• 플랜트 저널
• /
• 제17권4호
• /
• pp.41-52
• /
• 2021

본 연구에서는 태양광발전 출력 및 모듈온도 값을 기상청 데이터를 이용하여 예측해보고 실측 데이터와 날씨, 일사량, 주변온도, 풍속별로 비교 분석해보았다. 날씨별 예측정확도는 눈이 오거나, 새벽에 해무가 끼는 날의 데이터를 가장 많이 보유한 맑은날의 데이터의 예측정확도가 가장 낮았다. 일사량에 따른 모듈온도와 발전량의 예측정확도는 일사량이 커질수록 정확도가 떨어졌으며, 주변 온도에 따른 예측정확도는 모듈온도는 주변 온도가 커질수록, 발전량은 주변온도가 낮을수록 예측정확도가 떨어졌다. 풍속은 모듈온도와 발전량 모두 풍속이 높아질수록 예측정확도가 감소하였지만, 풍속이 영향 다른 기상조건에 의한 영향보다 미미하여 그 상관관계를 정의하기가 어려웠다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.478-484
• /
• 2018

본 연구는 기온, 강수량, 풍향, 풍속, 습도, 운량, 일조, 일사 등 시간별 기상 데이터를 이용하여, 일사 및 일조 그리고 태양광 발전예측을 하였다. 지도학습에서 입출력패턴은 예측에서 가장 중요한 요소이지만 인간이 직접 결정해야하기 때문에, 반복적인 실험에 의해 결정해야 한다. 본 연구는 일사 및 일조 예측을 위하여 4가지 모델의 입출력 패턴을 제안하였다. 또한, 예측된 일조 및 일사 데이터와 전라남도 영암 태양광 발전소의 발전량 데이터를 사용하여 태양광 발전량을 예측하였다. 실험결과 일조 및 일사 예측에서 모델 4가 가장 예측결과가 우수했으며, 모델 1에 비해 일조의 RMSE는 1.5배 정도 그리고 일사의 RMSE는 3배 정도 오차가 줄었다. 태양광 발전예측 실험결과 일조 및 일사와 마찬가지로 모델 4가 가장 예측결과가 좋았으며, 모델 1 보다 RMSE가 2.7배 정도 오차가 줄었다.

• 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.

• 한국건설관리학회논문집
• /
• 제20권6호
• /
• pp.126-131
• /
• 2019

최근 태양광의 발전 효율성과 경제성이 높은 발전소 부지를 확보하기 위해 특정 지역을 대상으로 태양광 발전량을 정확히 예측하기 위한 연구들이 수행되었다. 하지만 국내의 경우 기존 발전량 데이터가 부족함에 따라 정확한 발전량 추정에 문제가 발생할 수 있으며, 우리나라 기준으로 어떠한 기상조건을 나타내는 변수가 태양광발전에 어느 정도의 영향을 미치는지에 대한 연구가 부족한 실정이다. 따라서 본 연구는 지형 효과를 충분히 고려하여 제작된 태양복사에너지 지도와 미세먼지와 같은 기상조건을 추가하여 태양광 발전량 추정 회귀모델을 제시하고, 추정된 발전량과 실제 발전량을 비교 분석하였다. 그 결과, 습도를 제외한 태양복사에너지, 온도, 풍속, 운량, 강수량, 일조시간, 미세먼지가 발전 효율에 통계적으로 유의미한 영향을 미치는 것으로 나타났으며, 회귀 분석모델을 통해 추정된 발전량과 실제 발전량을 비교 분석하여 RMSE는 48.261(h), nRMSE는 1.592(%), MAPE는 11.696(%), 그리고 는 0.979이 도출되었다. 이러한 결과는 국내 태양광 발전 부지를 평가함에 있어서 고려해야 하는 중요한 기상 조건 등 태양광 발전량 추정 모델을 설계하는데 활용할 수 있으며, 이를 바탕으로 태양광 발전소 건설 부지를 선정함에 있어 중요한 지표인 발전량을 정확히 추정하는데 기여할 것으로 사료된다.

• 지적과 국토정보
• /
• 제49권1호
• /
• pp.17-27
• /
• 2019

본 연구에서는 LiDAR 측량을 활용하여 취득한 정밀 지형자료와 센서 기반의 기상데이터 관측시스템을 구축하여 태양광 발전량을 예측하는 연구를 수행하였다. 2018년 평균 일조시간은 4.53 시간으로 나타났으며, 태양광 발전량은 2,305 MWh으로 분석되었다. 그리고 태양광 모듈의 설치각도에 따른 태양광 발전량의 영향을 분석하고자 모듈 설치각도를 $10^{\circ}$ 간격으로 배치한 결과, 모듈 배치 각도 $30^{\circ}$에서 발전시간은 4.24 시간으로 나타났으며, 일 발전량과 월 발전량이 각각 3.37 MWh와 102.47 MWh로 가장 높게 평가되었다. 따라서 모듈 배치 각도를 $30^{\circ}$로 설계시 모듈 각도 $50^{\circ}$에 비해 발전효율이 약 4.8% 상승하는 것을 알 수 있었다. 또한 태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석한 결과, 날씨가 차가운 11월~2월까지는 모듈 각도가 큰 $40^{\circ}{\sim}50^{\circ}$가 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3월~10월까지는 모듈 각도가 작은 $10^{\circ}{\sim}30^{\circ}$가 태양광 발전량이 높게 나타남을 알 수 있었다.

• 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.

• 한국산업정보학회논문지
• /
• 제28권6호
• /
• pp.91-98
• /
• 2023

태양광 발전소의 발전량은 기상 조건, 지리적 조건, 태양광 패널 설치 조건과 높은 상관관계를 갖는다. 과거 연구들에서는 발전량에 영향을 미치는 요소를 찾아내었고, 그 중 일부는 태양광 패널이 최대 전력량을 생산할 수 있는 최적의 조건을 찾았었다. 하지만, 태양광발전소 설치 시 현실적 제약을 고려하면 최대 발전량 조건을 만족시키기는 매우 어렵다. 발전소 소유자가 태양광발전소 설치를 검토할 때 태양광 발전량을 예측하기 위해서는 발전량에 영향을 미치는 요인들의 민감도를 알아야 한다. 본 논문에서는 태양광발전소의 발전량과 날씨, 위치, 설치 조건 등 관련 요인들과의 관계를 분석하기 위한 다항회귀분석 방법을 제안한다. 분석자료는 대구, 경북에 설치·운영되는 태양광발전소 11개소로부터 수집하였다. 분석 결과 발전량은 패널 종류, 일사량, 음영 유무에 영향을 받으며 패널 설치 각도와 방향이 복합적인 영향을 주는 것으로 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.583-584
• /
• 2020

본 논문은 신재생에너지와 전기자동차의 보급이 활발한 제주시에서 태양광 발전량과 기후변화 기록들을 활용할 수 있는 데이터처리 프레임워크를 구축하고 인공신경망으로 태양광 발전량 예측모델을 구축한다. 이 인공신경망 모델은 일조시간, 일사량, 전운량 등을 입력 노드로 설정하고 일별 생산량을 출력 노드로 설정한다. 가장 상관관계가 높은 발전기 3개에서 학습 패턴을 추출하였으며, 모든 대상 발전기에 대해 최대 평균 오류율은 평균 36.7 %를 보이고 있다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.334-337
• /
• 2019

현재 계속해서 늘어나는 에너지 수요량에 대해 세계적으로 화석연료를 대체할 차세대 에너지의 연구개발이 활발하게 이루어지고 있다. 그 중, 무한정, 무공해의 태양에너지를 사용하는 태양광 발전 시스템의 비중이 커지고 있지만, 일사량에 따른 발전량 편차가 심해 안정된 전력공급이 어렵고 전력 생산량 자체가 지역별 일사량에 의존하는 문제가 존재한다. 본 논문에서는 이러한 문제점을 해결하기 위해 실제의 지역별 일사량, 강수량, 온도, 습도 등의 기상데이터를 수집하여 로직 기반의 퍼지 뉴럴 네트워크를 이용한 태양광 발전 출력 예측 시스템을 제안하였다.

• 스마트미디어저널
• /
• 제9권1호
• /
• pp.84-91
• /
• 2020

신재생 에너지를 활용이 높아지면서 에너지저장시스템의 활용과 효율성에 대한 관심이 높아지고 있다. 특히 태양광 에너지저장시스템을 구성하는 서브시스템에서 이상 징후 발생에 능동적으로 대처할 수 있는 운영이 요구된다. 본 논문은 태양광 발전량 데이터를 표본으로 하여 예측 발전량을 추정하여 에너지 관리하는 방안을 제안한다. 실시간으로 예측된 배터리 충전 전력과 배터리 랙 총 충전 전력을 비교하여 충전 전력을 조절하는 모형을 적용한다. 그 결과로 배터리의 발열 억제 및 충방전율을 유지시켜 에너지저장시스템의 에너지 저장을 안정적으로 높일 수 있다.