태양광 패널 고장, AI가 진단…95% 정확도로 실시간 원격 관리

에기연, 10년 치 데이터 기반 AI 고장 진단
다양한 고장원인 분석 및 유지관리 비용 절감

한국에너지기술연구원은 AI를 활용해 태양광 패널의 고장을 95% 정확도로 진단할 수 있는 기술을 개발했다. 에기연 제공

고석환 에기연 박사가 태양광 패널 고장 진단을 위해 개발한 '인공지능 학습 모델'에 대해 설명하고 있다. 에기연 제공

태양광 패널의 고장 여부를 AI(인공지능)로 실시간 진단할 수 있는 기술이 개발됐다. 현장에 관리자가 가지 않고도 원격으로 태양광 패널의 오염과 성능 저하 등을 95% 이상의 정확도로 분석할 수 있어 사람이 접근하기 어려운 곳에 설치된 태양광 발전이나 대규모 태양광발전소 등에 적용할 수 있다.

한국에너지기술연구원은 고석환 박사 연구팀이 AI를 활용한 태양광 패널 고장 진단기술을 개발했다고 20일 밝혔다.

태양광 패널은 외부에 설치한 이후 20년 이상 운전하는데, 이 과정에서 각종 오염과 열화, 음영, 핫스팟, 부식 등으로 성능이 떨어진다. 현재 패널 고장 진단은 인력을 현장에 주기적으로 투입하거나, 드론에 열화상 카메라를 장착해 수행하고 있다.

하지만, 고장난 패널 위치는 파악할 수 있어도 고장으로 인한 에너지 손실은 측정할 수 없다.

연구팀은 태양광 패널 상세 정보와 태양광 어레이(여러 장으로 구성된 태양광 모듈) 직렬·병렬 정보, 환경센서(일사량·온도 등)를 포함하는 I-V 곡선 데이터를 AI 학습모델에 입력하면 패널의 발전 성능과 셀 부식 등의 다양한 고장 원인을 명확하게 분석할 수 있다. 특히 10년 이상 현장 시험 평가로 수집된 태양광 패널의 고장 I-V 데이터와 정상 데이터를 AI로 학습시켜 95% 이상의 고장 진단 정확도를 확보했다.

I-V곡선은 태양광으로 생성하는 전기에너지를 측정해 전압과 전류의 상관관계를 그려내는 곡선을 의미한다.

I-V 곡선 데이터의 활용성도 높였다. 태양광 패널에서 I-V 곡선 데이터는 패널의 성능과 고장 상태를 평가하는 중요한 데이터이지만, 일사량 등 조건이 바뀔 때마다 불규칙적으로 변동해 전문가도 정확히 분석하기 어렵다. 연구팀은 태양광 패널의 셀 종류에 따른 물리적 특성을 모델링한 알고리즘을 개발해 수시로 변화하는 일사 조건에서도 전압과 전류의 시뮬레이션 데이터를 98% 이상 정확하게 예측했다고 설명했다.

이 기술을 활용하면 태양광 발전뿐 아니라 수상, 해상에 설치된 설비 등 접근이 어려운 지역에서 유지관리 비용 절감 효과를 기대할 수 있다.

연구팀은 관련 기술에 대한 신기술이즌(NET)을 획득했고, 연구소기업과 인버터 제조 기업 등과 공동으로 기술사업화를 추진하고 있다.

고석환 에너지기술연 박사는 "이 기술은 오염과 같은 작은 손실 저하도 95% 이상 정밀하게 진단이 가능하고, 원격 진단을 통해 태양광 패널의 유지관리 수준과 활용성을 높일 수 있다"며 "앞으로 클라우드 플랫폼으로 개발해 공공서비스로 제공하고, 이차전지나 수전해 시스템 등의 고장과 수명 저하 원인을 규명하는 등 다양한 분야에 적용할 계획"이라고 말했다. 이준기기자 bongchu@dt.co.kr