에너지기술연구원, 10년 이상 수집한 발전소 고장 I-V(전류-전압) 곡선데이터 라벨링 데이터베이스 구축

[보안뉴스 박미영 기자] 국내 태양광 발전 설비는 친환경 발전을 통한 에너지 수요 대응을 위해 매년 증가하고 있으며, 앞으로도 국가 탄소중립 실현 목표에 따라 계속 늘어날 예정이다. 설비가 늘어난 만큼 최상의 상태를 유지하기 위한 유지관리(O&M) 기술도 필요하다.


[사진=에너지기술연구원]

태양광 설비는 구축 이후 평균 20년 이상 유지될 수 있는데, 적절한 유지관리가 이뤄지지 않으면 패널 하나의 작은 고장이 10배·30배 이상의 손실을 일으키는 ‘태양광 미스매칭 손실’을 야기하기 때문이다.

한국에너지기술연구원 신재생시스템연구실 고석환 박사 연구진은 인공지능(AI)을 활용한 태양광 발전 고장 진단 기술을 개발했다. 10년 이상 태양광발전소 고장진단평가를 수행하며 수집한 I-V곡선 정보를 데이터베이스화하고, 인공지능 모델을 적용해 현장에 가지 않고도 태양광 패널의 오염·성능 저하 등을 95% 이상의 정확도로 판단할 수 있다.

기존의 태양광 설비 유지보수 방식은 주기적으로 인력을 투입해 현장에서 고장을 진단하고 해결하는 방식이다. 최근에는 드론에 열화상 카메라를 탑재해 분석하는 기술이 적용되고 있으나 마찬가지로 현장을 방문해야 진단할 수 있다. 또 고장난 패널 위치는 파악할 수 있어도 고장으로 인해 에너지가 얼마나 손실됐는지는 측정할 수 없다.

연구진은 인공지능 학습모델을 활용해 기존 기술의 문제를 해결했다. 태양광 패널 상세 정보, 어레이(여러 장으로 구성된 모듈) 직·병렬 정보, 환경센서(일사량, 온도)를 포함하는 I-V곡선 데이터를 인공지능 학습모델에 입력만 하면 패널의 발전 성능과 PID, 셀 부식 등과 같은 다양한 고장 원인을 명확하게 분석할 수 있다. 이에 더해 10년 이상의 현장 시험 평가로 수집된 태양광 패널의 고장 I-V 데이터와 정상 데이터를 학습하게 해 95% 이상의 고장 진단 정확도를 확보했다.

I-V곡선 데이터의 활용성도 높였다. 태양광 패널에서 I-V곡선 데이터는 패널의 성능과 고장 상태를 평가하는 중요한 데이터지만, 일사량 등 조건이 바뀔 때마다 불규칙적으로 변동되기 때문에 전문가도 명확하게 분석하기 어려웠다. 이를 개선하기 위해 연구진은 태양광 패널의 셀 종류에 따른 물리적 특성을 모델링화한 알고리즘을 개발했다. 개발된 알고리즘은 수시로 변화하는 일사 조건에서도 전압과 전류의 시뮬레이션 데이터를 98% 이상 정확하게 예측했다.

이 기술을 활용하면 I-V 수집이 가능한 발전소는 모두 원격으로 성능 관리가 가능하다. 특히 수상, 해상에 설치된 설비 등 접근이 어려운 지역에 적용하면 유지관리 비용을 획기적으로 줄일 수 있다.

연구진이 개발한 기술은 신기술 인증을 획득해 우수성을 인정받았다. 연구진은 이를 발판삼아 기술사업화를 위해 연구소 기업·인버터 제조 기업과 공동 연구를 추진하는 한편, 클라우드 플랫폼으로 개발해 공공서비스로도 제공할 예정이다. 또 기술의 응용을 통해 이차전지나 수전해 시스템의 고장과 수명저하 원인을 파악하는 분야에도 활용될 것으로 기대된다.

고석환 박사는 “최근 다양한 형태로 설치되는 태양광 발전소(수로, 영농, 방음벽, 수상,해상 등)는 접근성으로 인해 성능과 고장 점검이 어려웠다”며, “이번 연구로 개발된 인공지능 학습모델을 통해 분석하면 오염과 같은 작은 손실 저하도 95% 이상 정밀하게 진단이 가능하고 원격으로도 진단이 가능해, 유지관리의 수준과 활용성을 매우 높일 수 있을 것”이라고 밝혔다.

이번 연구는 연구원 기본 사업과 산업통상자원부 신재생에너지기술개발사업의 지원을 받아 수행됐다.
[박미영 기자(mypark@boannews.com)]

<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>