• 한국전자거래학회지
• /
• 제24권1호
• /
• pp.1-16
• /
• 2019

최근 온실가스의 증가로 인한 기후변화 대응의 필요성과 전력수요의 증가로 인해 태양광발전량(PV) 예측의 중요성은 급격히 증가하고 있다. 특히, 태양광 발전량을 예측하는 것은 합리적인 전력 가격결정과 시스템 안정성 및 전력 생산 균형과 같은 문제를 효과적으로 해결하기 위해 전력생산 계획을 합리적으로 계획하는데 도움이 될 수 있다. 그러나 일사량, 운량, 온도 등과 같은 기후정보 및 계절 변화로 인한 태양광 발전량이 무작위적으로 변화하기 때문에 정확한 태양광 발전량을 예측하는 것은 도전적인 일이다. 따라서 본 논문에서는 딥러닝 모델을 통해 기후 및 계절정보를 이용하여 학습함으로써 장기간 태양광 발전량 예측 성능을 향상시킬 수 있는 기법을 제안한다. 본 연구에서는 대표적인 시계열 방법 중 하나인 계절형 ARIMA 모델과 하나의 은닉층으로 구성되어 있는 ANN 기반의 모델, 하나 이상의 은닉층으로 구성되어 있는 DNN 기반의 모델과의 비교를 통해 본 연구에서 제시한 모델의 성능을 평가한다. 실데이터를 통한 실험 결과, 딥러닝 기반의 태양광 발전량 예측 기법이 가장 우수한 성능을 보였으며, 이는 본 연구에서 목표로 한 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.

• 한국전자거래학회지
• /
• 제24권4호
• /
• pp.119-133
• /
• 2019

최근 태양광 발전량 예측은 태양광 발전량 설비 시스템의 안정적인 작동을 위한 조정 계획, 설비 규격 결정 및 생산 계획 일정을 수립하기 위해 필수적인 요소로 고려된다. 특히, 대부분의 태양광 발전량은 피크시간에 측정되기 때문에, 태양광 시스템 운영자의 이익 최대화와 전력 계통량 안정화를 위해 피크시간의 태양광 발전량 예측은 매우 중요한 요소이다. 또한, 기존 연구들은 광범위한 지역에서 예측된 불확실한 기후 정보들을 이용하여 태양광 발전량을 예측하는 한계점 때문에 일사량, 운량, 온도 등과 기상정보 없이 피크시간의 태양광 발전량을 예측하는 것은 매우 어려운 문제로 고려된다. 따라서 본 논문에서는 피크이전의 기후, 계절 및 관측된 태양광 발전량을 이용하여 미래의 기후 및 계절 정보 없이 피크시간의 태양광 발전량을 예측할 수 있는 LSTM(Long-Shot Term Memory) 기반의 태양광 발전량 예측 기법을 제안한다. 본 연구에서 제안한 모델을 기반으로 실 데이터를 통한 실험 결과, 단기 및 장기적 관점에서 높은 성능을 보였으며, 이는 본 연구에서 목표로 한 피크시간의 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.23-30
• /
• 2022

딥러닝은 주가 및 농산물 가격 예측과 같이 데이터를 분석해 일련의 규칙을 발견하고 미래를 예상해 우리의 삶에서 다양한 도움을 주고 있다. 본 연구는 태양광 에너지 사용의 중요성이 늘어나는 상황에서 기상에 따른 태양광 발전 실적을 딥러닝을 통해 분석하고 발전량을 예측한다. 본 연구에서는 시계열 데이터 예측에서 두각을 나타내고 있는 LSTM(Long Short Term Memory network)을 사용한 모델을 제안하며 이미지를 비롯한 다양한 차원의 데이터를 분석할 때 사용되는 CNN(Convolutional Neural Network)과 두 모델을 결합한 CNN-LSTM과의 성능을 비교한다. 세 가지 모델의 성능은 태양광 발전 실적의 실제값과 딥러닝을 통해 예측한 값으로 MSE, RMSE, 결정계수를 계산하여 비교하였고 그 결과 LSTM 모델의 성능이 가장 우수한 것으로 나타났다. 따라서 본 연구는 LSTM을 사용한 태양광 발전량 예측을 제안한다.

• 한국지리정보학회지
• /
• 제13권2호
• /
• pp.146-156
• /
• 2010

본 연구의 목적은 효율적 태양광발전시설의 입지를 위하여 가장 큰 변수인 일사량 및 일조시간의 계산 및 추정 정확성을 향상시키는 것이다. 신재생에너지와 관련하여 태양에너지에 관한 연구는 활발히 이루어지고 있지만 태양광발전시설의 입지에 대한 연구는 미흡한 실정이다. 이에 본 연구에서는 GIS환경에서 태양에너지에 가장 영향을 미치는 요인 중 하나인 지리적 요인을 대상으로 일조시간 및 일조량을 계산하였으며, 이 때 산란 일사량을 이용하여 분석 결과를 보정하였다. 또한 입력 데이터가 제공하는 공간해상력을 벗어나는 부분에 대한 값을 추정하기 위하여 공간통계분석방법인 정규 크리깅을 수행하였으며, 정확한 값을 추정하기 위해 데이터들의 공간적 상호관계와 연속성을 파악할 수 있는 베리오그램을 이용하였다. 이 과정에서 베리오그램 인자 값 및 적용 가능한 베리오그램 모델의 추정치 비교를 통하여, 오차율이 가장 작은 모델을 선정하였다. 이는 정확한 태양광발전시설의 입지에 대한 의사결정에 도움을 줄 것으로 사료된다.

• 한국조경학회지
• /
• 제42권1호
• /
• pp.41-49
• /
• 2014

본 연구는 미국 샌프란시스코시 수목 음영이 개별 건물 지붕 및 옥상에 입사되는 태양에너지 잠재량에 미치는 영향을 LiDAR를 이용한 고해상도 3차원 수치모델을 이용하여 공간적으로 정량화하였다. 최근 분산형 태양광 발전이 기후변화 대응에 중요한 부분으로 주목받고 있으나, 이러한 도심 태양광 발전은 주변부의 지형, 건물, 지붕모양, 수목 등의 음영에 의해 발전량이 제한되는 특성이 있다. 특히 건물 주변의 수목의 경우 도시열섬현상의 저감, 냉난방 에너지 수요량의 절감 등의 순기능과 태양광 발전량 감소의 역기능을 동시에 가지고 있어 두 가지 효용의 상충을 최소화하기 위해 해당 위치에 대한 공간적 분석이 요구된다. 샌프란시스코시 전체 건물 지붕면적의 태양에너지 총량은 년간 18,326,671 MWh으로, 수목의 음영에 의한 감소량은 326,406 MWh로 총량의 1.78%에 해당하였다. 건물지붕의 단위 면적당 일조량은 $34.4kWh/m^2/year$에서 $1,348.4kWh/m^2/year$ 범위로 산출되었다. 본 연구를 통해 도심 수목에 의한 건물별 일조에너지 감소량의 공간자료가 구축되었으며, 개별 건물지붕에 일조량의 변이를 주변 수목의 밀도, 평균수고, 수고의 분산값을 이용한 회귀모델을 통해 설명하였다. 본 연구는 도심수목의 환경적 순기능을 유지함과 동시에 태양광 발전 감소량의 최소화 할 수 있는 방법을 제공함으로써 지속가능한 도시를 구축하는데 기여할 것으로 기대된다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.129-129
• /
• 2017

태양광 발전으로 생산된 전력으로 냉방기나 난방기를 직접 구동하는 경우에 냉방을 위해서는 7,8,9월 집광량이 많아야 하고, 난방을 위해서는 12,1,2월에 집광량이 많아야 한다. 하지만 일반적으로 사용되는 집광판은 평판형의 고정식이 대부분으로 필요에 따라서 집광량을 변동시키는 것이 불가능하다. 따라서 전력부하가 가장 큰 시기에 집량광이 가장 많아지도록 설치되어야 한다. 본 연구에서는 최적의 집광판 설치조건을 구명하기 위하여 집광판의 설치 각도에 따른 년중 일사량을 예측하기 위한 모델을 개발하고 계산된 일사량과 기상청에서 실측한 일사량을 비교하였다. 분석 대상은 대전(북위 36도 22분)으로 하였다. 년간 최대 일사량을 확보할 수 있는 집광판 설치각은 $36^{\circ}$로 분석되었다. 반면에 월별로 최대 일사량을 확보하기 위한 집광판 설치각도는 1월에 $57^{\circ}$, 2월에 $48^{\circ}$, 3월에 $36^{\circ}$, 4월에 $24^{\circ}$, 5월에 $15^{\circ}$, 6월에 $12^{\circ}$, 7월에 $15^{\circ}$, 8월에 $24^{\circ}$, 9월에 $36^{\circ}$, 10월에 $45^{\circ}$, 11월에 $57^{\circ}$, 12월에 $60^{\circ}$로 예측되었다. 한편 냉방부하가 많은 6.7.8.9월에 최대 일사량을 확보하기 위한 집광판 설치각도는 $21^{\circ}$로 예측되었다. 이상의 결과로 볼 때 태양광 발전을 위한 집광판은 전력부하와 용처에 따라 적정한 설치각도를 결정하는 것이 중요한 것으로 판단되었고, 본 연구에서 개발된 예측모델이 이러한 작업에 유효하게 사용될 수 있을 것으로 판단되었다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1143-1150
• /
• 2023

세계적 기후 위기와 저탄소 정책 이행으로 신재생 에너지에 관한 관심이 높아지고 이와 관련된 산업이 증가하고 있다. 이 중에서 태양 에너지는 고갈되지 않고 오염 물질이나 온실가스를 배출하지 않는 대표적인 친환경 에너지로 주목받고 있으며, 이에 따라 세계적으로 태양광 발전 시설 보급이 증가하고 있다. 하지만 태양광 발전은 지리, 날씨와 같은 환경의 영향을 받기 쉬우므로 안정적인 운영과 효율적인 관리를 위해 정확한 발전량 예측이 중요하다. 하지만 변동성이 큰 태양광 발전을 수학적 통계 기술로 정확한 발전량을 예측하는 것은 불가능하다. 이를 위해서 정확하고 효과적인 예측을 위해 딥러닝 기반의 기술에 관한 연구는 필수적이다. 또한, 기존의 딥러닝을 활용한 예측 방식은 장, 단기적인 예측을 나누어 수행하기 때문에 각각의 예측 결과를 얻기 위한 시간이 길어진다는 단점이 있다. 따라서, 본 연구에서는 시계열 특성을 가진 태양광 발전량 데이터를 사용하여 장단기 통합 예측을 수행하기 위해 순환 신경망의 다대다 구조를 활용한다. 그리고 이를 다양한 딥러닝 모델들에 적용하여 학습을 수행하고 각 모델의 결과를 비교·분석한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 제38회 하계학술대회
• /
• pp.776-777
• /
• 2007

본 논문에서는 대용량의 태양광발전기가 다수 연계되어 운영 중인 한전의 배전계통을 대상으로 태양광발전의 출력에 따른 배전계통의 전압변동 및 고장전류 기여도를 분석하였다. 해석모델을 구현하기 위해 태양광발전기가 운전 중인 현장의 데이터를 수집하여 대상 계통을 모델링하였으며 Hypersim과 Matlab/Simulink S/W를 이용하여 모의시험을 수행하였다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.355-363
• /
• 2022

우리나라는 2050년 탄소중립을 목표로 신재생에너지 중심으로 에너지 공급원을 전환하고 확대하는 계획을 추진 중이다. 신재생에너지의 간헐적 특성으로 에너지 공급이 불안정성이 커짐에 따라 정확한 신재생에너지 발전량 예측의 중요성이 함께 커지고 있다. 이에 따라 정부는 신재생에너지를 집합화하여 관리하기 위한 소규모 전력중개시장을 개설하였고, 재생에너지 발전량 예측제도를 도입하여 예측정확도에 따라 정산금을 지급하는 제도를 시행 중이다. 본 논문에서는 우리나라 신재생에너지 전원의 대부분을 차지하는 태양광 발전에 대하여 통계적 및 인공지능 모형을 이용하여 예측모델을 구현하였으며, 각 모형의 예측정확도 결과를 비교 분석하였다. 비교 모델 중에서 CNN-LSTM(Convolutional Long Short-Term Memory Neural Networks) 모형이 가장 높은 성능을 가짐을 확인하였다. 예측정확도에 따른 예측제도 정산금 수익을 추정해보았고, 예측보유 기술 수준에 따라 수익 편차가 24% 정도 커질 수 있음을 확인하였다.

• 한국정보전자통신기술학회논문지
• /
• 제15권5호
• /
• pp.405-412
• /
• 2022

태양광발전시스템의 운영에 따른 손실은 설치 환경 뿐 만 아니라 운영 및 관리 방법에도 크게 영향을 받는다. 태양광발전시스템은 세계적으로 다양한 기후 조건에서 설치되고 있기 때문에 설치 위치의 특성에 맞는 운영 및 유지보수 기술이 필요하다. 기존의 태양광 발전효율과 관련된 연구에서 고온, 먼지 축적, 강수량, 습도, 풍속 등 환경 요인별로 단기적인 손실에 대한 영향의 정량화는 활발히 이루어진 반면 장기적인 운영 관점에서의 전반적인 영향에 대한 분석은 제한적이다. 본 연구에서는 태양광 발전의 전력 흐름에 따른 손실 분류체계를 재분류하고 주요 손실요인에 대한 장기 운영에 따른 종합 효율 모델을 도출하였다. 기후 조건이 구분되는 각 지역에 대한 사례조사를 통하여 발전량 손실을 추정함으로써 효율 개선 잠재량을 분석하였다. 분석 결과, 오염 손실 개선을 위한 연평균 잠재량은 도하는 26.9%, 데스벨리 7.2%, 서울 3.8%로 타나났다. 열화 손실은 누적 손실로 20년차에 6.6%로 나타났다. 온도 손실으로 인한 연평균 잠재량은 연평균 도하 2.9%, 데스벨리 1.9%, 서울 0.2%로 나타났다.