드론 촬영 이미지와 딥러닝 기법을 이용한 태양광 패널의 먼지오염 탐지

초록

태양광 모듈 표면의 먼지오염은 수광장애 요인으로 발전량 저하를 유발하기 때문에 이를 주기적으로 탐지하는 것은 유지관리 측면에서 매우 중요하다. 따라서 본 연구에서는 드론으로 촬영한 이미지와 딥러닝 기법을 이용하여 태양광 패널 규모에서의 먼지오염 여부에 대한 분류 예측 모델의 성능을 평가하였다. 강원특별자치도 삼척시에 위치한 육상 및 옥상 태양광 패널에 대한 드론 이미지를 취득 및 전처리 후 5종의 딥러닝 기법을 적용하여 패널위의 먼지오염 여부를 분류하였으며 혼동행렬을 이용하여 예측결과의 분류 성능을 평가하였다. 그 결과 convolutional neural network 기법이 가장 높은 예측력을 보였으며 Area under the curve는 80.6%, 정확도는 66.0%, 재현율은 94.0%로계산되었다. 실제로 패널위에 먼지오염이 있는 경우에 높은 예측력을 보인 반면 먼지오염이 없는경우를 오분류한 비율도 높았기에 이에 대한 개선이 필요할 것으로 판단된다. 본 연구에서 제안한분석모델은 대규모 태양광 발전소에서 패널위의 먼지오염을 신속하게 평가하고 스크리닝하는 방법론의 하나로 활용될 수 있을 것으로 기대한다.

키워드