권오극
(Ogeuk Kwon)
1iD
권진성
(Jinseong Kwon)
2iD
조현식
(Hyunsik Jo)
1iD
차한주
(Hanju Cha)
†iD
-
(Water Energy & Infrastructure Research Center, K-water, Korea)
-
(Maritime ICT R&D Center, Korea Institutde of Ocean Science & Technology, Korea)
Copyright © The Korean Institute of Electrical Engineers(KIEE)
Key words
Floating PV, Cooling Effect, Efficiency, Generation Efficiency Coefficient
1. 서 론
우리나라는 에너지의 약 97%를 해외에서 수입하는 해외 에너지 의존도가 높은 국가이며(1), 이는 유가불안, 외환위기 등 외부환경에 의해 많은 영향을 받는 요인이 된다. 따라서 에너지 자립도 향상을 통하여 이러한 영향을 최소화하고, 미래의
차세대 산업을 육성하며, 전 지구적인 환경문제에 대한 해결책으로 정부는 2004년과 2017년에 신재생에너지의 개발 계획을 발표하며 적극적으로 신재생에너지의
개발을 장려하고 있다. 그 중 하나인 태양광에너지가 특히 주목을 받고 있다. 우리나라는 국토가 좁고 70% 이상이 산악지형이기 때문에 대규모 발전단지를
건설하기 위해서는 산림과 농지의 파괴가 수반될 수밖에 없다. 이러한 단점을 극복하기 위해 유휴공간이라 할 수 있는 저수지나 댐 수면에 태양광설비를
설치하는 수상 태양광 발전 시스템이 대안 기술로 떠오르고 있다(2).
수상 태양광 발전 시스템은 구조체를 수면에 띄우기 위해 부력체를 추가로 설치하고, 설계된 위치를 유지하기 위한 계류설비도 필요하며, 육지까지의 전력선을
추가로 설치해야 하는 등 개발 비용이 기존의 육상태양광발전에 비해 상대적으로 높다는 단점이 있다. 그러나 수면의 냉각효과로 인해 육상에 비해 외기온도가
상대적으로 낮아 발전출력의 상승으로 이어지므로 개발 비용을 어느 정도 상쇄할 수 있으며, 환경적인 측면에서도 태양광 차단을 통해 녹조류의 발생을 억제하고
어류의 산란 번식에 유리한 환경을 만들어준다는 장점이 있다(3).
PV시스템은 PV모듈, PV어레이, PCS의 성능, 일사강도, 외기온도, 풍속 등의 주변의 많은 환경요소에 의해 성능이 변화한다(4). 수상 태양광 사업성 검토를 위해서는 설치지역의 다양한 환경변수를 고려해야 하는데, 현재까지의 연구는 대부분 단순 발전량 비교를 통해서 이루어졌다.
따라서 본 연구에서는 실험실에서 다양한 환경변수를 통제하여 보다 정확하게 수상에서의 환경영향을 분석하고자 하였다. 이를 위해 3가지의 실험을 수행하였는데,
첫 번째는 지면에 비해 수면에서 반사되는 빛의 양을 알아보기 위한 실험이며, 두 번째는 계절별 대표 온도와 습도를 설정하고 육상조건과 수상조건에서의
모듈온도차를 확인하였다. 세 번째 실험은 외기온도 변화에 따른 발전량 비교실험으로써 계절별 최저온도부터 최고온도까지 외기온도를 변화시키며 이때의 발전량
변화를 확인하였다. 또한 여러 가지 발전량을 예측하는 수학적 모델 중 하나를 선택하여 수학적 모델링의 정확성을 검토하였으며 동시에 실험이 적절하게
수행되었는지 교차검증을 하였다.
2. 챔버 실험
태양광 모듈의 효율은 온도에 따라 변화한다. 온도계수의 시험목적은 전류의 온도 계수(α), 전압의 온도 계수(β), 최대 전력의 온도 계수(δ)를
확인하는 것이다. 온도계수를 측정하기 위해서 자연광으로 측정하는 방법과 솔라 시뮬레이터로 측정하는 방법이 있다. 솔라 시뮬레이터를 이용한 방법으로는
온도 가변이 가능한 장치에 실험 모듈을 설치한 후 모듈에 열을 가하거나 낮춰서 원하는 모듈온도에 도달하게 만든 후 그때의 $I_{SC}$,$V_{OC}$,
$P_{\max}$를 측정한다. 각각의 $I_{SC}$,$V_{OC}$, $P_{\max}$ 값들로 그래프를 그리고 Least-Square Fit
Curve(LSFC)를 통해 기울기를 계산하며(5) 그 기울기가 온도계수이다. 본 연구에서는 솔라 시뮬레이터를 이용하여 온도계수를 측정하였으며, 실험에 사용될 모듈의 온도를 25~66℃까지 변화시켜가며
$I_{SC}$,$V_{OC}$, $P_{\max}$의 값을 추출한 후 데이터를 LSFC 방법을 통해 기울기를 계산한 결과 온도계수는 –0.4437[%/℃]임을
확인하였다.
2.1 수면 및 지상에서 반사 및 산란에 따른 발전량 비교 실험
수상태양광시스템은 수면 위에 설치가 되므로 일반적으로 지면에서보다 빛의 반사 및 산란이 더 많이 발생한다고 알려져 있다. 따라서 본 연구에서는 실제
수면에서 얼마나 많은 빛의 반사 및 산란이 일어나는지 측정하기 위해 단면모듈과 양면모듈을 사용하여 그 정도를 알아내고자 하였다. 먼저, 지면조건 위에
단면모듈과 양면모듈을 거치하여 발전량 비를 산출하였으며, 그 차이를 지면에서 반사 및 산란에 의해 증가되는 발전량으로 정의하였다.
표 1. 실험에 사용된 모듈의 제원
Table 1. Module specifications used in the experiment
|
구 분
|
Voc
(V)
|
Isc
(A)
|
Vmp
(V)
|
Imp
(A)
|
Pmax
(W)
|
F.F.
(%)
|
|
단
면
|
모듈 A
|
46.4
|
10.2
|
37.7
|
9.7
|
364.1
|
77.1
|
|
모듈 B
|
46.4
|
10.2
|
37.7
|
9.7
|
365.9
|
77.3
|
|
양
면
|
모듈 C
|
48.4
|
9.9
|
39.4
|
9.4
|
371.9
|
77.8
|
|
모듈 D
|
48.4
|
9.9
|
39.2
|
9.5
|
373.0
|
77.5
|
표 2. 지면 조건에서 모듈시험 결과
Table 2. Module experimental results in ground conditions
|
기 간
|
누적 발전량 (kWh)
|
누적 수평
일사량
(kWh/㎡)
|
누적 경사
일사량
(kWh/㎡)
|
|
A
|
B
|
C
|
D
|
|
7.29 ~
8.11
|
24.1
|
23.9
|
26.9
|
26.6
|
72.5
|
78.1
|
또한, 수조를 설치하여 수면과 유사한 환경을 구축하여 똑같은 단면 및 양면 모듈을 설치하여 발전량 비를 구하였으며, 수상과 육상에서의 발전량 차이는
수면에서 발생되는 빛의 반사 및 산란의 양으로 정의하였다.
실험의 수행을 위해 정확성을 높이고자 단면모듈 2개와 양면모듈 2개를 준비하였으며 모듈의 특성시험결과 각각의 특성은 거의 동일한 것으로 판단할 수
있으며 그 결과는 표 1와 같다. 지면에서의 빛의 반사 및 산란을 측정하기 위해 약 2주간 잔디 위에 거치시켜 일사량과 발전량을 측정하였고 결과는 표 2와 같다.
다음으로 수면에서 빛의 반사 및 산란을 측정하기 위해 모듈 거치대 아래에 2m × 1m의 수조를 설치하여 수상태양광발전소와 유사한 환경으로 만들었으며
그림 1과 같다. 지면에서의 실험과 유사하게 약 2주간 실험을 진행하였으며 결과는 표 3과 같다.
그림. 1. 수상태양광 환경실험 전경
Fig. 1. The view of floating PV experiment
표 3. 수면 조건에서 모듈실험 결과
Table 3. Module experimental results in water surface conditions
|
기 간
|
누적 발전량 (kWh)
|
누적 수평
일사량
(kWh/㎡)
|
누적 경사
일사량
(kWh/㎡)
|
|
A
|
B
|
C
|
D
|
|
9.05~
9.19
|
23.9
|
24.1
|
26.9
|
27.0
|
69.4
|
72.8
|
빛의 반사 및 산란의 영향을 비교하기 위해 단면모듈 2개와 양면모듈 2개의 평균값으로 먼저 모듈의 성능지수를 사용된 식(1)과 같이 구하고 모듈 후면의 이득값은 양면 모듈의 성능지수와 단면 모듈의 성능지수의 차를 단면 모듈의 성능지수 대비의 백분위로 계산하였다.
식(1)을 이용하여 지면에서 단면 모듈의 성능지수는 0.91, 양면 모듈의 성능지수는 0.99이며 모듈 후면으로 인한 이득값은 8.78% 라고 할 수 있다.
동일하게 수면에서 단면 모듈의 성능지수는 0.9, 양면 모듈의 성능지수는 0.99로 이득값은 10.0%라고 할 수 있다. 따라서 수상태양광시스템의
경우, 육상태양광시스템보다 수면에서 빛의 반사 및 산란에 의해 약 1.21% 발전량 증가효과가 있다고 판단할 수 있다. 그러나 수조의 크기로 인해
실제 수상태양광발전소만큼 빛의 반사 및 산란의 영향이 충분히 반영되지 않을 수 있기에 추후에 보다 큰 수조를 사용하여 실험한다면 보다 정확한 빛의
반사 및 산란의 영향을 구할 수 있을 것이라고 판단된다.
2.2 외기온도에 따른 태양광 모듈 온도 측정 실험
외기온도는 태양광발전에 가장 큰 영향을 미치는 변수 중 하나로써 외기온도의 변화에 따라 태양광발전에 어느 정도의 영향을 미치는지 확인할 필요가 있다.
태양광 모듈은 햇빛을 흡수하면서 발전하며, 이 때 태양광 모듈의 온도는 20 ℃ 이상 상승하는데, 외기온도와 바람 등의 영향으로 냉각 효과가 달라지면
태양광 모듈의 온도가 더 많이 차이가 발생할 수 있다.
따라서, 실험을 통해 외기온도에 따른 모듈의 온도변화를 확인하고자 하였다. 본 시험에 사용될 챔버의 경우, 일사량, 온도, 습도를 조정할 수 있으며,
습도를 조절하기 위해 fan이 사용되어 챔버 내부에 실제로는 약간의 바람이 존재하므로 수상 환경과 비슷한 환경이 조성된다.
본 실험은 수면의 냉각효과를 확인하기 위한 것으로 환경변수(온도, 습도)가 통제 가능한 챔버 내에서 수조 위에 설치된 태양광 모듈과 그렇지 않은 모듈의
온도를 측정하는 것이다. 수조와 모듈의 거리는 38cm였으며, 실험의 사용된 모듈의 제원은 표 4와 같으며 모든 항목에서 3% 내의 차이로 거의 동일함을 알 수 있다. 동일환경에서 수상과 육상의 차이를 확인하기 위해 챔버 내에 수조를 설치하고
태양광 모듈은 수평으로 거치하였으며 실험환경은 그림 2와 같다.
표 4. 실험에 사용된 모듈의 제원
Table 4. Module specifications used in the experiment
|
S/N
|
Voc
|
Vmp
|
Isc
|
Imp
|
Pmax
|
F.F
|
|
수상모듈
|
37.18
|
30.68
|
8.87
|
8.25
|
252.96
|
76.80
|
|
육상모듈
|
37.15
|
29.98
|
8.95
|
8.45
|
253.27
|
76.20
|
표 5. 챔버에 설정된 계절별 온도, 습도
Table 5. Seasonal temperature and humidity set in the chamber
|
실험조건
|
겨울
|
봄, 가을
|
여름
|
|
온도(℃)
|
-10
|
0
|
10
|
20
|
30
|
40
|
|
습도(%)
|
0
|
0
|
65
|
63
|
77
|
77
|
그림. 2. 챔버 내 설치된 수상환경 테스트Bed(좌) 및 육상환경 테스트Bed(우)
Fig. 2. Water conditioned test bed(left) and land conditioned test bed(right) in the
chamber
실험을 위해 설정된 환경변수는 기상청 기준 월별 평년값 중 가장 변동폭이 심한 거창의 자료를 기준으로 설정하였으며 그 값은 표 5와 같다. 실험 진행시 설정온도에서 약 1시간 동안 안정화단계를 거친 후 일사량을 위한 램프를 작동시키고 광 안정화와 모듈온도의 안정화를 위해 약
1시간이 지난 후 모듈온도를 측정하였다.
위와 같은 과정을 거쳐 안정화가 완료된 후 모듈의 온도를 45분동안 측정한 결과 평균온도차는 2.4~12.4℃의 범위로 수상에서 더 낮은 것을 표 6에서 확인할 수 있었다. 온도 그래프를 살펴보았을 때, 20℃ 조건을 제외하고는 대체로 안정화된 온도차를 보여주고 있다. 온도차가 가장 큰 구간은
외기온도가 10℃인 봄, 가을 조건이었으며, 가장 낮은 구간은 외기온도가 –10℃인 겨울 조건이었다. 이것은 실증시 수상태양광의 효율이 봄가을이 가장
높은 것과 유사한 결과를 보여준다. 4계절의 평균온도차의 평균값은 약 5.9℃으로써 온도계수를 곱하면(5.9×0.44) 약 2.6%의 발전량 증가를
기대할 수 있다.
표 6. 육상환경 수상환경의 모듈 온도차 시험 결과
Table 6. The experimental results of module temperature difference
|
측정값
|
구 분
|
겨울
|
봄, 가을
|
여름
|
|
평균 온도차(℃)
|
2.9
|
5.2
|
12.4
|
2.4
|
5.2
|
7.2
|
|
최고 온도차(℃)
|
3.3
|
5.7
|
13.3
|
3.8
|
5.5
|
7.8
|
|
최저 온도차(℃)
|
2.5
|
4.7
|
11.4
|
1.6
|
4.2
|
6.9
|
2.3 일일 외기온도 변화에 따른 모듈온도 및 출력변화 실험
태양광 모듈은 설치 후 주위 환경에 지속적으로 노출된다. 따라서 하루 중 아침과 저녁에는 상대적으로 온도가 낮고, 낮에는 온도가 상승된다. 또한,
계절별로 온도 차이도 존재한다. 본 실험에서는 하루 동안 외기온도의 변화에 따라 수상과 지상조건의 모듈온도와 발전량을 비교하고자 하였다. 모듈은 2.2절에서
설명된 챔버와 동일하게 수상조건의 모듈은 수조 위에 설치되었다. 온도조건은 K-water 에서 측정한 월별 시간당 평균
그림. 3.1. 겨울 조건(-10℃, 0℃) 실험 결과
Fig. 3.1. The winter conditions experimental results
그림. 3.2. 봄, 가을 조건(10℃, 20℃) 실험 결과
Fig. 3.2. The spring & fall conditions experimental results
그림. 3.3. 여름 조건(30℃, 40℃) 실험 결과
Fig. 3.3. The summer conditions experimental results
온도 데이터에서 계절별로 평균 일출시 온도와 최고온도, 일몰시 온도를 기준으로 진행되었으며, 일사량은 봄, 가을, 겨울은 1000W/m2, 여름은 1100W/m2의 조건으로 실험하였다. 각 계절별 최저온도를 시작점으로 하여 램프를 켜기 전까지 약 1시간동안 챔버 내 온도를 유지시켰으며, 모듈의 온도가 안정화
된 후에 일사를 시작하고 5분 간격으로 모듈의 온도와 출력을 측정하였다.
2.3.1. 겨울조건 실험
겨울의 환경조건은 시작 온도 –7℃로 시작하여 최고온도 2.5℃까지 6시간 동안 시간당 약 1.58℃씩 온도를 상승 시켰으며 종료온도 0℃까지 3시간
동안 시간당 약 0.83℃씩 온도를 하강시키며 출력을 측정하였다. 수상과 지상조건의 모듈의 초기온도는 동일하나 챔버온도가 상승함에 따라 물에 의한
모듈의 냉각효과로 인하여 수상의 모듈온도가 지상보다 낮은 것을 확인할 수 있었고, 출력 또한 초기에는 같았으나 수상출력이 육상출력보다 높을 것을 알
수 있었다. 모듈의 평균 출력차는 8.38 W이며, 최고 9.42W, 최저 3.43W의 차이를 보였다. 출력 비율은 평균 4.29%, 최고 4.84%,
최저 1.08% 이다.
그림. 4. 수상, 육상모듈의 온도 및 출력(겨울)
Fig. 4. Temperature & output of both modules(winter)
2.3.2. 봄, 가을조건 실험
봄, 가을의 경우 시작온도는 8.5℃이며 최고온도 19℃까지 6시간 30분 동안 시간당 약 1.62℃씩 온도를 상승시켰으며 종료온도 16℃까지 2시간
동안 시간당 약 1.5℃씩 온도를 하강시키며 출력을 측정하였다. 온도를 하강시킨 후에 오히려 모듈온도가 증가하고 출력이 낮아지는 경향을 보여주는 것은
챔버의 작동 메커니즘에 의해 일시적으로 온도가 상승하여 발생한 현상이다. 그러나 수상의 모듈온도는 지상보다 낮고 출력은 높은 것을 알 수 있다.
수상 및 육상조건의 모듈의 온도차와 출력차는 일정한 것으로 보아 수면의 냉각효과는 여전히 존재하는 것을 확인할 수 있다. 실험기간 동안 평균 출력
차는 9.95 W이며, 최고 13.07 W, 최저 7.44 W 차이가 있었다. 출력 비율은 평균 4.83 %, 최고 6.21 %, 최저 3.72 %
이다.
그림. 5. 수상, 육상모듈의 온도 및 출력(봄, 가을)
Fig. 5. Temperature & output of both modules(spring, fall)
2.3.3. 여름조건 실험
여름의 경우 시작온도는 21℃이며 최고온도 31.5℃까지 8시간 동안 시간당 약 1.31℃씩 온도를 상승시켰으며 종료온도 26℃까지 4시간 동안 시간당
약 1.38℃씩 온도를 하강시키며 출력을 측정하였다. 이전 실험과 달리 초기 모듈온도가 차이가 나는데 이는 챔버온도가 높아짐에 따라 안정화시간으로써
1시간은 수상과 육상조건의 모듈온도가 같아지기에 부족한 것으로 추정된다. 이후 챔버의 온도를 올렸다 내리는 동안 수상과 지상의 온도차가 일정한 수준을
유지하고 있기에 이는 수면의 냉각효과에 의한 온도하강이라고 판단할 수 있다. 실험결과는 일일 외기온도의 변화에 의한 모듈온도와 출력을 가장 이상적으로
보여준다. 실험 결과, 평균 출력 차는 2.33 W이며, 최고 3.17 W, 최저 1.55 W 차이가 있었다. 이는 겨울조건과 봄, 가을조건에 비해
낮은 출력차이인데 이는 높은 외기온도에 의한 양쪽 모듈의 전체적인 출력감소로 인한 것으로 판단된다. 출력 비율은 평균 1.12 %, 최고 1.55
%, 최저 0.76 % 이다.
그림. 6. 수상, 육상모듈의 온도 및 출력(여름)
Fig. 6. Temperature & output of both modules(summer)
3. 발전량 예측모델과 실험결과의 비교
태양광 발전량 예측을 위한 다양한 방법이 존재하지만 대표적으로 물리적 모형과 통계적 모양이 있다. 물리 모형은 이미 정해져있는 태양광 패널 사양을
기반으로 일사량을 반영하는 방식이라고 할 수 있으며, 통계적 방식으로는 회귀분석 및 ARMA 등 다양한 시계열 기반 방식이 존재한다. 그 외에 최근
머신러닝을 이용한 연구방식이 크게 주목받고 있다. 이러한 방법들을 이용해 발전량을 예측하는 다양한 연구의 결과에 대해 김완수, 조하현(2019)는
많은 문헌조사를 통해 예측모델의 RMSE, MAE 등 통계적 수치를 정리하였는데 물리 모형의 경우 약 10% 이내의 오차를 가지는 것으로 발표하였다(6).
물리 모형을 이용해 모듈의 발전량을 예상하기 위해서는 일사량, 운량, 풍속, 습도, 인버터 효율 등 다양한 변수들을 이용해야 하지만 모든 변수들을
반영하는 것은 쉽지 않은 일이다. 수학적 모델링이 실제 발전량과 유의미한 차이를 보이지 않는다면, 최소한의 기상자료를 이용하여 발전량을 예측하는 것이
효율적일 것이다.
따라서, 기존에 제시된 수학적 모델이 어느 정도로 신뢰할만한지 실험결과를 기준으로 평가하기 위하여 PV모듈의 출력을 예측하는 해석모델 중 하나를 이용하였으며,
가장 보편화된 모델 중 하나인 Osterwald의 방법(7)을 사용하였다. 식(2)에서 $P_{M}$은 셀의 출력(W)이며, $P_{M}^{*}$은 STC 조건에서의 최대출력(W), $G_{i}^{*}$은 STC조건에서의 일사량(1000$W/m^{2}$),
$G_{i}$는 일사량(W), $T_{C}$는 모듈온도(℃), $\gamma$은 최대출력 온도계수로써 –0.005$^{\circ} {C}^{-1}$
~ -0.003$^{\circ} {C}^{-1}$의 범위를 가진다. 본 논문에서 사용한 온도계수는 2장에서 기술한 바와 같이 –0.0044$^{\circ}
{C}^{-1}$를 사용한다.
3.1 일일 외기온도 변화에 따른 실제출력값과 예측값 비교
2.3장의 일일 외기온도 변화에 따른 모듈온도 및 출력값에 관한 실험의 경우 모듈의 출력값이 존재하므로 실제 출력과 모델의 예측값을 비교할 수 있다.
2장에서 보여준 실험결과 중 여름조건의 실험에 대해 이론식과 비교한 결과를 그림 7에 나타내었다. 육상, 수상의 이론값과 실험값의 차이를 살펴보면 양측 모두 약 10W의 차이를 보였으며, 이론값의 수상-육상의 차이와 실험값의 수상-육상
양측모두 2W 정도 수상이 높은 것을 확인하였다.
그림. 7. 여름조건의 실험값과 이론값
Fig. 7. Experimental and theoretical values in summer conditions
위에서 실험값과 이론값을 비교한 것과 같이 이론값의 오차를 확인하기 위하여 각각의 계절에 대한 실험값과 이론값의 차이를 편차 제곱의 평균값에 루트를
씌운 평균 제곱근 오차(RMSE, Root Mean Square Error)를 통해 모델의 정확성을 확인하였다(8). 오차를 평가하는 여러 가지 지표가 있지만 RMSE는 표준편차를 기준으로 하기 때문에 큰 오차가 소수인 것을 더 좋게 평가한다는 특징이 있다. 예측모델의
값은 실험값과 비슷한 경향을 가지고 있기에 RMSE 값이 모델의 정확성을 표현하기에 좋은 지표라 판단하였으며 식(3)과 같다. 또한, 실제 출력값보다 높았으므로 $P_{Ti}-P_{Oi}$의 값은 항상 양의 값이다.
RMSE 분석결과 여름조건에서는 약 5%의 상대적으로 낮은 오차율을 보여주었으며 봄, 가을 조건의 육상에서는 약 12%의 높은 오차율을 보여주었다.
Fuentes(2007)의 연구에서 단결정 모듈의 실험값과 Fill Factor(FF), PESRC(Power and Energy at Standard
Reporting Conditions), AMPP(Approximate Maximum Power Point) 등 다양한 방법의 모델 값을 비교하였을
때 RMSE 값이 10% 내외의 값을 보여주었던 결과를 참고한다면 수학적 모델링의 결과는 신뢰할만한 것으로 판단된다. 기존 연구에서 다양한 방법으로
발전량을 예측할 때의 RMSE 값이 10% 내외인 것을 참고한다면(6), 일사량과 모듈온도만을 사용하여 발전량을 예측하는 것만으로도 준수한 결과를 얻을 수 있다는 것을 확인할 수 있다.
그림 8은 계절별 육상 및 수상조건에서 실험결과와 예측모델의 RMSE 값을 나타낸다. 모든 계절 조건에서 육상의 오차가 더 높은 것을 확인할 수 있는데 이는
육상의 모듈온도가 수상의 모듈온도보다 높기 때문에 발생하는 오차라고 생각된다. 수상에서 냉각효과, 바람의 영향 등 다양한 변수에 의해 수상에서 발전량이
더 높아지며, 실험값보다 높게 예측하는 수학식과 가까워지기 때문이다. 일반적으로 외기온도 자료는 육상데이터이므로 수학적 모델을 이용하여 수상태양광의
발전량을 예측시에는 결과치보다 더 낮은 오차율을 반영하는 것이 보다 정확할 것이라고 예상된다.
그림. 8. 계절별 육상 및 수상조건 실험과 예측모델의 RMSE 값
Fig. 8. RMSE values of both experimental results and prediction model
4. 결 론
수상태양광은 빛의 반사 및 산란, 수면의 냉각효과 등의 이유로 육상태양광에 비해 높은 발전량을 가진다고 알려져 있다. 본 연구에서는 환경통제가 가능한
실험실에서 그 영향을 수치적으로 측정하고자 3가지 실험을 진행하였다. 첫 번째 실험에서는 수면에 의해 산란 및 반사되는 빛에 의한 발전량 상승분을
측정하기 위해 시멘트 바닥과 수조가 설치된 경우를 비교하였고, 수면에서 약 1.21%의 발전량이 상승하는 것을 확인하였다. 두 번째 실험에서는 설정된
챔버온도와 습도에 따라 태양광 모듈의 온도를 측정했으며, 평균 온도차의 평균값은 약 5.9℃였다. 즉, 수상에 설치된 태양광 모듈은 5.9 ℃ 낮으므로
온도 계수 값을 곱하면, 2.6%(5.9×0.44)의 발전량 증가가 예상된다. 세 번째 실험에서는 계절별 평균 일출시 외기온도부터 일몰시 외기온도까지
변화시켜 가며 모듈의 온도를 측정하였다. 봄, 가을 조건에서 발전량의 차이가 가장 컸으며, 사계절 평균 발전량 상승값은 약 3.4%였다. 또한 발전량
예측을 위한 일사량, 모델온도 및 온도계수를 사용하는 수학적 모델과 비교하였을 때 RMSE값은 약 10% 내외로 3가지의 변수만 사용하여도 준수한
출력예측을 구할 수 있음을 확인하였다. 빛의 반사 및 산란에 의한 발전량 상승과 수면의 냉각효과는 동시에 일어나는 현상이므로 발전량 상승에 대해서
동시에 고려할 필요가 있다. 실험결과를 종합적으로 고려하였을 때 약 3.8(실험2.1+실험2.2) ~ 4.6%(실험2.1+실험2.3)의 발전량 상승을
예상할 수 있다.
Acknowledgements
본 연구는 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구과제입니다.(No. 201830100 14260)
References
Korea Institute of Energy Research , 2011, The Establishment of New and Renewable
Energy Resource Map & Utilization System KIER-B12415, pp. 299
Kim Seung-Yeon, 2015, A study on the Efficiency Analysis of Rotary type Floating Photovolataic
Power Generation System, Master Thesis
Oh Sung-Duk, 2012, 3. 27, The Way to Commercialization of Floating Photovoltaic is
Opened, Construction Technology News
Firthetal S. K., 2010, A Simple Model of PV System Performance and Its Use in Fault
Detection, Solar Energy, Vol. 84, pp. 624-635
Moore D., McCabe G., 2003, Introduction to the Practice of Statistics, W. H. Freeman
and Co., London
Kim Wan-soo, Jo Ha-Hyun, 2019, The transactions of The Korean Institute of Electrical
Engineers, Vol. 68, No. 9, pp. 1109-1117
Osterwald C. R., 1986, Translation of device performance measure- ments to reference
conditions, Solar Cells, Vol. 18, pp. 269-279
Durrett R., 1996, Probability: Theory and Examples, 2nd edition, Duxbury Press
저자소개
He received the B.S. degree in electrical engineering from Yeungnam University, Gyeongsan,
Korea, in 1998 and M.S. degree in electrical engineering from Arizona State University,
in 2011.
He is currently working toward the Ph.D. degree in Chungnam National University.
Currently, He serves as a General Manager of K-water.
He received the B.S, and M.S degree in naval architecture & ocean engineering from
University of Ulsan (UOU), Ulsan, Korea, in 2012 and 2014.
He was a Researcher at K-water from 2018 to 2019.
He is currently working toward his PhD. degree in UST-KIOST, Korea.
He received the B.S, M.S and Ph.D degree in electrical engineering from Chungnam National
University, Daejeon, Korea, in 2011, 2013 and 2017.
Currently, he serves as a Senior Researcher for K-water Research Institute.
He received the B.S. degree from Seoul National University, Seoul, Korea, in 1988;
the M.S. degree from the Pohang Institute of Science and Technology, Pohang, Korea,
in 1990; and the Ph.D. degree from Texas A&M University, College Station, TX, USA,
in 2004, all in electrical engineering.
He received the B.S. degree from Seoul National University, Seoul, Korea, in 1988;
the M.S. degree from the Pohang Institute of Science and Technology, Pohang, Korea,
in 1990; and the Ph.D. degree from Texas A&M University, College Station, TX, USA,
in 2004, all in electrical engineering.
He was a Visiting Professor at the United Technology Research Center, Hartford, CT,
USA, in 2009.