KR101896836B1 - 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템 - Google Patents

풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템 Download PDF

Info

Publication number
KR101896836B1
KR101896836B1 KR1020170050285A KR20170050285A KR101896836B1 KR 101896836 B1 KR101896836 B1 KR 101896836B1 KR 1020170050285 A KR1020170050285 A KR 1020170050285A KR 20170050285 A KR20170050285 A KR 20170050285A KR 101896836 B1 KR101896836 B1 KR 101896836B1
Authority
KR
South Korea
Prior art keywords
cost
hydrogen
wind
hydrogen supply
capital
Prior art date
Application number
KR1020170050285A
Other languages
English (en)
Inventor
김지용
김민수
Original Assignee
인천대학교 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 인천대학교 산학협력단 filed Critical 인천대학교 산학협력단
Priority to KR1020170050285A priority Critical patent/KR101896836B1/ko
Application granted granted Critical
Publication of KR101896836B1 publication Critical patent/KR101896836B1/ko

Links

Images

Classifications

    • G06F17/5086—
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템이 개시된다. 본 발명의 일 실시예에 따른 의사결정 방법은, 컴퓨팅 시스템에 의해 수행되며, 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법으로서, 특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 단계; 및 상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 단계를 포함할 수 있다.

Description

풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템{METHOD FOR DECISION-MAKING OF WIND-POWERED HYDROGEN SUPPLY SYSTEM AND DECISION-MAKING COMPUTING SYSTEM}
본 발명의 다양한 실시예는 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법에 관한 것으로서, 풍력기반 수소 공급 시스템을 설계하는데 필요한 최적의 변수 값을 도출하는 기술에 관한 것이다.
최근 기후 변화와 화석 연료 등의 고갈 문제는 지속 가능한 에너지 공급 시스템 개발에 상당한 연구가 수행되도록 고취시키고 있다. 현재 화석 연료에 대한 가장 매력적인 대체물은 수소 경제이다. 수소는 환경 적으로 깨끗한 에너지 자원일 뿐만 아니라, 1차 에너지 원에서 전기, 열 및 기타 화학적인 것과 같은 다양한 엔드유저(end-user) 형태의 에너지로 전환될 수 있는 유연한 에너지 캐리어이다. 따라서, 수소 기반의 에너지 공급 시스템과 관련 인프라에 대한 분석과 디자인에 관한 문제가 연구 케이스 상에서 다루어지고 있다.
이러한 에너지 캐리어로서의 수소의 장점은 바이오매스, 풍력 및 태양 에너지와 같은 재생 가능 에너지로 생산될 때 더욱 향상된다. 저명한 연구자들은 재생가능한 수소 시스템의 타당성 및 재생가능한 수소공급기반시설의 설치 및 운영에 관한 분석을 시도하고 있다.
특히, 풍력 발전으로 생산되는 수소는 이산화탄소 배출 감소와 함께 향상된 에너지 안보 및 지속 가능성을 비롯한 많은 이점을 제공한다. 예를 들어, 풍력 에너지로 생산된 수소는 연료 전지 차량 (FCV)에 직접 사용될 수 있다. 이러한 풍력-수소-FCV 경로는 지구 온난화를 악화시키는 온실 가스 배출을 피하면서 이산화탄소를 배출하지 않거나 또는 아주 적은 이산화탄소만 배출하게 된다.
그러나, 풍력 에너지를 사용하는 수소 공급 시스템의 설계는 대체 옵션 (예: 위치의 차이, 타이밍, 타입 등)과 변수 불확실성(예: 간헐적인 풍력 및 수요 예측)의 존재로 인하여 매우 복잡하다는 문제점이 있다.
예를 들어, 풍력발전 단지의 용량과 위치를 결정할 때, 풍력발전단지의 배치는 전체 시스템의 경제성을 최상으로 향상시킬 수 있는지를 고려해야 한다. 또한, 풍력 발전소의 풍력 터빈 간격은 반류 효과(wake effect)로 인한 손실을 고려해야 하므로 풍력발전 단지의 농장의 실제 전력 생산량을 계산하는 데 중요한 요소이다. 또한, 대형 풍력 발전소 건설을 위한 토지 이용 가능성은 대체적으로 제한적이기 때문에 점유 면적은 수소 공급망 설계에 중요한 요소이다.
한국등록특허 제10-1080048호, 2011.11.07
본 발명은 전술한 종래기술의 문제점을 해결하기 위해 안출된 것으로, 풍력 기반 수소 공급 시스템과 관련된 모든 설계 문제를 해결할 수 있는 새로운 접근법 및 운영 전략에 대한 정보를 제공함을 그 목적으로 한다.
본 발명의 목적은 풍력 기반 수소 공급(Wind-Powered Hydrogen Supply, ‘WPHS’) 시스템을 설계 및 분석하기 위한 최적화 모델을 제공하는 것이다.
본 발명의 목적은 풍력 기반 수소 공급 시스템을 구현하기 위해 혼합 선형 프로그래밍(MILP) 기술을 기반으로 새로운 수학적 모델을 제공하는 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 의사결정 방법은, 컴퓨팅 시스템에 의해 수행되며, 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법으로서, 특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 단계; 및 상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 단계를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 의사결정 컴퓨팅 시스템은 특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 제약조건 관리부; 및 상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 목적함수 관리부를 포함할 수 있다.
본 발명의 다양한 실시예에 따른 저장 매체는 풍력기반 수소 공급 시스템의 설계를 제어하도록 설정된 프로그램을 저장하는 저장 매체로서, 상기 프로그램은, 특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 동작; 및 상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 동작을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록 풍력 발전망 또는 수소 공급망의 구성에 대한 변수 값을 도출함으로써 최적의 풍력기반 수소 공급 시스템을 설계할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 풍력기반 수소 공급(Wind-Powered H2 Supply, WPHS) 시스템의 일 개략도이다.
도 2는 본 발명의 일 실시예에 따른 의사결정 컴퓨팅 시스템의 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법의 흐름도이다.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 변수들의 정의 및 단위의 참고도이다.
도 7 내지 도 12는 본 발명의 일 실시예에 따른 의사결정 방법을 제주도에 적용한 예시도이다.
도 13은 본 발명의 일 실시예에 따른 의사결정 모델을 다른 실시예들과 비교한 예시도이다.
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 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
본 명세서 상에서는 제시되는 의사 결정 모델을 설명하기 위하여 하기와 같은 제약 조건을 임의로 가정할 수 있으나 본 발명의 범위는 이에 제한되지 않음은 물론이다.
도 1은 본 발명의 실시예에 따른 풍력기반 수소 공급(Wind-Powered H2 Supply, 이하 ‘WPHS’) 시스템의 개략도이다.
도 1을 살펴보면, WPHS 시스템은 크게 풍력 발전망과 수소 공급망을 포함한다. 풍력 발전망은 육상 및 해상 풍력 발전소와 같은 두 가지 방식의 풍력 공급원을 포함한다. 이러한 풍력 발전소들은 풍력 터빈의 크기와 배치 구조가 서로 다르며 에너지(예: 전기에너지)를 생성하기 위해 설치된다. 생성된 전기는 수소로 변환되기 위해 중앙 또는 현장의 수소 생산 시설로 전송된다.
수소 공급망은 수소 생산, 운송, 저장 및 분배와 같은 전형적인 수소 공급 공정들을 포함한다. 또한, 수소 공급망은 용량이 다른 물 전기 분해 플랜트를 포함하는 하나의 설비를 고려할 수 있다. 이러한 플랜트는 풍력 발전을 통해 생성된 전기를 재생 가능한 수소로 전환한다.
수소 생산은 2가지 방식으로 생산된다. 첫번째는 중앙 전기분해 시설에 의해 수소가 생산되어 운송, 저장 및 분배 과정을 거치게 되어 수소 보급소에 저장되는 방식이이다. 두번째는 특정 지역까지 전기가 전송되어 해당 특정 지역의 현장 전기분해 시설에 의해 수소가 생산되어 수소 보급소에 저장되는 형태이다. 본 발명의 다양한 실시예에서는 이러한 2가지 방식을 모두 고려하여 최적화된 모델을 결정한다.
수소 저장 시스템(즉, 수소 터미널)은 물 전기 분해 플랜트에 의해 생성된 수소를 저장하고 저장된 수소를 인접 지역의 연료 보급소로 분배한다. 연료 보급소는 최종 수소 수요량(예: 수소 연료 전지 차량 또는 HFCV 등)을 충족시킨다.
도 1의 풍력 발전망에 대한 주요 변수의 결정 문제로서, 풍력 발전소 타입(예; 육상 또는 해상), 풍력 발전소의 위치, 풍력 터빈의 유형과 개수, 풍력 터빈의 높이 및 풍력 터빈의 간격과 배열이 결정된다. 또한, 도 1의 수소 공급망에 대한 주요 변수의 결정 문제로서, 수소 생산 유형(중앙 방식 또는 분배 방식), 수소 시설물의 위치, 유형, 개수 및 수소의 운송 방식이 결정된다. 이러한 주요 변수의 결정은 후술할 WPHS 시스템의 총 일일 비용이 가장 낮게 산정되도록 수행된다. 즉, 총 일일 비용은 WPHS 시스템을 구현하기 위해서 자본 비용과 운영 비용이 하루 동안 얼마만큼 소요되는지를 나타낸다. 본 발명의 실시예에서 WPHS 시스템의 총 일일 비용은 자본 비용과 운영 비용을 고려한 목적함수를 통해 최소화되는 것을 목표로 한다.
한편, 본 발명의 실시예에 따른 WPHS 시스템의 의사결정 모델에 의해, 육상 및/또는 해상 풍력 발전소 건설 여부, 풍력 발전소의 개수, 풍력 발전소의 크기 및 풍력 발전소의 위치, 풍력 터빈 유형, 풍력 터빈의 간격, 풍력 터빈의 수와 높이 및 풍력 터빈의 위치와 배치에 대한 스펙, 수소 생산, 저장 및 분배시설의 수, 용량 및 위치, 풍력 발전소에서 전력망으로의 전송 연결, 수송 방식, 수소생산 시설, 저장 시설 및 연료 보급소 사이의 수소 이동량, 총 전기 생산량 및 수소 생산량 정보를 결정할 수 있다.
본 발명의 다양한 실시예에 따른 WPHS 시스템은 다음과 같은 내용들을 가정하도록 한다. 먼저, 제품(예: 전기 또는 수소)의 전송 손실은 무시하는 것으로 가정한다. 수소 생산, 저장 및 분배 시설들은 그것들이 차지하는 면적이 풍력 발전소에 필요한 면적에 비해 상당히 작기 때문에 고려되지 않는다. 또한, 모든 시설의 수명은 수소를 운반하는데 사용되는 차량(10년) 및 전기 전송 네트워크를 운반하는데 사용되는 차량(25년)을 제외하고는 15년으로 가정한다. 대출은 초기 자본 투자의 100%를 제공하며, 이자율과 대출 상환 기간은 각각 8%와 설비의 수명으로 가정된다. 수소 저장 시설의 보유 계수(holding factor)는 3일로 가정한다. 전기 전손 비용은 연결된 지역 간의 거리와 관련이 있으며, 전송된 비용과는 관련이 없는 것을 가정한다. 또한, 새로운 전기 송전망 설치 비용은 킬로미터 당 1875만 달러로 추정하도록 한다.
본 발명의 다양한 실시예에 따른 의사결정 모델을 위해, 의사 결정자 또는 WPHS 시스템은 WPHS 시스템을 적용하기 위한 필요 정보를 수집하거나 추출한다. 이러한 필요 정보는 지역데이터, 자원 데이터 및 기술/경제 데이터를 포함한다.
지역데이터는 수소 수요량, 면적(크기), 토지 가용성 및 다른 지역간의 거리 정보 등을 포함하고, 자원데이터는 평균 풍속을 포함할 수 있다. 또한, 기술/경제 데이터는 변환 효율, 처리 용량, 손실 계수, 포장 계수, 수명, 면적, 자본 및 운영비용을 포함할 수 있다. 또한, 기술/경제 데이터는 해당 지역의 과세 정책 및 토지 규제에 관한 정보를 포함할 수 있다.
상기와 같은 필요 정보는 의사 결정자가 후술할 도 2의 의사 결정 컴퓨팅 시스템(100)에 입력하거나 제약조건 관리부(121)에 의해 수집되며, 제약 조건들과 함께 또는 독립적으로 입력되어 의사결정 과정에 이용될 수 있다.
도 2는 본 발명의 실시예에 따른 의사결정 컴퓨팅 시스템(100)의 블록 구성도이다.
도시되는 바와 같이, 의사결정 컴퓨팅 시스템(100)은 통신부(110), 제어부(120), 제약조건 관리부(121), 목적함수 관리부(125) 및 저장부(130)를 포함한다. 이러한 의사결정 컴퓨팅 시스템(100)은 전술한 도 1의 WPHS 시스템의 총 일일 비용이 최소화되도록 WPHS 시스템의 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 기능을 수행한다.
통신부(110)는 의사결정 컴퓨팅 시스템(100)과 외부 장치들 간의 통신이 가능하도록 하는 역할을 수행할 수 있다. 예를 들어, 통신부(110)는 의사 결정 컴퓨팅 시스템(100)이 의사 결정자로부터 의사 결정 모델을 수행하는데 필요한 각종 제한 조건들을 입력 받도록 할 수 있으며, 외부의 서버나 타 컴퓨팅 시스템과의 통신으로 의사 결정 모델을 실행하는데 필요한 정보를 수신할 수도 있다. 이러한 통신부(110)는 무선 네트워크 모듈, 인터넷 모듈, 셀룰러 모듈 또는 근거리 통신 모듈(예: RF 송/수신기, 블루투스, 지그비, 와이파이, 적외선 통신 모듈 등)을 포함할 수 있다.
제어부(120)는 의사결정 컴퓨팅 시스템(100) 내의 통신부(110), 제약조건 관리부(121), 목적함수 관리부(125) 및 저장부(130) 간의 데이터 흐름을 제어하는 기능을 수행할 수 있다. 제어부(120)는 적어도 하나의 프로세서를 포함할 수 있다. 도 2에서 제약조건 관리부(121)와 목적함수 관리부(125)는 제어부(120)와 별도의 구성으로 기재되어 있으나, 다양한 실시예에 따르면 제약조건 관리부(121)와 목적함수 관리부(125)는 제어부(120)와 하나의 구성으로 구현될 수도 있다.
제약조건 관리부(121)는 후술할 수학식 1 내지 31을 이용하여 WPHS 시스템의 설계를 위한 의사결정 방법을 수행함에 있어 제약 조건들을 관리하고 설정하는 기능을 수행한다. 이 과정에서 제약조건 관리부(121)는 목적함수 관리부(125)와 연동되어 기능 수행이 가능하다. 또한, 제약조건 관리부(121)는 목적함수 관리부(125)와 연동하여 목적함수를 실행하는 중 제약조건에 따라 발생하는 데이터들 또는 필요정보를 목적함수 관리부(125)로 전송하거나 목적함수 관리부(125)로부터 수신되는 데이터를 기반으로 목적함수 관리부(125)에 피드백 정보를 제공할 수 있다.
목적함수 관리부(125)는 후술할 수학식 32 내지 47을 이용하여 목적함수(예: WPHS 시스템의 총 일일 비용)가 최소값을 가질 수 있도록 계산을 수행한다. 목적함수 관리부(125)는 조건 상황(예: 시나리오)이 변화할 때마다 계산을 반복하여 수행함으로써 어느 경우에 목적함수가 최소값을 가질 것인지를 도출할 수 있다. 목적함수 관리부(125)는 이를 통해 WPHS 시스템의 총 일일 비용이 최소가 되는 변수 값들을 도출할 수 있다. 또한, 목적함수 관리부(125)는 실행 시마다 도출되는 목적함수의 최소값을 기반으로 소정 범위의 결과값 영역을 도출할 수 있다. 즉, 목적함수 관리부(125)는 후술할 도 13에 도시된 바와 같은 결과값 영역을 시각적으로 구성하거나 출력할 수 있다.
본 발명의 다양한 실시예에서, 제약조건 관리부(121)와 목적함수 관리부(125)에서 수행되는 최적화 모델은 MILP(Mixed-Integer Linear Programming) 기술을 사용하여 공식화된다. 따라서, 본 발명의 실시예에 따른 목적함수 관리부(125)와 제약조건 관리부(121)는 MILP 기술을 이용하여 구현될 수 있고, 이하에서 제시하는 수학식들을 이용하여 WPHS 시스템의 설계를 모델링한다.
또한, 제약조건 관리부(121)와 목적함수 관리부(125)는 논리적 또는 기능적으로 구분되어 있으나 이에 한정하는 것은 아니며, 예컨대, 제약조건 관리부(121)와 목적함수 관리부(125)는 하나의 함수 실행부 또는 제어부로 구현될 수도 있다.
저장부(130)는 제어부(120) 또는 의사결정 컴퓨팅 시스템(100)의 다른 구성요소들로부터 수신되거나 생성된 데이터를 저장할 수 있다. 저장부(130)는 예를 들어, 메모리(memory), 캐시(cash), 버퍼(buffer) 등을 포함할 수 있으며, 소프트웨어, 펌웨어, 하드웨어 또는 이들 중 적어도 둘 이상의 조합으로 구성될 수 있다.
다양한 실시예에 따르면, 저장부(130)는 의사결정 프로그램(131) 및 정보 DB(135)를 포함할 수 있다.
의사결정 프로그램(131)은 메모리에 미리 저장된 후, 제어부(120)에 의해 호출 및 실행되어 WPHS 시스템의 설계를 위한 일련의 의사결정 동작을 수행할 수 있다. 이를 위해, 의사결정 프로그램(131)은 제약조건 관리부(121) 및 목적함수 관리부(125)에서 수행되는 기능을 수행하도록 설정된 명령어 또는 루틴으로 구현될 수 있다.
정보 DB(135)는 의사결정 프로그램(131) 또는 의사결정 컴퓨팅 시스템(100)에서 생성되거나 수집되는 데이터들을 저장할 수 있다.
도 3은 본 발명의 실시예에 따른 WPHS 시스템의 설계를 위한 의사결정 방법의 흐름도이다. 다양한 실시예들에 따라 이러한 도 3의 각 단계들 중 적어도 일부는 생략되거나 상호 순서가 변경될 수 있다.
다양한 실시예에 따르면, 제어부(120)는 의사 결정자로부터 필요정보를 입력 받을 수 있다(S310). 예를 들어, 제어부(120)는 WPHS 시스템을 설계하고자 하는 소정 단위 지역에 대한 과세 정책 및 토지 규제와 관련된 기술/경제 데이터, 평균 풍속 등의 자원데이터 또는 수소 수요량 등의 지역데이터와 같은 필요 정보를 의사 결정자로부터 입력 받거나 통신부(110)를 통해 외부 장치로부터 수집할 수 있다.
다음으로, 제어부(120)는 의사결정 프로그램을 실행한다(S330). 경우에 따라, 제어부(120)는 반복적으로 의사결정 프로그램을 수행할 수 있다. 제어부(120)에 의해 의사결정 프로그램이 실행되면, 제약조건 관리부(121)와 목적함수 관리부(125)에 의해 WPHS 시스템의 설계를 위한 의사결정 동작이 수행된다. 이하에서는 이러한 의사결정 동작의 수행 과정을 제약 조건의 수학식들과 목적 함수의 수학식들을 이용하여 설명하도록 한다. 수학식들에서 사용되는 변수의 정의와 단위는 도 4 내지 도 6에 의해 참고될 수 있다.
수요 제약조건
제약조건 관리부(121)는 수요 제약조건과 관련하여 하기 수학식 1을 만족하도록 수요량을 산정할 수 있다. 특정 지역에서의 총 수소 수요량은 해당 특정지역으로 다른 지역에서 유입된 수소의 수요량 및 특정지역에서 로컬 수소 생산에 따른 수요량의 합과 같다.
Figure 112017038204638-pat00001
상기 수학식 1에서 지역 j∈j0은 해상 풍력 터빈을 제외한 모든 시설을 수립할 수 있음을 나타낸다. 또한, 제약조건 관리부(121)는 아래 수학식 2와 같이, 운송 수단 l∈LH에 의해 지역 j'∈j0의 수소 터미널로부터 지역 j∈j0의 연료 보급소 i∈IFS로 유입되는 수소의 양
Figure 112017038204638-pat00002
이 다른 지역에서 지역 j∈j0로 유입되는 수소 수요량
Figure 112017038204638-pat00003
보다 더 크도록 수소 수요량을 조절할 수 있다.
Figure 112017038204638-pat00004
또한, 제약조건 관리부(121)는 로컬 수소 생산에 의해 충족되는 수소의 양을 다음 수학식 3을 통해 산정한다.
Figure 112017038204638-pat00005
여기서,
Figure 112017038204638-pat00006
는 지역 j∈j0에서 현장 수소 분해 설비 i∈IOE에 의해 생성된 수소의 양이고,
Figure 112017038204638-pat00007
는 다른 지역에서 유입된 수소로 만족되는 지역 j∈JO 에서의 수요이다.
제약조건 관리부(121)는 상기 수학식 1 내지 수학식 3을 통해 소정 규모의 특정 지역에 대한 수소 수요량을 결정하거나 조절할 수 있다.
전기 생산 및 보존
제약조건 관리부(121)는 모든 지역(즉, 육상, 얕은 해안 또는 과도기적 해안)에 대해, 높이 m∈M에서 풍력 발전소 k∈K의 레이아웃을 가지며 지역 j∈J에서의 풍력 터빈 i∈IWT에서 발생하는 전기량(
Figure 112017038204638-pat00008
)을 아래 수학식 4를 이용하여 산정할 수 있다.
Figure 112017038204638-pat00009
여기서, φk는 풍력 발전소 레이아웃에 따른 배열 손실이고,
Figure 112017038204638-pat00010
는 높이 m∈M에서 풍력 발전소 레이아웃 m∈M를 갖는 지역 j∈J에서의 풍력 터빈 i∈IWT의 개수이다. 제약조건 관리부(121)는 아래 수학식 5를 이용하여 높이 m∈M에서 지역 j∈J의 풍력 터빈 i∈IWT의 출력 OPijm을 구할 수 있다.
Figure 112017038204638-pat00011
여기서, TE(v)ijm은 컷 인(Vin)과 컷 아웃(Vout) 풍속 사이의 각 풍속 v에 대해서 높이 m∈M에서 지역 j∈J의 풍력 터빈 i∈IWT의 풍력터빈 에너지이다. WP(v)jm은 높이 m∈M의 지역 j∈J에서 각각의 풍속 v에 대한 와이블 확률 분포이다. WP(v)jm은 광범위한 풍속의 통계적 거동을 설명한다. 제한조건 관리부는 다음 수학식 6 및 수학식 7을 이용하여 TE(v)ijm 및 WP(v)jm를 계산할 수 있다.
Figure 112017038204638-pat00012
Figure 112017038204638-pat00013
여기서, PC(v)i는 풍력 터빈 i∈IWT의 풍속 v에 대한 전력 곡선을 나타내고, K는 무차원 형상 파라미터이며, ε 은 바람 분포에서 피크의 정도를 나타내는 와이블 형상 계수이다. Wjm 은 높이 m∈M의 지역 j∈J와 관련된 와이블 스케일 계수로, 선택된 위치의 바람의 정도를 나타낸다. 제한조건 관리부는 아래 수학식 8을 통해 Wjm을 계산할 수 있다.
Figure 112017038204638-pat00014
여기서, WSjm 와 Γ(x)는 각각 높이의 지역 m∈M에서의 풍속과 감마 함수이다. Γ(x)는 제한조건 관리부에 의해 아래 수학식 9와 같이 계산된다.
Figure 112017038204638-pat00015
한편, WSjm은 기준 높이, 상기 기준 높이에서의 풍속 및 풍력 지수를 통해 계산될 수 있다. WSjm는 제한조건 관리부에 의해 아래 수학식 10과 같이 계산된다.
Figure 112017038204638-pat00016
여기서, HHm, δ 그리고 WSj50은 각각 50미터 높이의 지역 j∈J에서 측정된 풍력 터빈의 높이(m∈M), 멱수 전단 지수(power law shear exponent) 및 풍속이다.
지역 j∈J에서 생산된 전기의 총량
Figure 112017038204638-pat00017
은 아래 수학식 11과 같이 높이 m∈M의 지역 j∈J의 풍력 발전소 k∈K의 레이아웃에서 풍력 터빈 i∈IWT에서 생성된 전력들을 합한 것과 같다.
Figure 112017038204638-pat00018
총 생산된 전기의 에너지 균형은 아래 수학식 12와 같다.
Figure 112017038204638-pat00019
여기서,
Figure 112017038204638-pat00020
는 지역 j∈J에서 중앙 전기분해 설비 i∈ICE로 운송 수단 l∈LE에 의해 유출되는 전기량이고,
Figure 112017038204638-pat00021
는 지역 j∈J에서 지역 j'∈J0의 현장 전기분해 설비 ∈IOE로 운송 수단 l∈LE에 의해 유출되는 전기량이다.
상기와 같이, 제약조건 관리부(121)는 수학식 4 내지 10을 통해 특정 지역에서 특정 높이를 가지는 풍력 터빈의 전기 발생량을 산정할 수 있고, 수학식 11을 통해 풍력 터빈들이 모인 풍력 발전소에서 발생되는 총 전기량을 산정할 수 있다. 또한, 제약조건 관리부(121)는 수학식 12를 통해 중앙 전기분해 설비와 현장 전기분해 설비로 나누어 보급되는 전기량을 산정할 수 있다.
수소 생산 및 보전
수소는 풍력 터빈에서 생성된 전기를 사용하여 중앙 또는 현장에서의 전기분해로 생산될 수 있다. 제약조건 관리부(121)는 아래 수학식 13 및 수학식 14을 이용하여 중앙 전기분해 시설과 현장 분해 시설에서 생산되는 수소의 양을 각각 산정할 수 있다.
Figure 112017038204638-pat00022
Figure 112017038204638-pat00023
여기서,
Figure 112017038204638-pat00024
와
Figure 112017038204638-pat00025
는 각각 지역 j∈J0의 중앙 전기분해 설비 i∈ICE와 현장 전기분해 설비 i∈IOE에서 생산된 수소의 양이고, ηi는 전기분해 설비 i∈ICE,IOE 의 에너지 변환 효율이다. 는 지역 j∈J 에서 지역 j'∈J0 의 중앙 수소분해 시설 i∈ICE 로 운송 수단 l∈LH 에 의해 운송된 전기량을 의미하고,
Figure 112017038204638-pat00027
는 지역 j∈J 에서 지역 j'∈J0 의 현장 수소분해 시설 i∈IOE 로 운송 수단 l∈LH 에 의해 운송된 전기량을 의미한다. 즉, 제약조건 관리부(121)는 중앙 수소분해 시설과 현장 수소분해 시설로 운송된 전기량에 각각의 설비에서의 에너지 변환 효율을 곱해서 수소의 생산량을 구할 수 있다.
본 발명의 일실시예에 따르면, 제약조건 관리부(121)는 아래 수학식 15 및 수학식 16을 이용하여 생산되는 수소의 양을 수소전기분해 시설 i∈ICE,IOE 의 최소 생산 용량(
Figure 112017038204638-pat00028
)과 최대 생산 용량(
Figure 112017038204638-pat00029
) 사이에 설정되도록 조절한다.
Figure 112017038204638-pat00030
Figure 112017038204638-pat00031
상기 수학식 15 및 수학식 16에서,
Figure 112017038204638-pat00032
는 지역 j∈JO의 중앙 수소분해 시설 i∈ICE의 개수이고,
Figure 112017038204638-pat00033
는 지역 j∈JO의 현장 수소분해 시설 i∈IOE의 개수이다.
제약조건 관리부(121)는 아래 수학식 17과 같이, 지역 j∈J에서 중앙 전기분해 설비 i∈ICE를 통해 생산된 수소의 총량을 운송 수단 l∈LH에 의해 지역 j∈J0에서 지역 j'∈J0의 수소 터미널 i∈ITE로 수송된 총 수소의 양
Figure 112017038204638-pat00034
과 동일하도록 설정한다.
Figure 112017038204638-pat00035
저장 운영
제약조건 관리부(121)는 아래 수학식 18과 같이, 지역 j∈JL에서 수소 터미널 i∈ITE에 저장된 수소의 양
Figure 112017038204638-pat00036
을 지역 j'∈J0에서 지역 j∈J0의 수소 터미널 i∈ITE로 운송 수단 l∈LH에 운송된 수소의 양
Figure 112017038204638-pat00037
과 동일하게 설정한다.
Figure 112017038204638-pat00038
또한, 제약조건 관리부(121)는 아래 수학식 19와 같이, 지역 j∈JO에서 저장되는 총 수소량을 지역 j∈JO에서 지역 j'∈J0의 연료 보급소로 운송 수단 l∈LH에 의해 수송되는 수소량
Figure 112017038204638-pat00039
보다 더 크도록 설정한다.
Figure 112017038204638-pat00040
제약조건 관리부(121)는 전술한 수학식 15와 유사한 방식으로, 저장된 수소의 양을 아래 수학식 20과 같이 수소 터미널들 i∈ITE의 수와 수소 터미널 i∈ITE의 최소 저장 용량(
Figure 112017038204638-pat00041
)과 최대 저장 용량(
Figure 112017038204638-pat00042
)을 고려하여 소정 구간에 한정한다.
Figure 112017038204638-pat00043
여기서, β는 수요 변동을 설명하기 위한 평균 일일 저장 용량을 나타내고,
Figure 112017038204638-pat00044
는 j∈JO에 포함된 수소 터미널의 개수이다. 본 발명의 실시예에서는 수소 저장 기술을 포함한 현장의 전기 분해방식은 용량이 낮기 때문에 인벤토리 기간은 없다고 가정한다.
운송 운영
제약조건 관리부(121)는, 아래 수학식 21과 같이 서로 다른 지역간에 운송되는 수소의 유량을 특정 구간 즉, 작은 수(SN)와 큰 수(BN) 사이로 한정한다.
Figure 112017038204638-pat00045
여기서, Yijj'l는 지역 간 수소 터미널에서 연료 보급소로의 수소 이송을 나타내는 이진 변수이다. 지역 j∈JO에서 지역 j'∈J0의 연료 보급소 i∈IFS로 운송 수단 l∈LH에 의해 수소가 수송되는 경우, Yijj'l는 1이 되며, 그렇지 않은 경우에는 0이 된다. 논리적으로, 지역간 수소 흐름은 한 방향으로만 발생해야 한다. 예를 들어, 특정 지역은 다른 지역으로부터 수소를 유입하거나 다른 지역으로 수소를 이동시킬 순 있지만, 다른 지역으로부터 수소를 유입함과 동시에 다른 지역으로 수소를 이동시킬 수는 없다. 제약조건 관리부(121)는 아래의 수학식 22 내지 25를 이용하여 지역 교통 네트워크의 제약을 설정한다.
Figure 112017038204638-pat00046
Figure 112017038204638-pat00047
Figure 112017038204638-pat00048
Figure 112017038204638-pat00049
여기서, Vij와 Wij은 이진 변수이다. 만약 수소가 지역 j∈JO으로부터 다른 지역의 연료 보급소 i∈IFS로 수송된다면, Vij는 1이되고 그렇지 않은 경우에는 0이 된다. 만약 수소가 다른 지역으로부터 지역 j∈JO의 연료 보급소 i∈IFS로 유입된다면, Wij는 1이 되고 그렇지 않은 경우에는 0이 된다. 제약조건 관리부(121)는 상기와 같은 수학식 21 내지 25를
Figure 112017038204638-pat00050
뿐 아니라 다른 플로우(예:
Figure 112017038204638-pat00051
)에도 적용한다.
연료 보급소 운영
제약조건 관리부(121)는 아래 수학식 26을 이용하여 지역 j∈JO 에서의 연료 보급소 i∈IFS개수를 결정한다. 구체적으로, 제약조건 관리부(121)는
Figure 112017038204638-pat00052
와 연료 보급소 i∈IFS의 용량
Figure 112017038204638-pat00053
을 이용하여 연료 보급소의 개수를 결정한다. 여기서,
Figure 112017038204638-pat00054
는 다른 지역에서 유입된 수소로 만족되는 지역 j∈JO 에서의 수요이다.
Figure 112017038204638-pat00055
토지제한
제약조건 관리부(121)는 아래 수학식 26을 이용하여 풍력 발전소의 총 점유면적이 지역 j∈JO에서 풍력발전을 위해 이용 가능한 면적(AAj)을 넘지 않도록 설정할 수 있다.
Figure 112017038204638-pat00056
상기 수학식 27에서, OAik는 풍력 발전소 레이아웃 k∈K에 있는 풍력 터빈 i∈IWT의 점유 면적이며, 제약조건 관리부(121)는 다음과 같은 수학식 28을 이용하여 OAik를 산정한다.
Figure 112017038204638-pat00057
상기 수학식 28에서, θk는 풍력 발전소 레이아웃 k∈K에 따른 계수이고, RDi는 풍력 터빈 i∈IWT의 회전자 직경이다. 한편, 제약조건 관리부(121)는 지역 j∈JO에서 이용 가능한 면적(AAj)을 다음과 같은 수학식 29에 의해 결정한다.
Figure 112017038204638-pat00058
상기 수학식 29에서, GAj와 r은 각각 지역 j∈JO에서의 초원 면적과 토지 규제에 해당한다.
다른 제약조건
이론적으로, 지역 j∈J의 풍력 발전소는 높이 m∈M의 레이아웃 k∈K을 가지는 단일 유형의 풍력터빈 i∈IWT으로 구성되어야 한다. 제약조건 관리부(121)는 아래와 같은 수학식 30과 수학식 31을 통해 이러한 조건을 제약한다.
Figure 112017038204638-pat00059
Figure 112017038204638-pat00060
여기서, Rijkm는 2진 변수이다. 만약 허브의 높이가 m∈M인 풍력 발전소 레이아웃 k∈K를 가지는 지역 j∈J의 풍력 터빈 i∈IWT에 의해 전기가 생산되는 경우, Rijkm은 1이되고 그렇지 않은 경우에는 0이 된다.
목적함수(Objective Function)
본 발명의 실시예에 의한 목적함수 관리부(125)는 수학식 32를 이용하여 WPHS 시스템의 총 일일 비용(Total Daily Cost, TDC)을 최소화하도록 WPHS 시스템의 설계를 모델링한다. 총 일일비용은 시설 자본비용(Facility Capital Cost, FCC), 운송 자본 비용(Transportation Capital Cost, TCC), 시설 운영 비용(Facility Operation Cost), 운송 운영 비용(Transportation Operation Cost, TOC) 및 자본 비용 인수(Capital Charge Factor, CCF)를 고려할 수 있다. 이 경우, 시설 자본 비용(FCC)과 운송 자본 비용(TCC)의 합을 자본 비용 인수(Capital Charge Factor, CCF)와 365일(α)의 곱으로 나누어 총 일일비용을 계산한다.
Figure 112017038204638-pat00061
본 발명의 일실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 33을 이용하여 시설 자본 비용(FCC)을 계산한다. 구체적으로, 시설 자본 비용(FCC)은 생산, 저장 및 분배 시설의 자본 비용의 합계이며, 시설의 수와 해당 시설의 자본 비용으로 계산된다.
Figure 112017038204638-pat00062
여기서, WCijm은 지역 j∈J에서의 높이 m∈M의 풍력 터빈 i∈IWT의 자본 비용이다. FCi는 각각 i∈ICE, i∈IOE, i∈IFS(수소연료 보급소) 및 i∈ITE(수소 터미널)의 자본 비용이다. 본 발명의 일실시예예 따르면, 목적함수 관리부(125)는 아래 수학식 34와 같이, 타워 비용(TCim), 로터 비용(RCi), 구동 비용(DCi) 및 밸런스 비용(BCijm)의 4가지 유형의 비용을 고려하여 WCijm을 결정한다.
Figure 112017038204638-pat00063
본 발명의 일 실시예에서, 목적함수 관리부(125)는 비용 표현을 단순화하기 위해 다음 수학식 35를 이용하여 풍력 터빈의 유형에 따른 타워 비용을 결정한다.
Figure 112017038204638-pat00064
상기 수학식 35에서, ai와 bi는 각각 풍력 터빈 i∈IWT에 따른 타워 비용 함수의 기울기와 절편이다.
본 발명의 일 실시예에서, 목적함수 관리부(125)는 풍력 터빈의 유형, 지역 및 높이에 의해 밸런스 비용(BCijm)을 결정된다. 구체적으로, 목적함수 관리부(125)는 아래 수학식 36을 이용해서 밸런스 비용(BCijm)을 구한다.
Figure 112017038204638-pat00065
여기서, cij와 dij는 풍력 터빈 i∈IWT에 따른 밸런스 비용 함수의 기울기와 절편이다.
본 발명의 일 실시예에서, 목적함수 관리부(125)는 수소 운송 자본 비용(THC)과 전기 운송 자본 비용(TEC)을 통해 운송 자본 비용(TCC)을 설정한다. 즉, 목적함수 관리부(125)는 다음 수학식 37과 같이 수소 운송 자본 비용(THC)과 전기 운송 자본 비용(TEC)의 합으로 운송 자본 비용(TCC)을 산정한다.
Figure 112017038204638-pat00066
수소 운송 자본 비용(THC)는 지역 간의 수소 운송량, 지역 간의 운송 거리(Ljj'), 운송 가용성(TMAl), 운송 자본 비용(TCMl), 운송 능력(Tcapl), 평균 속도(SPl) 및 로딩/언로딩 시간(LUTl)에 의해 결정된다. 본 발명의 일 실시예에 따른 수소 운송 자본 비용(THC)은 목적함수 관리부(125)에 의해 아래 수학식 38과 같이 결정된다.
Figure 112017038204638-pat00067
상기 수학식 38의 우측 첫번째 항은 중앙 전기분해 시설과 수소 터미널 간(주요 운송)의 수소 유량과 관련된 운송 자본 비용을 나타내고, 두번째 항은 수소 터미널과 연료 보급소(두번째 분배)간의 수소 유량과 관련된 운송 자본 비용을 나타낸다.
본 발명의 일 실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 39를 이용하여 전기 운송 자본 비용(TEC)을 계산한다.
Figure 112017038204638-pat00068
상기 수학식 39에서,
Figure 112017038204638-pat00069
와
Figure 112017038204638-pat00070
는 풍력 터빈에서 지역들 사이의 중앙 전기분해 설비로의 전기 연결성을 나타내는 이진 변수이다. 만약 전기가 지역 j∈J의 풍력 터빈으로부터 중앙 전기분해 시설 또는 지역 j'∈J0의 현장(on-site) 전기분해 시설로 운송수단 l∈L에 의해 운송되는 경우
Figure 112017038204638-pat00071
와
Figure 112017038204638-pat00072
는 1이 되고, 그렇지 않은 경우에는
Figure 112017038204638-pat00073
또는
Figure 112017038204638-pat00074
는 0이 된다. 다양한 실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 40과 수학식 41에 의해
Figure 112017038204638-pat00075
및
Figure 112017038204638-pat00076
를 구한다.
Figure 112017038204638-pat00077
Figure 112017038204638-pat00078
본 발명의 일 실시예에서, 목적함수 관리부(125)는 아래 수학식 42를 통해 시설 운영 비용(FOC)을 산정한다.
Figure 112017038204638-pat00079
상기 수학식 42에서 UOCi는 시설 i∈I의 단위 운영 비용에 해당한다.
본 발명의 일 실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 43을 이용하여 운송 운영 비용(TOC)을 계산한다.
Figure 112017038204638-pat00080
상기 수학식 43에서, 운송 운영 비용(TOC)는 연료비(FC), 노동비(LC) 유지 보수비(MC) 및 일반 비용(GC)을 포함할 수 있다.
본 발명의 일실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 44를 이용하여 연료비(FC)를 결정한다.
Figure 112017038204638-pat00081
여기서, FPl 및 FEl은 각각 운송수단 l∈LH의 연료 가격과 연비를 의미한다.
본 발명의 일실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 45를 이용하여 노동비(LC)를 결정한다.
Figure 112017038204638-pat00082
상기 수학식 45에서, DWl은 운송수단 l∈LH의 운전자 임금에 해당한다.
본 발명의 일실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 46을 이용하여 유지보수비(MC)를 결정한다.
Figure 112017038204638-pat00083
상기 수학식 46에서, MEl은 운송수단 l∈LH에 대해 발생한 유지보수 비용에 해당한다.
본 발명의 일실시예에 따르면, 목적함수 관리부(125)는 아래 수학식 47을 이용하여 일반 비용(GC)을 결정한다.
Figure 112017038204638-pat00084
상기 수학식 47에서, GEl은 운송수단 l∈LH에 대해 발생한 일반 비용에 해당한다.
전술한 내용들과 같이 수행되는 의사결정 프로그램의 동작들 즉, 제약 조건을 확인하고 목적함수가 최소값이 되도록 하는 변수 값을 도출하는 단계들은 기 정해진 횟수 이상 반복적으로 수행될 수 있다. 이러한 정해진 횟수는 의사 결정자에 의해 입력되거나 미리 설정된 정책에 의해 결정될 수 있으며, 결과 값이 소정 구간 내에 수렴될때까지 반복되는 것으로 설정될 수도 있다.
또한, 상기 수학식 1 내지 수학식 47을 통해 결과 값이 도출된다(S350). 즉, WPHS 시스템의 총 일일 비용이 최소가 되는 변수 값들이 도 3의 S330 단계에 의해 산출될 수 있다. 이러한 변수 값들은 풍력 발전망의 적어도 일부 구성에 대한 변수 값 또는 수소 공급망의 적어도 일부 구성에 대한 변수 값일 수 있다.
예를 들어, 상기 풍력 발전망의 적어도 일부 구성에 대한 변수 값은 육상 풍력 발전소 및/또는 해상 풍력 발전소의 건설 여부, 풍력 발전소의 위치, 풍력 발전소의 개수, 풍력 발전소의 크기, 풍력 터빈의 유형, 풍력 터빈의 수, 풍력 터빈의 높이, 풍력 터빈의 레이아웃, 또는 전기의 전송 방식 중 하나 이상을 포함할 수 있다.
또다른 예로서, 상기 수소 공급망의 적어도 일부 구성에 대한 변수 값은 수소 생산 방식의 유형, 수소 시설물의 위치, 수소 시설물의 개수, 수소 시설물의 유형 또는 수소의 운송 방식 중 적어도 하나를 포함할 수 있다.
제주도에 대한 모델 적용
도 7 내지 도 12는 본 발명의 일 실시예에 따른 의사결정 방법을 제주도에 적용한 예시도이다. 본 발명의 실시예에 따른 의사결정 모델을 한국의 남쪽 섬인 제주도에 적용해보기로 한다.
제주도에 대한 WPHS 시스템의 설계를 위해, 먼저 도 7의 표 1(701)과 같이 다섯 가지의 활동 즉, 전기 생산, 수소 생산, 수소 저장, 수소 분배 및 수소 운송 활동이 수행되는 것으로 가정한다. 또한, 육상/해상 풍력 발전, 중앙/현장 수소분해 시설, 수소 터미널, 수소연료 보급소 및 운송 수단(예: 탱커트럭)의 7가지 기술을 고려하는 것을 가정한다. 또한, 표 2(703)와 같은 필요 정보로서 과세 정책과 토지 가용성을 5가지 시나리오로 나누어서 의사결정 모델을 수행하도록 한다.
또한, 도 8의 표 3(801)과 같이, 제주도의 일일 수소 수요량이 필요 정보로서 산정된다. 제주도의 일일 수소 수요량은 예컨대, 제주도의 인구 비율에 한국의 수소 수요량을 곱하는 식으로 가정될 수 있다.
또한, 도 9의 화면(901)에 도시되는 바와 같이 제주도 각 지역에서의 평균 풍속, 해안의 깊이, 토지 가용 면적 등이 필요정보로서 수집되어 의사결정 모델에 적용될 수 있으며, 도 10의 표 4(1001)와 같이 풍력 터빈과 관련된 변수들이 설정될 수 있다.
또한, 도 11의 표 5(1101)와 표 6(1103)에서 각각 도시되는 바와 같이 수소 시설의 기술/경제 데이터와 운송 수단(예: 탱커트럭)의 운영 비용과 자본 비용 등이 설정될 수 있다.
상기와 같은 필요 비용 내지 제약 조건들이 설정되면, 도 12와 같은 결과 값(1201)이 도출된다. 이러한 결과 값(1201)은 다양한 시나리오에서 WPHS 시스템을 설계하고 운영하는데 필요한 비용에 대한 정보를 포함한다. 따라서, 본 발명의 실시예들은 필요 정보 내지 시나리오에 맞춤화된 최적의 WPHS 설계가 될 수 있도록 의사 결정자의 의사결정을 지원할 수 있다.
도 13은 본 발명의 일 실시예에 따른 의사결정 모델을 다른 실시예들과 비교한 예시도이다. 본 발명의 실시예에 따른 의사결정 모델을 기본 모델이라고 하고, 도출되는 변수 값들은 풍력 발전소의 위치, 풍력 터빈의 높이, 풍력 터빈의 레이아웃 및 수소 공급망의 구성으로 총 4가지로 설정한다. 비교 모델 1 풍력 발전소의 위치가 고정된 모델이고, 비교 모델 2는 풍력 터빈의 유형과 높이가 고정된 모델이며, 모델 3은 풍력 발전소의 레이아웃이 고정된 모델이다.
결과 영역(1303)을 참조하면, 기본 모델의 비용 영역(Cost range of base model)에 비해, 비교 모델 1, 비교 모델 2, 비교 모델 3의 비용 영역이 더 높게 나오는 것을 알 수 있다. 특히, 비교 모델 1과 기본 모델의 비교를 통해, 풍력 발전소의 위치 선정이 WPHS 시스템의 전반적인 경제성을 결정 짓는 가장 중요한 요소임을 알 수 있다.
그러므로, 본 발명의 실시예에 따른 통합형 의사결정 모델은 WPHS 시스템의 편리한 설계 플랫폼을 제공할 뿐만 아니라 체계적이고 포괄적인 솔루션을 제공할 수 있다는 것을 확인할 수 있다. 또한, 본 발명의 실시예에 따른 의사결정 방법 및 시스템에 의해 최적의 풍력기반 수소 공급 시스템을 설계할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
100: 의사결정 컴퓨팅 시스템 110: 통신부
120: 제어부 121: 제약조건 관리부
125: 목적함수 관리부 130: 저장부
131: 의사결정 프로그램 135: 정보 DB

Claims (12)

  1. 컴퓨팅 시스템에 의해 수행되며, 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법으로서,
    특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 단계; 및
    상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 단계를 포함하며,
    상기 변수 값을 도출하는 단계는,
    수학식
    Figure 112018049083490-pat00109
    을 이용하는 단계를 포함하는, 의사결정 방법.
    TDC: 총 일일 비용(Total Daily Cost)
    FCC: 시설 자본 비용(Facility Capital Cost)
    TCC: 운송 자본 비용(Transportation Capital Cost)
    FOC: 시설 운영 비용(Facility Operation Cost)
    TOC: 운송 운영 비용(Transportation Operation Cost)
    α: 365
    CCF: 자본 비용 인수(Capital Charge Factor)
  2. 삭제
  3. 제1항에 있어서,
    상기 변수 값을 도출하는 단계는,
    수학식
    Figure 112018049083490-pat00086
    을 더 이용하여 시설 자본 비용을 산정하는, 의사결정 방법
    i: 시설의 집합
    j: 지역의 집합
    k: 풍력 발전소 레이아웃의 집합
    m∈M: 높이
    j∈J: 지역
    i∈IWT: 풍력 터빈
    WCijm: 지역 j∈J에서 높이 m∈M에 해당하는 풍력 터빈 i∈IWT의 자본 비용
    FCi: 해당 시설의 자본 비용
    Figure 112018049083490-pat00087
    : 풍력 터빈의 개수
    Figure 112018049083490-pat00088
    : 중앙 수소분해 시설의 개수
    Figure 112018049083490-pat00089
    : 현장 수소분해 시설의 개수
    Figure 112018049083490-pat00090
    : 수소 터미널의 개수
    Figure 112018049083490-pat00091
    : 수소 연료 보급소의 개수
  4. 제3항에 있어서,
    상기 변수 값을 도출하는 단계는,
    수학식
    Figure 112017038204638-pat00092
    을 더 이용하여 풍력 터빈의 자본 비용을 산정하는, 의사결정 방법.
    TCim: 풍력 터빈의 타워 비용
    RCi: 풍력 터빈의 로터 비용
    DCi: 풍력 터빈의 구동 비용
    BCijm: 풍력 터빈의 밸런스 비용
  5. 제4항에 있어서,
    상기 변수 값을 도출하는 단계는,
    수학식
    Figure 112017038204638-pat00093
    을 더 이용하여 풍력 터빈의 타워 비용을 산정하는, 의사결정 방법.
    HHm: 풍력 터빈의 높이
    ai: 기울기
    bi: 절편
  6. 제4항에 있어서,
    상기 변수 값을 도출하는 단계는,
    수학식
    Figure 112017038204638-pat00094
    을 더 이용하여 풍력 터빈의 밸런스 비용을 산정하는, 의사결정 방법.
  7. 제1항에 있어서,
    상기 변수 값을 도출하는 단계는,
    수학식
    Figure 112018049083490-pat00095
    을 더 이용하여 운송 자본 비용을 산정하는, 의사결정 방법.
    THC: 수소 운송 자본 비용
    TEC: 전기 운송 자본 비용
  8. 제1항에 있어서,
    상기 제약 조건을 확인하는 단계 및 상기 변수 값을 도출하는 단계는 기 정해진 횟수 이상 반복적으로 수행되는 것을 특징으로 하는, 의사결정 방법.
  9. 제1항에 있어서,
    상기 풍력 발전망의 적어도 일부 구성에 대한 변수 값은,
    육상 풍력 발전소 및/또는 해상 풍력 발전소의 건설 여부, 풍력 발전소의 위치, 풍력 발전소의 개수, 풍력 발전소의 크기, 풍력 터빈의 유형, 풍력 터빈의 수, 풍력 터빈의 높이, 풍력 터빈의 레이아웃, 또는 전기의 전송 방식 중 하나 이상을 포함하는, 의사결정 방법.
  10. 제 1항에 있어서,
    상기 수소 공급망의 적어도 일부 구성에 대한 변수 값은,
    수소 생산 방식의 유형, 수소 시설물의 위치, 수소 시설물의 개수, 수소 시설물의 유형 또는 수소의 운송 방식 중 적어도 하나를 포함하는, 의사결정 방법.
  11. 의사결정 컴퓨팅 시스템으로서,
    특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 제약조건 관리부; 및
    상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 목적함수 관리부를 포함하며,
    상기 목적함수 관리부는, 수학식
    Figure 112018049083490-pat00110
    을 이용하여 상기 변수 값을 도출하는, 의사결정 컴퓨팅 시스템.
    TDC: 총 일일 비용(Total Daily Cost)
    FCC: 시설 자본 비용(Facility Capital Cost)
    TCC: 운송 자본 비용(Transportation Capital Cost)
    FOC: 시설 운영 비용(Facility Operation Cost)
    TOC: 운송 운영 비용(Transportation Operation Cost)
    α: 365
    CCF: 자본 비용 인수(Capital Charge Factor)
  12. 풍력기반 수소 공급 시스템의 설계를 제어하도록 설정된 프로그램을 저장하는 컴퓨터로 판독가능한 저장 매체로서, 상기 프로그램은,
    특정 규모의 지역에 대해서 풍력 발전망 및 수소 공급망을 포함하는 풍력기반 수소 공급(Wind Powered Hydrogen Supply) 시스템의 제약 조건을 확인하는 동작; 및
    상기 확인된 제약 조건 내에서 상기 풍력기반 수소 공급 시스템의 총 일일 비용이 가장 낮게 산정되도록, 상기 특정 규모의 지역에 대한 풍력 발전망 또는 수소 공급망 중 적어도 일부 구성에 대한 변수 값을 도출하는 동작을 포함하며,
    상기 변수 값을 도출하는 동작은 수학식 을 이용하는 단계를 포함하는 저장 매체.
    TDC: 총 일일 비용(Total Daily Cost)
    FCC: 시설 자본 비용(Facility Capital Cost)
    TCC: 운송 자본 비용(Transportation Capital Cost)
    FOC: 시설 운영 비용(Facility Operation Cost)
    TOC: 운송 운영 비용(Transportation Operation Cost)
    α: 365
    CCF: 자본 비용 인수(Capital Charge Factor)
KR1020170050285A 2017-04-19 2017-04-19 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템 KR101896836B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170050285A KR101896836B1 (ko) 2017-04-19 2017-04-19 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170050285A KR101896836B1 (ko) 2017-04-19 2017-04-19 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템

Publications (1)

Publication Number Publication Date
KR101896836B1 true KR101896836B1 (ko) 2018-09-07

Family

ID=63595117

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170050285A KR101896836B1 (ko) 2017-04-19 2017-04-19 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템

Country Status (1)

Country Link
KR (1) KR101896836B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200123563A (ko) * 2019-04-22 2020-10-30 (주)대우건설 지능형 복합 수소 스테이션 운영 관리 시스템 및 방법
KR20210009672A (ko) * 2019-07-17 2021-01-27 인천대학교 산학협력단 국가 단위의 복합 재생 에너지 공급 시스템 내에서 혼합 정수 선형 프로그래밍을 통해 투자 및 디자인 계획을 도출하는 방법 및 이를 수행하는 서버

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020024585A (ko) * 1999-05-12 2002-03-30 스튜어트 에너지 시스템즈 코포레이션 에너지 배분 네트워크
JP2004013468A (ja) * 2002-06-06 2004-01-15 Hokkaido Electric Power Co Inc:The 連接水系の発受電計画作成装置及びその装置の処理プログラムを記録した記録媒体
KR20040038011A (ko) * 2002-10-31 2004-05-08 한국전력공사 복합화력용 온라인 성능감시 시스템 연계형 경제적최적운전 시스템
JP2007523580A (ja) * 2004-01-23 2007-08-16 スチュアート エナジー システムズ コーポレーション エネルギーネットワーク
KR101080048B1 (ko) 2010-03-29 2011-11-07 동아대학교 산학협력단 영구자석형 풍력발전기의 최적화 알고리즘 개발 및 이를 위한 지식기반 최적설계 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020024585A (ko) * 1999-05-12 2002-03-30 스튜어트 에너지 시스템즈 코포레이션 에너지 배분 네트워크
JP2004013468A (ja) * 2002-06-06 2004-01-15 Hokkaido Electric Power Co Inc:The 連接水系の発受電計画作成装置及びその装置の処理プログラムを記録した記録媒体
KR20040038011A (ko) * 2002-10-31 2004-05-08 한국전력공사 복합화력용 온라인 성능감시 시스템 연계형 경제적최적운전 시스템
JP2007523580A (ja) * 2004-01-23 2007-08-16 スチュアート エナジー システムズ コーポレーション エネルギーネットワーク
KR101080048B1 (ko) 2010-03-29 2011-11-07 동아대학교 산학협력단 영구자석형 풍력발전기의 최적화 알고리즘 개발 및 이를 위한 지식기반 최적설계 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200123563A (ko) * 2019-04-22 2020-10-30 (주)대우건설 지능형 복합 수소 스테이션 운영 관리 시스템 및 방법
KR102193347B1 (ko) * 2019-04-22 2020-12-21 (주)대우건설 지능형 복합 수소 스테이션 운영 관리 시스템 및 방법
KR20210009672A (ko) * 2019-07-17 2021-01-27 인천대학교 산학협력단 국가 단위의 복합 재생 에너지 공급 시스템 내에서 혼합 정수 선형 프로그래밍을 통해 투자 및 디자인 계획을 도출하는 방법 및 이를 수행하는 서버
KR102247711B1 (ko) * 2019-07-17 2021-04-30 인천대학교 산학협력단 국가 단위의 복합 재생 에너지 공급 시스템 내에서 혼합 정수 선형 프로그래밍을 통해 투자 및 디자인 계획을 도출하는 방법 및 이를 수행하는 서버

Similar Documents

Publication Publication Date Title
Samadi Gazijahani et al. Stochastic multi‐objective framework for optimal dynamic planning of interconnected microgrids
Zhu et al. Short‐term wind speed forecasting for power system operations
Cochran et al. Flexibility in 21st century power systems
Kim et al. An integrated decision support model for design and operation of a wind-based hydrogen supply system
De Vos et al. Impact of wind power on sizing and allocation of reserve requirements
Wang et al. Reliable-economical equilibrium based short-term scheduling towards hybrid hydro-photovoltaic generation systems: Case study from China
Xie et al. Greedy energy management strategy and sizing method for a stand-alone microgrid with hydrogen storage
Gea-Bermúdez et al. Going offshore or not: Where to generate hydrogen in future integrated energy systems?
Basnet et al. A review on recent standalone and grid integrated hybrid renewable energy systems: System optimization and energy management strategies
Khoshjahan et al. Developing new participation model of thermal generating units in flexible ramping market
Li et al. A clustering-based scenario generation framework for power market simulation with wind integration
Strbac et al. Strategic development of North Sea grid infrastructure to facilitate least-cost decarbonisation
Moraes et al. A probabilistic approach to assess the impact of wind power generation in transmission network expansion planning
KR101896836B1 (ko) 풍력기반 수소 공급 시스템의 설계를 위한 의사결정 방법 및 이를 수행하는 의사결정 컴퓨팅 시스템
Chebabhi et al. Optimal design and sizing of renewable energies in microgrids based on financial considerations a case study of Biskra, Algeria
Gholami et al. Dynamic stochastic joint expansion planning of power systems, natural gas networks, and electrical and natural gas storage
Ajiboye et al. A review of hybrid renewable energies optimisation: Design, methodologies, and criteria
Tavakoli et al. Development of Monte‐Carlo‐based stochastic scenarios to improve uncertainty modelling for optimal energy management of a renewable energy hub
Shoferpour et al. Improving the flexibility of power systems using transportable battery, transmission switching, demand response, and flexible ramping product market in the presence of high wind power
Odero et al. Wind Energy Resource Prediction and Optimal Storage Sizing to Guarantee Dispatchability: A Case Study in the Kenyan Power Grid
Aktas et al. A goal programming model for grid-connected hybrid energy system operations
Fox et al. Forecasting and market design advances: Supporting an increasing share of renewable energy
Wu et al. Multiple criteria performance modelling and impact assessment of renewable Energy systems—A literature review
Nag et al. Optimal scheduling and dispatch of pumped hydro—Thermal—Wind systems
Wu et al. A review on multiple criteria performance analysis of renewable energy systems

Legal Events

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