[논문]온도와 풍속에 따른 태양광발전 효율 실증분석 연구

차왕철; 박정호; 조욱래; 김재철

doi:10.5370/kieep.2015.64.1.001

온도와 풍속에 따른 태양광발전 효율 실증분석 연구
A Study on Solar Power Generation Efficiency Empirical Analysis according to Temperature and Wind speed 원문보기

전기학회논문지. The Transactions of the Korean Institute of Electrical Engineers. P, v.64 no.1, 2015년, pp.1 - 6

차왕철 (Dept. of Electrical Engineering, Soongsil University) , 박정호 (Dept. of Electrical Engineering, Soongsil University) , 조욱래 (Dept. of Electrical Engineering, Soongsil University) , 김재철 (Dept. of Electrical Engineering, Soongsil University)

Abstract ▼ AI-Helper

Factors that have influence on solar power generation are specified into three aspects such as meteorological, geographical factors as well as equipment installation. Meteorological factors influence the most among the three. Insolation, sunshine hours, and cloud directly influence on solar power generation, whereas temperature and wind speed have impacts on equipment installation. This paper provides explanation over temperature-wind speed equation by calculating influence of temperature and wind speed on equipment installation. In order to conduct a research, pyranometer, anemometer, air thermometer, module thermometer are installed in 2MWp solar power plant located in South Cholla province, so that real-time meteorological data and generating amount can be analyzed through monitoring system. Besides, if existing and new methods are applied together, accuracy of prediction for generating amount is improved.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 태양광발전설비의 효율에 영향을 미치는 요소인 온도와 풍속을 실험 데이터를 활용하여 분석하였으며, 두 요인이 태양광발전에 영향을 미치는 정도를 수식화하여 태양광발전 효율성을 분석하는 방법을 제안한다.
본 논문에서는 태양광발전소가 설치된 지역의 온도와 풍속에 따른 발전설비의 효율을 실증 데이터를 분석하여 온도-풍속계수 방정식을 제안하였다. 실증을 위하여 해남지역 2,000kWp 태양광발전소에 설치한 기상관측 장비와 모니터링 시스템을 통해 실시간으로 취득한 발전량과 일사량, 풍속, 대기온도, 모듈온도의 1시간 간격 평균 데이터를 커브피팅 알고리즘에 적용하여 대기온도와 풍속에 따른 발전효율지수인 온도-풍속계수 방정식을 도출하였다.
본 장에서는 2장에서 분석한 자료를 활용하여 온도와 풍속이 태양광발전시스템의 효율에 미치는 영향을 수식화하는 방안을 제안한다. 또한 설계된 방정식을 적용하여 특정 지역의 발전량을 계산할 수 있는 방법을 설계하였다.
따라서 실제로 모듈온도에 영향을 미치는 다양한 요인을 분석 하여 그 요소들이 발전량에 어떠한 영향을 주는지에 대한 분석이 필요하다. 본 절에서는 대기온도, 풍속에 따른 모듈 온도의 변화 형태를 분석하였다. 일사량과 유사하게 대기온도 또한 그림 6에서와 같이 모듈온도 상승에 비례하여 증가 하는 것을 알 수 있다.
본 절에서는 태양광발전에 영향을 미치는 요소 중 온도와 풍속에 대해 분석하여 각 요소가 발전량에 미치는 영향을 분석하였다. 이를 위해 일사량계, 대기온도계 그리고 모듈온도계를 통해 각 요소 데이터를 획득하였으며, 커브-피팅 방법을 적용하여 일사량이 대기온도와 모듈온도 그리고 발전량에 미치는 영향을 그래프형태로 나타내었다.

가설 설정

이는 700w/㎡ 까지는 일사량이 증가함에 따라 모듈온도가 상승해도 발전에 영향을 미치는 온도까지는 도달하지 못하지만 700w/㎡ 이상에서는 모듈온도가 발전량에 영향을 미치는 온도에 도달하게 되어 이후부터는 발전량에 영향을 미치는 것으로 판단된다. 그림 4의 (b)에서 일사량에 따른 모듈온도 분포에서 일사량이 700w/㎡일 때의 모듈온도는 약 35℃ 정도이다.

제안 방법

본 장에서는 2장에서 분석한 자료를 활용하여 온도와 풍속이 태양광발전시스템의 효율에 미치는 영향을 수식화하는 방안을 제안한다. 또한 설계된 방정식을 적용하여 특정 지역의 발전량을 계산할 수 있는 방법을 설계하였다. 수식화를 위해 커브-피팅 방법을 활용하였으며 다항식 형태의 수식을 유도하였다.
발전량에 영향을 미치는 일사량 700w/㎡ 이상에서 대기온도와 풍속에 따른 발전량을 분석하였다.
본 장에서는 제안한 온도-풍속계수 방정식을 적용한 경우의 발전량 예측 결과의 성능을 확인하기 위하여 기존의 일사량에 의한 발전량 계산 방법과 비교분석하였다. 일사량만을 적용하는 일반적인 발전량 계산은 식 (3)과 같다.
또한 설계된 방정식을 적용하여 특정 지역의 발전량을 계산할 수 있는 방법을 설계하였다. 수식화를 위해 커브-피팅 방법을 활용하였으며 다항식 형태의 수식을 유도하였다. 이를 위해 MATLAB의 cftool을 활용하였으며, 그림 10에 그 결과를 나타내었다.
본 논문에서는 태양광발전소가 설치된 지역의 온도와 풍속에 따른 발전설비의 효율을 실증 데이터를 분석하여 온도-풍속계수 방정식을 제안하였다. 실증을 위하여 해남지역 2,000kWp 태양광발전소에 설치한 기상관측 장비와 모니터링 시스템을 통해 실시간으로 취득한 발전량과 일사량, 풍속, 대기온도, 모듈온도의 1시간 간격 평균 데이터를 커브피팅 알고리즘에 적용하여 대기온도와 풍속에 따른 발전효율지수인 온도-풍속계수 방정식을 도출하였다. 그리고 이 방정식을 적용하여 발전량 예측이 가능한 방법을 제안하였으며, 비교분석을 통해 제안한 방법이 기존의 방법에 비해 정확한 예측 성능을 보이는 것을 확인하였다.
본 절에서는 태양광발전에 영향을 미치는 요소 중 온도와 풍속에 대해 분석하여 각 요소가 발전량에 미치는 영향을 분석하였다. 이를 위해 일사량계, 대기온도계 그리고 모듈온도계를 통해 각 요소 데이터를 획득하였으며, 커브-피팅 방법을 적용하여 일사량이 대기온도와 모듈온도 그리고 발전량에 미치는 영향을 그래프형태로 나타내었다.
이를 위해 전라남도지역에 설치한 2,000kWp 태양광발전소에 대기온도계, 모듈온도계, 일사량계, 풍속계를 설치하여 모니터링시스템을 구축하여 실증 데이터를 분석하였다. 그리고 향후에 건설되는 발전소에 활용하기 위하여 실시간 기상데이터 및 발전량을 수집하였으며, 본 논문은 2014년 3월 27일부터 9월 30일까지 약 6개월간 수집한 데이터를 활용하였다.

대상 데이터

이를 위해 전라남도지역에 설치한 2,000kWp 태양광발전소에 대기온도계, 모듈온도계, 일사량계, 풍속계를 설치하여 모니터링시스템을 구축하여 실증 데이터를 분석하였다. 그리고 향후에 건설되는 발전소에 활용하기 위하여 실시간 기상데이터 및 발전량을 수집하였으며, 본 논문은 2014년 3월 27일부터 9월 30일까지 약 6개월간 수집한 데이터를 활용하였다. 수집한 데이터를 커브-피팅(Curve-fitting)법을 적용하여 각 요인에 따른 영향력을 분석하였다.
수식화를 위해 커브-피팅 방법을 활용하였으며 다항식 형태의 수식을 유도하였다. 이를 위해 MATLAB의 cftool을 활용하였으며, 그림 10에 그 결과를 나타내었다.

데이터처리

수집한 데이터를 커브-피팅(Curve-fitting)법을 적용하여 각 요인에 따른 영향력을 분석하였다. 또한 제안한 효율성분석 방안을 적용하여 예측한 발전량을 계산하였으며, 기존의 방법과 비교하여 결과를 분석하였다.

이론/모형

그리고 향후에 건설되는 발전소에 활용하기 위하여 실시간 기상데이터 및 발전량을 수집하였으며, 본 논문은 2014년 3월 27일부터 9월 30일까지 약 6개월간 수집한 데이터를 활용하였다. 수집한 데이터를 커브-피팅(Curve-fitting)법을 적용하여 각 요인에 따른 영향력을 분석하였다. 또한 제안한 효율성분석 방안을 적용하여 예측한 발전량을 계산하였으며, 기존의 방법과 비교하여 결과를 분석하였다.

성능/효과

2.2절에서 나타냈듯이 모듈온도가 발전량에 영향을 주는 것을 확인할 수 있었다. 그림 4의 (b)에서 일사량이 모듈온도 상승에 가장 크게 영향을 주는 것을 확인할 수 있지만 일사량에 완전 비례하여 모듈온도가 상승하지는 않는다.
이는 발전소가 위치한 지역의 위도 및 해발높이 등의 지리요소와 태양전지 모듈, 인버터, 변압기 등의 효율과 모듈의 경사각 등의 설비요소가 종합적으로 영향을 미친 것으로 판단된다. 그러나 전 지역을 종합 하면 방법 1은 실제 발전량과 비교하여 약 8%정도의 오차를 보였고, 방법 2는 6%정도의 오차를 보였다. 즉, 온도-풍속계수를 이용하여 오차를 개선할 수 있음을 확인하였다.
따라서 일사량에 따른 발전량과 모듈온도의 관계를 종합하여 분석하면 태양광발전에 가장 크게 영향을 미치는 요소는 일사량이다. 그리고 모듈온도는 발전설비의 효율에 영향을 미치게 되는데, 모듈온도가 약 35℃ 이후부터 발전효율에 영향을 미치게 되고, 이때의 일사량은 약 700w/㎡인 것으로 분석되었다.
실증을 위하여 해남지역 2,000kWp 태양광발전소에 설치한 기상관측 장비와 모니터링 시스템을 통해 실시간으로 취득한 발전량과 일사량, 풍속, 대기온도, 모듈온도의 1시간 간격 평균 데이터를 커브피팅 알고리즘에 적용하여 대기온도와 풍속에 따른 발전효율지수인 온도-풍속계수 방정식을 도출하였다. 그리고 이 방정식을 적용하여 발전량 예측이 가능한 방법을 제안하였으며, 비교분석을 통해 제안한 방법이 기존의 방법에 비해 정확한 예측 성능을 보이는 것을 확인하였다. 따라서 본 논문에서 제안한 온도-풍속계수 방정식을 이용하게 되면 태양광발전소 건설시 보다 정확한 발전량 예측으로 경제성 분석에 도움을 줄 것이다.
그림 7은 일사량이 700w/㎡ 이상에서 풍속에 따른 모듈온도 분포를 나타내고 있다. 따라서 일사량과 대기 온도 그리고 풍속이 모듈온도에 영향을 미치는 것을 확인할 수 있으며, 일사량과 대기온도의 상승은 모듈온도를 상승하게 하고 풍속의 증가는 모듈온도를 낮춰주는 역할을 한다.
이는 모듈온도가 상승하게 되면 모듈의 효율이 저하되기 때문에 발전량이 감소하는 것으로 판단된다. 따라서 일사량에 따른 발전량과 모듈온도의 관계를 종합하여 분석하면 태양광발전에 가장 크게 영향을 미치는 요소는 일사량이다. 그리고 모듈온도는 발전설비의 효율에 영향을 미치게 되는데, 모듈온도가 약 35℃ 이후부터 발전효율에 영향을 미치게 되고, 이때의 일사량은 약 700w/㎡인 것으로 분석되었다.
결과에서 확인한 바와 같이 본 논문에서 제안한 온도-풍속계수를 태양광발전량 예측에 적용하게 되면 일반적인 일사량만을 적용한 계산 방법보다 더 정확한 발전량 예측이 가능하다. 이는 본 논문에서 제안한 온도-풍속계수를 태양광 발전소 부지선정과 경제성 분석에 적용이 가능하다는 것을 의미한다.
그러나 전 지역을 종합 하면 방법 1은 실제 발전량과 비교하여 약 8%정도의 오차를 보였고, 방법 2는 6%정도의 오차를 보였다. 즉, 온도-풍속계수를 이용하여 오차를 개선할 수 있음을 확인하였다. 결과에서 확인한 바와 같이 본 논문에서 제안한 온도-풍속계수를 태양광발전량 예측에 적용하게 되면 일반적인 일사량만을 적용한 계산 방법보다 더 정확한 발전량 예측이 가능하다.
그러나 본 논문에 적용한 데이터는 데이터 수집 기간이 약 6개월로 각 요인의 영향력을 정밀하게 분석하기에는 부족한 부분이 있다. 하지만 각 요인간의 영향성을 분석할 수있는 방법을 제시하였으며, 그 결과를 발전량 계산에 적용할 경우, 기존 방법보다 정확한 성능을 발휘하는 것을 확인하였다. 향후, 태양광 발전에 영향을 미치는 다양한 기상요소와 위치에 따라 발생하는 지리요소 그리고 설비요소에 따른 발전효율 분석방법에 본 논문에서 제안한 온도-풍속계수를 함께 적용하면 더욱 정확한 발전효율 예측이 가능할 것으로 판단된다.

후속연구

즉, 온도-풍속계수를 이용하여 오차를 개선할 수 있음을 확인하였다. 결과에서 확인한 바와 같이 본 논문에서 제안한 온도-풍속계수를 태양광발전량 예측에 적용하게 되면 일반적인 일사량만을 적용한 계산 방법보다 더 정확한 발전량 예측이 가능하다. 이는 본 논문에서 제안한 온도-풍속계수를 태양광 발전소 부지선정과 경제성 분석에 적용이 가능하다는 것을 의미한다.
그리고 이 방정식을 적용하여 발전량 예측이 가능한 방법을 제안하였으며, 비교분석을 통해 제안한 방법이 기존의 방법에 비해 정확한 예측 성능을 보이는 것을 확인하였다. 따라서 본 논문에서 제안한 온도-풍속계수 방정식을 이용하게 되면 태양광발전소 건설시 보다 정확한 발전량 예측으로 경제성 분석에 도움을 줄 것이다.
하지만 각 요인간의 영향성을 분석할 수있는 방법을 제시하였으며, 그 결과를 발전량 계산에 적용할 경우, 기존 방법보다 정확한 성능을 발휘하는 것을 확인하였다. 향후, 태양광 발전에 영향을 미치는 다양한 기상요소와 위치에 따라 발생하는 지리요소 그리고 설비요소에 따른 발전효율 분석방법에 본 논문에서 제안한 온도-풍속계수를 함께 적용하면 더욱 정확한 발전효율 예측이 가능할 것으로 판단된다.
향후에는 더욱 장기간의 발전 및 기상데이터를 활용하여 태양광발전에 영향을 미치는 일사량, 일조시간 운(雲)량 등의 기상요소와 지리요소, 설비요소를 종합한 발전량 예측모델을 설계할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	태양광발전에 영향을 미치는 요소는 크게 어떻게 구분되는가?	태양광발전에 영향을 미치는 요소는 표 1과 같이 크게 기상요소와 지리요소 그리고 설비요소로 구분할 수 있다. 여기서, 기상요소는 태양광발전에 직접적인 영향을 미치는 요소인 일사량, 일조시간, 운량과 태양전지 효율에 영향을 미치는 요소인 온도와 풍속으로 나눌 수 있다[1, 2].
	의무할당제도 무엇을 의무화하는 것인가?	신재생에너지 보급의 확대를 위하여 2012년부터 500MW 이상의 발전사업자들에게 일정비율 이상을 신재생에너지로 생산하도록 의무화하는 신재생에너지 의무할당제도(RPS)를 도입하여 시행하고 있다. 이로 인하여 신재생에너지의 보급이 크게 확대되었으며, 그중에서도 태양광발전은 눈에 띄게 증가하고 있다.
	태양광발전에 영향을 미치는 요소 중 온도와 풍속에 대해 어떻게 분석하였는가?	본 절에서는 태양광발전에 영향을 미치는 요소 중 온도와 풍속에 대해 분석하여 각 요소가 발전량에 미치는 영향을 분석하였다. 이를 위해 일사량계, 대기온도계 그리고 모듈온도계를 통해 각 요소 데이터를 획득하였으며, 커브-피팅 방법을 적용하여 일사량이 대기온도와 모듈온도 그리고 발전량에 미치는 영향을 그래프형태로 나타내었다.

참고문헌 (10)

Wang-Cheol Cha, Joung-Ho Park, Uk-Rae Cho, Jae-Cheol Kim, "A Study on Prediction of Photovoltaic Generation Amount through Utilizing Geography, Terrain, Weather Data", KIEE Annual Spring Conference 2014, pp 211-212, 2014.5
Wang-cheol Cha, Uk-rae Cho, Joung-ho Park, Jae-Cheol Kim, "A Study on Prediction of Photovoltaic Generation Efficiency through Utilizing Quantity of Solar Radiation Data", KIEE Summer Conference 2014, pp 1114-1115, 2014.7
Korea Meteorological Administration Seoul, Republic of Korea, 1981-2010 Climatological normals of Korea, 2011.
Korea Meteorological Administration Seoul, Republic of Korea, Weather resource analysis report for optimal use of solar energy, 2008. 12. 3.
Kim, Dong Su, Shin, U Cheol, Yoon, Jong Ho, "Annual energy yield prediction of building added PV system depending on the installation angle and in Korea," KIEAE Conference 2014, Vol 4, No. 1, pp 67-74, 2014. 2.
Ju Jai-Wook, Kim Han-Soo, Oh Se-Jin, Lee Min-Suk, Choi Jeong-Min, "A Study on the Difference of Regional Electricity and Economic Comparative Valuation of the Photovoltaic System," KIAEBS Annual Spring Confernce 2008, pp 137-140, 2008. 4.
A. Prastawa, R. Dalimi, "New Approach on Renewable Energy Solar Power Prediction in indonesia based on Artificial Neural Network technique: Southern region of Sulawesi island study case," 2013 International Conference on Quality in Research, pp 166-169, 2013. 6.
Nian Zhang, Behera, P.K "Solar radiation prediction based on recurrent neural networks trained by Levenberg-Marquardt backpropagation learning algorithm" Published in: Innovative Smart Grid Technologies (ISGT), 2012 IEEE PES Date of Conference: 16-20 Jan. 2012 Page(s):1 - 7
Nian Zhang, Behera P.K, Williams C "Solar radiation prediction based on particle swarm optimization and evolutionary algorithm using recurrent neural networks" Published in: Systems Conference (SysCon), 2013 IEEE International Date of Conference: 15-18 April 2013 Page(s):280 - 286
Srivastava, S, Bhardwaj, S, Sastri, O.S "A novel hybrid model for solar radiation prediction" Published in: Emerging Trends in Electrical Engineering and Energy Management (ICETEEEM), 2012 International Conference on Date of Conference: 13-15 Dec. 2012 Page(s):243 - 248

저자의 다른 논문 :

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