태양광 발전소 건설부지 평가 및 선정을 위한 선형회귀분석 기반 태양광 발전량 추정 모델

허재,박범수,김병일,한상욱 한국건설관리학회 2019 한국건설관리학회 논문집 Vol.20 No.6

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 기상조건 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.

태양광 발전량 예보 오차 완화를 위한 태양광 - 그린 수소 - 연료전지 시스템 수치모의 연구

김창기(Chang Ki Kim),김현구(Hyun-Goo Kim),강용혁(Yong-Heack Kang),조현석(Hyun Seok Cho) 한국신재생에너지학회 2021 한국신재생에너지학회 학술대회논문집 Vol.2021 No.7

태양광 발전시스템 보급이 급격히 증가함에 따라 전력 계통 운영에 불안정이 야기된다. 일례로 태양광 발전량에 의해 주간에 실질적인 전력수요의 감소로 주·야간 전력수요의 차이가 감소하는 Duck-Curve 현상이 빈번히 발생한다. 이와 더불어 태양광 발전시스템이 기상요소에 의존하기 때문에 태양광 발전량의 간헐적인 특성은 태양광 발전량 증감발 현상(Ramp Rate)을 증가시켜 전력계통에 부하를 가중하거나 주파수 특성의 급격한 변동을 초래한다. 이러한 태양광 발전량 특성을 완화하기 위하여 태양광 발전량 예보를 통한 에너지 관리 시스템을 개발하는 노력이 있으나 기상예보의 오차에 의해서 태양광 발전량 예보 오차가 발생할 수 있다. 예보 오차 완화를 위하여 보조 전원체계인 ESS, 양수발전, LNG 발전, 수소연료전지 등이 있는데, LNG 발전은 화석연료를 사용하고, 양수 발전은 지역적 특성에 민감하며, ESS의 경우 배터리 용량 문제가 대두된다. 따라서 본 연구에서는 수전해-연료전지 시스템을 모델링하여 태양광 발전량 예보 오차 완화에 어떤 영향을 주는지 파악하고자 한다. 태양광 발전량 예보데이터는 한국에너지기술연구원에서 운영중인 KIEReCAST에서 생산하는 48시간 예보데이터 중 03 KST에 발표된 자료를 사용하였다. 태양광 발전량에 대한 실측 데이터는 한국에너지기술연구원 3연구동에 설치된 60kWp 태양광 발전시스템을 사용하였다.

과거 일사량 자료를 활용한 수상태양광 발전량 예측 연구

나혜지,김경석 대한토목학회 2023 대한토목학회논문집 Vol.43 No.2

Solar power has the largest proportion of power generation and facility capacity among renewable energy in South Korea. Floating solar power plant is a new way to resolve weakness of land solar power plant. This study analyzes the power generation of the 18.7 MW floating solar power project located in Saemangeum, Gunsan-si. Since the solar power generation has a characteristic that is greatly affected by the climate, various methods have been applied to predict solar power generation. In general, variables necessary for predicting power generation are solar insolation on inclined surfaces, solar generation efficiency, and panel installation area. This study analyzed solar power generation using the monthly solar insolation data from the KMA (Korea Meteorological Administration) over the past 10 years. Monte Carlo simulation (MCS) was applied to predict the solar power generation with the variables including solar panel efficiency and insolation. In the case of Saemangeum solar power project, the most solar power generation was in May, the least was in December, the average solar power generation simulated on MCS is 2.1 GWh per month, the minimum monthly power generation is 0.3 GWh, and the maximum is 5.0 GWh. 태양광발전은 현재 국내 신재생에너지 중 발전량과 설비용량 비중이 가장 크다. 수상태양광은 국내의 육상태양광 발전시설의 여러 가지 단점을 보완한 방식이다. 본 연구는 군산 새만금에 위치한 18.7 MW 시설용량의 수상태양광발전소를 대상으로 발전량을 분석하고자 한다. 기후의 영향을 많이 받는 태양광발전사업의 특성으로 타당성을 확인하고자 관련 연구자들은 태양광 발전량 예측에 많은 기법들을 적용하였다. 일반적으로 발전량 예측에 필요한 변수들은 사업대상 지역의 경사면 일사량, 발전효율, 패널 설치 면적 등이다. 본 연구는 기상청 과거 10년간의 월 일사량 데이터를 활용하여 태양광 발전량을 분석하였다. 발전량을 예측하기 위해서 몬테카를로 시뮬레이션 기법을 적용하였으며, 태양광 패널의 발전효율과 일사량을 시뮬레이션의 변수들로 사용하였다. 새만금 태양광의 경우, 가장 태양광 발전량이 많은 달은 5월이며, 가장 적은 달은 12월로 예측되었으며, 발전량은 월평균 2.1 GWh이고, 최소 월 발전량은 0.3 GWh, 최대는 5.0 GWh로 분석되었다.

단독주택용 PV설비의 유지관리에 따른 발전량 분석

강석화,노상태,김재엽 청운대학교 건설환경연구소 2014 청운대학교 건설환경연구소 논문집 Vol.9 No.2

본 연구에서는 단독주택에 설치되고 있는 태양광발전설비의 발전량을 분석하였다. 발전량은 유지관리의 조건에 따라 월평균 발전량을 산출하였다. 유지관리의 조건으로는 모듈 청소, 발전량 검토, 모듈청결 상태, 태양광 발전 조건으로 구분하였다. 발전량을 분석한 결과, 주기적인 모듈청소와 발전량 검토, 모듈이 청결하고 발전 조건이 좋은 가구가 발전량이 더 높게 나타났다. 또한 PV설비의 수명인 20년 동안 유지관리 조건에 따라 발전효율의 차이가 크게 나타나는 것으로 분석되었다. 발전효율을 제고하기 위해서는 주기적으로 모듈을 청소하고 발전량을 검토하며, 모듈의 청결을 유지하고 PV설비의 일사조건이 좋은 곳으로 선택해야 하는 것으로 분석되었다. This study investigated power generation of photovoltaic equipment at detached houses. Thestudy estimated monthly mean generation according to maintenance conditions that included modulecleaning, inspection into generation, cleaning of module and photovoltaic generation. At analysisupon generation, households with periodical module cleaning and inspection into generation, cleanmodule and good generation conditions had high generation. 20-years of PV equipment life variedmuch depending upon maintenance conditions. Users should keep module clean and inspectgeneration regularly and put PV equipment at the place with good solar radiation

기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델

손혜숙,김석연,장윤 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.10

To stably supply power to the virtual power plant market, it is necessary to accurately predict the amount of power generation. However, since the amount of solar power generation is influenced by the weather environment and the amount of power generated varies widely, it is difficult to make a stable prediction. In this paper, we propose an LSTM-based solar power generation prediction model. We improved the predictive performance of the model by including weather data and weather forecast data as input data. In addition, we selected variables by setting priorities based on correlation coefficients. The correlation between the solar power generation data and the weather data and the power generation prediction results was analyzed to examine the optimal weather factors needed to predict solar power generation. 가상발전소 시장에 전력을 안정적으로 공급하기 위해서는 발전량에 대한 정확한 예측이 필요하다. 하지만 태양광 발전량은 기상 환경에 영향을 받아 발전량의 편차가 심하기 때문에 안정적인 예측이 어렵다. 본 논문에서는 LSTM 기반 태양광 발전량 예측모델을 제안한다. 우리는 기상 데이터와 기상 예보 데이터를 발전량 예측모델에 입력하여 성능을 향상시킨다. 또한 상관계수를 기준으로 우선순위를 설정하여 변수를 선택한다. 태양광 발전량의 상관관계와 발전량 예측결과를 비교하여 태양광 에너지 발전량 예측에 활용되는 최적의 기상 요인을 검토한다.

LiDAR 측량 기반의 지형자료와 기상 데이터 관측시스템을 이용한 태양광 발전량 분석

이근상,이종조 한국국토정보공사 2019 지적과 국토정보 Vol.49 No.1

In this study, we conducted a study to predict the photovoltaic power by constructing the sensor based meteorological data observation system and the accurate terrain data obtained by using LiDAR surveying. The average sunshine hours in 2018 is 4.53 hours and the photovoltaic power is 2,305 MWh. In order to analyze the effect of photovoltaic power on the installation angle of solar modules, we installed module installation angle at 10° intervals. As a result, the generation time was 4.24 hours at the module arrangement angle of 30°, and the daily power generation and the monthly power generation were the highest, 3.37 MWh and 102.47 MWh, respectively. Therefore, when the module arrangement angle is set to 30°, the generation efficiency is increased by about 4.8% compared with the module angle of 50°. As a result of analyzing the influence of the seasonal photovoltaic power by the installation angle of the solar module, it was found that the photovoltaic power was high in the range of 40°~50°, where the module angle was large from November to February when the weather was cold. From March to October, it was found that the photovoltaic power amount is 10°~30° with small module angle. 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° 간격으로 배치한 결과, 모듈 배치 각도 30°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°로 설계시 모듈 각도 50°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°~50°가 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3월~10월까지는 모듈 각도가 작은 10°~30°가 태양광 발전량이 높게 나타남을 알 수 있었다.

강건한 태양광 발전량 예측을 위한 2단계 신경망 최적화

오진영(Jinyeong Oh),소다영(Dayeong So),문지훈(Jihoon Moon) 한국컴퓨터정보학회 2024 한국컴퓨터정보학회 학술발표논문집 Vol.32 No.1

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.

기후 및 계절정보를 이용한 딥러닝 기반의 장기간 태양광 발전량 예측 기법

이동훈,김관호 한국전자거래학회 2019 한국전자거래학회지 Vol.24 No.1

Recently, since responding to meteorological changes depending on increasing greenhouse gas and electricity demand, the importance prediction of photovoltaic power (PV) is rapidly increasing. In particular, the prediction of PV power generation may help to determine a reasonable price of electricity, and solve the problem addressed such as a system stability and electricity production balance. However, since the dynamic changes of meteorological values such as solar radiation, cloudiness, and temperature, and seasonal changes, the accurate long-term PV power prediction is significantly challenging. Therefore, in this paper, we propose PV power prediction model based on deep learning that can be improved the PV power prediction performance by learning to use meteorological and seasonal information. We evaluate the performances using the proposed model compared to seasonal ARIMA (S-ARIMA) model, which is one of the typical time series methods, and ANN model, which is one hidden layer. As the experiment results using real-world dataset, the proposed model shows the best performance. It means that the proposed model shows positive impact on improving the PV power forecast performance. 최근 온실가스의 증가로 인한 기후변화 대응의 필요성과 전력수요의 증가로 인해 태양광 발전량(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. 실 데이터를 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.

입지 및 설치방식에 따른 태양광 발전량 분석 방법에 관한 연구

허병노,이재현 한국산업정보학회 2023 한국산업정보학회논문지 Vol.28 No.6

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. The amount of power generation of a solar plant has a high correlation with weather conditions, geographical conditions, and the installation conditions of solar panels. Previous studies have found the elements which impacts the amount of power generation. Some of them found the optimal conditions for solar panels to generate the maximum amount of power. Considering the realistic constraints when installing a solar power plant, it is very difficult to satisfy the conditions for the maximum power generation. Therefore, it is necessary to know how sensitive the solar power generation amount is to factors affecting the power generation amount, so that plant owners can predict the amount of solar power generation when examining the installation of a solar power plant. In this study, we propose a polynomial regression analysis method to analyze the relationship between solar power plant's power generation and related factors such as weather, location, and installation conditions. Analysis data were collected from 10 solar power plants installed and operated in Daegu and Gyeongbuk. As a result of the analysis, it was found that the amount of power generation was affected by panel type, amount of insolation and shade. In addition, the power generation was affected by interaction of the installation angle and direction of the panel.

미세먼지의 영향을 고려한 머신러닝 기반태양광 발전량 예측

성상경,조영상 한국환경경제학회 2019 자원·환경경제연구 Vol.28 No.4

Uncertainty of renewable energy such as photovoltaic(PV) power is detrimental to the flexibility of the power system. Therefore, precise prediction of PV power generation is important to make the power system stable. The purpose of this study is to forecast PV power generation using meteorological data including particulate matter(PM). In this study, PV power generation is predicted by support vector machine using RBF kernel function based on machine learning. Comparing the forecasting performances by including or excluding PM variable in predictor variables, we find that the forecasting model considering PM is better. Forecasting models considering PM variable show error reduction of 1.43%, 3.60%, and 3.88% in forecasting power generation between 6am~8pm, between 12pm~2pm, and at 1pm, respectively. Especially, the accuracy of the forecasting model including PM variable is increased in daytime when PV power generation is high. 태양광 발전과 같은 신재생에너지의 불확실성은 전력계통의 유연성을 저해하며, 이를 방지하기 위해서는 정확한 발전량의 사전 예측이 중요하다. 본 연구는 미세먼지 농도를 포함한 기상자료를 이용하여 태양광 발전량을 예측하는 것을 목적으로 한다. 본 연구에서는 2016년 1월 1일부터 2018년 9월 30일까지의 발전량, 기상자료, 미세먼지 농도 자료를 이용하고 머신러닝 기반의 RBF 커널 함수를 사용한 서포트 벡터 머신을 적용하여 태양광 발전량을 예측하였다. 예측변수에 미세먼지 농도 반영 유무에 따른 태양광 발전량 예측 모델의 성능을 비교한 결과 미세먼지 농도를 반영한 발전량 예측 모델의 성능이 더 우수한 것으로 나타났다. 미세먼지를 고려한 예측 모형은 미세먼지를 고려하지 않은 예측 모형 대비 6~20시 예측 모형에서는 1.43%, 12~14시 예측 모형에서는 3.60%, 13시 예측 모형에서는 3.88%만큼 오차가 감소하였다. 특히 발전량이 많은 주간 시간대에 미세먼지 농도를 반영하는 모형의 예측 정확도가 더 뛰어난 것으로 나타났다.