기호 및 약어 설명

IEA : International Energy Agency

BIPV : Building-Integrated Photovoltaics

SAM : System Advisor Model

NREL : National Renewable Energy Laboratory

IEC : International Electrotechnical Commission

Isc : Short circuit current

CEC : California Energy Commission

RMSE : Root Mean Square Error

MBE : Mean Bias Error

MAE : Mean Absolute Error

NMBE : Normalized Mean Bias Error

NRMSE : Normalized Root Mean Square Error

GPOA : Plane-of-array irradiance

NOCT : Normal Operating Cell Temperature

Voc : Open circuit voltage

Pmp : Maximum power point temperature coefficient

1. 서 론

건물일체형 태양광(BIPV, Building Integrated Photovoltaic) 시스템은 태양광 모듈이 건물 외장재로 사용되어 전력 생산과 건축 자재 기능을 동시에 수행함으로써 건물의 에너지 효율 향상과 탄소 배출 저감에 기여한다. 기존 외장재를 대체하여 경제적 이점을 제공하고, 탈탄소화 요구 속에서 건물의 가치를 높인다는 점에서 활용 가능성이 지속적으로 확대되고 있다. 그러나 BIPV 시스템의 설계·적용에 있어 전기 및 열적 성능을 신뢰성 있게 예측할 수 있는 모델과 절차는 여전히 미비한 실정이다. 특히 컬러 BIPV 모듈의 적용이 증가함에 따라, 기존 PV 성능 모델이 이러한 모듈의 특수한 광학·열적 특성을 적절히 반영하는지 검증하는 연구의 필요성이 더욱 커지고 있다.

BIPV 시스템은 건물 외장재와 일체화되어 설치되므로, 모듈의 열적 거동은 건물 표면 온도 및 냉난방 부하에 영향을 미칠 수 있다. 또한, PV 모듈의 작동 온도는 전기적 출력에 직접적인 영향을 미치기 때문에, 열적 성능을 정확히 예측하는 것은 필수적이다. 전기적 성능 예측 역시 발전량 산정, 비용·편익 분석, 치수 결정 등 건물 설계 의사결정 과정의 핵심 요소이므로, 이를 위한 예측 모델의 신뢰성 확보가 중요하다.

BIPV 시스템의 성능 예측과 관련하여 다양한 선행연구가 수행되어 왔다. Jeong et al. (2022)¹⁾은 BIPV 목업 건물을 대상으로 서로 다른 위치에 일사량계를 설치하여 측정값과 PVsyst 데이터의 오차율을 비교함으로써, 시뮬레이션 입력 일사값의 정확도가 예측 결과에 크게 영향을 미친다는 점을 강조하였다. Bao and Xiang (2025)²⁾은 홍콩 모듈러 주택의 컬러 BIPV 시스템을 대상으로 DesignBuilder 시뮬레이션을 수행하고 측정 발전량과 비교한 결과, 모델이 총 발전량을 약 14% 과대평가하며 피크·저부하 영역에서 부정확성을 보인다고 보고하였다. 이러한 결과는 컬러 BIPV 모듈의 광학적 특성이 기존 시뮬레이션 툴에 충분히 반영되지 않았음을 시사한다. Jazouli et al. (2025)³⁾은 BIPV 시스템의 열적·전기적 성능을 예측하는 단순화 모델과 상세 모델을 시간해상도별로 비교하여, 5 ~ 60분 해상도 조건에서 모델 복잡도에 따라 예측 성능이 달라짐을 제시하였다. 이들은 다양한 기후 조건과 시스템 구성에서 모델의 타당성을 검증하는 추가 연구가 필요하다고 강조하였다. 한편 Shin et al. (2021)⁴⁾은 기존 시뮬레이션 도구가 일사량 증가에 따른 모듈 FF 감소 특성을 충분히 반영하지 못한다는 점을 지적하며, 컬러 BIPV 모듈의 전압-전류 특성을 기반으로 한 보정 모델을 제안하였다. 제안 모델은 RMSE 비교에서 기존 PVsyst보다 우수한 결과를 보였으며, 컬러 모듈의 특수성을 고려한 모델링의 필요성을 뒷받침하였다. 그러나 이들 연구는 주로 단색 모듈 또는 제한된 조건에서 수행되었으며, 실제 건물 외벽에 적용된 컬러 BIPV 모듈의 실측 기반 검증 연구는 매우 부족한 실정이다.

최근 IEA PVPS Task 15에서는 건물 미관을 고려한 컬러 BIPV 모듈이 기존 단색 모듈과 다른 광학·열적 특성을 가지며, 세라믹 잉크 도트 패턴 인쇄는 분광투과율과 유효 일사량을 변화시켜 전기적 성능과 시뮬레이션 정확도에 영향을 미칠 수 있다고 보고하였다. 또한 컬러 BIPV의 실측 데이터가 제한적이므로 성능 모델 검증 연구의 필요성이 강조되고 있다⁵⁾. IEA PVPS Task 13은 PV 시스템 발전량 예측에서 일사량 변환, 온도 모델, 전기적 파라미터 등의 불확실성이 중요한 오차 요인임을 지적하며, 실측–시뮬레이션 비교 시 nMBE와 nRMSE를 활용할 것을 권고하였다⁶⁾. 이러한 결과는 단기 시간해상도에서 예측 오차가 크게 나타날 수 있다는 점을 시사한다. System Advisor Model (SAM) 모델은 표준 PV 모듈 기반으로 개발되어 일반적인 조건에서는 우수한 예측 성능을 보이나, 컬러 모듈이나 외벽형 BIPV와 같이 비표준 광학·열적 특성을 가진 시스템에서는 정확도가 저하될 수 있다⁷⁾. Sandia 모델⁸⁾ 역시 단색 실리콘 모듈에 최적화되어 있어 컬러 도트 패턴 모듈이나 유리·유리 구조의 외벽 BIPV에 적용할 경우 파라미터 부정합이 발생할 가능성이 있다. 더불어 Faiman (2008)⁹⁾은 PV 모듈 온도가 설치 구성과 환기 조건의 영향을 크게 받는다고 지적하며, 환기 제약이 존재하는 BIPV에는 별도의 온도 모델 고도화가 필요함을 강조하였다. 이러한 국제적 분석 결과는 기존 PV 모델링이 비표준적 설치 환경이나 특수 광학 특성을 가진 컬러 BIPV 모듈에 적용될 때 예측 정확도가 저하될 가능성을 더욱 뒷받침한다. 따라서, 이에 따라 컬러 외벽형 BIPV의 성능 예측 정확도를 향상시키기 위해 실측 기반의 검증 연구가 필요함을 시사한다.

이와 같이 기존 연구들은 대부분 단색 모듈 기반 모델링의 정확도를 평가했으며, 컬러 BIPV 모듈의 광학·열적 특성이 시뮬레이션 결과에 미치는 영향을 실측 기반으로 검증한 연구는 제한적이다. 따라서 본 연구에서는 기존 PV 시뮬레이션 도구를 활용하여 컬러 외벽형 BIPV 시스템의 전기적 및 열적 성능을 예측하고, 이를 실측값과 비교함으로써 기존 PV 성능 모델의 적용 가능성과 한계를 평가하고자 한다.

본 연구는 실제 건물 외벽에 적용된 회색 세라믹 dot-pattern (도트패턴) BIPV 모듈을 장기간 실측하여, SAM 기반 모델이 컬러 BIPV의 광학·열적 특성을 얼마나 재현하는지 정량적으로 평가한 국내 최초 사례라는 점에서 의의가 있다. SAM은 미국 국립재생에너지연구소(NREL)에서 개발한 태양광 시스템 성능 예측 도구로, 모듈 전기 성능, 온도 거동, 인버터 및 시스템 손실을 통합적으로 모델링할 수 있다. PVWatts나 RETScreen과 같은 단순 예측 도구가 연간 발전량 산정에 중점을 두는 것과 달리, SAM은 모듈 전기 파라미터의 사용자 정의 입력과 단기 시간해상도의 시계열 시뮬레이션을 지원한다^10,11). 이러한 특성은 환기 조건과 광학 특성이 일반 시스템과 상이한 외벽형 컬러 BIPV 시스템의 전기·열 성능을 실측 데이터와 비교·검증하는 데 적합한 것으로 판단되어, 본 연구의 분석 도구로 SAM을 선정하였다.

2. 연구대상 및 범위

본 연구의 분석 대상은 대한민국 아산(36.79° N, 126.99° E)에 위치한 아산청소년도서관(Fig. 1)에 설치된 BIPV 시스템이며, 해당 건물은 지상 2층 규모의 건물로 건축물 에너지효율등급 1++을 인증받았다.

Fig. 1

Appearance of Asan youth library

해당 건물은 남동측(158°) 지붕과 외벽면에 총 50.4 kWp 규모의 BIPV 시스템이 설치되어 있으며, 지붕과 외벽면 각각 3개, 2개의 어레이로 구성되어 총 5개의 어레이로 나뉘어진다(Table 1, Fig. 2). 또한, 각 어레이는 회색 G/G BIPV 모듈로 구성된 어레이와 검은색 백시트가 적용된 G/B PV 모듈로 구성된 어레이로 구분된다. Table 1에 나타낸 것과 같이 건물 지붕에는 회색 G/G PV 모듈과 검은색 백시트가 적용된 G/B PV 모듈이 각각 10.4 kWp, 21.3 kWp 설치되어 있으며, 14.1° 경사각으로 설치되어있다. 건물 외벽면에는 18.7 kWp 용량의 회색 G/G PV 모듈로 구성된 BIPV 시스템이 수직으로 설치되어 있으며, 자연환기를 위한 100 mm 간격의 공기층을 두고 PV 모듈이 적용되는 형태로 구성되어 있다.

Fig. 2

BIPV array configuration

본 연구에서는 이 중 외벽면의 3.31 kWp 어레이(Array 5)를 대상으로 분석을 진행하였으며, 분석 대상 어레이는 회색 G/G PV 모듈 27장이 직렬로 연결된 어레이로 3.5 kWp 인버터에 연결되어 있다. Array 5는 수직 설치 및 100 mm 환기 공간을 갖고 있어, 컬러 모듈의 열거동 및 실측-시뮬레이션 비교에 가장 적합한 실험 조건을 제공한다.

분석 대상 어레이를 구성하는 회색 G/G PV 모듈은 세라믹 잉크를 도트패턴으로 인쇄하여 색상을 구현한 컬러 모듈이 사용되었으며(Fig. 3), 122.5 Wp 용량과 전기효율 16.7%의 성능을 갖는다(Table 2).

Fig. 3

Appearance of gray module

3. 해석모델 설계 및 분석 방법

3.1 시뮬레이션 프로그램 개요

본 연구에서는 BIPV 시스템의 전기 및 온도 성능 분석을 위해 미국 국립 재생에너지 연구소(NREL)에서 개발한 시스템 어드바이저 모델(SAM) 소프트웨어를 활용하였다. SAM은 전기적 성능 및 모듈 온도에 대한 다양한 모델링 옵션을 제공하여 모델 최적화를 위한 광범위한 선택지를 제공하는 프로그램이다.

시뮬레이션 모델은 제조사 데이터시트 기반의 매개변수 입력이 가능하고, 국내 BIPV 성능 예측 연구에서 널리 활용되는 CEC 단일 다이오드 모델을 사용하였다. 해당 모델은 결정질 실리콘 모듈의 전기적 특성을 온도 및 일사 조건에 따라 안정적으로 재현할 수 있어 본 연구 대상인 컬러 G/G 모듈의 비교분석에 적합하다.

3.2 실측 데이터 수집 및 가공

(1) 실증 데이터 수집

BIPV 시스템의 온도 및 출력에 영향을 미치는 일사량, 외기온도, 풍향 및 풍속 등의 주요 기상조건 수집을 위해 일사량계와 웨더스테이션이 설치되었다. 웨더스테이션은 풍향 및 풍속, 외기온도 측정을 위해 건물 옥상에 설치되었으며, 일사량계는 BIPV 모듈과 동일한 각도로 설치되어 입사 일사량을 측정하였다. 또한, BIPV 시스템 어레이의 전기적 출력 데이터는 인버터를 통해 계측되었으며, DC 및 AC 전력과 전압, 전류가 측정되었다. 또한, BIPV 모듈 후면에 온도센서를 부착하여 모듈 온도를 측정하였다.

(2) 데이터 전처리

시뮬레이션에 기상데이터를 입력하기 위해 1분 간격으로 측정된 데이터를 5분 간격으로 가공하였다. 이때 일사량이 20 W/m²이상인 경우를 BIPV 모듈이 발전하는 것으로 간주하여 일사량이 20 W/m² 미만인 데이터는 분석에서 제외하였다. 또한, 5분 미만의 데이터가 누락된 경우 보간법을 사용하여 누락된 값을 보정하였으나, 5분 이상 동안 데이터가 누락된 경우 해당 데이터를 분석에서 제외하였다. 이와 같이 데이터를 가공한 결과 전체 데이터(일사량 > 20 W/m²)에 대한 누락 데이터의 비율은 0.03%로 분석되었으며(Table 3), 데이터 가공 전, 후의 PV 모듈의 평균 온도와 연간 DC 및 AC 발전량이 유사하므로(Table 4) 데이터 가공 방식이 타당한 것으로 판단하였다.

(3) 경계조건 입력

아산도서관 외벽면에 설치된 BIPV 시스템을 모델링하기 위해 입력된 경계조건은 Table 5에 나타낸 것과 같다. 본 연구에 활용된 데이터는 2023년 10월부터 2024년 3월까지 6개월 동안 수집된 데이터이며, 모든 데이터는 5분 간격으로 입력되었다. 해당 기간에 측정된 입사일사량, 풍속, 외기온도 데이터를 기상데이터 입력값으로 활용하였다.

SAM에 일사량을 입력하는 방식은 Fig. 4과 같이 크게 5가지로 구분되며, 본 연구 대상 실증은 일사계로 일사량을 측정하였으므로, 일사계 측정 POA 입력 방식을 채택하였다. 해당 방식은 기준 모듈 커버의 광학적 특성에 따른 직달일사 감소 효과를 반영한다. BIPV 시스템의 시뮬레이션 해석 모델은 앞서 Table 2에 서술한 회색 G/G PV 모듈의 전기적 성능이 동일하게 적용되었으며, 27 장의 모듈이 직렬 연결된 어레이로서 구성되었다. 또한 연계된 인버터는 실제 설치된 인버터의 사양과 동일하게 3.5 kWp 용량으로 입력되었다. 분석 대상인 BIPV 시스템은 벽체와의 이격거리가 100 mm이며, 지상으로부터 약 3 m 높이에 위치하므로 이에 해당하는 값을 모델링 조건에 입력하였다.

Fig. 4

Flowchart describing the models required for various input irradiance data options¹²⁾

3.3 PV 전기 모델링

본 연구는 BIPV 시뮬레이션 툴이 제공하는 옵션이 실제 BIPV 성능을 재현할 수 있는지 검증 하는 것이 주된 쟁점이므로, 모듈의 설계에 있어 SAM에서 기본적으로 제공하는 PV 모델링 유형을 적용하고자 하였다. SAM에서 제공하고 있는 PV 모델링 유형은 5가지로 분류되며 각 모델은 다음과 같다.

∙ Simple efficiency module model: 사용자가 모듈 면적, 표준시험(STC, Standard Test Condition) 조건에서 모듈의 전기적 특성 및 온도 계수를 제공해야 하는 모델로서, 가장 기본적인 성능과 간단한 입력값이 요구됨

∙ California Energy Commission (CEC) performance model with module database: 모듈 데이터베이스에 저장된 PV를 선택하여 성능이 결정되는 모델이며, 6개 매개변수의 단일 다이오드 등가 회로 모델이 구현된 모델임

∙ CEC performance model with user-entered specifications:위 모델과 동일한 성능 모델이나, 제조업체 데이터 시트에 제공된 표준 모듈 사양에서 모델 매개변수를 계산하는 계수 계산기를 포함함

∙ Sandia PV array performance model with module database: Sandia National Laboratories의 태양광 모듈 및 어레이 성능 모델을 구현하는 모델로서, 테스트 데이터를 기반으로 개발되어 온도 및 일사량 변화에 따른 성능 모델링에 적합

∙ IEC 61853 single-diode model: IEC 61853¹³⁾시리즈에 일치하는 방식으로, 모듈의 상세한 특성 매개변수를 사용하여 모듈 변환 효율을 계산하는 모델임

이 중 Sandia 및 IEC 모델은 모듈의 상세한 성능 정보를 필요로 하나, 이는 일반적으로 모듈 제조업체에서 제공하는 데이터 범위를 벗어난다. 예를 들어, IEC 모델은 일사량과 셀 온도 범위가 각각 100 ~ 1,100 W/m², 15 ~ 75℃인 다양한 시험 조건에서 측정된 최대 전력(Pmp), 최대 전력 전압(Vmp), 개방 회로 전압(Voc), 단락 회로 전류(Isc)를 입력값으로 요구하나, 실제 PV 모듈은 STC 조건에서만 시험되므로, 이러한 성능에 대한 정보가 부재하다. 또한, Sandia 모델은 STC 조건을 기반으로 하지만 세부적인 온도 계수와 모듈 설치 조건에 대한 상세 정보를 필요로 하며, SAM의 Sandia 모듈 라이브러리에는 Sandia National Laboratories의 시험 및 평가 프로그램에 참여한 모듈에 대한 정보만 포함되어 있어 선택의 폭이 제한적이다. Simple efficiency module 모델은 가장 단순한 모델로서 실증 데이터와 교차검증 용도로 사용되기에 부적절한 것으로 판단되었다. 따라서 본 연구에서는 PV 모델링에 CEC performance model with user-entered specifications을 사용하였다.

3.4 온도 모델링

CEC performance model with user-entered specifications 모델은 PV 공칭 작동 셀 온도(NOCT, Nominal Operating Cell Temperature)와 PV 모듈의 이격거리를 기반으로 셀 온도를 산출한다. PV 모듈의 이격거리는 PV 모듈 후면의 환기조건을 모사하기 위한 조건이며, 입력된 이격거리를 기반으로 식(1), (2)와 같이 NOCT 값을 보정하여 셀 온도를 도출한다. 식(1)은 PV 모듈과 설치면의 이격거리가 작을수록 NOCT에 더해지는 보정계수값이 커지므로, 자연환기가 이루어지지 않아 열이 축적되는 현상을 반영하고 있다.

여기서 Tc는 셀 온도, Ta는 외기온도, G는 입사 일사량, ηref는 정격효율, τa는 흡수율, vw,adj는 보정된 풍속이다. 분석 대상인 BIPV 시스템은 벽체와의 이격거리가 100 mm이며, 지상으로부터 약 3 m 높이에 위치하므로 이에 해당하는 값을 모델링 조건에 입력하였다. 또한, 과도(Transient) 열 모델 보정을 위해 모듈의 단위면적당 질량 11.092 kg/m²을 입력하여 일사량 변동에 따른 온도 변화를 완화하였다.

3.5 평가 지표

시뮬레이션 결과와 측정 데이터의 비교를 위한 지표로서 평균 제곱근 오차(RMSE)와 정규화된 평균 제곱근 오차(nRMSE), 평균 편향 오차(MBE)와 정규화된 평균 편향 오차(nMBE) 를 사용하였다.

RMSE는 식(3)과 같이 측정값과 예측값 사이의 오차를 제곱 평균하여 그 평균의 제곱근을 취한 값으로, RMSE 값이 클수록 측정값과 예측값 사이의 오차가 큼을 의미한다. 또한, MBE는 식(4)와 같이 시뮬레이션 값에서 측정값을 뺀 오차를 합산하여 평균한 값으로, 결과값이 양의 부호를 가지는 경우 예측값이 측정값보다 과대평가 되었음을 의미하며, 음의 부호를 가지는 경우 과소평가 되었음을 의미한다. 또한 각 지표를 정규화한 nRMSE와 nMBE는 각 지표를 측정값으로 나누어 백분율로 나타낸 값으로(식 (5), (6)), 전체 데이터 대비 오차의 비율을 나타낸 값이며, 값이 클수록 오차율이 큼을 의미한다.

여기서 n은 유효 관측데이터의 수, m은 측정값, s는 시뮬레이션 값을 의미한다.

4. 결과 및 분석

4.1 셀 온도 비교·분석

Table 6에 나타낸 것과 같이, BIPV 모듈 후면에 부착된 온도센서로 측정된 평균 온도와 시뮬레이션을 통해 산출된 평균 셀온도는 각각 15.4℃와 16.1℃로 분석되었다. SAM에서 계산되는 값은 모듈 후면 온도가 아닌 셀온도(Tcell)임을 고려하면 예측값이 다소 높게 나타난 것은 타당한 결과이며, 평균값의 차이가 크지 않아 시뮬레이션이 실증 온도 거동을 전반적으로 잘 반영한 것으로 판단된다. 그러나 시간(5분 간격) 단위 비교에서는 RMSE가 11.7 K로 나타나 시뮬레이션이 단기 온도 변화를 충분히 재현하지 못한 것으로 분석된다. 이러한 불일치는 시간별 발전량 계산에도 영향을 미쳐 전기 출력 예측 정확도를 저하시킬 수 있다. 또한, 시뮬레이션에서 적용된 셀온도는 후면 온도를 기반으로 추정된 값이지만, 후면 온도는 실제 셀온도를 직접적으로 대표하지 못한다. 후면 온도는 외기조건, 환기 수준, 모듈 구조적 특성 등에 따라 셀온도와 일정한 차이를 보일 수 있으며, 이러한 차이가 시뮬레이션 기반 출력 예측 오차의 주요 원인 중 하나로 작용한다.

한편, 연간 평균 수준에서는 시뮬레이션과 실측 간 편차가 작았으나, 단기(5분) 해상도에서는 컬러 BIPV 모듈의 광학 특성 및 온도 변화의 민감도 때문에 nRMSE가 상대적으로 크게 나타났다. 이는 단기 변동성에 대한 모델의 한계가 결과에 반영된 것으로 해석된다.

동일 시간의 측정값과 시뮬레이션 값의 매치를 나타낸 그래프(Fig. 5)를 살펴보면, 값들이 기준선을 따라 우상향되는 띠 모양으로 분포하고 있으므로 시뮬레이션이 실증의 전체적인 양상과 일치하는 계산을 수행했음을 알 수 있다. 그러나, 기준선보다 넓게 퍼져 있는 모습에서 시뮬레이션의 정밀도가 낮고, 시간 변동에 따른 온도 변화를 정확히 추정하지 못했음을 확인할 수 있다. 또한, 시뮬레이션을 통해 도출된 온도는 온도가 낮을수록 측정값보다 과대평가 된 결과를 도출하며, 온도가 높아질수록 측정값보다 과소평가 된 결과를 도출하고 있음을 확인하였다.

Fig. 5

Comparison of the modelled and measured temperature for Asan youth library

4.2 DC 및 AC 발전량 비교·분석

시뮬레이션을 통해 산출된 단위 면적당 누적 DC 발전량은 60.1 kWh/m²로, 측정값인 58.1 kWh/m²보다 약간 높게 나타났다(Table 7). 앞서 분석된 것과 같이 시뮬레이션 모듈 온도가 측정된 모듈 온도보다 0.7 K 높게 나타났으므로, 분석 대상 모듈의 온도계수가 –0.0634%/K임을 고려했을 때, 시뮬레이션 된 DC 발전량은 실측된 DC 발전량과 유사하거나 미미하게 작게 나타나야 하나, 오히려 DC 전력에 대한 nMBE가 3.44%로 반대의 경향을 나타냈다(Table 8). 이는 모듈 온도 모델링의 오차 이외의 원인이 DC 발전량의 과대평가에 기여함을 의미한다.

반면, 시뮬레이션된 AC 전력은 측정된 값보다 2.68% 낮은 것으로 분석되었으며, 이는 인버터 손실과 변환 효율이 실제 인버터보다 보수적으로 모델링되었음을 의미한다. 또한, nRMSE가 32.38%로 nMBE보다 현저히 크게 나타나므로, 시뮬레이션 결과가 실제 발전량의 시간적 변동성을 재현하지 못했음을 확인할 수 있다.

따라서, 측정값에 비해 DC는 과대평가되었고 AC는 과소평가되는 것으로 분석되었다. 이는 컬러 모듈의 내부 저항 증가와 스펙트럼 손실로 인해 DC 출력 변동성이 확대되는 반면, AC 변환 구간에서는 인버터의 part-load 효율곡선 특성이 실제와 상이하기 때문에 나타나는 현상으로 해석된다.

Fig. 6는 DC 및 AC 발전량의 측정값과 시뮬레이션 값의 일치율을 나타낸 그래프로, DC와 AC 모두 기준선을 따라 우상향되는 띠 모양으로 분포한다. 그러나, DC 발전량의 경우 측정값이 2.0 kW보다 낮은 범위에서 값들이 기준선으로부터 멀리 떨어져 넓게 분포되어 있는 모습을 보이며, AC의 경우 전체적으로 값이 넓게 분포되어 있어 시뮬레이션의 정밀도가 낮은 것을 확인할 수 있다. 이는 저일사 구간에서 컬러 모듈의 분광 불일치가 상대적으로 더 크게 작용함을 의미한다.

Fig. 6

Comparison of the modelled and measured DC power (top) and AC power (bottom) for Asan youth library

특히, 측정값과 시뮬레이션 결과의 단기 변동성 비교에서 nRMSE가 상대적으로 크게 나타났다. 이는 컬러 G/G 모듈이 세라믹 잉크 기반 도트패턴 인쇄로 인해 분광투과율 변화와 비균일 광학 손실을 유발하며, 이러한 특성이 SAM의 표준 모듈 모델에 충분히 반영되지 않았기 때문이다. 이러한 광학적 불일치는 단기 시간해상도에서 출력 변동성을 증가시켜 시뮬레이션–실측 간 오차의 주요 원인으로 작용한다. 또한, 장기 평균 발전량은 대체로 일치하였으나 단기 해상도에서 오차가 커지는 것은 이러한 광학적 영향과 온도 모델링 오차가 누적되어 나타나는 결과로 해석된다. 더불어 본 시스템은 계통 연계 제약과 인버터 용량 한계로 인해 특정 시간대에 출력 제한(clipping)이 발생하며, 이러한 clipping 구간에서는 실측 발전량이 실제 잠재 발전량보다 낮아져 시뮬레이션 결과와의 차이를 더욱 확대시키는 요인으로 작용한다.

5. 결 론

본 연구에서는 PV 시뮬레이션 도구인 SAM을 활용하여 컬러 BIPV 외벽 시스템의 발전 성능을 예측하고, 다수의 평가지표를 통해 이를 실측 데이터와 비교·분석하였다. 이를 통해 기존 PV 온도 모델이 BIPV 환경에서도 적합한지, 그리고 시뮬레이션이 실제 시스템의 작동 특성을 얼마나 현실적으로 반영하는지 평가하였다.

분석 결과로부터, BIPV 시스템의 연간 발전량 예측은 비교적 정확하게 나타났으나, 단기(시간해상도) 전력 예측과 온도 모델링에서는 상대적으로 낮은 정확도를 보였다. 특히, 세라믹 잉크 기반의 도트패턴 인쇄 방식으로 구현된 컬러 모듈은 일반 단색 모듈 대비 작은 온도계수와 특유의 분광·광학적 변화를 갖기 때문에, 유효 일사량 및 전류 감소, Fill Factor 변화 등의 요인이 복합적으로 작용하여 시뮬레이션 결과와 실측값 간 편차를 유발할 수 있음을 확인하였다.

또한, 실제 설치된 인버터의 사양을 시뮬레이션에 동일하게 입력하였음에도 AC 발전량이 시스템적으로 과소평가되는 경향을 보였다. 이는 일사량 변환 과정의 불확실성, 컬러 모듈의 광학적 비균질성, 인버터 모델링의 단순화 등이 복합적으로 영향을 미친 결과로 판단된다.

본 연구의 결과는 기존 PV 모델을 컬러 BIPV 시스템에 적용할 때 발생할 수 있는 한계와 오차 요인을 명확히 제시하였다는 점에서 의의가 있다. 그리고 국내 실규모 건물 외벽에 적용된 세라믹 도트패턴 컬러 BIPV를 대상으로 SAM 예측 정확도를 실측 기반으로 정량 검증한 첫 사례이다. 이는 향후 컬러 BIPV 설계·시공 시 적용 가능한 보정계수 산정의 기초자료로 활용될 수 있다.

향후 연구에서는 컬러 모듈의 분광 특성을 반영한 광학 모델 개발, 실측 기반의 고정밀 온도 모델 보정, 인버터 동특성 모델링 고도화 등을 통해 예측 정확도를 한층 개선할 필요가 있다. 또한, 다양한 설치 조건과 외벽 구성에 대한 확장 연구가 이루어진다면 BIPV 시스템 설계 및 성능 예측의 신뢰성이 크게 향상될 것으로 기대된다.