KR102577207B1 - 태양광 발전량 예측 시스템 및 방법 - Google Patents

태양광 발전량 예측 시스템 및 방법 Download PDF

Info

Publication number
KR102577207B1
KR102577207B1 KR1020230033519A KR20230033519A KR102577207B1 KR 102577207 B1 KR102577207 B1 KR 102577207B1 KR 1020230033519 A KR1020230033519 A KR 1020230033519A KR 20230033519 A KR20230033519 A KR 20230033519A KR 102577207 B1 KR102577207 B1 KR 102577207B1
Authority
KR
South Korea
Prior art keywords
data
power generation
cloud
prediction
solar
Prior art date
Application number
KR1020230033519A
Other languages
English (en)
Inventor
정병덕
배광용
황규석
유지현
이은찬
Original Assignee
주식회사 이엔에스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 이엔에스 filed Critical 주식회사 이엔에스
Priority to KR1020230033519A priority Critical patent/KR102577207B1/ko
Application granted granted Critical
Publication of KR102577207B1 publication Critical patent/KR102577207B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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
    • 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

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명의 일 실시예에 따른 태양광 발전량 예측 시스템은, 태양광 모듈의 발전량을 예측하는 시스템에서, 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 영상 데이터 생성부, 태양광 모듈 주변에 대한 기상 데이터를 수집하는 기상 데이터 수집부, 및 영상 데이터를 분석하여 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하고, 기상 데이터와 구름 특성 데이터에 기초하여 하늘 상의 구름에 대한 이동 예측 데이터를 생성하며, 이동 예측 데이터와 기상 데이터에 기초하여 태양광 모듈의 발전량을 예측하는 발전량 예측부를 포함한다.

Description

태양광 발전량 예측 시스템 및 방법{SYSTEM AND METHOD FOR PREDICTING PHOTOVOLTAICS POWER GENERATION}
본 발명은 태양광 발전량 예측 시스템 및 방법에 관한 것으로, 보다 상세하게는, 기상 데이터와 하늘을 촬상한 영상 데이터를 이용하여 최소 시간 단위로 실시간 발전량을 예측할 수 있는 태양광 발전량 예측 시스템 및 방법에 관한 것이다.
신재생에너지인 태양광 발전은 4차 산업혁명에서 기후변화와 더불어 온실가스 감축 목표 달성에 매우 중요한 역할을 하게 될 것으로 기대되고 있다. 따라서 태양광 발전 사업에 대한 꾸준한 지원 정책과 기술의 발전에 따라 태양광 패널의 수명 및 효율이 개선되었고, 태양광 발전 관련 설비들도 고도화되고 있으며 대형 태양광 발전소는 물론이고 소규모 태양광 발전 역시 활성화되고 있다. 이러한 태양광 발전의 경우 외부 영향에 의존적이기 때문에 발전량 예측이 매우 중요하다.
한편, 예측된 발전량이 실제 발전량보다 적을 경우 예측된 발전량 그대로 발전 명령(또는, 충전 명령)을 수행하게 되면 모자란 발전량을 계통에서 끌어오게 되므로 이후 전력 요금의 상향 조정 등에 의해 오히려 금전적 손실이 발생할 수 있다. 이에, 일반적으로 예측된 발전량에 기설정된 설정 비율(예를 들어, 약 0.9)을 곱한 값으로 발전 명령(또는, 충전 명령)을 수행하게 된다. 다만, 설정 비율의 값을 작게 설정할수록 실제 발전량보다 작은 값으로 발전 명령을 수행하게 되므로, 금액적인 손실이 발생할 수 있어 설정 비율을 100%에 가깝게 설정하는 것이 중요하다.
본 발명에서 해결하고자 하는 과제는 최소 시간 단위로 발전량을 예측할 수 있는 태양광 발전량 예측 시스템 및 방법을 제공하는 것이다.
본 발명에서 해결하고자 하는 다른 과제는 보다 정확하게 발전량을 예측할 수 있는 태양광 발전량 예측 시스템 및 방법을 제공하는 것이다.
본 발명에서 해결하고자 하는 또 다른 과제는 실제 발전량에 가깝게 발전 명령(또는, 충전 명령)을 수행할 수 있는 태양광 발전량 예측 시스템 및 방법을 제공하는 것이다.
본 발명에서 해결하고자 하는 또 다른 과제는 금액적인 손실을 최소화할 수 있는 태양광 발전량 예측 시스템 및 방법을 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템은, 태양광 모듈의 발전량을 예측하는 시스템에서, 상기 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 상기 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 영상 데이터 생성부, 상기 태양광 모듈 주변에 대한 기상 데이터를 수집하는 기상 데이터 수집부, 및 상기 영상 데이터를 분석하여 상기 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하고, 상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터를 생성하며, 상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하는 발전량 예측부를 포함할 수 있다.
전술한 바와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에 따른 태양광 발전량 예측 방법은, 태양광 모듈의 발전량을 예측하는 방법에서, 상기 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 상기 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 단계, 상기 태양광 모듈 주변에 대한 기상 데이터를 수집하는 단계, 상기 영상 데이터를 분석하여 상기 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하는 단계, 상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터를 생성하는 단계, 및 상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하는 단계를 포함할 수 있다.
전술한 바와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에 따른 컴퓨터 프로그램은, 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 명령어를 포함하며, 컴퓨터 시스템에 의해 실행될 때, 상기 명령어는 상기 컴퓨터 시스템이 상기 태양광 발전량 예측 방법을 수행하도록 할 수 있다.
본 발명의 실시예들에 따른 태양광 발전량 예측 시스템 및 방법의 경우, 기상 데이터뿐만 아니라 태양광 모듈 주변의 하늘에 대한 영상 데이터를 기초하여 발전량을 예측하므로, 최소 시간 단위로(실시간으로) 보다 정확하게 발전량을 예측할 수 있다.
또한, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템 및 방법의 경우, 실제 발전량에 가깝게 발전 명령(또는, 충전 명령)을 수행할 수 있으므로 금액적인 손실을 최소화할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.
도 1은 본 발명의 실시예들에 따른 태양광 발전을 위한 전체적인 시스템을 개략적으로 나타내는 블록도이다.
도 2는 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템을 개략적으로 나타내는 블록도이다.
도 3은 도 2의 태양광 발전량 예측 시스템의 일 예를 나타내는 블록도이다.
도 4는 도 3의 태양광 발전량 예측 시스템에 포함되는 영상 데이터 생성부의 동작의 일 예를 설명하기 위한 도면이다.
도 5는 도 3의 태양광 발전량 예측 시스템에 포함되는 발전량 예측부의 일 예를 나타내는 블록도이다.
도 6은 도 5의 발전량 예측부에 포함되는 예측 데이터 생성부의 동작의 일 예를 설명하기 위한 도면이다.
도 7은 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템에 의해 생성된 예측 데이터와 비교예에 따른 태양광 발전량 예측 시스템에 의해 생성된 예측 데이터의 일 예를 나타내는 도면이다.
도 8은 도 2의 태양광 발전량 예측 시스템의 다른 일 예를 나타내는 블록도이다.
도 9는 도 8의 태양광 발전량 예측 시스템에 포함되는 이미지 센서 제어부의 동작의 일 예를 설명하기 위한 도면이다.
도 10은 도 2의 태양광 발전량 예측 시스템의 또 다른 일 예를 나타내는 블록도이다.
도 11은 본 발명의 실시예들에 따른 태양광 발전량 예측 방법을 나타내는 순서도이다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 위하여 실제보다 확대하여 도시한 것이다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 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. 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 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 어떤 부분이 다른 부분과 "연결된다"고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라 그 중간에 다른 소자를 사이에 두고 연결되어 있는 경우도 포함한다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 실시예들에 따른 태양광 발전을 위한 전체적인 시스템을 개략적으로 나타내는 블록도이다.
도 1을 참조하면, 본 발명의 실시예들에 따른 태양광 발전을 위한 전체적인 시스템(이하, "태양광 발전 시스템"이라 함)은 발전된 전기(전력)를 전력 그리드 시스템(PGS)으로 제공할 수 있다.
여기서, 전력 그리드 시스템(PGS)이란 태양광 발전 시스템에서 생산된 전기를 소비자에게 수송하는 역할을 하는 송전선로와 변전소 등의 전력 설비로 구성된 시스템을 의미할 수 있다. 한편, 이는 예시적인 것으로, 본 발명의 실시예가 이에 제한되는 것은 아니다. 예를 들어, 본 발명의 실시예들에 따른 태양광 발전 시스템에 의해 생성된 전기(전력)는 전력이 필요한 다양한 시스템 상에 제공될 수 있다.
이를 위해, 본 발명의 실시예들에 따른 태양광 발전 시스템은, 태양광 시스템(PV), 전원 제어 시스템(PMS), 및 에너지 저장 시스템(ESS)을 포함할 수 있다.
태양광 시스템(PV)은 자연 에너지인 태양광(햇빛)을 이용하여 자가 발전을 통해 전기(전력)를 생성할 수 있다. 이를 위해, 태양광 시스템(PV)은 태양광 모듈(PVM)과 인버터(IVT)를 포함할 수 있다.
태양광 모듈(PVM)은 자연 에너지인 태양광(햇빛)을 직류 형태의 전기로 변환하여 전력을 생성할 수 있다.
이를 위해, 태양광 모듈(PVM)은 복수의 태양광 셀(cell)을 포함할 수 있다. 실시예에 따라, 태양광 모듈(PVM)은 단결정 실리콘 태양광 셀을 포함하거나 및/또는 단결정 실리콘 태양광 셀을 포함하는 태양광 모듈로 구성될 수 있으나, 이는 단순히 예시적인 것으로 본 발명의 실시예가 이에 제한되는 것은 아니다.
한편, 이상에서는 태양광 모듈(PVM)이 복수의 태양광 셀을 포함하는 태양광 모듈로 구성되는 것으로 설명하였으나, 이는 단순히 설명의 편의를 위한 예시적인 것으로서, 본 발명의 실시예들에 있어서 태양광 모듈(PVM)이라 함은 복수의 태양광 모듈을 포함하는 태양광 어레이로 구성되는 것으로 해석될 수도 있다.
인버터(IVT)는 태양광 모듈(PVM)로부터 생성된 직류 형태의 전기를 교류 형태의 전기로 변환할 수 있다. 이와 같이 교류의 형태로 변환된 전기(전력)는 에너지 저장 시스템(ESS) 및/또는 전력 그리드 시스템(PGS)으로 제공될 수 있다.
에너지 저장 시스템(ESS)은 태양광 시스템(PV)으로부터 제공되는 교류 형태의 전기를 직류 형태의 전기 에너지로 변환하여 저장하고, 필요시 이를 다시 교류 형태의 전기로 변환하여 전력 그리드 시스템(PGS)으로 제공하는 역할을 수행할 수 있다. 에너지 저장 시스템(ESS)은 배터리형 에너지 저장 시스템(Battery Energy Storage System; BESS)일 수 있으나, 이는 단순히 예시적인 것으로 본 발명의 실시예가 이에 제한되는 것은 아니다.
이를 위해, 에너지 저장 시스템(ESS)은 전력 조절부(PCS) 및 배터리(BTR)를 포함할 수 있다.
전력 조절부(PCS)는 태양광 시스템(PV)으로부터 제공되는 교류 형태의 전기(전력)를 배터리(BTR)에 저장하기 위해 직류 형태의 전기(전력)로 변환하거나, 배터리(BTR) 상에 저장된 직류 형태의 전기(전력)를 교류 형태의 전기(전력)로 변환하여 전력 그리드 시스템(PGS)으로 제공하는 역할을 수행할 수 있다. 즉, 상술한 인버터(IVT)의 경우 단방향으로 전력을 변환하는 반면, 전력 조절부(PCS)는 양방향으로 전력을 변환할 수 있다.
실시예에 따라, 전력 조절부(PCS)는 상술한 전력의 교류 및 직류의 변환뿐만 아니라 주파수, 전압 등을 조정하기 위한 역할을 수행할 수도 있다.
배터리(BTR)는 전력 조절부(PCS)로부터 제공되는 직류 형태의 전기(전력)를 저장하는 저장 장치일 수 있다. 예를 들어, 배터리(BTR)는 리튬 이온 배터리, 리튬 폴리머 배터리, 또는 납 배터리일 수 있으나, 이는 단순히 예시적인 것으로, 본 발명의 실시예가 이에 제한되는 것은 아니다.
전원 제어 시스템(PMS)은 본 발명의 실시예들에 따른 태양광 발전 시스템(예를 들어, 태양광 발전 시스템 내에 포함되는 태양광 시스템(PV)과 에너지 저장 시스템(ESS) 등)의 전체적인 동작을 제어할 수 있다.
예를 들어, 전원 제어 시스템(PMS)은 다양한 통신 하드웨어와 소프트웨어 기반의 정보 통신 기술(Information & Communications Technology; ICT)을 활용하여 태양광 발전 시스템 내의 에너지 관리를 최적으로 수행하도록 태양광 발전 시스템을 제어할 수 있다.
전원 제어 시스템(PMS)은 다양한 데이터를 수집하여 모니터링 및 분석을 수행하고, 이를 기반으로 태양광 발전 시스템을 제어함으로써 시스템 설치 목적에 맞게 에너지를 관리할 수 있다. 예를 들어, 전원 제어 시스템(PMS)은 시스템 설치 목적에 따른 설치 위치 및 용도 별 에너지 소비 패턴을 측정하여 이를 적절하게 제어하는 등의 역할을 수행할 수 있다.
일 실시예에서, 전원 제어 시스템(PMS)은 태양광 시스템(PV) 내 발전량을 예측하고, 이에 기초하여 에너지 저장 시스템(ESS) 및/또는 전력 그리드 시스템(PGS)으로 제공될 전력(전기)의 값에 대한 발전 명령(또는, 충전 명령)을 태양광 시스템(PV)으로 제공할 수 있다.
한편, 예측된 발전량이 실제 발전량보다 적을 경우 예측된 발전량 그대로 발전 명령(또는, 충전 명령)을 수행하게 되면 모자란 발전량을 계통에서 끌어오게 되므로 이후 전력 요금의 상향 조정 등에 의해 오히려 금전적 손실이 발생할 수 있다.
이에 따라, 전원 제어 시스템(PMS)은 예측된 발전량에 대해 일정 마진을 위하여 기설정된 설정 비율을 곱한 값으로 발전 명령(또는, 충전 명령)을 수행하게 된다. 여기서, 설정 비율의 값을 100%에 최대한 가깝게 설정하여 금액적인 손실을 최소화하는 것이 중요한데, 이를 위해서는, 발전량의 예측이 최소 시간 단위로 이루어질 필요가 있으며, 발전량의 예측 값이 실제 발전량에 가깝게(즉, 정확하게) 산출될 필요가 있다.
이를 위해, 일 실시예에서, 전원 제어 시스템(PMS)은 태양광 발전량 예측 시스템(100)을 포함할 수 있다. 태양광 발전량 예측 시스템(100)은 태양광 시스템(PV)에 포함되는 태양광 모듈(PVM) 주변의 기상 데이터와 태양광 모듈(PVM) 주변의 하늘을 촬상한 영상 데이터를 이용하여 최소 시간 단위로 실시간 발전량을 예측함으로써, 설정 비율을 100%에 최대한 가깝게 설정함으로써 발전 명령(또는, 충전 명령)에 따른 값을 실제 발전량에 최대한 가깝게 설정할 수 있다. 이에 따라, 금액적인 손실을 최소화할 수 있다.
도 2는 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템을 개략적으로 나타내는 블록도이다.
도 1 및 도 2를 참조하면, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)은 통신부(110), 프로세서(120) 및 데이터베이스(130)를 포함할 수 있다. 한편, 도 2에서는 태양광 발전량 예측 시스템(100)이 데이터베이스(130)를 포함하는 것으로 도시되어 있으나, 이는 단순히 예시적인 것으로, 본 발명의 실시예가 이에 제한되는 것은 아니다. 예를 들어, 실시예에 따라, 태양광 발전량 예측 시스템(100)은 데이터베이스(130)를 포함하지 않고 구성될 수도 있다.
태양광 발전량 예측 시스템(100)은 통신부(110)를 통해 다양한 시스템과 정보를 송수신할 수 있다. 이를 위해, 통신부(110)는 다양한 통신 기술로 구현될 수 있다. 예를 들어, 통신부(110)에 와이파이(WIFI), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), HSPA(High Speed Packet Access), 모바일 와이맥스(Mobile WiMAX), 와이브로(WiBro), LTE(Long Term Evolution), 5G, 블루투스(bluetooth), 적외선 통신(IrDA, infrared data association), NFC(Near Field Communication), 지그비(Zigbee), 무선랜 기술 등이 적용될 수 있다. 또한, 태양광 발전량 예측 시스템(100)이 인터넷과 연결되는 경우, 통신부(110)는 인터넷에서 정보전송을 위한 표준 프로토콜인 TCP/IP를 따를 수도 있으며, GPS(Global Positioning System) 기술을 이용할 수도 있다.
데이터베이스(130)는 태양광 발전량 예측 시스템(100)의 발전량 예측을 위한 정보 등을 저장할 수 있다. 예를 들어, 데이터베이스(130)는 발전량 예측을 위해 수집된 기상 데이터, 기상 데이터와 영상 데이터를 분석하기 위한 알고리즘 및/또는 머신 러닝을 위한 다양한 기계 학습 데이터, 설정 비율을 정하기 위한 데이터 등을 저장할 수 있으나, 이에 제한되는 것은 아니다.
프로세서(120)는 통신부(110)를 통해 데이터베이스(130)에 접근할 수 있다. 한편, 태양광 발전량 예측 시스템(100)이 상술한 바와 같이 데이터베이스(130)를 포함하지 않고 외부의 데이터베이스를 이용하는 경우, 태양광 발전량 예측 시스템(100)은 통신부(110)를 통해 상기 외부의 데이터베이스에 접근할 수 있을 것이다.
프로세서(120) 상에서는 발전량 예측을 위한 동작들이 수행될 수 있으며, 이하에서는, 도 3 내지 도 10을 더 참조하여, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)의 프로세서(120) 상에서 이루어지는 동작, 과정 등에 대해 보다 구체적으로 설명하기로 한다.
도 3은 도 2의 태양광 발전량 예측 시스템의 일 예를 나타내는 블록도이다.
도 4는 도 3의 태양광 발전량 예측 시스템에 포함되는 영상 데이터 생성부의 동작의 일 예를 설명하기 위한 도면이다.
도 5는 도 3의 태양광 발전량 예측 시스템에 포함되는 발전량 예측부의 일 예를 나타내는 블록도이다.
도 6은 도 5의 발전량 예측부에 포함되는 예측 데이터 생성부의 동작의 일 예를 설명하기 위한 도면이다.
도 1 내지 도 3을 참조하면, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)은 태양광 시스템(PV)의 태양광 모듈(PVM) 주변의 하늘을 촬상한 영상 데이터(ID)를 분석하여 상기 태양광 모듈(PVM) 주변의 하늘 상의 구름 상태에 대한 정보를 추출하여 구름 특성 데이터(CD, 도 5 참조)를 생성하고, 구름 특성 데이터(CD, 도 5 참조)와 태양광 모듈(PVM) 주변에 대한 기상 데이터(WD)에 기초하여 상기 하늘 상의 구름에 대한 이동 경로 및 이동 속도 등에 대한 이동 예측 데이터(MD, 도 5 참조)를 생성하며, 이와 같은 이동 예측 데이터(MD, 도 5 참조)와 기상 데이터(WD)에 기초하여 태양광 모듈(PVM)의 발전량을 예측할 수 있다.
이를 위해, 일 실시예에서, 태양광 발전량 예측 시스템(100)은 영상 데이터 생성부(IDG), 기상 데이터 수집부(WDG), 및 발전량 예측부(PGP)를 포함할 수 있다.
영상 데이터 생성부(IDG)는 태양광 시스템(PV)의 태양광 모듈(PVM) 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여, 태양광 모듈(PVM) 주변의 하늘을 촬상하여 영상 데이터(ID)를 생성할 수 있다. 예를 들어, 영상 데이터 생성부(IDG)에 의해 생성된 영상 데이터(ID)는 상술한 바와 같이 태양광 모듈(PVM) 주변의 하늘 상의 구름 상태에 대한 정보를 추출하기 위해 사용될 수 있다.
예를 들어, 도 4를 더 참조하면, 영상 데이터 생성부(IDG)는 태양광 모듈(PVM) 주변에 배치되는 이미지 센서(IMS)를 이용하여 태양광 모듈(PVM) 주변의 하늘을 촬상할 수 있다.
이를 위해, 이미지 센서(IMS)는 태양광 모듈(PVM)이 설치된 장소(또는, 그 주변의 장소)에 설치될 수 있으나, 이는 예시적인 것으로, 이미지 센서(IMS)는 별도의 장소에 설치될 수도 있다.
이미지 센서(IMS)는 수신된 빛을 디지털 신호로 변환하여 이미지(영상)를 생성할 수 있다. 예를 들어, 이미지 센서(IMS)는 카메라, CCD(Charge-Coupled Device) 센서, 또는 CMOS(Complementary Metal Oxide Semiconductor) 센서 등을 포함할 수 있으나, 이에 제한되는 것은 아니며, 그 외 다양한 공지의 영상 촬상 소자가 이미지 센서(IMS)로서 채택될 수 있다.
실시예에 따라, 이미지 센서(IMS)는 광량이 조절된 영상 데이터(ID)를 획득할 수 있는 전자동 셔터 기능을 포함하여 구성될 수 있다.
한편, 도 4에서는 단일(single)의 이미지 센서(IMS)가 영상을 촬상하는 것으로 도시되어 있으나, 이는 단순히 예시적인 것으로, 본 발명의 실시예가 이에 제한되는 것은 아니다. 예를 들어, 복수의 이미지 센서(IMS)들이 배치되어 영상을 촬상할 수도 있다.
일 실시예에서, 영상 데이터 생성부(IDG)는, 이미지 센서(IMS)가 태양광 모듈(PVM) 주변의 하늘 중 태양광 모듈(PVM)이 배치되는 영역에 대응하는 제1 영역(A1) 및 제1 영역(A1) 주변의 제2 영역(A2) 각각에 대한 영상을 촬상하도록 제어할 수 있다.
한편, 제1 영역(A1)이란 태양광 모듈(PVM)이 배치되는 영역과 현재 태양의 위치에 따라, 태양으로부터 태양광 모듈(PVM)로 실질적으로 태양광(SOL)이 제공되는 하늘 상의 영역을 의미하는 것으로, 실질적으로 하늘 상에서 태양이 위치하는 영역을 의미할 수 있다.
즉, 영상 데이터 생성부(IDG)는 이미지 센서(IMS)를 이용하여, 현재 시점에서 태양광 모듈(PVM) 주변 하늘 상의 구름 상태에 따른 태양광(SOL)의 광량, 즉, 일사량 등에 따라 태양광 모듈(PVM)의 발전량에 영향을 주는 제1 영역(A1)의 하늘에 대한 영상뿐만 아니라, 제1 영역(A1) 주변의 제2 영역(A2), 즉, 태양으로부터 멀리 떨어진(또는, 태양광 모듈(PVM)로부터 멀리 떨어진) 하늘에 대한 영상을 함께 촬상하여 영상 데이터(ID)를 생성할 수 있다.
일 실시에에서, 영상 데이터 생성부(IDG)는 이미지 센서(IMS)가 기설정된 시간 단위(예를 들어, 초 단위, 분 단위 등)로 영상을 촬상하도록 제어할 수 있으나, 이는 단순히 예시적인 것으로, 영상 데이터 생성부(IDG)는 이미지 센서(IMS)가 실시간으로 영상을 촬상하도록 제어할 수도 있다.
다시 도 3을 참조하면, 기상 데이터 수집부(WDG)는 태양광 모듈(PVM) 주변에 대한 기상 데이터(WD)를 수집(또는, 생성)할 수 있다.
일 실시예에서, 기상 데이터 수집부(WDG)는 태양광 모듈(PVM) 주변에 대한 일사량, 온도, 습도, 풍향, 풍속, 태양의 위치, 및 태양의 고도 중 적어도 하나에 대한 기상 데이터(WD)를 수집(또는, 생성)할 수 있다.
다만, 이는 단순히 예시적인 것으로, 기상 데이터(WD)에 포함되는 정보가 이에 제한되는 것은 아니다. 예를 들어, 기상 데이터 수집부(WDG)는 상술한 정보뿐만 아니라 강수량, 일조시간, 미세먼지 농도 등에 대한 기상 데이터(WD)를 더 수집(또는, 생성)할 수 있다.
실시예에 따라, 기상 데이터 수집부(WDG)는 기상 관측소로부터 상기 기상 데이터(WD)를 수집할 수 있으나, 이는 단순히 예시적인 것으로 본 발명의 실시예가 이에 제한되는 것은 아니다. 예를 들어, 태양광 발전량 예측 시스템(100)은 태양광의 광량을 센싱하기 위한 광 센서, 주변 온도를 센싱하기 위한 온도 센서, 습도를 센신하기 위한 습도 센서 중 적어도 하나를 포함하는 기상 센서를 더 포함하여, 자체적으로 상술한 기상 데이터(WD)를 생성할 수도 있다.
일 실시에에서, 기상 데이터 수집부(WDG)는 기설정된 시간 단위(예를 들어, 초 단위, 분 단위 등)로 기상 데이터(WD)를 수집(또는, 생성)할 수 있으나, 이는 단순히 예시적인 것으로, 기상 데이터 수집부(WDG)는 실시간으로 기상 데이터(WD)를 수집(또는, 생성)할 수도 있다.
발전량 예측부(PGP)는 영상 데이터 생성부(IDG)로부터 영상 데이터(ID)를 수신하고, 기상 데이터 수집부(WDG)로부터 기상 데이터(WD)를 수신할 수 있다. 발전량 예측부(PGP)는 영상 데이터(ID)와 기상 데이터(WD)에 기초하여 발전량 예측에 대한 예측 데이터(GPD)를 생성할 수 있다.
예를 들어, 발전량 예측부(PGP)는 영상 데이터(ID)에 포함되는 영상을 분석하여 태양광 모듈(PVM) 주변의 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터(CD, 도 5 참조)를 생성하고, 기상 데이터(WD)와 구름 특성 데이터(CD, 도 5 참조)에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터(MD, 도 5 참조)를 생성하며, 이동 예측 데이터(MD, 도 5 참조)와 기상 데이터(WD)에 기초하여 태양광 시스템(PV)(예를 들어, 태양광 모듈(PVM))의 발전량을 예측함으로써, 예측 데이터(GPD)를 생성할 수 있다.
보다 구체적으로 설명하기 위해, 도 5를 더 참조하면, 일 실시예에서, 발전량 예측부(PGP)는 구름 특성 데이터 생성부(CDG), 이동 예측 데이터 생성부(MDG), 및 예측 데이터 생성부(PDG)를 포함할 수 있다.
구름 특성 데이터 생성부(CDG)는 영상 데이터(ID)를 수신하고, 영상 데이터(ID)에 기초하여 태양광 모듈(PVM) 주변의 하늘 상의 구름 상태를 분석하여 구름 특성 데이터(CD)를 생성할 수 있다.
일 실시예에서, 구름 특성 데이터 생성부(CDG)는 영상 데이터(ID)에 포함되는 영상을 입체적으로 가공하여 구름 상태에 대한 정보를 추출할 수 있다. 예를 들어, 구름 특성 데이터 생성부(CDG)는 영상 데이터(ID)에 포함되는 2D 영상(2차원 영상)에 대해 시뮬레이션 등을 이용하여 3D 영상(3차원 영상)으로 변환하고, 변환된 3D 영상(3차원 영상)을 이용하여 구름 상태에 대한 정보를 추출할 수 있으나, 이는 단순히 예시적인 것으로, 구름 특성 데이터 생성부(CDG)가 영상 데이터(ID)에 포함되는 영상을 입체적으로 가공하는 방법은 다양하게 변형될 수 있다.
예를 들어, 실시예에 따라, 상술한 바와 같이, 단일(singla)의 이미지 센서(IMS)가 아닌 복수의 이미지 센서(IMS)가 영상을 촬상하여 영상 데이터(ID)가 생성되는 경우, 구름 특성 데이터 생성부(CDG)는 영상 데이터(ID)에 포함되는 복수의 2D 영상들(복수의 2차원 영상들)을 병합함으로써 3D 영상(3차원 영상)을 생성할 수도 있다.
구름 특성 데이터 생성부(CDG)는 이와 같이 입체적으로 가공된 영상을 이용하여, 태양광 모듈(PVM) 주변의 하늘 상의 구름 상태를 분석할 수 있다. 예를 들어, 구름 특성 데이터 생성부(CDG)는 상기 입체적으로 가공된 영상에 대한 영상 처리를 수행하여 태양광 모듈(PVM) 주변의 하늘 상의 구름 상태를 분석할 수 있다. 일 예로, 구름 특성 데이터 생성부(CDG)는 상기 입체적으로 가공된 영상에 대해 색도 및 RGB값 분석의 영상 처리를 수행함으로써, 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 등을 분석할 수 있다. 다만, 상기 영상 처리 방법은 단순히 예시적인 것으로, 본 발명의 실시예가 이에 제한되는 것은 아니며, 구름 특성 데이터 생성부(CDG)는 다양한 영상 처리 방법을 통해 구름 상태를 분석할 수 있다.
일 실시예에서, 상술한 바와 같이, 영상 데이터 생성부(IDG)는 태양광 모듈(PVM) 주변의 하늘 중 태양광 모듈(PVM)이 배치되는 영역에 대응하는 제1 영역(A1) 및 제1 영역(A1) 주변의 제2 영역(A2)에 대한 영상을 모두 촬상하여 영상 데이터(ID)를 생성하므로, 구름 특성 데이터 생성부(CDG)는 태양광 모듈(PVM) 주변의 하늘 중 제1 영역(A1)의 구름 상태 및 제2 영역(A2)의 구름 상태를 모두 분석함으로써, 구름 특성 데이터(CD)를 생성할 수 있다.
한편, 구름 특성 데이터(CD)는 후술하는 바와 같이 예측 데이터 생성부(PDG)에 의해 발전량을 예측하는데 있어서 사용될 수 있다.
예를 들어, 구름이 생기기 위해서는 응결핵이 필요하다. 구름은 작은 물방울들로 이루어져 있는데, 수증기가 엉겨붙어 물방울이 되기 위해서는 수증기가 달라붙을 수 있는 작은 입자, 즉, 응결핵이 필요하다. 일반적으로는, 허공에 떠다니는 소금 입자나 흙알갱이가 응결핵의 역할을 하는데, 미세 먼지가 응결핵의 역할을 하게 되면 일반적인 경우보다 작은 입자가 응결핵이 된다. 이 경우, 구름 입자의 크기가 더 작아지게 되고, 구름의 표면적이 늘어 더 밝은 구름이 형성될 수 있다. 여기서, 더 밝은 구름이라는 것은 태양 복사를 더 많이 반사시킨다는 것으로서 지표면에 도달하는 일사를 더 감소시킬 수 있다.
또한, 구름 안에서 물방울이 서로 엉겨붙어 크기가 커지면 빗방울 크기가 되어 비가 내리기 시작할 수 있다. 여기서, 상술한 바와 같이 구름 입자의 크기가 작아진다는 것은 빗방울 크기로 커지기 위해서는 더 오랜 시간이 필요하며, 이에 따라 구름이 더 오래 지속될 수 있다는 것을 의미할 수 있다. 즉, 구름이 강수로 소멸되기 더 어려워지며, 구름이 더 오래 유지되어 일사량이 더욱 줄어들게 된다.
또한, 발전량을 예측하는데 있어서 구름의 높이, 형상이나 종류를 구분하는 것도 매우 중요하다. 구름은 일반적으로 상층운, 중층운, 하층운 등으로 나뉘며, 수직발달 구름으로 적운 및 적란운 등이 있다. 권층운, 권운, 권적운 등과 같은 상층운보다 수직발달 구름인 적운, 적란운 등의 수직발달 구름을 만날 경우에는, 발전량이 심각하게 저하될 수 있다.
이와 같이, 태양광 발전량을 정확하게 예측하기 위해서는, 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 등에 대한 구름 특성 데이터(CD)를 생성할 필요가 있다.
한편, 구름 특성 데이터(CD)는 이동 예측 데이터 생성부(MDG)와 예측 데이터 생성부(PDG)로 제공될 수 있다.
다음으로, 이동 예측 데이터 생성부(MDG)는 기상 데이터(WD), 구름 특성 데이터(CD)에 기초하여, 하늘 상의 구름의 이동 경로 및 이동 속도 등에 대한 이동 예측 데이터(MD)를 생성할 수 있다.
일 실시예에서, 이동 예측 데이터 생성부(MDG)는 기상 데이터(WD)에 기초하여 바람의 풍속 및 풍향에 대한 정보를 추출할 수 있다. 예를 들어, 이동 예측 데이터 생성부(MDG)는 상술한 제1 영역(A1) 및 제2 영역(A2)의 바람의 풍속 및 풍향에 대한 정보를 추출할 수 있다.
또한, 이동 예측 데이터 생성부(MDG)는 구름 특성 데이터 생성부(CDG)로부터 제공된 구름 특성 데이터(CD)에 기초하여, 제1 영역(A1)과 제2 영역(A2)에 각각 위치하는 구름의 상태(예를 들어, 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 등)를 추출하고, 기상 데이터(WD)에 기초하여 추출한 제1 영역(A1) 및 제2 영역(A2)의 바람의 풍속 및 풍향에 대한 정보를 이용하여 제1 영역(A1)과 제2 영역(A2)에 각각 위치하는 구름의 예상 이동 경로 및 예상 이동 속도를 추출하고, 이에 기초하여 이동 예측 데이터(MD)를 생성할 수 있다.
예를 들어, 구름은 바람을 따라 이동하게 되며, 구름의 높이에 따라 바람의 풍속 및 풍향이 다를 수 있다. 이에 따라, 이동 예측 데이터 생성부(MDG)는 높이 별 구름의 상태 및 바람의 풍속과 풍향에 대한 정보를 이용하여, 이동 예측 데이터(MD)를 생성할 수 있다.
다른 예로, 구름의 형상, 종류, 분포 넓이, 및 운량 등에 따라 동일한 풍속의 바람이라도 구름의 이동 속도는 상이할 수 있다. 이에 따라, 이동 예측 데이터 생성부(MDG)는 구름의 형상, 종류, 분포 넓이, 및 운량 등에 따른 상대적인 이동 속도의 차이를 분석함으로써, 이동 예측 데이터(MD)를 생성할 수 있다.
일 실시예에서, 이동 예측 데이터 생성부(MDG)는 제1 영역(A1)에 위치하는 구름 및 제2 영역(A2)에 위치하는 구름 각각에 대한 예상 이동 경로와 예상 이동 속도를 추출할 수 있다.
즉, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)(또는, 발전량 예측부(PGP))의 경우, 태양광 모듈(PVM) 주변 영역으로서 태양이 위치하는 하늘에 대한 영상 및 기상 상태뿐만 아니라, 태양이 위치하는 영역의 주변 영역의 하늘에 대한 영상 및 기상 상태를 함께 분석하여, 태양광 모듈(PVM) 주변에 위치하는 구름 및 태양광 모듈(PVM)로부터 멀리 떨어진 영역에 위치하는 구름에 대해 각각 예상 이동 경로 및 예상 이동 속도를 산출할 수 있다.
마지막으로, 예측 데이터 생성부(PDG)는 기상 데이터(WD), 구름 특성 데이터(CD), 및 이동 예측 데이터(MD)를 수신하고, 기상 데이터(WD), 구름 특성 데이터(CD), 및 이동 예측 데이터(MD)에 기초하여 태양광 시스템(PV)(예를 들어, 태양광 모듈(PVM))의 발전량을 예측하고, 예측된 발전량에 대한 예측 데이터(GPD)를 생성할 수 있다.
예를 들어, 예측 데이터 생성부(PDG)는 기상 데이터(WD)에 기초하여 태양광 발전량에 직접적으로 영향을 주는 일사량뿐만 아니라, 온도, 습도, 태양의 위치, 및 태양의 고도 등을 종합적으로 고려하여 발전량을 예측할 수 있다.
또한, 태양광 발전량을 보다 정확하게 예측하기 위해서는 현재 일사량에 대한 정보뿐만 아니라 실시간으로 변화하는 일사량의 변동을 예측할 필요가 있다. 여기서, 상술한 바와 같이 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 등에 따라 일사량은 달라지므로, 현재 구름의 위치 내지 상태뿐만 아니라 실시간으로 변화하는 구름의 위치 내지 상태 등을 종합적으로 고려하여 일사량의 변동을 예측하고, 이에 기반하여 태양광 발전량을 예측할 필요가 있다.
이에 따라, 예측 데이터 생성부(PDG)는 구름 특성 데이터(CD)와 이동 예측 데이터(MD)에 기초하여, 태양광 모듈(PVM) 주변의 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도에 따른 태양광 모듈(PVM)에 대한 일사량의 변동을 실시간으로 예측하고, 이에 기초하여 예측 데이터(GPD)를 생성할 수 있다.
일 실시예에서, 예측 데이터 생성부(PDG)는 제1 영역(A1)과 제2 영역(A2)에 각각 위치하는 구름들의 예상 이동 경로 및 예상 이동 속도에 따른 일사량의 변동을 예측할 수 있다.
예를 들어, 도 6을 더 참조하면, 도 6에는 태양광 모듈(PVM)이 배치되는 영역에 대응하는 제1 영역(A1) 및 제1 영역(A1) 주변의 제2 영역(A2) 각각에 위치하는 구름들(CL1, CL2)을 도시하였다. 예를 들어, 현재 시점(예를 들어, 측정 시점)을 기준으로 제1 영역(A1)에는 제1 구름들(CL1)이 위치할 수 있으며, 제2 영역(A2)에는 제2 구름들(CL2)이 위치할 수 있다.
한편, 도 6에서는 오른쪽 방향, 왼쪽 방향, 아래쪽 방향, 및 위쪽 방향을 각각 동쪽 방향(E), 서쪽 방향(W), 남쪽 방향(S), 및 북쪽 방향(N)으로 도시하였다.
현재 시점(예를 들어, 측정 시점)을 기준으로는, 태양광 모듈(PVM)과 멀리 떨어진(또는, 태양(SUN)의 위치하는 하늘 상의 영역으로부터 멀리 떨어진) 제2 영역(A2)에 위치하는 제2 구름들(CL2)의 경우, 태양광 모듈(PVM)의 발전량에 영향을 미칠 수 있는 태양광 모듈(PVM)에 대한 일사량에 대해 실질적인 영향이 없을 수 있다. 즉, 현재 시점(예를 들어, 측정 시점)을 기준으로는, 제1 영역(A1)에 위치하는 제1 구름들(CL1)의 형상, 종류, 높이, 분포 넓이, 운량, 및 위치 등에 따라 태양광 모듈(PVM)에 대한 일사량이 결정될 수 있다.
다만, 이후 바람의 영향에 따라 구름의 위치 등이 변동되는 경우 태양광 모듈(PVM)에 대한 일사량에 영향을 미칠 수 있는 구름이 달라질 수 있다.
예를 들어, 제1 영역(A1)에 위치하는 제1 구름들(CL1) 중 제1 구름(CL1a)은 북서풍의 제1 바람(WIN1)의 영향에 따라 일정 시간이 지난 후에도 제1 영역(A1)에 위치하게 될 수 있다. 이에 반해, 제1 영역(A1)에 위치하는 제1 구름들(CL1) 중 제1 구름(CL1b)은 북풍의 제2 바람(WIN2)의 영향에 따라 일정 시간이 지나는 경우 제2 영역(A2)에 위치하게 될 수 있다.
또한, 제2 영역(A2)에 위치하는 제2 구름들(CL2) 중 제2 구름(CL2a)과 제2 구름(CL2c)은 각각 북서풍의 제1 바람(WIN1)과 북풍의 제2 바람(WIN2)의 영향에 따라 일정 시간이 지나게 되면 제1 영역(A1)으로 위치하게 될 수 있다. 이에 반해, 제2 영역(A2)에 위치하는 제2 구름들(CL2) 중 제2 구름(CL2b)은 북서풍의 제1 바람(WIN1)의 영향에 따라 일정 시간이 지나더라도 여전히 제2 영역(A2)에 위치하게 될 수 있다.
이와 같이, 현재 시점을 기준으로는 제1 구름들(CL1a, CL1b)이 제1 영역(A1)에 위치하므로, 제1 구름들(CL1a, CL1b)의 형상, 종류, 높이, 분포 넓이, 운량, 및 위치 등에 따라 태양광 모듈(PVM)에 대한 일사량이 결정될 수 있으나, 현재 시점 이후의 시점(예를 들어, 예측 시점)을 기준으로는 주변의 바람(예를 들어, 제1 바람(WIN1) 및 제2 바람(WIN2))의 영향으로, 구름들(CL1, CL2) 중 일부의 구름들(예를 들어, 제1 구름(CL1a) 및 제2 구름들(CL2a, CL2c))이 제1 영역(A1)에 배치되어 해당 구름들(CL1a, CL2a, CL2c)의 형상, 종류, 높이, 분포 넓이, 운량, 및 위치 등에 따라 태양광 모듈(PVM)에 대한 일사량이 결정될 수 있다.
이에 따라, 예측 데이터 생성부(PDG)는 구름 특성 데이터(CD)에 기초하여 현재 시점(또는, 측정 시점)을 기준으로 제1 영역(A1)에 위치하는 구름들(예를 들어, 도 6의 제1 구름들(CL1))의 형상, 종류, 높이, 분포 넓이, 운량, 및 위치 등을 추출하고, 이동 예측 데이터(MD)에 기초한 상기 구름들(CL1, CL2)의 예상 이동 경로 및 예상 이동 속도를 이용하여 현재 시점 이후의 예측 시점에서 제1 영역(A1)에 위치하는 구름들(예를 들어, 도 6의 구름들(CL1a, CL2a, CL2c))의 형상, 종류, 높이, 분포 넓이, 운량, 및 위치 등을 분석함으로써, 태양광 모듈(PVM)에 대한 일사량의 실시간 변동을 추출하고, 이에 기초하여 태양광 시스템(PV)(또는, 태양광 모듈(PVM))의 발전량을 실시간으로 예측함으로써, 예측 데이터(GPD)를 생성할 수 있다.
여기서, 전원 제어 시스템(PMS, 도 1 참조)은 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)(또는, 발전량 예측부(PGP))에 의해 생성된 예측 데이터(GPD)를 이용하여, 태양광 시스템(PV)으로 발전 명령(또는, 충전 명령)을 수행하게 된다.
이때, 상술한 바와 같이, 전원 제어 시스템(PMS, 도 1 참조)이 발전 명령(또는, 충전 명령)을 수행함에 있어서 예측된 발전량에 대해 기설정된 설정 비율을 곱하여 발전 명령(또는, 충전 명령)을 수행하게 되는데, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)에 의해 예측된 발전량(즉, 예측 데이터(GPD))과 관련하여, 태양광 발전량 예측 시스템(100)은 기상 데이터(WD)와 영상 데이터(ID)에 기초하여 실시간으로 태양광 모듈(PVM)에 대한 일사량의 변동을 산출함으로써 발전량을 산출(예측)하므로, 전원 제어 시스템(PMS, 도 1 참조)은 실질적으로 설정 비율을 100%에 가깝도록 설정하더라도, 발전 명령(또는, 충전 명령)의 값이 실제 발전량을 초과하는 문제가 발생하지 않게 된다. 이에 따라, 금액적인 손실을 최소화할 수 있다.
도 7은 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템에 의해 생성된 예측 데이터와 비교예에 따른 태양광 발전량 예측 시스템에 의해 생성된 예측 데이터의 일 예를 나타내는 도면이다.
도 1 내지 도 7을 참조하면, 도 7에는 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)에 의해 생성된 예측 데이터(GPD)와 비교예에 따른 태양광 발전량 예측 시스템에 의해 생성된 예측 데이터(GPD_C)가 각각 도시되어 있다.
여기서, 비교예에 따른 태양광 발전량 예측 시스템은, 기존의 태양광 발전량 예측 시스템으로서, 기상 관측 데이터를 이용하여 태양광 발전량을 예측할 수 있으며, 여기서, 기상 관측 데이터의 경우 시간대 별 기상 데이터를 포함하므로, 비교예에 따른 태양광 발전량 예측 시스템에 의해 생성된 예측 데이터(GPD_C)는 시간대 별(예를 들어, 시간 단위)로 생성될 수 밖에 없다. 따라서, 실시간으로 변화하는 일사량에 대한 정보가 반영되기 어려우므로, 비교예에 따른 예측 데이터(GPD_C)는 시간대 별로 생성될 수밖에 없다.
이에 반해, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100)에 의해 생성된 예측 데이터(GPD)의 경우, 상술한 바와 같이, 실시간으로 변동되는 일사량을 모두 반영하여 생성되므로 실시간으로 예측 데이터(GPD)가 생성될 수 있으며, 기상 데이터(WD)뿐만 아니라 영상 데이터(ID)에 기초하여 생성되므로 비교예에 따른 예측 데이터(GPD_C)에 비해 정확도가 현저하게 높을 수 있다.
도 8은 도 2의 태양광 발전량 예측 시스템의 다른 일 예를 나타내는 블록도이다.
도 9는 도 8의 태양광 발전량 예측 시스템에 포함되는 이미지 센서 제어부의 동작의 일 예를 설명하기 위한 도면이다.
도 8은 이미지 센서 제어부(ISC)의 구성과 관련하여 도 3의 실시예에 대한 변형 실시예를 나타낸다.
도 8 및 도 9에 있어서, 중복된 설명을 피하기 위하여 상술한 실시예와 상이한 점을 중심으로 설명하며, 특별히 설명하지 않는 부분은 상술한 실시예에 따르며, 동일한 번호는 동일한 구성 요소를, 유사한 번호는 유사한 구성 요소를 나타낸다.
도 8을 참조하면, 태양광 발전량 예측 시스템(100_1)은 영상 데이터 생성부(IDG), 기상 데이터 수집부(WDG), 발전량 예측부(PGP), 및 이미지 센서 제어부(ISC)를 포함할 수 있다.
이미지 센서 제어부(ISC)는 태양의 이동 궤도(OTS)에 대응하여 이미지 센서(IMS)가 촬상하는 하늘의 위치를 적응적으로 제어할 수 있다.
보다 구체적으로, 도 9를 더 참조하면, 시간의 흐름에 따라 지구의 자전에 따라 태양(SUN)은 그 궤도(OTS)가 변화할 수 있다.
여기서, 상술한 바와 같이, 제1 영역(A1)이란 태양광 모듈(PVM)이 배치되는 영역과 현재 태양의 위치에 따라, 태양으로부터 태양광 모듈(PVM)로 실질적으로 태양광(SOL)이 제공되는 하늘 상의 영역을 의미하는 것으로, 실질적으로 하늘 상에서 태양(SUN)이 위치하는 영역을 의미하므로, 태양의 궤도(OTS) 변화에 따라 해당 영역들(A1, A2)도 하늘 상에서 그 위치가 함께 변화할 수 있다.
이에 따라, 이미지 센서 제어부(ISC)는 태양의 이동 궤도(OTS)에 대응하여 이미지 센서(IMS)가 촬상하는 하늘의 위치를 적응적으로 제어함으로써, 이미지 센서(IMS)가 영상을 촬상하도록 제어할 수 있다.
도 10은 도 2의 태양광 발전량 예측 시스템의 또 다른 일 예를 나타내는 블록도이다.
도 10은 발전 명령부(CCU)의 구성과 관련하여 도 3의 실시예에 대한 변형 실시예를 나타낸다.
도 10에 있어서, 중복된 설명을 피하기 위하여 상술한 실시예와 상이한 점을 중심으로 설명하며, 특별히 설명하지 않는 부분은 상술한 실시예에 따르며, 동일한 번호는 동일한 구성 요소를, 유사한 번호는 유사한 구성 요소를 나타낸다.
도 10을 참조하면, 태양광 발전량 예측 시스템(100_2)은 영상 데이터 생성부(IDG), 기상 데이터 수집부(WDG), 발전량 예측부(PGP), 및 발전 명령부(CCU)(또는, 충전 명령부)를 포함할 수 있다.
발전 명령부(CCU)는 발전량 예측부(PGP)로부터 제공되는 예측 데이터(GPD)를 수신하고, 예측 데이터(GPD)에 기초하여 예측된 태양광 모듈(PVM)의 발전량에 대해 설정 비율을 곱한 값을 발전 명령 값(CC)(또는, 충전 명령 값)으로서 출력할 수 있다.
여기서, 상술한 바와 같이 설정 비율의 경우, 발전량의 예측 정확도가 높을수록 설정 비율을 100%(또는, 1)에 가깝게 설정하더라도 발전 명령(또는, 충전 명령)의 값이 실제 발전량을 초과하는 문제가 발생하지 않게 되나, 발전량의 예측 정확도가 상대적으로 낮은 경우에는 발전 명령(또는, 충전 명령)의 값이 실제 발전량을 초과하는 문제가 발생할 수도 있다.
여기서, 상술한 바와 같이, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100, 100_1, 100_2)의 경우, 비교예에 따른 태양광 발전량 예측 시스템에 비해 발전량 예측의 정확도가 현저하게 높은 것은 별론, 그 예측 정확도는 기상 상태 등에 따라 달라질 수 있다.
보다 구체적으로, 상술한 바와 같이, 본 발명의 실시예에 들에 따른 태양광 발전량 예측 시스템(100, 100_1, 100_2)에 있어서, 현재 시점과 현재 시점 이후의 예측 시점에서 구름 상태의 변화를 실시간으로 예측하여 태양광 모듈(PVM)에 대한 일사량 변동을 실시간으로 예측하는데 있어서, 기상 상태에 따라 바람의 풍속이 강하거나, 바람의 풍향이 시시각각으로 변화하거나, 및/또는 구름의 상태(예를 들어, 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 등)에 따른 요인으로 인해 예측 시점에서의 구름 상태의 변화 예측의 정확도는 달라질 수 있다.
예를 들어, 바람의 풍속이 강하거나 및/또는 바람의 풍향이 시시각각으로 변화하는 등의 기상 상태에 있어서, 예측 시점에서의 구름 상태의 변화 예측의 정확도는 비교적으로 낮을 수 있다.
이에 따라, 발전 명령부(CCU)는 영상 데이터(ID) 및 기상 데이터(WD)를 더 수신하고, 영상 데이터(ID) 및 기상 데이터(WD)에 기초하여 예측 정확도에 영향을 줄 수 있는 바람의 풍속, 풍향, 및/또는 구름의 상태에 대한 정보를 추출하고, 이에, 예측 정확도가 상대적으로 낮은 것으로 판단되는 경우 상대적으로 낮은 값을 가지는 가중치를 산출하고, 예측 정확도가 상대적으로 높은 것으로 판단되는 경우 상대적으로 높은 값을 가지는 가중치를 산출할 수 있다. 여기서, 가중치는 0에서 1 사이의 값을 가질 수 있다.
이를 위해, 발전 명령부(CCU)는 바람의 풍속, 풍향, 및/또는 구름의 상태에 대한 정보에 따라 가중치의 값을 산출하기 위한 알고리즘, 수학식 등을 이용할 수 있으나, 이에 제한되는 것은 아니다.
한편, 실시예에 따라 발전 명령부(CCU)는 예측 정확도가 현저하게 높은 것으로 판단되는 경우 1의 값을 가지는 가중치를 산출할 수 있다.
이후, 발전 명령부(CCU)는 기준 설정 비율에 대해, 예측 정확도 판단에 따른 가중치를 곱하여 설정 비율을 산출하고, 예측 데이터(GPD)에 기초하여 예측된 태양광 모듈(PVM)의 발전량에 대해 상기 설정 비율을 곱한 값을 발전 명령 값(CC)(또는, 충전 명령 값)으로서 출력할 수 있다.
예를 들어, 기준 설정 비율이 100%, 즉, 1의 값으로 설정되며, 가중치가 0.97로 산출되는 경우, 설정 비율은 1과 0.97을 곱한 0.97의 값으로 결정되어 발전 명령 값(CC)은 예측된 발전량의 97%로 설정될 수 있다.
다른 예로, 기준 설정 비율이 99%, 즉, 0.99의 값으로 설정되며, 가중치가 0.95로 산출되는 경우, 설정 비율은 0.99와 0.95를 곱한 약 0.94의 값으로 결정되어 발전 명령 값(CC)은 예측된 발전량의 94%로 설정될 수 있다.
또 다른 예로, 기준 설정 비율이 100%, 즉, 1의 값으로 설정되며, 가중치도 1의 값으로 산출되는 경우, 설정 비율은 1의 값으로 결정되어 발전 명령 값(CC)은 예측된 발전량의 100%로 설정될 수 있다.
한편, 상기 예시된 기준 설정 비율의 값, 가중치의 값은 단순히 설명의 편의를 위한 예시적인 것에 불과하며, 이에 제한되는 것이 아니다.
이와 같이, 발전 명령부(CCU)는 영상 데이터(ID)와 기상 데이터(WD)를 종합적으로 고려하여, 예측 정확도를 판단하고 이에 기초하여 가중치를 산출하여 최종적인 설정 비율을 산출할 수 있다. 이에 따라, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템(100_2)은 기상 상태 등에 따라 적응적으로 발전 명령(또는, 충전 명령)을 수행할 수 있게 된다.
도 11은 본 발명의 실시예들에 따른 태양광 발전량 예측 방법을 나타내는 순서도이다.
도 1 내지 도 11을 참조하면, 도 11의 태양광 발전량 예측 방법은 도 3의 태양광 발전량 예측 시스템(100), 도 8의 태양광 발전량 예측 시스템(100_1), 또는 도 10의 태양광 발전량 예측 시스템(100_2) 상에서 수행될 수 있다. 여기서, 도 11의 태양광 발전량 예측 방법은 도 1 내지 도 10을 참조하여 설명한 태양광 발전량 예측 시스템(100, 100_1, 100_2)의 동작과 실질적으로 동일하거나 유사하므로, 중복되는 설명은 반복하지 않기로 한다.
먼저, 도 11의 태양광 발전량 예측 방법은, 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성(S1110)할 수 있다.
또한, 도 11의 태양광 발전량 예측 방법은, 태양광 모듈 주변에 대한 기상 데이터를 수집(S1120)할 수 있다.
이후, 도 11의 태양광 발전량 예측 방법은, 영상 데이터를 분석하여 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성(S1130)하고, 기상 데이터와 구름 특성 데이터에 기초하여 하늘 상의 구름에 대한 이동 예측 데이터를 생성(S1140)할 수 있다.
이후, 도 11의 태양광 발전량 예측 방법은, 이동 예측 데이터와 기상 데이터에 기초하여 태양광 모듈의 발전량을 예측(S1150)할 수 있다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 설명한 바와 같이, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템 및 방법의 경우, 기상 데이터뿐만 아니라 태양광 모듈 주변의 하늘에 대한 영상 데이터를 기초하여 발전량을 예측하므로, 최소 시간 단위로(실시간으로) 보다 정확하게 발전량을 예측할 수 있다.
또한, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템 및 방법의 경우, 실제 발전량에 가깝게 발전 명령(또는, 충전 명령)을 수행하므로 금액적인 손실을 최소화할 수 있다.
본 발명의 다양한 실시예들에 따른 태양광 발전량 예측 시스템은 다음과 같이 설명될 수 있다.
전술한 바와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에 따른 태양광 발전량 예측 시스템은, 태양광 모듈의 발전량을 예측하는 시스템에서, 상기 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 상기 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 영상 데이터 생성부, 상기 태양광 모듈 주변에 대한 기상 데이터를 수집하는 기상 데이터 수집부, 및 상기 영상 데이터를 분석하여 상기 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하고, 상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터를 생성하며, 상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하는 발전량 예측부를 포함할 수 있다.
일 실시예에서, 상기 발전량 예측부는, 상기 영상 데이터를 분석하여 상기 구름 특성 데이터를 생성하는 구름 특성 데이터 생성부, 상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 이동 예측 데이터를 생성하는 이동 예측 데이터 생성부, 및 상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하여 예측 데이터를 생성하는 예측 데이터 생성부를 포함할 수 있다.
일 실시예에서, 상기 이동 예측 데이터 생성부는, 상기 기상 데이터에 기초하여 바람의 풍속 및 풍향에 대한 정보를 추출하고, 상기 바람의 풍속 및 풍향에 의한 상기 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도를 추출하여 상기 이동 예측 데이터를 생성하고, 상기 발전량 예측부는 상기 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도에 따른 상기 태양광 모듈에 대한 일사량의 변동을 예측하고, 이에 기초하여 상기 예측 데이터를 생성할 수 있다.
일 실시예에서, 상기 구름 특성 데이터 생성부는, 상기 영상 데이터에 포함되는 상기 태양광 모듈 주변의 하늘에 대한 영상을 입체적으로 가공하여 상기 하늘 상의 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 중 적어도 하나에 관한 상기 구름 상태에 대한 정보를 추출할 수 있다.
일 실시예에서, 상기 태양광 발전량 예측 시스템은, 태양의 궤도에 대응하여 상기 적어도 하나의 이미지 센서가 촬상하는 하늘의 위치를 적응적으로 제어하는 이미지 센서 제어부를 더 포함할 수 있다.
일 실시예에서, 상기 태양광 발전량 예측 시스템은, 상기 영상 데이터, 상기 기상 데이터, 및 상기 발전량 예측부에 의해 생성된 예측 데이터를 수신하고, 예측된 상기 태양광 모듈의 발전량에 설정 비율을 곱한 값을 발전 명령 값으로 출력하는 발전 명령부를 더 포함할 수 있다. 상기 발전 명령부는, 상기 영상 데이터에 기초한 상기 하늘 상의 구름 상태 및 상기 기상 데이터에 기초하여 가중치를 산출하고, 기준 설정 비율에 상기 가중치를 적용하여 상기 설정 비율을 산출할 수 있다.
일 실시예에서, 상기 기상 데이터는, 상기 태양광 모듈 주변의 일사량, 온도, 습도, 풍향, 풍속, 태양의 위치, 및 태양의 고도 중 적어도 하나를 포함할 수 있다.
본 발명의 다양한 실시예들에 따른 태양광 발전량 예측 방법은 다음과 같이 설명될 수 있다.
전술한 바와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에 따른 태양광 발전량 예측 방법은, 태양광 모듈의 발전량을 예측하는 방법에서, 상기 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 상기 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 단계, 상기 태양광 모듈 주변에 대한 기상 데이터를 수집하는 단계, 상기 영상 데이터를 분석하여 상기 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하는 단계, 상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터를 생성하는 단계, 및 상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하는 단계를 포함할 수 있다.
본 발명의 다양한 실시예들에 따른 컴퓨터 프로그램은 다음과 같이 설명될 수 있다.
전술한 바와 같은 과제를 해결하기 위하여, 본 발명의 실시예들에 따른 컴퓨터 프로그램은, 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 명령어를 포함하며, 컴퓨터 시스템에 의해 실행될 때, 상기 명령어는 상기 컴퓨터 시스템이 상기 태양광 발전량 예측 방법을 수행하도록 할 수 있다.
이상에서는 본 발명의 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100, 100_1, 100_2: 태양광 발전량 예측 시스템
CCU: 발전 명령부
CDG: 구름 특성 데이터 생성부
IDG: 영상 데이터 생성부
IMS: 이미지 센서
ISC: 이미지 센서 제어부
MDG: 이동 예측 데이터 생성부
PDG: 예측 데이터 생성부
PGP: 발전량 예측부
WDG: 기상 데이터 수집부

Claims (8)

  1. 태양광 모듈의 발전량을 예측하는 시스템에서,
    상기 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 상기 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 영상 데이터 생성부;
    상기 태양광 모듈 주변에 대한 기상 데이터를 수집하는 기상 데이터 수집부; 및
    상기 영상 데이터를 분석하여 상기 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하고, 상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터를 생성하며, 상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하는 발전량 예측부를 포함하
    고,
    상기 발전량 예측부는,
    상기 영상 데이터를 분석하여 상기 구름 특성 데이터를 생성하는 구름 특성 데이터 생성부;
    상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 이동 예측 데이터를 생성하는 이동 예측 데이터 생성부; 및
    상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하여 예측 데이터를 생성하는 예측 데이터 생성부를 포함하며,
    상기 이동 예측 데이터 생성부는, 상기 기상 데이터에 기초하여 바람의 풍속 및 풍향에 대한 정보를 추출하고, 상기 바람의 풍속 및 풍향에 의한 상기 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도를 추출하여 상기 이동 예측 데이터를 생성하고,
    상기 발전량 예측부는 상기 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도에 따른 상기 태양광 모듈에 대한 일사량의 변동을 예측하고, 이에 기초하여 상기 예측 데이터를 생성하고,
    상기 영상 데이터 생성부는, 이미지 센서가 상기 태양광 모듈 주변의 하늘 중 상기 태양광 모듈이 배치되는 영역에 대응하는 제1 영역 및 상기 제1 영역 주변의 제2 영역 각각에 대한 영상을 촬상하도록 제어하고,
    상기 예측 데이터 생성부는, 현재 시점을 기준으로 상기 제1 영역에 위치하는 제1 구름의 형상, 종류, 높이, 분포 넓이, 운량 및 위치 중 적어도 하나를 추출하고,
    상기 이동 예측 데이터에 기초한 구름들의 예상 이동 경로 및 예상 이동 속도를 이용하여 상기 현재 시점 이후의 예측 시점에서 상기 제1 영역에 위치하는 제2 구름의 형상, 종류, 높이, 분포 넓이, 운량 및 위치 중 적어도 하나를 추출하여, 분석함으로써 상기 태양광 모듈에 대한 일사량의 실시간 변동을 추출하고, 이에 기초하여 상기 태양광 모듈의 발전량을 실시간으로 예측하여 상기 예측 데이터를 생성하는, 태양광 발전량 예측 시스템.
  2. 삭제
  3. 삭제
  4. 제1 항에 있어서, 상기 구름 특성 데이터 생성부는, 상기 영상 데이터에 포함되는 상기 태양광 모듈 주변의 하늘에 대한 영상을 입체적으로 가공하여 상기 하늘 상의 구름의 형상, 구름의 종류, 구름의 높이, 구름의 분포 넓이, 구름의 운량, 및 구름의 위치 중 적어도 하나에 관한 상기 구름 상태에 대한 정보를 추출하는, 태양광 발전량 예측 시스템.
  5. 제1 항에 있어서,
    태양의 궤도에 대응하여 상기 적어도 하나의 이미지 센서가 촬상하는 하늘의 위치를 적응적으로 제어하는 이미지 센서 제어부를 더 포함하는, 태양광 발전량 예측 시스템.
  6. 제1 항에 있어서,
    상기 영상 데이터, 상기 기상 데이터, 및 상기 발전량 예측부에 의해 생성된 예측 데이터를 수신하고, 예측된 상기 태양광 모듈의 발전량에 설정 비율을 곱한 값을 발전 명령 값으로 출력하는 발전 명령부를 더 포함하며,
    상기 발전 명령부는, 상기 영상 데이터에 기초한 상기 하늘 상의 구름 상태 및 상기 기상 데이터에 기초하여 가중치를 산출하고, 기준 설정 비율에 상기 가중치를 적용하여 상기 설정 비율을 산출하는, 태양광 발전량 예측 시스템.
  7. 제1 항에 있어서, 상기 기상 데이터는, 상기 태양광 모듈 주변의 일사량, 온도, 습도, 풍향, 풍속, 태양의 위치, 및 태양의 고도 중 적어도 하나를 포함하는, 태양광 발전량 예측 시스템.
  8. 태양광 모듈의 발전량을 예측하는 방법에서,
    상기 태양광 모듈 주변에 배치되는 적어도 하나의 이미지 센서를 이용하여 상기 태양광 모듈 주변의 하늘을 촬상하여 영상 데이터를 생성하는 단계;
    상기 태양광 모듈 주변에 대한 기상 데이터를 수집하는 단계;
    상기 영상 데이터를 분석하여 상기 하늘 상의 구름 상태에 대한 정보를 포함하는 구름 특성 데이터를 생성하는 단계;
    상기 기상 데이터와 상기 구름 특성 데이터에 기초하여 상기 하늘 상의 구름에 대한 이동 예측 데이터를 생성하는 단계; 및
    상기 이동 예측 데이터와 상기 기상 데이터에 기초하여 상기 태양광 모듈의 발전량을 예측하는 단계를 포함하고,
    상기 기상 데이터에 기초하여 바람의 풍속 및 풍향에 대한 정보를 추출하고, 상기 바람의 풍속 및 풍향에 의한 상기 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도를 추출하여 상기 이동 예측 데이터를 생성하고,
    상기 하늘 상의 구름의 예상 이동 경로 및 예상 이동 속도에 따른 상기 태양광 모듈에 대한 일사량의 변동을 예측하고, 이에 기초하여 상기 예측 데이터를 생성하고,
    이미지 센서가 상기 태양광 모듈 주변의 하늘 중 상기 태양광 모듈이 배치되는 영역에 대응하는 제1 영역 및 상기 제1 영역 주변의 제2 영역 각각에 대한 영상을 촬상하도록 제어하고,
    현재 시점을 기준으로 상기 제1 영역에 위치하는 제1 구름의 형상, 종류, 높이, 분포 넓이, 운량 및 위치 중 적어도 하나를 추출하고,
    상기 이동 예측 데이터에 기초한 구름들의 예상 이동 경로 및 예상 이동 속도를 이용하여 상기 현재 시점 이후의 예측 시점에서 상기 제1 영역에 위치하는 제2 구름의 형상, 종류, 높이, 분포 넓이, 운량 및 위치 중 적어도 하나를 추출하여, 분석함으로써 상기 태양광 모듈에 대한 일사량의 실시간 변동을 추출하고, 이에 기초하여 상기 태양광 모듈의 발전량을 실시간으로 예측하여 상기 예측 데이터를 생성하는, 태양광 발전량 예측 방법.
KR1020230033519A 2023-03-14 2023-03-14 태양광 발전량 예측 시스템 및 방법 KR102577207B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230033519A KR102577207B1 (ko) 2023-03-14 2023-03-14 태양광 발전량 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230033519A KR102577207B1 (ko) 2023-03-14 2023-03-14 태양광 발전량 예측 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102577207B1 true KR102577207B1 (ko) 2023-09-11

Family

ID=88020168

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230033519A KR102577207B1 (ko) 2023-03-14 2023-03-14 태양광 발전량 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102577207B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015138912A (ja) * 2014-01-23 2015-07-30 大阪瓦斯株式会社 太陽光発電量予測システム及び天気予報システム
KR20190100800A (ko) * 2018-02-21 2019-08-29 엘에스산전 주식회사 태양광 발전 시스템
KR20200077771A (ko) * 2018-12-21 2020-07-01 국민대학교산학협력단 전기 자동차의 일사량 예측시스템 및 그 전기 자동차의 일사량 예측방법
JP2021180605A (ja) * 2020-05-08 2021-11-18 東京電力ホールディングス株式会社 制御装置、太陽光発電システム、プログラム及び制御方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015138912A (ja) * 2014-01-23 2015-07-30 大阪瓦斯株式会社 太陽光発電量予測システム及び天気予報システム
KR20190100800A (ko) * 2018-02-21 2019-08-29 엘에스산전 주식회사 태양광 발전 시스템
KR20200077771A (ko) * 2018-12-21 2020-07-01 국민대학교산학협력단 전기 자동차의 일사량 예측시스템 및 그 전기 자동차의 일사량 예측방법
JP2021180605A (ja) * 2020-05-08 2021-11-18 東京電力ホールディングス株式会社 制御装置、太陽光発電システム、プログラム及び制御方法

Similar Documents

Publication Publication Date Title
Chen et al. Forecasting-based power ramp-rate control strategies for utility-scale PV systems
Nadia et al. Advances in solar photovoltaic tracking systems: A review
US8401706B2 (en) Networked multi-inverter maximum power-point tracking
US20110137591A1 (en) Electric power generation amount estimation device, electric power generation amount estimation system, electric power generation amount estimation method and computer program
US20110282514A1 (en) Systems and methods for forecasting solar power
EP3649410B9 (en) System for positioning solar panels in an array of solar panels to efficiently capture sunlight
CN103712685B (zh) 光伏阵列辐照度测量辨识方法
US20240231397A1 (en) Systems for and methods of positioning solar panels in an array of solar panels with spectrally adjusted irradiance tracking
CN116800172B (zh) 一种光电转换方法及储能***
KR102577207B1 (ko) 태양광 발전량 예측 시스템 및 방법
Karpić et al. Comparison of solar power measurements in alpine areas using a mobile dual-axis tracking system
CN116192005A (zh) 基于微时空尺度辐照预测的光伏跟踪方法、***及介质
Bálint et al. Model-based power generation estimation of solar panels using weather forecast for microgrid application
EP3940951A1 (en) Single axis solar tracker management method and solar plant implementing said method
KR20150137797A (ko) 태양광 발전장치
Barbieri et al. A comparative study of clear-sky irradiance models for Western Australia
US20230035847A1 (en) Zonal diffuse tracking
Ding et al. Very-short term forecast of global horizontal irradiance based on ground-based sky imager and lifted condensation level calculation
Neagoe et al. Increasing the tracking efficiency of photovoltaic systems
Renné Effective solar resource methodologies for sustainable PV applications
Manjunatha Swamy Comparison of solar output of vertical and inclined solar panels in the high north
Goswami et al. Performance Boosting of Automatic Sun Following Panels Using Soft Computing Technique
Paasch Power Electronic System for Multi-MW PV Sites
Shaw DESIGNING A TIME-BASED SINGLE-AXIS SOLAR TRACKING SYSTEM FOR OFF-GRID DOMESTIC ISLANDED SOLAR PV SYSTEMS (WITH MONITORING OF PARAMETERS THAT CAN AFFECT THE PANEL OUTPUT)
Klein et al. Optimization of photovoltaic power generation using a Measurement and Management Technology (MMT) platform

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant