[논문]일사량 직산분리 모델에 따른 표준기상연도 데이터와 태양광 발전 예측량의 불확실성

조을효; 이현진

doi:10.7836/kses.2019.39.3.081

Abstract ▼ AI-Helper

Long-term solar irradiance data are required for reliable performance evaluation and feasibility analysis of solar photovoltaic systems. However, measurement data of the global horizontal irradiance (GHI) are only available for major cities in Korea. Neither the direct normal irradiance (DNI) nor th...

Long-term solar irradiance data are required for reliable performance evaluation and feasibility analysis of solar photovoltaic systems. However, measurement data of the global horizontal irradiance (GHI) are only available for major cities in Korea. Neither the direct normal irradiance (DNI) nor the diffuse horizontal irradiance (DHI) are available, which are also needed to calculate the irradiance on the tilted surface of PV array. It is a simple approach to take advantage of the decomposition model that extracts DNI and DHI from GHI. In this study, we investigate variations of solar PV power estimation due to the choice of decomposition model. The GHI data from Korea Meteorological Administration (KMA) were used and different sets of typical meteorological year (TMY) data using some well-known decomposition models were generated. Then, power outputs with the different TMY data were calculated, and a variation of 3.7% was estimated due to the choice of decomposition model.

Keyword

표/그림 (6)

표 Table 1 Weighting factors of weather elements
그림 Fig. 1 Effects of decomposition models on GHI in TMY data
그림 Fig. 2 Effects of decomposition models on DNI in TMY data
그림 Fig. 3 Solar irradiance incident on surfaces of solar panel (POA irradiance)
그림 Fig. 4 Effects of decomposition models on POA irradiance
그림 Fig. 5 Effects of decomposition models on estimation of solar PV power generation

AI 본문요약
AI-Helper

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

문제 정의

따라서, 해외에서 개발된 모델을 국내에 적용하면 DNI와 DHI의 예측값에서 차이를 보인다. 본 연구에서는 다양한 직산분리 모델에 따라, 표준기상데이터에서 일사량과 이를 사용하여 계산하는 태양광 발전 시스템의 발전량이 어떻게 변화하는지 살펴보았다.
본 연구에서는 국내 10개 지역에 대해 11개 직산분리 모델에 따른 표준기상데이터에서 일사량과 태양광 발전 시스템의 발전량 변화를 검토했다. 본 연구의 결론은 다음과 같다.

가설 설정

실제로는 태양 주위나 지표면 근처에서 더 큰 값을 갖지만, 일반적으로는 균일한(isotropic) 분포를 갖는다고 가정한다. 본 연구에서도 균일 분포를 가정하였고, 이에 따라 형상계수(view factor)를 고려하여 diffuse 성분과 ground 성분을 계산하였다. 이와 같이 GHI, DNI, DHI로부터 POA 일사량을 계산하는 모델을 전위 모델(transposition model)이라 부른다.
위의 내용을 요약해서 식으로 표현하면 다음과 같다. 여기에서 albedo는 지표면 반사율을 나타내며, 0.2로 가정하였다.
PVWatts 모델을 이용하여, 지상에 고정된 실리콘 결정질 4 kW 시스템을 고려하였다. SAM 프로그램을 이용한 발전량 예측에서 모듈 효율 15%, 온도계수 -0.47 %/℃, 인버터 효율 96%를 가정하였다. SAM 프로그램은 TMY 데이터를 통해 자체적으로 POA 일사량을 계산하기 때문에 Fig.

제안 방법

본 연구에서는 전 세계적으로 널리 사용되는 10개의 직산분리 모델¹⁾과 선행연구³⁾를 통해 국내에 적합하도록 개발된 신규 모델을 포함하여, 직산분리 모델 11개(CIBSE, Erbs, Lam, Louche, Maxwell, Orgill, Reindl-1, Reindl-2, Lee 2013, Vignola, Lee 2017)를 검토하였다. 모델에 대한 자세한 내용과 수식은 참고문헌^1,3)을 통해 확인할 수 있다.
본 연구에서는 국내 주요 10개 도시(부산, 청주, 대구, 대전, 강릉, 광주, 인천, 제주, 전주, 서울)을 대상으로 기상청에서 제공하는 1991부터 2010년까지 20년간 데이터를 이용하였다. 각 도시마다 11개의 직산분리 모델을 이용하여, 1년 동안 각 시간에서 DNI와 DHI를 계산하였다. 같은 과정을 20년에 대해 반복하여 모든 해와 모든 시간에서 GHI, DNI, DHI 값들을 채워서, 마치 장기 데이터에 GHI, DNI, DHI 값들이 존재하는 것처럼 만들었다.
각 도시마다 11개의 직산분리 모델을 이용하여, 1년 동안 각 시간에서 DNI와 DHI를 계산하였다. 같은 과정을 20년에 대해 반복하여 모든 해와 모든 시간에서 GHI, DNI, DHI 값들을 채워서, 마치 장기 데이터에 GHI, DNI, DHI 값들이 존재하는 것처럼 만들었다. 그리고, 표준기상데이터를 제작하여, 직산분리모델에 따라 각 도시마다 11개의 표준기상데이터가 생성되었다.
표준기상데이터는 장기 기상 특성이 잘 반영되도록 표준기상월을 1월부터 12월까지 선정하고, 12개월 데이터를 연결하여 제작한다. 표준기상월을 선정하는 방법은 여러 가지가 있는데⁴⁾, 본 연구에서는 미국 재생에너지연구소 NREL의 TMY 데이터 제작 방법을 이용하여 국내 지역의 표준기상데이터를 제작하였다^5,6). NREL 방법은 10가지 기상요소를 기준으로 표준기상월을 선정하는데, 다음과 같다.
단계 1에서는 Table 1의 10개 기상요소 항목별로 단기누적분포함수(CDF, Cumulative Distribution Function)가 장기에 근접한 순서로 5개 후보월을 선정한다. 각 항목별로 측정 기간 전체의 장기 누적분포함수와 특정 연도의 월에 대해 단기 누적분포함수를 계산한다. Finkelstein-Schafer (FS) 통계라 부르는 값을 이용하여 장기 누적분포함수와 단기 누적분포함수의 차이를 근거로 근접성 순위를 매긴다.
2는 각 도시에 대해 계산된 일평균 DNI를 보여준다. 기상청 데이터에 DNI는 없기 때문에, 위에서 언급한 바와 같이, 표준기상데이터를 생성하기 전에 직산분리 모델 마다 20년간 반복해서 채운 DNI 값들로 일평균 값을 계산하였다. 그래서, GHI 장기 평균값은 하나뿐이지만, 직산분리 모델에 따라 다른 DNI 일평균 값들이 계산되었고, Fig.

대상 데이터

표준기상데이터를 제작하기 위해서는 장기 기상데이터가 필요하다. 본 연구에서는 국내 주요 10개 도시(부산, 청주, 대구, 대전, 강릉, 광주, 인천, 제주, 전주, 서울)을 대상으로 기상청에서 제공하는 1991부터 2010년까지 20년간 데이터를 이용하였다. 각 도시마다 11개의 직산분리 모델을 이용하여, 1년 동안 각 시간에서 DNI와 DHI를 계산하였다.
같은 과정을 20년에 대해 반복하여 모든 해와 모든 시간에서 GHI, DNI, DHI 값들을 채워서, 마치 장기 데이터에 GHI, DNI, DHI 값들이 존재하는 것처럼 만들었다. 그리고, 표준기상데이터를 제작하여, 직산분리모델에 따라 각 도시마다 11개의 표준기상데이터가 생성되었다.
표준기상데이터는 장기 기상 특성이 잘 반영되도록 표준기상월을 1월부터 12월까지 선정하고, 12개월 데이터를 연결하여 제작한다. 표준기상월을 선정하는 방법은 여러 가지가 있는데⁴⁾, 본 연구에서는 미국 재생에너지연구소 NREL의 TMY 데이터 제작 방법을 이용하여 국내 지역의 표준기상데이터를 제작하였다^5,6).
표준기상데이터 제작 절차를 요약하면 다음과 같다. 단계 1에서는 Table 1의 10개 기상요소 항목별로 단기누적분포함수(CDF, Cumulative Distribution Function)가 장기에 근접한 순서로 5개 후보월을 선정한다. 각 항목별로 측정 기간 전체의 장기 누적분포함수와 특정 연도의 월에 대해 단기 누적분포함수를 계산한다.
장기값은 20년간 데이터에서 일평균 GHI를 평균하여 얻었다. TMY 데이터는 12개 표준기상월에 대해 한 시간 간격으로 구성되어 있어서, 8760시간에 해당하는 일사량 값들로 일평균 값을 구할 수 있다. 특정 도시에서 11개 직산분리 모델마다 TMY 데이터를 제작하였으므로, 11개 GHI 일평균 값들이 존재한다.

데이터처리

1은 각 도시에 대해 계산된 일평균 GHI를 보여준다. 장기값은 20년간 데이터에서 일평균 GHI를 평균하여 얻었다. TMY 데이터는 12개 표준기상월에 대해 한 시간 간격으로 구성되어 있어서, 8760시간에 해당하는 일사량 값들로 일평균 값을 구할 수 있다.

이론/모형

태양광시스템의 발전량은 미국 NREL에서 개발한 SAM(System Advisor Model)프로그램을 이용하여 계산하였다⁷⁾. PVWatts 모델을 이용하여, 지상에 고정된 실리콘 결정질 4 kW 시스템을 고려하였다.

성능/효과

각 기상요소에 대한 가중치는 Table 1에 정리하였다. 10가지 기상요소 중에서 GHI와 DNI를 합하여 일사량의 가중치가 전체의 50%를 차지하므로, 태양에너지 시뮬레이션에 사용하기에 적합하다.
따라서, Fig. 1처럼 GHI의 변동성이 작은 상황에서, DNI가 증가하면 DHI는 감소하고 DNI가 감소하면 DHI가 증가하는 경향을 나타낸다. 태양 천정각의 코사인 값의 영향으로 DNI의 변동성과 약간 다르게, DHI의 변동성은 강릉에서 24.
1처럼 GHI의 변동성이 작은 상황에서, DNI가 증가하면 DHI는 감소하고 DNI가 감소하면 DHI가 증가하는 경향을 나타낸다. 태양 천정각의 코사인 값의 영향으로 DNI의 변동성과 약간 다르게, DHI의 변동성은 강릉에서 24.0%로 가장 크고, 대구에서 16.0%로 가장 낮게 나타났다.
5에 도시하였다. 시뮬레이션 결과 발전량은 POA 일사량에 비례하게 나타났다. 하지만, 외기 온도와 풍속도 태양광 발전량 계산에 영향을 주기 때문에 POA 일사량과 반드시 동일한 경향을 보이는 것은 아니다.
5% 가량 변동성을 갖는다고 보고하였다. 결론적으로 DNI와 DHI가 없는 상황에서 GHI만으로 국내에 설치된 태양광 발전 시스템의 발전량을 예측하면, 태양 복사 모델(직산분리 모델과 전위 모델)에 따라서 4.5% 정도의 예측값이 변할 수 있음을 의미한다.
(1) 직산분리 모델에 따라 표준기상데이터에서 GHI는 2% 이하의 변동성을 보이며, 장기 평균값과의 차이를 감안하면 변동성은 무시할 만하다.
(2) 표준기상데이터에서 모델에 따라 DNI는 20% 이상의 변동성을 보이는데, 국내 지역별 차이는 3% 정도로 크지 않다.
(3) POA 일사량과 태양광 발전량의 변동성은 각각 5.0%와 3.0% 이하로 조사되었다. Lave et al.

질의응답

핵심어	질문	논문에서 추출한 답변
	태양광발전 시스템의 발전량 예측이나 경제성 평가를 위해 필요한 것은?	태양광발전 시스템의 발전량 예측이나 경제성 평가를 위해서는 표준기상연도(TMY, typical meteorological year) 데이터 – 간단히 표준기상데이터가 필요하다. 장기간 측정의 어려움으로 인해 대부분의 기상데이터베이스는 수평면 전천일사량(GHI, global horizontal irradiance) 만을 포함한다.
	기울어진 태양전지 모듈 표면에 도달하는 일사량의 구성 성분은?	기울어진 태양전지 모듈 표면에 도달하는 일사량(POA 일사량)은, Fig. 3에서 보듯이, 표면에 직접 도달하는(direct) 일사량, 하늘에서 산란된 뒤에 도달하는 (sky-diffuse) 일사량, 지표면에서 반사된 뒤에 도달하는(ground-reflected) 일사량의 3가지 성분으로 구성된다. Direct 성분은 DNI와 입사각의 코사인의 곱으로 계산할 수 있다.
	NREL 방법이란?	NREL 방법은 10가지 기상요소를 기준으로 표준기상월을 선정하는데, 다음과 같다. 수평면 전천일사량과 법선면 직달일사량에 대해서는 일간 합을, 건구 온도와 이슬점 온도에 대해서는 일간 최대, 최소, 평균을, 풍속에 대해서는 일간 최대, 평균을 고려한다. 표준기상월을 선정할 때, 기상요소의 가중치, 데이터 포맷 등에 따라 표준기상데이터의 버전이 다른데, NREL은 가장 최근 버전을 TMY3 데이터로 명명하고 있다. 각 기상요소에 대한 가중치는 Table 1에 정리하였다.

참고문헌 (7)

Wong, L., and Chow, W., Solar Radiation Model, Applied Energy, Vol. 69, No. 3, pp. 191-224, 2001.

상세보기
Lave, M., Hayes, W., Pohl, A., and Hansen, C. W., Evaluation of Global Horizontal Irradiance to Plane-of-Array Irradiance Models at Locations Across the United States, IEEE Journal of Photovoltaics, Vol. 5, No. 2, pp. 597-606, 2015.

상세보기
Lee, H. J., Kim, S. Y., and Yun, C. Y., Comparison of Solar Radiation Models to Estimate Direct Normal Irradiance for Korea, Energies, Vol. 10, No. 5, pp. 594, 2017.

상세보기
Yoo, H. C. and Park, S. H., Comparative Analysis of Diverse Typical Weather Data Model for Building Energy Assessment, Journal of the Architectural Institute of Korea, Vol. 30, No. 3, pp. 215-222, 2014.
Wilcox, S., and Marion, W., Users manual for TMY3 data sets, NREL/TP-581-43156, NREL, Golden, CO, USA., 2008.
Lee, H. J., Kim, S. Y., and Yun, C. Y., Generation of Typical Meteorological Year Data Suitable for Solar Energy System and Analysis of Solar Irradiance Data, New & Renewable Energy, Vol. 13, No. 3, pp. 24-33, 2017.

상세보기
SAM (System Advisor Model), https://sam.nrel.gov/

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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

[국내논문] 일사량 직산분리 모델에 따른 표준기상연도 데이터와 태양광 발전 예측량의 불확실성
Variation of Solar Photovoltaic Power Estimation due to Solar Irradiance Decomposition Models 원문보기

Abstract ▼ AI-Helper

Keyword

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 일사량 직산분리 모델에 따른 표준기상연도 데이터와 태양광 발전 예측량의 불확실성 Variation of Solar Photovoltaic Power Estimation due to Solar Irradiance Decomposition Models 원문보기

Abstract ▼ AI-Helper

Keyword

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

이현진 (11)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 일사량 직산분리 모델에 따른 표준기상연도 데이터와 태양광 발전 예측량의 불확실성
Variation of Solar Photovoltaic Power Estimation due to Solar Irradiance Decomposition Models 원문보기

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

활용도 Top5 논문