KR20230103984A - 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법 - Google Patents

구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR20230103984A
KR20230103984A KR1020220181833A KR20220181833A KR20230103984A KR 20230103984 A KR20230103984 A KR 20230103984A KR 1020220181833 A KR1020220181833 A KR 1020220181833A KR 20220181833 A KR20220181833 A KR 20220181833A KR 20230103984 A KR20230103984 A KR 20230103984A
Authority
KR
South Korea
Prior art keywords
solar radiation
cloud
solar
point
value
Prior art date
Application number
KR1020220181833A
Other languages
English (en)
Inventor
양지혁
김준우
안크자야 바타르블렉
Original Assignee
주식회사 나눔에너지
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 주식회사 나눔에너지 filed Critical 주식회사 나눔에너지
Publication of KR20230103984A publication Critical patent/KR20230103984A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J2001/4266—Photometry, e.g. photographic exposure meter using electric radiation detectors for measuring solar light
    • G01J2001/4285—Pyranometer, i.e. integrating over space
    • 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

  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Hydrology & Water Resources (AREA)
  • Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

본 발명은 태양광 발전 예측 장치 및 방법에 관한 것으로서, 본 발명에 따른 태양광 발전 예측 장치는, 특정 지점에서 소정 기간 동안 센싱된 일사량 데이터 및 상기 특정 지점의 인근 관측소에서 관측된 상기 소정 시간 동안의 기상 관측 데이터를 수신하는 통신부; 상기 일사량 데이터를 기초로, 상기 특정 지점의 상공을 이동하는 구름의 음영으로 인한 상기 특정 지점에서의 시간에 따른 일사량의 변화를 모델링한 일사량 변화 함수의 변수값을 산출하는 함수산출부; 상기 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 이동 방향을 포함하는 구름 이동정보를 산출하는 구름정보 산출부; 및 상기 일사량 변화 함수의 변수값과 상기 구름 이동정보를 기초로 상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 일사량 예측부를 포함하는 것을 특징으로 한다.

Description

구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법{Apparatus and method for prediction of photovoltaic power generation applying algorithm based on climate cloud data}
본 발명은 태양광 발전 예측 장치 및 방법에 관한 것으로, 더욱 상세하게는, 구름 음영에 의한 일사량 변화를 고려하여 태양광 발전소의 발전량을 예측하는 장치 및 그 방법에 관한 것이다.
전 세계적으로 환경오염 및 자원고갈 문제로 인하여 신재생 에너지의 비중이 확대되고 있는 가운데, 신재생 에너지원의 하나인 태양광 발전도 지속적으로 그 수요가 늘고 있다. 태양광 발전 시스템은 건물의 옥상, 지붕에 설치되거나 건물 일체형(Building Integrated Photovoltaic System, BIPV)으로 설치될 수 있다.
태양광 발전 시스템은 일사량 변화에 따라 발전량이 크게 변동된다. 태양광 발전소 지역에서의 일사량은 태양의 고도와 기후에 따라서도 변화될 수 있으나, 주변 건물이나 나무, 구름의 이동에 따른 음영에 의하여 PV 모듈이나 PV 어레이에 도달하는 태양광이 부분적 또는 완전히 차단되는 경우가 생길 수 있다. 이와 같이 음영이 생긴 곳에서 PV 모듈과 어레이에 부정합 손실(Mismatch Loss)이 발생된다.
태양광 발전소의 일사량 변동에 가장 큰 영향을 미치는 요인은 구름의 이동으로 알려져 있다. 예컨대, 9.5MW 태양광 발전소에서 구름 이동으로 일사량이 변화되어 발전량이 최대 70%까지 변동된 사례도 보고된 바 있다.
이와 같이, 구름의 이동이 태양광 발전소의 발전량에 큰 영향을 주므로, 태양광 발전소의 입지 및 PV 모듈의 설치 위치 등을 결정할 때 해당 지역의 일사량 및 구름의 이동에 관한 분석이 매우 중요하다. 그럼에도 불구하고, 종래 기술에 따르면, 태양광 발전량 예측시 구름의 이동에 따른 일사량 변화를 고려하지 않아 예측 정확도가 떨어지는 문제점이 존재한다.
대한민국등록특허 제10-0328187(2002.02.27.)
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로서, 구름 이동에 따른 일사량 변화를 반영하여 태양광 발전소의 발전량을 예측하는 장치 및 그 방법을 제공하는데 목적이 있다.
상기한 목적은 본 발명의 일 양태에 따른, 특정 지점에서 소정 기간 동안 센싱된 일사량 데이터 및 상기 특정 지점의 인근 관측소에서 관측된 상기 소정 시간 동안의 기상 관측 데이터를 수신하는 통신부; 상기 일사량 데이터를 기초로, 상기 특정 지점의 상공을 이동하는 구름의 음영으로 인한 상기 특정 지점에서의 시간에 따른 일사량의 변화를 모델링한 일사량 변화 함수의 변수값을 산출하는 함수산출부; 상기 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 이동 방향을 포함하는 구름 이동정보를 산출하는 구름정보 산출부; 및 상기 일사량 변화 함수의 변수값과 상기 구름 이동정보를 기초로 상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 일사량 예측부를 포함하는 것을 특징으로 하는 태양광 발전 예측 장치에 의하여 달성될 수 있다.
이때, 상기 일사량 변화 함수는, 시그모이드(sigmoid) 함수를 기반으로 정의될 수 있다.
또한, 상기 함수산출부는, 상기 구름의 이동에 따라 일사량이 감소되는 감소 구간과 일사량이 증가하는 증가 구간에 대하여 상기 일사량 변화 함수의 변수값을 각각 산출할 수 있다.
여기서, 상기 일사량 변화 함수인 Irr(t)는 다음의 수학식을 기초로 정의될 수 있다.
Figure pat00001
위 수학식에서, Irrunsh는 소정 구간에서의 최대 일사량 값, Irrsh는 해당 구간에서의 최소 일사량 값, t1은 해당 구간의 중간 시간 값, Edge는 해당 구간에서 상기 Irrunsh을 가지는 제1 시점과 상기 Irrsh 을 가지는 제2 시점 간의 상기 일사량 변화 함수의 경사도에 관한 변수값을 의미한다.
한편, 상기 함수산출부는, 상기 각 구간에서의 최대 일사량 값과 최소 일사량 값 간의 편차가 미리 결정된 기준치 이상인 경우에 한하여 상기 구간에 대한 상기 일사량 변화 함수의 변수값을 산출할 수 있다.
또한, 상기 함수산출부는, 상기 일사량 데이터에서 일사량이 감소하는 감소 구간과 일사량이 증가하는 증가 구간의 시작점과 종료점을 각각 산출하고, 상기 시작점과 상기 종료점을 기초로 상기 감소 구간과 상기 증가 구간에 각각 대응하는 상기 일사량 변화 함수의 변수값을 산출할 수 있다.
여기서, 상기 함수산출부는, 상기 일사량 데이터의 각 센싱 시점에서의 미분계수를 미리 결정된 기준치와 비교하여 상기 각 구간의 시작점과 종료점을 산출할 수 있다.
한편, 상기 일사량 변화 함수의 변수값은, 상기 구간의 상기 시작점의 일사량 값에 대응하는 제1 변수값, 상기 구간의 상기 종료점의 일사량 값에 대응하는 제2 변수값, 상기 구간의 상기 시작점과 상기 종료점의 중간 시간 값인 제3 변수값, 상기 시작점과 상기 종료점 간의 상기 일사량 변화 함수의 경사도에 관한 제4 변수값을 포함할 수 있다.
또한, 상기 구름정보 산출부는, 상기 기상 관측 데이터의 풍속과 운형에 따른 구름 높이를 기초로 상기 구름의 이동 속도를 산출하고, 상기 기상 관측 데이터의 풍향을 기초로 상기 구름의 이동 방향을 산출할 수 있다.
그리고, 상기 통신부는, 태양광 발전소의 상기 특정 지점 대비 각 태양광 모듈의 위치 정보를 포함하는 모듈설치 정보를 수신하고, 상기 일사량 예측부는, 상기 모듈설치 정보를 기초로 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화를 각각 예측할 수 있다.
한편, 상기 일사량 예측부를 통하여 예측된 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화에 따른 발전량을 계산하여 상기 태양광 발전소의 태양광 발전량을 예측하는 발전예측부를 더 포함할 수 있다.
상기한 목적은 본 발명의 또 다른 양태에 따른, 각 단계가 태양광 발전 예측 장치에 의하여 수행되는 태양광 발전 예측 방법에 있어서, 특정 지점에서 소정 기간 동안 센싱된 일사량 데이터 및 상기 특정 지점의 인근 관측소에서 관측된 상기 소정 시간 동안의 기상 관측 데이터를 수신하는 단계; 상기 일사량 데이터를 기초로, 상기 특정 지점의 상공을 이동하는 구름의 음영으로 인한 상기 특정 지점에서의 시간에 따른 일사량의 변화를 모델링한 일사량 변화 함수의 변수값을 산출하는 단계; 상기 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 이동 방향을 포함하는 구름 이동정보를 산출하는 단계; 및 상기 일사량 변화 함수의 변수값과 상기 구름 이동정보를 기초로 상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 단계를 포함하는 것을 특징으로 하는 태양광 발전 예측 방법에 의해서도 달성될 수 있다.
여기서, 상기 일사량 변화 함수의 변수값을 산출하는 단계는, 상기 구름의 이동에 따라 일사량이 감소되는 감소 구간과 일사량이 증가하는 증가 구간에 대하여 상기 일사량 변화 함수의 변수값을 각각 산출할 수 있다.
또한, 상기 구름 이동정보를 산출하는 단계는, 상기 기상 관측 데이터의 풍속과 운형에 따른 구름 높이를 기초로 상기 구름의 이동 속도를 산출하고, 상기 기상 관측 데이터의 풍향을 기초로 상기 구름의 이동 방향을 산출할 수 있다.
그리고, 태양광 발전소의 상기 특정 지점 대비 각 태양광 모듈의 위치 정보를 포함하는 모듈설치 정보를 수신하는 단계를 더 포함하고, 상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 단계는, 상기 모듈설치 정보를 기초로 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화를 각각 예측할 수 있다.
한편, 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화에 따른 발전량을 계산하여 상기 태양광 발전소의 태양광 발전량을 예측하는 단계를 더 포함할 수 있다.
이상에서 설명된 바와 같이, 본 발명에 따르면, 특정 지역에서의 구름 이동에 따른 일사량 변화를 고려하여 태양광 발전량을 예측함으로써 태양광 발전소의 입지 선정 및 PV 어레이 설계시 유용하게 활용될 수 있다.
또한, 본 발명에 따르면, 각 태양광 모듈의 위치에서의 구름 음영에 따른 일사량 변화를 개별적으로 모델링할 수 있어 예측 정확도를 더욱 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 태양광 발전 예측 장치의 구성을 나타낸 블록도;
도 2는 본 발명의 실시예에 따른 함수산출부가 일사량 변화 함수의 변수값을 산출하는 예를 설명하기 위한 참고도;
도 3과 도 4는 본 발명의 실시예에 따른 일사량 예측부가 각 태양광 모듈의 위치에서의 일사량 변화를 예측하는 것을 설명하기 위한 참고도; 및
도 5는 본 발명의 실시예에 따른 태양광 발전 예측 방법을 나타낸 흐름도이다.
이하, 도면을 참조하여 본 발명의 구체적인 실시예들에 대하여 설명하기로 한다. 다만 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
도 1은 본 발명의 실시예에 따른 태양광 발전 예측 장치의 구성을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 태양광 발전 예측 장치(100)는 통신부(10), 메모리(20), 및 프로세서(30)를 포함한다.
통신부(10)는 특정 지점에서 소정 기간 동안 센싱된 일사량 데이터와 위 특정 지점을 포함하는 지역에 대한 기상 관측 데이터를 수신한다. 통신부(10)는 WI-FI, 이더넷(Ethernet), LTE, 5G 등 공지된 다양한 유무선 통신방식을 제공하는 통신모듈로서 구현될 수 있다.
일사량 데이터는 설정된 기간 동안 소정 주기에 따라 미리 설정된 특정 지점(P)에서 센싱된 일사량 값을 포함하는 시계열 데이터이다. 여기서, 특정 지점이란, 일사량 센서(미도시)가 설치되어 일사량이 센싱되는 기준 위치로서, 통신부(10)는 미리 설정된 기간, 예컨대 1년 동안 특정 지점에 설치된 일사량 센서에 의하여 센싱된 일사량 값을 수신한다. 통신부(10)는 일사량 센서로부터 직접 또는 통신 중계장치를 통하여 수신하거나, 일사량 데이터를 저장하고 있는 다른 외부 서버로부터 일사량 데이터를 수신할 수도 있다.
또한, 기상 관측 데이터는 일사량이 센싱되는 전술된 특정 지점과 가장 가까운 인근 관측소에서 관측된 데이터로서, 일사량 데이터의 일사량 센싱 기간에 대응하는 소정 기간 동안에 관측된 시계열 관측 데이터이다. 예컨대, 일사량 데이터가 2021년 1월1일부터 2021년 12월31일까지 1년 동안 센싱된 시계열 데이터라면, 기상 관측 데이터도 2021년 1월1일부터 2021년 12월31일까지 관측된 데이터를 수신할 수 있다. 기상 관측 데이터에는 관측 위치에서의 바람 정보로서 풍향, 풍속 등에 관한 정보를 포함하며, 구름 정보로서 운형, 운고 등에 관한 정보를 포함한다.
통신부(10)는 기상청을 비롯한 유관기관 서버로부터 기상 관측 데이터를 수신할 수 있다. 참고로, 기상청에서는 1일 분 단위, 1년 단위 등으로, 전국 100여개 관측소에서 관측된 기상 관측 데이터를 제공하고 있으며, 이 데이터에는 풍향, 풍속, 운량(전운량, 중하층운량), 운형, 최저운고 등의 데이터를 포함한다.
또한, 통신부(10)는 태양광 발전소의 특정 지점(P) 대비 각 태양광 모듈의 위치 정보를 포함하는 모듈설치 정보를 더 수신할 수 있다. 모듈설치 정보는, 기설치된 태양광 모듈의 위치 정보일 수 있으며, 또는, 미설치 상태로서 태양광 모듈의 설치 계획에 따른 가상의 위치 정보일 수도 있다. 통신부(10)는 태양광 발전 예측 장치(100)를 통한 발전량 예측 서비스를 제공받고자 하는 사용자가 소지하고 있는 사용자 단말 장치, 예컨대, 스마트폰, 데스크탑, 태블릿 PC 등의 사용자 디바이스로부터 모듈설치 정보를 수신할 수 있다.
메모리(20)는 RAM, ROM, EEPROM, 플래시 메모리 등의 메모리 소자로 구현되어, 태양광 발전량을 예측하는 장치의 다양한 운영체제(OS), 미들웨어, 플랫폼, 및 각종 어플리케이션을 저장할 수 있으며, 프로그램 코드, 및 신호처리된 영상신호, 음성신호, 및 각종 데이터를 저장할 수 있다.
또한, 메모리(20)는 통신부(10)를 통하여 수신된 데이터, 및 일사량 변화 함수의 변수값 등 후술되는 바와 같이 프로세서(30)를 통하여 산출된 산출 결과 등을 저장한다.
프로세서(30)는 통신부(10)를 통하여 수신된 일사량 시계열 데이터를 이용하여 센싱 지점(P)에서의 구름의 음영으로 인한 일사량 변화를 일사량 변화 함수로서 모델링하고, 구름의 이동 정보를 기초로 센싱 지점(P)에 대한 모델링 결과를 센싱 지점 외 다른 지점에 적용하여 다른 지점에서의 구름의 음영으로 인한 일사량 변화를 예측한다.
도 1을 참조하면, 프로세서(30)는 함수산출부(31), 구름정보 산출부(33), 일사량 예측부(35), 및 발전예측부(37)를 포함한다.
함수산출부(31)는 통신부(10)를 통하여 수신된 일사량 시계열 데이터를 기초로 특정 지점의 일사량 변화 함수의 변수값을 산출한다. 여기서, 일사량 변화 함수는, 일사량을 센싱한 특정 지점의 상공을 이동하는 구름의 음영으로 인한 특정 지점에서의 시간에 따른 일사량의 변화를 나타낸 함수이다.
함수산출부(31)는 특정 지점의 상공에서 구름이 이동함에 따라 일사량이 감소되는 감소 구간과 일사량이 증가하는 증가 구간으로서 일사량 데이터를 복수의 구간으로 구분하고, 각 구간에 대하여 일사량 변화 함수의 변수값을 각각 산출한다. 이에 의하면, 각각의 증가 구간과 감소 구간에 각각 대응하여 일사량 변화 함수의 복수의 변수값 세트들이 산출된다.
구름의 이동에 따라 일사량이 감소하는 감소 구간에서는 미분계수가 음의 값을 가지고, 일사량이 증가하는 증가하는 구간에서는 미분계수가 양의 값을 가지게 되며, 각 구간이 시작되고 끝나는 지점 부근에서는 미분계수가 점차 0에 가까워지는 양상을 보인다. 따라서, 함수산출부(31)는 시계열적 일사량 데이터의 일사량 값을 연결한 일사량 곡선의 각 센싱 시점에서의 미분계수를 미리 결정된 기준치와 비교하여, 일사량 데이터에서 일사량이 감소하는 감소 구간과 일사량이 증가하는 증가 구간을 구분할 수 있다. 이때, 함수산출부(31)는 각 센싱 시점에서의 미분계수의 절대값을 미리 결정된 하나의 기준치와 비교할 수도 있고, 또한 증가 구간과 감소 구간에서 미분계수의 부호가 서로 다르게 나타남을 고려하여 증가 구간과 감소 구간에 대하여 각각 기준치를 설정해두고 비교할 수도 있다.
함수산출부(31)는 일사량 데이터에 따른 복수의 일사량 감소 구간과 일사량 증가 구간에 각각 대응하여 함수의 변수값을 개별적으로 산출하며, 이때, 일사량 데이터를 기초로 산출되는 함수의 변수값은, 해당 구간에서의 최대 일사량 값에 해당하는 제1 변수값, 해당 구간에서의 최소 일사량 값에 해당하는 제2 변수값, 해당 구간의 중간 시간 값에 해당하는 제4 변수값, 해당 구간에서 제1 변수값을 가지는 제1 시점과 제2 변수값을 가지는 제2 시점 간의 일사량 변화 함수의 경사도에 관한 제4 변수값을 포함한다.
일사량 변화 함수는 시그모이드(sigmoid) 함수를 기반으로 정의된다.
일 예로서, 일사량 변화 함수 Irr(t)는 다음의 수학식을 기초로 정의될 수 있다.
[수학식 1]
Figure pat00002
여기서, Irrunsh는 소정 구간에서의 최대 일사량 값, Irrsh는 해당 시간 구간에서의 최소 일사량 값, t1은 해당 구간의 중간 시간 값, Edge는 해당 구간에서 Irrunsh을 가지는 제1 시점과 Irrsh을 가지는 제2 시점 간의 일사량 변화 함수의 경사도(기울기)에 관한 변수값을 의미한다.
수학식 1에 따른 일사량 변화 함수에는 센싱 지점의 상공을 지나가는 구름 특성 정보가 반영되어 있다. 즉,
Figure pat00003
는 특정 지점의 상공을 이동하는 구름의 두께, 즉 구름의 상하 방향 폭과 연관되며, t1 변수는 구름의 수평 방향 길이, Edge 변수는 구름의 경사도와 연관된다. 여기서, 구름의 경사도는 구름의 말단부터 중심 방향으로 구름이 폭이 증가하는 정도를 의미하는 것으로, 구름의 경사도를 통하여 구름의 말단부터 급격하게 두꺼워지는 구름의 형상인지 또는 완만하게 두꺼워지는 구름의 형상인지 파악할 수 있다. 예를 들면, 적운형 구름은 구름의 경사도가 급하고, 층운형 구름은 상대적으로 구름의 경사도가 완만하다.
수학식 1과 같이 정의되는 일사량 변화 함수에 대하여, 함수산출부(31)는 일사량 데이터를 기초로 구분된 각각의 일사량 증가 구간과 일사량 감소 구간에 대응하여 4개의 변수값, 즉 Irrunsh, Irrsh, t1, Edge 값을 각 구간마다 산출한다. 여기서, Edge 값은 해당 구간의 Irrunsh 값에 대응하는 제1 시점과 Irrsh 값에 대응하는 제2 시점 사이의 일사량 데이터 값을 기초로 수학식 1에 따른 시그모이드 함수에 커브 피팅(curve fitting)을 수행함으로써 산출될 수 있다.
도 2는 본 발명의 실시예에 따른 함수산출부(31)에 의한 일사량 변화 함수의 변수값을 산출하는 예를 설명하기 위한 참고도이다.
도 2는 통신부(10)를 통하여 수신된 소정 기간 동안의 일사량 시계열 데이터의 일부로서, 도 2에서는 특정 날짜 및 시간에 1분 간격으로 특정 지점에서의 일사량 값이 센싱된 예를 보여준다.
도 2를 참조하면, 일사량 값이 1000 W/m2 근방에서 유지되다가 특정 지점의 상공에서 구름의 이동으로 음영이 생기기 시작하는 7분 경부터 일사량이 점차 감소되는 양상을 보인다. 약 18분에 이르기까지 일사량이 계속 감소되다가 구름의 음영이 지속되어 일정 시간 동안 감소된 일사량을 유지하고, 특정 지점이 구름으로부터 서서히 벗어나기 시작하면서 약 31분부터 42분에 이르기까지 다시 일사량이 증가하는 양상을 보인다. 즉, 시간 구간 'A'는 구름의 음영으로 일사량이 감소되는 일사량 감소 구간이고, 시간 구간 'B'는 구름의 음영으로부터 차츰 벗어나 다시 일사량이 증가되는 일사량 증가 구간에 해당한다. 이처럼, 구름 이동에 따른 일사량의 변화는 구름의 이동에 따라 일사량이 감소되는 감소 구간 및 일사량이 증가하는 증가 구간을 포함한다.
함수산출부(31)는 일사량 데이터의 각 센싱 시점에서의 미분계수를 미리 결정된 기준치와 비교하여, 일사량 데이터에서 일사량이 감소하는 감소 구간과 일사량이 감소하는 증가 구간의 시작점과 종료점을 각각 산출하고, 위 시작점과 종료점을 기초로 감소 구간과 증가 구간에 각각 대응하는 일사량 변화 함수의 변수값을 산출할 수 있다.
도 2와 같은 일사량 데이터에 따른 일사량 곡선에 의하면, 미분계수가 점차 감소되기 시작하는 st1 시점을 일사량 감소 구간(A)의 시작점으로, 일사량 감소 추세가 종료되는 시점인 ed1 시점을 일사량 감소 구간(A)의 종료점으로 산출할 수 있다. 또한, 일사량이 점차 증가되기 시작하는 st2 시점을 일사량 증가 구간(B)의 시작점으로, 일사량 증가 추세가 종료되는 시점인 ed2 시점을 일사량 증가 구간(B)의 종료점으로 산출할 수 있다.
이와 같이 산출된 시작점(st1, st2)과 종료점(ed1, ed2)을 기초로 일사량 데이터의 시간 구간을 복수의 시간 구간, 즉 복수의 일사량 감소 구간과 일사량 증가 구간으로 구분하고, 함수산출부(31)는 각각의 구간에 대응하여 일사량 변화 함수의 변수값을 각각 산출한다. 예컨대, 도 2의 일사량 감소 구간 'A'에 대해서, 최대 일사량 값 Irrunsh_A은 st1 시점의 일사량 값인 981 W/m2, 최소 일사량 값 Irrsh_A은 ed1 시점의 일사량 값인 231 W/m2이 되고, A 구간의 중간 시간 값인 t1_A는 st1과 ed1의 중간 시점에 해당하는 12.5분이 된다. 한편, A 구간의 경사도에 관한 변수값 edge_A는 A 구간의 일사량 센싱값을 기초로 시그모이드 함수에 커브 피팅을 수행한 결과에 따라 1.28이 도출된다.
다만, 함수산출부(31)는 각 구간에서의 최대 일사량 값과 최소 일사량 값 간의 편차가 미리 결정된 기준치 이상인 경우에 한하여 해당 구간에 대한 일사량 변화 함수의 변수값을 산출할 수 있다. 참고로, 소정 구간에서의 최대 일사량 값은 해당 구간의 시작점에서의 일사량 값이고, 최소 일사량 값은 해당 구간의 종료점에서의 일사량 값이 된다.
이와 같이, 해당 구간의 최대 일사량 값과 최소 일사량 값 간의 편차가 미리 결정된 기준치 이상인 조건을 만족하는 경우에만 해당 구간에 대하여 함수의 변수값을 산출하고, 만약 최대 일사량 값과 최소 일사량 값의 편차가 작아 위 조건을 만족하지 못하는 경우에는 해당 구간에 대해서는 함수의 변수값을 산출하지 않을 수 있다. 이때, 미리 결정된 기준치는 최대 및 최소 일사량 값의 산술적인 편차로서 설정될 수도 있으나, 최대 및 최소 일사량 값 중 하나에 대한 편차의 비율로서 설정될 수도 있다.
도 2에서 일사량 감소 구간 'A'과 일사량 증가 구간 'B'의 최대 및 최소 일사량 값의 편차가 미리 결정된 기준치 이상이라고 가정할 때, 도 2에 따르면, 일사량 감소 구간 'A'과 일사량 증가 구간 'B'에 대하여 4개의 함수 변수값이 각각 산출될 수 있다. 참고로, Edge 변수 값의 부호를 통하여 해당 시간 구간에서 일사량의 변화가 증가하는 방향인지 또는 감소하는 방향인지 여부를 알 수 있다. 만약 Edge 값이 양수이면 일사량이 감소하는 구간이고, 음수이면 일사량이 증가하는 구간임을 파악할 수 있다.
이와 같이, 함수값 산출부(31)의 일사량 센싱 지점에 대한 일사량 변화 함수의 변수값 산출을 통하여, 소정 기간 동안의 일사량 센싱 지점에 대한 일사량 변화 함수가 결정된다.
함수값 산출부(31)를 통하여 산출된 각 구간에 대응하는 일사량 변화 함수의 변수값 세트들은 메모리(20)에 저장된다. 메모리(20)는 일사량 센싱 주기나 사용자 설정을 기초로 미리 설정된 시간 간격에 따라 각 시점에 대응하는 일사량 변화 함수의 변수값을 데이터 테이블 형태로 저장할 수 있다.
한편, 함수산출부(31)에 의한 일사량 변화 함수의 변수값 산출시, 일사량 데이터에서 일사량 증가 구간 또는 감소 구간에 해당되지 않는 시간 구간에 포함되는 시점에 대해서는 해당 시점에 가장 인접한 구간에 대응하는 함수의 변수값을 적용할 수 있다. 예컨대, 도 2에 의할 때, 'A' 구간의 종료점에 해당하는 18분과 'B' 구간의 시작점에 해당하는 31분 사이의 시간 구간에 포함되는 시점에 대해서는 'A' 구간 또는 'B' 구간에 대응하는 함수의 변수값을 적용할 수 있다.
다음으로, 구름정보 산출부(33)는 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 구름의 이동 방향을 포함하는 구름 이동정보를 산출한다. 이때, 구름의 이동 속도는 기상 관측 데이터에 따른 풍속과 구름 높이(운고)를 기초로 산출할 수 있으며, 구름의 이동 방향은 기상 관측 데이터에 따른 풍향을 기초로 산출할 수 있다.
구름정보 산출부(33)는 기상 관측 데이터의 운형, 최저운고를 기초로 구름의 높이를 파악하고, 해당 높이에서의 풍속을 계산하여 구름의 이동 속도를 산출할 수 있다. 참고로, 구름은 높이 및 운형에 따라서 분류된다. 예컨대, 구름은 구름 높이에 따라 5~13km 상에 존재하는 상층운, 2~7km 상에 존재하는 중층운, 2km 미만 높이에 존재하는 하층운 등으로 분류되며, 운형에 따라서 상층운에는 권운, 권적운, 권층운이 포함되고, 중층운에는 고적운, 고층운, 난층운이, 하층운에는 층적운, 층운이 포함된다. 이처럼, 기상 관측 데이터에 따른 운형과 최저운고를 기초로 구름의 높이를 파악하고, 지수 법칙을 기초로 해당 높이에서의 풍속을 산출하여 특정 지점의 상공을 지나는 구름의 이동 속도를 산출할 수 있다. 참고로, 지수 법칙을 이용하여 특정 높이에 따른 풍속을 산출하는 것은 공지된 수식에 의하는 것으로 설명의 간략화를 위하여 상세한 설명은 생략하기로 한다.
구름정보 산출부(33)는 일사량 데이터에 따른 센싱 기간에 대응되는 기상 관측 데이터를 기초로 해당 기간동안의 구름의 이동 속도와 구름의 이동 방향을 포함하는 구름 이동정보를 산출할 수 있다. 구름 이동정보가 산출되는 시간 간격은 기상 관측 데이터에 따른 관측 주기에 따라 결정될 수 있다. 예컨대, 기상 관측 데이터에 의할 때, 풍속 및 풍향 데이터가 1시간 단위로 제공된다면 1시간 간격으로 구름 이동정보가 산출될 수 있다.
일사량 예측부(35)는 함수산출부(31)를 통하여 산출된 특정 지점에 대응한 일사량 변화 함수의 변수값과 구름정보 산출부(33)를 통하여 산출된 구름 이동정보를 기초로 일사량 센싱 지점인 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측한다.
여기서, 일사량이 센싱된 특정 지점은 태양광 발전소를 구성하는 복수의 PV 모듈 중 하나의 PV 모듈 상의 일 지점이 될 수 있고, 다른 지점은 다른 PV 모듈 상 특정 지점의 위치에 대응하는 지점이 될 수 있다.
일사량 예측부(35)는 통신부(10)를 통하여 수신된 태양광 모듈설치 정보와 구름 이동정보를 기초로 태양광 발전소의 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화를 각각 예측할 수 있다.
도 3 및 도 4는 본 발명의 실시예에 따른 일사량 예측부(35)가 각 태양광 모듈의 위치에서의 일사량 변화를 예측하는 것을 설명하기 위한 참고도이다.
도 3은 모듈설치 정보에 의할 때, 태양광 발전소가 도 3과 같이 배치된 6개의 태양전지 모듈(PV1~PV6)을 포함하는 것을 가정한 것이다. 참고로, 도 3은, 다른 모듈(PV2~PV6)의 일사량 예측의 기준이 되는 기준 모듈이 제1 모듈(PV1)이고, 제1 모듈(PV1)의 왼쪽 하단 꼭지점에 해당하는 지점이 일사량 센서에 의하여 일사량이 센싱된 센싱 지점(P)인 경우를 나타낸다. 도 3의 센싱 지점(P)의 위치는 일 예로서 제1 모듈(PV1)에서 센싱 지점(P)의 위치는 변경될 수 있다.
센싱 지점(P)을 포함하는 제1 모듈(PV1)의 구름의 음영에 의한 일사량 변화는 함수산출부(31)를 통하여 산출된 센싱 지점(P)에 대한 일사량 변화 함수를 기초로 파악될 수 있다.
또한, 제1 모듈(PV1) 외의 다른 모듈(PV2~PV5)의 구름 음영에 의한 일사량 변화는 함수산출부(21)를 통하여 산출된 센싱 지점(P)에 대한 일사량 변화 함수와 구름의 이동 정보를 기초로 예측될 수 있다.
즉, 일사량 예측부(35)는 구름의 이동 속도와 구름의 이동 방향을 기초로 제1 모듈(PV1) 상 센싱 지점(P)으로부터 각 모듈(PV2~PV5) 상 왼쪽 하단 꼭지점에 해당하는 각 지점(a, b, c, d, e)에 구름의 음영이 도달하는 시간을 계산하고, 계산된 시간을 센싱 지점(P)에 대한 일사량 변화 함수에 적용하여 각 모듈(PV2~PV5)의 위치에서의 구름 음영에 의한 일사량 변화를 각각 예측한다.
도 4는, 도 3과 같이 모듈이 배치되었을 때, 제2 모듈(PV2)과 제3 모듈(PV3)에서의 구름 음영에 의한 일사량 변화를 예측하는 방법을 설명하기 위한 참고도이다.
도 4를 참조하면, 구름 이동정보에 따를 때, 구름이 센싱 지점(P)에 대하여 각도 α를 이루는 방향으로 속도 v로 이동한다고 가정하면, 구름의 이동에 따라 구름에 의한 음영이 제1 모듈(PV1)의 센싱 지점(P)의 위치로부터 제2 모듈(PV2)의 왼쪽 하단 꼭지점(b)에 도달하는 시간 tb 는 다음의 수학식을 통해 계산될 수 있다.
[수학식 2]
Figure pat00004
여기서, tb는 구름의 음영이 제1 모듈(PV1) 상 센싱 지점(P)로부터 제2 모듈(PV2) 상 b 지점에 도달하는데 소요되는 시간, db는 센싱 지점(P)과 b 지점 간의 거리, α는 구름의 이동 방향에 따른 각도, v는 구름의 이동 속도를 의미한다.
이에 의하면, 제1 모듈(PV1) 상 센싱 지점(P)에서의 일사량 변화 함수가 Irr(t)일 때, 제2 모듈(PV2)에 대한 일사량 변화 함수는 Irr(t-tb)가 된다.
한편, 구름의 이동에 따라 구름에 의한 음영이 제1 모듈(PV1)의 센싱 지점(P)의 위치로부터 제3 모듈(PV3)의 왼쪽 하단 꼭지점(a)에 도달하는 시간 ta 는 다음의 수학식을 통해 계산될 수 있다.
[수학식 3]
Figure pat00005
여기서, ta는 구름의 음영이 제1 모듈(PV1) 상 센싱 지점(P)로부터 제3 모듈(PV3) 상 a 지점에 도달하는데 소요되는 시간, da는 센싱 지점(P)과 a 지점 간의 거리, α는 구름의 이동 방향에 따른 각도, v는 구름의 이동 속도를 의미한다.
이에 의하면, 제1 모듈(PV1) 상 센싱 지점(P)에서의 일사량 변화 함수가 Irr(t)일 때, 제3 모듈(PV2)에 대한 일사량 변화 함수는 Irr(t-ta)가 된다.
위의 예시와 같이, 일사량 예측부(35)는 기준 태양전지 모듈 상의 일사량 센싱 지점으로부터 각 태양전지 모듈의 대응 지점까지 구름의 음영이 이동하는데 소요되는 시간을 산출하고, 산출된 소요 시간을 일사량 센싱 지점에 대한 일사량 변화 함수에 적용하여 해당 태양전지 모듈에 대한 일사량 변화 함수를 산출한다.
즉, 각 태양전지 모듈에 대하여 구름의 음영에 의한 일사량 변화 패턴은 동일하게 나타난다는 전제하에, 센싱 지점(P) 대비 각 태양전지 모듈의 위치에 따라 센싱 지점(P)에 대한 일사량 변화 함수를 시간축으로 평행 이동하는 형태로 각 태양전지 모듈에 대한 일사량 변화 함수가 결정될 수 있다. 일사량 변화 함수의 변수값은 함수산출부(31)를 통하여 산출된 각 시점에 대응하는 변수값들을 적용한다.
발전예측부(37)는 일사량 예측부(35)를 통하여 예측된 태양광 발전소의 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화에 따른 발전량을 계산하여 태양광 발전소의 전체 발전량을 예측한다.
일사량 예측부(35)를 통하여 결정된 태양광 발전소의 각 태양전지 모듈에 대한 일사량 변화 함수를 통하여 소정 기간 동안 개별 태양전지 모듈의 일사량을 파악할 수 있으므로 이를 기초로 개별 태양전지 모듈의 소정 기간 동안의 발전량을 산출할 수 있다.
개별 태양전지 모듈의 1년 발전량은, 1년 적산 일사량(kWh/㎡)에 모듈 변환 효율(㎡·% )을 곱하여 산출할 수 있다. 이와 같이, 개별 태양전지 모듈에 대한 일사량이 주어졌을 때, 해당 모듈의 발전량을 산출하는 것은 공지된 방법에 의하므로 설명의 간략화를 위하여 이에 관한 상세한 설명은 생략하기로 한다.
발전예측부(37)는 이와 같이 태양광 발전소에 설치된, 또는 설치예정인 복수의 태양전지 모듈의 소정 기간 동안의 발전량을 각각 계산하고, 위 발전량을 합산하여 태양광 발전소의 소정 기간 동안의 전체 발전량을 예측할 수 있다.
도 5는 본 발명의 실시예에 따른 태양광 발전 예측 방법을 나타낸 흐름도이다. 설명의 중복을 피하기 위하여, 위의 실시예를 통하여 설명된 내용은 생략하기로 한다.
도 5를 참조하면, 태양광 발전 예측 장치(100)의 통신부(10)는 일사량 센서가 설치된 특정 센싱 지점에서 소정 기간 동안 센싱된 일사량 데이터, 해당 센싱 지점과 가장 가까운 위치에서 관측된 소정 기간 동안의 기상 관측 데이터, 및 기설치된 또는 설치예정인 태양광 발전소의 모듈 설치정보를 수신한다(S10). 일사량 데이터와 기상 관측 데이터는 일정 시간 간격으로 각각 센싱 및 관측된 시계열 데이터로서, 동일 기간에 대한 데이터가 적용된다.
예컨대, 수신된 일사량 데이터가 2021년 1월1일부터 2021년 12월31일까지 1년 동안 센싱된 시계열 데이터라면, 기상 관측 데이터도 2021년 1월1일부터 2021년 12월31일까지 관측된 데이터를 수신할 수 있다.
한편, 도 5에서는 일사량 데이터와 기상 관측 데이터, 및 모듈 설치정보가 동일 단계인 S10 단계에서 수신되는 것으로 기재되었으나, 위 데이터들이 서로 다른 시점에 수신될 수 있음은 물론이다.
이어서, 태양광 발전 예측 장치(100)의 프로세서(30)는 수신된 일사량 데이터를 기초로, 센싱 지점의 상공을 이동하는 구름의 음영으로 인한 센싱 지점에서의 시간에 따른 일사량의 변화를 모델링한 일사량 변화 함수의 변수값들을 산출한다(S20).
일사량 변화 함수는, 시그모이드 함수를 기반으로 할 수 있으며, 전술된 수학식 1에 따라 정의될 수 있다. 프로세서(30)는 일사량 데이터에 의할 때 구름의 이동에 따라 일사량이 감소되는 감소 구간과 일사량이 증가하는 증가 구간에 대하여 일사량 변화 함수의 변수값을 각각 산출한다. 프로세서(30)는 일사량 데이터의 각 센싱 지점에서의 미분 계수를 미리 결정된 기준치와 비교하여, 증가 구간 또는 감소 구간의 시작점과 종료점을 각각 산출하고, 위 시작점과 종료점을 기초로 구분된 각 구간에 대응하는 일사량 변화 함수의 변수값의 세트를 산출할 수 있다.
예컨대, 수학식 1에 따른 일사량 변화 함수에 의할 때, 각 증가 구간 또는 감소 구간마다 일사량 변화 함수의 4개의 변수, 즉, Irrunsh, Irrsh, t1, Edge의 값이 산출된다. 여기서, Irrunsh는 소정 구간에서의 최대 일사량 값, Irrsh는 해당 시간 구간에서의 최소 일사량 값, t1은 해당 구간의 중간 시간 값, Edge는 해당 구간에서 Irrunsh을 가지는 제1 시점과 Irrsh을 가지는 제2 시점 간의 일사량 변화 함수의 경사도(기울기)에 관한 변수값을 의미함은 전술된 바와 같다.
한편, 해당 구간의 최대 일사량 값과 최소 일사량 값 간의 편차가 미리 결정된 기준치 이상인 조건을 만족하는 경우에만 해당 구간에 대하여 함수의 변수값을 산출하고, 만약 최대 일사량 값과 최소 일사량 값의 편차가 작아 위 조건을 만족하지 못하는 경우에는 해당 구간에 대한 함수 변수값은 산출하지 않고 인접한 구간의 함수 변수값을 적용하도록 구현될 수 있다.
이와 같이, 일사량 값이 증가 또는 감소되는 각 시간 구간마다 일사량 변화 함수의 변수값을 산출함으로써 일사량 센싱 지점을 포함하는 기준 태양전지 모듈에 대한 일사량 변화 함수가 산출된다.
이어서, 프로세서(30)는 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 이동 방향을 포함하는 구름 이동정보를 산출한다(S30).
여기서, 구름의 이동 속도는 기상 관측 데이터의 운형에 따른 구름 높이와 풍속을 기초로 산출될 수 있으며, 풍향을 기초로 구름의 이동 방향을 산출할 수 있음은 전술된 바와 같다.
다음으로, 프로세서(30)는 센싱 지점에 대한 일사량 변화 함수의 변수값과 구름 이동정보를 기초로 센싱 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측한다(S40).
즉, 모듈설치 정보에 따른 기준 태양전지 모듈 대비 각 태양전지 모듈의 상대적인 위치 정보와 구름의 이동 방향 및 속도를 기초로 기준 태양전지 모듈 상의 센싱 지점으로부터 각 태양전지 모듈의 센싱 지점에 대응하는 지점까지 구름의 음영이 이동하는데 소요되는 시간을 산출하고, 산출된 소요 시간을 센싱 지점에 대한 일사량 변화 함수, 즉 기준 태양전지 모듈의 일사량 변화 함수에 각각 적용하여 각 태양전지 모듈에 대한 일사량 변화 함수를 산출하게 된다.
위와 같이, 각 개별 태양전지 모듈의 일사량 변화 함수가 결정되면, 프로세서(30)는 이를 기초로 개별 태양광 모듈의 발전량을 계산하여 태양광 발전소의 전체 발전량을 예측한다(S50). 전체 발전량은, 개별 태양광 모듈의 발전량을 합산하여 산출될 수 있다.
이상에서 설명된 바와 같이, 본 발명에 따른 태양광 발전 예측 장치 및 방법에 의하면, 특정 지역에서의 구름 이동에 따른 일사량 변화를 고려하여 태양광 발전량을 예측함으로써 태양광 발전소의 입지 선정 및 PV 어레이 설계시 유용하게 활용될 수 있다. 또한, 구름의 이동 속도 및 방향을 기초로 각 태양광 모듈의 위치에서의 구름 음영에 따른 일사량 변화를 개별적으로 모델링할 수 있어 예측 정확도를 더욱 향상시킬 수 있다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 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 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체 등이 포함될 수 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 태양광 발전 예측 장치
10: 통신부
20: 메모리
30: 프로세서
31: 함수산출부
33: 구름정보 산출부
35: 일사량 예측부
37: 발전예측부

Claims (16)

  1. 특정 지점에서 소정 기간 동안 센싱된 일사량 데이터 및 상기 특정 지점의 인근 관측소에서 관측된 상기 소정 시간 동안의 기상 관측 데이터를 수신하는 통신부;
    상기 일사량 데이터를 기초로, 상기 특정 지점의 상공을 이동하는 구름의 음영으로 인한 상기 특정 지점에서의 시간에 따른 일사량의 변화를 모델링한 일사량 변화 함수의 변수값을 산출하는 함수산출부;
    상기 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 이동 방향을 포함하는 구름 이동정보를 산출하는 구름정보 산출부; 및
    상기 일사량 변화 함수의 변수값과 상기 구름 이동정보를 기초로 상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 일사량 예측부를 포함하는 것을 특징으로 하는 태양광 발전 예측 장치.
  2. 제1항에 있어서,
    상기 일사량 변화 함수는,
    시그모이드(sigmoid) 함수를 기반으로 정의되는 것을 특징으로 하는 태양광 발전 예측 장치.
  3. 제1항에 있어서,
    상기 함수산출부는,
    상기 구름의 이동에 따라 일사량이 감소되는 감소 구간과 일사량이 증가하는 증가 구간에 대하여 상기 일사량 변화 함수의 변수값을 각각 산출하는 것을 특징으로 하는 태양광 발전 예측 장치.
  4. 제3항에 있어서,
    상기 일사량 변화 함수인 Irr(t)는 다음의 수학식을 기초로 정의되는 것을 특징으로 하는 태양광 발전 예측 장치.
    Figure pat00006

    (여기서, Irrunsh는 소정 구간에서의 최대 일사량 값, Irrsh는 해당 구간에서의 최소 일사량 값, t1은 해당 구간의 중간 시간 값, Edge는 해당 구간에서 상기 Irrunsh을 가지는 제1 시점과 상기 Irrsh 을 가지는 제2 시점 간의 상기 일사량 변화 함수의 경사도에 관한 변수값을 의미함)
  5. 제3항에 있어서,
    상기 함수산출부는,
    상기 각 구간에서의 최대 일사량 값과 최소 일사량 값 간의 편차가 미리 결정된 기준치 이상인 경우에 한하여 상기 구간에 대한 상기 일사량 변화 함수의 변수값을 산출하는 것을 특징으로 하는 태양광 발전 예측 장치.
  6. 제1항에 있어서,
    상기 함수산출부는,
    상기 일사량 데이터에서 일사량이 감소하는 감소 구간과 일사량이 증가하는 증가 구간의 시작점과 종료점을 각각 산출하고, 상기 시작점과 상기 종료점을 기초로 상기 감소 구간과 상기 증가 구간에 각각 대응하는 상기 일사량 변화 함수의 변수값을 산출하는 것을 특징으로 하는 태양광 발전 예측 장치.
  7. 제6항에 있어서,
    상기 함수산출부는,
    상기 일사량 데이터의 각 센싱 시점에서의 미분계수를 미리 결정된 기준치와 비교하여 상기 각 구간의 시작점과 종료점을 산출하는 것을 특징으로 하는 태양광 발전 예측 장치.
  8. 제6항에 있어서,
    상기 일사량 변화 함수의 변수값은,
    상기 구간의 상기 시작점의 일사량 값에 대응하는 제1 변수값, 상기 구간의 상기 종료점의 일사량 값에 대응하는 제2 변수값, 상기 구간의 상기 시작점과 상기 종료점의 중간 시간 값인 제3 변수값, 상기 시작점과 상기 종료점 간의 상기 일사량 변화 함수의 경사도에 관한 제4 변수값을 포함하는 것을 특징으로 하는 태양광 발전 예측 장치.
  9. 제1항에 있어서,
    상기 구름정보 산출부는,
    상기 기상 관측 데이터의 풍속과 운형에 따른 구름 높이를 기초로 상기 구름의 이동 속도를 산출하고, 상기 기상 관측 데이터의 풍향을 기초로 상기 구름의 이동 방향을 산출하는 것을 특징으로 하는 태양광 발전 예측 장치.
  10. 제1항에 있어서,
    상기 통신부는, 태양광 발전소의 상기 특정 지점 대비 각 태양광 모듈의 위치 정보를 포함하는 모듈설치 정보를 수신하고,
    상기 일사량 예측부는, 상기 모듈설치 정보를 기초로 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화를 각각 예측하는 것을 특징으로 하는 태양광 발전 예측 장치.
  11. 제10항에 있어서,
    상기 일사량 예측부를 통하여 예측된 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화에 따른 발전량을 계산하여 상기 태양광 발전소의 태양광 발전량을 예측하는 발전예측부를 더 포함하는 것을 특징으로 하는 태양광 발전 예측 장치.
  12. 각 단계가 태양광 발전 예측 장치에 의하여 수행되는 태양광 발전 예측 방법에 있어서,
    특정 지점에서 소정 기간 동안 센싱된 일사량 데이터 및 상기 특정 지점의 인근 관측소에서 관측된 상기 소정 시간 동안의 기상 관측 데이터를 수신하는 단계;
    상기 일사량 데이터를 기초로, 상기 특정 지점의 상공을 이동하는 구름의 음영으로 인한 상기 특정 지점에서의 시간에 따른 일사량의 변화를 모델링한 일사량 변화 함수의 변수값을 산출하는 단계;
    상기 기상 관측 데이터를 기초로 구름이 이동하는 구름의 이동 속도, 및 이동 방향을 포함하는 구름 이동정보를 산출하는 단계; 및
    상기 일사량 변화 함수의 변수값과 상기 구름 이동정보를 기초로 상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 단계를 포함하는 것을 특징으로 하는 태양광 발전 예측 방법.
  13. 제12항에 있어서,
    상기 일사량 변화 함수의 변수값을 산출하는 단계는,
    상기 구름의 이동에 따라 일사량이 감소되는 감소 구간과 일사량이 증가하는 증가 구간에 대하여 상기 일사량 변화 함수의 변수값을 각각 산출하는 것을 특징으로 하는 태양광 발전 예측 방법.
  14. 제12항에 있어서,
    상기 구름 이동정보를 산출하는 단계는,
    상기 기상 관측 데이터의 풍속과 운형에 따른 구름 높이를 기초로 상기 구름의 이동 속도를 산출하고, 상기 기상 관측 데이터의 풍향을 기초로 상기 구름의 이동 방향을 산출하는 것을 특징으로 하는 태양광 발전 예측 방법.
  15. 제12항에 있어서,
    태양광 발전소의 상기 특정 지점 대비 각 태양광 모듈의 위치 정보를 포함하는 모듈설치 정보를 수신하는 단계를 더 포함하고,
    상기 특정 지점 외 다른 지점에서의 구름 음영에 의한 일사량 변화를 예측하는 단계는, 상기 모듈설치 정보를 기초로 상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화를 각각 예측하는 것을 특징으로 하는 태양광 발전 예측 방법.
  16. 제15항에 있어서,
    상기 각 태양광 모듈의 위치에서의 구름 음영에 의한 일사량 변화에 따른 발전량을 계산하여 상기 태양광 발전소의 태양광 발전량을 예측하는 단계를 더 포함하는 것을 특징으로 하는 태양광 발전 예측 방법.

KR1020220181833A 2021-12-31 2022-12-22 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법 KR20230103984A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210194004 2021-12-31
KR1020210194004 2021-12-31

Publications (1)

Publication Number Publication Date
KR20230103984A true KR20230103984A (ko) 2023-07-07

Family

ID=87154916

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220181833A KR20230103984A (ko) 2021-12-31 2022-12-22 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR20230103984A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102633874B1 (ko) * 2023-07-17 2024-02-06 식스티헤르츠 주식회사 기상 위성을 이용한 태양광 발전량 예측 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100328187B1 (ko) 1997-06-05 2002-05-09 미다라이 후지오 태양전지의발전량을예측하기위한방법및장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100328187B1 (ko) 1997-06-05 2002-05-09 미다라이 후지오 태양전지의발전량을예측하기위한방법및장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102633874B1 (ko) * 2023-07-17 2024-02-06 식스티헤르츠 주식회사 기상 위성을 이용한 태양광 발전량 예측 방법 및 시스템

Similar Documents

Publication Publication Date Title
KR101856320B1 (ko) 태양광 발전량 예측 장치 및 방법
Haghdadi et al. A method to estimate the location and orientation of distributed photovoltaic systems from their generation output data
Fitriaty et al. Predicting energy generation from residential building attached Photovoltaic Cells in a tropical area using 3D modeling analysis
Zhao et al. Optimal PV panel tilt angle based on solar radiation prediction
Carneiro et al. Review on photovoltaic power and solar resource forecasting: current status and trends
Kato Prediction of photovoltaic power generation output and network operation
JP5308560B1 (ja) 太陽光発電における発電量予測方法及び装置
CN102663263B (zh) 一种连续时间太阳辐射能预测方法
JP6193008B2 (ja) 予測システム、予測装置および予測方法
EP3576029A1 (en) Method and device for determining energy system operating scenarios
US11631978B2 (en) Real-time estimation of contributions from classes of energy generators in residual load signals
Li et al. Improving the energy production of roof-top solar PV systems through roof design
KR102284253B1 (ko) 기상정보를 이용한 태양광발전소의 발전량 예측시스템 및 이를 이용한 발전량 예측방법
KR102338515B1 (ko) 인공지능 기반 태양광 발전량 예측 시스템
Alonso-Montesinos et al. Impact of DNI forecasting on CSP tower plant power production
Lyden et al. Modelling, parameter estimation and assessment of partial shading conditions of photovoltaic modules
US9536021B1 (en) System and method for providing a renewable energy network optimization tool
KR20230103984A (ko) 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법
Kim et al. Power performance assessment of PV blinds system considering self-shading effects
Mansouri Kouhestani et al. A comprehensive assessment of solar and wind energy potential at the University of Lethbridge campus, a medium-sized western Canadian university
Popovic et al. Methodology for detection of photovoltaic systems underperformance operation based on the correlation of irradiance estimates of neighboring systems
US20220352714A1 (en) System for estimating renewable energy generation quantity in real-time
US11486606B2 (en) Method of forecasting heat output of solar collectors
Al-Hilfi et al. Comparison of different correlational techniques in estimating the total generated power of neighboring photovoltaic systems
KR20180023078A (ko) 기상정보를 이용한 태양광 발전량 예측방법