[논문]UAV 기반 열적외선 카메라를 이용한 태양광 모듈 고장진단 실험

이근상; 이종조

doi:10.11108/kagis.2016.19.4.106

UAV 기반 열적외선 카메라를 이용한 태양광 모듈 고장진단 실험
Test of Fault Detection to Solar-Light Module Using UAV Based Thermal Infrared Camera 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.19 no.4, 2016년, pp.106 - 117

이근상 (전주비전대 지적토목학과) , 이종조 ((주)누리공간산업)

초록
AI-Helper

최근 환경보호와 신재생에너지 확보 일환으로 태양광발전소가 널리 보급되고 있으며, 태양광 모듈의 효율적인 관리를 위해서는 정기적인 점검이 필요하다. 본 연구에서는 UAV 기반 열적외선 카메라와 GIS 공간분석을 통해 태양광 모듈에 대한 고장여부를 진단할 수 있는 실험을 실시하였다. 먼저 고정익 UAV와 RGB 카메라를 이용하여 영상을 촬영한 후 Pix4D SW를 통해 정사영상을 생성하였으며, 정사영상 자료를 이용하여 태양광 모듈 레이어를 구축한 후 코드를 입력하였다. 또한 태양광 모듈 고장여부를 진단하기 위해 고무덮개를 태양광 모듈에 설치하였으며, 열적외선 카메라로부터 얻어진 온도 정보와 태양광 모듈 레이어를 기반으로 Zonalmean 함수를 통해 태양광 모듈별 평균온도를 계산할 수 있었다. 마지막으로 GIS 공간분석을 통해 이상 발열이 확인된 $37^{\circ}C$ 이상의 모듈을 자동으로 추출하고 각 모듈별 고유식별 코드를 식별함으로써 고무 덮개를 설치한 모듈의 위치를 정확하게 분석할 수 있었다.

Abstract ▼ AI-Helper

Recently, solar power plants have spread widely as part of the transition to greater environmental protection and renewable energy. Therefore, regular solar plant inspection is necessary to efficiently manage solar-light modules. This study implemented a test that can detect solar-light module faults using an UAV based thermal infrared camera and GIS spatial analysis. First, images were taken using fixed UAV and an RGB camera, then orthomosaic images were created using Pix4D SW. We constructed solar-light module layers from the orthomosaic images and inputted the module layer code. Rubber covers were installed in the solar-light module to detect solar-light module faults. The mean temperature of each solar-light module can be calculated using the Zonalmean function based on temperature information from the UAV thermal camera and solar-light module layer. Finally, locations of solar-light modules of more than $37^{\circ}C$ and those with rubber covers can be extracted automatically using GIS spatial analysis and analyzed specifically using the solar-light module's identifying code.

주제어

AI 본문요약
AI-Helper

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

문제 정의

또한 UAV 기반 RGB 센서로 취득한 정사영상에서 태양광 모듈의 레이어를 구축하고 각각의 모듈에 대해 고유식별코드를 설계하였다. 그리고 UAV 기반 열적외선 센서로 취득한 온도 정보와 태양광 모듈 레이어를 중첩하여 태양광 모듈별로 이상 발열을 GIS 공간분석을 통해 분석함으로서 UAV를 기반으로 태양광 모듈의 고장 여부를 자동으로 진단할 수 있는 기술을 확보하는 것을 연구 목적으로 하였다.
따라서 본 연구에서는 평균온도가 37℃ 이상인 모듈을 GIS 공간분석을 통해 그림 14와 같이 추출할 수 있었으며, 각 모듈의 고유식별 코드를 식별함으로서 태양광 모듈의 고장여부를 자동으로 진단하고 고무덮개를 설치한 태양광 모듈의 위치를 정확하게 분석할 수 있는 기술을 확보하게 되었다.
본 연구에서는 GIS 공간분석 기법을 통해 태양광 모듈의 고장여부를 자동으로 분석하기 위해 『발전소(1자리)+어레이(3자리)+모듈(3자리)』로 구성된 코드를 설계하였다. 이를 통해 그림 8(a)와 같이 먼저 태양광 어레이에 대한 코드를 먼저 설계한 후 태양광 어레이별로 15매씩 부착되어 있는 태양광 모듈의 코드를 그림 8(b)와 같이 설계하여 입력하였다.
본 연구에서는 고정익 무인비행시스템(UAV; Unmanned Aerial Vehicle)을 이용하여 태양광 발전소의 모듈에 대한 고장 여부를 자동으로 진단할 수 있는 실험을 실시하였다. 먼저 태양광 모듈의 정확한 위치를 확보하기 위해 지상기준점(GCP; Ground Control Point) 측량을 실시하였으며, UAV를 통해 태양광 모듈에 대한 온도 감지가 가능한지 테스트하기 위해 고무 덮개를 일부 태양광 발전소에 설치하였다.

가설 설정

본 연구에서는 이상발열이 생기는 모듈을 고무덮개를 씌운 모듈로 가정하여 실험을 실시하였다. 정상적인 모듈 및 이상발열이 생기는 모듈의 온도는 현장의 기상여건에 크게 좌우되나, 셀이 고장나서 생기는 이상발열의 경우 주변의 정상적인 모듈에 비해 온도가 차이가 나기 때문에 본 연구에서 활용한 기술의 적용이 가능할 것으로 판단된다.

제안 방법

열적외선 센서를 이용하여 태양광 모듈 진단 여부를 분석하기 위해 본 연구에서는 그림 7(a)와 같이 정사영상으로부터 수동독취 방식을 이용하여 태양광 모듈 레이어를 구축하였다. UAV 정사영상의 경우 GCP점을 이용하여 매칭하는 과정을 비롯하여 사진해상도 등의 다양한 영향으로 위치오차가 발생하게 되며, 이 경우 열적외선 센서로 취득한 온도가 태양광 모듈 경계 부분에서 실제와 다른 온도가 관측되는 문제가 발생하게 된다.
UAV 정사영상의 경우 GCP점을 이용하여 매칭하는 과정을 비롯하여 사진해상도 등의 다양한 영향으로 위치오차가 발생하게 되며, 이 경우 열적외선 센서로 취득한 온도가 태양광 모듈 경계 부분에서 실제와 다른 온도가 관측되는 문제가 발생하게 된다. 따라서 본 연구에서는 열적외선 카메라 해상도 10㎝를 비롯하여 VRS 측량 및 기하보정 과정에서 발생하는 오차를 감안하여 그림 7(b)와 같이 태양광 모듈 경계로부터 안쪽으로 20㎝ 버퍼링을 실시하여 실제 열적외선 센서로 취득한 온도가 버퍼링 된 태양광 모듈 레이어 안에서 분석되도록 하였다.
영상접합은 Pix4D SW를 이용하였으며, VRS 측량을 통해 얻어진 5개의 GCP점을 활용 하여 영상접합 위치정확도를 향상시켰다. Pix4D SW는 정사영상, 포인트 클라우드, DSM(Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하였다. 그림 6은 대상지역의 정사영상과 3차원 지형모델링 결과를 보여주고 있다.
그림 10은 eMotion SW를 활용한 비행계획 수립화면으로써, 본 연구에서는 해상도 10㎝를 유지하기 위해 비행고도 약 53m를 유지하였으며 종·횡중복도는 90%와 80%로 설계하였다.
대상지역의 태양광발전소는 300W급 모듈이 1,984매로 구성되어 있는 곳으로서 총 600kW의 전력을 생산할 수 있는 곳이다. 그림 1은 대상지 태양광발전소 현황이며, 지상기준점 측량을 위해 5개의 GCP를 선정하여 VRS(Virtual Reference Service) 측량을 수행하였다.
대상지역에 대해 총 238매의 사진이 촬영되었으며, eMotion SW의「Flight Data Manager」기능을 이용하여 그림 5와 같이 사진파일에 GPS(Global Positioning System)와 관성항법 장치(INS; Inertial Navigation System) 파일들을 연결하였다.
둘째, 정사영상으로부터 수동독취 방식을 통해 태양광 모듈 레이어를 구축하였으며, UAV 열적외선 카메라로 취득한 온도정보와 연계하여 태양광 모듈 고장여부를 자동으로 분석하기 위해 태양광 어레이 및 모듈에 대한 고유식별 코드를 설계하였다.
UAV 기반 열적외선 센서를 이용하여 태양광 모듈에 대한 고장진단시 열적외선 센서의 해상도 문제로 모듈 경계부분에서 오차가 발생하게 된다. 따라서 태양광 모듈의 정확한 경계 독취가 요구되며, 이를 위해 그림 3(b)와 같이 해상도가 높은 Sony WX RGB 카메라를 장착한 UAV를 활용하여 촬영한 후 영상접합을 통해 정사영상 및 태양광 모듈 레이어를 구축하였다.
먼저 태양광 모듈의 정확한 위치를 확보하기 위해 지상기준점(GCP; Ground Control Point) 측량을 실시하였으며, UAV를 통해 태양광 모듈에 대한 온도 감지가 가능한지 테스트하기 위해 고무 덮개를 일부 태양광 발전소에 설치하였다. 또한 UAV 기반 RGB 센서로 취득한 정사영상에서 태양광 모듈의 레이어를 구축하고 각각의 모듈에 대해 고유식별코드를 설계하였다. 그리고 UAV 기반 열적외선 센서로 취득한 온도 정보와 태양광 모듈 레이어를 중첩하여 태양광 모듈별로 이상 발열을 GIS 공간분석을 통해 분석함으로서 UAV를 기반으로 태양광 모듈의 고장 여부를 자동으로 진단할 수 있는 기술을 확보하는 것을 연구 목적으로 하였다.
먼저 eMotion SW를 기반으로 대상지역에 대해 총 1,074매의 열적외선 사진을 촬영하였으며, Pix4D SW를 이용하여 영상접합을 실시하였다. 열적외선 영상에 대해 태양광 모듈 레이어와의 좌표를 일치시키기 위해 기하보정을 수행하였으며, 열적외선 영상을 태양광 모듈 레이어와 중첩한 결과 그림 11과 같이 고무덮개를 설치한 10개의 모듈에서 온도가 모두 높게 나타남을 확인할 수 있었다.
본 연구에서는 고정익 무인비행시스템(UAV; Unmanned Aerial Vehicle)을 이용하여 태양광 발전소의 모듈에 대한 고장 여부를 자동으로 진단할 수 있는 실험을 실시하였다. 먼저 태양광 모듈의 정확한 위치를 확보하기 위해 지상기준점(GCP; Ground Control Point) 측량을 실시하였으며, UAV를 통해 태양광 모듈에 대한 온도 감지가 가능한지 테스트하기 위해 고무 덮개를 일부 태양광 발전소에 설치하였다. 또한 UAV 기반 RGB 센서로 취득한 정사영상에서 태양광 모듈의 레이어를 구축하고 각각의 모듈에 대해 고유식별코드를 설계하였다.
본 연구에서는 UAV를 이용하여 태양광 모듈에 대한 고장여부를 GIS 공간분석을 통해 분석하였으며 주요 결론은 다음과 같다.
본 연구에서는 UAV를 이용하여 태양광 모듈의 고장여부를 자동으로 평가하기 위해 스위스 Sensefly에서 제작한 thermoMap 카메라를 eBee 모델에 탑재하여 촬영하였다. 표 2는 thermoMap 카메라에 대한 제원을 보여주고 있다.
비행계획 수립은 그림 4와 같이 eMotion SW를 활용하여 촬영 해상도 4㎝, 비행고도 141m, 종·횡중복도를 90%와 80%로 설계하였다.
셋째, 태양광 모듈 고장진단 여부를 실험 평가하기 위해 고무덮개 10개를 태양광 모듈에 설치하였으며, UAV 기반 열적외선 카메라를 이용하여 태양광 모듈에 대한 온도를 측정한 후 태양광 모듈 레이어를 Zone 영역으로 지정 하여 Zonal mean 함수를 통해 태양광 모듈별 평균온도를 계산할 수 있었다.
영상접합은 Pix4D SW를 이용하였으며, VRS 측량을 통해 얻어진 5개의 GCP점을 활용 하여 영상접합 위치정확도를 향상시켰다. Pix4D SW는 정사영상, 포인트 클라우드, DSM(Digital Surface Model)을 생성하게 되며, 여기에서 얻어진 정사영상과 DSM 자료를 활용하여 3차원 지형모델링 자료를 구축하였다.
표 1은 GRS80 TM 좌표체계를 기준으로 VRS 측량을 수행한 결과이며, 그림 2는 각 GCP점에 대한 VRS 측량화면을 보여주고 있다. 이 중 2번과 5번의 GCP점은 지표면이 흙으로 구성되어 있어 좌표 매칭을 위한 특이점을 표시할 수 있기 때문에 대공표지를 설치하여 GCP 측량을 실시하였다.
첫째, 고정익 UAV를 활용하여 4㎝급의 RGB 영상 238매를 촬영하였으며 VRS 측량을 통해 관측한 GCP점을 Pix4D SW에 입력함으로서 정사영상과 3차원 지형모델링 자료를 생성할 수 있었다.
태양광 모듈별로 평균온도를 계산하기 위해, 태양광 모듈에 대해 버퍼링을 수행한 레이어를 그리드로 변환하여 Zone 영역으로 설정하였으며, Zone 영역에 대해 태양광 모듈의 고유식별 코드를 갖도록 연결하였다. Zone 영역과 열적 외선 영상에서 취득한 온도 자료를 이용하여 그림 12와 같은 Zonal mean 함수를 적용하였다.

대상 데이터

본 연구에서는 UAV를 기반으로 태양광 모듈에 대한 고장여부를 실험하기 위해 전북 완주군 소양로에 위치하고 있는 태양광발전소를 대상지로 선정하였다. 대상지역의 태양광발전소는 300W급 모듈이 1,984매로 구성되어 있는 곳으로서 총 600kW의 전력을 생산할 수 있는 곳이다. 그림 1은 대상지 태양광발전소 현황이며, 지상기준점 측량을 위해 5개의 GCP를 선정하여 VRS(Virtual Reference Service) 측량을 수행하였다.
본 연구에서는 UAV를 기반으로 태양광 모듈에 대한 고장여부를 실험하기 위해 전북 완주군 소양로에 위치하고 있는 태양광발전소를 대상지로 선정하였다. 대상지역의 태양광발전소는 300W급 모듈이 1,984매로 구성되어 있는 곳으로서 총 600kW의 전력을 생산할 수 있는 곳이다.

이론/모형

대상지 정사영상 및 3차원 지형모델링을 위한 UAV 장비로는 스위스 SenseFly 에서 제작한 eBee 모델을 활용하였다. eBee 모델은 고정익 UAV로ㅆ 0.

성능/효과

그림 13의 결과를 통해 볼 때, 고무덮개를 설치한 모듈의 경우 평균온도가 모두 37℃ 이상으로 높게 나타났으며 이러한 분석 결과는 그림 9와 같이 FLIR T420 열화상 카메라를 이용하여 관측한 태양광 모듈의 온도와 유사하게 나타났다. 고무덮개를 설치하지 않은 태양광 모듈은 33~35℃분포를 보였으며, 따라서 관측시 기상여건에서는 고무덮개를 설치한 모듈과 비교해 볼 때 3~4℃ 정도의 차이를 보임을 알 수 있었다.
넷째, 태양광 모듈별 평균온도 자료를 분석한 결과 고무덮개를 설치한 모듈이 다른 모듈에 비해 3~4℃ 높은 37℃ 이상의 발열이 관측되었으며, GIS 공간분석을 통해 37℃ 이상의 발열이 확인된 모듈을 자동으로 추출하고 각 모듈별 고유식별 코드를 통해 고무 덮개를 설치한 모듈의 위치를 정확하게 분석할 수 있는 기법을 제시할 수 있었다.
먼저 eMotion SW를 기반으로 대상지역에 대해 총 1,074매의 열적외선 사진을 촬영하였으며, Pix4D SW를 이용하여 영상접합을 실시하였다. 열적외선 영상에 대해 태양광 모듈 레이어와의 좌표를 일치시키기 위해 기하보정을 수행하였으며, 열적외선 영상을 태양광 모듈 레이어와 중첩한 결과 그림 11과 같이 고무덮개를 설치한 10개의 모듈에서 온도가 모두 높게 나타남을 확인할 수 있었다.
비행계획 수립은 그림 4와 같이 eMotion SW를 활용하여 촬영 해상도 4㎝, 비행고도 141m, 종·횡중복도를 90%와 80%로 설계하였다. 총 비행시간은 약 11분 29초가 소요되었으며 비행거리는 8.6㎞ 그리고 비행면적은 142,000㎡로 나타났다.

후속연구

정상적인 모듈 및 이상발열이 생기는 모듈의 온도는 현장의 기상여건에 크게 좌우되나, 셀이 고장나서 생기는 이상발열의 경우 주변의 정상적인 모듈에 비해 온도가 차이가 나기 때문에 본 연구에서 활용한 기술의 적용이 가능할 것으로 판단된다. 다만 이상발열이 생기는 태양광 모듈의 온도를 얼마로 결정할 지에 대한 경계값(Threshold) 할당 부분은 자동화하는 것이 필요하며 이를 위해 향후 GIS 시스템을 개발하여 사용자가 간단한 인터페이스를 통해 경계값 할당에 따른 모듈의 이상발열 부분을 실시간으로 확인할 수 있는 연구가 필요할 것으로 사료된다.
본 연구에서는 고무덮개를 설치한 모듈을 이상발열이 발생하는 모듈로 가정하여 실험을 실시하였으며, 모듈의 온도는 관측당시의 기상여건에 따라 달라지므로 경계값 조정에 따른 이상발열 모듈을 실시간으로 확인할 수 있는 GIS 시스템 개발이 필요할 것으로 사료된다.
본 연구에서는 이상발열이 생기는 모듈을 고무덮개를 씌운 모듈로 가정하여 실험을 실시하였다. 정상적인 모듈 및 이상발열이 생기는 모듈의 온도는 현장의 기상여건에 크게 좌우되나, 셀이 고장나서 생기는 이상발열의 경우 주변의 정상적인 모듈에 비해 온도가 차이가 나기 때문에 본 연구에서 활용한 기술의 적용이 가능할 것으로 판단된다. 다만 이상발열이 생기는 태양광 모듈의 온도를 얼마로 결정할 지에 대한 경계값(Threshold) 할당 부분은 자동화하는 것이 필요하며 이를 위해 향후 GIS 시스템을 개발하여 사용자가 간단한 인터페이스를 통해 경계값 할당에 따른 모듈의 이상발열 부분을 실시간으로 확인할 수 있는 연구가 필요할 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	드론을 통한 태양광 발전소의 모니터링은 어떤 제약이 존재하는가?	그러나 현재는 드론으로 촬영한 영상을 낱장 형태로 저장한 후 실내에서 확인하는 수준이다. 따라서 촬영된 열화상 파일에 해당하는 태양광 모듈의 위치를 작업자가 도면에 수작업으로 현장에서 표시해야 되며, 태양광 모듈의 형태가 매우 유사하기 때문에 촬영 영상자료를 정확하게 파악하지 않을 경우 태양광 모듈의 정확한 위치를 식별할 수 없는 제약이 있다.
	태양전지 모듈이란 무엇인가?	최근 환경보호와 신재생에너지 확보 일환으로 태양광 발전소시스템이 정부 지원을 받아 국내외 적으로 널리 보급되어 활용되고 있다(Lim and Ji, 2016). 태양광 발전시스템을 구성하는 핵심 부품인 태양전지 모듈(module)은 반도체 소자인 태양전지가 수십 개로 직·병렬로 연결되어 태양의 빛 에너지를 전기 에너지로 변환시키는 발전장치로, 태양광 발전시스템을 구성하는 부품 중에서 가장 고가이면서 시스템 전체의 수명을 좌우한다. 태양전지 모듈의 수명은 제작 방식에 따라 10년에서 20년 정도이며, 한번 설치할 경우 유지보수 비용이 거의 들지 않고 설치 장소에 따라 소형에서 대형까지 시스템 규모를 자유롭게 결정할 수 있는 장점이 있다(Cho and Jeong, 2013; Song et al.
	태양전지 모듈의 장점은 무엇인가?	태양광 발전시스템을 구성하는 핵심 부품인 태양전지 모듈(module)은 반도체 소자인 태양전지가 수십 개로 직·병렬로 연결되어 태양의 빛 에너지를 전기 에너지로 변환시키는 발전장치로, 태양광 발전시스템을 구성하는 부품 중에서 가장 고가이면서 시스템 전체의 수명을 좌우한다. 태양전지 모듈의 수명은 제작 방식에 따라 10년에서 20년 정도이며, 한번 설치할 경우 유지보수 비용이 거의 들지 않고 설치 장소에 따라 소형에서 대형까지 시스템 규모를 자유롭게 결정할 수 있는 장점이 있다(Cho and Jeong, 2013; Song et al., 2014).

참고문헌 (19)

Brewer, J., D.P. Ames, D. Solan, R. Lee, and J. Carlisle. 2015. Using GIS analytics and social preference data to evaluate utility-scale solar power site suitability. Renewable Energy 81:825-836.

상세보기
Cho, H.C. and K.Y. Sim. 2010. Ubiquitous networking based intelligent monitoring and fault diagnosis approach for photovoltaic generator systems. The Transaction of the Korean Institute of Electrical Engineers 59(9):1673-1679 (조현철, 심광열. 2010. 태양광 발전 시스템을 위한 유비쿼터스 네트워킹 기반 지능형 모니터링 및 고장진단 기술. 전기학회논문지 59(9):1673-1679).
Cho, H.C. and Y.J. Jeong. 2013. Probabilistic modeling of photovoltaic power systems with big learning data sets. Journal of Korean Institute of Intelligent Systems 23(5):412-417 (조현철, 정영진. 2013. 대용량 학습 데이터를 갖는 태양광 발전 시스템의 확률론적 모델링. 한국지능시스템학회논문집 23(5):412-417).

원문보기 상세보기
Cho, H.C., Y.J. Jeong, and G.H. Lee. 2013. A study on fault detection for photovoltaic power modules using statistical comparison scheme. Solar Energy 33(4):89-93 (조현철, 정영진, 이관호. 2013. 통계학적 비교 기법을 이용한 태양광 모듈의 고장 유무 검출에 관한 연구. 한국태양에너지학회 논문집 33(4):89-93).
Gastli, A. and Y. Charabi. 2010. Solar electricity prospects in Oman using GIS-based solar radiation maps. Renewable and Sustainable Energy Reviews 14(2):790-797.

상세보기
Ji, P.S., J.P. Lee, D.J. Lee, S.J. Byeon, and J.Y. Lim. 2011. Monitering system for solar cell of photovoltaic power generation using Zigbee technique. Proceedings of the Korean Institute of Electrical Engineers Conference. pp.64-67 (지평식, 이종필, 이대종, 변상준, 임재윤. 2011. ZigBee기술을 이용한 태양광 발전 모듈의 원격 모니터링 시스템 개발. 대한전기학회 학술대회 논문집. 64-67쪽).
Kim, D.G., K.N. Park, S.Y. Cho, Y.K. Lee, G.J. Yu, M.H. Jeong, I. Choy, and J.Y. Choi. 2016. Detecting fault of solar plant using drone. Proceedings of the Power Electronics Annual Conference. pp.471-472 (김동균, 박관남, 조상윤, 이영권, 유권종, 정문호, 최익, 최주엽. 2016. 드론을 이용한 태양광 발전소 고장 점검. 전력전자학술대회 논문집. 471-472쪽).
Kim, H.Y. 2010. A study on the improvement of the accuracy of photovoltaic facility location using the geostatistical analysis. Journal of the Korean Association of Geographic Information Studies 13(2):146-156 (김호용. 2010. 공간통계기법을 이용한 태양광발전시설 입지 정확성 향상 방안. 한국지리정보학회지 13(2):146-156).
Kim, Y.H. and K.S. Shim. 2012. Computing the efficiency of solar cell and detecting failures in the solar cells. Proceedings of Korea Information Science Society Conference 39(1B):10-12 (김영훈, 심규석. 2012. 태양 전지의 효율성 계산과 고장여부 판단. 한국정보과학회 학술발표논문집 39(1B):10-12).
Lee, G.S., S.G. Kim, and Y.W. Choi. 2015. A comparative study of image classification method to detect water body based on UAS. Journal of the Korean Association of Geographic Information Studies 18(3):113-127 (이근상, 김석구, 최연웅. 2015. UAS 기반의 수체탐지를 위한 영상분류기법 비교연구. 한국지리정보학회지 18(3):113-127).

원문보기 상세보기
Lee, J.E. and I.S. Kim. 2011. A study on the fault detection technique of the grid-connected photovoltaic system using wavelet transformation. The Transactions Of Korean Institute Of Power Electronics 16(1):79-87 (이정은, 김일송. 2011. 웨이블렛 변환을 이용한 태양광 발전시스템의 고장진단에 관한 연구. 전력전자학회논문집 16(1):79-87).

원문보기 상세보기
Lee, J.Y. and I.J. Kang. 2010. A study of PV system facilities using geo-spatial information system. Korean Society for Geospatial Information System 18(2):99-105 (이지영, 강인준. 2010. GSIS 기술을 활용한 태양광시설 입지선정에 관한 연구. 한국지형공간정보학회지 18(2):99-105).
Lee, K.R. and W.H. Lee. 2015. Solar power plant location analysis using GIS and analytic hierarchy process. Journal of the Korean Association of Geographic Information Studies 18(4):1-13 (이기림, 이원희. 2015. GIS와 계층분석법을 이용한 태양광 발전소 입지 분석. 한국지리정보학회지 18(4):1-13).
Lee, S.H., N.H. Lee, H.C. Choi, and J.O. Kim. 2012. Study on analysis of suitable site for development of floating photovoltaic system. Journal of the Korean Institute of IIIuminating and Electrical Installation Engineers 26(7): 30-38 (이성훈, 이남형, 최형철, 김진오. 2012. 수상태양광 발전시스템 개발을 위한 적지조사에 관한 연구. 조명.전기설비학회논문지 26(7):30-38).
Lim, J.Y. and P.S. Ji. 2016. Development of fault diagnosis algorithm using correlation analysis and ELM. The Transaction of the Korean Institute of Electrical Engineers 65(3):204-209 (임재윤, 지평식. 2016. 상관성 분석과 ELM을 이용한 태양광 고장진단 알고리즘 개발. 전기학회논문집 65(3):204-209).

원문보기 상세보기
Park, J.I. 2011. A study on the suitability analysis of new and renewable energy power plant using correlation analysis and GIS. Ph.D. Thesis, Univ. of Mokpo, Korea. (박정일. 2011. 상관분석기법과 GIS를 이용한 신.재생에너지 발전소 적지분석 연구. 목포대학교 대학원 박사학위논문).
Polo, J., A. Bernardos, A. Navarro, C. Fernandez-Peruchena, L. Ramirez, M.V. Guisado, and S. Martinez. 2015. Solar resources and power potential mapping in Vietnam using satellite-derived and GIS-based information. Energy Conversion and Management 98:348-358.

상세보기
Ramachandra, T. and B. Shruthi. 2007. Spatial mapping of renewable energy potential. Renewable and Sustainable Energy Reviews 11(7):1460-1480.

상세보기
Song, J.S., Y.S. Jeong, and S.H. Lee. 2014. Analysis of prediction model for solar power generation. Journal of digital convergence 12(3):243-248 (송재수, 정윤수, 이상호. 2014. 태양광 발전을 위한 발전량 예측모델 분석. 디지털융복합연구 12(3):243-248).

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