[논문]기후요소와 지형 공간요소를 이용한 일사량 모델링

김병우; 강인준; 한기봉

기후요소와 지형 공간요소를 이용한 일사량 모델링
Insolation Modeling using Climate and Geo-Spatial Elements 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.18 no.4, 2010년, pp.79 - 86

김병우 (부산대학교 사회환경시스템공학부) , 강인준 (부산대학교 공과대학 사회환경시스템공학부) , 한기봉 (부산대학교 공과대학 지형정보협동과정)

초록
AI-Helper

본 연구는 태양광 에너지 발전 시설의 효율 증대와 입지 선정을 위한 태양광 역추적에 관한 연구이다. 기후 및 지형요소들을 가지고 소규모 지역의 태양광을 역추적 하는데 목적을 두고 있다. 6가지 기후요소들에 대해 상관 분석을 수행, 상관계수 및 유의확률을 확인하여 상관관계가 없다고 판단된 풍속과 구름의 양은 제외하였다. 나머지 기후요소 및 지형요소를 가지고 각각 회귀분석을 수행해본 결과, 일사량에 가장 큰 영향을 끼치는 요소로는 일조량과 지형의 고도였다. 이 결과를 바탕으로 정확한 일사량 모델링을 위해 기후 및 지형요소를 가지고 일사량 모델링을 수행한 결과, 기후요소가 지형요소에 비해 더 큰 계수 값을 가졌다. 이는 기후요소가 지형요소에 비해 더 큰 영향력을 가진다는 것을 의미한다.

Abstract ▼ AI-Helper

This research is a thing about reverse operation about the solar power for location decision and increasing efficiency of the solar power generation equipments. The purpose of this research is reverse operation about the amount of sunshine using the climate and spatial elements. Following the result of correlation analysis, the wind-speed and cloud-amount factor are excluded, because the correlation and significance coefficients are out of value. Each outcome of regression analysis using the other four climate elements, and regression analysis using spatial elements is what the amount of sunshine and the solar altitude are the most influence to the insolation-modeling. Doing the regression analysis based on the precedent result make the result that climate elements have bigger coefficient of regression than spatial elements. This outcome means the climate elements are more influence than spatial elements.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

일사량의 정확한 역추적을 위해 여러 가지 기후 요소 및 지형 요소들과 일사량과의 관계를 분석하였고, 그 결과를 바탕으로 소규모 지역에 대한 일사량을 계산 해낼 수 있는 역추적 관계식 개발에 중점을 두었다. 기존의 대규모 지역에 관한 태양광 연구에서 벗어나 소규모 지역에서의 태양광 발전시설의 활용도를 높이기 위한 기초 연구이다. 일사량 역추적을 통하여 태양광 발전 시설의 합리적인 입지선정을 통한 ‘제로 에너지 하우스’ 또는 ‘간이 발전 시설’ 같이 소규모 발전 시설을 필요로 하는 소규모 지역에서의 발전 시설의 효율을 극대화시키기 위한 연구이다.
본 연구의 목적은 소규모 지역에 대한 태양광 발전설비의 입지 선정을 위한 일사량 모델링 기초 연구로서 소규모 지역에 대해 기후요소와 지형요소를 이용하여 일사량 역추적 관계식유추에 목적을 두고 있다. 일사량의 정확한 역추적을 위해 여러 가지 기후 요소 및 지형 요소들과 일사량과의 관계를 분석하였고, 그 결과를 바탕으로 소규모 지역에 대한 일사량을 계산 해낼 수 있는 역추적 관계식 개발에 중점을 두었다.
일사량 역추적을 통하여 태양광 발전 시설의 합리적인 입지선정을 통한 ‘제로 에너지 하우스’ 또는 ‘간이 발전 시설’ 같이 소규모 발전 시설을 필요로 하는 소규모 지역에서의 발전 시설의 효율을 극대화시키기 위한 연구이다.
본 연구의 목적은 소규모 지역에 대한 태양광 발전설비의 입지 선정을 위한 일사량 모델링 기초 연구로서 소규모 지역에 대해 기후요소와 지형요소를 이용하여 일사량 역추적 관계식유추에 목적을 두고 있다. 일사량의 정확한 역추적을 위해 여러 가지 기후 요소 및 지형 요소들과 일사량과의 관계를 분석하였고, 그 결과를 바탕으로 소규모 지역에 대한 일사량을 계산 해낼 수 있는 역추적 관계식 개발에 중점을 두었다. 기존의 대규모 지역에 관한 태양광 연구에서 벗어나 소규모 지역에서의 태양광 발전시설의 활용도를 높이기 위한 기초 연구이다.

가설 설정

넷째, 본 연구에서 발생한 오차들의 원인 중 가장 큰 원인은 요소들 간의 관계 해석이다. 일사량 산출의 위해 사용한 각 요소들 간의 상관관계를 무시하고, 각각의 요소들이 전부 독립적이라는 가정 하에 연구를 진행하였다. 그러나 각각의 기후요소들이 독립적이지 않고 서로 상관되어 있는 만큼 그 것을 무시한 부분에 대해서 모순이 발생하였다.

제안 방법

연구 방법은 크게 세 가지 방법으로 수행 하였다. 다섯 가지 요소가 일사량에 미치는 영향을 파악하기 위해 첫 번째로 1999년부터 2008년까지 다섯 가지의 기후요소와 일사량을 년도 별로 구분하여 상호간의 상관관계를 추정하였다. 추정한 결과를 이용하여 다섯 가지의 기후요소가 매년 일사량에 어떤 영향을 주었는지 분석, 최종적으로 기후요소와 일사량과의 관계를 파악하기 위해 각각의 요소를 계절 별로 분석하였다.
두 번째로, 봄(3월~5월), 여름(6월~8월), 가을(9월~11월), 겨울(12월~2월)로 각각 구분하여 다섯 가지의 요소가 어떠한 영향을 미치는지에 대해 연구하였다. 이를 바탕으로 기후요소가 각각의 계절별 영향을 분석하고 각 계절별로 회귀분석을 하여 일사 합을 추정할 수 있는 식을 유추해 보았다.
마지막으로, 상대기울기는 그림 2과 같이 태양의 고도와 지구로부터 태양까지의 거리, 지구 반지름을 이용 하여 상대기울기를 구하였다. 또한 상대 기울기(θ)는 태양과 연구지역의 지표면이 이루는 각을 구하기 위해 다음의 식을 이용하였다.
본 연구는 연구지역에서 측정한 일사 합과 다섯 가지의 기후요소(일조 시간, 구름의 양, 습도, 온도, 풍속) 및 지형요소(태양의 방위각, 태양 고도, 지형의 상대기울기) 간의 상관관계를 분석하여 이 다섯 가지를 이용, 일사 합을 추정하였다. 연구 방법은 크게 세 가지 방법으로 수행 하였다.
본 절에서는 6가지 기후 요소들과 일사량과의 상관관계를 분석하였고, 기후 요소들이 일사량에 영향을 미친다는 사실을 파악하기 위하여 지형요소를 이용하여 분석을 실시하였다. 사용한 지형요소로는 태양의 방위각, 태양의 고도, 지형의 상대기울기 3가지를 이용하였다.
상관 분석 결과를 바탕으로, 기후요소들이 일사량에 미치는 영향 도를 분석하기 위해 유의확률이 높은 구름의 양과 풍속을 제외한 4가지 변수를 가지고 전진선택(Forward)을 통해 회귀분석을 실시하여 표 2와 같이 일사 합에 관한 관계식을 유도하였다. 분석 과정에 있어 여러 가지 변수가 존재하기에 4가지 기후요소에 대한 분산을 구하고 분산 값이 큰 것은 삭제 하여 결과의 정확도를 높였다.
세 번째 방법으로 지형요소를 이용하여 일사량 역추적을 실시하였다. 연구지역의 태양 방위각, 고도, 상대 기울기를 이용하여 일사량과의 상관관계를 분석하는 한편, 세 가지 요소를 이용하여 일사량 분석을 실시하였다.
연구지역 광역시 동래구 명륜1동 위치)을 중심으로 태양광 발전시설이 설치된 학교 3곳(창신 초등학교, 학산 여자 중학교, 온천 초등학교)을 연구지역으로 선정하였다. 연구지역내의 데이터 수집은 AWS 및 GPS를 이용하여 기후요소 및 지형요소를 측정하였다.
세 번째 방법으로 지형요소를 이용하여 일사량 역추적을 실시하였다. 연구지역의 태양 방위각, 고도, 상대 기울기를 이용하여 일사량과의 상관관계를 분석하는 한편, 세 가지 요소를 이용하여 일사량 분석을 실시하였다.
두 번째로, 봄(3월~5월), 여름(6월~8월), 가을(9월~11월), 겨울(12월~2월)로 각각 구분하여 다섯 가지의 요소가 어떠한 영향을 미치는지에 대해 연구하였다. 이를 바탕으로 기후요소가 각각의 계절별 영향을 분석하고 각 계절별로 회귀분석을 하여 일사 합을 추정할 수 있는 식을 유추해 보았다.
첫째, 일사량 모델링 추정을 위해 최근 10년 동안의기후자료를 단순 분석하는 것뿐만 아니라, 결과의 정확도를 높이기 위해 데이터 분석 및 계절별 분석을 추가로 수행하였다. 분석 결과, 기후요소들 중에서는 일조량이 일사량에 가장 큰 영향을 주며, 반대로 일조 시간이 가장 영향을 적게 주는 것으로 확인되었다.
다섯 가지 요소가 일사량에 미치는 영향을 파악하기 위해 첫 번째로 1999년부터 2008년까지 다섯 가지의 기후요소와 일사량을 년도 별로 구분하여 상호간의 상관관계를 추정하였다. 추정한 결과를 이용하여 다섯 가지의 기후요소가 매년 일사량에 어떤 영향을 주었는지 분석, 최종적으로 기후요소와 일사량과의 관계를 파악하기 위해 각각의 요소를 계절 별로 분석하였다.
표 6의 결과는 앞서 분석한 결과들을 바탕으로 기후 요소들과 지형요소들을 이용하여 일사량 모델링을 실시한 것이다. 분석결과에서는 일조량의 계수가 1.
1보다 낮게 나타나 상관관계가 있음을 보이고 있다. 하지만, 방위각-고도, 방위각-기울기, 고도-기울기의 경우 모든 값이 0.871(일사량-고도의 상관계수)보다 높게 나타나 지형요소 역시 회귀분석에 있어 전진선택을 하여 분석을 수행하였다.

대상 데이터

본 연구는 그림 1과 같이 부산지역 AWS 940번(부산 그림 1. 연구지역 광역시 동래구 명륜1동 위치)을 중심으로 태양광 발전시설이 설치된 학교 3곳(창신 초등학교, 학산 여자 중학교, 온천 초등학교)을 연구지역으로 선정하였다. 연구지역내의 데이터 수집은 AWS 및 GPS를 이용하여 기후요소 및 지형요소를 측정하였다.
본 절에서는 6가지 기후 요소들과 일사량과의 상관관계를 분석하였고, 기후 요소들이 일사량에 영향을 미친다는 사실을 파악하기 위하여 지형요소를 이용하여 분석을 실시하였다. 사용한 지형요소로는 태양의 방위각, 태양의 고도, 지형의 상대기울기 3가지를 이용하였다. 첫 번째로, 방위각의 경우, 표 3의 방위각을 이용하여 계산하였다.

데이터처리

일사량 모델링을 위해 회귀분석을 수행하기에 앞서 상관 분석을 수행하여 일사량과 기후요소들 간의 상관관계를 산출하였다. 표 1의 결과, 유의확률(양쪽)에서 일조량, 습도, 온도, 시간 4가지 항목은 유의확률이 0.

성능/효과

둘째, 지형요소를 이용한 데이터 분석의 경우 태양에 대한 지표면의 태양고도가 가장 큰 영향을 준다는 것을 확인하였다.
이 결과는 앞서 기후요소를 가지고 계절별 분석결과에서 일조량이 가장 큰 영향을 미친다는 결과와 동일하게 나타났다. 또한, 지형요소들 중에서는 작은 값으로 가장 큰 유의확률을 가졌던 상대 기울기가 제거되어 정확도가 높아졌다. 그러나 표준 편차를 의미하는 표준 오차 오류결과에서는 일조량이 다른 요소들에 비해 큰 수치 값이 나타났다.
첫째, 일사량 모델링 추정을 위해 최근 10년 동안의기후자료를 단순 분석하는 것뿐만 아니라, 결과의 정확도를 높이기 위해 데이터 분석 및 계절별 분석을 추가로 수행하였다. 분석 결과, 기후요소들 중에서는 일조량이 일사량에 가장 큰 영향을 주며, 반대로 일조 시간이 가장 영향을 적게 주는 것으로 확인되었다.
상관 분석 결과를 바탕으로, 기후요소들이 일사량에 미치는 영향 도를 분석하기 위해 유의확률이 높은 구름의 양과 풍속을 제외한 4가지 변수를 가지고 전진선택(Forward)을 통해 회귀분석을 실시하여 표 2와 같이 일사 합에 관한 관계식을 유도하였다. 분석 과정에 있어 여러 가지 변수가 존재하기에 4가지 기후요소에 대한 분산을 구하고 분산 값이 큰 것은 삭제 하여 결과의 정확도를 높였다. 표 2에서 10년(1999년~2008년) 간의 기후요소를 이용한 관계식 유도 결과(2-a : 봄, 2-b : 여름, 2-c : 가을, 2-d : 겨울) 계절별로 다양하게 나타났다.
표 6의 결과는 앞서 분석한 결과들을 바탕으로 기후 요소들과 지형요소들을 이용하여 일사량 모델링을 실시한 것이다. 분석결과에서는 일조량의 계수가 1.062로 가장 크게 나타났고 방위각과 태양 고도가 각각 0.053, 0.068의 계수를 가졌다. 이 결과는 앞서 기후요소를 가지고 계절별 분석결과에서 일조량이 가장 큰 영향을 미친다는 결과와 동일하게 나타났다.
셋째, 앞서 실시한 기후요소와 지형요소를 동시에 이용하여 분석을 실시한 결과, 기후요소가 지형요소에 비해 더 많은 영향을 준다고 확인되었다. 그러나 지형요소의 표준 오차 오류 값은 상당히 작았는데, 이는 기후 요소들이 실측한 데이터로서 유동성을 가진 것과 대비하여 지형요소 데이터는 정형화 되어 있는 계산결과를 바탕으로 한 정확한 수치이기에 더 작은 오차 값이 발생한 것으로 판단된다.
일사량 모델링을 위해 회귀분석을 수행하기에 앞서 상관 분석을 수행하여 일사량과 기후요소들 간의 상관관계를 산출하였다. 표 1의 결과, 유의확률(양쪽)에서 일조량, 습도, 온도, 시간 4가지 항목은 유의확률이 0.1보다 낮게 나타나, 일사량과 상관도가 있음을 확인할 수 있었다. 그중에서 일조량이 0.

후속연구

앞으로, 본 연구를 보다 정확하게 수행하기 위해서는 보다 정확한 기후 및 지형요소 데이터와 함께 각 요소들 간의 상관 분석을 통한 요소들 간의 분석을 추가로 수행해야 할 것이며, 상대기울기의 보정을 위한 정확한 수치를 산출해야 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Pearson 상관관계분석이란 무엇인가?	이에 비해 한 변수의 값의 변화로부터 다른 변수의 값의 변화 방향을 예측할 수 없는 경우가 있는데 이 경우, 두 변수들 간에는 관계가 전혀 없거나 거의 없다고 할 수 있으며 이때의 상관계수는 0이다. Pearson 상관관계분석은 여러 상관계수 중 Pearson 상관계수라는 일반적인 상관계수를 이용하여 분석하는 방법이다.
	상관계수가 0일 때는 어떤 경우이며, 어떤 상태를 의미하는가?	+1일 경우 정(正), －1일 경우 부(負)의 선형관계가 있다고 한다. 이에 비해 한 변수의 값의 변화로부터 다른 변수의 값의 변화 방향을 예측할 수 없는 경우가 있는데 이 경우, 두 변수들 간에는 관계가 전혀 없거나 거의 없다고 할 수 있으며 이때의 상관계수는 0이다. Pearson 상관관계분석은 여러 상관계수 중 Pearson 상관계수라는 일반적인 상관계수를 이용하여 분석하는 방법이다.
	다중회귀분석의 방식 두 가지는 무엇인가?	다중회귀분석은 두 개 이상의 독립변수들과 하나의 종속변수의 관계를 분석하는 기법이다. 이 분석방식에는 동시입력방식과 단계입력방식이 있으며, 동시입력 방식은 모든 독립변수들을 한꺼번에 포함하여 분석하는 방법으로 이 방식은 특정 독립변수의 영향력을 알수 있으며 모든 독립변수들이 동시에 종속변수를 설명 하는 정도를 알 수 있다. 단계입력방식은 다른 변수들이 회귀 식에 존재할 때 종속변수에 영향력이 있는 변수들만을 회귀 식에 포함시키는 방식으로 설명력이 높은 변수의 순으로 회귀 식에 포함된다.

참고문헌 (11)

LALIT KUMAR(Modelling topographic variation in solar radiation in a GIS environment), Geographical Information Science, 11(5), pp.475-497.
Paul Hughes (Direct Solar Radiation : A Modeling Technique).
유호천(표준기상데이터의 운량과 일사량 데이터 비교 분석), 한국태양에너지학회논문집, 29(2), pp.330-335.
조덕기(기상매개변수와의 상관관계에 의한 일사예측에 관한 연구), 한국태양에너지학회 논문집, 28(3), pp.1-6.

원문보기 상세보기
이관호(국내 주요도시의 일조시간데이터를 이용한 시간당전일사량 산출 및 분석), 한국태양에너지학회 논문집, 30(2), pp.16-21.

원문보기 상세보기
김호영(공간통계기법을 이용한 태양광발전시설 입지 정확성 향상 방안), 한국지리정보학회지, 13(2), pp.146- 156.

원문보기 상세보기
김주영(건축물에 적용된 태양광발전시스템의 경제성 평가에 관한 연구), 대한건축학회지, 22(5), pp.295-302.
엄정섭(산간분지에서 주택밀도의 결정인자로서 태양광도의 영향력 평가), 한국지역지리학회지, 15(6), pp. 689-706.

원문보기 상세보기
조덕기(국내 고집광 태양에너지 이용시스템 설치를 위한 법선면 직달일사량과 청명일 정밀조사), 한국태양에너지학회 논문집, 26(3), pp.53-62.

원문보기 상세보기
조덕기(집광식 태양광 발전시스템 설치를 위한 태양광자원 성분분석에 관한 연구), 한국태양에너지학회 논문집, 27(2), pp.53-59.

원문보기 상세보기
천문우주지식정보(http://astro.kasi.re.kr)

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증