영농형 태양광 발전의 진단을 위한 지능형 예측 시스템

• 영문명: Intelligent Prediction System for Diagnosis of Agricultural Photovoltaic Power Generation
• 발행기관: 한국전자통신학회
• 저자명: 정설령(Seol-Ryung Jung) 박경욱(Kyoung-Wook Park) 이성근(Sung-Keun Lee)
• 간행물 정보: 『한국전자통신학회 논문지』제16권 제5호, 859~865쪽, 전체 7쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2021.10.31

국문 초록

영농형 태양광 발전은 농지 상부에 태양광 발전 설비를 설치하는 방식으로 농작물과 전기를 동시에 생산함으로써 농가 소득을 증대시키는 새로운 모델이다. 최근 영농형 태양광 발전을 활용하는 다양한 시도들이 이루어지고 있다. 영농형 태양광 발전은 기존의 태양광 발전과는 달리 비교적 높은 구조물 상부에 설치하게 되므로 유지 보수가 상대적으로 어렵다는 단점이 있다. 이러한 문제를 해결하기 위해 지능적이고 효율적인 운용 및 진단 기능이 요구된다. 본 논문에서는 영농형 태양광 발전 설비의 전력 생산량을 수집, 저장하여 지능적인 예측 모델을 구현하기 위한 예측 및 진단 시스템의 설계 및 구현에 대해 논한다. 제안된 시스템은 태양광 발전량과 환경 센서 데이터를 기반으로 발전량을 예측하여 설비의 이상 유무를 판별하며 설비의 노화 정도를 산출하여 사용자에게 제공한다.

영문 초록

Agricultural Photovoltaic power generation is a new model that installs solar power generation facilities on top of farmland. Through this, it is possible to increase farm household income by producing crops and electricity at the same time. Recently, various attempts have been made to utilize agricultural solar power generation. Agricultural photovoltaic power generation has a disadvantage in that maintenance is relatively difficult because it is installed on a relatively high structure unlike conventional photovoltaic power generation. To solve these problems, intelligent and efficient operation and diagnostic functions are required. In this paper, we discuss the design and implementation of a prediction and diagnosis system to collect and store the power output of agricultural solar power generation facilities and implement an intelligent prediction model. The proposed system predicts the amount of power generation based on the amount of solar power generation and environmental sensor data, determines whether there is an abnormality in the facility, calculates the aging degree of the facility and provides it to the user.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 태양광 발전 예측 시스템 설계

Ⅳ. 발전량 예측 알고리즘 및 예측 결과

Ⅳ. 결론

키워드

영농형 태양광 발전 발전량 예측 및 진단 지능형 태양광 운영 및 진단 기계학습 기반 예측 알고리즘 Photovoltaic Power Generation Power Generation Prediction Intelligent O&M Machine Learning Based Prediction Algorithms