1. 서 론
2. 실 험
2.1 영농형 시스템 모델
2.2 광학 속성
2.3 발전량 손실계수
2.4 일조량 분포지도
3. 결과 및 분석
3.1 발전량
3.2 일조량 분포지도
4. 결 론
1. 서 론
정부는 2030년까지 신재생에너지 발전량 비중을 20%까지, 신재생에너지의 누적 설비용량을 63.8 GW까지 목표로 하는 “재생에너지 3020 이행계획(2017)”을 발표했다. 이 중 태양광 발전에 36.5 GW의 설비용량이 할당되었다1). 하지만 협소한 국토로 인해 국내 태양광 발전 용지 확보에 어려움을 겪고 있다. 이에 대한 해결책으로 영농형 태양광 시스템이 제안되었다2). 이 시스템은 경작지 상부에 태양광 모듈을 설치하여, 경작지와 태양광 부지를 공유함으로써 발전 용지의 부족 문제를 해결할 수 있다. 또한, 기존 태양광 발전 시스템과는 달리, 하부 경작지에서는 작물을 재배하고 상부 태양광 시스템에서는 작물의 광포화점을 초과하는 잉여 일사량을 활용하여 태양광 발전을 병행할 수 있다3).
국내에서도 영농형 태양광 시스템에 관한 활발한 연구가 진행되고 있다. Shin et al. (2023)은 태양광 시스템 하부 농지의 일사량 변화를 분석하기 위해 전산모사와 실측값을 비교했다4). Autodesk Ecotect Analysis 프로그램과 Meteonorm 기상 데이터를 사용하여 전남 나주시에 설치된 태양광 어레이의 배치와 구조물 높이가 일사량에 미치는 영향을 평가했다. Kim et al. (2020)은 다양한 조건으로 작물들이 받는 일사량 분포를 분석했다5). 모듈 높이, 모듈 각도, 음영 비율 및 모듈 형태 등의 변수에 따라 작물들이 받는 일사량을 Ecotect 프로그램을 사용하여 정량화했다. 그러나 두 연구에서 사용한 Ecotect는 주로 건축 환경을 위한 것으로, 작물에 도달하는 일사량 분포나 태양광 어레이의 배치와 구조를 정확하게 평가하는 데 어려움이 있을 수 있다. 따라서 보다 정교하게 광선을 추적하는 광학 시뮬레이션을 사용하여 태양광 발전 및 일사량 분포를 정확히 예측하고 분석할 필요가 있다.
본 연구는 영농형 태양광 시스템에서 태양광 모듈의 배치에 따른 일사량 분포를 분석하고자 두 가지 배치 유형을 고안했다. 두 배치 유형은 같은 차광률(30%)6) 조건에서, 태양광 어레이 간 떨어진 거리로 구분했다. 설계의 주요한 고려사항은 상부에 태양광 모듈을 설치하더라도 작물 생장에 필요한 일사량을 유지해야 하며, 모듈에 의한 음영 편차를 최소화하여 모든 작물에 균일한 일사량을 제공하는 것이다.
영농형 태양광 시스템의 태양광 발전량과 하부 일사량 분포를 산출하기 위한 도구로 광선추적(Raytracing) 기법으로 3차원 광학 설계 소프트웨어인 LightTools를 사용했다. 광선추적기법은, 광원인 태양에서부터 태양전지 모듈까지 빛의 경로를 몬테카를로 방식(확률)을 사용해서 물체의 산란, 반사, 흡수, 투과를 모두 고려해서 추적 계산하는 방식이다. 이 방법을 이용하면 복잡한 구조물이 있는 태양광 시스템에서 태양의 고도를 고려해 정확한 효율을 계산할 수 있다7). 광선추적 기법을 통해 태양광이 모듈과 하부 경작지에 도달하는 경로를 정확히 추적했고, 하부 경작지에 도달한 일사량을 일조량 분포지도로 시각화했다. 이후, 연중 발전량, 태양광 모듈 하부의 평균 일사량, 태양광 모듈 하부의 일사량 표준편차를 일사량 분포의 평가 지표로 사용했다. 또한 풍속의 영향을 고려하여 태양광 모듈의 온도를 보정함으로써 발전량의 예측 정확성을 향상했다.
2. 실 험
2.1 영농형 시스템 모델
서울 근교의 영농형 시스템을 가정하여, 실험에 사용된 기후 데이터는 Meteonorm의 서울지역의 기후 데이터에서 직달일사량, 산란일사량, 외기온도, 풍속을 사용했다. Fig. 1은 본 실험에서 설계한 영농형 시스템의 배치도를, Table 1은 설계한 각 모듈 형태의 규격을 나타낸 것이다. 또한 Table 2는 시뮬레이션에서 사용한 모듈의 규격과 시뮬레이션에 사용한 변수 (parameter)를 보여준다.
Table 1.
Agrivoltaic system specifications
Table 2.
Solar module specifications
가로형과 세로형 모두 차광률 30%를 기준으로 설계했는데 가로형은 모듈의 긴 변을 지면과 가깝게, 세로형은 모듈의 짧은 변이 지면과 가깝게 오도록 설정했다. 이때 두 배치의 높이는 같게 3.8 m로 설계했다. 차광률의 정의는 지면의 면적과 모듈의 면적의 비이다8). 가로형은 모듈 배열의 열 간격 없이 모두 붙여져 있는 형태이고, 세로형은 모듈 배열 간의 열 간격이 4.32 m로 설정했다. 또한 모든 모듈 배열은 남향 30도 기울여진 상태로 설치하였다. 따라서 두 모듈 형태의 일조량 분포지도를 관찰하여 지면에 빛이 고르게 분포되는 모듈 형태를 선정한다. 실제 지면의 면적은 차광률을 고려한 면적과 구분하고 있다. 이는 빛이 지면에 반사되어 모듈 후면으로 들어오는 정확성을 높여, 실측과 더 유사한 환경을 만든다. 따라서 지면의 면적을 차광률을 고려했을 때보다 큰 60 m × 40 m로 설계하여 본 실험을 진행했다.
2.2 광학 속성
Fig. 2(a)는 태양광 모듈 광학 속성을 나타낸 것이다. 기본적인 광학 속성을 적용하고, 80%의 양면 발전 특성(Bifaciality) 을 고려하여 광학 속성을 설정했다. 기본적으로 태양광 모듈이 지면과 떨어져 있음을 고려해보았을 때, 지면의 광학 속성에 따라 생산되는 발전량의 크기가 달라진다. 본 실험은 농작물이 잘 자랄 수 있고 그 주변에 설치되는 태양광 모듈이 잘 발전될 수 있도록 환경 조건이 갖춰줘야 한다. 따라서 지면에 Fig. 2(b)의 세밀한 광학 속성을 적용했다. 농작물의 평균 Albedo 조건인 0.2만을 고려하기 위해 Reflectance 20%로 설정했다. 나뭇잎의 near specular component의 경우 평균 10%이므로, diffusion component는 90%의 비율로 설정했다. 또한 near specular 형태와 spectrum은 기본적인 빛의 정반사 형태인 CosNth와 spectrum 30%로 설정했다9).
2.3 발전량 손실계수
시뮬레이션에 사용된 손실 매개변수(P1–P6)의 특정 값은 Table 2에 제시되어 있다. 기존 시뮬레이션 도구(PVsyst와 SolarPro 등)는 전역 수평 조사와 프레넬 반사를 단순한 상숫값으로 취급하는 것과 달리, 본 연구에서는 이것을 정확하게 계산하기 위해 광선추적 방법을 사용했다. 오염 손실은 공기 오염 정도와 모듈의 경사각에 따라 달라진다. 한국에서는 중간값이 약 5%로 알려져 있으며, 모듈의 설치 각도에 따라 최대 10%까지 도달할 수 있다. 영농형 시스템에서 모듈의 경사각을 30도로 고려하여 평균 오염 손실계수는 약 5%로 가정했다10-12). 모듈 효율은 연간 약 0.5%씩 노화되는 것으로 알려져 있으며13, 14), 빛에 의한 열화는 일반적으로 1~3% 범위에 있다. 따라서 P2와 P3 값은 약 1.5%로 설정했다15, 16). 전류 불일치 손실은 약 2%로 설정했으며, 이는 Pvsyst 시뮬레이션의 참조 값이다17-19). 일사량 수준에 따른 손실은 1-sun과의 상대 일사량(n) 및 일사 조건에서 충전율을 고려한 정상화된 개방 회로 전압()과 관련된 공식 (1)로 표현된다20). 시뮬레이션을 위해 이러한 매개변수는 Table 1에 나열된 모듈 매개변수를 기반으로 했다. 온도에 따른 손실을 위해, 측정 온도(T𝑚)와 기준 온도(25°C, T0) 및 Table 1에 나열된 모듈의 온도 계수(α)를 사용하여 식 (2)를 사용했다.
시뮬레이션에 사용된 모듈 온도(T𝑚)는 측정값을 사용하거나, 식 (3)을 이용하여 계산된 온도 값을 이용할 수 있다. 식 (3)은 주변 공기 온도(Tα), 풍속(V), 그리고 전역 일사량(G)을 고려하여 다음과 같이 표현된다21, 22). 이 식은 주변 공기 온도, 풍속, 그리고 전역 일사량이 모듈 온도에 미치는 영향을 구체적으로 반영한다. 손실 매개변수를 사용하여 총 손실(LnTotal)은 식 (5)를 적용하여 계산하였으며, 개별 손실은 식 (4)를 통해 계산했다. 시스템의 발전량은 식 (6)에 따라 계산되었으며, 총일사량은 광선추적 시뮬레이션을 통해 모듈에 흡수된 태양 입력 에너지를 나타내며, 모듈 효율은 Table 1에 제시된 값을 사용했다.
2.4 일조량 분포지도
일조량 분포지도란, 태양광이 지면으로 도달하는 에너지 분포를 보여주는 지도를 뜻한다. 농작물이 태양에너지를 이용해 생장하기 때문에 일조량 분포지도는 해당 지역에서 생산되는 농작물이 얼마나 균일하게 생장할지 추정할 수 있게 하는 지표이다. 일조량 분포지도의 실험방법은 다음과 같다. 같은 지역에서 모듈의 설치 전후의 지면에 도달하는 에너지를 측정한 뒤, 그 비율을 계산하여, 모듈이 설치되는 환경에서 해당 지역에 에너지가 얼마나 골고루 전달될 수 있는지, 일사량 분포를 표시한다.
본 실험에서는, 두 타입 배치구조의 시뮬레이션 전체 공간을 1 m × 1 m으로 규격화하여, 규격화된 각 영역에 입사되는 태양광 에너지양의 연평균 값을 계산, 측정한다. 시뮬레이션 특성상 시뮬레이션 공간의 가장자리는 모듈의 효과가 상대적으로 줄어들기 때문에 시뮬레이션 공간 중앙의 8 m × 4 m 안의 영역에 대해서만 비교하였다. 이는 시뮬레이션 내의 오차를 줄이고, 같은 차광률 내에서 비교하고자 고려된 범위이다. 이를 이용하면, 영농형 태양전지 시스템 아래 농작물의 생장 조건의 불균일도를 측정, 비교할 수 있고, 농작물이 균일하게 생장할 수 있는 시스템 배치구조를 설계할 수 있다.
3. 결과 및 분석
3.1 발전량
Fig. 3는 두 종류(가로형, 세로형) 양면형 모듈 배치에서 월별(a), 일별(b), 시간별(c, d), 온도 보정 전후(e)에 대한 에너지 수율 결과를 보여준다. 시간별 발전량 그래프(Fig. 3(c), (d))에서 초록색 그래프는 일사량을 나타낸다. Fig. 3(a)에서 전반적으로 봄에서 여름으로 계절이 바뀔 때 일조량 증가에 따라서 발전량이 증가하였으나, 비가 많이 오는 7~8월은 실제 일조량이 감소하여 발전량이 오히려 감소했다. Fig. 3(c)과 (d)는 1월 중 최대 일사량(발전량)을 보이는 날(1월 16일)과 최소 일사량(발전량)을 보이는 날(1월 26일)의 시간대별 에너지 수율을 보여준다. 이 결과는 본 분석법이 실시간(real-time) 발전량 비교가 가능함을 보인다. 이러한 데이터는 양면형 모듈 두 종류가 차광 효과와 일사량에 영향을 받고 있음을 시사한다.
가로형과 세로형 모듈 모두 거의 같은 에너지 수율을 보였으며, 발전량 차이는 매우 미미하였다. 이는 두 배치 형태에서 모두 같은 모듈이 사용되었고, 같은 차광률이 구조이기 때문이다. 다양한 월별, 일별, 시간별 시뮬레이션에서 두 배치 모두 같은 발전 거동을 보였다.
발전량 손실계수는 Table 2의 결과를 사용했다. 모듈 온도는 Meteonorm의 대기 온도, 일조량, 풍량 데이터와 보정식 (3) 을 이용해 보정하였다. 이에 대한 보정 전, 후의 비교는 Fig. 3(e)와 같다. 온도가 낮은, 겨울에 가까운 계절에는 태양광 모듈의 에너지 수율이 증가하고 온도가 높은 여름에 가까운 계절에는 에너지 수율이 감소했다. 이러한 손실계수를 적용함으로써 실측에 가까운 결과를 예측할 수 있을 것으로 기대한다.
Fig. 3의 결과는 본 시뮬레이션 모델이 실시간(real-time)으로 양면형 발전 모듈의 에너지 수율을 비교적 정확하게 나타낼 수 있으며, 다양한 태양 조건에서 태양광 발전 능력에 대한 신뢰성 있는 예측이 가능함을 보인다.
3.2 일조량 분포지도
가로형과 세로형의 영농형 태양전지 전체 영역(60 m × 40 m)에서 시뮬레이션의 가장자리 효과를 받지 않도록, 중앙 부분 (8 m × 4 m)의 하부 농지에 도달하는 일조량 분포를 지도로 시각화하여 분석했다. 해당 영역에서는 설치 시스템 중앙 부분으로, 모듈별 발전량에 차이가 거의 없어 배치 규모나 용량에 영향을 받지 않는, 실험적으로 객관성을 확보할 수 있는 영역이다. 단위 규격(1 m × 1 m)의 크기를 줄일수록 관찰되는 해상도를 높일 수 있으나, 연산에 필요한 시간과 빛의 입자(ray) 개수가 늘어난다. 단위 모듈보다 작은 1 m × 1 m 의 크기에서 적당히 높은 해상도와 적절한 연산시간 및 연산 신뢰도를 얻을 수 있었다.
Fig. 4(a)와 (b)는 영농형 태양전지 시스템 중앙 부분(8 m × 4 m)에서 관찰한 가로형과 세로형 모듈 배치에 따른 연평균 태양에너지 일조량 분포 비율을 나타낸 것이다. Fig. 4(c)는 가로형과 세로형 모두 월평균 일조량 분포 비율에는 큰 차이가 없으나 월평균 편차는 세로형이 전반적으로 크다는 것을 보여준다.
계산 결과(Table 3), 단위면적 안의 연평균 태양에너지 수율과 일조량 분포비율은 가로형이 1263 KWh/kWp, 68.25%, 세로형이 1268 KWh/kWp, 67.05%로 큰 차이를 보이지 않았다. 하지만 연평균 일조량 분포비율의 표준편차는 가로형이 1.58%, 세로형이 4.16%로 나타나, 가로형에서 태양에너지가 지면에 더 고르게 입사되는 것으로 확인했다. 가로형의 경우, 태양의 고도와 위치에 따라서 음영지역이 남북방면으로 고르게 이동하는 반면, 세로형의 경우, 4개의 모듈 사이에 비어 있는 영역은 다른 영역에 비해 상대적으로 태양의 고도와 위치의 변화에도 불구하고, 연평균으로 볼 때 높은 일조량을 받는 것으로 나타났다. 따라서 상대적으로 세로형 배치가 가로형에 비해 편차가 큰 것으로 보인다. 이러한 결과는 태양광 모듈 하부에 생장하는 농작물의 품질에 영향을 줄 수 있어서 영농형 태양전지 시스템의 배치 및 운영에 주의를 필요로 함을 의미한다.
4. 결 론
본 연구에서는 광선추적 기법과 실제 기후 데이터를 활용하여 영농형 태양광 시스템의 성능을 분석했다. 광선추적 기법과 온도 보정을 적용하여 모듈 배치에 따른 태양 복사 분포를 정밀하게 예측할 수 있었다. 일조량 분포지도를 생성하여 가로형과 세로형의 태양에너지 분포를 비교 분석한 결과, 가로형이 태양에너지 분포의 편차가 1.58%로 세로형의 편차인 4.16%보다 적다. 이는 가로형이 하부 농지에 에너지가 더 고르게 입사되며, 작물에 더 균일한 생장 환경을 조성할 수 있기 때문에 영농형 시스템에 더 적합하다.
특히, 가로형과 세로형에서 같은 차광률을 기준으로 같은 위치에서의 태양광 에너지의 편차를 분석하고, 그늘진 부분과 그늘지지 않은 부분 간의 차이를 확인했다. 이처럼 광선 추적 기법을 통해 태양광 패널 배치에 의한 음영의 편차를 줄이는 방안으로 시스템을 최적화할 수 있다.
다만, 구조물의 설치 방향, 높이, 어레이별 간격 등 구조물의 변화나 차광률의 조정을 통해 일조량 분포지도의 형태나 발전량의 변화가 예상된다. 따라서, 일조량 분포지도나 발전량에 영향을 줄 수 있는 각 요인에 대한 더 많은 실험(시뮬레이션 및 실증) 데이터가 필요하다. 또한 설치 위치별 계절별로 일조량의 차이로 인해서 일조량 분포지도의 불균일성 등이 예상된다. 앞으로 다양한 변수에 따라 영농형 태양전지에서 얻을 수 있는 발전량과 경작물 생산량을 모두 고려한 구조물의 배치, 모듈 형태 등의 연구가 필요하다.
그러나 몇 가지 한계가 존재한다. 첫째, 기본적인 기후 데이터를 기반으로 표면 온도를 고려하여 온도 보정을 거쳤지만, 습도, 구름, 먼지, 다양한 대기 조건 등 더 많은 변수가 태양광 발전 시스템의 성능에 영향을 미칠 수 있다. 둘째, 모델의 예측 결과와 실제 현장에서의 데이터를 비교 검증하는 과정이 부족했다. 셋째, 작물의 종류와 성장 단계를 고려한 태양광 패널의 최적 배치에 대한 설계가 부족했다.
결론적으로, 본 연구는 영농형 태양광 발전 시스템의 효율성 향상 및 히트맵 분석을 통한 편차 최소화를 이루었으며, 실용적인 응용 가능성을 보여주었다. 향후 추가 연구를 통해 다양한 조건에서 최적화된 영농형 시스템 설계가 가능해지며, 이는 지속 가능한 농업과 에너지 생산에 큰 도움이 될 것이다.
