1. 서 론

최근 태양광 발전 시스템은 신재생에너지 확대와 함께 효율 향상을 위한 다양한 기술이 적용되고 있으며, 그 중 스트링 간 발전량 불균형(mismatch)을 저감하기 위한 방안으로 전력 옵티마이저(optimizer)의 도입이 주목받고 있다^[1]. 스트링 인버터 기반 시스템에서는 하나의 MPPT(Maximum Power Point Tracker)에 병렬 연결된 스트링 간 출력 차이가 발생할 경우, 전체 시스템의 발전 효율이 저하된다. 특히 모듈 단위의 오염, 열화, 음영 등에 의해 성능 편차가 생기면 전류 기준의 미스매치가 심화되어 손실이 증가한다^[2,3].

이러한 문제를 해결하기 위해 옵티마이저는 개별 모듈 수준에서 MPPT 기능을 수행함으로써 각 모듈의 출력을 최적화하고, 스트링 간 전류 불균형을 최소화할 수 있는 장점이 있다^[4,5]. 그러나 초기 투자비 증가 및 유지관리 복잡성으로 인해 실제 현장에 적용할 경우 기대되는 발전량 향상이 투자 대비 타당한지를 정량적으로 검토할 필요가 있다. 기존 관련 연구는 주로 시뮬레이션 기반 분석 또는 랩 스케일 실험에 국한되어 있어, 실제 발전소 환경과 유사한 조건에서의 실증 기반 검증은 아직 제한적인 실정이다.

이에 본 연구는 신재생 연계 ESS 안전성 평가센터에 구축된 400kW 규모의 2단계 태양광 실증설비를 활용하여, 동일한 환경과 동일 제조사의 태양광 모듈(A사, B사)을 기준으로 옵티마이저 적용 시스템(6-1, 7-1)과 미적용 시스템(6-2, 7-2)을 구성하고 1개월간의 데이터를 통해 성능을 비교하였다. 분석 대상은 50kW급 인버터 4대를 기준으로 구성되었으며, MPPT 단위 누적 발전량, 스트링별 전류 시계열, 그리고 미스매치 특성을 정량적으로 비교하였다.

본 연구는 동일 모듈군 내 옵티마이저 적용 여부에 따른 성능 차이를 실측기반으로 정량 검증하는데 목적이 있다. 이를 위해 MPPT 단위 발전량 분석, 스트링 전류 시계열 비교, 미스매치 특성 분석을 수행하였다. 본 연구는 1개월간의 단기 계측 데이터를 활용하였으나, 실제 발전소와 동일한 구성에서 수행된 실증 기반 성능 분석이라는 점에서 현장 적용 가능성과 실효성을 검증하는 데 의의를 둔다.

특히, 본 연구의 차별점은 실규모 400kW급 태양광 실증설비를 이용하여 동일 모듈군 내에서 옵티마이저 적용 효과를 정량적으로 검증한 국내 최초의 실증 연구라는 점에 있다. 기존 문헌(^[1]~[5]) 대부분이 시뮬레이션 기반 분석 또는 제한된 시험 환경에 머무른 반면, 본 연구는 실제 설비에서 확보한 실측 데이터를 기반으로 이상치 제거, 시간 정렬, 일사량 정규화 등 데이터 처리 절차와 MPPT 기반 비교 프레임워크를 제시하여 실증 기반 분석 절차를 정량적으로 제안한다. 본 논문의 공학적 기여는 ① 옵티마이저 적용 여부에 따른 설계 기준 제시, ② 실증 데이터 정규화 및 비교 방법론 제안, ③ 운전 조건별 성능 비교 지표 제공의 세 가지로 요약된다.

2. 실증설비 구성

2.1 실증설비 개요

본 연구는 신재생 연계 ESS 안전성 평가센터에 구축된 2단계 태양광 실증설비를 기반으로 하며, 총 400kW의 발전용량을 구성하고 있다. 해당 실증설비는 실제 태양광 발전소와 유사한 조건을 재현하기 위해 설계되었으며, 다양한 모듈 제조사와 인버터 구성, 그리고 실시간 계측 시스템이 연계되어 있어 정량적 비교 분석이 가능한 환경을 제공한다. 실증설비는 총 4개 제조사의 태양광 모듈(A사, B사, C사, D사)을 각각 100kW씩 적용하여 설치하였으며, 총 8대의 50kW급 스트링 인버터를 사용하여 모듈군별로 독립된 시스템으로 구성되었다.

그림 1. 2단계 태양광 실증설비 개략도

Fig. 1. Overview of the Phase PV Demonstration Facility

2.3 계측장비 및 데이터 수집 방법

본 실증설비에서는 태양광 시스템의 전기적 출력 특성 및 외부 환경 요인을 통합적으로 분석하기 위해, 고정밀 계측 장비를 활용하여 데이터를 실시간을 수집하였다. 계측 항목에는 발전량, 전류, 전압, 일사량, 모듈 온도, 외기온도 등이 포함되며, 데이터는 5분 간격으로 수집되었으며, 본 연구에서는 이를 1시간 단위로 재구성하여 분석하였다. 계측 시스템의 전체 구성은 그림 2에 나타내었다. 모듈 어레이는 스트링 단위로 구성되며, 각 스트링은 인버터(MPPT) 단자에 연결되어 실시간 출력 데이터가 수집된다. 발전량은 인버터 내 각 MPPT 단자별 누적 전력량(Wh)를 기준으로 계측되었으며, 전류 및 전압은 스트링 단자에 연결된 전류 센서 및 전압 센서를 통해 측정되었다. 이 정보는 인버터 및 DAQ(Data Acquisition) 장치에서 직접 수집되어, 네트워크를 통해 로컬 서버로 전송된다. 일사량(Irradiance)은 재생에너지 클라우드 플랫폼에서 제공하는 지역별 일사량 데이터를 참조하였으며, 인버터 내부 온도는 내장 온도센서로 측정하였다. 각 센서 신호는 DAQ 유닛을 통해 통합되어 RS-485, LAN 기반 네트워크로 전송되고, 중앙 서버 및 모니터링 PC에 실시간 저장된다. 수집된 데이터는 분석 전 센서 오류 또는 순간적 전압 강하 등에 의한 비정상값 필터링을 위한 이상치 제거(outlier removal), 데이터 항목 간의 시간 불일치를 정렬(time alignment)하여 분석의 일관성을 확보하였다. 발전량 데이터를 기준 일사량(kWh/m²) 대비 비교 가능하도록 보정하는 일사량 정규화(normalization) 과정을 거쳐 분석에 활용하였다. 본 계측 시스템은 인버터 및 옵티마이저의 표준 출력 정보와 외부 센서를 결합하여 구성되었으며, 옵티마이저 적용 여부에 따른 시스템 성능 비교 분석의 신뢰성을 확보할 수 있도록 설계되었다.

계측 데이터의 신뢰성 확보를 위해 이상치 제거 기준을 적용하였다. 전류 및 전압 데이터는 정상 범위의 ±3σ를 초과하는 구간과 전력 변화율(ΔP/P)이 30%를 초과하는 급변 구간을 이상치로 판단하여 제외하였다. 이는 구름 통과 등 단기 급변 조건에서 발생하는 비정상 데이터를 제거하기 위함이다. 또한 인버터 재기동, 통신 지연에 따른 데이터 손실 구간 역시 분석에서 제외하였다. 발전량 비교를 위해 IEC 61724-1 기준을 적용하여 일사량 정규화를 수행하였다. 정규화 발전량은 식 (1)과 같이 측정 발전량을 기준 일사량 1,000W/m²로 환산하여 산출하였으며, 지역 일사량은 재생에너지 클라우드 플랫폼에서 제공하는 POA(Plane of Array) 일사량 데이터를 사용하였다. P n o 는 정규화 발전량, P m e a 는 실제 발전량, G P O A 는 모듈 표면에 입사된 일사량을 의미한다.

(1)

P n o = P m e a G P O A / 1000

그림 2. 2단계 태양광 계측 및 데이터 수집 시스템 개략도

Fig. 2. Schematic Diagram of Phase 2 PV Monitoring and Data Acquisition System

그림 3. 태양광 모니터링 시스템 예시

Fig. 3. Example of Solar PV Monitoring System

3. 태양광 실증설비 분석 결과

그림 4는 2025년 6월 6일부터 7월 5일까지 30일간의 일별 발전량과 성능비(Performance Ratio, PR)를 나타낸다. 성능비(PR)는 실제 AC 출력 에너지를 설치용량과 입사 일사량을 기준으로 계산한 기대 에너지와 비교한 비율이다. 이는 기후조건과 용량 차이를 제거하고 시스템의 전반적인 효율을 평가할 수 있는 지표로, 발전소 성능 비교 및 장기 모니터링에 널리 활용된다^[6-11]. 식 (2)와 같이 정의하며, P R 은 성능비, E A C 는 태양광 발전 시스템의 AC 출력 에너지, P 0 는 설치용량(정격 DC 용량)을 의미한다.

본 연구에서는 발전량 데이터를 설치용량 및 일사량으로 정규화하여 성능비를 산출하였다. 다만, 현장 직접 계측치가 아닌 재생에너지 클라우드 플랫폼의 지역별 일사량 데이터를 사용함에 따라, 순간적 기상 변화나 미세 음영 등 현장 특성이 충분히 반영되지 못한 한계가 존재한다. 그 결과 PR은 주로 0.9~1.3 범위에서 분포하였으며, 일부 저일사 구간에서는 0.2~0.3 수준으로 과소 산출되었다. 또한 상용 발전소의 일반적 범위(약 0.7~0.9)와 비교할 때 다소 높은 값(1.0 이상)이 산출된 것은 외부 플랫폼 기반 일사량이 실제보다 낮게 산정되는 경향에 기인한다. 일일 발전량의 통계적 유의성을 평가하기 위해 적용군과 미적용군 간 독립표본 t-test를 수행한 결과, p-value는 0.91로 나타나 95% 신뢰수준에서 두 시스템의 발전량 차이는 통계적으로 유의하지 않은 것으로 확인되었다. 또한 PR이 1.0 이상으로 산출된 구간은 총 720시간 중 52시간(7.2%)으로, 이는 외부 플랫폼에서 제공되는 POA 일사량이 실제 현장 일사량보다 낮게 추정되는 경향과 단기 기상 변동 반영 부족이 복합적으로 작용한 결과이다. 따라서 본 연구의 PR 값은 절대적 지표라기보다는 두 시스템 간 상대적 비교를 위한 보조 지표로 해석하는 것이 타당하다.

실증결과, 옵티마이저 적용군(6-1, 7-1)의 평균 발전량은 약 7,425kWh, 미적용군(6-2, 7-2)은 약 7,504kWh로 미적용군이 약 1.06% 더 높은 발전량을 기록하였고 그림 5에 그 결과를 제시하였다. 적용군의 모듈 총 용량은 50.8kW로 미적용군(48.895kW)보다 크지만, 용량 대비 발전량(kWh/kW) 기준에서는 적용군이 약 146.2kWh/kW, 미적용군이 약 153.5kWh/kW로 미적용군이 약 5% 높은 효율을 보였다. 이는 옵티마이저 적용이 발전량 측면에서 일관된 우위를 보장하지 않을 수 있음을 의미하며, 시스템 구성 및 운전 조건에 따라 결과가 달라질 수 있음을 시사한다. 평균 성능비를 비교한 결과, 옵티마이저 적용군은 약 0.97 수준, 미적용군은 약 1.02 수준으로, 미적용군이 소폭 더 높은 값을 나타냈다. 이러한 결과는 옵티마이저가 전류 균일성을 확보하더라도, 본 실증에서는 발전 효율 개선으로 직접 이어지지 않았음을 의미한다.

그림 4. 옵티마이저 유무에 따른 발전량 및 성능비 비교

Fig. 4. Comparison of Energy Yield and Performance Ratio with and without Optimizers

그림 5. 옵티마이저 적용군과 미적용군의 총 발전량 평균 비교

Fig. 5. Comparison of Average Total Energy Yield Between Optimizer and Non-Optimizer Groups

그림 6. 옵티마이저 적용 여부별 일일 평균 발전량 비교

Fig. 6. Comparison of Daily Average Energy Yield with and without Optimizers

그림 6은 30일간의 일별 평균 발전량 변동을 비교한 결과로, 미적용군이 전반적으로 높은 발전량을 기록하였으며, 이는 그림 4, 5의 결과와 일관된 경향이다.

그림 7, 8은 각각 옵티마이저 적용군과 미적용군의 MPPT 채널별 전류 특성을 비교한 결과이다. 옵티마이저 적용군의 경우 채널 간 전류 편차가 상대적으로 작아 전류 균일성이 확보된 것으로 나타났다. 반면, 미적용군에서는 특정 스트링에서 전류 저하가 나타나 병렬 간 불균일성이 뚜렷하게 관찰되었다. 이러한 결과는 옵티마이저가 모듈 단위 불일치를 보정하여 전류 균일성을 향상시키는 데 효과적임을 보여준다. 다만, 전류 균일성 확보가 반드시 전체 시스템의 발전량 증가로 직결되는 것은 아니며, 운전 조건과 시스템 구성에 따라 그 효과가 제한될 수 있음을 시사한다. 또한, 적용군(6-1, 7-1) 인버터는 20직렬 × 4병렬로 구성되어 있으며, 미적용군(6-2, 7-2) 인버터는 13직렬 × 5병렬 + 12직렬 × 1병렬로 구성되어 있다. 20직렬 구성은 고전압·저전류 운전 특성을 통해 케이블 손실을 최소화하는 데 유리하다. 반면, 12~13직렬이 혼재된 병렬 구성은 전류 불균형이 발생할 가능성이 크며, 이론적으로는 발전 효율에 불리하게 작용할 수 있다. 그럼에도 불구하고 본 연구의 실증 결과에서는 미적용군의 발전량이 더 높게 나타났으며, 이는 스트링 구성 차이뿐만 아니라 현장 일사 조건, 클리핑(clipping) 특성 등 다양한 요인이 복합적으로 작용한 결과로 해석된다.

그림 7. MPPT 채널별 전류 그래프(옵티마이저 적용군)

Fig. 7. MPPT Channel Currents of the Optimizer Group

그림 8. MPPT 채널별 전류 그래프(옵티마이저 미적용군)

Fig. 8. MPPT Channel Currents of the Non-Optimizer Group

그림 7과 8에서 볼 수 있듯이, 옵티마이저 적용군은 채널 간 전류 편차가 작게 나타났으나, 미적용군의 일부 스트링에서는 전류 저하 현상이 확인되었다. 이는 옵티마이저의 균일화 기능과 함께, 기본적인 스트링 구성 차이도 영향을 준 것으로 판단된다. 적용군은 20직렬 구성으로 고전압·저전류 조건을 유지하여 스트링 간 전류 편차가 적게 나타나는 반면, 미적용군은 직렬 모듈 수가 12·13개로 짧아져 전압이 낮고 전류가 상대적으로 증가하여 병렬 스트링 간 전류 불균일성이 구조적으로 발생할 가능성이 크다. 이러한 요인은 미적용군에서 일부 스트링의 출력 제한 효과를 유발할 수 있으며, 본 실증에서 미적용군의 총 발전량이 소폭 더 높게 나타난 결과를 해석할 때도 스트링 구성 차이가 함께 고려될 필요가 있다.

표 6은 옵티마이저 적용군(6-1, 7-1)과 미적용군(6-2, 7-2)의 MPPT 전류 균일성을 정량적으로 비교한 결과이다. 균일성 지수는 평균전류 대비 전류 표준편차의 상대적 크기를 나타내며, 1에 가까울수록 균일성이 높은 것을 의미한다. 식 (3)과 같이 표현할 수 있으며, U 는 균일성 지수, σ 는 전류 표준편차, I a v g 는 평균전류를 의미한다.

적용군의 전류 표준편차( σ )는 평균 0.14A로 미적용군(0.22A) 대비 낮았으며, 균일성 지수( U )는 각각 0.972, 0.933으로 약 3.9%의 전류 균일성 개선 효과가 확인되었다. 이는 옵티마이저가 모듈 출력의 편차를 실시간으로 보정하여 병렬 스트링 간 전류 균일화를 향상시키는 기능이 실증적으로 검증된 결과이다. 특히 13:00과 19:00 구간에서 미적용군의 균일성 지수가 급격히 저하된 것은 12·13 직렬 구성에 따른 전압 불일치가 저일사 구간에서 상대적으로 크게 작용한 결과로 해석된다.

그림 9의 클리핑 분석 결과, 일평균 클리핑 발생 시간은 약 1.2시간으로 전체 발전 가능 시간 대비 8.7%를 차지하였다. 옵티마이저 적용군의 일평균 클리핑 손실량은 4.2kWh(0.57%), 미적용군은 3.8 kWh(0.50%)로 나타났으며, 고일사 시간대인 11:40~13:10 구간에서 가장 높은 빈도로 발생하였다. 적용군의 DC/AC 비율이 더 높아 동일 일사 조건에서도 인버터 출력 제한이 더 빈번하게 발생하였으며, 이에 따라 클리핑 손실량도 다소 크게 산출되었다. 이는 본 실증 사이트의 DC/AC 비율(약 1.02)과 일사 조건이 클리핑 발생을 결정하는 주요 요인임을 보여준다. 따라서 본 연구에서는 발전량 비교 시 클리핑 손실을 반영하여 결과의 신뢰성을 확보하였다.

그림 9. 태양광 일일 발전 곡선의 클리핑 현상 예시

Fig. 9. Clipping Phenomenon in Daily PV Generation Curve

4. 결 론

본 연구는 400kW급 실증설비를 기반으로 옵티마이저 적용 여부가 PV 시스템 성능에 미치는 영향을 분석하였으며, 주요 결과는 다음과 같다.

첫째, 발전량 분석 결과 미적용군(6-2, 7-2)의 평균 발전량은 7,504.29kWh, 적용군(6-1, 7-1)은 7,425.69kWh로 약 1.06% 차이가 나타났다. 총 설치용량 차이를 반영한 kWh/kW 기준에서도 미적용군이 약 5% 높은 효율(153.5 vs. 146.2kWh/kW)을 보였다. 이는 옵티마이저 적용이 반드시 절대 발전량 향상으로 이어지지 않을 수 있음을 시사한다.

둘째, 성능비(PR)의 경우 미적용군이 평균 1.02, 적용군은 0.97로 나타났다. PR이 일반적인 상용발전소에서 기대되는 범위(0.7~0.9)보다 높게 산출된 것은 현장 직접 일사량 데이터가 아닌 외부 플랫폼 기반 지역 평균 일사량을 사용함에 따라 분모( G P O A )가 상대적으로 저평가된 영향 때문이다. 실제로 PR > 1.0 구간은 전체 720시간 중 52시간(7.2%)으로 확인되었다. 이에 따라 본 연구에서는 PR을 절대 성능지표보다는 적용군–미적용군 간 상대 비교 지표로 해석하였다.

셋째, MPPT 단위 전류 분석 결과, 옵티마이저 적용군은 채널 간 전류 편차가 작아 높은 전류 균일성을 보인 반면, 미적용군은 일부 스트링에서 전류 저하가 발생하여 불균일성이 확인되었다. 이는 옵티마이저가 모듈 간 출력 편차를 실시간으로 보정하며 병렬 스트링의 전류 균일성을 확보하는 데 효과적임을 의미한다. 다만 이러한 전류 균일성 향상이 곧바로 발전량 향상으로 이어지지 않았으며, 실제 발전량에는 현장 일사 조건, 스트링 구성 차이, 클리핑 발생 여부 등 외부 운전 요인이 더 큰 영향을 미치는 것으로 나타났다. 적용군은 20직렬 × 4병렬의 고전압·저전류 구성으로 병렬 전류 균일성과 케이블 손실 저감 측면에서 유리한 반면, 미적용군은 12·13 직렬이 혼재된 구성으로 전류 불균형 가능성이 상존한다. 그럼에도 미적용군의 발전량이 더 높게 나타난 것은 스트링 구성 차이, 일사량 특성, 클리핑 영향 등이 복합적으로 작용한 결과이다.

본 실증에서는 인버터 정격출력 대비 일사 과잉 구간에서 클리핑 현상이 확인되었으며, 이러한 클리핑 데이터는 향후 발전소 DC/AC 비율 최적화, 인버터 용량 설정 기준 마련 등 실무적 활용도가 높다. 또한 클리핑 발생 빈도 및 손실량 분석은 후속 연구에서 운영전략 최적화를 위한 기초데이터로 활용될 수 있을 것이다.

한편 본 연구는 약 1개월의 단기 실증자료를 기반으로 수행되었기 때문에 계절별 일사 변화, 장기적인 모듈 성능 편차, 연간 기후 패턴 등 장기적 요소는 충분히 반영하지 못하는 한계가 존재한다. 따라서 향후 연구에서는 현장 일사량 실측 데이터 확보, 장기 모니터링, 계절 보정계수 적용, 나아가 통계적 유의성 강화 분석 등을 통해 보다 정밀한 검증이 필요하다.

결론적으로, 옵티마이저는 모듈 간 불일치(mismatch)를 완화하고 스트링 전류 균일성을 향상시키는 데 효과적임을 확인하였다. 그러나 일사 조건이 균일하고 클리핑이 지배적인 환경에서는 이러한 균일성 향상이 발전량 개선으로 직접 이어지지 않을 수 있음을 실증적으로 확인하였다. 따라서 향후 태양광 시스템 설계 시 옵티마이저 적용은 단순 발전효율 향상뿐만 아니라 음영 가능성, 설치 환경, 스트링 구성, DC/AC 비율, 유지관리 복잡성 등을 함께 고려해 결정할 필요가 있다. 또한 장기 실증 기반의 경제성·효율성 분석을 통해 옵티마이저 적용의 타당성을 보다 객관적으로 검증하는 후속 연구가 요구된다.