KR102283487B1 - 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템 - Google Patents

Abstract

본 발명은 태양광 발전량 예측시스템에 관한 것으로, 더욱 상세하게는 수치모델에 의해 예측된 기상정보를 위성에 의해 관측되는 기상정보를 이용하여 보정하도록 하고, 이를 이용하여 태양광발전장치의 발전량을 예측하도록 함으로써 예측의 정확성을 높일 수 있도록 하는 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템에 관한 것이다.

Description

실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템{A Forecasting System of Photovoltaic Generation Based on Machine-learning Using Realtime Satellite Data and Numerical Modeling Data}

본 발명은 태양광 발전량 예측시스템에 관한 것으로, 더욱 상세하게는 수치모델에 의해 예측된 기상정보를 위성에 의해 관측되는 기상정보를 이용하여 보정하도록 하고, 이를 이용하여 태양광발전장치의 발전량을 예측하도록 함으로써 예측의 정확성을 높일 수 있도록 하는 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템에 관한 것이다.

일반적으로 태양광 발전은 무공해, 무한정의 태양광을 이용하고, 환경에 미치는 악영향이 거의 없기 때문에 신재생에너지 발전 기술로 각광받고 있으며, 온실가스에 대한 배출규제가 구체화되면서 선진국을 중심으로 태양광을 비롯한 신재생에너지 발전설비의 보급이 늘어나고 있다.

그러나 태양광 발전량은 시간적, 공간적 변수로 인해 불확실성이 크며, 위·경도 등 지역 특성, 시간에 따른 태양 고도와 대기 상태 등에 따라 변하기 때문에 그 예측이 매우 어렵다.

이처럼 발전량을 정확하게 예측하지 못하면 발전단지를 효율적으로 운영할 수 없고, 생산된 전력의 분담 등에 대한 계획을 제대로 수립할 수 없어 태양광 발전을 통한 경제적 효과를 거둘 수 없고 전력 수급의 불균형을 초래하게 된다.

따라서, 아래 특허문헌과 같이 기존 생산한 신재생에너지를 기초로 발전될 전력을 예측하도록 하거나 기상 예측을 기초로 태양광 발전량을 예측하게 되는데, 기상 예측의 정확성이 떨어져 태양광 발전량의 예측 정확성도 매우 떨어지는 문제가 있었다.

(특허문헌)

등록특허공보 제10-1020639호(2011. 03. 02. 등록)"신재생에너지 생산량 예측방법"

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로,

본 발명은 수치모델에 의해 예측된 기상정보를 위성에 의해 관측되는 기상정보를 이용하여 보정하도록 하고, 이를 이용하여 태양광발전장치의 발전량을 예측하도록 함으로써 예측의 정확성을 높일 수 있도록 하는 태양광 발전량 예측시스템을 제공하는데 목적이 있다.

본 발명은 선형회귀분석에 의해 예측기상정보와 위성관측 기상정보의 상관관계를 분석하여 예측기상정보를 수정하도록 함으로써, 예측기상정보의 정확한 수정이 가능하도록 하는 태양광 발전량 예측시스템을 제공하는데 목적이 있다.

본 발명은 예측기상정보와 위상관측 기상정보의 공간영역 및 시간해상도를 일치시키도록 함으로써, 정확한 상관관계의 분석이 가능하도록 하는 태양광 발전량 예측시스템을 제공하는데 목적이 있다.

본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.

본 발명의 일 실시예에 따르면, 본 발명에 따른 태양광 발전량 예측시스템은 일정 지점에 설치되어 태양광에 의해 전력을 생산하는 태양광발전장치와; 상기 태양광발전장치가 설치된 지점의 기상을 예측하고, 예측된 기상정보를 이용하여 머신러닝에 의해 태양광발전장치의 발전량을 예측하는 모니터링서버와; 상기 모니터링서버에 의해 예측되는 기상정보 및 발전량을 표시하는 디스플레이장치;를 포함하고, 상기 모니터링서버는 특정 지점에 대한 기상예측정보와 위성에 의한 기상관측정보의 상관관계에 따라 기상예측정보를 보정하여 태양광발전장치의 발전량 예측에 이용하도록 하는 것을 특징으로 한다.

본 발명의 다른 실시예에 따르면, 본 발명에 따른 태양광 발전량 예측시스템에 있어서, 상기 모니터링서버는 수치모델에 의해 예측되는 기상정보를 수집하는 기상예측정보수집부와, 위성에 의한 기상관측정보를 수집하는 위성자료수집부와, 수집된 기상예측정보 및 위성 기상관측정보의 상관관계를 분석하여 예측기상정보를 수정하는 오차보정부와, 수정된 예측기상정보와 발전량 사이의 알고리즘을 머신러닝에 의해 도출하는 머신러닝수행부와, 상기 머신러닝수행부에 의해 도출되는 알고리즘에 기상예측정보를 입력하여 태양광 발전장치의 발전량을 예측하는 발전량예측부를 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 발전량 예측시스템에 있어서, 상기 오차보정부는 수집된 기상예측정보를 로딩하는 기상예측정보로딩모듈과, 위성관측 기상정보를 로딩하는 위성자료로딩모듈과, 동일한 시점의 동일한 위치에 대해 기상예측정보 및 위상관측 기상정보의 상관관계를 선형회귀식을 통해 분석하는 선형회귀분석모듈과, 분석된 선형회귀식에 따라 기상예측정보를 수정하는 기상예측수정모듈을 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 발전량 예측시스템에 있어서, 상기 모니터링서버는 수집된 기상예측정보의 보정을 위해 기상예측정보와 위성관측 기상정보의 공간영역 및 시간해상도를 일치시키는 전처리부를 포함하는 것을 특징으로 한다.

본 발명의 또 다른 실시예에 따르면, 본 발명에 따른 태양광 발전량 예측시스템에 있어서, 머신러닝수행부는 발전량의 예측을 위한 기상예측인자를 입력하는 예측인자입력모듈과, 입력된 기상예측인자에 따른 발전량 정보를 입력하는 발전량입력모듈과, 머신러닝을 이용하여 기상예측인자와 발전량에 대한 예측 알고리즘을 도출하는 알고리즘생성모듈과, 예측 알고리즘에 의해 예측된 발전량과 실제 발전량을 비교하여 알고리즘을 수정하는 최적화모듈을 포함하는 것을 특징으로 한다.

본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.

본 발명은 수치모델에 의해 예측된 기상정보를 위성에 의해 관측되는 기상정보를 이용하여 보정하도록 하고, 이를 이용하여 태양광발전장치의 발전량을 예측하도록 함으로써 예측의 정확성을 높일 수 있도록 하는 효과가 있다.

본 발명은 선형회귀분석에 의해 예측기상정보와 위성관측 기상정보의 상관관계를 분석하여 예측기상정보를 수정하도록 함으로써, 예측기상정보의 정확한 수정이 가능하도록 하는 효과가 있다.

본 발명은 예측기상정보와 위상관측 기상정보의 공간영역 및 시간해상도를 일치시키도록 함으로써, 정확한 상관관계의 분석이 가능하도록 하는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 태양광 발전량 예측시스템의 구성도
도 2는 도 1의 모니터링서버의 구성을 나타내는 블럭도
도 3은 도 1의 전처리부의 구성을 나타내는 블럭도
도 4는 도 1의 오차보정부의 구성을 나타내는 블럭도
도 5는 도 1의 머신러닝수행부의 구성을 나타내는 블럭도

이하에서는 본 발명에 따른 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템의 바람직한 실시예들을 첨부된 도면을 참조하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하고, 또한 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

본 발명의 일 실시예에 따른 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템을 도 1 내지 도 5를 참조하여 설명하면, 상기 태양광 발전량 예측시스템은 일정 지점에 설치되어 태양광에 의해 전력을 생산하는 태양광발전장치(1)와; 상기 태양광발전장치(1)가 설치된 지점의 기상을 예측하고, 예측된 기상정보를 이용하여 머신러닝에 의해 태양광발전장치(1)의 발전량을 예측하는 모니터링서버(3)와; 상기 모니터링서버(3)에 의해 예측되는 기상정보 및 발전량을 표시하는 디스플레이장치(5);를 포함한다.

종래 태양광발전장치(1)에 의한 발전량의 예측은 WRF 수치모델 등에 의해 예측되는 기상예측정보를 이용하여 머신러닝 등의 학습모델을 수행함으로써 이루어졌다. 그러나 기상예측정보의 정확성이 떨어져 이를 이용한 발전량의 예측도 정확성이 떨어지는 문제가 있다. 따라서, 본 발명에서는 WRF 수치모듈 등에 의한 기상예측자료를 위성에 의해 관측되는 기상자료를 이용하여 보정하도록 함으로써 기상예측정보의 정확성과 이를 통한 발전량 예측의 정확성을 높일 수 있도록 하였다.

상기 태양광발전장치(1)는 일정 지점에 설치되어 태양광에 의해 전력을 생산하는 구성으로, 복수의 태양광모듈(11)이 모여 하나의 발전단지를 이루도록 형성될 수 있으며, 그밖에 가정, 건축물 등에 설치되는 태양광모듈(11)을 포괄적으로 포함한다. 상기 태양광발전장치(1)에서 생산되는 전력은 일정 저장장치에 저장되어 공급되거나 전력 거래의 대상이 될 수 있으며, 그 발전량은 본 시스템에 의해 정확하게 예측되어 공급, 분배 및 판매 계획 등이 수립되도록 할 수 있다.

상기 모니터링서버(3)는 태양광발전장치(1)가 위치한 지점의 기상을 예측하고, 예측된 기상 정보를 이용하여 태양광발전장치(1)의 발전량을 예측하는 구성으로, 예측되는 정보는 상기 디스플레이장치(5)를 통해 표시되도록 할 수 있다. 특히 상기 모니터링서버(3)는 발전량의 더욱 정확한 예측을 위해 위성에 의해 관측되는 기상정보를 이용하여 기상예측정보를 보정하도록 하며, 보정된 기상예측정보와 발전량 정보 사이의 알고리즘을 머신러닝에 의해 분석하도록 한다. 이를 위해, 상기 모니터링서버(3)는 기상예측정보수집부(31), 위성자료수집부(32), 전처리부(33), 오차보정부(34), 머신러닝수행부(35), 발전량예측부(36)를 포함할 수 있다.

상기 기상예측정보수집부(31)는 발전량 예측을 위한 기상예측정보를 수집하는 구성으로, 일 예로 WRF(Weather Research and Forecasting) 수치모델에 의해 예측되는 기상정보를 수집하도록 할 수 있다. 상기 기상예측정보수집부(31)는 발전량의 예측을 위해 기온, 습도, 풍속, 일사량, 강수량, 운량 등의 기상정보를 수집하도록 할 수 있으며, 수집된 정보는 위성에 의해 관측된 기상정보와 비교되어 상관관계가 분석된다.

상기 위성자료수집부(32)는 위성에 의해 관측되는 기상정보를 수집하는 구성으로, 기상의 관측을 위해 설치되는 위성으로부터 실시간 기상정보를 수집하도록 한다. 상기 위성자료수집부(32)에 의해 수집되는 기상정보는 동일한 위치, 시간에 대해 기상예측정보수집부(31)에 의해 수집되는 기상정보와 상관관계가 분석될 수 있도록 하며, 일 예로 일사량, 운량, 강수량 등의 정보를 수집하도록 할 수 있다.

상기 전처리부(33)는 기상예측정보수집부(31)에 의해 수집되는 예측기상정보와 위성자료수집부(32)에 의해 수집되는 위성관측 기상정보의 상관관계 분석을 위해 기상정보의 공간 및 시간 기준을 일치시키는 구성으로, 공간영역을 일치시키는 공간영역일치모듈(331)과 시간해상도를 일치시키는 시간해상도일치모듈(332)을 포함할 수 있다.

상기 공간영역일치모듈(331)은 예측기상정보 및 위성관측 기상정보의 공간영역을 일시키는 구성으로, 서로 다른 격자영역에 대해 동일한 영역으로 일치시켜 상관관계의 분석이 이루어질 수 있도록 한다. 상기 공간영역일치모듈(331)은 1km × 1km 격자의 고해상도 영역으로 일치시지도록 할 수 있으며, 선형내삽, 거리가중치 내삽, 최근접 내삽 등 다양한 내삽기법을 활용하여 특정 영역에 대한 기상정보로 일치시킬 수 있도록 한다.

상기 시간해상도일치모듈(332)은 기상예측정보수집부(31)에 의해 수집되는 예측기상정보 및 위성자료수집부(32)에 의해 수집되는 위성관측 기상정보의 시간해상도를 일치시키는 구성으로, 동일한 시간에 대한 예측기상정보 및 위성관측 기상정보의 상관관계를 분석할 수 있도록 한다.

상기 오차보정부(34)는 기상예측정보 및 위성관측 기상정보의 상관관계에 따라 예측기상정보를 수정하는 구성으로, 예측기상정보의 정확성을 높일 수 있도록 한다. 위성에 의해 관측되는 기상정보는 실제 기상정보와 비교했을 때 수치모델에 의해 예측되는 기상정보보다 높은 정확성을 가지므로, 상기 오차보정부(34)는 위성관측정보를 이용하여 기상예측정보를 보정하도록 함으로써 예측기상정보 및 이를 통한 발전량 예측의 정확성을 높이도록 할 수 있다. 이를 위해, 상기 오차보정부(34)는 기상예측정보로딩모듈(341), 위성자료로딩모듈(342), 선형회귀분석모듈(343), 기상예측수정모듈(344)을 포함할 수 있다.

상기 기상예측정보로딩모듈(341)은 상기 기상예측정보수집부(31)에 의해 수집되는 기상예측정보를 불러오도록 하며, 일정 기간 동안의 기상예측정보를 불러오도록 한다. 또한, 상기 기상예측정보로딩모듈(341)에 의해 로딩되는 기상예측정보는 상기 전처리부(33)에 의해 위성관측 기상정보와 공간영역 및 시간해상도가 일치되며, 일정 기간동안 위성관측 기상정보와의 상관관계 분석을 통해 보정이 이루어지게 된다.

상기 위성자료로딩모듈(342)은 상기 위성자료수집부(32)에 의해 수집되는 위성관측 기상정보를 불러오도록 하며, 기상예측정보와 공간영역 및 시간해상도가 일치되도록 하고, 기상예측정보와의 비교를 통해 상관관계가 분석된다.

상기 선형회귀분석모듈(343)은 기상예측정보와 위성관측 기상정보의 상관관계를 분석하는 구성으로, 선형회귀식을 이용하여 일정 기간 동안 기상예측정보와 위성관측 기상정보의 상관관계가 분석되도록 한다. 상기 선형회귀분석모듈(343)은 기상예측정보 및 위성관측 기상정보의 동일한 변수에 대한 상관관계의 분석이 이루어지도록 한다.

상기 기상예측수정모듈(344)은 선형회귀분석모듈(343)에 의해 분석된 선형회귀식을 기상예측정보에 반영하여 기상예측정보를 수정하는 구성으로, 수정된 예측기상정보가 발전량 예측에 사용되도록 한다. 따라서, 위성관측 기상정보에 의해 보정된 기상정보는 상기 머신러닝수행부(35)의 예측인자로 입력되어 태양광발전장치(1)의 발전량과 머신러닝에 의해 학습되고 이를 통해 발전량을 예측하는 알고리즘이 도출되어 발전량 예측의 정확성을 높일 수 있도록 한다.

상기 머신러닝수행부(35)는 기상예측정보를 이용하여 태양광발전장치(1)의 발전량을 예측하는 알고리즘을 도출하는 구성으로, 특정 위치, 시간에 대한 기상예측정보와 발전량 사이의 비선형관계를 도출하도록 한다. 상기 머신러닝수행부(35)는 일 예로 XGBoost기법을 사용하도록 할 수 있으며, 비선형관계의 변수들간의 가중치를 계산하여 분류규칙을 만드는 단계를 반복함으로써 정확도 높은 예측모형을 만들도록 할 수 있다. 이를 위해, 상기 머신러닝수행부(35)는 예측인자입력모듈(351), 발전량입력모듈(352), 알고리즘생성모듈(353), 최적화모듈(354)을 포함할 수 있다.

상기 예측인자입력모듈(351)은 태양광발전장치(1)의 발전량을 예측하기 위한 기상예측정보를 입력하는 구성으로, 일사량, 운량, 강우량, 기온, 습도, 풍속 등의 예측기상정보가 예측모형에 입력되도록 한다. 특히, 상기 예측인자입력모듈(351)은 상기 오차보정부(34)에 의해 수정된 예측기상정보가 입력되도록 할 수 있으며, 이를 통해 발전량 예측의 정확성을 높일 수 있도록 한다.

상기 발전량입력모듈(352)은 특정 지점 및 시점에 대한 실제 발전량 정보를 예측모형에 입력하는 구성으로, 예측모형의 가중치에 대한 갱신이 이루어지도록 한다.

상기 알고리즘생성모듈(353)은 일정 기간동안 축적된 예측기상정보와 발전량 데이터들을 예측모형에 입력하여 가중치를 계산하면서 발전량이 예측되는 알고리즘을 도출하는 구성으로, 데이터가 쌓일수록 그 정확성은 점점 높아지게 된다.

상기 최적화모듈(354)은 상기 알고리즘생성모듈(353)에 의해 도출된 알고리즘에 따라 예측되는 발전량 정보와 실제 발전량 정보를 비교하여 예측모형의 검증이 이루어지도록 하는 구성으로, 각 변수에 대한 가중치가 갱신되면서 예측모형의 최적화가 이루어질 수 있도록 한다.

상기 발전량예측부(36)는 상기 머신러닝수행부(35)에 의해 생성되는 예측모형에 의해 발전량을 예측하는 구성으로, 예측기상정보를 예측모형에 입력하여 예측 발전량이 산출될 수 있도록 하며, 이때에도 예측기상정보는 상기 오차보정부(34)에 의해 수정된 정보가 사용되도록 할 수 있다. 또한, 상기 발전량예측부(36)에 의해 예측된 발전량정보는 실제 발전량정보와 비교되어 예측모형의 검증이 이루어질 수 있도록 한다.

상기 디스플레이장치(5)는 상기 모니터링서버(3)에 의해 예측되는 기상정보, 발전량정보 등을 표시하는 구성으로, 컴퓨터, 모바일 단말기 등 다양한 장치가 적용될 수 있다.

이상에서, 출원인은 본 발명의 다양한 실시예들을 설명하였지만, 이와 같은 실시예들은 본 발명의 기술적 사상을 구현하는 일 실시예일 뿐이며, 본 발명의 기술적 사상을 구현하는 한 어떠한 변경예 또는 수정예도 본 발명의 범위에 속하는 것으로 해석되어야 한다.

1: 태양광 발전장치 11: 태양광모듈
3: 모니터링서버
31: 기상예측정보수집부 32: 위성자료수집부
33: 전처리부 331: 공간영역일치모듈
332: 시간해상도일치모듈 34: 오차보정부
341: 기상예측정보로딩모듈 342: 위성자료로딩모듈
343: 선형회귀분석모듈 344: 기상예측수정모듈
35: 머신러닝수행부 351: 예측인자입력모듈
352: 발전량입력모듈 353: 알고리즘생성모듈
354: 최적화모듈 36: 발전량예측부
5: 디스플레이장치

Claims (5)

1. 일정 지점에 설치되어 태양광에 의해 전력을 생산하는 태양광발전장치와; 상기 태양광발전장치가 설치된 지점의 기상을 예측하고, 예측된 기상정보를 이용하여 머신러닝에 의해 태양광발전장치의 발전량을 예측하는 모니터링서버와; 상기 모니터링서버에 의해 예측되는 기상정보 및 발전량을 표시하는 디스플레이장치;를 포함하고,
   상기 모니터링서버는,
   특정 지점에 대한 기상예측정보와 위성에 의한 기상관측정보의 상관관계에 따라 기상예측정보를 보정하여 태양광발전장치의 발전량 예측에 이용하도록 하며,
   상기 모니터링서버는,
   WRF 수치모델에 의해 예측되는 기상정보를 수집하는 기상예측정보수집부와, 위성에 의한 기상관측정보를 수집하는 위성자료수집부와, 수집된 기상예측정보의 보정을 위해 기상예측정보와 위성관측 기상정보의 공간영역 및 시간해상도를 일치시키는 전처리부와, 수집된 기상예측정보 및 위성 기상관측정보의 상관관계를 분석하여 예측기상정보를 수정하는 오차보정부와, 수정된 예측기상정보와 발전량 사이의 알고리즘을 머신러닝에 의해 도출하는 머신러닝수행부와, 상기 머신러닝수행부에 의해 도출되는 알고리즘에 기상예측정보를 입력하여 태양광 발전장치의 발전량을 예측하는 발전량예측부를 포함하고,
   상기 오차보정부는,
   수집된 기상예측정보를 로딩하는 기상예측정보로딩모듈과, 위성관측 기상정보를 로딩하는 위성자료로딩모듈과, 동일한 시점의 동일한 위치에 대해 기상예측정보 및 위상관측 기상정보의 상관관계를 선형회귀식을 통해 분석하는 선형회귀분석모듈과, 분석된 선형회귀식에 따라 기상예측정보를 수정하는 기상예측수정모듈을 포함하며,
   상기 전처리부는,
   1km × 1km의 격자영역으로 기상예측정보 및 위성자료의 공간 영역을 일치시키는 공간영역일치모듈과, 기상예측정보 및 위성자료의 시간해상도를 일치시키는 시간해상도일치모듈을 포함하고,
   상기 머신러닝수행부는,
   발전량의 예측을 위한 기상예측인자를 입력하는 예측인자입력모듈과, 입력된 기상예측인자에 따른 발전량 정보를 입력하는 발전량입력모듈과, 머신러닝을 이용하여 기상예측인자와 발전량에 대한 예측 알고리즘을 도출하는 알고리즘생성모듈과, 예측 알고리즘에 의해 예측된 발전량과 실제 발전량을 비교하여 알고리즘을 수정하는 최적화모듈을 포함하는 것을 특징으로 하는 태양광 발전량 예측시스템.
2. 삭제
3. 삭제
4. 삭제
5. 삭제

Images