KR101223898B1 - 태양광 발전모듈의 고장 진단 및 예지 방법 - Google Patents

태양광 발전모듈의 고장 진단 및 예지 방법 Download PDF

Info

Publication number
KR101223898B1
KR101223898B1 KR1020120036837A KR20120036837A KR101223898B1 KR 101223898 B1 KR101223898 B1 KR 101223898B1 KR 1020120036837 A KR1020120036837 A KR 1020120036837A KR 20120036837 A KR20120036837 A KR 20120036837A KR 101223898 B1 KR101223898 B1 KR 101223898B1
Authority
KR
South Korea
Prior art keywords
data
failure
diagnosing
module
prediction
Prior art date
Application number
KR1020120036837A
Other languages
English (en)
Inventor
신상완
노양필
김성수
장상택
이경
Original Assignee
삼성물산 주식회사
충북대학교 산학협력단
주식회사 씨브이네트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성물산 주식회사, 충북대학교 산학협력단, 주식회사 씨브이네트 filed Critical 삼성물산 주식회사
Priority to KR1020120036837A priority Critical patent/KR101223898B1/ko
Application granted granted Critical
Publication of KR101223898B1 publication Critical patent/KR101223898B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/061—Details of electronic electricity meters
    • G01R22/068—Arrangements for indicating or signaling faults
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G01R23/165—Spectrum analysis; Fourier analysis using filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/04—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof adapted as photovoltaic [PV] conversion devices
    • H01L31/042—PV modules or arrays of single PV cells
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Electromagnetism (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명은 태양광 시스템의 설치 기간이 경과 하여 노후화됨에 따라 자연적인 발생 전력 저하 및 최신의 환경 변화를 더욱 적극적으로 반영하여 고장 진단 및 예지의 최종 정보를 제공하도록, 데이터측정부가 태양광 발전 시스템 환경의 온도, 일사량 및 솔라셀이 생성하는 단락전류, 개방전압, 출력을 포함하는 데이터를 각각 측정하여 이를 데이터입력부에 전달하는 데이터 획득 단계(S10)와; 상기 데이터입력부로부터 상기 데이터들을 전달받은 데이터가공부가 불필요한 노이즈 데이터를 여과시키는 정보 가공단계(S20)와; 특정 단위의 기간마다 상기 데이터들이 데이터베이스에서 업그레이드 되어 저장되는 정보저장 단계(S30)와; 데이터입력부가 기준치 데이터를 호출하도록 기준치를 설정하고, 사용자가 기 입력한 상황별 Threshold에 따라 고장진단모듈이 고장을 진단하는 고장진단 단계(S40)와; 고장예지모듈이 칼만필터를 이용하여 현재 측정단계인 K에 따라 다음 예지단계인 K+1의 고장예지를 수행하는 고장예지 단계(S50)를 포함하는 것을 특징으로 하는 태양광 발전모듈의 고장 진단 및 예지 방법에 관한 것이다.

Description

태양광 발전모듈의 고장 진단 및 예지 방법{Method for Predicting and Diagnosing Error of the Solar Module}
본 발명은 태양광 발전모듈의 고장 진단 및 예지 방법에 관한 것으로, 보다 상세하게는 태양광 발전모듈로부터 생성되는 현재 정보와 과거 정보를 활용하여 향후 태양광 시스템의 생산전력 및 전압의 진행 추세를 파악하여 향후 고장 가능성에 대한 정보를 사전 고지하는 태양광 발전모듈의 고장 진단 및 예지 방법에 관한 것이다.
최근 유가의 가파른 인상, 지구 온난화 및 환경 보호에 대한 관심 증가로 인하여 신재생 에너지원을 이용한 에너지 생산이 급증하고 있는 추세이다.
특히 이러한 필요성을 인식한 각국의 정부는 신재생 에너지 설비 구축 시 설치 보조금을 지급하여 저변 확대를 위한 노력을 하고 있는 실정이며 이러한 결과로 신재생 에너지의 일종인 태양광 발전 시스템을 이제는 흔히 우리의 주위에서 볼 수 있게 되었다.
그러나 이러한 단순 구축 이후 설비의 정상 발전 여부를 판단하여 관리자에게 정보를 제공하는 유지관리 및 운영을 위한 관련 연구는 빈약한 실정이다.
이에 현재까지 다루어졌던 태양광 시스템의 고장 진단 및 판단 기법과 더불어 시스템의 과거 전력 발생 이력을 바탕으로 현재의 환경 조건을 고려하여 향후 시스템의 고장 가능성을 예지하는 보다 진일보된 지능적 유지관리 시스템이 필요한 시점이다.
따라서 상기의 문제점을 해결하기 위한 본 발명의 목적은, 태양광 시스템의 일정 기간 누적된 정보를 가중 평균 표준화하여 향후 고장 진단 및 예지 시 비교의 대상이 될 수 있는 기준값인 기준치를 설정하되, Weighted Average 적용하여 획득된 정보의 단순 평균이 아닌 최근의 정보에 그 가치를 더 두어 수립된 기준치가 최신 정보에 더 민감하게 반응되도록 하는 태양광 발전모듈의 고장 진단 및 예지 방법을 제공하기 위함이다.
또한 본 발명의 목적은, 현재 추출 된 온도, 일사량 및 전압, 전력정보를 바탕으로 기준치와 비교하여 그 차이를 도출함으로써 통계 분석에 의한 논리적 상황 판단에 의한 고장진단을 수행하는 태양광 발전모듈의 고장 진단 및 예지 방법을 제공하기 위함이다.
또한 본 발명의 다른 목적은, 현재의 정보와 과거 정보를 활용하여 향후 시스템의 진행 추세(생산전력 및 전압 등)를 파악하여 Kalman Filtering을 통한 기준치와 비교 평가함으로써 설치 시스템의 향후 고장 가능성에 대한 정보를 사전 고지하는 태양광 발전모듈의 고장 진단 및 예지 방법을 제공하기 위함이다.
본 발명의 목적은, 데이터측정부가 태양광 발전 시스템 환경의 온도, 일사량 및 솔라셀이 생성하는 단락전류, 개방전압, 출력을 포함하는 데이터를 각각 측정하여 이를 데이터입력부에 전달하는 데이터 획득 단계와; 상기 데이터입력부로부터 상기 데이터들을 전달받은 데이터가공부가 불필요한 노이즈 데이터를 여과시키는 정보 가공단계와; 특정 단위의 기간마다 상기 데이터들이 데이터베이스에서 업그레이드 되어 저장되는 정보저장 단계와; 데이터입력부가 기준치 데이터를 호출하도록 기준치를 설정하고, 상기 기준치에 따라 고장진단모듈이 고장을 진단하는 고장진단 단계와; 고장예지모듈이 칼만필터를 이용하여 현재 측정단계 K에 따라 다음 예지단계인 K+1의 고장예지를 수행하는 고장예지 단계를 포함하는 것을 특징으로 하는 태양광 발전모듈의 고장 진단 및 예지 방법에 의해 달성된다.
상기의 과제 해결 수단에 의한 본 발명의 태양광 발전모듈의 고장 진단 및 예지 방법은, 태양광 시스템의 설치 기간이 경과 하여 노후화 할수록 자연적인 발생 전력 저하 및 최신의 환경 변화를 더욱 적극적으로 반영할 수 있게 되며, 고장 진단 및 예지의 최종 정보는 확률로 제공함으로써 사용자가 시스템의 운행 상태를 더욱 직관적으로 판단할 수 있게 된다.
도 1은 본 발명의 실시예에 따른 태양광 발전모듈의 고장 진단 및 예지 시스템 구성도,
도 2는 본 발명의 실시예에 따른 태양광 발전모듈의 고장 진단 및 예지 방법의 순서도,
도 3은 Adaptive Noise Cancelling 회로도,
도 4는 Adaptive Noise Cancelling 적용 결과 그래프 예시도,
도 5는 Threshold 설정 및 고장확률 적용기법에 따른 그래프 예시도,
도 6은 도 2의 고장예지모듈의 고장 예지를 위한 순서도.
이하, 본 발명의 태양광 발전모듈의 고장 진단 및 예지 방법의 실시예를 첨부되는 도면들을 통해 보다 상세히 설명하도록 한다.
도 1은 본 발명의 태양광 발전모듈의 고장 진단 및 예지 방법을 실시하기 위한 시스템 구성을 도시하고 있다.
도면에서 보는 바와 같이, 본 발명은 데이터측정부(10), 데이터입력부(20), 데이터가공부(30), 데이터저장부(40), 고장진단모듈(50), 고장예지모듈(60)을 포함하여 구성한다.
상기 데이터측정부(10)는 태양광 발전 시스템 환경의 온도, 일사량 및 솔라셀이 생성하는 단락전류, 개방전압, 출력을 각각 측정하는 장치이다.
따라서 생성되는 데이터는 온도 데이터, 일사량 데이터, 단락전류 데이터, 개방압력 데이터, 출력 데이터가 된다.
이때 각 데이터들이 1일 측정데이터가 n개일 경우 1년 동안 일별로 저장되는 데이터는 n*365개가 된다.
가령, 하루에 500개가 샘플로 생성되도록 한다면, 데이터베이스에 저장되는 메트릭스 크기가 500*365개가 되도록 한다.
상기와 같이 데이터측정부(10)가 데이터를 생성하면 데이터입력부(20)는 이들 데이터를 입력받아 데이터가공부(30)에 전달한다.
또한 상기 데이터입력부(20)는 데이터베이스에서 특정 날짜의 상기 데이터들을 호출하여 고장진단모듈(50)과 고장예지모듈(60)에 전달한다.
상기 데이터가공부(30)는 로칼 특정에 맞는 데이터 필터링을 위해 Adaptive Filtering을 적용하여 불필요한 노이즈 데이터를 여과하여 변동 가중치적 정보의 보완을 행하도록 한다.
도 3은 상기의 부적합한 노이즈 데이터를 여과시키기 위한 Adaptive Noise Cancelling 회로도를 도시하고 있다.
이때, 데이터 입력값인 u가 Adaptive Filter로 입력되어 데이터 y로 필터 출력되고, 바람직한 반응 시스템에 따른 출력값이 d일 경우 추정오차 e는 d-y가 된다.
온도, 일사량의 변화에 따라 측정된 Voc 개방단자 전압를 Adaptive Filtering 적용한 결과 도 4에서와 같이 측정된 전압에 고주파 성분이 포함되어 있었으나 국부적인 고주파 필터링 기능이 제공됨으로써 신호의 특성을 보유한 특징벡터 추출이 가능해진다.
상기와 같이 데이터가공부(30)에 의해 데이터가 여과 및 가공된 후 데이터 저장부(40)는 Weighted Average를 적용하여 기준치 데이터를 업그레이드 하게 된다.
상기 Weighted Average는 기준치의 학습과정에 있어서 새로운 정보에 더 가중치를 두는 기법으로 셀의 노화를 고려하여 전반적인 영향을 고려하여 모델링하게 된다.
상기 Weighted Average는
Figure 112012028254659-pat00001
가 되며, 새로 측정된 1년 정보를 이용하여 기준치를 업그레이드 하게 되는 바,
Figure 112012028254659-pat00002
인 것이 바람직하다
상기와 같이 데이터가 생성되어 저장된 후 그 날의 기준치 데이터를 호출하여 고장진단 및 고장예지 확률 함수에 대입시킨 후 고장 및 고장예지 여부가 판단된다.
상기 데이터입력부(20)가 특정 날의 기준치를 호출하게 되며, 데이터베이스가 구축되기 전에는 측정된 온도와 일사량으로 기준치를 설정하게 된다.
Figure 112012028254659-pat00003
Pm : 출력(2.99)
Voc: 표준상태의 개방전압(482.3V)
Isc: 표준상태의 단락전류(Pm/Voc)
Pmt: 동작상태의 최대출력 파워
Isct: 동작상태의 단락전류
Voct: 동작상태의 개방전압
상기 고장진단모듈(50)은 기준 데이터 대비 거리 측정치를 산출하도록 정보공간을 이용한 다차원 거리측정 기법을 적용하게 되며, 사용자가 설정한 상황별 Threshold에 따라 정보 공간에서의 고장 판단을 수행하게 된다.
환경 변화에 적응적인 고장진단 기능을 부여하게 되는 바, 외형적인 고장 판단은 일사량 혹은 온도의 변화 시 전압 무 변동, 일사량, 온도의 무변화 시 전압변동이며 이때는 고장확률이 1이 된다.
또한 상황별 Threshold에 따라 측정치가 Threshold보다 작을 경우 일사량, 온도 변수에 따라 판단하며, Threshold가 측정치보다 클 경우 기준치와의 이격 거리에 따른 확률값을 제공하게 된다.
Threshold 설정 및 고장확률 적용기법에 따른 그래프는 도 5에서 예시적으로 도시되어 있다.
다음의 함수는 고장확률에 대한 함수이며 x는 현재기준의 실측치이다.
Figure 112012028254659-pat00004
또한 상기 고장진단모듈(50)에 의해 현재 측정치의 고장진단이 수행된 후, 고장예지모듈(60)이 칼만필터를 이용하여 현재 측정단계인 K에 따라 다음 예지단계인 K+1의 고장예지를 수행하게 된다.
이때, 고장 진단을 위한 고장 정도의 측정에 사용되는 도구로서의 매트릭스는 다음과 같이 정의한다.
Threshold로부터의 이격거리 d를 측정하게 되는 바, 상기 거리 d는 erf(d)의 함수를 통하여 [0, 1.0]의 실수(Real Number)로 사용되며, erf(d)의 수치가 일순간 작거나 연속적으로 작을 경우로 나뉜다.
erf(d)가 연속적으로 작은 경우는 다음의 식과 같이 고장의 확률이 커진다.
Figure 112012028254659-pat00005
이때, 적용된 시스템에서는 M=3 로 설정한다.
여기서 정의된 Metric은 sequential 추정으로 고장 검출 및 예지에 요긴한 정보로 사용된다.
Figure 112012028254659-pat00006
한 순간의 전력이 비정상적으로 커지거나 작아질 경우, 시스템의 오류를 줄이는 방법으로 아래와 같은 평균치 필터를 적용한다.
상기 시스템에서는 N=5으로 적용하며, 이 수치는 샘플링 구간이 적을수록 늘어나게 된다.
이때, 고장예지모듈(60)의 변수는
Figure 112012028254659-pat00007
이 된다.
우선 초기값을
Figure 112012028254659-pat00008
로 설정한 후, 추정치 및 오차 공분산을 예측하게 되는 바, 공식은 다음과 같다.
Figure 112012028254659-pat00009
또한 상기 고장예지모듈(60)은 추정치와 오차 공분산을 예측한 후 칼만 이득을 계산한다.
Figure 112012028254659-pat00010
칼만이득을 계산한 후, 다음과 같은 공식에 의해 추정을 계산한 후,
Figure 112012028254659-pat00011
오차 공분산을 계산한다.
Figure 112012028254659-pat00012
이때, 외부입력은
Figure 112012028254659-pat00013
이며, 최종출력은
Figure 112012028254659-pat00014
가 된다.
도 2는 본 발명의 태양광 발전모듈의 고장 진단 및 예지 방법의 순서도를 도시하고 있으며, 본 발명에 따라 우선 데이터측정부(10)가 태양광 발전 시스템 환경의 온도, 일사량 및 솔라셀이 생성하는 단락전류, 개방전압, 출력을 각각 측정하여 이를 데이터입력부(20)에 전달하는 데이터 획득 단계(S10)를 수행하게 된다.
따라서 생성되는 데이터는 온도 데이터, 일사량 데이터, 단락전류 데이터, 개방압력 데이터, 출력 데이터가 된다.
이때 각 데이터들은 하루에 n개가 샘플로 생성되도록 하여, 데이터베이스에 저장되는 메트릭스 크기가 n*365개가 되도록 한다.
상기와 같이 데이터측정부(10)가 데이터를 생성하면 데이터입력부(20)는 이들 데이터를 입력받아 데이터가공부(30)에 전달한다.
상기 데이터 획득 단계를 수행한 후, 데이터의 노이즈를 제거하는 정보 가공단계(S20)를 수행하게 된다.
따라서 데이터가공부(30)는 로칼 특정에 맞는 데이터 필터링을 위해 Adaptive Filtering을 적용하여 불필요한 노이즈 데이터를 여과하여 변동 가중치적 정보의 보완을 행하도록 한다.
상기와 같이 정보가공 단계를 수행한 후, 최근 1년치의 데이터들을 데이터베이스에 업그레이드시키는 정보저장 단계(S30)를 수행하게 된다.
즉, 데이터가공부(30)에 의해 데이터가 여과 및 가공된 후 데이터저장부(40)는 Weighted Average를 적용하여 기준치 데이터를 업그레이드 하게 된다.
상기 Weighted Average는 기준치의 학습과정에 있어서 새로운 정보에 더 가중치를 두는 기법으로 셀의 노화를 고려하여 전반적인 영향을 고려하여 모델링하게 된다.
상기 Weighted Average
Figure 112012028254659-pat00015
가 되며, 새로 측정된 1년 정보를 이용하여 기준치를 업그레이드 하게 되는 바,
Figure 112012028254659-pat00016
인 것이 바람직하다
상기와 같이 데이터가 생성되어 저장되면, 데이터입력부(20)는 기준치 데이터를 호출하도록 기준치를 설정하고 고장진단모듈이 고장을 진단하는 고장진단 단계(S40)를 수행하게 된다.
상기 데이터입력부(20)는 특정 날의 기준치를 호출하여 다음과 같이 기준치를 설정하되, 데이터베이스가 구축되기 전에는 측정된 온도와 일사량으로 기준치를 설정하게 된다.
Figure 112012028254659-pat00017
Pm: 출력(2.99)
Voc: 표준상태의 개방전압(482.3V)
Isc: 표준상태의 단락전류(Pm/Voc)
Pmt: 동작상태의 최대출력 파워
Isct: 동작상태의 단락전류
Voct: 동작상태의 개방전압
상기와 같이 데이터입력부(20)가 특정 날의 기준치를 호출하여 기준치를 설정하게 되면, 상기 고장진단모듈(50)은 기준 데이터 대비 거리 측정치를 산출하도록 정보공간을 이용한 다차원 거리측정 기법을 적용하게 되며, 사용자가 기 입력한 상황별 Threshold에 따라 정보 공간에서의 고장 판단을 수행하게 된다.
이때, 환경 변화에 적응적인 고장진단 기능을 부여하게 되는 바, 외형적인 고장 판단은 일사량 혹은 온도의 변화 시 전압 무 변동, 일사량, 온도의 무변화 시 전압변동이며 이때는 고장확률이 1이 된다.
또한 상황별 Threshold에 따라 측정치가 Threshold보다 작을 경우 일사량, 온도 변수에 따라 판단하며, Threshold가 측정치보다 클 경우 기준치와의 이격 거리에 따른 확률값을 제공하게 된다.
Threshold 설정 및 고장확률 적용기법에 따른 그래프는 도 5에서 예시적으로 도시되어 있다.
다음의 함수는 고장확률에 대한 함수이며 x는 현재기준의 실측치이다.
Figure 112012028254659-pat00018
또한 상기 고장진단모듈(50)에 의해 현재 측정치의 고장진단이 수행된 후, 고장예지모듈(60)이 칼만필터를 이용하여 현재 측정단계인 K에 따라 다음 예지단계인 K+1의 고장예지를 수행하는 고장예지 단계(S50)를 수행하게 된다.
도 6은 상기 고장예지모듈의 고장 예지를 위한 순서도를 도시하고 있다.
상기 고장예지모듈(60)의 변수는
Figure 112012028254659-pat00019
이 된다.
상기 고장예지모듈(60)은 초기값
Figure 112012028254659-pat00020
을 설정하여 추정치 및 오차 공분산을 예측하도록
Figure 112012028254659-pat00021
을 적용하는 공분산 예측 단계(S51)를 수행하게 된다.
상기 공분산 예측 단계(S51)를 수행한 후,
Figure 112012028254659-pat00022
인 칼만 이득 계산 단계(S52)를 수행하게 된다.
상기 칼만 이득 계산 단계(S52)를 수행한 후,
Figure 112012028254659-pat00023
인 추정 단계(S53)를 수행하고,
Figure 112012028254659-pat00024
인 오차 공분산 계산 단계(S54)를 수행함으로써 본 발명의 태양광 발전모듈의 고장 진단 및 예지 방법의 전 과정을 종료하게 된다.
이때, 외부입력은
Figure 112012028254659-pat00025
이며, 최종출력은
Figure 112012028254659-pat00026
가 된다.

Claims (11)

  1. 데이터측정부가 태양광 발전 시스템 환경의 온도, 일사량 및 솔라셀이 생성하는 단락전류, 개방전압, 출력을 포함하는 데이터를 각각 측정하여 이를 데이터입력부에 전달하는 데이터 획득 단계(S10)와;
    상기 데이터입력부로부터 상기 데이터들을 전달받은 데이터가공부가 불필요한 노이즈 데이터를 여과시키는 정보가공 단계(S20)와;
    특정 단위의 기간마다 상기 데이터들이 데이터베이스에서 업그레이드 되어 저장되는 정보저장 단계(S30)와;
    데이터입력부가 기준치 데이터를 호출하도록 기준치를 설정하고, 사용자가 기 입력한 상황별 Threshold를 통해 고장진단모듈이 고장을 진단하는 고장진단 단계(S40)와;
    고장예지모듈이 칼만필터를 이용하여 현재 측정단계인 K에 따라 다음 예지단계인 K+1의 고장예지를 수행하는 고장예지 단계(S50)를 포함하는 것을 특징으로 하는 태양광 발전모듈의 고장 진단 및 예지 방법.
  2. 제 1항에 있어서,
    상기 데이터들은 하루에 n개가 샘플로 생성되며, 1년마다 상기 데이터가 업그레이드되도록 하는 것을 특징으로 하는 태양광 발전모듈의 고장 진단 및 예지 방법.
  3. 제 1항에 있어서,
    상기 정보 가공단계(S20)는, 데이터의 노이즈 제거를 위해 Adaptive Filtering을 적용하는 것을 특징으로 하는 태양광 발전모듈의 고장 진단 및 예지 방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제 1항에 있어서,
    상기 고장진단 단계(S40)는, 기준 데이터 대비 거리 측정치를 산출하도록 정보공간을 이용한 다차원 거리측정 기법을 적용하는 것을 특징으로 하는 태양광 발전모듈의 고장 진단 및 예지 방법.
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
KR1020120036837A 2012-04-09 2012-04-09 태양광 발전모듈의 고장 진단 및 예지 방법 KR101223898B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120036837A KR101223898B1 (ko) 2012-04-09 2012-04-09 태양광 발전모듈의 고장 진단 및 예지 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120036837A KR101223898B1 (ko) 2012-04-09 2012-04-09 태양광 발전모듈의 고장 진단 및 예지 방법

Publications (1)

Publication Number Publication Date
KR101223898B1 true KR101223898B1 (ko) 2013-01-21

Family

ID=47842168

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120036837A KR101223898B1 (ko) 2012-04-09 2012-04-09 태양광 발전모듈의 고장 진단 및 예지 방법

Country Status (1)

Country Link
KR (1) KR101223898B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002678B1 (en) 2014-01-10 2015-04-07 King Fahd University Of Petroleum And Minerals Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach
CN104972926A (zh) * 2015-05-22 2015-10-14 南通航大电子科技有限公司 一种电动汽车电池故障检测与定位方法
KR20200069484A (ko) 2018-12-07 2020-06-17 한밭대학교 산학협력단 태양광 모듈의 상태 진단 시스템 및 이를 이용한 방법
KR102148761B1 (ko) * 2019-11-20 2020-08-27 주식회사 케이디티 태양광 발전 시스템의 고장 진단 장치
KR20200118328A (ko) 2019-04-05 2020-10-15 한국로봇융합연구원 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법
CN112034387A (zh) * 2020-09-08 2020-12-04 武汉大学 一种基于预测序列的输电线路短路故障诊断方法及装置
KR20220116570A (ko) * 2020-01-09 2022-08-23 엔비전 디지털 인터내셔널 피티이 리미티드 태양광 발전 스트링 및 저장 매체의 작동 상태를 인식하는 방법 및 장치
CN115455730A (zh) * 2022-09-30 2022-12-09 南京工业大学 一种基于完全邻域保持嵌入的光伏组件热斑故障诊断方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001326375A (ja) 2000-03-10 2001-11-22 Sanyo Electric Co Ltd 太陽光発電システムの診断方法及び診断装置
JP2001352693A (ja) 2000-06-09 2001-12-21 Sharp Corp 太陽光発電装置およびその管理システム
KR20110090632A (ko) * 2010-02-04 2011-08-10 안창희 태양광 발전장치 모니터링 시스템
KR101111551B1 (ko) 2011-03-30 2012-02-24 권영복 태양광 발전 시스템 및 이의 효율진단 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001326375A (ja) 2000-03-10 2001-11-22 Sanyo Electric Co Ltd 太陽光発電システムの診断方法及び診断装置
JP2001352693A (ja) 2000-06-09 2001-12-21 Sharp Corp 太陽光発電装置およびその管理システム
KR20110090632A (ko) * 2010-02-04 2011-08-10 안창희 태양광 발전장치 모니터링 시스템
KR101111551B1 (ko) 2011-03-30 2012-02-24 권영복 태양광 발전 시스템 및 이의 효율진단 방법

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002678B1 (en) 2014-01-10 2015-04-07 King Fahd University Of Petroleum And Minerals Unified approach to detection and isolation of parametric faults using a kalman filter residual-based approach
CN104972926A (zh) * 2015-05-22 2015-10-14 南通航大电子科技有限公司 一种电动汽车电池故障检测与定位方法
KR20200069484A (ko) 2018-12-07 2020-06-17 한밭대학교 산학협력단 태양광 모듈의 상태 진단 시스템 및 이를 이용한 방법
KR20200118328A (ko) 2019-04-05 2020-10-15 한국로봇융합연구원 로봇 자동화 설비 고장 예지 진단데이터 통합수집 게이트웨이 및 그 게이트웨이 구성방법
KR102148761B1 (ko) * 2019-11-20 2020-08-27 주식회사 케이디티 태양광 발전 시스템의 고장 진단 장치
KR20220116570A (ko) * 2020-01-09 2022-08-23 엔비전 디지털 인터내셔널 피티이 리미티드 태양광 발전 스트링 및 저장 매체의 작동 상태를 인식하는 방법 및 장치
KR102523891B1 (ko) * 2020-01-09 2023-04-20 엔비전 디지털 인터내셔널 피티이 리미티드 태양광 발전 스트링 및 저장 매체의 작동 상태를 인식하는 방법 및 장치
CN112034387A (zh) * 2020-09-08 2020-12-04 武汉大学 一种基于预测序列的输电线路短路故障诊断方法及装置
CN112034387B (zh) * 2020-09-08 2021-09-21 武汉大学 一种基于预测序列的输电线路短路故障诊断方法及装置
CN115455730A (zh) * 2022-09-30 2022-12-09 南京工业大学 一种基于完全邻域保持嵌入的光伏组件热斑故障诊断方法

Similar Documents

Publication Publication Date Title
KR101223898B1 (ko) 태양광 발전모듈의 고장 진단 및 예지 방법
US9465387B2 (en) Anomaly diagnosis system and anomaly diagnosis method
EP2098878B1 (en) Battery service life estimation using a regression model and state estimation
KR101882106B1 (ko) 태양전지모듈 발전량 예측방법 및 예측장치
CN109948860A (zh) 一种机械***剩余寿命预测方法及***
CN106933618B (zh) 基于***参数相关系数的***升级评估方法
CN110709717A (zh) 基于松弛电压估计移动设备的电池健康的方法
KR20160067510A (ko) 배터리의 상태를 추정하는 방법 및 장치
JP2014074682A (ja) バッテリのパラメータ等推定装置およびその推定方法
CN102508774A (zh) 基于新环境因子函数的软件可靠性增长模型的建模方法
KR101532163B1 (ko) 태양광발전 상태진단 평가시스템
EP4133294A1 (en) Probabilistic determination of transformer end of life
KR20170085369A (ko) 배터리 관리 장치 및 방법
Manganiello et al. Dual-Kalman-filter-based identification and real-time optimization of PV systems
KR20170126623A (ko) 멀티변수를 기반으로 한 태양광 발전설비의 효율성 진단시스템
IL280008B (en) Determining essential parameters using a multidimensional variable selection model
CN110298765B (zh) 一种基于客观关联因素的配电网用电功率异常检测方法
Al-Mohamad et al. Zonotopic extended Kalman filter for RUL forecasting with unknown degradation behaviors
CN103675712A (zh) 电源寿命时间检测方法和***
CN111259338B (zh) 元器件失效率修正方法、装置、计算机设备及存储介质
CN111917114B (zh) 一种适用于嵌入式平台的电力负荷事件检测方法
KR101828456B1 (ko) 부분 고장 데이터를 이용한 소프트웨어 신뢰도 평가모델 선택 시스템 및 방법
US11339763B2 (en) Method for windmill farm monitoring
CN115544803A (zh) 一种变压器剩余寿命预测方法、装置、设备及存储介质
Liu et al. Uncertainty management in lebesgue-sampling-based li-ion battery SFP model for SOC estimation and RDT prediction

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160112

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170110

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180112

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190108

Year of fee payment: 7