국내 연구진이 접근이 어려운 위치의 태양광패널을 인공지능(AI)을 활용해 고장진단 및 관리하는 기술을 개발했다.
한국에너지기술연구원은 신재생시스템연구실 고석환 박사연구팀이 AI를 활용한 태양광 발전 고장진단 기술을 개발했다고 20일 밝혔다.
연구진은 10년 이상 태양광발전소 고장진단 평가를 수행하며 수집한 I-V 곡선 정보를 데이터베이스화하고 AI 모델을 적용해 현장에 직접 가지 않아도 태양광 패널의 오염 정도, 성능저하 등을 95% 이상의 정확도로 판단할 수 있는 기술을 개발했다. I-V곡선은 태양광으로 생성하는 전기에너지를 측정해 전압과 전류의 상관관계를 그려내는 곡선으로 정상 곡선과 실제 측정 곡선을 비교해 설비 고장 유무 평가가 가능하다.
기존 태양광 설비 유지보수 방식은 주기적으로 인력을 투입해 현장에서 고장을 진단하고 해결하는 방식이다. 최근에는 열화상 카메라를 탑재한 드론을 통해 고장 유무를 판단하는 기술이 적용되고 있으나 정확한 진단을 위해선 결국 현장을 방문해야 한다는 한계가 있었다.
이에 연구진은 AI 학습모델을 활용해 기존 기술의 문제를 해결했다. I-V곡선 데이터를 AI 학습모델에 입력만 하면 패널의 발전 성능부터 PID, 셀 부식 등과 같은 다양한 고장 원인을 명확히 분석할 수 있다. PID는 태양광 패널 표면의 전자(-이온)가 패널 유리표면과 근접해 원활히 이동하지 못하면서 발전이 저해되는 현상이다.
이 밖에도 태양광 패널의 셀 종류에 따른 물리적 특성을 모델링화 하는 알고리즘도 개발했다. I-V곡선 데이터는 패널 성능과 고장 상태를 평가할 수 있는 기준이 되지만 환경 조건이 바뀔 때마다 불규칙적으로 변동되기 때문에 전문가도 명확하게 분석하기 어렵다는 한계가 있다. 해당 알고리즘은 수시로 변하는 환경 조건에서도 전압과 전류 시뮬레이션 데이터를 98% 이상 정확도로 예측했다.
이를 활용하면 I-V 데이터 수집이 가능한 발전소는 모두 원격으로 성능 관리가 가능하게 되며, 특히 수상, 해상 태양광처럼 접근이 어려운 지역에 적용하면 유지관리 비용을 획기적으로 줄일 수 있다.
고석환 박사는 "최근 다양한 형태로 설치되는 태양광 발전소는 접근성으로 인해 성능과 고장 점검이 어려웠다"며 "인공지능 학습모델을 통해 분석하면 오염과 같은 작은 손실 저하도 955 이상 정밀진단 가능하고 원격 진단도 가능해 유지관리의 수준과 활용성을 매우 높일 수 있을 것"이라고 말했다.
Copyright @ NEWSTREE All rights reserved.
