지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최요순
- 발행연도
- 2022
- 저작권
- 부경대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (4)
2022
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this study, we proposed a new method to detect the abnormalities among photovoltaic (PV) systems installed in renewable energy housing support project sites by analyzing power generation data. The site at the north side of Gakbuk-myeon, Cheongdo-gun, Gyeongsangbuk-do, Korea was selected as a study area where 63 PV systems have been installed and operated. By considering the factors related to system design and surrounding environment, the 63 PV systems were clustered into 6 groups using the K-means clustering method which is an unsupervised machine learning algorithm. The power production data from the PV systems for each group was analyzed and set as an abnormal value if it deviates from the range of ±2.58 times the standard deviation from the mean (assuming a normal distribution and 99% confidence level confidence interval). As a result, several abnormalities among PV systems were detected during November 2020. The cause of abnormalities was confirmed through a site investigation. It is expected that the proposed method can be effectively used for fast problem diagnosis of PV systems in renewable energy housing support project sites.
목차
1. 서론 12. 연구지역 33. 연구방법 53.1 태양광발전 효율에 영향을 미치는 설계 및 환경 인자/ 선택변수 63.2 태양광발전 시스템의 클러스터링 73.3 이상 감지기준 설정 94. 연구결과 114.1 주변 환경인자 분석결과 114.2 최적화된 클러스터 개수선정 134.3 태양광발전 시스템 클러스터링 결과 144.4 그룹별 태양광발전 시스템 이상 감지결과 185. 토의 205.1 현장검증 205.2 이상 감지기준 구간의 타당성 225.3 클러스터링의 필요성 검증 246. 결론 26참고 문헌 28
최근 본 자료
댓글(0)
0