선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 태양광발전 이용률을 높이고 태양광 산업의 지속적인 발전을 위해서는 보다 정확한 태양광 발전시설의 입지에 관한 연구가 필요하다. 이에 본 연구에서는 GIS환경에서 태양에너지에 가장 영향을 미치는 요인 중 하나인 지리적 요인을 대상으로 일조시간 및 일조량을 계산하며, 입력 데이터의 공간해상력을 벗어나는 부분에 대해서는 공간통계분석을 이용하여 가장 정확도가 높은 모델을 적용함으로써 태양광발전 시설의 입지에 관한 의사결정에 정확성을 향상하고자 한다.
제안 방법
- 계산된 지점 이외의 지역인 미 관측 지점에 대한 추정 값을 적용하기 위하여 모델별 오차율을 비교하여 가장 정확한 모델을 선정하였다. 이를 위해서 본 연구에서는 예측오차 (prediction error)로 RMSS(Root Mean Square Standardized), 평균오차(Mean) 그리고 평균 표준오차(Mean Standardized)를 적용하였다.
- 경사는 대상지와 태양간의 수직각을, 방향은 대상지와 태양사이의 수평각을 계산하는데 사용되었다. 계산을 위하여 Raster 형식으로 구축된 각 속성을 Vector 형식으로 변환하여 중심점에 셀의 속성 값을 저장하였다. 그림 6은 변환된 주제도의 속성을 결합한 형태의 점 데이터로 표현한 결과이다.
- 두 번째 단계는 분석된 지점 이외의 지역인미 관측 지점에 대한 값을 추정하는 단계로, 공간통계방법인 정규 크리깅(Ordinary kriging) 방법을 이용한 내삽법을 수행하였다. 이 때 보다 정확한 값의 도출을 위하여 공간적 상호관계를 파악할 수 있는 베리오그램(variogram)을 통하여 모델링하였다.
- 8이었다. 따라서 본 연구에서는 lag의 크기를 20으로 결정하였다.
- 또한 본 연구에서는 보다 정밀한 베리오그램을 계산하기 위해 방향에 따른 영향력(directional influence)을 적용하였다. 이는 일정한 방향에 따라 지연거리가 h만큼 떨어진 데이터들을 이용하여 이방성(anisotropic) 베리오그램을 계산할 수 있다.
- 본 연구에서 계산된 베리오그램은 지연거리가 증가하면서 자료들의 상관성이 줄어들어 베리오그램의 값이 일정한 값, 즉 문턱 값까지 증가하다가 일정한 지연거리 이상에서는 그 값이 일정하게 나타났다. 문턱 값이 존재하는 경우 적용할 수 있는 모델로는 선형모델(linear), 구형모델(spherical model), 지수모델(exponential model), 가우스 모델(Gauss model), 너깃모델(nugget model)이 있으며, 본 연구에서는 그중 선형모델과 구형 모델 그리고 지수모델을 적용하여 추정 값을 비교 검증하였다. 각 모델별로 수행된 베리오그램의 인자 및 변수 값은 표 2와 같다.
- 저탄소 녹색에너지에 대한 관심의 증대와 함께 태양에너지의 활용 및 정확한 태양광발전시 설의 입지 선정에 관한 연구가 요구되고 있다. 본 연구에서는 GIS 환경에서 태양에너지를 계산하는데 가장 중요한 요소인 지리적 요인을 적용하여 일사량과 일조시간을 분석하였다. 특히 산란 일사량의 적용으로 인하여 일사량 및 일조시간 모두 실측치의 범위 안에 포함된 분석결과를 나타냈다.
- 이는 일정한 방향에 따라 지연거리가 h만큼 떨어진 데이터들을 이용하여 이방성(anisotropic) 베리오그램을 계산할 수 있다. 분석결과 본 연구에서 사용된 데이터는 방향성을 가지고 있으며, 거리(range) 인자 이외에도 각 모델마다 계산된 방향(direction) 인자를 적용하였다.
- 수치지도 데이터를 이용하여 TIN(Triangulated Irregular network)데이터를 생성한 후, TIN으로부터 대상지의 표고 및 경사도분석을 실시하였다. 분석한 결과는 점(point)형식으로 변환한 후 속성 테이블의 결합을 통하여 같은 위치에 존재하는 지형속성 값을 하나의 데이터로 저장하였다. 이 데이터를 이용하여 각 지점의 직접 일사량, 산란 일사량, 그리고 총 일조시간을 분석하였다.
- 첫 번째 단계는 가장 중요한 입지요인인 일사량 및 일조시간을 분석하는 단계로, 이를 위해 국토지리정보원에서 제공하는 1:25,000 수치지도 및 GIS소프트웨어인 ArcGIS와 프로그래밍 소프트웨어인 Matlab을 이용하였다. 수치지도 데이터를 이용하여 TIN(Triangulated Irregular network)데이터를 생성한 후, TIN으로부터 대상지의 표고 및 경사도분석을 실시하였다. 분석한 결과는 점(point)형식으로 변환한 후 속성 테이블의 결합을 통하여 같은 위치에 존재하는 지형속성 값을 하나의 데이터로 저장하였다.
- 이 때 보다 정확한 값의 도출을 위하여 공간적 상호관계를 파악할 수 있는 베리오그램(variogram)을 통하여 모델링하였다. 수행된 베리오그램 모델링 값은 최종적으로 오차 값이 작은 변수 및 모델 선정을 통하여 가장 정확한 값을 추정하였다.
- 분석한 결과는 점(point)형식으로 변환한 후 속성 테이블의 결합을 통하여 같은 위치에 존재하는 지형속성 값을 하나의 데이터로 저장하였다. 이 데이터를 이용하여 각 지점의 직접 일사량, 산란 일사량, 그리고 총 일조시간을 분석하였다.
- 두 번째 단계는 분석된 지점 이외의 지역인미 관측 지점에 대한 값을 추정하는 단계로, 공간통계방법인 정규 크리깅(Ordinary kriging) 방법을 이용한 내삽법을 수행하였다. 이 때 보다 정확한 값의 도출을 위하여 공간적 상호관계를 파악할 수 있는 베리오그램(variogram)을 통하여 모델링하였다. 수행된 베리오그램 모델링 값은 최종적으로 오차 값이 작은 변수 및 모델 선정을 통하여 가장 정확한 값을 추정하였다.
- 하지만 대상지역내에서도 지리적 위치에 따라 일사량 및 일조시간의 차이는 크게 발생하였으며, 본 연구에서는 미확인 지역의 보다 정확한 추정을 위하여 공간통계방법중의 하나인 정규 크리깅 방법을 이용하였다. 이때 공간적 상호관계 및 연속성을 파악하기 위하여 베리오그램을 적용하였으며, 베리오그램에 사용되는 매개변수들의 추정 값을 바탕으로 적용 가능한 다양한 모델을 적용하여 오차율이 작은 모델을 적용하였다. 이는 보다 정확한 입지를 선정하기 위한 중요한 방법 중의 하나로 판단된다.
- 이러한 방법을 이용하여 본 연구에서는 태양광발전시설의 입지에 영향을 주는 요인 중 가장 밀접한 관계가 있는 지리적 요인을 적용하여 태양의 일조시간을 분석하였다. 그림 4와 그림 5는 수치지도에서 추출한 표고데이터를 이용하여 구축한 TIN데이터로부터 분석한 대상지역의 방향(Aspect), 경사도(Slope)를 나타낸 주제도이다.
- 태양광 발전시설의 입지분석을 위하여 본 연구는 크게 두 단계로 나누어 진행하였다. 첫 번째 단계는 가장 중요한 입지요인인 일사량 및 일조시간을 분석하는 단계로, 이를 위해 국토지리정보원에서 제공하는 1:25,000 수치지도 및 GIS소프트웨어인 ArcGIS와 프로그래밍 소프트웨어인 Matlab을 이용하였다.
대상 데이터
- 기상청은 태양광지도를 작성하기 위해 최근 20년간 전국에 22곳의 일사관측지점에서 관측한 데이터를 사용하였다. 관측 이외의 지역에 대해서는 지점과 지점사이를 등치선으로 표시하여 참고하였으며, 전국 22곳의 관측지점 및 결과는 표 1과 같다. 기상청의 보고서에 의하면 경남 진주시와 광주시, 대전시, 충남 서산시 등의 도시들이 상대적으로 일사량이 풍부하게 나타났다.
- 본 연구에서 분석한 일조시간 및 일조량의 비교를 위하여 기상청에서 관측 값을 제공하는 지점 중 한 지점을 대상지역으로 선정하였다. 기상청은 태양광지도를 작성하기 위해 최근 20년간 전국에 22곳의 일사관측지점에서 관측한 데이터를 사용하였다. 관측 이외의 지역에 대해서는 지점과 지점사이를 등치선으로 표시하여 참고하였으며, 전국 22곳의 관측지점 및 결과는 표 1과 같다.
- 기상청의 보고서에 의하면 경남 진주시와 광주시, 대전시, 충남 서산시 등의 도시들이 상대적으로 일사량이 풍부하게 나타났다. 따라서 본 연구에서는 일사량과 일조시간이 모두 높은 도시인 진주시를 대상지역으로 설정하여 분석을 실시하였다.
- 본 연구에서 분석한 일조시간 및 일조량의 비교를 위하여 기상청에서 관측 값을 제공하는 지점 중 한 지점을 대상지역으로 선정하였다. 기상청은 태양광지도를 작성하기 위해 최근 20년간 전국에 22곳의 일사관측지점에서 관측한 데이터를 사용하였다.
- 본 연구에서 사용된 데이터는 20×20의 정규격자로 구성하였으며, 실질적으로 데이터 간 평균 거리를 분석한 결과 평균거리도 20.8이었다.
데이터처리
- 21도에 위치하고 있다. 대상지역인 진주지역에서 정동(East)과 정서(West)방향을 바라봤을 때 운전자의 시야 각(Driverʼs cone of vision)에 들어오는 태양의 시간을 Matlab프로그램을 이용하여 계산하여 나타내면 그림 2 및 그림 3과 같다. 그림에서 x축은 날짜를 나타내고 y축은 하루의 시간을 나타낸다.
- 계산된 지점 이외의 값을 추정하기 위하여 본연구에서는 베리오그램의 지표를 이용하여 크리깅 내삽법을 적용하였다. 또한 분석된 베리오그램 인자 값 및 적용 가능한 베리오그램 모델의 추정치 비교를 통하여, 오차율이 가장 낮은 정확한 모델의 선정을 통하여 공간통계분석을 수행하였다.
- 계산된 지점 이외의 지역인 미 관측 지점에 대한 추정 값을 적용하기 위하여 모델별 오차율을 비교하여 가장 정확한 모델을 선정하였다. 이를 위해서 본 연구에서는 예측오차 (prediction error)로 RMSS(Root Mean Square Standardized), 평균오차(Mean) 그리고 평균 표준오차(Mean Standardized)를 적용하였다. 평균오차는 부호에 상관없이 나타난 모든 오차의 평균치이며, 특히 평균표준오차는 각 표본들의 평균이 전체 평균과 얼마나 떨어져있는가를 알려주는 것으로 모델의 비교에 유용하다.
이론/모형
- 계산된 지점 이외의 값을 추정하기 위하여 본연구에서는 베리오그램의 지표를 이용하여 크리깅 내삽법을 적용하였다. 또한 분석된 베리오그램 인자 값 및 적용 가능한 베리오그램 모델의 추정치 비교를 통하여, 오차율이 가장 낮은 정확한 모델의 선정을 통하여 공간통계분석을 수행하였다.
- 태양광 발전시설의 입지분석을 위하여 본 연구는 크게 두 단계로 나누어 진행하였다. 첫 번째 단계는 가장 중요한 입지요인인 일사량 및 일조시간을 분석하는 단계로, 이를 위해 국토지리정보원에서 제공하는 1:25,000 수치지도 및 GIS소프트웨어인 ArcGIS와 프로그래밍 소프트웨어인 Matlab을 이용하였다. 수치지도 데이터를 이용하여 TIN(Triangulated Irregular network)데이터를 생성한 후, TIN으로부터 대상지의 표고 및 경사도분석을 실시하였다.
- 태양 에너지의 계산을 위해, hemispherical viewshed algorithm에 기반을 두며 Rich등에 의해 개발되고 Fu와 Rich에 의해 개선된 방법이 적용된 Solar Radiation Analysis Tool을 사용하였다((Rich 1990; Rich et al. 1994; Fu와 Rich, 2000; 2002). 직사 일사량(direct radiation), 산란 일사량(diffuse radiation), 분석된 일조시간(direct duration)은 그림 7, 그림 8, 그림 9와 같다.
- 하지만 대상지역내에서도 지리적 위치에 따라 일사량 및 일조시간의 차이는 크게 발생하였으며, 본 연구에서는 미확인 지역의 보다 정확한 추정을 위하여 공간통계방법중의 하나인 정규 크리깅 방법을 이용하였다. 이때 공간적 상호관계 및 연속성을 파악하기 위하여 베리오그램을 적용하였으며, 베리오그램에 사용되는 매개변수들의 추정 값을 바탕으로 적용 가능한 다양한 모델을 적용하여 오차율이 작은 모델을 적용하였다.
성능/효과
- 계산된 실험적 베리오그램을 바탕으로 이를 가장 잘 대표하는 이론적 베리오그램을 찾아내는 것은, 주관적인 판단에 의한 베리오그램의 선정으로 인한 오류 및 예측의 최종결과에 직접적인 영향을 미치기 때문에 매우 중요하다. 본 연구에서 계산된 베리오그램은 지연거리가 증가하면서 자료들의 상관성이 줄어들어 베리오그램의 값이 일정한 값, 즉 문턱 값까지 증가하다가 일정한 지연거리 이상에서는 그 값이 일정하게 나타났다. 문턱 값이 존재하는 경우 적용할 수 있는 모델로는 선형모델(linear), 구형모델(spherical model), 지수모델(exponential model), 가우스 모델(Gauss model), 너깃모델(nugget model)이 있으며, 본 연구에서는 그중 선형모델과 구형 모델 그리고 지수모델을 적용하여 추정 값을 비교 검증하였다.
- 일조시간은 평지가 높게 나타났고, 산악과 같은 경사지역은 낮게 나타났다. 분석결과를 실측치와 비교해보면 일조시간의 분석결과는 1,621.43~3,318.83시간으로 실측값인 2,105시간을 포함하는 범위를 나타냈으며 일사량은 2,986.49~5,279.8MJ로 실측값인 5,279MJ와 최댓값이 일치하였다. 이는 강우일수와 안개일수 같은 일조시간에 영향을 주는 요인이 누락되었음에도 불구하고 산란 일사량의 보정으로 인해 실측치와 유사하게 나타났다.
- 그림 10은 총 일사량에 대한 결과로 직사 일사량과 산란 일사량을 합한 에너지양이며, 그림 11은 총 일조시간에 대한 결과로 일조시간에 환경적 요소를 보정하기 위해 산란비율을 적용한 결과이다. 산란비율은 총 일사량 대비 산란 일사량의 비율로 대상지역의 경우 지역에 따라 45%~81%의 값을 나타났다.
후속연구
- 기상청에서 발표한 요인과 비교하여 지리적 요인 이외의 나머지 누락된 12개 요인을 보정하기 위하여 적용된 산란 일사량은 하늘인자에서 보이는 부분(sky gap)을 바탕으로 가중치를 이용한 분석으로, 위도에 따른 지역의 대표적인 값으로 분석 가능하지만, 지역의 특성에 따른 기후 학적 특성을 고려하지 못하므로 특수한 지역을 대표할 수는 없다. 따라서 누락된 요인을 모두 적용하고 요인들 간의 상호관계 및 연속성을 적용시킨다면 더욱 정확한 입지 결과 값을 얻을 수 있을 것으로 판단된다. 이는 막대한 정부예산 및 투자를 필요로 하는 태양광 발전시설의 입지와 관련하여 정확한 입지결정에 대한 의사결정을 지원함으로써 태양광 발전소의 이용률증진 향상에 도움이 될 것이라 사료된다.
- 따라서 태양광발전 이용률을 높이고 태양광 산업의 지속적인 발전을 위해서는 보다 정확한 태양광 발전시설의 입지에 관한 연구가 필요하다. 이에 본 연구에서는 GIS환경에서 태양에너지에 가장 영향을 미치는 요인 중 하나인 지리적 요인을 대상으로 일조시간 및 일조량을 계산하며, 입력 데이터의 공간해상력을 벗어나는 부분에 대해서는 공간통계분석을 이용하여 가장 정확도가 높은 모델을 적용함으로써 태양광발전 시설의 입지에 관한 의사결정에 정확성을 향상하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.