KR102141388B1

KR102141388B1 - 최적의 최대 수요 전력 절감을 가능하게 하는 배터리 스케줄링 보정방법

Info

Publication number: KR102141388B1
Application number: KR1020170113135A
Authority: KR
Inventors: 김홍석; 김강산
Original assignee: 서강대학교산학협력단
Priority date: 2017-09-05
Filing date: 2017-09-05
Publication date: 2020-08-05
Also published as: KR20190026356A

Abstract

본 발명의 일 실시예에 따른 전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 방법은, 충방전 스케줄링 시스템이 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하는 단계, 상기 충방전 스케줄링 시스템이 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하는 단계, 및 상기 충방전 스케줄링 시스템이 예측 수요 데이터와 측정된 실제 수요 데이터를 비교하여 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계를 포함한다.

Description

최적의 최대 수요 전력 절감을 가능하게 하는 배터리 스케줄링 보정방법{Battery scheduling calibration method to enable optimal peak shaving operation}

본 발명은 에너지 저장장치의 충방전 스케줄링 방법에 관한 것으로, 더욱 상세하게는 예측 오차를 기반으로 보정전력(Margin power)를 추정하고 이를 할당함으로써 예측 오차로 인해 발생하는 불필요한 충방전 전력의 낭비를 최소화하는 에너지 저장장치의 스케줄링 방법 및 그 장치에 관한 것이다.

현재 보편적으로 사용되고 있는 최대 부하 전력 절감을 위한 배터리 동작은 최대 부하가 발생 할 것으로 예측되는 시간대에 배터리를 일정한 전력으로 방전하는 것이다. 예측의 오차와 관계 없이 최대 부하가 발생하는 시간대가 틀리지 않는 상황이거나, 예측이 부정확 할 시 시간대를 넓게 잡는 등의 방법으로 안정적으로 부하를 절감할 수 있다. 하지만 이러한 동작은 불필요한 충/방전 전력으로 인한 손실, 배터리 감가상각, 전력량 사용요금 등을 고려하지 않기 때문에 인해 최적의 운영이라 보기 어렵다.

에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법 (등록번호 : 10-1581684)

본 발명이 해결하고자 하는 과제는 예측 오차로 인해 발생하는 불필요한 충방전 전력의 낭비를 최소화하는 에너지 저장장치의 스케줄링에 관한 기술적 수단을 제공하는데 있다.

상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 방법은, 충방전 스케줄링 시스템이 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하는 단계; 상기 충방전 스케줄링 시스템이 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하는 단계; 및 상기 충방전 스케줄링 시스템이 예측 수요 데이터와 측정된 실제 수요 데이터를 비교하여 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계를 포함한다.

본 발명의 실시예에 의하면, 상기 충방전 스케줄을 생성하는 단계는, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 전력망의 운영 비용을 설정하는 단계; 및 상기 전력망의 운영 비용이 최소화되도록 동적 프로그래밍(dynamic programming) 알고리즘을 이용하여 시간에 따른 상기 충방전 스케줄을 생성하는 것을 특징으로 하는 방법일 수 있다.

본 발명의 실시예에 의하면, 상기 전력망의 운영 비용을 설정하는 단계는, 상기 전력망의 비용정보에 수요 전력에 따른 가중치를 적용하는 것을 특징으로 하는 방법일 수 있다.

본 발명의 실시예에 의하면, 상기 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계는, 과거 일정 기간의 데이터를 이용하여 예측 오차와 보정 전력간의 관계를 산출하고, 상기 예측 오차와 보정 전력간의 관계를 이용하여 예측 오차에 따른 보정 전력을 추정하는 단계; 및 상기 추정된 보정 전력을 다음 구간에 할당하여 상기 충방전 스케줄을 보정하는 단계를 포함하는 것을 특징으로 하는 방법일 수 있다.

본 발명의 실시예에 의하면, 상기 예측 오차와 보정 전력간의 관계는, 상기 과거 일정 기간의 데이터에 대한 선형 회귀 분석을 이용하여 산출하는 것을 특징으로 하는 방법일 수 있다.

본 발명의 실시예에 의하면, 상기 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계는, 최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 방법일 수 있다.

본 발명의 실시예에 의하면, 상기 최대 부하 전력을 산출하는 구간은 15분이고, 상기 단위구간은 1분인 것을 특징으로 하는 방법일 수 있다.

한편, 상기 충방전 스케줄링 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.

상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 장치는, 에너지 저장장치의 특성 및 전력망의 비용정보를 입력받는 입력부; 상기 에너지 저장 장치의 충방전 스케줄을 생성하는 충방전 스케줄링 프로그램을 저장하는 메모리; 및 상기 충방전 스케줄링 프로그램을 구동하는 적어도 하나의 프로세서를 포함하되, 상기 메모리에 저장된 충방전 스케줄링 프로그램은, 상기 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하고, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하며, 예측 수요 데이터와 측정된 실제 수요 데이터를 비교하여 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 것을 특징으로 한다.

본 발명의 실시예에 의하면, 상기 메모리에 저장된 충방전 스케줄링 프로그램은, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 전력망의 운영 비용을 설정하고, 상기 전력망의 운영 비용이 최소화되도록 동적 프로그래밍(dynamic programming) 알고리즘을 이용하여 시간에 따른 상기 충방전 스케줄을 생성하는 것을 특징으로 하는 장치일 수 있다.

본 발명의 실시예에 의하면, 상기 메모리에 저장된 충방전 스케줄링 프로그램은, 상기 전력망의 비용정보에 수요 전력에 따른 가중치를 적용하여, 상기 전력망의 운영 비용을 설정하는 것을 특징으로 하는 장치일 수 있다.

본 발명의 실시예에 의하면, 상기 메모리에 저장된 충방전 스케줄링 프로그램은, 과거 일정 기간의 데이터를 이용하여 예측 오차와 보정 전력간의 관계를 산출하고, 상기 예측 오차와 보정 전력간의 관계를 이용하여 예측 오차에 따른 보정 전력을 추정하고, 상기 추정된 보정 전력을 다음 구간에 할당하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 장치일 수 있다.

본 발명의 실시예에 의하면, 상기 예측 오차와 보정 전력간의 관계는, 상기 과거 일정 기간의 데이터에 대한 선형 회귀 분석을 이용하여 산출하는 것을 특징으로 하는 장치일 수 있다.

본 발명의 실시예에 의하면, 상기 메모리에 저장된 충방전 스케줄링 프로그램은, 최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 장치일 수 있다.

본 발명의 일실시 예에 따르면, 예측 오차를 기반으로 보정전력을 추정하고, 이를 스케줄링된 충방전 전력에 실시간으로 할당함으로써 최적의 운영에 가까운 출력으로 보정하여 최대 부하 전력을 절감할 수 있다. 또한, 동적 프로그래밍 알고리즘에서 가격 가중치를 적용하여 별도의 한계치 설정없이 최대 부하 전력을 절감할 수 있다.

도 1은 본 발명의 일 실시예에 따른 에너지 저장장치의 충방전 스케줄링 장치가 적용되는 전력망, 에너지 저장장치, 및 부하의 관계를 나타내는 도면이다.
도 2는 예측한 전력 수요와 실제 전력 수요를 비교 및 그 결과를 나타내는 그래프이다.
도 3은 본 발명의 일 실시예에 따른 에너지 저장장치의 충방전 스케줄링 장치의 블록도이다.
도 4는 355일 동안의 예측 오차와 보정전력과의 관계를 나타내는 그래프이다.
도 5 및 도 6은 보정 전력을 할당하여 충방전 스케줄을 보정하는 과정을 나타내는 도면이다.
도 7는 본 발명의 다른 실시예에 따른 에너지 저장장치의 충방전 스케줄링 과정의 블록도이다.
도 8 내지 도 13은 본 발명의 실시예에 따른 에너지 저장장치의 충방전 스케줄링의 효과를 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 에너지 저장장치의 충방전 스케줄링 방법의 흐름도이다.
도 15 및 도 16은 본 발명의 다른 실시예에 따른 에너지 저장장치의 충방전 스케줄링 방법의 흐름도이다.

본 발명에 관한 구체적인 내용의 설명에 앞서 이해의 편의를 위해 본 발명이 해결하고자 하는 과제의 해결 방안의 개요 혹은 기술적 사상의 핵심을 우선 제시한다.

도 1은 전력망(Grid), 에너지 저장장치(energy storage device) 및 부하(Load)가 연결된 일반적인 상황도이다. 도 1과 같은 상황에서 종래의 부하 측에 필요한 전력을 공급하기 위하여 전력망에 대하여 보조적으로 에너지 저장장치를 사용하는 경우, 불필요한 낭비를 최소화하고 최적의 부하 절감을 위한 운영을 위해서 예측 데이터를 활용하여 최적화 기법을 통해 배터리 스케줄링 수행한다. 배터리 감가상각을 고려하기 위해서 감가상각밀도 함수를 활용하며, 이를 위해 동적 프로그래밍(Dynamic programming)을 사용하여 최적화를 수행한다. 하지만 동적 프로그래밍은 특성상 제한 조건으로 최대 부하 전력의 한계를 따로 설정하여 최대 부하를 조절해야 하며, 적절한 한계치를 설정하는 것은 매우 어려운 일이다.

또한, 예측 오차는 고려하지 않는 확정적인 배터리 충방전 스케줄링으로 인해 손실이 발생하게 된다. 도 2(a)와 같이 예측 결과가 실제 수요와 일치하지 않지만, 수요의 패턴에 큰 차이가 없으면 사용량 요금과 감가상각은 최적 운영 대비 손실이 거의 발생하지 않는다. 그러나 최대 부하 전력 절감을 위한 동작은 오차에 굉장히 민감하기 때문에 도 2(b)와 같이 최적의 운영보다 큰 부하 전력이 발생하게 된다. 실제로 표 1에서 전력 사용량 요금은 거의 차이를 보이지 않지만 최대 부하 전력은 최적치보다 크게 증가했음을 알 수 있다.

예측 오차를 고려하여 충방전 스케줄을 보정하여 최대 부하 전력을 절감시키기 위하여, 본 발명의 일 실시예에 따른 전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 방법은, 충방전 스케줄링 시스템이 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하는 단계, 상기 충방전 스케줄링 시스템이 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하는 단계, 및 상기 충방전 스케줄링 시스템이 예측 수요 데이터와 측정된 실제 수요 데이터를 비교하여 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계를 포함한다.

이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 실시 예를 상세히 설명한다. 그러나 이들 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 범위가 이에 의하여 제한되지 않는다는 것은 당업계의 통상의 지식을 가진 자에게 자명할 것이다.

본 발명이 해결하고자 하는 과제의 해결 방안을 명확하게 하기 위한 발명의 구성을 본 발명의 바람직한 실시예에 근거하여 첨부 도면을 참조하여 상세히 설명하되, 도면의 구성요소들에 참조번호를 부여함에 있어서 동일 구성요소에 대해서는 비록 다른 도면상에 있더라도 동일 참조번호를 부여하였으며 당해 도면에 대한 설명시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다. 아울러 본 발명의 바람직한 실시 예에 대한 동작 원리를 상세하게 설명함에 있어 본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명 그리고 그 이외의 제반 사항이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.

도 3은 본 발명의 일 실시예에 따른 에너지 저장장치의 충방전 스케줄링 장치의 블록도이다.

본 발명의 일 실시예에 따른 에너지 저장장치의 충방전 스케줄링 장치(100)는 입력부(10), 프로세서(20), 및 메모리(30)로 구성된다. 충방전 스케줄에 따라 에너지 저장장치를 제어하는 제어부를 더 포함할 수 있다.

에너지 저장장치에 대한 최적의 운영을 위하여 최적화기법을 활용함에 있어서, 예측 수요 데이터가 필요하고, 수요 데이터를 예측하여 이용하기 때문에, 예측 오차로 인한 손실이 발생한다. 따라서, 보정 전력을 추가적으로 더해줌으로써 예측 오차로 인한 손실을 최소화하고 최적의 충방전 스케줄링에 근사할 수 있다. 최적의 충방전 스케줄링을 통해 최대 수요 전력을 절감할 수 있다.

입력부(10)는 에너지 저장장치의 특성 및 전력망의 비용정보를 입력받는다. 에너지 저장장치의 충방전 스케줄을 생성하고 보정하기 위해 필요한 에너지 저장장치의 특성 및 전력망의 비용정보를 입력받으며, 이외에 과거 수요 데이터들과 같이, 충방전 스케줄링에 필요한 다른 데이터들을 입력받을 수 있다.

메모리(30)는 에너지 저장 장치의 충방전 스케줄을 생성하는 충방전 스케줄링 프로그램을 저장한다. 메모리(30)는 생성된 충방전 스케줄을 저장하며, 과거 수요 데이터를 저장할 수 있다.

프로세서(20)는 상기 충방전 스케줄링 프로그램을 구동한다.

상기 메모리에 저장된 충방전 스케줄링 프로그램은, 상기 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하고, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하며, 예측 수요 데이터와 측정된 실제 수요 데이터를 비교하여 보정전력을 추정하여 상기 충방전 스케줄을 보정한다.

에너지 저장장치의 특성 및 전력망의 비용정보를 이용하여 충방전 스케줄을 생성하기 위해 먼저, 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정한다. 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성한다.

충방전 스케줄을 생성함에 있어서, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 전력망의 운영 비용을 설정하고, 상기 전력망의 운영 비용이 최소화되도록 동적 프로그래밍(dynamic programming) 알고리즘을 이용하여 시간에 따른 상기 충방전 스케줄을 생성한다.

상기 전력망의 운영 비용을 설정함에 있어서, 최대 부하 전력을 억제하기 위하여, 상기 전력망의 비용정보에 수요 전력에 따른 가중치를 적용하여, 상기 전력망의 운영 비용을 설정할 수 있다.

충방전 스케줄의 생성은 하기의 구체적인 과정을 거쳐 수행될 수 있다.

동적 프로그래밍(Dynamic programming) 알고리즘을 활용하여 최적의 충방전 스케줄링을 수행하기 위해 시간에 따른 에너지 저장장치의 SoC(State of Charge)를 상태 s_t로 정의한다. 그러면 시간에 따라 상태변화함수(state transition function)는 충방전 전력 p_t와 단위 시간 △t따라 다음과 같이 정의된다.

이러한 상태 변화에 따라 비용이 발생하게 되는데 이를 통해 변화 비용 함수(transition cost function) J(s_t,p_t)를 정의한다. 시간에 따른 전력량 사용 요금 c_t과 배터리 감가상각밀도 함수 w(s)로 구성되어 있다. 최대 부하 전력을 억제하기 위하여 수요 전력에 따라 불이익을 발생시키기 위해 자체 가격 책정(Self-pricing) 요소를 요금 c_t에 추가하였다. α,β는 각각의 가중치를 조절하기 위한 인위적 변수이다.

동적 프로그래밍 알고리즘에 따라 역행 귀납법(Backward induction)을 통해 동일한 문제를 반복해서 풀게 되는데 이를 위한 최적의 상태 가치 함수(State value function) V^*(s_t)는 다음과 같이 정의된다.

위 식을 Bellman-equation으로 풀어내면 최적의 에너지 저장장치 SoC 스케줄이 나오고, 이를 통해 시간에 따른 최적의 에너지 저장장치 충방전 전력 p_t ^*를 구할 수 있다.

상기 과정을 통해 생성되는 에너지 저장장치의 충방전 스케줄에 따라 실제 에너지 저장장치를 운영함에 있어서, 예측 오차에 따른 손실을 줄이기 위하여, 보정 전력(Margin power)을 추정하여 반영한다.

보정 전력을 추정하기 위하여, 과거 수요 데이터를 이용한다.

과거 일정 기간의 데이터를 이용하여 예측 오차와 보정 전력간의 관계를 산출하고, 상기 예측 오차와 보정 전력간의 관계를 이용하여 예측 오차에 따른 보정 전력을 추정하고, 상기 추정된 보정 전력을 다음 구간에 할당하여 상기 충방전 스케줄을 보정할 수 있다. 상기 예측 오차와 보정 전력간의 관계는 상기 과거 일정 기간의 데이터에 대한 선형 회귀 분석을 이용하여 산출할 수 있다.

보정 전력을 추정하기 위해서 과거 측정된 수요 데이터와 예측 기반 최적화 결과를 비교하여 예측 오차와 보정전력(Margin power)간의 관계를 유추한다. 보정전력(Margin power) μ_t는 최적의 충방전 전력 p_t ^*과 예측 기반 최적화에 따른 충방전 전력 p_t ^e ^*의 차이로 정의되며 다음과 같이 나타낼 수 있다.

도 4는 355일 동안의 예측 오차와 보정전력과의 관계로 그래프에서 알 수 있는바와 같이, 보정 전력(Margin power)은 예측 오차와 선형(linear) 관계를 가지는데, 그 기울기와 절편을 구해야만 한다. 이를 위해 선형 회귀 분석(Linear regression)을 활용하여 과거 일정 기간의 데이터를 통해 관계를 유추한다.

기울기 r₁과 절편 r₂를 선형 회귀 분석을 통해 구하고, 예측 오차에 따라 보정전력(Margin power)를 구한다.

상기와 같이, 추정된 보정전력을 이용하여 충방전 스케줄을 보정하기 위하여, 최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정할 수 있다. 여기서, 한국 전력망 환경 내에서는 상기 최대 부하 전력을 산출하는 구간은 15분이고, 상기 단위구간은 1분인 것이 바람직하다. 전력망의 환경 내지 상황에 따라 단위구간을 다르게 설정할 수 있음은 당연하다.

예측 오차는 예측 수요 데이터와 실제로 측정되는 수요 전력의 차이로 정의되는데, 오차가 측정되는 순간 스케줄링된 충방전 전력은 이미 출력된 상태이기 때문에 보정전력을 추정하더라도 우리는 이를 반영할 방법이 없다. 이를 해결하기 위하여, 도 5와 같이, 최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정함으로써 이미 지나간 시점에 대해서도 보정전력을 반영할 수 있다.

최대 부하 전력은 15분간 사용된 전력량의 평균 전력으로 정의되는데, 실제로 전력량계는 이보다 짧은 시간 간격으로 전력량을 측정할 수 있다. 따라서 도 6과 같이 15분 보다 짧은 시간동안 측정되는 오차를 활용하여 보정전력을 할당한다.

예를 들어 1분 단위로 전력량이 측정된다면, 그 평균 전력과 예측 수요와 비교하여 예측 오차를 구하고, 보정전력을 추정한 뒤, 다음 1분 동안 예정된 에너지 저장장치의 충방전 전력을 보정하여 총 15분 동안 14개의 보정전력을 할당하여 충방전 스케줄을 보정한다. 마지막 1분에 해당하는 보정전력은 할당되지 못하는데, 1분 동안의 보정전력량은 무시할 정도로 작으므로 큰 영향을 미치지 않는다. 이를 통해 최대 전력 부하를 줄일 수 있다.

도 7은 본 발명의 다른 실시예에 따른 에너지 저장장치의 충방전 스케줄링 과정의 블록도이다. 먼저 예측 수요 데이터기반의 최적화를 통해 에너지 저장장치의 충방전 스케줄링을 수행한다. 이때 에너지 저장장치 특성에 따라 감가상각밀도함수를 유도하고, 최적화의 제한조건을 설정한다. 또한 한국 계약 전력에 따라 전력량 사용요금과 기본요금을 고려하여 최적의 충방전 스케줄을 구한다. 다음으로 과거 측정된 실제 수요 데이터 기반 최적 스케줄링 결과와 예측 기반 스케줄링 결과를 비교하여 보정전력(Margin power)와 오차의 관계를 선형 회귀 분석을 이용하여 구한다. 이를 통해 매 측정된 오차를 기반으로 보정전력을 추정하고, 이를 스케줄링된 충/방전 전력에 실시간으로 할당하여 최적의 운영에 가까운 출력으로 보정한다.

도 8 내지 도 13은 본 발명의 실시예에 따른 에너지 저장장치의 충방전 스케줄링의 효과를 설명하기 위한 도면으로, 2015년 서강대학교의 수요 전력 데이터에서 연중 가장 최대부하 전력이 높은 8월 6일에 대한 시뮬레이션 결과이다.

도 8에서 검은 직선(Regression)은 선형 회귀 분석을 통해 구한 예측 오차와 보정 전력간의 관계를 나타낸다. 파란 x(Training data)는 과거 10일치에 해당하는 보정전력과 예측 오차 데이터이며, 빨간 점(Real data)은 당일의 보정전력과 예측 오차를 나타낸다. 선형 회귀 분석에서 구한 관계와 거의 유사함을 확인할 수 있다.

도 9는 각각의 방법으로 구한 에너지 저장장치 출력을 적용시킨 결과이다. 빨간 실선(Opt_path)이 모든 수요 전력을 알고 있다는 가정하에서 구한 최적의 결과이며, 초록 실선(Day-ahead_path)이 예측 데이터 기반 최적 기법으로 구한 충/방전 스케줄링을 적용한 결과이다. 그리고 파란 실선(Proposed_path)이 본 발명의 실시예에 따른 충방전 스케줄링으로 적용한 것이다. 보정 후 결과는 거의 최적에 가까워졌음을 확인할 수 있다.

도 10은 1분단위로 측정된 수요전력과 기존의 예측 수요 데이터로, 1분단위의 실측 데이터는 구할 수 없었으므로, Gaussian noise를 섞어 가상의 1분 실측 데이터를 생성하고, 예측 수요 전력은 그대로 사용하여 도 10과 같이 나타내었다.

도 11은 1분 동안 측정되는 오차를 이용하여 위에서 선형회귀분석을 통해 구한 관계를 통해 보정전력을 추정하고, 본 발명의 실시예에 따른 충방전 스케줄링대로 할당한 결과를 나타낸 것이다. 파란 점선으로 나타난 것이 본 발명의 실시예에 따른 충방전 스케줄링에 따른 결과이며, 파란 실선이 실제로는 할당이 불가능한 15분 단위로 보정전력을 추정한 결과이다. 두 결과를 비교해보면 거의 차이가 없음을 확인할 수 있다.

도 12는 355일 동안 각각의 방법을 통해 구한 매 달마다의 최고 부하 전력을 나타낸 것이다. 검은 선(wo ESS)은 배터리 없이 운영한 경우의 결과이며, 초록 점선(Day-ahead)은 예측 데이터 기반 최적화 스케줄링을 적용시킨 결과이다. 빨간 실선(Opt)은 모든 데이터를 알고 있다는 가정하에 최적의 결과이며, 파란 실선(Proposed)은 본 발명의 실시예에 따른 충방전 스케줄링을 적용시킨 결과이다.

도 13은 각각의 방법을 통해 매달마다 부과되는 전력 사용량 요금을 나타낸다. 최대 부하 전력과는 달리 배터리를 사용하지 않는 경우를 제외하곤 거의 차이가 없는 것을 확인할 수 있다.

표 2는 각각의 방법에 따른 결과를 나타낸 것으로, 모든 데이터를 안다는 가정하에 배터리로 낼 수 있는 최대의 수익은 약 1억 4천만원 이다. 하지만 예측 기반 최적화 결과를 적용시킨 결과, 예측 에러로 인해 약 3천만원의 손실이 발생, 약 1억 1천만원의 수익만을 얻을 수 있다. 그러나 본 발명의 실시예에 따른 충방전 스케줄링을 적용하면 약 8백만원의 손실만이 발생, 기존의 손실을 약 60% 절감할 수 있음을 알 수 있다.

도 14는 본 발명의 일 실시예에 따른 에너지 저장장치의 충방전 스케줄링 방법의 흐름도이고, 도 15 및 도 16은 본 발명의 다른 실시예에 따른 에너지 저장장치의 충방전 스케줄링 방법의 흐름도이다. 도 14 내지 도 16에 대한 상세한 설명은 도 1 내지 도 13의 에너지 저장장치의 충방전 스케줄링 장치 및 그 과정에 대한 설명에 대응하는바, 중복되는 설명은 생략하도록 한다.

전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 방법에 있어서, S110 단계에서 충방전 스케줄링 시스템이 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정한다.

S120 단계에서, 상기 충방전 스케줄링 시스템이 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성한다.

S120 단계는 보다 구체적으로, S210 단계 및 S220 단계로 구현될 수 있다.

S210 단계에서, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 전력망의 운영 비용을 설정하고, S220 단계에서, 상기 전력망의 운영 비용이 최소화되도록 동적 프로그래밍(dynamic programming) 알고리즘을 이용하여 시간에 따른 상기 충방전 스케줄을 생성할 수 있다. S210 단계에서 상기 전력망의 운영 비용을 설정함에 있어서, 상기 전력망의 비용정보에 수요 전력에 따른 가중치를 적용할 수 있다. 상기 수요 전력에 따른 가중치를 적용함으로써 최대 부하 전력을 억제할 수 있다.

S120 단계에서 충방전 스케줄을 생성한 이후, 실제 적용에 있어서, 보정전력을 추정하여 충방전 스케줄을 보정하는데, 이를 위하여, S130 단계에서, 상기 충방전 스케줄링 시스템이 예측 수요 데이터와 측정된 실제 수요 데이터를 비교하여 보정전력을 추정하여 상기 충방전 스케줄을 보정한다.

S130 단계는 보다 구체적으로, S310 단계 및 S320 단계로 구현될 수 있다.

S310 단계에서, 과거 일정 기간의 데이터를 이용하여 예측 오차와 보정 전력간의 관계를 산출하고, 상기 예측 오차와 보정 전력간의 관계를 이용하여 예측 오차에 따른 보정 전력을 추정하고, S320 단계에서, 상기 추정된 보정 전력을 다음 구간에 할당하여 상기 충방전 스케줄을 보정한다. 여기서, 상기 예측 오차와 보정 전력간의 관계는, 상기 과거 일정 기간의 데이터에 대한 선형 회귀 분석을 이용하여 산출할 수 있다. 또한, 보정전력을 실시간으로 반영하기 위하여, 최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정할 수 있으며, 이때, 한국 전력 상황에 적합하도록 상기 최대 부하 전력을 산출하는 구간은 15분이고, 상기 단위구간은 1분으로 설정할 수 있다.

본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

100: 에너지 저장장치의 충방전 스케줄링 장치
10: 입력부
20: 프로세서
30: 메모리

Claims

전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 방법에 있어서,
충방전 스케줄링 시스템이 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하는 단계;
상기 충방전 스케줄링 시스템이 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하는 단계; 및
상기 충방전 스케줄링 시스템이 예측 수요 데이터와 과거 측정된 실제 수요 데이터를 비교하여, 상기 예측 수요 데이터와 상기 실제 수요 데이터의 차이를 나타내는 예측 오차와 상기 예측 오차로 인한 손실을 줄이기 위한 보정전력(margin power)간의 관계로부터 상기 예측 오차에 따른 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계를 포함하는 방법.
제 1 항에 있어서,
상기 충방전 스케줄을 생성하는 단계는,
상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 전력망의 운영 비용을 설정하는 단계; 및
상기 전력망의 운영 비용이 최소화되도록 동적 프로그래밍(dynamic programming) 알고리즘을 이용하여 시간에 따른 상기 충방전 스케줄을 생성하는 것을 특징으로 하는 방법.
제 2 항에 있어서,
상기 전력망의 운영 비용을 설정하는 단계는,
상기 전력망의 비용정보에 수요 전력에 따른 가중치를 적용하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계는,
과거 일정 기간의 데이터를 이용하여 예측 오차와 보정 전력간의 관계를 산출하고, 상기 예측 오차와 보정 전력간의 선형(linear) 관계를 이용하여 예측 오차에 따른 보정 전력을 추정하는 단계; 및
상기 추정된 보정 전력을 다음 구간에 할당하여 상기 충방전 스케줄을 보정하는 단계를 포함하는 것을 특징으로 하는 방법.
제 4 항에 있어서,
상기 예측 오차와 보정 전력간의 관계는,
상기 과거 일정 기간의 데이터에 대한 선형 회귀 분석을 이용하여 산출하는 것을 특징으로 하는 방법.
제 1 항에 있어서,
상기 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 단계는,
최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 방법.
제 6 항에 있어서,
상기 최대 부하 전력을 산출하는 구간은 15분이고, 상기 단위구간은 1분인 것을 특징으로 하는 방법.
제 1 항 내지 제 7 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
전력망(Grid)과 연결되어 부하 측(Load)에 전력을 공급하는 에너지 저장 장치(energy storage device)의 충방전 스케줄링 장치에 있어서,
에너지 저장장치의 특성 및 전력망의 비용정보를 입력받는 입력부;
상기 에너지 저장 장치의 충방전 스케줄을 생성하는 충방전 스케줄링 프로그램을 저장하는 메모리; 및
상기 충방전 스케줄링 프로그램을 구동하는 적어도 하나의 프로세서를 포함하되,
상기 메모리에 저장된 충방전 스케줄링 프로그램은,
상기 에너지 저장장치의 특성에 따라 감가상각밀도함수를 유도하고 최적화의 제한조건을 설정하고, 상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 에너지 저장 장치의 충방전 스케줄을 생성하며, 예측 수요 데이터와 과거 측정된 실제 수요 데이터를 비교하여, 상기 예측 수요 데이터와 상기 실제 수요 데이터의 차이를 나타내는 예측 오차와 상기 예측 오차로 인한 손실을 줄이기 위한 보정전력(margin power)간의 관계로부터 상기 예측 오차에 따른 보정전력을 추정하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 장치.
제 9 항에 있어서,
상기 메모리에 저장된 충방전 스케줄링 프로그램은,
상기 최적화의 제한조건하에서 전력망의 비용정보에 기초하여 상기 감가상각밀도함수로부터 상기 전력망의 운영 비용을 설정하고, 상기 전력망의 운영 비용이 최소화되도록 동적 프로그래밍(dynamic programming) 알고리즘을 이용하여 시간에 따른 상기 충방전 스케줄을 생성하는 것을 특징으로 하는 장치.
제 10 항에 있어서,
상기 메모리에 저장된 충방전 스케줄링 프로그램은,
상기 전력망의 비용정보에 수요 전력에 따른 가중치를 적용하여, 상기 전력망의 운영 비용을 설정하는 것을 특징으로 하는 장치.
제 9 항에 있어서,
상기 메모리에 저장된 충방전 스케줄링 프로그램은,
과거 일정 기간의 데이터를 이용하여 예측 오차와 보정 전력간의 관계를 산출하고, 상기 예측 오차와 보정 전력간의 선형(linear) 관계를 이용하여 예측 오차에 따른 보정 전력을 추정하고, 상기 추정된 보정 전력을 다음 구간에 할당하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 장치.
제 12 항에 있어서,
상기 예측 오차와 보정 전력간의 관계는,
상기 과거 일정 기간의 데이터에 대한 선형 회귀 분석을 이용하여 산출하는 것을 특징으로 하는 장치.
제 9 항에 있어서,
상기 메모리에 저장된 충방전 스케줄링 프로그램은,
최대 부하 전력을 산출하는 구간을 소정의 수의 단위구간으로 나누어, 상기 단위구간 별로, 보정 전력을 추정하고, 다음 단위구간에서 상기 추정된 보정 전력을 반영하여 상기 충방전 스케줄을 보정하는 것을 특징으로 하는 장치.