KR101962539B1 - 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법 - Google Patents

수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법 Download PDF

Info

Publication number
KR101962539B1
KR101962539B1 KR1020170086124A KR20170086124A KR101962539B1 KR 101962539 B1 KR101962539 B1 KR 101962539B1 KR 1020170086124 A KR1020170086124 A KR 1020170086124A KR 20170086124 A KR20170086124 A KR 20170086124A KR 101962539 B1 KR101962539 B1 KR 101962539B1
Authority
KR
South Korea
Prior art keywords
data
power
time zone
unit
long term
Prior art date
Application number
KR1020170086124A
Other languages
English (en)
Other versions
KR20190005456A (ko
Inventor
윤주영
박성구
이영훈
Original Assignee
두산중공업 주식회사
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 두산중공업 주식회사 filed Critical 두산중공업 주식회사
Priority to KR1020170086124A priority Critical patent/KR101962539B1/ko
Priority to US16/018,053 priority patent/US10901476B2/en
Publication of KR20190005456A publication Critical patent/KR20190005456A/ko
Application granted granted Critical
Publication of KR101962539B1 publication Critical patent/KR101962539B1/ko

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Abstract

본 발명은 대형 빌딩과 같은 수용가에서 사용되는 수요전력을 장기간의 측정된 사용 전력 데이터와 목표 시간 직전의 전력 사용 패턴을 이용하여 예측하고, 예측된 수요전력을 바탕으로 ESS의 충전과 방전을 제어하는 장치 및 방법에 관한 것으로, 본 발명에서 제시하는 수요전력 예측 장치는 상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 데이터 수집부, 상기 데이터 수집부에서 수집한 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 데이터 선별부, 상기 데이터 선별부에서 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 장기 예측 데이터 생성부, 상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 상기 장기 예측 데이터 생성부에서 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 사용 전력 패턴 분석부, 및 상기 사용 전력 패턴 분석부에 의하여 보정이 필요하다고 판단하면, 상기 사용 전력 패턴 분석부에서 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 예측 데이터 보정부를 포함할 수 있다.
본 발명에 의하면, 수요전력 예측 시 직전의 전력 소비 패턴을 적용함으로써 수요전력 예측의 정확도를 높일 수 있고, 이에 더하여 수요전력 예측의 정확도를 높임으로써 에너지 소비를 최적화하고, ESS 운용을 최적화하여 에너지 효율화 및 에너지 요금을 절감하는 효과가 있다.

Description

수요전력 예측 방법 및 장치, 이를 기반으로 한 ESS 충/방전 제어 장치 및 방법 {Method and Apparatus for Predicting Power Demand and Apparatus and Method for Controlling Charge/Discharge of ESS based on It}
본 발명은 수요전력 예측 방법 및 예측된 수요전력을 기반으로 한 ESS 충방전 제어 장치 및 방법에 관한 것으로, 더욱 자세하게는 대형 빌딩과 같은 수용가에서 사용되는 수요전력을 장기간의 측정된 사용 전력 데이터와 목표 시간 직전의 전력 사용 패턴을 이용하여 예측하고, 예측된 수요전력을 바탕으로 ESS의 충전과 방전을 제어하는 장치 및 방법에 관한 것이다.
전 세계적으로 에너지 수요가 급증하고 있고 환경 오염 및 지구 온난화에 대한 우려로 화석 연료 대신에 풍력, 수력, 파력, 태양열과 같은 신재생 에너지의 사용이 권장되고 있다.
또한, 세계적으로 각광 받고 있는 스마트 그리드(smart grid)의 사용과 개별적인 신재생 에너지의 생산 및 사용에 의하여 현재의 공급자에서 수요자로의 단방향으로 이루어지는 전력 공급방식이 각 개인 또는 개별 빌딩이 공급자이면서 수요자가 되는 양방향의 전력 공급방식으로 변화가 될 것이다.
이와 같은 스마트 그리드 및 신재생 에너지의 사용에 있어서의 핵심 요소는 에너지 저장 장치(Energy Storage System; ESS)로 생산한 에너지를 저장하거나 방출하여 줌으로써 효율적인 전력 사용을 가능하게 한다.
다만 에너지 저장 장치의 효율적인 충/방전을 위해서는 전력 수요의 예측이 수반되어야 한다. 특히 특정 빌딩을 위한 에너지 저장 장치의 경우 빌딩에서 사용되는 전력 수요를 정확히 예측하여야만 그에 따라 에너지 저장 장치를 위한 충전/방전 계획을 정확하게 수립하고, 에너지 비용의 증가를 방지할 수 있다.
현재까지 다양한 수요전력 예측 방법이 제시되어 왔지만 주로 과거의 데이터만을 이용하여 현재의 수요전력을 예측하는 방법을 사용하여 비정상 상태나 또는 최근의 전력 사용 패턴 등이 반영되지 아니하여 예측의 정확도가 떨어지는 문제점이 있다.
본 발명의 목적은 빌딩, 건물, 공장 등의 수용가에서 소비되는 수요전력을 정밀하게 예측할 수 있는 전력 수요 예측 방법과 장치 및 이를 이용하여 ESS의 충전과 방전을 제어하는 ESS 충/방전 장치 및 방법을 제공함에 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 수용가의 수요전력을 예측하기 위한 수요전력 예측 장치는 상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 데이터 수집부, 상기 데이터 수집부에서 수집한 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 데이터 선별부, 상기 데이터 선별부에서 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 장기 예측 데이터 생성부, 상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 상기 장기 예측 데이터 생성부에서 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 사용 전력 패턴 분석부, 및 상기 사용 전력 패턴 분석부에 의하여 보정이 필요하다고 판단하면, 상기 사용 전력 패턴 분석부에서 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 예측 데이터 보정부를 포함할 수 있다.
이때 상기 데이터 수집부는 15분 간격으로 온도 및 사용한 전력을 수집하고, 상기 미리 설정된 조건은 상기 특정 시간대가 해당하는 날짜의 전 15일과 후 15일 사이에 해당하는 날짜 및 상기 특정 시간대가 해당하는 날짜의 유형과 동일한 유형의 날짜―상기 유형은 휴일, 평일 또는 휴일 사이에 낀 날 중의 하나임― 중 적어도 하나일 수 있다.
그리고 상기 장기 예측 데이터 생성부는 상기 선별한 데이터 각각에 대하여 가중치를 설정하는 가중치 설정부, 및 상기 선별한 데이터를 바탕으로 가중치 평균 ―가중치 평균은 모든 데이터에 대하여 각 데이터 값에 각 데이터에 설정된 가중치를 곱하고 합한 뒤 모든 데이터에 설정된 가중치의 합으로 나눈 것임―을 사용하여 상기 장기 예측 데이터를 생성하는 데이터 생성부를 포함할 수 있고, 이에 더하여 상기 특정 시간대의 온도와 상기 선별한 데이터 각각의 수집 당시의 온도 간의 차이를 계산하고, 상기 차이를 바탕으로 상기 선별한 데이터를 정렬하는 데이터 정렬부를 더 포함할 수 있고, 상기 가중치 설정부는 상기 데이터 정렬부의 의해 정렬된 상기 선별한 데이터 중에서 상기 특정 시간대와 온도 차이가 가장 작은 미리 설정된 개수의 선별한 데이터에 대하여만 가중치를 설정하고, 상기 데이터 생성부는 상기 특정 시간대와 온도 차이가 가장 작은 미리 설정된 개수의 선별한 데이터에 대한 가중치 평균을 구하여 상기 장기 예측 데이터를 생성할 수 있다. 여기서, 상기 가중치 설정부는 상기 특정 시간대가 해당하는 연도와 상기 선별한 데이터를 수집한 년도 사이의 차이를 바탕으로 상가 선별한 데이터 각각에 대한 가중치를 설정할 수 있고, 좀 더 상세하게는, 상기 특정 시간대가 해당하는 연도와 상기 선별한 데이터를 수집한 연도 사이의 차이가 0이면 1, 1이면 0.9, 2이면 0.8, 3이면 0.7, 4이면 0.6, 5이면 0.5로 상기 가중치를 설정할 수 있다.
그리고 상기 사용 전력 패턴 분석부는 상기 특정 시간대 전의 2개의 시간에서 수집한 사용 전력량을 연결한 선과 상기 장기 예측 데이터 생성부에서 생성한 동일한 시간에서의 2개의 장기 예측 수요 전력량을 연결한 선이 서로 교차하는 경우에는 상기 장기 예측 데이터의 보정이 필요 없다고 판단하고, 서로 교차하지 않는 경우에는 상기 장기 예측 데이터의 보정이 필요하다고 판단할 수 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 수용가의 수요전력을 예측하기 위한 수요전력 예측 방법은 상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 단계, 수집한 상기 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 단계, 상기 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 단계, 상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 단계 및 상기 판단하는 단계에서 보정이 필요하다고 판단하면, 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 단계를 포함할 수 있는데, 상기 미리 설정된 조건은 상기 특정 시간대가 해당하는 날짜의 전 15일과 후 15일 사이에 해당하는 날짜 및 상기 특정 시간대가 해당하는 날짜의 유형과 동일한 유형의 날짜―상기 유형은 휴일, 평일 또는 휴일 사이에 낀 날 중의 하나임―중 적어도 하나일 수 있다.
그리고 상기 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 단계는 상기 선별한 데이터 각각에 대하여 가중치를 설정하는 단계 및 상기 선별한 데이터를 바탕으로 가중치 평균―가중치 평균은 모든 데이터에 대하여 각 데이터 값에 각 데이터에 설정된 가중치를 곱하고 합한 뒤 모든 데이터에 설정된 가중치의 합으로 나눈 것임―을 사용하여 상기 장기 예측 데이터를 생성하는 단계를 포함할 수 있고, 이에 더하여 상기 특정 시간대의 온도와 상기 선별한 데이터 각각의 수집 당시의 온도 간의 차이를 계산하고, 상기 차이를 바탕으로 상기 선별한 데이터를 정렬하는 단계를 더 포함할 수 있다. 이 경우 상기 가중치를 설정하는 단계는 상기 선별한 데이터를 정렬하는 단계에서 정렬된 상기 선별한 데이터 중에서 상기 특정 시간대와 온도 차이가 가장 작은 미리 지정한 개수의 선별한 데이터에 대하여만 가중치를 설정하는 단계이고, 상기 장기 예측 데이터를 생성하는 단계는 상기 특정 시간대와 온도 차이가 가장 작은 상기 미리 지정한 개수의 선별한 데이터에 대한 가중치 평균을 구하여 상기 장기 예측 데이터를 생성하는 단계일 수 있다.
그리고 상기 가중치를 설정하는 단계는 상기 특정 시간대가 해당하는 연도와 상기 선별한 데이터를 수집한 연도 사이의 차이를 바탕으로 상가 선별한 데이터 각각에 대한 가중치를 설정할 수 있고, 상기 장기 예측 데이터의 보정 필요성을 판단하는 단계는 상기 특정 시간대 전의 2개의 시간에서 수집한 사용 전력량을 연결한 선과 상기 장기 예측 데이터 생성부에서 생성한 동일한 시간에서의 2개의 장기 예측 수요 전력량을 연결한 선이 서로 교차하는 경우에는 상기 장기 예측 데이터의 보정이 필요 없다고 판단하고, 서로 교차하지 않는 경우에는 상기 장기 예측 데이터의 보정이 필요하다고 판단하는 단계를 포함할 수 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 에너지 저장 시스템의 배터리의 충전/방전을 제어하는 충방전 제어장치는 제1항 내지 제5항의 수요전력 예측장치에 의한 수용가에서 필요로 하는 수요전력을 예측하는 수요전력 예측부, 상기 배터리의 충전을 위한 충전 시간 영역과 방전을 위한 방전 시간 영역을 설정하는 충방전 시간 설정부, 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 계획하는 충전 계획부, 상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 방전 계획부 및 상기 충전 계획부 및 상기 방전 계획부에서 계획한 공급 전력량 또는 방전 전력량이 공급 또는 방전되도록 제어하는 제어부를 포함할 수 있다.
그리고 상기 충전 계획부는 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 일정한 값으로 유지하도록 계획할 수 있고, 상기 방전 계획부는 상기 방전 시간 영역에서 상기 배터리에 충전된 모든 전력을 방전하고, 계통에서 공급하는 전력량이 일정하도록, 각 시간대 별로 상기 수요전력 예측부에서 예측한 수요 전력에서 상기 계통에서 공급하는 일정 전력량을 뺀 전력량을 방전하도록 계획할 수 있으며 좀 더 상세하게는 상기 방전 계획부는 식이
Figure 112017064954886-pat00001
성립하도록 하는
Figure 112017064954886-pat00002
을 구하고, 각 시간대에서의 방전 전력(
Figure 112017064954886-pat00003
)을 식
Figure 112017064954886-pat00004
을 이용하여 구할 수 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 에너지 저장 시스템의 배터리의 충전/방전을 제어하는 충방전 제어방법은 제9항 내지 제12항의 수요전력 예측방법에 의한 수용가에서 필요로 하는 수요전력을 예측하는 단계, 상기 배터리의 충전을 위한 충전 시간 영역과 방전을 위한 방전 시간 영역을 설정하는 단계, 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 계획하는 단계, 상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 단계, 및 상기 계획한 공급할 전력량 또는 방전할 전력량이 공급 또는 방전되도록 제어하는 단계를 포함할 수 있다.
그리고 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 계획하는 단계는 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 일정한 값으로 유지하도록 계획하는 단계를 포함할 수 있고, 상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 단계는 상기 방전 시간 영역에서 상기 배터리에 충전된 모든 전력을 방전하고, 계통에서 공급하는 전력량이 일정하도록, 각 시간대 별로 상기 수요전력 예측부에서 예측한 수요 전력에서 상기 계통에서 공급하는 일정 전력량을 뺀 전력량을 방전하도록 계획하는 단계를 포함할 수 있으며, 좀 더 구체적으로, 상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 단계는
Figure 112017064954886-pat00005
식이 성립하도록 하는
Figure 112017064954886-pat00006
을 구하는 단계 및 각 시간대에서의 방전 전력(
Figure 112017064954886-pat00007
)를 식
Figure 112017064954886-pat00008
을 이용하여 구하는 단계를 포함할 수 있다.
전술한 목적을 달성하기 위한 본 발명에 따른 에너지 저장 시스템은 배터리 및 상기 배터리의 충전 및 방전을 제어하는 전술한 충방전 제어장치를 포함할 수 있다.
본 발명에 의하면, 수용가의 수요전력 예측시 직전의 전력 소비 패턴을 적용함으로써 수요전력 예측의 정확도를 높일 수 있다.
또한, 본 발명에 의하면, 수요전력 예측의 정확도를 높임으로써 에너지 소비를 최적화하고, ESS 운용을 최적화하여 에너지 효율화 및 에너지 요금을 절감하는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 수요전력 예측 방법을 도시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 선별된 데이터를 바탕으로 특정 목표 일의 수요전력에 대한 장기 예측 데이터를 생성하는 방법을 도시하고 있다.
도 3은 실제 사용 전력과 장기 예측 데이터 간에 나올 수 있는 관계도를 도시한 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시 예에 따른 수직 이동법 및 선형 가중이동 평균법을 사용하여 장기 예측 데이터를 보정하는 것을 도시한 도면이다.
도 5는 상술한 수요전력 예측 방법에 의하여 구한 예측 데이터와 실제 사용된 전력을 비교한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 수요전력 예측을 바탕으로 ESS의 충전/방전을 제어하는 방법을 도시한 도면이다.
도 7은 본 발명의 일 실시 예에 따른 수요전력 예측 장치를 도시한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 장기 예측 데이터 생성부(300)의 구성을 도시한 도면이다.
도 9는 본 발명의 일 실시 예에 따른 에너지 저장 시스템(ESS) 및 ESS의 동작을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시 예에 따른 충방전 제어장치(710)의 구성을 도시한 도면이다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.
제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.
여기서 사용되는 전문 용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.
"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다. 이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다. 장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.
다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
도 1은 본 발명의 일 실시 예에 따른 수요전력 예측 방법을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 공장, 빌딩과 같은 수용가에서 특정 목표 일에서의 수요전력을 예측하기 위하여 먼저 과거에 사용된 전력 및 기상 데이터를 수집(S100)한다. 이때의 데이터 수집 방법은 15분 간격으로 적어도 하루에서 수년 동안의 전력 및 기상 데이터를 수집할 수 있다. 여기서 기상 데이터는 평균 온도를 포함할 수 있다.
다음으로, 예측하고자 하는 특정 목표 일과 비슷한 조건을 가지는 과거 데이터를 선별(S200)한다. 일 실시 예로서 매년 별로 특정 목표 일 전 15일, 후 15일 이내의 날짜에 수집된 데이터를 선택할 수 있다. 즉, 매년의 동일한 날짜 주변에서는 온도가 거의 유사할 것이고 따라서 온도에 민감한 전력 소비 특성 또한 유사할 것이기 때문이다. 또한, 특정 목표 일이 휴일인지 또는 평일인지, 아니면 휴일 사이에 낀 날인지도 데이터를 선별하기 위한 조건이 될 수 있다. 사무실 빌딩이나 공장의 경우, 휴일이냐 평일이냐에 따라 사용되는 전력량이 크게 변할 수 있기 때문에 이것을 하나의 조건으로 두고 수집된 데이터 중에서 특정 목표 일과 비슷한 조건에 해당하는 날의 데이터를 선별할 수 있다.
일 실시 예로서 전력 수요를 예측하고자 하는 목표 일이 6월 15일이고 평일이라고 하면 수집한 데이터 중에서 수집한 날짜가 5월 31일에서 6월 30일 사이이고 평일에 해당하는 날에 수집한 데이터를 특정 목표 일과 비슷한 조건에 해당하는 날의 데이터로 선별할 수 있다. 그러면 매 연도별로 토요일/일요일/공휴일을 뺀 20일 정도의 데이터가 선별될 수 있다.
그리고 선별된 데이터를 바탕으로 특정 목표 일의 수요전력에 관한 장기 예측 데이터를 생성(S300)할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 선별된 데이터를 바탕으로 특정 목표 일의 수요전력에 대한 장기 예측 데이터를 생성하는 방법을 도시하고 있다.
도 2를 참조하면, 본 발명의 일 실시 예에 따른 장기 예측 데이터를 생성하는 방법은 먼저 선별된 데이터를 목표 일의 예상 온도와 선별된 데이터 각각의 수집 당시의 온도 차이를 계산하고, 온도 차이가 작은 것부터 순서대로 선별한 데이터를 정렬(S310)할 수 있다. 이때, 하루의 온도를 평균한 값을 이용하여 하루에 해당하는 데이터 모두를 한꺼번에 정렬할 수도 있는 반면에, 각각의 데이터를 수집한 시간의 온도를 바탕으로 각 시간대 별로 정렬을 할 수도 있다. 예를 들면, 상술한 바처럼 15분마다 데이터를 저장하는 경우, 하루 동안 t=0시간 0분에서 23시간 45분까지 48개의 사용 전력 및 온도 데이터를 수집할 수 있다. 그러면 각 시간대 별로 정렬하는 것을 택하는 경우, 하루의 데이터를 한꺼번에 정렬하는 것보다 계산량이 48배 증가하게 된다.
그리고 선별한 데이터를 위한 가중치를 설정(S320)할 수 있다. 일 실시 예로서 목표 일의 해당 연도와 선별한 데이터를 수집한 연도의 차이를 바탕으로 가중치를 설정할 수 있다. 즉, 목표 일의 해당 연도와 선별된 데이터의 수집 연도가 동일하면 가중치를 1로, 1년의 차이가 나면 0.9, 2년의 차이가 나면 0.8, 3년의 차이가 나면 0.7, 4년의 차이가 나면 0.6, 5년의 차이가 나면 0.5로 설정할 수 있다. 상술한 예처럼 가중치를 설정하면 목표 일과 가까운 연도에 수집된 데이터에 대하여 더 높은 가중치를 두게 되고, 생성되는 장기 예측 데이터에 더 많은 영향을 주도록 할 수 있다.
그리고 특정 목표 일의 수요전력에 대한 장기 예측 데이터는 가중치 평균을 이용하여 생성(S330)할 수 있다. 이때 가중치 평균은 다음 식을 이용하여 구할 수 있다. 즉, 선별된 데이터의 사용 전력에 가중치를 곱한 값의 합을 가중치를 더한 값으로 나누는 가중치 평균을 이용하여 장기 예측 데이터(
Figure 112017064954886-pat00009
)를 생성할 수 있다.
Figure 112017064954886-pat00010
여기서,
Figure 112017064954886-pat00011
는 선별된 데이터에 포함되어 있는 사용 전력이고,
Figure 112017064954886-pat00012
는 선별된 데이터에 적용되는 가중치를 나타낸다. 특히 상술한 가중치 평균은 선별된 모든 데이터를 바탕으로 구할 수도 있지만 단계(S310)에서 정렬한 것을 바탕으로 상위 10개의 데이터만을 이용하여 가중치 평균을 구할 수 있다. 즉, 단계(S310))에서의 정렬은 목표 일의 예상 온도와 수집한 데이터의 수집 당시의 온도차이를 바탕으로 온도차이가 작을수록 위에 있도록 정렬하였기 때문에 목표 일의 예상 온도와 수집 당시의 온도가 가장 비슷한 10개만을 사용하여 장기 예측 데이터를 생성하는 것이 더욱 정확할 수 있다.
그리고 상기 장기 예측 데이터는 목표 일의 0시 0분부터 15분 간격으로 23시 45분까지의 예측 데이터를 포함할 수 있다. 즉, 각 시간대 별로 가중치 평균을 구하여 예측 데이터를 생성함으로써, 장기 예측 데이터는 하루의 48개의 시간대에 대한 수요전력 예측 데이터를 가지고 있을 수 있다.
다시 도 1을 참조하면, 상술한 바처럼 장기 예측 데이터를 생성하고, 상기 장기 예측 데이터의 보정을 위하여 목표 일, 목표 시간 직전의 사용 전력 패턴을 분석하여 장기 예측 데이터의 보정 필요성을 판단(S400)할 수 있다.
이를 위하여 상기 예측 데이터를 생성하는 현재 시각 전 15분 내지 30분의 실제 사용 전력과 상기 장기 예측 데이터를 비교하여 분석할 수 있다.
도 3은 실제 사용 전력과 장기 예측 데이터 간에 나올 수 있는 관계도를 도시한 도면이다.
도 3을 참조하면, 현재 시각 전 15분과 30분의 실제 사용 전력에 대하여 2개의 데이터를 연결할 수 있고, 또한 장기 예측 데이터에 대하여도 2개의 데이터를 연결할 수 있다. 그러면 도 3의 (a) 및 (b)와 같이 실제 사용 전력과 장기 예측 데이터가 서로 만나지 않으면서 어느 정도 떨어져 있을 수 있다. 이 경우에는 장기 예측 데이터의 경향은 실제 사용 전력과 일치하나 오차가 어느 정도 있다고 판단하고 보정을 진행할 수 있다. 하지만, 도 3의 (c) 및 (d)와 같이 실제 사용 전력과 장기 예측 데이터가 엇갈리면서 만나게 되면 장기 예측 데이터에 대한 보정이 필요 없다고 판단할 수 있다.
이처럼 예측하고자 하는 목표 일 및 목표 시간 직전의 사용 전력 패턴을 분석하여 계산된 장기 예측 데이터와 비교하여 장기 예측 데이터의 보정이 필요한지를 판단한다..
분석 결과 보정이 필요하다고 판단되면 목표 일 및 목표 시간 직전의 사용 전력 패턴을 바탕으로 생성한 장기 예측 데이터를 보정(S500)할 수 있다. 보정을 위한 방법으로는 수직 이동법과 선형 가중이동평균법을 사용할 수 있다.
도 4a 및 도 4b는 본 발명의 일 실시 예에 따른 수직 이동법 및 선형 가중이동 평균법을 사용하여 장기 예측 데이터를 보정하는 것을 도시한 도면이다.
도 4a는 수직 이동법을 이용하여 장기 예측 데이터(510)를 보정하는 것을 도시한 것으로 수직 이동법에 의하면 장기 예측 데이터(510)는 현재 시각(517) 전의 장기 예측 데이터(510)와 실제 사용 전력(513)의 차이의 평균만큼을 도 4a에 도시된 것처럼 전 영역에서 이동하게 된다. 즉, 다음 수학식에 의하여 나타난 것처럼 현재 시점(t=0인 시간) 이전의 시간대에서 실제 사용 전력(
Figure 112017064954886-pat00013
; 513)에서 장기 예측 데이터(
Figure 112017064954886-pat00014
; 510)를 뺀 값의 평균(
Figure 112017064954886-pat00015
)을 각 예측 시간대에서의 장기 예측 데이터(
Figure 112017064954886-pat00016
; 510)에 더해서 보정된 최종 예측 데이터(
Figure 112017064954886-pat00017
; 515)를 생성하게 할 수 있다. 여기서 상기 평균(
Figure 112017064954886-pat00018
)이 사용하는 파라미터 n은 평균 구할 시에 사용하는 데이터의 수를 나타낼 수 있다. 즉, 상술한 예에서 현재시간 이전 15분 내지 30분의 데이터를 사용하여 구하게 된다면 n은 2가 된다.
Figure 112017064954886-pat00019
Figure 112017064954886-pat00020
도 4b는 선형 가중이동 평균법을 사용하여 장기 예측 데이터(520)를 보정하는 것을 도시한 것으로, 선형 가중 이동 평균법에 의하면 현재 시간(527)에서 멀어질수록 현재 시간(527) 전의 사용 전력 패턴의 영향이 선형적으로 줄어들게 된다. 즉, 다음의 수학식으로 표현될 수 있는 선형 가중이동 평균법에 의하여 보정된 최종 예측 데이터(
Figure 112017064954886-pat00021
; 525)는 상술한 식으로 구해질 수 있는 현재 시점(t=0인 시간) 이전의 시간대에서 실제 사용 전력(
Figure 112017064954886-pat00022
; 523)에서 장기 예측 데이터(
Figure 112017064954886-pat00023
; 520)를 뺀 값의 평균(
Figure 112017064954886-pat00024
)을 각 예측 시간대에서의 장기 예측 데이터(
Figure 112017064954886-pat00025
; 520)에 선형 가중치를 곱하여 더해 줌으로써 구할 수 있다.
Figure 112017064954886-pat00026
여기서
Figure 112017064954886-pat00027
은
Figure 112017064954886-pat00028
이 영향을 미칠 수 있는 시간 범위를 나타내고, 만약 15번째 데이터까지만 영향을 미치도록 하고자 한다면 15x15=225(분)로 표시할 수도 있고, 또는 단지 15로 표시될 수도 있다. 그러면 t는 현재 시각을 0으로 하였을 때의 시간을 나타낼 수 있는 것으로 첫 번째 데이터는 15(분)로 표시할 수 있고, 또는 측정 간격에 대한 정보를 제거하고 첫 번째 데이터를 단지 1로 표시할 수 있다. 그러면 15번째 데이터 이후에는
Figure 112017064954886-pat00029
의 영향이 완전히 사라지게 된다. 상기 수식에서
Figure 112017064954886-pat00030
는 a 또는 b 중에서 큰 수를 나타내는 함수이다. 그러면 도 4b에 도시된 것처럼 t가 작은 경우에는
Figure 112017064954886-pat00031
의 영향에 의하여 보정된 예측 데이터(525)가 장기 예측 데이터(520)와 차이가 나지만, 그 차이는 시간(t)이 지나면서 작아지고 마침내는 장기 예측 데이터(520)와 동일하게 된다.
도 5는 상술한 수요전력 예측 방법에 의하여 구한 예측 데이터와 실제 사용된 전력을 비교한 도면이다.
도 5를 참조하면 과거의 데이터만을 이용한 장기 예측 데이터의 경우에는 실제 사용된 전력과 비교하여 98.7%의 정확도를 나타냈고, 이후 추가 보정이 된 예측 데이터의 경우에는 현재 시각부터 1시간 이내의 경우에는 99.8%의 정확도를 나타내고, 현재 시각부터 12시간 이내의 경우에는 96.3%의 정확도를 나타냈다. 여기에서 정확도는 평균 절대 퍼센트 에러(Mean Absolute Percentage Error)를 사용하여 구하였다.
상술한 바처럼 본원 발명에서 제시하는 수요전력 예측 방법에 의하여 정확한 미래 전력수요 예측이 가능하고, 이를 이용하여 효율적인 에너지 저장 시스템(Energy Storage System; ESS) 충방전 제어가 가능할 수 있다.
에너지 저장 시스템은 전기를 저장해 두었다 필요한 시간에 사용하게 하는 설비로 빌딩이나 공장과 연계하여 사용되는 경우, 전력 요금이 싼 심야시간에는 충전을 하고, 전력 요금이 비싼 낮 시간에는 방전을 하여 빌딩이나 공장이 필요로 하는 수요전력의 일부를 충당함으로써 전력 소비 비용을 낮추도록 할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 수요전력 예측을 바탕으로 ESS의 충전/방전을 제어하는 방법을 도시한 도면이다.
도 6을 참조하면, 본 발명의 일 실시 예에 따른 수요전력 예측을 바탕으로 ESS의 충전 방전을 제어하기 위하여 먼저 상술한 방법을 이용하여 이후 시간대에 대한 수요전력 예측 데이터를 생성(S610)한다. 이때 수요전력 예측 데이터는 매 15분 간격으로 생성할 수 있으며, 수요 예측 시작 시각부터 36시간 정도 동안의 수요전력 예측 데이터를 생성할 수 있다.
다음으로, 충전 시간 영역과 방전 시간 영역을 설정(S620)할 수 있다. 이와 같은 설정은 전기 요금 체계 및/또는 수요전력 예측 데이터를 바탕으로 설정할 수 있다. 즉, 전기 사용의 최대 피크치를 줄이기 위하여 주간에는 전기 요금이 비싸고 야간에는 전기 요금이 쌀 수 있다. 이를 이용하여 야간에는 ESS 충전을 하고 주간에는 ESS 방전을 하도록 설정할 수 있다. 또한, 수요전력 예측 데이터를 바탕으로 예측되는 수요전력이 적은 시간대에는 ESS를 충전하도록 할 수 있고, 예측되는 수요전력이 많은 시간대에는 ESS를 방전하도록 설정할 수 있다. 상기 조건을 반영하여 일반적으로 매일 23시부터 09시까지는 충전 시간 영역으로 설정할 수 있고, 매일 09시부터 23시까지는 방전 시간 영역으로 설정할 수 있다.
설정된 충전 시간 영역이 시작되면(가령 23:00시) 먼저 ESS의 배터리의 충전 상태를 검사(S631)하고 배터리가 완전히 충전되어 있으면 충전할 필요 없이 바로 종료하고 배터리가 완전히 충전되어 있지 않다면 배터리 충전을 위하여 일정한 전력이 공급되도록 공급할 전력을 결정(S632)할 수 있다. 공급할 전력을 결정하기 위하여 첫번째로 배터리를 충전할 수 있는 최대 전력이 공급되도록 하거나, 또는 배터리의 충전 용량을 충전 시간 영역 내의 시간으로 나누어서 각 시간대에서 일정한 전력이 배터리에 공급되도록 결정할 수 있다. 일 실시 예로서 배터리의 충전 상태 검사(S631) 결과, 완전 충전하기 위하여 200kWh가 필요하고, 배터리가 충전시에 사용할 수 있는 최대 전력이 50kWh라고 한다면 50kWh로 4시간 충전하도록 공급할 전력을 50kWh로 설정할 수 있고, 충전 시간 영역이 8시간인 경우 25kWh로 8시간 충전하도록 배터리에 공급할 전력을 25kWh로 결정할 수도 있다. 전자의 경우에는 배터리 충전의 효율성을 높일 수 있는 반면에 후자의 경우에는 계통으로부터 유입되는 전력의 최대치를 낮출 수 있다는 장점이 있다.
이때 시간대별 배터리를 충전하기 위하여 사용할 전력량을 충전 데이터로 기록(S650)할 수 있고, 이 데이터를 바탕으로 충전시에 공급한 전력량을 제어(S660)할 수 있다.
그리고 설정된 방전 시간 영역 내의 시간대별 방전 전력량을 결정하기 위하여 먼저 배터리의 충전 상태를 검사(S641)한다. 배터리의 충전 상태에 따라 방전을 하여 전력을 공급할 것인지를 결정할 수 있을 뿐만 아니라 ESS의 배터리에서 공급할 수 있는 전력량(
Figure 112017064954886-pat00032
)을 계산할 수 있다. 방전하기로 결정된 경우 예측된 수요전력 데이터를 바탕으로 방전 시간 영역에서 계통에서 유입되는 전력의 최대치를 최소화할 수 있도록 시간대별 ESS의 배터리의 방전 전력량을 결정할 수 있다. 방전 시간 영역에서 계통에서 유입되는 전력의 최대치를 최소화한다는 것은 방전 시간 영역에서 유입되는 계통의 전력을 일정하게 유지하는 것과 동일할 것이다. 이를 위하여 방전 시간 영역내에서 유입되는 계통에서의 전력(
Figure 112017064954886-pat00033
)이 일정하다고 가정하고, 예측된 수요전력을 맞추기 위하여 ESS의 배터리에서 공급하여야 하는 전력을 계산할 수 있고, 이 전력량은 배터리에 충전되어 있는 전력량과 동일 또는 유사하여야 한다. 즉,
Figure 112017064954886-pat00034
식이 성립하는
Figure 112017064954886-pat00035
을 구한다. 여기서,
Figure 112017064954886-pat00036
는 배터리에 충전되어 있는 전력량이고,
Figure 112017064954886-pat00037
는 수요전력 예측 데이터에서 각 시간대에서 예측된 수요전력이고,
Figure 112017064954886-pat00038
은 계통에서 유입되는 전력량이다. 그리고 합산은 방전 시간 영역에서
Figure 112017064954886-pat00039
이 0보다 큰 경우에만 수행할 수 있다. 상기 식을 통해
Figure 112017064954886-pat00040
을 구하면 방전 시간 영역에서 ESS에 충전된 모든 전력을 사용하면서 계통에서 유입되는 전력의 최대치를 최소화할 수 있다. 그리고 이에 의하여 각 시간대에서의 ESS의 배터리에서 방전하여야 하는 방전 전력(
Figure 112017064954886-pat00041
)은 식
Figure 112017064954886-pat00042
을 이용하여 구할 수 있다. 여기서 max(A, B)는 A, B 중에서 더 큰 값을 선택하는 함수이고,
Figure 112017064954886-pat00043
는 상술한 방식에 의하여 결정된 계통에서 유입되는 전력량이다. 이와 같이 계산된 ESS 배터리에서의 방전량은 방전 데이터로(S650)로 기록되고 방전 시간 영역에서 이 데이터를 바탕으로 배터리에서의 방전량을 제어(S660)할 수 있다.
상술한 본 발명에서 제시하는 ESS 충/방전 전력 제어 방법을 통해 보다 효율적이고 계통에 부담을 줄일 수 있도록 하는 전력 사용이 가능하게 될 것이다.
이제 상술한 방법을 실행시키기 위한 수요전력 예측 장치 및 ESS 충/방전 장치에 대하여 설명한다.
도 7은 본 발명의 일 실시 예에 따른 수요전력 예측 장치를 도시한 도면이다.
도 7을 참조하면, 본 발명의 일 실시 예에 따른 수요전력 예측 장치는 데이터 수집부(100), 데이터 선별부(200), 장기 예측 데이터 생성부(300), 사용 전력 패턴 분석부(400), 및 예측 데이터 보정부(500)를 포함할 수 있다.
데이터 수집부(100)는 과거에 사용된 전력 및 기상 데이터를 수집할 수 있다. 이때의 데이터 수집 방법은 15분 간격으로 적어도 하루에서 수년 동안의 전력 및 기상 데이터를 수집할 수 있는데, 기상 데이터는 수집 시의 평균 온도를 포함할 수 있다.
데이터 선별부(200)는 수집된 과거 데이터 중에서 수요전력을 예측하고자 하는 특정 목표 일과 비슷한 조건을 가지는 데이터를 선별할 수 있다. 일 실시 예로서 매년마다 특정 목표 일 전 15일 및 후 15일 이내의 날짜에 수집된 데이터를 선택할 수 있다. 그리고 특정 목표 일이 휴일인지 또는 평일인지, 아니면 휴일 사이에 낀 날인지에 따라 데이터를 선별할 수도 있다. 일 실시 예로서 데이터 선별부(200)는 전력 수요를 예측하고자 하는 목표 일이 6월 15일이고 평일이라고 하면 데이터 수집부(100)에서 수집한 데이터 중에서 수집한 날짜가 5월 31일에서 6월 30일 사이이고 평일에 해당하는 날에 수집한 데이터를 특정 목표 일과 비슷한 조건에 해당하는 날의 데이터로 선별할 수 있다. 그러면 매 연도별로 토요일/일요일/공휴일을 뺀 20일 정도의 데이터가 선별될 수 있다.
장기 예측 데이터 생성부(300)는 데이터 선별부(200)에서 선별한 데이터를 바탕으로 특정 목표 일의 수요전력에 대한 장기 예측 데이터를 생성할 수 있다.
도 8은 본 발명의 일 실시 예에 따른 장기 예측 데이터 생성부(300)의 구성을 도시한 도면이다.
도 8을 참조하면, 본 발명의 일 실시 예에 따른 장기 예측 데이터 생성부(300)는 데이터 정렬부(310), 가중치 설정부(320), 및 데이터 생성부(330)를 포함할 수 있다.
데이터 정렬부(310)는 수요전력을 예측하고자 하는 특정 목표 일의 예상 온도와 데이터 선별부(200)에서 선별한 데이터 각각의 수집 당시의 온도 간의 차이를 계산하고, 온도 차이가 작은 것부터 순서대로 선별한 데이터를 정렬할 수 있다. 이때, 하루의 온도를 평균한 값을 이용하여 하루에 해당하는 데이터 모두를 한꺼번에 정렬할 수도 있는 반면에, 각각의 데이터를 수집한 시간대의 온도를 바탕으로 각 시간대 별로 정렬을 할 수도 있다. 이 두 가지 정렬 방법에 있어서 후자의 경우에는 계산량이 전자보다 많이 증가하지만 시간대 별로 좀 더 정확한 데이터를 획득할 수 있다는 장점이 있다.
가중치 설정부(320)는 선별한 데이터의 장기 예측 데이터에 미치는 영향도를 나타내는 가중치를 설정할 수 있다. 일 실시 예로서 목표 일의 해당 연도와 선별한 데이터를 수집한 연도의 차이를 바탕으로 가중치를 설정할 수 있다. 즉, 목표 일의 해당 연도와 선별된 데이터의 수집 연도가 동일하면 가중치를 1로, 1년의 차이가 나면 0.9, 2년의 차이가 나면 0.8, 3년의 차이가 나면 0.7, 4년의 차이가 나면 0.6, 5년의 차이가 나면 0.5로 설정할 수 있다. 상술한 예처럼 가중치를 설정하면 목표 일과 가까운 연도에 수집된 데이터에 대하여 더 높은 가중치를 두게 되고, 이후 생성되는 장기 예측 데이터에 더 많은 영향을 주도록 할 수 있다.
데이터 생성부(330)는 특정 목표 일의 수요전력에 대한 장기 예측 데이터를 선별된 각 데이터 및 가중치 설정부(320)에서 구한 데이터별 가중치를 바탕으로 가중치 평균을 이용하여 생성할 수 있다. 가중치 평균은 선별된 데이터의 사용 전력에 가중치를 곱한 값의 합을 가중치를 더한 값으로 나누어 구할 수 있다. 이때 선별된 모든 데이터를 바탕으로 가중치 평균을 구할 수도 있지만 데이터 정렬부(310)에서 정렬한 순서를 바탕으로 온도 차이가 가장 적은 10개의 데이터만을 이용하여 가중치 평균을 구할 수 있다. 또는 온도 차이가 미리 설정된 특정 온도 범위에 있는 데이터만을 이용하여 가중치 평균을 구할 수도 있다.
이때 데이터 생성부(330)에서 생성하는 장기 예측 데이터는 예측 목표 일의 0시 0분부터 매 15분 간격으로 23시 45분까지의 예측 데이터를 포함할 수 있다. 또는 예측하고자 하는 시간을 더욱 늘려 다음날 12시까지의 예측 데이터를 포함할 수도 있다. 즉, 데이터 생성부(330)는 각 시간대 별로 가중치 평균을 구하여 예측 데이터를 생성함으로써, 하루 48개의 시간대에 대한 수요전력 예측 데이터를 가지고 있는 장기 예측 데이터를 생성할 수 있다.
다시 도 7을 참조하면, 사용 전력 패턴 분석부(400)는 장기 예측 데이터 생성부(300)에서 생성한 장기 예측 데이터의 보정 필요성을 목표 일, 목표 시간 직전의 사용 전력 패턴을 분석하여 판단할 수 있다. 이를 위하여 사용 전력 패턴 분석부(400)는 예측 데이터를 생성하는 현재 시각 전 15분 및 30분의 실제 사용 전력과 장기 예측 데이터 생성부(300)에서 구한 장기 예측 데이터의 동일 시간에 예측했던 데이터 간의 관계를 분석할 수 있다. 그러면 도 3의 (a) 및 (b)와 같이 실제 사용 전력과 장기 예측 데이터가 서로 만나지 않으면서 어느 정도 떨어져 있을 수 있다. 이 경우에 사용 전력 패턴 분석부(400)는 장기 예측 데이터의 경향은 실제 사용 전력과 일치하나 오차가 어느 정도 있다고 판단하고 보정을 진행할 수 있다. 하지만, 도 3의 (c) 및 (d)와 같이 실제 사용 전력과 장기 예측 데이터가 엇갈리면서 만나게 되면 사용 전력 패턴 분석부(400)는 장기 예측 데이터에 대한 보정이 필요 없다고 판단할 수 있다. 이처럼 사용 전력 패턴 분석부(400)는 예측하고자 하는 목표 일 및 목표 시간 직전의 사용 전력 패턴을 생성된 장기 예측 데이터와 비교, 분석하여 장기 예측 데이터의 보정이 필요한지를 판단할 수 있다.
그리고 예측 데이터 보정부(500)는 보정이 필요하다고 판단되면 수직 이동법 및 선형 가중이동 평균법을 사용하여 장기 예측 데이터를 보정할 수 있다.
수직 이동법은 현재 시각 전의 실제 사용 전력에서 장기 예측 데이터에서 예측한 전력을 뺀 것의 평균만큼을 장기 예측 데이터 전 시간대의 예측 데이터에 더하여 준다. 즉, 수직 이동법에 의하면, 장기 예측 데이터에 포함되어 있는 전 시간대의 예측 데이터에 대하여 동일한 양만큼 이동이 발생하게 된다.
선형 가중 이동 평균법은 현재 시각에서 멀어질수록 현재 시각 전의 사용 전력 패턴의 장기 예측 데이터에 미치는 영향이 선형적으로 줄어들게 되는 방법이다. 즉, 선형 가중이동 평균법은 현재 시점 이전의 시간대에서 실제 사용 전력에서 장기 예측 데이터를 뺀 값의 평균을 각 예측 시간대에서의 장기 예측 데이터에 선형 가중치를 곱하여 더해 줌으로써 장기 예측 데이터를 보정할 수 있다. 그러면 보정된 장기 예측 데이터와 원래의 장기 예측 데이터는 시간이 지날수록 차이가 작아지고 마침내는 동일하게 된다.
상술한 수용전력 예측 장치를 사용함으로써 정확한 미래 전력 수요 예측이 가능하고 이를 이용하여 효율적인 에너지 저장 시스템 충방전 제어가 가능할 수 있다.
도 9는 본 발명의 일 실시 예에 따른 에너지 저장 시스템(ESS) 및 ESS의 동작을 설명하기 위한 도면이다.
도 9를 참조하면, 에너지 저장 시스템(700)은 계통(600)으로부터 오는 전력을 이용하여 배터리(720)를 충전할 수 있고, 또한 배터리(720)에 충전된 전력을 방전하여 건물(800)에 계통(600)에서 공급하는 전력에 부가하여 추가적인 전력을 공급할 수 있다. 이러한 운용을 위하여 에너지 저장 시스템(700)은 전력을 충전하고 있는 배터리(720) 및 배터리의 충전 및 방전을 제어하는 충방전 제어장치(710)를 포함할 수 있고, 충방전 제어장치(710)의 제어에 의하여 배터리(720)를 충전하거나 배터리(720)로부터 전력을 방전할 수 있다.
도 10은 본 발명의 일 실시 예에 따른 충방전 제어장치(710)의 구성을 도시한 도면이다.
도 10을 참조하면 에너지 저장 시스템에서 사용되는 충방전 제어장치(710)는 수요전력 예측부(711), 충방전 시간 설정부(712), 충전 계획부(713), 방전 계획부(714), 및 제어부(715)를 포함할 수 있다.
수요전력 예측부(711)는 상술한 수요전력 예측장치를 포함하고 현재 시각 이후에 수용가(800)에서 사용할 것으로 예측되는 수요전력을 시간대별로 결정할 수 있다. 일 실시 예로 15분 간격으로 수용가(800)에서 사용할 것으로 보이는 전력을 추정하여 예측하고, 수요전력 예측 데이터를 생성할 수 있다.
충방전 시간 설정부(712)는 배터리(720)를 충전할 시간 영역과 방전할 시간 영역을 설정할 수 있다. 이러한 설정은 전기 요금 체계 및/또는 수요전력 예측 데이터를 바탕으로 설정할 수 있다. 즉 전기 요금이 저렴한 야간에는 배터리(720)를 충전하도록 설정하고 전기 요금이 비싼 주간에는 배터리(720)가 방전하여 전력을 공급하도록 설정할 수 있다. 또는 수요전력 예측부(711)에서 예측한 수요전력 데이터를 바탕으로 수요전력이 적은 시간 영역에는 배터리(720)가 충전하도록 설정할 수 있고, 수요전력이 많은 시간 영역에는 배터리(720)가 방전하도록 설정할 수 있다. 일 실시 예로서 매일 23시부터 09시까지는 충전 시간 영역으로 설정할 수 있고, 매일 09시부터 23시까지는 방전 시간 영역으로 설정할 수 있다.
충전 계획부(713)는 충방전 시간 설정부(712)에서 설정한 충전 시간 영역에서 배터리(720)에 충전을 위하여 시간대 별로 공급할 전력량을 계획할 수 있다. 일 실시 예로서 15분 간격으로 공급할 전력량을 계획할 수 있다. 이를 위하여 먼저 배터리(720)의 충전 상태를 검사하여 배터리가 완전히 충전될 때까지 필요한 전력량을 계산한 뒤, 이 필요 전력량을 공급하기 위해 배터리를 충전할 수 있는 최대 전력으로 일정 시간 공급하거나 또는 필요 전력량을 설정된 충전 시간으로 나누어서 각 시간대에서 일정한 전력이 배터리에 공급되도록 계획할 수 있다. 일 실시 예로서 배터리의 충전 상태 검사 결과, 완전 충전하기 위하여 200kWh가 필요하고, 배터리가 충전시에 사용할 수 있는 최대 전력이 50kWh라고 한다면 50kWh로 4시간 충전하도록 공급할 전력을 50kWh로 설정할 수 있고, 또는 충전 시간 영역이 8시간인 경우 25kWh로 8시간 충전하도록 배터리에 공급할 전력을 25kWh로 결정할 수도 있다. 이때 약간의 오차 등을 고려하여 실제 공급한 전력량을 조금씩 보정하거나 또는 계획에 따라 충전을 완료 후 다시 배터리(720)의 충전 상태를 검사하여 추가적인 충전을 할 수도 있다. 충전 계획부(713)에 의해 계획된 배터리 충전을 위한 전력 공급량은 데이터로 기재할 수 있고 추후 제어부(715)에서 실제 제어시에 사용할 수 있다.
방전 계획부(714)는 배터리(720)의 방전 시간 영역의 각 시간대에서 방전할 전력량을 계획할 수 있다. 이를 위하여 먼저 배터리의 충전 상태를 검사하여 공급할 수 있는 전력량을 파악하고, 수요전력 예측부(711)에서 예측한 각 시간대별 수요전력을 바탕으로 계통(600)에서 유입되는 전력의 최대치를 최소화할 수 있도록 각 시간대별 배터리(720)의 방전 전력량을 결정할 수 있다. 이를 위하여 방전 시간 영역에서 계통(600)에서 인입되는 전력량은 일정하게 유지하고, 나머지 필요 전력량은 에너지 저장 시스템(700)의 배터리(720)에서 방전되는 전력으로 공급할 수 있다. 이를 위하여 방전 계획부(714)는 방전 시간 영역에서 유입되는 계통에서의 전력(
Figure 112017064954886-pat00044
)이 일정하다고 가정하고, 예측된 수요전력을 맞추기 위하여 ESS의 배터리에서 공급하여야 하는 전력을 계산할 수 있고, 이 전력량은 배터리에 충전되어 있는 전력량과 동일 또는 유사하여야 한다. 즉,
Figure 112017064954886-pat00045
식이 성립하는
Figure 112017064954886-pat00046
을 구한다. 여기서,
Figure 112017064954886-pat00047
는 배터리에 충전되어 있는 전력량이고,
Figure 112017064954886-pat00048
는 수요전력 예측 데이터에서 각 시간대에서 예측된 수요전력이고,
Figure 112017064954886-pat00049
은 계통에서 유입되는 전력량이다. 그리고 합산은 방전 시간 영역에서
Figure 112017064954886-pat00050
이 0보다 큰 경우에만 수행할 수 있다. 상기 식을 통해
Figure 112017064954886-pat00051
을 구하면 방전 시간 영역에서 에너지 저장 시스템의 배터리(720)에 충전된 모든 전력을 사용하면서 계통에서 유입되는 전력의 최대치를 최소화할 수 있다. 그리고 이에 의하여 각 시간대에서 배터리(720)에서 방전하여야 하는 방전 전력(
Figure 112017064954886-pat00052
)은 식
Figure 112017064954886-pat00053
을 이용하여 구할 수 있다. 여기서 max(A, B)는 A, B 중에서 더 큰 값을 선택하는 함수이고,
Figure 112017064954886-pat00054
은 상술한 방식에 의하여 결정된 계통에서 유입되는 전력량이다. 이처럼 방전 계획부(7140)에서 계획한 각 시간대에서의 방전 전력은 데이터에 기록될 수 있고 추후 제어부(715)에 의해 사용될 수 있다.
제어부(7150는 충전 계획부(713) 및 방전 계획부(714)에 의하여 계획된 각 시간대별 충전 계획 및 방전 계획에 따라 배터리(720)를 충전 또는 방전할 수 있도록 제어할 수 있다.
상술한 본원 발명이 제시하는 에너지 저장 시스템을 이용하여 수용가(800)에 필요한 전력의 일부를 요금이 싼 야간에 충전하였다가 요금이 비싼 주간에 공급함으로써 수용가(800)의 전기 요금을 낮출 수 있도록 하여 주며 또한, 계통(600)에서 공급하여야 하는 최대치를 가능한한 최소화함으로써 계통(600)의 안정 유지에도 도움을 줄 수 있을 것이다.
본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 데이터 수집부
200: 데이터 선별부
300: 장기 예측 데이터 생성부
310: 데이터 정렬부
320: 가중치 설정부
330: 데이터 생성부
400: 사용 전력 패턴 분석부
500: 예측 데이터 보정부
600: 전력 계통
700: 에너지 저장 시스템
711: 충방전 제어장치
720: 배터리
800: 수용가

Claims (23)

  1. 수용가의 수요전력을 예측하기 위한 수요전력 예측 장치로서,
    상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 데이터 수집부;
    상기 데이터 수집부에서 수집한 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 데이터 선별부;
    상기 데이터 선별부에서 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 장기 예측 데이터 생성부;
    상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 상기 장기 예측 데이터 생성부에서 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 사용 전력 패턴 분석부; 및
    상기 사용 전력 패턴 분석부에 의하여 보정이 필요하다고 판단하면, 상기 사용 전력 패턴 분석부에서 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 예측 데이터 보정부;를 포함하고,
    상기 장기 예측 데이터 생성부는,
    상기 특정 시간대의 온도와 상기 선별한 데이터 각각의 수집 당시의 온도 간의 차이를 계산하고, 상기 차이를 바탕으로 상기 선별한 데이터를 정렬하는 데이터 정렬부;
    상기 선별한 데이터 각각에 대하여 가중치를 설정하는 가중치 설정부; 및
    상기 선별한 데이터를 바탕으로 가중치 평균―가중치 평균은 모든 데이터에 대하여 각 데이터 값에 각 데이터에 설정된 가중치를 곱하고 합한 뒤 모든 데이터에 설정된 가중치의 합으로 나눈 것임―을 사용하여 상기 장기 예측 데이터를 생성하는 데이터 생성부;를 포함하고,
    상기 가중치 설정부는 상기 데이터 정렬부에 의해 정렬된 상기 선별한 데이터 중에서 상기 특정 시간대와 온도 차이가 가장 작은 미리 설정된 개수의 선별한 데이터에 대하여만 가중치를 설정하고,
    상기 데이터 생성부는 상기 특정 시간대와 온도 차이가 가장 작은 상기 미리 설정된 개수의 선별한 데이터에 대한 가중치 평균을 구하여 상기 장기 예측 데이터를 생성하는,
    수요전력 예측 장치.
  2. 수용가의 수요전력을 예측하기 위한 수요전력 예측 장치로서,
    상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 데이터 수집부;
    상기 데이터 수집부에서 수집한 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 데이터 선별부;
    상기 데이터 선별부에서 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 장기 예측 데이터 생성부;
    상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 상기 장기 예측 데이터 생성부에서 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 사용 전력 패턴 분석부; 및
    상기 사용 전력 패턴 분석부에 의하여 보정이 필요하다고 판단하면, 상기 사용 전력 패턴 분석부에서 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 예측 데이터 보정부;를 포함하고,
    상기 사용 전력 패턴 분석부는 상기 특정 시간대 전의 2개의 시간에서 수집한 사용 전력량을 연결한 선과 상기 장기 예측 데이터 생성부에서 생성한 동일한 시간에서의 2개의 장기 예측 수요 전력량을 연결한 선이 서로 교차하는 경우에는 상기 장기 예측 데이터의 보정이 필요 없다고 판단하고, 서로 교차하지 않는 경우에는 상기 장기 예측 데이터의 보정이 필요하다고 판단하는,
    수요전력 예측 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 데이터 수집부는 15분 간격으로 온도 및 사용한 전력을 수집하는,
    수요전력 예측 장치.
  4. 제1항 또는 제2항에 있어서,
    상기 미리 설정된 조건은 상기 특정 시간대가 해당하는 날짜의 전 15일과 후 15일 사이에 해당하는 날짜 및 상기 특정 시간대가 해당하는 날짜의 유형과 동일한 유형의 날짜―상기 유형은 휴일, 평일 또는 휴일 사이에 낀 날 중의 하나임―중 적어도 하나인,
    수요전력 예측 장치.
  5. 삭제
  6. 제1항에 있어서,
    상기 가중치 설정부는 상기 특정 시간대가 해당하는 연도와 상기 선별한 데이터를 수집한 연도 사이의 차이를 바탕으로 상가 선별한 데이터 각각에 대한 가중치를 설정하는,
    수요전력 예측 장치.
  7. 제6항에 있어서,
    상기 가중치 설정부는 상기 특정 시간대가 해당하는 연도와 상기 선별한 데이터를 수집한 연도 사이의 차이가 0이면 1, 1이면 0.9, 2이면 0.8, 3이면 0.7, 4이면 0.6, 5이면 0.5로 상기 가중치를 설정하는,
    수요전력 예측 장치.
  8. 삭제
  9. 수용가의 수요전력을 예측하기 위해 수요 전력 예측 장치에 의해서 수행되는 수요전력 예측 방법으로서,
    상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 단계;
    수집한 상기 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 단계;
    상기 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 단계;
    상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 단계; 및
    상기 판단하는 단계에서 보정이 필요하다고 판단하면, 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 단계;를 포함하고,
    상기 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 단계는,
    상기 특정 시간대의 온도와 상기 선별한 데이터 각각의 수집 당시의 온도 간의 차이를 계산하고, 상기 차이를 바탕으로 상기 선별한 데이터를 정렬하는 단계;
    상기 선별한 데이터 각각에 대하여 가중치를 설정하는 단계; 및
    상기 선별한 데이터를 바탕으로 가중치 평균―가중치 평균은 모든 데이터에 대하여 각 데이터 값에 각 데이터에 설정된 가중치를 곱하고 합한 뒤 모든 데이터에 설정된 가중치의 합으로 나눈 것임―을 사용하여 상기 장기 예측 데이터를 생성하는 단계;를 포함하고,
    상기 가중치를 설정하는 단계는 상기 선별한 데이터를 정렬하는 단계에서 정렬된 상기 선별한 데이터 중에서 상기 특정 시간대와 온도 차이가 가장 작은 미리 지정한 개수의 선별한 데이터에 대하여만 가중치를 설정하는 단계이고,
    상기 장기 예측 데이터를 생성하는 단계는 상기 특정 시간대와 온도 차이가 가장 작은 상기 미리 지정한 개수의 선별한 데이터에 대한 가중치 평균을 구하여 상기 장기 예측 데이터를 생성하는 단계인,
    수요전력 예측 방법.
  10. 수용가의 수요전력을 예측하기 위해 수요 전력 예측 장치에 의해서 수행되는 수요전력 예측 방법으로서,
    상기 수용가에서 사용한 전력 및 기상 데이터를 수집하는 단계;
    수집한 상기 데이터 중에서 수요전력을 예측하고자 하는 특정 시간대를 바탕으로 미리 설정된 조건에 따라 데이터를 선별하는 단계;
    상기 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 단계;
    상기 특정 시간대 바로 직전의 전력 사용 패턴을 분석하고, 생성한 상기 장기 예측 데이터와 비교하여 상기 장기 예측 데이터의 보정 필요성을 판단하는 단계; 및
    상기 판단하는 단계에서 보정이 필요하다고 판단하면, 분석한 상기 전력 사용 패턴을 바탕으로 상기 장기 예측 데이터를 보정하는 단계;를 포함하고,
    상기 선별한 데이터를 바탕으로 상기 특정 시간대의 수요전력에 대한 장기 예측 데이터를 생성하는 단계는,
    상기 특정 시간대의 온도와 상기 선별한 데이터 각각의 수집 당시의 온도 간의 차이를 계산하고, 상기 차이를 바탕으로 상기 선별한 데이터를 정렬하는 단계를 더 포함하고,
    상기 장기 예측 데이터의 보정 필요성을 판단하는 단계는 상기 특정 시간대 전의 2개의 시간에서 수집한 사용 전력량을 연결한 선과 상기 장기 예측 데이터 생성부에서 생성한 동일한 시간에서의 2개의 장기 예측 수요 전력량을 연결한 선이 서로 교차하는 경우에는 상기 장기 예측 데이터의 보정이 필요 없다고 판단하고, 서로 교차하지 않는 경우에는 상기 장기 예측 데이터의 보정이 필요하다고 판단하는 단계를 포함하는,
    수요전력 예측 방법.
  11. 제9항 또는 제10항에 있어서,
    상기 미리 설정된 조건은 상기 특정 시간대가 해당하는 날짜의 전 15일과 후 15일 사이에 해당하는 날짜 및 상기 특정 시간대가 해당하는 날짜의 유형과 동일한 유형의 날짜―상기 유형은 휴일, 평일 또는 휴일 사이에 낀 날 중의 하나임―중 적어도 하나인,
    수요전력 예측 방법.
  12. 삭제
  13. 제9항에 있어서,
    상기 가중치를 설정하는 단계는 상기 특정 시간대가 해당하는 연도와 상기 선별한 데이터를 수집한 연도 사이의 차이를 바탕으로 상가 선별한 데이터 각각에 대한 가중치를 설정하는,
    수요전력 예측 방법.
  14. 삭제
  15. 에너지 저장 시스템의 배터리의 충전/방전을 제어하는 충방전 제어장치로서,
    제1항 또는 제2항에 따른 수요전력 예측장치에 의한 수용가에서 필요로 하는 수요전력을 예측하는 수요전력 예측부;
    상기 배터리의 충전을 위한 충전 시간 영역과 방전을 위한 방전 시간 영역을 설정하는 충방전 시간 설정부;
    상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 계획하는 충전 계획부;
    상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 방전 계획부; 및
    상기 충전 계획부 및 상기 방전 계획부에서 계획한 공급 전력량 또는 방전 전력량이 공급 또는 방전되도록 제어하는 제어부;를 포함하는,
    충방전 제어장치.
  16. 제 15항에 있어서,
    상기 충전 계획부는 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 일정한 값으로 유지하도록 계획하는,
    충방전 제어장치.
  17. 제 15항에 있어서,
    상기 방전 계획부는 상기 방전 시간 영역에서 상기 배터리에 충전된 모든 전력을 방전하고, 계통에서 공급하는 전력량이 일정하도록, 각 시간대 별로 상기 수요전력 예측부에서 예측한 수요 전력에서 상기 계통에서 공급하는 일정 전력량을 뺀 전력량을 방전하도록 계획하는,
    충방전 제어장치.
  18. 제 17항에 있어서,
    상기 방전 계획부는
    Figure 112017064954886-pat00055
    식이 성립하도록 하는
    Figure 112017064954886-pat00056
    을 구하고 여기서,
    Figure 112017064954886-pat00057
    는 배터리에 충전되어 있는 전력량,
    Figure 112017064954886-pat00058
    는 상기 수요전력 예측부에서 예측한 각 시간대의 수요전력,
    Figure 112017064954886-pat00059
    은 계통에서 유입되는 일정한 전력량 , 각 시간대에서의 방전 전력(
    Figure 112017064954886-pat00060
    )를 식
    Figure 112017064954886-pat00061
    을 이용하여 구하는―여기서, max(A, B)는 A, B 중에서 더 큰 값을 선택하는 함수임―,
    충방전 제어장치.
  19. 에너지 저장 시스템의 배터리의 충전/방전을 제어하기 위해 충방전 제어장치에 의해서 수행되는 충방전 제어방법으로서,
    제9항 또는 제10항에 따른 수요전력 예측방법에 의한 수용가에서 필요로 하는 수요전력을 예측하는 단계;
    상기 배터리의 충전을 위한 충전 시간 영역과 방전을 위한 방전 시간 영역을 설정하는 단계;
    상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 계획하는 단계;
    상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 단계; 및
    상기 공급할 전력량 또는 상기 방전할 전력량이 공급 또는 방전되도록 제어하는 단계;를 포함하는,
    충방전 제어 방법.
  20. 제 19항에 있어서,
    상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 계획하는 단계는 상기 충전 시간 영역의 각 시간대 별로 상기 배터리의 충전을 위하여 공급할 전력량을 일정한 값으로 유지하도록 계획하는 단계를 포함하는,
    충방전 제어 방법.
  21. 제 19항에 있어서,
    상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 단계는 상기 방전 시간 영역에서 상기 배터리에 충전된 모든 전력을 방전하고, 계통에서 공급하는 전력량이 일정하도록, 각 시간대 별로 수요전력 예측부에서 예측한 수요 전력에서 상기 계통에서 공급하는 일정 전력량을 뺀 전력량을 방전하도록 계획하는 단계를 포함하는,
    충방전 제어 방법.
  22. 제 21항에 있어서,
    상기 방전 시간 영역의 각 시간대 별로 상기 배터리에서 방전할 전력량을 계획하는 단계는
    Figure 112017064954886-pat00062
    식이 성립하도록 하는
    Figure 112017064954886-pat00063
    을 구하는 단계 여기서,
    Figure 112017064954886-pat00064
    는 배터리에 충전되어 있는 전력량,
    Figure 112017064954886-pat00065
    는 상기 수요전력 예측부에서 예측한 각 시간대의 수요전력,
    Figure 112017064954886-pat00066
    은 계통에서 유입되는 일정한 전력량 ; 및
    각 시간대에서의 방전 전력(
    Figure 112017064954886-pat00067
    )를 식
    Figure 112017064954886-pat00068
    을 이용하여 구하는 단계―여기서, max(A, B)는 A, B 중에서 더 큰 값을 선택하는 함수임―;를 포함하는,
    충방전 제어 방법.
  23. 에너지 저장 시스템으로서,
    배터리; 및
    상기 배터리의 충전 및 방전을 제어하는 제15항의 충방전 제어장치;를 포함하는,
    에너지 저장 시스템.
KR1020170086124A 2017-07-06 2017-07-06 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법 KR101962539B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170086124A KR101962539B1 (ko) 2017-07-06 2017-07-06 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법
US16/018,053 US10901476B2 (en) 2017-07-06 2018-06-26 Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170086124A KR101962539B1 (ko) 2017-07-06 2017-07-06 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190005456A KR20190005456A (ko) 2019-01-16
KR101962539B1 true KR101962539B1 (ko) 2019-03-26

Family

ID=65280882

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170086124A KR101962539B1 (ko) 2017-07-06 2017-07-06 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101962539B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200121220A (ko) * 2019-04-15 2020-10-23 한국전자통신연구원 적산 계량기의 순시 값 추출 장치 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210080134A (ko) 2019-12-22 2021-06-30 성실에너지 주식회사 에너지 저장장치를 이용한 에어컨 동작제어방법
CN115560864B (zh) * 2022-11-18 2024-03-22 杭州集联科技有限公司 一种基于太阳能供电的无线测温传感器测温方法
CN116383598B (zh) * 2023-06-07 2023-09-05 中网联合(北京)能源服务有限公司 基于自回归算法的电力用户用能稳定性分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012046269A1 (ja) * 2010-10-05 2012-04-12 三菱電機株式会社 充電制御装置
KR101357394B1 (ko) * 2012-08-31 2014-02-12 에스케이씨앤씨 주식회사 전력 관리 방법 및 시스템
JP2016019358A (ja) * 2014-07-08 2016-02-01 住友電気工業株式会社 需要予測装置、コンピュータプログラム、スマートメーター及び蓄電装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101588851B1 (ko) * 2011-12-26 2016-01-28 주식회사 케이티 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012046269A1 (ja) * 2010-10-05 2012-04-12 三菱電機株式会社 充電制御装置
KR101357394B1 (ko) * 2012-08-31 2014-02-12 에스케이씨앤씨 주식회사 전력 관리 방법 및 시스템
JP2016019358A (ja) * 2014-07-08 2016-02-01 住友電気工業株式会社 需要予測装置、コンピュータプログラム、スマートメーター及び蓄電装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200121220A (ko) * 2019-04-15 2020-10-23 한국전자통신연구원 적산 계량기의 순시 값 추출 장치 및 방법
KR102234485B1 (ko) 2019-04-15 2021-04-01 한국전자통신연구원 적산 계량기의 순시 값 추출 장치 및 방법

Also Published As

Publication number Publication date
KR20190005456A (ko) 2019-01-16

Similar Documents

Publication Publication Date Title
US10901476B2 (en) Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same
KR101962539B1 (ko) 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법
US8571720B2 (en) Supply-demand balance controller
Iwafune et al. Short-term forecasting of residential building load for distributed energy management
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
JP5485392B2 (ja) 充放電制御装置
JP5537304B2 (ja) 情報処理装置およびそのプログラム
KR20150123540A (ko) 전력 소비 최적화를 위한 스마트 시스템의 동작방법 및 장치
JP5717113B1 (ja) 電気料金プラン選定システム
KR101212343B1 (ko) 마이크로그리드 운영 시스템 및 방법
KR101716343B1 (ko) 에너지 충방전 스케줄링 장치 및 방법
US11598818B2 (en) Determination of the aging of an electric storage system
Yilmaz et al. A model predictive control for microgrids considering battery aging
JP6262954B2 (ja) 蓄電池導入効果評価装置、蓄電池導入効果評価方法及びプログラム
JP2010213507A (ja) 自然エネルギー併用型蓄電システム、および自然エネルギー併用型蓄電方法
JP2017028869A (ja) 需給計画作成装置、プログラム
Bean et al. Using solar and load predictions in battery scheduling at the residential level
EP3499671B1 (en) Power usage prediction system and method
JP6042775B2 (ja) 制御装置、プログラム
JP5538288B2 (ja) 配電系統電圧制御装置
KR20140087411A (ko) 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치
Nengroo et al. Optimal Scheduling of Energy Storage for Power System with Capability of Sensing Short-Term Future PV Power Production
JP2012044739A (ja) 配電区間の負荷予測方法および配電系統制御システム
JP3910948B2 (ja) 電源計画についての情報処理方法及びコンピュータ・システム
JP2008136259A (ja) ネットワークシステム、ネットワークシステムの電源システム制御方法及びその制御プログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant