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
- 또한 정확한 일사의 예측을 통하여 태양열급탕, 태양광발전 및 BIPV 등의 계획 시 효율적인 시스템의 활용이 가능하다. 따라서 본 연구에서는 다양한 경사면 일사량 예측 모델들에 대한 비교분석을 실시하여 국내 환경에 적용 가능한 일사량 예측모델을 제시함으로써 건물에너지 사용량 예측의 자료로 사용할 수 있도록 하였다.
제안 방법
- 데이터 측정은 서울에 위치한 K 대학교의 공학관 옥상에서 실시하였으며 전면에 일사를 저해하는 요소가 적은 곳에 위치하고 있다. 경사면 일사량 예측을 위해 수평면 전일사량과 수평면 확산일사량을 측정하였으며, 같은 기간 동안 경사면 일사량을 측정하여 예측모델과 비교할 수 있도록 하였다.
- 은 다른 모델들에 비해 circumsolar brightening과 horizon brightening에 대한 영향을 좀 더 적극적으로 고려하고 있다. 경험적으로 만든 계수인 F1, F2및 태양과 경사면의 입사각을 고려한 계수인 a, b를 제시6)하여 확산일사를 정확하게 예측하고자 하였으며 Perez의 일사량 예측 식은 다음과 같다.
- 따라서 ②의 값은 계산하여 사용하였다. 앞의 값들을 일사량 예측모델에 적용하여 경사면 일사량을 산출한 후 실제 측정된 경사면 일사량 값과의 비교분석을 실시하여 서울지역 경사면 일사량 예측 모델의 적용성을 평가하였다.
대상 데이터
- 2011년 7월 29일부터 2012년 5월 29일까지 총 306일의 데이터를 사용하여 분석을 실시하였다. 경사면의 면방위각은 남동향 30°이며, 경사각은 바닥으로부터 90°인 수직면이다.
- 2011년 7월 29일부터 2012년 5월 29일까지의 데이터 중 태양고도가 낮아 주변 환경에 의한 영향을 많이 받는 데이터를 제외한 오전 10시부터 오후 3시까지의 측정데이터를 분석하였다. 측정기간 총 1,836개 데이터의 수평면 전일사량, 수평면 확산일사량 월간 평균값은 Fig 4와 같다.
- 데이터 측정은 서울에 위치한 K 대학교의 공학관 옥상에서 실시하였으며 전면에 일사를 저해하는 요소가 적은 곳에 위치하고 있다. 경사면 일사량 예측을 위해 수평면 전일사량과 수평면 확산일사량을 측정하였으며, 같은 기간 동안 경사면 일사량을 측정하여 예측모델과 비교할 수 있도록 하였다.
이론/모형
- 경사면 전일사량은 직달성분, 천공 확산성분, 지표면 반사성분 값을 각각 계산한 뒤 합하면 예측이 가능하다. 경사면 일사량 예측모델은 문헌연구를 통해 가장 널리 사용되며 대체로 정확하다고 평가된 4가지 모델을 사용하였다. 이 때, 지표면의 반사율 값이 중요한 변수가 될 수 있는데 본 연구에서는 Liu1)가 제안한 0.
- 확산일사의 경우 shadow band를 이용해 측정이 이루어진다, 이 때 일부 확산일사가 shadow band의 영향으로 실제보다 작은 값으로 측정될 수 있다. 따라서 이데 대한 보정 작업이 필요한데, 본 연구에서는 Drummond model7)을 이용하여 수평면 확산일사량 측정값을 보정하였다. 이 때, Shadow band가 장착된 일사량계의 규격은 다음 Fig 3과 같다.
- 경사면 일사량 예측모델은 문헌연구를 통해 가장 널리 사용되며 대체로 정확하다고 평가된 4가지 모델을 사용하였다. 이 때, 지표면의 반사율 값이 중요한 변수가 될 수 있는데 본 연구에서는 Liu1)가 제안한 0.2를 사용하였다.
성능/효과
- 분석 결과 Perez model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 59% 높게 분석되었다. 가장 예측성이 좋은 10월의 경우 36% 높은 값이 예측되었으며, 가장 나쁜 7월은 198% 높은 값이 예측되었다. 오차율은 59%, R2은 0.
- 분석 결과 Reindl model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 22% 높게 분석되었다. 가장 예측성이 좋은 11월의 경우 0.1% 높은 값이 예측되었으며, 가장 나쁜 7월은 95% 높은 값이 예측되었다. 오차율이 22%로 비교적 작은 값을 보이지만 R2 값이 0.
- 분석 결과 Hay-Davies model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 26% 높게 분석되었다.가장 예측성이 좋은 8월의 경우 1% 높은 값이 예측되었으며, 가장 나쁜 2월은 54% 높은 값이 예측되었다. R2 값은 0.
- 분석 결과 Isotropic model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 20% 높게 분석되었다. 가장 예측성이 좋은 8월의 경우 2% 높은 값이 예측되었으며, 가장 나쁜 7월은 46% 높은 값이 예측되었다. R2값이 0.
- Reindl model의 경우 circumsolar brightening과 horizon brightening을 모두 고려하기 때문에 Hay-Davies model에 비해 높은 값이 예측되어야 한다. 그러나 horizon brightening이 지배적인 시간대는 일출 및 일몰시간대로 본 연구에서는 10시부터 15시에 대한 분석 자료를 사용했기 때문에 Reindl model을 이용해 예측한 일사량은 Hay-Davies model을 이용해 예측한 일사량보다 낮은 값으로 분석되었다. Perez model은 그 외에 추가로 천공청명도 및 대기혼탁도를 고려하여 가장 많은 요소를 고려하여 일사량을 예측하고 있지만, Perez model에 사용된 F1, F2 등의 계수가 특정 지역의 측정 자료를 기반으로 한 경험식이기 때문에 데이터를 수집한 지역의 위치조건(위도, 경도, 고도)및 기후조건에 따라 적용성이 달라질 수 있어 특정 모델이 모든 지역에 적합하다고 할 수 없다.
- 그를 위해 남동향 30°인 수직면 일사량 측정값과 isotropic model,Hay-Davies model, Reindl model Perez model을 이용해 계산된 일사량을 비교 분석한 결과 Isotropic model을 사용한 경우 측정값과의 오차가 20% (R2:0.7431)로 적용된 모델 중 가장 정확한 일사량 값을 예측할 수 있는 것으로 분석되었다.
- 분석결과 Isotropic model과 Hay-Davies model을 이용하여 예측한 일사량은 대체로 유사한 경향을 나타내고 있다. 두 모델 모두 8월의 예측성이 가장 뛰어나며, 2월의 예측성이 가장 나쁜 것으로 분석되었다. 이 때, 5월과 8월을 제외한 모든 기간에서 Isotropic model의 예측성이 더 좋은 것으로 나타났다.
- 모든 예측모델에 공통적으로 적용된 SVF는 (1+cosβ)/2로, 면의 경사각만을 고려할 뿐 주변 건물 및 방해물로 인한 영향을 고려하지 못한다. 따라서 측정지역 주변의 방해물로 인해 일사량이 낮게 측정되어 상대적으로 예측된 일사량이 높아 오차가 크게 발생하는 것으로 분석되었다.
- 분석 결과 Hay-Davies model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 26% 높게 분석되었다.가장 예측성이 좋은 8월의 경우 1% 높은 값이 예측되었으며, 가장 나쁜 2월은 54% 높은 값이 예측되었다.
- 분석 결과 Isotropic model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 20% 높게 분석되었다. 가장 예측성이 좋은 8월의 경우 2% 높은 값이 예측되었으며, 가장 나쁜 7월은 46% 높은 값이 예측되었다.
- 분석 결과 Perez model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 59% 높게 분석되었다. 가장 예측성이 좋은 10월의 경우 36% 높은 값이 예측되었으며, 가장 나쁜 7월은 198% 높은 값이 예측되었다.
- 분석 결과 Reindl model을 이용하여 예측한 경사면 일사량은 측정값보다 평균 22% 높게 분석되었다. 가장 예측성이 좋은 11월의 경우 0.
후속연구
- 7431)로 적용된 모델 중 가장 정확한 일사량 값을 예측할 수 있는 것으로 분석되었다. 그러나 위의 값은 일반적인 입력데이터를 사용한 것으로 우리지역에 맞는 일사감쇠계수, 알베도, SVF등을 정확히 입력한다면 더 정확한 일사량을 예측할 수 있을 것으로 분석되었다.
- 일사의 유입 정도에 따라 하절기 냉방부하 및 동절기 난방부하가 결정되며, 조명에너지 사용량에도 영향을 미친다. 또한 정확한 일사의 예측을 통하여 태양열급탕, 태양광발전 및 BIPV 등의 계획 시 효율적인 시스템의 활용이 가능하다. 따라서 본 연구에서는 다양한 경사면 일사량 예측 모델들에 대한 비교분석을 실시하여 국내 환경에 적용 가능한 일사량 예측모델을 제시함으로써 건물에너지 사용량 예측의 자료로 사용할 수 있도록 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.