A Methodology for Calculating Representative Regional Photovoltaic Power Generation in 24 Hours of the Year for Expanding Renewable Energy Cloud Platform Functionality

Yong-Ha Kim; Yu-ri Kim; Sang-Hwa Han; Hye-Seon Lee; Jong-Min Park; Gyu-Rim Han

doi:10.7836/kses.2022.42.5.025

Preview

Journal of the Korean Solar Energy Society. 30 October 2022. 25-36
https://doi.org/10.7836/kses.2022.42.5.025

A Methodology for Calculating Representative Regional Photovoltaic Power Generation in 24 Hours of the Year for Expanding Renewable Energy Cloud Platform Functionality

재생에너지 클라우드 플랫폼 기능 확장을 위한 지역별 연중 대표 24시간대 태양광 발전량 산정 방법론

Yong-Ha Kim¹

Yu-ri Kim²

Sang-Hwa Han³

Hye-Seon Lee³

Jong-Min Park³

Gyu-Rim Han²^*

김 용하¹

김 유리²

한 상화³

이 혜선³

박 종민³

한 규림²^*

¹Professor, Department of Electrical Engineering, Incheon National University

²MS Candidate, Department of Electrical Engineering, Incheon National University

³Ph.D. Candidate, Department of Electrical Engineering, Incheon National University

¹인천대학교 전기공학과, 교수

²인천대학교 전기공학과, 석사과정

³인천대학교 전기공학과, 박사과정

^{*Corresponding Author}

ABSTRACT

In this study, a methodology for calculating representative regional photovoltaic power generation in 24 hours of the year was developed to expand renewable energy cloud platform functionality of Korea Energy Agency. To compute regional photovoltaic power generation in 24 hours of the year, the monthly regional representative insolation in 24 hours was calculated, as well as their probability distributions. Accordingly, the monthly regional photovoltaic power generation in 24 hours was calculated, and the expected value of regional photovoltaic power generation in 24 hours of the year was derived. Subsequently, the representative regional photovoltaic power generation in 24 hours of the year was calculated. Representative regional photovoltaic power generation in 24 hours of the year calculated in this study can be applied to distributed energy resources to resolve the output variability of renewable energy. The obtained result can be used for distributed resource operation planning, such as estimating the regional Energy Storage System capacity. Currently, the Korea Energy Agency's renewable energy cloud platform provides users only with information about solar installation. However, the function of the renewable energy cloud platform can be expanded by applying the results obtained in this study to the distributed resource operation planning.

Keywords

Photovoltaic power generation

Probability distribution of monthly representative insolation in 24 hours

Representative PV power generation in 24 hours of the year

Expected value of PV power generation in 24 hours of the year

Adjusting Factor

Renewable Energy Cloud Platform

키워드

태양광 발전량

월별 대표 24시간대 일사량 확률분포

연중 대표 24시간대 PV 발전량

연중 24시간대 PV 발전량 기대치

조정계수

재생에너지 클라우드 플랫폼

MAIN

1. 서 론
2. 지역별 연중 대표 24시간대 PV 발전량 산정 방법론
2.1 지역별 월별 대표 24시간대 일사량 확률분포 산정
2.2 지역별 연중 대표 24시간대 PV 발전량 산정
3. 사례연구
3.1 입력자료
3.2 방법론에 따른 지역별 대표 일사량 및 PV 발전량 산정
4. 결 론

기호 및 약어 설명

$D_{m}$ : $m$ 월의 일수

$N_{R}$ : $R$ 지역의 일사량 측정장소의 개소수

$R a d i (d)_{h}^{N_{R}}$ : $R$ 지역의 일사량 측정지점별 $h$ 시간대에 해당하는 일의 일사량

$R a d i^{N_{R}, m}$ : $R$ 지역의 일사량 측정지점별 월별 24시간대 일사량

$R a d i (h)_{r e p r e}^{R, m}$ : 지역별 월별 대표 24시간대 일사량

$Pro R a d i (h)_{r e p r e}^{R, m}$ : 지역별 월별 대표 24시간대 일사량 확률분포

$m$ : 달( $1 \leq m \leq 12$ )

$R$ : 지역( $1 \leq R \leq 15$ ) 1.서울특별시(SU), 2.부산광역시(BS), 3.대구광역시(DG), 4.인천광역시(IC), 5.광주광역시(GJ), 6.대전광역시(DJ), 7.경기도(GG), 8.강원도(GW), 9.충청북도(CB), 10.충청남도(CN), 11.전라북도(JB), 12.전라남도(JN), 13.경상북도(GB), 14.경상남도(GN), 15.제주특별자치도(JJ)

$h$ : 시간대( $0 \leq h \leq 23$ )

$P V w h_{R}^{m}$ : 재생에너지 클라우드 플랫폼의 $R$ 지역, $m$ 월의 PV 월간 PV 발전량

$P V_C a p_{R}^{m}$ : 재생에너지 클라우드 플랫폼의 $R$ 지역, $m$ 월의 PV 월간 PV 설비용량

$P V_{R, w h / c a p}^{m}$ : 지역별 월별 PV 발전설비 단위 용량당 PV 발전량

$P V_{R, w h / c a p}^{m, d}$ : 지역별 월별 일간 PV 발전설비 단위 용량당 PV 발전량

$R e p [P V (h)_{R, w h / c a p}^{m}]$ : 지역별 월별 24시간대 발전량

$p r o P V (h)_{R}^{m}$ : 지역별 월별 24시간대 발전량 확률분포

${Exp}_{{}_{-}p r o} [P V (h)_{R, w h / c a p}^{}]$ : 지역별 연중 24시간대 PV 발전량 기대치

$R e p_{{}_{-}p r o} [P V_{y r}]$ : 연간 PV 발전량 기대치

$F i n P V (h)_{R, w h / c a p}^{}$ : 지역별 연중 대표 24시간대 PV 발전량

1. 서 론

2015년 파리기후협약에 따라 지구 평균온도 상승 폭을 산업화 이전 대비 1.5℃이하로 유지하기 위해서는 2050년까지 넷제로(net zero)에 도달하여야 한다^1,2). 근래에 많은 국가들이 넷제로를 선언하고 있으며 우리나라도 국제적인 추세에 동참하고 있다¹⁾. 온실가스 저감을 위해 전 세계적으로 태양광과 풍력 중심의 재생에너지로의 에너지 전환이 활발히 이루어지고 있으며, 우리나라 역시 ‘재생에너지 3020 이행계획(안)³⁾을 통해 2030년까지 총발전량의 20%를 태양광과 풍력 중심의 재생에너지로 충당할 계획이다⁴⁾. 향후 재생에너지의 보급은 더욱 확대될 것으로 보이지만, 태양광과 같이 출력변동성이 큰 재생에너지는 출력조정이 불가능하고 간헐성이 크기 때문에 전력시스템의 안정성에 문제를 야기한다. 따라서 전력계통 안정화를 위하여 전력계통에 유연성 분산자원(Dispersed Energy Resources, DER)을 제공하는 것이 중요하다⁴⁾. 분산자원은 수요지 인근에서 에너지를 생산 및 저장하고, 잉여 전력 해소에 기여할 수 있는 자원⁵⁾으로 이용될 수 있어 계통 안정화에 기여할 수 있다.

2020년 5월 확정된 ‘지역에너지계획’에서는 17개 지자체가 2017년 1 ~ 10%인 분산자원 비중을 2025년까지 22% 수준(122 TWh)으로 늘리겠다고 발표한 바 있다⁶⁾. 이와 같이 분산자원의 비중이 증가함에 따라 분산자원의 운영을 위한 계획을 수립하는 것이 중요하며 운영계획을 수립하기 위해서는 시간대별 발전량이 반드시 필요하다. 분산자원의 발전특징으로 인해 지역 및 계절별로 발전특성의 차이가 있기 때문에 이를 고려하는 것은 필수적이지만 현재 발표된 논문^7,8)에 따르면 일일 시간대 발전량의 실측 및 예측치로 운영 계획을 수립하고 있다. 그러므로 본 논문에서는 한국에너지공단 재생에너지 클라우드 플랫폼⁹⁾의 자료를 가공하여 지역별 및 월별의 일사량 특성을 고려한 지역별 연중 대표 24시간대 태양광(Photovoltaic, 이하 PV) 발전량을 산정하는 연구를 진행하였다. 본 논문에서 산정한 지역별 연중 대표 24시간대 PV 발전량은 각 지역을 표준화할 수 있는 자료로 사용될 수 있으며, 에너지저장장치(Energy Storage System, 이하 ESS)의 경우 유동성이 있는 PV 발전량을 일일 PV 발전량에 대해 매번 운영계획을 수립하고 ESS 용량을 산정하는 것은 현실적이지 못하므로 추후의 연구를 통해 지역을 대표하는 ESS 용량 산정 등 분산자원 운영계획에 적용함으로써 한국에너지공단 재생에너지 클라우드 플랫폼의 기능을 확장하는 데에 사용될 수 있다.

2. 지역별 연중 대표 24시간대 PV 발전량 산정 방법론

본 논문에서는 기상청의 시간대별 일사량 자료 및 한국에너지공단 재생에너지 클라우드 플랫폼의 지역별 월별 PV 발전량과 지역별 월별 PV 발전설비 총용량 자료를 활용하여 지역별 연중 대표 24시간대 PV 발전량을 산정하였다. 이를 위하여 지역을 대표하는 월별 대표 24시간대 일사량을 도출하고 월별 대표 24시간 일사량 확률분포를 이용하여 지역별 연중 대표 24시간대 PV 발전량을 산정하는 방법론을 개발하였다.

2.1 지역별 월별 대표 24시간대 일사량 확률분포 산정

지역별 연중 대표 24시간대 PV 발전량을 산정하기 위한 지역별 월별 대표 24시간대 일사량 확률분포를 산정하는 방법은 다음과 같다.

(1) 기상청의 전국 측정지점에 대한 연간 시간대별 일사량을 이용하여 각 측정지점별 월별 $h$ 시간대에 해당하는 일사량의 평균값을 통해 각 지역의 일사량 측정지점별 월별 24시간대 일사량을 식(1)과 같이 구한다.

(1)

R a d i^{N_{R}, m} = \frac{1}{D_{m}} \sum_{d = 1}^{D_{m}} R a d i (d)_{h}^{N_{R}}

(2) 지역을 대표하는 일사량을 산정하기 위해 식(1)에서 구한 측정지점별 데이터를 각 지역에 대한 평균값을 이용하여 지역별 월별 대표 24시간대 일사량은 식(2)와 같이 구한다.

(2)

R a d i (h)_{r e p r e}^{R, m} = \frac{1}{N_{R}} \sum_{N = 1}^{N_{R}} R a d i^{N_{R}, m}

(3) 식(2)에 따라 구한 지역별 월별 대표 24시간대 일사량에 대한 확률분포는 식(3)과 같이 구한다.

(3)

Pro R a d i (h)_{r e p r e}^{R, m} = \frac{R a d i (h)_{r e p r e}^{R, m}}{\sum_{h = 0}^{23} R a d i (h)_{r e p r e}^{R, m}}

2.2 지역별 연중 대표 24시간대 PV 발전량 산정

본 논문에서 지역별 연중 대표 24시간대 PV 발전량을 산정하는 방법은 다음과 같이 4단계로 하였다.

단계 1 : 지역별 월별 일간 PV 발전설비 단위 용량당 PV 발전량 산정

단계 2 : 월별 대표 24시간대 일사량 확률분포를 이용한 지역별 월별 24시간대 발전량 산정

단계 3 : 지역별 연중 24시간대 PV 발전량 기대치 산정

단계 4 : 지역별 연중 대표 24시간대 PV 발전량 산정

단계 1: 지역별 월별 일간 PV 발전설비 단위 용량당 PV 발전량 산정

(1) 재생에너지 클라우드 플랫폼의 지역별 PV 발전량 현황과 지역별 누적 PV 설비용량 자료를 이용하여 지역별 월별 PV 발전설비 단위 용량당 PV 발전량을 식(4)와 같이 구한다.

(4)

P V_{R, w h / c a p}^{m} = \frac{P V w h_{R}^{m}}{P V_C a p_{R}^{m}}

(2) 식(4)에 의해 구한 월별 데이터를 일간 데이터로 하기 위하여 해당 달의 일수로 나누어 지역별 월별 일간 PV 발전설비 단위 용량당 PV 발전량을 식(5)와 같이 구한다.

(5)

P V_{R, w h / c a p}^{m, d} = \frac{P V_{R, w h / c a p}^{m}}{D_{m}}

단계 2: 월별 대표 24시간대 일사량 확률분포를 이용한 지역별 월별 24시간대 발전량 산정

(1) 일사량에 따른 발전량을 산정하기 위하여 식(3)에서 산정한 월별 대표 24시간대 일사량 확률분포와 식(5)에서 산정한 지역별 월별 일간 PV 발전설비 단위 용량당 PV 발전량을 이용하여 지역별 월별 24시간대 발전량을 식(6)과 같이 구한다.

(6)

R e p [P V (h)_{R, w h / c a p}^{m}] = Pro R a d i (h)_{r e p r e}^{R, m} \times P V_{R, w h / c a p}^{m, d}

단계 3 : 지역별 연중 24시간대 PV 발전량 기대치 산정

(1) 식(6)에서 구한 지역별 월별 24시간대 PV 발전량에서 해당 $m$ 달의 PV 발전량으로 운전될 확률분포를 식(7)과 같이 구한다.

(7)

p r o P V (h)_{R}^{m} = \frac{\sum_{h = 0}^{23} R e p [P V (h)_{R, w h / c a p}^{m}]}{\sum_{m = 1}^{12} \sum_{h = 0}^{23} R e p [P V (h)_{R, w h / c a p}^{m}]}

(2) 식(7)에서 구한 지역별 월별 24시간대 PV 발전량 확률분포를 이용하여 지역별 연중 24시간대 PV 발전량 기대치를 식(8)과 같이 구한다.

(8)

{Exp}_{{}_{-}p r o} [P V (h)_{R, w h / c a p}^{}] = \sum_{m = 1}^{12} (p r o P V (h)_{R}^{m} \times R e p [P V (h)_{R, w h / c a p}^{m}])

단계 4 : 지역별 연중 대표 24시간대 PV 발전량 산정

(1) 식(8)에 따라 구한 지역별 연중 24시간대 PV 발전량 기대치는 연중 하루를 대표하는 24시간대 발전량이므로 재생에너지 클라우드 플랫폼의 연간 실측치와 비교하기 위해 연간 PV 발전량 기대치를 식(9)와 같이 구한다.

(9)

R e p_{{}_{-}p r o} [P V_{y r}] = 365 \times \sum_{h = 0}^{23} {Exp}_{{}_{-}p r o} [P V (h)_{R, w h / c a p}^{}]

(2) 재생에너지 클라우드 플랫폼의 이용자들에게 실제 측정치의 값을 제공하기 위하여 조정계수를 적용한 결과값을 도출하기 위해 식(10)과 같이 지역별 조정계수를 구한다.

(10)

조정계수 (A d j u s t i n g F a c t o r) = \frac{재생에너지 클 라우드 플 랫 폼 의 지역별 년간발전량}{확 률분 포 에 의 한 연간발전량 (R e p_{{}_{-}p r o} [P V_{y r}])}

(3) 식(10)에서 구한 지역별 조정계수( $A d j u s t i n g F a c t o r$ )를 적용하여 지역별 연중 대표 24시간대 PV 발전량을 식(11)과 같이 구한다.

(11)

F i n P V (h)_{R, w h / c a p}^{} = Exp [P V (h)_{R, w h / c a p}^{}] \times A d j u s t i n g F a c t o r

Fig. 1은 2장의 내용을 흐름도로 나타낸 것이며, 지역별 월별 대표 24시간 일사량 확률분포를 산정하고 이를 이용하여 지역별 연중 대표 24시간대 PV 발전량을 산정하는 과정을 보인 것이다.

https://static.apub.kr/journalsite/sites/kses/2022-042-05/N0600420503/images/KSES_42_05_03_F1.jpg

Fig. 1

Flow chart for calculating representative PV power generation in 24 hours of the year by region

3. 사례연구

3.1 입력자료

본 연구에서의 입력자료는 기상청의 지역별 각 측정지점에서 측정한 시간대별 일사량 측정치와 한국에너지공단 재생에너지 클라우드 플랫폼의 지역별 월별 PV 발전량 및 지역별 월별 PV 발전설비 총용량으로 하였다. 연구수행 당시 재생에너지 클라우드 플랫폼에서 제공하였던 2020년의 지역별 월별 PV 발전량 및 지역별 월별 PV 발전설비 총용량 자료를 사용하였으며, 기상청의 시간대별 일사량 자료 또한 동일 기간인 2020년 자료를 사용하였다.

(1) 기상청의 연간 시간대별 일사량 데이터

본 연구에서는 기상청의 지역별 각 일사량 측정지점에서 측정한 2020년 연간 시간대별 일사량 데이터를 사용하였다. Table 1은 2020년 일사량 측정지점의 현황을 보인 것으로 전국 93개의 일사량 측정지점 중 49개의 일사량 측정지점이 결측으로 인하여 일사량이 측정되지 않아 본 연구에서는 15개의 지역에서 총 44개 측정지점의 일사량 자료를 사용하였다.

Table 1.

Insolation measurement points by region in 2020

Region	Total points	Missing points	Measuring point	Region	Total points	Missing points	Measuring point
Seoul	1	0	1	Chungcheongbuk-do	5	3	2
Busan	1	0	1	Chungcheongnam-do	6	4	2
Daegu	1	0	1	Jeollabuk-do	10	6	4
Incheon	3	1	2	Jeollanam-do	13	6	7
Gwangju	1	0	1	Gyeongsangbuk-do	14	9	5
Daejeon	1	0	1	Gyeongsangnam-do	14	7	7
Gyeonggi-do	5	4	1	Jeju-do	4	2	2
Gangwon-do	14	7	7

Fig. 2는 본 연구에서 사용한 지역별 연간 시간대별 일사량 중 한 경우로써 인천광역시의 백령도 지점과 인천지점에서 측정한 2020년 연간 시간대별 일사량을 보인 것이다. Table 1과 같이 인천광역시의 강화지점은 결측으로 일사량이 측정되지 않았다.

https://static.apub.kr/journalsite/sites/kses/2022-042-05/N0600420503/images/KSES_42_05_03_F2.jpg

Fig. 2

Annual hourly solar insolation in Incheon

(2) 한국에너지공단 재생에너지 플랫폼의 월별 PV 발전량 및 월별 PV 발전설비 용량 데이터

본 연구에서 사용하는 2020년 지역별 월별 PV 발전량과 2020년 지역별 월별 PV 발전설비 총 용량은 한국에너지공단의 재생에너지 클라우드 플랫폼에서 얻은 자료이다. 이때 한국에너지의 재생에너지 클라우드 플랫폼에서 제공하는 17개의 지역 중에서 2개의 지역(울산, 세종)은 2020년에 일사량이 측정되지 않아 본 연구의 대상 지역에서 제외하였다. 본 연구에서 사용한 15개 지역의 월별 PV 발전량과 월별 PV 발전설비 총 용량은 Fig. 3과 같다.

https://static.apub.kr/journalsite/sites/kses/2022-042-05/N0600420503/images/KSES_42_05_03_F3.jpg

Fig. 3

(a) Monthly PV power generation by region in 2020, (b) Monthly total PV power capacity by region in 2020

3.2 방법론에 따른 지역별 대표 일사량 및 PV 발전량 산정

(1) 지역별 월별 대표 24시간대 일사량 확률분포

2장1절의 지역별 월별 대표 24시간대 일사량 확률분포 산정 방법론에 따라 지역별로 월별 하루를 대표하는 24시간대 일사량을 도출하고 월별 대표 24시간대 일사량 확률분포를 산정하였다. Fig. 4는 하나의 경우로 인천광역시의 월별 대표 24시간대 일사량 확률분포를 보인 것이다. 이와 같이 지역별, 월별의 일사량 특징이 나타나 있는 월별 대표 24시간대 일사량 확률분포를 이용하여 식(6)에 따라 지역별 월별 24시간대 PV 발전량을 도출할 수 있다.

https://static.apub.kr/journalsite/sites/kses/2022-042-05/N0600420503/images/KSES_42_05_03_F4.jpg

Fig. 4

Probability distribution of monthly representative insolation in 24 hours of Incheon

(2) 지역별 연중 대표 24시간대 PV 발전량 산정

재생에너지 클라우드 플랫폼의 지역별 연간 실측치와 식(9)에 따라 구한 지역별 연간 PV 발전량 기대치를 비교하면 Fig. 5(a)와 같다. 확률분포 기대치는 모집단에 대한 통계적 파라미터 중 하나로써 기대되는 예측치들의 평균값을 의미하기 때문에 확률적 분포의 개념이 포함된 평균값인 예측치¹⁰⁾이므로 기대치에 의한 값을 실제 측정치와 비교하면 차이가 발생하게 된다. 그러므로 본 연구에서는 확률분포 기대치에 의해 발생하는 오차를 실제의 데이터와 일치시키기 위하여 2장2절 단계 4의 지역별 연중 대표 24시간대 발전량을 구하는 과정에서 조정계수를 개발하여 적용하였다. 지역별 연중 대표 24시간대 발전량을 구하기 위한 지역별 조정계수는 Fig. 5(b)와 같다.

https://static.apub.kr/journalsite/sites/kses/2022-042-05/N0600420503/images/KSES_42_05_03_F5.jpg

Fig. 5

(a) Measured value of annual PV power generation by region and expectation value of annual PV power generation by region, (b) Adjusting factor by region

Fig. 6은 2장2절의 단계 4에 따라 지역별 연중 대표 24시간대 PV 발전량을 산정한 결과이다. 본 논문에서 산정한 연중 대표 24시간대 PV 발전량은 확률분포의 기대치에 의해 산정된 결과값으로 지역별 및 월별의 발전 특성이 적용되었으며, Fig. 5(b)로 산정된 조정계수를 적용하여 연간 PV 발전량 실측치와 동일한 결과값을 도출하였다. 본 논문에서 산정한 지역별 연중 대표 24시간대 PV 발전량은 각 지역을 표준화할 수 있는 자료로 사용될 수 있으며, 지역별 연중 대표 24시간대 PV 발전량을 이용하여 최적운영에 따른 ESS 용량 산정 등 분산자원 운영계획 수립에 사용됨으로써 한국에너지공단 재생에너지 클라우드 플랫폼의 기능 확장에 사용될 수 있을 것으로 기대된다.

https://static.apub.kr/journalsite/sites/kses/2022-042-05/N0600420503/images/KSES_42_05_03_F6.jpg

Fig. 6

Representative PV power generation in 24 hours of the year by region

4. 결 론

본 연구의 주요 결과를 요약하면 다음과 같다.

(1) 한국에너지공단 재생에너지 클라우드 플랫폼의 데이터를 활용하여 각 지역별로 1년의 PV 용량(kW당)을 대표할 수 있는 지역별 연중 대표 24시간대 PV 발전량을 산정하는 방법론을 제안하였다.

(2) 지역별 연중 대표 24시간대 PV 발전량 산정에 필요한 기상청의 데이터를 활용하는 방법으로는 연간 일사량 데이터를 이용해 지역별 월별 대표 24시간대 일사량 산정, 지역별 월별 대표 24시간대 일사량 확률분포를 산정하는 방법론을 제안하였으며, 한국에너지공단 재생에너지 클라우드 플랫폼의 데이터를 활용하는 방법으로는 지역별 월별 일간 PV 발전설비 단위 용량당 PV 발전량 산정, 월별 대표 24시간대 일사량 확률분포를 이용한 지역별 월별 24시간대 PV 발전량 산정, 월별 PV 발전량 확률분포를 이용하여 지역별 연중 24시간대 PV 발전량 기대치 산정, 조정계수를 도출하여 지역별 연중 대표 24시간대 PV 발전량을 산정하는 방법론을 제안하였다.

(3) 본 연구에서 산정한 지역별 연중 대표 24시간대 PV 발전량은 지역을 표준화할 수 있는 자료로 사용될 수 있으며 재생에너지의 출력변동성을 완충시킬 수 있는 유연성 분산자원의 운영계획에 사용함으로써 재생에너지 클라우드 플랫폼의 기능을 확장시킬 수 있다.

(4) 지역별 연중 대표 24시간대 PV 발전량을 사용하여 ESS 운영계획을 수립하고 수익이 최대화되는 최적 ESS 용량을 결정하는 방법론 개발을 통해 지역을 대표할 수 있는 지역별 최적 ESS 용량을 산정하는 연구가 진행될 필요가 있을 것으로 판단된다.

(5) 향후 KPX와 긴밀한 협조아래 실측 PV 발전량 데이터에 대해 보다 광범위한 자료를 한국에너지공단에서 가공하여 적절히 활용할 수 있도록 함으로 재생에너지 보급활성화에 적극 기여할 필요가 있을 것으로 판단되며, 한국에너지공단의 클라우드 플랫폼에 적용함으로써 이용자들의 지향성을 확보할 수 있을 것으로 판단된다.

(6) 또한 본 논문에서는 태양광의 방위각과 경사각을 고려하지 않았지만, 태양광 판넬은 방위각과 경사각의 영향을 받으므로 차후 태양광의 공적인 데이터를 확보하여 방위각과 경사각을 고려한 연구가 필요할 것으로 사료된다.

Acknowledgements

본 연구는 산업통상자원부와 한국산업기술진흥원의 “지역혁신클러스터육성(R&D, P0015339)”사업의 지원을 받아 수행한 연구 과제입니다.

References

Jo, I. H. and Lee, J. S., International Renewable Energy Policy Change and Market Analysis (Continued), Korea Energy Economics Institute, Vol. 20, No. 27, p. 19, 2020.

Kim, M. J., Kim, S. R., and Kim, C. H., Global Carbon Neutrality Declaration Trend and Evaluation, World Energy Market Insight, Vol. 21, No. 21, pp. 1-4, 2021.

Ministry of Trade, Renewable Energy 3020 Implementation Plan, 2017.

Lee, S. M. and Jo, I. H., International Renewable Energy Policy Change and Market Analysis, Korea Energy Economics Institute, Vol. 19, No. 21, pp. 5-32, 2019.

Ministry of Trade, Distributed Energy Promotion Strategy, 2021.

Industry and Energy, Local Energy Plan, Ministry of Trade, 2020.

Jeong, S. W., Kim, B.J., Kim, J. R., Seong, W. B., Lee, S. U., Seo, S. H., and Park, H. G., Optimal Sizing and Control of ESS Incorporating PV and SMP Variability, Institute of Korean Electrical and Electronics Engineers, pp. 104-105, 2021.

Lee, W. J. and Jung, J. S., Development of the Optimal Energy Storage System Charging/Discharging Scheduling Algorithm using Load and PV Generation Forecasting, Institute of Korean Electrical and Electronics Engineers, pp. 638-639, 2017.

Korea Energy Agency, Renewable Energy Cloud Platform, 2022. https://recloud.energy.or.kr/main/main.do last accessed on the 23^rd August 2022.

Information and Communication Technology Glossary, 2022. http://www.ktword.co.kr/test/view/view.php?m_temp1=1638 last accessed on the 23^rd August 2022.

Journal of the Korean Solar Energy Society ISSN:1598-6411(Print) 2508-3562(Online) 한국태양에너지학회 논문집

Preview

A Methodology for Calculating Representative Regional Photovoltaic Power Generation in 24 Hours of the Year for Expanding Renewable Energy Cloud Platform Functionality

ABSTRACT

MAIN

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

Fig. 1

Flow chart for calculating representative PV power generation in 24 hours of the year by region

Table 1.

Insolation measurement points by region in 2020

Fig. 2

Annual hourly solar insolation in Incheon

Fig. 3

(a) Monthly PV power generation by region in 2020, (b) Monthly total PV power capacity by region in 2020

Fig. 4

Probability distribution of monthly representative insolation in 24 hours of Incheon

Fig. 5

(a) Measured value of annual PV power generation by region and expectation value of annual PV power generation by region, (b) Adjusting factor by region

Fig. 6

Representative PV power generation in 24 hours of the year by region

Acknowledgements

References