2.1 PV 정상작동일 데이터 패턴

PV 계측항목에 따른 출력특징을 분석하기 위하여 정상작동일 데이터를 이용하여 계측항목 전체에 대한 상관관계를 분석했다. 분석한 결과 발전량에 대한 계측항목별 PV고장에 영향을 주는 상관계수는 그림 2와 같다. PV 고장에 가장 많은 영향을 주는 항목은 접속반의 전류, 경사면일사량, 인버터 불꽃, 모듈온도가 있었다.

또한 PV 10과 PV 12 그룹의 1년간 정상작동일 출력데이터를 겹쳐서 그리면 그림 3과 같으며, 대략적인 정상출력 패턴을 파악할 수 있었다.

2.2 PV 고장일 데이터 패턴

고장데이터 패턴 분석을 위하여 실제 PV에서 발생하는 고장종류에 따른 발생횟수를 그림 4와 같이 산정하였으며, 몇 가지 큰 고장에 대한 일간 그래프를 그림 5 ~ 7번으로 나타내었다.

지난 1년간 인버터에서 발생한 고장횟수는 총 281회였고 각각의 고장종류에 대한 고장데이터 특징과 고장지속시간을 분석하였다. 전압, 전류, 주파수의 이상이 발생한 경우 인버터는 보호로직에 의해 바로 전원을 차단하기 때문에 데이터는 0kW로 계측된다. 따라서 고장종류를 판별하거나 예지하기 위한 실제 고장데이터를 얻기는 어려웠다. 또한 발생한 고장의 경중에 따라 대개는 4분 뒤에 복구되거나 다음날 복구가 되므로 특별한 복구방법이 없었고 큰 고장의 경우 A/S를 요청하였다.

실증기간동안 고장지속시간이 가장 길었던 고장을 분석하였을 때 과전류에 의한 고장이 가장 많았다. 그림 5와 같이 PV 10의 과전류 고장 발생시 일간 1분 간격 그래프를 살펴보았을 때, 일사량이 급격하게 변동하면서 인버터가 꺼졌고 전압그래프가 상승하였다. 이 고장은 A/S가 늦어져 30일간 지속되었다.

그림 6번도 PV 12의 과전류 고장 발생시 일간 1분 간격 그래프이다. PV 12는 오전에 건물 사이의 음영에 의하여 일사량에 비해 출력이 낮게 나왔으며 갑자기 인버터가 종료되어 익일 재 기동되었다.

그림 7은 PV 10의 고장 발생시 일간 1분 간격 그래프이며 PCS에서 발생한 고장신호는 없었다. 일사량이 없는 오후 4시 이후부터 지속적으로 전압의 변화가 있었으며 결국 인버터가 종료되었다.

고장일의 데이터를 분석한 결과, 계측 데이터를 기반으로 진단할 수 있는 고장종류는 발전량이 0kW인 고장, 발전량 감소, 통신 고장, 센서 계측값 범위 초과의 네 가지 특징으로 분류할 수 있었다.

발전량이 0kW인 고장은 인버터가 보호기능에 의하여 전압, 전류, 전력, 주파수가 표준 범위를 벗어날 경우 자동으로 전원을 차단한 경우이다. 다음으로 일사량대비 인버터 출력이 크게 줄어든 경우 스트링(채널)고장이나 효율 저하를 의심할 수 있다. 또한, 통신 응답값이 없을 경우 통신오류로 진단할 수 있다. 마지막으로 연기센서와 불꽃센서의 계측값이 화재 발생 상황을 테스트하여 얻는 계측값보다 클 경우 화재로 진단할 수 있다. 고장데이터 분석 결과를 표로 정리하면 표 2와 같다.

2.3 PV 고장데이터 학습

기존에 발전량과 일사량의 선형 특성을 이용하여 스트링고장과 인버터고장을 각각 SVM(Support Vector Machine)기법을 이용하여 분류한 논문을 참고하여⁽¹⁰⁾, 본 논문에서는 두 개의 고장을 동시에 진단하며, 정상, 스트링고장, 인버터고장의 1시간 간격 데이터에 1 ~ 3으로 라벨링하고, 학습하여 두 개의 분류선을 산정하면 그림 8과 같다.

3.1 프로그램 구조

PV 고장진단 프로그램의 기능을 정리하면 그림 9와 같으며, 모니터링, 고장진단, 계측데이터 분석의 세 가지 기능으로 구현되었다.

먼저 PV 계측데이터를 수집하고 저장하여, 입력된 데이터는 PV의 상시 모니터링, 고장진단, 데이터분석에 사용된다. 첫 번째, 모니터링 기능은 실시간 발전량과 고장여부를 표시하여 운영자가 발전기상태를 확인하고 고장시 조치를 취할 수 있다. 두 번째, 고장진단 기능에서는 과거 계측데이터를 이용하여 고장 데이터를 추출하고 기계학습기법으로 고장분류기를 생성하여 인버터 또는 스트링고장을 진단한다. 세 번째, 데이터분석 기능은 인버터 양단의 DC전력 대비 AC전력을 이용하여 인버터효율을 계산하고, 일사량 대비 발전량을 이용하여 가용용량을 계산하여 수명을 예측할 수 있도록 구현하였다.

프로그램의 각 기능별 화면 구조도를 그림 10과 같이 나타낼 수 있다.

3.2 화면 기능 소개

프로그램을 설치한 뒤 로그인을 하면 아래의 그림 11과 같이 모니터링 화면을 조회할 수 있다. 상시 모니터링 화면은 각 발전기별 정격용량, 현재 발전량, 고장진단 결과를 한눈에 조회할 수 있어 운영자가 관제화면으로 활용이 가능하다.

또한 발전기별 세부데이터를 조회할 수 있는 운영데이터 조회화면 그림 12와 같이 구현하였다. 발전기 번호와 운영기간을 선택하여 계측값을 조회할 수 있다.

또한, 고장이력 화면을 그림 13과 같이 구현하여 인버터에서 계측된 고장 신호와 2.3절에서 설명한 SVM을 이용한 스트링 고장에 대한 이력을 누적하여 기록하였다.

인버터에서 자체 로직에 의하여 통신오류, 과전류, 과전압, 과주파수, 저주파수, IGBT고장이 기록되었고 기계학습을 이용하여 스트링고장, 화재, 통신오류가 기록된다.

인버터 효율 분석 화면은 그림 14와 같고 가로축은 운영일수, 세로축은 인버터 효율인 그래프로 구현하였다. 각 PV 그룹별로 선 색을 달리하여 동시에 비교할 수 있고 인버터효율은 인버터 AC측 전력에 DC측 전력을 나누어 백분율로 산정한다.

3.3 프로그램 실증

개발된 프로그램의 실증을 위하여 실제 PV 12개 그룹, 총 용량 436kW를 연계하였으며, 실제 1년간 프로그램을 적용한 실증 결과를 분석하여 그 효용성에 대하여 설명하고자 한다.

그림 15는 고장지속시간 계산결과 화면이며 선택한 기간 동안 발생한 PCS 출력이상 및 발전효율 관련 고장들을 종합하여 조회할 수 있다. 각 고장이벤트에 대한 시작시간과 종료시간을 기록하여 고장지속시간(MTTR, Mean Time to Repair)을 계산하고 고장기간의 누적 일사량을 저장하였다.

2019년 7월부터 2020년 9월까지 1년 3개월 동안 PV를 운영하였을 때 고장은 281건 발생하였고 각각의 고장종류별 고장횟수, MTTR, 손실전력량 및 손실비용은 표 3 ~ 4와 같다.

예상 손실 발전량은 아래의 식과 같이 산정할 수 있다. 인버터의 용량과 효율은 제품 사양서에 적힌 표 1의 값을 사용하여 계산하였다.

여기서, $\hat P[k Wh]$ : 손실 발전량

$P_{R}[k W]$ : PV의 정격 용량

$S_{i}[W/m^{2}]$ : $i$시점의 경사면 일사량

$\eta_{PV}[\%]$ : PV 인버터 효율

표 3 ~ 4의 연간 손실 비용은 손실발전량과 판매단가를 이용하여 계산할 수 있다. PV를 건물옥상에 설치하여 발전사업으로 사용한다고 가정하였을 때, 손실비용은 계통한계가격(System Marginal Price, SMP)과 공급인증서가격(Renewable Energy Certificate, REC)의 평균 단가를 이용하여 식 (2)와 같이 계산할 수 있다.

여기서, $C_{loss}$ : 연간 손실 비용

$P_{loss}$ : 연간 손실 발전량

$P_{SMP}$ : SMP 평균 단가

$P_{REC}$ : REC 평균 단가

$\omega$ : REC 가중치

2019년 SMP와 REC의 1년간의 단가를 이용하였고⁽¹¹⁾, SMP와 REC 평균 단가는 각각 90.74[원/kWh], 162.21[원/kWh]이고, 100kW미만 건물옥상에 설치하는 경우의 REC 가중치 1.5를 대입하여 계산하여 1년간 12그룹 PV의 손실 비용은 1,047,466원으로 구할 수 있었다. 즉, 1년간의 PV 자체 고장으로 인한 발전량 판매 감소 손실 비용이 약 105만원으로 예상된다.

표 3 ~ 4의 고장 횟수를 분석해보면 주파수 이상에 의한 고장이 가장 많았고 고장 지속시간은 과전류 고장이 가장 길었다. 스트링 고장이나 효율 저하는 신규 발전기이므로 거의 발생하지 않았다. PV 용량별 위치별로 고장종류나 발생횟수가 차이가 나며 특히 PV10의 고장 발생률이 가장 높았다.

본 프로그램을 이용하여, 손실 발전량을 계산하여 경제적 손실을 산정할 수 있고, 고장 종류 또는 위치에 따라 산정된 손실비용을 바탕으로 태양광발전시스템의 유지보수 여부 및 우선순위를 결정할 수 있다.