Original Articles

Journal of Bio-Environment Control. 31 October 2022. 366-375
https://doi.org/10.12791/KSBEC.2022.31.4.366

ABSTRACT


MAIN

  • 서 론

  • 재료 및 방법

  •   1. 연구 사이트

  •   2. 에너지 센싱 시스템의 구성

  •   3. 데이터 획득 및 분석

  • 결과 및 고찰

  •   1. 멜론 작기 중 항목별 전력사용량 모니터링 결과

  •   2. 전력사용량 모니터링 결과의 활용

  •   3. 이게이지 시스템의 전력 데이터 활용 시 유의점

  • 결 론

서 론

농업의 현대화 경향에 따라 스마트 농업 경영에 IoT (Internet of Things) 기술을 도입하는 것은 한국을 넘어 전 세계적인 추세이며, 인력 및 전력의 투입을 줄이고, 과학적인 작물 관리를 통해 농업 생산량을 높이기 위한 목적으로 다양한 연구가 수행되고 있다. 스마트팜으로 일컬어지는 자동화된 농업 운영 현장에 스마트하고 자동화된 기술의 도입이 시도되고 있으며, 자동화의 기반에는 전기를 사용하는 다양한 기기의 활용이 필요하다(Oh 등, 2022). 현재까지 국내의 스마트팜 연구는 환경제어시스템을 통한 농작물의 재배 환경 모니터링 데이터를 이용한 최적 환경 시스템 모델을 연구하거나(Shin과 Jeon, 2020), 스마트팜에서 모니터링된 데이터를 기반으로 탄소배출과 에너지 사용량을 줄이는 연구 등이 수행되어왔다(Yoo, 2016; Kang 등, 2017; Choi, 2021).

스마트팜에 사용되는 관개, 난방, 기계 및 모니터링 시스템은 전원공급 장치를 필요로 하며, 각 부문에서 얼마만큼의 전력을 사용하게 되는가를 모니터링하여 실시간으로 측정하는 시스템을 통하여 스마트팜 현장에서 실제 전력사용량을 파악할 필요가 있다(Chetan 등, 2015; Liu 등, 2018). IoT 기술을 활용하여 전력사용량을 모니터링한 데이터를 수집하는 궁극적인 목적은 전력사용 방식을 스마트하게 관리하여 작물 재배에 소요되는 전체 에너지를 줄이는 것이다. IoT 기술을 활용하여 스마트팜의 요소별 전력사용량을 파악한 자료는, 스마트팜의 설계 및 설비 구성, 경영비의 산정 및 에너지 절약형 스마트팜 경영 전략을 수립하는 등 정밀 농업의 실행을 위한 다양한 목적을 위해 활용될 수 있다(Jawad 등, 2017; Liu 등, 2018; Rehman 등, 2022). 그러나 현재까지 실시간 전력사용량을 활용하여 자동적으로 전력사용량을 줄이기 위한 인공지능시스템의 적용은 아직 상용적으로 활용되지 못하고 있는 상태이다. 또한 작물의 종류에 따라 작기가 다르고, 생육에 중요하게 작용하는 요소가 다르며, 농장마다 가지고 있는 스마트팜의 구조 및 크기, 필요한 설비 등이 다양하여 IoT 기술을 활용한 스마트팜의 운영 기술을 확립하기 위해서는 관련된 정보의 빅데이터화가 필요한 실정이다(RDA, 2019; Kim, 2021)

스마트팜용 전력 사용 패턴 데이터를 취득하기 위해 국내에서 소개된 시스템은 계측을 위해 멀티채널 전력량계와 CT (current transformer) 센서를 이용하여 스마트팜에서 주로 활용하는 전기온풍기, 관수 펌프, 환풍기, 순환팬, 측천창 개폐기에 대하여 전력사용량 모니터링을 수행한 연구가 있다(Kim 등, 2019). 계측된 데이터는 전력량계의 서버에 저장되어 인터넷을 통해 데이터를 확인, 취득할 수 있도록 구성하였다. Kim 등(2019)의 연구는 이게이지 시스템을 활용하기 위한 시스템 구성의 예를 보여주고 있으나, 실제 스마트팜 현장에서 작물 재배와 연계하고 얻어진 데이터의 내용 및 활용 방안에 대한 소개가 없다.

본 논문에서는 전력량계를 이용하여 실제 스마트팜에서 작물 재배 시나리오 하에 사용된 전력량에 대한 데이터를 실시간으로 모니터링하고, 수집된 데이터의 형식을 소개하며, 사용자에게 편리하게 혹은 사용자의 목적에 맞도록 실시간으로 획득된 데이터를 활용하기 위한 방법 등을 소개하였다. 본 논문은 전력 사용을 실시간으로 모니터링하기 위한 시스템을 처음 도입하는 스마트팜 연구자들에게 새로운 시스템에 대한 진입장벽을 낮추고, 얻은 데이터의 활용 시 흔하게 일어날 수 있는 시행착오를 줄이는 데 도움이 될 것이다.

재료 및 방법

1. 연구 사이트

본 연구에서는 충청북도 지역의 연구용 농장(36.972596N, 127.476534E)을 실증사이트로 선정하여 현장에서 사용하는 전기 에너지 사용량을 계측하였다. 전력량계 시스템을 설치한 스마트팜은 충청북도 음성에 위치한 충북농업기술원의 수박딸기연구소에서 구축한 벤로형 유리온실로써 300m2 규모의 2021년에 신축된 온실이었다(Fig. 1).

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F1.jpg
Fig. 1.

Images of the study greenhouse and installed energy consumption monitoring devices.

온실 내부는 두 구역으로 나뉘어져 각 구역별로 환경제어가 가능하도록 운영되고 있었다. 온실에 설치된 장치들은 전기보일러, 온실환경제어기, 조명, 차광, 유동팬, 양액기, 와이파이 및 ICT 관련 시설과 기타 콘센트 등이었다. 시험 대상 작물은 멜론(muskmelon, Cucumis melo L.)으로 품종은 ‘헐크’였다. 재배방법은 수경재배로 배지는 코어이배지(칩:더스트 = 5:5)를 사용하여, 실생묘를 2022년 4월 6일에 정식하고 6월 27일 수확하여 약 3개월간 재배하였다.

멜론은 고온성 작물로 생육 적온은 낮 28-33℃, 밤 18-22℃이다. 주간에 35℃의 고온에서 생육하게 되면 성숙기에 뿌리가 손상되어 노화가 촉진되는 작물(RDA, 2018)로 4월에서 6월 사이에는 별도의 냉방 시설 없이 생육이 가능하다. 고온성 작물인 멜론의 최적 생육을 위해 본 온실에서는 난방을 위한 전기보일러를 이용하여 실내 온도가 25℃ 이상 유지되도록 설정하여 재배조건을 유지하였다.

또한 자동양액기를 이용하여 재배상에 수분과 영양분을 제공하며 온실 내부에 유동팬, 천창의 개폐를 통해 이용하여 내부의 공기 순환을 유도하였으며, 이러한 환경조절은 자동제어시스템을 통하여 이루어졌다. 이러한 모든 장치에는 전기를 사용하는 기기적인 요소가 사용되며, 세분화되어 있는 전원장치들의 전력사용량은 3개의 전력량계(EG4115, eGauge Systems LLC, Boulder, CO, USA) 로거와 다수의 CT 센서(JSC-02-750-1A, J&D Smart Sensing, Gyeonggi-do, South Korea)를 사용하여 모니터링하였다. 각 전력량계 로거에 저장된 데이터를 개별 IP주소를 통해 이게이지 서버에 입력하여 확인할 수 있었다.

2. 에너지 센싱 시스템의 구성

본 연구에서 스마트팜의 전력사용량 측정을 위해 설치한 이게이지 시스템은 웹 기반의 전력량계로 전력 소비량과 전력량을 모두 측정하였다. 이게이지는 에너지 센싱시스템과 서버 시스템으로 구성되었다. 에너지 센싱 시스템은 이게이지와 CT센서로 구성되는데, 이게이지에는 다수의 채널(본 연구에서 사용한 모델은 15개 채널)에 CT센서를 채널 당 1개씩 연결하여 15개 채널을 동시에 측정할 수 있었다. 기기의 사용 전압이 단상(분할상)인 경우 기기 당 1개의 CT센서 및 채널을, 3상 전압인 경우에는 기기당 3개의 CT센서 및 채널을 사용하여 측정된 전력변류량 데이터를 자체 데이터 로거에 기록하였다. 이게이지의 밑면에는 전압 입력 단자가 있어 스마트팜의 대전류 판넬의 파단기 혹은 휴즈 블록에 결선하여 들어오는 전압량을 측정하여 데이터 로거에 기록하였다. 각 기기의 전력사용량은 측정된 전압량과 전류량의 곱으로 자동계산되어 데이터 로거에 기록되었다. 자체 데이터 로거에 기록된 측정값은 유선 이더넷 연결을 통해 데이터를 송신하거나 혹은 USB 호스트 포트를 통해 추출할 수 있었다. Fig. 2는 데이터 센싱에 사용한 이게이지 시스템 구성을 보여준다.

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F2.jpg
Fig. 2.

A schematic configuration of energy consumption monitoring system.

인터넷이 연결되어 있다면, 이게이지 미터에서 측정된 전력 데이터는 내재된 이게이지 웹서버를 통해 모든 웹 지원 장비에서 확인할 수 있었다(Estes 등, 2015). 이게이지는 동적 호스트 구성 프로토콜 서비스를 통해 개별 미터당 배정된 IP 주소를 얻을 수 있었으며, 인터넷을 통해 IP 주소와 연결되면 이게이지 시스템에 저장된 데이터를 그래프화하여 확인하거나, 엑셀 혹은 Modbus TCP 출력 형식으로 다운로드 받을 수 있었다.

3. 데이터 획득 및 분석

모니터링 시스템의 에너지 측정 결과는 시스템 설치 이후부터 사용하는 모든 전력량을 1초 간격으로 측정하였다(Parson 등, 2015). 측정된 전력량은 채널별로 누적하여 데이터 로거에 기록하였다. 기록된 측정값은 최근 10분에 대하여는 매초 당 측정값을 기록하며, 10분 이후부터 이후 10년 간의 데이터를 1분 당 평균값을 계산하여 누적하여 기록하도록 프로그램되어 있었다. 10년 이후부터 30년까지는 15분 평균값으로 누적값을 기록하였다. 즉 실시간 측정 데이터는 매초 측정하며 측정된 실시간 데이터는 최근 10분에 대하여만 초 당 전력사용량의 추적이 가능하고, 그 이전 시간에 대하여는 1분간 누적된 전력사용량의 평균값을 이용하여 누적하여 데이터로거에 기록하였다. 실시간으로 측정되는 전력사용량의 값은 온라인을 통하여 모니터링이 가능하였다.

모니터링 화면은 Fig. 3와 같다. Fig. 3A는 실시간으로 측정되는 초당 전력사용량을 kW 단위로 나타내고 있는데 초당 변화하는 전력사용량의 값을 그대로 나타냈다. Fig. 3BFig. 3A의 값을 포함한 최근 1시간의 전력사용량 값을 보여주는 그래프로 분당 전력사용량을 자동으로 평균값으로 계산하여 무뎌진 데이터 변화를 보여주고 있음을 알 수 있다. 이런 방식은 순간 최고사용량의 피크 값을 파악하는 데에는 불리한 면이 있으나, 데이터 저장량을 줄여 파일의 크기를 줄이고 데이터 처리 시 용량을 줄여주는 효과가 있다.

항목별로 누적된 데이터는 엑셀의 CSV(comma separated version) 파일 혹은 MODBUS 서버를 통해 추출이 가능하였다. 데이터 추출 시에는 사용자의 목적에 따라 데이터를 누적값 혹은 평균값으로 추출할 수 있었다. 특히, 평균값의 데이터 추출 시 추출하는 시간 간격이 사용전력량에 영향을 주지 않도록 프로그램은 자동으로 추출 기간에 쌓인 전력량 누적량을 추출 주기 간격으로 나누어 평균값을 도출하여 제시하였다. 그러므로 총 전력사용량은 데이터 추출 시간의 간격에 상관없이 일정 사용기간 동안 동일하게 계산되었다. 다만 이때 추출된 데이터 값은 일정한 시간 간격에 대한 평균값이므로 실시간 데이터의 기록값과는 상이할 수 있다.

전력량계의 웹서버에서는 Fig. 3과 같이 다양한 시간대에서 기록된 데이터를 그래프화하여 볼 수 있을 뿐만 아니라, 채널별 월별 누적량의 통계값을 테이블로 정리하여 제공하며, 각 표의 데이터를 그래프화하여 기간별 사용량 패턴과 함께 파악할 수 있었다. 모든 데이터 처리는 전력량계에 탑재된 소프트웨어에 의해 자동으로 계산되므로 사용자는 원하는 데이터를 확인하거나 추출하는 데 있어서 특별한 조작을 하지 않아도 최적화된 결과를 얻을 수 있다는 점에서 본 시스템은 상업시설 및 산업시설의 에너지 모니터링등 복잡한 전력사용 환경에서 사용하기에 적합한 장치라고 할 수 있다(Campbell 등, 2015).

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F3.jpg
Fig. 3.

Monitoring windows of eGauge system showing (A) most recent 10 minute real-time electrical energy consumption and (B) average electrical energy consumption data presenting the average kW values per minute.

결과 및 고찰

1. 멜론 작기 중 항목별 전력사용량 모니터링 결과

3개월간 멜론 재배 기간 동안 스마트팜에서 사용한 전원장치는 전기보일러, 온실환경제어판, 조명, 차광, 유동팬, 양액배분기, 와이파이 및 IoT 관련 시설과 기타 콘센트 등으로 다양하며 이 중 가장 많은 전력을 사용한 6개 항목에 대한 사용량 패턴을 Fig. 4에 나타내었다. 본 연구의 결과는 각 장치가 사용하는 전력량 자체에 대한 의미보다는 이게이지 시스템을 활용하여 스마트팜에서 사용하는 전력 항목들에 대하여 IoT 기술을 접목하여 측정하며, 측정한 데이터를 사용자의 목적에 맞게 추출하여 활용할 수 있는 예를 보여주는데에 논문 작성의 목적을 두고 있다. 그럼에도 불구하고, 전력 사용 내용의 패턴을 일부 파악해 본다면, 전체 전력사용량 중 가장 큰 비중을 차지하는 항목은 난방을 위한 보일러 작동임을 알 수 있으며, 보일러 자체가 사용하는 전력과 함께 보일러를 자동으로 ON/OFF하여 운전하게 하는 보일러 제어기에도 별도의 전력이 사용됨을 알 수 있었다.

외기온도가 높아진 5월 중순 이후에는 난방을 위한 전기 사용량은 거의 없어진다는 것을 또한 Fig. 4A와 E를 통해 확인할 수 있었다. 또한 Fig. 4B는 식물에 양액을 제공하는 양액시스템이 재배기간 동안 양액을 지급하는 동안 사용되는 전력을 잘 보여주고 있다. 양액기의 전력사용량의 패턴은 생육 중기에 가장 많은 양액을 적용하는 만큼 많은 전력사용량을 보여주며 또한, 과실의 수확 전인 생육 후기에는 당도 향상을 위해 줄어든 양액에 비례하여 전력사용량도 함께 줄어들었다. 이것은 전력사용량 값이 작물의 생육 조건을 잘 반영해주는 결과이다.

그밖에도 온실 환경제어를 위한 제어기의 전력사용량은 Fig. 4C에, 온실 내부의 공기순환을 위한 유동팬 작동에 따른 전력사용량은 Fig. 4D에, 전체 인터넷 시스템 및 별도의 연구를 위한 빗물저장 시스템 운영을 위한 전력사용량은 Fig. 4F에 나타냈다. 단, Fig. 4D의 경우 두 칸의 온실에서 작동 중인 유동팬 사용량이 거의 동일한 패턴을 나타내어 한 개의 그래프에 나타냈고, 실제 보이는 것보다 2배의 전력사용량이 소요되었다고 이해할 수 있다. 그 밖의 조명, 차광, 천창 등 온실에 사용되는 장치는 그 사용량이 매우 적어 그림으로 나타내지 않았다.

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F4.jpg
Fig. 4.

Average electrical energy consumption data exported from the e-Gauge system in the study smart farm during three months of melon cultivation period. Six facilities listed are the ones showed the highest electrical energy consumption.

2. 전력사용량 모니터링 결과의 활용

전력량계에 전력사용량이 수집되면, 자체 웹서버에 접속하여 실시간 측정값을 기록한 데이터를 원하는 기간에 대하여 원하는 데이터 주기로 다운로드 받을 수 있다. 최근 10분 이전의 데이터에 대한 최소 데이터 추출 가능 주기는 1분당 1개의 측정값을 얻는 주기이며, 누적값 혹은 평균값으로 데이터 획득이 가능하다. 뿐만 아니라, 이게이지 서버에서는 월별 전력사용량은 채널별로 계산하여 표로 제공하며, 월별 사용량 통계치를 데이터를 수집한 전체 기간에 대하여 제공한다. 이 표를 활용하면 손쉽게 월별 전력사용량을 항목별로 파악할 수 있으며 사용패턴에 대한 그래프도 월별 혹은 지난 1년간의 값으로 확인이 가능하다(Fig. 5). 사용자의 목적에 따라 다른 기간에 대한 값의 통계치를 알기 위해서는 데이터를 다운로드 받아 엑셀 및 R-프로그램 등의 도구를 활용하여 처리할 수 있다.

Fig. 5는 앞서 말한 자체 웹서버에서 제공하는 자동 플로팅 옵션을 보여주는 총 전기 사용량 표의 예시이다. Fig. 5의 상단에 총 사용량 표에서 4월의 데이터 값을 클릭하면 4월 한 달간의 총 전기 사용량과 4월 간의 전기 사용 패턴을 확인할 수 있으며, 다시 총 사용량의 총계를 누르게 되면 지난 1년 간의 전기 사용량과 사용 패턴을 확인할 수 있다. Fig. 5의 왼쪽 하단의 표에서는 4월의 전기 사용량을 볼 수 있다. 이중 에너지를 많이 사용한 날은 4-6일로 작물 정식을 준비하기 위한 사용량으로 파악되며, 14-22일, 28일에 전기 사용량이 많은 것을 한눈에 살펴볼 수 있었다. 다음 Fig. 5의 총계를 살펴보면 오른쪽 하단에서 지난 1년간 전기 사용량을 표시한 총계를 볼 수 있으며 이 기간 중 4월부터 5월에 대체적으로 많은 전기 사용량이 있었음을 알 수 있다. 이것을 통하여 고온성 작물인 멜론의 경우, 4월과 5월까지도 난방이 필요하다는 것을 확인할 수 있다.

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F5.jpg
Fig. 5.

Example of the total electrical energy consumption provided in e-Gauge webpage, showing its automatic plotting option for checking usage patterns monthly or yearly.

이게이지 서버에서 제공하는 것뿐만 아니라 사용자의 목적에 따른 통계처리를 진행할 수 있다. Fig. 6에서는 통계처리를 통하여 대상별·기간별 전기 사용량과 대상별·기간별 전기 사용량의 변화 추이 등과 같은 구체적인 정보들을 얻을 수 있으며, 4월 6일부터 6월 27일까지의 멜론 재배 기간 중 월별 전기사용량의 데이터 분석의 예시를 보여주고 있다. Fig. 6에서 숫자는 전기 사용량(kWh)을 의미하며 %는 총 월간 전기 사용량에서 해당 항목이 차지하는 비율을 나타낸 숫자이다. 다음 항목 중 보일러(Boiler)는 4월에 1306kWh, 76%, 5월 868kWh, 59%, 6월 101kWh, 17%로 해당 비율이 점점 감소하고 있음을 보여주고 있다.

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F6.jpg
Fig. 6.

Example of the data analysis, showing monthly variation of electrical energy consumption during the melon cultivation period (April 6 to June 27). The presented data legends show the name of electrical facility, total electrical usage in kWh, and the percentage.

두 번째 비중을 차지하는 양액 시스템(Nutrient dist. System)의 경우 4월 154kWh, 9%, 5월 255kWh, 18%, 6월 126kWh, 21%의 전기를 사용하였다. 이것으로 작물의 생육 기간 중 생육 중기에 해당하는 5월에 다른 기간보다 많은 양의 양액을 주입했음을 반영한다. 작기 이후 착과기의 생육기간 동안의 양액 급액관리는 건조하지 않도록 유지하다가 과실비대기까지 조금씩 늘리면서 급액한다(RDA, 2018). 이 기간에 해당한 5월에 다른 기간보다 1.5배 가량 증가한 전력사용량을 양액 시스템에서 확인할 수 있다. 그 밖에 공기순환장치(Circulation fan)과 자동제어기(Auto controller)의 경우 생육초기인 4월의 경우 전력사용량이 적으나 5월 6월로 시간이 지남에 따라 전력사용량이 늘어남을 확인할 수 있다. 이는 생육초기인 4월 기온이 낮아 생육 적온인 낮 온도 28-30℃, 밤 온도 18-20℃의 다소 높은 온도를 유지하기 위하여 공기순환장치의 사용량이 적으나 5월, 6월에 기온이 상승함에 따라 생육 적온 유지를 위한 공기순환장치의 사용을 시작하여, 관련 시설의 전력사용량이 늘어난 것을 확인할 수 있다.

Fig. 7은 이게이지 시스템에서 제공하는 평균 전력 사용 모니터링 데이터를 보여주고 있다. Fig. 7A는 각각의 항목에 따른 사용량을 모두 보여주는 수치로 각각의 모든 항목이 동시에 사용되는 시간대에선 전체 사용량(Total usage)이 세 가지 전력기구를 사용한 총합이 되는 것을 볼 수 있다. 하지만 보일러는 간헐적으로 작동하기 때문에 동시 작동시간을 회피하여 사용하게 될 경우 Fig. 7B와 같이 순간 최대 사용 전력이 높아지는 것을 피할 수 있다.

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F7.jpg
Fig. 7.

Examples of monitoring results of average electrical energy consumption extracted from e-Gauge webpage: when three facilities use power simultaneously (A) and when two facilities use energy alternately.

3. 이게이지 시스템의 전력 데이터 활용 시 유의점

이게이지 시스템의 웹서버에 접속하여 이용자가 원하는 분, 시간, 일 등 주기로 데이터를 모니터링하고 추출할 수 있으므로 매우 편리한 시스템이다. 특별한 목적을 위한 데이터 처리가 필요하지 않은 경우에는 이게이지에서 제공하는 웹페이지의 조작을 통해 필요로 하는 데이터를 한눈에 확인하고 통계값을 얻는 것이 가능하다. 다만, 이게이지 시스템이 적용하고 있는 데이터 표현 방식에 대하여 명확히 안다면 표시된 그래프의 실제 의미를 보다 정확하게 파악할 수 있다. 예를 들어, Fig. 8은 같은 날의 전력사용량을 10분, 12시간, 1일, 3일, 1주일, 1달 주기로 데이터를 확인한 그래프이다. 별표 표시는 각 그래프에서 같은 시각을 표현하고 있으며, 이때의 평균 전력사용량 값을 kW 단위로 확인해보면 다음과 같다. 먼저 Fig. 8A의 경우 10분 주기로 데이터를 나누어서 1분 간격의 실시간 모니터링 데이터를 확인할 수 있으며, 순간 최대 20.5kW의 전력이 사용될 경우를 맨 오른쪽 컬럼에서 보여주며, 1분간 평균값은 약 18.5kW로 보인다. 그러나 12시간 주기인 Fig. 8의 (B)의 경우 그날에 최대 사용전력은 약 17kW정도로 확인이 된다. 주기를 늘릴수록 최대 사용 전력의 값이 줄어들어, 같은 시각의 전력 사용값이 1일 주기의 경우 약 10kW, 3일 주기 4kW, 1주일 주기 3kWh, 1달 주기인 Fig. 8F의 경우 같은 시각의 사용 전력이 약 2.2kW인 것처럼 보일 수 있다. 이는 이게이지에서 전력사용량을 주기에 맞춰 자동으로 평균값으로 계산하게 시스템화되어 있어 전력사용량의 누적값의 경우 데이터 추출 주기와 관계없이 일정한 값을 얻을 수 있으나, 평균값 데이터의 경우 피크 값이 평균 피크값으로 계산되기 때문이다. 시각별 전력사용량, 혹은 순간 최대 전력사용량의 데이터를 파악하고자 한다면 평균값 계산 시 짧은 주기를 적용하는 것이 바람직하며, 세팅되어 있는 추출 주기(Fig. 8의 보라색 아이콘) 중 최대 12시간 이내의 주기를 가지고 확인하는 것이 바람직하다. 또한 이게이지 시스템의 웹페이지에 세팅되어 있는 통계치는 월별 혹은 연간 총 누적 에너지 사용량 데이터만을 제공하고 있으며 사용자가 임의로 조건을 변경할 수 있는 옵션이 없다. 그러므로 원하는 일자 또는 주기별 에너지 총 사용량을 알아내고 싶은 경우에는 엑셀 CSV파일 데이터를 내려받아 원하는 일자 또는 주기별 전력사용량을 누적값, 혹은 평균값으로 다운받아 사용하여야 하는데, 측정 데이터의 주기를 짧게 할수록 데이터 용량이 커지게 되어 데이터 처리에 불편함이 있을 수 있으므로 적절한 데이터 추출 주기를 적용하는 것이 좋다.

https://static.apub.kr/journalsite/sites/phpf/2022-031-04/N0090310413/images/phpf_31_04_13_F8.jpg
Fig. 8.

Examples of monitoring screen of electrical energy consumption for various monitoring periods provided by e-Gauge webpage.

결 론

정밀 농업에 대한 요구가 높아지며, 스마트팜 시설이 발전하면서 에너지 집약시설인 시설원예에 사용되는 에너지량을 최적화하여 관리하는 것은 효율적인 농업 경영 및 지구 환경적인 측면에서도 중요한 방향이다. 이를 위한 첫 단계로 스마트팜에 활용되는 다양한 요소들이 에너지를 사용하는 방식에 대한 데이터의 획득이 중요하며, 이를 위해 본 연구에서는 전력사용량 측정 및 데이터 획득에 대한 실증 연구를 수행하였다. 본 연구에서 사용한 이게이지 시스템은 방대한 양의 실시간 측정 데이터를 자체적인 웹서버에 저장하고, 탑재된 소프트웨어에 의하여 특별한 조작 없이도 데이터 파악이 가능하도록 설계되어 있어, 관련 분야에 대한 전문지식이 없는 농업인들이 쉽게 활용할 수 있는 실시간 모니터링 장치이다. 시스템에서 제공하는 데이터는 엑셀과 Modbus 두 가지 형식으로 활용 가능하여 추후 빅데이터 수집을 위한 다른 서버로의 데이터 이동 및 저장 편의성 역시 갖추고 있다.

본 논문에서는 전력량계를 활용하여 실시간으로 실제 스마트팜에서 사용된 전력사용량을 작물 재배와 연계하여 모니터링하였으며, 수집된 환경 데이터를 확인하고 활용하는 방안에 대하여 소개하였다. 본 연구는 모니터링을 위한 시설현장 검토와 전력측정을 위한 장비가 갖추어진 조건 아래에 진행되었다. 데이터 로거 본체 및 규격에 맞는 CT센서 등 초기 시설 비용이 요구된다. 비용절감과 정확한 측정을 위하여 설치 현장의 배전반과 분전반 확인 후 측정 항목을 결정하고, 배선차단기의 형식, 용량 및 사용케이블의 굵기 등을 파악하여 그에 맞는 개수와 규격의 CT센서를 구매하여야 한다. 본 연구에서는 연구목적을 위해 측정항목을 세분화하여 여러 개의 데이터 로거 및 CT 센서를 활용하였다. 그러나 실제 스마트팜에 적용할 경우에는 전력기기를 냉방, 난방, 자동제어시스템, 공기순환팬 등 큰 카테고리별로 묶어서 측정한다면 한 개의 데이터 로거 및 몇 개의 CT 센서 만을 활용하여 전력사용량 모니터링이 가능할 것이며, 이때 소요되는 비용은 한화로 약 300만원 이내로 예상할 수 있다. 더 나아가 스마트팜의 전력사용량 추이를 작물이나 재배 지역의 기후에 따라 파악하기 위해서는 먼저 빅데이터의 수집이 선행되어야 할 것이며, 이를 활용한 인공지능 알고리즘의 개발이 후속적으로 필요하다고 사료된다.

Acknowledgements

본 결과물은 농림축산식품부 및 과학기술정보통신부, 농촌진흥청의 재원으로 농림식품기술기획평가원과 재단 법인 스마트팜연구개발사업단의 스마트팜다부처패키지혁신기술개발사업의 지원을 받아 연구되었음(421007042HD04031482 092640000).

References

1
Campbell M., N. Watson, and A. Miller 2015, Smart meters to monitor power quality at consumer premises. EEA Conference and Exhibition in Wellington, New Zealand, 24-26 June 2015.
2
Chetan D.M., R.R. Ganesh, S. Jagannathan, and R. Priyatharshini 2015, Smart farming system using sensors for agricultural task automation. IEEE Technol Innov ICT Agric Rural Dev, pp 49-53. doi:10.1109/TIAR.2015.7358530 10.1109/TIAR.2015.7358530
3
Choi M. 2021, Smart farm control system for improving energy efficiency. J Digit Converg 19:331-337. (in Korean) doi:10.14400/JDC.2021.19.12.331 10.14400/JDC.2021.19.12.331
4
Estes H., S. Santoso, and G. Fisher 2015, Analysis of high-resolution electric vehicle charging on time-of-use grid demands. IEEE Power Energy Soc Gen Meet, pp 1-5. doi:10.1109/PESGM.2015.7286621 10.1109/PESGM.2015.7286621
5
Jawad H.M., R. Nordin, S.K. Gharghan, A.M. Jawad, and M. Ismail 2017, Energy-efficient wireless sensor networks for precision agriculture: A review. Sensors 17:1781. doi:10.3390/s17081781 10.3390/s1708178128771214PMC5579920
6
Kang Y.K., S.W. Kang, Y. Paek, Y.H. Kim, J.K. Jang, and Y.S. Ryou 2017, Heating performance analysis of the heat pump system for agricultural facilities using the waste heat of the thermal power plant as heat source. Protected Hort Plant Fac 26:317-323. (in Korean) doi:10.12791/KSBEC.2017.26.4.317 10.12791/KSBEC.2017.26.4.317
7
Kim H.S., H.C. Kim, J.W. Jwa, and M.J. Kang 2019, Development of data acquisition system for smart farm non-intrusive load monitoring. J Inst Korean Electr Electron Eng 23:322-325. (in Korean) doi:10.7471/IKEEE.2019.23.1.322 10.7471/IKEEE.2019.23.1.322
8
Kim S.W. 2021, Design and implementation of smartfarm integrated platform. J Korean Inst Commun Inf Sci 46:2403-2410. (in Korean) doi:10.7840/kics.2021.46.12.2403 10.7840/kics.2021.46.12.2403
9
Liu J., Y. Chai, Y. Xiang, X. Zhang, S. Gou, and Y. Liu 2018, Clean energy consumption of power systems towards smart agriculture: Roadmap, bottlenecks and technologies. CSEE J Power Energy Syst 4:273-282. doi:10.17775/CSEEJPES.2017.01290 10.17775/CSEEJPES
10
Oh J., J. Lee, and E. Hong 2022, A study on research trends in the smart farm field using topic modeling and semantic network analysis. J Digit Converg 20:203-215. (in Korean) doi:10.14400/JDC.2022.20.2.203 10.14400/JDC.2022.20.2.203
11
Parson O., G. Fisher, A. Hersey, N. Batra, J. Kelly, A. Singh, W. Knottenbelt, and A. Rogers 2015, Dataport and NILMTK: A building data set designed for non-intrusive load monitoring. IEEE GlobalSIP, pp 210-214. doi:10.1109/GlobalSIP.2015.7418187 10.1109/GlobalSIP.2015.7418187
12
Rehman A., T. Saba, M. Kashif, S.M. Fati, S.A. Bahaj, and H. Chaudhry 2022, A revisit of internet of things technologies for monitoring and control strategies in smart agriculture. Agronomy 12:127. doi:10.3390/agronomy12010127 10.3390/agronomy12010127
13
Rural Development Administration (RDA) 2018, Melon: Agricultural technology guide 151. RDA, Jeonju, Korea. (in Korean)
14
Rural Development Administration (RDA) 2019, A study on productivity improvement model and gathering big data of smart farm in vegetable grown in facilities. Final report, RDA, Jeonju, Korea. (in Korean) doi:10.23000/TRKO201900016054 10.23000/TRKO201900016054
15
Shin B.H., and H.K. Jeon 2020, ICT-based smart farm design. J Converg Inf Technol 10:15-20. (in Korean) doi:10.22156/CS4SMB.2020.10.02.015 10.22156/CS4SMB.2020.10.02.015
16
Yoo N.H. 2016, Development of smart farm system for minimizing carbon emissions. J Korea Inst Electron Commun Sci 11:1231-1236. (in Korean) doi:10.13067/JKIECS.2016.11.12.1231 10.13067/JKIECS.2016.11.12.1231
페이지 상단으로 이동하기