• 한국전기전자재료학회논문지
• /
• 제31권3호
• /
• pp.182-187
• /
• 2018

In this study, 20.8% of a p-type Si bifacial solar cell was used to develop a photovoltaic (PV) module to obtain the maximum power under a limited installation area. The transparent back sheet material was replaced during fabrication with a white one, which is opaque in commercial products. This is very beneficial for the generation of more electricity, owing to the additional power generation via absorption of light from the rear side. A new model is suggested herein to predict the power of the bifacial PV module by considering the backside reflections from the roof and/or environment. This model considers not only the frontside reflection, but also the nonuniformity of the backside light sources. Theoretical predictions were compared to experimental data to prove the validity of this model, the error range for which ranged from 0.32% to 8.49%. Especially, under $700W/m^2$, the error rate was as low as 2.25%. This work could provide theoretical and experimental bases for application to a distributed and microgrid network.

• 한국태양에너지학회 논문집
• /
• 제39권2호
• /
• pp.71-80
• /
• 2019

Daily ahead forecast is necessary for the electricity balance between load and supply due to the variability renewable energy. Numerical weather prediction is usually employed to produce the solar irradiance as well as electric power forecast for more than 12 hours forecast horizon. UM-LDAPS model is the numerical weather prediction operated by Korea Meteorological Administration and it generates the 36 hours forecast of hourly total irradiance 4 times a day. This study attempts to evaluate the model performance against the in situ measurements at 37 ground stations from January to May, 2013. Relative mean bias error, mean absolute error and root mean square error of hourly total irradiance are averaged over all ground stations as being 8.2%, 21.2% and 29.6%, respectively. The behavior of mean bias error appears to be different; positively largest in Chupoongnyeong station but negatively largest in Daegu station. The distinct contrast might be attributed to the limitation of microphysics parameterization for thick and thin clouds in the model.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.942-945
• /
• 2010

분산형 전원은 에너지 실수요자 근처 혹은 건물 내부에 소형 발전설비(태양광, 풍력 발전을 포함하는 신재생에너지 발전)를 설치해 에너지 손실과 송 배전 설비를 줄이려는 노력에서 출발했다. 최근 세계적으로 기후 환경 변화에 대처하기 위해 다양한 신재생에너지를 활용하기 위한 댁내 분산형 전원 환경 시대를 예고하고 있다. 특히 태양광, 풍력 발전은 댁내에 설치하기 용이하고 가장 경제성이 뛰어나 많은 기업들이 적극적으로 사업에 진출하고 있다. 하지만 풍력 발전의 경우 바람의 세기에 따라 발전량의 변화가 심하고, 태양광은 일사량 및 일조량의 영향을 많이 받기 때문에 기후 상황에 따라 출력이 불안정하다는 단점이 있기 때문에 균일한 전력품질을 제공하기 위해 해결해야 할 기술적인 과제를 가지고 있다. 본 논문에서는 댁내에서 운용이 용이한 풍력 에너지, 태양광 에너지 및 기존 전력으로 구성되는 분산형 전원시스템에서 기후변화에 민감한 신재생에너지 발전량의 예측 방법에 대해 제안한다. 이를 바탕으로 효율적인 분산전력 관리를 가능하게 하며, 궁극적으로 제로에너지 홈을 구현하기 위한 기본 요소 기술을 제공하는 것이 본 논문의 목표이다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권11호
• /
• pp.632-640
• /
• 2017

일사량은 태양광 발전시스템의 전력 생산량에 가장 큰 영향을 미치는 기상요소이며, 다른 기상요소들과 달리 기상청의 일기예보를 통해 제공받을 수 없다. 따라서 효율적인 태양광 발전시스템 운용을 위해 일사량 예측에 관한 연구는 필수적이다. 본 연구는 기상정보 데이터 기반의 Dynamic Piecewise 일사량 예측 모델을 제안한다. Dynamic Piecewise 일사량 예측 모델은 유사한 태양고도와 유사한 날씨의 데이터 조각들로 나누어 학습하기 위해, 예측하는 시점의 태양고도와 운량을 기준으로 전체 데이터를 동적으로 나눈 후 기계학습 알고리즘인 다중 선형회귀 알고리즘으로 학습하여 일사량을 예측하는데 사용된다. 본 연구의 성능을 검증하기 위해 제안 모델인 Dynamic Piecewise 일사량 예측 모델과 이전 연구에서 제안한 모델, 기존의 상관관계식 기반 일사량 예측 모델에 동일한 기상정보 데이터 셋을 적용하여 비교하였으며, 비교결과 본 연구에서 제안한 모델이 가장 정확한 일사량 예측 성능을 보였다.

• 한국태양에너지학회 논문집
• /
• 제35권3호
• /
• pp.17-25
• /
• 2015

The main objective of this study is to predict the wind power generation at the wind farm using various wake models. Modeling of wind farm is a prerequisite for prediction of annual energy production at the wind farm. In this study, we modeled 20 MW class Seongsan wind farm which has 10 wind turbines located at the eastern part of Jeju Island. WindSim based on the computational fluid dynamics was adopted for the estimation of power generation. The power curve and thrust coefficient with meteorology file were prepared for wind farm modelling. The meteorology file was produced based on the measured data of the Korea Wind Atlas provided by Korea Institute of Energy Research. Three types of wake models such as Jensen, Larsen, and Ishihara et al. wake models were applied to investigate the wake effects. From the result, Jensen and Ishihara wake models show nearly the same value of power generation whereas the Larsen wake model shows the largest value. New positions of wind turbines are proposed to reduce the wake loss, and to increase the annual energy production of the wind farm.

• 한국전자통신학회논문지
• /
• 제13권4호
• /
• pp.837-844
• /
• 2018

신재생에너지의 발전량 변동에 따라 기존 발전기의 발전량을 증가시키거나 감소시켜야 하는데, 발전량 증 감발에 빠르게 반응을 하는 발전기들은 상대적으로 발전비용이 크므로 태양광발전의 예측 정확도에 따라서 기동발전계획의 비용 효율성이 영향을 받게 된다. 이에 본 논문에서는 태양광 발전량 예측의 불확실성을 최소화하기 위하여 빅데이터 분석 및 처리를 적용한 태양광발전설비 원격관제 시스템을 제안하였다.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1874-1885
• /
• 2018

The customer side operation is getting more complex in a smart grid environment because of the adoption of renewable resources. In performing energy management planning or scheduling, it is essential to forecast non-controllable resources accurately and robustly. The PV system is one of the common renewable energy resources in customer side. Its output depends on weather and physical characteristics of the PV system. Thus, weather information is essential to predict the amount of PV system output. However, weather forecast usually does not include enough solar irradiation information. In this study, a PV system power output prediction model (PPM) under limited weather information is proposed. In the proposed model, meteorological radiation model (MRM) is used to improve cloud cover radiation model (CRM) to consider the seasonal effect of the target region. The results of the proposed model are compared to the result of the conventional CRM prediction method on the PV generation obtained from a field test site. With the PPM, root mean square error (RMSE), and mean absolute error (MAE) are improved by 23.43% and 33.76%, respectively, compared to CRM for all days; while in clear days, they are improved by 53.36% and 62.90%, respectively.

• 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.

• 한국태양에너지학회 논문집
• /
• 제30권6호
• /
• pp.66-72
• /
• 2010

In this study, we analyzed the characteristics of wind speed and wind direction at different locations in Jeju area using past 10 years observed data and used them in our wind power forecasting model. Generally the strongest hourly wind speeds were observed during daytime(13KST~15KST) whilst the strongest monthly wind speeds were measured during January and February. The analysis with regards to the available wind speeds for power generation gave percentages of 83%, 67%, 65% and 59% of wind speeds over 4m/s for the locations Gosan, Sungsan, Jeju site and Seogwipo site, respectively. Consequently the most favorable periods for power generation in Jeju area are in the winter season and generally during daytime. The predicted wind speed from the forecast model was in average lower(0.7m/s) than the observed wind speed and the correlation coefficient was decreasing with longer prediction times(0.84 for 1h, 0.77 for 12h, 0.72 for 24h and 0.67 for 48h). For the 12hour prediction horizon prediction errors were about 22~23%, increased gradually up to 25~29% for 48 hours predictions.

• 응용통계연구
• /
• 제36권1호
• /
• pp.49-62
• /
• 2023

급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.