옥상녹화와 태양광모듈간의 열환경 알고리즘 규명을 위한 모니터링 연구 :A Study on Monitoring to Investigate Thermal Environment Algorithm between Green Roof and PV Module

박상연

추천

검색

자료유형: 학위논문

저자정보: 박상연 (상명대학교, 상명대학교 일반대학원)

지도교수: 김태한

발행연도: 2015

저작권: 상명대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (2)

2015

옥상녹화와 태양광모듈간의 열환경 알고리즘 규명을 위한 모니터링 연구

박상연 환경자원학과 2015.01 학위논문

RPS 제도가 적용된 옥상녹화통합형 태양광시스템의 출력 경제성에 대한 연구

박상연 , 김태한 한국조경학회 학술발표논문집 2015.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

현대도시에서는 기후변화로 발생하는 집중호우와 열대야와 같은 기상이변으로 인하여 중요한 기능을 담당하는 중앙집중식 우수처리시스템과 전력공급시스템이 그에 대응할 수 있는 한계점을 넘어 서고 있다. 이로써 전력공급과 치수불안정과 같은 복합적인 문제가 발생하여 안전성이 보장되어야할 도시에 치명적인 문제가 발생하고 있다. 이러한 복합적인 도시문제를 해결하기 위한 방안으로 태양광발전과 옥상녹화가 통합된 모델이 논의되고 있다. 옥상녹화는 집중강우에 대응하여 첨두유출량 조절로 도심홍수 예방 및 녹화를 통한 주변기온 저감효과를 얻을 수 있다. 반면, 태양광발전 시장의 80%이상을 차지하는 결정질 태양전지는 25℃를 기준으로 1℃ 상승 시 평균 0.4∼0.5%의 발전효율이 저감하는 물리적 성질을 가지고 있다. 이와 같은 결정질 태양전지의 물리적 특징과 주변기온 조절효과를 지닌 옥상녹화를 통합 운용할 경우 모듈표면온도를 저감하여 태양광발전 효율개선을 기대할 수 있다.
본 연구에서는 옥상녹화로 인한 주변 기온 및 미기상 변인 변화가 태양전지 표면온도 변화와의 상관관계를 규명하고자 Standard, Mattei, Koehl, Skoplaki 이상 4가지의 태양광모듈 표면온도 알고리즘을 실측 모니터링 데이터와 비교 분석하여 가장 유의한 모형을 선정하였다. 이렇게 선정된 모형을 바탕으로 태양광발전 출력예측식을 통한 모의결과와 모니터링을 통한 실측값과의 통계적 유의성을 도출하여 해당 모형의 신뢰도를 검증하였다.
따라서 본 연구는 옥상녹화 적용으로 주변 미기상 환경변인 조절이 가능하고, 이를 통해 태양광모듈 표면온도가 저감되어 태양광 출력량이 개선되는 총체적인 알고리즘을 확인 할 수 있었으며, 통합시스템으로 기대되는 출력량 예측 및 태양광발전 효율개선에 대한 이론적 근거가 제공될 것으로 판단된다.

Due to meteorological disasters such as localized downpour and tropical nights caused by climate changes in modern cities, centralized rainwater treatment system and power supply system, of which functions are crucial, are showing their limits in their accommodating capacities. As a result, complex problems such as unstable power supply and flood control are posing critical threats to cities where safety should be assured. In order to solve such complex urban problems, a model integrating photovoltaic power generation system and rooftop greening system is suggested. The rooftop greening has an effect of preventing urban flooding by controlling peak outflow and reducing ambient temperature through greening. On the other hand, c-Si solar cell, which accounts for over 80% of the photovoltaic power generation market, has a physical property of lowering power generation efficiency by 0.4~0.5% on average each time 1℃ is raised on the basis of 25℃. When such physical property of c-Si solar cells is integrated with the rooftop greening, which has an effect of controlling ambient temperature, photovoltaic power generation efficiency is expected to improve as module surface temperature is reduced.
In this study, in order to identify correlations between changes in ambient temperature and micro-climate factors caused by rooftop greening and changes in solar cell surface temperature, four different surface temperature algorithm of photovoltaic modules ? Standard, Mattei, Koehl, and Skoplaki ? was analyzed in comparison with actual monitoring data and the most significant model was selected. Based on the model selected through such a process, statistical significance of the simulation results from a photovoltaic output prediction formula and actual values from monitoring was generated to verify the reliability of the model.
Therefore, this study was able to verify the overall algorithm that micro-climate environment factors can be controlled by adopting rooftop greening and, as a result, the surface temperature of a photovoltaic module is reduced and thus photovoltaic output is improved. This study will also provide a theoretical ground for predicting output and improving photovoltaic power generation efficiency, which are expected from the integrated system.

#열환경 #태양광모듈 표면온도 알고리즘 #옥상녹화 #태양광발전 #미기상 #전력변환손실 #모니터링

1. 서론 1
2. 이론적 고찰 4
2.1 선행연구 고찰 4
2.2 결정질 태양광모듈 11
2.3. 관리조방형 옥상녹화 12
2.4. 옥상녹화 통합형 태양광발전 시스템 19
2.4. 태양광모듈온도 알고리즘 26
2.4.1 Standard 27
2.4.2 Mattei 27
2.4.3 Koehl 28
2.4.4 Skoplaki 29
2.5. 태양광발전 예측식 알고리즘 30
3. 연구의 내용 및 방법 31
3.1 연구의 체계 31
3.2 대상지 분석 34
3.3 옥외폭로시험장 구성 36
3.4 모니터링 데이터 구축방법 38
3.4.1 태양광발전 모니터링 38
3.4.2 미기상 모니터링 39
3.5 알고리즘 선정조건 설정 40
3.5.1 대표 실측기간 40
3.5.2 미기상 비교분석 42
3.6 최적 알고리즘 선정 45
3.6.1 실측 태양광모듈표면온도 45
3.6.2 Standard 45
3.6.3 Mattei 47
3.6.4 Koehl 47
3.6.5 Skoplaki 47
3.6.6 알고리즘 비교분석 50
3.7 태양광 출력비교 51
4. 결과 및 고찰 53
4.1 대표기간 선정 53
4.2 최적 모듈표면온도 알고리즘 도출 53
4.3 태양광 출력 비교 분석 54
4.4 유의성분석 55
5. 결론 56
■ 참고문헌 59
■ Abstract 68

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)