KR20240001975A - 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템 - Google Patents

인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템 Download PDF

Info

Publication number
KR20240001975A
KR20240001975A KR1020220078962A KR20220078962A KR20240001975A KR 20240001975 A KR20240001975 A KR 20240001975A KR 1020220078962 A KR1020220078962 A KR 1020220078962A KR 20220078962 A KR20220078962 A KR 20220078962A KR 20240001975 A KR20240001975 A KR 20240001975A
Authority
KR
South Korea
Prior art keywords
power generation
solar
string
solar power
facility management
Prior art date
Application number
KR1020220078962A
Other languages
English (en)
Inventor
안동희
Original Assignee
주식회사 유니로보틱스
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 유니로보틱스 filed Critical 주식회사 유니로보틱스
Priority to KR1020220078962A priority Critical patent/KR20240001975A/ko
Publication of KR20240001975A publication Critical patent/KR20240001975A/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
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명은 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템에 관한 것이다. 본 발명에 따르면, 태양광 발전 설비를 위한 태양광 발전량 예측 및 모니터링 시스템에 있어서, 상기 태양광 발전 설비의 복수의 태양광 스트링 별로 설치되고 상기 태양광 스트링 내에 포함된 복수의 태양전지 패널로부터 관측되는 전압, 전류 및 저항 값을 토대로 상기 태양광 스트링의 발전량을 예측하고 모니터링하는 복수의 에너지 설비 관리 유닛을 포함하는 태양광 발전량 예측 및 모니터링 시스템을 제공한다.
본 발명에 따르면, 태양광 발전 설비의 태양광 스트링에 에너지 설비 관리 유닛을 설치하여 태양광 스트링 별로 태양광 발전량을 인공지능을 기반으로 예측할 수 있으며 태양광 발전 설비의 동작 상태를 현장에서 스스로 모니터링하고 관리할 수 있다.

Description

인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템{Systems for predicting and monitoring solar power generation using artificial intelligence}
본 발명은 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템에 관한 것으로서, 보다 상세하게는 태양광 발전 설비의 발전량을 예측할 수 있고 태양광 발전 설비의 동작 상태를 모니터링할 수 있는 태양광 발전량 예측 및 모니터링 시스템에 관한 것이다.
본 발명은 경기도의 재원으로 수행된 2022년 경기도 에너지 혁신 기술 사업의 일환으로 출원된 특허이며, 관련 사항은 아래와 같다.
[연구관리전문기관] 경기도청
[연구사업명] 2022년 경기도 에너지 혁신 기술 사업
[연구과제명] 신재생 에너지 설비 실시간 통합 제어 관리 및 에너지 빅데이터 구축을 위한 지능형 EDMU 플랫폼 기술 개발
[과제수행기관명] 주식회사 유니로보틱스
[연구기간] 2021.07.01~2023.06.30
화석 연료의 고갈과 환경 보호라는 과제 달성을 위해 신재생에너지에 대한 관심이 증가하고 있다.
특히, 신재생에너지 중에서도 무공해이면서 무한정의 태양광 에너지를 직접 전기 에너지로 변환하는 태양광 발전 시스템은 기계적인 진동과 소음이 없고 운전 및 유지 관리에 따른 비용이 낮아 신재생에너지의 큰 축으로 자리잡고 있다.
하지만 태양광 발전 설비는 점차 설치 지역이 늘어나고 있음에도 불구하고 대부분 최근에 도입되었으며 발전량이나 고장 여부 등을 효율적으로 관리하는 방안이 마련되어 있지 않는 실정이다.
또한, 디지털 전환 시대에 맞는 에너지 설비 관리 및 발전량 등 에너지 데이터를 실시간으로 빠르게 통합 관리할 수 있는 고성능 칩 기반의 지능형 에너지 설비 관리 플랫폼이 요구된다.
본 발명의 배경이 되는 기술은 한국공개특허 제10-2021-0094712호(2021.07.30 공개)에 개시되어 있다.
본 발명은 에너지 설비 관리 유닛을 태양광 발전 설비에 장착하여 태양광 스트링 별로 태양광 발전량을 예측할 수 있고 태양광 발전 설비의 동작 상태를 현장에서 스스로 모니터링할 수 있는 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템을 제공하는데 목적이 있다.
본 발명은, 태양광 발전 설비를 위한 태양광 발전량 예측 및 모니터링 시스템에 있어서, 상기 태양광 발전 설비의 복수의 태양광 스트링 별로 설치되고 상기 태양광 스트링 내에 포함된 복수의 태양전지 패널로부터 관측되는 전압, 전류 및 저항 값을 토대로 상기 태양광 스트링의 발전량을 예측하고 모니터링하는 복수의 에너지 설비 관리 유닛을 포함하는 태양광 발전량 예측 및 모니터링 시스템을 제공한다.
또한, 상기 에너지 설비 관리 유닛은, 상기 복수의 태양전지 패널 별로 획득된 발전량 예측값을 상기 태양전지 패널의 배열 순서에 따라 정렬한 데이터를 이용하여 인접 패널 간의 전압 강하에 의한 손실 발전량을 추정하고 추정한 손실 발전량을 바탕으로 상기 태양광 스트링의 발전량 예측값을 보정할 수 있다.
또한, 상기 복수의 에너지 설비 관리 유닛은, 네트워크 연결된 외부의 기상 서버로부터 상기 태양광 발전 설비의 설치 장소에 대응된 현재의 일사량, 기온 및 습도를 포함한 기상 정보를 더 수집하고, 상기 복수의 태양전지 패널 별로 관측된 측정 데이터와 상기 기상 정보를 사전 학습된 발전량 예측 모델에 입력하여 상기 태양광 스트링의 발전량을 예측할 수 있다.
또한, 상기 에너지 설비 관리 유닛은, 설치 장소에 설치된 카메라 모듈, CO2 센서, 온도 센서, 불꽃 센서, 연기 센서로부터 현장의 영상, CO2 농도, 온도, 불꽃 여부, 연기 여부를 더 수집하고, 상기 태양전지 패널 별 설치된 진동 센서로부터 진동 값을 더 수집하며, 상기 태양광 스트링 내의 각 태양전지 패널로부터 수집된 전압, 전류, 저항, 진동 값과, 상기 설치 현장에 대한 영상, CO2 농도, 온도 불꽃 여부, 연기 여부 데이터를 바탕으로 상기 태양광 스트링의 화재 여부를 판별할 수 있다.
또한, 상기 태양광 발전량 예측 및 모니터링 시스템은, 상기 복수의 에너지 설비 관리 유닛은 단일의 마스터 유닛과 나머지 복수의 슬레이브 유닛을 포함하고, 서로 네트워크 연결되며, 상기 마스터 유닛은, 상기 복수의 슬레이브 유닛으로부터 전달받은 각 태양광 스트링의 예측 발전량과 자신의 태양광 스트링의 발전량 예측값을 이용하여 상기 태양광 발전 설비의 전체 발전량 예측값을 연산하고, 상기 태양광 스트링 별 발전량 예측값과 전체 발전량 예측값을 네트워크 연결된 관제 서버로 제공할 수 있다.
본 발명에 따르면, 태양광 발전 설비의 태양광 스트링에 에너지 설비 관리 유닛을 설치하여 태양광 스트링 별로 태양광 발전량을 인공지능을 기반으로 예측할 수 있으며 태양광 발전 설비의 동작 상태를 현장에서 스스로 모니터링하고 관리할 수 있다.
또한, 본 발명은 디지털 전환 시대에 맞는 에너지 설비 관리 및 발전량 등 에너지 데이터를 실시간 통합 관리할 수 있는 고성능 칩 기반의 지능형 에너지 설비 관리 플랫폼을 제공할수 있다.
도 1은 본 발명의 실시예에 따른 태양광 발전량 예측 및 모니터링 시스템의 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에서 에너지 설비 관리 유닛이 외부 서버와 네트워크 연결된 모습을 나타낸 도면이다.
도 3은 본 발명의 실시예에서 에너지 설비 관리 유닛 간 서로 네트워크 연결된 모습을 나타낸 도면이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 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 의미한다.
도 1은 본 발명의 실시예에 따른 태양광 발전량 예측 및 모니터링 시스템의 구성을 나타낸 도면이고, 도 2는 본 발명의 실시예에서 에너지 설비 관리 유닛이 외부 서버와 네트워크 연결된 모습을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 태양광 발전 예측 및 모니터링 시스템(100)은 현장의 태양광 발전 설비(10)에 직접 설치 및 운용되는 복수의 에너지 설비 관리 유닛(Energy Device Management Unit, EDMU)(110)을 포함한다.
에너지 설비 관리 유닛(110)은 고성능 AI SoC 칩을 내장한 지능형 에너지 설비 관리 모듈에 해당할 수 있으며, 태양광 발전 설비(10)에 포함된 복수의 태양광 스트링(11) 별로 설치 및 운용될 수 있다.
에너지 설비 관리 유닛(110)은 태양광 스트링(11) 또는 그에 설치된 각종 센서류 들로부터 각종 데이터를 수집, 처리 및 관리할 수 있고 이를 기반으로 태양광 발전량, 위험 상태 등을 예측할 수 있다.
에너지 설비 관리 유닛(110)은 태양광 스트링(11)의 전압, 전류 등의 값을 주기적으로 수집 및 모니터링하고 이를 기반으로 태양광 발전량을 예측할 수 있다.
발전 설비 내의 각각의 태양광 스트링(11)(단위 태양광 스트링)은 복수의 태양전지 패널(12)을 포함하며, 복수의 태양전지 패널(12)은 서로 스트링 연결될 수 있다.
태양광 스트링(11)은 각 태양전지 패널(12)의 출력 전류, 전압, 저항 값을 센서, 측정 소자 등을 통하여 설정 주기로 계측하고 계측한 정보를 에너지 설비 관리 유닛(110)으로 전달할 수 있다.
에너지 설비 관리 유닛(110)은 태양광 스트링(11) 내에 포함된 복수의 태양전지 패널(12)로부터 관측되는 전압, 전류 및 저항 값을 토대로 태양광 스트링(11)의 발전량을 예측하고 모니터링할 수 있다.
여기서, 에너지 설비 관리 유닛(110)은 태양전지 패널(12)의 전압, 전류, 저항값을 과거 빅데이터를 기반으로 사전에 인공지능 학습된 예측 모델에 입력하여 태양광 스트링(11)에 포함된 태양전지 패널(12)의 각각의 발전량을 예측할 수 있다. 예측 모델은 회귀 예측 모델, 딥러닝 기반 신경망 모델 등으로 구현될 수 있다.
여기서, 에너지 설비 관리 유닛(110)은 태양광 스트링(11)에 칩 형태로 장착되어 태양광 스트링(11)과 전기적으로 연결될 수 있다.
또한, 에너지 설비 관리 유닛(110)은 도 2와 같이 원격지의 관제 서버(200) 및 기상 서버(300)와 각각 네트워크를 통해 연결되어 각종 정보, 데이터, 제어 신호 등을 송수신할 수 있다. 이때 네트워크는 무선, 유선 혹은 유무선 혼합 네트워크에 해당할 수 있으며, 본 발명의 실시예는 주로 무선 네트워크를 예시한다.
또한, 에너지 설비 관리 유닛(110)은 태양광 스트링(11)으로부터 수집된 관측 값을 바탕으로 정상 또는 이상 상태를 판단하여, 이상 상태인 경우에는 해당 태양광 스트링(11) 부분의 전원을 리셋시켜 리셋 후의 동작 상태를 모니터링할 수도 있다. 리셋 후에도 이상 상태로 판단된 경우 해당 스트링 단의 식별 번호와 함께 관제 서버(200)로 관련 사실 및 관련 데이터를 전송하고 통보할 수도 있다.
이러한 에너지 설비 관리 유닛(110)은 태양광 스트링(11)의 상태를 스스로 체크 및 모니터링하고 필요한 경우 즉, 에러, 이상 등이 발생한 경우 전원을 스스로 리셋함으로써, 현장에 관리자 파견 없이도 태양광 발전 설비(10)의 무인 관리 및 운용이 가능하게 한다.
또한, 에너지 설비 관리 유닛(110)은 태양광 스트링(11) 내의 복수의 태양전지 패널(12) 별로 획득된 발전량 예측값을 태양전지 패널의 배열 순서에 따라 정렬한 데이터를 이용하여, 인접 패널 간의 전압 강하에 의한 손실 발전량을 추정하고, 추정한 손실 발전량을 바탕으로 태양광 스트링(11)의 발전량 예측값을 보정할 수 있다.
예를 들어, 태양광 스트링(11) 내의 패널(12) 별 획득된 총 N개의 발전량 예측값의 합에, 인접(이웃) 패널 간 구해진 총 N-1개의 손실 발전량의 합을 차감함으로써, 해당 태양광 스트링(11)의 발전량 예측값을 보정할 수 있다. 손실 발전량은 인접 패널 간의 발전량 예측값의 편차가 클수록 증가할 수 있다. 이는 인접 패널 간의 발전량(출력량) 차이가 클수록 패널 간의 내부 저항이 커지면서 전압 강하가 발생하고 이러한 전압 강하 만큼의 전력량 손실이 나타나기 때문이다.
여기서 손실 발전량의 추정은 편차 값 별 그에 대응된 손실 발전량을 미리 저장한 테이블 정보를 활용하거나, 딥러닝 등의 알고리즘 학습에 의해 기 구축된 손실량 계산 함수에 해당 편차 값을 대입하여 획득할 수 있다.
또한, 만일 제1 태양광 스트링(11-1) 내 각 패널(12)의 발전량 예측값은 60kW, 40kW, 50kW이고, 제2 태양광 스트링(11-2) 내 각 패널(12)의 발전량 예측값은 각각 60kW, 50kW, 40kW인 경우, 두 태양광 스트링(11-1,11-2) 모두 예측치 총합은 150kW로 서로 동일하지만, 인접 패널 간의 발전량 편차를 보면, 제1 태양광 스트링(11-1)의 경우 20kW(=|60-40|), 10kW(=|40-50|)이고, 제2 태양광 스트링(11-2)의 경우 10kW(=|60-50|), 10kW(=|50-40|)이므로, 손실 발전량은 제1 태양광 스트링(11-1)에서 더욱 크게 나타난다.
따라서, 각 패널 별 발전량 예측값을 단순 합산하면, 두 태양광 스트링(11-1,11-2) 모두 발전량 예측값이 150kW로 서로 동일하지만, 손실 발전량을 반영하면 제1 태양광 스트링(11-1)의 발전량 예측값이 제2 태양광 스트링(11-2)의 발전량 예측값보다 낮게 도출될 수 있다.
한편, 복수의 에너지 설비 관리 유닛(110)은, 도 1 및 도 2와 같이, 네트워크 연결된 외부의 기상 서버(300)로부터 태양광 발전 설비(10)의 설치 장소에 대응된 현재의 일사량, 기온 및 습도를 포함한 기상 정보를 더 수집할 수 있다.
또한, 이에 따라, 에너지 설비 관리 유닛(110)은 복수의 태양전지 패널(12) 별로 관측된 측정 데이터(전압, 전류, 저항 등)와 기상 정보(일사량, 기온, 습도 등)를 사전 학습된 발전량 예측 모델에 입력하여 태양광 스트링의 발전량을 예측할 수 있다. 발전량 예측 모델은 사전 학습 및 구축된 회귀 모델, 신경망 모델 등으로 구현될 수 있다.
또한, 도 1과 같이, 에너지 설비 관리 유닛(110)은 설치 장소에 설치된 카메라 모듈(120), CO2 센서(130), 온도 센서(140), 불꽃 센서(150), 연기 센서(160)로부터 현장의 영상, CO2 농도, 온도, 불꽃 여부, 연기 여부를 더 수집하고, 태양전지 패널(12) 별 설치된 진동 센서(170)로부터 진동 값을 더 수집할 수 있다.
이 경우 에너지 설비 관리 유닛(110)은 태양광 스트링 내의 각 태양전지 패널로부터 수집된 전압, 전류, 저항, 진동 값과, 설치 현장에 대한 영상, CO2 농도, 온도 불꽃 여부, 연기 여부 데이터를 바탕으로 태양광 스트링(11)의 화재 여부를 판별할 수 있다. 이때 영상 내 특징 분석 등이 활용될 수 있고, 영상 내 추출한 특징 값과 상술한 각각의 관측 값을 기 학습된 예측 모델에 적용하여 화재 여부나 화재 확률 등을 판별할 수 있다.
에너지 설비 관리 유닛(110)은 주변의 타 에너지 설비 관리 유닛(110), 관제 서버(200), 기상 서버(300), 외부 기기, 환경 센서(온도, 습도, CO2, 불꽃, 가스 등), 카메라 등과 무선 또는 유선 네트워크 연결되어 서로 통신하고 데이터를 송수신할 수 있다. 본 발명의 실시예는 주로 무선 네트워크를 예시하며, 이 경우 에너지 설비 관리 유닛(110)에 내장된 통신부는 Wi-Fi, RF, 블루투스, 셀룰러 통신 방식 등을 이용하여 통신할 수 있다.
도 3은 본 발명의 실시예에서 에너지 설비 관리 유닛 간 서로 네트워크 연결된 모습을 나타낸 도면이다.
도 3과 같이, 복수의 에너지 설비 관리 유닛(110)은 서로 네트워크 연결될 수 있으며, 전체 N개 중 1개의 마스터 유닛과 나머지 N-1개의 복수의 슬레이브 유닛을 포함할 수 있다. 예를 들어 110-1은 마스터 유닛, 나머지 110-2 내지 110-N은 슬레이브 유닛에 해당할 수 있다.
이 경우 마스터 유닛(110-1)은 복수의 슬레이브 유닛(110-2 ~ 110-N)으로부터 전달받은 각 태양광 스트링의 예측 발전량과 자신의 태양광 스트링의 발전량 예측값을 이용하여 태양광 발전 설비(10)의 전체 발전량 예측값을 연산하고, 태양광 스트링(11) 별 발전량 예측값과 설비 전체 발전량 예측값을 네트워크 연결된 관제 서버(200)로 제공할 수 있다.
본 발명의 실시예를 이용하면 고성능 AI SoC 칩을 내장한 지능형 에너지 설비 관리 플랫폼을 구축할 수 있다. 또한, 자체 AI SoC 칩을 통하여 에너지 데이터 분석, 판단, 교환 등 빅데이터 구축 기반 연동을 용이하게 해주고, 에너지 설비 관리 비용을 크게 줄임과 동시에, 지능형 에너지 설비 관리 유닛 간 에너지 데이터를 실시간 교환할 수 있게 함으로써, 기존의 제품인 RTU(Remote Terminal Unit)에서 어려웠던 에너지 설비 통합 관리 및 빅데이터 구축을 실현 가능하게 하고, 최근 디지털 전환 추세에 맞는 데이터 기반 에너지 비즈니스 시장을 가속화할 수 있다.
즉, 본 발명에 따르면, 디지털 전환 시대에 맞는 에너지 설비 관리 및 발전량 등 에너지 데이터를 실시간 통합 관리할 수 있는 고성능 칩 기반의 지능형 에너지 설비 관리 플랫폼을 제공할 수 있다.
또한, 본 발명에 의하면, 에너지 설비에 대한 실시간 통합 제어 및 지능형 설비 관리가 가능하고, AI 칩을 내장하여 실시간 고속 데이터 처리가 가능하며, 에너지 데이터와 학습 모델의 연동을 통하여 발전 에너지 예측 및 제어가 가능하다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 태양광 발전량 예측 및 모니터링 시스템
110: 에너지 설비 관리 유닛 120: 카메라
130: CO2 센서 140: 온도 센서
150: 불꽃 센서 160: 연기 센서
200: 관제 서버 300: 기상 서버
10: 태양광 발전 설비 11: 태양광 스트링
12: 태양전지 패널

Claims (5)

  1. 태양광 발전 설비를 위한 태양광 발전량 예측 및 모니터링 시스템에 있어서,
    상기 태양광 발전 설비의 복수의 태양광 스트링 별로 설치되고 상기 태양광 스트링 내에 포함된 복수의 태양전지 패널로부터 관측되는 전압, 전류 및 저항 값을 토대로 상기 태양광 스트링의 발전량을 예측하고 모니터링하는 복수의 에너지 설비 관리 유닛
    을 포함하는 태양광 발전량 예측 및 모니터링 시스템.
  2. 청구항 1에 있어서,
    상기 에너지 설비 관리 유닛은,
    상기 복수의 태양전지 패널 별로 획득된 발전량 예측값을 상기 태양전지 패널의 배열 순서에 따라 정렬한 데이터를 이용하여 인접 패널 간의 전압 강하에 의한 손실 발전량을 추정하고 추정한 손실 발전량을 바탕으로 상기 태양광 스트링의 발전량 예측값을 보정하는 태양광 발전량 예측 및 모니터링 시스템.
  3. 청구항 1에 있어서,
    상기 복수의 에너지 설비 관리 유닛은,
    네트워크 연결된 외부의 기상 서버로부터 상기 태양광 발전 설비의 설치 장소에 대응된 현재의 일사량, 기온 및 습도를 포함한 기상 정보를 더 수집하고,
    상기 복수의 태양전지 패널 별로 관측된 측정 데이터와 상기 기상 정보를 사전 학습된 발전량 예측 모델에 입력하여 상기 태양광 스트링의 발전량을 예측하는 태양광 발전량 예측 및 모니터링 시스템.
  4. 청구항 1에 있어서,
    상기 에너지 설비 관리 유닛은,
    설치 장소에 설치된 카메라 모듈, CO2 센서, 온도 센서, 불꽃 센서, 연기 센서로부터 현장의 영상, CO2 농도, 온도, 불꽃 여부, 연기 여부를 더 수집하고, 상기 태양전지 패널 별 설치된 진동 센서로부터 진동 값을 더 수집하며,
    상기 태양광 스트링 내의 각 태양전지 패널로부터 수집된 전압, 전류, 저항, 진동 값과, 상기 설치 현장에 대한 영상, CO2 농도, 온도 불꽃 여부, 연기 여부 데이터를 바탕으로 상기 태양광 스트링의 화재 여부를 판별하는 태양광 발전량 예측 및 모니터링 시스템.
  5. 청구항 1에 있어서,
    상기 복수의 에너지 설비 관리 유닛은 단일의 마스터 유닛과 나머지 복수의 슬레이브 유닛을 포함하고, 서로 네트워크 연결되며,
    상기 마스터 유닛은,
    상기 복수의 슬레이브 유닛으로부터 전달받은 각 태양광 스트링의 예측 발전량과 자신의 태양광 스트링의 발전량 예측값을 이용하여 상기 태양광 발전 설비의 전체 발전량 예측값을 연산하고, 상기 태양광 스트링 별 발전량 예측값과 전체 발전량 예측값을 네트워크 연결된 관제 서버로 제공하는 태양광 발전량 예측 및 모니터링 시스템.
KR1020220078962A 2022-06-28 2022-06-28 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템 KR20240001975A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220078962A KR20240001975A (ko) 2022-06-28 2022-06-28 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220078962A KR20240001975A (ko) 2022-06-28 2022-06-28 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템

Publications (1)

Publication Number Publication Date
KR20240001975A true KR20240001975A (ko) 2024-01-04

Family

ID=89542685

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220078962A KR20240001975A (ko) 2022-06-28 2022-06-28 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템

Country Status (1)

Country Link
KR (1) KR20240001975A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102683565B1 (ko) 2024-02-05 2024-07-10 이에스테크(주) 태양광 발전시스템의 화재위험도 진단장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102683565B1 (ko) 2024-02-05 2024-07-10 이에스테크(주) 태양광 발전시스템의 화재위험도 진단장치 및 방법

Similar Documents

Publication Publication Date Title
CN109146093B (zh) 一种基于学习的电力设备现场勘查方法
CN102902245B (zh) 一种光伏电站智能监控系统
Ahsan et al. Data-driven next-generation smart grid towards sustainable energy evolution: techniques and technology review
Karad et al. Efficient monitoring and control of wind energy conversion systems using Internet of things (IoT): a comprehensive review
KR102055179B1 (ko) 태양광발전원의 전력패턴분석·신재생에너지 시각화기능을 갖는 스마트 에너지관리장치
KR101927759B1 (ko) 태양광에너지 발전시스템의 최적 제어시스템
CN113169709A (zh) 基于机器学习的太阳能发电控制系统及方法
CN114498934A (zh) 一种变电站监控系统
WO2020027538A1 (ko) 발전 시스템의 이상 유무 판단 장치 및 방법
Khasanov et al. WSN-BASED MONITORING SYSTEMS FOR THE SOLAR POWER STATIONS OF THE TELECOMMUNICATION DEVICES
Rajawat et al. Renewable energy system for industrial internet of things model using fusion-AI
CN118331147B (zh) 一种电气设备的智慧节能控制系统
KR20240001975A (ko) 인공지능을 이용한 태양광 발전량 예측 및 모니터링 시스템
Rao et al. Demand response for renewable generation in an IOT based intelligent smart energy management system
Kaitouni et al. Implementing a Digital Twin-based fault detection and diagnosis approach for optimal operation and maintenance of urban distributed solar photovoltaics
Sen et al. Machine learning and predictive control-based energy management system for smart buildings
Liu et al. Experiment‐based supervised learning approach toward condition monitoring of PV array mismatch
CN111127251A (zh) 基于lstm神经网络的攻击识别方法及并网接口装置
KR20230091491A (ko) Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템
CN114142614A (zh) 一种基于sd-wan网络的高速公路配电房智能运维管理系统
CN113872183A (zh) 一种综合能源优化协调系统
CN111917186B (zh) 一种智能变电站云监控系统
Liu et al. Artificial intelligence and computational intelligence: a challenge for power system engineers
WO2021015332A1 (ko) 태양광 발전 및 제어 시스템, 그리고 태양광 발전 및 제어 시스템의 운영 방법
Yue et al. Deep learning–based monitoring sustainable decision support system for energy building to smart cities with remote sensing techniques