접근 어려운 태양광 패널, 인공지능이 관리한다

에너지기술연구원, 95% 정확도 고장 감지 기술 개발

태양광 발전 설비는 농지나 물 위, 건물 벽, 방음벽 등 접근이 어려운 곳에 설치된 경우가 많다. 이에 성능이 떨어지거나 고장이 나더라도 유지 관리가 어렵다. 국내 연구진이 인공지능(AI)으로 태양광 설비의 고장 유무를 알아 낼 수 있는 기술을 개발했다.

한국에너지기술연구원은 고석환 신재생시스템연구실 박사 연구팀이 AI를 활용한 태양광 발전 고장 진단 기술을 개발했다고 20일 밝혔다. 10년 이상 태양광발전소 고장진단 평가를 수행하며 수집한 I-V곡선(태양광 생성 전기에너지의 전압-전류 상관관계 곡선) 정보를 데이터베이스화 하고, 인공지능 모델을 적용해 현장에 가지 않고도 태양광 패널의 오염, 성능저하 등을 95% 이상의 정확도로 판단할 수 있다.

기존의 태양광 설비 유지보수 방식은 주기적으로 인력을 투입해 현장에서 고장을 진단하고 해결하는 방식이다. 최근에는 드론에 열화상 카메라를 탑재해 분석하는 기술이 적용되고 있으나 마찬가지로 현장을 방문해야 진단할 수 있다. 또, 고장난 패널 위치는 파악할 수 있어도 고장으로 인해 에너지가 얼마나 손실됐는지는 측정할 수 없다.

연구팀은 인공지능 학습모델을 활용해 기존 기술의 문제를 해결했다. 태양광 패널 상세정보, 어레이(여러 장으로 구성된 모듈) 직·병렬 정보, 환경센서(일사량, 온도)를 포함하는 I-V곡선 데이터를 인공지능 학습모델에 입력만 하면 패널의 발전 성능과 PID(Potential Induced Degradation), 셀 부식 등과 같은 다양한 고장 원인을 명확하게 분석할 수 있다. 이에 더해 10년 이상의 현장 시험 평가로 수집된 태양광 패널의 고장 I-V 데이터와 정상 데이터를 학습하게 하여 95% 이상의 고장 진단 정확도를 확보했다.

연구책임자인 고석환 박사가 개발한 인공지능 활용 태양광 발전 유지 관리 기술에 대해 설명하고 있다. 사진출처=에너지기술연구원 제공

I-V곡선 데이터의 활용성도 높였다. 태양광 패널에서 I-V곡선 데이터는 패널의 성능과 고장 상태를 평가하는 중요한 데이터이지만, 일사량 등 조건이 바뀔 때마다 불규칙적으로 변동되기 때문에 전문가도 명확하게 분석하기 어려웠다. 이를 개선하기 위해 연구진은 태양광 패널의 셀 종류에 따른 물리적 특성을 모델링화 한 알고리즘을 개발했다. 수시로 변화하는 일사 조건에서도 전압과 전류의 시뮬레이션 데이터를 98% 이상 정확하게 예측했다. 이 기술을 활용하면 I-V 수집이 가능한 발전소는 모두 원격으로 성능 관리가 가능하다. 특히 수상, 해상에 설치된 설비 등 접근이 어려운 지역에 적용하면 유지관리 비용을 획기적으로 줄일 수 있다.

고 박사는 “최근 다양한 형태로 설치되는 태양광 발전소(수로, 영농, 방음벽, 수상, 해상 등)는 접근성으로 인해 성능과 고장 점검이 어려웠다”며 “오염과 같은 작은 손실 저하도 95% 이상 정밀하게 진단이 가능하고 원격으로도 진단이 가능해, 유지관리의 수

김봉수 기자 bskim@asiae.co.kr