태양광 시스템의 발전 효율 극대화를 위한 HS-GD 최적화 및 경량 구조 전문가 추론의 MPPT 개선 = Improved MPPT with HS-GD Optimization and Lightweight Expert Inference for Maximizing Photovoltaic System Efficiency

국문 초록 (Abstract)

본 논문은 태양광 발전 시스템의 전력 변환 효율을 극대화하기 위하여, 구조를 단순화한 전문가 추론 기반 제어기를 제안하고 핵심 파라미터를 하이브리드 최적화 알고리즘으로 오프라인 튜닝하는 새로운 최대 전력점 추종（Maximum Power Point Tracking, MPPT） 방안을 제시한다.
태양광 발전 시스템은 일사량과 온도에 따라 특성이 급변하여 실시간 최대 전력점（MPP） 추적 기술이 필수적이다. 기존 MPPT 기법은 과도 상태 응답 속도와 정상 상태 전력 리플 간의 상충 관계를 극복하기 어려우며, 대안인 전문가 추론 기반 MPPT 역시 설계자의 경험적 직관에 의존하여 특정 운전 조건에서 성능이 저하되는 모호성과 구조적 한계가 존재한다.
본 연구는 이러한 한계를 극복하기 위해 입력 변수와 멤버십 함수를 축소하여 제어 구조를 3개의 핵심 파라미터（,,）로 간소화하였다. 이후 전역 탐색（HS）과 국소 탐색（GD）을 결합한 하이브리드 최적화（HS-GD）를 적용해 정밀한 최적 해（=12.615, =2.819, =10.0）를 도출하였다. 무거운 최적화 연산은 오프라인으로 분리하고, 실제 제어기 내부에는 다각형 역퍼지화 기반의 대수 방정식을 적용하여 연산 복잡도를 상수 시간으로 고정한 단순화된 전문가 추론 제어기를 탑재함으로써 지능형 제어기의 연산 지연 문제를 근본적으로 해결하였다.
제안 기법의 타당성은 동적 통합 시뮬레이션과 하드웨어 실증을 통해 다각도로 검증하였다. 극단적 일사량 변동 시나리오 기반의 시뮬레이션 결과, 제안 기법은 최신 가변 스텝 P＆O 기법의 조기 수렴 한계를 극복하고 0.05초 이내의 고정밀 추종을 달성하여 이론적 극한 성능을 입증하였다. 또한 플라이백 컨버터（Flyback Converter）와 DSP를 결합한 실환경 실험 결과, 과도 상태 최대 전력점 추종 시간을 기존 P＆O 기법（142초） 대비 14초로 단축시켜 약 90%의 추종 속도 개선을 달성하였다. 정상 상태의 전력 리플을 3~5W 수준으로 저감하여, 누적 생산 전력을 43.2% 향상시켰다. 나아가, 범용 가성비 MCU（STM32F411） 환경에서 단 11.72 만에 제어 루프를 종료함을 실측하여 고가 DSP에 의존하던 기존의 오버 엔지니어링 한계를 완벽히 타파하였다.
결론적으로 본 연구는 하이브리드 최적화를 통해 전문가 추론 기반 MPPT의 설계 모호성과 휴리스틱 의존성을 제거함과 동시에, 차세대 분산형 전력 변환 시스템인 차동 전력 처리（DPP） 구조 및 단일 모듈 단위 태양광 발전 시스템에 즉시 상용화될 수 있는 비용 효율적인 실무적 해법을 제시한다.

목차 (Table of Contents)

• 목차
• 제1장 서론 1
• 1.1 연구의 배경 및 필요성 1
• 1.2 연구의 동향 3
• 1.3 지능형 MPPT 제어 기법의 연구 동향 및 한계점 6
• 1.4 제안하는 기법 8
• 1.5 연구 기여도 및 논문의 구성 9
• 제2장 태양광 발전 MPPT 기법 및 전문가 추론 제어의 이론적 고찰 10
• 2.1 태양광 발전 시스템의 MPPT 개요 10
• 2.2 기존 최대 전력점 추종 알고리즘 분석 12
• 2.2.1 Perturb and Observe (P&O) 기법 13
• 2.2.2 Incremental Conductance (InC) 기법 16
• 2.2.3 Fractional Short-Circuit Current (FSCC) 기법 18
• 2.2.4 가변 스텝 사이즈 P&O 기법 19
• 2.3 전문가 추론 기반 MPPT 알고리즘 21
• 2.3.1 퍼지화(Fuzzification) 22
• 2.3.2 룰 베이스(Rule Base) 24
• 2.3.3 추론(Inference) 25
• 2.3.4 역퍼지화(Defuzzification) 27
• 2.3.5 전문가 추론 기반 MPPT의 구조적 한계점 29
• 제3장 하이브리드 최적화 기반 전문가 추론 MPPT 최적 설계 32
• 3.1 최적화를 위한 전문가 추론 제어기 단순화 개요 32
• 3.1.1 제어 입력 및 멤버십 함수의 단순화 (Simplification) 33
• 3.1.2 제어 규칙의 대수적 병합을 통한 연산 가속화 (Acceleration) 33
• 3.1.3 메타휴리스틱 기반 하이브리드 탐색 적용 34
• 3.2 단순화된 전문가 추론 구조 및 제어 변수 선정 35
• 3.3 멤버십 함수의 단순화 설계 39
• 3.4 단순화 설계된 룰 베이스 분석 42
• 3.5 하이브리드 최적화 파라미터의 탐색 범위 설정 45
• 3.6 하이브리드 최적화를 위한 목적함수 정의 49
• 3.7 태양광 패널의 수학적 모델링 및 수식화 52
• 3.8 제안하는 하이브리드 최적화 기반 MPPT 알고리즘 구조 57
• 제4장 설계 파라미터 최적화를 위한 HS-GD 하이브리드 알고리즘 연구 60
• 4.1 HS 알고리즘을 이용한 전역 최적화 방안 60
• 4.1.1 HS 알고리즘의 기본 원리 및 구성 요소 60
• 4.1.2 하모니 메모리의 초기화 및 구성 62
• 4.1.3 전문가 추론 변수 최적화를 위한 HS 구현 방안 63
• 4.1.4 하이브리드 최적화 내 전역 탐색으로서의 HS 역할 65
• 4.2 GD 알고리즘을 이용한 국소 정밀 최적화 방안 66
• 4.2.1 GD 알고리즘의 수학적 원리 및 동작 특징 66
• 4.2.2 국소 탐색 변수의 정의 및 기울기 수식화 69
• 4.2.3 하이브리드 미세 조정을 위한 GD 구현 방안 70
• 4.2.4 하이브리드 최적화 내 국소 수렴으로서의 GD 역할 72
• 제5장 하이브리드 최적화 시뮬레이션 구현 및 최적 해 도출 74
• 5.1 최적화 변수 탐색을 위한 시뮬레이션 SW 설계 및 구현 74
• 5.2 하이브리드 탐색 알고리즘 적용을 위한 태양광 패널 선정 및 특성 모델링 검증 77
• 5.3 전역 탐색을 위한 HS 알고리즘 초기 조건 및 파라미터 설정 80
• 5.4 HS 알고리즘 적용에 따른 전역 최적 영역 탐색 결과 83
• 5.5 국소 정밀 탐색을 위한 GD 알고리즘 초기 조건 및 파라미터 설정 95
• 5.6 GD 알고리즘 적용에 따른 국소 정밀 최적화 결과 97
• 5.7 실증 실험을 위한 최종 최적 해 벡터 선정 및 고찰 116
• 제6장 태양광 발전 효율 향상을 위한 전문가 추론 기반 MPPT 성능 검증 119
• 6.1 실증 실험 환경 구성 119
• 6.2 제안 기법의 성능 검증 및 결과 124
• 6.3 실증 실험 결과의 고찰 128
• 6.4 다양한 환경 변화 시나리오 기반의 통합 시뮬레이션 성능 검증 130
• 6.4.1 시뮬레이션 비교 대상 알고리즘의 선정 131
• 6.4.2 극단적 환경 변화 시나리오 구성 131
• 6.4.3 시뮬레이션 결과 분석 133
• 6.5 제안하는 알고리즘의 하드웨어 구현성 및 경제성 분석 138
• 제7장 결 론 142
• 참고문헌 146
• ABSTRACT 152