KR101890673B1 - Method for calculating amount of cloud from whole sky image and apparatus thereof - Google Patents
Method for calculating amount of cloud from whole sky image and apparatus thereof Download PDFInfo
- Publication number
- KR101890673B1 KR101890673B1 KR1020110095469A KR20110095469A KR101890673B1 KR 101890673 B1 KR101890673 B1 KR 101890673B1 KR 1020110095469 A KR1020110095469 A KR 1020110095469A KR 20110095469 A KR20110095469 A KR 20110095469A KR 101890673 B1 KR101890673 B1 KR 101890673B1
- Authority
- KR
- South Korea
- Prior art keywords
- cloudiness
- sun
- solar radiation
- amount
- cloud
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005855 radiation Effects 0.000 claims abstract description 94
- 230000001932 seasonal effect Effects 0.000 claims abstract description 10
- 238000009434 installation Methods 0.000 claims abstract description 9
- 238000011109 contamination Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 abstract description 18
- 238000000611 regression analysis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/02—Details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
본 발명은 기상 예측에 관한 것으로서, 특히 일사량 추정을 위해 전천 사진으로부터 구름의 양(운량)을 계산하는 방법 및 그 계산한 운량을 이용해 태양광 발전량을 예측하는 방법 및 장치에 관한 것이다.
본 발명은: 운량으로부터 일사량을 계산 시, 지역적 특성뿐만 아니라, 계절적 특성, 패널 오염 및 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 정확도를 향상시키기 위한 것으로서; 시간에 따라 측정한 운량과 그 운량을 측정한 각 시간에 실측한 일사량(GHI)의 데이터 히스토리를 기준으로 오차(즉, 일사량 추정값과 실측 일사량 간의 오차)를 최소화할 수 있는 다이나믹 계수 'A' 및 'B'를 궤한 루프(loop)를 통해 획득하고; 일사량 추정을 위해 운량 계산 시, 태양 주변의 운량에 가중치를 결정하여 전천사진의 운량을 계산하는 방법 및 장치를 제공한다.The present invention relates to meteorological prediction, and more particularly, to a method for calculating the amount of clouds (cloudiness) from a pre-panoramic image for estimating the amount of solar radiation and a method and apparatus for predicting the solar power generation amount using the calculated cloudiness.
The present invention is to improve accuracy by applying, in real time, changes in energy loss due to seasonal characteristics, panel contamination, and installation environment as well as regional characteristics when calculating solar radiation amount from cloudiness; A dynamic coefficient 'A' capable of minimizing an error (that is, an error between the solar radiation amount estimation value and the actual solar radiation amount) based on the data history of the measured solar radiation amount (GHI) 'B' is acquired through a loop; A method and apparatus are provided for calculating the cloudiness of all-sky photographs by determining weights on the cloudiness around the sun when calculating the cloud for the solar radiation estimation.
Description
본 발명은 기상 예측에 관한 것으로서, 특히 일사량 추정을 위해 전천 사진으로부터 구름의 양(운량)을 계산하는 방법 및 그 계산한 운량을 이용해 태양광 발전량을 예측하는 방법 및 장치에 관한 것이다. The present invention relates to meteorological prediction, and more particularly, to a method for calculating the amount of clouds (cloudiness) from a pre-panoramic image for estimating the amount of solar radiation and a method and apparatus for predicting the solar power generation amount using the calculated cloudiness.
구름은 기상 현상에 있어 강수뿐 아니라 대기 복사 수지에도 영향을 미치는 중요한 기후 요소이다. 하여, 구름의 양(운량)을 관측하는 연구가 끊임없이 요구되어 왔다. Clouds are an important climatic factor affecting atmospheric radiation as well as precipitation in meteorological phenomena. There has been constant demand for studies to observe the amount of clouds (cloudiness).
특히, 전천 영상을 이용한 운량 분석은 디지털 카메라와 저장 매체들과 같은 일련의 장비들의 성능 향상과 지속된 개발 때문에 가능할 수 있었다. 예를 들어, 전천 영상을 이용하여 기상예측을 하는 장비로서, PREDE사의 Skyview PSV-100, TSI 사의 Total Sky Imager TSI-880, UCSD에서 개발한 Whole Sky imager와 같은 구름 관측 기구(sky imager)가 있다. In particular, the analysis of the cloudiness using the whole image could be possible due to the improvement and continuous development of a series of equipment such as digital cameras and storage media. For example, SkyView PSV-100 by PREDE, Total Sky Imager TSI-880 by TSI, and sky imager like Whole Sky imager developed by UCSD are available for weather forecasting by using all-sky images .
구름 관측 기구(장치)는 반구에 비치 하늘의 모습을 CCD(charge-coupled device)카메라로 위에서 아래로 내려찍거나 어안렌즈로 하늘을 촬영하여 웹 상에서 데이터를 열람할 수 있는 장비이다. 예를 들어, 도 1에 도시된 PREDE 사의 Skyview는 기본적으로 본체와 본체 정상부에 유리 돔, 그리고 돔에서 약 5센티미터 높이에 설치된 차폐판으로 이루어져 있다. 디지털 카메라 CCD는 본체 정상부 유리 돔 안에 설치되어 하늘 방향으로 전천 사진을 찍는데 이때 유리 돔은 비나 눈 등의 습기로부터 카메라를 보호하고 곤충의 침입을 방해하는 역할을 한다. 차폐판은 태양을 따라 자동적으로 움직이면서 태양이 사진에 찍히는 것을 막는다. 차폐판으로 인해 카메라 시야의 일부를 그 너비만큼 가리는 문제가 발생하지만 차폐판이 없을 경우 태양이 그대로 사진에 찍혀 과도한 반사의 유입이 생기기 때문에 이를 막기 위한 필수적인 구성요소에 해당한다.The cloud observation device (device) is a device that can see the sky on the web by taking a picture of the sky from the top down with a charge-coupled device (CCD) camera, or photographing the sky with a fisheye lens. For example, PREDE Skyview shown in FIG. 1 basically consists of a body, a glass dome at the top of the body, and a shield plate about 5 centimeters above the dome. The digital camera CCD is installed in the top of the glass dome to take pictures of all the sky in the sky. At that time, the glass dome protects the camera from rain and snow and prevents the insects from entering. The shield plate automatically moves along the sun to prevent the sun from being photographed. The shield plate causes a problem of covering a part of the camera field-of-view with its width, but when there is no shield plate, the sun is captured on the photograph as it is, which is an essential component to prevent excessive reflections from entering.
도 1의 하단에 도시된 바와 같이, 카메라의 화각(시야)는 태양 천청각 75°이하의 범위로서 총 150°이며, 사진에는 천정의 모습이 원의 형태로 중앙에 자리하고 원 주변은 돔을 둘러싼 검은색 구조물의 일부와 함께 전체적으로 검게 찍힌다.As shown in the lower part of Fig. 1, the angle of field of view of the camera is in a range of less than 75 degrees of sunshine heavenly angle of 150 degrees. In the photograph, the shape of the ceiling is centered in the form of a circle, It is totally blackened with some of the surrounding black structures.
한편, 종래 전천 사진을 통해 운량을 계산하는 구름 관측기구는, 촬영한 렌즈(예를 들어, 어안렌즈) 의 왜곡을 고려하지 않기 때문에, 정확한 운량을 측정할 수 없는 기술적 한계점을 내포하고 있다.
On the other hand, the conventional cloud observation apparatus for calculating the cloudiness through the all-sky photograph does not take into consideration the distortion of the photographed lens (for example, a fish-eye lens), and thus has technical limitations in that accurate cloudiness can not be measured.
본 발명은 구름 관측기구에서 전천 사진(whole sky image)을 이용하여 운량을 계산할 때, 전천 사진을 촬영한 렌즈의 왜곡을 고려하여 운량을 계산하는 방법 및 장치를 제공하는 것이다. 즉, 본 발명은 전천사진에서 왜곡을 고려하여 분할한 영역별로 가중치를 두어 운량을 계산하는 것이다.SUMMARY OF THE INVENTION The present invention provides a method and apparatus for calculating cloudiness in consideration of distortion of a lens in which an all-sky photograph is taken when calculating cloudiness using a whole sky image in a cloud observing apparatus. That is, the present invention calculates weights by assigning weights to divided areas in consideration of distortion in all-sky photographs.
또한, 본 발명은 상기 운량 계산을 통해 획득한 운량정보를 시계열 회귀분석하여 미래 운량을 예측하고, 그 예측한 운량과 기상청의 예보 운량을 비교하여 미래 운량 예측치를 보정하는 방법 및 장치를 제공한다.The present invention also provides a method and an apparatus for correcting a forecast of future light by comparing a predicted future lightness with a predicted lightness of a meteorological office by time series regression analysis of the lightness information obtained through the calculation of the lightness.
또한, 본 발명은 상기 계산한 운량을 이용하여 실시간 태양광 발전량을 예측하는 방법 및 장치를 제공한다.
In addition, the present invention provides a method and apparatus for predicting real-time photovoltaic power generation using the calculated cloudiness.
상기와 같은 목적을 달성하기 위하여 본 발명에 따른 운량 계산 방법은,According to an aspect of the present invention,
특정지역을 촬영한 전천사진으로부터 일사량을 추정을 위한 운량을 계산하는 방법으로서,A method for calculating a cloud amount for estimating the solar radiation amount from an all-sky photograph taken in a specific area,
상기 촬영한 전천사진을 이미지 처리하고, 태양의 위치를 계산하는 단계와;Image processing of the photographed previous photograph and calculating the position of the sun;
상기 계산한 태양의 위치에 기초하여 상기 전천사진에서 태양주변의 영역 및 적어도 하나 이상의 다른 영역들을 지정하는 단계와;Designating a region around the sun and at least one or more other regions in the pre-photograph based on the calculated position of the sun;
상기 태양 주변의 영역과 상기 다른 영역들 각각에 대해 영역별 운량을 계산하는 단계와;Calculating a cloudiness for each of the regions around the sun and the other regions;
상기 태양 주변 영역에 대한에 일사량을 보정하기 위해, 상기 태양 주변 영역의 운량에 대한 가중치를 결정하는 단계와;Determining a weight for cloudiness of the sun surrounding region to correct for solar radiation on the solar surrounding region;
상기 결정한 가중치를 이용하여 상기 전천사진의 전체 운량을 계산하는 단계;를 포함하는 것을 특징으로 한다.And calculating a total cloud amount of the previous photo using the determined weight.
바람직하게는, 상기 태양 주변의 영역의 운량에 대한 가중치는Preferably, the weight for the cloudiness of the area around the sun is
상기 전천사진에서 태양 주변의 구름으로 인해 발생하는 일사량의 오차를 보정하기 위해 상기 태양 주변의 영역의 운량에 대해 부여되는 값으로서,상기 다른 영역들과 대비하여 결정되는 것을 특징으로 한다.
A value given to cloudiness of a region around the sun to correct an error of an amount of solar radiation generated due to clouds around the sun in the pre-spring photograph, is determined in comparison with the other regions.
바람직하게는, 상기 결정한 가중치를 이용하여 상기 전천사진의 전체 운량을 계산하고, 상기 계산한 전체 운량을 이용하여 일사량을 추정하는 단계;를 더 포함하는 것을 특징으로 한다.Preferably, the method further comprises: calculating a total cloud amount of the pre-spring photograph using the determined weight, and estimating a solar radiation amount using the calculated total cloud amount.
바람직하게는, 상기 전천사진으로부터 전체 운량(C)은 Preferably, the total cloudiness (C)
수학식Equation
C = d(태양주변 영역의 운량) + e(태양주변 영역 이외의 영역들의 운량)C = d (cloud around the sun) + e (cloud around the sun)
를 이용하여 계산되고,≪ / RTI >
상기 수학식에서 'd' 는 태양이 구름에 의해 가려짐으로써 발생하는 일사량의 오차를 보정하기 위해, 태양 주변의 운량에 대해 부여되는 가중치이고, 'e'는 태양주변 영역 이외의 영역들의 운량에 대해 부여되는 계수인 것을 특징으로 한다.In the above equation, 'd' is a weight given to cloudiness around the sun to compensate for the error of the solar radiation generated by the sun being blocked by the cloud, and 'e' And is a coefficient to be given.
바람직하게는, 상기 일사량(GHI)은Preferably, the solar irradiance (GHI)
수학식 GHI= GHIclear (1 - A(C)B ) 를 이용하여 추정되며,Equation GHI = GHI clear (1 - A (C) B )
상기 식에서 'GHIclear' 는 맑은 하늘의 일사량이고, 상기 GHI는 추정하는 일사량이고, 'C'는 전천사진의 전체 운량인 것을 특징으로 한다.In the above equation, 'GHI clear ' is a solar radiation amount in a clear sky, GHI is an estimated solar radiation amount, and 'C' is a total light amount of all-sky photographs.
바람직하게는, 상기 계수 'A' 및 상기 계수 'B'는Preferably, the coefficient ' A ' and the coefficient ' B '
지역적 특성과, 계절적 특성과, 패널 오염 및 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 결정되는 계수이고, It is a coefficient determined by applying real-time changes in regional characteristics, seasonal characteristics, energy loss due to panel pollution and installation environment,
시간에 따라 측정한 운량과 그 운량을 측정한 각 시간에 실측한 일사량(GHI)의 데이터 히스토리를 기준으로, 상기 추정한 일사량(GHI)과 실측 일사량 간의 오차가 최소화되도록 결정되는 것을 특징으로 한다.The error between the estimated solar radiation amount GHI and the actual solar radiation amount is determined based on the data history of the solar radiation amount GHI measured at each time of measuring the cloudiness measured with time and the cloudiness thereof.
또한, 상기와 같은 목적을 달성하기 위하여 본 발명에 따른 태양광 발전 예측 장치는,According to another aspect of the present invention, there is provided a photovoltaic generation prediction apparatus,
특정 지역 하늘의 구름을 전천사진으로 촬영하는 카메라와, 촬영한 전천사진을 이미지 처리하는 이미지 프로세서와, 전천사진을 저장하는 메모리와, 전천사진을 표시하는 디스플레이를 구성하는 구름 관측 장치에 있어서, 1. A cloud observing apparatus for constructing a display for displaying an all-sky picture, comprising: a camera for photographing a sky in a specific area with an all-sky picture; an image processor for processing an image of the taken picture;
위도, 경도 및 일시를 이용하여 상기 촬영한 전천사진에서 태양의 위치를 계산하고; 상기 계산한 태양의 위치에 기초하여 전천사진에서 태양 주변의 영역과 그 이외의 영역들로 분할하여 설정하고; 그 설정한 영역 중 태양 주변의 영역의 운량을 계산 시에 적용할 가중치를 결정하고; 상기 태양 주변 영역에 대한 상기 결정된 가중치를 이용하여 상기 전천사진의 전체 운량을 계산을 처리하는 처리부를 포함하는 것을 특징으로 한다.Calculating the position of the sun in the photographed pre-photograph using the latitude, longitude, and date and time; Divide and set the region around the sun and other regions in the previous photo based on the calculated position of the sun; Determining a weight to be applied in calculating the cloudiness of the area around the sun among the set areas; And a processing unit for calculating a total cloud amount of the previous photograph using the determined weight for the region around the sun.
바람직하게는, 상기 처리부는Preferably, the processing unit
상기 계산한 전체 운량을 이용하여 일사량을 계산 시, When calculating the solar irradiance using the calculated total cloud amount,
지역적 특성과, 계절별 특성과, 패널 오염과, 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 일사량을 측정하기 위해, 상기 메모리에 저장된 운량 및 실측 일사량(GHI)의 히스토리를 참조하여 평균 추정 에러(즉, GHI - GHIcal)가 최소값이 되도록, 수학식 GHI= GHIclear (1 - A(C)B )에서 'A' 및 'B' 계수를 결정하며, 여기서 'GHIclear' 는 맑은 하늘의 일사량이고, 상기 GHI는 추정하는 일사량이고, 'C'는 상기 구름에 가려진 태양 주변의 일사량을 보정하여 상기 GHI 추정에 적용되는 전천사진의 전체 운량이고, 또한(GHI) history stored in the memory in order to measure the solar radiation amount in real time by applying changes in local characteristics, seasonal characteristics, panel contamination, and energy loss according to the installation environment in real time, GHI = GHI < / RTI > clear so that the error (i. E. GHI - GHI cal ) 'GHI clear ' is the amount of solar radiation in the clear sky, GHI is the estimated solar radiation amount, and 'C' is the amount of solar radiation shielded by the cloud (1 - A (C) B ) Is the total cloud amount of all-sky photographs applied to the GHI estimation by correcting the solar radiation around the sun, and
상기 처리부는 상기 전체 운량(C)를 계산 시The processing unit calculates the total light amount (C)
수학식 C = d(태양주변 영역의 운량) + e(태양주변 영역 이외의 영역들의 운량) 를 이용하여 결정하며, 여기서 'd' 는 태양이 구름에 의해 가려짐으로써 발생하는 일사량의 오차를 보정하기 위해, 태양 주변의 운량에 대해 부여되는 가중치이고, 'e'는 태양주변 영역 이외의 영역들의 운량에 대해 부여되는 계수인 것을 특징으로 한다.
D is determined by using the formula C = d (cloudiness of the sun surrounding area) + e (cloudiness of the areas other than the sun surrounding area), where d is the correction of the error of the solar radiation amount E " is a coefficient given to the cloudiness of the regions other than the region around the sun, and " e "
본 발명은 전천사진으로부터 운량을 이용하여 일사량을 추정(계산) 시, 전천사진에서 태양 주변 영역의 구름으로 인하여 발생하는 일사량의 오차를 보정하기 위해, 태양 주변 영역의 운량에 대하여 가중치를 적용하여 운량을 계산하고, 또한그 계산한 운량을 이용하여 더욱 정확한 일사량을 추정할 수 있다.In the present invention, in order to correct the error of the solar radiation amount due to the cloud of the solar peripheral region in all-sky photographs when estimating (calculating) the solar radiation amount by using the cloud from the all-sky photograph, And more accurately estimate the radiation dose using the calculated cloudiness.
또한, 본 발명은 운량과 실측 일사량의 데이터베이스를 구축하여, 운량과 실측 일사량을 참조하여 추정 일사량과 실측 일사량 간의 오차를 최소화할 수 있는 다이나믹 계수(즉, GHI= GHIclear (1 - A(C)B )에서 'A' 및 'B' )를 결정할 수 있다.
In addition, the present invention establishes a database of the cloudiness and the actual solar radiation amount, and calculates a dynamic coefficient (that is, GHI = GHI clear (1 - A (C) B ).
도 1에 도시된 PREDE 사의 Skyview라는 종래 구름 관측 장치이다.
도 2는 본 발명의 일 실시 예로서, 본 발명에 따른 운량을 계산하는 방법을 나타낸 흐름도이다.
도 3은 본 발명의 일 실시 예로서, 본 발명에 따른 운량을 계산하기 위해 전천사진을 영역별로 구분한 것이다.
도 4는 본 발명의 일 실시 예로서, 영역에 따른 가중치의 특성을 도시한 도면이다.
도 5는 본 발명의 일 실시 예로서, 전천사진으로부터 계산한 운량에 기초하여 미래 운량을 예측하고, 그 예측치를 보정하는 방법을 나타낸 흐름도이다.
도 6은 시계열 회귀분석을 통한 운량 예측 방법을 도시한 도면이다.
도 7은 본 발명의 일 실시 예로서, 전천사진으로부터 계산한 운량을 이용하여 태양광 발전량을 예측하는 방법을 도시한 흐름도이다.
도 8은 실측 운량을 통해 추정된 일사량과, 실측 일사량을 비교한 도표들이다.
도 9는 본 발명의 일 실시 예로서, 본 발명에 따른 운량으로부터 일사량을 추정 시, 다이나믹 계수(dynamic coefficient)를 적용하여 실측 일사량과의 오차를 보정하는 방법을 나타낸 흐름도이다.
도 10은 본 발명의 일 실시 예로서, 본 발명에 따른 전천사진으로부터 일사량을 추정 시에, 태양 주변의 운량에 가중치를 적용하여 일사량을 측정하는 방법이다.
도 11은 본 발명의 일 실시 예로서, 태양 주변의 운량에 가중치를 적용하여 일사량을 측정하기 위해 전천사진을 영역별로 구분한 것이다. Is a conventional cloud observation device called Skyview of PREDE company shown in FIG.
2 is a flow chart illustrating a method of computing a cloud according to an embodiment of the present invention.
FIG. 3 is a diagram illustrating an embodiment of the present invention.
FIG. 4 is a diagram illustrating a characteristic of a weight according to an embodiment of the present invention.
5 is a flowchart showing a method of predicting a future cloudiness based on the cloudiness calculated from the previous photo and correcting the predicted value, according to an embodiment of the present invention.
6 is a diagram illustrating a method of predicting a cloud through time-series regression analysis.
FIG. 7 is a flowchart illustrating a method for predicting the solar power generation amount using the cloudiness calculated from an all-sky photograph according to an embodiment of the present invention.
Fig. 8 is a chart comparing the estimated solar radiation amount with the actual solar radiation amount through the actual cloudiness.
9 is a flowchart illustrating a method of correcting an error with an actual solar radiation dose by applying a dynamic coefficient when estimating the solar radiation amount from the cloud according to an embodiment of the present invention.
FIG. 10 is a method for measuring the solar radiation amount by applying a weight to the cloudiness around the sun when estimating the solar radiation amount from the all-sky photograph according to an embodiment of the present invention.
FIG. 11 is a graph illustrating the distribution of all-sky photographs in order to measure solar radiation by applying a weight to the cloudiness around the sun, according to an embodiment of the present invention.
본 발명은 구름 관측 장치 및 태양광 발전량 예측 시스템에 적용된다. 그러나, 본 발명은 이에 한정하지 않고, 본 발명의 기술적 사상이 적용될 수 있는 모든 멀티미디어 시스템 및 제어장치에 적용될 수도 있다.The present invention is applied to a cloud observation apparatus and a solar power generation prediction system. However, the present invention is not limited thereto and may be applied to all multimedia systems and control devices to which the technical idea of the present invention can be applied.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항복들 중의 어느 항목을 포함한다.Terms including ordinals, such as first, second, etc., may be used to describe various elements, but the elements are not limited to these terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component. The term " and / or " includes any combination of a plurality of related listed items or any of a plurality of related listed yields.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, but other elements may be present in between. On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 거이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify the presence of stated features, integers, steps, operations, elements, components, or combinations thereof, Should not be construed to preclude the presence or addition of one or more other features, integers, steps, operations, elements, parts, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted as either ideal or overly formal in the sense of the present application Do not.
이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예를 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to the preferred embodiments of the present invention, examples of which are illustrated in the accompanying drawings, wherein like reference numerals refer to the like elements throughout. The description will be omitted.
도 2 내지 도 8에 도시된 본 발명의 제1 기본 개념은: 1) 어안렌즈 등으로 촬영된 전천사진을 통해 운량을 계산 시에 렌즈의 왜곡을 고려하여 전천사진에서 영역 별로 가중치를 두어 보다 정확한 운량을 계산하고; 그 계산한 운량을 기초로 미래 운량을 예측할 때, 기상청 운량 예보치와 비교하여 운량 예측치의 오차를 보정하고; 또한 상기 계산한 운량값(즉, 운량 정보)를 이용하여 실시간 태양광 발전량을 예측하는 것이다.The first basic concept of the present invention shown in Figs. 2 to 8 is as follows: 1) When calculating the cloudiness through the all-sky photographs taken with a fish-eye lens or the like, considering the distortion of the lens, Calculate the cloudiness; When estimating the future cloudiness based on the calculated cloudiness, correct the error of the cloudiness prediction by comparing with the weather forecast cloudiness value; And estimates real-time photovoltaic power generation using the calculated cloudiness value (i.e., cloudiness information).
도 9 내지 도 11에 도시된 본 발명의 제2 기본 개념은: ㄱ) 상기 제1 기본 개념에 기초하여; ㄴ) 운량으로부터 일사량을 계산 시, 지역적 특성뿐만 아니라, 계절적 특성, 패널 오염 및 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 정확도를 향상시키기 위한 것으로서, ㄷ) 시간에 따라 측정한 운량과 그 운량을 측정한 각 시간에 실측한 일사량(GHI)의 데이터 히스토리를 기준으로 오차(즉, 일사량 추정값과 실측 일사량 간의 오차)를 최소화할 수 있는 다이나믹 계수 'D' 및 'E'를 궤한 루프(loop)를 통해 획득하고; ㄹ) 일사량 추정을 위해 운량 계산 시, 태양 주변의 운량에 가중치를 결정하여 전천사진의 운량을 계산하는 것이다.The second basic concept of the present invention shown in Figs. 9 to 11 comprises: a) based on the first basic concept; In order to improve accuracy by applying real time changes in energy loss due to seasonal characteristics, panel pollution, and installation environment, as well as regional characteristics, in calculation of solar radiation amount from cloudiness, D 'and' E 'capable of minimizing an error (that is, an error between the solar radiation amount estimation value and the actual solar radiation amount) based on the data history of the solar radiation amount GHI measured at each time of the measurement of the cloudiness, loop; D) To calculate the amount of solar radiation, we calculate the weight of the cloud around the sun and calculate the cloudiness of all the photographs.
도 2는 본 발명의 일 실시 예로서, 본 발명에 따른 운량을 계산하는 방법을 나타낸 흐름도이다. 2 is a flow chart illustrating a method of computing a cloud according to an embodiment of the present invention.
도 3은 본 발명의 일 실시 예로서, 본 발명에 따른 운량을 계산하기 위해 전천사진을 영역별로 구분한 것이다. 도 3의 실시 예는, 전천사진에서 영역들(즉, 영역 1 ~ 영역 n)을 천정(zenith)을 원점으로 하여 동심원의 영역으로 구분하고, 각 영역별로 서로 다른 가중치를 두어 운량 계산을 함으로써, 더욱 정확한 운량을 계산하기 위한 것이다.FIG. 3 is a diagram illustrating an embodiment of the present invention. In the embodiment of FIG. 3, the regions (i.e., the
도 2 및 도 3에 도시된 바와 같이, 본 발명의 실시 예는 렌즈(예를 들어, 어안렌즈)의 특성상 왜곡을 고려하여 촬영한 전천 사진에 영역 별(즉, 도 3과 같이 동심원 형태의 영역들, 영역 1 ~ 영역 n)로 구분하고, 각 영역에 대해 서로 다른 가중치를 설정한 후에, 각 영역별 운량을 계산하고 또한 전체 운량을 계산하는 것이다. 여기서, 어안렌즈는 화각(또는 시야각)이 180°이고, 하늘 전체를 촬영할 수 있는 렌즈의 특성이 있다. 다만, 어안렌즈는 화각이 넓은 관계로 촬영된 피사체의 왜곡이 발생한다. 즉, 이러한 어안렌즈의 특성상, 전천 사진에 촬영된 구름의 모양이나 크기도 왜곡 현상이 발생한다. 도 3에 도시된 바와 같이, 전천사진에서 천정(zenith) 부근에 있는 특정 한 개의 픽셀(설명의 편의상 제1 픽셀)과, 지평선 부근에 있는 특정 한 개의 픽셀(설명이 편의상 제2 픽셀)이 동일한 크기(넓이)에 해당한다(즉, 전천사진의 이미지에서 한 개의 픽셀이 차지하는 넓이는 렌즈의 왜곡을 고려하지 않은 것이기에 실제 피사체의 넓이와는 차이가 발생한다). 하지만, 어안렌즈의 특성상, 제1 픽셀의 실제 넓이는 제2 픽셀의 실제 넓이보다 작다. 왜냐하면, 전천사진의 가장자리(예를 들어, 영역 n)가 가장 렌즈 왜곡 현상이 심하여, 실제 피사체의 넓이도 왜곡되어 촬영되기 때문이다.As shown in FIGS. 2 and 3, the embodiment of the present invention is characterized in that the characteristics of the lens (for example, a fish-eye lens) And
따라서, 본 발명은, 이러한 전천사진의 왜곡 이미지로부터 운량 측정에 오차가 발생을 보정하고, 또한 정확한 운량을 측정하기 위해 착안한 것이며, 이러한 착안점을 구현하기 위해 촬영된 전천사진에서 왜곡되는 정도에 따라 영역들(예를 들어, 도 3과 같이 영역을 구분함)을 구분하고 각 영역에 렌즈의 왜곡을 보정할 수 있는 서로 다른 가중치를 설정하여 각 영역별로 운량을 계산(측정)하는 방법을 제공한다.Accordingly, the present invention has been made to compensate for the occurrence of errors in the measurement of cloudiness from the distorted images of all-sky photographs and also to measure the accurate cloudiness. In order to realize such a point of view, There is provided a method of dividing the regions (for example, dividing the regions as shown in FIG. 3) and setting different weight values for correcting the distortion of the lens in each region to calculate (measure) the brightness for each region .
이하, 도 2 및 도 3을 참조하여 본 발명에 따른 전천사진으로부터 운량을 계산하는 방법을 상세히 설명한다.Hereinafter, a method of calculating the cloudiness from the all-sky photograph according to the present invention will be described in detail with reference to FIG. 2 and FIG.
구름 관측용 장치에 구비된 어안렌즈로 전천사진을 촬영한다(S21). 상기 촬용된 전천사진은 구름영역과 하늘부분으로 분리되도록 이미지 프로세싱 작업이 이루어진다(S22). 이때, 촬영된 전천사진에서 파랑색 부분은 빈 하늘(즉, 구름이 없는 영역)로 인식하고, 전천사진에서 흰색 부분은 구름으로 인식한다. The all-sky photograph is taken with the fish-eye lens provided in the apparatus for observing the clouds (S21). An image processing operation is performed so that the photographed pre-photograph is separated into a cloud area and a sky part (S22). At this time, the blue color portion is recognized as an empty sky (that is, a cloudless region), and the white portion is recognized as a cloud.
촬영된 전천사진은 어안렌즈의 특성상, 왜곡된 이미지이므로, 전천사진에 보여지는 빈 하늘과 구름의 영역 크기 및 모양도 왜곡된 이미지가 된다. 따라서, 도 3과 같이, 전천사진에서 중심점을 기준으로 동심원 형태의 영역을 N개(즉, 1 ~ n)로 분할한다(S23). 각 영역은 렌즈의 왜곡율이 유사한 부분에 해당한다. Because of the distorted image of the fisheye lens, the size and shape of the blank sky and the cloud appear in the photographs of all fisheye are distorted images. Accordingly, as shown in FIG. 3, a concentric region is divided into N regions (i.e., 1 to n) based on the center point in the pre-panoramic photograph (S23). Each region corresponds to a portion where the distortion rate of the lens is similar.
상기 S23 과정에서 분할된 N 개의 각 영역에 대해 운량을 계산한다(S24). 이때, 각 영역의 운량을 계산하는 수학식 1과 같다.The cloudiness is calculated for each of the N regions divided in the step S23 (S24). At this time,
[수학식 1][Equation 1]
Ci = i 영역에서 구름의 픽셀 수 / i 영역에서 전체 픽셀 수C i = number of pixels in cloud in i area / number of pixels in i area
여기서, i = 1, 2, ...., nWhere i = 1, 2, ...., n
즉, 수학식 1에서 i는 상기 분할된 n개의 영역 중 임의의 특정 영역을 가리킨다.That is, i in Equation (1) indicates an arbitrary specific one of the divided n regions.
상기 S23 단계에서, 수학식 1을 통하여 계산된 각 영역의 운량은 어안렌즈의 왜곡 특성이 반영된 이미지에서 추출된 것이기 때문에, 각 영역별로 분포된 구름의 양을 정확히 측정하였다고 볼 수 없다. 예를 들어, 도 3의 전천사진에서 영역 1에서 영역 n으로 갈수록 이미지의 왜곡이 심하다. 예를 들어, 영역 n에서 측정된 구름에 해당하는 부분(영역)의 픽셀 수와, 영역 1에서 측정된 구름에 해당하는 부분(영역)의 픽셀 수가 같다고 가정할 때, 영역 n과 영역 1에서 측정된 구름의 양이 실제로 같다고 할 수 없다. 따라서, 각 영역별(즉, 영역 1 ~ 영역 n)로 가중치를 적용하여, 수학식 2를 통해 전체 운량을 계산한다(S25). In the step S23, since the cloudiness of each region calculated through Equation (1) is extracted from the image reflecting the distortion characteristics of the fisheye lens, the amount of cloud distributed by each region can not be accurately measured. For example, in the full-length photograph of FIG. 3, the image is distorted from
[수학식 2]&Quot; (2) "
여기서, i = 1, 2, ...., nWhere i = 1, 2, ...., n
즉, 수학식 2는 수학식 1(Ci)에 각 영역별 가중치(즉, αi)를 곱한 후, 합한 값이다. 다시 말해서, 수학식 1을 이용하여 구한 각 영역별 운량(즉, Ci)에 각 영역별 가중치(즉, αi)를 곱하여, 렌즈의 왜곡을 보정한 각 영역별 운량(즉, αi*Ci)을 구한다. 총 운량은 '영역 1'에서 '영역 n'까지의 운량을 합한 값이 된다. 즉,총운량(C)는 α1 * C1 + α2 * C2 + ....+ αn * Cn 이다.That is, Equation (2) is a value obtained by multiplying Equation 1 (Ci) by a weight for each region (i.e.,? I ). In other words, the brightness per area (i.e., 留i * Ci ( i )) obtained by multiplying the brightness (i.e., Ci) ). Total cloudiness is the sum of cloudiness from 'zone 1' to 'zone n'. That is, the total cloudiness (C) is α 1 * C 1 +? 2 * C 2 + .... + alpha n * C n .
한편 가중치 αi는, 실험 데이터에 의해 구할 수 있는 것으로서, 도 3의 전천사진에서 왜곡이 가장 적은 영역인 영역 1에서 가장 작은 값으로 설정되고, 왜곡이 가장 심한 영역인 '영역 n'에서 가장 큰 값을 갖는다. 즉, 가중치는 α1 + α2 + ....+ αn = 1 이고, α1 < α2 < ....< αn 과 같은 특성이 있다. 다시 말해서, 가중치 αi는, '영역 1'에서 '영역 n'까지의 범위에서 도 4와 같은 특성을 갖는다. In the meantime, the weight α i is set to the smallest value in the
이상과 같이, 도 2 및 도 3에 도시된 방법을 통하여, 본 발명은 전천 각도(Zenith angle)에 따라 서로 다른 가중치를 적용하여 더욱 정확한 운량을 계산할 수 있다.As described above, through the method shown in FIGS. 2 and 3, the present invention can calculate the more accurate cloudiness by applying different weights according to the zenith angle.
한편, 가중치를 설정하는 또 다른 실시 예로서, 도 2 및 도 3과 같이, 수학적 계산을 통해 영역들을 단계적으로 나누지 않고, 연속적으로 가중치를 적용할 수도 있다. On the other hand, as another embodiment for setting the weights, it is also possible to apply the weights successively without dividing the regions step by step through mathematical calculation, as in Figs. 2 and 3.
도 5는 본 발명의 일 실시 예로서, 전천사진으로부터 계산한 운량에 기초하여 미래 운량을 예측하고, 그 예측치를 보정하는 방법을 나타낸 흐름도이다.5 is a flowchart showing a method of predicting a future cloudiness based on the cloudiness calculated from the previous photo and correcting the predicted value, according to an embodiment of the present invention.
도 5의 실시 예는 본 발명에 따른 운량의 측정값에 기초한 운량 예측값이 기상청 예보 운량과 차이가 클 경우에 기상청의 운량 예보치를 참조하여 운량 예측값을 보정하는 것이다.In the embodiment of FIG. 5, when the predicted value of the cloud based on the measured value of the cloud according to the present invention is large compared to the weather forecast, the forecast value of the cloud is corrected by referring to the weather forecast of the weather station.
특히, 도 5의 실시 예는 시계열회귀분석을 통해 미래의 운량을 예측한다. 여기서, '시계열회귀분석'이란, 시간에 따라 변화하는 운량(예를 들어, 도 2 및 도 3의 실시 예를 통해 계산한 운량)을 예측하여 계산하는 것이다. 특히, 도 5의 실시 예는 직전의 운량변화가 클 경우 미래 운량 값의 변화도 지나치게 크게 나타나는 경우가 있는데, 이러한 경우 기상청 운량 예보치를 참고하여 운량 예측값이 특정 범위를 벗어나지 않도록 함으로써, 안정적인 운량 예측을 하는 것이다.In particular, the embodiment of FIG. 5 predicts future cloudiness through time series regression analysis. Here, the 'time series regression analysis' is to predict and calculate the cloudiness that varies with time (for example, the cloudiness calculated through the embodiment of FIGS. 2 and 3). In particular, in the embodiment of FIG. 5, when the immediately preceding change in the cloudiness is large, the change of the future cloudiness value is too large. In such a case, by referring to the weather forecast of the weather station, .
이하, 도 5를 참조하여 더욱 상세히 설명한다.Hereinafter, this will be described in more detail with reference to FIG.
구름 관측용 장치에 구비된 어안렌즈로 전천사진을 촬영한다(S51). 상기 촬영된 전천사진은 구름영역과 하늘부분으로 분리되도록 이미지 프로세싱 작업이 이루어진다(S52). 이때, 촬영된 전천사진에서 파랑색 부분은 빈 하늘(즉, 구름이 없는 영역)로 인식하고, 전천사진에서 흰색 부분은 구름으로 인식한다. The all-sky photograph is taken with the fish-eye lens provided in the apparatus for observing the clouds (S51). An image processing operation is performed so that the photographed pre-photograph is separated into a cloud area and a sky part (S52). At this time, the blue color portion is recognized as an empty sky (that is, a cloudless region), and the white portion is recognized as a cloud.
상기 이미지 프로세싱 작업이 이루어진 전천사진으로부터 해당 지역의 운량을 계산한다(S53). 이때, 일 예로서, 상기 S53에서 운량을 계산할 때, 도 2의 S23 및 S24의 동작이 수행될 수도 있다.The cloudiness of the area is calculated from the all-sky photograph in which the image processing operation is performed (S53). At this time, as an example, when calculating the cloudiness in S53, the operations of S23 and S24 of FIG. 2 may be performed.
그리고, 본 발명에 따른 구름 관측 장비는 상기 계산된 운량에 기초하여 미리 설정된 시간 간격으로 미래의 운량을 예측한다(S54). 상기 S54단계에서, 운량의 예측은 전천사진을 기반으로 한 것으로서, 이는 특정 지역의 초단기(예를 들어, 2시간 이하 간격의 예보) 운량 예측에 적합한 방식이다. 그리고, 현재와 과거의 전천 사진에 구름의 수평이동 양상을 반영하는 모션 벡터(motion vector)를 추출하여 미래의 운량 정보를 예측한다. 그리고, 구름의 이동 속도에 따라 예측 가능한 시간 범위가 달라진다. 그런데, 이러한 전천 사진에서 얻은 운량 수치 정보를 시계열 분석하여 예측하면, 갑작스러운 기상 변화 대처가 어렵다. 그런데, 각 국의 기상청은 향후 3일간의 날씨를 3시간 간격으로 예측하여 제공한다. 따라서, 중단기 예보(예를 들어, 3시간 이상 간격의 예보)를 제공하는 기상청 예보를 이용하여, 전천 사진에서 운량 예측의 오차를 보정할 수 있다. 한편, 도 6은 시계열 회귀분석을 통한 운량 예측 방법을 도시한 도면이다. 즉, 도 6에 도시된 바와 같이, 예를 들어 현재시간(t) 이전까지의 운량의 변화 추세를 계측정한 것을 기초로 미래시간(t+1)의 미래 운량을 예측할 수 있다. The cloud observing apparatus according to the present invention predicts future cloudiness at a predetermined time interval based on the calculated cloudiness (S54). In step S54, the prediction of the cloudiness is based on the panorama photograph, which is a method suitable for predicting the short-term (for example, an interval of less than two hours) of a specific region. Then, a motion vector reflecting the horizontal movement pattern of the cloud is extracted from the current and past all-sky photographs to predict the future cloud information. Then, the predictable time range varies depending on the cloud moving speed. However, sudden change of weather is difficult to cope with by estimating the time series of the cloud information obtained from the previous photo. However, the Meteorological Agency of each country predicts and provides the weather for the next three days at intervals of three hours. Thus, using meteorological forecasts that provide mid-term forecasts (e.g., forecasts of intervals over three hours), the error of the cloud forecasts can be corrected in all-sky photographs. Meanwhile, FIG. 6 is a diagram illustrating a method of predicting a cloud through a time series regression analysis. That is, as shown in FIG. 6, the future cloudiness of the future time (t + 1) can be predicted based on measurement of the change tendency of the cloud up to the current time (t), for example.
그리고, 상기 S54단계에서 시계열회귀분석을 통해 예측한 운량 예측치와 기상청이 제공하는 운량 예보치 간에 오차를 계산한다(S55). 이때, 계산된 오차가 임계값 이상이면, 그 오차를 보정하여 최종 운량의 예측치를 결정한다(S56 및 S57). 하지만, 상기 S55 단계에서 계산한 오차가 임계값 이하일 경우, 오차 보정이 필요없기 때문에 S54단계에서 계산된 운량 예측치가 최종 운량 예측치로 결정된다(S57). 여기서, 상기 임계값은, 일 예로서, S55에서 계산한 오차의 정규 분포를 통해 결정할 수 있다. 즉, 오차 값이 전체 오차의 분포에서 특정 범위를 벗어날 경우에 해당하는 값(예를 들어, 전차 오차의 분포에서 상위 95% 이상)으로 미리 설정할 수 있다.In step S54, an error is calculated between the predicted cloudiness estimated through the time series regression analysis and the cloud forecast provided by the Korea Meteorological Administration (S55). At this time, if the calculated error is greater than or equal to the threshold value, the error is corrected to determine the predicted value of the final cloudiness (S56 and S57). However, if the error calculated in step S55 is equal to or less than the threshold value, since the error correction is not necessary, the estimated cloudiness value calculated in step S54 is determined as the final cloudiness predicted value (step S57). Here, the threshold may be determined through a normal distribution of the error calculated at S55, for example. That is, the error value can be preset to a value (for example, higher than 95% in the distribution of the tram error) corresponding to a case where the error value deviates from the specific range in the distribution of the total error.
이상과 같이, 전천사진을 통해 운량을 계산 및 예측하는 경우에 있어서, 기상이 급변하는 경우엔 운량의 예측치가 오류가 발생할 수 있지만, 도 5의 실시 예와 같이, 기상청의 운량 예보치를 이용하여 오차를 계산하고 그 오차를 보정함으로써, 더욱 정확한 운량을 예측할 수 있다.As described above, in the case of calculating and predicting the cloudiness through the all-sky photograph, the forecast value of the cloudiness may cause an error in the case of a sudden change of the vapor phase. However, as in the embodiment of Fig. 5, And correcting the error, it is possible to predict a more accurate lightness.
도 7은 본 발명의 일 실시 예로서, 전천사진으로부터 계산한 운량을 이용하여 태양광 발전량을 예측하는 방법을 도시한 흐름도이다. FIG. 7 is a flowchart illustrating a method for predicting the solar power generation amount using the cloudiness calculated from an all-sky photograph according to an embodiment of the present invention.
태양광 발전량에 영향을 미치는 요소로는 발전시스템 특성, 패널 온도, 일사량 등이 있으며, 그 중 운량 및 일사량은 변동폭이 크므로 태양광 발전량 예측에 핵심적인 부분을 차지한다. Factors influencing solar power generation include power generation system characteristics, panel temperature, and solar radiation, among which cloud and solar radiation vary widely and are therefore a key part of solar power generation forecast.
도 7의 실시 예에 따른 태양광 발전량 예측 방법 및 장치는, 도 2 및 도 3의 실시 예를 통해 계산된 운량을 이용하여 실시간으로 태양광 발전량을 예측할 수 있다. The method and apparatus for estimating the solar power generation amount according to the embodiment of FIG. 7 can predict the solar power generation amount in real time using the cloudiness calculated through the embodiment of FIGS.
도 7을 참조하면, 도 7의 S71 내지 S74는 도 5의 S51 내지 S54와 동일하다. 따라서, 도 7에서 S71 내지 S74의 각 단계에 해당 동작의 설명은 도 5의 대응하는 각 단계의 해당 동작의 설명이 그대로 적용된다. 즉, 요약하면, 전천사진을 촬영하고, 이미지 프로세싱 처리된 전천사진을 통해 촬영한 지역의 운량을 계산한다. 그리고, 시계열회귀분석을 통한 미래 운량(C)을 예측한다(S71 ~ S74).Referring to Fig. 7, S71 to S74 in Fig. 7 are the same as S51 to S54 in Fig. Therefore, in the explanation of the corresponding operation in each step of S71 to S74 in Fig. 7, the description of the corresponding operation in each corresponding step in Fig. 5 is directly applied. In other words, in summary, we take all-time photographs and calculate the cloudiness of the area photographed by the all-processed image processing. Then, the future cloudiness (C) is predicted through time series regression analysis (S71 to S74).
상기 단계들을 통해 획득한 미래 운량 예측값(또는, 예측정보)를 이용하여 미래 일사량(solar irradiance)를 추정할 수 있다(S77). 즉, 수학식 3을 이용하여The future solar irradiance can be estimated using the future cloud forecast value (or prediction information) obtained through the above steps (S77). That is, using Equation 3,
미래 일사량을 측정할 수 있다.You can measure future solar radiation.
[수학식 3]&Quot; (3) "
수학식 3에서 'Sky Cover'는 운량을 가리키며, 수학식 2의 'C'에 해당한다.In Equation (3), 'Sky Cover' refers to cloudiness and corresponds to 'C' in Equation (2).
'GHIclear' 는 맑은 하늘(즉, 청천 또는 clear sky)의 일사량을 가리킨다. 'GHI clear ' refers to the amount of solar radiation in clear sky (ie clear sky or clear sky).
수학식 3에서 계수 A와 계수 B는 적용 위치 및 기후에 따라 서로 다른 최적의 상수 값이나 변수 값이 적용된다. 예를 들어, 상수 값은 Kasten F.와 G. Czeplak에 의해 A=0.75, B=3.4 이다. 본 발명에 따라 계수 A와 계수 B는 유동적으로 값을 결정함으로써, 미래 일사량을 더욱 정확히 예측할 수 있다.In Equation (3), the coefficient A and the coefficient B are applied with different optimal constant values or variable values depending on the application position and climate. For example, constant values are A = 0.75 and B = 3.4 by Kasten F. and G. Czeplak. According to the present invention, the coefficient A and the coefficient B determine the future value of the solar radiation amount more accurately by determining the value by the fluidity.
한편, 도 8은 실측 운량을 통해 추정된 일사량과, 실측 일사량을 비교한 도표들이다. 도 8은 맑은 날, 흐린 날, 운량 변화가 심한 날로 구분하여 수학식 2로 계산한 추정 일사량과 실측 일사량을 도시한 것이다.On the other hand, FIG. 8 is a chart comparing the estimated solar radiation amount with the actual solar radiation through the actual cloudiness. FIG. 8 shows the estimated solar irradiance and the actual solar irradiance calculated by Equation (2) for a clear day, a cloudy day, and a severely cloudy day.
상기 S77단계에서 수학식 3을 통해 미래 일사량을 추정할 때,When the future solar radiation amount is estimated through the equation (3) in step S77,
위도와 경도와 일시 등을 고려하고 맑은 하늘(청천공)에서의 일사량을 먼저 계산하고(즉, 'GHIclear'), 이를 기초해서 상기 S77 단계에서 계수 A와 계수 B를 결정한 후, 수학식 3을 통해 미래 일사량을 추정한다. (Ie, 'GHI clear ') in consideration of the latitude, longitude, and the date and time, and determines the coefficient A and the coefficient B in the step S77 based on the calculation, To estimate future solar radiation.
한편, 상기 S72의 이미지 프로세싱 단계 후, 전청사진을 픽셀 수로 운량을 계산하는 것이 아니라, 모션 벡터를 통해 미래 구름 이미지를 예측하고 해당 지역(즉, 전천사진의 촬영 지역)의 미래 운량을 계산하는 과정이 선택적으로 수행될 수도 있다(S75 및 S76).After the image processing step of S72, instead of calculating the blueness by the number of pixels of the entire blueprint, the process of predicting the future cloud image through the motion vector and calculating the future cloudiness of the corresponding region (that is, May be performed selectively (S75 and S76).
상기 미래 일사량을 추정한 정보를 기반으로, 발전 시스템의 정보를 이용하면, 태양광 발전량을 예측할 수 있다(S78). If the information of the power generation system is used based on the information on the future solar radiation amount estimation, the solar power generation amount can be predicted (S78).
도 9는 본 발명의 일 실시 예로서, 본 발명에 따른 운량으로부터 일사량을 추정 시, 다이나믹 계수(dynamic coefficient)를 적용하여 실측 일사량과의 오차를 보정하는 방법을 나타낸 흐름도이다.9 is a flowchart illustrating a method of correcting an error with an actual solar radiation dose by applying a dynamic coefficient when estimating the solar radiation amount from the cloud according to an embodiment of the present invention.
도 9에서 다이나믹 계수는 수학식 4에서 A 및 B를 가리킨다. In Fig. 9, the dynamic coefficients indicate A and B in Equation (4).
[수학식 4]&Quot; (4) "
GHI/GHIclear = 1 - A(C)B GHI / GHI clear = 1 - A (C) B
수학식 4는 GHI= GHIclear (1 - A(C)B )로 표현할 수 있다. 수학식 4는 수학식 3을 다르게 표현한 것 뿐이다. 즉, 수학식 4에서 'C'는 운량을 가리키며, 수학식 3의 'Sky Cover'와 같다.Equation 4 shows that GHI = GHI clear (1 - A (C) B ). Equation (4) is only a different expression of Equation (3). That is, 'C' in Equation (4) indicates cloudiness, and Equation (3) is equivalent to 'Sky Cover'.
종래 기술에서는 지역별로 고정된 계수를 적용하였는데, 이는 계절별 특성, 패널 오염, 설치환경에 따른 에너지 손실 등의 변화를 고려하지 않아서 일사량 추정값이 실측 일사량과 오차가 발생가 발생하였다. In the prior art, a fixed coefficient is applied to each region, which does not take into consideration changes in seasonal characteristics, panel contamination, and energy loss due to the installation environment, so that the estimated solar radiation amount has an error with the actual solar radiation amount.
따라서, 도 9의 실시 예는 종래 기술에서 일사량 추정값이 실측 일사량과의 오차를 줄이기 위해 착안한 것이다.Therefore, the embodiment of FIG. 9 is designed to reduce the error between the solar radiation amount estimation value and the actual solar radiation amount in the prior art.
즉, 도 9의 실시 예는 운량으로부터 일사량을 계산 시, 지역적 특성뿐만 아니라, 계절적 특성, 패널 오염 및 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 정확도를 향상시키기 위한 것이다. 이를 위해, 시간에 따라 측정한 운량과 동일 시간에 따라 실측한 일사량(GHI)의 데이터 히스토리를 기준으로 오차(즉, 일사량 추정값과 실측 일사량 간의 오차)를 최소화할 수 있는 다이나믹 계수 'A' 및 'B'를 도 9의 흐름도에 표현된 궤한 루프(loop)를 통해 획득하는 것이다.In other words, the embodiment of FIG. 9 is intended to improve accuracy by applying not only regional characteristics but also seasonal characteristics, energy loss due to panel contamination, and installation environment, in real time, when calculating the solar radiation amount from the cloud. To this end, the dynamic coefficients 'A' and 'A' which minimize the error (that is, the error between the solar radiation estimated value and the actual solar radiation) based on the data history of the actual solar radiation amount GHI measured at the same time, B 'through the loop shown in the flow chart of FIG.
도 9를 참조하여 보다 상세히 설명하면, '수학식 2'를 이용하여 운량 'C'를 구한다(S91). 상술한 바와 같이, 수학식 2는 전천사진에서 렌즈의 왜곡을 보정하기 위해 가중치를 적용한 것이다. 한편, 운량 'C'는 '수학식 2'를 이용하지 않고, 종래 방법을 통해 측정한 운량 일 수도 있다.More specifically, referring to FIG. 9, a cloudiness 'C' is obtained using Equation (2) (S91). As described above, Equation (2) is weighted to correct distortion of the lens in all-sky photographs. On the other hand, the cloudiness 'C' may be the cloudiness measured by the conventional method without using Equation (2).
상기 S91에서 산출한 운량 'C'과 일사량 공식(즉, 수학식 3)을 통해 추정 일사량(이하, 편의상 'GHIcal'이라 한다)을 구한다(S92). 이때, '수학식 3'에서 계수 'A' 및 'B'는 추정 일사량('GHIcal')과 실측 일사량(이하, 편의상 'GHI'이라 한다) 간의 오차가 최소가 되도록 결정된다. (Hereinafter, referred to as' GHI cal 'for convenience' sake) using the cloudiness' C 'calculated in S91 and the solar radiation amount formula (ie, Equation 3) (S92). In this case, the coefficients 'A' and 'B' in Equation (3) are determined so that the error between the estimated solar irradiance ('GHI cal ') and the actual solar irradiance (hereinafter referred to as 'GHI' for convenience) is minimized.
상기 계수 'A' 및 'B'를 결정하는 방법을 보다 상세히 설명하면 다음과 같다. 즉, 상기 S92단계에서 측정한 운량 'C'와 실측으로 측정한 일사량(GHI)의 데이터들의 기록들이 데이터베이스(또는 저장부)에 저장된다(S93). 상기 데이터베이스에 저장된 운량 'C'의 기록들과 각 운량 'C'을 측정한 시점에 각각 대응하는 실측 일사량(GHI)을 이용하여, 특정 시점에서의 실측 일사량과 추정 일사량(즉, S92에서 계산된 것임) 간의 차이(일명, '평균 추정 에러'라 한다)가 최소가 되도록, 상기 계수 'A' 및 'B'를 결정한다.A method of determining the coefficients 'A' and 'B' will be described in more detail as follows. That is, the data of the cloudiness 'C' measured in the step S92 and the data of the irradiation amount GHI measured by the actual measurement are stored in the database (or the storage unit) (S93). (GHI) corresponding to each of the records of the cloudiness 'C' stored in the database and the measurement of each cloud 'C', the actual solar radiation amount at the specific time point and the estimated solar radiation amount A 'and' B 'are determined such that the difference (i.e., the' average estimation error '
즉, 다시 말해서, '평균 추정 에러(즉, GHI - GHIcal)'가 최소값이 나오도록, '수학식 3' 또는 '수학식 4'에서 'A' 및 'B' 계수 값을 도출한다(S94).In other words, the A and B coefficient values are derived from Equation (3) or Equation (4) so that the average estimation error (i.e., GHI - GHI cal ) ).
상기 S93 및 S94를 통하여 획득한 새로운 계수 'A' 및 'B'는 상기 S92 추정 일사량을 계산할 때, 수학식 3의 계수들로 적용된다(S95).The new coefficients 'A' and 'B' obtained through S93 and S94 are applied to the coefficients of the equation (3) when calculating the S92 estimated solar irradiance (S95).
이상과 같이, 도 9의 실시 예는 측정한 운량 'C'를 이용하여 계산한 추정 일사량('GHIcal')을 도출 시에, 실측 일사량(GHI)과 오차가 최소가 되도록 다이나믹 계수 'A' 및 'B' 결정할 수 있다. 다이나믹 계수 'A' 및 'B' 결정은, 곧 지역적 특성 뿐 아니라, 계절별 특성, 패널 오염 등의 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 반영한 결과인 것이다. As described above, in the embodiment of FIG. 9, when deriving the estimated solar irradiance ('GHI cal ') calculated using the measured cloudiness 'C', the dynamic coefficient 'A' is set such that the error with the actual solar radiation GHI is minimized. And 'B'. The determination of dynamic coefficients 'A' and 'B' is a result of real-time reflection of not only regional characteristics but also seasonal characteristics and energy loss due to installation environment such as panel contamination.
도 10은 본 발명의 일 실시 예로서, 본 발명에 따른 전천사진으로부터 일사량을 추정 시에, 태양 주변의 운량에 가중치를 적용하여 일사량을 측정하는 방법이다.FIG. 10 is a method for measuring the solar radiation amount by applying a weight to the cloudiness around the sun when estimating the solar radiation amount from the all-sky photograph according to an embodiment of the present invention.
도 11은 본 발명의 일 실시 예로서, 태양 주변의 운량에 가중치를 적용하여 일사량을 측정하기 위해 전천사진을 영역별로 구분한 것이다. 도 11에 도시된 바와 같이, 태양의 빛으로 인하여 태양 주변의 구름이 존재 유무에 인식 오류가 발생하는 영역이 있을 수 있다. 도 10에서 운량을 계산 시, 태양 주변의 운량에 가중치를 적용하기 위한, 영역의 분할은 다양하게 실시될 수 있다. 예를 들어, 도 11과 같이, 전천사진의 중심, 즉 천정(zenith) 주변의 영역(즉, 영역 3)과, 어안렌즈의 왜곡이 심하게 발생하는 영역(즉, 영역 2)과, 태양으로 인하여 구름의 양 계산에 오차가 발생하는 영역(즉, 영역 1)으로 분할할 수 있다.FIG. 11 is a graph illustrating the distribution of all-sky photographs in order to measure solar radiation by applying a weight to the cloudiness around the sun, according to an embodiment of the present invention. As shown in FIG. 11, there may be a region in which a recognition error occurs due to the sunlight or not due to the presence of clouds around the sun. In the calculation of the cloud in FIG. 10, the division of the region for applying the weight to the cloud around the sun can be variously implemented. For example, as shown in Fig. 11, the center of the pre-panorama photograph, i.e., the area around the zenith (i.e., area 3), the area where the fisheye lens is severely distorted (I.e., region 1) where an error occurs in the calculation of the amount of cloud.
도 10 및 도 11에 도시된 본 발명은, 이러한 태양 주변의 구름 양을 정확히 산출하여 일사량을 추정하기 위한 것이다. 이를 위해, 본 발명의 실시 예는 전천사진에서 운량을 정확히 계산하기 위해, 적어도 하나 이상의 영역으로 분할하고; 각 분할한 영역에 가중치를 적용하여 각 영역별 운량을 계산한 후; 전천사진의 전체 운량을 도출한다; 그리고, 그 도출한 전체 운량을 이용하여 일사량을 추정하는 것이다. The present invention shown in Figs. 10 and 11 is for estimating the solar radiation amount by accurately calculating the amount of cloud around the sun. To this end, embodiments of the present invention divide into at least one region to accurately calculate cloudiness in pre-panoramic photographs; Weights are applied to each divided region to calculate the cloudiness for each region; Derive the total cloudiness of all-sky photographs; Then, the solar radiation amount is estimated using the derived total light amount.
도 10 및 도 11의 실시 예에서, 태양 주변의 운량 계산에 적용될 가중치는 수학식 5를 통하여 얻을 수 있다. 10 and 11, the weight to be applied to the calculation of the cloud around the sun can be obtained by the equation (5).
[수학식 5]&Quot; (5) "
C = d(C1) + e(C2 + C3)C = d (C1) + e (C2 + C3)
수학식 5에서 'C'는 도 11의 전천사진에 나타난 전체 운량이고, 'C1'는 도 11의 '영역 1'의 운량이고, 'C2'는 도 11의 '영역 2'의 운량이고, 'C3'는 도 11의 '영역 3'의 운량이다.11, 'C' is the total amount of light shown in the photograph of FIG. 11, 'C1' is the lightness of the 'region 1' of FIG. 11, 'C2' is the lightness of the
즉, 도 10 및 도 11의 실시 예는, 전천사진으로부터 운량을 통해 일사량을 계산 시, 태양 주변 영역에 분포된 구름의 양을 정확히 계산하기 위한 보정 방법이다.That is, the embodiment of FIGS. 10 and 11 is a correction method for accurately calculating the amount of clouds distributed in the region around the sun when calculating the solar radiation amount through the cloud from the all-sky photograph.
도 10을 참조하면, 구름 관측용 장치에 구비된 어안렌즈로 전천사진을 촬영한다(S101). 상기 촬용된 전천사진은 구름영역과 하늘부분으로 분리되도록 이미지 프로세싱 작업이 이루어진다(S102). 이때, 촬영된 전천사진에서 파랑색 부분은 빈 하늘(즉, 구름이 없는 영역)로 인식하고, 전천사진에서 흰색 부분은 구름으로 인식한다. Referring to FIG. 10, an all-sky photograph is taken with a fish-eye lens provided in the apparatus for observing a cloud (S101). An image processing operation is performed so that the photographed precinct is separated into a cloud area and a sky part (S102). At this time, the blue color portion is recognized as an empty sky (that is, a cloudless region), and the white portion is recognized as a cloud.
상기 이미지 프로세싱 작업이 이루어진 전천사진으로부터 태양주변의 영역을 설정한다(S103). 이때, 위도, 경도 및 일시를 이용하여 태양의 방위각을 계산함으로써 태양 위치를 도출하고, 그 도출된 태양 위치를 참조하여, 예를 들어, 도 1과 같이 태양 주변의 영역(즉, 영역 1)을 설정한다. 또한, '영역 1'이외에도, '영역 2'와 '영역 3'을 분할하여 설정한다.A region around the sun is set from the pre-panoramic image in which the image processing operation is performed (S103). At this time, the sun position is derived by calculating the azimuth angle of the sun using the latitude, the longitude, and the date and, referring to the derived sun position, for example, the area around the sun Setting. In addition to 'area 1', 'area 2' and 'area 3' are divided and set.
그리고, 각 영역 별로 운량을 계산한다(S104). 이때, 수학식 2를 이용하여 각 영역별 가중치(이는 운량의 계산 시, 렌즈의 왜곡을 보정하기 위한 가중치이다)를 적용시켜 영역별 운량을 계산할 수도 있다.Then, the cloudiness is calculated for each area (S104). At this time, the weight per area may be calculated by applying Equation (2), which is a weight for correcting the distortion of the lens in calculation of the brightness.
수학식 5를 이용하여 전천사진의 전체 운량을 계산한다(S105). 즉, '영역 1'의 가중치 'A'와 '영역 1'이외의 영역들의 가중치 'B'를 적용시켜, 전천사진으로부터 전체 운량을 계산한다. Using Equation (5), the total lightness of the all-sky photograph is calculated (S105). That is, the total brightness is calculated from the previous photographs by applying the weight 'A' of 'region 1' and the weight 'B' of regions other than 'region 1'.
상기 S105에서 계산한 전체운량과, 일사량 공식(즉, 수학식 3)을 이용하여 일사량을 추정한다.The solar radiation amount is estimated using the total cloud amount calculated in S105 and the solar radiation amount formula (i.e., Equation (3)).
한편, 태양의 위치가 '영역 1'에서 '영역 3'으로 이동한 경우에 있어서, 전천사진으로부터 전체 운량은, 'C = d(C3) + e(C1 + C2)'으로 계산될 것이다. 즉, 태양 주변 영역의 운량을 정확히 계산하기 위해 적용되는 가중치 'd'가, '영역 3'에 적용될 것이다.On the other hand, when the position of the sun moves from 'region 1' to 'region 3', the total cloudiness from the previous photograph will be calculated as 'C = d (C3) + e (C1 + C2)'. That is, the weight 'd' applied to accurately calculate the cloudiness of the area around the sun will be applied to the 'area 3'.
이상과 같이, 태양 주변의 운량에 가중치를 적용함으로써, 태양 주변의 구름 양을 계산 시 발생할 수 있는 오차를 보정할 수 있다. 따라서, 태양 주변의 운량에 가중치를 적용하여, 전천사진에서 보장 정확한 일사량을 추정할 수 있다.
As described above, by applying weights to the cloudiness around the sun, it is possible to correct errors that may occur when calculating the amount of clouds around the sun. Thus, by applying weights to the cloudiness around the sun, it is possible to estimate the correct solar radiation to be guaranteed from all-sky photographs.
이하, 본 발명에 따른 태양광 발전량 예측 장치를 설명한다. Hereinafter, an apparatus for predicting solar power generation amount according to the present invention will be described.
본 발명에 따른 태양광 발전량 예측 장치는 하늘의 구름을 촬영하는 카메라와, 촬영한 전천사진을 이미지 처리하는 이미지 프로세서와, 전천사진을 저장하고, 운량 및 실측 일사량 데이터를 저장하는 메모리(저장부 또는 데이터베이스)와, 전천사진을 표시하는 디스플레이와 같은 장치의 기본 구성 이외에도, 도 2 내지 도 11의 실시 예를 수행할 수 있는 처리부(또는, '제어부', '알고리즘 수행 모듈' 또는 '모듈' 등으로 칭할 수 있다)를 포함하는 것이 특징이다.An apparatus for predicting solar power generation according to the present invention includes a camera for photographing a sky cloud, an image processor for image processing the photographed panorama image, a memory (storage unit or memory) for storing all- (Or " control unit ", " algorithm execution module ", or " module ", etc.) capable of performing the embodiments of FIGS. 2 to 11, as well as the basic configuration of the apparatus, And the like).
즉, 본 발명에 따른 상기 처리부는 촬영한 전천사진에서 태양의 위치를 계산하고, 그 계산한 태양의 위치에 기초하여 전천사진에서 태양 주변의 영역(예를 들어, 도 11에서 '영역 1')과 그 이외의 영역으로 분할하여 설정하고, 그 설정한 영역 중 태양 주변의 영역에 적용할 가중치(즉, 수학식 5에서 'd')를 결정하고, 상기 결정된 영역의 가중치를 이용하여 수학식 5를 수행함으로써 전천사진으로부터 전체 운량을 계산하는 동작을 처리한다. 또한, 상기 처리부는 위도, 경도, 일시의 데이터를 이용하여 태양의 위치를 계산하고, 그 계산한 태양의 위치에 기초하여 전천사진에서 상기 태양주변의 영역을 구분 내지 설정한다.That is, the processing unit according to the present invention calculates the position of the sun in the photographed pre-spring photograph, and calculates the area around the sun (for example, 'area 1' in FIG. 11) (I.e., 'd' in Equation (5)) to be applied to the region around the sun among the set regions, and calculates a weight value To calculate the total cloud from all-sky photographs. Further, the processing unit calculates the position of the sun using data of latitude, longitude, and date, and identifies or sets a region around the sun in the previous photo based on the calculated position of the sun.
또한, 상기 처리부는 도 9의 실시 예와 같은 알고리즘을 처리한다. 즉, 상기 처리부는, 운량으로부터 일사량을 계산 시, 지역적 특성뿐 아니라 계절별 특성, 패널 오염, 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 일사량을 측정하기 위해, 메모리(또는 데이터베이스)에 저장된 운량 및 실측 일사량(GHI)의 히스토리를 참조하여 '수학식 3' 및 '수학식 4'에서 다이나믹 계수 'A' 및 'B'를 도출한다. 이때, 상기 처리부는 '평균 추정 에러(즉, GHI - GHIcal)'가 최소값이 나오도록, '수학식 3' 또는 '수학식 4'에서 'A' 및 'B' 계수 값을 도출한다.Further, the processing unit processes the same algorithm as the embodiment of Fig. That is, when calculating the solar radiation amount from the cloudiness, the processing unit stores the solar radiation amount in the memory (or database) in order to measure the solar radiation amount in real time by applying not only the regional characteristics but also the seasonal characteristics, The dynamic coefficients 'A' and 'B' are derived from Equations (3) and (4) with reference to the history of the radiance and actual irradiation (GHI). At this time, the processor derives 'A' and 'B' coefficient values from Equation (3) or Equation (4) so that the average estimation error (ie, GHI - GHI cal )
또한 상기 처리부는 수학식 3을 적용하여 미래 일사량을 추정하고, 이때 수학식 3의 계수 A 및 계수 B를 결정하는 동작을 수행한다. 또한 상기 처리부는 상기 추정한 미래 일사량과 발전시스템의 정보를 적용하여, 태양광 발전량을 예측하는 동작을 수행한다.Further, the processing unit estimates a future solar radiation amount by applying Equation (3), and performs an operation of determining a coefficient A and a coefficient B in Equation (3). Further, the processor performs an operation of estimating the amount of solar power generation by applying the estimated future solar irradiance and the information of the power generation system.
한편, 여기까지 설명된 본 발명에 따른 방법은 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 본 발명에 따른 방법은 저장 매체(예를 들어, 이동 단말기 내부 메모리, 플래쉬 메모리, 하드 디스크, 기타 등등)에 저장될 수 있고, 프로세서(예를 들어, 이동 단말기 내부 마이크로 프로세서)에 의해서 실행될 수 있는 소프트웨어 프로그램 내에 코드들 또는 명령어들로 구현될 수 있다.Meanwhile, the method according to the present invention described up to now can be implemented by software, hardware, or a combination thereof. For example, a method in accordance with the present invention may be stored in a storage medium (e.g., mobile terminal internal memory, flash memory, hard disk, etc.) ≪ / RTI > in a software program that can be executed by a computer.
이상, 본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 본 발명 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it will be understood by those of ordinary skill in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. I will understand. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.
Claims (8)
상기 촬영한 전천사진을 이미지 처리하고, 태양의 위치를 계산하는 단계와;
상기 계산한 태양의 위치에 기초하여 상기 전천사진에서 태양주변의 영역 및 적어도 하나 이상의 다른 영역들을 지정하는 단계와;
상기 태양 주변의 영역과 상기 다른 영역들 각각에 대해 영역별 운량을 계산하는 단계와;
상기 태양 주변 영역에 대한에 일사량을 보정하기 위해, 상기 태양 주변 영역의 운량에 대한 가중치를 결정하는 단계와;
상기 결정한 가중치를 이용하여 상기 전천사진의 전체 운량을 계산하는 단계;를 포함하는 것을 특징으로 하는 운량 계산 방법.A method for calculating a cloud amount for estimating the solar radiation amount from an all-sky photograph taken in a specific area,
Image processing of the photographed previous photograph and calculating the position of the sun;
Designating a region around the sun and at least one or more other regions in the pre-photograph based on the calculated position of the sun;
Calculating a cloudiness for each of the regions around the sun and the other regions;
Determining a weight for cloudiness of the sun surrounding region to correct for solar radiation on the solar surrounding region;
And calculating a total cloud amount of the previous photo using the determined weight.
상기 전천사진에서 태양 주변의 구름으로 인해 발생하는 일사량의 오차를 보정하기 위해 상기 태양 주변의 영역의 운량에 대해 부여되는 값으로서, 상기 다른 영역들과 대비하여 결정되는 것을 특징으로 하는 운량 계산 방법.The method of claim 1, wherein the weight for the cloudiness of the area around the sun
Wherein the correction value is determined as a value given to the cloudiness of the area around the sun to compensate for an error in the amount of solar radiation generated due to the cloud around the sun in the foreground photograph.
상기 결정한 가중치를 이용하여 상기 전천사진의 전체 운량을 계산하고, 상기 계산한 전체 운량을 이용하여 일사량을 추정하는 단계;를 더 포함하는 것을 특징으로 하는 운량 계산 방법.The method according to claim 1,
Calculating a total cloud amount of the previous photo using the determined weight, and estimating a solar radiation amount using the calculated total cloud amount.
수학식
C = d(태양주변 영역의 운량) + e(태양주변 영역 이외의 영역들의 운량)
를 이용하여 계산되고,
상기 수학식에서 'd' 는 태양이 구름에 의해 가려짐으로써 발생하는 일사량의 오차를 보정하기 위해, 태양 주변의 운량에 대해 부여되는 가중치이고, 'e'는 태양주변 영역 이외의 영역들의 운량에 대해 부여되는 계수인 것을 특징으로 하는 운량 계산 방법.2. The method according to claim 1, wherein the total cloudiness (C)
Equation
C = d (cloud around the sun) + e (cloud around the sun)
≪ / RTI >
In the above equation, 'd' is a weight given to cloudiness around the sun to compensate for the error of the solar radiation generated by the sun being blocked by the cloud, and 'e' And a coefficient to be given.
수학식
GHI= GHIclear (1 - A(C)B )
를 이용하여 추정되며,
상기 식에서 'GHIclear' 는 맑은 하늘의 일사량이고, 상기 GHI는 추정하는 일사량이고, 'C'는 전천사진의 전체 운량인 것을 특징으로 하는 운량 계산 방법.4. The method of claim 3, wherein the solar radiation amount (GHI)
Equation
GHI = GHI clear (1 - A (C) B )
, ≪ / RTI >
Wherein GHI clear is a solar radiation amount in a clear sky, GHI is an estimated solar radiation amount, and C is a total cloud light of all-sky photographs.
지역적 특성과, 계절적 특성과, 패널 오염 및 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 결정되는 계수이고,
시간에 따라 측정한 운량과 그 운량을 측정한 각 시간에 실측한 일사량(GHI)의 데이터 히스토리를 기준으로, 상기 추정한 일사량(GHI)과 실측 일사량 간의 오차가 최소화되도록 결정되는 것을 특징으로 하는 운량 계산 방법.6. The method of claim 5, wherein the coefficient 'A' and the coefficient 'B'
It is a coefficient determined by applying real-time changes in regional characteristics, seasonal characteristics, energy loss due to panel pollution and installation environment,
Wherein an error between the estimated solar radiation amount (GHI) and the actual solar radiation amount is determined on the basis of the data history of the solar radiation amount (GHI) measured at each time of measuring the cloudiness measured with time and the cloudiness thereof, Calculation method.
위도, 경도 및 일시를 이용하여 상기 촬영한 전천사진에서 태양의 위치를 계산하고; 상기 계산한 태양의 위치에 기초하여 전천사진에서 태양 주변의 영역과 그 이외의 영역들로 분할하여 설정하고; 그 설정한 영역 중 태양 주변의 영역의 운량을 계산 시에 적용할 가중치를 결정하고; 상기 태양 주변 영역에 대한 상기 결정된 가중치를 이용하여 상기 전천사진의 전체 운량을 계산을 처리하는 처리부를 포함하는 것을 특징으로 하는 태양광 발전 예측 장치.1. A cloud observing apparatus for constructing a display for displaying an all-sky picture, comprising: a camera for photographing a sky in a specific area with an all-sky picture; an image processor for processing an image of the taken picture;
Calculating the position of the sun in the photographed pre-photograph using the latitude, longitude, and date and time; Divide and set the region around the sun and other regions in the previous photo based on the calculated position of the sun; Determining a weight to be applied in calculating the cloudiness of the area around the sun among the set areas; And a processing unit for calculating a total cloud amount of the previous photograph using the determined weight for the region around the sun.
상기 계산한 전체 운량을 이용하여 일사량을 계산 시,
지역적 특성과, 계절별 특성과, 패널 오염과, 설치환경에 따른 에너지 손실 등의 변화를 실시간으로 적용하여 일사량을 측정하기 위해, 상기 메모리에 저장된 운량 및 실측 일사량(GHI)의 히스토리를 참조하여 평균 추정 에러(즉, GHI - GHIcal)가 최소값이 되도록, 수학식 GHI= GHIclear (1 - A(C)B )에서 'A' 및 'B' 계수를 결정하며, 여기서 'GHIclear' 는 맑은 하늘의 일사량이고, 상기 GHI는 추정하는 일사량이고, 'C'는 상기 구름에 가려진 태양 주변의 일사량을 보정하여 상기 GHI 추정에 적용되는 전천사진의 전체 운량이고, 또한
상기 처리부는 상기 전체 운량(C)를 계산 시
수학식 C = d(태양주변 영역의 운량) + e(태양주변 영역 이외의 영역들의 운량) 를 이용하여 결정하며, 여기서 'd' 는 태양이 구름에 의해 가려짐으로써 발생하는 일사량의 오차를 보정하기 위해, 태양 주변의 운량에 대해 부여되는 가중치이고, 'e'는 태양주변 영역 이외의 영역들의 운량에 대해 부여되는 계수인 것을 특징으로 하는 태양광 발전 예측 장치.8. The apparatus of claim 7, wherein the processing unit
When calculating the solar irradiance using the calculated total cloud amount,
(GHI) history stored in the memory in order to measure the solar radiation amount in real time by applying changes in local characteristics, seasonal characteristics, panel contamination, and energy loss according to the installation environment in real time, GHI = GHI < / RTI > clear so that the error (i. E. GHI - GHI cal ) 'GHI clear ' is the amount of solar radiation in the clear sky, GHI is the estimated solar radiation amount, and 'C' is the amount of solar radiation shielded by the cloud (1 - A (C) B ) Is the total cloud amount of all-sky photographs applied to the GHI estimation by correcting the solar radiation around the sun, and
The processing unit calculates the total light amount (C)
D is determined by using the formula C = d (cloudiness of the sun surrounding area) + e (cloudiness of the areas other than the sun surrounding area), where d is the correction of the error of the solar radiation amount Is a weight given to cloudiness around the sun, and 'e' is a coefficient given to cloudiness of regions other than the region around the sun.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110095469A KR101890673B1 (en) | 2011-09-21 | 2011-09-21 | Method for calculating amount of cloud from whole sky image and apparatus thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110095469A KR101890673B1 (en) | 2011-09-21 | 2011-09-21 | Method for calculating amount of cloud from whole sky image and apparatus thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130031732A KR20130031732A (en) | 2013-03-29 |
| KR101890673B1 true KR101890673B1 (en) | 2018-08-22 |
Family
ID=48180816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110095469A KR101890673B1 (en) | 2011-09-21 | 2011-09-21 | Method for calculating amount of cloud from whole sky image and apparatus thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101890673B1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200077771A (en) * | 2018-12-21 | 2020-07-01 | 국민대학교산학협력단 | Solar radiation quantity prediction system for electric vehicle and Method of predicting solar radiation quantity for electric vehicle |
| KR102136086B1 (en) | 2019-12-30 | 2020-07-22 | 주식회사 사로리스 | Meteorological information acquisition device for predicting solar power generation |
| KR102136106B1 (en) | 2020-01-16 | 2020-07-22 | 주식회사 사로리스 | Photovoltaic power generation forecasting device |
| KR20220045793A (en) | 2020-10-06 | 2022-04-13 | 아주대학교산학협력단 | Apparatus and method for predicting solar power output |
| KR20220072962A (en) | 2020-11-25 | 2022-06-03 | 주식회사 나눔에너지 | System of predicting photovoltaic power generation applying effect of cloud shading |
| KR20220072960A (en) | 2020-11-25 | 2022-06-03 | 주식회사 나눔에너지 | System of predicting photovoltaic power generation using machine learning |
| KR20220072961A (en) | 2020-11-25 | 2022-06-03 | 주식회사 나눔에너지 | System and method of predicting photovoltaic power generation using machine learning |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101515003B1 (en) * | 2014-12-31 | 2015-04-24 | (주)가교테크 | Prediction Method of Solar Insolation |
| KR101709860B1 (en) * | 2015-09-01 | 2017-02-23 | 강릉원주대학교산학협력단 | Former all-sky cloud cover in the sky using a RGB color image data output method and system |
| US9792522B2 (en) * | 2015-12-01 | 2017-10-17 | Bloomsky, Inc. | Weather information extraction using sequential images |
| KR101960902B1 (en) * | 2016-12-30 | 2019-03-21 | 한국에너지기술연구원 | Calibration method for solar insolation derived from meteorological satellite on clear sky |
| KR102008017B1 (en) | 2018-02-12 | 2019-08-06 | 전주비전대학교산학협력단 | Calculation method of amount of solar radiation of construction site of a solar photovoltaic power station by using drone |
| KR102501853B1 (en) * | 2019-11-20 | 2023-02-22 | 주식회사 에이앤디시스템 | Method for observing cloud through smoothing correction |
| CN111160602A (en) * | 2019-11-21 | 2020-05-15 | 国网甘肃省电力公司 | Photovoltaic ultra-short term power forecasting method based on sunflower number 8 satellite cloud picture |
| CN111047076A (en) * | 2019-11-21 | 2020-04-21 | 国网甘肃省电力公司 | Photovoltaic short-term power forecasting method based on sunflower number 8 satellite cloud picture |
| EP4191290A1 (en) * | 2020-07-31 | 2023-06-07 | Mitsui Chemicals, Inc. | Solar radiation amount correction method, solar radiation amount correction device, computer program, model, model generation method, and model providing method |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010217107A (en) | 2009-03-18 | 2010-09-30 | Pasuko:Kk | Method and device for evaluating of solar radiation intensity |
| JP2011137612A (en) | 2009-12-28 | 2011-07-14 | Toshiba Corp | Device for calculating solar radiation and air conditioning control system |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3751737B2 (en) * | 1998-01-21 | 2006-03-01 | 富士通株式会社 | Solar radiation amount estimation system, method and recording medium using satellite image data |
-
2011
- 2011-09-21 KR KR1020110095469A patent/KR101890673B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010217107A (en) | 2009-03-18 | 2010-09-30 | Pasuko:Kk | Method and device for evaluating of solar radiation intensity |
| JP2011137612A (en) | 2009-12-28 | 2011-07-14 | Toshiba Corp | Device for calculating solar radiation and air conditioning control system |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200077771A (en) * | 2018-12-21 | 2020-07-01 | 국민대학교산학협력단 | Solar radiation quantity prediction system for electric vehicle and Method of predicting solar radiation quantity for electric vehicle |
| KR102224690B1 (en) | 2018-12-21 | 2021-03-08 | 국민대학교산학협력단 | Solar radiation quantity prediction system for electric vehicle and Method of predicting solar radiation quantity for electric vehicle |
| KR102136086B1 (en) | 2019-12-30 | 2020-07-22 | 주식회사 사로리스 | Meteorological information acquisition device for predicting solar power generation |
| KR102136106B1 (en) | 2020-01-16 | 2020-07-22 | 주식회사 사로리스 | Photovoltaic power generation forecasting device |
| KR20220045793A (en) | 2020-10-06 | 2022-04-13 | 아주대학교산학협력단 | Apparatus and method for predicting solar power output |
| KR20220072962A (en) | 2020-11-25 | 2022-06-03 | 주식회사 나눔에너지 | System of predicting photovoltaic power generation applying effect of cloud shading |
| KR20220072960A (en) | 2020-11-25 | 2022-06-03 | 주식회사 나눔에너지 | System of predicting photovoltaic power generation using machine learning |
| KR20220072961A (en) | 2020-11-25 | 2022-06-03 | 주식회사 나눔에너지 | System and method of predicting photovoltaic power generation using machine learning |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20130031732A (en) | 2013-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101890673B1 (en) | Method for calculating amount of cloud from whole sky image and apparatus thereof | |
| KR101879332B1 (en) | Method for calculating amount of cloud from whole sky image and apparatus thereof | |
| AU2020100323A4 (en) | Solar Power Forecasting | |
| Kuhn et al. | Validation of an all‐sky imager–based nowcasting system for industrial PV plants | |
| US10989839B1 (en) | Ground-based sky imaging and irradiance prediction system | |
| US9007460B2 (en) | Methods and systems for predicting cloud movement | |
| Siddiqui et al. | A deep learning approach to solar-irradiance forecasting in sky-videos | |
| Dev et al. | Estimating solar irradiance using sky imagers | |
| US20170031056A1 (en) | Solar Energy Forecasting | |
| CN110514298B (en) | Solar radiation intensity calculation method based on foundation cloud picture | |
| WO2015104281A1 (en) | Solar irradiance forecasting | |
| PT109213A (en) | METHOD AND SYSTEM FOR THE PREDICTION OF THE OUTPUT POWER OF A GROUP OF PHOTOVOLTAIC ELECTRO-POWER SUPPLY CENTERS AND THE MANAGEMENT OF THE INTEGRATION OF THE REFERENCE OUTPUT POWER IN AN ELECTRICAL NETWORK | |
| WO2017193172A1 (en) | "solar power forecasting" | |
| Dissawa et al. | Sky Image‐Based Localized, Short‐Term Solar Irradiance Forecasting for Multiple PV Sites via Cloud Motion Tracking | |
| WO2016196294A1 (en) | Distributed solar energy prediction imaging | |
| Dissawa et al. | Cloud motion tracking for short-term on-site cloud coverage prediction | |
| Dissawa et al. | Cross-correlation based cloud motion estimation for short-term solar irradiation predictions | |
| CN111652126A (en) | Inversion radiation method based on satellite cloud picture | |
| US20230186594A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
| Dev et al. | Detecting rainfall onset using sky images | |
| RU2589463C1 (en) | Device for determining total amount of clouds on basis of direct digital wide-angle images of visible hemisphere of sky | |
| JP2010283139A (en) | Production-of-electricity prediction device, and production-of-electricity prediction method | |
| CN111932006A (en) | Photovoltaic power generation output prediction method based on ground shadow map | |
| Dissawa et al. | On-Site Solar Power Forecasting Using Sky-Images | |
| Dissawa et al. | Sky Image-Based Short-Term Solar Power Forecasting Model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |