Current Issue

태양광 발전은 지속 가능한 에너지원으로서 탄소중립 및 기후변화 대응기술에서 가장 중요한 분야로 인식되고 있다.^[1] 그러나 태양광 발전소의 설계 및 운영은 기상현상에 의존하는데 특히 일사량 및 기온과 같은 기상요소는 태양광 모듈의 효율 및 발전량에 직접적인 영향을 준다. 그러므로 이들 기상요소의 장기 변동성을 이해하고, 나아가 태양광 발전 시스템 성능에 미치는 영향을 파악하는 것이 핵심이다. Šúri et al.(2005)^[2]는 유럽지역의 일사량 분포와 기온을 이용하여 유럽지역의 태양광 발전량에 대한 이론적인 잠재량을 산출한 바 있고, 국내에서는 Jo et al.(2004)^[3] 등이 태양광 발전단지 건설을 위한 태양광자원 정밀조사를 실시하기 위하여 국내 기상자료를 이용하여 일사량의 지역적 분포를 조사한 바 있다. 이 연구에서 한국 내에서의 일사량은 지리적 위치에 따라 다양한 양상을 보였는데, 한국의 동쪽 지역에서는 일사량이 서쪽 지역에 비해 높은 경향이 있으며, 계절에 따른 차이도 있었다.

최근에는 위성 영상을 이용하여 수평면 전일사량을 예측하는 기술이 연구되고 있는데, Kim et al.(2021)^[4]은 UASIBS - KIER(University of Arizona Solar Irradiance Based on Satellite - Korea Institute of Energy Research) 모델을 이용하여 1996년부터 2019년까지 GMS-5, GOES-9, MTSAT-2, COMS 위성영상 기반 일사량을 예측하였다. 해당 연구에서 일사량은 1년마다 6.935 kWh m^-2만큼 지속적으로 증가하는 경향을 보였다. 이와 함께 기후변화에 따른 일사량의 장기 예측은 태양광 발전소 경제성 평가와 관련하여 중요한 요소이다. 최근 연구에서는 기후변화가 일사량에 미치는 영향을 분석하기 위해 전지구 규모 기후예측 모형 결과를 활용하고 있다. 예를 들어, Park et al.(2022)^[5]의 연구에서는 CORDEX-East Asia Phase II 에 사용된 지역규모 기후예측 모형 결과로부터 동아시아 지역의 기후변화 시나리오별 미래 일사량의 변동성을 분석하였다.

따라서 본 연구에서는 국내 태양광 발전소 자원평가를 위해 1981년부터 2020년까지 대한민국 기상청에서 관측한 일사량 및 기온 자료를 수집하여 장기 변동성을 파악하고, 그 특성과 태양광 발전량과의 연관성에 대해서 분석하고자 한다.

기후변동성이 에너지 생산량에 미치는 영향을 판단하기 위하여 SAM 모델을 이용한 에너지 전산모사를 수행하였다. 에너지 전산모사 과정에서 사용된 기상자료는 1981 기후자료군과 2020 기후자료군으로부터 얻어진 TMY 기상자료로서 Fig. 5에 부산 지점의 일사량의 시계열을 나타내었다. 2020 기후자료군을 보면 봄철(3~5월)의 일사량이 1981 기후자료군에 비해 증가한 것을 알 수 있다. 반면 서산 지점은 봄철 일사량의 장기변동성은 크게 다르지 않다(Fig. 6 참조). 오히려 2020 기후자료군에서 여름철(6~8월) 일사량이 1981 기후자료군보다 감소하는 기후학적인 차이를 보인다. 진주 지점에서도 1981 기후자료군보다 2020 기후자료군에서 여름철 일사량이 감소하는 경향을 보여주고 있지만 봄철 일사량은 증가한다(Fig. 7 참조). 봄철과 여름철의 상반된 일사량의 장기변동성은 연 누적 일사량이 큰 변화가 없는 진주 지점의 기후학적인 특성의 원인이 된다.

Fig. 5. 
Hourly mean solar irradiance from TMY dataset derived by 1981 (a) and 2020 (b) climate dataset at Busan ASOS observing station

Fig. 6. 
Same as Fig. 5 but at Seosan

Fig. 7. 
Same as Fig. 5 but at Jinju

일사량 장기변동성에 따른 태양광 발전량의 변화를 Table 4에 정리하였다. 부산 지점의 1981 기후자료군을 토대로 태양광 발전량을 연산한 결과 연간 610 MWh 전력이 생산되었고, 설비용량에 대한 발전량인 연간 발전 시간(OH, Operation Hour)은 1221 시간이었다. 이 시간은 연간 설비이용률, 13.9%에 해당되는 수치이다. 진주 지점은 1981 기후자료군에서 가장 높은 태양광 발전량인 651 MWh를 예측하였고, 연간 발전 시간은 1302 시간이었다. 따라서 1981 기후자료군을 이용한 태양광 발전량은 부산, 서산, 진주 순으로 연간 발전량이 높게 모의되었다. 이러한 경향은 3.1에서 제시한 바와 같이 1981 기후자료군에서 연 누적 일사량이 진주 지점이 가장 높게 관측된 것과 일치한다. 하지만 태양광 발전량에 대한 지점별 특성이 시간이 지남에 따라 바뀐다. 부산 지점의 경우 2020 기후자료군을 이용한 태양광 발전량 예측 실험에서 연간 738 MWh에 해당하는 전력을 생산하였고, 연간 설비이용률은 16.9%로 약 3%p 증가하였다. 진주 지점 역시 부산 지점과 마찬가지로 장기적인 관점에서 태양광 발전량은 증가하여 연간 설비이용률이 14.9%에서 16.7%로 약 1.8%p 증가하였다. 그러나 태양광 발전량의 증가율은 부산 지점이 더 높은데 이것은 부산 지점의 일사량 증가율이 진주 지점보다 높기 때문이다. 반면 같은 기간 서산 지점의 태양광 발전량은 650 MWh로 1981 기후자료군을 이용한 실험에 비해 약 연간 18 MWh 증가하는데 그쳤다. 연간 설비이용률을 비교할 때 약 0.3%p만이 증가하여 태양광 발전량의 장기변동성이 작다고 할 수 있다. 이것은 앞서 일사량의 장기변동성에서 분석한 것과 마찬가지로 서산 지점의 시간에 대한 연 누적 일사량의 변동성이 일정한 특성과 관계있다.

월별 태양광 발전량의 변화도 장기적인 차이를 보인다(Fig. 8 참조). 1981 기후자료군을 이용한 부산 지점의 월별 태양광 발전량은 계절적인 편차가 크지 않다. 하지만 2020 기후자료군에서는 계절적 편차가 증가하여 여름철 장마기간 일사량 감소에 의한 태양광 발전량의 급격한 감소를 보인다. 월별 태양광 발전량에 대한 1981과 2020 기후자료군의 표준편차는 부산 지점에서 5896 kWh과 9801 kWh로서 2020 기후자료군에서 더 높음을 알 수 있다.

Fig. 8. 
Monthly energy production simulated by SAM with 1981 (a) and 2020 (b) climate dataset at Busan ASOS observing station

이와 같이 2020 기후자료군에서 연 누적 일사량이 높았던 대전, 부산, 광주, 대구 그리고 진주 지점 중에서 부산 지점은 13.9%의 설비이용률을 보였으나 약 20년이 지난 시점에서 이 지점의 기후 조건은 큰 변동성을 보여 연간 설비이용률이 16.9%로 증가하였다. 만약 2023년 현재 새로운 태양광 발전사업을 위하여 자원평가를 수행할 경우 1981 기후자료군에서 사용된 자료를 이용하여 태양광 발전량을 추정하였다면 부산 지점은 지속적으로 태양광 발전량이 과소 예측되어 순현재가치(Net Present Value)는 $202,762로서 2020 기후자료군을 사용한 자원평가에서 계산된 순현재가치인 $288,467 보다 낮아 사업성이 과소추정됨을 예측할 수 있다. 반면 서산 또는 진주와 같은 지점들에 대해서 과거 기후자료에 기반하여 태양광 발전소를 설치할 경우 태양광 발전량이 과대예측되어 사업성이 과대하게 추정될 가능성이 높다. 그러므로 장기 기후변동성을 고려한 태양광 발전량 예측이 필요하다고 할 수 있다.

2020 기후자료군을 기반으로 한 연간 일사량 및 기온 데이터 분석 결과, 일사량은 1981 기후자료군 대비 전체적으로 104.6 kWh m^-2 증가한 것으로 나타났다. 1981 기후자료군에서의 일사량 분포와는 달리 2020 기후자료군에서는 지역별로 변화를 보였다. 특히, 부산은 연 누적 일사량이 증가하여 두 번째로 높은 지점으로 관측되었다. 이와 함께 기후 변화로 인한 연 평균 기온 증가도 관찰되었는데, 이는 지구온난화의 결과로 연결된다. 서산과 목포 지점은 일사량 증가와 동시에 구름 발생 증가로 인해 연 평균 기온의 상승률이 다른 지점에 비해 낮은 것으로 판단된다. 자료 분석을 통해 평균적으로 연 누적 일사량이 증가하는 경향이 나타났고, 이는 태양광 발전량에 영향을 미친다. 부산, 광주, 대구 등에서는 태양광 발전량이 증가하여 사업성이 향상되었지만, 서산과 목포 지역에서는 일사량 감소로 인해 과대예측될 가능성이 높아 향후 태양광 발전량 사업에 대한 보완이 필요할 것으로 예상된다. 그러므로 장기 기후변동성을 고려한 태양광 발전량 예측이 매우 중요하며, 2020 기후자료군을 활용한 분석 결과를 토대로 태양광 발전량 평가를 수행해야 할 것으로 사료된다.