[국내논문]LiDAR 측량 기반의 지형자료와 기상 데이터 관측시스템을 이용한 태양광 발전량 분석 The analysis of Photovoltaic Power using Terrain Data based on LiDAR Surveying and Weather Data Measurement System원문보기
본 연구에서는 LiDAR 측량을 활용하여 취득한 정밀 지형자료와 센서 기반의 기상데이터 관측시스템을 구축하여 태양광 발전량을 예측하는 연구를 수행하였다. 2018년 평균 일조시간은 4.53 시간으로 나타났으며, 태양광 발전량은 2,305 MWh으로 분석되었다. 그리고 태양광 모듈의 설치각도에 따른 태양광 발전량의 영향을 분석하고자 모듈 설치각도를 $10^{\circ}$ 간격으로 배치한 결과, 모듈 배치 각도 $30^{\circ}$에서 발전시간은 4.24 시간으로 나타났으며, 일 발전량과 월 발전량이 각각 3.37 MWh와 102.47 MWh로 가장 높게 평가되었다. 따라서 모듈 배치 각도를 $30^{\circ}$로 설계시 모듈 각도 $50^{\circ}$에 비해 발전효율이 약 4.8% 상승하는 것을 알 수 있었다. 또한 태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석한 결과, 날씨가 차가운 11월~2월까지는 모듈 각도가 큰 $40^{\circ}{\sim}50^{\circ}$가 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3월~10월까지는 모듈 각도가 작은 $10^{\circ}{\sim}30^{\circ}$가 태양광 발전량이 높게 나타남을 알 수 있었다.
본 연구에서는 LiDAR 측량을 활용하여 취득한 정밀 지형자료와 센서 기반의 기상데이터 관측시스템을 구축하여 태양광 발전량을 예측하는 연구를 수행하였다. 2018년 평균 일조시간은 4.53 시간으로 나타났으며, 태양광 발전량은 2,305 MWh으로 분석되었다. 그리고 태양광 모듈의 설치각도에 따른 태양광 발전량의 영향을 분석하고자 모듈 설치각도를 $10^{\circ}$ 간격으로 배치한 결과, 모듈 배치 각도 $30^{\circ}$에서 발전시간은 4.24 시간으로 나타났으며, 일 발전량과 월 발전량이 각각 3.37 MWh와 102.47 MWh로 가장 높게 평가되었다. 따라서 모듈 배치 각도를 $30^{\circ}$로 설계시 모듈 각도 $50^{\circ}$에 비해 발전효율이 약 4.8% 상승하는 것을 알 수 있었다. 또한 태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석한 결과, 날씨가 차가운 11월~2월까지는 모듈 각도가 큰 $40^{\circ}{\sim}50^{\circ}$가 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3월~10월까지는 모듈 각도가 작은 $10^{\circ}{\sim}30^{\circ}$가 태양광 발전량이 높게 나타남을 알 수 있었다.
In this study, we conducted a study to predict the photovoltaic power by constructing the sensor based meteorological data observation system and the accurate terrain data obtained by using LiDAR surveying. The average sunshine hours in 2018 is 4.53 hours and the photovoltaic power is 2,305 MWh. In ...
In this study, we conducted a study to predict the photovoltaic power by constructing the sensor based meteorological data observation system and the accurate terrain data obtained by using LiDAR surveying. The average sunshine hours in 2018 is 4.53 hours and the photovoltaic power is 2,305 MWh. In order to analyze the effect of photovoltaic power on the installation angle of solar modules, we installed module installation angle at $10^{\circ}$ intervals. As a result, the generation time was 4.24 hours at the module arrangement angle of $30^{\circ}$, and the daily power generation and the monthly power generation were the highest, 3.37 MWh and 102.47 MWh, respectively. Therefore, when the module arrangement angle is set to $30^{\circ}$, the generation efficiency is increased by about 4.8% compared with the module angle of $50^{\circ}$. As a result of analyzing the influence of the seasonal photovoltaic power by the installation angle of the solar module, it was found that the photovoltaic power was high in the range of $40^{\circ}{\sim}50^{\circ}$, where the module angle was large from November to February when the weather was cold. From March to October, it was found that the photovoltaic power amount is $10^{\circ}{\sim}30^{\circ}$ with small module angle.
In this study, we conducted a study to predict the photovoltaic power by constructing the sensor based meteorological data observation system and the accurate terrain data obtained by using LiDAR surveying. The average sunshine hours in 2018 is 4.53 hours and the photovoltaic power is 2,305 MWh. In order to analyze the effect of photovoltaic power on the installation angle of solar modules, we installed module installation angle at $10^{\circ}$ intervals. As a result, the generation time was 4.24 hours at the module arrangement angle of $30^{\circ}$, and the daily power generation and the monthly power generation were the highest, 3.37 MWh and 102.47 MWh, respectively. Therefore, when the module arrangement angle is set to $30^{\circ}$, the generation efficiency is increased by about 4.8% compared with the module angle of $50^{\circ}$. As a result of analyzing the influence of the seasonal photovoltaic power by the installation angle of the solar module, it was found that the photovoltaic power was high in the range of $40^{\circ}{\sim}50^{\circ}$, where the module angle was large from November to February when the weather was cold. From March to October, it was found that the photovoltaic power amount is $10^{\circ}{\sim}30^{\circ}$ with small module angle.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 본 연구에서는 발전량 예측에 많은 영향을 미치는 모듈 설치 각도에 따른 발전량 변화를 분석하였다. 이를 위해 모듈의 각도를 10°~50°까지 10° 간격으로 설계한 후 발전량을 분석하였다.
본 연구에서는 LiDAR 측량을 활용하여 취득한 정밀 지형자료와 센서 기반의 기상데이터 관측시스템을 구축하여 태양광 발전량을 예측하는 연구를 수행하였으며, 주요 결론은 다음과 같다.
본 연구에서는 임야지역에 설치된 태양광발전소의 발전량을 효과적으로 예측하기 위해 지상 LiDAR 측량을 통해 정밀지형자료를 구축하였으며 해당 지역의 온도, 습도, 일사량 등을 효과적으로 반영하기 위한 센서 기반의 기상자료 구축시스템을 개발하였다. 특히 다양한 시나리오별 태양광발전량을 예측하고자 다양한 모듈 설치 각도를 적용하여 월별 혹은 계절별 태양광발전량을 분석하여 업무에 활용하고자 하였다.
셋째, 본 연구에서는 태양광 발전량 예측에 매우 중요한 태양광 발전소 주변의 기상조건을 정확하게 반영하기 위해 온도, 습도, 일사량 정보를 취득할 수 있는 센서기반의 실시간 기상정보 관측 시스템을 개발 하였다. 이를 통해 분석한 대상지역의 일조시간은 일반적인 태양광 발전소 일조시간 기준인 3.
본 연구에서는 임야지역에 설치된 태양광발전소의 발전량을 효과적으로 예측하기 위해 지상 LiDAR 측량을 통해 정밀지형자료를 구축하였으며 해당 지역의 온도, 습도, 일사량 등을 효과적으로 반영하기 위한 센서 기반의 기상자료 구축시스템을 개발하였다. 특히 다양한 시나리오별 태양광발전량을 예측하고자 다양한 모듈 설치 각도를 적용하여 월별 혹은 계절별 태양광발전량을 분석하여 업무에 활용하고자 하였다.
제안 방법
3차원 지형모델링 과정에서 산지형이나 굴곡이 있는 지형에서 풀이나 나무에 의한 지형 왜곡을 제거하기 위해 지형 필터링 작업을 실시하였다. 이를 통해 보정된 포인트 데이터에 대해 절대좌표 및 스캐너 높이 값을 입력하여 실세계 좌표로의 변환을 실시하였다.
본 연구에서는 발전량을 예측하기 위해 SketchUp 의 Skelion 프로그램을 이용하였다. SketchUp의 Skelion 프로그램은 LiDAR 측량을 통해 취득한 지형 자료를 비롯하여 모듈설치 방향, 모듈각도, 모듈패널 유형, 모듈 방향별 이격거리, 모듈 상하 개수, 모듈 설치 정밀도, 그림자 영향 등을 고려한 태양광발전소 발전량을 예측하였다. 태양광발전소는 시스템 간 손실율이 있는데 이는 연간 손실율과 전력의 흐름 간 손실, 내부 전력 사용 등에 의한 손실이며 시스템 손실율에 대한 설정을 통해 정밀한 발전량 예측이 가능하게 된다.
다음 단계인 Multi station adjustment 계산을 위해 각 스캔 포지션들에 대해 평면 지형 필터링 작업을 진행하여 폴리곤을 생성하였다. 그리고 계산에 이용할 기준 스캔 포지션의 폴리곤을 선택하여 분석을 진행하였으며, 정합 오차를 확인하여 캘리브레이션에 따른 오차를 mm 단위로 확보하였다.
다음 단계인 Multi station adjustment 계산을 위해 각 스캔 포지션들에 대해 평면 지형 필터링 작업을 진행하여 폴리곤을 생성하였다. 그리고 계산에 이용할 기준 스캔 포지션의 폴리곤을 선택하여 분석을 진행하였으며, 정합 오차를 확인하여 캘리브레이션에 따른 오차를 mm 단위로 확보하였다.
둘째, 지상 LiDAR 장비를 통해 취득한 지형자료에 대해 태양광 모듈을 배치하였으며, SketchUp의 Skelion 프로그램을 이용하여 모듈배치 방향, 모듈각도, 모듈패널 유형, 모듈 방향별 이격거리, 모듈 상하 개수, 모듈 배치 정밀도, 그림자 영향 등의 다양한 옵션을 고려하여 태양광 발전량을 예측하는 기법을 제시하였다.
지상 LiDAR 측량은 측량지점이 중첩되도록 10개 지점을 선택하여 데이터를 취득한 후 프로젝트로 저장하였으며, 이를 RISCANPRO SW를 통해 로딩한 후 포지션별로 스캔 완성도를 검토하였다. 또한 각 포지션별 스캔 데이터를 확인한 후 이미지 보정 및 정합과 정을 통해 3차원 지형모델링을 구현하였으며, 이를 통해 CAD나 GIS 프로그램에서 연동될 수 있도록 하였다. 스캔 데이터와 실사진과의 캘리브레이션을 위해 Reflector가 촬영된 이미지 중점에 포인트를 생성하였다.
본 연구에서는 같은 용량에 따른 발전량의 변화를 분석하기 위해 사업부지의 크기는 고려하지 않고 각도별 1MW 기준으로 발전량을 분석하였다. 또한 대상지역의 지형기복에 따른 음영 등의 오차를 제거하기 위해 평지로 가정한 가상의 대상지를 설정하여 분석을 진행하였다.
스캔 데이터와 실사진과의 캘리브레이션을 위해 Reflector가 촬영된 이미지 중점에 포인트를 생성하였다. 또한 스캔 데이터와 실사진과의 보정을 위해 두포인트 간의 동일 지점을 인식시키는 과정을 수행하였으며 Link Tiepoint Together를 통해 속성자료를 연결하였다.
모듈의 각도가 커짐에 따라 이격거리는 늘어나며 그에 따른 사업부지도 늘어나게 된다. 본 연구에서는 같은 용량에 따른 발전량의 변화를 분석하기 위해 사업부지의 크기는 고려하지 않고 각도별 1MW 기준으로 발전량을 분석하였다. 또한 대상지역의 지형기복에 따른 음영 등의 오차를 제거하기 위해 평지로 가정한 가상의 대상지를 설정하여 분석을 진행하였다.
계절별 태양광 발전량을 예측하는 것은 태양광 발전소 유지 및 관리측면에서 매우 중요한 자료가 될 수 있다. 본 연구에서는 다양한 모듈 설치 각도를 고려하여 월별 태양이동 경로특성을 고려한 태양광 발전량을 Table 4와 같이 분석하였다.
기상조건은 태양광 발전량을 예측하는데 매우 중요한 요소이며, 일반적으로 기상청에서 예보하는 기상 데이터를 활용하고 있으나 기상관측소와 태양광발전소간의 거리가 멀 경우 발전량을 효과적으로 예측하는데 어려움이 있다. 본 연구에서는 이러한 문제를 개선하고자 현장에서 직접 온도, 습도, 일사량을 센서를 통해 취득한 후 웹페이지에서 실시간으로 확인할 수 있는 시스템을 Figure 7과 같이 개발하였다.
기존의 태양광발전량 예측 연구에서는 지형자료 구축을 위해 수치지형도의 등고자료를 주로 활용하였으나 수목에 의한 지반의 지형 묘사가 어려운 한계가 있었다. 본 연구에서는 이를 개선하고자 LiDAR 측량을 통한 정밀 지형자료를 취득하기 위해 오스트리아 RIEGL사의 VZ-400 LiDAR 장비를 활용하였으며, 주요 사양은 Table 1과 같다.
본 연구에서는 태양광발전소 모듈 설치에 따른 발전량을 예측하기 위해 ArcGIS 프로그램을 이용하여 지상 LiDAR 측량을 통해 취득한 3차원 지형모델링로부터 등고선을 추출하였다. 또한 SketchUp 프로그램을 이용하여 지상 LiDAR를 통해 추출한 등고선 자료를 Figure 4와 같이 Drop 기능을 이용하여 대상지 폴리곤과 일치한 후 태양광 모듈을 배치하였다.
최근에는 LiDAR(Ligth Detection And Ranging)나 드론 기반의 정밀지형자료를 활용하여 태양광발전소의 입지를 분석하고 유지보수 업무에 활용하는 연구도 진행되고 있다. 이근상・이종조(2018a)는 항공 LiDAR 자료를 통해 취득한 3차원 지형자료를 이용하여 태양광 발전소의 입지를 선정하는 연구를 진행하였으며 이근상・이종조(2018b)는 UAV(Unmanned Aerial Vehicle)를 활용하여 태양광발전소 부지에 대한 일사량을 분석하였다.
본 연구에서는 순창군 동계면 서호리 지역을 대상으로 2018년 1월부터 12월까지 1분단위로 기상 데이터를 취득한 후 실시간 처리 시스템을 통해 데이터를 저장하였다. 이를 기초로 월평균 혹은 연평균 일조시간을 계산할 수 있었다. 순창군 동계면 서호리의 연평균 일조시간은 4.
이를 위해 모듈의 각도를 10°~50°까지 10° 간격으로 설계한 후 발전량을 분석하였다.
3차원 지형모델링 과정에서 산지형이나 굴곡이 있는 지형에서 풀이나 나무에 의한 지형 왜곡을 제거하기 위해 지형 필터링 작업을 실시하였다. 이를 통해 보정된 포인트 데이터에 대해 절대좌표 및 스캐너 높이 값을 입력하여 실세계 좌표로의 변환을 실시하였다. Figure 3은 대상지역에 대한 3차원지형모델링 결과이다.
Figure 2는 RIEGL사의 VZ-400 LiDAR 장비를 활용하여 현장에서 측량을 수행하는 화면이다. 지상 LiDAR 스캔 시 실사진과의 접합을 위해 고해상도 DSLR 카메라를 설치하여 영상 촬영도 동시에 실시하였다.
지상 LiDAR 측량은 측량지점이 중첩되도록 10개 지점을 선택하여 데이터를 취득한 후 프로젝트로 저장하였으며, 이를 RISCANPRO SW를 통해 로딩한 후 포지션별로 스캔 완성도를 검토하였다. 또한 각 포지션별 스캔 데이터를 확인한 후 이미지 보정 및 정합과 정을 통해 3차원 지형모델링을 구현하였으며, 이를 통해 CAD나 GIS 프로그램에서 연동될 수 있도록 하였다.
첫째, RIEGL사의 VZ-400 LiDAR 장비를 활용하여 지상측량을 수행하였으며, 스캔 데이터에 대해 캘리브레이션을 통한 오차 조정을 통해 태양광 발전량 분석에 활용할 3차원 지형자료를 구축할 수 있었다.
통신 컨트롤러를 통해 수집된 데이터는 무선네트워크를 통해 웹서버로 전송되며, 웹서버에서 데이터베이스 형태로 저장된 자료를 사용자가 엑셀 형태로 다운받아 발전량 예측에 활용할 수 있도록 하였다.
또한 SketchUp 프로그램을 이용하여 지상 LiDAR를 통해 추출한 등고선 자료를 Figure 4와 같이 Drop 기능을 이용하여 대상지 폴리곤과 일치한 후 태양광 모듈을 배치하였다. 특히 배치 완료 후 굴곡에 의한 음영 여부와 어레이간 높낮이 차이를 확인하여 완성도 높은 태양광발전소 설계도를 제작하였다.
대상 데이터
본 연구에서는 순창군 동계면 서호리 지역을 대상으로 2018년 1월부터 12월까지 1분단위로 기상 데이터를 취득한 후 실시간 처리 시스템을 통해 데이터를 저장하였다. 이를 기초로 월평균 혹은 연평균 일조시간을 계산할 수 있었다.
본 연구에서는 지상 LiDAR를 기반으로 3차원 지형 모델링 자료를 취득하고 이를 통해 다양한 시나리오별 발전량을 예측하기 위해 Figure 1과 같이 전북 순창군 동계면 서호리 지역을 연구대상지로 선정하였다.
이론/모형
본 연구에서는 발전량을 예측하기 위해 SketchUp 의 Skelion 프로그램을 이용하였다. SketchUp의 Skelion 프로그램은 LiDAR 측량을 통해 취득한 지형 자료를 비롯하여 모듈설치 방향, 모듈각도, 모듈패널 유형, 모듈 방향별 이격거리, 모듈 상하 개수, 모듈 설치 정밀도, 그림자 영향 등을 고려한 태양광발전소 발전량을 예측하였다.
성능/효과
넷째, 실시간 기상 데이터 처리 시스템을 통해 취득한 일평균 발전시간 4.53시간을 적용하여 2018년의 태양광 발전량을 분석한 결과 2,305 MWh로 계산되었으며, 이는 국내에서 일반적으로 적용하고 있는 일평균 발전시간 3.5시간을 적용할 경우 발전량인 1,404 MWh과 비교해 볼 때 정확도 측면에서 약 39%의 태양광 발전량 오차를 나타내었다.
다섯째, 본 연구에서는 태양광 모듈의 설치각도에 따른 태양광 발전량의 영향을 분석하고자 모듈 설치 각도를 10°~50°까지 10° 간격으로 배치한 결과, 모듈 배치 각도 30°에서 발전시간은 4.24시간으로 나타났으며, 일 발전량과 월 발전량이 각각 3.37 MWh와 102.47 MWh로 가장 높게 평가되었다.
일반적인 발전량 예측 공식은 1년 단위로 진행하기 때문에 월간으로 분류하기가 어려우며 실질적인 발전 시간의 차이로 인해 용량이 클수록 발전량의 차이와 이로 인한 수익의 차이가 크게 발생하고 있음을 검증 하였다. 따라서 각 지역별 기상조건과 이를 반영한 최적의 태양광발전소 설계가 예측 발전량의 정확성을 높이고 실질적인 수익 증대에 기여할 수 있음을 확인할 수 있었다.
5시간의 일조시간을 적용한다. 따라서 대상지역의 경우 약 1.03시간의 일조시간 차이를 보이고 있으며, 지역 특성에 맞는 정확한 태양광 발전량을 예측하기 위해서는 실시간 기상 데이터 처리 시스템을 통해 얻어진 일조시간을 적용하는 것이 필요하다. Figure 8은 현지에서 관측한 온도, 습도, 일조시간 등의 기상 조건을 SketchUp의 Skelion 프로그램에 적용하여 분석한 발전량 예측 결과를 보여주고 있다.
따라서 모듈 배치 각도를 30°로 설계시 모듈 각도 50°에 비해 발전 효율이 약 4.8% 상승하는 것을 알 수 있었다.
따라서 모듈 설치 각도를 30°로 설계시 모듈 설치 각도 50°에 비해 발전효율이 약 4.8% 상승하는 것으로 분석되었다.
먼저 전체적으로는 모듈 설치 각도 30°에서 가장 높은 태양광 발전량을 보였으며, 월별 태양광 발전량을 살펴보면 4월과 5월에 대부분의 모듈 설치 각도에서 높게 나타났으며 다만 50°에서는 3월이 5월에 비해 약간 높게 분석되었다.
분석 결과 모듈 설치 각도 30°에서 발전시간은 4.24 시간으로 나타났으며, 일 발전량과 월 발전량이 각각 3.37 MWh와 102.47 MWh로 가장 높게 평가되었다.
8 MW급의 모듈이 설치되어 있으며, 실시간 기상 데이터를 활용하여 예측한 월별 발전량은 Table 2와 같다. 실시간 기상 데이터 처리 시스템 활용 결과, 일평균 발전시간은 4.53 시간으로 나타났으며, 2018년 1년 동안의 발전량은 2,305 MWh로 나타났다. 국내에서 일반적으로 적용하고 있는 일평균 발전시간 3.
여섯째, 태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석한 결과, 날씨가 차가운 11 월~2월까지는 낮은 태양의 고도각으로 모듈 각도가 큰 40°~50°가 10°~30°에 비해 일사량이 많이 유입되어 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3 월~10월까지는 모듈 각도가 작은 10°~30°가 40°~ 50°에 비해 오히려 일사량이 많이 유입되어 태양광 발전량이 높게 나타남을 알 수 있었다. 따라서 태양광 발전소 설계시 계절별로 달라지는 태양의 고도각 변화에 따른 일사량 유입 특성을 고려하여 모듈의 설치 각도를 고려하는 것이 중요함을 알 수 있었다.
셋째, 본 연구에서는 태양광 발전량 예측에 매우 중요한 태양광 발전소 주변의 기상조건을 정확하게 반영하기 위해 온도, 습도, 일사량 정보를 취득할 수 있는 센서기반의 실시간 기상정보 관측 시스템을 개발 하였다. 이를 통해 분석한 대상지역의 일조시간은 일반적인 태양광 발전소 일조시간 기준인 3.5시간보다 1.03시간이 더 많은 4.53시간으로 분석되었으며, 따라서 정확한 태양광 발전량 예측을 위해서는 해당 지역의 실시간 기상 데이터 관측 시스템을 통해 얻어진 일조시간을 활용하는 것이 매우 중요할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
태양광발전소 사업에 가장 중요한 부분은?
태양광발전소 사업의 가장 중요한 부분은 일사량 확보가 용이한 태양광발전소 적정 입지를 선정하는 것이다. 특히 태양광발전소 입지 선정시 지형특성 요소가 매우 중요하므로 GIS와 연계한 연구개발이 필요 하다.
RETscreen은 무엇인가?
태양광 발전량을 예측하기 위해 많은 프로그램들이 활용되고 있다. 먼저 RETscreen은 캐나다 Canmet ENERGY 연구 센터에 의해 개발된 프로그램으로 신재생에너지의 효율 및 비용 등을 분석 할 수 있는 경제성 분석 프로그램이다. 또한 HOMER는 미국 HOMER ENERGY에서 개발된 프로그램으로 미국 국립 신·재생 에너지 연구소 (NREL)에서 인증된 프로그램이며 신·재생에너지 작업을 단순화 하는 장점을 가지고 있다.
태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석하여 알게된 것은?
여섯째, 태양광 모듈의 설치각도에 따른 계절별 태양광 발전량의 영향을 분석한 결과, 날씨가 차가운 11 월~2월까지는 낮은 태양의 고도각으로 모듈 각도가 큰 40°~50°가 10°~30°에 비해 일사량이 많이 유입되어 태양광 발전량이 높게 나타났으며 날씨가 따뜻한 3 월~10월까지는 모듈 각도가 작은 10°~30°가 40°~ 50°에 비해 오히려 일사량이 많이 유입되어 태양광 발전량이 높게 나타남을 알 수 있었다. 따라서 태양광 발전소 설계시 계절별로 달라지는 태양의 고도각 변화에 따른 일사량 유입 특성을 고려하여 모듈의 설치 각도를 고려하는 것이 중요함을 알 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.