국내 기상 측정결과를 이용한 일사량 예측 방법 기초 연구
황 보 성⋅김 하 양⋅김 정 배
*한국교통대학교 에너지시스템공학과
A Basic Study to Predict Solar Insolation using Meteorological Observation Data in Korea
Seong Hwangbo⋅Hayang Kim⋅Jeongbae Kim*
Department of Energy System Engineering, Korea National University of Transportation, 50 Daehak-ro, Chungju, Chung-buk 380-702, Korea
(Received 2014. 11. 06 / Accepted 2014. 11. 18)
Abstract : To well design the solar energy system using solar energy, the correlation to calculate solar irradiation is basically needed. So, this study was performed to reveal the relationships between the solar irradiation and four meteorological observation data(dry bulb temperature, relative humidity, sunshine duration, and cloud cover) which are different from previous other researches. And then, we finally proposed the first order non-linear correlation from the measured solar irradiation using four meteorological observation data with MINITAB. To show the deviation of the solar irradiation between measured and calculated, this study compared using the daily total solar irradiance and the maximum peak value. From those results, the calculation error was estimated about maximum 25.4% for the daily total solar irradiance. The error of the solar irradiation between measured and calculated was made from the curve fitting error. So, solar irradiation prediction correlation with higher accuracy can be obtained using 2nd or higher order terms with four meteorological observation data.
Key words : Solar Irradiation(일사량), Regression Analysis(회귀분석), Solar Irradiation Correlation(일사량 상관 식), Meteorological Observation Data(기상 측정 자료), Minitab(미니탭)
1. 서 론
1)태양광 등을 포함한 태양에너지를 활용하는 시스 템들은 신재생에너지를 이용하는 시스템 중에서 가장 주목을 받고 있다.
이러한 태양에너지 시스템의 설계에는 당연히 지 역별, 일별, 연도별, 월별 등의 태양에너지 자원량에 대한 데이터가 필수적으로 필요하다. 이를 위해 현재 우리나라는 1990년부터 전국적으로 서울, 포항, 청주, 제주, 춘천, 북강릉, 원주, 서산, 대전, 대구, 전주, 부산, 광주, 목포, 진주와 영주의 16개 지역에서 수평면 전일
*Corresponding author, E-mail: [email protected]
사량(IG, MJ/m2)을 측정하고 있고, 시간별로 기상청 홈 페이지와 기상청 국가기후자료 홈페이지에서 확인할 수 있다.1)
그러나, 이러한 태양에너지 자원 데이터는 측정지 역 뿐만 아니라 비측정지역에서도 요구되므로, 그러 한 지역들에서의 일사량을 예측하는 방법이 요구되며 그 예측식들의 결과 및 정확성이 매우 중요하다.
특히, Jo 등은 최초로 전국 5개 지역 수평면 전일사 량 측정값(1982년~1988년)을 일조와 운량과의 상관관 계를 분석하고, 기존의 연구들에서 제안한 상관식들 을 이용하여 계산한 월평균 일사량과의 차이를 분석 하였다.2) Yoon 등은 국내에서 1990년 12월부터 측정 되었던 수평면 전일사량에 대한 91~94, 96년, 98년 서
울의 시간별 일사량 측정값을 활용하여 기존의 예측 식에서 법선면 직달일사량을 계산하고, 그 결과를 측 정 일사량과 비교하였으나, 청명일과 비청명일의 구 분 및 계절별로의 차이를 구분하여 평가하지 못하였 다.3) Jo 등은 1982년부터 1999년까지 12개 지역에서 측정된 연평균 수평면 전일사량을 계산할 수 있는 예 측식을 도출하기 위해, 기존의 예측식을 이용하여 일 사율, 일조율, 운량의 지역별 계수값들을 경기-강원, 충청남북, 경상남북, 전라남북의 지역별로 제시하였 으나, 월평균만을 비교함으로서 청명일과 비청명일 등에 대한 차이와 특성을 제시하지 못하였다.4)
특히, Yoo 등은 측정하여 평가한 월평균 수평면 전 일사량을 기상변수인 운량 만을 변수로 하여 피팅하 고 피팅한 식으로 계산된 일사량과 비교하여 비교적 정확함을 확인, 오차를 줄이기 위해 일조시간 등의 변 수를 포함해야 강조하였다.5) Kim 등은 기존의 연구들 에서 고려하지 못한 청명도를 고려하기 위하여 Liu and Jordan의 일사량 예측모델과 미국 냉동공조학회 (ASHRAE)의 Clear Sky 모델에 적용 가능한 국내 지역 별 청명도 지수와 청명도 상수에 대한 산정 모델을 제 시하고, 이를 우리나라에서 실측된 월평균 일사량 데 이터가 없는 지역에 대해 설계용 일사량을 얻을 수 있 는 효과적인 방안을 제안하였다.6) Jo 등은 국내의 운 량과 일조시간을 고려하여, 월평균 1일 대기권 밖 일 사량과 수평면 전일사량과의 비를 지역별로 제시하였 으나, 다만 결론에서 제시하는 바와 같이 현재 기상청 에서 측정하고 있는 일조시간, 운량, 온도, 습도 전체 를 고려한 평가가 필요함을 설명하였다.7)
이전의 연구들과 마찬가지로 일사측정 지역이 일 부 지역에만 국한되고, 일사자료가 없는 지역에서는 그 지역에서 측정 가능한 기상자료를 통해서 일사량 을 예측해야 하는 필요성이 요구된다.
본 논문에서는 먼저, 16개 지역에서 측정되는 기상 청 수평면 전일사량과 일사량과 연관성이 높은 기상 데이터 중 건구온도(Tdb), 상대습도(φ), 일조시간( tsd), 운량(N)들의 기상 변수들과의 관계를 파악하였다.
또한, 일일 시간별 수평면 전일사량(IG) 예측식을 제안하기 위하여, 이전의 논문들에서 사용한 일일 혹 은 월평균값이 아닌, 기상청 측정 수평면 전일사량과 위의 4개의 매개변수들을 활용하여 만들었다. 이렇게 얻어진 일사량 예측식으로부터 계산된 일사량 값들을 측정값과 비교 분석하였다.
2. 연구 방법
본 연구는 2012년 1월 1일의 하루 중 시간에 따른 수평면전일사량 측정 데이터를 사용하였으며, 측정 된 일사량은 16개 지역 중에서 영주를 제외한 지역에 서 Fig.1과 같다.
Fig. 1에서와 같이 2012년 1월 1일의 경우에, 포항을 제외하고는 전반적으로 일사량의 특성이 매우 변화가 큼을 알 수 있으며, 포항이 다른 지역에 비하여 정규분 포와 유사한 일사량 변화를 나타내었음을 알 수 있다.
이렇게 시간별로 측정된 수평면 전일사량을 기상 측정결과들인 건구온도(Dry-bulb temperature, Tdb, K), 상대습도(Relative humidity, φ, %), 일조시간(Sunshine duration, tsd, hr), 운량(Cloud cover, N)을 이용하는 다양 한 형태의 함수들에 대하여 MINITAB을 이용하여 상 관식들을 만들었다. 여기서, 일조시간은 태양광선이 구름이나 안개 등에 의해서 차단되지 않고 지표면을
(a) Seoul (b) Pohang
(c) Cheongju (d) Jeju
(e) Chuncheon (f) North Gangneung
(g) Wonju (h) Seosan
(i) Daejeon (j) Daegu
(k) Jeonju (l) Busan
(m) Gwangju (n) Mokpo
(o) Jinju
Fig. 1 Horizontal global radiation characteristics of 15 regions with time in 2012.01.04
비춘 시간을 한 시간 단위 안에서 0～1 사이의 값으로 표시하게 된다. 운량은 관측자가 관측한 하늘을 덮고 있는 구름의 양의 비율을 의미하며, 하늘전체(눈에 보 이는 범위) 면적 중에서 몇% 정도가 구름으로 덮여 있 는가를 0부터 10까지의 범위로 기상청에서 발표한다.
우선, 본 연구에서 고려하였던 상관식들은 4개의 변수들에 대한 20여개 이었다. 그중에서 R-sq값이 80% 이상이 되는 대표적인 식들은 아래의 식(1)~(5)이 었다.
× × (1)
× × × (2)
××
(3)
× ×× (4)
× × × × (5)
× × × × (6)
식(1)～(5)의 식에 대하여 대표지역으로 선택한 서 울의 시간별 측정 수평면 전일사량을 기준으로 각각 의 계수들은 얻게 된다. 이렇게 얻어진 예측 상관식을 활용하여 다른 지역의 일사량을 계산하였다. 지역별 로 계산된 시간별 일사량의 정확성을 그래프로만 평 가할 수 없으므로, 일일 총 수평면 전일사량을 측정 총 일사량과 비교하여 상관식의 정확성을 평가하였다.
추가적으로 일사량 변화가 정규분포에 근접하였던 포항에 대하여 식(5)를 포항의 측정 일사량에 대하여 커브피팅하여 별도의 식(6)을 만들고 이 식의 정확도 도 동시에 평가하였다. 식(5)로 포항 지역을 예측함으 로서 일사량 변화가 심한 지역에서 얻어진 일사량 예 측식이 정규분포를 가지는 지역에 대한 예측 정확도 의, 식(6)의 포항 식으로 타 지역을 예측함으로서 일사 량 변화가 정규분포인 지역에서 얻어진 일사량 예측 식이 변화가 심한 지역에 대한 예측 정확도의 평가를 통해 적용 가능성을 평가하고자 한 것이다.
3. 연구결과 및 고찰
3.1 기상데이터와 일사량 관계
먼저, 2012년 1월 1일 서울의 4가지 기상 측정결과
(a) with dry-bulb temperature (b) with relative humidity
(c) with sunshine duration (d) with cloud cover Fig. 2 Relationships between horizontal global radiation with meteorological data at Seoul in 2012.01.01 와 수평면 전일사량 관계를 Fig. 2에 나타내었다.
서울의 건구온도는 일사량 그래프와 비교하면 10 시 이후의 구간에서 시간에 따른 변화의 유사성이 나 타나고 있으며, 상대습도는 일사량의 피크 세 개 위치 와 정확하게 일치하는 시간에 아래쪽 방향으로 최소 값을 가지는 것이 확인되었고 전반적으로 반비례하는 경향을 보여주었다. 일조시간은 일사량이 상대적으 로 높은 시간대인 12시~17시까지 일사량 의 순간 피크 위치에서 정확하게 유사한 경향을 가지고, 운량의 경 우에는 10시~17시 사이에 일사량 그래프와 정확하게 일치하는 것을 알 수 있다.
이러한 기상 변수들의 일사량과의 상관 관계는 MINITAB을 이용한 상관분석을 통해 분석 제시될 수 있는데, Table 1에서와 같이 평가된 상관계수는 변수 의 상관성 정도를 나타내는데, P-value는 0.05 보다 작 고, Pearson 상관계수의 절대값이 0.8 보다 크면 강한 상관관계라고 판단할 수 있다. Pearson 상관계수의 값 이 음수인 경우 반비례의 상관관계를 가진다.
이러한 기상변수와 일사량과의 상관관계는 Table
에서와 같이 서울은 상대습도와 일조시간이 일사량과 가장 상관관계가 높은 것으로 평가되었다.
추가적으로 일사량이 좋았던 포항에 대하여 일사 량과 4개의 변수들의 관계를 Fig. 3에 나타내었는데, 서울과 유사하게 일조시간과 건구온도는 비례하는, 상대습도는 반비례하는, 특히 운량과는 전혀 상관성 이 없는 것으로 나타나고 있다.
Table 1 The Pearson correlation coefficient and p-value between solar irradiation and each variables
Tdb Pearson correlation 0.278
p-Value 0.188
φ Pearson correlation -0.609
p-Value 0.002
tds Pearson correlation 0.901
p-Value 0.000
N Pearson correlation 0.305
p-Value 0.148
(a) with dry-bulb temperature (b) with relative humidity
(c) with sunshine duration (d) with cloud cover Fig. 3 Relationships between horizontal global radiation with meteorological data at Pohang in 2012.01.01
(a) using Eq. (1) (b) using Eq. (2) (c) using Eq. (3)
(d) using Eq. (4) (e) using Eq. (5) (f) using Eq. (6) Fig. 4 Comparison of horizontal global radiation measured and calculated using Eq. (1)-(6) at Seoul
3.2 일사량 예측 상관식의 평가
본 연구에서 고려하였던 20여개의 예측 상관식들 중에서 R-sq값이 다소 높은 80% 이상을 나타내는 식
(1)~(6)을 이용하여 서울과 포항에 대하여 측정 및 계 산 일사량을 비교하면 Fig. 4~5와 같이 나타난다. 계산 예측식들의 계수들은 아래의 Table 2와 같다.
(a) using Eq. (1) (b) using Eq. (2) (c) using Eq. (3)
(d) using Eq. (4) (e) using Eq. (5) (f) using Eq. (6) Fig. 5 Comparison of horizontal global radiation measured and calculated using Eq. (1)-(6) at Pohang Table 2 The correlation coefficients for Eq. (1)~(6)
Eq. a b c d e
(1) 5.64 8.52 - - -
(2) -15156 56.0 -2.41 -23.2 -
(3) 9.26 13412745 - - -
(4) 5.23 11.2 - - -
(5) -521.0 1.78 0.68 261.0 0.93 (6) -6250.5 23.23 -1.83 227.5 -7.89
서울의 경우에, 세 개의 피크를 가장 유사하게 구분 하는 식은 식(3)과 식(5)이었으며, 포항에서 얻어진 식 (6)에 의해 예측 계산된 값과는 상당한 차이를 나타냄 을 알 수 있다. 이러한 특성은 포항에서도 유사한데, 서울에서 얻어진 식(1)~(5)를 이용한 결과는 측정값과 큰 차이를 나타내고 있지만, 포항의 측정값에서 구해 진 계수를 가진 식(6)의 계산 결과는 매우 정확하게 그 분포를 따르며 값의 차이도 작은 것을 육안으로 확인 할 수 있다.
2012년 1월 1일의 16개 지역 중에서 기상청의 기상 측정결과 중에서 운량(0-10까지의 범위로 측정됨)이 10보다 큰 비정상적인 숫자를 표시하고 있는 지역을 제외하면 서울, 북강릉, 포항, 부산, 진주의 5개 지역에 대하여 일일 총 수평면 전일사량을 측정값과 계산값 에 대하여 비교하면 아래의 Table 3에서와 같다.
Table 3 Comparison of the integrated solar radiation between measured and calculated at various regions
4개의 변수들을 일차 연립한 형태의 식(2)와 (5)의 결과가 일사량 예측오차가 적은 것을 알 수 있다. 식(2) 와 (5)의 차이는 식(5)에서 일조시간(tds)을 제외하고 피팅하여 얻어진 것으로 유사한 결과를 얻을 수 있다.
또한, 서울 피팅 식(5)와 포항 피팅 식(6)의 계산 결 과에서와 같이 식(5)는 서울은 상대적으로 가장 잘 예 측하고 있으나, 타지역에 대한 오차는 증가한다. 식(6) 도 마찬가지로 포항은 상대적으로 가장 잘 예측하고 있으나, 타지역에 대한 계산결과는 오차가 큰 것을 알 수 있었다.
4. 결론 및 향후 계획
본 연구에서는 기상청에서 측정하는 기상데이터를 활용하여, 겨울의 일일을 임의로 선택하고 우리나라 수평면 전일사량이 측정되는 영주를 제외한 15개소 지역 중에서 서울과 포항을 대표 지역으로 선정하여 기상매개변수를 조합한 식들을 측정된 시간별 일사량 과 비교하여 개수들을 얻었다.
이를 통해 얻어진 예측 상관식을 활용하여 각 지역 에서의 시간에 대한 일사량을 계산하였고, 아래와 같 은 결론을 얻을 수 있었다.
1) 모든 지역에 대하여 수평면 전일사량의 시간에 대한 변화는 측정되는 기상 데이터(건구온도, 상대습 도, 일조시간, 운량)와 명확한 관계를 파악할 수 있을 정도의 유사성을 보여주었다.
2) 다양한 상관식들을 고려하였고, 그 중에서는 아 래와 같은 기상 데이터들의 일차 연립형태의 식이 가 장 예측 정확도가 높은 것으로 나타나 적용 가능성이 높음을 알 수 있었다.
× × × ×
3) 위의 식으로 계산된 일사량의 값이 측정값에 비 하여 조금 낮은 값을 보여주고 있는데, 이러한 원인의 분석과 좀 더 정확도를 높이기 위한 연구가 추가적으 로 필요하다.
4) 태양에너지 자원량은 계절별로 차이가 명확하게 있으므로, 위의 식을 포함하여 4계절에 대한 적용가능 성 또한 검토가 필요함을 알 수 있었다.
Acknowledgement
이 논문은 2014년도 한국교통대학교 교내학술연구 비의 지원을 받아 수행한 연구임.
References
1) 한국기상청, “국가기후자료”, 2012.01.01
2) D. K. Jo, T. K. Lee, S. H. Cho, Y. H. Chea, and P. C.
Auh, “A Study on the Estimating Solar Radiation for Arbitrary Areas,” Solar Energy, Vol. 9, No. 3, 1989, pp. 25~36.
3) J. H. Yoon, C. B. Kim, and D. K. Jo, “Performance Validation of Global to Direct/Diffuse Decomposition Models Using Measured Direct Normal Insolation of Seoul,” KSES Spring Conference Proceedings, 1999, pp. 163~171.
4) D. K. Jo, I. S. Chun, T. K. Lee, and C. M. Auh,
“Estimating Solar Radiation for Arbitrary Areas Using Empirical Forecasting Models,” Solar Energy, Vol. 20, No. 3, 2000, pp. 21~30.
5) H. C. Yoo, K. H. Lee, and H. G. Kang, “Comparative analysis of the global solar horizontal irradiation in typical meteorological data,” Solar Energy, Vol. 29, No. 6, 2009, pp. 102~109.
6) J. H. Kim, M. H. Kim, O. H. Kwon, Y. J. Seok, and J.
W. Jeong, “Generation of monthly averaged horizontal Radiation based on a regional clearness estimating model,” Solar Energy, Vol. 30, No. 2, 2010, pp. 72~80.
7) D. K. Jo, C. Y. Yun, K. D. Kim, and Y. H. Kang, “A Study on the Estimating Solar Radiation in Korea Using Cloud Cover and Hours of Bright Sunshine,”
Solar Energy, Vol. 32, No. 2, 2012, pp. 28~34.
