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
- 즉, 증가와 감소에 대한 +1/-1 포인트법을 활용하여 일사량과 기상 관측 데이터인 건구온도, 상대습도, 풍속, 운량, 일조시간과의 상관관계를 분석하는 것이다. 이러한 과정은 는 30년 연도별 특정월의 총 일사량의 변화와 각 기상 데이터 간의 상관성이 보장되는지를 확인하고, 일사량의 획득 포인트와 각 기상데이터의 포인트 간의 연관성이 중요함을 제시하고자 하는 것이다.
제안 방법
- 4) 이를 해결하기 위하여 TMY 개발과 상관없이 국내의 측정 수평면전일사량에 대한 기본적인 통계적 분석 방법을 적용하여 경향성과 지역별 특성 혹은 전국적인 특성에 대한 30년간 자료를 활용하여 제시하였다.5)
- 이러한 데이터의 경향성을 일반적인 경향성 분석을 위한 방법도 적용하고, 통계적으로 유의미한 경향을 제시하기 위하여 분석에 적용된 방법은 먼저 각 연도의 월 총 수평면전일사량 값(1일의 각각의 시간에 따른 수평면전일사량 합한 값임)을 이전 연도 월의 값과 비교하여 증가하면 +1을, 감소하면 -1의 값을 적용하였다.
- 이를 위하여 연도별 분석은 1년 전체의 데이터를 평균하거나 합을 구하는 방식이므로 명확한 특성을 나타내기 어려우므로, 이를 해결하기 위하여 2장에서 제안한 방법을 적용하였다.
- 이러한 데이터의 경향성을 일반적인 경향성 분석을 위한 방법도 적용하고, 통계적으로 유의미한 경향을 제시하기 위하여 분석에 적용된 방법은 먼저 각 연도의 월 총 수평면전일사량 값(1일의 각각의 시간에 따른 수평면전일사량 합한 값임)을 이전 연도 월의 값과 비교하여 증가하면 +1을, 감소하면 -1의 값을 적용하였다. 이후에 각각의 기상 데이터에 대해서도 동일한 방법으로 평가하고 분석하여 그 결과를 제시하였다.
- 즉, 증가와 감소에 대한 +1/-1 포인트법을 활용하여 일사량과 기상 관측 데이터인 건구온도, 상대습도, 풍속, 운량, 일조시간과의 상관관계를 분석하는 것이다.
대상 데이터
- 본 연구의 목적을 달성하기 위하여 1985년부터 2014년까지 기상청에서 측정된 대구 지역에서 측정된 수평면전일사량과 각각의 기상 데이터를 이용하였다.
- 우선, 대구 지역에서의 1985년부터 2014년까지 연도별 측정 일년 총수평면전일사량(이하, 일사량)의 특성을 Fig. 1과 같이 나타내었다. 전반적으로 지난 30년간 상승하고 있는 경향을 보여주고 있다.
성능/효과
- 1) 매년 변화되는 일사량을 이전 연도와 비교하여 +1, 0, -1의 값으로 대체하는 통계적인 분석 방법으로 얻어진 결과, 국내의 경우에는 그 전해에 비하여 감소하는 경향이 다소 강한 것으로 나타내었다. 또한 그 이전 연도에 비하여 최대와 최소로 변하는 일사량의 범위가 ±15%를 넘지 않고, 평균적으로 ±4.
- 2) 건구온도의 경우 대구의 9월은 일사량의 증가 경향과 건구온도의 증가 경향이 유사함. 하지만 1월은 일사량과 건구온도의 경향성이 없으며, 1월과 9월 모두 일사량 증가는 건구온도의 증가와 관계가 있어야 함에도 상관성이 나타나지 않았다.
- 3) 특정 월에 대하여 30년간 1985년부터의 증가(+1)/감소(-1) 포인트 부여 시, 일사량의 총합 포인트와 각 기상 데이터의 총합 포인트 사이의 관계는 상관성이 동일한 방향이라면 가까운 값이거나, 상관성이 반대이면 - 부호의 값의 의미를 가짐을 확인하였다.
- 국내의 경우에는 그 전해에 비하여 감소하는 경향이 다소 강한 것으로 나타났고, 그 이전 연도에 비해 최대와 최소로 변하는 일사량의 범위가 ±15%를 넘지 않았고, 평균적으로는 ±4.4%의 범위에서 변화하고 있음을 확인하였다.
- 그러나, 이러한 일사량의 경향과 달리 평균 기상데이터 중에서 건구온도는 동일한, 일조시간은 반대의 경향을, 풍속은 반대의 경향을 나타내고 있으며, 운량과 상대습도는 경향성 보다는 2000년 전후의 측정값들의 크기가 완전히 달라지고 있음을 Fig. 2의 결과로서 확인할 수 있다.
- 그러나, 전체 12개월에 대하여, 일조시간과 일사량은 경향성과 상관성을 모두 명확하게 관계를 나타냄을 확인하였다.
- 또한 그 이전 연도에 비하여 최대와 최소로 변하는 일사량의 범위가 ±15%를 넘지 않고, 평균적으로 ±4.4%의 범위에서 변화하고 있음을 확인하였다.
- 또한, 건구온도 > 운량과 풍속 > 상대습도와 일조시간 의 순서로 값이 높아, 경향성이 매우 낮음을 확인하였고, 특히, 1월, 4월, 9월, 12월 중에서 측정 일사량과 기상 데이터로부터 계산된 일사량 정확성이 낮은 편이며, 1월과 12월은 가장 계산 정확도가 낮으며 편차가 높은 편이었다.
- 운량은 일사량과 명확한 상관성을 보여주고 있지만, 2008년 이후의 전체 12개월 모두 변화량의 크기 차이가 크게 증가하였다. 상대습도는 일사량과 명확한 상관성을 보여주지 않고, 특히 2000년 이후 전체 12개월 모두 측정된 상대 습도의 크기 차이가 크게 증가하였다. 풍속은 일사량과 반대의 경향성과 상관성을 나타내었다.
- 이러한 결과는 Fig. 7에서와 같이 건구온도 > 운량과 풍속 > 상대습도와 일조시간 의 순서로 값이 높아, 경향성이 매우 낮음을 확인하였고, 특히, 1월, 4월, 9월, 12월 중에서 측정 일사량과 기상 데이터로부터 계산된 일사량 정확성이 낮은 편이며, 1월과 12월은 가장 계산 정확도가 낮으며 편차가 높은 편이었다.
- 일반적으로 태양열 시스템의 해석에 널리 이용되고 있는 트랜시스(Trnsys) 상용 프로그램에서 제공하고 있는 우리나라 6개 도시의 TMY2 기상데이터와 1999년 1월부터 2005년 6월까지의 기상청 제공 기상데이터를 비교분석하여, 우리나라 6개 도시의 TMY2 기상데이터 파일은 외기온도를 제외한 모든 데이터에 있어 상당한 오차를 나타내고 있었고, 이는 TMY2 파일이 갖는 30년 대표월의 특징을 감안하더라도 이용하기에는 다소 불충분한 기상데이터 자료임을 확인할 수 있었다고 한다.4) 이를 해결하기 위하여 TMY 개발과 상관없이 국내의 측정 수평면전일사량에 대한 기본적인 통계적 분석 방법을 적용하여 경향성과 지역별 특성 혹은 전국적인 특성에 대한 30년간 자료를 활용하여 제시하였다.
- 풍속은 일사량과 반대의 경향성과 상관성을 나타내었다. 일조시간은 일사량과 경향성, 상관성을 모두 명확하게 관계를 나타내었다.
- 전체 12개월에 대하여, 운량과 일사량은 명확한 상관성을 보여주고 있지만, 2008년 이후의 전체 12개월 모두 변화량의 크기 차이가 크게 증가하였다. 전체 12개월에 대하여, 상대습도와 일사량은 명확한 상관성을 보여주지 않고, 특히 2000년 이후 전체 12개월 모두 측정된 상대습도의 크기 차이가 크게 증가하였다. 전체 12개월에 대하여, 풍속과 일사량은 반대의 경향성과 상관성을 나타내었다.
- 온도의 경향성이 없으며, 1월과 9월 모두 일사량 증가는 건구온도의 증가와 관계가 있어야 함에도 상관성이 나타나지 않았다. 전체 12개월에 대하여, 운량과 일사량은 명확한 상관성을 보여주고 있지만, 2008년 이후의 전체 12개월 모두 변화량의 크기 차이가 크게 증가하였다. 전체 12개월에 대하여, 상대습도와 일사량은 명확한 상관성을 보여주지 않고, 특히 2000년 이후 전체 12개월 모두 측정된 상대습도의 크기 차이가 크게 증가하였다.
- 전체 12개월에 대하여, 상대습도와 일사량은 명확한 상관성을 보여주지 않고, 특히 2000년 이후 전체 12개월 모두 측정된 상대습도의 크기 차이가 크게 증가하였다. 전체 12개월에 대하여, 풍속과 일사량은 반대의 경향성과 상관성을 나타내었다. 그러나, 전체 12개월에 대하여, 일조시간과 일사량은 경향성과 상관성을 모두 명확하게 관계를 나타냄을 확인하였다.
후속연구
- 특히, 신재생에너지의 대표 분야 중의 하나인 태양광 분야는 태양에너지 자원량(일사량, solar irradiance)의 정확한 예측이 매우 필요하고 또한 중요하다. 정확한 예측식들의 정확성은 당연히 기존에 국내의 다양한 지역에서 측정하고 있는 수평 면전일사량(horizontal solar irradia-nce)의 값들과의 비교를 통해 검증하게 될 것이다.1)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.