KR101800286B1 - 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 - Google Patents
대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 Download PDFInfo
- Publication number
- KR101800286B1 KR101800286B1 KR1020140167751A KR20140167751A KR101800286B1 KR 101800286 B1 KR101800286 B1 KR 101800286B1 KR 1020140167751 A KR1020140167751 A KR 1020140167751A KR 20140167751 A KR20140167751 A KR 20140167751A KR 101800286 B1 KR101800286 B1 KR 101800286B1
- Authority
- KR
- South Korea
- Prior art keywords
- energy
- time period
- data
- energy usage
- time
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 41
- 239000000284 extract Substances 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000012731 temporal analysis Methods 0.000 claims description 6
- 238000000700 time series analysis Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 description 11
- 238000005265 energy consumption Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 208000037309 Hypomyelination of early myelinating structures Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000000611 regression analysis Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 230000001364 causal effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템으로서, 사용자의 시간대별 에너지 사용 데이터를 수집하는 에너지 사용 데이터 수집 단계; 상기 시간대별 에너지 사용 데이터를 기초로 에너지 사용 분포에 따른 각 시간대별 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정하는 고객기준부하 설정 단계; 상기 시간대별 에너지 사용 데이터에 수요 예측 모델을 적용하여 대상 기간 동안의 시간대별 에너지 예측 사용량을 산출하는 에너지 예측 사용량 산출 단계; 및 상기 시간대별 고객기준부하와 상기 시간대별 에너지 예측 사용량을 기초로 상기 대상 기간 동안의 에너지 절감 정보를 제공하는 에너지 절감 서비스 제공 단계를 포함하는 것을 특징으로 하는 에너지 관리 서비스 방법과 이를 제공하기 위한 에너지 관리 시스템이며, 이와 같은 본 발명에 의하면 사용자의 과거 에너지 사용 데이터를 축적한 빅 데이터를 이용하여 사용자의 실질적인 고객기준부하를 설정함으로써 보다 효과적으로 사용자의 에너지 사용에 대한 절감을 유도할 수 있다.
Description
본 발명은 대용량의 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템에 대한 것으로서, 보다 상세하게는 사용자의 에너지 사용 데이터를 실시간 축적한 빅 데이터를 기초로 상기 사용자의 에너지 사용 분포에 따른 시간대별 최대 빈도수의 에너지 사용량을 고객 기준 부하로 설정하고, 수요 예측 모델을 적용하여 에너지 절감 대상 기간 동안의 에너지 예측 사용량을 산출하여 상기 대상 기간 동안의 에너지 절감 정보를 제공하는 방안에 관한 것이다.
스마트 그리드(Smart grid)는, '발전-송전·배전-판매'의 단계로 이루어지던 기존의 단방향 전력망에 IT 기술을 접목하여 전력 공급자와 수요자가 양방향으로 실시간 정보를 교환함으로써 에너지 효율을 최적화하는 '지능형 전력망'을 가리킨다. 발전소와 송전·배전 시설과 전력 수요자를 정보통신망으로 연결하고 양방향으로 공유하는 정보를 통하여 전력시스템 전체가 한몸처럼 효율적으로 작동하는 것이 기본 개념이다.
에너지 공급자와 에너지 수요자 간에 에너지 및 그에 대한 정보를 양방향으로 공유함으로써 한정된 에너지 자원을 보다 효율적으로 활용하기 위해 세계 각국은 스마트 그리드 구축에 박차를 가하고 있는 실정인데, 스마트 그리드의 구축에 따라 에너지를 보다 효율적으로 이용하기 위해 수요반응이란 개념이 도입되었다.
도 1은 수요 반응에 대한 개념도를 나타내는데, 수요 반응(DR : Demand Response)은 에너지 소비자가 다양한 유인동기에 반응하여 자신의 평상시 소비패턴(Normal consumption pattern)으로부터 에너지 사용량 수준을 변경하는 것을 의미한다. 이와 같은 수요 반응을 유도하기 위해서 에너지 소비 절감에 따른 인센티브를 부여하거나 시간대별 전기요금을 차등적으로 부가하는 등의 다양한 정책이 제시되고 있다.
특히, 수요 반응(DR)은 에너지 수급의 비상시에 피크부하를 이전 또는 억제함으로써 계통 신뢰도를 확보하려는 목적으로 공급 측면의 발전용량 확대에 대응되는 신뢰도 DR로서 적용되고 있으며, 또한 평상시에도 전력시장가격이 매우 비싼 시간대의 수요를 줄임으로써 상대적으로 연료비가 비싼 발전기를 대체하고 전체적인 에너지 생산비용을 절감시킬 수 있도록 경제성 DR로서 적용되고 있다.
이와 같이 수용 반응 DR은 에너지의 효율적 운영에 있어서 중요한 요소로 작용하고 있는데, 수요반응량은 하기 [식 1]로서 산출될 수 있다.
여기서 고객기준부하(CBL : customer baseline load)는 수요반응일 직전 일정기간 동안의 시간대별 전력 사용량에 대한 감축량 산출의 기초로 삼는 부하를 말하며, 도 2는 종래방식에 따른 고객기준부하(CBL)의 산출에 대한 실시예를 도시한다.
상기 도 2에서는 10일 중 상위 2일과 하위 2일을 제외한 6일분의 데이터를 가중평균하여 고객기준부하(CBL)을 산출하였다.
이와 같은 고객기준부하(CBL)는 수요반응량의 신뢰성에 중요한 요소로서 정확한 수요반응량을 산출하기 위해서는 정확한 고객기준부하(CBL)의 산출이 필수적인데, 상기 도 2의 실시예와 같이 현재의 고객기준부하(CBL)을 산출하는 방식은 수요 반응일 직전의 10일 동안의 시간대별 전력 사용량에 대한 가중평균을 적용하고 가중평균값을 근거로 익일의 고객기준부하(CBL)을 추정하여 수요 반응일 하루 전날에 요율을 고지하는 방식이므로, 10일이라는 짧은 기간 동안의 사용량만을 고려하여 사용자의 실질적인 에너지 사용 패턴을 고려하지 못함으로써 정확한 에너지 사용 정도를 파악하지 못하는 한계가 있으며, 이와 같은 실질 에너지 사용의 불명확한 판단 근거는 사용자의 수요 반응 참여도를 저하시키는 문제가 된다.
나아가서 사용자의 과거 에너지 사용 패턴을 고려하여 현재 또는 미래의 에너지 절감을 위한 다양한 방안이 제시된 바 있는데, 이와 같은 종래기술에서는 과거 에너지 사용 패턴을 산출하고 상기 에너지 사용 패턴에 현재 시점에서의 에너지 사용 측정값을 대비하여 초과 에너지 사용에 대한 에너지 사용 정보를 제공하거나 에너지 사용 기기 등을 제어하는 방안으로 제시되었다.
그러나 이와 같은 종래기술은 에너지 절감이 요구되는 대상 기간 중 현재 시점에서의 에너지 사용 측정값을 기초로 정보 제공이나 제어가 이루어짐으로써 사용자가 필요로 하는 에너지 사용이 적절하게 이루어지지 않게 되는데, 즉 사용자가 에너지 사용을 필요로 하는 시점에서 에너지 절감이 요구되어 사용자의 에너지 사용이 적절하게 분산되지 못하는 문제점이 있다.
본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하고자 하는 것으로서, 사용자의 과거 에너지 사용 데이터를 축적한 빅 데이터를 이용하여 사용자의 실질적인 고객기준부하를 설정함으로써 보다 효과적으로 사용자의 에너지 사용에 대한 절감을 유도할 수 있는 방안을 제시하고자 한다.
특히, 수일의 짧은 기간 동안의 에너지 사용량만을 고려하여 고객기준부하를 설정함에 따라 사용자의 실질적인 에너지 사용 패턴을 고려하지 못하고 정확한 에너지 사용 정도를 파악하지 못하는 한계가 있으며, 이와 같은 실질 에너지 사용의 불명확한 판단 근거로 인해 사용자의 수요 반응 참여도가 저하되는 문제를 해결하고자 한다.
나아가서 에너지 절감이 요구되는 대상 기간 중 현재 시점에서의 에너지 사용 측정값을 기초로 정보 제공이나 제어가 이루어짐으로써 사용자의 에너지 사용이 적절하게 분산되지 못하여 필요로 하는 시점에 에너지 사용이 적절하게 이루어지지 못하는 문제를 해결하고자 한다.
상기 기술적 과제를 달성하고자 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법은, 사용자의 시간대별 에너지 사용 데이터를 수집하는 에너지 사용 데이터 수집 단계; 상기 시간대별 에너지 사용 데이터를 기초로 에너지 사용 분포에 따른 각 시간대별 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정하는 고객기준부하 설정 단계; 상기 시간대별 에너지 사용 데이터에 수요 예측 모델을 적용하여 대상 기간 동안의 시간대별 에너지 예측 사용량을 산출하는 에너지 예측 사용량 산출 단계; 및 상기 시간대별 고객기준부하와 상기 시간대별 에너지 예측 사용량을 기초로 상기 대상 기간 동안의 에너지 절감 정보를 제공하는 에너지 절감 서비스 제공 단계를 포함할 수 있다.
바람직하게는 상기 에너지 사용 데이터 수집 단계는, 상기 시간대별 에너지 사용 데이터를 주사용일과 부사용일의 조건 구분으로 분류하여 저장하며, 상기 고객기준부하 설정 단계는, 수집된 상기 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당되는 조건 구분의 시간대별 에너지 사용 데이터를 추출하여 시간대별 에너지 사용 분포도를 산출하는 단계; 상기 시간대별 에너지 사용 분포도를 기초로 각 시간대별 최고 빈도수의 에너지 사용량을 추출하는 단계; 및 각 시간대별 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정하는 단계를 포함할 수 있다.
나아가서 상기 조건 구분은, 분기별, 요일별 또는 계절별로 주사용일과 부사용일을 구분할 수도 있다.
보다 바람직하게는 상기 에너지 예측 사용량 산출 단계는, 상기 시간대별 에너지 사용 데이터에서 상기 대상 기간으로부터 기설정된 기간 범위의 시간대별 에너지 사용 데이터를 추출하는 단계; 추출된 상기 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당되는 조건 구분의 시간대별 에너지 사용 데이터를 추출하여 분석 데이터로 설정하는 단계; 및 상기 분석 데이터에서 동일 시간대별 분석 데이터를 추출하고, 동일 시간대별 분석 데이터에 수요 예측 모델을 적용하여 상기 대상 기간의 각 시간대별 에너지 예측 사용량을 산출하는 단계를 포함할 수 있다.
여기서 상기 에너지 예측 사용량을 산출하는 단계는, 시계열분석모형으로서 단순이동평균법, 가중이동평균법, 지수평활법 또는 추세분석법 중 선택된 어느 하나를 수요 예측 모델로 적용하거나; 인과형 모형으로서 단순선형회귀분석 또는 다중선형회귀분석 중 선택된 어느 하나를 수요 예측 모델로 적용할 수도 있다.
바람직하게는 상기 에너지 예측 사용량을 산출하는 단계는, 상기 분석 데이터에서 동일 시간대별 분석 데이터를 추출하는 단계; 추출된 동일 시간대별 분석 데이터로 시간대별 평균값을 산출하는 단계; 및 각 시간대별 평균값을 상기 대상 기간에서의 각 시간대별 에너지 예측 사용량으로 설정하는 단계를 포함할 수 있다.
나아가서 상기 에너지 예측 사용량을 산출하는 단계는, 상기 기간 범위 이전까지의 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당되는 조건 구분의 시간대별 에너지 사용 데이터를 추출하고, 추출된 시간대별 에너지 사용 데이터에서 동일 시간대별 에너지 사용 데이터들에 대한 각각의 평균값을 산출하여 이를 상기 분석 데이터에 포함시키는 단계를 더 포함할 수도 있다.
한걸음 더 나아가서 상기 에너지 절감 서비스 제공 단계는, 상기 시간대별 고객기준부하와 상기 시간대별 에너지 예측 사용량을 대비하여 에너지 절감 필요 시간대를 판단하는 단계; 및 상기 절감 필요 시간대에 대한 정보를 사용자에게 제공하는 단계를 포함할 수도 있다.
또한 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템은, 사용자의 시간대별 에너지 사용 데이터를 수집하여 저장하는 에너지 사용 데이터 DB; 및 수집된 상기 시간대별 에너지 사용 데이터를 기초로 에너지 사용 분포에 따른 각 시간대별 최고 빈도수의 에너지 사용량을 고객기준부하로 설정하고, 상기 시간대별 에너지 사용 데이터에 수요 예측 모델을 적용하여 대상 기간 동안의 시간대별 에너지 예측 사용량을 산출하는 에너지 사용량 산출부와; 시간대별로 상기 고객기준부하와 시간대별 예측 사용량을 대비하여 상기대상 기간에서 에너지 절감 필요 여부를 판단하는 에너지 절감 판단부와; 상기 에너지 절감 판단부의 판단 결과에 따른 에너지 절감 정보를 제공하는 에너지 절감 정보 제공부를 포함하는 에너지 관리 장치를 포함할 수 있다.
바람직하게는 상기 에너지 사용 데이터 DB는, 주기적으로 수집되는 에너지 사용 데이터를 시간대별 에너지 사용 데이터로 가공하고, 기설정된 조건 구분에 따라 분류하여 저장할 수 있다.
보다 바람직하게는 상기 에너지 사용 데이터 DB는, 지역별 또는 에너지 사용 특성별로 구분된 분산 클라우드가 적용될 수 있다.
나아가서 상기 에너지 사용량 산출부는, 상기 에너지 사용 데이터 DB에서 상기 대상 기간이 해당하는 조건 구분에 따라 시간대별 에너지 사용 데이터를 추출하고, 추출된 시간대별 에너지 사용 데이터를 기초로 각 시간대별 최고 빈도수의 에너지 사용량을 고객기준부하로 설정할 수 있다.
또한 상기 에너지 사용량 산출부는, 상기 에너지 사용 데이터 DB에서 기설정된 기간 범위의 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당하는 조건 구분에 따라 시간대별 에너지 사용 데이터를 추출하여 분석 데이터로 설정하고, 상기 분석 데이터에 수요 예측 모델을 적용하여 상기 대상 기간의 각 시간대별 에너지 예측 사용량을 산출할 수 있다.
이와 같은 본 발명에 의하면, 사용자의 과거 에너지 사용 데이터를 축적한 빅 데이터를 이용하여 사용자의 실질적인 고객기준부하를 설정함으로써 보다 효과적으로 사용자의 에너지 사용에 대한 절감을 유도할 수 있다.
특히, 사용자의 에너지 사용에 대한 빅 데이터를 기초로 고객기준부하를 설정함으로써 사용자의 실질적인 에너지 사용 패턴을 반영하여 정확한 에너지 사용 정도를 파악할 수 있으며, 사용자의 정확한 에너지 사용 정도가 반영됨에 따라 수요 반응의 참여도를 더욱 높일 수 있게 된다.
나아가서 에너지 사용 데이터에 수요 예측 모델을 적용하여 에너지 절감이 요구되는 대상 기간에서의 에너지 예측 사용량을 산출하고, 실질적인 고객기준부하에 에너지 예측 사용량을 대비함으로써 사용자의 에너지 절감이 더욱 용이해진다.
또한 에너지 절감이 요구되는 대상 기간에서의 보다 실질적인 에너지 절감 정보를 제공함으로써 사용자의 적절한 에너지 분산 사용을 유도할 수 있게 된다.
도 1은 수요 반응에 대한 개념도를 나타내며,
도 2는 종래방식에 따른 고객기준부하(CBL)의 산출에 대한 실시예를 도시하며,
도 3은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템의 개략적인 구성도를 도시하며,
도 4는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템에서 에너지 관리 장치의 실시예에 대한 구성도를 도시하며,
도 5는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법의 일실시예에 대한 흐름도를 도시하며,
도 6은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 에너지 사용 데이터 DB가 에너지 사용 데이터를 수집 및 가공하는 일실시예를 도시하며,
도 7은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 시간대별 고객기준부하를 설정하는 일실시예를 도시하며,
도 8은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 시간대별 에너지 예측 사용량을 산출하는 일실시예를 도시하며,
도 9는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 에너지 절감 필요 시간대를 판단하는 일실시예를 도시한다.
도 2는 종래방식에 따른 고객기준부하(CBL)의 산출에 대한 실시예를 도시하며,
도 3은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템의 개략적인 구성도를 도시하며,
도 4는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템에서 에너지 관리 장치의 실시예에 대한 구성도를 도시하며,
도 5는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법의 일실시예에 대한 흐름도를 도시하며,
도 6은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 에너지 사용 데이터 DB가 에너지 사용 데이터를 수집 및 가공하는 일실시예를 도시하며,
도 7은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 시간대별 고객기준부하를 설정하는 일실시예를 도시하며,
도 8은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 시간대별 에너지 예측 사용량을 산출하는 일실시예를 도시하며,
도 9는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 에너지 절감 필요 시간대를 판단하는 일실시예를 도시한다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 설명하기 위하여 이하에서는 본 발명의 바람직한 실시예를 예시하고 이를 참조하여 살펴본다.
먼저, 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니며, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 또한 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명을 설명함에 있어서, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명은, 사용자의 에너지 사용 데이터를 실시간 축적한 빅 데이터를 기초로 에너지 사용 분포에 따른 시간대별 고객 기준 부하를 설정하고, 수요 예측 모델을 적용하여 에너지 절감 대상 기간 동안의 에너지 예측 사용량을 산출하여 상기 대상 기간 동안의 에너지 절감 정보를 제공하는 방안을 개시한다.
도 3은 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템의 개략적인 구성도를 도시한다.
본 발명에 따른 에너지 관리 시스템은, 사용자의 에너지 사용 데이터를 축적하여 대용량의 빅 데이터를 저장하고 가공하는 에너지 사용 데이터 DB(미도시)와 상기 에너지 사용 데이터 DB와 연동하여 사용자의 고객기준부하를 설정하고 대상 기간 동안의 에너지 예측 사용량을 산출하여, 이를 기초로 에너지 절감 정보를 제공하는 에너지 관리 장치(100)를 포함할 수 있다. 여기서 상기 에너지 사용 데이터 DB는 에너지 관리 장치(100)의 일부 구성으로 포함될 수도 있고 또는 에너지 관리 장치(100)와는 별개의 데이터 베이스로 구축될 수도 있는데, 가령 상기 에너지 사용 데이터 DB가 여러 지역에 위치한 다수의 사용자에 대한 에너지 사용 데이터를 수집하여 저장하는 경우에 지역별, 에너지 사용 특성별 등을 고려하여 다수의 분산 클라우드 DB로 구성될 수도 있다.
그리고 상기 도 3에 도시되어 있지는 않으나 수용가(200a), 건물(200b), 공장(200c) 등에는 각 사용자의 에너지 사용량을 측정하여 에너지 사용 데이터를 전송하는 스마트 미터기나 스마트 박스 등이 배치된다.
상기 도 3에서와 같이 에너지 관리 장치(100)는 수용가(200a)의 HEMS, 건물(200b)의 BEMS, 공장(200c)의 FEMS 등에 각각에 대한 에너지 절감 정보를 제공할뿐만 아니라 나아가서 HEMS, BEMS, FEMS 등과 연동하여 에너지 절감을 위한 개별 장치들을 제어할 수도 있을 것이다. 또한 HEMS, BEMS, FEMS 등이 구비되지 않은 경우에 에너지 관리 장치(100)는 해당 사용자의 에너지 절감 정보를 사용자의 유무선 단말기로 제공할 수도 있다.
한걸음 더 나아가서 상기 도 3에서는 에너지 관리 장치(100)가 수용가(200a), 건물(200b), 공장(200c) 등과는 이격된 장소에 별도로 설치되어 여러 사용자에게 에너지 절감 서비스를 제공하는 서비스 서버로서 존재하는데, 상황에 따라서는 에너지 관리 장치(100)가 수용가(200a)의 HEMS, 건물(200b)의 BEMS, 공장(200c)의 FEMS 등에 포함되도록 구성될 수도 있다.
그리고 에너지 관리 장치(100)는 에너지 공급 회사 서버(10)로부터 수요반응 참여 정보를 전달받고 수요 반응이 적용되는 대상 기간에 대한 에너지 절감 정보를 생성할 수 있다.
도 4는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템에서 에너지 관리 장치의 실시예에 대한 구성도를 도시한다.
에너지 관리 장치(100)는 에너지 사용량 산출부(110), 에너지 절감 판단부(130) 및 에너지 절감 정보 제공부(150)를 포함할 수 있으며, 상기 도 4에서는 에너지 사용 데이터 DB(170)가 에너지 관리 장치(100)와는 별개로 구성되는 것으로 도시되어 있으나, 상황에 따라서는 에너지 관리 장치(100)가 에너지 사용 데이터 DB(170)를 포함하도록 구성될 수도 있다.
에너지 사용 데이터 DB(170)는 사용자에 대한 에너지 사용 데이터를 수집하는데, 일반적으로 에너지 사용 데이터는 수분 내지 수십분의 간격으로 수집되며, 수분 내지 수십분의 주기로 수집되는 에너지 사용 데이터가 일정 기간 동안 수집되면 저장할 데이터량이 방대해지므로 이와 같은 빅 데이터를 처리하기 위해서 앞서 설명한 바와 같이 에너지 사용 데이터 DB(170)는 분산 클라우드 DB로 구성되는 것이 바람직하다.
또한 에너지 사용 데이터 DB(170)는 에너지 관리 장치(100)에 사용자에 대한 에너지 사용 데이터를 제공하는데, 보다 효과적으로 데이터를 이용하기 위해서 에너지 사용 데이터 DB(170)는 수집되는 에너지 사용 데이터를 시간대별로 가공하여 저장할 수 있다. 나아가서 에너지 사용 데이터 DB(170)는 에너지 사용이 집중적으로 이루어지는 주사용일과 부사용일의 조건을 구분하여 시간대별 에너지 사용 데이터를 저장할 수 있는데, 일반 건물의 경우 평일에 집중적으로 에너지 사용이 발생하고 주말이나 공휴일에는 에너지 사용이 거의 발생되지 않으므로 이를 고려하여 주사용일과 부사용일의 조건을 부여할 수 있으며, 공장의 경우 특정 요일에 집중적으로 작업이 이루어져 에너지 사용이 상대적으로 많이 발생되고 다른 요일에 상대적으로 에너지 사용이 적을 경우에 이를 고려하여 주사용일과 부사용일의 조건이 부여될 수 있다. 또한 에너지 사용 데이터 DB(170)는 분기별, 계절별로 시간대별 에너지 사용 데이터를 분류하고, 분류된 시간대별 에너지 사용 데이터에 주사용일과 부사용일을 부여할 수도 있다.
에너지 관리 장치(100)의 에너지 사용량 산출부(110)는 에너지 사용 데이터 DB(170)에 저장된 에너지 사용 데이터를 기초로 해당 사용자의 에너지 사용 분포에 따른 고객 기준 부하를 설정하는데, 바람직하게는 시간대별 에너지 사용 데이터의 각 시간대별 에너지 사용량에 대한 분포를 산출하고 각 시간대에서 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정할 수 있으며, 또한 앞서 설명한 주사용일과 부사용일에 대한 조건 구분을 고려하여 각 시간대별 고객기준부하를 설정할 수 있다. 나아가서 에너지 사용량 산출부(110)는 분기별, 계절별의 에너지 사용 특성을 고려하여 각 시간대별 고객기준부하를 설정할 수도 있다.
그리고 에너지 사용량 산출부(110)는 에너지 사용 데이터 DB(170)에 저장된 에너지 사용 데이터에 수요 예측 모델을 적용하여 에너지 절감이 요구되는 대상 기간 동안의 에너지 예측 사용량을 산출할 수 있는데, 바람직하게는 주사용일과 부사용일에 대한 조건 구분을 부여하여 시간대별 에너지 예측 사용량을 산출할 수 있고 나아가서 분기별, 계절별의 에너지 사용 특성을 고려하여 시간대별 에너지 예측 사용량을 산출할 수도 있다.
본 발명에서 적용되는 수요 예측 모델은 다양한 방식이 적용될 수 있는데, 가령 시계열분석모형으로서 단순이동평균법, 가중이동평균법, 지수평활법 또는 추세분석법 중 선택된 어느 하나를 수요 예측 모델로 적용하거나 인과형 모형으로서 단순선형회귀분석 또는 다중선형회귀분석 중 선택된 어느 하나를 적용할 수 있으며, 이외에도 에너지 사용 예측에 적합한 다양한 수요 예측 모델이 적용될 수 있을 것이다.
에너지 관리 장치(100)의 에너지 절감 판단부(130)는 에너지 사용량 산출부(110)에서 산출한 시간대별 고객기준부하와 대상 기간 동안의 시간대별 에너지 예측 사용량을 기초로 에너지 절감 필요 여부를 판단하는데, 가령 시간대별 고객 기준 부하를 기준으로 대상 기간 동안의 시간대별 에너지 예측 사용량을 각 시간대별로 대비하여 에너지 절감이 필요한 시간대를 판단할 수 있다.
그리고 에너지 관리 장치(100)의 에너지 절감 정보 제공부(170)는 에너지 절감 판단부(130)에서 판단한 결과를 기초로 에너지 절감 정보를 생성하여 제공하는데, 사용자에게 대상 기간 중 에너지 절감이 필요하다고 예측되는 시간대 정보를 제공할 수도 있고 나아가서 수용가의 HEMS, 건물의 BEMS, 공장의 FEMS 등에 대상 기간 중 에너지 절감이 필요하다고 예측되는 시간대에 기기들의 제어를 위한 정보를 제공할 수도 있다.
본 발명에서는 상기에서 살펴본 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템을 통해 에너지 사용에 대한 빅 데이터를 기초로 에너지 사용 분포에 따른 빈도수로 고객 기준 부하를 설정하여 보다 실질적이고 정확한 고객 기준 부하를 설정할 수 있으며, 나아가서 에너지 사용 데이터를 기초로 에너지 절감이 요구되는 대상 기간 동안의 에너지 예측 사용량을 산출하여 고객기준부하를 기준으로 에너지 절감이 요구되는 시간대의 정보를 제공함으로써 사용자가 사전에 에너지 사용의 분산을 수행할 수 있게 된다.
또한 본 발명에서는 이와 같은 대용량 에너지 사용 데이터를 이용한 에너지 관리 시스템을 이용하여 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법을 제시하는데, 이하에서는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에 대하여 실시예를 통해 살펴보기로 한다.
도 5는 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법의 일실시예에 대한 흐름도를 도시한다.
본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법은, 개략적으로 사용자의 에너지 사용 데이터를 수집하고 가공하는 단계(S100), 에너지 사용 데이터를 기초로 고객 기준 부하를 설정하는 단계(S200)와 에너지 절감이 요구되는 대상 기간 동안의 에너지 예측 사용량을 산출하는 단계(S300) 및 고객 기준 부하와 에너지 예측 사용량을 기초로 에너지 절감 정보를 생성(S200)하는 단계를 포함할 수 있다. 여기서 에너지 사용 데이터를 기초로 고객 기준 부하를 설정하는 단계(S200)와 에너지 절감이 요구되는 대상 기간 동안의 에너지 예측 사용량을 산출하는 단계(S300)는 상호 우선 순위가 없으며 두 단계가 동시에 수행될 수도 있고 상황에 따라서 어느 한 단계가 먼저 수행되고 나머지 단계가 그 후에 수행될 수도 있다.
상기 도 5의 각 단계를 적용예를 참조하여 좀 더 구체적으로 살펴보면, 먼저 사용자의 에너지 사용 데이터를 수집하고 가공하는 단계(S100)에서는 에너지 사용 데이터 DB(170)가 사용자의 에너지 사용 데이터를 수집(S100)하는데, 에너지 사용 데이터의 수집은 해당 수용가, 건물, 공장 등에 설치된 스마트 미터나 스마트 박스 등을 통해 수분 내지 수십분의 주기로 수집될 수 있으며, 수집되는 시간 간격은 설정에 따라 변경될 수 있다. 이와 같이 수집되는 에너지 사용 데이터는 일정 기간이 도과하면서 그 용량이 방대해져 빅 데이터로 생성된다.
그리고 에너지 사용 데이터 DB(170)는 필요에 따라 수집된 에너지 사용 데이터는 분류하여 가공(S130)하는데, 다수의 사용자에 대한 에너지 사용 데이터가 수집되는 경우에 사용자별로 에너지 사용 데이터를 분류할 수 있으며, 에너지 사용 데이터를 시간대별 에너지 사용 데이터로 가공하고, 주사용일과 부사용일을 구분하여 조건 구분을 부여할 수 있다. 또한 상황에 따라서는 에너지 사용 데이터를 분기별, 요일별 또는 계절별로 분류하고 각 분류별로 주사용일과 부사용일의 조건 구분을 부여할 수도 있다.
사용자의 에너지 사용 데이터를 수집하고 가공하는 단계(S100)를 적용예인 도 6에 도시된 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 에너지 사용 데이터 DB가 에너지 사용 데이터를 수집 및 가공하는 일실시예를 참조하여 살펴본다.
상기 도 6은 다수의 수용가에 대한 에너지 사용 데이터를 수집하여 가공하는 적용예로서, 상기 도 6의 (a)는 다수의 수용가(310)에 대하여 15분 주기로 에너지 사용 데이터(320)를 에너지 사용 데이터 DB(170)가 수집한 데이터 테이블을 도시하며, 에너지 사용 데이터 DB(170)는 상기 도 6의 (a)와 같이 수집된 데이터 테이블에 대하여 상기 도 6의 (b)와 같이 수용가별(330)로 정리하고, 한 시간단위로 시간대별 에너지 사용 데이터(340)를 가공한다. 또한 해당 수용가의 에너지 사용 특성에 따라 에너지 사용 데이터에 주사용일과 부사용일의 조건 구분을 부여하며, 추가적으로 에너지 사용 데이터를 계절별로 분류하였다.
이와 같이 에너지 사용 데이터 DB(170)는 수집되는 빅 데이터인 원데이터를 설정되는 구분에 따라 분류하고 조건 구분을 부여함으로써 데이터 이용의 효율을 높일 수 있다.
다시 도 5로 회귀하여, 에너지 사용량 산출부(110)는 에너지 사용 데이터 DB(170)에 저장된 시간대별 에너지 사용 데이터를 기초로 고객 기준 부하를 설정(S200)하고 에너지 절감이 요구되는 대상 기간에서의 에너지 예측 사용량을 산출(S300)하는데, 일례로서 에너지 공급 회사로부터의 수요반응 참여 정보를 전달받고 수요 반응이 적용되는 대상 기간에 따른 고객 기준 부하와 에너지 예측 사용량을 산출할 수 있다.
고객 기준 부하를 설정(S200)하는 과정을 살펴보면, 에너지 사용량 산출부(110)는 에너지 사용 데이터 DB(170)에서 조건 구분에 따라 시간대별 에너지 사용 데이터를 추출(S210)하는데, 주사용일과 부사용일의 조건 구분에 대하여 에너지 절감 대상 기간이 해당되는 조건 구분에 속하는 시간대별 에너지 사용 데이터를 추출하며, 나아가서 에너지 절감 대상 기간이 해당되는 분기별, 요일별 또는 계절별로 조건 구분에 속하는 시간대별 에너지 사용 데이터를 추출할 수도 있다.
에너지 사용량 산출부(110)는 추출된 시간대별 에너지 사용 데이터에 대한 에너지 사용 분포도를 산출(S230)한다. 가령 추출된 시간대별 에너지 사용 데이터를 각 시간대별로 정렬한 후 각 시간대별에서 동일한 에너지 사용량이나 일정 오차 범위를 고려한 근접 수치의 에너지 사용량들을 카운트하여 빈도수에 따른 에너지 사용 분포도를 산출할 수 있다.
그리고 에너지 사용량 산출부(110)는 산출된 시간대별 에너지 사용 분포도에서 각 시간대별로 최고 빈도수를 갖는 에너지 사용 데이터의 값을 추출하여 각 시간대별 최고 빈도수의 에너지 사용 데이터 값을 각 시간대별 고객 기준 부하로 설정(S270)한다.
고객 기준 부하를 설정(S200)하는 과정을 적용예인 도 7에 도시된 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 시간대별 고객기준부하를 설정하는 일실시예를 참조하여 살펴본다.
상기 도 7은 상기 도 6에 따라 에너지 사용 데이터 DB(170)가 수집하여 가공한 데이터에 대하여 시간대별 고객기준부하를 설정하는 적용예이다. 먼저 에너지 사용량 산출부(110)가 특정 수용가에 대하여 에너지 사용 데이터 DB(170)에 저장된 시간대별 에너지 사용 데이터를 추출하는데, 이때 상기 도 7의 (a)와 같이 조건 구분에 따라 동일 조건의 시간대별 에너지 사용 데이터(410)를 추출한다. 가령 상기 도 7의 (a)에서는 특정 수용가의 여름 기간 동안 주사용일에 해당되는 시간대별 에너지 사용 데이터를 추출하였다.
그리고 상기 도 7의 (b)와 같이 에너지 사용량 산출부(110)는 추출된 시간대별 에너지 사용 데이터를 각 시간대별로 정렬한 후 각 시간대별에서 동일한 에너지 사용량이나 일정 오차 범위를 고려한 근접 수치의 에너지 사용량들을 카운트하여 시간대별 에너지 사용량에 대한 빈도수(420)를 산출한다. 상기 도 7의 (b)에서는 각 시간대별로 에너지 사용량에 대한 빈도수를 도시하였는데, 이와 같은 빈도수를 통해 에너지 사용 분포도를 산출할 수 있다. 또한 추가적으로 각 시간대별 에너지 사용 데이터의 평균값(430)을 산출하는데, 여기서 평균값은 이후에 에너지 예측 사용량의 산출에 이용될 수 있으며, 이에 대해서는 이후 실시예를 통해 설명하기로 한다.
시간대별 에너지 사용 분포도가 산출되면, 에너지 사용량 산출부(110)는 각 시간대별 최고 빈도수의 에너지 사용량을 추출하여 상기 도 7의 (c)와 같이 시간대별 최고 빈도수를 각 시간대의 고객기준부하로 설정한다. 즉, 상기 도 7의 (c)에 도시된 바와 같이 특정 수용가에 대하여 여름 기간 동안 주사용일로 구분된 시간대별 고객기준부하가 설정될 수 있다.
이와 같은 시간대별 고객기준부하는 조건 구분에 따라 주사용일에 대한 시간대별 고객기준부하와 부사용일에 대한 시간대별 고객기준부하로 설정될 수 있으며, 나아가서 분기별, 요일별 또는 계절별로 주사용일과 부사용일에 대한 시간대별 고객기준부하로 설정될 수도 있다.
다시 상기 도 5로 회귀하여 에너지 예측 사용량을 산출(S300)하는 과정을 살펴보면, 에너지 사용량 산출부(110)는 에너지 절감이 요구되는 대상 기간으로부터 기설정된 기간 범위의 시간대별 에너지 사용 데이터를 에너지 사용 데이터 DB(170)에서 추출한다. 여기서 상기 기간 범위는 필요에 따라 사전에 설정될 수 있는데, 가령 상기 기간 범위를 한달로 설정한 경우에는 에너지 절감이 요구되는 대상 기간의 시점으로부터 이전의 한달 동안의 에너지 사용 데이터를 추출하게 된다. 나아가서 상기 대상 기간이 해당되는 분기별, 요일별 또는 계절별 구분에 따라 상기 대상 기간으로부터 설정된 기간 범위의 시간대별 에너지 사용 데이터를 추출할 수 있는데, 가령 상기 대상 기간이 여름에 해당되는 경우에 여름으로 구분된 시간대별 에너지 사용 데이터 중 상기 대상 기간으로부터 기설정된 기간 범위의 시간대별 에너지 사용 데이터를 추출할 수도 있다.
그리고 에너지 사용량 산출부(110)는 추출된 에너지 사용 데이터에서 에너지 절감이 요구되는 대상 기간이 해당되는 조건 구분의 시간대별 에너지 사용 데이터를 추출하여 이를 분석 데이터로 설정(S330)하는데, 가령 상기 대상 기간이 주사용일에 해당하는 경우에는 상기 기간 범위에서의 주사용일로 구분된 시간대별 에너지 사용 데이터를 추출하여 이를 분석 데이터로 설정한다.
에너지 사용량 산출부(110)는 상기 분석 데이터를 기초로 상기 대상 기간에서의 에너지 예측 사용량을 산출하는데, 상기 에너지 예측 사용량은 상기 분석 데이터에 수요 예측 모델을 적용하여 산출할 수 있다.
수요 예측 모델로는, 시계열분석(time series analysis)모형으로서 단순이동평균법(simple moving average), 가중이동평균법(weighted moving average), 지수평활법(exponential smoothing) 또는 추세분석법(trend analysis) 중 선택된 어느 하나를 적용하거나 인과형 모형으로서 단순선형회귀분석(simple regression analysis) 또는 다중선형회귀분석(multiple regression analysis) 중 선택된 어느 하나를 적용할 수 있다.
상기 시계열분석 모형이란, 일정한 시간간격으로 과거 일련의 자료를 분석하여 추세에 따른 미래의 수요를 예측하는 방식이다.
상기 단순이동평균법은, 시계열에 계절적 변동이나 급속한 증가 또는 감소의 추세가 없고 우연변동만이 크게 작용하는 경우에 유용한 예측 기법으로서, 예측하고자 하는 기간의 직전 일정기간 동안의 실제수요의 단순평균치를 예측치로 산출하며, 하기 [식 2]에 따라 예측치를 산출할 수 있다.
여기서, 상기 Ft는 기간 t의 수요예측치이며, At는 기간 t의 실제 수요치이며, N은 이동평균기간을 나타낸다.
상기 가중이동평균법은, 일정 기간 동안의 자료치에 가중치를 부여하고, 가중합계치를 예측치로 산출하는 방식으로서, 하기 [식 3]에 따라 예측치를 산출할 수 있다.
여기서, 상기 Ft는 기간 t의 수요예측치이며, At는 기간 t의 실제 수요치이며, Wt는 기간 t에 부여된 가중치로서, 
을 만족시키는 값이다.
상기 지수평활법은, 지수적으로 감소하는 가중치를 이용하여 최근의 자료일수록 더 큰 비중을, 오래된 자료일수록 더 작은 비중을 두어 미래수요를 예측하는 방식으로서, 단순지수평활법은 하기 [식 4]에 따라 예측치를 산출할 수 있다.
여기서, Ft는 신예측치이고, Ft-1은 구예측치이며, 
는 평활상수로서 
을 만족한다.
또한 추세조정 지수평활법으로서 홀트 모델(Holt Model)이나 추세 및 계절조정 지수평활법으로서 윈터 모델(Winters Model)이 적용될 수도 있다.
상기 추세분석법은 시계열을 잘 관통하는 추세선을 구하고 그 추세선상에서 미래수요를 예측하는 방법으로서, 하기 [식 5]에 따라 예측치를 산출할 수 있다.
여기서, 
는 기간 t의 직선추세선 상에서 수요예측치이며, a는 직선추세선의 y축 절편이며, b는 직선추세선의 기울기를 나타내는데, 상기 직선추세선은 최소자승법에 의해 실제치와 직선추세선상의 예측치와의 오차자승의 합이 최소가 되도록 상기 a와 b 값을 구할 수 있다.
또한 인과형모형은 수요를 종속변수로, 수요에 영향을 미치는 요인들을 독립변수로 놓고 양자의 관계를 여러 가지 모형으로 파악하여 수요를 예측하는데, 독립변수의 수에 따라 단순회귀분석과 다중회귀분석이 있으며, 종속변수와 독립변수의 관계에 따라 선형회귀분석과 비선형회귀분석이 있다.
상기 단순선형회귀분석은 하기 [식 6]에 따라 예측치를 산출할 수 있다.
여기서, 상기 [식 6]에서는 오차항을 0으로 설정하였으며, 상기 
는 종속변수로서 예측치이고, x는 독립변수로서 수요에 영향을 미치는 요인이 될 수 있는데, 상기 독립변수로서는 계절, 분기, 에너지 사용 특성, 에너지 단가 등 다양한 요인이 선택될 수 있다. 그리고 상기 
와 
는 최소제곱법(Least square method)으로 산출될 수 있다.
나아가서 이와 같은 에너지 사용에 대한 다양한 요인들을 고려하면서 오차항 
을 적용한 상기 다중회귀분석에 따른 하기 [식 7]로 예측치를 산출할 수 있다.
또한 에너지 사용량 산출부(110)는 상기의 수요 예측 모델 이외에도 상기 분석 데이터를 기초로 에너지 사용에 영향을 미치는 다양한 요인을 반영하여 상기 대상 기간에서의 에너지 예측 사용량을 산출할 수 있다.
본 발명에서 상기 대상 기간 동안의 에너지 예측 사용량을 산출하는 적용예로서 도 8에 도시된 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 시간대별 에너지 예측 사용량을 산출하는 일실시예를 참조하여 살펴보면, 상기 도 8은 상기 도 6의 에너지 사용 데이터 DB(170)에 수집 가공되어 저장된 시간대별 에너지 사용 데이터에 근거하여 에너지 예측 사용량을 산출하는 실시예이다.
상기 도 8의 (a)에서는 에너지 절감이 요구되는 대상 기간이 2014년 8월 14일 하루로서 여름의 주사용일인 경우이며, 분석 데이터를 추출하기 위한 기간 범위를 한달로 설정하여 에너지 사용량 산출부(110)가 상기 도 6의 시간대별 에너지 사용 데이터에서 상기 대상 기간인 2014년 8월 14일 이전의 2014년 7월 14일부터 2014년 8월 13일까지의 한달간의 여름 동안 주사용일(520)에 해당되는 해당 수용가의 시간대별 에너지 사용 데이터(510)를 추출하여 분석 데이터로 설정하였다.
그리고 에너지 사용량 산출부(110)는 상기 도 8의 (a)에 따른 분석 데이터에 수요 예측 모델로서 단순이동평균법을 적용하여 상기 도 8의 (b)와 같은 시간대별 에너지 예측 사용량을 산출하였는데, 상기 도 8의 (a)에 따른 분석 데이터를 시간대별로 정렬하고 상기 분석 데이터인 각 시간대별 에너지 사용 데이터(530)에 대한 평균값을 산출하여 산출된 각 시간대의 평균값을 상기 대상 기간에서의 각 시간대의 에너지 예측 사용량(540)을 설정하였다.
또한 상기 도 8의 (b)에서는 시간대별 에너지 예측 사용량의 신뢰도를 높이기 위해서 상기 도 7의 (b)에서 축적된 시간대별 에너지 사용 데이터로 산출한 평균값(430)을 상기 분석 데이터의 초기값으로 적용하였다.
이와 같은 과정을 거쳐서 에너지 사용량 산출부(110)는 에너지 절감이 요구되는 대상 기간 동안의 시간대별 에너지 예측 사용량을 산출할 수 있다.
다시 상기 도 5로 회귀하여 이후 과정을 계속하여 살펴보면, 에너지 사용량 산출부(110)에서 대상 기간 동안의 시간대별 고객기준부하와 시간대별 에너지 예측 사용량을 산출하면, 에너지 절감 정보를 생성(S400)하는 단계를 수행하는데, 에너지 절감 판단부(130)는 시간대별 고객기준부하와 시간대별 에너지 예측 사용량을 기초로 상기 대상 기간 동안에 에너지 절감이 필요한 시간대를 판단(S410)한다. 가령 에너지 절감 판단부(130)에서 에너지 절감이 필요한 시간대를 판단하는 적용예로서 도 9에 도시된 본 발명에 따른 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법에서 에너지 절감 필요 시간대를 판단하는 일실시예를 참조한다.
상기 도 9에서 에너지 절감 판단부(130)는 시간대별 고객기준부하의 추세선과 시간대별 에너지 예측 사용량의 추세선을 상호 대비하여 에너지 예측 사용량의 추세선이 고객기준부하의 추세선을 초과하는 시간대를 판단하게 되며, 그 결과 상기 도 9에서는 3시부근부터 에너지 예측 사용량이 고객기준부하를 초과하므로 이 시간대를 에너지 절감이 필요한 시간대로 판단하게 된다.
그리고 에너지 절감 정보 제공부(170)는 에너지 절감 판단부(130)에 에너지 절감이 필요하다고 판단한 시간대에 대한 정보를 제공하는데, 에너지 절감 정보 제공부(170)는 상기 도 9와 같은 고객기준부하와 에너지 예측 사용량의 그래프를 제공하여 사용자로 하여금 에너지 절감이 필요한 시간대역을 직감할 수 있도록 제공할 수도 있고 또는 에너지 절감이 필요한 시간대역에 대한 정보만을 추출하여 제공할 수도 있다. 그러면 사용자는 제공된 에너지 절감 정보를 토대로 에너지 절감이 요구되는 대상 기간에서 에너지 절감이 요구되는 시간대역을 고려하여 에너지의 분산 사용이 용이해진다.
또한 에너지 절감 정보 제공부(170)는 해당 HEMS, BEMS, FEMS 등에 에너지 절감이 필요한 시간대역 정보를 제공하여 해당 시간대에서 HEMS, BEMS, FEMS 등이 기기들을 제어하여 에너지 절감이 이루어지도록 할 수도 있다.
이와 같은 본 발명은 사용자의 과거 에너지 사용 데이터를 축적한 빅 데이터를 이용하여 사용자의 실질적인 고객기준부하를 설정함으로써 보다 효과적으로 사용자의 에너지 사용에 대한 절감을 유도할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10 : 에너지 공급 회사 서버,
100 : 에너지 관리 장치,
110 : 에너지 사용량 산출부,
130 : 에너지 절감 판단부,
150 : 에너지 절감 정보 제공부,
170 : 에너지 사용 데이터 DB.
100 : 에너지 관리 장치,
110 : 에너지 사용량 산출부,
130 : 에너지 절감 판단부,
150 : 에너지 절감 정보 제공부,
170 : 에너지 사용 데이터 DB.
Claims (13)
- 사용자의 시간대별 에너지 사용 데이터를 일정 기간 동안 수집하고, 상기 수집된 대용량의 시간대별 에너지 사용 데이터를 저장하는 에너지 사용 데이터 수집 단계;
상기 대용량의 시간대별 에너지 사용 데이터를 기초로 에너지 사용 분포에 따른 각 시간대별 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정하는 고객기준부하 설정 단계;
상기 대용량의 시간대별 에너지 사용 데이터에 수요 예측 모델을 적용하여 대상 기간 동안의 시간대별 에너지 예측 사용량을 산출하는 에너지 예측 사용량 산출 단계; 및
상기 시간대별 고객기준부하와 상기 시간대별 에너지 예측 사용량을 기초로 상기 대상 기간 동안의 에너지 절감 정보를 제공하는 에너지 절감 서비스 제공 단계를 포함하고,
상기 고객기준부하 설정 단계는, 상기 대용량의 시간대별 에너지 사용 데이터 중 상기 대상 기간에 해당하는 시간대별 에너지 사용 데이터를 추출하고, 상기 추출된 시간대별 에너지 사용 데이터를 각 시간대별로 정렬한 후 각 시간대에서 미리 결정된 오차 범위 내의 에너지 사용량들을 카운트하여 시간대별 에너지 사용량에 대한 빈도수를 계산하며, 상기 계산된 빈도수를 이용하여 시간대별 에너지 사용 분포도를 산출하는 단계; 상기 시간대별 에너지 사용 분포도를 기초로 각 시간대별 최고 빈도수의 에너지 사용량을 추출하는 단계; 및 각 시간대별 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정하는 단계를 포함하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 1 항에 있어서,
상기 에너지 사용 데이터 수집 단계는,
상기 대용량의 시간대별 에너지 사용 데이터를 주사용일과 부사용일의 조건 구분으로 분류하여 저장하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 2 항에 있어서,
상기 조건 구분은,
분기별, 요일별 또는 계절별로 주 사용일과 부 사용일을 구분한 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 2 항 또는 제 3 항에 있어서,
상기 에너지 예측 사용량 산출 단계는,
상기 대용량의 시간대별 에너지 사용 데이터에서 상기 대상 기간으로부터 기설정된 기간 범위의 시간대별 에너지 사용 데이터를 추출하는 단계;
추출된 상기 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당되는 조건 구분의 시간대별 에너지 사용 데이터를 추출하여 분석 데이터로 설정하는 단계; 및
상기 분석 데이터에서 동일 시간대별 분석 데이터를 추출하고, 동일 시간대별 분석 데이터에 수요 예측 모델을 적용하여 상기 대상 기간의 각 시간대별 에너지 예측 사용량을 산출하는 단계를 포함하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 4 항에 있어서,
상기 에너지 예측 사용량을 산출하는 단계는,
시계열분석모형으로서 단순이동평균법, 가중이동평균법, 지수평활법 또는 추세분석법 중 선택된 어느 하나를 수요 예측 모델로 적용하거나; 인과형 모형으로서 단순선형회귀분석 또는 다중선형회귀분석 중 선택된 어느 하나를 수요 예측 모델로 적용하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 4 항에 있어서,
상기 에너지 예측 사용량을 산출하는 단계는,
상기 분석 데이터에서 동일 시간대별 분석 데이터를 추출하는 단계;
추출된 동일 시간대별 분석 데이터로 시간대별 평균값을 산출하는 단계; 및
각 시간대별 평균값을 상기 대상 기간에서의 각 시간대별 에너지 예측 사용량으로 설정하는 단계를 포함하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 6 항에 있어서,
상기 에너지 예측 사용량을 산출하는 단계는,
상기 기간 범위 이전까지의 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당되는 조건 구분의 시간대별 에너지 사용 데이터를 추출하고, 추출된 시간대별 에너지 사용 데이터에서 동일 시간대별 에너지 사용 데이터들에 대한 각각의 평균값을 산출하여 이를 상기 분석 데이터에 포함시키는 단계를 더 포함하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 제 1 항에 있어서,
상기 에너지 절감 서비스 제공 단계는,
상기 시간대별 고객기준부하와 상기 시간대별 에너지 예측 사용량을 대비하여 에너지 절감 필요 시간대를 판단하는 단계; 및
상기 절감 필요 시간대에 대한 정보를 사용자에게 제공하는 단계를 포함하는 것을 특징으로 하는 에너지 관리 서비스 방법. - 사용자의 시간대별 에너지 사용 데이터를 일정 기간 동안 수집하고, 상기 수집된 대용량의 시간대별 에너지 사용 데이터를 저장하는 에너지 사용 데이터 DB; 및
상기 대용량의 시간대별 에너지 사용 데이터를 기초로 에너지 사용 분포에 따른 각 시간대별 최고 빈도수의 에너지 사용량을 고객기준부하로 설정하고, 상기 대용량의 시간대별 에너지 사용 데이터에 수요 예측 모델을 적용하여 대상 기간 동안의 시간대별 에너지 예측 사용량을 산출하는 에너지 사용량 산출부와;
시간대별로 상기 고객기준부하와 시간대별 예측 사용량을 대비하여 상기 대상 기간에서 에너지 절감 필요 여부를 판단하는 에너지 절감 판단부와;
상기 에너지 절감 판단부의 판단 결과에 따른 에너지 절감 정보를 제공하는 에너지 절감 정보 제공부를 포함하는 에너지 관리 장치를 포함하고,
상기 에너지 사용량 산출부는, 상기 에너지 사용 데이터 DB에서 상기 대상 기간에 해당하는 시간대별 에너지 사용 데이터를 추출하고, 상기 추출된 시간대별 에너지 사용 데이터를 각 시간대별로 정렬한 후 각 시간대에서 미리 결정된 오차 범위 내의 에너지 사용량들을 카운트하여 시간대별 에너지 사용량에 대한 빈도수를 계산하며, 상기 계산된 빈도수를 이용하여 시간대별 에너지 사용 분포도를 산출하고,
상기 시간대별 에너지 사용 분포도를 기초로 각 시간대별 최고 빈도수의 에너지 사용량을 추출하며, 각 시간대별 최고 빈도수의 에너지 사용량을 각 시간대별 고객기준부하로 설정하는 것을 특징으로 하는 에너지 관리 시스템. - 제 9 항에 있어서,
상기 에너지 사용 데이터 DB는,
주기적으로 수집되는 에너지 사용 데이터를 시간대별 에너지 사용 데이터로 가공하고, 기 설정된 조건 구분에 따라 분류하여 저장하는 것을 특징으로 하는 에너지 관리 시스템. - 제 9 항에 있어서,
상기 에너지 사용 데이터 DB는,
지역별 또는 에너지 사용 특성별로 구분된 분산 클라우드인 것을 특징으로 하는 에너지 관리 시스템. - 제 10 항에 있어서,
상기 조건 구분은,
분기별, 요일별 또는 계절별로 주 사용일과 부 사용일을 구분한 것을 특징으로 하는 에너지 관리 시스템. - 제 10 항에 있어서,
상기 에너지 사용량 산출부는,
상기 에너지 사용 데이터 DB에서 기설정된 기간 범위의 시간대별 에너지 사용 데이터 중 상기 대상 기간이 해당하는 조건 구분에 따라 시간대별 에너지 사용 데이터를 추출하여 분석 데이터로 설정하고, 상기 분석 데이터에 수요 예측 모델을 적용하여 상기 대상 기간의 각 시간대별 에너지 예측 사용량을 산출하는 것을 특징으로 하는 에너지 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140167751A KR101800286B1 (ko) | 2014-11-27 | 2014-11-27 | 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140167751A KR101800286B1 (ko) | 2014-11-27 | 2014-11-27 | 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160063892A KR20160063892A (ko) | 2016-06-07 |
| KR101800286B1 true KR101800286B1 (ko) | 2017-11-23 |
Family
ID=56192952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140167751A KR101800286B1 (ko) | 2014-11-27 | 2014-11-27 | 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101800286B1 (ko) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102459769B1 (ko) * | 2017-02-24 | 2022-10-28 | 주식회사 케이티 | 대상 건물에 대한 에너지 절감 가이드를 제공하는 시스템 |
| CN109858728B (zh) * | 2018-12-03 | 2021-09-14 | 国网浙江省电力有限公司台州供电公司 | 基于分行业用电特性分析的负荷预测方法 |
| KR102125210B1 (ko) * | 2018-12-28 | 2020-06-22 | 주식회사 팀삼층 | 상품 주문량 예측 방법 및 이를 수행하기 위한 장치 |
| CN113054649A (zh) * | 2019-12-26 | 2021-06-29 | 远景智能国际私人投资有限公司 | 需量控制方法、系统及存储介质 |
| KR102346188B1 (ko) * | 2020-04-08 | 2021-12-31 | 상명대학교산학협력단 | 전력 수요 예측 방법 및 장치 |
| KR102339305B1 (ko) * | 2020-04-21 | 2021-12-13 | 세종대학교산학협력단 | 미세 먼지를 포함하는 대기 오염 물질에 대한 인체 위험도를 추정하기 위한 빅데이터 분석 방법 |
| KR102296021B1 (ko) * | 2020-11-27 | 2021-09-29 | 가천대학교 산학협력단 | 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법 |
| KR102266494B1 (ko) * | 2020-12-17 | 2021-06-17 | 가천대학교 산학협력단 | 수요반응을 위한 딥러닝 기반 고객 분류 장치 및 방법 |
| KR102603221B1 (ko) * | 2021-11-12 | 2023-11-16 | 한국에너지기술연구원 | 보상된 고객기준부하를 이용한 수요반응 계산방법 및 계산장치 |
-
2014
- 2014-11-27 KR KR1020140167751A patent/KR101800286B1/ko active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160063892A (ko) | 2016-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101800286B1 (ko) | 대용량 에너지 사용 데이터를 이용한 에너지 관리 서비스 방법 및 이를 위한 에너지 관리 시스템 | |
| US10175709B2 (en) | Consumer electric power control system and consumer electric power control method | |
| JP6671344B2 (ja) | 電力消費の最適化のためのスマートシステムの動作方法及び装置 | |
| JP5743881B2 (ja) | 電力管理システム、電力管理方法、需要家端末及び電力管理装置 | |
| CN108470233B (zh) | 一种智能电网的需求响应能力评估方法和计算设备 | |
| CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
| CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
| CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和系统 | |
| KR20180028583A (ko) | 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템 | |
| JP2015002588A (ja) | 電力消費管理システムおよび方法 | |
| KR20170129485A (ko) | MACRO/MICRO 지능 Total 에너지관리시스템 및 방법 | |
| KR101049405B1 (ko) | 교량 자산관리 시스템 | |
| CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
| CN108346009B (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
| Jooshaki et al. | Designing a new procedure for reward and penalty scheme in performance‐based regulation of electricity distribution companies | |
| Tavarov et al. | Model and Algorithm of Electricity Consumption Management for Household Consumers in the Republic of Tajikistan. | |
| JP2015106316A (ja) | エネルギー管理システム | |
| CN111126498A (zh) | 一种基于分类分析的客户用电行为特征分析方法 | |
| CN112862172A (zh) | 国网95598停电投诉预测方法、装置、计算机设备和存储介质 | |
| Manoharan et al. | An Intellectual Energy Device for Household Appliances Using Artificial Neural Network | |
| KR20180044700A (ko) | 고객 맞춤형 수요 반응 프로그램을 운영하는 수요 반응 운영 시스템 및 그 방법 | |
| CN110516882B (zh) | 负荷代理商日前可用聚合响应容量预测方法 | |
| US10931107B2 (en) | System and method for management of an electricity distribution grid | |
| Ding et al. | Individual nonparametric load estimation model for power distribution network planning | |
| CN117495056A (zh) | 一种用电数据监测和优化方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |