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
- 이는 아직까지 국내 태양광발전소의 발전량 통계치나 설치 위치에 따른 분석 연구가 부족하였기 때문이다. 따라서 본 연구에서는 전국 태양광 발전소에서 획득한 약 2,000개의 실증데이터를 분석하여 설치 위치에 따른 발전량을 조사하였다.
- 본 연구에서는 태양광발전소가 위치한 지역의 위도와 해발높이를 적용하여 발전량을 예측할 수 있는 지리적 계수 방정식을 제안하였다. 2,000여개의 태양광 발전 실증 데이터를 커브피팅 알고리즘에 적용하여 위도와 해발높이에 따른 지리적 계수 방정식을 도출 하였고, 이 방정식을 적용하여 발전량을 예측할 수 있도록 구성하였다.
제안 방법
- 본 연구에서는 태양광발전소가 위치한 지역의 위도와 해발높이를 적용하여 발전량을 예측할 수 있는 지리적 계수 방정식을 제안하였다. 2,000여개의 태양광 발전 실증 데이터를 커브피팅 알고리즘에 적용하여 위도와 해발높이에 따른 지리적 계수 방정식을 도출 하였고, 이 방정식을 적용하여 발전량을 예측할 수 있도록 구성하였다. 비교분석을 통해 제안한 방법이 기존의 방법에 비해 정확도를 향상 시키는 것을 확인하였다.
- 기존의 일사량만을 활용하여 발전량을 계산하는 방법은 발전량 예측에 한계가 있기 때문에 본 연구에서는 발전소를 설치하는 장소의 지리적 요소인 위도와 해발높이의 영향을 적용하여 발전량을 계산하는 방법을 제안한다. 이를 위해 전국에 설치된 태양광발전소의 위치정보와 발전량 정보를 획득하여 활용하였으며, 획득한 데이터를 커브피팅(Curve-fitting) 알고리즘에 적용하여 위도와 해발높이에 따른 발전효율 방정식을 도출하였다.
- 본 장에서는 2장에서 분석한 데이터를 활용하여 각 지리적 요소의 영향력을 수식화하여 발전량 계산에 활용할 수 있도록 하였다. 수식화를 위해 커브피팅 방법을 적용하였으며 다항식 형태의 수식을 유도하였다.
- 비교 분석을 위해 2011년에 측정된 평균 일사량 값과 전국 10개 지역에서 측정된 태양광 발전량을 적용하여 결과를 나타내었다. 비교 결과는 그림 6에 나타내었다.
- 본 장에서는 2장에서 분석한 데이터를 활용하여 각 지리적 요소의 영향력을 수식화하여 발전량 계산에 활용할 수 있도록 하였다. 수식화를 위해 커브피팅 방법을 적용하였으며 다항식 형태의 수식을 유도하였다. 이를 위해 matlab의 cftool(curve fitting)을 활용하였다.
대상 데이터
- 여기서 45개 지역은 해발높이에 따른 영향을 최소화하기 위하여 해발높이 150m 이하 지역으로 선별 하였다. 그림에서 보이듯이 위도가 낮아질수록 발전 효율이 높은 것을 확인할 수 있다.
- 전국에 설치된 45개 지역의 약 1,500개 실증 태양광 발전 데이터를 분석하여, 발전효율을 위도에 따라 표시하면 그림 2와 같다.
- 해발높이에 따른 발전효율을 분석하기 위해 전국 23개 지역에 설치된 태양광발전소의 약 1,000개의 실증 발전데이터를 분석하여, 해발높이에 따른 발전효율을 표시하면 그림 3과 같다.
데이터처리
- 본 장에서는 제안한 방법의 성능 결과를 보여주기 위해 기존 발전량 계산 방법과 비교분석을 진행하였다. 일반적인 발전량 계산은 식 (5)와 같다.
- 이를 위해 전국에 설치된 태양광발전소의 위치정보와 발전량 정보를 획득하여 활용하였으며, 획득한 데이터를 커브피팅(Curve-fitting) 알고리즘에 적용하여 위도와 해발높이에 따른 발전효율 방정식을 도출하였다. 이 방정식을 적용하여 최종적으로 발전량을 계산하였으며, 기존의 일사량만을 적용한 방법과의 비교분석을 통해 제안한 방법의 성능을 분석하였다.
이론/모형
- 수식화를 위해 커브피팅 방법을 적용하였으며 다항식 형태의 수식을 유도하였다. 이를 위해 matlab의 cftool(curve fitting)을 활용하였다.
- 기존의 일사량만을 활용하여 발전량을 계산하는 방법은 발전량 예측에 한계가 있기 때문에 본 연구에서는 발전소를 설치하는 장소의 지리적 요소인 위도와 해발높이의 영향을 적용하여 발전량을 계산하는 방법을 제안한다. 이를 위해 전국에 설치된 태양광발전소의 위치정보와 발전량 정보를 획득하여 활용하였으며, 획득한 데이터를 커브피팅(Curve-fitting) 알고리즘에 적용하여 위도와 해발높이에 따른 발전효율 방정식을 도출하였다. 이 방정식을 적용하여 최종적으로 발전량을 계산하였으며, 기존의 일사량만을 적용한 방법과의 비교분석을 통해 제안한 방법의 성능을 분석하였다.
성능/효과
- 여기서 발전소의 설비효율이나 특성에 따라서 예측 결과는 바뀔 수도 있다. 결과에서 보인 것처럼 제안한 방법을 특정지역의 발전량 예측에 사용하게 되면 기존의 일사량만을 적용한 계산 방법보다 더 정확한 예측을 할 수 있다. 이는 본 논문에서 제안한 위도와 해발높이에 따른 지리적 계수를 태양광발전소의 부지선정과 경제성 분석에 활용이 가능하다는 것을 의미한다.
- 이는 해발높이가 높아질수록 온도가 낮아지기 때문에 시스템의 설비요소에 영향을 주는 것으로 분석된다. 결론적으로 동일 시스템 상에서는 고도가 높아질수록 발전효율이 증가하는 것을 확인할 수 있다.
- 방법 1은 실제 발전량 대비 약 8%정도의 오차를 보였으며, 방법 2는 6%정도의 오차를 보였다. 즉 지리적 계수를 적용하여 오차를 개선할 수 있음을 알 수 있다.
- 최저 해발높이는 1번 지역으로 11m정도이며 최고 해발높이는 23번 지역으로 406m이다. 분석 결과 해발높이가 높아질수록 발전량이 증가하는 것을 확인할 수 있다.
- 2,000여개의 태양광 발전 실증 데이터를 커브피팅 알고리즘에 적용하여 위도와 해발높이에 따른 지리적 계수 방정식을 도출 하였고, 이 방정식을 적용하여 발전량을 예측할 수 있도록 구성하였다. 비교분석을 통해 제안한 방법이 기존의 방법에 비해 정확도를 향상 시키는 것을 확인하였다. 따라서 제안한 지리적 계수 방정식을 이용하여 태양광발전소 건설에 따른 최적 입지조건과 경제성 분석에 도움을 줄 수 있을 것이다.
- 결과에서 보인 것처럼 제안한 방법을 특정지역의 발전량 예측에 사용하게 되면 기존의 일사량만을 적용한 계산 방법보다 더 정확한 예측을 할 수 있다. 이는 본 논문에서 제안한 위도와 해발높이에 따른 지리적 계수를 태양광발전소의 부지선정과 경제성 분석에 활용이 가능하다는 것을 의미한다.
후속연구
- 그러나 본 연구에 적용한 태양광발전소의 표본이 제한적이었기 때문에 더욱 정확한 분석이 필요하다. 그리고 일사량, 일조시간, 운(雲)량과 기온, 풍속, 적설, 강우, 안개, 황사 등의 기상요소 또한 태양광발전에 미치는 영향이 매우 크다.
- 비교분석을 통해 제안한 방법이 기존의 방법에 비해 정확도를 향상 시키는 것을 확인하였다. 따라서 제안한 지리적 계수 방정식을 이용하여 태양광발전소 건설에 따른 최적 입지조건과 경제성 분석에 도움을 줄 수 있을 것이다.
- 본 연구에서 제시한 발전량 계산 모델은 발전소 설치 지역의 특성을 분석할 수 있기 때문에 태양광발전 시스템 구축시 경제성 분석에 활용할 수 있을 것으로 사료된다.
- 하지만 본 연구에서는 적용하지 못하였다. 이들 기상요소와 본 논문에서 제안한 지리적 계수를 함께 적용하게 되면 더욱 정확한 예측 모델 설계가 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.