KR20220089508A - Apparatus and method for estimating meteorological information of solar power plant - Google Patents
Apparatus and method for estimating meteorological information of solar power plant Download PDFInfo
- Publication number
- KR20220089508A KR20220089508A KR1020200180208A KR20200180208A KR20220089508A KR 20220089508 A KR20220089508 A KR 20220089508A KR 1020200180208 A KR1020200180208 A KR 1020200180208A KR 20200180208 A KR20200180208 A KR 20200180208A KR 20220089508 A KR20220089508 A KR 20220089508A
- Authority
- KR
- South Korea
- Prior art keywords
- weather information
- synoptic
- power plant
- solar power
- meteorological observation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 37
- 238000012937 correction Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 abstract description 25
- 238000001556 precipitation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
본 발명의 태양광 발전소의 기상정보 추정 장치는 전국의 종관기상관측장비들 각각의 위치정보를 저장하는 위치정보 저장부; 상기 위치정보에 기초하여, 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소를 중심으로 미리 설정된 거리 이내에 위치하는 종관기상관측장비들인 인접 종관기상관측장비들을 선정한 후, 상기 인접 종관기상관측장비들 각각의 기상정보 데이터를 학습하여 기상정보 모델을 생성하는 학습부; 상기 학습부에서 생성된 기상정보 모델을 저장하는 기상정보 모델 저장부; 상기 인접 종관기상관측장비들 각각으로부터 실시간 기상정보 데이터를 수신하는 수신부; 및 상기 수신부에서 수신한 실시간 기상정보 데이터를, 상기 학습부에서 생성된 기상정보 모델에 반영하여 상기 제1 태양광 발전소의 기상정보를 추정하는 기상정보 추정부를 포함한다. 따라서, 본 발명은 태양광 발전소의 기상정보를 정확하게 추정함으로써, 해당 태양광 발전소의 발전량을 정확하게 예측할 수 있도록 하고, 이로 인해 전력계통의 안정성을 확보하고 발전단가 개선에 기여할 수 있는 장점이 있다. Weather information estimation apparatus of a solar power plant of the present invention includes a location information storage unit for storing location information of each of the synoptic meteorological observation equipment nationwide; On the basis of the location information, after selecting adjacent synoptic meteorological observation devices that are located within a preset distance from a predetermined first solar power plant for estimating weather information, the adjacent synoptic meteorological observation devices are a learning unit for learning each weather information data to generate a weather information model; a weather information model storage unit for storing the weather information model generated by the learning unit; a receiving unit for receiving real-time weather information data from each of the adjacent synoptic meteorological observation devices; and a meteorological information estimator for estimating the weather information of the first solar power plant by reflecting the real-time weather information data received by the receiver in the weather information model generated by the learning unit. Therefore, the present invention accurately estimates the weather information of the solar power plant, so that the power generation amount of the corresponding solar power plant can be accurately predicted, thereby securing the stability of the power system and contributing to the improvement of the power generation unit cost.
Description
본 발명은 태양광 발전소의 기상정보 추정 장치 및 그 방법에 관한 것으로서, 보다 상세하게는, 태양광 발전소의 발전량을 정확하게 예측하기 위해 태양광 발전소의 기상정보를 추정하는 장치 및 그 방법에 관한 것이다.The present invention relates to an apparatus and method for estimating weather information of a solar power plant, and more particularly, to an apparatus and method for estimating weather information of a solar power plant in order to accurately predict the amount of power generation of the solar power plant.
현재 전 세계적인 에너지 정책의 화두는 재생에너지 보급 확대를 통해 지구 환경 변화에 적극적으로 대응하는 문제일 것이다. 우리나라도 ‘재생에너지 3020’‘그린뉴딜’정책 등을 통해 재생에너지를 이용한 발전량 비중을 확대하고 있다. 그런데, 재생에너지는 그 발전량이 기상변화에 민감하므로 해당 발전량이 증가할수록 전력 계통은 불안정해지는 특징이 있다. 따라서 재생에너지 발전량의 증가에 따라 그 발전량을 정확하게 예측하는 기술도 동반 성장해야 한다.The current topic of global energy policy will be to actively respond to changes in the global environment by expanding the supply of renewable energy. Korea is also expanding the proportion of power generation using renewable energy through the ‘Renewable Energy 3020’ and ‘Green New Deal’ policies. However, since the amount of generation of renewable energy is sensitive to weather changes, the power system becomes unstable as the amount of generation increases. Therefore, as the amount of renewable energy generation increases, the technology to accurately predict the generation amount must also grow together.
이 때문에 우리나라는 재생에너지 발전량의 급증에 따른 전력 계통의 불안정성을 해소하고자 ‘재생에너지 예측제고 정산금 제도’를 도입하여 재생에너지 발전량의 예측 정확도에 따라 인센티브를 제공하고 정산금을 지원할 예정이다.For this reason, Korea is planning to introduce the ‘renewable energy prediction enhancement settlement fee system’ to resolve the instability of the power system due to the rapid increase in renewable energy generation, providing incentives according to the prediction accuracy of renewable energy generation, and supporting the settlement fee.
재생에너지 발전 중 가장 비중이 큰 태양광 발전소의 경우, 온/습도, 풍속, 운량, 강수, 일조/일사량 등 다양한 기상 환경에 따라 그 발전량이 크게 달라진다. 하지만, 현재까지는 단순히 일조시간을 기준으로 태양광 발전량을 예측하는 수준에 머물러 있다. 따라서 다양한 기상정보와 인공지능 기술을 적용하여 그 정확도를 높이려는 연구개발이 활발히 진행 중이다.In the case of solar power plants, which account for the largest share of renewable energy generation, the amount of power generation varies greatly depending on various weather environments such as temperature/humidity, wind speed, cloudiness, precipitation, and sunlight/insolation. However, until now, it has remained at the level of simply predicting the amount of solar power generation based on the amount of sunlight. Therefore, research and development to improve the accuracy by applying various weather information and artificial intelligence technology is being actively conducted.
한국공개특허 제10-2020-0012228호에는, 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법과 그 방법을 이용한 실시간 태양광 발전량 예측 시스템이 개시되어 있다. 즉, 상기 특허에는 태양광 발전장치와; 상기 태양광 발전장치가 설치된 지점의 기상을 예측하고, 예측된 기상정보와 태양광 발전장치의 정보를 이용하여 태양광발전장치의 발전량을 예측하는 모니터링서버와; 상기 모니터링 서버에 의해 예측되는 기상정보 및 발전량을 표시하는 디스플레이장치;를 포함하고, 상기 모니터링 서버는 태양광 발전장치가 위치한 지점의 기상을 예측하는 기상예측부와, 상기 기상예측부에서 예측된 기상정보를 기초로 특정 시점의 태양광 발전량을 예측하는 발전량 예측부를 포함하는 태양광 발전량 예측시스템이 개시되어 있다.Korean Patent Application Laid-Open No. 10-2020-0012228 discloses a solar power generation complex weather prediction detailed technology and a method for calculating power generation reflecting the complex environment, and a real-time photovoltaic power generation amount prediction system using the method. That is, the patent includes a solar power generator; a monitoring server for predicting the weather at the point where the photovoltaic device is installed, and predicting the amount of power generation of the photovoltaic device using the predicted weather information and the information of the photovoltaic device; Includes; a display device for displaying the weather information and power generation predicted by the monitoring server, wherein the monitoring server includes a weather forecasting unit for predicting the weather at a point where the solar power generation device is located, and the weather predicted by the weather forecasting unit A solar power generation amount prediction system including a generation amount prediction unit for predicting the amount of solar power generation at a specific time based on the information is disclosed.
이와 같이, 태양광 발전량의 예측 정확도를 높이기 위해서는 무엇보다도 정확한 기상정보가 확보되어야 한다.As such, in order to increase the prediction accuracy of the amount of solar power generation, above all, accurate weather information must be secured.
기상정보는 통상적으로 종관기상관측장비(ASOS, Automated Synoptic Observ -ing System)와 자동기상관측장비(AWS, Automatic Weather System)에서 제공하는 정보를 사용하는데, 우리나라는 전국 102개소에 종관기상관측장비와 510개소에 자동기상관측장비가 설치되어 있다.For weather information, information provided by Automated Synoptic Observing System (ASOS) and Automatic Weather System (AWS) is usually used. Automatic weather observation equipment is installed in 510 locations.
이 때, 종관기상관측이란 정해진 시각의 대기 상태를 파악하기 위해 모든 관측소에서 같은 시각에 실시하는 지상관측을 말하며, 관측방법은 기압, 기온, 풍향, 풍속, 상대습도, 강수량, 강수유무, 일사량, 일조시간, 지면온도, 초상온도, 지중온도, 토양수분, 지하수위 14개 요소에 대해서는 자동으로 관측하고, 시정, 구름, 증발량, 일기현상 등은 일부 자동과 목측(目測)으로 관측한다. In this case, synoptic meteorological observation refers to ground observation conducted at the same time at all observatories in order to understand the atmospheric condition at a set time, and the observation methods are air pressure, temperature, wind direction, wind speed, relative humidity, precipitation, precipitation, insolation, Sunlight time, surface temperature, supernormal temperature, underground temperature, soil moisture, and groundwater level are automatically observed, and visibility, clouds, evaporation, and weather phenomena are partially observed automatically and visually.
또한, 자동기상관측은, 기온(현재, 최고, 최저), 습도(현재, 최대, 최소), 풍향(현재, 최대), 풍속(현재, 최대), 강수유무, 강수량 등을 무인으로 관측하는 것을 말하며, 통신회선을 통해 상기 관측값을 송신하는 장비를 AWS(Automatic Weather System:자동기상관측장비)라 한다.In addition, automatic weather observation is an unmanned observation of temperature (current, maximum, minimum), humidity (current, maximum, minimum), wind direction (current, maximum), wind speed (current, maximum), precipitation presence, precipitation, etc. In other words, the equipment that transmits the observation values through the communication line is called AWS (Automatic Weather System: automatic weather observation equipment).
한편, 상기 종관기상관측과 자동기상관측 중 태양광 발전량 예측에 가장 큰 영향을 미치는 일조량이나 일사량 정보는 종관기상관측장비에서만 제공하고 있으며, 자동기상관측장비는 주로 태풍이나 지진 등의 피해를 예방하기 위한 방재용로 운용된다. 이 때문에 태양광 발전소의 발전량 예측에는 종관기상관측장비에서 측정한 기상정보가 주로 이용된다.Meanwhile, among the synoptic and automatic weather observations, the amount of sunlight or solar radiation, which has the greatest influence on the prediction of solar power generation, is provided only by the synoptic meteorological observation equipment, and the automatic weather observation equipment is mainly used to prevent damage from typhoons or earthquakes. It is used for disaster prevention. For this reason, meteorological information measured by synoptic meteorological observation equipment is mainly used to predict the amount of power generation of solar power plants.
하지만, 종관기상관측장비와 태양광 발전소 설치개소의 거리가 멀수록 기상정보 측정값에 큰 차이가 발생하기 때문에 발전량 예측 정확도 또한 낮아진다는 문제가 있다.However, as the distance between the synoptic meteorological observation equipment and the installation site of the solar power plant increases, there is a problem in that the accuracy of power generation forecasting is also lowered because there is a large difference in the measured values of the weather information.
따라서 본 발명은 상기한 문제점들을 해결하기 위해, 태양광 발전소 설치개소를 중심으로 근거리 순으로 복수의 종관기상관측장비들을 선정하고, 이들 종관기상관측장비에서 수집한 기상정보와 거리정보를 기반으로 해당 태양광 발전소 설치개소의 기상정보를 보정함으로써, 기상정보 추정 결과 정확도를 향상시킬 수 있는 태양광 발전소의 기상정보 추정 장치 및 그 방법을 제공하고자 한다.Therefore, in order to solve the above problems, the present invention selects a plurality of synoptic meteorological observation equipment in the order of short distance centered on the installation location of the solar power plant, and based on the meteorological information and distance information collected from these synoptic meteorological observation equipment, the corresponding An object of the present invention is to provide an apparatus and method for estimating meteorological information of a solar power plant that can improve the accuracy of a result of estimating weather information by correcting the weather information of a location where a solar power plant is installed.
또한, 본 발명은 태양광 발전소의 기상정보를 정확하게 추정함으로써, 해당 태양광 발전소의 발전량을 정확하게 예측할 수 있도록 하고, 이를 통해서 전력계통의 안정성을 확보하고 발전단가 개선에도 기여할 수 있는 태양광 발전소의 기상정보 추정 장치 및 그 방법을 제공하고자 한다.In addition, the present invention accurately estimates the weather information of the photovoltaic power plant, so that the amount of power generation of the photovoltaic power plant can be accurately predicted, thereby securing the stability of the power system and contributing to the improvement of the power generation unit price. An object of the present invention is to provide an information estimation apparatus and a method therefor.
상기 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 태양광 발전소 기상정보 추정 장치는 전국의 종관기상관측장비들 각각의 위치정보를 저장하는 위치정보 저장부; 상기 위치정보에 기초하여, 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소를 중심으로 미리 설정된 거리 이내에 위치하는 종관기상관측장비들인 인접 종관기상관측장비들을 선정한 후, 상기 인접 종관기상관측장비들 각각의 기상정보 데이터를 학습하여 기상정보 모델을 생성하는 학습부; 상기 학습부에서 생성된 기상정보 모델을 저장하는 기상정보 모델 저장부; 상기 인접 종관기상관측장비들 각각으로부터 실시간 기상정보 데이터를 수신하는 수신부; 및 상기 수신부에서 수신한 실시간 기상정보 데이터를, 상기 학습부에서 생성된 기상정보 모델에 반영하여 상기 제1 태양광 발전소의 기상정보를 추정하는 기상정보 추정부를 포함하는 것을 특징으로 한다. Solar power plant weather information estimation apparatus according to an embodiment of the present invention for achieving the above object includes a location information storage unit for storing the location information of each of the synoptic meteorological observation equipment nationwide; On the basis of the location information, after selecting adjacent synoptic meteorological observation devices that are located within a preset distance from a predetermined first solar power plant for estimating weather information, the adjacent synoptic meteorological observation devices are a learning unit for learning each weather information data to generate a weather information model; a weather information model storage unit for storing the weather information model generated by the learning unit; a receiving unit for receiving real-time weather information data from each of the adjacent synoptic meteorological observation devices; and a meteorological information estimator for estimating the weather information of the first solar power plant by reflecting the real-time meteorological information data received by the receiver in the weather information model generated by the learning unit.
바람직하게, 상기 기상정보 추정장치는 상기 기상정보 추정부에서 추정된 기상정보를 모니터링하고, 미리 설정된 기상정보 모델 업데이트 주기마다 상기 수신부에서 수신한 실시간 기상정보 데이터를 반영하여 상기 기상정보 모델을 업데이트하는 업데이트부를 더 포함할 수 있다. Preferably, the weather information estimation device monitors the weather information estimated by the weather information estimation unit, and updates the weather information model by reflecting the real-time weather information data received from the receiving unit at each preset weather information model update cycle. It may further include an update unit.
바람직하게, 상기 학습부는 상기 임의의 제1 태양광 발전소를 중심으로 상기 인접 종관기상관측장비들을 선정하는 선정모듈; 상기 인접 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집하는 수집모듈; 상기 인접 종관기상관측장비들 간의 거리정보를 반영하여 상기 수집된 기상정보 데이터를 보정하는 보정모듈; 및 상기 보정된 기상정보 데이터들을 학습하여 기상정보 모델을 생성하는 모델생성 모듈을 포함할 수 있다. Preferably, the learning unit includes a selection module for selecting the adjacent synoptic meteorological observation equipment around the first solar power plant; a collecting module for collecting meteorological information data from each of the adjacent synoptic meteorological observation devices; a correction module for correcting the collected weather information data by reflecting distance information between the adjacent synoptic meteorological observation equipment; and a model generation module for generating a weather information model by learning the corrected weather information data.
바람직하게, 상기 보정모듈은 상기 선정된 종관기상관측장비들 각각의 위경도 및 고도를 포함하는 위치정보를 더 반영하여 상기 수집된 기상정보 데이터를 보정할 수 있다. Preferably, the correction module may correct the collected weather information data by further reflecting location information including latitude and longitude and altitude of each of the selected synoptic weather observation equipment.
바람직하게, 상기 보정모듈은 상기 선정된 종관기상관측장비들 중 임의의 하나인 제1 종관기상관측장비와 나머지 종관기상관측장비들 간의 거리정보를 반영하여, 상기 나머지 종관기상관측장비들 각각의 기상정보 데이터를 보정할 수 있다. Preferably, the correction module reflects the distance information between the first synoptic meteorological observation equipment, which is any one of the selected synoptic meteorological observation equipment, and the remaining synoptic meteorological observation equipment, and the weather of each of the remaining synoptic meteorological observation equipment. Information data can be corrected.
바람직하게, 상기 모델생성 모듈은 상기 제1 종관기상관측장비에서 측정한 기상정보 데이터를 기준값으로 하고 나머지 종관기상관측장비들 각각에서 측정된 기상정보 데이터들을 학습에 사용하되, 상기 기준값과 학습결과의 오차가 미리 설정된 오차범위 이내가 되도록 하는 기상정보 모델을 생성할 수 있다. Preferably, the model generation module uses the weather information data measured by the first synoptic meteorological observation device as a reference value, and uses the weather information data measured by each of the remaining synoptic meteorological observation devices for learning, but the reference value and the learning result It is possible to create a weather information model such that the error is within a preset error range.
한편, 상기 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 태양광 발전소 기상정보 추정 방법은 전국의 종관기상관측장비들 각각의 위치정보와, 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소를 중심으로 미리 설정된 거리 이내에 위치하는 종관기상관측장비들인 인접 종관기상관측장비들의 기상정보 데이터에 기초하여 기상정보 모델을 학습하고 저장하는 태양광 발전소의 기상정보 추정 장치를 이용한 태양광 발전소의 기상정보 추정 방법에 있어서, 상기 제1 태양광 발전소를 중심으로 미리 설정된 일정 거리 이내에 위치하는 적어도 2개의 종관기상관측장비들인 인접 종관기상관측장비들 각각의 기상정보 데이터를 학습하여 상기 임의의 제1 태양광 발전소의 기상정보를 추정하기 위한 기상정보 모델을 생성하는 학습 단계; 상기 학습단계에서 생성된 기상정보 모델들을 저장하는 저장단계; 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소로부터 일정 거리 이내에 위치하는, 인접 종관기상관측장비들 각각으로부터 실시간 기상정보 데이터를 수신하는 기상정보 데이터 수신단계; 및 상기 기상정보 데이터 수신단계에서 수신한 실시간 기상정보 데이터를, 상기 학습단계에서 생성된 기상정보 모델에 반영하여 상기 임의의 제1 태양광 발전소의 기상정보를 추정하는 기상정보 추정단계를 포함하는 것을 특징으로 한다. On the other hand, the solar power plant weather information estimation method according to an embodiment of the present invention for achieving the above object is any first solar power plant to estimate the location information and weather information of each of the synoptic weather observation equipment nationwide. Meteorological information of a solar power plant using a meteorological information estimation device of a solar power plant that learns and stores a weather information model based on weather information data of adjacent synoptic meteorological observation devices, which are located within a preset distance centered on In the estimation method, the first solar power plant by learning the weather information data of each of the adjacent synoptic meteorological observation equipment, which are at least two synoptic weather observation equipment located within a preset distance from the center of the first solar power plant A learning step of generating a weather information model for estimating the weather information of the power plant; a storage step of storing the weather information models generated in the learning step; A meteorological information data receiving step of receiving real-time weather information data from each of the adjacent synoptic weather observation equipment, located within a predetermined distance from any first solar power plant for estimating weather information; and a meteorological information estimation step of estimating the weather information of the arbitrary first solar power plant by reflecting the real-time weather information data received in the weather information data receiving step to the weather information model generated in the learning step characterized.
바람직하게, 상기 방법은 상기 기상정보 추정단계에서 추정된 기상정보를 모니터링하고, 미리 설정된 기상정보 모델 업데이트 주기마다 상기 기상정보 데이터 수신단계에서 수신한 실시간 기상정보 데이터를 반영하여 상기 기상정보 모델을 업데이트하는 업데이트 단계를 더 포함할 수 있다. Preferably, the method monitors the weather information estimated in the weather information estimation step, and updates the weather information model by reflecting the real-time weather information data received in the weather information data receiving step at each preset weather information model update cycle. It may further include an update step.
바람직하게, 상기 학습단계는 상기 임의의 제1 태양광 발전소를 중심으로 상기 인접 종관기상관측장비들을 선정하는 선정단계; 상기 인접 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집하는 데이터 수집단계; 상기 인접 종관기상관측장비들 간의 거리정보를 반영하여 상기 수집된 기상정보 데이터를 보정하는 보정단계; 및 상기 보정된 기상정보 데이터들을 학습하여 기상정보 모델을 생성하는 모델생성단계를 포함할 수 있다. Preferably, the learning step is a selection step of selecting the adjacent synoptic meteorological observation equipment around the first solar power plant; a data collection step of collecting meteorological information data from each of the adjacent synoptic meteorological observation equipment; a correction step of correcting the collected weather information data by reflecting distance information between the adjacent synoptic meteorological observation equipment; and a model generation step of generating a weather information model by learning the corrected weather information data.
바람직하게, 상기 보정단계는 상기 선정된 종관기상관측장비들 각각의 위경도 및 고도를 포함하는 위치정보를 더 반영하여 상기 수집된 기상정보 데이터를 보정할 수 있다. Preferably, the correction step may correct the collected weather information data by further reflecting location information including latitude and longitude and altitude of each of the selected synoptic weather observation equipment.
바람직하게, 상기 보정단계는 상기 선정된 종관기상관측장비들 중 임의의 하나인 제1 종관기상관측장비와 나머지 종관기상관측장비들 간의 거리정보를 반영하여, 상기 나머지 종관기상관측장비들 각각의 기상정보 데이터를 보정할 수 있다. Preferably, the correction step reflects the distance information between the first synoptic meteorological observation equipment, which is any one of the selected synoptic meteorological observation equipment, and the remaining synoptic meteorological observation equipment, and the weather of each of the remaining synoptic meteorological observation equipment Information data can be corrected.
바람직하게, 상기 모델생성단계는 상기 제1 종관기상관측장비에서 측정한 기상정보 데이터를 기준값으로 하고 나머지 종관기상관측장비들 각각에서 측정된 기상정보 데이터들을 학습에 사용하되, 상기 기준값과 학습결과의 오차가 미리 설정된 오차범위 이내가 되도록 하는 기상정보 모델을 생성할 수 있다.Preferably, in the model generation step, the meteorological information data measured by the first synoptic meteorological observation equipment is used as a reference value and the weather information data measured by each of the remaining synoptic meteorological observation equipment is used for learning, but the reference value and the learning result It is possible to create a weather information model such that the error is within a preset error range.
본 발명의 태양광 발전소의 기상정보 추정 장치 및 그 방법은 태양광 발전소 설치개소를 중심으로 근거리 순으로 복수의 종관기상관측장비를 선정하고, 이들 종관기상관측장비에서 수집한 기상정보와 거리정보를 기반으로 해당 개소의 기상정보를 추정함으로써, 기상정보 추정의 정확도를 향상시킬 수 있는 장점이 있다. 또한, 본 발명은 태양광 발전소의 기상정보를 정확하게 추정함으로써, 해당 태양광 발전소의 발전량을 정확하게 예측할 수 있도록 하고, 이로 인해 전력계통의 안정성을 확보하고 발전단가 개선에 기여할 수 있는 장점이 있다. The apparatus and method for estimating meteorological information of a solar power plant of the present invention select a plurality of synoptic meteorological observation equipment in the order of short distance centered on the installation location of the solar power plant, and measure the weather information and distance information collected from these synoptic meteorological observation equipment There is an advantage in that the accuracy of the weather information estimation can be improved by estimating the weather information of the corresponding location based on the weather information. In addition, the present invention accurately estimates the weather information of the photovoltaic power plant to accurately predict the amount of power generation of the photovoltaic power plant, thereby securing the stability of the power system and contributing to the improvement of the power generation unit cost.
도 1은 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치에 대한 개략적인 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치의 학습부에 대한 개략적인 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 학습 및 추정 과정에 필요한 기상정보 데이터 및 거리정보의 예를 나타낸 도면이다.
도 4는 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치의 추정부를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 방법에 대한 개략적인 처리 흐름도이다.1 is a schematic block diagram of an apparatus for estimating weather information of a solar power plant according to an embodiment of the present invention.
2 is a schematic block diagram of a learning unit of an apparatus for estimating weather information of a solar power plant according to an embodiment of the present invention.
3 is a diagram illustrating an example of weather information data and distance information required for a process of learning and estimating weather information of a solar power plant according to an embodiment of the present invention.
4 is a view for explaining an estimator of a weather information estimating apparatus of a solar power plant according to an embodiment of the present invention.
5 is a schematic flowchart of a method for estimating weather information of a solar power plant according to an embodiment of the present invention.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 설명하되, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 한편 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 또한 상세한 설명을 생략하여도 본 기술 분야의 당업자가 쉽게 이해할 수 있는 부분의 설명은 생략하였다.Hereinafter, an embodiment of the present invention will be described with reference to the accompanying drawings, but it will be described in detail so that those of ordinary skill in the art to which the present invention pertains can easily practice the present invention. However, the present invention may be implemented in several different forms and is not limited to the embodiments described herein. On the other hand, in order to clearly explain the present invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification. In addition, even if the detailed description is omitted, descriptions of parts that can be easily understood by those skilled in the art are omitted.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification and claims, when a part includes a certain element, it means that other elements may be further included, rather than excluding other elements, unless specifically stated to the contrary.
도 1은 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치에 대한 개략적인 블록도이다. 도 1을 참조하면, 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정장치(100)는 위치정보 저장부(110), 기상정보모델 저장부(120), 수신부(130), 제어부(140), 학습부(150), 추정부(160) 및 업데이트부(170)를 포함한다.1 is a schematic block diagram of an apparatus for estimating weather information of a solar power plant according to an embodiment of the present invention. Referring to FIG. 1 , an
위치정보 저장부(110)는 전국의 종관기상관측장비들 각각의 위치정보를 저장한다. 이 때, 상기 종관기상관측장비는 전국 102개소에 설치되어 있으며, 상기 종관기상관측장비가 설치된 개소에는 기상청 관리자가 상주하여 장비를 운영하고 각종 기상요소를 관측한다. 여기서는 기온, 강수, 바람, 기압, 습도, 일사량, 일조량, 운량(구름), 지면온도, 초상온도, 증발량 등 포괄적인 기상정보를 정해진 시각마다 측정하며, 그 값은 우리나라의 공식 기상정보로 인정된다.The location
따라서 이러한 종관기상관측장비에서 측정된 기상정보를 이용하여 태양광 발전소의 발전량을 예측할 수 있으며, 상기 종관기상관측장비가 발전량을 예측하고자 하는 태양광 발전소와 가까울수록 정확한 발전량 예측 결과를 얻을 수 있을 것이다.Therefore, it is possible to predict the amount of power generation of a solar power plant using the weather information measured by such a synoptic meteorological observation device, and the closer the synoptic weather observation device is to a solar power plant for which the power generation is to be predicted, the more accurate the prediction result of the power generation amount will be obtained. .
위치정보 저장부(110)는 이러한 종관기상관측장비들 각각의 위치정보를 저장함으로써, 특정 태양광 발전소에 대한 기상정보를 추정할 때 그 위치 정보를 참조하여 일정 거리 이내의 종관기상관측장비를 선정할 수 있도록 한다.The location
기상정보모델 저장부(120)는 기상정보 모델들을 저장한다. 이 때, 상기 기상정보 모델은 임의의 제1 태양광 발전소를 중심으로 지정된 범위 내의 기상정보를 추정하기 위한 것으로서, 미리 설정된 일정 거리(예컨대, 50km) 이내에 위치하는 종관기상관측장비들 각각의 기상정보 데이터를 기반으로 학습부(150)에서 학습하여 생성한 것이다. 즉, 상기 기상정보 모델은 해당 태양광 발전소를 중심으로 하는 지정된 범위(예컨대, 50km) 내의 기상정보를 대표하는 수학적인 인공지능 모델이다.The weather information model storage unit 120 stores weather information models. At this time, the meteorological information model is for estimating weather information within a designated range centering on an arbitrary first solar power plant, and the weather information of each of the synoptic weather observation equipment located within a predetermined distance (eg, 50 km). It is generated by learning by the
수신부(130)는 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소로부터 일정 거리 이내에 위치하는 종관기상관측장비들(이하, 인접 종관기상관측장비들’이라 칭함) 각각으로부터 실시간 기상정보 데이터를 수신한다. 이 때, 수신부(130)는, 위치정보 저장부(110)로부터, 상기 제1 태양광 발전소를 중심으로 일정 거리 이내에 위치하는 종관기상관측장비들에 대한 정보를 획득하고, 그 정보에 의거하여 상기 인접 종관기상관측장비들로부터 기상정보 데이터를 수신할 수 있다. 한편, 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치(100)가 특정 태양광 발전소에 설치된 경우, 수신부(130)는 그 태양광 발전소로부터 일정 거리 이내에 위치하는 종관기상관측장비들로부터 실시간 기상정보 데이터를 수신할 수 있다. The
제어부(140)는 미리 설정된 제어 알고리즘 또는 수신부(130)를 통해 수신된 정보에 의거하여 태양광 발전소의 기상정보 추정 장치(100)의 동작을 제어한다. 즉, 제어부(140)는 수신부(130)를 통해 수신된 기상정보 또는 미리 설정된 제어 알고리즘에 의거하여, 위치정보 저장부(110) 또는 기상정보모델 저장부(120)에 저장된 정보를 관리하고, 그 정보를 이용하여 학습부(150), 추정부(160) 및 업데이트부(170)의 동작을 제어할 수 있다.The
학습부(150)는 위치정보 저장부(110)에 저장된 정보에 기초하여 기상정보를 추정하기 위한 기상정보 모델을 생성한다. 이를 위해, 학습부(150)는 제어부(140)의 제어를 받아 동작할 수 있으며, 임의의 제1 태양광 발전소를 중심으로 미리 설정된 일정 거리(예컨대, 50km) 이내에 위치하는 종관기상관측장비들(즉, 인접 종관기상관측장비들)을 도출한 후, 상기 인접 종관기상관측장비들 각각의 기상정보 데이터를 학습하여 상기 기상정보 모델을 생성할 수 있다. 이러한 학습부(150)의 구성 예가 도 2에 예시되어 있다.The
도 2는 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치의 학습부에 대한 개략적인 블록도로서, 도 1 및 도 2를 참조하면, 본 발명의 일 실시 예에 따른 학습부(150)는 선정모듈(151), 수집모듈(152), 보정모듈(153) 및 모델생성모듈(154)을 포함한다. 2 is a schematic block diagram of a learning unit of an apparatus for estimating weather information of a solar power plant according to an embodiment of the present invention. Referring to FIGS. 1 and 2 , a learning unit ( 150 includes a selection module 151 , a
선정모듈(151)은 태양광 발전소를 중심으로 일정 거리 이내에 인접한 종관기상관측장비들을 선정한다. 이 때, 선정모듈(151)은 위치정보 저장부(110)에 저장된 전국의 종관기상관측장비 위치 정보를 참조할 수 있다. 예를 들어, 임의의 제1 태양광 발전소로부터 50km 이내에 인접한 종관기상관측장비가 6개이고, 이들을 제1 내지 제6 종관기상관측장비라 할 때, 선정모듈(151)은 상기 제1 내지 제6 종관기상관측장비를 모두 선정할 수 있다.The selection module 151 selects adjacent synoptic meteorological observation equipment within a predetermined distance from the solar power plant. At this time, the selection module 151 may refer to the location information of the synoptic meteorological observation equipment stored in the location
수집모듈(152)은 선정모듈(151)에서 선정된 인접 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집한다. 상기 예의 경우, 수집모듈(152)는 상기 제1 내지 제6 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집한다. The
보정모듈(153)은 상기 인접 종관기상관측장비들 서로 간의 거리정보를 반영하여 상기 수집된 기상정보 데이터를 보정한다. 이 때, 보정모듈(153)은 위치정보 저장부(110)에 저장된 상기 인접 종관기상관측장비들 각각의 위치 정보에 포함된 거리정보, 위경도 및 고도를 더 반영하여 상기 수집된 기상정보 데이터를 보정할 수 있다. The
이 때, 보정모듈(153)은 상기 인접 종관기상관측장비들 중 어느 하나를 기준값으로 하고, 그 하나와 나머지들 간의 거리정보를 반영하여 상기 나머지 인접 종관기상관측장비들의 기상정보를 보정할 수 있다. At this time, the
상기의 예에서와 같이, 수집모듈(152)에서, 상기 제1 내지 제6 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집한 경우, 보정모듈(153)은 상기 제1 내지 제6 종관기상관측장비들 각각의 기상정보 데이터 중 제1 종관기상관측장비로부터 수집된 기상정보를 기준값으로 하고, 상기 제1 종관기상관측장비와 상기 제2 내지 제6 종관기상관측장비들 간의 거리정보를 반영하여 상기 제2 내지 제6 종관기상관측장비들 각각의 기상정보를 보정할 수 있다. 한편, 상기 제1 종관기상관측장비는 상기 제1 태양광 발전소와 가장 가까운 거리에 위치한 종관기상관측장비인 것이 바람직하다.As in the above example, when the
도 3은 이러한 학습과정을 설명하기 위한 기상정보 데이터 및 거리정보의 예를 나타낸 도면으로서, 도 3을 참조하면, n개의 종관기상관측장비들 각각으로부터 획득한 기상정보(기온, 습도, 일사량, 강수형태 등)와, 기준값이 되는 기상정보 및 이들 간의 거리 정보를 나타내고 있다. 상기 예에서와 같이 수집모듈(152)에서, 상기 제1 내지 제6 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집하고, 상기 제1 태양광 발전소와 가장 가까운 거리에 위치한 제1 종관기상관측장비의 기상정보를 기준값으로 하여 상기 제2 내지 제6 종관기상관측장비들 각각의 기상정보를 학습하고자 하는 경우, 도 3의 예에서, n은 5이고, 가장 우측의 기준값은 상기 제1 종관기상관측장비로부터 획득한 기상정보이다. 3 is a view showing an example of weather information data and distance information for explaining this learning process. Referring to FIG. 3, meteorological information (temperature, humidity, insolation, precipitation) obtained from each of n synoptic meteorological observation devices. shape, etc.), meteorological information serving as a reference value, and distance information between them are shown. As in the above example, in the
한편, 도 3에 예시된 바와 같이 각각의 종관기상관측장비에서 측정한 기상정보들을 보정하기 위한 계산식이 수학식 1에 예시되어 있다. Meanwhile, as illustrated in FIG. 3 , a calculation formula for correcting the weather information measured by each synoptic meteorological observation device is exemplified in
수학식 1에서,
는 임의의 비례상수이고, 는 이격거리(즉, 인접 종관기상관측장비로 선정된 번째 종관기상관측장비와 기준값이 되는 종관기상관측장비 간의 거리)이고, 는 번째 종관기상관측장비에서 관측된 기상정보이고, 는 번째 종관기상관측장비에서 관측된 기상정보의 보정결과를 나타낸다. 수학식 1을 참조하면, 기준이 되는 종관기상관측장비와 멀리 떨어진 개소의 기상정보일수록 학습에 미치는 영향이 낮아짐을 나타내고 있다.In
다시 도 1 및 도 2를 참조하면, 모델생성모듈(154)은 보정모듈(153)에서 보정된 기상정보 데이터들을 학습하여 기상정보 모델을 생성한다. 상기의 예에서와 같이, 보정모듈(153)이, 상기 제1 내지 제6 종관기상관측장비들 각각의 기상정보 데이터 중 제1 태양광 발전소와 가장 가까운 곳에 위치한, 제1 종관기상관측장비로부터 수집된 기상정보를 기준값으로 하고, 상기 제1 종관기상관측장비와 상기 제2 내지 제6 종관기상관측장비들 간의 거리정보를 반영하여 상기 제2 내지 제6 종관기상관측장비들의 기상정보를 보정한 경우, Referring back to FIGS. 1 and 2 , the
모델생성 모듈(154)은 상기 제1 종관기상관측장비에서 측정한 기상정보 데이터를 기준값으로 하고 나머지 종관기상관측장비들 각각에서 측정된 기상정보 데이터들을 학습에 사용하되, 상기 기준값과 학습결과의 오차가 미리 설정된 오차범위 이내가 되도록 하는 기상정보 모델을 생성한다. The
이를 위해, 모델생성 모듈(154)은 인공지능 모델을 학습하는 알고리즘으로 구성되고, 학습된 기상정보 결과값이 미리 정의된 오차범위 이내로 상기 기상정보 데이터의 기준값에 수렴할 때까지, 또는 사용자가 지정한 횟수에 도달할 때까지 학습을 반복할 수 있다. 일례로, 기상정보는 시계열의 연속적인 성격을 가지므로, 상기 학습 알고리즘에는 통상의 LSTM(Long Short Term Memory)이 적합하다. 아울러, 학습 정확도를 높이는 방법으로 도 3에 예시된 기준값을 제1 종관기상관측장비가 아닌 다른 종관기상관측장비(즉, 제2 내지 제6 종관기상관측장비들 중 어느 하나)로 변경한 후 나머지 종관기상관측장비들 각각의 기상정보를 보정하는 일련의 과정을 모든 기상관측장비들(즉, 제2 내지 제6 종관기상관측장비들 모두)에 대하여 반복하고, 각 결과값에 대한 평균값을 선택하여 상기 기상정보 모델을 생성할 수도 있다. To this end, the
다시 도 1을 참조하면, 추정부(160)는 상기 임의의 제1 태양광 발전소의 기상정보를 추정하되, 수신부(130)에서 수신한 실시간 기상정보 데이터를 상기 학습부(150)를 통해 생성된 기상정보 모델에 반영하여 상기 제1 태양광 발전소의 기상정보를 추정한다. 이를 위해, 추정부(160)는 먼저, 상기 제1 태양광 발전소의 기상정보를 추정하기 위해 선정된 적어도 하나의 종관기상관측장비들 각각의 기상정보를 보정한다. 즉, 추정부(160)는 상기 제1 태양광 발전소의 기상정보를 추정하기 위해 선정된 적어도 하나의 종관기상관측장비들과 상기 제1 태양광 발전소와의 거리정보에 의거하여 상기 선정된 적어도 하나의 종관기상관측장비들 각각의 기상정보를 보정한다. 그리고, 추정부(160)는 그 보정된 기상정보를 상기 학습부(150)를 통해 생성된 기상정보 모델에 반영하여 상기 제1 태양광 발전소의 기상정보를 추정한다. 이 때, 추정된 기상정보는 공지된 적절한 사용자 인터페이스를 거쳐 시스템 관리자 또는 운영자에게 제공될 수 있다. 이러한 추정부(160)의 구성 예가 도 4에 예시되어 있다.Referring back to FIG. 1 , the
도 4는 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 장치의 추정부를 설명하기 위한 도면이다. 도 4를 참조하면, 본 발명의 일 실시 예에 따른 추정부(160)는 임의의 제1 태양광 발전소의 기상정보를 추정하기 위해 선정된 n개의 종관기상관측장비들 각각으로부터 전달된 기상정보(10) 및 상기 제1 태양광 발전소와 상기 n개의 종관기상관측장비들간의 거리정보(20)를 입력으로 받아 상기 제1 태양광 발전소의 추정 기상정보(30)를 출력한다. 이를 위해, 추정부(160)는 거리정보(20)에 의거하여 기상정보(10)를 보정하는 거리보정모듈(161), 및 보정된 기상정보(
… )를 상기 학습부(150)를 통해 생성된 기상정보 모델에 적용하여 최종 기상정보를 추정하는 추정모듈(162)을 포함할 수 있다. 4 is a view for explaining an estimator of a weather information estimating apparatus of a solar power plant according to an embodiment of the present invention. 4, the
예를 들어, 제1 태양광 발전소의 기상정보를 추정하기 위해 5개의 종관기상관측장비가 선정된 경우, 거리보정모듈(161)은 상기 5개의 종관기상관측장비들 각각으로부터 기상정보 측정결과를 전달받고, 상기 제1 태양광 발전소와 상기 5개의 종관기상관측장비들과의 거리정보를 전달받아 상기 기상정보 측정결과를 보정하여 출력한다. 그리고, 추정모듈(162)은 거리보정모듈(161)로부터 상기 보정된 기상정보를 전달받고, 그 보정된 기상정보를 상기 학습부(150)를 통해 생성된 기상정보 모델에 적용하여 상기 제1 태양광 발전소의 기상정보를 추정할 수 있다.For example, when five synoptic meteorological observation devices are selected to estimate the weather information of the first solar power plant, the
다시 도 1을 참조하면, 업데이트부(170)는 기상정보모델 저장부(120)에 저장된 기상정보 모델을 업데이트한다. 즉, 업데이트부(170)는 추정부(160)에서 추정된 기상정보(y1)(30)를 모니터링하고, 미리 설정된 기상정보 모델 업데이트 주기마다 상기 수신부(130)에서 수신한 실시간 기상정보 데이터를 반영하여 상기 기상정보 모델을 업데이트할 수 있다. Referring back to FIG. 1 , the
도 5는 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 방법에 대한 개략적인 처리 흐름도이다. 도 1 및 도 5를 참조하면, 본 발명의 일 실시 예에 따른 태양광 발전소의 기상정보 추정 방법은 다음과 같다.5 is a schematic flowchart of a method for estimating weather information of a solar power plant according to an embodiment of the present invention. 1 and 5 , a method for estimating weather information of a solar power plant according to an embodiment of the present invention is as follows.
먼저, 단계 S110에서는, 학습부(150)가 임의의 제1 태양광 발전소 기상정보를 추정하기 위한 기상정보 모델을 생성한다. 이를 위해, 학습부(150)는 임의의 제1 태양광 발전소를 중심으로 미리 설정된 일정 거리(예컨대, 50km) 이내에 위치하는 적어도 2개의 종관기상관측장비들(즉, 인접 종관기상관측장비들) 각각의 기상정보 데이터를 학습하여 해당 태양광 발전소의 기상정보를 추정하기 위한 기상정보 모델을 생성할 수 있다.First, in step S110, the
특히, 단계 S110에서, 학습부(150)는 임의의 제1 태양광 발전소를 중심으로 일정 거리 이내에 위치하는 인접 종관기상관측장비들을 선정한 후 그 인접 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집하고, 상기 인접 종관기상관측장비들 간의 거리정보와, 상기 선정된 종관기상관측장비들 각각의 위경도 및 고도를 포함하는 위치정보를 반영하여 상기 수집된 기상정보 데이터를 보정하고, 상기 보정된 기상정보 데이터들을 학습하여 해당 태양광 발전소의 기상정보를 추정하기 위한 기상정보 모델을 생성할 수 있다.In particular, in step S110, the
이 때, 학습부(150)는 상기 인접 종관기상관측장비로 선정된 종관기상관측장비들 중 임의의 제1 종관기상관측장비에서 측정한 기상정보 데이터를 기준값으로 하고 나머지 종관기상관측장비들 각각에서 측정된 기상정보 데이터들을 학습값으로 사용하되, 상기 기준값과 학습결과값의 오차가 미리 설정된 오차범위 이내가 되도록 하는 기상정보 모델을 생성할 수 있다.At this time, the
단계 S110에서, 상기 기상정보 모델을 생성하기 위한 보다 구체적인 처리 과정은 도 1 및 도 2를 참조한 학습부(150)의 설명에 언급한 바와 같다.In step S110, a more specific processing process for generating the weather information model is as described in the description of the
단계 S120에서는 상기 생성된 기상정보 모델을 저장한다. 즉, 단계 S120에서는, 제어부(140)가 학습부(150)로부터 상기 기상정보 모델을 전달받아 기상정보모델 저장부(120)에 저장할 수 있다.In step S120, the generated weather information model is stored. That is, in step S120 , the
단계 S130에서는, 수신부(130)가 실시간 기상정보 데이터를 수신한다. 즉, 단계 S130에서, 수신부는 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소로부터 일정 거리 이내에 위치하는, 인접 종관기상관측장비들 각각으로부터 실시간 기상정보 데이터를 수신한다. In step S130, the
단계 S140에서는, 추정부(160)가 단계 S130에서 수신한 실시간 기상정보 데이터를 단계 S110에서 생성한 기상정보 모델에 반영하여 기상정보를 추정한다. 즉, 단계 S140에서, 추정부(160)는 상기 제1 태양광 발전소로부터 일정 거리 이내에 위치하는 인접 종관기상관측장비들 각각으로부터 수신한 실시간 기상정보 데이터를 상기 생성된 기상정보 모델에 반영하여 상기 제1 태양광 발전소의 기상정보를 추정한다.In step S140, the
단계 S140에서, 상기 제1 태양광 발전소의 기상정보를 추정하기 위한 보다 구체적인 처리 과정은 도 1 및 도 4를 참조한 추정부(160)의 설명에 언급한 바와 같다.In step S140, a more specific processing process for estimating the weather information of the first solar power plant is as described in the description of the
단계 S150 및 단계 S160에서는, 업데이트부(170)가 미리 설정된 기상정보모델 업데이트 주기마다 기상정보 모델을 업데이트한다. 즉, 단계 S150 및 단계 S160에서, 업데이트부(170)는 단계 S140에서 추정된 기상정보를 모니터링하고, 미리 설정된 기상정보 모델 업데이트 주기마다 상기 기상정보 모델을 업데이트한다. In steps S150 and S160, the
이상에서는 본 발명의 실시 예를 설명하였으나, 본 발명의 권리범위는 이에 한정되지 아니하며 본 발명이 실시 예로부터 본 발명이 속하는 기술 분야에서 통상의지식을 가진 자에 의해 용이하게 변경되어 균등한 것으로 인정되는 범위의 모든 변경 및 수정을 포함한다.In the above, embodiments of the present invention have been described, but the scope of the present invention is not limited thereto, and the present invention is easily changed from the embodiments by those of ordinary skill in the art to which the present invention belongs and recognized as equivalent. including all changes and modifications to the scope of
100: 기상정보 추정 장치 110: 위치정보 저장부
120: 기상정보모델 저장부 130: 수신부
140: 제어부 150: 학습부
151: 선정모듈 152: 수집모듈
153: 보정모듈 154: 모델생성 모듈
160: 추정부 170: 업데이트부 100: weather information estimation device 110: location information storage unit
120: meteorological information model storage unit 130: receiving unit
140: control unit 150: learning unit
151: selection module 152: collection module
153: correction module 154: model generation module
160: estimation unit 170: update unit
Claims (12)
전국의 종관기상관측장비들 각각의 위치정보를 저장하는 위치정보 저장부;
상기 위치정보에 기초하여, 기상정보를 추정하고자 하는 임의의 제1 태양광 발전소를 중심으로 미리 설정된 거리 이내에 위치하는 종관기상관측장비들인 인접 종관기상관측장비들을 선정한 후, 상기 인접 종관기상관측장비들 각각의 기상정보 데이터를 학습하여 기상정보 모델을 생성하는 학습부;
상기 학습부에서 생성된 기상정보 모델을 저장하는 기상정보 모델 저장부;
상기 인접 종관기상관측장비들 각각으로부터 실시간 기상정보 데이터를 수신하는 수신부; 및
상기 수신부에서 수신한 실시간 기상정보 데이터를, 상기 학습부에서 생성된 기상정보 모델에 반영하여 상기 제1 태양광 발전소의 기상정보를 추정하는 기상정보 추정부를 포함하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 장치.In the weather information estimation apparatus of a solar power plant,
a location information storage unit for storing location information of each of the national synoptic meteorological observation equipment;
Based on the location information, after selecting the adjacent synoptic meteorological observation equipments located within a preset distance with respect to a predetermined first solar power plant for estimating the weather information, the adjacent synoptic meteorological observation equipments a learning unit for learning each weather information data to generate a weather information model;
a weather information model storage unit for storing the weather information model generated by the learning unit;
a receiver for receiving real-time weather information data from each of the adjacent synoptic meteorological observation devices; and
Weather of a solar power plant, characterized in that it includes a weather information estimator for estimating the weather information of the first solar power plant by reflecting the real-time weather information data received by the receiver to the weather information model generated by the learning unit information estimating device.
상기 기상정보 추정부에서 추정된 기상정보를 모니터링하고, 미리 설정된 기상정보 모델 업데이트 주기마다 상기 수신부에서 수신한 실시간 기상정보 데이터를 반영하여 상기 기상정보 모델을 업데이트하는 업데이트부를 더 포함하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 장치.According to claim 1,
and an update unit configured to monitor the weather information estimated by the weather information estimation unit and update the weather information model by reflecting the real-time weather information data received from the receiving unit at each preset weather information model update cycle. Weather information estimation device of solar power plant.
상기 임의의 제1 태양광 발전소를 중심으로 상기 인접 종관기상관측장비들을 선정하는 선정모듈;
상기 인접 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집하는 수집모듈;
상기 인접 종관기상관측장비들 간의 거리정보를 반영하여 상기 수집된 기상정보 데이터를 보정하는 보정모듈; 및
상기 보정된 기상정보 데이터들을 학습하여 기상정보 모델을 생성하는 모델생성 모듈을 포함하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 장치.According to claim 1, wherein the learning unit
a selection module for selecting the adjacent synoptic meteorological observation equipment around the arbitrary first solar power plant;
a collecting module for collecting meteorological information data from each of the adjacent synoptic meteorological observation devices;
a correction module for correcting the collected weather information data by reflecting distance information between the adjacent synoptic meteorological observation equipment; and
and a model generation module for generating a weather information model by learning the corrected weather information data.
상기 선정된 종관기상관측장비들 각각의 위경도 및 고도를 포함하는 위치정보를 더 반영하여 상기 수집된 기상정보 데이터를 보정하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 장치.The method of claim 3, wherein the correction module is
Meteorological information estimation apparatus of a solar power plant, characterized in that for correcting the collected weather information data by further reflecting location information including latitude, longitude and altitude of each of the selected synoptic meteorological observation equipment.
상기 선정된 종관기상관측장비들 중 임의의 하나인 제1 종관기상관측장비와 나머지 종관기상관측장비들 간의 거리정보를 반영하여, 상기 나머지 종관기상관측장비들 각각의 기상정보 데이터를 보정하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 장치.The method of claim 3, wherein the correction module is
By reflecting the distance information between the first synoptic meteorological observation equipment, which is any one of the selected synoptic meteorological observation equipment, and the remaining synoptic meteorological observation equipment, the weather information data of each of the remaining synoptic meteorological observation equipment is corrected A device for estimating weather information of a solar power plant.
상기 제1 종관기상관측장비에서 측정한 기상정보 데이터를 기준값으로 하고 나머지 종관기상관측장비들 각각에서 측정된 기상정보 데이터들을 학습에 사용하되,
상기 기준값과 학습결과의 오차가 미리 설정된 오차범위 이내가 되도록 하는 기상정보 모델을 생성하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 장치.The method of claim 5, wherein the model generation module
Using the weather information data measured by the first synoptic meteorological observation device as a reference value, and using the weather information data measured by each of the remaining synoptic meteorological observation devices for learning,
Meteorological information estimation apparatus for a solar power plant, characterized in that generating a weather information model such that an error between the reference value and the learning result is within a preset error range.
상기 제1 태양광 발전소를 중심으로 미리 설정된 일정 거리 이내에 위치하는 적어도 2개의 종관기상관측장비들인 인접 종관기상관측장비들 각각의 기상정보 데이터를 학습하여 상기 임의의 제1 태양광 발전소의 기상정보를 추정하기 위한 기상정보 모델을 생성하는 학습 단계;
상기 학습단계에서 생성된 기상정보 모델들을 저장하는 저장단계;
기상정보를 추정하고자 하는 임의의 제1 태양광 발전소로부터 일정 거리 이내에 위치하는, 인접 종관기상관측장비들 각각으로부터 실시간 기상정보 데이터를 수신하는 기상정보 데이터 수신단계; 및
상기 기상정보 데이터 수신단계에서 수신한 실시간 기상정보 데이터를, 상기 학습단계에서 생성된 기상정보 모델에 반영하여 상기 임의의 제1 태양광 발전소의 기상정보를 추정하는 기상정보 추정단계를 포함하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 방법.The location information of each of the national synoptic meteorological observation equipment and the meteorological information data of adjacent synoptic meteorological observation equipment, which are located within a preset distance centered on any first solar power plant for estimating the weather information A method for estimating weather information of a solar power plant using a weather information estimation device of a solar power plant that learns and stores a weather information model based on the method comprising:
By learning the meteorological information data of each of the adjacent synoptic meteorological observation equipment, which are at least two synoptic meteorological observation equipment located within a predetermined distance centered on the first solar power plant, the weather information of the arbitrary first solar power plant a learning step of generating a weather information model for estimating;
a storage step of storing the weather information models generated in the learning step;
A meteorological information data receiving step of receiving real-time weather information data from each of the adjacent synoptic weather observation equipment, located within a predetermined distance from any first solar power plant for estimating weather information; and
and a meteorological information estimation step of estimating the weather information of the first solar power plant by reflecting the real-time weather information data received in the weather information data receiving step to the weather information model generated in the learning step. A method of estimating weather information of a solar power plant.
상기 기상정보 추정단계에서 추정된 기상정보를 모니터링하고, 미리 설정된 기상정보 모델 업데이트 주기마다 상기 기상정보 데이터 수신단계에서 수신한 실시간 기상정보 데이터를 반영하여 상기 기상정보 모델을 업데이트하는 업데이트 단계를 더 포함하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 방법.8. The method of claim 7,
The method further includes an update step of monitoring the weather information estimated in the weather information estimation step, and updating the weather information model by reflecting the real-time weather information data received in the weather information data receiving step at each preset weather information model update cycle. Weather information estimation method of a solar power plant, characterized in that.
상기 임의의 제1 태양광 발전소를 중심으로 상기 인접 종관기상관측장비들을 선정하는 선정단계;
상기 인접 종관기상관측장비들 각각으로부터 기상정보 데이터를 수집하는 데이터 수집단계;
상기 인접 종관기상관측장비들 간의 거리정보를 반영하여 상기 수집된 기상정보 데이터를 보정하는 보정단계; 및
상기 보정된 기상정보 데이터들을 학습하여 기상정보 모델을 생성하는 모델생성단계를 포함하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 방법.The method of claim 7, wherein the learning step
a selection step of selecting the adjacent synoptic meteorological observation equipment around the arbitrary first solar power plant;
a data collection step of collecting weather information data from each of the adjacent synoptic meteorological observation equipment;
a correction step of correcting the collected weather information data by reflecting distance information between the adjacent synoptic meteorological observation equipment; and
and a model generation step of generating a weather information model by learning the corrected weather information data.
상기 선정된 종관기상관측장비들 각각의 위경도 및 고도를 포함하는 위치정보를 더 반영하여 상기 수집된 기상정보 데이터를 보정하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 방법.The method of claim 9, wherein the correcting step
Method for estimating weather information of a solar power plant, characterized in that the collected weather information data is corrected by further reflecting location information including latitude, longitude and altitude of each of the selected synoptic weather observation equipment.
상기 선정된 종관기상관측장비들 중 임의의 하나인 제1 종관기상관측장비와 나머지 종관기상관측장비들 간의 거리정보를 반영하여, 상기 나머지 종관기상관측장비들 각각의 기상정보 데이터를 보정하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 방법.The method of claim 9, wherein the correcting step
By reflecting the distance information between the first synoptic meteorological observation equipment, which is any one of the selected synoptic meteorological observation equipment, and the remaining synoptic meteorological observation equipment, the weather information data of each of the remaining synoptic meteorological observation equipment is corrected A method of estimating weather information of a solar power plant.
상기 제1 종관기상관측장비에서 측정한 기상정보 데이터를 기준값으로 하고 나머지 종관기상관측장비들 각각에서 측정된 기상정보 데이터들을 학습에 사용하되,
상기 기준값과 학습결과의 오차가 미리 설정된 오차범위 이내가 되도록 하는 기상정보 모델을 생성하는 것을 특징으로 하는 태양광 발전소의 기상정보 추정 방법.12. The method of claim 11, wherein the model generation step
Using the weather information data measured by the first synoptic meteorological observation device as a reference value, and using the weather information data measured by each of the remaining synoptic meteorological observation devices for learning,
Meteorological information estimation method of a solar power plant, characterized in that generating a weather information model such that the error between the reference value and the learning result is within a preset error range.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200180208A KR102461156B1 (en) | 2020-12-21 | 2020-12-21 | Apparatus and method for estimating meteorological information of solar power plant |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200180208A KR102461156B1 (en) | 2020-12-21 | 2020-12-21 | Apparatus and method for estimating meteorological information of solar power plant |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220089508A true KR20220089508A (en) | 2022-06-28 |
KR102461156B1 KR102461156B1 (en) | 2022-10-28 |
Family
ID=82268202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200180208A KR102461156B1 (en) | 2020-12-21 | 2020-12-21 | Apparatus and method for estimating meteorological information of solar power plant |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102461156B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118687265A (en) * | 2024-07-16 | 2024-09-24 | 汉坛(北京)科技有限公司 | Monitoring system and method for reflecting mirror of solar photo-thermal system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101541488B1 (en) * | 2013-12-31 | 2015-08-03 | 목포대학교산학협력단 | Efficiency analysis system for solar photovoltaic power facilities |
KR101808047B1 (en) * | 2016-08-05 | 2017-12-14 | 주식회사 해줌 | Method and server for forecasting generation of a power plant using solar energy |
KR20190123040A (en) * | 2018-04-23 | 2019-10-31 | 한국전자통신연구원 | Solar power generation prediction model management APPARATUS AND METHOD for setting the renewal cycle of the deep run-based solar power generation prediction model |
KR20200012228A (en) | 2018-07-26 | 2020-02-05 | (주)에코브레인 | A Forecasting System and Method of Sunlight Generation Using Weather Prediction and Farm Environment |
-
2020
- 2020-12-21 KR KR1020200180208A patent/KR102461156B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101541488B1 (en) * | 2013-12-31 | 2015-08-03 | 목포대학교산학협력단 | Efficiency analysis system for solar photovoltaic power facilities |
KR101808047B1 (en) * | 2016-08-05 | 2017-12-14 | 주식회사 해줌 | Method and server for forecasting generation of a power plant using solar energy |
KR20190123040A (en) * | 2018-04-23 | 2019-10-31 | 한국전자통신연구원 | Solar power generation prediction model management APPARATUS AND METHOD for setting the renewal cycle of the deep run-based solar power generation prediction model |
KR20200012228A (en) | 2018-07-26 | 2020-02-05 | (주)에코브레인 | A Forecasting System and Method of Sunlight Generation Using Weather Prediction and Farm Environment |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118687265A (en) * | 2024-07-16 | 2024-09-24 | 汉坛(北京)科技有限公司 | Monitoring system and method for reflecting mirror of solar photo-thermal system |
Also Published As
Publication number | Publication date |
---|---|
KR102461156B1 (en) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102076426B1 (en) | System for managing detailed weather prediction information in real time and method to use for impact forecasting of heat-wave and tropical night using the system | |
Bartók et al. | A climate projection dataset tailored for the European energy sector | |
US20170228743A1 (en) | Crop forecasting with incremental feature selection and spectrum constrained scenario generation | |
JP5886407B1 (en) | Prediction device | |
Gleason et al. | Obtaining weather data for input to crop disease-warning systems: leaf wetness duration as a case study | |
KR102396290B1 (en) | Method for providing ultra low altitude wind prediction information | |
TWI642019B (en) | Method for assessing efficiency of power generation system | |
KR102283487B1 (en) | A Forecasting System of Photovoltaic Generation Based on Machine-learning Using Realtime Satellite Data and Numerical Modeling Data | |
JP7008969B2 (en) | Wind power generation prediction system, wind power generation prediction program, and wind power generation prediction method | |
US20220043180A1 (en) | Method and system of real-time simulation and forecasting in a fully-integrated hydrologic environment | |
US20230139920A1 (en) | Method for estimating precipitation distribution for a geographical region | |
KR102002548B1 (en) | Farming type photovoltaic generation forecasting system and method for forecasting power generation amount and profitability using thereof | |
GB2603383A (en) | A decision support system and method for agriculture | |
KR102461156B1 (en) | Apparatus and method for estimating meteorological information of solar power plant | |
KR101336551B1 (en) | Climate property modification prediction system and method in accordance with reservoirs construction | |
KR101870743B1 (en) | Tidal flat experience index forecasting apparatus and the method thereof | |
KR20180134108A (en) | System and method for data based immediate climate prediction | |
Rincón et al. | Assessment of short-term irradiance forecasting based on post-processing tools applied on WRF meteorological simulations | |
JP7528021B2 (en) | Field Management System | |
CN113988349B (en) | Numerical mode prediction product objective release method based on space-time local model | |
EP3885860B1 (en) | Method, computer-implemented tool and power plant control device for detecting power production degradation of solar power plants | |
EP3271875A1 (en) | System and method for predicting solar power generation | |
Ciabattoni et al. | Solar irradiation forecasting for pv systems by fully tuned minimal rbf neural networks | |
Karamouz et al. | A platform for soil moisture estimation using satellite data: station screening | |
JP7528020B2 (en) | Field Management System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |