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
- 본 연구에서는 먼저, 국내 태양광 CF에 대한 심도 있는 조사분석 결과를 제시한다. 여기에는 태양광의 발전특성을 가장 잘 파악할 수 있는 시간(hour)단위 CF 분석결과가 포함된다.
제안 방법
- ELCC 방법은 신뢰도를 기반한 접근법으로 CC를 비교적 정확하게 평가할 수는 있으나, 필요한 입력 자료가 방대하고 복잡한 계산으로 인해 보다 간편하고 단순한 근사화 방법이 ELCC 방법을 대신하여 CC를 산정하는데 사용되기도 한다. 근사화 방법은 CF 기반 방법과 그렇지 않은 방법으로 다시 구분될 수 있는데, 아래에서는 기존 문헌에서 제시된 주요 CF 기반 방법들과 본 연구에서 새로이 제안한 CF 기반 방법에 의한 CC 산정 결과를 비교 분석한다.
- 여기에는 태양광의 발전특성을 가장 잘 파악할 수 있는 시간(hour)단위 CF 분석결과가 포함된다. 다음으로, 시간단위 CF 분석결과와 국내 과거 전력수요 자료를 이용해 국내 태양광의 CC에 대한 근사값을 산정한다. 산정방법으로는 기존 국외 문헌에 주어진 것과 본 연구에서 새로이 제시하는 방법이 포함되는데, 모두 CF를 기반으로 하는 공통점이 있다.
- 본 연구에서는 겨울철 3개월(12, 1, 2월) 오전 11시대 CF 표본에 대한 표본평균(sample mean)의 99% 신뢰구간(confidence interval)의 하한 값을 연도별로 구하고, CC는 2011년~2015년 5년간 걸친 5개의 하한 값들의 평균값으로 정하였다. 이 같이 표본평균 대신에 신뢰구간의 하한 값으로 정한 것은 보다 보수적으로 CC를 추정하기 위한 것이다.
- 본 연구에서는 이용률(CF)를 이용한 근사화 방법을 통해 국내 태양광 발전의 용량크레딧을 산정 하였다. 이를 위해 국내 태양광 발전의 이용률에 조사분석을 수행하였다.
- 아래에 소개되는 CC 산정방법은 본 연구에서 새로이 제시하는 것으로서 피크전력수요 발생시간과 특정 시간에서의 CF값을 확률변수로 취급하고 이들에 내재된 불확실성을 확률적 특성으로 표현하는 방법론을 소개한다. 최근 6년 동안 전력수요의 피크가 발생한 계절은 겨울이다.
- 에서는 피크전력시간의 불확실성을 CC 산정에 반영하기 위해서 소위 “위험한 시간들(risky hours)”을 선택하고, 이 시간대의 CF 평균을 CC로 정의하였다. 여기서 위험한 시간들로는 전력수요가 높거나(피크전력수요시간) 또는 LOLP가 큰 시간(피크 LOLP시간) 등 두 가지를 제시하였다. 일반적으로 전력수요와 LOLP는 밀접한 상관관계를 가지는 것으로 알려져 있다.
- 본 연구에서 조사된 월별 시간별 이용률 분석결과는 최근 5년간 태양광의 설비용량과 발전량에 대해 가장 세밀한 원시자료를 이용해 산출된 것으로 용량크레딧 산정에 필수적으로 요구될 뿐만 아니라 그 자체로도 나름 의미가 큰 것으로 판단된다. 용량크레딧 산정을 위한 CF 기반 방법으로는 기존 문헌에서 제시된 것과 본 연구에서 제시된 방법을 이용하였으며, 그들을 적용한 결과를 비교하였다. 이러한 결과들 간에 어떤 일관성을 보이고 있지는 않지만 CC 산정에 일종의 신뢰도를 반영한방법론이 그렇지 못한 방법론 보다는 이론적 타당성이 높을 것으로 판단된다.
- 본 연구에서는 이용률(CF)를 이용한 근사화 방법을 통해 국내 태양광 발전의 용량크레딧을 산정 하였다. 이를 위해 국내 태양광 발전의 이용률에 조사분석을 수행하였다. 본 연구에서 조사된 월별 시간별 이용률 분석결과는 최근 5년간 태양광의 설비용량과 발전량에 대해 가장 세밀한 원시자료를 이용해 산출된 것으로 용량크레딧 산정에 필수적으로 요구될 뿐만 아니라 그 자체로도 나름 의미가 큰 것으로 판단된다.
- 이상의 기존의 방법들은 특정시간대의 CF들을 단순히 평균하거나, 백분위수를 통한 신뢰도 개념을 도입하고 신뢰도 수준별로 CC를 구분하여 산정하였다. 하지만, 피크전력수요 및 시간별 CF 값의 확률적 특성을 반영하고 있지 못한 한계를 가지고 있다.
- 이 자료는 전력거래소와 계약을 맺은 태양광사업자들의 발전 용량(시장참여설비용량)만이 포함된 것으로 국내 전체의 자료는 아니지만, Table 2에서 보여주듯이, 연도별로 국내 태양광 전체 용량의 37%에서 54%를 포함하고 있으므로 통계적으로 유의한 표본규모라고 판단된다. 표에서 연도별 보급용량은 2015년 신재생에너지보급통계15)에서 제공된 사업용과 자가용의 태양광 발전 용량의 합으로 구하였다. 한편, 표본용량은 CF산정에 포함된 용량을 의미하는데, 매년 마지막 시간대의 용량을 기준으로 한다.
대상 데이터
- 여기서 시간(hour)이란 하루 24시간 각각을 의미한다. 본 연구에서는 시간별 CF 조사 분석을 위해 전력거래소에서 2010년~2015년 연도별로 8760시간별 태양광의 발전량과 설비용량에 관한 시간단위자료를 제공 받았다. 이 자료는 전력거래소와 계약을 맺은 태양광사업자들의 발전 용량(시장참여설비용량)만이 포함된 것으로 국내 전체의 자료는 아니지만, Table 2에서 보여주듯이, 연도별로 국내 태양광 전체 용량의 37%에서 54%를 포함하고 있으므로 통계적으로 유의한 표본규모라고 판단된다.
성능/효과
- 이러한 결과들 간에 어떤 일관성을 보이고 있지는 않지만 CC 산정에 일종의 신뢰도를 반영한방법론이 그렇지 못한 방법론 보다는 이론적 타당성이 높을 것으로 판단된다. 본 연구에서 제시한 소위 확률적CF기반 방법은 피크수요 발생시각과 이용률을 확률변수로 취급하여 용량크레딧 산정 신뢰도를 용량크레딧 산정에 확률적으로 반영할 수 있는 특징을 가지고 있다. 국내 7차 전력수급기본계획에 주어진 태양광의 피크기여도 산정방법론에 대해서 알려져 있지 않기 때문에 그 결과만 가지고 비교하면, 피크기여도 0.
- 이를 위해 국내 태양광 발전의 이용률에 조사분석을 수행하였다. 본 연구에서 조사된 월별 시간별 이용률 분석결과는 최근 5년간 태양광의 설비용량과 발전량에 대해 가장 세밀한 원시자료를 이용해 산출된 것으로 용량크레딧 산정에 필수적으로 요구될 뿐만 아니라 그 자체로도 나름 의미가 큰 것으로 판단된다. 용량크레딧 산정을 위한 CF 기반 방법으로는 기존 문헌에서 제시된 것과 본 연구에서 제시된 방법을 이용하였으며, 그들을 적용한 결과를 비교하였다.
- Table 1은 EPSIS에서 제공된 연도별 지역별 CF자료의 6년간 평균값을 보여준다. 평균 CF가 가장 높은 지역은 전남이고 강원, 전북 그리고 경북 지역이 그 뒤를 뒤따르고 CF가 가장 낮은 지역은 대구로 나타났다. 또한, 전북지역의 5월(봄)의 CF가 연중 가장 높은 값을 가지는 것으로 나타났다.
후속연구
- 13은 매우 보수적(또는 높은 신뢰도)인 관점으로 산정된 것으로 판단된다. 본 연구에서 제시한 근사화 방법의 타당성 검증을 위해 가장 정교하고 비교적 이론적 기반이 탄탄한 ELCC 방법론을 포함한 다양한 방법론에 의한 태양광 발전의 용량크레딧에 대한 연구가 추후에 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.