KR20230099400A - A photovoltaic monitoring system based on machine learning for classification of power output lowering case, and method thereof - Google Patents
A photovoltaic monitoring system based on machine learning for classification of power output lowering case, and method thereof Download PDFInfo
- Publication number
- KR20230099400A KR20230099400A KR1020210188709A KR20210188709A KR20230099400A KR 20230099400 A KR20230099400 A KR 20230099400A KR 1020210188709 A KR1020210188709 A KR 1020210188709A KR 20210188709 A KR20210188709 A KR 20210188709A KR 20230099400 A KR20230099400 A KR 20230099400A
- Authority
- KR
- South Korea
- Prior art keywords
- event
- solar cell
- power
- cell module
- solar
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000010801 machine learning Methods 0.000 title description 4
- 230000009467 reduction Effects 0.000 claims abstract description 88
- 230000008859 change Effects 0.000 claims abstract description 52
- 238000012423 maintenance Methods 0.000 claims abstract description 40
- 238000010248 power generation Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 7
- 230000003252 repetitive effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 7
- 239000000428 dust Substances 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000004140 cleaning Methods 0.000 description 5
- 230000028327 secretion Effects 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
- H01L31/02—Details
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
- H01L31/02—Details
- H01L31/02016—Circuit arrangements of general character for the devices
- H01L31/02019—Circuit arrangements of general character for the devices for devices characterised by at least one potential jump barrier or surface barrier
- H01L31/02021—Circuit arrangements of general character for the devices for devices characterised by at least one potential jump barrier or surface barrier for solar cells
-
- 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
- Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Power Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Photovoltaic Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명은 태양광 발전 모니터링 시스템 및 방법에 관한 것으로, 본 발명에 따른 태양광 발전 모니터링 시스템은, 다수의 태양전지 모듈을 포함하는 태양광 발전 시스템을 모니터링하는 모니터링 시스템에 있어서, 상기 태양전지 모듈의 전력 데이터를 기초로 전력 저하 이벤트의 발생 및 분석이 필요한 태양전지 모듈을 검출하는 이벤트 검출부; 검출된 상기 태양전지 모듈의 전력 크기, 시간에 따른 태양전지 모듈별 전력 변화, 상기 이벤트의 지속 시간, 및 상기 이벤트가 발생된 공간 범위를 기초로 상기 이벤트를 분류하는 이벤트 분류부; 및 분류된 상기 이벤트의 종류와 발생 위치를 포함하는 이벤트 정보를 생성하는 정보생성부를 포함하는 것을 특징으로 한다.
이를 통하여, 태양광 발전소에 전력 저하 상황이 발생된 경우 해당 상황이 실질적으로 유지관리 조치가 필요한 상황인지 여부 및 해당 상황을 해결하는데 구체적으로 필요한 조치 등을 파악할 수 있어, 불필요한 인력 및 비용이 낭비되는 것을 효과적으로 방지할 수 있다. The present invention relates to a solar power generation monitoring system and method, and the solar power generation monitoring system according to the present invention is a monitoring system for monitoring a solar power generation system including a plurality of solar cell modules, wherein the solar cell module an event detection unit configured to detect a solar cell module that needs to generate and analyze a power reduction event based on power data; an event classification unit that classifies the event based on the detected power level of the solar cell module, a change in power for each solar cell module over time, a duration of the event, and a spatial range in which the event occurred; and an information generating unit generating event information including the type and location of the classified event.
Through this, when a power reduction situation occurs in a solar power plant, it is possible to determine whether or not the situation actually requires maintenance measures and the specific measures necessary to solve the situation, thereby reducing unnecessary manpower and cost. can be effectively prevented.
Description
본 발명은 태양광 발전 모니터링 시스템 및 방법에 관한 것으로, 더욱 상세하게는, 태양광 발전 시스템을 모니터링하여 유지보수 필요성을 판단하는 하는 태양광 발전 모니터링 시스템 및 그 방법에 관한 것이다. The present invention relates to a solar power generation monitoring system and method, and more particularly, to a solar power generation monitoring system and method for determining the need for maintenance by monitoring the solar power generation system.
전 세계적으로 환경오염 및 자원고갈 문제로 인하여 신재생 에너지의 비중이 확대되고 있는 가운데, 신재생 에너지원의 하나인 태양광 발전도 지속적으로 그 수요가 늘고 있다. 태양광 발전 시스템은 건물의 옥상, 지붕에 설치되거나 건물 일체형(Building Integrated Photovoltaic System, BIPV)으로 설치될 수 있다.While the proportion of renewable energy is increasing worldwide due to environmental pollution and resource depletion, demand for solar power generation, which is one of the renewable energy sources, is also continuously increasing. The photovoltaic power generation system may be installed on the roof of a building, or may be installed as a building integrated photovoltaic system (BIPV).
태양광 발전 시스템은 다수의 태양전지 모듈(Photovoltaic Module, PV 모듈)과 전력을 부하에 공급하기 위하여 직류전력을 교류전력으로 변환하기 위한 인버터 등을 포함하여 구성된다. 다수의 PV 모듈은 어레이 구조로서, PV 모듈이 직렬로 연결되어 스트링을 형성하고, 복수개의 스트링이 병렬로 연결되는 구조로 형성된다. A photovoltaic power generation system includes a plurality of photovoltaic modules (PV modules) and an inverter for converting DC power into AC power in order to supply power to a load. A plurality of PV modules have an array structure, in which PV modules are connected in series to form a string, and a plurality of strings are connected in parallel.
이와 같이 시스템을 구성하는 각 PV 모듈이나 인버터 등에 고장이 발생되면 발전소의 전체 발전량이 크게 저하되므로, 이상 여부의 모니터링을 통하여 고장원인을 신속하게 파악하는 것이 중요하다. In this way, when a failure occurs in each PV module or inverter constituting the system, the total power generation of the power plant is greatly reduced, so it is important to quickly identify the cause of the failure through monitoring for abnormalities.
태양광 발전량은 하루 중 시간대나 기상에 따른 일사량, 구름이나 나무 등 주변 요소들에 의한 음영, PV 모듈에 떨어진 낙엽, 먼지 등의 이물질에 의한 오염으로 인하여 시시각각 변화된다. 이에, 발전량이 저하되었을 때, 구체적인 저하 원인을 파악하여 그에 따라 대응 방안을 수립하는 것이 필요하다. 예컨대, 기상에 따른 일사량의 감소로 발전량이 감소된 경우 특별한 조치가 필요없지만, PV 모듈이나 인버터, 접속반 등에 문제가 발생된 경우 신속한 유지 보수가 필요하다.The amount of solar power generation changes every moment due to solar radiation according to the time of day or weather, shading by surrounding factors such as clouds or trees, and contamination by foreign substances such as fallen leaves and dust on the PV module. Therefore, when the amount of power generation decreases, it is necessary to determine the specific cause of the decrease and establish a countermeasure accordingly. For example, when power generation is reduced due to a decrease in insolation due to weather, no special measures are required, but prompt maintenance is required when a problem occurs in a PV module, an inverter, or a connection panel.
종래의 태양광 발전 모니터링 시스템에 의하면, 인버터의 전압/전류, PV 모듈별 전압/전류 등만 모니터링하고 있으며, 이를 통하여 발전량의 저하가 인지되면 현장에 인력이 직접 투입되어 시스템의 여러 위치에서 계측하고 각 구성들의 동작 상태를 직접 확인하는 방식으로 실질적인 고장 여부 및 위치를 파악하고 있다. 그러나 실제 현장에 인력이 투입되면 유지 보수가 실질적으로 불필요하거나 간단하게 해결될 수 있는 경우가 많아 인력이 낭비되고 있으며 구체적인 고장 위치 및 원인을 파악하는데 많은 시간과 비용이 소요되고 있는 실정이다. According to the conventional photovoltaic power generation monitoring system, only the voltage/current of the inverter and the voltage/current of each PV module are monitored. Through this, when a decrease in power generation is recognized, manpower is directly put into the field and measured at various locations in the system. By directly checking the operation status of each component, actual failures and locations are identified. However, when manpower is put into the actual field, there are many cases where maintenance is practically unnecessary or can be easily solved, so manpower is wasted, and it takes a lot of time and money to determine the location and cause of a specific failure.
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로서, 태양광 발전소의 발전량이 저하되는 상황이 발생되었을 때, 해당 상황이실질적인 유지관리가 필요한 상황인지 여부를 판단함으로써 불필요한 인력 투입 및 비용을 절감할 수 있는 태양광 발전 모니터링 시스템 및 그 방법을 제공하는데 목적이 있다. The present invention has been made to solve the problems of the prior art as described above, and when a situation in which the amount of power generated by a solar power plant is reduced occurs, unnecessary manpower is input by determining whether the situation requires actual maintenance. And it is an object to provide a photovoltaic power generation monitoring system and method capable of reducing costs.
상기한 목적은 본 발명의 일 양태에 따른 다수의 태양전지 모듈을 포함하는 태양광 발전 시스템을 모니터링하는 모니터링 시스템에 있어서, 상기 태양전지 모듈의 전력 데이터를 기초로 전력 저하 이벤트의 발생 및 분석이 필요한 태양전지 모듈을 검출하는 이벤트 검출부; 검출된 상기 태양전지 모듈의 전력 크기, 시간에 따른 태양전지 모듈별 전력 변화, 상기 이벤트의 지속 시간, 및 상기 이벤트가 발생된 공간 범위를 기초로 상기 이벤트를 분류하는 이벤트 분류부; 및 분류된 상기 이벤트의 종류와 발생 위치를 포함하는 이벤트 정보를 생성하는 정보생성부를 포함하는 것을 특징으로 하는 태양광 발전 모니터링 시스템에 의하여 달성될 수 있다. The above object is a monitoring system for monitoring a photovoltaic power generation system including a plurality of solar cell modules according to an aspect of the present invention, which requires generation and analysis of a power reduction event based on power data of the solar cell module. an event detector for detecting a solar cell module; an event classification unit that classifies the event based on the detected power level of the solar cell module, a change in power for each solar cell module over time, a duration of the event, and a spatial range in which the event occurred; And it can be achieved by a photovoltaic power generation monitoring system comprising an information generation unit for generating event information including the type and location of the classified event.
여기서, 상기 이벤트 검출부는, 단위시간에 따른 상기 태양전지 모듈의 전력변화율의 표준편차가 기준 값 이상인 경우에 상기 이벤트가 발생한 것으로 판단할 수 있다. Here, the event detection unit may determine that the event has occurred when a standard deviation of a power change rate of the solar cell module per unit time is greater than or equal to a reference value.
또한, 상기 이벤트 검출부는, 상기 이벤트가 발생된 시간에 상기 태양전지 모듈별 전력변화율의 표준 점수(Z score)의 절대값이 기준 값 이상인 상기 태양전지 모듈을 검출할 수 있다. Also, the event detection unit may detect the solar cell module having an absolute value of a standard score (Z score) of the power change rate for each solar cell module at the time when the event occurs, equal to or greater than a reference value.
한편, 상기 이벤트 분류부는, 전력 저하 이벤트가 발생한 비정상 태양전지 모듈들의 전력변화율, 상기 비정상 태양전지 모듈에서 전력 저하가 지속된 지속 시간, 소정 기간 동안 상기 비정상 태양전지 모듈에서 상기 전력 저하 이벤트가 발생된 반복 패턴, 및 상기 비정상 태양전지 모듈의 위치 범위에 관한 데이터를 학습 데이터로 적용하여 군집화(clustering)를 수행하도록 학습된 학습 모델을 기초로 상기 이벤트를 분류할 수 있다. Meanwhile, the event classification unit determines the power change rate of the abnormal solar cell modules in which the power reduction event occurred, the duration of the power reduction in the abnormal solar cell module, and the occurrence of the power reduction event in the abnormal solar cell module for a predetermined period. The event may be classified based on a learning model learned to perform clustering by applying a repetition pattern and data about the location range of the abnormal solar cell module as learning data.
이때, 상기 이벤트 분류부는, 상기 태양광 발전 시스템으로부터 수신한 데이터를 기초로 산출된 데이터를 상기 학습 모델에 입력하여 복수의 군집 중 상기 입력된 데이터가 속하는 군집을 식별하고, 식별된 상기 군집에 대응하는 이벤트의 종류에 따라 상기 이벤트를 분류할 수 있다. At this time, the event classification unit inputs the data calculated based on the data received from the photovoltaic system to the learning model, identifies a cluster to which the input data belongs among a plurality of clusters, and responds to the identified cluster. The event may be classified according to the type of the event.
한편, 상기 정보생성부는, 유지관리가 필요한 이벤트와 유지관리가 필요하지 않은 이벤트로 구분하여 상기 이벤트 정보를 생성할 수 있다. Meanwhile, the information generating unit may generate the event information by dividing the event into an event that requires maintenance and an event that does not require maintenance.
뿐만 아니라, 상기한 목적은, 본 발명의 또 다른 양태에 따른 다수의 태양전지 모듈을 포함하는 태양광 발전 시스템을 모니터링하는 방법에 있어서, 상기 태양전지 모듈의 전력 데이터를 기초로 전력 저하 이벤트의 발생 및 분석이 필요한 태양전지 모듈을 검출하는 단계; 검출된 상기 태양전지 모듈의 전력 크기, 시간에 따른 태양전지 모듈별 전력 변화, 상기 이벤트의 지속 시간, 및 상기 이벤트가 발생된 공간 범위를 기초로 상기 이벤트를 분류하는 단계; 및 분류된 상기 이벤트의 종류와 발생 위치를 포함하는 이벤트 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 태양광 발전 모니터링 방법에 의해서도 달성될 수 있다. In addition, the above object is a method for monitoring a photovoltaic power generation system including a plurality of solar cell modules according to another aspect of the present invention, generating a power reduction event based on power data of the solar cell module and detecting a solar cell module requiring analysis; Classifying the event based on the detected power level of the solar cell module, a power change for each solar cell module over time, a duration of the event, and a spatial range in which the event occurred; and generating event information including the type and location of the classified event.
한편, 본 발명은, 전술된 태양광 발전 모니터링 방법을 컴퓨터에서 실행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로도 구현될 수 있다. Meanwhile, the present invention may be implemented with a computer program stored in a computer-readable recording medium in order to execute the above-described photovoltaic power generation monitoring method on a computer.
이상에서 설명된 바와 같이, 본 발명에 따르면, 태양광 발전소에 전력 저하 상황이 발생된 경우 해당 상황이 실질적으로 유지관리 조치가 필요한 상황인지 여부를 정확하게 파악할 수 있어, 불필요한 인력 및 비용이 낭비되는 것을 효과적으로 방지할 수 있다. As described above, according to the present invention, when a power reduction situation occurs in a solar power plant, it is possible to accurately determine whether or not the corresponding situation actually requires maintenance measures, thereby preventing unnecessary waste of manpower and costs. can be effectively prevented.
도 1은 본 발명의 실시예에 따른 태양광 발전 모니터링 시스템의 구성을 나타낸 블록도;
도 2는 본 발명의 실시예에 따른 이벤트 검출부가 전력 저하 이벤트의 발생을 검출하는 예를 설명하기 위한 도면;
도 3은 본 발명의 실시예에 따른 이벤트 검출부가 분석이 필요한 태양전지 모듈을 검출하는 예를 설명하기 위한 도면;
도 4는 본 발명의 실시예에 따른 이벤트 군집화 학습 모델의 예를 설명하기 위한 도면;
도 5는 본 발명의 실시예에 따라 군집화된 이벤트 군집에 부여된 이벤트 카테고리의 예를 설명하기 위한 도면; 및
도 6은 본 발명의 실시예에 따른 태양광 발전 모니터링 방법을 나타낸 흐름도이다. 1 is a block diagram showing the configuration of a photovoltaic power generation monitoring system according to an embodiment of the present invention;
2 is a diagram for explaining an example in which an event detection unit detects the occurrence of a power reduction event according to an embodiment of the present invention;
3 is a view for explaining an example in which an event detection unit detects a solar cell module requiring analysis according to an embodiment of the present invention;
4 is a diagram for explaining an example of an event clustering learning model according to an embodiment of the present invention;
5 is a diagram for explaining an example of an event category assigned to a clustered event according to an embodiment of the present invention; and
6 is a flowchart illustrating a photovoltaic monitoring method according to an embodiment of the present invention.
이하, 도면을 참조하여 본 발명의 구체적인 실시예들에 대하여 설명하기로 한다. 다만 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.Hereinafter, specific embodiments of the present invention will be described with reference to the drawings. However, detailed descriptions of well-known functions or configurations that may obscure the subject matter of the present invention will be omitted in the following description and accompanying drawings. In addition, it should be noted that the same components are indicated by the same reference numerals throughout the drawings as much as possible.
본 발명에 따른 태양광 발전 모니터링 시스템은 태양광 발전소의 동작을 모니터링하여, 전력 저하 이벤트의 발생을 파악하고 해당 전력 저하 이벤트에 대하여 유지관리가 필요한지 여부를 결정한다.The photovoltaic power generation monitoring system according to the present invention monitors the operation of a photovoltaic power plant, determines the occurrence of a power reduction event, and determines whether maintenance is required for the corresponding power reduction event.
참고로, 태양광 발전소는 서로 직렬 및 병렬로 연결되는 복수의 태양전지 모듈(패널), 태양전지 모듈에 각각 연결되어 태양전지 모듈로부터 입력되는 전압을 승압 또는 강압하는 컨버터, 컨버터로부터 출력되는 직류 전압을 입력받아 교류로 변환하여 부하에 공급하는 인버터 등을 포함하여 구성된다. 위와 같은 태양광 발전소의 구성은 공지된 것이므로, 설명의 간략화를 위하여 구체적인 설명은 생략하기로 한다. For reference, a photovoltaic power plant includes a plurality of solar cell modules (panels) connected in series and parallel to each other, a converter connected to each of the solar cell modules to boost or step down the voltage input from the solar cell module, and a DC voltage output from the converter. It is configured to include an inverter that receives AC and converts it into alternating current and supplies it to the load. Since the configuration of the solar power plant as described above is well known, a detailed description thereof will be omitted for simplicity of description.
도 1은 본 발명의 실시예에 따른 태양광 발전 모니터링 시스템의 구성을 나타낸 블록도이다. 1 is a block diagram showing the configuration of a photovoltaic monitoring system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 실시예에 따른 태양광 발전 모니터링 시스템(100)은 통신부(10), 메모리(20), 및 프로세서(30)를 포함한다. Referring to FIG. 1 , a photovoltaic power
통신부(10)는 태양광 발전소의 운전을 모니터링하는데 필요한 각종 데이터를 수신한다. 통신부(10)는 각각의 태양전지 모듈의 전압, 전류 데이터, 태양전지 모듈별 온도 데이터, 일사량 데이터, 인버터의 전압, 전류 등 인버터 데이터 등을 수신할 수 있다. 데이터의 수신은 미리 결정된 시간 주기에 따라 이루어질 수 있다. 예컨대, 통신부(10)은 1분 마다 센싱 데이터를 수신할 수 있다. The
통신은 WI-FI, 이더넷(Ethernet), LTE, 5G 등 공지된 다양한 유무선 통신방식을 통하여 이루어질 수 있다. 또한, 데이터의 전송 및 수신시, 통신부(10)는 태양광 발전소에 마련된 센서들과 개별적으로 통신하여 직접 데이터를 수신할 수도 있으나, 태양광 발전소의 센서들과 통신부(10) 간의 통신을 중계하기 위하여 별도로 마련된 태양광 발전소의 중계장치를 통하여 통신이 이루어질 수도 있다. Communication may be performed through various known wired and wireless communication methods such as WI-FI, Ethernet, LTE, and 5G. In addition, when transmitting and receiving data, the
메모리(20)는 모니터링 대상이 되는 태양광 발전소 정보 및 후술되는 바와 같이 태양광 발전소에서 발생된 전력 저하 이벤트를 분석하기 위하여 기계학습된 학습모델 등을 저장한다. 메모리(20)는 태양광 발전소 정보로서, 태양광 발전소의 위치 정보, 태양광 발전소를 구성하는 다수의 태양전지 모듈을 식별하기 위한 아이디와 같은 모듈 식별정보, 각 태양전지 모듈의 위치정보 등을 저장할 수 있다. 또한, 메모리(20)는 통신부(10)를 통하여 소정 주기에 따라 수신되는 데이터를 저장하고, 이와 같이 누적된 히스토리를 통하여 프로세서(30)에서 시간에 따른 각 태양전지 모듈별 전력 변화 정도, 및 전력 변화 패턴을 파악하도록 할 수 있다. The
프로세서(30)는 통신부(10)를 통하여 수신된 센싱 데이터를 기초로 전력 저하 이벤트를 검출하고, 위 센싱 데이터를 기초로 산출된 데이터 값들을 미리 학습되어 메모리(20)에 저장된 학습모델에 입력하여 이벤트를 식별한다. The
도 1을 참조하면, 프로세서(30)는 이벤트 검출부(31), 이벤트 분류부(33), 및 정보생성부(35)를 포함한다.Referring to FIG. 1 , the
이벤트 검출부(31)는 태양전지 모듈의 전력 데이터를 기초로 전력 저하 이벤트의 발생 및 분석이 필요한 태양전지 모듈을 검출한다. 여기서, 전력 데이터는 통신부(10)를 통하여 수신된 태양전지 모듈의 전류와 전압 데이터를 기초로 산출된다. The
이벤트 검출부(31)는 단위시간에 따른 태양전지 모듈의 전력변화율의 표준편차가 미리 결정된 기준 값 이상인 경우에 전력 저하 이벤트가 발생한 것으로 판단할 수 있다. The
각 태양전지 모듈의 전력변화율은 이전 시점(t1)의 전력 대비 현재 시점(t2)의 전력이 변화된 정도로서, 다음의 수식을 통하여 산출될 수 있다.The power change rate of each solar cell module is a degree of change in the power at the current time point t2 compared to the power at the previous time point t1, and can be calculated through the following formula.
[수학식 1][Equation 1]
여기서, Pr(·)은 해당 시간동안의 태양전지 모듈의 전력변화율, P(·)는 해당 시점에서의 태양전지 모듈의 전력을 의미하는 것으로, 예컨대, Pr(t2)는 t2에서의 태양전지 모듈의 전력변화율, P(t1)는 t1에서의 태양전지 모듈의 전력을 의미한다. Here, Pr(·) is the power change rate of the solar cell module during the corresponding time, and P(·) means the power of the solar cell module at the corresponding time. For example, Pr(t 2 ) is the solar cell module power at t 2 The power change rate of the battery module, P(t 1 ) means the power of the solar cell module at t 1 .
한편, 태양전지 모듈의 전력변화율의 표준편차(σ)는 다음의 수식을 통하여 산출될 수 있다.Meanwhile, the standard deviation (σ) of the power change rate of the solar cell module can be calculated through the following formula.
[수학식 2][Equation 2]
여기서, N은 태양광 발전소의 태양전지 모듈의 개수, μ는 복수의 태양전지 모듈의 전력변화율의 평균, x는 각 태양전지 모듈의 전력변화율 값이다. Here, N is the number of solar cell modules in the photovoltaic power plant, μ is the average power change rate of a plurality of solar cell modules, and x is the power change rate value of each solar cell module.
도 2는 본 발명의 실시예에 따른 이벤트 검출부(31)가 전력 저하 이벤트의 발생을 검출하는 예를 설명하기 위한 참고도이다. 참고로, 도 2에서는 태양광 발전소에 6개의 태양전지 모듈(M-1, M-2, M-3, M-4, M-5, M-6)이 존재함을 가정한다. 2 is a reference diagram for explaining an example in which the
도 2의 (a)는 시간에 따른 각 태양전지 모듈(M-1~M-6)의 전력(발전량) 변화를 그래프로 나타낸 것으로, 오전 9시부터 오후 4시42분까지 분단위로 각 태양전지 모듈별 전력 값의 변화를 보여준다. Figure 2 (a) is a graph showing the change in power (generation amount) of each solar cell module (M-1 to M-6) over time, each solar cell in minutes from 9:00 am to 4:42 pm It shows the change of power value for each module.
도 2의 (b)는 오전 9시부터 오후 4시42분까지 각 태양전지 모듈(M-1~M-6)의 분단위 전력변화율을 나타내는 그래프이고, 도 2의 (c)는 오전 9시부터 오후 4시42분까지 복수의 태양전지 모듈(M-1~M-6)의 전력변화율의 분단위 표준편차를 나타낸 그래프이다. Figure 2 (b) is a graph showing the power change rate in minutes of each solar cell module (M-1 to M-6) from 9 am to 4:42 pm, Figure 2 (c) is 9 am It is a graph showing the standard deviation in minutes of the power change rate of a plurality of solar cell modules (M-1 to M-6) from 4:42 to 4:42 pm.
이벤트 검출부(31)는 도 2와 같이, 미리 결정된 시간 주기로 각 태양전지 모듈의 전력, 전력변화율, 및 전력변화율의 표준편차를 모니터링하면서, 도 2의 (c)에 표시된 바와 같이, 태양전지 모듈들의 전력변화율의 표준편차가 미리 결정된 기준값 이상으로 나타나면 해당 시점에 전력 저하 이벤트가 발생된 것으로 판단할 수 있다. As shown in FIG. 2, the
표준편차는 데이터가 평균을 중심으로 어떻게 분포되어 있는지를 나타내는 수치로서, 표준편차가 0에 가까우면 데이터의 값들이 평균 근처에 집중되어 있음을 의미하고, 표준편차가 클수록 값들이 널리 퍼져 있음을 의미한다. The standard deviation is a number that indicates how the data is distributed around the mean. A standard deviation close to 0 means that the values in the data are concentrated around the mean, and a larger standard deviation means that the values are more spread out. do.
태양전지 모듈들이 정상적으로 동작할 때, 모듈의 위치에 따라 모듈별 편차는 존재하지만 일사량 변화에 의한 모듈들의 전력변화는 태양전지 모듈들이 유사한 경향으로 나타나게 된다. 그러나, 특정 태양전지 모듈에 새 분비물이나, 낙엽 등이 떨어지는 경우에는 기후나 일사량 요인에 의하여 발생되는 전력 변화 양상과 비교할 때 특정 태양전지 모듈에서 특이적인 전력 변화가 발생되며, 상대적으로 국소적으로 전력변화가 발생된다. 이와 같이, 국소적으로 일부 태양전지 모듈에서 전력변화율이 크게 나타나는 경우에는, 태양전지 모듈들의 전력변화율에 대한 표준편차가 크게 나타나므로 전력변화율의 표준편차를 기초로 전력 저하 이벤트의 발생을 파악할 수 있다. When the solar cell modules operate normally, there are variations for each module depending on the position of the module, but the power change of the modules due to the change in solar radiation shows a similar tendency for the solar cell modules. However, when bird droppings or fallen leaves fall on a specific solar cell module, a specific power change occurs in the specific solar cell module compared to the power change pattern caused by climate or solar radiation factors, and power is relatively localized. change occurs As such, when the power change rate is locally large in some solar cell modules, the standard deviation of the power change rate of the solar cell modules is large, so the occurrence of a power reduction event can be identified based on the standard deviation of the power change rate. .
전력 저하 이벤트는 기후나 일사량 변화 등에 의하여 정상적인 동작 과정에서 나타나는 전력 저하 외에, 태양광 발전 시스템의 외부요인 또는 내부요인에 의하여 비정상적으로 전력 저하가 나타나는 이벤트이다. The power reduction event is an event in which power reduction occurs abnormally due to external factors or internal factors of the photovoltaic power generation system, in addition to power reduction occurring during normal operation due to changes in weather or solar radiation.
전력 저하 이벤트가 발생하는 상황의 예를 살펴보면, 태양전지 모듈에 떨어진 새 분비물, 낙엽, 태양전지 모듈에 누적된 먼지 등에 의한 태양전지 모듈의 오염, 태양광 발전 시스템의 주변 구조물, 예컨대, 나무, 건물, 전봇대 등에 의한 음영, 구름 이동에 따른 음영 등을 들 수 있다. 이 상황들은 태양광 발전 시스템의 외부 요인에 의하여 전력 저하 이벤트가 발생되는 경우로, 외부의 전력 저하 원인이 사라지면 전력 저하 상황이 해소될 수 있다. Looking at an example of a situation in which a power reduction event occurs, contamination of the solar cell module by bird droppings, fallen leaves, and dust accumulated on the solar cell module, and structures around the photovoltaic power generation system, such as trees and buildings, , shading by telephone poles, etc., and shading by cloud movement. These situations are cases in which a power reduction event occurs due to an external factor of the photovoltaic power generation system, and the power reduction situation can be resolved when the external cause of the power reduction disappears.
예를 들면, 주변 구조물의 그림자, 또는 구름 이동에 의하여 전력 저하 이벤트가 발생된 경우, 시간의 흐름에 따라 그림자 및 구름이 사라지면 특별한 조치를 취하지 않아도 전력 저하 상황이 해소될 수 있으며, 오염에 의한 전력 저하 이벤트는 오염 청소를 통하여 해소될 수 있다. 다만, 오염에 의하여 발생된 전력 저하 이벤트의 경우에도 바람이나 강우에 의하여 저절로 전력 저하 상황이 해소될 수도 있다. 오염 청소의 필요 여부는 태양광 발전소가 위치한 지역적 특성에 따라 달라질 수 있다. 예컨대, 제주도와 같이 바람이 많이 부는 지역의 경우 오염 청소를 하지 않아도 전력 저하 상황이 해소될 수 있으나, 상대적으로 내륙 지방은 오염 청소가 필요한 경우가 많다. For example, if a power reduction event occurs due to the shadow of a nearby structure or the movement of clouds, if the shadow and cloud disappear over time, the power reduction situation can be resolved without taking special measures, and the power loss caused by pollution Deterioration events can be eliminated through contaminant clean-up. However, even in the case of a power reduction event caused by pollution, the power reduction situation may be resolved spontaneously by wind or rain. The need for contamination cleaning may vary depending on the characteristics of the region where the solar power plant is located. For example, in a windy area such as Jeju Island, the power reduction situation may be resolved without cleaning the pollution, but in inland areas, there are many cases in which pollution cleaning is required.
한편, 태양전지 모듈의 내부 회로나 태양전지 셀 등의 고장으로 인하여 발생되는 전력 저하 이벤트, 태양전지 모듈의 노후화 등으로 태양전지 모듈의 성능저하에 따라 발생되는 전력 저하 이벤트 등도 있을 수 있다. 이 이벤트들은 태양광 발전 시스템의 내부 요소에 의한 것이다. 이 경우에는 전력 저하 상황이 자연스럽게 해소되기 어려우며, 수리, 태양전지 모듈의 교체 등의 별도의 유지관리 조치가 필요하다. Meanwhile, there may be a power reduction event that occurs due to a failure of an internal circuit or a solar cell of the solar cell module, or a power reduction event that occurs due to degradation of the solar cell module due to aging of the solar cell module. These events are caused by internal components of the solar power system. In this case, it is difficult to resolve the power reduction situation naturally, and separate maintenance measures such as repair and replacement of solar cell modules are required.
이벤트 검출부(31)는 전술된 바와 같이, 태양전지 모듈의 전력변화율의 표준편차를 기초로 전력 저하 이벤트가 발생한 것으로 판단되면, 이어서 분석이 필요한 태양전지 모듈을 검출한다. 여기서, 분석이 필요한 태양전지 모듈은 전력 저하 이벤트가 발생된 태양전지 모듈에 해당한다. 이벤트 검출부(31)는 전력 저하 이벤트가 발생된 해당 시간(시점)에 태양전지 모듈의 전력변화율의 표준 점수(Z score)를 기초로 분석이 필요한 태양전지 모듈을 검출할 수 있다. As described above, the
참고로, 표준 점수 Z는, 다음의 수식을 통하여 계산될 수 있다. For reference, the standard score Z can be calculated through the following formula.
[수학식 3][Equation 3]
X는 원수치로서 각 태양전지 모듈의 전력변화율이고, μ는 태양전지 모듈들의 전력변화율의 평균, σ는 태양전지 모듈들의 전력변화율의 표준편차를 의미한다. X is a raw value, which is the power change rate of each solar cell module, μ is the average of the power change rate of the solar cell modules, and σ means the standard deviation of the power change rate of the solar cell modules.
도 3은 본 발명의 실시예에 따른 이벤트 검출부(31)가 분석이 필요한 태양전지 모듈을 검출하는 예를 설명하기 위한 도면이다. 3 is a diagram for explaining an example in which the
Z 점수를 통하여 해당 태양전지 모듈의 전력변화율이 평균에서 얼마나 떨어져 있는지를 파악할 수 있다. 이때, Z 점수가 음수로 나타나면 평균 이하, 양수이면 평균 이상임을 의미한다. 이벤트 검출부(31)는 Z 점수의 절대값의 크기가 미리 결정된 기준 값 이상인 태양전지 모듈을 분석이 필요한 태양전지 모듈로 검출할 수 있다. Z 점수의 절대값이 크게 나타나면 다른 태양전지 모듈들에 비하여 전력변화율이 크게 나타나는 것으로서 다른 태양전지 모듈들에 비하여 비정상적으로 더 큰 폭으로 전력이 감소하였거나 또는 이와 반대로 비정상적으로 더 큰 폭으로 전력이 증가하였음을 나타낸다. Through the Z score, it is possible to determine how far away the power change rate of the solar cell module is from the average. At this time, if the Z-score is negative, it means below the average, and if it is positive, it means above the average. The
도 3에서는 절대값의 기준값으로 1.5를 적용한다고 가정할 때, 이벤트 검출부(31)는 r1 및 r2 범위에 위치한 태양전지 모듈을 분석이 필요한 모듈로서 검출할 수 있다. In FIG. 3 , assuming that 1.5 is applied as a reference value of the absolute value, the
이벤트 분류부(33)는 이벤트 검출부(31)를 통하여 분석이 필요한 것으로 검출된 태양전지 모듈의 전력 크기, 시간에 따른 태양전지 모듈별 전력 변화, 이벤트의 지속 시간, 이벤트가 발생한 공간 범위 등을 기초로 전력 저하 이벤트를 분류한다. 이벤트가 발생한 공간 범위는, 특정 시점에 해당 전력 저하 이벤트가 발생된 태양전지 모듈들의 개수와 위치를 기초로 파악될 수 있다. The
이벤트 분류부(33)는 비정상 태양전지 모듈 데이터 셋을 학습 데이터로 적용하여 군집화(Clustering)를 하도록 기계학습을 수행하고, 이를 통해 생성된 학습 모델을 기초로 태양광 발전소에서 발생된 전력 저하 이벤트를 분류할 수 있다. 여기서, 비정상 태양전지 모듈이란, 전력 저하 이벤트가 발생한 태양전지 모듈을 의미한다. The
이벤트 분류부(33)가 기계 학습시 학습 데이터로서 활용하는 비정상 태양전지 모듈 데이터의 속성(feature)은, 예를 들면, 전력 저하 이벤트가 발생한 비정상 태양전지 모듈들의 전력 변화율, 비정상 태양전지 모듈의 전력 크기, 비정상 태양전지 모듈에서 전력 저하가 지속된 지속 시간, 소정 기간 동안 비정상 태양전지 모듈에서 전력 저하 이벤트가 발생된 반복 패턴, 해당 이벤트의 발생 시간, 전력 저하 이벤트가 발생된 태양전지 모듈의 위치 및 범위가 될 수 있다. The features of the abnormal solar cell module data that the
이하에서는 위 데이터 속성들과 전력 저하 이벤트의 관계를 설명하기로 한다.Hereinafter, a relationship between the above data attributes and a power reduction event will be described.
먼저, 전력변화율과 전력 크기에 관하여 살펴보면, 예를 들면, 태양전지 모듈에 새 분비물이 떨어졌을 때에는 순간적으로 전력이 감소되어 전력변화율(전력감소율)이 크게 나타나고, 그 이후 새 분비물이 사라지지 않는 이상 저하된 상태가 계속 유지된다. 반면에, 태양전지 모듈에 먼지가 쌓이는 케이스를 살펴보면 먼지는 조금씩 누적되므로 전력변화율이 한번에 크게 나타나지 않고 먼지의 양에 따라 전력이 조금씩 감소되는 양상을 보인다. 이처럼, 전력 저하 이벤트의 발생 원인에 따라 전력변화율 및 전력 크기가 다른 패턴을 보이게 된다.First, looking at the power change rate and power size, for example, when new secretions fall on the solar cell module, the power is instantly reduced and the power change rate (power reduction rate) appears large, and then decreases unless the new secretions disappear. status quo is maintained On the other hand, if you look at the case where dust accumulates on the solar cell module, the dust accumulates little by little, so the power change rate does not appear large at once, but the power decreases little by little according to the amount of dust. As such, the power change rate and the power size show different patterns according to the cause of the power reduction event.
이어서, 전력 저하 이벤트의 지속 시간에 관하여 살펴보면, 전술된 새 분비물, 먼지 등에 의하여 태양전지 모듈에 전력 저하 이벤트가 발생된 경우에는, 위 오염물을 청소하거나 바람, 강우 등에 의하여 오염물이 사라지기 전까지 전력(발전) 저하 상태가 계속 이어진다. 반면에, 구름 이동에 따른 음영에 의한 전력 저하 이벤트의 경우에는 구름의 위치가 이동되어 음영이 사라진 경우 전력 저하 상황도 종료되어 발전량이 다시 증가된다. 이처럼, 전력 저하 이벤트의 발생 원인에 따라 전력 저하 이벤트의 지속 시간이 서로 다른 패턴을 보이게 된다. Subsequently, looking at the duration of the power reduction event, when the power reduction event occurs in the solar cell module due to the aforementioned bird secretion, dust, etc., the power ( development) continues to decline. On the other hand, in the case of a power reduction event due to shadow caused by cloud movement, when the shadow disappears due to the movement of the cloud, the power reduction situation is also ended and the amount of power generation is increased again. As such, depending on the cause of the power reduction event, the duration of the power reduction event shows a different pattern.
또한, 소정 기간 동안 비정상 태양전지 모듈에서 전력 저하 이벤트가 발생된 반복 패턴 및 발생 시간에 관하여 살펴보면, 예컨대, 새 분비물에 의한 전력 저하 이벤트의 경우에는 특별히 반복되는 양상을 보이지 않지만, 태양광 발전 시스템의 주변 구조물에 의한 음영으로 전력 저하 이벤트가 발생되는 케이스에서는, 하루 중 태양의 위치에 따라 그림자 방향이나 길이가 달라지기 때문에 하루 중 거의 일정한 시간대에 해당 전력 저하 이벤트가 반복된다. 이처럼, 전력 저하 이벤트에 따라 해당 전력 저하 이벤트의 반복 여부 및 반복 주기가 서로 다른 양상을 보이게 된다. 참고로, 반복 패턴, 예컨대, 이벤트 반복 여부, 반복 주기, 반복발생 시간 등은 메모리(20)에 저장된 센상 데이터 히스토리를 기초로 파악할 수 있다. In addition, looking at the repetitive pattern and occurrence time of the power reduction event in the abnormal solar cell module for a predetermined period of time, for example, in the case of a power reduction event caused by bird excreta, it does not show a particularly repeated pattern, but the solar power generation system In the case where a power reduction event occurs due to shadowing by surrounding structures, the power reduction event is repeated at almost constant times during the day because the direction or length of the shadow changes according to the position of the sun during the day. As such, depending on the power reduction event, whether or not the corresponding power reduction event is repeated and the repetition period are different. For reference, a repetition pattern, eg, whether an event is repeated, a repetition period, a repetition occurrence time, etc., can be determined based on a history of sense data stored in the
다음으로, 전력 저하 이벤트가 발생된 태양전지 모듈의 위치 범위에 관하여 살펴보면, 새 분비물에 의한 전력 저하 이벤트의 경우에는 이벤트가 발생된 모듈의 위치가 연속적이지 않고 산발적이며 국소적으로 나타나는 반면, 구름 이동이나 주변 구조물에 의한 음영으로 전력 저하 이벤트가 발생되는 경우에는 연속적이고 상대적으로 넓은 범위에 걸쳐서 나타난다. 이와 같이, 전력 저하 이벤트에 따라 이벤트 발생 모듈의 위치, 개수 및 공간 범위가 달리 나타난다. Next, looking at the location range of the solar cell module where the power reduction event occurred, in the case of the power reduction event caused by bird secretion, the location of the module where the event occurred was not continuous but sporadic and appeared locally, whereas the cloud movement However, when a power reduction event occurs due to shadowing by a surrounding structure, it appears continuously and over a relatively wide range. As such, the location, number, and spatial range of the event generating module appear differently according to the power reduction event.
도 4는 본 발명의 실시예에 따른 이벤트 군집화 학습 모델의 예를 설명하기 위한 도면이다. 참고로, 도 4에서는 시각적 표현의 편의상 데이터 속성의 일부로서 2개의 속성(feature1, feature2)에 대하여 군집화가 이루어진 것을 도시하지만, 실제로는 전술된 바와 같이 3개 이상의 데이터 속성을 포함할 수 있음은 물론이다. 4 is a diagram for explaining an example of an event clustering learning model according to an embodiment of the present invention. For reference, although FIG. 4 shows that two attributes (feature1, feature2) are clustered as part of the data attributes for convenience of visual representation, in reality, as described above, three or more data attributes may be included. am.
도 4를 참조하면, 기계학습된 이벤트 군집화 학습모델에 의하여 전력 저하 이벤트가 발생된 태양전지 모듈의 데이터를 군집화한 예로서, 도 4에서는 5개의 클러스터(C1~C5)로 분류된 것을 보여준다. 각각의 클러스터(C1~C5)는 서로 다른 전력 저하 이벤트 원인에 대응될 수 있다. Referring to FIG. 4 , as an example of clustering data of a solar cell module in which a power reduction event has occurred by a machine-learned event clustering learning model, FIG. 4 shows that the data are classified into five clusters (C1 to C5). Each of the clusters C1 to C5 may correspond to different power reduction event causes.
참고로, 도 4에서는 5개의 군집으로 군집화된 예를 보여주나, 데이터 학습 결과에 따라 군집 개수는 달라질 수 있음은 물론이다. 또한, 추가 학습 데이터 셋을 적용한 추가 학습을 통하여 학습 모델이 업데이트됨에 따라 군집 개수는 변경될 수도 있다. For reference, although FIG. 4 shows an example of clustering into five clusters, it goes without saying that the number of clusters may vary according to data learning results. Also, the number of clusters may be changed as the learning model is updated through additional learning using an additional training data set.
이벤트 분류부(33)는 공지된 다양한 군집 분석 알고리즘, 예컨대, k-means, ISODATA(Iterative Self-Organiziing Data Analysis Technique Algorithm), GMM(Gaussian Mixture Model) 군집화 알고리즘 등을 적용하여 학습을 수행할 수 있다. The
이벤트 분류부(33)는 통신부(10)를 통하여 수신된 데이터를 기초로 전력 저하 이벤트가 발생된 태양전지 모듈의 전력변화율, 전력 저하가 발생된 태양전지 모듈의 위치 범위 등에 관한 데이터 속성 값을 산출하고, 이 값들을 학습모델에 입력하여 입력된 해당 데이터가 속하는 군집을 식별한다. 이벤트 분류부(33)는 학습모델을 통하여 식별된 군집에 대응하는 이벤트의 종류에 따라 이벤트를 분류할 수 있다.The
이벤트 분류부(33)는 외부에 의한 유지관리 조치가 필요한 유지관리 필요 이벤트와 별도의 유지관리 조치가 필요하지 않은 이벤트로 전력 저하 이벤트를 분류할 수 있다. 여기서, 유지관리 필요 이벤트는 외부의 개입, 예컨대, 청소, 수리, 교체 등을 통해서만 발전 저하 상황이 해소될 수 있는 이벤트로서, 이는 발전 저하 상황이 자체적으로 해소되지 않거나, 일시적으로 발전 저하 상황이 해소되더라도 주기적으로 동일한 발전 저하 상황이 반복될 가능성이 높은 경우이다. 반면에, 유지관리가 불필요한 이벤트는 발전 저하 상황이 일정 기간 안에 자연적으로 해소되었거나, 해소될 것으로 예상되는 이벤트이다. The
이와 같이 유지관리 필요 이벤트와 유지관리 불필요 이벤트로 전력 저하 이벤트를 분류하기 위하여, 이벤트 분류부(33)는 이벤트 군집화 학습모델에 의하여 군집화된 각 군집에 대하여 미리 결정된 기준에 따라 이벤트 카테고리를 부여할 수 있으며, 또는 각 군집에 대하여 사용자에 의하여 미리 부여된 이벤트 카테고리 정보를 저장하고 이에 따라 부여할 수도 있다. In order to classify power reduction events into maintenance-required events and maintenance-free events, the
도 5는 본 발명의 실시예에 따라 군집화된 이벤트 군집에 부여된 이벤트 카테고리의 예를 설명하기 위한 도면이다.5 is a diagram for explaining an example of an event category assigned to a clustered event cluster according to an embodiment of the present invention.
도 5를 참조하면, 이벤트 분류부(33)는 학습 모델에 의하여 군집화된 제1 클러스터(C1) 내지 제5 클러스터(C5)에 미리 결정된 기준에 따라 이벤트 카테고리를 부여할 수 있다. 도 5에서는 제1 클러스터(C1), 제3 클러스터(C3), 제4 클러스터(C4)에는 제1 이벤트 카테고리(E1)가 부여되었고, 제2 클러스터(C2)와 제5 클러스터(C5)에는 제2 이벤트 카테고리(E2)가 부여된 것을 보여준다. 예컨대, 제1 이벤트 카테고리(E1)는 유지관리 조치가 필요한 유지관리 필요 이벤트이고, 제2 이벤트 카테고리(E2)는 별도의 유지관리 조치가 필요하지 않은 이벤트일 수 있다. Referring to FIG. 5 , the
한편, 도 5에서는 군집들에 2개의 이벤트 카테고리가 부여된 것을 예로 들었으나, 이벤트 카테고리의 개수는 달라질 수도 있다. 예컨대, 유지관리 조치가 필요한 이벤트 카테고리의 경우, 이를 유지관리 조치의 시급성에 따라 세분화할 수도 있다. 즉, 유지관리 조치가 신속하게 이루어져야 하는 이벤트와 유지관리 조치가 상대적으로 천천히 이루어져도 되는 이벤트로 세분화할 수 있을 것이다. 또는, 구체적으로 필요한 유지관리 조치, 예컨대, 청소, 고장수리, 교체와 같이 필요한 조치별로 이벤트를 세분화할 수도 있다. Meanwhile, although two event categories are assigned to clusters in FIG. 5 as an example, the number of event categories may be different. For example, in the case of an event category requiring maintenance action, it may be subdivided according to the urgency of the maintenance action. That is, it can be subdivided into events in which maintenance measures must be performed quickly and events in which maintenance measures must be performed relatively slowly. Alternatively, events may be subdivided by necessary maintenance actions, such as cleaning, troubleshooting, and replacement.
또한, 이벤트 카테고리는 태양광 발전소가 위치한 지역 등 발전소 고유 특징에 따라 서로 다르게 부여될 수 있다. 예컨대, 제1 클러스터(C1)에 대해서 'A' 지역 발전소에서는 유지관리가 필요한 이벤트 카테고리로서 분류되었으나, 'B' 지역 발전소에서는 유지관리가 불필요한 이벤트 카테고리로서 분류될 수 있다. In addition, event categories may be differently assigned according to unique characteristics of a power plant, such as a region where a solar power plant is located. For example, the first cluster C1 is classified as an event category requiring maintenance in the 'A' regional power plant, but may be classified as an event category requiring maintenance in the 'B' regional power plant.
전술된 바와 같이, 이벤트 분류부(33)는 전력 저하 이벤트가 발생되었을 때, 해당 태양광 발전소의 센싱 데이터를 기초로 산출된 데이터를 군집화 학습 모델에 입력하여 입력된 데이터가 포함되는 군집을 식별하고, 식별된 군집에 부여된 이벤트 카테고리(종류)를 기초로 이벤트를 분류할 수 있다.As described above, when a power reduction event occurs, the
정보생성부(35)는 태양광 발전소에서 발생된 전력 저하 이벤트에 관한 정보를 제공한다. 정보생성부(35)는 이벤트 정보로서, 전력 저하 이벤트의 발생 시간, 발생 위치, 즉, 전력 저하 이벤트가 발생된 태양전지 모듈의 위치, 개수, 및 발생 범위, 이벤트의 카테고리(종류) 등에 관한 정보를 제공할 수 있으며, 또한, 이벤트 종류에 따라 해당 이벤트에 대해서 유지관리 조치의 필요 여부, 만약 유지관리 조치가 필요하다면 구체적으로 어떠한 유지관리가 필요한지, 해당 유지관리에 소요되는 비용 정보, 유지관리 조치의 시급성 등에 관한 정보를 함께 제공할 수 있다. 이와 같은 정보를 생성하기 위하여, 정보생성부(35)는 메모리(20)에 저장된 각 전력 저하 이벤트 종류별 유지관리 조치 정보를 활용할 수 있다. The
정보생성부(35)를 통하여 생성된 이벤트 정보 및 유지관리 조치에 관한 정보는 태양광 발전소의 운영자 내지 관리자가 소지하거나 운용하는 사용자 단말기나 기타 장치에 전송되어 필요한 조치를 수행하도록 할 수 있다. Event information and information on maintenance measures generated through the
도 6은 본 발명의 실시예에 따른 태양광 발전 모니터링 방법을 나타낸 흐름도이다. 설명의 중복을 피하기 위하여, 위의 실시예를 통하여 설명된 내용은 생략하기로 한다.6 is a flowchart illustrating a photovoltaic monitoring method according to an embodiment of the present invention. In order to avoid duplication of description, the description through the above embodiment will be omitted.
도 6을 참조하면, 태양광 발전 모니터링 시스템(100)의 통신부(10)는 태양광 발전소로부터 각종 센싱 데이터를 수신한다(S10). 통신부(10)는 각각의 태양전지 모듈의 전압, 전류 데이터, 태양전지 모듈별 온도 데이터, 일사량 데이터, 인버터 데이터 등을 수신할 수 있으며, 데이터 수신은 미리 결정된 시간 주기로 이루어질 수 있다. Referring to FIG. 6 , the
프로세서(30)는 통신부(10)를 통하여 수신된 데이터를 기초로 전력 저하 이벤트의 발생을 검출한다(S20). 프로세서(30)는 수신한 데이터를 기초로 단위시간에 따른 태양전지 모듈들의 전력변화율의 표준편차를 산출하고, 위 표준편차가 미리 설정된 기준 값 이상인 경우에 전력 저하 이벤트가 발생된 것으로 판단할 수 있다. The
이어서, 프로세서(30)는 전력 저하 이벤트가 발생되어 분석이 필요한 태양전지 모듈을 검출한다(S30). 프로세서(30)는 전력 저하 이벤트의 발생 시간에 태양전지 모듈별 전력변화율의 Z 점수의 절대값이 기준 값 이상인 태양전지 모듈을 검출할 수 있다. Subsequently, the
프로세서(30)는 전력 저하 이벤트가 발생된 비정상 태양전지 모듈의 데이터를 이벤트 군집화 학습모델에 입력하여 전력 저하 이벤트의 종류를 분류한다(S40). 이벤트 군집화 학습모델은, 전력 저하 이벤트가 발생한 비정상 태양전지 모듈 데이터 셋을 학습 데이터로 적용하여 군집화를 하도록 기계학습된 학습 모델로서, 전력 저하 이벤트가 발생한 비정상 태양전지 모듈들의 전력 변화율, 비정상 태양전지 모듈의 전력 크기, 비정상 태양전지 모듈에서 전력 저하가 지속된 지속 시간, 소정 기간 동안 비정상 태양전지 모듈에서 전력 저하 이벤트가 발생된 반복 패턴, 해당 이벤트의 발생 시간, 전력 저하 이벤트가 발생된 태양전지 모듈의 위치 및 범위 등의 데이터 속성이 학습에 적용될 수 있다. The
프로세서(30)는 이벤트 군집화 학습모델을 통하여 해당 비정상 태양전지 모듈의 데이터가 속하는 군집을 식별하고, 식별된 군집에 대응하는 이벤트 종류에 따라 이벤트를 분류한다. 여기서, 이벤트의 종류는 크게 유지관리가 필요한 이벤트와 유지관리가 불필요한 이벤트로 구분될 수 있으며, 유지관리의 시급성 또는 필요한 구체적인 유지관리 조치 등에 따라 이보다 더 세분화될 수도 있음은 전술된 바와 같다. The
한편, 이벤트 종류는 군집마다 사용자에 의하여 미리 부여된 값일 수 있으며 또는 미리 결정된 기준에 따라 프로세서(30)가 군집마다 직접 부여할 수도 있다. Meanwhile, the event type may be a value previously assigned to each cluster by a user or may be directly assigned by the
프로세서(30)는 이와 같이 분류된 이벤트 종류, 이벤트 발생 위치, 모듈 개수, 범위 등에 관한 이벤트 정보를 제공하며, 이와 함께 유지관리가 필요한 이벤트인 경우 필요한 구체적인 조치 정보를 함께 제공할 수 있다(S50). The
이상에서 설명된 바와 같이, 본 발명에 따르면, 태양광 발전소에 전력 저하 상황이 발생된 경우 해당 상황이 실질적으로 유지관리 조치가 필요한 상황인지 또는 유지관리 조치가 불필요한 상황인지를 파악할 수 있어, 불필요한 인력 투입 및 비용이 낭비되는 것을 효과적으로 방지할 수 있다. As described above, according to the present invention, when a power reduction situation occurs in a photovoltaic power plant, it is possible to determine whether the situation actually requires maintenance measures or a situation where maintenance measures are unnecessary, so that unnecessary manpower is required. Waste of input and cost can be effectively prevented.
한편, 전술된 본 발명의 실시예에 따른 태양광 발전 시스템 모니터링 방법은, 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로도 구현될 수 있다. Meanwhile, the photovoltaic system monitoring method according to the embodiment of the present invention described above may be implemented as a computer program stored in a computer-readable recording medium.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체 등이 포함될 수 있다. In the above, even though all the components constituting the embodiment of the present invention have been described as being combined or operated as one, the present invention is not necessarily limited to these embodiments. That is, within the scope of the object of the present invention, all of the components may be selectively combined with one or more to operate. In addition, although all of the components may be implemented as a single independent piece of hardware, some or all of the components are selectively combined to perform some or all of the combined functions in one or a plurality of pieces of hardware. It may be implemented as a computer program having. Codes and code segments constituting the computer program can be easily inferred by a person skilled in the art. Such a computer program may implement an embodiment of the present invention by being stored in a computer readable storage medium, read and executed by a computer. A storage medium of a computer program may include a magnetic recording medium, an optical recording medium, and the like.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, terms such as "comprise", "comprise" or "having" described above mean that the corresponding component may be present unless otherwise stated, and thus exclude other components. It should be construed as being able to further include other components. All terms, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the art to which the present invention belongs, unless defined otherwise. Commonly used terms, such as terms defined in a dictionary, should be interpreted as being consistent with the contextual meaning of the related art, and unless explicitly defined in the present invention, they are not interpreted in an ideal or excessively formal meaning.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an example of the technical idea of the present invention, and various modifications and variations can be made to those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain, and the scope of the technical idea of the present invention is not limited by these embodiments. The protection scope of the present invention should be construed according to the claims below, and all technical ideas within the equivalent range should be construed as being included in the scope of the present invention.
100: 태양광 발전 모니터링 시스템 10: 통신부
20: 메모리 30: 프로세서
31: 이벤트 검출부 33: 이벤트 분류부
35: 정보생성부 100: solar power monitoring system 10: communication department
20: memory 30: processor
31: event detection unit 33: event classification unit
35: information generating unit
Claims (8)
상기 태양전지 모듈의 전력 데이터를 기초로 전력 저하 이벤트의 발생 및 분석이 필요한 태양전지 모듈을 검출하는 이벤트 검출부;
검출된 상기 태양전지 모듈의 전력 크기, 시간에 따른 태양전지 모듈별 전력 변화, 상기 이벤트의 지속 시간, 및 상기 이벤트가 발생된 공간 범위를 기초로 상기 이벤트를 분류하는 이벤트 분류부; 및
분류된 상기 이벤트의 종류와 발생 위치를 포함하는 이벤트 정보를 생성하는 정보생성부를 포함하는 것을 특징으로 하는 태양광 발전 모니터링 시스템.
In the monitoring system for monitoring a photovoltaic power generation system including a plurality of solar cell modules,
an event detection unit configured to detect a solar cell module that needs to generate and analyze a power reduction event based on the power data of the solar cell module;
an event classification unit that classifies the event based on the detected power level of the solar cell module, a change in power for each solar cell module over time, a duration of the event, and a spatial range in which the event occurred; and
The photovoltaic power generation monitoring system comprising an information generating unit generating event information including the type and occurrence location of the classified event.
상기 이벤트 검출부는,
단위시간에 따른 상기 태양전지 모듈의 전력변화율의 표준편차가 기준 값 이상인 경우에 상기 이벤트가 발생한 것으로 판단하는 것을 특징으로 하는 태양광 발전 모니터링 시스템.
According to claim 1,
The event detection unit,
The solar power generation monitoring system, characterized in that it is determined that the event has occurred when the standard deviation of the power change rate of the solar cell module according to unit time is greater than a reference value.
상기 이벤트 검출부는,
상기 이벤트가 발생된 시간에 상기 태양전지 모듈별 전력변화율의 표준 점수(Z score)의 절대값이 기준 값 이상인 상기 태양전지 모듈을 검출하는 것을 특징으로 하는 태양광 발전 모니터링 시스템.
According to claim 1,
The event detection unit,
The solar power generation monitoring system, characterized in that for detecting the solar cell module whose absolute value of the standard score (Z score) of the power change rate for each solar cell module is greater than or equal to a reference value at the time when the event occurs.
상기 이벤트 분류부는,
전력 저하 이벤트가 발생한 비정상 태양전지 모듈들의 전력변화율, 상기 비정상 태양전지 모듈에서 전력 저하가 지속된 지속 시간, 소정 기간 동안 상기 비정상 태양전지 모듈에서 상기 전력 저하 이벤트가 발생된 반복 패턴, 및 상기 비정상 태양전지 모듈의 위치 범위에 관한 데이터를 학습 데이터로 적용하여 군집화(clustering)를 수행하도록 학습된 학습 모델을 기초로 상기 이벤트를 분류하는 것을 특징으로 하는 태양광 발전 모니터링 시스템.
According to claim 1,
The event classification unit,
The power change rate of the abnormal solar cell modules in which the power reduction event occurred, the duration of the power reduction in the abnormal solar cell module, the repetitive pattern in which the power reduction event occurred in the abnormal solar cell module for a predetermined period, and the abnormal solar cell module The solar power generation monitoring system, characterized in that the event is classified based on a learning model learned to perform clustering by applying data about the location range of the battery module as learning data.
상기 이벤트 분류부는,
상기 태양광 발전 시스템으로부터 수신한 데이터를 기초로 산출된 데이터를 상기 학습 모델에 입력하여 복수의 군집 중 상기 입력된 데이터가 속하는 군집을 식별하고, 식별된 상기 군집에 대응하는 이벤트의 종류에 따라 상기 이벤트를 분류하는 것을 특징으로 하는 태양광 발전 모니터링 시스템.
According to claim 4,
The event classification unit,
Data calculated on the basis of the data received from the photovoltaic system is input to the learning model to identify a cluster to which the input data belongs among a plurality of clusters, and according to the type of event corresponding to the identified cluster, Solar power monitoring system, characterized in that the event is classified.
상기 정보생성부는,
유지관리가 필요한 이벤트와 유지관리가 필요하지 않은 이벤트로 구분하여 상기 이벤트 정보를 생성하는 것을 특징으로 하는 태양광 발전 모니터링 시스템.
According to claim 1,
The information generating unit,
A solar power generation monitoring system characterized in that the event information is generated by dividing into an event that requires maintenance and an event that does not require maintenance.
상기 태양전지 모듈의 전력 데이터를 기초로 전력 저하 이벤트의 발생 및 분석이 필요한 태양전지 모듈을 검출하는 단계;
검출된 상기 태양전지 모듈의 전력 크기, 시간에 따른 태양전지 모듈별 전력 변화, 상기 이벤트의 지속 시간, 및 상기 이벤트가 발생된 공간 범위를 기초로 상기 이벤트를 분류하는 단계; 및
분류된 상기 이벤트의 종류와 발생 위치를 포함하는 이벤트 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 태양광 발전 모니터링 방법.
A method for monitoring a photovoltaic power generation system including a plurality of solar cell modules,
detecting a solar cell module that needs to generate and analyze a power reduction event based on the power data of the solar cell module;
Classifying the event based on the detected power level of the solar cell module, a power change for each solar cell module over time, a duration of the event, and a spatial range in which the event occurred; and
and generating event information including a type and an occurrence location of the classified event.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210188709A KR20230099400A (en) | 2021-12-27 | 2021-12-27 | A photovoltaic monitoring system based on machine learning for classification of power output lowering case, and method thereof |
| PCT/KR2021/020354 WO2023128031A1 (en) | 2021-12-27 | 2021-12-31 | Photovoltaic power generation monitoring system and method capable of classifying power generation reduction situation by using machine learning |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210188709A KR20230099400A (en) | 2021-12-27 | 2021-12-27 | A photovoltaic monitoring system based on machine learning for classification of power output lowering case, and method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230099400A true KR20230099400A (en) | 2023-07-04 |
Family
ID=86999383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210188709A KR20230099400A (en) | 2021-12-27 | 2021-12-27 | A photovoltaic monitoring system based on machine learning for classification of power output lowering case, and method thereof |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20230099400A (en) |
| WO (1) | WO2023128031A1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100697338B1 (en) | 2004-07-29 | 2007-03-20 | 주식회사 에스에너지 | Solar photovoltatic power generation monitoring apparatus and method thereof |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8564916B2 (en) * | 2010-02-16 | 2013-10-22 | Western Gas And Electric Company | Photovoltaic array ground fault detection method for utility-scale grounded solar electric power generating systems |
| JP6520771B2 (en) * | 2016-03-11 | 2019-05-29 | オムロン株式会社 | Failure detection device for solar cell and solar power generation system |
| KR102144350B1 (en) * | 2017-12-05 | 2020-08-13 | 유성희 | Failure diagnosing system of solar power generating system |
| KR20190069213A (en) * | 2017-12-11 | 2019-06-19 | 한국전자통신연구원 | Apparatus and method for operation and management of distributed photovoltaic energy generator based on remote monitoring |
| KR20200097126A (en) * | 2019-02-07 | 2020-08-18 | 동아대학교 산학협력단 | Photovoltaic power generation control system applying smart parameters |
-
2021
- 2021-12-27 KR KR1020210188709A patent/KR20230099400A/en not_active Application Discontinuation
- 2021-12-31 WO PCT/KR2021/020354 patent/WO2023128031A1/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100697338B1 (en) | 2004-07-29 | 2007-03-20 | 주식회사 에스에너지 | Solar photovoltatic power generation monitoring apparatus and method thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023128031A1 (en) | 2023-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Guerriero et al. | Monitoring and diagnostics of PV plants by a wireless self-powered sensor for individual panels | |
| AU2016202891B2 (en) | Automatic generation and analysis of solar cell IV curves | |
| US8289183B1 (en) | System and method for solar panel array analysis | |
| US8482309B2 (en) | Failure detecting method for a solar power generation system | |
| KR101238620B1 (en) | Trouble Recognition Apparatus for Photovoltaic System and Methord thereof | |
| US8744791B1 (en) | Automatic generation and analysis of solar cell IV curves | |
| KR101793708B1 (en) | Device for detecting unusual situation based on monitoring solar panel | |
| KR102065443B1 (en) | System and method for data analysis of photovoltaic power plant | |
| JP6093465B1 (en) | Power generation diagnosis method and power generation diagnosis apparatus for solar power generation system | |
| KR101061025B1 (en) | Error detecting system and method of solar photovotaic generating apparatus | |
| KR101958941B1 (en) | System and method of controlling solar photovoltaic generation on machine learning | |
| JP6087200B2 (en) | Abnormality detection device for solar power generation system, abnormality detection method, and solar power generation system | |
| JP7289995B2 (en) | Method and apparatus for recognizing operating state of photovoltaic string and storage medium | |
| KR20180072244A (en) | Fault diagnosis control system for solar generation system and control method thereof | |
| CN115714580A (en) | Abnormity detection method for photovoltaic cell panel | |
| US9830301B1 (en) | Predictive service requirement estimation for photovoltaic arrays | |
| KR20230099400A (en) | A photovoltaic monitoring system based on machine learning for classification of power output lowering case, and method thereof | |
| KR102582747B1 (en) | Total management system for solar power generation apparatus | |
| JP6621000B2 (en) | Method and apparatus for determining deterioration of solar cell module | |
| CN116388690A (en) | Method for detecting operation state of photovoltaic panel, electronic equipment and storage medium | |
| KR20220142005A (en) | Server providing data analysis report of photovoltaic power plant and method thereof | |
| KR102576975B1 (en) | Test device to investigate the phenomenon of christmas tree light effect due to panel deviation for solar power generation system | |
| KR102228512B1 (en) | Photovoltaic Power Generation Apparatus with Remote Control Function and Function to Monitor the Failure of Solar Power Plant and Fire at Connection Board using Machine Learning | |
| KR20150063228A (en) | Method and apparatus for deciding output power lowering of solar cell generator | |
| JP6633242B1 (en) | Deterioration determination method and degradation determination device for solar cell module |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |