KR102352588B1 - 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 - Google Patents
선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 Download PDFInfo
- Publication number
- KR102352588B1 KR102352588B1 KR1020200132958A KR20200132958A KR102352588B1 KR 102352588 B1 KR102352588 B1 KR 102352588B1 KR 1020200132958 A KR1020200132958 A KR 1020200132958A KR 20200132958 A KR20200132958 A KR 20200132958A KR 102352588 B1 KR102352588 B1 KR 102352588B1
- Authority
- KR
- South Korea
- Prior art keywords
- inverter
- power generation
- information
- regression model
- parameter
- Prior art date
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 57
- 238000012417 linear regression Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000000540 analysis of variance Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/30—Electrical components
- H02S40/32—Electrical components comprising DC/AC inverter means associated with the PV module itself, e.g. AC modules
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Environmental & Geological Engineering (AREA)
- Photovoltaic Devices (AREA)
- Inverter Devices (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
Abstract
일 개시에 의하여 태양광 발전 시스템에 포함된 센서부로부터 기 정해진 주기마다 복수개의 기상 요소를 획득하고, 인버터로부터 인버터 상태 정보를 획득하는 단계, 인버터 상태 정보에 대하여 복수개의 기상 요소 각각을 선형 분석한 결과에 기초하여, 인버터 효율을 모델링할 수 있는 기상 요소를 제 1 매개변수로 선택하는 단계, 제 1 매개변수와 인버터 상태 정보의 선형 상관관계(Correlation)를 이용하여 선형회귀모델을 생성하는 단계, 선형회귀모델을 이용한 모델링 결과에 기초하여 인버터 효율 분석에 따른 잔차(Residual)를 계산하고, 인버터의 효율을 판단하는 기준값으로서 판단 임계값(Threshold)를 설정하는 단계, 및 판단 임계값 및 잔차를 이용하여 태양광 발전 시스템의 이상 상황을 예측하는 단계를 포함하는, 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 방법을 제공할 수 있다.
Description
일 개시에 의하여, 태양광 발전 중 획득한 다양한 요소들로부터 생성된 선형회귀모델을 이용하여 인버터 효율 정보를 도출하고 도출된 인버터 효율 정보를 효율적인 태양광 발전의 운영에 이용하기 위한 장치 및 방법을 제공한다.
전 세계적으로 신 재생 에너지(Renewable energy) 발전이 주목받고 있으며, 태양광 산업은 신재생에너지의 한 축으로 성장하고 있고 지속적으로 태양광발전시스템(Photovoltaic System)이 증가하는 추세이다. 대한민국의 정부 정책은 건물의 옥상, 주차장 등의 유휴부지(Unused Site)에 PV System 설치를 우선사항으로 하고 있다. 점진적으로 설치량이 증가하고 있다. 이에 따라 PV System 운영유지보수(Operation & Management)에 관한 관심이 증가하고 있다.
태양광 발전은 태양에너지를 직접 전기로 변환하는 시스템이다. 태양빛이 반도체(실리콘-N형과 P형)에 비추어지면 이어진 전극간에 전자가 이동하며 전류가 발생함으로써 전기가 생성된다. 현존하는 대부분의 발전 시스템은 화석연료를 이용하여 발전하는 시스템으로 복잡한 기계설비가 요구되고 있다. 연료사용으로 인해 이산화탄소를 배출한다는 문제점이 존재한다. 태양광 발전 시스템은 태양에너지를 전기에너지로 변환할 때 반도체를 사용한다. PV System 구축에 상대적으로 복잡하지 않고, 화석연료와 달리 공해요소를 배출하지 않는다는 점에서 매우 친환경적이다. 운전 및 유지보수가 간단하므로 경제적인 발전시스템이다.
태양전지(solarcell)가 생산하는 전기는 직류이다. 태양광의 세기가 기상상태에 영향을 받는것처럼, 생산되는 전기도 일정하지 않다. 태양광 발전을 통해 생성된 에너지는 수시로 변하기 때문에 PV모듈에서 얻어지는 전력을 그대로 사용하기에 어렵다. 일반적으로 solarcell의 출력 특성은 일사량과 solarcell의 표면 청결 상태, 그리고 cell의 표면 동작 온도 등 태양전지 array측의 환경에 좌우된다. 태양광 발전에서 발생하는 손실은 에너지 출력에 영향을 미치는 요인으로 정의 가능하다. 불균일한 직류전력을 안정된 직류 또는 교류 전압원으로 변환하는 것이 가장 중요하다.
안정된 전력 변환의 핵심 요소는 인버터이다. 인버터는 모듈을 통해 생산되는 전력을 균일하게 출력해주는 기능을 담당한다. 입력 전력량과 출력 전력량의 차이가 크지 않아야 인버터의 효율이 좋다고 할 수 있다, 기기의 특성상 발전 손실이 필연적으로 발생하게 된다. 시스템 손실(System Losses)는 태양광 패널, 태양전지에서 생산된 DC을 소비 가능한 형태인 AC 로 변환하는 과정에서 발생하는 손실이다.
인버터에서 발생하는 모든 손실이 시스템손실에 포함된다. DC to AC 변환의 경우, 100% 효율을 보여주는 인버터는 없다. 이것은 출력(AC)측의 에너지가 입력(DC)의 에너지만큼 크지 않다는 것을 의미한다. 인버터의 효율은 대체적으로 95~98%를 유지한다. 이 비율은 입력 DC 전원 및 전압에 의해 달라질 수 있다. Provider의 기준 효율이 아닌 실제 인버터의 효율을 측정하기 위해서는 생산되는 발전량의 예측이 선행되어야 한다.
일 개시에 의한 기술적 과제는 태양광 발전량에 미치는 요소들을 모델링하여 선형회귀모델을 생성하고, 생성된 선형회귀모델을 이용하여 인버터 효율을 분석하여 태양광 발전을 효율적으로 운영하는데 도움을 주는 장치 및 방법을 제공할 수 있다.
일 개시에 의하여 태양광 발전 시스템에 포함된 센서부로부터 기 정해진 주기마다 복수개의 기상 요소를 획득하고, 인버터로부터 인버터 상태 정보를 획득하는 단계, 인버터 상태 정보에 대하여 복수개의 기상 요소 각각을 선형 분석한 결과에 기초하여, 인버터 효율을 모델링할 수 있는 기상 요소를 제 1 매개변수로 선택하는 단계, 제 1 매개변수와 인버터 상태 정보의 선형 상관관계(Correlation)를 이용하여 선형회귀모델을 생성하는 단계, 선형회귀모델을 이용한 모델링 결과에 기초하여 인버터 효율 분석에 따른 잔차(Residual)를 계산하고, 인버터의 효율을 판단하는 기준값으로서 판단 임계값(Threshold)를 설정하는 단계, 및 판단 임계값 및 잔차를 이용하여 태양광 발전 시스템의 이상 상황을 예측하는 단계를 포함하는, 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 방법을 제공할 수 있다.
일 개시에 의하여 제 1 매개변수는 복수개의 기상 요소 중 인버터 상태 정보에 대해 임계치 이상의 선형성을 만족하는 기상 요소 중 하나 일 수 있으며, 제 1 매개변수 보다 선형성 요건은 낮지만 임계치 이상의 선형성을 만족하는 다른 기상 요소를 제 2 매개변수로 설정할 수 있다.
일 개시에 의하여, 매개변수는 복수개 설정될 수 있으며 각각의 매개변수에 대한 선형 회귀 모델을 이용하여 인버터 효율 정보를 도출하고, 태양광 발전 시스템의 발전 용량을 예측할 수 있다.
일 개시에 의하여 태양광 발전 시스템에 포함되어 기 정해진 주기마다 복수개의 기상 요소를 획득하는 주변환경 센싱부, 태양광 발전 시스템에 포함된 인버터로부터 인버터 상태 정보를 획득하는 인버터 센싱부, 인버터 상태 정보에 대하여 복수개의 기상 요소 각각을 선형 분석한 결과에 기초하여, 인버터 효율을 모델링할 수 있는 기상 요소를 제 1 매개변수로 선택하고, 제 1 매개변수와 인버터 상태 정보의 선형 상관관계(Correlation)를 이용하여 선형회귀모델을 생성하고, 선형회귀모델을 이용한 모델링 결과에 기초하여 인버터 효율 분석에 따른 잔차(Residual)를 계산하고, 인버터의 효율을 판단하는 기준값으로서 판단 임계값(Threshold)를 설정하고, 판단 임계값 및 잔차를 이용하여 태양광 발전 시스템의 이상 상황을 예측하는 프로세서, 및 태양광 발전 시스템에 이상 상황이 발생하는 경우 경보알림을 출력하고, 외부로 경보 알림을 전송하는 경보 알림부를 포함하는, 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치를 제공할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치는, 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 개시된 실시 예에 따른 방법을 수행한다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 프로그램은, 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
일 개시에 의하면 태양광 발전량에 대해 기상 요인에 대한 인버터 효율정보를 실시간으로 제공하여 이용자에게 경보하여 적시에 조치가 이루어질 수 있도록 이상상황 경보 체계를 구축할 수 있는 장점이 있다.
일 개시에 의하여 본원발명에서 제안한 발전량 예측 모델은 PV System의 운영 과정에서 인버터 효율을 실시간으로 확인하고, 유지보수 시점을 결정하는데 활용될 수 있다. 또한, 본원에서 제안하는 선형 예측 모델은 데이터 수집장치(RTU)에서 환경센서 데이터를 기반으로 실시간으로 동작하며 발전량 예측을 수행하며, 데이터베이스에 누적된 발전량 예측정보는 인버터로부터 수집된 발전량 정보와의 지속적인 비교를 수행했고, 인버터의 발전 효율 정보를 운영자에게 제공함으로써 태양광 발전을 효과적으로 운영할 수 있다.
도 1은 일 개시에 의한 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치의 구성을 나타내는 도면이다.
도 2는 일 개시에 의한 태양광 발전에서의 인버터의 효율에 따른 발전량을 예측하기 위한 구성을 개략적으로 설명하기 위한 도면이다.
도 3은 일 개시에 의한 수직일사와 DC 출력과의 관계 및 수평일사와 DC 출력과의 선형관계를 확인하기 위한 산포도를 나타낸다.
도 4는 일 개시에 의한 태양광 발전 시스템의 DC 출력을 이용한 발전량 예측 그래프를 나타낸다.
도 5는 일 개시에 의한 관측데이터와 예측모델 사이의 잔차(Residual)를 분석한 그래프를 나타낸다.
도 6은 일 개시에 따른 잔차의 도수 분포를 나타내는 표이다.
도 7은 일 개시에 의한 인버터 효율 정보를 도출하는 장치를 실제 구현한 사진을 나타낸다.
도 2는 일 개시에 의한 태양광 발전에서의 인버터의 효율에 따른 발전량을 예측하기 위한 구성을 개략적으로 설명하기 위한 도면이다.
도 3은 일 개시에 의한 수직일사와 DC 출력과의 관계 및 수평일사와 DC 출력과의 선형관계를 확인하기 위한 산포도를 나타낸다.
도 4는 일 개시에 의한 태양광 발전 시스템의 DC 출력을 이용한 발전량 예측 그래프를 나타낸다.
도 5는 일 개시에 의한 관측데이터와 예측모델 사이의 잔차(Residual)를 분석한 그래프를 나타낸다.
도 6은 일 개시에 따른 잔차의 도수 분포를 나타내는 표이다.
도 7은 일 개시에 의한 인버터 효율 정보를 도출하는 장치를 실제 구현한 사진을 나타낸다.
이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.
본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수학식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 어떤 구성요소가 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 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.
본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서(미도시)로 구현될 수 있다.
이하에서, 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치(100)는 인버터 효율 정보 도출 장치(100)로 축약하여 설명하도록 한다.
도 1은 일 개시에 의한 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치의 구성을 나타내는 도면이다.
일 개시에 의한 인버터 효율 정보 도출 장치(100)는 주변환경 센싱부(110), 인버터 센싱부(120), 경보 알림부(130), 프로세서(140), 통신부(150) 및 메모리(160)를 포함할 수 있다.
일 개시에 의한 인버터 효율 정보 도출 장치(100)는 태양광 발전 시스템의 인버터 및 주변 환경 정보를 이용하여 선형회귀모델을 생성하고, 인버터의 효율을 도출함으로써 태양광 발전의 효율적인 운영을 모니터링할 수 있다.
예를 들어, 일 개시에 의한 인버터 효율 정보 도출 장치(100)는 표 1과 같은 세부사양의 구성을 포함할 수 있으나, 이에 제한되지 않는다.
일 개시에 의한 주변환경 센싱부(110)는 태양광 발전 시스템에 포함된 모듈로서, 태양광 발전 시스템 주변의 환경 정보를 센싱할 수 있다. 센싱하는 주변환경 정보는 경사일사(Vertical solar radiation), 모듈온도(Module temperature), 수평일사(Horizontal solar radiation), 외기온도(Outside temperature)를 포함할 수 있다. 또한, 주변환경 센싱부(110)는 태양광 발전 시스템 내부 및 외부의 온도, 습도, 공기질, 바람세기 등과 같은 주변 환경을 센싱할 수 있는 적어도 하나의 모듈을 포함할 수 있다.
일 개시에 의한 주변환경 센싱부(110)는 태양광 발전 시스템에 포함되어 기 정해진 주기마다 복수개의 기상 요소를 획득할 수 있다.
일 개시에 의한 주변환경 센싱부(110)는 기 정해진 주기마다 복수개의 기상 요소를 획득할 수 있으며, 예를 들어 5분 간격으로 복수개의 기상 요소를 센싱하여 프로세서(140)로 전송할 수 있다.
이하의 표 2는 실제로 주변환경 센싱부(110)에서 수집한 복수개의 기상 요소에 대한 데이터를 나타낸 표이다.
일 개시에 의하여 인버터 센싱부(120)는 태양광 발전 시스템에 포함된 인버터로부터 인버터 상태 정보를 획득할 수 있다. 일 개시에 의하여 인버터 센싱부(120)는 동작 중인 인버터의 상태 정보를 기 정해진 주기에 따라 획득할 수 있다.
일 개시에 의하여 인버터 센싱부(120)는 기 정해진 주기마다 인버터의 데이터를 수집할 수 있다. 예를 들어, 인버터 센싱부(120)는 1분 간격으로 인버터의 모든 동작 데이터를 수집할 수 있다.
이하, 표 3은 인버터 수집 데이터의 예시를 나타낸다.
일 개시에 의하여 인버터 효율 정보 도출 장치(100)에 포함된 프로세서(140)는 하나 이상의 인스트럭션을 실행함으로써 본원의 방법을 수행할 수 있다.
일 개시에 의하여 프로세서(140)는, 통상적으로 인버터 효율 정보 도출 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(140)는, 메모리(160)에 저장된 프로그램들을 실행함으로써, 인버터 효율 정보 도출 장치(100)에 포함된 다른 구성들을 전반적으로 제어할 수 있다. 또한, 프로세서(140)는 메모리(160)에 저장된 프로그램들을 실행함으로써, 인버터 효율 정보 도출 장치(100)의 기능을 수행할 수 있다. 프로세서(140)는 적어도 하나의 프로세서를 구비할 수 있다. 프로세서(140)는 그 기능 및 역할에 따라, 복수의 프로세서들을 포함하거나, 통합된 형태의 하나의 프로세서를 포함할 수 있다. 일 실시예에서, 프로세서(140)는 메모리(160)에 저장된 적어도 하나의 프로그램을 실행함으로써 알림 메시지를 제공하도록 하는 적어도 하나의 프로세서를 포함할 수 있다.
메모리(160)는, 프로세서(140)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 인버터 효율 정보 도출 장치(100)로 입력되거나 인버터 효율 정보 도출 장치(100)로부터 출력되는 데이터를 저장할 수도 있다.
메모리(160)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리(160) 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(160)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 여기서, 복수 개의 모듈들은 하드웨어가 아닌 소프트웨어로서, 기능적으로 동작하는 모듈을 의미한다.
메모리(160)는, 프로세서(140)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 인버터 효율 정보 도출 장치(100)로 입력되는 이미지 또는 인버터 효율 정보 도출 장치(100)로부터 출력되는 가이드 정보를 저장할 수도 있다. 또한, 메모리(160)는 가이드 정보의 출력 여부 판단을 위한 특정 정보를 저장할 수 있다.
메모리(160)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(160)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈, 터치 스크린 모듈, 알림 모듈 등으로 분류될 수 있다.
UI 모듈은, 애플리케이션 별로 인버터 효율 정보 도출 장치(100)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(140)로 전달할 수 있다. 일 실시예에 따른 터치 스크린 모듈은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈은 인버터 효율 정보 도출 장치(100)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 인버터 효율 정보 도출 장치(100)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다.
프로세서(140)는, 통상적으로 인버터 효율 정보 도출 장치(100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(140)는, 메모리(160)에 저장된 프로그램들을 실행함으로써, 다른 모듈 들의 등을 전반적으로 제어할 수 있다. 또한, 프로세서(140)는 메모리(160)에 저장된 프로그램들을 실행함으로써, 인버터 효율 정보 도출 장치(100)의 기능을 수행할 수 있다.
일 개시에 의하여 프로세서(140)는 인버터 상태 정보에 대하여 복수개의 기상 요소 각각을 선형 분석한 결과에 기초하여, 인버터 효율을 모델링할 수 있는 기상 요소를 제 1 매개변수로 선택하고, 제 1 매개변수와 인버터 상태 정보의 선형 상관관계(Correlation)를 이용하여 선형회귀모델을 생성할 수 있다.
일 개시에 의하여 제 1 매개변수는 복수개의 기상 요소 중 인버터 상태 정보에 대해 임계치 이상의 선형성을 만족하는 기상 요소 중 하나 일 수 있으며, 제 1 매개변수 보다 선형성 요건은 낮지만 임계치 이상의 선형성을 만족하는 다른 기상 요소를 제 2 매개변수로 설정할 수 있다.
일 개시에 의하여 프로세서(140)는 선형회귀모델을 이용한 모델링 결과에 기초하여 인버터 효율 분석에 따른 잔차(Residual)를 계산하고, 인버터의 효율을 판단하는 기준값으로서 판단 임계값(Threshold)를 설정할 수 있다.
일 개시에 의하여, 매개변수는 복수개 설정될 수 있으며 각각의 매개변수에 대한 선형 회귀 모델을 이용하여 인버터 효율 정보를 도출하고, 태양광 발전 시스템의 발전 용량을 예측할 수 있다.
또한, 일 개시에 의하여 프로세서(140)는 판단 임계값 및 잔차를 이용하여 태양광 발전 시스템의 이상 상황을 예측할 수 있다.
또한, 프로세서(140)는 통신부(150)를 이용하여 다른 장치 및 다른 서버와 통신할 수 있다. 통신부는, 인버터 효율 정보 도출 장치(100)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 인버터 효율 정보 도출 장치(100)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 통신부는, 근거리 통신부, 이동 통신부, 방송 수신부를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 인버터 효율 정보 도출 장치(100)가 방송 수신부를 포함하지 않을 수 도 있다.
일 개시에 의한 경보 알림부(130)는 태양광 발전 시스템에 이상 상황이 발생하는 경우 경보알림을 출력하고, 외부로 경보 알림을 전송할 수 있다. 경보 알림부(130)는 시각, 소리 및 진동을 이용하여 경보를 출력할 수 있으며, 통신부를 이용하여 외부로 경보 알림 정보를 전송할 수 있다.
경보 알림부(130)는 미리 등록된 사용자 단말, 관리자 단말, 관리 서버로 경보 알림을 전송할 수 있으며, 긴급 상황이 발생하는 경우 기 등록된 서버 외의 다른 서버로 도움을 요청할 수 있는 경보 알림 메시지를 전송할 수 있다.
도 2는 일 개시에 의한 태양광 발전에서의 인버터의 효율에 따른 발전량을 예측하기 위한 구성을 개략적으로 설명하기 위한 도면이다.
일 개시에 의하여 인버터 효율 정보 도출 장치(100)는 태양광 시스템(PV system)의 운영 및 유지에 영향을 주는 인버터(210)의 데이터를 측정하고 효율을 측정할 수 있다.
인버터(210)는 태양광 패널(200)에 연결되어 태양광 발전을 통해 생성되는 불균일한 직류전력을 안정된 직류 또는 교류 전압원으로 변환하는 역할을 수행한다. 인터버(210)는 태양광 발전을 통해 생성된 전력을 균일하게 출력하는 역할을 수행하며, 입력 전력량과 출력량의 차이가 크지 않을수록 인버터(210)의 효율이 좋다고 판단된다. 그러나, 물리적인 기기의 특성상 시스템 손실은 필연적으로 발생하며, 예를 들어, 태양광 패널(200) 또는 태양전지에서 생산된 DC 전력을 소비가능한 형태인 AC 전력으로 변환하는 과정에서 시스템 손실이 발생할 수 있다.
또한, 인버터(210)에서 발생하는 모든 손실이 시스템손실에 포함되며, DC 전력을 AC 전력으로 변환하는 경우, 100% 효율을 보여주는 인버터는 없다. 이것은 출력(AC)측의 에너지가 입력(DC)의 에너지만큼 크지 않다는 것을 의미한다. 인버터(210)의 효율은 대체적으로 95~98%를 유지한다. 이 비율은 입력 DC 전원 및 전압에 의해 달라질 수 있다. 따라서, 실제 인버터의 효율을 측정하기 위해서는 생산되는 발전량의 예측이 선행되어야 한다.
태양광 발전의 발전량은 주로 환경 요인에 따라 달라진다. 또한, 현재 또는 과거의 기상 조건과 미래의 태양광 발전량은 높은 상관 관계를 가지고 있다. 발전량 예측을 위해 인공신경망(Artificial neural network), SVM(Support vector machin), 기계학습(Machin learning)이 활용될 수 있으며, 나아가 기상 데이터의 일자별 시계열 데이터를 분석하는 방법인 LSTM을 이용하는 기법이 활용될 수 있으며 적응적 선형 시계열 모델(adaptive linear time series model)을 사용하는 방법과, 퍼지 결정트리 모델에 과거 데이터와 현재 예보를 동시에 적용하는 기법이 있으며 이에 제한되지 않는다..
본원에서 설명하는 선형 모델(Linear model)은 시스템 부하가 적어, 비교적 빠른 계산이 가능한 모델이다. 선형 회귀(Linear Regression)는 Training set으로부터 평균제곱오차(mean squared error)를 최소화하는 파라미터 w(weight), b(bias)를 찾는 알고리즘이다. 한 개의 설명 변수(explanatory variable)에 기반한 경우에는 단순 선형 회귀와 둘 이상의 설명 변수에 기반한 경우에는 다중 선형 회귀라고 한다. 선형 회귀는 선형 예측 함수를 사용해 회귀식을 모델링하고, 알려지지 않은 파라미터는 데이터로부터 추정한다.
선형회귀모델은 한 개 이상의 독립변수(Independent variable) X와 종속변수(dependent variable) Y에 선형적인 상관관계(correlation)가 있다고 가정하고, 주어진 데이터로부터 관계식을 찾아낸 모델이다. 선형회귀모델은 독립변수와 종속변수와의 관계를 수학식 1과 같이 가정한다.
[수학식 1]
이때 는 평균이 0, 표준편차가 σ인 정규분포를 따르는 독립적인 오차항(error term)을 의미한다. 회귀분석(regression analysis)을 위해 주어진 데이터를 수학식 2와 같이 독립변수 X의 행렬과 종속변수 Y의 벡터로 정의하고, 회귀계수(regression coefficient)를 의미하는 β값들을 벡터로 나타낼 수 있다. p는 독립변수의 수 n은 데이터의 수를 의미한다.
[수학식 2]
이를, 수학식 1에 적용하면 다음과 같다.
[수학식 3]
이때 오차 오차를 최소화하는 회귀계수들을 추정하는 방법은 다음과 같다.
[수학식 4]
추정된 회귀계수 
을 가지고 Y값을 추정하는 식은 다음과 같다.
[수학식 5]
회귀모델의 통계적 유의성을 검정하려면 분산분석을 수행해야 한다. 추정값 
과 관찰값 
를 이용하여, 분산분석을 수행하기 위해 필요한 총제곱합(SST: sum of squares of total), 회귀제곱합(SSR: sum of squares error)은 다음과 같다.
[수학식 6]
[수학식 7]
[수학식 8]
선형회귀모델이 실제 모델을 예측하는데 적합한지에 대한 판단은 분산분석을 통해 도출되는 여러 가지 통계량을 고려해서 해야 한다. 대표적인 기준으로 결정계수(
), 수정결정계수(Adjusted 
), 회귀식에 의한 추정값의 표준오차(standard error of the estimate), 회귀식의 통계적 유의성(statistical significance)(각 회귀계수의 t통계량) 등이 있다.
결정계수(coefficients)는 종속변수의 총 분산 중 회귀모델로 설명되는 분산의 비율을 나타내는 지수로서 회귀모델의 예측력을 나타낸다. 결정계수는 0과 1 사이의 값을 가지고 1에 가까울수록 회귀모델의 예측력이 높다고 판단할 수 있다. 결정계수는 다음과 같다.
[수학식 9]
수정결정계수(adjusted R-squared)는 표본 자료에서 얻어지는 결정계수가 모집단의 결정계수보다 커지는 경향을 보정하기 위해 자유도를 반영시킨 모결정계수에 대한 추정값이다. 수정결정계수 
는 다음과 같다.
[수학식 10]
표준오차는 회귀모델로 설명되지 않는 편차의 크기를 의미한다. 표준오차는 다음과 같다.
[수학식 11]
추정한 회귀식이 통계적으로 유의한지 검정하기 위한 가설은 다음과 같다.
[수학식 12]
위의 식의 가설을 검정하기 위한 F통계량은 다음과 같다.
[수학식 13]
독립변수의 회귀계수가 통계적으로 유의한지 검정할 수 있다. 
번째 독립변수에 대한 가설은 다음과 같다.
[수학식 14]
위의 식의 가설(hypothesis)을 검정하기 위한 t통계량은 아래의 식과 같다. 
는 
의 
번째 대각원소이다.
[수학식 15]
회귀모델의 통계적 유의성에 대한 지표들은 앞에서 나열한 수학식 10, 수학식 11, 수학식 13, 수학식 15의 통계량들이며, 통계적으로 유의한 모델은 위의 조건을 고루 만족시켜야 한다.
일 개시에 의한 주변환경 센싱부(110)는 제 1 주기마다 복수개의 기상 요소에 속하는 수직 일사량, 수평 일사량, 모듈의 온도 및 외기의 온도를 센싱하고, 프로세서(140)의 데이터 수집부(1410)로 전송할 수 있다. 제 1 주기는 예를 들어 5분을 나타낼 수 있다.
일 개시에 의한 인버터(210)는 인버터 내부에 위치한 인버터 센싱부를 통해 인버터 상태 정보를 획득하고, 인버터(210)에 포함된 통신부(230)를 이용하여 인버터 상태 정보를 프로세서(140)로 전송할 수 있다. 일 개시에 의한 인버터(210)는 제 2 주기마다 인버터 상태 정보에 속하는 실시간 상태정보, 누적 발전량 및 인버터 오류 정보를 프로세서(140)의 데이터 수집부(1410)로 전송할 수 있다. 제 2 주기는 예를 들어 1분을 나타내며, 제 1 주기와 제 2 주기는 동일하거나 상이할 수 있다.
일 개시에 의하여 데이터 수집부(1410)는 데이터 처리부(1420)로 수집한데이터를 전송할 수 있다. 데이터 처리부(1420)는 획득한 데이터에 대하여, 데이터 표본 75%의 사분위수 방법을 사용한 하기 수학식 16을 이용하여 잡음을 제거할 수 있다.
[수학식 16]
(여기서, Quartile3는 데이터의 사분위 범위 75%를 의미하는 값이며, IQR은 사분위범위(Inter Quartile Range)를 계산한 값을 나타냄)
데이터 처리부(1420)는 시스템의 문제 혹은 수집장비 오류로 인한 이상치(Outlier)를 포함한 데이터 표본을 75% 사분위수를 계산하여 정제하는 과정을 거칠 수 있다.
실제로, 일 개시에 의한 데이터 처리부(1420)는 2017년 8월부터 2019년 2월까지 수집된 데이터를 분석하였으며, DC 발전량(pow_dcp) 데이터의 사분위 범위(IQR(Inter Quartile Range))를 계산하고, 수학식 16보다 발전량이 크면 이상치로 판단하여 제거했다.
일 개시에 의해 본원의 태양광 발전 시스템에서 인버터 데이터의 샘플링 주기는 7분, 기상 관측(환경센서) 데이터의 샘플링 주기는 1분 단위로 수집되었다.
일 개시에 의한 데이터 처리부(1420)는 제 1 주기마다 획득한 복수개의 기상 요소 및 제 2 주기마다 획득한 인버터 상태 정보의 샘플링 주기를 평균 주기로 환산하여 테이블을 통합하는 데이터 재정의(data refinement) 단계를 수행할 수 있다.
예를 들어, 데이터 처리부(1420)는 데이터 재정의 과정을 통해 수집 데이터간의 상이한 샘플링 주기를 15분 간격 평균으로 환산하여 인버터 데이터와 환경센서 데이터의 주기를 일치시키고, 테이블을 통합하는 과정을 실시하였다.
일 개시에 의하여, 데이터 처리부(1420)는 데이터 재정의 단계를 거친 복수개의 기상 요소 각각을 인버터 상태 정보에 대해 선형 분석하여 복수개의 기상 요소 중 선형관계가 임계값 이상으로 나타나는 기상 요소를 매개변수로 결정할 수 있다.
태양광시스템(PV System) 운영/유지보수 관점에서 인버터의 효율은 비용과 직결되는 매우 중요한 고려 요소이다. 기존의 인버터 효율진단 방법은 인버터에서 측정된 데이터에 의존하여 계산되며, 인버터 종류에 따라 효율측정의 기준값이 다를 수 있다.
본원발명에서는 일사량 센서 기반 선형 모델 적합(fitting)을 통해 효율 측정의 정밀도를 높이고, 다양한 인버터에 따른 기준 모델을 제안하여 실시간 효율 측정이 가능한 모델을 제시했다. 선형 모델 적용의 사전 검증 단계로 데이터(DC 출력/AC 출력/수직(경사)일사/수평일사)에 대한 기초 통계량 분석을 했고, 결과는 아래 표4와 같다.
태양광 발전 시스템의 기초 통계량을 나타낸 표 4에서 DC와 AC의 출력은 중위수(median)가 평균(mean)보다 크지만, 표준편차가 각각 2125, 2135이며 중위수와 평균의 차이가 크지 않은 정규분포에 가까운 우경분포(skewed left) 형태를 보인다. DC/AC 출력에서 인버터의 변환 효율이 관여하지 않은 DC 출력을 기준으로 수직(경사)일사와 수평일사에 대해 선형관계는 도 3의 (가) 및 (나)와 같다.
도 3의 (가)와 (나)는 인버터의 변환 효율이 관여하지 않은 DC 출력과 상관계수가 높게 나타난 수평일사(Horizontal solar radiation)를 매개 변수로하여 선형 모델링을 수행한 것이다.
도 3의 (가)는 수직(경사)일사와 DC 출력의 선형관계를 확인하기 위한 산포도(scatter plot)를 나타낸다. 수직일사와 DC 출력에 대한 상관계수는 0.907067로 양(Positive)의 선형 상관 관계이다. 아래 표 5에서 선형관계의 데이터를 보여준다.
도 3의 (나)는 수평일사와 DC 출력의 선형관계를 확인하기 위한 산포도(scatter plot)를 나타낸다. 수평일사와 DC 출력에 대한 상관계수는 0.937929로 양(Positive)의 선형 상관 관계이며 아래 표5에서 상세한 데이터를 확인할 수 있다.
일 개시에 의한 데이터 처리부(1420)는 선형회귀모델을 통해 추정된 제 1 매개변수의 적합값(Fitted Value)과 실제 측정된 제 1 매개변수의 관측값(Observered Value)과의 차이를 계산하여 제 1 매개변수의 잔차(Residual)를 계산할 수 있다.
여기서 제 1 매개변수는 속하는 수직 일사량, 수평 일사량, 모듈의 온도 및 외기의 온도 중 어느 하나가 될 수 있다. 예를 들어, 인버터의 효율에 가장 영향을 미치는 기상요소가 제 1 매개변수, 그 다음으로 영향을 미치는 기상요소가 제 2 매개변수가 될 수 잇다.
잔차는 선형회귀모델의 예측치가 얼마나 합리적인지 여부를 객관적인 수치로 알려주는 역할을 수행한다. 일 개시에 의한 제 1 매개변수의 잔차의 SSE(Sum of Squares for Error)를 이용하여 잔차의 평균, 분산, 표준편차 및 표준오차를 계산할 수 있다.
SSE는 직선 회귀식과 각 데이터의 거리를 의미하며, 각 데이터의 잔차를 제곱하여 더함으로써 나타나며 SSE는 아래 수학식 17에 의하여 정해진다.
[수학식 17]
일 개시에 의하여 잔차의 평균, 분산, 표준편차 및 표준오차를 이용하여 제 1 매개변수를 이용한 선형회귀모델의 유효성을 검증할 수 있다.
잔차의 분산에 대한 공식은 아래 수학식 18과 같으며, SSE를 이용하면 오차항의 표본분산인 잔차의 분산을 구할 수 있게 된다.
[수학식 18]
여기서 분산은 단위를 제곱했다는 문제가 생기므로 표준편차를 사용하며, 잔차와 마찬가지로 잔차의 분산이 아닌 표준편차에 대한 정보를 많이 사용하며 이를 표준오차(Standard error)라 한다. 표준오차는 아래 수학식 19에 의하여 계산할 수 있다.
표준 오차는 모든 데이터들이 회귀직선식으로부터 얼마나 떨어져있는지 정도를 수치적으로 나타낸 것이며, 모든 데이터들이 정확히 회귀직선식과 일치하게 된다면 표준오차는 0이 된다.
[수학식 19]
일 개시에 의하여 인버터 효율 정보 도출 장치(100)는 태양광 발전 시스템으로부터 실시간으로 획득한 인버터 상태 정보로부터 인버터 효율 정보를 측정할 수 있다.
일 개시에 의하여 인버터 효율 정보 도출 장치(100)는 제안한 분석 방법에 따라 데이터 정제, 재 정의, 기초 통계량 분석, 선형 상관 관계 분석을 수행하였으며, 인버터에서 측정된 DC 출력 데이터와 환경 센서를 통해 수집된 수평일사 데이터를 매개 변수로 선형 모델 적합(fitting)은 다른 매개변수에 비해 상관관계(correlation relationship)가 높게 나타남을 확인했다.
이에 따라, 선형 예측 모델의 기본 표현은 수학식 20과 같다.
[수학식 20]
일 개시에 의하여 선형 모델 적합(fitting) 결과를 표 6과 같이 정리할 수 있다,
표 6은 DC출력과 수평일사를 매개 변수로 한 선형 모델의 적합(fitting) 결과이다. 사용된 매개변수(수평일사)의 유의확률(p-value)은 유의수준 0.05(5%)보다 매우 작은 값으로 나타나 대립가설을 채택하여 독립변수와 종속변수의 관계가 높음을 알 수 있다, 모델의 상관계수(R2)는 0.8228로 모형의 적합도(explained)는 82% 이다. 구성된 선형모델은 다음의 수학식 21과 같다.
[수학식 21]
도 4는 일 개시에 의한 태양광 발전 시스템의 DC 출력을 이용한 발전량 예측 그래프를 나타낸다.
도 4에서 표 7에서 보여지는 태양광 발전 시스템의 DC 출력을 이용한 발전량 예측 결과를 그래프로 나타낸 것이며, 검정 실선표기는 DC 출력을 나타내며, 붉은 실선표기는 환경 센서를 통해 수집된 수평일사 데이터를 매개 변수로한 선형 예측 모델의 결과를 보인다. 선형 예측 모델 수행결과 관측 데이터의 변동을 잘 따르고 있음을 보인다.
본원에서는 도 4에서 제안한 분석 방법의 전체적인 흐름도에 따른 마지막 과정으로 구성된 예측 모델의 검증을 위하여 평균 제곱근 편차(Root Mean Square Error; RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error; MAPE), 잔차(Residual) 검증을 수행하였다.
표 8은 평균 제곱근 편차와 평균절대 백분율 오차를 인버터 데이터의 허용오차를 적용하여 계산한 결과이다. 선형 예측 모델은 허용오차가 없을 시 12% 오차율을 보이며, 10%의 오차율을 감안했을 때 9.5%의 오차율을 나타낸다.
도 5는 일 개시에 의한 관측데이터와 예측모델 사이의 잔차(Residual)를 분석한 그래프를 나타낸다.
도 5는 관측데이터와 예측 모델 사이의 잔차(Residual)를 점선표기로 나타낸 표준편차와 함께 보였다. 본 논문에서 구성한 선형 예측 모델의 상관계수(
)는 0.8228로 모형의 적합도(explained)는 82%이며, 평균 절대 백분율 오차는 12%의 결과를 보였다.
도 6은 일 개시에 따른 잔차의 도수 분포를 나타내는 표이다. 도 6에서는 잔차의 도수 분포를 나타낸 도표를 분석하면, 잔차의 표준편차는 453.71이며 평균은 211.8903으로 정규분포의 형태를 따른다.
일 개시에 의하여 인버터 효율 정보 도출 장치(100)는 판단 임계값과 인버터 효율 정보를 비교하여 오차범위를 벗어나는 경우, 인버터 동작 이상 여부를 판단할 수 있다.
일 개시에 의하여 인버터 효율 정보 도출 장치(100)는 복수개의 기상 요소 각각의 측정값에 기반하여 인버터 동작 이상에 영향을 주는 적어도 하나의 요소를 결정할 수 있다.
일 개시에 의하여 인버터 효율 정보 도출 장치(100)는 인버터 동작 이상 범위에 따라, 기 설정된 사용자 단말, 관리 서버 및 국가기관 서버 중 적어도 하나로 이상 상황 알림을 전송할 수 있다.
도 7은 일 개시에 의한 인버터 효율 정보를 도출하는 장치를 실제 구현한 사진을 나타낸다.
일 개시에 의하여 발전량 예측 및 분석을 위한 PV System을 설치하였다. 보다 구체적으로, PV System은 전라남도 순천시에 위치한 M 건축물 옥상에 위치하고 있으며, 10kW 단일인버터로 구성된 계통연계형(Grid-Connected) 구조이다.
본원에서는 10kW의 1개의 인버터와 경사(수직) 일사(Vertical solar radiation), 모듈 온도(Module temperature), 수평 일사(Horizontal solar radiation), 외기 온도(Outside Temperature)에 대한 발전량 분석을 실시하였다.
본원에서는 사분위 범위를 계산하여 데이터를 정제하고, 선형 모델 적용 사전 검증을 위해 상관관계 분석을 수행하여 상관계수가 타당함을 검증했다. 선형 예측 모델 구성 결과 모형의 적합도는 82%로 발전량 예측을 수행했고, 결과로 선형 예측 모델의 평균 절대 백분율 오차가 12%임을 확인했다. 잔차의 표준편차는 453.71, 평균은 211.89으로 정규분포의 형태를 따라 모델 구성의 타당성을 검증했다.
본원에서 제시한 선형 예측 모델은 단일 PV System을 대상으로 수행했고, 인버터 제조사에 따라 수집되는 데이터의 형태와 오차율이 상이하나, 본원에서 제시한 계수(Coefficients)를 타 PV System에 적용이 가능할 것으로 보인다. 단, PV System의 설치규모, 기상환경 등에 따라 발전용량이 상이하므로, 발전 용량에 따른 모델의 재구성이 필요할 것으로 보인다. 시스템에서 누적된 데이터에 따라 모델 적합(fitting)을 자동으로 수행하도록 머신 러닝 기법을 적용하는 향후 연구와 발전효율에 영향을 주는 요인(모듈온도, 외기온도)의 고려가 필요할 것으로 사료된다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
Claims (5)
- 태양광 발전 시스템에 포함된 센서부로부터 기 정해진 주기마다 복수개의 기상 요소를 획득하고, 인버터로부터 인버터 상태 정보를 획득하는 단계;
상기 인버터 상태 정보에 대하여 상기 복수개의 기상 요소 각각을 선형 분석한 결과에 기초하여, 인버터 효율을 모델링할 수 있는 기상 요소를 제 1 매개변수로 선택하는 단계;
상기 제 1 매개변수와 상기 인버터 상태 정보의 선형 상관관계(Correlation)를 이용하여 선형회귀모델을 생성하는 단계;
상기 선형회귀모델을 이용한 모델링 결과에 기초하여 인버터 효율 분석에 따른 잔차(Residual)를 계산하고, 상기 인버터의 효율을 판단하는 기준값으로서 판단 임계값(Threshold)를 설정하는 단계; 및
상기 판단 임계값 및 상기 잔차를 이용하여 상기 태양광 발전 시스템의 이상 상황을 예측하는 단계를 포함하되,
상기 인버터 효율 정보를 도출하는 방법은,
상기 센서부로부터 제 1 주기마다 복수개의 기상 요소에 속하는 수직 일사량, 수평 일사량, 모듈의 온도 및 외기의 온도를 획득하는 단계;
상기 인버터로부터 제 2 주기마다 상기 인버터 상태 정보에 속하는 실시간 상태정보, 누적 발전량 및 인버터 오류 정보를 획득하는 단계;
상기 센서부 및 인버터로부터 획득한 데이터에 대하여, 데이터 표본 75%의 사분위수 방법을 사용한 하기 수학식 16을 이용하여 잡음을 제거하는 단계;
상기 제 1 주기마다 획득한 복수개의 기상 요소 및 상기 제 2 주기마다 획득한 인버터 상태 정보의 샘플링 주기를 평균 주기로 환산하여 테이블을 통합하는 데이터 재정의(data refinement) 단계; 및
상기 데이터 재정의 단계를 거친 복수개의 기상 요소 각각을 인버터 상태 정보에 대해 선형 분석하여 상기 복수개의 기상 요소 중 선형관계가 임계값 이상으로 나타나는 기상 요소를 매개변수로 결정하는 단계를 더 포함하고,
상기 인버터 효율 정보를 도출하는 방법은,
상기 태양광 발전 시스템으로부터 실시간으로 획득한 인버터 상태 정보로부터 인버터 효율 정보를 측정하는 단계;
상기 판단 임계값과 상기 인버터 효율 정보를 비교하여 오차범위를 벗어나는 경우, 인버터 동작 이상 여부를 판단하는 단계;
상기 복수개의 기상 요소 각각의 측정값에 기반하여 상기 인버터 동작 이상에 영향을 주는 적어도 하나의 요소를 결정하는 단계;및
상기 인버터 동작 이상 범위에 따라, 기 설정된 사용자 단말, 관리 서버 및 국가기관 서버 중 적어도 하나로 이상 상황 알림을 전송하는 단계를 포함하는, 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 방법.
[수학식 16]
(여기서, Quartile3는 데이터의 사분위 범위 75%를 의미하는 값이며; IQR은 사분위범위(Inter Quartile Range)를 계산한 값을 나타냄) - 삭제
- 제 1 항에 있어서,
상기 선형회귀모델을 통해 추정된 제 1 매개변수의 적합값(Fitted Value)과 실제 측정된 제 1 매개변수의 관측값(Observered Value)과의 차이를 계산하여 제 1 매개변수의 잔차(Residual)를 계산하는 단계;
상기 제 1 매개변수의 잔차의 SSE(Sum of Squares for Error)를 이용하여 잔차의 평균, 분산, 표준편차 및 표준오차를 계산하는 단계; 및
상기 잔차의 평균, 분산, 표준편차 및 표준오차를 이용하여 상기 제 1 매개변수를 이용한 선형회귀모델의 유효성을 검증하는 단계를 포함하되,
상기 SSE는 하기 수학식 17에 의하여 정해지며,
상기 유효성을 검증하는 단계는,
상기 잔차의 표준오차를 나타내는 하기 수학식 18 및 수학식 19를 기초로 상기 유효성을 검증하는 것인, 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 방법.
[수학식 17]
[수학식 18]
[수학식 19]
- 삭제
- 삭제
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200132958A KR102352588B1 (ko) | 2020-10-14 | 2020-10-14 | 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 |
| CN202111030816.5A CN114357688A (zh) | 2020-10-14 | 2021-09-03 | 逆变器效率信息导出装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200132958A KR102352588B1 (ko) | 2020-10-14 | 2020-10-14 | 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102352588B1 true KR102352588B1 (ko) | 2022-01-18 |
Family
ID=80051950
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200132958A KR102352588B1 (ko) | 2020-10-14 | 2020-10-14 | 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102352588B1 (ko) |
| CN (1) | CN114357688A (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114964367A (zh) * | 2022-05-20 | 2022-08-30 | 中国船级社武汉规范研究所 | 一种基于时变参数的lng罐箱故障预报方法及*** |
| KR102520255B1 (ko) * | 2022-10-26 | 2023-04-10 | (주) 티이에프 | 태양광 발전량 예측 시스템 및 방법 |
| KR102545156B1 (ko) * | 2022-12-20 | 2023-06-20 | 엔라이튼 주식회사 | 태양광 발전 이상 탐지 방법 및 장치 |
| KR102553193B1 (ko) * | 2022-10-26 | 2023-07-07 | (주) 티이에프 | 태양광 발전량 예측 시스템 및 방법 |
| KR102557876B1 (ko) * | 2022-12-20 | 2023-07-24 | 엔라이튼 주식회사 | 태양광 발전소 이상 탐지를 위한 데이터 전처리 방법 및 장치 |
| CN117728588A (zh) * | 2024-02-07 | 2024-03-19 | 华能江苏综合能源服务有限公司 | 一种逆变器状态监测方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014179464A (ja) * | 2013-03-14 | 2014-09-25 | Omron Corp | 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム |
| KR20200012228A (ko) * | 2018-07-26 | 2020-02-05 | (주)에코브레인 | 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법, 그 방법을 이용한 실시간 태양광 발전량 예측시스템 |
| KR20200046706A (ko) * | 2018-10-25 | 2020-05-07 | 한국전자통신연구원 | 태양광 발전량을 이용한 유지 보수 관리 방법 |
| KR102084784B1 (ko) * | 2019-09-23 | 2020-05-26 | 주식회사 아이팔 | 머신러닝기반 태양광발전운영 관리방법 |
| KR20200094808A (ko) | 2018-12-28 | 2020-08-10 | 김홍균 | 태양광인버터 mppt제어를 위한 뉴럴네트워크 알고리즘 |
| KR20200103949A (ko) | 2019-02-26 | 2020-09-03 | 주식회사 에스이에너지 | 저용량 태양광 발전소에 적합한 스마트 에너지 저장 시스템 |
-
2020
- 2020-10-14 KR KR1020200132958A patent/KR102352588B1/ko active IP Right Grant
-
2021
- 2021-09-03 CN CN202111030816.5A patent/CN114357688A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014179464A (ja) * | 2013-03-14 | 2014-09-25 | Omron Corp | 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム |
| KR20200012228A (ko) * | 2018-07-26 | 2020-02-05 | (주)에코브레인 | 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법, 그 방법을 이용한 실시간 태양광 발전량 예측시스템 |
| KR20200046706A (ko) * | 2018-10-25 | 2020-05-07 | 한국전자통신연구원 | 태양광 발전량을 이용한 유지 보수 관리 방법 |
| KR20200094808A (ko) | 2018-12-28 | 2020-08-10 | 김홍균 | 태양광인버터 mppt제어를 위한 뉴럴네트워크 알고리즘 |
| KR20200103949A (ko) | 2019-02-26 | 2020-09-03 | 주식회사 에스이에너지 | 저용량 태양광 발전소에 적합한 스마트 에너지 저장 시스템 |
| KR102084784B1 (ko) * | 2019-09-23 | 2020-05-26 | 주식회사 아이팔 | 머신러닝기반 태양광발전운영 관리방법 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114964367A (zh) * | 2022-05-20 | 2022-08-30 | 中国船级社武汉规范研究所 | 一种基于时变参数的lng罐箱故障预报方法及*** |
| CN114964367B (zh) * | 2022-05-20 | 2024-02-23 | 中国船级社武汉规范研究所 | 一种基于时变参数的lng罐箱故障预报方法及*** |
| KR102520255B1 (ko) * | 2022-10-26 | 2023-04-10 | (주) 티이에프 | 태양광 발전량 예측 시스템 및 방법 |
| KR102553193B1 (ko) * | 2022-10-26 | 2023-07-07 | (주) 티이에프 | 태양광 발전량 예측 시스템 및 방법 |
| KR102545156B1 (ko) * | 2022-12-20 | 2023-06-20 | 엔라이튼 주식회사 | 태양광 발전 이상 탐지 방법 및 장치 |
| KR102557876B1 (ko) * | 2022-12-20 | 2023-07-24 | 엔라이튼 주식회사 | 태양광 발전소 이상 탐지를 위한 데이터 전처리 방법 및 장치 |
| WO2024136130A1 (ko) * | 2022-12-20 | 2024-06-27 | 엔라이튼 주식회사 | 태양광 발전소 이상 탐지를 위한 데이터 전처리 방법 및 장치 |
| WO2024136131A1 (ko) * | 2022-12-20 | 2024-06-27 | 엔라이튼 주식회사 | 태양광 발전 이상 탐지 방법 및 장치 |
| CN117728588A (zh) * | 2024-02-07 | 2024-03-19 | 华能江苏综合能源服务有限公司 | 一种逆变器状态监测方法及*** |
| CN117728588B (zh) * | 2024-02-07 | 2024-05-10 | 华能江苏综合能源服务有限公司 | 一种逆变器状态监测方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114357688A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102352588B1 (ko) | 선형회귀모델을 이용하여 태양광 발전에서의 인버터 효율 정보를 도출하는 장치 및 방법 | |
| KR101761686B1 (ko) | 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템 | |
| KR102428602B1 (ko) | 태양광 발전 시스템에서 수집한 데이터를 통합적으로 관리하여 설비의 상태를 자동으로 모니터링하는 장치 및 방법 | |
| US10962576B2 (en) | Estimation of shading losses for photovoltaic systems from measured and modeled inputs | |
| KR102023465B1 (ko) | 사물인터넷을 이용한 태양광 발전장치의 고장진단시스템 및 그 방법 | |
| KR101882106B1 (ko) | 태양전지모듈 발전량 예측방법 및 예측장치 | |
| WO2013136850A1 (ja) | 情報処理装置、異常検出方法、プログラム、および、太陽光発電システム | |
| WO2014141498A1 (ja) | 太陽光発電システム、異常判断処理装置、異常判断処理方法、およびプログラム | |
| Ventura et al. | Development of models for on-line diagnostic and energy assessment analysis of PV power plants: The study case of 1 MW Sicilian PV plant | |
| KR20200068773A (ko) | LoRa 자가망 기반 양방향 태양광 발전 통합관제 시스템 | |
| KR102475374B1 (ko) | 휴지시간대를 활용한 스트링 단위의 태양광 발전시스템 능동형 고장예지 진단장치 및 그 방법 | |
| CN112286993A (zh) | 一种光伏电站中发电异常组串的检测方法及装置 | |
| KR101410333B1 (ko) | 태양전지 모듈 모니터링 방법 | |
| KR101947508B1 (ko) | 태양광 발전소의 운전관리 시스템 및 그 방법 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| US11949239B2 (en) | Technologies for solar power system performance model tuning | |
| US11086278B2 (en) | Adaptive system monitoring using incremental regression model development | |
| KR101544713B1 (ko) | 태양광 발전기 출력 저하 판단 방법 및 장치 | |
| KR102338511B1 (ko) | 태양광 발전 이상 감지 시스템 | |
| JP5800069B2 (ja) | 太陽光発電ユニットの診断装置、診断方法、及び太陽光発電システム | |
| KR101504983B1 (ko) | 태양 전지 모듈 관리 장치 및 방법 | |
| Azad et al. | A data lens into MPPT efficiency and PV power prediction | |
| KR102480440B1 (ko) | 태양광 발전시설의 관리 시스템 | |
| KR102683561B1 (ko) | 이상 상태 진단을 위한 알고리즘 기반 태양광 발전 시스템 효율성 향상 장치 및 방법 | |
| KR102524158B1 (ko) | 디지털 트윈 기반 태양광 발전소 관리 솔루션 제공 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |