KCI등재
SCOPUS
인공 신경망 예측기를 이용한 새로운 데이터 모델 기반 PV 어레이 고장 진단용 기준 신호 발생 방법 = Based on a New Data Model using Artificial Neural Network Predictor, Reference Signal Generation Method for PV Array Fault Diagnosis
저자
김홍성 (KwangMyung Electric Co., Ltd.) ; 김유하 (KwangMyung Electric Co., Ltd.) ; 최해용 (HAEAM SCIENCS&TECHNOLOGY Co., Ltd.) ; 이승요 (Dept. of Electrical Engineering, Daelim University College, Korea.)
발행기관
학술지명
전기학회논문지(The Transactions of the Korean Institute of Electrical Engineers)
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재,SCOPUS
자료형태
학술저널
발행기관 URL
수록면
649-661(13쪽)
제공처
The power supply part of a PV system is called a PV array which is composed of many PV strings connected in parallel. A PV-string which is a set of PV-Modules is made by serial connection of many PV modules. PV modules presents irregularity of ouput power which is generated due to various factors such as average performance degradation of about 0.923% to 1.54% according to various researches and born power variations over production stages. Power degradation and born power variation are due to various factors such as material interactions(connection state of connectors between PV cells, corrosion, browning of encapsulation materials ...etc) and environment factors such as shading and soiling which refers to the accumulation of snow, dirt, leaves and bird droppings on PV modules. Such various minor factors can make side effects in safety side and economic one.
Therefore several methodology for diagnosis of PV-array have been developed, which are classified into three types – image-based diagnosis approach, model-based approach and data-driven approach. In this paper, a new data-based approach(called data model) with good failure diagnosis reliability and economy is proposed, and verified by simulation using Python, published data and reasonable data generation. Based on the bathtub failure rate function, the fault diagnosis model requires a well-functioning predictor to generate a reference signal which evaluates the output characteristics of PV array under instantaneously varying environmental condition such as solar irradiance, temperature, etc. To implement a new data-based approach, an Artificial Neural Network (ANN) based predictor is applied as a reference generator for PV array’s fault diagnosis. value and the RMSE(Root Mean Square Error) are used to evaluate how far away individual learned predictions are from the actual measured values. Based on the reliability obtained from the learning result for a specific PV string, it is confirmed through pair comparison analysis(called t-test) that the learning result(called clustering possibility) between PV strings under different installation conditions is also reliable.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)