KR101793149B1 - 마이크로그리드 운영 시스템 및 방법 - Google Patents

마이크로그리드 운영 시스템 및 방법 Download PDF

Info

Publication number
KR101793149B1
KR101793149B1 KR1020160030126A KR20160030126A KR101793149B1 KR 101793149 B1 KR101793149 B1 KR 101793149B1 KR 1020160030126 A KR1020160030126 A KR 1020160030126A KR 20160030126 A KR20160030126 A KR 20160030126A KR 101793149 B1 KR101793149 B1 KR 101793149B1
Authority
KR
South Korea
Prior art keywords
data
operation plan
prediction
unit
power generation
Prior art date
Application number
KR1020160030126A
Other languages
English (en)
Other versions
KR20170106703A (ko
Inventor
류광렬
Original Assignee
부산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020160030126A priority Critical patent/KR101793149B1/ko
Priority to PCT/KR2017/001063 priority patent/WO2017159982A1/ko
Publication of KR20170106703A publication Critical patent/KR20170106703A/ko
Application granted granted Critical
Publication of KR101793149B1 publication Critical patent/KR101793149B1/ko

Links

Images

Classifications

    • H02J3/383—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/386—
    • H02J2003/007—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명은 마이크로그리드 운영 시스템 및 방법에 관한 것으로, 본 발명의 마이크로그리드 운영 시스템은 디젤 발전의 운영 현황 데이터를 포함하는 로(raw) 데이터를 수신하는 정보 제공부, 상기 로 데이터를 이용하여 디젤 발전의 예측 데이터를 생성하는 예측부, 상기 예측 데이터를 이용하여 디젤 발전의 최적 운영 계획을 수립하는 운영 계획 최적화부 및 상기 운영 현황 데이터를 수집하여 상기 정보 제공부에 전달하고, 상기 운영 현황 데이터와 상기 최적 운영 계획을 사용자에게 전달하는 모니터링부를 포함하되, 상기 예측부는 상기 로 데이터를 이용하여 학습 데이터를 생성하는 학습 데이터 수집 모듈과, 상기 학습 데이터를 이용하여 예측 모델을 제공 및 갱신하는 알고리즘 제공 모듈과, 상기 로 데이터와 상기 예측 모델을 통해서 예측 데이터를 생성하는 예측 모듈을 포함한다.

Description

마이크로그리드 운영 시스템 및 방법{System and Method of operating Microgrid}
본 발명은 마이크로그리드 운영 시스템 및 방법에 관한 것이다.
마이크로그리드(Microgrid)는 기존 전력망에 정보기술(IT)을 접목해 에너지 효율을 최적화한 차세대 지능형 전력망인 스마트 그리드를 소지역 특성에 맞게 적용한 것을 말한다. 즉, 마이크로그리드는 기존의 광역적 전력시스템으로부터 독립된 분산전원을 중심으로 한 국소적인 전력공급시스템을 의미한다. 독립된 마이크로그리드는 디젤 발전 및 신재생 발전을 통해서 전력을 공급한다. 이 때, 디젤 발전기의 시간대별 발전량이 신재생 전원에 대한 발전량 예측 정보, 부하에 대한 예측량 정보에너지 저장 장치의 특성 정보 및 디젤 발전기의 특성 및 동작 상태 정보를 토대로 결정되는 경우에는 디젤 발전기의 연료비 및 유지 보수비용을 절감할 수 있다.
(선행기술문헌)
(특허문헌)
대한민국공개특허 제 10-2016-0001883 호
본 발명이 해결하고자 하는 과제는 운영비용을 최소화 하고, 블랙아웃을 방지할 수 있는 마이크로그리드 운영 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 운영비용을 최소화 하고, 블랙아웃을 방지할 수 있는 마이크로그리드 운영 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템은 디젤 발전의 운영 현황 데이터를 포함하는 로(raw) 데이터를 수신하는 정보 제공부, 상기 로 데이터를 이용하여 디젤 발전의 예측 데이터를 생성하는 예측부, 상기 예측 데이터를 이용하여 디젤 발전의 최적 운영 계획을 수립하는 운영 계획 최적화부 및 상기 운영 현황 데이터를 수집하여 상기 정보 제공부에 전달하고, 상기 운영 현황 데이터와 상기 최적 운영 계획을 사용자에게 전달하는 모니터링부를 포함하되, 상기 예측부는 상기 로 데이터를 이용하여 학습 데이터를 생성하는 학습 데이터 수집 모듈과, 상기 학습 데이터를 이용하여 예측 모델을 제공 및 갱신하는 알고리즘 제공 모듈과, 상기 로 데이터와 상기 예측 모델을 통해서 예측 데이터를 생성하는 예측 모듈을 포함한다.
상기 학습 데이터 수집 모듈은 제1 시점의 로 데이터를 이용하여 학습 데이터를 생성하고, 상기 예측 모듈은 상기 제1 시점보다 늦은 제2 시점의 로 데이터를 이용하여 학습 데이터를 생성할 수 있다.
상기 제2 시점은 현재 시점일 수 있다.
상기 로 데이터는 기상 예보 데이터, 실시간 기상 데이터 및 실시간 전력 소비 데이터 중 적어도 하나를 포함할 수 있다.
상기 기상 예보 데이터는 풍속 예보 데이터 및 일사량 예보 데이터 중 적어도 하나를 포함하고, 상기 실시간 기상 데이터는 실시간 풍속 데이터 및 실시간 일사량 데이터 중 적어도 하나를 포함할 수 있다.
상기 운영 계획 최적화부는, 복수의 후보 운영 계획을 포함하는 파퓰레이션(population)과, 상기 복수의 후보 운영 계획을 유전 연산하여 세대 교체를 수행하고, 최적 운영 계획을 선정하는 유전 연산기(Genetic operators)를 포함하되, 상기 세대 교체는 상기 복수의 후보 운영 계획을 유전 연산하여 새로운 후보 운영 계획을 상기 파퓰레이션에 추가하고, 상기 후보 운영 계획을 각각 시뮬레이션하여 평가값를 도출하고, 상기 평가값에 따라 일부의 후보 운영 계획을 상기 파퓰레이션에서 제거하는 것을 포함하고, 상기 최적 운영 계획을 선정하는 것은 상기 평가값이 가장 높은 후보 운영 계획을 최적 운영 계획으로 선정하는 것을 포함할 수 있다.
상기 유전 연산은 교배(crossover) 연산 및 돌연변이(mutation) 연산 중 적어도 하나를 포함할 수 있다.
상기 평가값은 전체 디젤 발전 비용과 블랙아웃 여부를 고려한 전력 부족 손실 비용의 합일 수 있다.
여기서, 상기 최적 운영 계획에 의해서 제어되고, 상기 모니터링부에 운영 현황 데이터를 전송하는 발전부를 더 포함할 수 있다.
상기 발전부는 디젤 발전기, 에너지 저장 시스템(Energy storage system, ESS) 및 송전 시스템을 포함할 수 있다.
상기 다른 과제를 해결하기 위한 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 방법은 정보 제공부가 디젤 발전의 운영 현황 데이터를 포함하는 로 데이터를 수신하고, 예측부가 상기 로 데이터를 이용하여 디젤 발전의 예측 데이터를 생성하고, 운영 계획 최적화부가 디젤 발전의 복수의 후보 운영 계획을 생성하고, 상기 운영 계획 최적화부가 상기 복수의 후보 운영 계획 각각을 평가하여 평가값을 도출하고, 미리 설정된 횟수 또는 제한 시간을 초과하지 않은 경우, 상기 운영 계획 최적화부가 상기 평가값에 따라 상기 후보 운영 계획을 갱신하고, 갱신된 상기 후보 운영 계획의 평가값을 도출하고, 상기 미리 설정된 횟수 또는 제한 시간을 초과한 경우, 상기 운영 계획 최적화부가 상기 평가값을 이용하여 상기 후보 운영 계획 중 최적 운영 계획을 선정하고, 상기 운영 계획 최적화부가 상기 최적 운영 계획에 따라 발전부를 제어하는 것을 포함한다.
상기 평가값을 도출하는 것은, 상기 후보 운영 계획에서 단위 시간별 발전량을 획득하고, 상기 단위 시간별 발전량에 따라 블랙아웃 발생 여부를 확정하고, 상기 단위 시간별 발전량 및 블랙아웃 발생 여부에 따라 총 비용을 산출하는 것을 포함할 수 있다.
상기 블랙아웃 발생 여부를 확정하는 것은, 에너지 저장 시스템의 충방전 상태를 결정하는 것을 포함할 수 있다.
상기 예측 데이터를 생성하는 것은, 학습 데이터 수집 모듈이 상기 로 데이터를 수집하여 학습 데이터를 생성하고, 알고리즘 제공 모듈이 상기 학습 데이터를 이용하여 예측 모델을 제공 및 갱신하고, 예측 모듈이 상기 로 데이터와 상기 예측 모델을 통해서 예측 데이터를 생성하는 것을 포함할 수 있다.
상기 최적 운영 계획을 선정하는 것은, 미리 설정된 간격마다 상기 최적 운영 계획을 다시 선정하는 것을 포함할 수 있다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 실시예들에 의하면 적어도 다음과 같은 효과가 있다.
즉, 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템 및 방법은 독립형 마이크로 그리드의 주 에너지원인 신재생 발전의 변동 폭에 대응하여 보조적인 디젤 발전량을 정밀하게 예측할 수 있다. 즉, 신재생 발전의 경우 날씨 등의 기상 상황에 따라 발전의 변동 폭이 매우 크므로, 신재생 에너지의 예상 발전량을 보수적으로 적게 잡으면 디젤 발전량이 과도해져서 운영 비용이 증가하고, 신재생 에너지의 예상 발전량을 과도하게 잡을 경우 부하 전력을 감당하지 못해 전원 공급이 중단되는 블랙아웃 현상이 발생할 수 있다.
따라서, 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템 및 방법은 신재생 에너지의 예상 발전량을 정밀하게 예측하고, 디젤 발전량을 정밀하게 지정함으로써, 독립형 마이크로그리드의 운영 비용을 최소화하면서 블랙아웃을 방지할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템을 설명하기 위한 블록도이다.
도 2는 도 1의 예측부를 세부적으로 설명하기 위한 블록도이다.
도 3은 도 1의 운영 계획 최적화부를 세부적으로 설명하기 위한 블록도이다.
도 4는 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템의 후보 운영 계획의 해 표현을 나타낸 도면이다.
도 5는 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템의 최적 운영 계획 선정의 반복을 설명하기 위한 도면이다.
도 6은 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 방법을 설명하기 위한 순서도이다.
도 7은 도 6의 후보 운영 계획을 평가하는 단계를 세부적으로 설명하기 위한 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
비록 제1, 제2 등이 다양한 소자, 구성요소 및/또는 섹션들을 서술하기 위해서 사용되나, 이들 소자, 구성요소 및/또는 섹션들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자, 구성요소 또는 섹션들을 다른 소자, 구성요소 또는 섹션들과 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자, 제1 구성요소 또는 제1 섹션은 본 발명의 기술적 사상 내에서 제2 소자, 제2 구성요소 또는 제2 섹션일 수도 있음은 물론이다.
소자(elements) 또는 층이 다른 소자 또는 층의 "위(on)" 또는 "상(on)"으로 지칭되는 것은 다른 소자 또는 층의 바로 위뿐만 아니라 중간에 다른 층 또는 다른 소자를 개재한 경우를 모두 포함한다. 반면, 소자가 "직접 위(directly on)" 또는 "바로 위"로 지칭되는 것은 중간에 다른 소자 또는 층을 개재하지 않은 것을 나타낸다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 소자 또는 구성 요소들과 다른 소자 또는 구성 요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 소자의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 소자를 뒤집을 경우, 다른 소자의 "아래(below 또는 beneath)"로 기술된 소자는 다른 소자의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 소자는 다른 방향으로도 배향될 수 있으며, 이 경우 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
도 1 내지 도 5를 참고하여, 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템을 설명한다.
도 1은 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템을 설명하기 위한 블록도이고, 도 2는 도 1의 예측부를 세부적으로 설명하기 위한 블록도이다. 도 3은 도 1의 운영 계획 최적화부를 세부적으로 설명하기 위한 블록도이고, 도 4는 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템의 후보 운영 계획의 해 표현을 나타낸 도면이다. 도 5는 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템의 최적 운영 계획 선정의 반복을 설명하기 위한 도면이다.
도 1을 참고하면, 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 시스템은 정보 제공부(100), 예측부(200), 운영 계획 최적화부(300), 발전부(400) 및 모니터링부(500)를 포함한다.
정보 제공부(100)는 로(Raw data)를 수신할 수 있다. 정보 제공부(100)는 상기 로 데이터를 수신하고, 이를 예측부(200)에 전달할 수 있다. 상기 로 데이터는 기상 예보 데이터, 실시간 기상 데이터 및 실시간 전력 소비 데이터 중 적어도 하나를 포함할 수 있다. 상기 기상 예보 데이터는 풍속 예보 데이터 및 일사량 예보 데이터를 포함할 수 있다. 상기 실시간 기상 데이터는 실시간 풍속 데이터 및 실시간 일사량 데이터를 포함할 수 있다.
상기 로 데이터는 또한, 운영 현황 데이터를 포함할 수 있다. 상기 운영 현황 데이터는 모니터링부(500)로부터 정보 제공부(100)로 전송될 수 있다. 단, 이에 제한되는 것은 아니다. 즉, 상기 운영 현황 데이터는 모니터링부(500)를 거치지 않고 바로 발전부(400)로부터 전송될 수 있다.
상기 운영 현황 데이터는 디젤 발전기 현황 데이터, 에너지 저장 장치(Energy storage system, ESS) 현황 데이터 및 송전 현황 데이터를 포함할 수 있다.
상기 로 데이터는 과거 이력 데이터와 현재 시점의 데이터를 포함할 수 있다. 즉, 상기 로 데이터는 과거 기상 변화 이력 데이터와 과거의 시간대별 전력 소비 이력 데이터를 포함할 수 있다.
정보 제공부(100)는 상기 로 데이터를 예측부(200)가 필요로 하는 형식으로 가공하여 예측부(200)에 전송할 수 있다. 단, 이에 제한되는 것은 아니고, 상기 로 데이터가 예측부(200)에 그대로 전송되고, 예측부(200)에서 상기 로 데이터가 필요한 형식으로 가공될 수 있다.
정보 제공부(100)는 미리 지정된 간격마다 혹은 실시간으로 상기 로 데이터를 갱신할 수 있다. 즉, 현재 시점의 새로운 데이터를 이용하여 상기 로 데이터가 업데이트 될 수 있다.
예측부(200)는 상기 로 데이터를 정보 제공부(100)로부터 제공받을 수 있다. 예측부(200)는 상기 로 데이터를 이용하여 예측 데이터를 생성할 수 있다. 예측부(200)는 예측 데이터를 운영 계획 최적화부(300)로 전송할 수 있다.
상기 예측 데이터는 예측 기상 데이터 및 예측 전력 소비 데이터를 포함할 수 있다. 상기 예측 데이터는 미리 설정된 간격마다 혹은 실시간으로 지속적으로 갱신될 수 있다.
운영 계획 최적화부(300)는 예측부(200)로부터 상기 예측 데이터를 받을 수 있다. 운영 계획 최적화부(300)는 상기 예측 데이터를 이용하여 디젤 발전의 최적 운영 계획을 수립할 수 있다. 상기 최적 운영 계획은 디젤 발전기(410), 에너지 저장 시스템(ESS)(420) 및 송전 시스템(430)의 운영 계획일 수 있다. 즉, 상기 최적 운영 계획에 따라 발전부(400)가 제어될 수 있다.
발전부(400)는 실제로 전력을 생산할 수 있다. 발전부(400)는 디젤 발전기(410), 에너지 저장 시스템(420) 및 송전 시스템(430)을 포함할 수 있다. 발전부(400)는 운영 현황 데이터를 생성할 수 있다. 발전부(400)의 상기 운영 현황 데이터는 각각 디젤 발전기(410), 에너지 저장 시스템(420) 및 송전 시스템(430)의 운영 현황 데이터일 수 있다. 즉, 운영 현황 데이터는 디젤 발전기 현황 데이터, 에너지 저장 시스템 현황 데이터 및 송전 시스템 현황 데이터를 포함할 수 있다. 상기 운영 현황 데이터는 모니터링부(500)로 전송될 수 있다. 또는 상기 운영 현황 데이터는 모니터링부(500)를 거치지 않고, 바로 정보 제공부(100)로 전송될 수도 있다.
디젤 발전기(410)는 디젤을 이용하여 전력을 생산할 수 있다. 디젤 발전기(410)는 신재생 에너지를 주로 사용하는 마이크로그리드 시스템에서 변동폭이 큰 신재생 에너지를 보충하는 에너지 원으로 사용될 수 있다. 디젤 발전기(410)는 디젤 발전기 현황 데이터를 모니터링부(500)로 전송할 수 있다. 디젤 발전기(410)는 운영 계획 최적화부(300)의 상기 최적 운영 계획에 의해서 제어될 수 있다.
에너지 저장 시스템(420)은 발전된 전력을 저장하는 장치일 수 있다. 에너지 저장 시스템(420)에 저장된 에너지가 전력 소비보다 작으면 마이크로그리드 시스템은 블랙 아웃이 발생할 수 있다. 에너지 저장 시스템(420)은 에너지 저장 시스템 현황 데이터를 모니터링부(500)로 전송할 수 있다. 에너지 저장 시스템(420)은 운영 계획 최적화부(300)의 상기 최적 운영 계획에 의해서 제어될 수 있다.
송전 시스템(430)은 발전된 에너지 혹은 전력을 전력이 필요한 곳으로 전송하는 시스템일 수 있다. 송전 시스템(430)은 송전 시스템 현황 데이터를 모니터링부(500)로 전송할 수 있다. 송전 시스템(430)은 운영 계획 최적화부(300)의 상기 최적 운영 계획에 의해서 제어될 수 있다.
모니터링부(500)는 발전부(400)로부터 운영 현황 데이터를 전송 받을 수 있다. 모니터링부(500)는 사용자(10)에게 상기 운영 현황 데이터 및 상기 최적 운영 계획을 제공할 수 있다. 모니터링부(500)는 상기 운영 현황 데이터를 정보 제공부(100)로 전송할 수 있다. 모니터링부(500)는 상기 운영 현황 데이터 및 최적 운영 계획을 전자 신호 형태로 사용자에게 제공할 수 있다. 단, 이에 제한되는 것은 아니다.
도 2를 참조하면, 예측부(200)는 데이터 가공 모듈(210), 학습 데이터 수집 모듈(220), 알고리즘 제공 모듈(230), 예측 모듈(240) 및 발전기 에뮬레이터(250)를 포함할 수 있다.
데이터 가공 모듈(210)은 로 데이터를 가공할 수 있다. 데이터 가공 모듈(210)은 상기 로 데이터를 추후에 예측 모듈(240)과 알고리즘 제공 모듈(230)이 필요한 형식으로 가공할 수 있다. 데이터 가공 모듈(210)은 로 데이터 중 현재 시점의 데이터를 가공하여 예측 모듈(240)로 보낼 수 있다. 또한, 데이터 가공 모듈(210)은 로 데이터 중 과거 시점의 이력 데이터를 가공하여 학습 데이터 수집 모듈(220)로 전송할 수 있다.
학습 데이터 수집 모듈(220)은 상기 로 데이터를 이용하여 학습 데이터를 생성할 수 있다. 상기 학습 데이터는 알고리즘 제공 모듈(230)에 제공되어 알고리즘의 예측 모델을 갱신하는 데에 사용될 수 있다. 상기 학습 데이터는 로 데이터 중 과거 이력 데이터를 이용하여 생성될 수 있다. 상기 학습 데이터는 로 데이터 중 모델 학습에 적합한 데이터 만을 선별해서 생성될 수 있다.
알고리즘 제공 모듈(230)은 상기 학습 데이터를 학습 데이터 수집 모듈(220)로부터 전송 받을 수 있다. 알고리즘 제공 모듈(230)은 상기 학습 데이터를 기반으로 기계 학습 알고리즘을 적용하여 예측 모델을 형성하고 이를 갱신할 수 있다. 상기 기계 학습 알고리즘은 k-Nearest Neighbor 알고리즘일 수 있다. 단, 이에 제한되는 것은 아니다. 알고리즘 제공 모듈(230)은 예측 모델을 갱신하여 예측 모듈(240)에 제공할 수 있다.
예측 모듈(240)은 데이터 가공 모듈(210)이 제공하는 현재 시점의 가공된 로 데이터와 알고리즘 제공 모듈(230)이 갱신하여 제공하는 예측 모델을 이용하여 예측 데이터를 생성할 수 있다.
상기 예측 데이터는 풍속/일사량 예측 데이터 및 소비 전력량 예측 데이터를 포함할 수 있다. 상기 소비 전력량 예측 데이터는 운영 계획 최적화부(300)로 전송될 수 있다.
발전기 에뮬레이터(250)는 풍력 발전기 및 태양광 발전기의 에뮬레이터일 수 있다. 발전기 에뮬레이터(250)는 상기 풍속/일사량 예측 데이터를 이용하여 풍력/태양광 발전량 예측 데이터를 생성할 수 있다. 즉, 발전기 에뮬레이터(250)는 풍속과 일사량의 데이터를 이용하여 풍력 발전기 및 태양광 발전기의 신재생 에너지의 실제 발전량을 예측할 수 있다. 발전기 에뮬레이터(250)는 운영 계획 최적화부(300)에 상기 풍력/태양광 발전량 예측 데이터를 전송할 수 있다.
도 3을 참고하면, 운영 계획 최적화부(300)는 풍력/태양광 발전량 예측 데이터, 소비 전력량 예측 데이터, 에너지 저장 시스템 현황 데이터 및 디젤 발전기 현황 데이터를 수신할 수 있다. 운영 계획 최적화부(300)는 파퓰레이션(310) 및 유전 연산기(320)를 포함할 수 있다.
파퓰레이션(310)은 내부에 복수의 후보 운영 계획(311a, 311b)을 포함할 수 있다. 파퓰레이션(310)의 내부의 후보 운영 계획(311a, 311b)은 각각의 단위 시간당 디젤 발전기(410)의 발전량을 포함할 수 있다. 후보 운영 계획(311a, 311b)은 초기에는 임의로 생성될 수 있다.
유전 연산기(320)는 파퓰레이션(310) 내의 후보 운영 계획(311a, 311b)을 평가할 수 있다. 즉, 유전 연산기(320)는 파퓰레이션(310) 내의 각각의 후보 운영 계획(311a, 311b)들의 평가값을 도출할 수 있다. 상기 평가값은 디젤 발전기(410)의 운영 비용 및 블랙 아웃 여부를 고려하여 결정된다. 상기 평가값에 대해서는 추후에 자세히 설명한다.
유전 연산기(320)는 상기 평가값을 이용하여, 파퓰레이션(310) 내부의 후보 운영 계획을 유전 연산을 통해서 세대 교체할 수 있다. 상기 유전 연산은 교배(crossover) 및 돌연변이(mutation) 중 적어도 하나를 포함할 수 있다.
교배란, 2개의 후보 운영 계획(311a, 311b)의 기호열 등을 교차시켜 새로운 후보 운영 계획(311a, 311b)을 생성하는 것을 말한다. 단, 이에 제한되지 않고, 2개뿐만 아니라 3개 이상의 후보 운영 계획(311a, 311b)의 기호열 등을 교차하여 새로운 후보 운영 계획(311a, 311b)을 생성할 수도 있다. 즉, 기존의 후보 운영 계획(311a, 311b)을 부모로 하는 새로운 자식을 형성하는 방식일 수 있다. 본 발명의 몇몇 실시예에 따른 마이크로그리드 시스템에서는 예를 들어, SBX(Simulated Binary Crossover) 연산을 수행할 수 있다. 단, 이에 제한되는 것은 아니다.
돌연변이란, 하나의 후보 운영 계획(311a, 311b)의 기호열의 적어도 일부를 순서 혹은 임의로 변경시켜 다른 후보 운영 계획(311a, 311b)을 생성하는 방식을 말한다. 이러한 돌연변이 연산은 교배에 의해서 전체 후보 운영 계획(311a, 311b)이 하나의 지역 최적해에 빠져드는 것을 방지할 수 있다. 본 발명의 몇몇 실시예에 따른 마이크로그리드 시스템에서는 예를 들어, PM(Polynomial Mutation) 연산을 수행할 수 있다. 단, 이에 제한되는 것은 아니다.
유전 연산기(320)는 이렇게 새로이 형성된 후보 운영 계획(311a, 311b)을 다시 평가하여 평가값을 도출할 수 있다. 이 때, 평가값에 기초하여, 평가값이 특정 기준 이상인 후보 운영 계획(311b)를 파퓰레이션(310) 내부에 유지하고, 평가값이 특정 기준 이하인 후보 운영 계획(311a)을 파퓰레이션(310)에서 제거할 수 있다. 이렇듯이 유전 연산기(320)의 유전 연산을 통해서, 평가값이 높은 후보 운영 계획(311a, 311b)의 집단으로 갱신되는 것을 세대 교체라고 한다.
유전 연산기(320)는 상기 세대 교체를 여러 번 반복할 수 있다. 즉, 미리 설정된 횟수를 만족하거나 미리 설정된 제한 시간을 초과한 경우에 세대 교체의 수행을 마칠수 있다. 상기 세대 교체의 수행이 끝난 시점에서, 상기 평가값이 가장 높은 후보 운영 계획(311a, 311b)이 최적 운영 계획으로 선정될 수 있다. 즉, 운영 계획 최적화부(300)는 상기 평가값이 가장 높은 후보 운영 계획(311a, 311b)이 최적 운영 계획으로 선정할 수 있다.
도 4를 참고하면, 상기 후보 운영 계획(311a, 311b)은 도 4의 해 표현으로 표현될 수 있다. 도 4의 해 표현은 keo의 디젤 발전기의 h분 후까지의 발전 계획을 나타내고 있다. 반드시 이에 제한되는 것은 아니지만, 후보 운영 계획(311a, 311b)은 각 디젤 발전기(410)별 분당 출력 변화량을 최대 분당 허용치를 기준으로 -1~1의 값으로 정규화한 값일 수 있다.
예를 들어, Dt,1의 값이 0.5이면 각 디젤 발전기의 분당 출력 변화 허용치가 100KW일 때, 50KW를 증가시키라는 뜻이 된다.
다시, 도 3을 참고하면, 도 4와 같은 형식의 후보 운영 계획(311a, 311b)을 형성한 후에는 유전 연산기(320)가 후보 운영 계획(311a, 311b)을 평가할 수 있다. 이 때, 평가값은 수학식 1과 같을 수 있다.
Figure 112016024108174-pat00001
여기서, C는 평가값이고, α는 블랙아웃방지를 위한 추가 손실 계수일 수 있다.
Figure 112016024108174-pat00002
이 때, CDG는 총 디젤 발전 비용이고, PDG,i,j는 i번째 디젤 발전기의 j 번째 단위 시간별 발전량이다. N은 총 발전기 대수, H는 계획 시점을 나타낸다. a, b 및 c는 실수 계수이다.
Figure 112016024108174-pat00003
이 때, LCDG는 전력 부족 손실 비용이고, LDG,i,j는 i번째 디젤 발전기의 j 번째 단위 시간별 필요 발전량이다. N은 총 발전기 대수, H는 계획 시점을 나타낸다. LDG,i,j는 소비 전력량 예측 데이터에서 PDG,i,j를 뺀 값일 수 있다.
유전 연산기(320)는 상기 수학식 1 내지 3을 이용하여 평가값 C를 도출할 수 있다. 이에 따라, 평가값 C가 가장 높은 최적 운영 계획이 선정될 수 있다.
도 5를 참조하면, 본 발명의 몇몇 실시예에 따른 마이크로그리드 시스템은 최적 운영 계획이 선정되어도 미리 정해진 시간(t분) 마다 최적 운영 계획을 새로이 선정하고 적용할 수 있다. 즉, 디젤 발전의 운영 계획 기간(P1~P4)은 t분 마다 새로이 시작될 수 있다. 이는 전력 수급량의 예측값을 기준으로 수립된 것이므로, 실제 전력 수급과 예측값의 괴리가 큰 경우 블랙 아웃이나 디젤 발전기(410)의 덤프 로드가 발생할 위험성을 줄이기 위함이다. 즉, 미리 정해진 시간(t분)마다 최적 운영 계획을 새로이 선정함으로써, 전력 수급의 예상치 못한 불균형에 대처할 수 있다.
이하,도 1 내지 도 7을 참고하여, 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 방법을 설명한다. 상술한, 마이크로그리드 운영 시스템의 설명과 중복되는 부분은 간략히 하거나 생략한다.
도 6은 본 발명의 몇몇 실시예에 따른 마이크로그리드 운영 방법을 설명하기 위한 순서도이고, 도 7은 도 6의 후보 운영 계획을 평가하는 단계를 세부적으로 설명하기 위한 순서도이다.
도 3 및 도 6을 참조하면, 후보 운영 발전 계획을 생성한다(S100).
파퓰레이션(310)은 내부에 복수의 후보 운영 계획(311a, 311b)을 포함할 수 있다. 파퓰레이션(310)의 내부의 후보 운영 계획(311a, 311b)은 각각의 단위 시간당 디젤 발전기(410)의 발전량을 포함할 수 있다. 후보 운영 계획(311a, 311b)은 초기에는 임의로 생성될 수 있다.
이어서, 후보 운영 계획을 평가한다(S200).
유전 연산기(320)는 파퓰레이션(310) 내의 후보 운영 계획(311a, 311b)을 평가할 수 있다. 즉, 유전 연산기(320)는 파퓰레이션(310) 내의 각각의 후보 운영 계획(311a, 311b)들의 평가값을 도출할 수 있다. 상기 평가값은 디젤 발전기(410)의 운영 비용 및 블랙 아웃 여부를 고려하여 결정된다.
도 3 및 도 7을 참고하면, 후보 운영 계획을 평가단계(S200)는 세부적으로 설명될 수 있다.
먼저, 유전 연산기(320)는 디젤 발전기/에너지 저장 시스템의 운영 현황 데이터와, 전력 수급 예측치를 수신한다(S210).
이어서, 유전 연산기(320)는 파퓰레이션(310)으로부터 후보 운영 계획(311a, 311b)을 수신한다(S220).
이어서, 유전 연산기(320)는 상기 후보 운영 계획(311a, 311b)으로부터 각 시점별 디젤 발전량, 에너지 저장 시스템 충/방전량 및 블랙아웃 발생 여부를 결정한다(S230).
이 때, 각 시점별 디젤 발전량은 도 4와 같이 후보 운영 계획(311a, 311b)에 표현되어 있다. 에너지 저장 시스템 충/방전량은 수학식 4와 같이 표현된다.
Figure 112016024108174-pat00004
여기서, PESS는 에너지 저장 시스템 충/방전량이고, 0보다 클 경우 에너지 저장 시스템으로부터 방전이, 0보다 작을 경우 에너지 저장 시스템으로 충전이 이루어 질 수 있다. L은 전력 수요이고, PW는 풍력 발전량, PPV는 태양광 발전량이다. PDG는 디젤 발전량이다.
Figure 112016024108174-pat00005
여기서, ESSt + 1는 t+1 시점의 에너지 저장 시스템 충전량이고, ESSt는 t시점의 에너지 저장 시스템 충전량이다. PESS는 에너지 저장 시스템의 충/방전량이다.
이 때, ESSt +1가 0이하인 경우 블랙아웃이 발생하고, ESSt +1이 ESSMAX를 이상이 되면 덤프 로드가 발생한다.
이어서, 후보 운영 계획 내의 각 시점별 디젤 발전량 및 블랙 아웃 발생 여부에 따른 운영 비용을 계산한다(S240).
이는 상술한 수학식 1을 참고하여 계산할 수 있다. 이 때, 수학식 1의 α는 블랙아웃발생 여부에 따라 달라질 수 있다.
다시, 도 3 및 도 6을 참조하면, 지정된 평가 횟수나 제한 시간을 초과했는지를 판단한다(S300).
만일 지정된 평가 횟수나 제한 시간을 초과하지 않은 경우에는, 상기 평가를 기초로 후보 운영 계획을 갱신한다(S400).
상기 갱신은 유전 연산에 따른 세대 교체를 의미할 수 있다. 즉, 유전 연산기(320)는 상기 평가값을 이용하여, 파퓰레이션(310) 내부의 후보 운영 계획을 유전 연산을 통해서 세대 교체할 수 있다. 상기 유전 연산은 교배(crossover) 및 돌연변이(mutation) 중 적어도 하나를 포함할 수 있다.
유전 연산기(320)는 이렇게 새로이 형성된 후보 운영 계획(311a, 311b)을 다시 평가하여 평가값을 도출할 수 있다. 이 때, 평가값에 기초하여, 평가값이 특정 기준 이상인 후보 운영 계획(311b)를 파퓰레이션(310) 내부에 유지하고, 평가값이 특정 기준 이하인 후보 운영 계획(311a)을 파퓰레이션(310)에서 제거할 수 있다. 이렇듯이 유전 연산기(320)의 유전 연산을 통해서, 평가값이 높은 후보 운영 계획(311a, 311b)의 집단으로 갱신되는 것을 세대 교체라고 한다.
만일 지정된 평가 횟수나 제한 시간을 초과한 경우에는, 후보 운영 계획 중 평가값을 이용하여 최적 운영 계획을 선정한다(S500).
유전 연산기(320)는 상기 세대 교체를 여러 번 반복할 수 있다. 즉, 미리 설정된 횟수를 만족하거나 미리 설정된 제한 시간을 초과한 경우에 세대 교체의 수행을 마칠수 있다. 상기 세대 교체의 수행이 끝난 시점에서, 상기 평가값이 가장 높은 후보 운영 계획(311a, 311b)이 최적 운영 계획으로 선정될 수 있다. 즉, 운영 계획 최적화부(300)는 상기 평가값이 가장 높은 후보 운영 계획(311a, 311b)이 최적 운영 계획으로 선정할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
10: 사용자
100: 정보 제공부
200: 예측부
300: 운영 계획 최적화부
400: 발전부
410: 디젤 발전기
420: 에너지 저장 시스템
430: 송전 시스템
500: 모니터링부

Claims (15)

  1. 디젤 발전의 운영 현황 데이터를 포함하는 로(raw) 데이터를 수신하는 정보 제공부;
    상기 로 데이터를 이용하여 디젤 발전의 예측 데이터를 생성하는 예측부;
    상기 예측 데이터를 이용하여 디젤 발전의 최적 운영 계획을 수립하는 운영 계획 최적화부; 및
    상기 운영 현황 데이터를 수집하여 상기 정보 제공부에 전달하고, 상기 운영 현황 데이터와 상기 최적 운영 계획을 사용자에게 전달하는 모니터링부를 포함하되,
    상기 예측부는 상기 로 데이터를 이용하여 학습 데이터를 생성하는 학습 데이터 수집 모듈과,
    상기 학습 데이터를 이용하여 예측 모델을 제공 및 갱신하는 알고리즘 제공 모듈과,
    상기 로 데이터와 상기 예측 모델을 통해서 예측 데이터를 생성하는 예측 모듈을 포함하고,
    상기 로 데이터는 기상 예보 데이터, 실시간 기상 데이터 및 실시간 전력 소비 데이터를 포함하고,
    상기 운영 계획 최적화부는,
    복수의 후보 운영 계획을 포함하는 파퓰레이션(population)과,
    상기 복수의 후보 운영 계획을 유전 연산하여 세대 교체를 수행하고, 최적 운영 계획을 선정하는 유전 연산기(Genetic operators)를 포함하되,
    상기 세대 교체는 상기 복수의 후보 운영 계획을 유전 연산하여 새로운 후보 운영 계획을 상기 파퓰레이션에 추가하고, 상기 후보 운영 계획을 각각 시뮬레이션하여 평가값를 도출하고, 상기 평가값에 따라 일부의 후보 운영 계획을 상기 파퓰레이션에서 제거하는 것을 포함하고,
    상기 최적 운영 계획을 선정하는 것은 상기 평가값이 가장 높은 후보 운영 계획을 최적 운영 계획으로 선정하는 것을 포함하고,
    상기 평가값은 하기 (1) 내지 (3)식에 의해서 도출되는 마이크로그리드 운영 시스템.
    (1) 평가값= CDG + α× LCDG
    (2)
    Figure 112016126016298-pat00013

    (3)
    Figure 112016126016298-pat00014

    여기서, α는 블랙아웃방지를 위한 추가 손실 계수이고, PDG,i,j는 i번째 디젤 발전기의 j 번째 단위 시간별 발전량이고, N은 총 발전기 대수이고, H는 계획 시점이고, a, b 및 c는 실수 계수이고, LDG,i,j는 상기 실시간 전력 소비 데이터에서 PDG,i,j를 뺀 값이다.
  2. 제1 항에 있어서,
    상기 학습 데이터 수집 모듈은 제1 시점의 로 데이터를 이용하여 학습 데이터를 생성하고,
    상기 예측 모듈은 상기 제1 시점보다 늦은 제2 시점의 로 데이터를 이용하여 학습 데이터를 생성하는 마이크로그리드 운영 시스템.
  3. 제2 항에 있어서,
    상기 제2 시점은 현재 시점인 마이크로그리드 운영 시스템.
  4. 삭제
  5. 제1 항에 있어서,
    상기 기상 예보 데이터는 풍속 예보 데이터 및 일사량 예보 데이터 중 적어도 하나를 포함하고,
    상기 실시간 기상 데이터는 실시간 풍속 데이터 및 실시간 일사량 데이터 중 적어도 하나를 포함하는 마이크로그리드 운영 시스템.
  6. 삭제
  7. 제1 항에 있어서,
    상기 유전 연산은 교배(crossover) 연산 및 돌연변이(mutation) 연산 중 적어도 하나를 포함하는 마이크로그리드 운영시스템.
  8. 제1 항에 있어서,
    상기 평가값은 전체 디젤 발전 비용과 블랙아웃 여부를 고려한 전력 부족 손실 비용의 합인 마이크로그리드 운영시스템.
  9. 제1 항에 있어서,
    상기 최적 운영 계획에 의해서 제어되고, 상기 모니터링부에 운영 현황 데이터를 전송하는 발전부를 더 포함하는 마이크로그리드 운영시스템.
  10. 제9 항에 있어서,
    상기 발전부는 디젤 발전기, 에너지 저장 시스템(Energy storage system, ESS) 및 송전 시스템을 포함하는 마이크로그리드 운영시스템.
  11. 정보 제공부가 디젤 발전의 운영 현황 데이터를 포함하는 로 데이터를 수신하되, 상기 로 데이터는 기상 예보 데이터, 실시간 기상 데이터 및 실시간 전력 소비 데이터를 포함하고,
    예측부가 상기 로 데이터를 이용하여 디젤 발전의 예측 데이터를 생성하고,
    운영 계획 최적화부가 디젤 발전의 복수의 후보 운영 계획을 생성하고,
    상기 운영 계획 최적화부가 상기 복수의 후보 운영 계획 각각을 평가하여 평가값을 도출하고,
    미리 설정된 횟수 또는 제한 시간을 초과하지 않은 경우, 상기 운영 계획 최적화부가 상기 평가값에 따라 상기 후보 운영 계획을 갱신하고, 갱신된 상기 후보 운영 계획의 평가값을 도출하고, 상기 미리 설정된 횟수 또는 제한 시간을 초과한 경우, 상기 운영 계획 최적화부가 상기 평가값을 이용하여 상기 후보 운영 계획 중 최적 운영 계획을 선정하고,
    상기 운영 계획 최적화부가 상기 최적 운영 계획에 따라 발전부를 제어하는 것을 포함하되,
    상기 평가값은 하기 (1) 내지 (3)식에 의해서 도출되는 마이크로그리드 운영 방법.
    (1) 평가값= CDG + α× LCDG
    (2)
    Figure 112016126016298-pat00015

    (3)
    Figure 112016126016298-pat00016

    여기서, α는 블랙아웃방지를 위한 추가 손실 계수이고, PDG,i,j는 i번째 디젤 발전기의 j 번째 단위 시간별 발전량이고, N은 총 발전기 대수이고, H는 계획 시점이고, a, b 및 c는 실수 계수이고, LDG,i,j는 상기 실시간 전력 소비 데이터에서 PDG,i,j를 뺀 값이다.
  12. 삭제
  13. 삭제
  14. 제11 항에 있어서,
    상기 예측 데이터를 생성하는 것은,
    학습 데이터 수집 모듈이 상기 로 데이터를 수집하여 학습 데이터를 생성하고,
    알고리즘 제공 모듈이 상기 학습 데이터를 이용하여 예측 모델을 제공 및 갱신하고,
    예측 모듈이 상기 로 데이터와 상기 예측 모델을 통해서 예측 데이터를 생성하는 것을 포함하는 마이크로그리드 운영 방법.
  15. 제11 항에 있어서,
    상기 최적 운영 계획을 선정하는 것은,
    미리 설정된 간격마다 상기 최적 운영 계획을 다시 선정하는 것을 포함하는 마이크로그리드 운영 방법.
KR1020160030126A 2016-03-14 2016-03-14 마이크로그리드 운영 시스템 및 방법 KR101793149B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160030126A KR101793149B1 (ko) 2016-03-14 2016-03-14 마이크로그리드 운영 시스템 및 방법
PCT/KR2017/001063 WO2017159982A1 (ko) 2016-03-14 2017-02-01 마이크로그리드 운영 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160030126A KR101793149B1 (ko) 2016-03-14 2016-03-14 마이크로그리드 운영 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20170106703A KR20170106703A (ko) 2017-09-22
KR101793149B1 true KR101793149B1 (ko) 2017-11-02

Family

ID=59851938

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160030126A KR101793149B1 (ko) 2016-03-14 2016-03-14 마이크로그리드 운영 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR101793149B1 (ko)
WO (1) WO2017159982A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107834603B (zh) * 2017-11-29 2021-07-30 上海电气风电集团股份有限公司 一种风电场机组网络化实时控制方法和系统
KR102194002B1 (ko) * 2018-08-02 2020-12-22 한국에너지기술연구원 최적 물리 학습모델과 기계학습을 이용한 에너지 운영관리 시스템
KR102274076B1 (ko) * 2019-05-14 2021-07-08 효성중공업 주식회사 독립형 마이크로그리드 및 그 엔진 발전 제어 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005130550A (ja) * 2003-10-21 2005-05-19 Nippon Telegr & Teleph Corp <Ntt> 分散型エネルギーシステム運転計画作成装置および作成方法
JP2011130584A (ja) * 2009-12-17 2011-06-30 Fuji Electric Systems Co Ltd 発電計画作成方法および発電計画作成システム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101277876B1 (ko) * 2011-08-18 2013-06-28 주식회사 포스코아이씨티 신재생에너지 관리시스템 및 방법
KR101545136B1 (ko) * 2013-11-28 2015-08-24 한국전기연구원 독립형 마이크로 그리드의 발전기 출력 제어 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005130550A (ja) * 2003-10-21 2005-05-19 Nippon Telegr & Teleph Corp <Ntt> 分散型エネルギーシステム運転計画作成装置および作成方法
JP2011130584A (ja) * 2009-12-17 2011-06-30 Fuji Electric Systems Co Ltd 発電計画作成方法および発電計画作成システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Isolated Microgrid의 안정적인 운영을 위한 디젤 발전기와 ESS의 계획 수립 방안(2015.06.)

Also Published As

Publication number Publication date
WO2017159982A1 (ko) 2017-09-21
KR20170106703A (ko) 2017-09-22

Similar Documents

Publication Publication Date Title
Lara et al. Robust energy management of isolated microgrids
Olivares et al. Stochastic-predictive energy management system for isolated microgrids
Sanseverino et al. An execution, monitoring and replanning approach for optimal energy management in microgrids
JP4245583B2 (ja) 分散型エネルギーシステムの制御装置、制御方法、プログラム、および記録媒体
CN110298138B (zh) 一种综合能源系统优化方法、装置、设备及可读存储介质
US9489701B2 (en) Adaptive energy management system
US9026259B2 (en) Power generation optimization in microgrid including renewable power source
US20140350743A1 (en) Tiered power management system for microgrids
JP4064334B2 (ja) エネルギーシステムの制御装置および制御方法
Fu et al. A short-term preventive maintenance scheduling method for distribution networks with distributed generators and batteries
CN107453396B (zh) 一种分布式光伏电源出力的多目标优化调度方法
CN107147146B (zh) 一种基于联合多微网的分布式能量管理优化方法及装置
KR101793149B1 (ko) 마이크로그리드 운영 시스템 및 방법
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
Xu et al. Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation
Yan et al. Development of a tool for urban microgrid optimal energy planning and management
CA3162838A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
CN112651634A (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
Qayyum et al. Predictive optimization based energy cost minimization and energy sharing mechanism for peer-to-peer nanogrid network
Pinto et al. Coping with wind power uncertainty in unit commitment: A robust approach using the new hybrid metaheuristic deepso
Li et al. A novel framework for integrating solar renewable source into smart cities through digital twin simulations
CN117526432B (zh) 一种面向源荷互动的配网调控系统及方法
Asghar et al. RECLAIM: Renewable energy based demand-side management using machine learning models
He et al. Robust model predictive control for energy management of isolated microgrids based on interval prediction
CN116722605B (zh) 一种基于物联网的配电网调度优化方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant