KR101985019B1 - 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 - Google Patents
드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 Download PDFInfo
- Publication number
- KR101985019B1 KR101985019B1 KR1020180159498A KR20180159498A KR101985019B1 KR 101985019 B1 KR101985019 B1 KR 101985019B1 KR 1020180159498 A KR1020180159498 A KR 1020180159498A KR 20180159498 A KR20180159498 A KR 20180159498A KR 101985019 B1 KR101985019 B1 KR 101985019B1
- Authority
- KR
- South Korea
- Prior art keywords
- solar module
- solar
- module
- temperature
- gis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000012732 spatial analysis Methods 0.000 claims abstract description 15
- 230000008451 emotion Effects 0.000 claims description 14
- 230000020169 heat generation Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000005304 joining Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 abstract description 4
- 230000000737 periodic effect Effects 0.000 abstract description 4
- 230000007257 malfunction Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 230000003631 expected effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- B64C2201/122—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/20—UAVs specially adapted for particular uses or applications for use as communications relays, e.g. high-altitude platforms
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Photovoltaic Devices (AREA)
- Studio Devices (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법이 개시된다. 상기 방법은 태양광 모듈의 효율적인 관리와 정기적인 유지관리 및 고장점검이 필요하며, 이를 위해 드론 기반 열적외선 카메라와 GIS 공간분석을 통해 태양광 모듈에 대한 고장여부를 진단하는 기술을 개발하였다. 먼저 고정익 드론과 열적외선 카메라(RGB 카메라)를 이용하여 영상을 촬영한 후, Pix4D SW를 통해 정사영상을 생성하였으며, 정사영상 자료를 이용하여 태양광 모듈 레이어를 구축한 후 코드를 입력하였다. 또한, 태양광 모듈 고장여부를 진단하기 위해 고무덮개를 태양광 모듈에 설치하였으며, 열적외선 카메라로부터 얻어진 온도 정보와 태양광 모듈 레이어를 기반으로 Zonal mean 함수를 통해 태양광 모듈별 평균온도를 계산한다. 이후 GIS 공간분석을 통해 이상 발열이 확인된 37℃ 이상의 태양광 모듈을 자동으로 추출하고, 각 태양광 모듈별 고유의 식별 코드를 식별함으로써 고무 덮개를 설치한 태양광 모듈의 위치를 정확하게 검출하는 기술을 확보하게 되었다.
Description
본 발명은 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법에 관한 것으로, 보다 상세하게는 태양광 모듈의 효율적인 관리와 정기적인 유지관리 및 고장점검이 필요하며, 이를 위해 드론 기반 열적외선 카메라와 GIS 공간정보 분석을 통해 다연장 멀티 배열로 설치된 태양광 모듈에 대한 고장여부를 검출하는, 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법에 관한 것이다.
최근, 환경 보호와 신재생 에너지 확보 일환으로 태양광 발전소 시스템은 정부 지원을 받아 국내외적으로 널리 보급되어 활용되고 있다. 태양광 발전시스템을 구성하는 핵심 부품 인 태양전지 모듈(module)은 반도체 소자 인 태양전지 수십 개가 직병렬로 연결되며 태양의 빛 에너지를 전기 에너지로 변환시키는 발전장치로써, 태양광 발전시스템을 구성하는 부품 중에서 가장 고가이면서 시스템 전체의 수명을 좌우한다. 태양전지 모듈의 수명은 제작 방식에 따라 10년 내지 20년 정도이며, 한번 설치할 경우 유지보수 비용이 거의 들지 않고 설치장소에 따라 소형부터 대형까지 시스템 규모를 자유롭게 결정할 수 있다.
태양광 발전소는 전 세계적으로 2016년에 680 GW로 증가할 정도로 계속 증가해가고 있다. 태양광 발전소는 효율적으로 운영하기 위해 태양광 패널 뿐만 아니라 태양광 발전소를 모니터링하는 시스템, 인버터 등 시설 유지보수에 필요한 장비가 사용되기 때문에 관련 산업이 같이 성장하고 있는 추세이다.
태양광 발전의 효율적인 운영을 위해 태양광 발전소의 입지 결정은 매우 중요하다. GIS를 기반으로 계층 분석법이나 상관분석 기법을 접목하여 태양광 발전소 입지를 분석한 다양한 국내 연구들이 수행되었으며, 최근 수상 태양광 발전시스템 개발을 위한 적지조사에 관한 연구가 수행되었다.
국외 연구는 GIS와 사회 선호도 조사자료를 기반으로 태양광 발전소의 입지를 분석하는 연구를 비롯하여 GIS와 위성영상을 이용하여 베트남 태양광 에너지의 입지를 분석한 연구도 있었다. 또한, 그 외에 신재생 에너지의 잠재성을 공간적으로 지도화하거나 GIS 기반 태양방사지도를 이용하여 오만의 태양에너지를 전망하는 연구가 수행되었다.
태양광 발전소는 다양한 요인에 의해 영향을 받아 손상되거나 효율이 저하되며, 태양전지 모듈의 손상 초기에 솔라셀에 과부하가 걸려 일부 태양전지에 이상발열이 발생하게 되며, 이 후 태양광 모듈 전체가 단락되어 전체적인 출력을 저하시키게 된다. 이를 방지하기 위해, 태양광 발전소에서 복수의 태양광 모듈에 대한 정기적인 점검과 함께 모니터링 시스템을 활용하는 것이 중요하다.
태양광 발전소는 도 1에 도시된 바와 같이, 설치위치가 접근이 어렵기 때문에 점검을 위해 태양광 전지판에 올라가 태양전지 모듈 및 어레이에 대한 전류테스트를 실시하거나 또는 열화상 카메라를 사용하여 태양광 모듈의 이상발열 여부를 평가하게 된다. 따라서, 넓은 면적과 높은 설치부지를 가지는 태양광 발전소 특성상 점검에 많은 시간이 소요되며 안전에 여러 가지 문제점을 가지고 있다.
태양광 발전소 모니터링 및 고장진단에 관한 연구는 다음과 같이 수행되었다. 먼저 태양광 발전소에서 수집된 온도, 일사량, 발전 데이터를 기반으로 선형회귀분석과 확률모델을 이용하여 태양전지의 효율성 및 고장 여부를 판단한 연구가 있었으며, 또한 상관성 분석과 ELM(Electreme Learning Machine)을 이용하여 태양광 고장진단 알고리듬을 개발한 연구도 있었다. 태양광 발전시스템의 모니터링에 관한 연구는 ZigBee 기술을 이용하여 태양광 발전 모듈의 원격 모니터링 시스템을 개발한 사례를 비롯하여 유비쿼터스 네트워킹 기반의 지능형 모니터링 기술을 개발한 연구가 있었다.
이와 관련된 선행기술1로써 '태양광 모듈의 고장 위치 검출 장치'가 개시되어 있다. 태양광 모듈의 고장 위치 검출 장치는 태양광 발전 시스템에 포함된 복수의 태양광 모듈의 고장 위치 검출 장치에 있어서, 상기 복수의 태양광 모듈 각각에 대하여 출력 전압을 검출하는 전압 검출부, 상기 복수의 태양광 모듈에 포함되는 임의의 2개의 태양광 모듈 사이의 출력 전압의 편차값들을 각각 연산하고 상기 편차값의 크기에 따라 상기 태양광 모듈의 고장을 판단하는 제어부 및 고장으로 판단된 태양광 모듈을 외부로 알리는 표시부를 포함한다. 이와 같이, 태양광 모듈의 고장 위치 검출 장치는 태양광 모듈의 고장 위치를 신속하고 정확하게 알려주기 때문에 태양광 발전 시스템에 문제가 발생했을 때 조속한 수리 및 관리가 가능하여 태양광 시스템을 효율적으로 운영할 수 있다
도 1은 태양광 발전소 고장 진단을 나타낸 도면이다.
최근, 태양광 발전소의 신속한 모니터링을 위해 드론에 열화상카메라를 장착하여 활용하는 연구가 일부 시도되고 있다. 그러나 현재는 드론으로 촬영한 영상을 낱장 형태로 저장한 후 실내에서 확인하는 수준이다. 따라서 촬영된 열화상 파일에 해당하는 태양광 모듈의 위치를 작업자가 도면에 수작업으로 현장에서 표시해야 되며, 태양광 모듈의 형태가 매우 유사하기 때문에 촬영 영상자료를 정확하게 파악하지 않을 경우 태양광 모듈의 정확한 위치를 식별할 수 없는 제약이 있다.
정부의 신재생 에너지 정책 추진 일환으로 태양광발전소가 널리 보급되고 있으며, 태양광 모듈의 효율적인 관리를 위해 태양광 발전소의 정기적인 유지관리 및 고장 점검이 필요하다.
상기 문제점을 해결하기 위한 본 발명의 목적은 복수로 배열된 태양광 모듈의 효율적인 관리와 정기적인 유지관리 및 고장점검을 위해 드론 기반 열적외선 카메라와 GIS 공간분석을 통해 태양광 모듈에 대한 고장여부를 진단할 수 있는 기술을 개발하기 위한 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법을 제공하는 것이다.
본 연구는 고정익 드론을 이용하여 태양광 발전소의 각각의 태양광 모듈에 대한 고장 여부를 자동으로 진단하는 시험을 실시하였다. 먼저, 태양광 모듈의 정확한 위치를 확보하기 위해 지상기준점(GCP; Ground Control Point) 측량을 실시하였다. 드론을 통해 대상지의 태양광 모듈에 대한 온도 감지가 가능한지 테스트하기 위해 태양광 발전소는 고무 덮개를 일부 태양광 모듈들이 설치되었다. 또한, 드론 기반 RGB 카메라로 취득한 정사영상에서 태양광 모듈의 레이어를 구축하고, 각각의 태양광 모듈에 대해 고유식별코드를 설계하였다. 그리고, 드론 기반 열적외선 센서로 취득한 온도 정보와 태양광 모듈 레이어를 중첩하여 태양광 모듈별로 특정 온도 이상에서 이상 발열을 GIS 공간분석을 통해 분석함으로써 드론을 기반으로 태양광 모듈의 고장 여부를 자동으로 진단하는 기술을 확보하는 것을 목표로 한다.
본 발명의 목적을 달성하기 위해, 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법은 (a) 복수의 태양광 모듈들이 설치된 대상지를 선택하여 지상기준점 측량을 위해 k 개의 지상 기준점(GCP)을 선정하여 GRS80 TM 좌표체계를 기준으로 복수의 태양광 모듈이 설치된 대상지를 내부로 포함하는 각각의 지상 기준점(GCP)에 대한 VRS(Virtual Reference Service) 측량을 수행하는 단계; (b) GPS 수신기를 구비하는 드론의 열적외선 카메라(RGB 카메라)를 이용하여 각 태양광 모듈별 고유의 식별 코드가 부여된 태양광 모듈 레이어의 n개의 영상을 항공 촬영한 후, 영상 정합 소프트웨어(Pix4D SW)를 사용하여 태양광 모듈 레이어의 정사영상을 생성하는 단계; (c) 상기 드론의 열적외선 카메라로부터 얻어진 온도 정보와 태양광 모듈 레이어를 기반으로 각 태양광 모듈을 Zone 영역으로 설정하여 Zonal mean 함수를 사용하여 태양광 모듈의 평균온도를 계산하는 단계; 및 (d) GIS 공간분석을 통해 태양광 모듈의 평균 온도 보다 이상 발열이 확인된 특정 온도 이상 또는 소정 온도 이하의 태양광 모듈들을 자동으로 추출하고, 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별 코드를 식별하여 태양광 모듈의 고장여부를 자동으로 진단하며, 특정 온도 이상 또는 소정 온도 이하의 고장난 태양광 모듈의 위치를 정확하게 검출하는 단계를 포함하고,
상기 단계 (b)는 복수의 태양광 모듈들이 설치된 대상지에 대해 n 개의 사진들이 드론의 열적외선 카메라로 항공 촬영되었으며, 비행계획 SW(eMotion SW)의 「Flight Data Manager」기능 정보가 포함된 낱장 사진파일들을 상기 영상 정합 소프트웨어(Pix4D SW)를 사용하여 사진을 접합하는 역할을 수행하여 정사영상, 포인트 클라우드, 수치 표면 모델(DSM, Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 태양광 모듈 어레이의 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하며,
상기 단계 (b)는 복수의 태양광 모듈들이 설치된 대상지에 대해 n 개의 사진들이 드론의 열적외선 카메라로 항공 촬영되었으며, 비행계획 SW(eMotion SW)의 「Flight Data Manager」기능 정보가 포함된 낱장 사진파일들을 상기 영상 정합 소프트웨어(Pix4D SW)를 사용하여 사진을 접합하는 역할을 수행하여 정사영상, 포인트 클라우드, 수치 표면 모델(DSM, Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 태양광 모듈 어레이의 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하며,
상기 드론은 상기 GPS 수신기와 상기 열적외선 카메라(RGB 카메라)를 탑재한 고정익 드론을 사용하며,
상기 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 상기 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈의 고장여부를 자동으로 분석하기 위해, 태양광 모듈 어레이 및 각 태양광 모듈에 대한 고유식별 코드를 사용하고, 상기 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별코드는 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 코드를 사용하며,
상기 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 상기 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈의 고장여부를 자동으로 분석하기 위해, 태양광 모듈 어레이 및 각 태양광 모듈에 대한 고유식별 코드를 사용하고, 상기 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별코드는 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 코드를 사용하며,
상기 특정 온도 이상의 태양광 모듈은 이상 발열이 확인된 37℃ 이상의 고장난 태양광 모듈이며, 이상 발열이 확인된 상기 소정 온도 이하의 태양광 모듈은 10℃ 이하의 고장난 태양광 모듈 인 것을 특징으로 한다.
상기 단계 (a)에서, 기존의 GPS 측량은 2개의 GPS 수신기를 이용하여 위치를 알고 있는 기준점에 기준국(Base) GPS 수신기를 설치하고, 위치 확인이 필요한 지점에 이동국(Rover) GPS 수신기를 설치하여 기준국의 오차를 이동국 수신기 모뎀에 송신하여 오차를 보정함으로써 정확한 위치를 확보하는 방식을 사용하였으며, 상기 VRS 측량은 GPS 수신기 1대를 이용하여 정확도 높은 측량을 수행하기 위해 개발된 방법으로써, 전국적으로 설치된 GPS 상시관측소들로 이루어진 기준국망을 이용하여 오차를 모델링한 후, GPS 수신기가 위치한 지점의 오차를 수신받아 정확한 위치를 결정하는 방식을 사용한다.
삭제
상기 드론의 비행계획 수립은 비행계획 SW(eMotion SW)를 활용하여 촬영 해상도 4㎝, 비행고도 141m, 종·횡중복도를 90%와 80%로 설계하고, eMotion SW를 구동하면 드론에 탑재된 GPS 수신기에 의해 프로그램에 자동으로 드론의 GPS 위치가 표시되며, 사용자는 촬영하고자 하는 사진의 해상도를 비롯하여 비행고도, 종중복도 및 횡중복도를 지정하며, GPS 수신기를 구비하는 드론에 탑재된 열적외선 카메라로 촬영하고자 하는 대상지역을 박스 또는 임의 도형 형태로 지정하고, 드론의 비행계획이 결정되면, 업로딩 버튼을 클릭하여 비행계획을 모뎀을 통해 드론 시스템에 전송하게 되며, 드론은 비행계획 SW(eMotion SW)로부터 수신된 비행계획(해상도, 고도, 비행경로, 종중복도, 횡중복도 등)을 수신받아 해당 비행계획대로 이동하면서 드론에 탑재된 카메라를 사용하여 일정 높이에서 항공 촬영을 한다.
삭제
삭제
상기 복수의 태양광 모듈들이 설치된 대상지에 대해 n 개의 사진들이 드론의 열적외선 카메라로 항공 촬영되었으며, 비행계획 SW(eMotion SW)의 「Flight Data Manager」기능을 이용하여 사진파일에 GPS(Global Positioning System)와 관성항법장치(INS; Inertial Navigation System) 정보를 연결하며, 영상접합은 Pix4D SW를 사용하였으며, 상기 VRS 측량을 통해 얻어진 k 개의 GCP 지상 기준점을 활용하여 영상접합 위치정확도를 향상시킨 것을 특징으로 한다.
상기 단계 (b)는 상기 드론의 열적외선 카메라를 활용하여 4㎝급의 RGB 영상 n개의 사진들을 촬영하고, 상기 VRS 측량을 통해 관측한 GCP 지상 기준점을 영상 정합 소프트웨어(Pix4D SW)에 입력하고, 상기 영상 정합 소프트웨어(Pix4D SW)는 GPS, 관성항법장치(INS) 정보가 포함된 낱장 사진파일들을 이용하여 사진을 접합하는 역할을 수행하여 정사영상, 포인트 클라우드, 수치 표면 모델(DSM, Digital Surface Model)을 생성하게 되며, 생성된 태양광 모듈 어레이의 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축한다.
본 발명은 드론을 사용하여 태양광 모듈에 대한 고장여부를 GIS 공간분석을 통해 분석하였으며 주요 결과 및 기대효과는 다음과 같다.
첫째, 고정익 드론을 활용하여 4㎝급의 RGB 영상 238매를 촬영하였으며, VRS 측량을 통해 관측한 GCP 지상기준점을 Pix4D SW에 입력함으로써 태양광 발전소 주변에 대한 정사영상과 3차원 지형모델링 자료를 생성하는 기술이 확보되었다.
둘째, 태양광 발전소 주변에 대한 정사영상으로부터 수동독취 방식을 통해 태양광 모듈 레이어를 구축하였으며, 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈 고장여부를 자동으로 분석하기 위해 태양광 어레이 및 태양광 모듈에 대한 고유 식별 코드가 설계되었다.
셋째, 태양광 모듈 고장진단 여부를 시험 평가하기 위해 고무덮개 10개를 태양광 모듈에 설치하였으며, 드론 기반 열적외선 카메라를 이용하여 태양광 모듈에 대한 온도를 측정한 후 태양광 모듈 레이어를 Zone 영역으로 지정하여 Zonal mean 함수를 통해 태양광 모듈별 평균온도를 계산할 수 있었다.
넷째, 태양광 모듈별 평균온도 자료를 분석한 결과 고무덮개를 설치한 모듈이 다른 모듈에 비해 3~4℃ 높은 37℃ 이상의 발열이 관측되었으며, GIS 공간분석을 통해 37℃ 이상의 발열이 확인된 태양광 모듈을 자동으로 식별하고, 각 태양광 모듈별 고유의 식별 코드를 통해 고무 덮개를 설치한 태양광 모듈의 위치를 정확하게 검출하는 기술이 확보되었다.
이를 통해 실제 태양광 발전소에 적용 시 이상 발열 또는 전기가 단락되어 다른 태양광 모듈에 비해 온도가 매우 낮게 나타나는 태양광 모듈에 대하여 자동으로 검출하는 기술이 확보되었다.
도 1은 태양광 발전소 고장 진단을 나타낸 도면이다.
도 2는 대상지 태양광발전소 현황이며, 지상기준점 측량을 위해 5개의 GCP를 선정하여 VRS(Virtual Reference Service) 측량을 한 도면이다.
도 3은 각각의 지상기준점(GCP)에 대한 VRS 측량 화면이다.
도 4는 드론, RGB 카메라, 이륙 화면을 나타낸 사진이다.
도 5는 eMotion SW를 이용한 비행계획 수립을 나타낸 화면이다.
도 6은 대상 지역의 사진 촬영 후, eMotion SW의 「Flight Data Manager」기능을 이용하여 사진파일에 GPS와 관성항법장치(INS; Inertial Navigation System) 정보를 연결한 화면이다.
도 7은 영상정합을 위해 사용되는 Pix4D SW 구동 화면이다.
도 8은 대상지역의 정사영상과 3차원 지형모델링 결과를 보여주는 화면이다.
도 9는 태양광 모듈 레이어와 버퍼링 영역을 나타낸 화면이다.
도 10은 태양광 어레이와 모듈 코드를 나타낸 화면이다.
도 11은 태양광 모듈 고무덮개 설치와 열화상 카메라로 관측한 온도를 나타낸 사진이다.
도 12는 thermoMap 카메라를 이용한 드론의 비행계획 수립화면이다.
도 13은 태양광 모듈의 온도 분포를 나타낸 도면이다.
도 14는 Zonal mean 함수 모식도이다.
도 15는 태양광 모듈내의 셀들에 대한 온도를 관측한 후, 태양광 모듈을 Zone 영역으로 설정하여 Zonal mean 함수를 적용하여 계산된 태양광 모듈의 평균 온도를 나타낸 도면이다.
도 16은 검출된 태양광 모듈의 코드를 도시한 도면이다.
도 17은 본 발명에 따른 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법을 나타낸 순서도이다.
도 2는 대상지 태양광발전소 현황이며, 지상기준점 측량을 위해 5개의 GCP를 선정하여 VRS(Virtual Reference Service) 측량을 한 도면이다.
도 3은 각각의 지상기준점(GCP)에 대한 VRS 측량 화면이다.
도 4는 드론, RGB 카메라, 이륙 화면을 나타낸 사진이다.
도 5는 eMotion SW를 이용한 비행계획 수립을 나타낸 화면이다.
도 6은 대상 지역의 사진 촬영 후, eMotion SW의 「Flight Data Manager」기능을 이용하여 사진파일에 GPS와 관성항법장치(INS; Inertial Navigation System) 정보를 연결한 화면이다.
도 7은 영상정합을 위해 사용되는 Pix4D SW 구동 화면이다.
도 8은 대상지역의 정사영상과 3차원 지형모델링 결과를 보여주는 화면이다.
도 9는 태양광 모듈 레이어와 버퍼링 영역을 나타낸 화면이다.
도 10은 태양광 어레이와 모듈 코드를 나타낸 화면이다.
도 11은 태양광 모듈 고무덮개 설치와 열화상 카메라로 관측한 온도를 나타낸 사진이다.
도 12는 thermoMap 카메라를 이용한 드론의 비행계획 수립화면이다.
도 13은 태양광 모듈의 온도 분포를 나타낸 도면이다.
도 14는 Zonal mean 함수 모식도이다.
도 15는 태양광 모듈내의 셀들에 대한 온도를 관측한 후, 태양광 모듈을 Zone 영역으로 설정하여 Zonal mean 함수를 적용하여 계산된 태양광 모듈의 평균 온도를 나타낸 도면이다.
도 16은 검출된 태양광 모듈의 코드를 도시한 도면이다.
도 17은 본 발명에 따른 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법을 나타낸 순서도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 발명의 구성 및 동작을 상세하게 설명한다.
최근, 정부의 신재생 에너지 정책 추진 일환으로 태양광 발전소가 널리 보급되고 있으며, 태양광 모듈의 효율적인 관리를 위해 태양광 발전소의 정기적인 유지관리 및 고장점검이 필요하다.
본 발명은 드론 기반 열적외선 카메라와 GIS(공간정보) 공간분석을 통해 태양광 모듈에 대한 고장여부를 진단하는 기술을 개발하였다. 먼저, 고정익 드론과 열적외선 카메라(RGB 카메라)를 이용하여 복수의 태양광 모듈의 영상을 촬영한 후, 영상정합 소프트웨어인 Pix4D SW를 통해 정사영상을 생성하였으며, 정사영상 자료를 이용하여 태양광 모듈 레이어를 구축한 후 코드를 입력하였다. 또한, 태양광 모듈 고장여부를 진단하기 위해 고무덮개를 태양광 모듈에 설치하였으며, 열적외선 카메라로부터 얻어진 온도 정보와 태양광 모듈 레이어를 기반으로 Zonal mean 함수를 통해 태양광 모듈별 평균온도를 계산할 수 있었다. 마지막으로, 본 연구는 GIS 공간분석을 통해 이상 발열이 확인된 37℃ 이상의 태양광 모듈을 자동으로 추출하고, 각 태양광 모듈별 고유의 식별 코드를 식별함으로써 고무 덮개를 설치한 태양광 모듈의 위치를 정확하게 검출하는 기술을 확보하였다.
1. 대상지 선정 및 GCP 측량
본 발명은 드론을 기반으로 태양광 모듈에 대한 고장여부를 실험하기 위해 전북 완주군 소양로에 위치하고 있는 태양광발전소를 대상지로 선정하였다. 대상지역의 태양광 발전소는 300W급 태양광 모듈이 1,984매로 구성된 장소로써, 총 600KW의 전력을 생산할 수 있는 곳이다.
도 2는 대상지 태양광발전소 현황이며, 복수의 태양광 어레이가 나열된 태양광 모듈들이 설치된 대상지를 선정하고, 지상기준점 측량을 위해 5개의 GCP(Ground Control Point, 지상 기준점)(사진에서 1,2,3,4,5)를 선정하여 각 GCP 지상 기준점에 대한 VRS(Virtual Reference Service) 측량을 수행하였다.
기존 GPS 측량은 2개의 GPS 수신기를 이용하여 위치를 알고 있는 기준점에 기준국(Base) GPS 수신기를 설치하고, 위치 확인이 필요한 지점에 이동국(Rover) GPS 수신기를 설치하여 기준국의 오차를 이동국 수신기 모뎀에 송신하여 오차를 보정함으로써 정확한 위치를 확보하는 방식을 사용하였다. VRS 측량은 GPS 수신기 1대를 이용하여 정확도 높은 측량을 수행하기 위해 개발된 방법으로써, 전국적으로 설치된 GPS 상시관측소들로 이루어진 기준국망을 이용하여 오차를 모델링한 후, GPS 수신기가 위치한 지점의 오차를 수신받아 정확한 위치를 결정하는 방식이다.
표 1은 GRS80 TM 좌표체계를 기준으로 각각의 지상 기준점(GCP 지상 기준점)에 대한 VRS 측량을 수행한 결과이며, 도 3은 각각의 지상 기준점(GCP 지상 기준점)에 대한 VRS 측량화면을 보여주고 있다. 이 중 2번과 5번의 GCP 지상 기준점은 지표면이 흙으로 구성되어 있어 좌표 매칭을 위한 특이점을 표시할 수 있기 때문에 대공표지를 설치하여 GCP 측량을 실시하였다.
| 번호 | X(E) | Y(N) | Z(EL.m) |
| 1 | 219636.12 | 362152.81 | 70.351 |
| 2 | 219436.57 | 362172.00 | 68.661 |
| 3 | 219270.26 | 362031.01 | 71.317 |
| 4 | 219084.21 | 362062.32 | 70.561 |
| 5 | 219244.44 | 362196.54 | 67.292 |
표 1은 GCP 지상기준점에 대한 VRS 측량값을 나타낸다.
표 1을 참조하면, X(E), Y(N)은 중부원점인 동경 127°북위 38°를 기준으로 한 GRS80 타원체 기준의 TM(Transverse Mercator; 횡원통도법) 좌표를 의미한다. 즉, 동경 127°북위 38°를 원점으로 하여 가로축(East 또는 X축)과 세로축(North 또는 Y) 방향으로 위치를 미터(m) 단위로 표시한 값이다. 다만, 국내에서는 동경 127°북위 38°를 원점으로 할 경우 음수(-)가 발생할 수 있기 때문에, 동경 127°북위 38°로부터 가로축과 세로축으로 각각 +200,000m, +600,000m 만큼 가산한 실제원점을 사용하고 있다. Z(EL.m)는 평균해수면을 기준으로 한 높이, 즉 해발고도(Elevation) 또는 표고값을 의미한다.
2. 태양광 모듈 레이어 구축
태양광 모듈에 대한 고장여부를 진단하기 위해 어레이(Array)별로 태양광 모듈 경계선을 레이어로 구축해야 한다. 드론 기반 열적외선 센서를 이용하여 태양광 모듈에 대한 고장진단시 열적외선 센서의 해상도 문제로 태양광 모듈 경계부분에서 오차가 발생하게 된다. 따라서, 태양광 모듈의 정확한 경계 독취가 요구되며, 이를 위해 도 4(b)와 같이 해상도가 높은 열적외선 카메라(Sony WX RGB 카메라)를 장착한 드론을 활용하여 촬영한 후, 영상접합을 통해 정사영상 및 태양광 모듈 레이어를 구축하였다.
대상지 정사영상 및 3차원 지형모델링을 위한 드론 장비는 스위스 SenseFly 에서 제작한 eBee 모델을 활용하였다. eBee 모델은 소형 비행기 형상의 고정익 드행시간은 약 11분 29초가 소요되었으며 비행거리는 8.6㎞ 그리고 비행면적은 142,000㎡로 나타났다.
드론의 비행계획 SW(eMotion SW)를 구동하면, 드론에 탑재된 GPS 수신기에 의해 프로그램에 자동으로 드론의 GPS 위치가 표시되며, 사용자는 촬영 사진의 해상도를 비롯하여 비행고도, 종중복도 및 횡중복도를 지정하게 된다. 또한, GPS 수신기를 구비하는 드론에 탑재된 열적외선 카메라로 촬영하고자 하는 대상지역을 박스 또는 임의 도형 형태로 지정할 수 있다. 드론의 비행계획이 결정되면, 업로딩 버튼을 클릭하여 비행계획을 모뎀을 통해 드론 시스템에 전송하게 된다. 드론은 eMotion SW로부터 수신된 비행계획(해상도, 고도, 비행경로, 종중복도, 횡중복도 등)을 수신받아 해당 비행계획대로 하늘을 이동하면서 드론에 탑재된 열적외선 카메라를 사용하여 140m 정도의 높이에서 항공 촬영을 하게 된다.
대상지에 대해 총 k = 238매의 사진이 촬영되었으며, 드론의 eMotion SW의 「Flight Data Manager」기능을 사용하여 도 6에 도시된 바와 같이, 사진파일에 GPS(Global Positioning System)와 관성항법장치(INS; Inertial Navigation System) 정보를 연결하였다.
영상 접합은 Pix4D SW(영상 접합 소프트웨어)를 사용하였으며, VRS 측량을 통해 얻어진 5개의 GCP 지상 기준점을 활용하여 영상접합 위치정확도를 향상시켰다.
도 7은 영상정합을 위해 사용되는 Pix4D SW 구동화면이다. Pix4D SW는 GPS, 관성항법장치(INS) 정보가 포함된 낱장 사진파일들을 이용하여 사진을 접합하는 역경계로부터 안쪽으로 20㎝ 버퍼링을 실시하여 실제 열적외선 센서로 취득한 온도가 버퍼링 된 태양광 모듈 레이어 안에서 분석되도록 하였다.
본 발명은 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 각 태양광 모듈별의 고유의 식별 코드를 설계하였다. 이를 통해 도 10(a)와 같이 먼저 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별 코드를 먼저 설계한 후, 태양광 어레이별로 15매씩 부착되어 있는 태양광 모듈의 고유의 식별 코드를 도 10(b)와 같이 설계하여 입력하였다.
도 10은 (a) 태양광 어레이와, (b) 태양광 모듈 코드를 나타낸 화면이다.
3. 태양광 모듈 고장진단 시험 분석
본 연구은 열적외선 센서를 이용하여 태양광 모듈의 고장진단 여부를 시험 평가하기 위해 도 11(a)과 같이 고무덮개를 태양광 모듈 위에 설치하였다. 시험 평가를 위해 연구대상지 일부 지역에 10개의 고무덮개를 설치하였으며, 설치 후 30분이 경과된 시점에서 FLIR T420 열화상 카메라를 이용하여 태양광 패널을 도 11(b)와 같이 관측하였다. 도 11(b)에서 고무덮개를 설치한 일부 태양광 모듈의 온도가 37.3℃로 확인되었으며, 이는 고무덮개를 설치하지 않은 다른 정상인 태양광 모듈에 비해 높은 열이 발생하고 있음을 보여주고 있다.
예를들면, 고무덮개를 설치한 태양광 모듈과 마찬가지로 고장난 태양광 모듈은 온도가 급격히 상승하다가 전기적으로 단락되어 천천히 식으면서 온도가 점차적으로 하락한다. 태양광 발전소에서 복수로 나열된 태양광 어레이의 각각의 태양광 모듈에서, 온도가 급격히 상승하는 태양광 모듈을 검출하면, 고장난 태양광 모듈을 검출할 수 있다.
도 11은 (a) 태양광 모듈 고무덮개 설치와, (b) 열화상 카메라로 관측한 온도를 나타낸 도면이다.
본 연구는 드론을 이용하여 태양광 모듈의 고장여부를 자동으로 평가하기 위해 스위스 Sensefly에서 제작한 thermoMap 카메라를 고정익 드론(eBee 모델)에 탑재하여 촬영하였다.
표 2는 thermoMap 카메라에 대한 제원을 보여주고 있다.
| 구 분 | 내 용 |
| 사진 크기 | |
| 관측온도 범위 | -40℃~160℃ |
| 온도 해상도 | 0.1℃ |
| 온도 조정 방식 | Automatic, in-flight |
| 중량 | Approx. 134g |
| 비행 고도 | 50~150m |
도 12는 thermoMap 카메라를 이용한 드론의 비행계획 수립화면이다. 본 발명에서는 해상도 10㎝를 유지하기 위해 비행고도 약 53m를 유지하였으며 종·횡중복도는 90%와 80%로 설계하였다.
먼저, 드론의 비행계획 수립 소프트웨어 eMotion SW를 기반으로 대상지역에 대해 총 1,074매의 열적외선 사진을 드론의 열적외선 카메라로 촬영하였으며, Pix4D SW를 이용하여 영상접합을 실시하였다. 열적외선 영상에 대해 태양광 모듈 레이어와의 좌표를 일치시키기 위해 기하보정을 수행하였으며, 열적외선 영상을 태양광 모듈 레이어와 중첩한 결과 도 13에 도시된 바와 같이, 고무덮개를 설치한 10개의 태양광 모듈에서 온도가 모두 높게 나타남을 확인할 수 있었다.
도 13은 태양광 모듈의 온도 분포를 나타낸 도면이다.
태양광 모듈별로 평균온도를 계산하기 위해, 태양광 모듈에 대해 버퍼링을 수행한 레이어를 그리드로 변환하여 Zone 영역으로 설정하였으며, Zone 영역에 대해 태양광 모듈의 고유식별 코드를 갖도록 연결하였다. Zone 영역과 열적외선 영상에서 취득한 온도 자료를 이용하여 Zonal mean 함수를 적용함으로써 태양광 모듈에 대한 평균온도를 계산할 수 있었다.
도 14는 Zonal mean 함수 모식도이다. [Zone] 영역은 같은 속성을 가지는 영역으로서, 그림에서 『1』, 『2』, 『3』영역이 각각 같은 공간으로 간주된다. [Value]는 실제 값이 저장된 자료를 의미하며, [Zonal mean] 함수를 적용시 같은 영역인 [Zone] 영역별로 [Value]에 위치한 실제값을 평균하여 저장하게 된다. 예를 들어 『1』영역에 해당되는 8개의 Value 값을 보면 「6, 8, 6, 7, 7, 8, 8, 6」이며 이들의 평균은 7이므로 영역 『1』에 평균값 7을 할당하는 방식이다.
태양광 모듈의 결과를 통해 볼 때, 고무덮개를 설치한 태양광 모듈(예, 고장난 태양광 모듈)의 경우 평균온도가 모두 37℃ 이상으로 상대적으로 높게 나타났으며 고무덮개를 설치하지 않은 태양광 모듈(예, 정상 태양광 모듈)과 비교해 볼 때 3~4℃ 정도 높게 차이를 보임을 알 수 있었다.
도 15는 태양광 모듈내의 셀들에 대한 온도를 관측한 후, 각 태양광 모듈을 Zone 영역으로 설정하여 Zonal mean 함수를 적용하여 계산된 태양광 모듈의 평균 온도를 나타낸 도면이다. 도 16은 검출된 태양광 모듈의 코드를 도시한 도면이다.
실험에서는, 평균온도가 모두 37℃ 이상으로 이상 발열이 확인된 빨갛게 표시된 10개의 고무덮개를 설치한 태양광 모듈(고장난 태양광 모듈)을 검출하였다.
따라서, 본 연구는 평균온도가 37℃ 이상인 모듈을 GIS 공간분석을 통해 도 14와 같이 추출할 수 있었으며, 각 태양광 모듈의 고유식별 코드를 식별함으로써 태양광 모듈의 고장여부를 자동으로 진단하고 고무덮개를 설치한 태양광 모듈의 위치를 정확하게 분석하는 기술이 확보되었다.
도 17은 본 발명에 따른 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법을 나타낸 순서도이다.
본 발명의 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법은 (a) 복수의 태양광 모듈들이 설치된 대상지를 선택하여 지상기준점 측량을 위해 k 개의 지상 기준점(GCP, Ground Control Point)을 선정하여 GRS80 TM 좌표체계를 기준으로 복수의 태양광 모듈이 설치된 대상지를 내부로 포함하는 각각의 지상 기준점(GCP)에 대한 VRS(Virtual Reference Service) 측량을 수행하는 단계; (b) GPS 수신기를 구비하는 드론의 열적외선 카메라(RGB 카메라)를 이용하여 각 태양광 모듈별 고유의 식별 코드가 부여된 태양광 모듈 레이어의 n개의 영상을 일정 높이(예, 140m) 상공에서 항공 촬영한 후, 영상 정합 소프트웨어(Pix4D SW)를 사용하여 태양광 모듈 레이어의 정사영상을 생성하는 단계(S20); (c) 상기 열적외선 카메라로부터 얻어진 온도 정보와 태양광 모듈 레이어를 기반으로 Zonal mean 함수를 사용하여 태양광 모듈별 평균온도를 계산하는 단계(S30); 및 (d) GIS 공간분석을 통해 이상 발열이 확인된 특정 온도(37℃) 이상 또는 소정 온도(10℃) 이하의 태양광 모듈들을 자동으로 추출하고, 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별 코드를 식별하여 태양광 모듈의 고장여부를 자동으로 진단하며, 특정 온도 이상 또는 소정 온도 이하의 고장난 태양광 모듈의 위치를 정확하게 검출하는 단계(S40)를 포함하며,
상기 단계 (b)는 복수의 태양광 모듈들이 설치된 대상지에 대해 n 개의 사진들이 드론의 열적외선 카메라로 항공 촬영되었으며, 비행계획 SW(eMotion SW)의 「Flight Data Manager」기능 정보가 포함된 낱장 사진파일들을 상기 영상 정합 소프트웨어(Pix4D SW)를 사용하여 사진을 접합하는 역할을 수행하여 정사영상, 포인트 클라우드, 수치 표면 모델(DSM, Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 태양광 모듈 어레이의 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하며,
상기 드론은 상기 GPS 수신기와 상기 열적외선 카메라(RGB 카메라)를 탑재한 고정익 드론을 사용하며,
상기 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 상기 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈의 고장여부를 자동으로 분석하기 위해, 태양광 모듈 어레이 및 각 태양광 모듈에 대한 고유식별 코드를 사용하고, 상기 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별코드는 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 코드를 사용하며,
상기 단계 (b)는 복수의 태양광 모듈들이 설치된 대상지에 대해 n 개의 사진들이 드론의 열적외선 카메라로 항공 촬영되었으며, 비행계획 SW(eMotion SW)의 「Flight Data Manager」기능 정보가 포함된 낱장 사진파일들을 상기 영상 정합 소프트웨어(Pix4D SW)를 사용하여 사진을 접합하는 역할을 수행하여 정사영상, 포인트 클라우드, 수치 표면 모델(DSM, Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 태양광 모듈 어레이의 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하며,
상기 드론은 상기 GPS 수신기와 상기 열적외선 카메라(RGB 카메라)를 탑재한 고정익 드론을 사용하며,
상기 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 상기 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈의 고장여부를 자동으로 분석하기 위해, 태양광 모듈 어레이 및 각 태양광 모듈에 대한 고유식별 코드를 사용하고, 상기 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별코드는 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 코드를 사용하며,
상기 특정 온도 이상의 태양광 모듈은 이상 발열이 확인된 37℃ 이상의 고장난 태양광 모듈이며, 이상 발열이 확인된 상기 소정 온도 이하의 태양광 모듈은 10℃ 이하의 고장난 태양광 모듈 인 것을 특징으로 한다.
4. 주요결과 및 기대효과
본 발명은 드론을 이용하여 태양광 모듈에 대한 고장여부를 GIS 공간분석을 통해 분석하였으며, 주요 결과 및 기대효과는 다음과 같다.
첫째, 고정익 드론을 활용하여 4㎝급의 RGB 영상 238매를 촬영하였으며 VRS 측량을 통해 관측한 GCP 지상 기준점을 Pix4D SW(영상 정합 소프트웨어)에 입력함으로써 태양광 발전소 주변에 대한 정사영상과 3차원 지형모델링 자료를 생성할 수 있는 기술을 확보하였다.
둘째, 태양광 발전소 주변에 대한 정사영상으로부터 수동독취 방식을 통해 태양광 모듈 레이어를 구축하였으며, GPS 수신기를 구비하는 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈의 고장여부를 자동으로 분석하기 위해 태양광 어레이 및 모듈에 대한 고유의 식별 코드를 설계하였다.
셋째, 태양광 모듈 고장진단 여부를 시험 평가하기 위해 고무덮개 10개를 태양광 모듈에 설치하였으며, 드론 기반 열적외선 카메라를 이용하여 태양광 모듈에 대한 온도를 측정한 후 태양광 모듈 레이어를 Zone 영역으로 지정하여 Zonal mean 함수를 통해 태양광 모듈별 평균온도를 계산할 수 있었다.
넷째, 태양광 모듈별 평균온도 자료를 분석한 결과 고무덮개를 설치한 태양광 모듈이 다른 태양광 모듈에 비해 3~4℃ 높은 37℃ 이상의 발열이 관측되었으며, GIS 공간분석을 통해 37℃ 이상의 발열이 확인된 고장난 태양광 모듈을 자동으로 식별하고, 각 태양광 모듈별 고유의 식별 코드를 통해 고무 덮개를 설치한 태양광 모듈(고장난 태양광 모듈)의 위치를 정확하게 검출하는 기술을 확보하게 되었다.
이를 통해 실제 태양광 발전소에 적용시 이상발열이나 또는 전기가 단락되어 다른 태양광 모듈에 비해 상대적으로 온도가 매우 낮게 나타나는 태양광 모듈에 대하여 자동으로 검출하는 기술을 확보하게 되었다.
이상에서 설명한 바와 같이, 본 발명의 방법은 프로그램으로 구현되어 컴퓨터의 소프트웨어를 이용하여 읽을 수 있는 형태로 기록매체(CD-ROM, RAM, ROM, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등)에 저장될 수 있다.
본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진자가 하기의 특허청구범위에 기재된 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 또는 변형하여 실시할 수 있음을 이해할 수 있을 것이다.
GCP: 지상 기준점(Ground Control Point)
DSM: 수치 표면 모델(Digital Surface Model)
DSM: 수치 표면 모델(Digital Surface Model)
Claims (6)
- (a) 복수의 태양광 모듈들이 설치된 대상지를 선택하여 지상기준점 측량을 위해 k 개의 지상 기준점(GCP)을 선정하여 GRS80 TM 좌표체계를 기준으로 복수의 태양광 모듈이 설치된 대상지를 내부로 포함하는 각각의 지상 기준점(GCP)에 대한 VRS(Virtual Reference Service) 측량을 수행하는 단계;
(b) GPS 수신기를 구비하는 드론의 열적외선 카메라(RGB 카메라)를 사용하여 각 태양광 모듈별 고유의 식별 코드가 부여된 태양광 모듈 레이어의 n개의 영상을 항공 촬영한 후, 영상 정합 소프트웨어(Pix4D SW)를 사용하여 태양광 모듈 레이어의 정사영상을 생성하는 단계;
(c) 상기 드론의 열적외선 카메라로부터 얻어진 온도 정보와 태양광 모듈 레이어를 기반으로 각 태양광 모듈을 Zone 영역으로 설정하여 Zonal mean 함수를 사용하여 태양광 모듈의 평균온도를 계산하는 단계; 및
(d) GIS 공간분석을 통해 태양광 모듈의 평균 온도 보다 이상 발열이 확인된 특정 온도 이상 또는 소정 온도 이하의 태양광 모듈들을 자동으로 추출하고, 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별 코드를 식별하여 태양광 모듈의 고장여부를 자동으로 진단하며, 특정 온도 이상 또는 소정 온도 이하의 고장난 태양광 모듈의 위치를 정확하게 검출하는 단계를 포함하고,
상기 단계 (b)는 복수의 태양광 모듈들이 설치된 대상지에 대해 n 개의 사진들이 드론의 열적외선 카메라로 항공 촬영되었으며, 비행계획 SW(eMotion SW)의 「Flight Data Manager」기능 정보가 포함된 낱장 사진파일들을 상기 영상 정합 소프트웨어(Pix4D SW)를 사용하여 사진을 접합하는 역할을 수행하여 정사영상, 포인트 클라우드, 수치 표면 모델(DSM, Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 태양광 모듈 어레이의 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하며,
상기 드론은 상기 GPS 수신기와 상기 열적외선 카메라(RGB 카메라)를 탑재한 고정익 드론을 사용하며,
상기 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 상기 드론에 장착된 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈의 고장여부를 자동으로 분석하기 위해, 태양광 모듈 어레이 및 각 태양광 모듈에 대한 고유식별 코드를 사용하고, 상기 태양광 모듈 어레이의 각 태양광 모듈별의 고유의 식별코드는 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 코드를 사용하며,
상기 특정 온도 이상의 태양광 모듈은 이상 발열이 확인된 37℃ 이상의 고장난 태양광 모듈이며, 이상 발열이 확인된 상기 소정 온도 이하의 태양광 모듈은 10℃ 이하의 고장난 태양광 모듈 인 것을 특징으로 하는 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법. - 제1항에 있어서,
상기 단계 (a)에서,
기존의 GPS 측량은 2개의 GPS 수신기를 이용하여 위치를 알고 있는 기준점에 기준국(Base) GPS 수신기를 설치하고, 위치 확인이 필요한 지점에 이 망을 이용하여 오차를 모델링한 후, GPS 수신기가 위치한 지점의 오차를 수신받아 정확한 위치를 결정하는 방식을 사용하는, 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법. - 삭제
- 제1항에 있어서,
상기 드론의 비행계획 수립은 비행계획 SW(eMotion SW)를 활용하여 촬영 해상도 4㎝, 비행횡중복도를 수신받아 해당 드론의 비행계획 대로 이동하면서 드론에 탑재된 카메라를 사용하여 일정 높이에서 항공 촬영하는, 드론과 GIS를 사용한 이상 발열 태양광 모듈 검출 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180159498A KR101985019B1 (ko) | 2018-12-11 | 2018-12-11 | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180159498A KR101985019B1 (ko) | 2018-12-11 | 2018-12-11 | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160141112A Division KR20180046177A (ko) | 2016-10-27 | 2016-10-27 | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180135827A KR20180135827A (ko) | 2018-12-21 |
| KR101985019B1 true KR101985019B1 (ko) | 2019-05-31 |
Family
ID=64960092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180159498A KR101985019B1 (ko) | 2018-12-11 | 2018-12-11 | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101985019B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102255025B1 (ko) | 2021-01-14 | 2021-05-24 | 주식회사 스카이텍 | Gis 분석을 이용한 수상 부유식 태양광 패널 진단용 드론 비행경로 정보 생성 방법 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102306618B1 (ko) * | 2019-10-31 | 2021-09-30 | 주식회사 휴인텍 | 패턴분석을 이용한 태양광 발전소 모니터링 시스템 |
| KR102413774B1 (ko) * | 2020-01-16 | 2022-06-29 | 경기도 성남시 | 드론을 이용한 열수송관 안정성 검사 시스템 및 방법 |
| CN111986172B (zh) * | 2020-08-18 | 2024-06-04 | 华北电力科学研究院有限责任公司 | 一种面向电力设备的红外图像故障检测方法及装置 |
| CN117172962B (zh) * | 2023-07-17 | 2024-04-16 | 南京工业职业技术大学 | 基于电力***的用电节能方法及*** |
| CN117478064B (zh) * | 2023-10-20 | 2024-06-04 | 重庆千信新能源有限公司 | 基于电力参数进行光伏板新能源电网异常筛选*** |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101660456B1 (ko) * | 2016-06-08 | 2016-09-28 | (주)대연씨앤아이 | 태양광 발전 시스템용 감시 장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101632831B1 (ko) | 2015-02-24 | 2016-06-23 | 울산과학대학교 산학협력단 | 태양광 모듈의 고장 위치 검출 장치 |
-
2018
- 2018-12-11 KR KR1020180159498A patent/KR101985019B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101660456B1 (ko) * | 2016-06-08 | 2016-09-28 | (주)대연씨앤아이 | 태양광 발전 시스템용 감시 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102255025B1 (ko) | 2021-01-14 | 2021-05-24 | 주식회사 스카이텍 | Gis 분석을 이용한 수상 부유식 태양광 패널 진단용 드론 비행경로 정보 생성 방법 |
| WO2022154429A1 (ko) * | 2021-01-14 | 2022-07-21 | 주식회사 스카이텍 | Gis 분석을 이용한 수상 부유식 태양광 패널 진단용 드론 비행경로 정보 생성 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180135827A (ko) | 2018-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101985019B1 (ko) | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 | |
| KR20180046177A (ko) | 드론과 ｇｉｓ를 사용한 이상 발열 태양광 모듈 검출 방법 | |
| KR101832454B1 (ko) | 드론 기반 열적외선 센서를 이용한 태양광 셀 발열 위치 분석 방법 | |
| Tsanakas et al. | Advanced inspection of photovoltaic installations by aerial triangulation and terrestrial georeferencing of thermal/visual imagery | |
| US11840334B2 (en) | Solar panel inspection by unmanned aerial vehicle | |
| CN111931565B (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及*** | |
| CN110470279B (zh) | 一种基于多旋翼无人机的集中式光伏电站电池组件缺陷巡检*** | |
| CN107111313B (zh) | 用无人驾驶飞行器检查太阳能电池板 | |
| Aghaei et al. | Image resolution and defects detection in PV inspection by unmanned technologies | |
| CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和*** | |
| CN108390645A (zh) | 基于无人机和热成像技术的光伏板故障定位方法 | |
| KR102133224B1 (ko) | 태양광 어레이 설치용 cad 설계도면을 활용한 태양광 어레이 자동 진단 시스템 | |
| Leva et al. | PV power plant inspection by UAS: Correlation between altitude and detection of defects on PV modules | |
| JP2017215239A (ja) | 太陽電池検査システム | |
| KR20200048615A (ko) | 머신러닝기반 실시간 태양광발전소 검사 드론 | |
| GB2559291A (en) | UVAs for detecting defects in solar panel arrays | |
| KR102250247B1 (ko) | 무인비행체를 이용한 태양광 패널 관리장치 및 시스템 | |
| Hallermann et al. | Vision-based monitoring of heritage monuments: Unmanned Aerial Systems (UAS) for detailed inspection and high-accuracy survey of structures | |
| KR101541285B1 (ko) | 무인 항공기를 이용한 태양광 발전 설비의 태양전지 모듈 표면 영상 데이터 수집 시스템 | |
| Cardinale-Villalobos et al. | Solar panel failure detection by infrared UAS digital photogrammetry: a case study | |
| KR102377859B1 (ko) | 태양광 패널 관리 시스템. | |
| Salahat et al. | Waypoint planning for autonomous aerial inspection of large-scale solar farms | |
| de Oliveira et al. | Low-cost aerial electroluminescence (aEL) of PV power plants | |
| JP2022066062A (ja) | 状態判定システムおよび状態判定方法。 | |
| KR20210100239A (ko) | 비행체를 활용한 태양광발전 유지관리 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| GRNT | Written decision to grant | ||
| X701 | Decision to grant (after re-examination) |