Development of Predicted Power Generation Nomogram of Photovoltaic System by Installation Conditions Using Typical Meteorological Year

Eun-Ho Kang; Jea-Won Kim; Dong-Soo Kim; Jong-Ho Yoon

doi:10.7836/kses.2023.43.4.029

Preview

Research Article

Journal of the Korean Solar Energy Society. 30 August 2023. 29-41
https://doi.org/10.7836/kses.2023.43.4.029

Development of Predicted Power Generation Nomogram of Photovoltaic System by Installation Conditions Using Typical Meteorological Year

표준기상자료를 활용한 태양광발전 시스템의 설치 조건별 발전량 예측 노모그램 개발

Eun-Ho Kang¹

Jea-Won Kim²

Dong-Soo Kim³

Jong-Ho Yoon⁴^*

강 은호¹

김 재원²

김 동수³

윤 종호⁴^*

¹Ph.D. Student, Dept. of Architecture Engineering, Hanbat National University

²M.S. Student, Dept. of Architecture Engineering, Hanbat National University

³Assistant Professor, Dept. of Architecture Engineering, Hanbat National University

⁴Professor, Dept. of Architecture Engineering, Hanbat National University

¹한밭대학교 건축공학과, 박사과정

²한밭대학교 건축공학과, 석사과정

³한밭대학교 건축공학과, 조교수

⁴한밭대학교 건축공학과, 교수

^{*Corresponding Author}

ABSTRACT

Recently, with the increase in the use of photovoltaic systems, the importance of evaluating data for the follow-up management of installed systems has also gradually increased. In particular, the power generation prediction data of photovoltaic systems play an important role in evaluating the performance of installed systems. Therefore, in this study, the power-generation performance index of the photovoltaic system was derived by simulating the power-generation performance according to the installation angle using a typical meteorological year of the seven regions. Consequently, a monogram of the annual yield and performance factors was derived according to the installation angle in the seven regions. As a result of examining annual yield in the range of azimuth angle 180°±30° and inclination angle 30°±15°, the annual average yield for the seven regions was 1,238 kWh/kWp. The performance factors based on the installation inclination angle exhibited similar characteristics in most regions, except for Jeju. Jeju showed a high performance factor under a relatively low inclination-angle, and accordingly, it showed different characteristics from the other regions.

Keywords

Yield

PV system performance on inclined plane

Typical meteorological year

Transposition

Polar graph of power generation

PV system simulation

키워드

등가 가동시간

경사면 PV 발전성능

표준기상자료

경사면 일사량 변환

발전량 극좌표 그래프

PV 시스템 시뮬레이션

MAIN

1. 서 론
1.1 연구의 배경 및 목적
1.2 연구방법
1.3 적용된 표준기상자료
2. 태양광발전 시스템 해석 모델 및 유효성 검증
2.1 경사면 일사량 변환 및 직산분리 모델
2.2 발전량 산출 모델
2.3 실측 데이터를 이용한 해석모델 유효성 검증
3. 국내 지역별 설치조건별 태양광 발전량 예측 노모그램 작성
3.1 설치 조건(경사 및 방위각)에 따른 연간 발전량 노모그램
3.2 설치 조건(경사 및 방위각)에 따른 상대 발전량 노모그램
4. 결 론

기호 및 약어 설명

$T M Y$ : 표준기상자료

$E$ : 생산 전력량(kWh)

$P_{S T C}$ : 정격 출력(kWp)

$Y$ : 등가 가동시간(kWh/kWp)

$I$ : 일사량(W/m²)

$θ_{T}$ : 경사각(°)

$θ_{A z}$ : 방위각(°)

𝛾 : 모듈 온도계수(%/℃)

𝛼 : 반사율(-)

$C V$ : 변동계수(%)

1. 서 론

1.1 연구의 배경 및 목적

세계적으로 화석 연료에 의존하는 에너지 생산을 신재생에너지로 대체하려는 노력이 진행되고 있다. 국내에서도 국제사회의 요구에 부응하여 신재생에너지 3020정책, RPS 의무비율 상향을 발표하였으며 이에 따라 태양광과 풍력 등 신재생에너지의 보급이 확대되고 있다¹⁾. 특히 국내 태양광발전(Photovoltaics, 이하 PV) 시스템의 누적 설치용량은 2017년의 3,779 MW 대비 2022년에 20,220 MW로 5년간 약 5.4배 증가하였으며 PV 시스템의 신규 설치용량은 최근 3년간(2018년 ~ 2021년) 신재생에너지 설치 용량 중 80% 이상을 차지하는 것으로 나타났다²⁾. 또한 제로에너지 건축물의무화 제도 시행에 따라 건물일체형 태양광발전 시스템(Building Integrated Photovoltaic system, BIPV)의 사례도 증가하면서 PV 시스템의 설치 형태는 다양화되고 있다³⁾.

PV 시스템의 상용화가 가속화됨에 따라 설치된 시스템에 대한 사후관리를 위한 평가자료의 중요성이 점점 높아지고 있다. 특히 PV 시스템의 발전량 예측 데이터는 시스템의 예상 전력 생산량의 지표가 되므로 설치된 시스템의 성능을 평가하는 데 중요한 역할을 한다. 시스템 운영자는 예측 발전량을 통해 설계된 PV 시스템의 잠재 성능을 추정할 수 있으며, 실제 생산된 전력과 비교함으로써 기존 PV 시스템의 정상 작동여부를 평가할 수 있다.

이와 관련하여 실측된 데이터를 기반으로 PV 시스템의 성능을 평가한 연구들이 다수 수행되었다. Lee et al.은 제주지역에 설치된 수평면 PV 시스템의 장기 운영 데이터를 통해 수평면 설치조건 PV 시스템의 연간 성능지표와 주요 성능저하 요소를 평가하였다. 또한 Kim et al.은 주거용 PV 시스템을 대상으로 모듈 설치방법에 따른 온도특성을 조사하고 그에 따른 발전성능을 평가하였다^4,5).

한편 표준기상자료를 활용하여 범용적인 성능지표를 제시하기 위한 연구도 진행되었다. Lee et al.⁶⁾는 남측 경사각 30° 설치조건의 PV 시스템을 대상으로 표준기상자료를 활용한 발전량 시뮬레이션을 진행하였으며 이를 통해 국내 16개 지역의 발전성능 지표를 제시하였다. 그리고 Kim et al.⁷⁾는 20년(1993년 ~ 2012년)기간의 기상청 데이터를 활용하여 국내 6개 지역에 대한 수평면 일사자원과 설치각도에 따른 예상 발전량을 산출하여 종합적인 발전량 평가지표를 제공하였다.

선행 연구들은 PV 시스템 성능평가에 활용할 수 있는 다양한 결과를 보여주고 있다. 하지만 대다수 연구들은 특정 사례에 기반하여 성능지표를 제시하기 때문에 대상 PV 시스템의 기상조건이나 설치조건이 상이한 경우에는 시스템 평가에 제한이 따를 수 있다. 또한 PV 시스템은 일사량 등 기상조건에 따라 예상 성능이 크게 좌우되기 때문에 기상자료의 신뢰성을 고려할 필요가 있다. 관련 연구에 따르면 국내 지역의 일사량 증가 경향이 보고되었으며 과거에 제작된 표준기상자료일수록 일사량의 연간 누적량이 비교적 낮게 나타남을 보였다^8,9,10).

따라서 평가자료에 활용될 예상 발전 성능지표는 건물 입면 등에 설치된 PV 시스템에도 활용될 수 있도록 다양한 설치조건의 결과를 포함할 필요가 있으며 신뢰할 수 있는 기상조건을 반영하여 산출될 필요가 있다. 이러한 배경에서 본 연구에서는 최근 기상데이터가 반영된 표준기상자료를 활용하여 설치각도에 따른 기대 발전성능을 산출함으로써 PV 시스템의 평가 기초자료를 도출하였다.

1.2 연구방법

본 연구는 국내 주요 지역에 대한 PV 시스템 설치 각도에 따른 발전성능을 분석 및 산출하고자 한다. 이를 수행하기 위해 먼저 PV 시스템의 시뮬레이션 모델이 수립된다. 시뮬레이션 모델은 경사면 일사량 변환 모델과 발전량 산출 모델로 구성되는데 일사량 변환 모델은 Perez 모델이 사용되었으며 발전량 산출 모델의 경우 PVWatts 모델이 활용되었다. 마지막으로 수립된 모델을 실측 데이터와 비교함으로써 유효성을 검증한 후, 설정된 설치조건에 따라 PV 시스템을 시뮬레이션하여 발전성능을 산출한다.

PV 시스템 설치조건은 설치 경사각 및 방위각 2개 변수에 따라 결정된다. 설치각도에 따른 대부분의 결과를 제시하기 위해, 경사각 조건이 0°에서 90°까지 5° 간격으로 19개가 선택되고 경사각 0°를 제외한 경사각 조건(5° ~ 90°)당 72개 방위각(0° ~ 355°)에 대한 설치조건이 설정됨으로써 총 1,297개 설치조건에 대한 시뮬레이션이 진행된다. 설치조건에 따른 시뮬레이션은 지역에 따라 개별적으로 수행된다. 대상 지역은 국내 7개 지역(강릉, 서울, 대전, 대구, 광주, 부산, 제주)을 선정하였으며 각 지역에 대한 기상조건은 해당 지역에 대한 표준기상자료를 이용하여 구현되었다.

결과로 제시되는 발전성능 지표는 등가 가동시간(Yield, 이하 $Y$ )으로 표현된다. 등가 가동시간 $Y$ 는 식(1)과 같이 생산된 전력량 $E_{P V}$ 을 표준시험조건(Standard Test Condition, 이하 STC) 조건 출력 $P_{S T C}$ 으로 나눈 값으로써 적산된 기간 $T$ 동안 STC 출력으로 발전한 시간을 의미한다. 따라서 $Y$ 는 전력생산량을 설치용량에 대하여 정규화한 지표이기 때문에 $Y$ 에 설치용량을 곱함으로써 예상 발전량의 산출이 가능하다.

(1)

Y_{T} = \sum_{t = 1}^{T} \frac{E_{P V, t}}{P_{S T C}}

1.3 적용된 표준기상자료

국내 지역별 발전량 산출을 위해 국가참조표준에서 제공하는 한국에너지기술연구원(Korea Institute of Energy Research, KIER)의 표준기상자료(Typical Meteorological Year, 이하 TMY)를 활용하였다¹¹⁾. TMY는 특정 지역에 대한 대표 기상 조건을 나타내는 데이터 세트로써 공기온도, 태양 복사, 풍속, 습도 등의 시간별 데이터로 구성된다. 활용된 TMY는 기상청에서 30년(1991년 ~ 2020년)간 측정된 데이터로 제작되었으며 국내 16개 지역에 대한 기상정보를 포함하고 있다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430403/images/Figure_KSES_43_04_03_F1.jpg

Fig. 1.

Location information and annual cumulative GHI

TMY에 포함된 지역 중 대표 7개 지역(강릉, 서울, 대전, 대구, 광주, 부산, 제주)에 대한 발전량 시뮬레이션이 진행된다. Fig. 1은 대상 지역들의 위치정보와 수평면 전일사량(Global Horizontal Irradiance, GHI) 연간 누적량을 나타낸 그래프이다. 연간 누적 GHI은 지역에 따라 1248.5 kWh/m² (서울)부터 1452.4 kWh/m² (대전)까지 다양하게 나타났다.

2. 태양광발전 시스템 해석 모델 및 유효성 검증

2.1 경사면 일사량 변환 및 직산분리 모델

PV 모듈에 입사되는 일사량 $I_{p o a}$ 은 PV 시스템 출력 산출을 위한 중요한 입력변수로써 기상조건 및 PV 시스템의 기하학적 조건을 반영하여 선행적으로 산출되어야 한다. $I_{p o a}$ 은 식(2)와 같이 모듈에 입사되는 직달일사 $I_{B}$ , 모듈에 입사된 확산일사 $I_{D}$ 와 주변으로부터 반사된 일사 $I_{R}$ 3가지 성분으로 구분할 수 있으며 이들을 개별적으로 산출한 후 합산하여 결정된다.

(2)

I_{p o a} = I_{B} + I_{D} + I_{R}

먼저 $I_{B}$ 는 법선면 직달일사량 $D N I$ 을 PV 모듈에 대해 내적함으로써 식(3)에 따라 결정된다. $I_{R}$ 은 지표면으로부터 반사되는 일사 성분으로써 수평면 확산일사량 $G H I$ 에 지표면과의 기하학적 관계를 반영하여 식(4)에 따라 계산된다. 이때 지표면을 제외한 주변 반사요소는 없으며 지표면에 입사된 일사량은 모든 방향으로 균일하게 반사된다고 가정된다. 여기서, $α_{g}$ 는 지표면 반사율(= 0.2)이다.

(3)

I_{B} = D N I \times \cos θ_{D N I}

(4)

I_{R} = G H I \times α_{g} \times \frac{(1 - \cos (θ_{T}))}{2}

(5)

I_{D} = D H I \times [(1 - F_{1}) (\frac{1 + \cos (θ_{T})}{2}) + F_{1} (\frac{a}{b}) + F_{2} \sin (θ_{T})]

마지막으로 $I_{D}$ 는 Perez sky model을 활용하여 계산되었다. Perez sky model은 비등방성 모델(Anisotropic model)로써 $I_{D}$ 를 (1) 수평면 띠로부터의 산란일사(horizon brightening irradiance), (2) 대기로부터의 균등 산란일사(Isotropic irradiance), (3) 태양 주변의 산란일사(Circumsolar irradiance)로 나누어 고려하기 때문에 등방성 모델(Isotropic model)보다 정확한 일사를 산출할 수 있다고 알려져 있다¹²⁾. 이에 따라 해당 모델은 $I_{D}$ 를 식(5)와 같이 각 산란일사 성분의 가중치의 합에 수평면 확산 일사량을 곱함으로써 산출한다. 식(5)에 따르면 Perez sky model은 산란일사 성분의 가중치를 계산하기 위해 태양 주변 밝기계수 $F_{1}$ 와 지평선 밝기계수 $F_{2}$ 를 구하는데, 해당 값들은 청명 계수(sky clearness)에 따라 실험적으로 얻어진 계수들을 반영하여 결정된다. $a$ 는 경사면이 태양과 이루는 각, $b$ 는 태양의 천정각이다.

$I_{p o a}$ 산출을 위해서는 법선면 직달일사량 $D N I$ 과 수평면 확산일사량 $D H I$ 이 필요하다. 하지만 참고된 TMY에서는 $D N I$ 와 $D H I$ 가 포함되어 있지 않으므로 DIRINT 직산분리 모델(Decomposition models)을 사용하여 $D N I$ 와 $D H I$ 를 산출하였다. DIRINT 모델은 Perez et al.¹³⁾에 의해 제안된 모델로써, 기존 DISC 모델에 청명계수의 변화율과 이슬점 온도 정보를 반영함으로써 $D N I$ 추정 정확도를 개선한 모델이다. 해당 알고리즘은 파이썬 오픈소스 라이브러리인 PVlib을 통해 구현되었다¹⁴⁾.

2.2 발전량 산출 모델

PV 시스템의 전력 생산량 모델은 NREL (National Renewable Energy Laboratory)에서 개발한 PVWatts를 활용하였다¹⁵⁾. PVWatts는 식(6)과 같이 PV 셀에 입사된 일사량 $I_{p o a}$ , 셀 온도 $T_{c e l l}$ 를 입력받아 직류 출력 $P_{d c}$ 을 결정한다. PVWatts의 출력은 선행 산출된 셀 온도 $T_{c e l l}$ 의 영향을 받기 때문에 $T_{c e l l}$ 가 선행적으로 계산될 필요가 있다. 본 연구에서는 셀 온도 $T_{c e l l}$ 를 Fuentes model을 이용하여 계산하였다¹³⁾. Fuentes model은 PV 모듈을 평면형태로 가정하여 1차원 열전달 메커니즘으로 수립된 모델이다. 해당 모델은 식(7)과 같이 주변 공기온도 $T_{a}$ 로 인한 대류, 천공 복사온도 $T_{s k y}$ 및 지면온도 $T_{g}$ 로 인한 장파 복사, 그리고 모듈에 입사되는 일사량 $I_{p o a}$ 을 반영하여 셀의 온도 $T_{c e l l}$ 를 산출한다.

(6)

P_{d c} = \frac{I_{p o a}}{1000} P_{S T C} (1 + γ (T_{c e l l} - T_{S T C}))

(7)

m c \frac{d T_{c e l l}}{d t} = h_{c} (T_{c e l l} - T_{a i r}) + ϵ σ (T_{c e l l}^{4} - T_{s k y}^{4}) + ϵ σ (T_{c e l l}^{4} - T_{g r o u n d}^{4}) + α_{s o l a r} I_{p o a}

여기서 $T_{S T C}$ 와 $P_{S T C}$ 는 STC 조건에서 측정된 셀의 온도 및 단위면적당 발전량이며, 𝛾는 모듈의 온도계수를 의미한다. 상용되는 대부분의 인버터의 효율이 98% 이상인 점을 고려하여 PV 시스템의 생산 전력량은 직류 출력 $P_{d c}$ 으로 가정되었다.

2.3 실측 데이터를 이용한 해석모델 유효성 검증

시뮬레이션을 진행하기에 앞서, 수립된 모델의 출력이 실제 PV 시스템의 출력을 잘 모사할 수 있는지 확인이 필요하다. 이에 따라 야외조건에 설치된 PV 모듈의 출력과 시뮬레이션 환경에서 운영된 PV 모듈의 실측 데이터 비교를 통해 모델의 타당성 검증이 수행되었다. 아래 Fig. 2는 유효성 검증에 사용된 PV 모듈을 보여주며 Tables 1, 2는 설치된 PV 시스템의 제원과 측정장비의 규격을 보여준다.

Table 1

PV system parameter info

Items	PV module
Nominal power [W/m²]	181.1
Voltage at maximum power [V]	19.7
Current at maximum power [A]	9.2
Loss ratio [%]	11%
Temperature coefficient [%/°C]	0.045
Azimuth angle, Tilt angle	180° (South), 30°
Location (latitude, longitude)	Daejeon, Korea (36.37, 127.37)
Install type	Fixed open rack

Table 2

Measuring device specifications

Items	Instrument	Measuring range	Accuracy
Irradiance	Pyranometer	0 to 2000 W/m²	± 15 W/m²
Temperature	Thermocouple (T type)	-250°C to 350°C	± 0.5°C
DC Power	IV curve tracer	20 to 1000 V	± 1.7%

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430403/images/Figure_KSES_43_04_03_F2.jpg

Fig. 2.

(A) PV system installed on site, (B) PV module, (C) Irradiation measuring instruments

타당성 검증은 일사량 변환 모델과 발전량 산출 모델에 대해 수행되었으며 검증 방법은 미국 냉동공조학회(ASHRAE)의 “ASHRAE Guideline 14”에서 제공하는 절차를 참고하여 진행하였다¹⁶⁾. 검증 기준은 시간별 데이터에 따른 기준이 적용되었는데, 식(8)을 통해 계산된 변동계수(Coefficient of Variation, CV)가 ±30%를 벗어나지 않아야 모델의 타당성이 검증됨을 의미한다. 타당성 검증을 위해 4개월 (2021년 8월 ~ 11월) 동안 측정된 경사면 일사량 데이터와 테스트베드용 시설에 설치된 PV 모듈의 출력 데이터가 활용되었다.

(8)

C V (%) = 100 \times \frac{\sqrt{\sum_{i = 1}^{N} (m_{i} - s_{i})^{2} / (N - 1)}}{\bar{m}}

여기서, $s_{i}, m_{i}$ 와 $\bar{m}$ 은 각각 $i$ 시점의 시뮬레이션 데이터, 실측 데이터이며 $\bar{m}$ 은 실측 데이터의 평균, $N$ 은 데이터 수이다.

Fig. 3은 실측 데이터와 모델의 출력 데이터를 나타낸 산포도이다. Fig. 3의 좌측 그래프는 경사면 일사량을 나타내며 우측 그래프는 발전량을 보여준다. 경사면 일사량 변환 모델의 경우 CV는 23.2%로 나타났으며, 발전량 산출 모델의 경우 CV는 16.8%로 나타나 두 모델 모두 제시된 기준을 만족하였다. 또한 실측 데이터와 모델 출력 데이터 사이의 결정계수 R²는 0.9 이상으로 수립된 모델이 실제 PV 시스템을 잘 모사하는 것으로 확인되었다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430403/images/Figure_KSES_43_04_03_F3.jpg

Fig. 3.

Hourly comparison of simulated data and measured data

3. 국내 지역별 설치조건별 태양광 발전량 예측 노모그램 작성

3.1 설치 조건(경사 및 방위각)에 따른 연간 발전량 노모그램

설치조건에 따른 PV 시스템의 예상 성능을 도출하기 위해 경사면 조건에 따른 시뮬레이션을 진행하였다. PV 모듈 경사각(Tilt angle)에 대한 범위는 0° (수평면)부터 90° (수직면)까지 5도 간격으로 19개 조건으로 설정되었으며 방위각(Azimuth angle)의 범위는 0° (북측)부터 5도 간격으로 355°까지 72개 조건이 설정되었다.

시뮬레이션 결과는 Fig. 4와 같이 나타났다. 각 그래프의 반지름 좌표와 각도 좌표는 각각 경사각과 방위각 조건을 의미하며 해당 위치의 색상은 연간 등가 가동시간 $Y_{y}$ 을 의미한다. 방위각 180°± 30°, 경사각 30°± 15° 범위의 평균 $\bar{Y_{y}}$ 를 살펴보면 지역에 따른 $\bar{Y_{y}}$ 의 표준 편차는 85 kWh/kWp (6.8%)로 발전량 수준이 지역에 따라 다양함을 보인다. $\bar{Y_{y}}$ 가 1,300 kWh/kWp 이상을 보인 지역은 3개 지역으로 대전, 대구, 부산지역이 각각 1,323 kWh/kWp, 1,313 kWh/kWp, 1,325 kWh/kWp의 비교적 높은 발전성능을 보였으며 $\bar{Y_{y}}$ 가 1,200 kWh/kWp 이상, 1,300 kWh/kWp 미만인 지역은 강릉과 광주지역으로 각각 1,272 kWh/kWp, 1,263 kWh/kWp의 발전성능을 보였다. 나머지 2개 지역(서울, 제주)의 경우 평균 $\bar{Y_{y}}$ 는 1,153 kWh/kWp, 1,140 kWh/kWp로 비교적 낮은 발전성능을 보였다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430403/images/Figure_KSES_43_04_03_F4.jpg

Fig. 4.

Annual yield according to an angle of inclination & azimuth

백분위수 90 이상을 만족하는 설치조건의 연평균 일일 가동시간 $\bar{Y_{d}}$ 을 살펴보면, 대상 지역들의 평균 $\bar{Y_{d}}$ 는 3.42 kWh/kWp, 최소 3.34 kWh/kWp로 나타난다. 상대적으로 높은 수치를 보이는 대구, 대전 부산지역의 백분위수 90 이상 $\bar{Y_{d}}$ 의 평균값은 3.58 ~ 3.61 kWh/kWp, 최솟값은 3.48 ~ 3.51 kWh/kWp로 나타났다. 상대적으로 낮은 수치를 보이는 서울, 제주지역의 백분위수 90 이상 설치조건의 평균 $\bar{Y_{d}}$ 는 각각 3.14 kWh/kWp, 3.11 kWh/kWp, 최소 $\bar{Y_{d}}$ 는 두 지역 모두 3.05 kWh/kWp로 나타났다.

3.2 설치 조건(경사 및 방위각)에 따른 상대 발전량 노모그램

본 절에서는 설치 경사각 및 방위각에 따른 $Y$ 의 상대적인 비교를 위해 설치조건에 따른 $Y$ 를 0 ~ 100% 사이의 값으로 변환하여 분석을 진행하였다. 데이터 변환은 최적 설치조건 대비 발전성능을 나타내기 위해 최적 설치조건의 $Y$ 로 나눔으로써 진행되었다. Fig. 5는 정규화 결과를 나타낸 극좌표 그래프로써 대상 지역에 대한 설치각도에 따른 상대적인 성능지수 $P F_{θ}$ 를 5% 단위로 보여준다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430403/images/Figure_KSES_43_04_03_F5.jpg

Fig. 5.

Performance factor according to an angle of inclination & azimuth

$P F_{θ}$ 결과는 지역에 따라 대체로 유사한 모습을 보이지만 제주 및 강릉지역에서는 다소 다른 특성을 보였다. 전체 지역의 평균 $P F_{θ}$ 대비 각 지역의 편차를 검토하였을 때, 5개 지역(서울, 대전, 대구, 광주, 부산)의 평균 편차는 0.9% 미만 수준으로 유사한 경향을 보이지만 강릉지역과 제주지역의 평균 편차는 각각 1.8%, 3.2%로 다른 지역과 다소 다른 경향을 나타낸다.

수평면과 남측 경사각 30° 경사면의 $P F_{θ}$ 을 살펴보면 5개 지역에서는 각각 86.3% ~ 87.1%, 99.6% ~ 99.7% 수준으로 나타났으며 강릉에서는 각각 84.3%, 99.1%로 다소 낮은 수치를 보인다. 그리고 제주지역의 수평면과 남측 경사각 30° 경사면의 $P F_{θ}$ 는 각각 92.6%, 99.9%로 해당 설치조건에서 상대적으로 높은 수치를 보인다. 남측, 남서측, 서측 3개 방위의 수직면 설치조건 $P F_{θ}$ 의 경우, 5개 지역에서는 각각 70.7% ~ 71.8% (남측 수직면), 64.4% ~ 66.3% (남서측 수직면), 51.1% ~ 53.5% (서측 수직면)로 나타났으며 강릉의 경우 각각 73.4% (남측 수직면), 65.2% (남서측 수직면), 49.9% (서측 수직면)로 남측 수직면에서 다른 지역보다 다소 높은 수치를 보였다. 반면 제주지역의 수직면 $P F_{θ}$ 는 63.6% (남측 수직면), 61.9% (남서측 수직면), 53.4% (서측 수직면)로 남측 방위와 가까운 수직면일수록 다른 지역보다 낮은 $P F_{θ}$ 을 보였다.

4. 결 론

본 연구에서는 국내 PV 시스템의 설치조건에 따른 발전량 기초자료를 도출하기 위해 국내 7개 지역(강릉, 서울, 대전, 대구, 부산, 광주, 제주)의 표준기상자료를 활용하여 설치 경사면에 따른 연간 발전량을 산출하였으며, 주요 결과를 요약하면 다음과 같다.

(1) 방위각 180°± 30°, 경사각 30°± 15° 범위의 연간 등가 가동시간을 검토한 결과, 7개 지역의 평균 연간 등가 가동시간은 1,238 kWh/kWp로 나타났다. 대전, 대구, 부산지역에서 1,300 kWh/kWp 이상으로 비교적 높은 발전성능을 보였으며 강릉과 광주지역에서는 각각 1,272 kWh/kWp, 1,263 kWh/kWp으로 평균과 가까운 수치를 보였다. 나머지 서울과 제주의 경우 1,200 kWh/kWp 이하로 나타나 비교적 낮은 발전성능을 보였다.

(2) 백분위수 90 이상의 연평균 일일 가동시간이 검토되었다. 산출된 결과에서는 대상 지역들의 평균 일일 가동시간은 3.42 kWh/kWp로 나타났다. 부산은 가장 높은 수치를 보인 지역으로 3.61 kWh/kWp를 보였으며 반면 제주지역에서는 3.11 kWh/kWp로 가장 낮은 수치를 보였다.

(3) 설치 경사각 및 방위각에 따른 성능지수 $P F_{θ}$ 는 제주지역을 제외한 대부분 지역에서 대체로 유사한 특성을 보였다. 단 제주지역의 $P F_{θ}$ 은 낮은 경사각 조건에서 다른 지역보다 높게 형성되며 이에 따라 다른 지역과 유의미한 $P F_{θ}$ 차이를 보였다.

Acknowledgements

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2022R1 A2C1092138).

References

Ministry of Trade, Industry and Energy, Legislative Notice of Amendment to Enforcement Decree of Renewable Energy Act, 2021. https://www.motie.go.kr/motie/gov3.0/gov_openinfo/sajun/bbs/bbsView.do?bbs_seq_n=164641&bbs_cd_n=81&cate_n=. last accessed on the 19^thMay 2023.

Korea Energy Agency, Investigation of New and Renewable Energy Supply Performance, 2023. https://kosis.kr/statHtml/statHtml.do?orgId=337&tblId=DT_337N_A005&conn_path=I2. last accessed on the 19^th May 2023.

Ballif, C., Perret-Aebi, L. E., and Lufkin, S., Integrated Thinking for Photovoltaics in Buildings, Nature Energy, Vol. 3, No. 6, pp. 438-442, 2018, https://doi.org/10.1038/s41560-018-0176-2. 10.1038/s41560-018-0176-2

Lee, H.-M., Kang, E.-H., Kim, D.-S., and Yoon, J.-H., Assessment of Long-Term Operational Performance of Building Attached PV System Installed on Horizontal Plane, Journal of The Korean Solar Energy Society, Vol. 41, No. 4, pp. 147-160, 2021, https://doi.org/10.7836/kses.2021.41.4.147. 10.7836/kses.2021.41.4.147

Kim, D.-S., Kim, B.-J., and Shin, U.-C., Evaluation of Electricity Generation According to Installation Type of Photovoltaic System in Residential Buildings, Journal of the Korean Solar Energy Society, Vol. 37, No. 2, pp. 35-45, 2017, https://doi.org/10.7836/kses.2017.37.2.035. 10.7836/kses.2017.37.2.035

Lee, H.-S., Kim, B.-J., and Shin, U.-C., Analysis of Power Generation Characteristics of a Photovoltaic System in Korea, Journal of the Korean Solar Energy Society, Vol. 39, No. 2, pp. 33-43, 2019, https://doi.org/10.7836/kses.2019.39.2.033. 10.7836/kses.2019.39.2.033

Kim, D. S., Shin, U. C., and Yoon, J. H., Annual Energy Yield Prediction of Building Added PV System Depending on the Installation Angle and the Location in Korea, KIEAE Journal, Vol. 14, No. 1, pp. 67-74, 2014, https://doi.org/10.12813/kieae.2014.14.1.067. 10.12813/kieae.2014.14.1.067

Kim, C.-K., Kim, H.-G., Kang, Y.-H., Yun, C.-Y., Kim, B., and Kim, J.-Y., Solar Resource Potentials and Annual Capacity Factor Based on the Korean Solar Irradiance Datasets Derived by the Satellite Imagery from 1996 to 2019, Remote Sens, Vol. 13, No. 17, 2021, https://doi.org/10.3390/rs13173422. 10.3390/rs13173422

Chung, M.-H., The Correlation of Solar Radiation and Atmospheric Elements including Air Pollution, The International Journal of The Korea Institute of Ecological Architecture and Environment, Vol. 19, No. 5, pp. 69-74, 2019, https://doi.org/10.12813/kieae.2019.19.1.069. 10.12813/kieae.2019.19.1.069

Kang, E.-H., Kim, D.-S., Lee, H.-M., and Yoon, J.-H., A Comparative Analysis of Solar Radiation in Korea's Typical Meteorological Year for Building Energy Analysis, Journal of the Korean Solar Energy Society, Vol. 42, No. 5, pp. 157-171, 2019, https://doi.org/10.7836/kses.2022.42.6.157. 10.7836/kses.2022.42.6.157

National Center for Standard Reference Data, Measurement-based TMY, 2022. https://www.srd.re.kr/css/srdinfsrv/S_CSS_010100.do. last accessed on the 19^th May 2023.

Perez, R., P. Ineichen, Robert, S., Joshph, M., and Ronald, S., Modeling Daylight Availability and Irradiance Components from Direct and Global Irradiance, Solar Energy, Vol. 44, No. 5, pp. 271-289, 1990, https:// doi.org/10.1016/0038-092X(90)90055-H. 10.1016/0038-092X(90)90055-H

Perez, R., Ineichen, P., Maxwell, E. L., and Seals, R. D., Dynamic Global-to-Direct Irradiance Conversion Models, ASHRAE Transactions-Research Series, pp. 354-369, 1992.

William, F. H., Clifford W. H., and Mark A. M., Pvlib Python: A Python Package for Modeling Solar Energy Systems, Journal of Open Source Software, Vol. 3, No. 29, 2018, https://doi.org/10.21105/joss.00884. 10.21105/joss.00884

Fuentes, M. K., A Simplifed Thermal Model for Flat-Plate Photovoltaic Arrays, SAND85-0330, Sandia National Laboratories, USA, 1987. http://prod.sandia.gov/techlib/access-control.cgi/1985/850330.pdf. last accessed on the 19^th May 2023.

ASHRAE, ASHRAE Guideline, Guideline 14-2014: Measurement of Energy, Demand, and Water Savings, American Society of Heating, Refrigerating, and Air Conditioning Engineers, Atlanta, 2014.

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

Preview

Development of Predicted Power Generation Nomogram of Photovoltaic System by Installation Conditions Using Typical Meteorological Year

ABSTRACT

MAIN

(1)

Fig. 1.

Location information and annual cumulative GHI

(2)

(3)

(4)

(5)

(6)

(7)

Table 1

PV system parameter info

Table 2

Measuring device specifications

Fig. 2.

(A) PV system installed on site, (B) PV module, (C) Irradiation measuring instruments

(8)

Fig. 3.

Hourly comparison of simulated data and measured data

Fig. 4.

Annual yield according to an angle of inclination & azimuth

Fig. 5.

Performance factor according to an angle of inclination & azimuth

Acknowledgements

References