서 론
연구지역
연구방법
수상태양광 발전 잠재량 예측
수상태양광 발전 잠재량 검증
연구결과 및 토의
고정식 태양광발전시스템의 월별 발전량 예측값과 실측값 비교
고정식 태양광발전시스템의 월별 발전량 오차 분석
추적식 태양광발전시스템의 월별 발전량 예측값과 실측값 비교
추적식 태양광발전시스템의 월별 발전량 오차 분석
고정식 및 추적식 태양광발전시스템의 월별 발전량 예측값과 실측값 비교 분석
결 론
서 론
수상태양광 발전은 태양에너지와 해양기술이 결합된 친환경 융복합 기술로써 댐･저수지, 채석장 호수, 관개수로 또는 연못 등의 수면에 설치할 수 있다. 수상태양광 발전은 육상태양광에 비해 다양한 장점이 있다(Sahu et al., 2016). 첫째, 상대적으로 서늘한 수상 환경이 태양전지의 온도 상승에 의한 발전 효율의 저하를 줄이기 때문에 육상태양광보다 높은 발전량을 갖는다. 둘째, 수상에 태양광발전시스템은 환경적으로 양호하여 설치시 주민들의 반대나 건축물에 대한 규칙 및 규정이 적다. 셋째, 수상태양광 발전시스템은 구조가 간단해 별도의 토목공사나 산림 훼손 없이 설치가 가능하고, 운영이 종료되면 설치 이전의 환경으로 원상 복구도 가능하다. 이러한 특성으로 인하여 우리 정부는 수상태양광에 대한 신재생에너지 공급인증서(renewable energy certificate, REC) 가중치를 1.5로 설정하여 육성과 보급을 장려하고 있으며, 2022년까지 30개 이상의 댐과 저수지에 550 MW 규모의 수상태양광 발전시스템을 단계적으로 설치하는 계획을 발표하였다(Kim et al., 2016; Nematollahi and Kim, 2017). 또한, 최근에는 주민 참여형 수상태양광 발전사업을 진행하며 관심이 증대되고 있는 실정이다(Oh, 2022).
정부의 지원과 관심에 힘입어 수상태양광 발전 설비의 설치 용량은 확대되고 있지만 수상태양광 발전시스템의 실질적인 발전량에 대한 연구는 상대적으로 미미한 편이다. 국내의 경우 수상태양광 발전량 데이터를 관측하기 시작한지가 오래되지 않았다. 하지만 수상태양광 발전시스템에 대한 적절한 부지선정이나 사업의 타당성 평가 등을 수행하기 위해서는 현재까지 확보한 자료를 활용해서라도 수상태양광 발전시스템의 발전 잠재량을 정확하게 예측하는 것이 매우 중요하다. 특히, 재생에너지 발전량 예측제도와 같이 태양에너지의 출력 변동성과 불확실성에 대응하기 위해 발전량 예측이 중요해지고, 예측을 위한 계량이 필수가 되면서 이를 원활히 시장에 도입하기 위한 제도적 장치가 필요해졌다. 태양광의 경우 국내 신재생에너지 섹터에서 가장 큰 부분을 차지하고 있어, 시간 단위까지 예측해 공급 가능한 발전 자원을 보다 정확히 파악할 필요가 있다.
국내･외의 다양한 연구자들이 수상태양광 발전시스템의 발전 잠재량에 기반을 둔 타당성 평가 연구를 진행해왔다. 해외에서는 전세계 수상태양광 발전 현황과 다양한 설계 방법(유형, 개념 및 상업 설계)을 조사하고, 이를 바탕으로 수상태양광 발전시스템의 성능을 분석하거나 설계 솔루션을 제시하였다(Sahu et al., 2016; Cazzaniga et al., 2018; Ranjbaran et al., 2019). 국내의 경우 댐이나 지형적으로 생성되는 인공 호수에 태양광발전시스템 도입시 기대할 수 있는 연간 발전 잠재량을 평가하거나, 수상태양광 발전시설의 발전용량과 수면 점유율을 비교분석한 연구들이 보고되었다(Choi, 2014a; Choi, 2014b; Song and Choi, 2016; Ahn et al., 2021). Kim et al.(2019)는 국내 전체 저수지를 대상으로 연간 수심 변화에 따른 수상태양광 발전 가능 여부를 필터링하고, 간단한 가정을 통해 행정구역별 발전 잠재량을 예측하였다. 그러나 이러한 연구들은 대부분 수상태양광 발전시스템의 잠재량을 평가하는데 그쳐 이를 실측 자료와 비교하여 검증하는 과정이 생략되었다는 한계가 있다. 따라서 수상태양광 발전시스템에 대한 발전량을 평가하고, 이를 현장에서 실측한 자료와 비교 분석함으로써 수상태양광 발전에 적합한 발전량 예측 모델을 개발할 필요가 있다.
본 연구의 목적은 합천댐을 대상으로 제2 고정식 수상태양광 발전시스템의 발전 잠재량을 예측하고, 이를 실측 발전량과 비교 검증하는 것이다. 또한, 고정식과 추적식 수상태양광 발전시스템의 실측 발전량을 비교 분석하였다. 이를 위해 현장에서 시간 단위 발전량을 1년 이상 관측한 데이터를 사용할 수 있는 지역인 경상남도 합천댐의 수상태양광 발전소를 연구지역으로 선정하여 연구를 진행하였다.
연구지역
본 연구에서는 경상남도 합천군 함천댐 지역을 수상태양광 발전 잠재량 분석 및 검증을 위한 연구지역으로 선정하였다. 합천댐은 낙동강의 지류인 황강에 위치해 있다. 수심 96 m, 길이 472 m, 저수량 790 m3, 유역면적 925 km2의 다목적 댐이다.
합천댐에는 총 3개의 수상태양광 발전시스템(1, 2, 3호기)이 설치되어 있으며(Fig. 1), 이들에 대한 자세한 특성은 Table 1에 정리하였다. 1호기(100 kW급)와 2호기(500 kW급)는 고정식인 반면, 3호기(100 kW급)는 추적식으로 구성되어 있다. 제3호기인 추적식의 경우 25 kW급은 4개 유닛으로 구성되어 있다(Fig. 2). 4개 유닛 모두 태양의 방위각을 따라 최적화하며, 1개 유닛은 자동경사가변, 나머지 1개 유닛은 수동경사가변 방식으로 이루어져 있다. 현재는 K-water에서 운영 및 유지관리하고 있다. 2012년 7월 설치된 500 kW급 제2 고정식 수상태양광 발전시스템의 경우 오랜기간 동안 관측된 풍부한 데이터를 획득할 수 있어 연구대상지역으로 선정하였다.
Table 1.
Information on floating PV systems in Hapcheon Dam
연구방법
합천댐 수상태양광 발전시스템의 발전 잠재량 예측 및 검증은 Fig. 3과 같은 순서로 진행하였다. 먼저, 현장의 기상조건과 음영지역, 그리고 시스템 설계 인자를 고려하여 월 단위의 태양광 발전 잠재량을 예측한다. 이후 태양광 발전 잠재량 예측값과 현장에서 관측한 실측값을 비교하여 통계적 오차를 계산하고 예측 모델의 정확도를 검증한다.
수상태양광 발전 잠재량 예측
수상태양광 발전시스템의 발전 잠재량을 예측하기 위하여 전세계에서 범용적으로 활용되고 있는 SAM(system advisor model) 소프트웨어를 선정하였다. 미국 국립재생에너지연구소(national renewable energy laboratory, NREL)에서 개발한 이 소프트웨어는 시간 단위의 태양광 발전량 예측이 가능하며, 이를 위해 표준기상연도(typical meteorological year, TMY)와 같이 관심지역의 기상특성을 시간 단위로 제공하는 자료가 필요하다. 따라서 본 연구에서는 연구대상지역의 기상환경을 반영하기 위해 경상남도 합천댐에서 관측한 전천일사량(global horizontal irradiation, GHI)과 직달일사량(direct normal irradiation, DNI)을, 그 외에 기온, 기압, 풍속, 알베도 등은 국내 16개 지점 중 합천댐에서 가장 근거리에 위치한 대구시 TMY 자료를 사용하였다. 현장의 기상조건을 고려하기 위해서는 합천댐에서 장기간(10년 이상) 관측하여 신뢰할 수 있는 기상특성값을 사용하는 것이 가장 이상적이나, 현장으로부터 획득 가능한 자료의 한계로 인하여 두 가지 자료를 융합하여 적용하였다.
이후 합천댐 주변의 지형이나 건물 등에 의해 생성되는 음영지역을 모델링하고, 그림자가 현장에 설치된 태양광발전시스템에 미치는 영향을 분석하였다. 일반적으로 육상지역에서 음영지를 분석하기 위해서는 연구대상지역의 수치표면모델(digital surface model)로부터 시간에 따른 그림자 영역을 모델링하거나 현장에서 Sun-Eye 같은 장비를 활용하여 시간에 따른 그림자 영역을 직접 관측하는 방법이 있다. 그러나 Fig. 1에 보이는 바와 같이 합천댐의 경우에는 지형과 건물 등이 태양광발전시스템으로부터 멀리 떨어져 있어 음영에 의한 영향은 없는 것으로 분석되어 본 연구에서는 제외하였다.
다음으로 합천댐에 설치된 태양광 모듈 및 인버터의 개수와 물리적 사양, 그리고 시스템 설계 특성값을 SAM 소프트웨어에 입력하여 수상태양광 발전시스템으로부터 기대되는 월 단위의 발전 잠재량을 예측하였다. Table 2는 본 연구에서 적용한 태양광 모듈과 인버터의 물리적 사양, 그리고 시스템 설계 특성값을 보여준다. 제2 발전소(고정식 500 kW급)에는 LS산전 모듈의 PVM S300F 모델(300 W) 1,656개와 LS산전 인버터의 LSRP-T500 모델이 활용되었다. 제3 발전소(추적식 100 kW급)의 경우 LS산전 모듈의 PVM S310F 모델(310 W) 320개가 사용되었고, 인버터는 정확한 모델 정보를 확인할 수 없어 유닛 구성에 따라 1개의 유닛에 적용되는 25 kW 용량의 모델 Chint Power Systems America : CPS SCA25KTL-DO-R/US-480을 사용하였다. 제2 발전소의 태양광 모듈은 23°로 설치된 것으로 조사되었다. 반면에 제3 발전소의 경우 Fig. 2에 보이는바와 같이 25 kW급 규모의 어레이 유닛 4개로 구성되어 있다. 4개 유닛 모두가 태양의 위치에 따른 방향각을 추적하지만 경사각의 경우 2개 유닛은 고정식(23°), 1개 유닛은 수동경사가변, 1개 유닛은 자동경사가변(2축 추적식)으로 구성되어 있어 발전량 예측시 각각 구분하여 시뮬레이션을 수행하였다. 그 외에 태양광 발전시 다양한 손실요인(쏘일링, 연결부위 불량 손실 등)에 대한 통계적 수치를 고려하여 손실율을 반영한 시간별 발전량을 예측하였다. 그리고 시간별 발전량으로부터 월별 발전량을 계산하였다.
Table 2.
Specifications of floating PV generation system in Hapcheon Dam
수상태양광 발전 잠재량 검증
수상태양광 발전시스템의 발전 잠재량 예측값을 검증하기 위해 합천댐 현장에서 실측한 발전량 값과 예측값을 정량적으로 비교분석하였다. 합천댐 제2 발전소(고정식)의 경우 약 4년간(2012년 7월부터 2016년 1월까지)의 시간별 발전량과 일부 기상 특성을 관측해왔다. 다만 2012년, 2013년, 2014년, 2016년 자료의 경우 데이터 전처리 과정에서 데이터 누락 또는 오류 등의 문제가 다수 존재하는 것으로 확인되었다. 그러한 이유로 2015년의 시간별 발전량 자료만을 검증 과정에 사용하였다. 반면, 제3 추적식 발전소의 경우 약 3개월분(2015년 1~3월)의 시간별 발전량 실측 자료만 존재하였다. 제2 고정식과 제3 추적식 수상태양광 발전시스템의 발전량 실측값 비교시 동일 기간의 자료인 경우에만 비교분석의 의미가 있다고 판단하였기에 제3 추적식의 경우 2015년 1~3월의 자료만을 비교검증 과정에 활용하였다. 따라서 본 연구에서는 2015년에 관측한 시간별 발전량을 실제 발전량의 기준값으로 사용하였다.
태양광 발전량 실측값과 예측값의 차이로부터 계산할 수 있는 3종류의 통계적 오차를 계산하였다. 통계적 오차로는 RMSE(root mean squared error), MBE(mean bias error), MAPE(mean absolute percentage error)를 선정하였다. 여기서 n은 사용된 데이터의 수를 나타내며, 은 예측 발전 잠재량, 는 2015년 실측 발전량을 나타낸다. 3종의 통계적 오차 모두 그 값이 작을수록 발전 잠재량 예측이 정확하다는 것을 의미한다.
연구결과 및 토의
고정식 태양광발전시스템의 월별 발전량 예측값과 실측값 비교
Table 3은 고정식 수상태양광 발전시스템의 2015년 실측된 월별 발전량과 SAM 소프트웨어로 예측한 월별 발전 잠재량, 그리고 실측값을 예측값으로 나눈 값을 백분율로 보여준다. 12개월의 월별 발전량을 합산한 연간 발전량의 경우 실측값(672,920 kWh)이 예측값(621,726 kWh)보다 약 8% 높게 나타난 것을 확인할 수 있다. 이에 대한 원인은 다양하겠지만 SAM 소프트웨어의 발전량 시뮬레이션이 일반 육상용에 초점을 두고 있다는 점을 고려하면 수상태양광이 육상태양광에 비해 발전량이 5%~10% 높다는 기존 연구결과(Choi et al., 2016; Song and Choi, 2016; Kwon et al., 2019)와 유사한 결과를 보인 것으로 해석된다.
Table 3.
Monthly power output observed and predicted using fixed floating PV system (No. 2)
월별 최대 실측 발전량은 3월에 75,913 kWh, 최소 실측 발전량은 11월에 31,863 kWh, 월별 최대 예측 발전 잠재량은 3월에 70,470 kWh, 최소 예측 발전 잠재량은 11월에 33,996 kWh로 나타났다. 즉, 실제로 최대 또는 최소 발전을 기록한 월을 동일하게 잘 예측한 것으로 분석된다. Fig. 4에도 나타나듯이 1~2월을 제외하면 실측값과 예측값의 증감 패턴이 유사한 것을 확인할 수 있다.
다만 Table 3에 따르면 3~10월까지는 월별 발전량의 실측값이 예측값보다 높게 나타난 반면 11~2월에는 반대로 나타난다. 특히 3~10월에 Ratio 값이 증가하다가 감소하는 패턴을 보인다. 실제 합천댐 지역의 2015년 09시부터 15시까지의 대기온도 값을 월 평균값으로 나타낸 결과 7~8월은 26.2~27.7°C이고 3~4월은 10.2~15.6°C, 9~10월은 18.9~ 23.0°C로 측정되었다. 즉, 가장 기온이 높은 7~8월에 예측값 대비 실측값의 비율이 가장 높고, 상대적으로 기온이 낮은 3~4월 또는 9~10월에는 비율이 낮게 나타난다. 일반적인 실리콘 태양전지 온도(cell temperature)가 25°C에서 1°C씩 상승할 때마다 발전 효율이 약 0.45%씩 감소한다. 물론 태양전지 온도는 외기온도(ambient temperature)에 가장 큰 영향을 받는다. 그런데 SAM 소프트웨어의 발전량 시뮬레이션 과정에서는 태양전지의 온도를 직접 반영할 수 없는 반면 합천댐의 경우 서늘한 수상 환경이 태양전지의 온도를 낮추어 발전 효율이 감소하는 것을 일부 방지시켜준다. 즉, 발전량 실측값과 예측값의 차이는 발전 효율이 저하될 수 있는 여름철에 가장 크게 나타날 것이다. 따라서 이는 SAM에 의한 예측 결과가 발전량을 과소추정하기 때문에 발생되는 것으로 판단된다.
고정식 태양광발전시스템의 월별 발전량 오차 분석
제2 고정식 수상태양광 발전시스템의 월별 발전량에 대한 통계적 오차(RMSE, MBE, MAPE) 계산 결과는 Table 4에 요약되어 있다. 여기서 MBE 값은 12개월(1년) 동안 실측된 발전량과 예측 발전 잠재량의 차이를 모두 합한 값의 평균으로 여기서는 월평균 발전량을 4,266 kWh씩 과소평가하는 것으로 해석할 수 있다. MAPE 값이 14%인 것은 실측값 대비 14% 이하의 오차로 월별 발전 잠재량을 예측할 수 있음을 의미한다. 이러한 오차는 재생에너지 발전량 예측제도에서 제시하는 일일 허용 오차율인 8%를 상회한다. 물론 본 연구는 소규모 시설에 대한 월 평균 예측 오차율을 다루는 반면 위의 예측제도는 참여 가능 자원의 규모와 오차 산정 기간 자체가 다르기 때문에 직접적으로 적용하는 것은 무리가 있다. 일반적으로 태양광발전시스템의 용량이 커지면 발전량도 커지기 때문에 오차율은 줄어들 수 있지만, 월 단위가 아닌 일 단위로 계산할 경우 반대로 발전량이 작아지기 때문에 오차율은 증가할 가능성이 높다. 다만, 향후로 재생에너지 발전량 예측제도 등을 활용하기 위해서는 예측오차율을 줄이기 위한 노력이 필요할 것으로 사료된다.
Table 4.
Statistical error analysis of fixed floating PV system (No. 2)
수상태양광 발전시스템의 발전량 실측값과 예측값이 차이를 보이는 이유는 예측에 활용한 기상자료의 불확실성 문제로 인하여 현실의 기상특성을 잘 반영하지 못하기 때문인 것으로 사료된다. 따라서 보다 정확한 예측을 위해서는 현장에서 오랜 기간 동안 다양한 기상 특성을 관측하는 동시에 발전 효율을 저감하는 손실 요소들을 잘 제어해주는 것이 필요할 것으로 사료된다. 뿐만 아니라 수상 환경의 특징을 발전량 예측에 잘 반영할 수 있는 알고리즘 개발과 추가연구가 필요하다.
추적식 태양광발전시스템의 월별 발전량 예측값과 실측값 비교
Table 5는 추적식 태양광발전시스템(No. 3)의 2015년 1~3월 실측된 월별 발전량과 SAM 소프트웨어로 예측한 1~3월의 발전 잠재량의 결과를 보여준다. 2015년 1~3월 실측된 발전량은 36,838 kWh인 반면, 예측된 발전 잠재량은 41,017 kWh로 나타났다. 즉, 실측 발전량이 예측 발전 잠재량보다 낮았다. 전술한 고정식의 발전량 결과와 상반된 것처럼 보이지만 Fig. 4에 따르면 고정식도 1~2월에는 실측값보다 예측값이 더 높았고, 3월에는 실측값보다 예측값이 더 낮게 나타났기 때문에 이는 유사한 결과라고 볼 수 있다(Fig. 5). 두 시스템 모두 1~2월의 발전량 실측값이 예측값보다 낮게 나타난 것으로 보아 합천댐 현장에서 발전량이 저하되는 요인이 존재했던 것으로 판단된다. 이는 합천댐이 아닌 대구시 TMY 자료에 포함되어 있는 기상특성이 2015년 합천댐 현장의 특성과 상이했을 가능성이 있다. 물론 다소 먼 지역의 TMY 자료를 대신하여 기상청에서 제공하는 AWS(Automatic Weather System) 계측값을 사용할 수도 있으나 합천댐 인근의 2015년 AWS 자료의 경우 현지기압, 해변기압, 습도 값 등이 누락되어 있었기 때문에 본 연구에서는 AWS 계측 값을 함께 활용하지 않았다. 그 외에도 추적식 태양광 발전 시설의 운영 과정에서 최적경사각을 조정하는 수동경사가변 장치를 제대로 운영 및 유지관리하지 않았거나 태양광 어레이의 수광 효율 최대화를 위한 트래킹 과정에서의 발전 손실이 발생했을 경우도 배제할 수 없을 것으로 사료된다.
Table 5.
Monthly power output observed and predicted using tracking floating PV system (No. 3)
| Month | Observed (kWh) (2015) |
Predicted (kWh) |
Ratio (%) |
| Jan | 10,793 | 13,630 | 79 |
| Feb | 10,979 | 12,542 | 88 |
| Mar | 15,066 | 14,845 | 101 |
| Sum | 36,838 | 41,017 | 90 |
추적식 태양광발전시스템의 월별 발전량 오차 분석
제3 추적식 수상태양광 발전시스템의 2015년 1~3월 발전 잠재량에 대한 통계적 오차(RMSE, MBE, MAPE) 계산 결과는 Table 6에 제시하였다. 3개월간의 발전량 합계를 기준으로 볼 때 오차율은 11%로 계산되었다. MBE 값에 따르면 추적식의 경우 월평균 발전량을 1,393 kWh씩 과대평가하는 것으로 해석된다. 또한, MAPE 값으로 미루어볼 때 실측값 대비 14%의 오차로 월별 발전 잠재량을 예측할 수 있는 것으로 해석된다. 그러나 추적식의 경우 실측과 예측에 사용한 자료의 기간이 상당히 짧고, 일반적으로 기대되는 발전량 패턴과 상이하기 때문에 자료에 대한 통계적･학술적 해석은 큰 의미를 갖지 못할 것으로 사료된다. 다만 제2 고정식과 마찬가지로 추적식의 경우에도 유사한 수준의 월별 발전량 예측이 가능한 정도의 의미를 갖는다고 볼 수 있다.
Table 6.
Statistical error analysis of tracking floating PV system (No. 3)
고정식 및 추적식 태양광발전시스템의 월별 발전량 예측값과 실측값 비교 분석
고정식과 추적식 수상태양광 발전시스템의 실측 발전량 자료가 존재하는 2015년 1~3월에 대하여 각각의 발전량 예측값과 실측값을 비교하였다. 다만, 고정식(496.8 kW)과 추적식 수상태양광 발전시스템(99.2 kW)의 용량이 상이하기 때문에 발전량을 동일한 기준에서 비교분석 하기 위해 발전량을 용량 비율에 맞추어 보정하였다.
Fig. 6과 Table 7은 2015년 1~3월의 고정식 및 추적식 수상태양광 발전시스템의 발전량 예측값과 실측값을 각각 그림과 표로 나타낸 것이다. 일반적인 기대와 동일하게 발전량 예측값과 실측값 모두 추적식이 고정식에 비해 높게 나타났다(Fig. 6). 다만, 추적식과 고정식의 예측 발전량 차이에 비해 실측 발전량 차이가 상대적으로 더 작은 것을 확인할 수 있다. 이는 실제 현장에서 수동경사가변 유닛과 같은 추적식 태양광 발전 시설이 일부 잘 운영되지 않았거나 발전량 예측 과정에서 손실율을 과소 설정했기 때문인 것으로 사료된다.
Table 7.
Comparison of power output observed and predicted using fixed and tracking floating PV systems (unit: kWh)
결 론
본 연구에서는 경상남도 합천댐의 제2 고정식 수상태양광 발전시스템(500 kW급)에서 기대할 수 있는 월간 발전 잠재량을 SAM 소프트웨어를 이용하여 예측하였으며, 그 결과를 2015년 실측 발전량과 비교하였다. 겨울을 제외한 봄, 여름, 가을의 경우 실측 발전량의 변화 패턴을 유사하게 예측하는 것을 확인하였다. 위의 기간 동안 예측 발전량에 비해 실측 발전량이 높게 나타났는데 이는 SAM 소프트웨어를 이용한 예측 과정에서 수상 환경의 자연 냉각에 의한 태양전지 효율 감소량이 줄어든 것으로 판단된다. 일반적으로 육상에 비해 수상태양광 발전량이 5%~10% 높은 연구결과와 유사한 결과를 보였다고 볼 수 있다. 또한, 오차 분석 결과 MAPE 값이 14%로 나타났고, 이는 월평균 실제 발전량을 14%의 오차로 예측할 수 있음을 의미한다. 추적식 발전시스템의 경우 고정식보다 약간 높은 발전량을 보였으며, 오차는 고정식과 유사한 수준으로 분석되었다.
본 연구에서도 확인된 바와 같이 현재까지 개발된 태양광 발전량 예측 알고리즘은 수상태양광에 직접 적용하기에는 무리가 있다. 수상환경 조건이 태양광 모듈의 발전 효율성에 미치는 영향 정도를 조사하기 위한 추가 연구가 필요하다. 예를 들어, 자연냉각 효과, 빛의 반사 및 산란, 높은 풍속으로 인한 파동 효과, 반사 조도 및 기타 특성과 같은 수상 환경의 영향을 고려하여 수상태양광 발전시스템에 적합한 발전량 예측 알고리즘을 개발할 필요가 있다.
다만 본 연구에서는 일사량을 제외하면 합천댐 현장이 아닌 인근 지역의 TMY 자료를 활용하였다. 이는 합천댐이 아닌 대구, 그리고 2015년 당해연도가 아닌 30여년간의 통계값을 사용한 것이기 때문에 2015년 합천댐 현장의 기상특성을 반영하는데 있어서 한계점이 존재한다. 따라서 향후 데이터가 확보된다면 합천댐 기상특성과 대구시 TMY 자료의 비교를 통해 두 데이터의 차이가 어느 정도인지를 파악하는 것도 유용할 것으로 보인다. 그럼에도 불구하고 본 연구의 결과는 향후 수상태양광 발전량 예측 알고리즘을 개발하는데 있어서 유용한 기초 자료를 제공할 수 있을 것이라 판단된다.
