基于机器学习的太阳能发电控制系统及方法

技术领域

本发明涉及基于机器学习的太阳能发电控制系统及方法，更详细地，涉及如下的基于机器学习的太阳能发电控制系统及方法，即，实时收集多个太阳能发电模块的电压信息、电力信息，在机器学习平台学习所收集的信息，根据学习结果来执行对于多种服务功能建模，通过所提取的控制信息控制机器学习平台，实时分析与太阳能发电模块相连接的多个设备来实时控制太阳能发电系统。

背景技术

太阳能发电为将太阳光转换成直流电来产生电流的发电方法，将附着有多个太阳电池的太阳能板大规模展开，以此利用太阳能来发电。

为了解决全球环境污染即资源枯竭问题，正积极地推动新的可再生能源项目。

在韩国，在应对环境污染及能源危机的背景下，每年利用太阳能的太阳能电源的设置量增加，需要用于提高性能的状态诊断技术及发电量预测技术。

最近，随着导入太阳能等的新再生能源、能量存储系统等，作为控制它们的合并运转及电力量的技术，使能量效率最优化的新一代智能型电力网(Smart Grid)逐渐受人瞩目。

但是，当前的太阳能电源的维护管理系统仅计测整个系统的逆变器输出，只通过网络摄像头进行简单的现场监控，从而，当运转过程中发生问题时，将会导致性能降低且掌握运转停止原因及故障位置将需要很长的时间。并且，因太阳能电源的数据确保部件而很难掌握故障类型、故障模式及因环境变化所导致的发电量变化。

并且，图1为示出现有的一般太阳能发电状态诊断系统的简图，在现有的太阳能发电技术中，在多个太阳能电池模块中的一个发生故障的情况下，很难掌握哪个模块中发生故障或出现异常状态，很难远程判断是否因日射量少而导致发电容量少，或者是否因发生模块的故障或异常状态而导致发电容量下降。

尤其，若在生产电力的太阳能板的特定模块中，因发生模块的故障或异常状态而导致发电容量下降，则太阳能发电容量整体下降，从而导致电力生产发生差错。

由此，现有太阳能发电系统受到众多太阳能模块及与此连接的设备特性的影响，但很难全部控制这种个别特性，因此，需要使用机器学习工法的太阳能发电控制系统。

发明内容

技术问题

本发明为了解决上述现有问题而提出，本发明的目的在于，提供如下的基于机器学习的太阳能发电控制系统及方法，即，可实时收集多个太阳能发电模块的电压信息、电力信息，在机器学习平台学习所收集的信息，根据学习结果来执行对于多种服务功能建模，通过所提取的控制信息控制机器学习平台，实时分析与太阳能发电模块相连接的多个设备来实时控制太阳能发电系统。

技术方案

本发明的基于机器学习的太阳能发电控制系统的特征在于，包括：多个太阳能模块，进行太阳能发电的多个太阳能模块串联连接并以数量达到2以上的行及列排列；多个节点控制部，分别测定从多个上述太阳能模块生成的电压数据、电流数据、电力数据，若所测定的数据未达到控制设定的电流控制数据、电压控制数据、电力控制数据，则断开所连接的太阳能模块；网关部，从多个上述节点控制部接收由多个太阳能模块测定的电压测定数据、电流测定数据、电力测定数据，对上述测定数据进行解析处理并存储测定数据；实时控制模块，从上述网关部接收解析的数据来进行分类、对比、分析处理并存储在数据库，向上述网关部传输设定控制数据的控制指令，上述控制数据用于控制多个节点控制部；以及机器学习服务器，通过网络或通信网与上述实时控制模块相连接，对包括太阳能模块的太阳能发电结构装置及数据进行监控，基于机器学习对从上述实时控制模块传输的数据进行学习，提取太阳能发电控制所需功能数据来执行建模，向实时控制模块提供基于建模结果的控制服务数据。

并且，本发明的基于机器学习的太阳能发电控制系统的特征在于，上述节点控制部包括：测定部，用于测定在太阳能模块中生成的电压数据、电流数据、电力数据；分析控制部，对所测定的上述数据与为了控制从上述实时控制模块传输的电压、电流而定义的控制数据进行比较，判断所测定的数据是否达到所定义的控制数据并开关控制太阳能模块的工作；数据传输管理部，向外部传输存储在上述节点控制部内部的数据，从实时控制模块接收控制数据来向节点控制部传输；以及开关部，根据在上述分析控制部中判断的结果，断开或连接与上述节点控制部相连接的太阳能模块。

并且，本发明的基于机器学习的太阳能发电控制系统的特征在于，上述网关部包括：数据收集管理部，向实时控制模块发送从上述节点控制部接收的测定数据，接收从实时控制模块传输的控制指令数据来向上述节点控制部传输；数据处理部，对从节点控制部接收的测定数据进行解析处理；以及数据存储部，用于存储通过上述数据处理部进行解析处理的数据。

并且，本发明的基于机器学习的太阳能发电控制系统的特征在于，上述实时控制模块包括：接口部，用于在网关部与实时控制模块之间以及在实时控制模块与机器学习服务器之间实时收发数据；数据分析部，通过上述网关部接收由太阳能模块测定的电流数据、电压数据、电力数据来进行分类、对比、分析处理；控制判断部，利用上述数据分析部的处理结果来提取太阳能模块所需基准数据并判断控制指令；控制指令处理部，为了控制太阳能模块而定义控制数据并向网关实时传输；以及服务管理部，执行在实时控制模块内部添加或删除用于控制太阳能模块的控制功能的管理功能。

并且，本发明的基于机器学习的太阳能发电控制系统的特征在于，上述机器学习服务器包括：接口部，用于在机器学习服务器实时收发数据；监控部，根据特征，对与从包括太阳能模块、节点控制部、网关部、实时控制模块的太阳能发电结构装置传输的太阳能发电数据相关的分析、分类、对比、转换进行综合处理并进行监控；判断部，根据从监控部传输的经上述综合处理的数据的配置信息，判断是否需要进行机器学习处理；学习模块，根据上述判断部的判断，对需要新学习的数据执行新学习；建模部，利用进行上述新学习后的学习结果来提取数据并执行建模；学习数据库，用于存储上述学习结果及建模执行结果；控制部，为了进行太阳能发电控制而从上述学习数据库获取建模数据并与在上述判断部中判断为无需学习的数据一同向用于进行太阳能发电控制的服务部传输；服务部，在从上述控制部传输的基准模型中进行选择来定义太阳能控制服务数据并通过接口向实时控制模块传输；以及服务管理模块，删除或添加向上述服务器传输的建模数据列表并进行更新来加以管理。

并且，本发明的基于机器学习的太阳能发电控制系统的特征在于，上述监控部通过数据接口处理与实时控制模块之间的数据收发，上述服务部通过与开放型接口部相连接来将从控制部接收的数据转换成应用服务并提供，或者提供在多个应用程序中请求的数据。

另一方面，本发明的基于机器学习的太阳能发电控制方法的特征在于，包括如下的步骤：节点控制部分别测定从多个太阳能模块生成的电压数据、电流数据、电力数据；网关部从多个节点控制部接收测定数据来进行解析处理并存储；实时控制模块对解析的数据进行分类、对比、分析处理来存储在数据库并向机器学习服务器传输；机器学习服务器基于机器学习来对从实时控制模块传输的数据进行学习，提取太阳能发电控制所需功能数据来执行建模，向实时控制模块提供基于建模结果的控制服务数据；实时控制模块向网关部传输用于控制多个节点控制部的控制指令数据；网关部向节点控制部传输从实时控制模块接收的控制指令数据；以及若在太阳能模块中测定的数据未达到根据控制指令数据设定的电流控制基准数据、电压控制基准数据、电力控制基准数据，则节点控制部断开所连接的太阳能模块。

发明的效果

根据本发明，本发明具有如下的效果，即，实时收集电压信息、电力信息，在机器学习平台中学习所收集的信息，根据学习结果，执行对于多种服务功能的建模并通过所提取的控制信息控制多个太阳能发电模块，由此，通过均匀地控制在太阳能模块中生产的电力量来维持最优的电力生产量。

并且，可登录多种太阳能发电的所使用的多个信息传输设备及多个电子设备的规范及协议来进行基于机器学习的控制管理，由此，轻松连接与子本地空间相连接的各种信息传输设备及电子设备的信息并定义协议，可以开发服务模块。

并且，根据本发明，本发明具有如下的效果，即，实时向机器学习平台传输与太阳能模块相连接的各个测定数据，由此，通过学习功能向机器学习服务器传输故障设备识别信息及类型信息，实时分析广域的太阳能发电的设备故障情况及故障类型的特性来服务于用户。

附图说明

图1为示出现有的一般太阳能发电状态诊断系统的简图。

图2为本发明的基于机器学习的太阳能发电控制系统的整体结构框图。

图3为图2所示的基于机器学习的太阳能发电控制系统中的节点控制部的结构框图。

图4为图2所示的基于机器学习的太阳能发电控制系统中的网关部的结构框图。

图5为图2所示基于机器学习的太阳能发电控制系统中的实时控制模块的结构框图。

图6为图2所示的基于机器学习的太阳能发电控制系统中的机器学习服务器的结构框图。

图7为图2所示的基于机器学习的太阳能发电控制系统中的机器学习服务器的结构框图的另一实施例。

图8为本发明的基于机器学习的太阳能发电控制方法的流程图。

具体实施方式

以下，参照附图，详细说明本发明实施例的基于机器学习的太阳能发电控制系统及方法。

图2为本发明的基于机器学习的太阳能发电控制系统的整体结构框图。

参照图2，本发明实施例的基于机器学习的太阳能发电控制系统包括多个太阳能模块10、节点控制部30(NBC)、逆变器50、网关部100(G/W)、实时控制模块200(RTCU)、机器学习服务器300。

在多个太阳能模块10中，将太阳能转换成电能来进行太阳能发电的多个太阳能模块串联连接并以数量达到2以上的行及列排列。

太阳能发电装置包括一个以上的串，上述串由作为向外部发送实际生产的电的最少单元的多个太阳能模块10串联，多个上述串重新聚集来形成阵列，在大规模太阳能发电的情况下，设置数十至数百个以上的阵列来运行。

从多个上述太阳能模块生产的电力通过6通道或12通道与逆变器50相连接来转换成如220V的交流电力。

节点控制部30与上述太阳能模块10相连接，分别测定从多个上述太阳能模块10生成的电压数据、电流数据、电力数据，若所测定的数据未达到控制设定的电流控制数据、电压控制数据、电力控制数据，则断开连接的太阳能模块。

如图2所示，太阳能模块10(A～I)分别串联连接，在串联连接的太阳能模块10，多个节点控制部30分别以相同的结构串联连接。

在此情况下，从与节点控制部30相连接的太阳能模块测定电压数据、电流数据、电力数据并收集，对所测定的上述数据与为了控制从上述实时控制模块200传输的电流、电压而定义的控制数据进行比较，判断所测定的数据是否达到所定义的控制数据并断开与节点控制部30相连接的节点中被判断为存在问题的太阳能模块10的连接，由此，防止向逆变器50传输从发生问题的太阳能模块10生产的电力，从而，在使整个太阳能模块10中生产的电力维持规定水平，由此，调节在太阳能模块10中生产的不均匀的电力生产量，以达到最优的电力生产的方式执行平衡功能。

上述网关部100从多个上述节点控制部30接收从多个太阳能模块10测定的电压测定数据、电流测定数据、电力测定数据并对上述测定数据进行解析处理来存储于测定数据。

上述实时控制模块200通过上述网关100接收从多个太阳能模块10测定的电流数据、电压数据、电力数据并进行分类、对比、分析处理来存储在数据库，另一方面，向上述网关部100传输设定控制数据的控制指令，上述控制数据用于控制多个节点控制部30。

并且，机器学习服务器300通过网络或通信网与实时控制模块200相连接，对包括太阳能模块的太阳能发电结构装置及测定值控，基于机器学习对从上述实时控制模块200传输的数据进行学习，提取太阳能发电控制所需功能数据来执行建模，向实时控制模块200提供基于建模结果的控制服务数据。

另一方面，根据实施例或设计变更，上述机器学习服务器的功能也可以在上述实时控制模块200处理。

图3为图2所示的基于机器学习的太阳能发电控制系统中的节点控制部的结构框图。

参照图3，在本发明的基于机器学习的太阳能发电控制系统中，节点控制部30包括测定部31、分析控制部32、数据传输管理部33、开关部34。

上述测定部31测定在太阳能模块10中生成的电压数据、电流数据、电力数据。

上述测定部31测定在由各个电力生产面板构成的太阳能模块10中生产的电压、电流、电力来向分析控制部32传输。

上述分析控制部32根据从上述测定部31确定的各个太阳能模块的测定的电流数据、电压数据、电力数据与从实时控制模块200传输并设定的电流控制数据值、电压控制数据值来加减开关部34的工作等级并在开关部33中断开与节点控制部30相连接的太阳能模块10。

即，上述分析控制部32对所测定的上述数据与为了控制从上述实时控制模块200传输的太阳能模块的电流、电压而定义的控制数据进行比较，判断所测定的数据是否达到控制数据并开关控制太阳能模块工作。

上述数据传输管理部33向外部传输存储在上述节点控制部30内部的数据，通过网关部100从实时控制模块200接收控制数据来向节点控制部30传输。

并且，上述开关部34根据在上述分析控制部32中判断的结果来断开或连接与上述节点控制部30相连接的太阳能模块。

图4为图2所示的基于机器学习的太阳能发电控制系统中的网关部的结构框图。

参照图4，在本发明的基于机器学习的太阳能发电控制系统中，上述网关部100包括数据收集管理部110、数据处理部120、数据存储部130。

上述数据收集管理部110向实时控制模块200发送从上述节点控制部30接收的测定数据，接收从实时控制模块200传输的控制指令数据来向上述节点控制部30传输。

向数据收集管理部110传输的信息为在节点控制部30传输的信息，每个网关部为了在与10×16个太阳能模块相连接的多个节点控制部30联接太阳能模块连接或者通过解除连接来安全地传输准确的数据而内置特殊的管理功能。

上述数据处理部120对从节点控制部30接收的测定数据进行解析(parsing)处理。

为了通过数据收集管理部110来使数据收发量最小化而进行解析(编码/解码)，在此情况下，通过解析处理进行处理的数据向数据存储部130传输并存储。

在此情况下，数据存储管理部130以可轻松使用所存储的信息的方式以文件数据系统结构或数据库结构存储数据，以此存储的数据通过数据收集管理部110向实时控制模块200传输。

图5为图2所示的基于机器学习的太阳能发电控制系统中的实时控制模块的结构框图。

参照图5，在本发明的基于机器学习的太阳能发电控制系统中，上述实时控制模块200包括接口部210、数据分析部220、控制判断部230、控制指令处理部240、服务管理部250。

上述接口部210用于在网关部100与实时控制模块200之间以及实时控制模块200与机器学习服务器300之间实时收发数据。

在为了控制节点控制部30而通过分析、判断处理来确定的数据中，通过接口部210传输控制指令数据，由此，节点控制部30可以与各个太阳能模块的电流生产值、电压生产值、电力生产值一同起到短路或连接的功能。

上述数据分析部220通过上述网关部100接收由太阳能模块10测定的电流数据、电压数据、电力数据来进行分析、分类、对比、转换处理。

作为太阳能发电信息，例如，上述数据分析部220通过接口210接收由各个太阳能模块测定的电流数据、电压数据、电力数据，作为预处理过程，进行分类、对比、分析处理并向控制判断部230传输。

上述控制判断部230利用上述数据分析部220的处理结果来提取太阳能模块控制所需基准数据并判断控制指令。

上述控制指令处理部240为了控制太阳能模块10而定义控制数据并向网关部100实时传输。

上述服务管理部250执行如下的管理功能，即，在实时控制模块200内部添加或删除用于控制太阳能模块10的控制功能。

另一方面，根据另一实施例，上述机器学习服务器的功能也可以在上述实时控制模块200处理，在此情况下，并不单独设置机器学习服务器，后述的机器学习服务器的结构也可以包括在实时控制模块。

图6为图2所示的基于机器学习的太阳能发电控制系统中的机器学习服务器的结构框图。

参照图6，在本发明的基于机器学习的太阳能发电控制系统中，上述机器学习服务器300包括接口部310、监控部320、判断部330、学习模块340、建模部350、学习数据库360、控制部370、服务管理模块380、服务部390。

上述接口部310用于在机器学习服务器中实时收发数据。

机器学习服务器300可通过网络或通信网与实时控制模块200相连接，上述接口部310在实时控制模块200与机器学习服务器300之间实时处理数据收发，不仅如此，在机器学习服务器300中处理的数据可通过接口部310提供多种服务或数据。

上述监控部320根据特性对从包括太阳能模块10、节点控制部30、网关部100、实时控制模块200的太阳能发电结构装置传输的太阳能发电数据进行分析、分类、对比、转换综合处理来进行监控。

上述监控部320接收构成太阳能发电的装置及测定数据来对发电功能、测定值、变更事项、特征等多个结构装置的配置信息进行分析、加工并向判断部330传输。

在上述监控部320中经分析、分类、对比、转换处理来监控的数据可包含用于及其学习的数据，例如，连接装置协议信息、各个模块的电压数据、电流数据、电力数据、模块故障类型信息、气象信息、太阳高度信息、各个模块角度的电力量、用户电力信息、KEPCO电力信息等。

并且，判断部330根据在监控部320传输的上述综合处理等数据的配置信息判断是否进行机器学习处理。

上述判断部330判断是否需要对在监控部320传输的数据进行机器学习处理的结果，判断为需要进行新学习的数据向学习模块340传输，判断为无需进行新学习的数据向控制部370传输。

学习模块340根据上述判断部330的判断对需要进行新学习的数据进行新学习，学习结果存储在学习数据库360。

并且，在建模部350中，利用上述学习结果来提取数据并执行建模，上述建模执行结果存储在学习数据库360。

例如，在上述建模部350中，通过基于机器学习来学习的数据的建模可包括连接装置识别建模(API建模)、各个装置的协议建模、连接装置故障建模、电力生产预测建模、模块故障(障碍)建模、气相状态/各个时期电力生产量建模、模块角度电力生产建模、用户电力使用建模、供电建模。

控制部370为了太阳能发电控制而从上述学习数据库360获取建模数据，并与在上述判断部中被判断为无需学习的数据一同向用于太阳能发电控制的服务部390传输。

服务部390在从上述控制部370传输的基准模型中选择来定义太阳能发电控制服务数据并通过接口310向实时控制模块200传输。

通过服务部处理的控制服务可包含利用节点控制部的太阳能发电平衡控制、多种装置协议连接支持功能、各个装置的故障类型诊断功能、太阳能模块各自的电压量、电流量、电力量监控模块故障类型功能、各个装置的太阳能模块基于气相的电力生产量及生产量预测功能、信息服务、基于太阳高度的电力生产量预测及数据服务、基于太阳能模块上下左右角度的生产量数据服务、用户电力使用量信息提供功能、KEPCO电力信息提供功能等。

在图6中，在上述服务部390中，以多个红色圆显示在建模部中建模并传输的多个建模列表。

而且，服务管理模块380用于删除或添加向上述服务部390传输的现有建模列表来更新并加以管理。

图7为基于机器学习的太阳能发电控制系统中的机器学习服务器的结构框图的另一实施例。

当比较图7及图6时，接口部310分别分成数据接口311及开放型接口部312(开放型API)。

上述监控部320通过数据接口311与实时控制模块收发数据。

另一方面，上述服务部390将从控制部370接收的建模数据及在判断部中判断为无需学习的数据一同转换成应用功能来应对多种需求事项或者通过开放型接口部312提供在多种应用程序中需求的信息。

图8为本发明的基于机器学习的太阳能发电控制方法的流程图。

参照图8，本发明的基于机器学习的太阳能发电控制方法如下进行。

首先，节点控制部30分别测定从多个太阳能模块10生成的电压数据、电流数据、电力数据(步骤S10)。

接着，网关部100从节点控制部30接收测定数据来进行解析处理并存储(步骤S20)。

接收向网关部传输的信息的实时控制模块200对解析的数据进行分类、对比、分析处理来存储在数据库并向机器学习服务器300传输(步骤S30)。

机器学习服务器300基于机器学习对从实时控制模块200传输的数据进行学习，提取太阳能发电控制所需功能数据来执行建模，向实时控制模块200传输基于建模结果的控制服务数据(步骤S40)。

接着，实时控制模块200向网关部传输用于控制多个节点控制部30的控制指令数据(步骤S50)。

由此，网关部100向节点控制部30传输从实时控制模块200接收的控制指令数据(步骤S60)。

结果，若在太阳能模块10中测定数据未达到根据控制指令数据设定的电流控制基准数据、电压控制基准数据、电力控制基准数据，则节点控制部30断开所连接的太阳能模块(步骤S70)。

上述节点控制部30为了均匀地维持电力生产量，若当前测定的电流数据、电压数据、电力数据未达到根据控制指令以基准数据设定的电流数据、电压数据、电力数据，则节点控制部30断开所连接的太阳能模块，由此，能够以断开在各个太阳能模块中生产的大幅度降低的电力生产量来实现最优的电力生产量的方式执行平衡功能。

以上，本发明仅详细说明了具体实施例，在本发明的技术思想范围内可进行多种变形及修改对本发明所属技术领域的普通技术人员来说是显而易见的，这种变形及修改也属于发明要求保护范围内。

产业上的可利用性

在本发明中，可实时收集太阳能模块的发电量，在机器学习平台学习所收集的信息，根据学习结果，执行对于多种服务功能的建模，通过所提取的控制信息来均匀地控制在太阳能发电模块中生产的电力量，由此，可以维持最优的电力生产量，向机器学习服务器传输设备识别信息及类型信息，实时分析广域的太阳能发电的设备故障情况及类型的特性来服务于用户。