상기 그룹화부(11)에 의해 동일한 그룹으로 지정된 태양광 모듈(3)들 내에서 전압 편차가 일정 오차범위를 벗어나는 태양광 모듈(3)에 대해 고장으로 진단하도록 한다. 따라서, 상기 고장진단부(131)는 그룹화의 기준에 따라 평균전압값의 비교가 이루어지도록 할 수 있으며, 특정 기간의 평균전압이 오차 범위를 벗어난 경우 해당 태양광 모듈(3)를 고장으로 진단하도록 한다.
상기 고장위험예측부(133)는 오차 범위가 고장으로 진단될 정도로 발생하지는 않았으나 일정 범위의 오차가 일정 시간 이상 지속되는 경우 일정 기간 내에 고장 발생 위험이 존재하는 것으로 예측하여 이를 알릴 수 있도록 한다. 이를 위해, 상기 고장위험예측부(133)는 오차 범위와 시간에 따라 위험지수를 산정하도록 하며, 위험지수에 따라 고장이 발생할 위험이 높은 기간을 설정하여 알리도록 할 수 있다. 상기 고장위험예측부(133)는 오차감시모듈(133a), 지속시간계측모듈(133b), 위험지수산출모듈(133c), 고장예측정보알림모듈(133d)을 포함한다.
상기 오차감시모듈(133a)은 동일한 그룹 내에서 특정 태양광 모듈(3)의 전압 편차가 설정된 범위에 존재하는 경우 이를 지속적으로 감시하는 구성으로, 그 오차 정도와 시간에 따라 위험지수를 산출할 수 있도록 한다. 여기서 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 전압 오차의 변화율이 일정값을 초과하여 일정 시간 이상 지속되는 경우 태양광 모듈(3)의 출력이 저하되고 있음을 감지하여 이를 경보할 수 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 모듈(3) 전압 오차의 변화율에 따라 기울기를 산출하는 구성으로, 고장진단부(131), 고장위험예측부(133)와 같이 동일한 그룹 내에서 특정 태양광 모듈(3) 전압 오차의 변화율을 산출하도록 한다. 역시 상기 기울기산출모듈(135a)도 그룹화 기준에 따라 전압 오차의 변화율을 산출하도록 하며, 그 기울기가 임계값을 초과하는 경우 그 지속시간을 측정하여 열화에 대한 경보가 이루어질 수 있도록 한다.
상기 임계확인모듈(135b)은 기울기산출모듈(135a)에 의해 산출된 기울기가 설정된 임계값을 초과하는지 여부를 확인하는 구성으로, 임계값이 초과되는 경우 그 지속시간이 계측될 수 있도록 한다.
상기 시간정보측정모듈(135c)은 임계확인모듈(135b)에서 오차의 변화율이 임계값을 초과하는 것으로 확인되는 경우 초과되는 기울기의 지속시간을 측정할 수 있도록 한다.
상기 열화경보모듈(135d)은 임계값을 초과하는 기울기가 일정 시간 이상 지속되는 경우 해당 태양광 모듈(3)의 열화가 진행되고 있는 것으로 판단하여 이를 작업자 등에게 알릴 수 있도록 하고, 이에 대한 관리가 이루어질 수 있도록 한다. 따라서, 본 발명은 고장이 발생하기 전에도 미리 고장을 예측하거나 열화를 감지할 수 있도록 하여 태양광 모듈(3)의 운영 및 유지를 편하게 하고 그 비용이 절약되도록 할 수 있다.
상기 태양광 모듈(3)은 태양광에 의해 전력을 생산하는 구성으로, 복수개가 행과 열을 형성하도록 연결되어 어레이를 형성하도록 할 수 있다. 상기 태양광 모듈(3) 각각은 그 전압이 측정되어 저장되며, 그 추세가 분석되어 그룹화되고, 그룹별로 전압의 추세 분석을 통해 이상이 발생한 태양광 모듈(3)이 검출될 수 있도록 한다.
이상에서, 출원인은 본 발명의 다양한 실시예들을 설명하였지만, 이와 같은 실시예들은 본 발명의 기술적 사상을 구현하는 일 실시예일 뿐이며, 본 발명의 기술적 사상을 구현하는 한 어떠한 변경예 또는 수정예도 본 발명의 범위에 속하는 것으로 해석되어야 한다.
1: 진단서버
11: 그룹화부 111: 전압데이터수집모듈 112: 발전데이터가공모듈
113: 발전데이터보정모듈 114: 그룹화모듈 115: 그룹최적화모듈
13: 이상진단부
131: 고장진단부 133: 고장위험예측부 135: 열화감지부
3: 태양광 모듈

Claims (9)

  1. 태양광을 이용하여 발전하며, 복수개가 행과 열로 연결되어 어레이를 형성하는 태양광 모듈과;
    상기 태양광 모듈의 전압 데이터에 따라 태양광 모듈의 상태를 진단하는 진단서버;를 포함하고,
    상기 진단서버는,
    과거 동일기간의 전압 변화 추세가 유사한 태양광 모듈들을 그룹화하고 해당 그룹 내에서의 비교를 통해 태양광 모듈의 상태를 진단하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  2. 제 1 항에 있어서, 상기 진단서버는
    태양광 모듈들을 그룹화하는 그룹화부와, 그룹화된 태양광 모듈들 내에서 오차 범위를 벗어난 전압을 나타내는 특정 태양광 모듈을 선별하는 이상진단부를 포함하고,
    상기 그룹화부는,
    태양광 모듈의 전압 정보를 수집하는 전압데이터수집모듈과; 각 태양광 모듈의 고장이력, 유지보수이력과 같은 정보를 통해 전압 정보를 가공하는 전압데이터가공모듈과; 각 태양광 모듈의 설비 특성에 따라 가공된 전압데이터를 보정하는 전압데이터보정모듈과; 보정된 전압 데이터에 군집화 알고리즘을 적용하여 태양광 모듈들을 그룹화하는 그룹화모듈을 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  3. 제 2 항에 있어서, 상기 전압데이터가공모듈은
    각 태양광 모듈의 고장, 유지보수의 정도에 관한 정보를 수신하는 고장보수정도수신모듈과; 고장, 유지보수가 이루어진 시간에 관한 정보를 수신하는 고장보수시간정보수신모듈과; 고장, 유지보수의 정도, 시간에 따라 고장보수지수를 산출하는 고장보수지수산출모듈과; 고장보수지수를 전압 데이터에 적용하여 가공된 전압 데이터를 산출하는 가공연산모듈;을 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  4. 제 2 항에 있어서, 상기 전압데이터보정모듈은
    각 태양광 모듈의 설비 특성에 관한 정보를 수신하는 설비정보수신모듈과; 설비 특성에 따라 전압에 미치는 영향을 수치화한 특정지수를 산출하는 특성지수산출모듈과; 특성지수를 가공된 전압 데이터에 곱하여 보정된 전압 데이터를 산출하는 보정연산모듈;을 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  5. 제 2 항에 있어서, 상기 그룹화부는
    상기 이상진단부의 진단 결과를 피드백하여 그룹을 최적화하는 그룹최적화모듈을 포함하고,
    상기 그룹최적화모듈은,
    상기 이상진단부에서 이상으로 진단된 태양광 모듈과 실제 이상이 발생한 태양광 모듈의 정보를 비교하여 이상 진단의 정확성을 검증하는 진단검증모듈과; 이상 진단이 일치하지 않는 태양광 모듈에 대해 이상 진단과 실제 이상 여부가 일치하도록 상기 전압데이터가공모듈, 전압데이터보정모듈에 의해 전압 데이터가 수정된 정도를 조절하는 지수조절모듈과; 상기 지수조절모듈에 의해 조절된 정도에 따라 그룹을 변경하는 그룹자동변경모듈;을 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  6. 제 5 항에 있어서, 상기 그룹최적화모듈은
    상기 이상진단부에 의한 이상 진단이 일치하지 않는 태양광 모듈에 대해 상기 전압데이터가공모듈, 전압데이터보정모듈에 의해 전압 데이터가 수정된 정도를 비교하는 지수비교모듈을 포함하고,
    상기 지수조절모듈은 상기 지수비교모듈에 의해 비교된 결과에 따라 상기 전압데이터가공모듈, 전압데이터보정모듈 중 전압 데이터를 수정된 정도가 큰 모듈을 우선순위로 수정된 정도를 조절하도록 하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  7. 제 2 항에 있어서, 상기 이상진단부는
    동일 그룹 내에서 일정 오차범위를 벗어난 전압을 나타내는 특정 태양광 모듈을 고장으로 진단하는 고장진단부와;
    고장으로 진단되는 오차범위를 벗어나지는 않았으나 특정 범위 오차의 전압이 일정 시간 지속되는 경우, 오차 정도와 지속시간을 이용하여 위험지수를 산출하고 위험지수에 따라 고장이 발생할 것으로 예측되는 시간을 산정하여 알리는 고장위험예측부와;
    고장에 관한 신호가 출력되지는 않았으나 전압 오차의 변화율을 분석하여 특정 태양광 모듈의 열화를 감지하는 열화감지부;를 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  8. 제 7 항에 있어서, 상기 고장위험예측부는
    일정 정도 이상의 오차범위를 갖는 태양광 모듈 전압의 오차를 감시하는 오차감시모듈과, 오차의 지속시간을 측정하는 지속시간계측모듈과, 오차의 정도 및 지속시간에 따라 위험지수를 산출하는 위험지수산출모듈과, 위험지수에 따른 고장예측시점을 산출하여 알리는 고장예측정보알림모듈을 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
  9. 제 7 항에 있어서, 상기 열화감지부는
    일정 기간 동안 오차의 변화 정도에 따른 기울기를 산출하는 기울기산출모듈과, 기울기가 설정된 임계치를 벗어나는지 정도를 측정하는 임계확인모듈과, 임계치를 벗어나는 시간을 측정하는 시간정보측정모듈과, 기울기가 임계치를 벗어나는 정도 및 지속시간에 따라 열화 정도를 산출하여 열화 정도가 일정 범위를 벗어나는 경우 이를 알리는 열화경보모듈을 포함하는 것을 특징으로 하는 태양광 모듈 고장 진단 및 예측 시스템.
KR1020210188845A 2021-12-27 2021-12-27 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템 KR20230099467A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210188845A KR20230099467A (ko) 2021-12-27 2021-12-27 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210188845A KR20230099467A (ko) 2021-12-27 2021-12-27 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템

Publications (1)

Publication Number Publication Date
KR20230099467A true KR20230099467A (ko) 2023-07-04

Family

ID=87156166

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210188845A KR20230099467A (ko) 2021-12-27 2021-12-27 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템

Country Status (1)

Country Link
KR (1) KR20230099467A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993327A (zh) * 2023-09-26 2023-11-03 国网安徽省电力有限公司经济技术研究院 用于变电站的缺陷定位系统及其方法
CN117851956A (zh) * 2024-03-07 2024-04-09 深圳市森树强电子科技有限公司 基于数据分析的机电设备故障诊断方法、系统及终端

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993327A (zh) * 2023-09-26 2023-11-03 国网安徽省电力有限公司经济技术研究院 用于变电站的缺陷定位系统及其方法
CN116993327B (zh) * 2023-09-26 2023-12-15 国网安徽省电力有限公司经济技术研究院 用于变电站的缺陷定位系统及其方法
CN117851956A (zh) * 2024-03-07 2024-04-09 深圳市森树强电子科技有限公司 基于数据分析的机电设备故障诊断方法、系统及终端
CN117851956B (zh) * 2024-03-07 2024-05-10 深圳市森树强电子科技有限公司 基于数据分析的机电设备故障诊断方法、系统及终端

Similar Documents

Publication Publication Date Title
KR102051402B1 (ko) IoT 기반 태양광발전 진단시스템
US8289183B1 (en) System and method for solar panel array analysis
KR20230099467A (ko) 인공지능을 활용한 태양광 모듈 고장 진단 및 예측 시스템
KR102144350B1 (ko) 태양광 발전시스템의 고장 진단 시스템
KR20190057974A (ko) 태양광 발전 관리 시스템
KR101201863B1 (ko) 단위 모듈 감시가 가능한 태양광 진단 시스템
KR102020567B1 (ko) 발전량 추세분석을 통한 태양광발전 진단장치
JPH07334767A (ja) 異常検知方法、異常検知装置及びそれを用いた発電システム
KR101532163B1 (ko) 태양광발전 상태진단 평가시스템
KR20220083472A (ko) 태양광발전 진단시스템
JP2015195694A (ja) 異常検知装置
KR102230548B1 (ko) Frbfnn 모델을 이용한 태양광 발전설비의 발전예측 및 효율진단 시스템
KR101631267B1 (ko) 태양광 모듈별 이상 여부를 효율적으로 진단하는 시스템 및 방법
JP6575572B2 (ja) 太陽電池ストリング診断システム及び太陽電池ストリング診断方法
KR102182820B1 (ko) 태양광 모듈의 고장 및 열화 상태 진단 기능을 갖는 태양광 발전장치 및 그 발전 관리방법
KR102262609B1 (ko) 태양광발전 노후 진단 시스템
CN109842372A (zh) 一种光伏组件故障检测方法和系统
KR20210025361A (ko) 안전기능이 강화된 pv-ess 통합솔루션시스템
KR102137775B1 (ko) 원격기능을 포함한 태양광발전 데이터 감시 및 판단 장치와 이를 이용한 태양광발전 데이터 모니터링 시스템
CN117131321A (zh) 一种电能量数据采集方法
Aarseth et al. Detecting permanently activated bypass diodes in utility-scale PV plant monitoring data
JP6108013B1 (ja) 太陽電池ストリング診断システム及び太陽電池ストリング診断方法
KR20230086521A (ko) Ai 기반 태양광 발전량 예측 시스템
KR102360703B1 (ko) 태양광 발전소 고장 진단 및 알림 시스템
JP2019201533A (ja) 太陽電池モジュールの劣化判別方法及び劣化判別装置