방법론

유럽 경제 지역 (EEA) 개발자

Solar API는 1년 동안 사용자의 지붕에 도달하는 일조량을 계산합니다. 다음 요소를 고려합니다.

  • Google의 이미지 및 지도 데이터베이스
  • 특정 지붕의 3D 모델링
  • 근처 구조물과 나무로 인해 드리워진 그림자
  • 1년 동안의 태양 위치
  • 태양 에너지 생산에 영향을 미칠 수 있는 과거의 구름 및 온도 패턴

Solar API는 국립 재생에너지 연구소(NREL)의 데이터를 사용하여 송전망으로 내보낸 전력 비율을 추정합니다. 이 예상치는 총 태양광 전력 생산량과 가정에서 소비하는 총 전기량의 관계를 바탕으로 합니다. 가정에서의 전기 소비량 대비 태양광 발전 시스템 규모가 클수록 송전망으로 내보낸 태양광 전력 예상치가 높아집니다.

또한 Solar API는 옥상 태양전지판 설치에 따른 전기요금 절감액을 계산합니다. 실제 절감액은 다양한 이유로 예상 절감액과 다를 수 있습니다.

  • 성장 속도가 빠른 나무는 태양광 발전 시스템에 그늘을 드리워 시간이 지나면 발전량이 줄어들 수 있습니다.
  • 전력회사가 고객에게 청구하는 전기 요금이 변경될 수 있으며, 이에 따라 태양광 발전으로 절감되는 비용이 달라질 수 있습니다.
  • 태양광 발전 시스템을 장려하기 위한 정책 (예: 상계거래)이 변경될 수 있습니다.
  • 상계거래제를 시행하지 않는 주에서는 가정에서 소비하는 태양광 전력의 양과 송전망으로 내보내는 전력량의 차이에 따라 절감액이 달라질 수 있습니다.

데이터 소스

건축 통계

태양 에너지 발전량과 예상 절감액을 계산하기 위해 Solar API는 다음 데이터 소스를 사용합니다.

  • Google의 머신러닝 알고리즘을 사용한 이미지, 3D 모델링, 음영 계산.

  • NREL 및 Meteonorm의 기상 데이터 때로는 인근 관측소 간의 급격한 변화가 지도에 반영될 수 있습니다.

  • Clean Power Research의 전기 요금 정보

  • EnergySage 및 OpenSolar에서 집계한 익명 처리된 태양광 가격 데이터

  • 다음의 태양광 인센티브 데이터

  • Bloomberg New Energy Finance, SRECTrade, 관련 주 정부 기관의 태양광 재생 에너지 공급 인증서 (SREC) 데이터

태양 에너지 발전량 예상치는 음영, 특정 지역의 일반적인 기상 조건, 사용된 장비 등 여러 요인에 따라 달라질 수 있습니다. 또한 Solar API 매핑 데이터는 다른 기간으로부터 다른 예상치를 제공할 수 있으므로 최근에 자란 나무나 제거된 나무가 표시되지 않을 수 있습니다.

데이터 레이어

dataLayers 엔드포인트에서 반환되는 GeoTIFF는 다양한 소스의 날씨 데이터, 위성 이미지, 항공 이미지를 사용하여 생성됩니다. 데이터 레이어 GeoTIFF는 원근 왜곡을 제거하기 위해 정사 보정됩니다. 사용 가능한 레이어에 대한 자세한 내용은 GeoTIFF 파일 정보를 참고하세요.

태양광 잠재 발전량 예측기

기술적 절감 가능분에는 공급망 중단 및 송전망 통합이 제약 조건이 아니라고 가정할 때 태양광 패널에 적합한 옥상에서 생산된 전기가 포함됩니다.

기술적 절감 가능분의 정의는 다양하므로 정의에 따라 결과가 25% 이상 차이 날 수 있습니다. 기술적 잠재력에 대한 Solar API의 정의를 적용하면 설치 시 다음 기준을 충족해야 합니다.

  • 일사량: 포함된 모든 패널에서 받는 일사량은 해당 카운티 연간 최대량의 75% 이상입니다.
  • 설치 규모: 포함된 모든 지붕의 총 예상 설치 규모는 1.6kW 이상입니다.
  • 공간 및 장애물: 공간이 4제곱미터 이상인 세그먼트가 고려됩니다.

Solar API의 모델은 다음과 같이 가정합니다.

  • 각 패널은 400W(효율성 20.4%, DC-AC 경감계수 85%, 기타 요인에 대한 업계 표준 추정치)로 가정하여 산정됩니다.
  • 패널은 평면 위에 설치하는 것을 포함하여 지붕과 같은 높이로 장착되는 것으로 가정합니다.
  • 패널은 2kW~1,000kW입니다. 건물의 패널만 고려되며 주차장이나 야외 등 다른 공간의 패널은 고려되지 않습니다.

Google에서는 모델을 지속적으로 개선하고 있으므로 예상치는 변경될 수 있습니다.