A big data processing method to predict solar power generation using systems engineering approach is developed in this work. For developing analytical method, linear model (LM), support vector machine (SVN), and artificial neural network (ANN) technique are chosen. As evaluation indices, the cross-correlation and the mean square root of prediction error (RMSEP) are used. From multi-variable comparison test, it was found that ANN methodology provides the highest correlation and the lowest RMSEP.
The GWNU (Gangnung-Wonju national university) solar radiation model was developed with radiative transfer theory by Iqbal and it is applied the NREL (National Research Energy Laboratory). Input data were collected and accomplished from the model prediction data from RDAPS (Regional Data Assimilated Prediction Model), satellite data and ground observations. And GWNU solar model calculates not only horizontal surface but also complicated terrain surface. Also, We collected the statistical data related on photovoltaic power generation of the Korean Peninsula and analyzed about photovoltaic power efficiency of the Gangwon region. Finally, the solar energy resource and photovoltaic generation possibility map established up with 4 km, 1 km and 180 m resolution on Gangwon region based on actual equipment from Shinan solar plant,statistical data for photovoltaic and complicated topographical effect.
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.
태양광발전시스템은 태양광으로부터 에너지를 생산하는 발전기술이며, 신재생 에너지 기술 중 가장 빠르게 성장하고 있다. 태양광 발전 시스템은 부하에 안정적으로 에너지를 공급하는 것이 가장 중요시 된다. 그러나 날씨 및 기상 조건에 따라 에너지 생산이 불안정하기 때문에 에너지 생산량에 대한 정확한 예측이 필요하다. 본 논문에서는 강수량, 장 단파 복사선 평균, 온도 등 15가지 종류의 기상 데이터를 사용하여 태양광 에너지를 예측하는 인공 신경망(ANN)을 구현하고 성능을 평가한다. 인공 신경망은 은닉층을 구성하고 오버피팅을 방지하기 위한 페널티 ${\alpha}$와 같은 파라미터를 조절하여 구현한다. 예측모델의 정확도와 타당성을 검증하기 위해 성능지표로 MAPE(Mean Absolute Percentage Error)와 MAE(Mean Absolute Error)를 사용한다. 실험 결과 Hidden Layer $Sizes=^{\prime}16{\times}10^{\prime}$을 사용하였을 때 MAPE=19.54와 MAE=2155345.10776로 나타났다.
Renewable energy generation cannot be consistently predicted or controlled. Therefore, it is currently not widely used in the electricity market, which requires dependable production. In this study, reliability- and variance-based controls of energy storage strategies are proposed to utilize renewable energy as a steady contributor to the electricity market. For reliability-based control, photovoltaic (PV) generation is assumed to be registered in the power generation plan. PV generation yields a reliable output using energy storage units to compensate for PV prediction errors. We also propose a runtime state-ofcharge management method for sustainable operations. With variance-based controls, changes in rapid power generation are limited through ramp rate control. This study introduces new reliability and variance indices as indicators for evaluating these strategies. The reliability index quantifies the degree to which the actual generation realizes the plan, and the variance index quantifies the degree of power change. The two strategies are verified based on simulations and experiments. The reliability index improved by 3.1 times on average over 21 days at a real power plant.
기존의 태양광 발전 모니터링 시스템은 현재의 발전량, 과거의 발전량, 환경센서 값등을 모니터링 한다. 이는 발전소의 효율적인 운영과 유지보수를 위한 태양광 발전량 예측이 필요하기 때문이다. 이를 위해 데이터 축적을 통해 빅데이터 기반 태양광 발전 모니터링 시스템의 발전량 예측 알고리즘 구현 방안을 제안한다. 이를 통해 미리 예측된 발전량에 비례하여, 태양광 발전 플랜트의 고장을 예측하고자 한다. 결과적으로 시스템의 고장을 예측하여 미리 점검하도록 한다.
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.
본 연구는 IOT 장비인 라즈베리파이를 마스터(master)로 이용하고 인버터를 슬레이브(slave)로 하여 모드버스 TCP 통신을 기반한 태양광 발전 모니터링 시스템을 제안하였다. 본 모델은 라즈베리파이에 다양한 센서를 추가하여 태양광 발전소의 모니터링에 필요한 정보를 추가하였으며, 실시간 발전량 예측을 통해 발전량 예측과 모니터링 정보를 스마트 폰으로 송신하였다. 또한, 서버에 태양광 발전소에서 지속해서 생성되는 정보를 빅데이터로 구축하였으며, 발전량 예측을 위한 딥러닝 모델을 학습하여 갱신하였다. 연구 결과로서 인버터에서 라즈베리파이로 모드버스 TCP 기반으로 안정적인 통신이 가능하였고, 라즈베리파이에서 학습된 딥러닝 모델로 실시간 예측이 가능하였다. 서버는 빅데이터로 다양한 딥러닝 모델 학습이 가능하였으며, LSTM이 학습 오차 0.0069, 테스트 오차 0.0075, RMSE 0.0866 등으로 가장 좋은 오차를 보임을 확인하였다. 본 모델은 다양한 제조사의 인버터에 대해서 보다 간단하고 편리하며 발전량을 예측할 수 있는 실시간 모니터링 시스템 구현이 가능함을 제시하였다.
세계적인 탄소 중립에 동참하고자, 대한민국 정부에서도 '녹색건축물 조성 지원 법' 시행령을 통해 2030년까지 모든 건축물에 대해 제로에너지 건축물 인증을 진행할 계획에 있다. 이에 따라 국가적으로도 비교적 생활 밀접 접근성이 좋은 태양광 발전과 관련한 여러 사업을 지원하고 있다. 특히 지붕 설치형 태양광 발전 시스템의 경우 환경 파괴 없이 유휴 공간을 활용하여 에너지를 생산한다는 측면에서 주목받고 있지만, 다른 태양광 발전 설비 대비 낮은 발전효율이 단점으로 지적되고 있다. 따라서 본 논문에서는 이러한 부분을 해소하고자, 단축형 태양광 추적을 위한 태양광 패널 구조물에 관한 연구를 통해 효율적인 태양광 패널 각도 가변 시스템을 제안하고 더불어 지붕 설치형 태양광 발전 시스템의 적용 환경을 고려해 태양광 패널의 파손 및 2차 피해 예방을 위한 방안을 제안한다. 더불어 ICT 융합을 통해 태양광 패널을 제어, 사고 예측 안전 시스템 구성을 프로젝트 기반의 교육 프로그램 연계 구성이 가능할 것으로 판단된다.
In this research, the concept of a salt farm parallel solar power system, which produce salt and electricity at the same site, is proposed for the first time in the world. The concept is that large waterproof plates made by interconnected solar modules are installed at the bottom of the salt farm. The pilot system was successfully installed at a sea shore, and verified its feasibility as a solar power plant. For deeper understanding, simulations for power prediction of the system were carried out and compared with the field test results. The power generation of the salt farm parallel system is comparable to conventional solar power plants. The cooling effect by sea water contributes more to the increase in the crystalline silicon photovoltaic module performance than the absorption loss due to sea water by maintaining certain height above the module.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.