1. 서 론
2. FMEA 기법을 통한 RPN 평가 개요
2.1 RPN 평가 개요
2.2 국내 태양광 발전소 적용을 위한 RPN 평가 기준 정의
3. 국내외 태양광 발전 진단 시스템 연구
4. 태양광 발전소 내 고장모드 별 RPN 실증 분석
4.1 분석 대상 및 실제 고장 정의
4.2 발전소별 기본 RPN 산정 결과
4.3 기본 RPN과 실제 고장 간 상관관계 분석
4.4 안전관리 관점의 실증 결과 해석 및 고찰
5. 태양광 안전관리 적용 방안
6. 결 론
1. 서 론
태양광 발전 시스템은 보급이 빠르게 늘어난 만큼 장기 운전 과정에서의 성능 유지와 안전사고 예방이 중요한 관리 과제로 남아 있다. 발전설비는 모듈, 인버터, 접속함, 케이블, 보호장치 등 여러 구성요소로 이루어지며, 열화, 접속 불량, 절연 저하, 과열, 통신 이상은 발전량 저하뿐 아니라 화재나 감전으로 이어질 수 있다. 따라서 태양광 O&M은 고장 발생 이후의 복구 중심 관리에서 벗어나, 고장 가능성과 고장 영향도를 함께 따져 우선순위를 정하는 위험 기반 관리체계로 전환될 필요가 있다. IEA PVPS의 Snapshot of Global PV Markets 2026에 따르면 2025년 전 세계 태양광 신규 설치량은 약 698 GW로 추정되며, 누적 설비용량은 2024년 약 2.3 TW에서 2025년 약 3 TW 수준으로 증가하였다1). 태양광이 전력시스템에서 차지하는 비중이 커질수록, 설비 확대 이후의 장기 신뢰성 확보, 성능저하 관리, 고장 예방, 안전관리를 함께 고려한 O&M 전략의 필요성도 커졌다1).
국내 역시 공공·민간 발전사업과 분산형 전원을 중심으로 태양광 설비가 확대되고 있다. IEA PVPS의 한국 현황 자료에 따르면 2024년 기준 국내 누적 태양광 설비용량은 약 32 GW이며, 이 중 발전사업용 설비가 약 27.4 GW로 약 86%를 차지한다2). 산업통상자원부의 제11차 전력수급기본계획(2024 ~ 2038)에서도 2038년까지 신재생에너지 설비 확대와 전원믹스 전환을 제시하고 있으며, 태양광 설비용량은 약 77.2 GW 수준까지 증가할 것으로 전망된다3). 이러한 보급 구조에서는 다수의 중·소규모 분산형 발전설비를 제한된 인력과 예산으로 관리해야 하므로, 위험도가 높은 설비와 고장모드를 먼저 가려낼 수 있는 정량적 기준이 필요하다.
태양광 발전 시스템의 위험 우선순위를 산정하는 방법 중 하나로 고장모드 및 영향분석(Failure Mode and Effects Analysis, FMEA)을 들 수 있다. FMEA는 구성요소별 잠재 고장모드를 식별하고, 각 고장모드에 대해 심각도(Severity, S), 발생도(Occurrence, O), 검출도(Detection, D)를 평가한 뒤 위험우선순위지수(Risk Priority Number, RPN)를 산정하는 방법이다. IEC 60812:2018은 FMEA 및 FMECA의 계획, 수행, 문서화, 유지 절차를 제시하고 있으며, 고장모드의 영향과 필요한 조치 대상을 체계적으로 식별하기 위한 방법론으로 FMEA를 정의한다4). 태양광 분야에서도 FMEA/RPN 적용 해외 사례로는 Colli의 PV 시스템 전체를 대상으로 FMEA를 수행하여 구성요소별 위험 우선순위를 분석하였고5), Villarini et al.은 실제 유지보수 데이터와 O&M 전문가 의견을 활용하여 PV 유지보수 계획 최적화에 FMEA를 적용하였다6). Rajput et al.은 PV 모듈 고장모드가 성능저하에 미치는 영향을 RPN으로 분석하였으며7), IEA PVPS Task 13은 PV 기술위험 정량화 과정에서 RPN 기반 접근과 기술위험 관리의 필요성을 제시하였다8). 국내에서는 오수정 등이 태양광 발전시스템의 사고예방을 목적으로 전문가 설문 기반 FMEA를 수행하고 주요 고장모드의 RPN을 산정하였다9).
다만, 기존 연구는 해외 운영환경, 문헌 기반 고장모드, 전문가 설문 또는 특정 시스템 모델을 바탕으로 한 경우가 많다. 국내 공공·분산형 태양광 발전소의 실제 고장 데이터와 직접 비교하여 RPN의 현장성을 검토한 연구는 아직 제한적이다. 특히 최근 현장에 적용되고 있는 원격 모니터링, 알람 데이터, I-V 곡선 진단, 열화상 진단 등 데이터 기반 O&M 환경을 반영한 검출도 기준은 충분히 정리되어 있지 않다. 또한 동일한 RPN 값이라도 S, O, D의 조합에 따라 안전 리스크와 성능저하 리스크의 의미가 달라질 수 있어, RPN 값만으로 조치 우선순위를 결정하는 데에는 한계가 있다10,11,12).
본 연구는 국내 공공 태양광 발전시설의 I-V 진단 결과, 모니터링 장애정보을 이용하여 RPN 기반 위험 우선순위 산정모델의 현장 적용성을 검토하는 데 목적이 있다. 이를 위해 국내 태양광 O&M 환경에 맞추어 S, O, D 평가 기준을 재정의하고, 진천군 공공 태양광 발전시설 97개소를 대상으로 발전소별 RPN을 산정하였다. 이후 산정된 RPN을 실제 고장 여부, 상대성능손실율, 장애건수와 비교하여 고위험 설비의 선별지표로 활용하여 분석하였다.
2. FMEA 기법을 통한 RPN 평가 개요
2.1 RPN 평가 개요
RPN은 FMEA에서 각 고장모드의 위험도를 정량적으로 비교하기 위해 사용하는 지표이며, 심각도(S), 발생도(O), 검출도(D)의 곱으로 산정된다. 이 연구에서 적용한 기본식은 식(1)과 같다.
심각도(S)는 고장이 발생했을 때 시스템의 안전성, 성능, 운영 신뢰성에 미치는 영향을 나타낸다. 여기서는 심각도를 단순한 출력 손실이 아니라 화재, 감전, 설비 손상, 장기 정지 등 안전 및 운영 영향을 함께 포함하는 지표로 보았다. 발생도(O)는 특정 고장모드가 실제 운전 환경에서 나타날 가능성을 의미한다. 과거 고장 이력, 운전 데이터, 통계적 고장률, 문헌상 발생 빈도 등을 근거로 산정하며, 발생 가능성이 높을수록 높은 점수를 부여한다. 검출도(D)는 고장이 발생하거나 진행되는 과정에서 해당 결함을 점검, 검사 또는 진단으로 찾아내기 어려운 정도를 뜻한다. 점수가 높을수록 사전 검출이 어렵고, 점수가 낮을수록 보호장치, 실시간 알람 또는 기본 점검을 통해 비교적 쉽게 확인할 수 있다.
RPN은 여러 고장모드의 위험도를 하나의 지표로 비교할 수 있게 하므로, 점검 우선순위 도출과 사고 예방 대책 수립에 유용하다. 그러나 전통적 RPN은 S, O, D에 동일한 가중치를 적용하고, 서로 다른 조합이 같은 RPN을 만들 수 있다는 한계가 있다. 따라서 실제 O&M 의사결정에서는 RPN 값과 함께 보완적 판정 절차를 적용할 필요가 있다10,11,12).
2.2 국내 태양광 발전소 적용을 위한 RPN 평가 기준 정의
본 연구에서는 기존 FMEA/RPN 연구와 IEA PVPS의 기술위험 평가체계를 참고하되, 국내 태양광 발전소의 운영환경과 진단 인프라를 반영하여 S, O, D 기준을 다시 정리하였다4,8). 국제 연구에서 제시된 RPN 기준은 다양한 기후대와 설비 조건을 포괄한다는 장점이 있으나, 개별 국가의 설치환경, 유지관리 수준, 모니터링 인프라, 고장 데이터 축적 수준을 그대로 반영하기는 어렵다. IEA PVPS의 기후대별 O&M 지침도 온도, 습도, 자외선, 강우, 풍속 등 기후 스트레스 요인이 PV 시스템 고장과 유지관리 방식에 영향을 주므로, O&M 서비스는 설치 지역의 조건에 맞게 조정되어야 한다고 제시한다5). 심각도(S)는 고장 발생 시 발전소의 안전성, 발전 성능, 설비 손상, 운영 지속성에 미치는 영향을 기준으로 평가하였다. 특히 출력 손실만을 기준으로 삼지 않고, 화재, 감전, 아크, 절연 파괴, 설비 정지와 같은 안전 리스크를 함께 반영하였다. 이에 따라 인명피해, 화재 또는 즉시 운전정지가 필요한 고장모드에는 높은 S 값을 부여하고, 출력 손실이 제한적이거나 단기 운전에 큰 영향을 주지 않는 고장모드에는 낮은 S 값을 부여하였다. 발생도(O)는 문헌상 고장 가능성과 실제 현장 장애 발생 빈도를 함께 고려하여 산정하였다. 문헌 기반 발생도 와 현장 데이터 기반 발생도 를 각각 산정한 뒤, 안전관리 관점의 고위험 설비 선별이라는 목적을 고려하여 식(2)의 기준을 적용하였다. 태양광 모듈의 장기 운영 및 서비스 수명 평가는 IEA PVPS T13-16에서도 다루어진 바 있으며, 본 연구의 발생도 척도도 이러한 장기 운전 특성을 고려하여 설정하였다13).
다만, 최대값 적용 방식은 실제 발생 가능성을 다소 높게 평가할 수 있다. 따라서 이 연구의 RPN은 고장 발생 확률의 정밀 예측값이 아니라, 안전관리 목적의 기준으로 해석하였다. 즉 RPN은 고장모드의 절대 위험도를 예측하기 위한 값이라기보다, 제한된 유지관리 자원을 고위험 설비에 우선 배분하기 위한 선별지표이다.
검출도(D)는 고장이 발생하거나 진행되는 과정에서 해당 이상을 얼마나 빠르고 명확하게 식별할 수 있는지를 기준으로 평가하였다. 실시간 보호장치 또는 알람으로 즉시 확인되는 고장은 낮은 D 값을 부여하고, 정밀 장비, 열화상, 절연저항 측정, I-V 곡선 분석 또는 분해 점검이 필요한 고장은 높은 D 값을 부여하였다. IEC 61724-1:2021은 PV 시스템 성능 모니터링을 위한 측정, 데이터 교환, 분석 방법 및 모니터링 시스템 등급을 제시하고 있으며, IEA PVPS Task 13도 통계적 성능 모니터링과 고장 탐지 알고리즘의 활용 가능성을 제시하였다14,15). 따라서 본 연구의 검출도 기준은 육안점검 중심이 아니라, 국내 발전소에서 활용 가능한 알람 데이터, 성능 분석, I-V 진단, 열화상 진단 등 복수의 검출 수단을 반영하도록 하였다.
S, O, D 값의 객관성과 재현성을 높이기 위해 다음과 같은 판정 절차를 적용하였다. 먼저 고장모드는 모듈, 인버터, 접속함, 케이블, 구조물 및 보조설비 단위로 사전에 구분하였다. 각 고장모드에 대해서는 I-V 진단 결과, 알람 이력, 현장점검 결과, 정밀진단 결과 등 확인 가능한 자료를 우선 적용하였다. 평가자는 Table 1, Table 2, Table 3의 기준에 따라 S, O, D를 독립적으로 부여하였다. 동일한 RPN 값이 나오는 경우에는 RPN 값만으로 우선순위를 정하지 않고 보완적 판정 기준을 적용하였다. 전통적 RPN은 S, O, D를 동일한 가중치로 곱하기 때문에 서로 다른 S, O, D 조합이 같은 RPN을 만들 수 있고, 이 경우 실제 안전상 중요도가 다른 고장모드가 동일한 순위로 처리될 수 있다10,11,12). 따라서 동일 RPN이 발생하면 우선 안전 리스크를 성능저하 리스크보다 앞에 두었다. 같은 위험 유형 안에서는 심각도 S가 높은 고장모드를 우선하고, S가 같으면 검출도 D, 다시 D가 같으면 발생도 O가 높은 항목을 우선하였다. 그래도 순위가 같을 때에는 예상 발전손실, 조치 비용, 부품 수급 가능성을 함께 고려하였다.
고장모드별 조치 방향을 분명히 하기 위해 위험 유형은 안전, 성능, 유효성, 구조/환경으로 나누었다. 안전 리스크는 화재, 감전, 아크, 절연저하, 접속부 과열 등 즉시 안전조치가 필요한 위험을 의미한다. 성능 리스크는 소일링, 부분 음영, 경미한 모듈 열화 등 주로 발전량 저하와 관련된 위험이다. 유효성 리스크는 인버터 미작동, 통신 장애, 보호장치 이상 등 발전소의 가동 지속성과 관련된다. 구조/환경 리스크는 구조물 부식, 배수 불량, 기초부 손상 등 설치환경 및 구조 안전과 관련된 위험으로 구분하였다.
Table 1
Definition of Severity (S) scores for PV power plants
Table 2
Definition of Occurrence (O) scores for PV power plants
Table 3
Definition of Detection (D) scores for PV power plants
3. 국내외 태양광 발전 진단 시스템 연구
기존 태양광 발전 시스템의 FMEA/RPN 연구는 크게 세 가지 흐름으로 구분된다. Table 4는 이전 연구에 대하여 비교하여 나타내었다. 첫째는 PV 시스템의 구성요소와 고장모드를 식별하고 위험 우선순위를 산정하는 시스템 기반 FMEA 연구이다. Colli는 PV 시스템 전체를 대상으로 FMEA를 수행하여 구성요소별 고장모드와 RPN을 분석하였다5). 둘째는 실제 유지보수 데이터와 전문가 경험을 바탕으로 유지보수 계획을 개선하려는 O&M 중심 연구이다. Villarini et al.은 실제 유지보수 데이터와 O&M 전문가 의견을 결합하여 PV 유지보수 계획 최적화를 위한 FMEA 기반 RPN 분석을 수행하였다6). 셋째는 모듈 열화, 핫스팟, 박리, 변색 등 특정 구성요소의 고장모드를 중심으로 RPN을 산정하고 성능저하와의 관계를 해석하는 연구이다. Rajput et al.은 PV 모듈 고장모드의 심각도와 성능저하 영향을 RPN으로 분석하였고7), Patil et al.은 태양광 패널의 성능, 신뢰성, 안전성 및 열화 영향을 고려한 FMEA 기반 신뢰성·위험평가 사례를 제시하였다16).
국내에서도 태양광 발전시스템의 고장모드와 위험우선순위를 분석한 연구가 수행되었다. 김윤복과 김두현은 20 kW 이하 계통연계형 태양광 발전시스템을 대상으로 고장모드영향분석을 수행하고, 인버터, 필터, 통신 관련 고장모드의 위험 우선순위를 분석하였다17). 오수정 등은 태양광 발전시스템의 사고예방을 목적으로 주요 고장모드를 정의하고, 전문가 설문을 통해 S, O, D를 평가하여 RPN을 산정하였다9). 이들 연구는 태양광 설비의 고장모드 식별과 안전관리 관점의 RPN 산정에 기여하였으나, 다수 발전소의 I-V 진단 결과, 모니터링 장애정보을 함께 활용하여 RPN의 현장 적용성을 통계적으로 확인한 연구는 제한적이다.
본 연구의 차별성은 다음과 같다. 첫째, 국내 공공·분산형 태양광 발전소 97개소의 실제 진단 및 운영 데이터를 사용하여 발전소별 RPN을 산정하였다. 둘째, 문헌 기반 발생도뿐 아니라 실제 모니터링 장애정보를 반영하여 발생도 산정의 현장성을 높였다. 셋째, 산정된 RPN을 I-V 조사 기반 실제 고장 여부, 상대성능손실율, 장애건수과 비교하여 RPN의 적용 가능성을 검토하였다. 넷째, RPN 결과를 안전 리스크와 성능저하 리스크로 구분하고, 유지보수 우선순위와 안전관리 의사결정에 함께 활용할 수 있는 보완 기준을 수립하였다.
Table 4
Comparison of previous studies and the contribution of this study
| Category | Study type | Main characteristics | Limitations |
Supplementary contribution of this study |
| This study |
Domestic empirical RPN analysis |
Analyzed actual data from 97 PV facilities |
Limited by region and sample scope |
Proposed a risk-based O&M screening indicator |
| Villarini et al.6) | O&M-oriented FMEA |
Optimized maintenance planning using actual maintenance data |
Based on overseas O&M conditions |
Reflected domestic monitoring alarm records |
| IEA PVPS Task 138) |
Technical risk quantification |
Presented a framework for PV technical risk, RPN, and risk management |
Difficult to directly reflect domestic facility conditions |
Redefined S/O/D criteria for domestic PV conditions |
| Rajput et al.7) |
Module failure mode analysis |
Analyzed module degradation and its impact on performance loss |
Limited validation using plant-level operating data |
Validated the model using plant-level I-V and failure data |
| Kim and Kim17) |
Domestic small-scale PV FMEA |
Analyzed failure modes of grid-connected PV systems below 20 kW |
Focused on small-scale systems |
Applied the method to multiple public PV facilities |
| Oh et al.9) |
Domestic safety-oriented FMEA |
Calculated RPN based on expert survey data |
Limited correlation analysis with actual failure data |
Compared RPN with actual faults, failure counts, and downtime |
| Colli5) | System-based FMEA |
Analyzed failure modes across the overall PV system | No validation using actualㅍ domestic PV plant data |
Applied field data from public PV facilities in Korea |
4. 태양광 발전소 내 고장모드 별 RPN 실증 분석
4.1 분석 대상 및 실제 고장 정의
본 절에서는 진천군 공공 태양광 발전시설 100개소를 대상으로 발전소별 RPN을 산정하고, 실제 고장 데이터와 비교하여 안전관리와 O&M 측면의 적용성을 검토하였다. 최종 분석에는 I-V 측정불가 또는 분석 제외 대상 3개소를 제외한 97개소를 사용하였다. 이 중 I-V 조사 기준 이상 판정은 68개소, 정상 판정은 29개소였으며, 모니터링 장애정보와 직접 매칭된 발전소는 65개소였다. 이상 판정 발전소 중 모니터링 데이터와 매칭된 사례는 42개소였다.
진천군 공공 태양광 발전시설은 국내 전체 태양광 발전소를 통계적으로 대표하는 표본은 아니다. 이 연구에서는 진천군 사례를 전국 대표 표본이 아니라, 동일 행정구역 안에서 운영되는 공공·분산형 소·중규모 태양광 발전시설의 O&M 적용성을 검토하기 위한 실증 표본으로 보았다. 이러한 표본 설정은 지역, 관리주체, 운영환경의 차이를 일정 부분 통제할 수 있다는 장점이 있지만, 결과를 대형 발전소, 민간 발전소, 해안·산지·도심형 발전소로 일반화하기 위해서는 별도의 검증이 필요하다. 발전소별 기본 RPN은 식(3)과 같이 산정하였다.
여기서 는 해당 발전소에서 확인된 주요 고장모드의 심각도, 는 발생도, 는 검출도를 의미한다. 심각도와 검출도는 2.2절에서 정의한 고장모드별 기준값을 적용하였다. 발생도는 문헌 기반 발생도 와 실제 장애정보 기반 발생도 를 각각 산정한 뒤, 안전관리 목적의 보수적 선별을 위해 식(4)와 같이 두 값 중 큰 값을 적용하였다.
이 방식은 고장 발생 가능성을 보수적으로 산정한다는 장점이 있으나, 일부 사례에서는 실제 위험을 높게 평가할 수 있다. 따라서 여기서의 RPN은 고장 확률의 정밀 예측값이 아니라 고위험 설비를 우선 식별하기 위한 안전 지표로 해석하였다. 실제 고장 여부는 충북테크노파크에서 수행한 진천군 공공 태양광 발전시설의 I-V 곡선 진단 결과를 기준으로 정의하였다. I-V 분석 결과는 정상, 이상, 측정불가 또는 분석 제외로 구분하였다. 이상 판정 설비에 대해서는 상대성능손실율을 이용하여 고장 강도를 추가로 평가하고, 운영상 고장 부담을 확인하기 위해 모니터링 장애정보을 분석하였다. 모니터링 장애정보에는 실제 설비 고장과 일출·일몰, 저일사, 기동·정지 과정에서 발생하는 비고장성 이벤트가 함께 포함되어 있다. 따라서 발생도 산정에 앞서 데이터 전처리를 수행하였다. 단순히 특정 시간대를 일괄 제외하면 임의성이 생길 수 있으므로, 다음과 같은 유효 장애 판정 절차를 적용하였다.
첫째, 필터링 대상은 태양전지 전압이상, 인버터 미작동, 저전압 계열 알람 중 일출·일몰 또는 저일사 운전조건 변화와 직접 관련될 수 있는 알람으로 한정하였다. 둘째, 해당 이벤트가 일출 전후 또는 일몰 전후에 발생하고, 태양고도 또는 일사량이 낮은 조건에서 나타난 경우에만 비고장성 후보 이벤트로 보았다. 셋째, 일사량 자료가 없는 경우에는 해당일의 일출·일몰 시간, 인버터 출력 회복 여부, 알람 지속시간을 보조 기준으로 활용하였다. 넷째, 알람 지속시간이 짧고 안정 일사 조건 도달 후 출력이 정상 회복되며 동일 설비에서 주간 안정 운전시간대에 반복되지 않는 경우에만 비고장성 알람으로 제외하였다. 다섯째, 절연저하, 아크, 과열, 지락, 차단기 동작 등 안전 관련 알람이 동반된 경우에는 시간대와 관계없이 유효 장애로 판단하였다. Fig. 1은 위 전처리 기준을 적용한 결과를 나타낸 것이다. 원본 장애 410,212건 중 257,954건을 비고장성 또는 운전조건 변화에 따른 이벤트로 제외하였다. 최종적으로 152,258건의 유효 장애를 발생도 산정에 활용하였다.
4.2 발전소별 기본 RPN 산정 결과
Fig. 2는 기본 RPN 산정 결과를 요약하여 나타낸 것이다. 분석 데이터로 활용한 100개소 중 측정불가 3개소를 제외한 분석 대상 97개소의 RPN은 최소 1, 중앙값 72, 최대 162로 나타났다. I-V 기준 정상 판정 발전소의 RPN 범위는 1 ~ 10, 중앙값은 2였으며, 이상 판정 발전소의 RPN 범위는 60 ~ 162, 중앙값은 84였다.
이는 기본 RPN이 정상 설비와 이상 설비를 구분하는 선별지표로 기능할 수 있음을 보여준다. 상위 위험군으로는 동곡경로당과 덕산분회경로당이 각각 RPN 162로 가장 높게 산정되었다. 하백경로당을 포함한 일부 핫스팟 계열 발전소는 RPN 126 수준으로 나타났고, 원암경로당은 접속반 또는 결합기 결함 계열로 분류되어 RPN 120을 나타냈다. 이들 발전소는 I-V 조사에서도 바이패스 다이오드 손상, 음영, 소일링, 접속계통 이상 등 구조적 또는 전기적 결함이 확인된 사례로, 기본 RPN 결과와 현장 진단 결과가 대체로 일치하였다. 다만, RPN 값은 고장 강도를 정밀하게 예측하기 위한 절대지표가 아니다. 제한된 O&M 자원을 어디에 먼저 배분할지 판단하기 위한 상대적 위험 선별지표로 보는 것이 적절하다. 동일한 고장군으로 분류된 설비라도 실제 출력 손실률, 알람 반복성, 복구시간, 설치환경에 따라 고장 부담은 달라질 수 있다. 따라서 RPN 상위 설비에 대해서는 I-V 재진단, 열화상 점검, 접속부 점검, 절연저항 측정 등 추가 진단을 통해 최종 조치 우선순위를 확정해야 한다.
4.3 기본 RPN과 실제 고장 간 상관관계 분석
기본 RPN이 실제 고장 존재 여부를 어느 정도 설명할 수 있는지를 평가하기 위하여, 본 연구에서는 I-V 기준 실제 고장 존재 여부를 이진 변수(정상 = 0, 고장 = 1)로 정의하고 기본 RPN과의 상관관계를 분석하였다. 이때 연속형 변수인 기본 RPN과 이진 변수인 실제 고장 존재 여부 간의 Pearson 상관계수는 점이연상관(point-biserial correlation)으로 해석할 수 있으므로, 기본 RPN이 정상 설비와 이상 설비를 얼마나 효과적으로 구분하는지를 판단하는 지표로 활용될 수 있다. 또한 Spearman 순위상관계수는 기본 RPN의 절대값뿐 아니라 순위 증가에 따라 실제 고장 존재 가능성이 단조롭게 증가하는지를 확인하기 위한 보조 지표로 함께 사용하였다.
Fig. 3은 기본 RPN 관계에 대한 피어슨 상관관계를 요약하여 나타낸 것이며, 분석 결과, 기본 RPN과 I-V 기준 실제 고장 존재 여부 간의 Pearson 상관계수는 r = 0.902로 나타나 매우 강한 양(+)의 상관관계를 보였다. 이는 기본 RPN이 증가할수록 실제 고장이 존재할 가능성이 뚜렷하게 증가함을 의미한다. 특히 상관계수의 제곱값은 R2 = 0.814로 계산되며, 이는 설명분산 기준에서 기본 RPN이 실제 고장 존재 여부의 변동을 약 81.4[%] 수준까지 설명하는 강한 선형상관관계를 가졌다. 다시 말해, 기본 RPN은 단순한 위험 우선순위 지표를 넘어 실제 현장에서 고장 설비를 선별하는 데 높은 설명력을 갖는 지표로 해석될 수 있다. 이러한 결과는 진천군 공공태양광 발전소를 대상으로 산정한 기본 RPN이 정상 설비와 이상 설비를 구분하는 데 실질적인 유효성을 가진다는 점을 보여준다. 즉, 기본 RPN이 높은 설비일수록 I-V 진단 결과에서도 실제 이상이 확인될 가능성이 높았으며, 이는 유지보수 대상 설비의 선제적 선정, 정밀점검 우선순위 설정, 현장 진단 자원의 효율적 배분에 기본 RPN을 활용할 수 있음을 의미한다. 특히 다수 발전소를 동시에 관리해야 하는 공공태양광 운영 환경에서는 모든 설비에 대해 동일한 수준의 정밀 점검을 수행하기 어렵기 때문에, 기본 RPN을 활용한 1차적인 고장검출 도구로써의 유의한 의미를 가졌다.
4.4 안전관리 관점의 실증 결과 해석 및 고찰
실증 분석에서 RPN 상위군으로 도출된 일부 발전소는 I-V 진단에서도 바이패스 다이오드 손상, 핫스팟, 음영, 소일링, 접속계통 이상 등이 확인되었다. 이러한 고장모드는 단순한 출력 저하에 머무르지 않고, 장기간 방치될 경우 국부 발열, 절연 열화, 접속부 과열 또는 아크 발생으로 이어질 수 있다. 따라서 안전관리 관점에서는 우선 점검 대상에 포함하는 것이 타당하다. IEA PVPS의 PV 화재 대응 관련 보고서에서도 PV 시스템 화재의 원인으로 아크, 검출되지 않은 지락, 바이패스 다이오드 결함 등이 언급되며, PV 시스템은 화재뿐 아니라 감전 및 소방활동 제한과 관련된 위험을 유발할 수 있다고 제시한다18).
다만, Table 5에서 위험에 따른 권장 조치를 표현한 것 처럼 모든 고위험 고장모드가 같은 대응책을 필요로 하는 것은 아니다. 케이블 부식, 접지 불량, 절연저하, 바이패스 다이오드 손상, 접속부 과열은 화재·감전·아크와 관련된 안전 리스크로 분류할 수 있다. 반면 소일링, 부분 음영, 경미한 모듈 열화는 주로 발전량 손실과 관련된 성능 리스크이다. 인버터 미작동이나 통신 장애는 발전소 운영 지속성과 관련된 유효성 리스크로 볼 수 있으며, 구조물 부식, 배수 불량, 기초부 손상은 구조/환경 리스크로 구분된다.
Table 5
Risk type classification and recommended actions
Table 6에서 동일한 RPN 값에 대한 결정 방법을 표현하였듯이 동일한 RPN 값이 산정되는 경우에는 위험 유형과 S, O, D 조합을 함께 검토해야 한다. 이 연구에서는 동일 RPN 발생 시 안전 리스크를 가장 우선하고, 그다음 유효성, 성능, 구조/환경 순으로 조치 우선순위를 정하였다. 같은 위험 유형 안에서는 심각도 S가 높은 고장모드, 검출도 D가 높은 고장모드, 발생도 O가 높은 고장모드 순으로 우선 조치한다. 이는 전통적 RPN의 동일가중 및 동일 RPN 문제를 보완하기 위한 절차이다10,11,12).
Table 6
Decision rules for equal RPN values
따라서, RPN 기반 안전관리 체계는 모든 고장모드에 같은 정비 조치를 적용하는 방식이 아니라, 위험 유형과 RPN 수준에 따라 점검 및 조치 수준을 차등화하는 방식으로 운영되어야 한다. 안전 리스크가 높은 설비는 즉시 점검과 정밀진단을 우선하고, 성능 리스크가 높은 설비는 세척, 음영 제거, 모듈 성능진단 등 발전량 회복 중심의 조치를 우선한다. 유효성 리스크가 높은 설비는 인버터, 통신장치, 보호장치 점검과 예비품 확보 계획을 우선 검토가 필요하다.
5. 태양광 안전관리 적용 방안
RPN 기반 위험 우선순위는 태양광 발전소의 유지보수 계획 수립과 안전관리 대상 선별에 활용될 수 있다. 특히 제한된 인력과 예산으로 다수의 분산형 발전소를 관리해야 하는 공공 태양광 O&M 환경에서는 모든 설비에 동일한 점검 주기를 적용하기보다, RPN이 높은 설비를 먼저 점검 대상으로 선정하는 방식이 효율적이다. IEA PVPS의 O&M 지침에서도 고장 또는 이벤트의 중요도에 따라 즉각 대응이 필요한 안전 관련 이벤트, 생산에 큰 영향을 미치는 주요 이벤트, 비긴급 이벤트를 구분하고 대응시간을 차등화할 필요가 있다고 제시한다19).
RPN 기반 점검체계는 다음과 같이 적용할 수 있다. RPN이 높고 Safety 리스크로 분류된 고장모드는 즉시 현장점검, 열화상 촬영, 절연저항 측정, 접속부 점검, 보호장치 확인을 수행한다. RPN은 높지만 Performance 리스크로 분류된 고장모드는 I-V 곡선 재측정, 소일링 확인, 음영 원인 제거, 모듈 성능 비교를 우선 수행한다. RPN이 중간 수준인 설비는 정기점검 주기를 단축하거나 모니터링 알람 추이를 추적하고, RPN이 낮고 알람 반복성이 없는 설비는 일반 정기점검으로 관리한다.
검출도 D가 높은 고장모드는 고장이 진행되어도 일반 모니터링이나 육안점검만으로 조기 식별이 어려울 수 있다. 따라서 핫스팟, 절연저하, 케이블 부식, 접속부 열화와 같은 고장모드는 정기적인 열화상 진단, 절연저항 측정, I-V 곡선 분석 등 정밀진단 기법과 연계할 필요가 있다. 반대로 알람 데이터로 즉시 검출 가능한 고장모드는 알람 반복성, 지속시간, 복구시간을 기준으로 조치 우선순위를 결정할 수 있다15,20). 다만 본 연구의 결과는 진천군 공공 태양광 발전시설을 대상으로 한 실증 결과이므로, 지역, 설비용량, 설치유형, 운영기간이 다른 발전소 자료를 활용한 추가 검증이 필요하다.
6. 결 론
이 연구에서는 국내외 태양광 발전 시스템의 FMEA/RPN 관련 선행연구를 검토하고, 국내 공공 태양광 발전시설의 실제 고장 데이터를 활용하여 RPN 기반 위험 우선순위 산정모델의 현장 적용성을 분석하였다. 국내 태양광 발전소의 O&M 환경을 고려하여 심각도(S), 발생도(O), 검출도(D) 기준을 재정의하고, 진천군 공공 태양광 발전시설 97개소를 대상으로 발전소별 기본 RPN을 산정하였다. 분석 결과, 기본 RPN은 I-V 기준 정상 설비와 이상 설비를 구분하는 데 높은 일치성을 보였다. 정상 판정 설비는 대부분 낮은 RPN 범위에 분포한 반면, 이상 판정 설비는 상대적으로 높은 RPN 범위에 분포하였다. 또한 기본 RPN과 상대성능손실율 간에는 양의 상관관계가 확인되었고, 기본 RPN과 최근 장애건수 간에도 중간 수준 이상의 양의 상관관계가 나타났다. 이는 RPN이 실제 고장 가능성과 반복 장애 부담을 1차적으로 선별하는 데 활용될 수 있음을 보여준다.
또한, 동일한 RPN 값이 발생하는 경우 안전 리스크 여부, 심각도, 검출도, 발생도 순으로 우선순위를 보완하는 판정 기준을 제안하고, 고장모드를 안전 리스크와 성능저하 리스크로 구분하여 조치 방향을 달리해야 함을 제시하였다.
다만, 분석 대상이 진천군 공공 태양광 발전시설로 한정되어 있으므로, 본 결과를 국내 전체 태양광 발전소의 대표값으로 일반화하기에는 한계가 있다. 향후에는 다양한 지역, 설비용량, 설치유형, 운영기간을 갖는 발전소 데이터를 추가로 확보하고, ROC-AUC, 민감도, 특이도, 교차검증 등 예측성 검증 지표를 적용하여 RPN 기반 위험평가 모델의 신뢰성을 높일 필요가 있다. 또한 장기 성능손실률(performance loss rate) 평가 체계, 실시간 모니터링 데이터, 일사량, 출력 예측모델, 정밀진단 결과를 연계한다면 태양광 발전소의 위험 기반 O&M 및 안전관리 체계를 더욱 정교하게 구축할 수 있을 것으로 기대된다.
