Study on the Obsolescence Forecasting Judgment of PV Systems adapted Micro-inverters

마이크로인버터를 적용한 태양광 발전시스템 노후예측판단에 관한 연구

Abstract

The purpose of this study is to design the algorithm, Predictive Service Component - PSC, for forecasting and judging obsolescence of solar system that is implemented based on the micro-inverter. PSC proposed in this study is suitable for monitoring of distributed power generation systems. It provides a diagnosis functionality to detect failures and anomaly events. It also can determine the aging of PV systems. The conclusion of this study shows the research and development of this kind of integrated system using PSC will be needed more and varied in the near future.

1. 서 론

최근 일본 지진의 여파와 함께 신재생에너지에 대하여 국가와 사회적으로 관심이 고조되면서 태양광 발전 산업 또한 매우 빠른 속도로 발전하고 있으며 그 관심은 더욱 더 클 것으로 예상하고 있다[1].

집광형태양광 시스템은 집광으로 인하여 고열이 발생한다. 발생된 고열은 발전효율을 저하시키고 또한 태양전지및 부품에 조기 균일 및 파손을 야기할 수 있다[2].

소프트웨어와 하드웨어적으로 임베디드 시스템 등에서 시뮬레이터는 시스템의 기능 검증, 성능 측정, 전력 에너지 소비 측정 결과 등을 하드웨어 설계 과정에서 중요하게 활용한다[3].

소프트웨어 하드웨어 등을 다루는 기반 IT 기술은 많은 향상이 있었으나 태양광발전 시스템의 발전 상태를 실시간으로 확인하는 것은 아직 미흡한 상태이며 발전하는 전기가 최대로 생산되고 있는가를 확인하는 것 또한 쉽지 않다. 따라서 발전 중에 고장이 발생할 경우 고장 자체를 인식하지 못하고 장기간 방치될 수 있다는 문제점이 있다.

따라서 태양광 발전시스템의 이상 유무 및 부품 교체시기 그리고 시스템의 종합효율을 최대화 할 수 있는 대책이 필요하다. 현재 태양광 발전용 인버터의 효율은 95% 이상으로 성능이 우수한 반면 시스템 내에서 발생하는 발전량 손실률은 5~25%로 매우 크다. 이러한 발전량 손실은 구름 및 건물의 그림자, 오염, 셀 열화 등이 그 원인이 될 수 있다.

발전량 손실을 최소화하기 위하여 현재 중앙 집중식 인버터로부터 분산형 인버터로 옮겨가고 있으며 에너지 생산을 최대화하려는 시도들이 계속 연구되고 있다. 최근 마이크로 인버터, AC 모듈 등 분산형 발전시스템을 위한 소형 인버터들의 기술 개발도 꾸준히 진행되고 있다.

마이크로 인버터를 이용한 태양광 발전시스템도 꾸준히 발전하고 있으며, 발전단지를 위한 분산형 발전 시스템은 물론 건물 통합 태양광 발전 시스템을 적용하기 위한 마이크로인버터까지 다양하게 개발되고 있다[4-6].

기존의 마이크로 인버터는 190W~450W 수준이며 국내의 경우 250W 상용화 마이크로 인버터를 개발하였으며 아파트 베란다 태양광 발전 시스템 등에 적용하고 있다.

마이크로 인버터는 태양전지 모듈과 1대 1로 적용된다. 태양전지 모듈의 경우 수명을 20년~25년이며 1대 1로 적용되는 마이크로 인버터의 수명 또한 이에 동일해야하는 것으로 되어 있다.

오랜 시간 태양광에 노출되어 있는 태양광 발전시스템은 자외선에 의한 태양광 모듈의 열화 현상과 인버터를 비롯한 시스템의 성능저하로 인해 지속적으로 발전량이 감소하게 된다.

마이크로 인버터가 적용된 태양광 발전시스템의 발전량 감소를 미리예측하고 시스템의 유지보수에 활용할 수 있는 시스템을 제공하기 위하여 본 연구에서는 “마이크로인버터를 적용한 태양광 발전시스템 노후예측판단”을 위한 알고리즘을 실험을 통해 검증하였다.

 

2. 태양광 발전 시스템

2.1 태양광 발전 시스템의 구조[7]

태양광 발전시스템은 태양전지어레이, 접속반, 인버터, 모니터링 시스템으로 구성되고 독립형의 경우 축전지를 포함하여 구성되며 태양광 발전시스템의 구조는 Fig. 1과 같다.

Fig. 1.Structure of the PV generation system.

2.2 태양광 발전 시스템의 분류

태양광 발전시스템은 전력 계통과 연결되는 계통연계형 시스템과 전력 계통과 연결되어 있지 않고 독립적으로 운영되는 독립형 시스템으로 구성되며 Fig. 2와 같다[8]. 태양광 발전시스템을 전력 계통과 의 연결 관계에 따라 분류하면 계통연계형 시스템, 독립형시스템, 하이브리드 시스템으로 구분된다.

Fig. 2.Classification of the PV appliances systems.

태양광 발전시스템을 전력 계통과의 연결 관계에 따라 분류하면 다음과 같다.

2.3 태양광 인버터

태양광 모듈로부터 발전된 DC를 AC로 변환하는 것이 태양광 인버터이다. 태양광 모듈로부터 발전된 전원은 DC인 반면 현재 전원계통은 60Hz의 AC 전원이기 때문에 파워 변환에서는 DC-AC 계통 연계형 인버터가 반드시 필요하게 된다[9].

2.3.1 태양광 인버터의 기능

태양광 인버터의 기능은 다음과 같다.

2.3.2 마이크로 인버터

최근 태양광 인버터의 프론트엔드(Frontend)를 모듈로 이전하는 방식이 증가하고 있으며, 이러한 방식은 마이크로 인버터(Micro-Inverter)를 적용한 발전 방식이다. 이러한 마이크로 인버터는 매우 안정적인 출력전압을 제공해 설치범위를 확실히 좁힐 수 있어 결과적으로는 더 높은 효율을 가능케 한다. 각 모듈의 최대 전력점(MPP)의 지속적인 유지도 가능하게 된다. 태양광 발전시스템에서 부분 음영에 의해 발생하는 효율 저하를 줄이기 위해 각 PV 모듈마다 마이크로 인버터를 설치하는 AC 모듈의 형태로 기술 개발이 진행되고 있다.

2.4 태양광 발전 모니터링 시스템

국내에서는 보급된 신재생에너지 발전 설비의 유지보수를 위해서 태양광발전시스템을 포함한 신재생에너지 통계정보시스템(KONESIS)을 도입하고 있다.[9].

2.4.1 태양광 발전 모니터링 시스템의 구조

태양광 발전설비의 설치비용이 타 발전설비에 비해 매우 높으므로 태양전지와 축전지의 용량을 부하량에 따라 최적화 시키는 과정이 필수적이다.

태양광 발전 시스템의 동작특성을 모니터링 하기 위하여 태양광 발전 설비가 설치될 장소의 온도 및 일사량 등의 환경데이터와 데이터를 분석, 취득하기 위한 수많은 데이터를 취득하는 시스템이 개발되어 왔다. 태양광 발전 시스템의 동작특성을 모니터링 하기 위하여 Fig. 3과 같이 데이터취득시스템을 구성한다[10].

Fig. 3.PV data acquisition system.

태양광 모니터링 시스템은 다양한 정보의 수집이 필요하며 수집된 데이터를 사용자 편의에 맞춰 서비스하기 위해 웹을 이용하거나 스마트폰을 사용한 사용자 UI 중심의 모니터링 시스템들에 대한 연구와 통신방식들에 대해 연구되고 있다[11-13].

태양광 모니터링 시스템의 다양한 정보를 수집하기 위한 센서들을 살펴보면 다음과 같다.

2.4.2 태양광 발전 시스템의 성능평가

태양광 발전시스템의 성능평가를 위한 연구로 웨이블렛 변환을 이용한 태양광 발전시스템의 고장진단에 관한 연구는 웨이블렛(Wavelet) 변환을 이용한 고장진단 연구이다. 추가적인 하드웨어와 센서를 사용하여 인버터의 고장을 진단하는 방법으로 단가가 상승하고 사양이 바뀔 경우 재설계를 해야 하는 문제점이 있다. 이러한 문제점을 해결하기 위하여 인버터 전류나 전압과 같은 상태변수들을 다단계 변환을 통해 얻어낸 웨이블렛 계수들의 변화를 감지하여 고장의 종류와 부위를 인식하는 방법을 채택하고 있다. 정규화 표준 편차를 이용하여 웨이블렛 계수의 변화로부터 고장 진단을 평가 한다.

에너지 관리공단에서는 환경변화에 따른 PV 시스템의 성능 특성을 평가분석하기 위하여 감시 계측시스템을 설치하고, 수집된 계측 데이터를 이용하여 PV 시스템의 성능 및 발생손실에 대하여 정량적인 값으로 Fig. 4와 같이 평가 분석하였다[14].

Fig. 4.PV system evaluation results.

2.4.3 태양광 발전시스템 노후예측판단의 필요성

태양광 발전시스템의 수명은 약 20년~25년이며 1대 1로 적용되는 마이크로 인버터의 수명 또한 이에 대응하여야 한다. 오랜 시간 태양광에 노출되어 있는 태양광 발전시스템은 태양광 모듈의 열화 현상과 인버터를 비롯한 시스템의 성능저하로 인해 지속적으 로 발전량이 감소한다.

태양광 발전시스템의 발전량을 모니터링하기 위해 시스템 설비업자와 인버터 제조사들을 중심으로 모니터링 시스템을 제공하고 있지만 현재 까지 개발된 모니터링 시스템은 단순히 발전현황을 보여주는 기능만을 제공하고 있어서 고장진단과 유지보수에 활용할 수 있는 더 많은 정보를 제공하는 고장진단시스템의 필요성이 대두되고 있다.

 

3. 마이크로 인버터를 적용한 태양광 발전시스템 노후예측판단(PSC)시스템의 구조

본 연구에서는 태양광 발전시스템의 노후예측판단을 위하여 일사량과 발전량을 기준으로 성능저하시점을 판단하고 추론 엔진에 의해 수리 시까지 필요한 시간을 예측하는 서비스를 제공하는 노후예측판단 시스템(PSC: Prediction Service Component)을 설계하였다.

3.1 PSC의 구조와 기능

PSC의 구조는 Fig. 5와 같다. PSC는 GRM(Gradient Reasoning Module), RTM(Remaining Time prediction Module)과 DMM(Data Manage Module)으로 구성된다.

Fig. 5.Structure of the PSC.

3.1.1 GRM(Gradient Reasoning Module)

GRM은 일일 단위로 발전량의 차이 값을 구하고, 이 값을 기준으로 태양광 모듈의 발전 상태를 판단하며, 발전량간의 성능저하 패턴에 대한 기울기를 구한다.

추적된 변화 추이를 기준으로 시간 간격 별 누적 태양광 발전량의 변화와 연관된 예상 평균 기울기를 연산하고, 연산된 예상 평균 기울기를 기준으로 시간간격 별 누적 태양광 발전량이 노후화 기준 임계 발전량까지 도달하는데 걸리는 시간을 예측한다.

3.1.2 RTM(Remaining Time prediction Module)

RTM은 GRM으로부터 산출된 성능저하 패턴과 기울기로부터 태양광 모듈의 사용기간을 판단한다. GRM에서 연산된 예상 평균 기울기를 기준으로 노후화 기준 임계 발전량까지 도달하는데 걸리는 시간을 예측한다.

3.1.3 DMM(Data Manage Module)

DMM은 DB와 연결하여 정보를 GRM에게 제공한다.

3.2 PSC의 알고리즘

PSC는 누적 발전량을 비교분석하여 태양광 발전 시스템의 노후화 상태를 추론한다. 발전량 감소치에 대한 기울기 값과 노후화의 기준선을 설정하고 노후화 기준선까지의 임계시간을 추론한다.

PSC의 알고리즘은 Fig. 6과 같다.

Fig. 6.Algorism of the PSC.

따라서 알고리즘의 진행과정은 다음과 같다.

이때, △a의 변화 값이 집중되고 △a의 분포도가 높을수록 평균 기울기 대표 값으로 선정한다. 노후화로 판단되지 않으면 2단계부터 다시 시작한다.

Fig. 7은 성능 저하 예측 방법을 제시하고 있다. 수리예측에 필요한 예상 평균 기울기를 판단하고 그 값을 구하면 예상 평균 기울기를 기준으로 수리 필요시까지 예측시간을 제공한다.

Fig. 7.Method of predict the performance degradation.

성능저하를 예측에 필요한 △a를 구하기 위한 수식은 식 (1)과 같다.

식 (1)의 증명은 다음과 같다.

<증명>

수식에서 a는 예상 평균 기울기, ti는 시간, gi는 ti시간에서의 태양광 발전량, n은 예상 평균 기울기를 연산하기 위해 사용할 기울기의 개수, k는 예상평균 기울기를 연산하기 위해 처음으로 사용할 시간과 발전량에 대한 인덱스를 의미한다.

발전량 i 번째 구간 값은 △gi=gi+1-gi이고 시간에 대한 i 번째 구간 값은 △ti=ti+1-ti라고 정의한다면 구간에 대한 평균 기울기는 k번째부터 (n-1)번째 까지 합을 구의 개수 n으로 나눈 값으로 정의할 수 있다.

따라서, 평균 기울기는 이다. Q.E.D

 

4. PSC의 성능평가

4.1 PSC의 평가 방법

PSC의 성능 평가 방법 및 내용은 다음과 같다.

1. 실험군(15대)와 정상군(15대) 설치

2. 실험군의 발전량 감소 실험

3. 정상군과 실험군의 기울기 편차 평가

4. 실험군 기울기 편차의 변화로 유효성 평가

4.2 PSC의 평가환경

PSC의 성능 평가 환경은 PSC의 성능 판단 기준인 기울기 값의 비교를 위해 10일간 임의로 발전기를 30분씩 추가로 정지하여 발전성능을 저하시킨 실험군과 정상 발전하는 비교 군을 비교하여 평가하였다.

PSC를 실험하기 위한 실험군의 발전정지에 따른 발전량 감소는 Table 1과 같다.

Table 1.Reduced power generation of the test group

Fig. 8과 같이 시험군과 정상군의 일일 발전량의 차이에 따라 점차적으로 간격이 벌어지고 있는 것을 알 수 있다.

Fig. 8.The difference in power generation between the thest group and normal group based on the quantity of solar radiation.

4.3.1 PSC의 실험결과

본 실험에서는 일사량을 기준으로 시험군과 정상군의 발전량의 차이를 보면 Fig. 9와 같다.

Fig. 9.Daily power generation of the test group and normal group.

Table 2에서는 정상군의 기울기는 편차가 거의 없는 반면 시험군에서는 기울기가 증가하고 있음을 보여주고 있다.

Table 2.PSC average gradient of change

따라서 PSC에서 성능 저하 판단은 기울기 값으로 판단하기 때문에 본 실험을 통하여 시험군의 기울기 값이 증가는 것을 확인할 수 있는 바 실험의 결과와 같이 PSC 추론 방식이 유효함을 입증하였다.

 

5. 결 론

현재의 태양광발전시스템은 발전 전기의 최대 생산여부와 고장 진단 그리고 실시간으로 발전 상태를 확인하는 모니터링 기능이 미흡한 실정이다. 현재 사용 중인 태양광 발전용 인버터의 효율은 성능이 매우 우수한 반면 태양광 발전 시스템의 발전량 손실률은 5~25%로 매우 높은 편이다. 따라서 태양광 발전 시스템의 발전 방향은 에너지 생산을 극대화하기 위하여 기존의 중앙 집중식 인버터로에서 발전 효율이 우수한 분산형 마이크로 인버터로 대체하는 추세이다.

마이크로 인버터의 경우 태양광 모듈과 수명을 동일하게 설계하고 있으나 오랜 시간 태양광에 노출되어 있는 태양광 발전시스템은 태양광 모듈의 열화현상과 인버터를 비롯한 시스템의 성능저하로 인해 지속적으로 발전량이 감소한다.

태양광 발전량을 모니터링하기 위하여 현재 시스템 설비업자와 인버터 제조사들이 모니터링 시스템을 제공하고 있지만 기존의 모니터링 시스템은 단순히 발전현황을 알려주는 기능만을 제공하지만 풍부한 정보를 제공하여 고장진단과 유지보수에 활용할 수 있는 태양광 발전 모니터링 시스템이 필요하게 된다.

본 연구에서는 이러한 문제점을 보완한 마이크로 인버터를 적용한 태양광 발전시스템 노후예측판단(PSC) 시스템을 설계하고 구현하였다. 본 PSC는 분산 발전시스템의 모니터링에 적합하며 고장 진단 기능은 모듈의 노후화는 물론 시스템 전반에 대한 고장진단 기능을 제공하고 있으며 이를 실험을 통하여 입증하였다. 향후 PSC의 좀 더 높은 신뢰성을 확보하기 위해 기간단위 별로 실험을 실시하고 확보된 데이이터를 검증하고 검증된 PSC를 적용한 통합 시스템 개발과 연구가 필요할 것이다..