Status Diagnosis Algorithm for Optimizing Power Generation of PV Power Generation System due to PV Module and Inverter Failure, Leakage and Arc Occurrence

태양광 모듈, 인버터 고장, 누설 및 아크 발생에 따른 태양광발전시스템의 발전량 최적화를 위한 상태진단 알고리즘

Abstract

It is said that PV power generation systems have a long lifespan compared to other renewable energy sources and require little maintenance. However, there are cases where the performance expected during initial design is not achieved due to shading, temperature rise, mismatch, contamination/deterioration of PV modules, failure of inverter, leakage current, and arc generation. Therefore, in order to solve the problems of these systems, the power generation amount and operation status are investigated qualitatively, or the performance is comparatively analyzed based on the performance ratio (PR), which is the performance index of the solar power generation system. However, because it includes large losses, it is difficult to accurately determine whether there are any abnormalities such as performance degradation, failure, or defects in the PV power generation system using only the performance coefficient. In this paper, we studied a status diagnosis algorithm for shading, inverter failure, leakage, and arcing of PV modules to optimize the power generation of PV power generation systems according to changes in the surrounding environment. In addition, using the studied algorithm, we examined the results of an empirical test on condition diagnosis for each area and the resulting optimized operation of power generation.

태양광발전시스템은 다른 재생에너지원과 비교해서 내구수명이 길어 유지점검이 거의 필요 없다고 하지만, 실제 태양광 모듈의 음영 발생, 온도상승, 미스매치, 오염·열화, 태양광 인버터의 고장, 누설전류 및 아크 발생으로 인하여 초기 설계 시에 기대했던 성능이 나오지 않는 경우가 발생한다. 따라서 이러한 시스템의 문제점 해결을 위해 단지 발전량 및 운전 현황에 대한 조사를 통하여 정성적으로 파악하거나 태양광발전시스템의 성능지수인 성능계수(PR, Performance Ratio)로부터 성능을 비교분석하고 있다. 그러나 큰 손실을 포함하고 있으므로 단지 성능계수만으로 태양광발전시스템의 성능 저하, 고장 혹은 결한 등의 이상 유무를 정확하게 판단하기가 어렵다. 본 논문에서는 주변 환경의 변화에 따른 태양광발전시스템 발전량 최적화를 위해 태양광 모듈의 음영 발생, 인버터 고장, 누설 및 아크에 대한 상태 진단 알고리즘을 연구하였다. 또한 연구된 알고리즘을 이용하여 영역별 상태진단과 이에 따른 발전량 최적화 운전에 대한 실증시험을 통한 결과를 고찰하였다.

Ⅰ. 서론

태양광발전시스템은 다른 재생에너지원과 비교해서 내구수명이 길어 유지점검이 거의 필요 없다고 하지만, 실제 태양광 모듈의 음영 발생, 온도상승, 미스매치, 오염·열화, 태양광 인버터의 고장, 누설전류 및 아크 발생으로 인하여 초기 설계 시에 기대했던 성능이 나오지 않는 경우가 발생한다.

따라서 이러한 시스템의 문제점 해결을 위해 단지 발전량 및 운전 현황에 대한 조사를 통하여 정성적으로 파악하거나 태양광발전시스템의 성능지수인 성능계수(PR, Performance Ratio)로부터 성능을 비교분석하고 있다. 그러나 큰 손실을 포함하고 있으므로 단지 성능계수만으로 태양광발전시스템의 성능 저하, 고장 혹은 결한 등의 이상 유무를 정확하게 판단하기가 어렵다. 따라서 주변환경의 변화에 따른 태양광발전시스템의 장기간 성능 저하, 고장 또는 결함 등의 이상 유무를 신속하고 쉽게 판단할 수 있는 신뢰성과 유효성을 가진 정보가 제공되지 않는다면 태양광발전시스템의 장기간 성능과 품질을 보증할 수 없다^[1].

본 논문에서는 주변 환경의 변화에 따른 태양광발전시스템 발전량 최적화를 위해 태양광 모듈의 음영 발생, 인버터 고장, 누설 및 아크에 대한 상태진단 알고리즘을 연구하였다. 또한 연구된 알고리즘을 이용하여 영역별 상태진단과 이에 따른 발전량 최적화 운전에 대한 실증시험을 통한 결과를 고찰하였다.

II. 태양광발전시스템 상태진단 알고리즘

태양광 모듈, 인버터 진단 상태에 따른 태양광발전시스템 발전량의 최적화를 이루기 위하여 본 논문에서는 I-V 추종 상태진단 알고리즘에 그림 1과 같이 구성하였다.

그림 1. IV 추종 알고리즘

Fig. 1. IV tracking algorithm

1. I-V 추종 상태진단 알고리즘

태양광 모듈 및 인버터 고장진단 감시모듈에 적용된 I-V 값에 대해 실시간으로 측정되는 I-V값과 비교 및 분석을 한다. 이때 I-V 값 설정 범위를 비교하여 고장진단조건 값을 초과 시에 상태진단 알람이 발생하도록 설계하였다^[2].

2. I-V 위치별 동작점 계수 알고리즘

(1) 345W IV 커브 곡선 설정하여 부분음영, 모듈고장 등 알람 경계값 설정에 기준값을 적용하였다.

(2) 부분음영은 출력값 대비 10% 이하 시 알람이 발생할 수 있도록 설정하였다.

(3) 모듈고장 일람 발생조건은 출력값 대비 30% 이하시 알람이 발생할 수 있도록 설정하였다.

(4) 인버터 고장 알람 발생 조건은 출력값 대비 입력값 80% 발생 시 알람이 발생할 수 있도록 설정하였다.

3. 부분음영, 모듈고장, 누설발생, 인버터 고장, 아크에 대한 상태진단 알고리즘

태양광 모듈의 부분음영→태양광 모듈고장→누설→태양광인버터 고장→아크 순서대로 영역별 모니터링 및 기준값 설정을 통한 진단을 할 수 있도록 그림 2의 내용과 같이 구성하였다. 또한 그림 3은 설정한 알고리즘을 반영하여 제작된 태양광발전시스템의 상태진단 모니터링 결과로 고장발생 시 각 영역에 해당하는 알람 동작상태를 각각 보여주고 있다[3,4].

그림 2. 부분음영, 모듈고장, 누설, 인버터 고장, Arc 상태진단 알고리즘

Fig. 2. Partial shading, module failure, leakage, inverter failure, Arc status diagnosis algorithm

그림 3. 상태진단 알고리즘을 통한 부분음영, 모듈고장, 누설발생, 인버터고장, 아크 알람 동작상태

Fig. 3. Partial shading, module failure, leakage, inverter failure, arc alarm operation status through status diagnosis algorithm

4. 누설 상태진단 알고리즘

일반적으로 비접지방식(IT)접지 직류계통의 불평형 누설 전류량을 측정하여, 지락사고를 감시하는 불평형 누설 감시 장치(GFD) 방식의 보호기기는 그림 4와 같이 DC 선로 L+ 및 L- 전력선을 하나의 자기코어에 삽입하여, 불평형 누설 전류를 감시하는 방식이다. 또한, 자기 코어를 이용하여 직류전압을 인가하며, 각 스위칭 모드에 따른 전류를 측정하여, 식(1)과 같이 불평형 누설전류(I_P)를 계산할 수 있다^[5].

그림 4. 불평형 누설전류 측정장치(GFD) 구성도

Fig. 4. Unbalanced leakage current measurement device configuration diagram

\(\begin{align}I_{p}=\frac{V_{m}}{2}\end{align}\)       (1)

여기서, I_P는 DC 불평형 누설전류, R_F는 계통의 총절연 저항 값으로 회로를 구성할 수 있다. 구성된 회로에서 선로의 불평형 누설전류가 발생하면 DC 누설 측정전류

(I_P)가 흐르며, 이때 DC 불평형 누설전류의 측정량은 자기코어를 통해 발생하는 측정전압(V_m)값에 비례한다.

이러한 특성이 있는 불평형 누설감시장치(GFD)를 설계 및 적용하여 누설 신호처리 진단 알고리즘 및 누설상태를 진단하였다.

5. 아크 상태진단 알고리즘

태양광발전시스템의 전원으로 사용되고 DC 선로에서 아크발생에 대한 상태진단 알고리즘을 구현하기 위해 모의 아크발생장치를 적용하였다. 적용된 장치는 아크가 발생하는 접점부의 이격거리, 이격 가속도의 제어와 선로의 전력을 모의할수 있도록 구성되어 있다. 따라서 아크발생전압, 전극이동거리, 속도 및 가속도, 아크발생전류 등의 요소들을 수동, 자동으로 제어할 수 있는 기능 및 데이터를 취득하여 선로의 아크에 대한 상태진단을 구현하였다^[6].

III. 실험결과

태양광 모듈, 인버터 고장, 누설 및 아크 발생에 따른 진단 알고리즘을 이용하여 영역별 경계값 설정을 통한 알람 동작상태를 그림 5에서 결과를 보여주고 있다. 그림 5(a)는 345W 모듈의 IV 곡선 출력값을 기준으로 부분 음영으로 인한 기준값 10% 이하 시 알람 발생 조건을 설정한 상태에서 정상으로 출력되고 있는 결과를 보여주고 있다. 반면에 그림 5(b)는 정상조건(전압 40V, 전류 8A)기준 대비 40V, 6.8A의 출력으로 기준값 10% 이하의 부분 음영에 대한 알람 발생의 결과를 보여주고 있다. 그림 (5c)는 태양광 모듈의 기준 출력값 320W(40V, 8A) 대비 91.77W (39.9V, 2.3A)의 출력으로 설정값 30% 이하 시 모듈고장 알람 발생을 보여주고 있다. 그림 5(d)는 누설전류 알람 발생 설정값을 5mA로 하였을 때 누설 전류 계측값이 5.2mA 계측되어 알람이 발생하고 있다. 태양광인버터 고장검출은 인버터 고장진단 모듈에서 DC 전력과 AC 전력을 계측하여 AC 전력 대비 80% 이하의 DC 전력이 계측되면 알람 발생하도록 설정하였다.

그림 5. 경계값 설정을 통한 부분음영, 모듈고장, 누설발생, 인버터고장, 아크 알람 동작상태

Fig. 5. Partial shading, module failure, leakage, inverter failure, arc alarm operation status through boundary value setting

따라서 그림 5(e)에서는 DC 출력값이 271.32W, AC 출력값이 414.145W일 때 출력값 대비 입력값의 비율이 65.5%2절 “태양광발전시스템 상태진단 알고리즘”에서 서술로 부분음영과 인버터 고장 알람이 발생하고 있다. 2절 “태양광발전시스템 상태진단 알고리즘”에서 서술한 내용으로 구현된 알고리즘을 적용하여 상태진단 및 발전량에 대한 성능을 평가하기 위해 그림 6과 같이 현장실증을 구성하였다. 일반 태양광발전시스템과 발전량 최적화를 위한 상태진단 알고리즘이 적용된 태양광발전시스템을 각각 3kW (태양광인버터: 3kW, 태양광모듈: 345W ×10직렬)로 구성하여 각 시스템에 대한 한 달 동안의 누적발전량 결과를 그림 7에서 보여주고 있다.

그림 6. 상태진단 알고리즘을 적용한 현장실증 구성도

Fig. 6. Field verification diagram applying status diagnosis algorithm

그림 7. 일반 태양광발전시스템과 상태진단 알고리즘이 적용된 태양광발전시스템의 발전량 비교

Fig. 7. Comparison of power generation between a general PV power generation system and a PV power generation system using a status diagnosis algorithm

구성한 3kW의 각 시스템에 대해 한 달 동안의 운전을 통해 일반 태양광발전시스템의 경우 전체 누적 발전량은 117.7kWh, 상태진단 알고리즘이 적용된 태양광발전시스템의 경우 189.2kWh로 약 71.5kWh의 누적 발전량의 차이가 발생한 결과를 얻었다.

IV. 결론

본 논문에서는 주변 환경의 변화에 따른 태양광발전시스템 발전량 최적화를 위해 태양광 모듈의 음영 발생, 인버터 고장, 누설 및 아크에 대한 상태진단 알고리즘을 연구하였다. 그리고 알고리즘에 대한 성능의 우수성을 검증하기 위해 3kW급 일반 태양광발전시스템과의 현장 실증을 통한 비교실험을 하였다.

따라서 논 논문을 통해 연구된 상태진단 알고리즘은 태양광 모듈, 인버터 고장, 누설 및 아크 발생에 따른 주변 환경의 변화를 인지하여 태양광발전시스템의 발전량이 최적화로 운전하는 결과를 얻을 수 있다. 또한 기존 태양광발전시스템과 달리 누설 및 아크 상태에 대한 모니터링을 통하여 전기설비의 안전 및 신뢰성을 확보할 수 있을 것으로 보인다.