우리나라는 2012년 신·재생에너지의무할당제도(RPS) 시행 이후 신·재생에너지의 보급이 크게 확대되었고, 그중에서 태양광발전은 가장 눈에 띄게 증가하였다. 이에 따라 태양광발전의 효율을 극대화하기 위한 다양한 연구가 필요한 시점이다. 이를 위해서는 첫째 발전효율을 증대시키기 위한 태양광발전시스템의 성능 개선, 둘째 설치 경사각이나 선로손실 등을 고려한 시공방법 개발, 그리고 셋째 정확한 발전량을 예측할 수 있는 예측 시스템 개발이 필요하다.
최근에 건설되고 있는 태양광발전소는 용량이 수십[kW]에서 수십[MW]로 건설비용이 많게는 수천억 원에 이르고 있다. 따라서 발전량 예측 실패는 막대한 경제적 부담으로 작용할 수 있다. 그리고 생산한 전력을 판매할 때 기준이 되는 계통한계비용(SMP)이 지속적으로 하락하고 있으며, RPS에서 500[MW] 이상의 발전사업자가 구매하게 되는 신·재생에너지공급인증서(REC)가격 또한 계속 하락하고 있어, 수익을 보장하기 위해서는 더욱 정밀한 발전량 예측이 필요하게 되었다. 또한, 발전소 부지의 지가 상승, 지역 주민들의 잦은 민원 발생, 지자체의 태양광발전소를 규제하는 조례 제정 등 여러 제한사항들이 결국 발전사업자가 부담하게 되는 추가 비용으로 작용하고 있다.
태양광발전소 건설비용 대부분을 금융기관의 여신에 의존하고 있는 현실을 감안하면 발전량 예측 실패는 발전사업자에게 커다란 금융부담으로 돌아오게 된다. 최근, 발전량이 최초의 예측량에 미치지 못해 재정적 압박을 이기지 못하고, 태양광발전소가 부동산 시장에 급매물로 나오는가 하면, 법원의 경매물건으로 나오는 경우가 발생하고 있다.
따라서 본 논문에서는 전국에 설치되어 있는 태양광발전소에서 실측한 연간 발전량 데이터와 기상청에서 제공하는 기상 통계자료, 그리고 테스트 베드 태양광발전소에 설치한 기상장비를 이용하여 실측한 기상자료 및 발전량 데이터를 분석하였다. 분석한 데이터를 바탕으로 퍼지 알고리즘을 활용하여 태양광발전소의 연간 발전량을 예측하는 시스템을 제안하였다.
태양광발전에 영향을 미치는 요소를 크게 기상요소, 지리요소, 설비요소로 구분하고 기상요소를 다시 발전에 직접 영향을 미치는 일사량, 일조시간, 운(雲)량과 태양전지의 효율에 영향을 미치는 온도, 풍속으로 구분하였다. 그리고 기상청에서 제공하는 통계자료를 바탕으로 일사량, 일조시간, 운(雲)량을 분석하여 우리나라의 계절별, 월별 발전특성을 분석 하였다.
전남지역에 위치한 5,250[kWp] 테스트 베드 태양광발전소에 수평면 일사량계, 경사면 일사량계, 대기온도계, 모듈온도계, 풍속계를 설치하고 모니터링 시스템을 구축하여, 2013년 10월 1일부터 2014년 9월 30일까지 1년간 실시간으로 측정한 기상데이터 및 발전량을 분석하였다. 분석 결과, 발전량에 가장 크게 영향을 미치는 요소는 일사량이고, 일사량이 증가함에 따라 발전량이 증가하지만 대기온도와 모듈온도가 동시에 상승하게 되어 일정 이상의 모듈온도가 되면 발전량에 영향을 미치는 것을 확인하였다. 대기온도와 풍속에 따른 발전량을 분석한 결과, 대기온도가 증가하면 발전효율이 낮아지고 풍속이 증가하면 발전효율이 높아지는 것을 확인하였으며, 대기온도와 풍속이 발전에 미치는 영향력을 수식화하여 온도계수 방정식을 도출하였다.
그리고 전국에 설치되어 있는 약 3,500여 개소의 태양광발전소에서 2011년부터 2012년까지 2년간 실측한 연간 발전량 데이터를 이용하여 발전소가 위치한 지역별로 발전량을 분석하였다. 분석한 결과, 위도가 낮아질수록, 그리고 해발높이가 높아질수록 발전량이 증가하는 것을 확인하였으며, 태양광발전소가 위치한 지역의 위도와 해발높이가 발전에 미치는 영향력을 수식화하여 지리계수 방정식을 도출하였다.
또한, 기상청에서 제공하는 1981년부터 2010년까지의 30년 통계자료와 전국에 설치되어 있는 약 3,500여 개소의 태양광발전소에서 2011년부터 2012년까지 2년간 실측한 연간 발전량을 분석하였다. 분석 결과를 바탕으로 퍼지 알고리즘을 활용하여 발전 예측률을 도출하였다. 퍼지 알고리즘의 입력요소는 일사량, 일조시간 운(雲)량으로 하였으며, 각각 ‘매우 작다’부터 ‘매우 크다’까지 5단계로 구분하였다. 그리고 출력은 ‘매우 나쁘다’부터 ‘매우 좋다’까지 7단계로 구성하였다.
퍼지 알고리즘에 의해 예측한 발전 예측률에 발전설비용량과 온도계수 및 지리계수를 곱하여 최종 발전량을 계산할 수 있는 예측시스템을 제안하였다. 그리고 제안한 발전량 예측시스템의 성능을 확인하기 위하여 2011년부터 2012년까지 2년간 전국 16개 지역에서 실측한 연간 발전량과 2011, 2012년 기상자료를 바탕으로 하여 제안한 방법으로 예측한 연간 발전량, 그리고 기존의 방법으로 예측한 연간 발전량을 비교하였다. 비교한 결과. 기존 방법의 평균 오차율이 약 11.1[%] 정도인데 비해 제안한 방법의 평균 오차율이 약 4.2[%] 정도로 제안한 발전량 예측 방법이 기존의 방법에 비하여 실제 발전량에 가깝게 예측하는 것을 확인하였다.
본 논문에서 제안한 발전량 예측시스

The renewable energy supply has been greatly expanded by the Renewable energy Portfolio Standard (RPS) in Korea in 2012. Among them, photovoltaic power generation has increased most prominently. Thus, various studies are needed to derive the maximum performance which enable efficient utilization of photovoltaic power generation. For optimum utilization of photovoltaic power generation, following solutions are required. First, implementing the research and development for improving the performance and efficiency of photovoltaic power generation facilities. Second, considering the line loss or the inclination angle of the module when constructing photovoltaic power plant for maximum performance. Last, predicting the exact power generation.
Recently, the cost of construction for photovoltaic power plant (capacity: 10[kW]∼10[MW]) reached as much as hundreds of billion won. Therefore the failure of power generation prediction could pose a significant economic risk. The SMP (System Marginal Price), which is the standard of selling electricity, has declined steadily. Furthermore, REC (Renewable Energy Certificate) price, which should be bought by power producers of more than 500[MW] under RPS, has declined continuously. Therefore, more precise prediction ability is required in order to ensure a profit. Also, additional cost by power producers are required because of limitations such as rising price of power plant site, frequent civil complaints of locals and ordinance enacted to regulate the photovoltaic power plant of local government.
The failure of power generation prediction should give a large financial burden to power producers considering the situation where they are highly dependent on the (financial institutions) loans. Many power producers have become bankrupt because of mismatching power generation prediction and financial structure.
In this paper, a power data and meteorological data were analyzed using the power measurement from the photovoltaic power plant and statistical data provided by the National Weather Service, and meteorological equipment of test bed photovoltaic power plants. The annual energy production prediction system for photovoltaic power plants was proposed by utilizing a fuzzy algorithm based on the analysis of data.
The system for monitoring the pyranometer, the slope pyranometer, air thermometer, modules thermometer and anemometer was installed on 5,250[kWp] test bed photovoltaic power plants located in Jeonnam region. Real-time power data with the measured meteorological data were analyzed during 1-year period. As a result, as the solar radiation increases and the power is increased, the air temperature and module temperature increase at the same time. It was confirmed that rising module temperature affects power when the temperature is over certain value. And considering the analysis of the power according to the air temperature and wind velocity, more increased air temperature is lower the power efficiency becomes. As the wind speed increased, the power generation efficiency was higher. The temperature coefficient equation between air temperature and wind speed was derived.
The measured power data were analyzed by region of plants which were installed in approximately 3,500 locations across the country. As a result, lower the latitude and higher sea level produced higher power generation. The regional geographic factor equation between latitude and height above sea level of the photovoltaic power plant was derived.
Statistics across 30 years from 1981 to 2010 provided by the National Weather Service and the annual energy production measured at the photovoltaic power plant (approximately 3,500ea) installed in the country were analyzed. The results were obtained by using a fuzzy algorithm, based on the development of predictive value derived. Input elements of the fuzzy algorithm were solar radiation and cloud cover. It was divided into five stages from ''very low'' to ''very high''. The output was composed of 7 steps from ''very bad'' to ''very good''. The prediction system that could calculate the final power was proposed by multiplying the power capacity, geographic factor and temperature coefficient in the fuzzy algorithm.
In order to verify performance of the proposed power prediction system, following methods of the annual energy production were compared from 2011 to 2012. First, the actual annual energy production and meteorological data. Second, the predicted annual energy production by proposed using weather conditions. Last, the annual energy production with conventional prediction method. As a result, the average error rate of the existing methods was 11.1[%] whereas the average error rate of the proposed method was 4.2[%]. It confirms that the proposed power generation prediction method was close to the actual power than the conventional method.
In order to verify the performance of the proposed power prediction system, annual energy production was compared to the predicted annual energy production and annual energy production predicted by conventional methods, based on the actual annual energy production and meteorological data (2011-2012) in 16 areas.
Taking advantage of the power forecasting system proposed in this paper could predict the power of a specific area’s photovoltaic power plants. This means that it is possible to take advantage of the proposed prediction system for site selection and economic analysis of the plant. The scale of photovoltaic power plants is increasingly larger. Applying the power generation forecasting proposed system to build a large power plant, the financial risk could be reduced by more accurate economic analysis in accordance with the conditions of location.
Meteorological elements such as rain, fog, snowfall, fine dust, etc. and dangerous meteorological elements such as heavy rain, heavy snow, hurricanes, etc. play an important role in photovoltaic power generation, but these were not applied in this stud