Mobile QR Code QR CODE : Korean Journal of Air-Conditioning and Refrigeration Engineering
Korean Journal of Air-Conditioning and Refrigeration Engineering

Korean Journal of Air-Conditioning and Refrigeration Engineering

ISO Journal TitleKorean J. Air-Cond. Refrig. Eng.
  • Open Access, Monthly
Open Access Monthly
  • ISSN : 1229-6422 (Print)
  • ISSN : 2465-7611 (Online)

  1. 다이슨스피어(주) 연구원 (Researcher, Dyson Sphere Inc., Sejong 302, Republic of Korea)
  2. 대전대학교 건축공학과 박사수료 (Ph.D. Candidate, Department of Architectural Engineering, Daejeon University, Daejeon 0841, Republic of Korea)
  3. 한국에너지기술연구원 기술원 (Technician, Korea Institute of Energy Research, Daejeon, 4129, Republic of Korea)
  4. 한국에너지기술연구원 책임연구원 (Principal Researcher, Korea Institute of Energy Research, Daejeon, 3129, Republic of Korea)
  5. 대전대학교 건축공학과 교수 (Professor, Department of Architectural Engineering, Daejeon University, Daejeon 02841, Republic of Korea)



집열효율, 평판형집열기, 입사각수정인자, 태양열시스템
Collector efficiency, Flat-plate collector, Incident angle modifier, Solar thermal system

기호설명

$a_{1}$: 1차 열손실계수 [W/m2․K]
$a_{2}$: 2차 열손실계수 [W/m2․K2]
$a_{3}$: 유효 열용량 [kJ/m2․K]
$A_{i}$: 비등방성 지수 [-]
$A_{c}$: 집열면적 [m2]
$b_{0}$: 입사각수정계수 [-]
$C_{p}$: 집열 열매체 비열 [kJ/kg․K]
$f_{O}$: 기타 요인의 불확도에 따른 안전계수 [-]
$f_{P}$: 집열부 배관 열손실에 따른 안전계수 [-]
$f_{U}$: 측정불확도에 따른 안전계수 [-]
$f_{safe}$: 안전계수 [-]
$G_{sc}$: 태양상수 [W/m2]
$I$: 수평면 총일사 [W/m2]
$I_{b}$ : 수평면 직달일사 [W/m2]
$I_{d}$: 수평면 산란일사 [W/m2]
$I_{d,\: T}$: 경사면 천공산란일사 [W/m2]
$I_{o}$: 수평면 외계일사 [W/m2]
$I_{T}$: 경사면 총일사 [W/m2]
$I_{T,\: IAM}$: 입사각 손실에 따른 경사면 총일사 [W/m2]
$K_{b}$: 직달일사 입사각수정인자 [-]
$K_{d}$: 천공산란일사 입사각수정인자 [-]
$K_{g}$: 지면반사일사 입사각수정인자 [-]
$K_{T}$: 청명지수 [-]
$m_{i}$: 실측 일사 [W/m2]
$n$: 해당일의 연일수 [-]
$n_{c}$: 실측 개수 [-]
$p_{i}$: 예측 일사 [W/m2]
$\dot{Q}_{M}$: 실측 집열량 [W]
$\dot{Q}_{P}$: 어레이의 집열량 [W]
$R_{b}$: 수평면에 대한 경사면 직달일사비 [-]
$t$: 시간 [s]
$T_{a}$: 외기온 [℃]
$T_{in}$: 열매체의 집열기 입구온도 [℃]
$T_{m}$: 집열기 입․출구 평균온도 [℃]
$T_{out}$: 열매체의 집열기 출구온도 [℃]
$\dot{V}$: 체적 유량 [m3/s]
$\beta$: 집열면 경사각 [°]
$\delta$: 일적위 [°]
$\eta$: 집열효율 [%]
$\eta_{0}$: 무손실효율 [-]
$\theta_{i}$: 일사의 성분별 입사각 [°]
$\theta_{d}$: 천공산란일사 단일 상당 입사각 [°]
$\theta_{g}$: 지면반사일사 단일 상당 입사각 [°]
$\rho$: 집열 열매체 밀도 [kg/m3]
$\rho_{g}$: 지면반사율 [-]
$\phi$: 위도 [°]
$\omega$: 시간각 [°]

1. 서 론

태양열시스템은 태양에너지의 변동성과 저밀도로 인해 백업 보일러 시스템을 필요로 한다. 백업시스템은 태양열시스템이 요구되는 부하를 충족시키지 못할 때 온수를 자동 공급하며 시스템이 안정적이고 효과적인 상태를 유지하도록 기능한다. 한편 백업시스템의 항상성 유지 기능은 태양열시스템의 오작동과 파손으로 인한 기능 공백 또한 자동적으로 보상하여 사용자가 시스템 오류를 장기간 인지하지 못하고 경제적 손실을 입게되는 상황을 초래하기도 한다. 따라서 태양열시스템의 핵심기술 요소인 집열기의 현장 성능 예측을 통해 시스템 설치 초기 성능을 검증하고 운영 중 성능저하 및 고장을 감지하는 방안이 논의되고 있으며(1-4), 집광 및 비집광형 태양열집열기 어레이의 현장성능 확인을 위한 국제표준(ISO 24194:2022)(5)도 제안된 바 있다.

태양열집열기의 성능예측과 관련한 기존 연구 동향을 살펴보면, Farkas et al.(6)은 세 가지 유형의 평판형 태양열 집열기에 대한 인공 신경망(Artificial neural network, ANN) 모델을 개발하고 입구 온도, 외기온 및 경사면 일사량을 기반으로 태양열 집열기의 출구 온도를 예측하였다. 실측 사례분석에서 집열기 출구온도의 평균 편차는 0.9℃로 나타났다. Sözen et al.(7)은 평판형 태양열 집열기의 효율을 예측하기 위해 ANN 모델을 기반으로 한 새로운 수식을 제안하였다. 네트워크의 입력층(Input layer)으로 집열기 표면온도, 날짜, 시간, 일사량, 일적위, 방위각, 경사각 등이 사용되었으며, 집열기의 효율이 출력층(Output layer)이 된다. 분석 결과 최대 및 최소 효율 편차가 각각 2.558484 및 0.001969로 나타났다. 한편 Vafaei et al.(8)은 평판형 집열기의 효율을 예측하기 위한 퍼지 추론 시스템(Fuzzy inference system)을 제안하였다. 퍼지 추론 시스템에서는 입력변수로 외기온과 입·출구 온도가 적용되었으며, 열사이펀(Thermosiphon) 태양열 급탕 시스템에 대한 실증 실험결과 실측과 예측값의 결정계수 및 평균제곱근오차는 각각 0.9469와 3.13으로 나타났다. Sridharan et al.(9)은 과도적 특성을 가진 평판형 태양열집열기의 열 성능을 추정하는 스마트 신경 네트워크(Smart neural network) 모델을 제안하였다. 이 연구에서 제안된 GRNN(Generalized regression neural network) 아키텍처는 4개의 입력(질량 유량 및 일사강도, 입·출구 온도차, 집열기 면적)과 2개의 종속 출력(집열량 및 집열효율)로 구성되었다. GRNN 모델의 예측 결과의 전반적인 정확도는 98%로 나타났다. 이상과 같이 ANN 모델이나 퍼지 추론 시스템 등을 이용하여 태양열집열기의 성능을 정확하게 예측하였으나, 해당 시스템에 한정되어 적용성 측면에 한계가 있으며 국내·외 실시간 실증사례는 전무한 것으로 파악되었다.

이에 따라 본 연구에서는 태양열시스템의 실시간 성능평가 방안으로 시뮬레이션 기반 태양열집열기 성능해석 알고리즘을 탑재한 원격 모니터링시스템을 제안하고 실증 실험을 통하여 그 타당성을 분석하였다. 시뮬레이션 모델은 ISO 24194:2022의 집열기 어레이 성능추정식이 적용되었으며, 1분 간격으로 측정되는 기상자료와 집열기 열매체 유량 및 입․출구 온도를 이용하여 실시간 해석하고 실측 집열량과 비교하게 된다. 여기서 실증대상 집열기는 국내에서 가장 많이 보급된 평판형집열기(10)를 선정하였다..

2. 집열기 동적 열성능 해석

모니터링시스템을 통해 수평면 일사강도와 외기온, 집열기 열매체 온도 등이 수집되면, 직산분리를 통해 경사면 일사량을 추정하고 태양열집열기의 열성능을 실시간 해석하게 된다.

2.1 일사분석

비등방성 산란 모델(Anisotropic diffuse model) 기반 경사면 총 일사, $I_{T}$를 식(1)과 같이 추정할 수 있으며,

(1)
$I_{T}=(I_{b}+ I_{d}A_{i})R_{b}+ I_{d,\: T}+ I\rho_{g}\dfrac{1 -\cos\beta}{2}$

입사각 손실을 고려할 때 경사면 총일사, $I_{T,\: IAM}$는 식(2)와 같이 계산된다.

(2)
$I_{T,\: IAM}=(I_{b}+ I_{d}A_{i})R_{b}K_{b}+ I_{d,\: T}K_{d}+ I\rho_{g}K_{g}\dfrac{1 -\cos\beta}{2}$

수평면 총일사, $I$로 부터 직달과 산란성분을 분리하기 위해 Erbs et al.(11)의 제안식을 사용하였다.

(3)
$$ \frac{I_d}{I}= \begin{cases}1.0-0.09 K_T & \left(K_T \leqq 0.22\right) \\ 0.9511-0.1604 K_T+4.388 K_T^2-16.638 K_T^3+12.336 K_T^4 & \left(0.22<K_T \leqq 0.80\right) \\ 0.165 & \left(K_T \geqq 0.80\right)\end{cases} $$

여기서, $K_{T}$는 청명지수(Clearness index)로 다음 식(3)과 같이 정의된다.

(4)
$K_{T}=\dfrac{I}{I_{o}}$

여기서, $I_{o}$는 수평면 외계일사(Extraterrestrial radiation)로 다음 식(5)와 같이 계산된다.

(5)
\begin{align*} I_{o}= &\dfrac{12\times 3600}{\pi}G_{sc}\left(1 + 0.033\cos\dfrac{360n}{365}\right)\\ &\times\left[\cos\phi\cos\delta(\sin\omega_{2}-\sin\omega_{1})+\dfrac{\pi(\omega_{2}-\omega_{1})}{180}\sin\phi\sin\delta\right] \end{align*}

여기서, 일적위(Declination)은 식(6)과 같이 정의된다.

(6)
\begin{align*} \delta =(180/\pi)(0.006918 - 0.399912\cos B+0.070257\sin B-0.006758\cos 2 B\\ \\ +0.000907\sin 2 B-0.002697\cos 3 B+0.00148\sin 3 B) \end{align*}

여기서 $B$는 다음과 같이 주어진다.

(7)
$B =(n-1.0)\left(\dfrac{360}{365}\right)$

따라서 식(3)으로부터 수평면 직달일사, $I_{b}$를 다음과 같이 유도할 수 있다.

(8)
$I_{b}= I - I_{d}$

Reindl et al.(12)은 비등방성 산란모델로 경사면 천공산란일사, $I_{d,\: T}$을 다음과 같이 제안하였다.

(9)
$I_{d,\: T}= I_{d}\left\{(1-A_{i})\left(\dfrac{1+\cos\beta}{2}\right)\left[1 + f\sin^{3}\left(\dfrac{\beta}{2}\right)\right]+ A_{i}R_{b}\right\}$

여기서, 비등방성 지수, $A_{i}$와 $f$는 다음과 같이 각각 정의된다.

(10)
$A_{i}=\dfrac{I_{b}}{I_{o}}$
(11)
$f=\sqrt{\dfrac{I_{b}}{I_{o}}}$

2.2 입사각 수정인자

입사각 수정인자(Incident angle modifier)는 법선면으로 입사되는 일사강도 대비 흡열판에 실제로 도달하는 일사강도의 비를 의미하며, 입사각에 따라 증가하는 유리 투과체의 반사에 주로 기인한다.

평판형 집열기에 대한 일사의 성분별 입사각 수정인자는 식(12)와 같이 주어진다.

(12)
$K_{i}= 1 - b_{0}\left(\dfrac{1}{\cos\theta_{i}}- 1\right)$

경사면에 대한 직달일사의 입사각, $\theta_{b}$는 식(13)과 같이 계산된다.

(13)
$\theta_{b}=\cos^{-1}(\cos(\phi -\beta)\cos\omega +\sin(\phi -\beta)\sin\delta)$

Brandemuehl et al.(13)은 천공산란 및 지면반사 일사에 대한 단일 상당 입사각(Single equivalent angle), $\theta_{d}$와 $\theta_{g}$을 다음과 같이 제안하였다.

(14)
$\theta_{d}= 59.68 - 0.1388\beta + 0.001497\beta^{2}$
(15)
$\theta_{g}= 59 - 0.5788\beta + 0.002693\beta^{2}$

2.3 태양열집열기 열성능

ISO 24194:2022(Solar energy-Collector fields-Check of performance)에서는 태양열집열기 어레이의 집열량, $\dot{Q}_{P}$을 다음과 같이 제안하고 있다.

(16)
$\dot{Q}_{P}= A_{c}\left[\eta_{0}I_{T,\: IAM}- a_{1}(T_{m}- T_{"a"})- a_{2}(T_{m}- T_{"a"})^{2}- a_{3}\left(\dfrac{d T_{m}}{dt}\right)\right]f_{safe}$

안전계수(Safe factor), $f_{safe}$는 3가지 요인의 곱으로 식(17)과 같다.

(17)
$f_{safe}= f_{P}· f_{U}· f_{O}$

Table 1은 ISO 24194에서 제안하는 수준별 측정불확도를 나타낸 것이다.

모니터링 데이터를 기반으로 실측 집열량, $\dot{Q}_{M}$은 식(18)과 같이 계산된다.

(18)
$\dot{Q}_{M}= C_{p}·\rho ·\dot{V}(T_{out}- T_{in})$

한편 집열기의 성능지표로서 집열효율, $\eta$는 다음 식(19)와 같이 정의된다.

(19)
$\eta_{=}\dfrac{\dot{Q}_{M or P}}{I_{T}}\times 100$
Table 1 Safe factor for measurement certainty

Level

Accuracy

I

Measured solar radiation: ±3% and power output ±2%

II

Measured solar radiation: ±5% and power output ±2%

III

Measured solar radiation: ±5% and power output ±5%

3. 실증시스템

3.1 태양열시스템

시뮬레이션 기반 실시간 태양열집열기 열성능 해석을 검증하기 위한 실증모델로 포항지역 온실에 적용된 Fig. 1의 태양열 난방시스템을 선정하였다. 여기에 적용된 평판형 집열기는 국내 S사의 인증제품으로 방위각 56°에 30°의 경사각으로 기계실 지붕에 설치되었으며, 인증시험 기준(KS B 8295 태양열집열기)에 따른 집열기의 주요 사양은 Table 1과 같다. 54매의 집열기가 9직렬/ 6병렬로 배치되어, 전면적 기준 집열기 총 설치면적은 108 m2가 된다. Fig. 2는 본 집열기의 입사각 수정인자를 나타낸 것이다.

Fig. 3은 실증모델에 설치된 측정센서 및 그 위치를 표시한 것이다. 외기온 측정을 위한 백엽상과 2개의 열매체 온도센서, 2개의 일사계(수평 및 경사면), 1개의 유량계가 각각 설치되었다.

Fig. 1 Field test system.
../../Resources/sarek/KJACR.2023.35.7.343/fig1.png
Fig. 2 Incident angle modifier.
../../Resources/sarek/KJACR.2023.35.7.343/fig2.png
Fig. 3 Schematic of field test system investigated with the measuring equipment.
../../Resources/sarek/KJACR.2023.35.7.343/fig3.png
Table 2 Solar system characteristics

System's components

Contents

Remarks

Flat-plate collector

Size

2.0 m × 1.0 m × 0.07 m

Gross area = 2.0 m2

Zero loss efficiency

0.7409

Efficiency slope

4.1791 W/m2K

Efficiency curvature

0.0057 W/m2K2

Incident angle modifier coefficient

0.2596

Thermal capacity

9.5 kJ/m2K

Solar collection pump

Power

4.5 kW

Flow rate

7.5 m3/h

Table 3 Thermal properties of heat transfer fluid(14)

Composition

Density

Specific heat

Freezing temperature

Propylene glycol-to-water ratio of 40%/60%

1,016 kg/m3

3.75 kJ/kg·K

-22℃

3.2 원격 모니터링시스템

실증시스템의 원격모니터링시스템은 엣지 컴퓨팅방식으로 openHAB(Open Home Automation Bus)을 이용하여 구축하였다. openHAB 은 독일의 Kai Kreuzer가 2010년부터 개발한 오픈소스 홈 자동화 서버로 Equinox(Eclipse PDE) OSGi(Open Service Gateway initiative) 프레임워크 상에서 자바로 구현되어 있다.(15) openHAB은 다양한 하드웨어와 프로토콜의 제약 없이 동적으로 바인딩할 수 있으며, 이를 통해 기기들을 통합 제어하고 사용자가 자신의 시스템을 커스터마이징(Custmizing)하여 구성할 수 있다. 본 연구에서는 파이썬(Python)으로 작성된 직산분리 및 태양열집열기의 열성능 해석 알고리즘을 openHAB에 탑재하였다.

Fig. 4는 실증 현장에 구축된 원격 모니터링시스템 계통도를 나타낸 것이다. A/D 컨버터(A/D converter)에 의해 디지털신호로 변화되는 일사계 데이터는 라우터(Router)를 통해 TCP/IP 통신으로, RTD 온도센서와 유량계는 PLC(Programmable logic controller)를 통해 RS-485 통신으로 서버에 각각 전송된다.

Fig. 4 Schematic diagram of remote monitoring system.
../../Resources/sarek/KJACR.2023.35.7.343/fig4.png

4. 결과분석

4.1 직산분리 모델

본 연구에서는 22일간 실측된 1분 간격의 경사면 일사와 수평면 일사로부터 추정된 예측결과를 선형회귀 분석과 식(20)의 평균 제곱근 오차(Root mean square error, 이하 RMSE)을 통해 비교하였다.

(20)
$RMSE=\sqrt{\dfrac{1}{{n}_{{c}}}\sum_{{i}=1}^{{n}_{{c}}}({p}_{{i}}-{m}_{{i}})^{2}}$

Fig. 5는 실측 경사면 일사량에 따른 시뮬레이션 예측 결과를 나타낸 것이다. 선형회귀분석에 따른 결정 계수(R²)와 RMSE는 각각 0.9973와 24.7 W로, 직산분리 모델의 적합성을 확인할 수 있다.

Fig. 5 Comparison between predicted and measured irradiance on the inclined surface.
../../Resources/sarek/KJACR.2023.35.7.343/fig5.png

4.2 원격 모니터링시스템 구현

Fig. 6은 실증 태양열시스템에 구축된 원격 모니터링시스템의 화면을 나타낸 것이다. 실측과 시뮬레이션에 따른 집열기의 순간 집열량 및 집열효율이 실시간으로 표시된다.

Fig. 6 Web screen of remote monitoring system.
../../Resources/sarek/KJACR.2023.35.7.343/fig6.png

4.3 태양열집열기 동적 열성능

Fig. 7은 태양고도가 가장 낮은 동지 무렵(12월 29일) 원격 모니터링을 통한 실증시스템의 1분 간격 실시간 실측과 시뮬레이션 예측 순간 집열량을 비교한 것이다. 집열면 일사강도가 800 W/m2 이상이 되는 오후 12시 30분부터 오후 3시까지 시스템 작동이 지속되는 상태에서 집열량은 오전부터 점차 증가하여 오후 1시경 최대가 되었으며 이후 감소하고 있다. 이 시간대 예측 집열량이 실측을 거의 정확하게 추종하고 있으며, 두 결과의 RMSE는 1.77 kW로 나타났다.

Fig. 8은 원격 모니터링의 실측 및 시뮬레이션 예측 순간 집열효율을 분석한 것이다. 실측 및 예측 순간 집열효율 변화는 집열량과 거의 동일한 패턴을 보이고 있다. 순간 집열효율(실측기준)은 오전부터 점차 증가하여 집열량이 최대가 되는 오후 1시경 34.9%로 최고를 기록하였으며 이후 점차 감소되고 있다. 연속 가동이 종료되는 시점의 순간 집열효율은 28.4%로 최저가 되었으며, 평균 집열효율은 33.1%로 나타났다.

Fig. 9는 12월 29일 집열면에 대한 일사 성분별 일일 시간별 입사각과 입사각 수정인자를 분석한 것이다. 본 시스템의 집열면에 대한 천공 및 지면반사 성분의 입사각은 식(14)와 식(15)에 따라 각각 56°와 69°로 각각 추정되었으며, 시스템이 연속 작동하는 시간대의 직달일사 입사각은 26~33°로 변화되었다. 이에 따른 입사각 수정인자는 천공 및 지면반사 성분의 경우 0.79와 0.52로 일정하며, 직달성분은 0.95~0.97로 나타났다.

Fig. 10은 동지에 비해 일조시간이 길고 태양고도가 상대적으로 높아지는 춘분(3월 21일) 원격 모니터링의 실시간 순간 집열량을 나타낸 것이다. 시스템의 작동 지속시간은 집열면 일사강도가 600 W/m2 이상이 되는 오전 10시 30분부터 오후 4시 30분까지 3시간 이상 증가하였다. 시뮬레이션 결과는 실측을 정확하게 추종하고 있으며, RMSE는 0.45 kW로 나타났다.

Fig. 11은 원격 모니터링의 실측 및 시뮬레이션 예측 순간 집열효율을 분석한 것이다. 연속 작동 시간대의 평균 집열효율은 48.7%로 12월 29일의 34.7%에 비해 40% 이상 향상되었으며, 순간 최대 집열효율은 52%로 나타났다.

Fig. 12는 3월 21일 집열면에 대한 일일 시간별 입사각과 입사각 수정인자를 분석한 것이다. 천공 및 지면반사 성분은 12월과 동일하며, 시스템 연속 작동 시간대의 직달일사 입사각은 14 ~ 54°로 나타났다. 이에 따른 입사각 수정인자는 0.82 ~ 0.99로 12월에 비해 오전 중 손실이 증가하고 있다.

Fig. 13은 KS B 8295(태양열집열기 열성능 시험)에 따른 본 평판형 집열기의 인증효율과 실측 및 예측 집열효율을 비교한 것이다. 입사각 손실(Angle-incidence loss)이 반영되는 않은 인증효율에 비해 실제 집열효율이 저하되었으며, 시뮬레이션 예측도 이를 정확하게 추종하는 것을 다시 한 번 확인할 수 있다. 동일한 작동조건$((T_{m}- T_{a})/I_{T})$에서 인증과 실측 및 예측 효율의 차이는 정확히 입사각 손실을 반영하고 있다. 작동시간이 짧은 12월 입사각 손실에 따른 집열효율 감소율은 26.0~29.9%로 일정한 반면, 작동시간이 늘어나는 3월의 감소율은 21.2~35.6%로 그 변화의 폭이 증가하고 있으며 동일한 작동조건에서도 상이한 집열효율을 나타내고 있다. 이는 전술한 직달일사의 입사각 손실 변화에 기인한다.

Fig. 7 Useful heat gained by the collector on December 29.
../../Resources/sarek/KJACR.2023.35.7.343/fig7.png
Fig. 8 Instantaneous efficiency of collector on December 29.
../../Resources/sarek/KJACR.2023.35.7.343/fig8.png
Fig. 9 Incident angle modifier for the components of sol0ar radiation on December 29.
../../Resources/sarek/KJACR.2023.35.7.343/fig9.png
Fig. 10 Useful heat gained by the collector on Mar 21.
../../Resources/sarek/KJACR.2023.35.7.343/fig10.png
Fig. 11 Instantaneous efficiency of collector on Mar 21.
../../Resources/sarek/KJACR.2023.35.7.343/fig11.png
Fig. 12 Incident angle modifier for the components of solar radiation on Mar 21.
../../Resources/sarek/KJACR.2023.35.7.343/fig12.png
Fig. 13 Collector efficiency.
../../Resources/sarek/KJACR.2023.35.7.343/fig13.png

5. 결 론

본 연구에서는 시뮬레이션 기반 태양열집열기 성능해석 알고리즘을 탑재한 원격 모니터링시스템을 제안하고 실증을 통하여 그 타당성을 분석하였다. 여기서 원격 모니터링시스템은 엣지 컴퓨팅 방식으로 오픈소스 openHAB을 이용하여 구축하였다. 시뮬레이션 모델은 ISO 24194:2022의 집열기 어레이 성능추정식이 적용 되었으며, 1분 간격으로 측정된 기상자료(수평면 일사량 및 외기온)와 집열기 유량 및 입․출구 온도를 이용하여 해석하였다. 포항지역 온실에 설치된 집열면적 108 ㎡의 태양열 난방시스템을 통해 분석된 주요 결과를 요약하면 다음과 같다.

(1) 실측된 1분 간격의 경사면 일사와 수평면 일사로부터 추정된 예측결과를 비교한 결과, 선형회귀분석에 따른 결정계수와 정규화된 평균 제곱근 오차는 각각 0.9973과 24.7 W로 직산분리 모델의 적합성을 확인하였다.

(2) ISO 24194기반 시뮬레이션 모델의 실시간 순간 집열량과 순간효율은 기상 및 작동조건이 상이한 상태에서도 실측을 정확하게 추종하는 것으로 나타났다. 시스템이 연속 작동될 때 12월 29일과 3월 21일 실측과 예측 순간집열량의 RMSE는 각각 1.77 kW와 0.45 kW로 분석되었다.

(3) 12월 입사각 손실에 따른 집열효율 감소율은 26.0~29.9%로 일정한 반면, 작동시간이 늘어나는 3월의 감소율은 21.2~35.6%로 변화의 폭이 증가하고 있으며 동일한 작동조건에서도 입사각 손실에 따라 상이한 집열손실을 나타냈다.

위와 같이 원격 모니터링시스템의 실시간 시뮬레이션 해석 통해 평판형집열기의 동적거동과 열성능을 정확히 파악할 수 있는 것으로 나타났으며, 향후 태양열시스템의 설치 초기성능을 규명하고 실시간 고장감지 및 진단시스템 개발을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

후 기

본 결과물은 농림축산식품부의 재원으로 농림수산식품기술기획평가원의 농업에너지 자립형 산업모델 기술개발사업(태양열을 활용한 에너지 생산 저장 관리 및 실증모델 구축)의 지원을 받아 연구되었음(과제번호 120093-3).

References

1 
de Keizer, A. C., Vajen, K., and Jordan, U., 2011, Review of Long-term Fault Detection Approaches in Solar Thermal Systems, Solar Energy, Vol. 85, pp. 1430-1439.DOI
2 
de Keizer, C., Kuethe, S., Jordan, U., and Vajen, K., 2013, Simulation-based long-term Fault Detection for Solar Thermal Systems, Solar Energy, Vol. 93, pp. 109-120.DOI
3 
Faure, G., Vallée, M., Paulus, C., and Tran, T. Q., 2020, Fault Detection and Diagnosis for Large Solar Thermal Systems: A Review of Fault Types and Applicable Methods, Solar Energy, Vol. 197, pp. 472-484.DOI
4 
Feierl, L., Unterberger, V., Rossi, C., Gerardts, B., and Gaetani, M., 2023, Fault Detective: Automatic Fault-detection for Solar Thermal Systems Based on Artificial Intelligence, Solar Energy Advances, Vol. 3. No. 2023, p. 100033.DOI
5 
International Standard Organization, 2022, ISO 24194:2022 (Solar energy-Collector fields-Check of performance).URL
6 
Farkas, I. and Géczy-Vı́g, P., 2003, Neural Network Modelling of Flat-plate Solar Collectors, Computers and Electronics in Agriculture, Vol. 40, pp. 87-102.DOI
7 
Sözen, A., Menlik, T., and Ünvar, S., 2008, Determination of Efficiency of Flat-plate Solar Collectors Using Neural Network Approach, Expert Systems with Applications, Vol. 35, pp. 1533-1539.DOI
8 
Vafaei, L. E. and Sah, M., 2017, Predicting Efficiency of Flat-plate Solar Collector Using a Fuzzy Inference System, Procedia Computer Science, Vol. 120, pp. 221-228.DOI
9 
Sridharan, M. and Shenbagaraj, S., 2021, Application of Generalized Regression Neural Network in Predicting the Thermal Performance of Solar Flat Plate Collector Systems, ASME Journal of Thermal Science and Engineering Applications, Vol. 13, No. 2.DOI
10 
Weiss, W. and Spörk-Dür, M., 2022, Solar Heat Worldwide-Global Market Developments and Trends in 2021; AEE Intec; IEA SHC: Gleisdorf, Austria.URL
11 
Erbs, D. G., Klein, S. A., and Duffie, J. A., 1982, Estimation of the Diffuse Radiation Fraction for Hourly, Daily, and Monthly-average Global Radiation, Solar Energy, Vol. 28, pp. 293-302.DOI
12 
Reindl, D. T., Beckman, W. A., and Duffie, J. A., 1990, Evaluation of Hourly Tilted Surface Radiation Models, Solar Energy, Vol. 45, pp. 9-17.DOI
13 
Brandemuehl, M. J. and Beckman, W. A., 1980, Transmission of Diffuse Radiation Through CPC and Flat-plate Collector Glazings, Solar Energy, Vol. 24, pp. 511-513.DOI
14 
Engineering ToolBox: https://www.engineeringtoolbox.com.URL
15 
openHAB: https://www.openhab.org/docs/.URL