[논문 리뷰] Processing of Global Solar Irradiance and Ground-Based Infrared Sky Images for Very Short-Term Solar Forecasting

Guillermo Terrén-Serrano, Manel Martínez‐Ramón|arXiv (Cornell University)|2021. 01. 21.

Solar Radiation and Photovoltaics참고 문헌 43인용 수 6

한 줄 요약

이 논문은 매우 단기적인 태양광 예측을 향상시키기 위해 전역 태양일광량(GSI)과 장파적외선(IR) 천체 이미지를 결합하는 새로운 데이터 처리 프레임워크를 제안한다. GSI에서 주기적 정상성 편향을 제거하고, IR 이미지의 대기 산란 및 렌즈 유도 간섭을 보정함으로써, 맑은 하늘, 쌍용운, 층적운, 낙엽운으로 나누어진 하늘 상태를 정확하게 분류할 수 있게 되어, 태양전지 발전 예측을 위한 구 nu 클라우드 특징 정량화가 향상된다.

ABSTRACT

The projection of shadows from moving clouds in the troposphere impacts energy generation in power grids using Photovoltaic (PV) systems. This investigation proposes an efficient method of data processing for the statistical quantification of cloud features using long-wave Infrared (IR) images and Global Solar Irradiance (GSI) measurements. The infrared images are obtained using a Data Acquisition System (DAQ) mounted on a solar tracker. We explain how to remove cyclostationary biases in global solar irradiance measurements. Seasonal trends are removed from the global solar irradiance time series, using the theoretical global solar irradiance to obtain the Clear Sky Index (CSI) time series. We introduce an atmospheric model to remove the effect of atmospheric scattering and the effect of the Sun's direct irradiance from infrared images. Scattering is produced by water spots and dust particles on the germanium lens of the enclosure. We explain how to remove the scattering effect produced by the germanium lens attached to the data acquisition system enclosure window of the infrared camera. An atmospheric condition model classifies the sky-conditions in four different categories: clear-sky, cumulus, stratus and nimbus. When an infrared image is classified in the category of clear-sky, it is used to model the scattering effect of the germanium lens.

연구 동기 및 목표

• 태양 에너지 시스템에서 이동하는 구름 그림자의 PV 발전에 미치는 영향을 다루기 위해.
• 계절적 및 일일 주기 변화로 인한 전역 태양일광량(GSI) 측정값의 주기적 정상성 편향을 보정하기 위해.
• 적외선 카메라의 게르마늄 렌즈에서 발생하는 산란 효과를 제거하여 천체 이미지 분석을 왜곡시키는 요소를 제거하기 위해.
• 장파적외선 이미지에서 직접 태양일광량과 산란 기여도를 분리하는 대기 모델을 개발하기 위해.
• 하늘 상태를 네 가지 범주로 분류하여 단기 태양광 예측을 향상시키기 위해 — 맑은 하늘, 쌍용운, 층적운, 낙엽운.

제안 방법

• 이론적 맑은 하늘 태양일광량 모델을 적용하여 맑은 하늘 지수(CSI) 시계열을 유도함으로써 측정된 GSI에서 계절적 추세를 제거한다.
• CSI를 사용하여 GSI 시계열의 주기적 정상성 편향을 보정함으로써 기준 일광량 정확도를 향상시킨다.
• 대기 모델을 개발하여 장파적외선 이미지에서 직접 태양일광량과 산란 효과를 분리한다.
• 맑은 하늘 IR 이미지를 활용하여 게르마늄 렌즈에 묻은 물방울과 먼지로 인한 산란 효과를 모델링하고 校정한다.
• IR 이미지 특징과 대기 모델링을 활용하여 네 가지 범주로 하늘 상태를 분류한다: 맑은 하늘, 쌍용운, 층적운, 낙엽운.
• 가공된 GSI와 IR 데이터를 통합된 프레임워크에 통합하여 매우 단기 태양광 예측에서 구 nu 클라우드 특징을 정량화한다.

실험 결과

연구 질문

• RQ1 전역 태양일광량 측정값의 주기적 정상성 편향을 효과적으로 제거하는 방법은 무엇이며, 이는 예측 정확도 향상에 어떻게 기여하는가?
• RQ2 적외선 카메라의 게르마늄 렌즈에서 발생하는 산란 효과가 천체 이미지 분석을 얼마나 심각하게 왜곡시키며, 이를 어떻게 보정할 수 있는가?
• RQ3 장파적외선 이미지에서 대기 산란과 직접 태양일광량을 어떻게 분리하여 클라우드 특징 탐지 성능을 향상시킬 수 있는가?
• RQ4 가공된 IR 및 GSI 데이터를 사용하여 네 범주로 하늘 상태 분류(맑은 하늘, 쌍용운, 층적운, 낙엽운)를 신뢰성 있게 달성할 수 있는가?
• RQ5 보정된 GSI와 IR 데이터의 통합은 매우 단기 태양일광량 예측 성능을 어떻게 향상시키는가?

주요 결과

• 맑은 하늘 지수(CSI) 시계열은 전역 태양일광량 측정값에서 계절적 및 일일 추세를 효과적으로 제거하여 보다 정확한 기준 일광량 모델링을 가능하게 한다.
• 대기 모델은 장파적외선 이미지에서 대기 산란 및 직접 태양일광량의 영향을 성공적으로 분리하고 제거하여 특징 추출 성능을 향상시킨다.
• 게르마늄 렌즈에서 발생하는 산란 효과는 맑은 하늘 IR 이미지를 사용하여 정확히 모델링되어 렌즈 유도 간섭을 보정할 수 있다.
• 보정된 IR 및 GSI 데이터의 통합을 통해 하늘 상태 분류를 맑은 하늘, 쌍용운, 층적운, 낙엽운 네 범주로 신뢰성 있게 달성할 수 있었다.
• 제안된 데이터 처리 프레임워크는 클라우드 특징의 통계적 정량화를 향상시켜 직접적으로 보다 정확한 매우 단기 태양광 예측을 지원한다.
• 이 방법은 렌즈에 묻은 먼지나 물방울과 같은 실제 센서 오염 요소를 하드웨어 수정 없이도 잘 견디는 강건성을 보였다.