KR102296021B1 - System and Method of DR Potential Estimation Based on Load Characteristics Classification - Google Patents

System and Method of DR Potential Estimation Based on Load Characteristics Classification Download PDF

Info

Publication number
KR102296021B1
KR102296021B1 KR1020200162451A KR20200162451A KR102296021B1 KR 102296021 B1 KR102296021 B1 KR 102296021B1 KR 1020200162451 A KR1020200162451 A KR 1020200162451A KR 20200162451 A KR20200162451 A KR 20200162451A KR 102296021 B1 KR102296021 B1 KR 102296021B1
Authority
KR
South Korea
Prior art keywords
unit
customer
load
potential
calculated
Prior art date
Application number
KR1020200162451A
Other languages
Korean (ko)
Inventor
손성용
박건준
Original Assignee
가천대학교 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 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020200162451A priority Critical patent/KR102296021B1/en
Application granted granted Critical
Publication of KR102296021B1 publication Critical patent/KR102296021B1/en

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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/14—Energy storage units
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/40—Display of information, e.g. of data or controls
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a device of demand reaction potential estimation based on load characteristic classification which can efficiently manage demand resources having various patterns. The device of demand reaction potential estimation based on load characteristic classification comprises: a data input unit receiving data such as load history information of a participating customer, history information of distributed resources such as PV, EV, and ESS, and weather information; an operation environment setting unit setting an environment required for operation analysis such as an operation area and a period in operation environment settings from information inputted from the data input unit; a customer load characterization unit calculating daily usage, a daily usage change coefficient, and a pattern change coefficient for a load of the participating customer in accordance with the environment set by the operation environment setting unit to index characterization; a customer load grouping unit using a customer load pattern and a characterization index calculated by the customer load characterization unit to build an input vector and perform clustering to group customer loads; a demand reaction potential estimation unit estimating the demand reaction potential for each group for customer loads belonging to each cluster calculated by the customer load grouping unit; and a customer load classification and visualization unit using a characterization index calculated by the customer load characterization unit and a grouped customer load profile calculated by the customer load grouping unit to classify and visualize customer loads, and visualizing the demand reaction potential for each group calculated by the demand reaction potential estimation unit.

Description

부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법{System and Method of DR Potential Estimation Based on Load Characteristics Classification}{System and Method of DR Potential Estimation Based on Load Characteristics Classification}

본 발명은 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법에 관한 것으로, 더욱 상세하게는, 부하 특성에 기반을 두어 부하를 분류하여 수요반응 잠재량을 추정하는 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for estimating a demand response potential based on load characteristic classification, and more particularly, to an apparatus and method for estimating a DR potential by classifying a load based on load characteristics.

수요자원은 전력계통 위기시 또는 필요에 따라 신뢰성 있는 계통 운영을 위한 중요한 자원중 하나이다. 수요반응자원(수요반응)은 전기사용자의 패턴을 변화시켜 수요를 감축하거나 지연시킬 수 있는 자원이다. 수요반응자원 참여고객(참여고객)은 수요관리사업자를 통하여 수요자원시장에 참여 가능하다. 참여고객의 전기 사용 패턴은 전기 사용자의 생활패턴과 밀접하게 관련되어 있으며, 또한 PV, EV, ESS와 같은 분산자원이 급속히 확산됨에 따라 다양해지고 있어, 이로 인해, 전기 사용 패턴의 복잡성은 더욱 심해지고 있다. 이는 수요관리사업자가 수요자원을 모집하여 수요자원시장에 참여하는 데 어려움을 줄 수 있으며, 수요자원을 수요자원시장에서 안정적으로 운영하기 위해서는 수요반응 잠재량 추정이 필요하다.Demand resource is one of the important resources for reliable system operation in case of power system crisis or when necessary. A demand response resource (demand response) is a resource that can reduce or delay demand by changing the pattern of electricity users. Customers participating in demand response resources (participating customers) can participate in the demand resource market through a demand management company. The electricity usage patterns of participating customers are closely related to the life patterns of electricity users, and are becoming more diverse as distributed resources such as PV, EV, and ESS are rapidly spreading. have. This may make it difficult for demand management business operators to recruit demand resources and participate in the demand resource market. In order to stably operate demand resources in the demand resource market, it is necessary to estimate the demand response potential.

[선행기술문헌][Prior art literature]

대한민국 특허등록번호 제10-1012863호(2011년01월27일 등록)(발명의 명칭: 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템)Korean Patent Registration No. 10-1012863 (registered on January 27, 2011) (Title of Invention: Load Prediction Comparison Analysis System for Calculating Customer Standard Load)

본 발명의 목적은 상기한 바와 같은 종래의 실정을 감안하여 제안된 것으로서, 수요관리사업자 입장에서 분산자원 보유 및 생활패턴에 따른 다양한 패턴을 가지는 수요자원들을 효율적으로 운영할 수 있도록 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 방법을 제공함에 있다.The object of the present invention is proposed in view of the conventional situation as described above, and from the point of view of the demand management operator, it is to classify the load characteristics that enable the efficient operation of demand resources having various patterns according to the possession of distributed resources and living patterns. To provide a method for estimating demand response potential based on

상기한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따르면, 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받는 데이터 입력부;
상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하는 운영 환경 설정부;
상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 고객 부하 특성화부;
상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화하는 고객 부하 그룹부;
상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하는 수요반응 잠재량 추정부;
상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하는 고객 부하 분류 및 시각화부를 포함하고,
상기 고객 부하 특성화부는 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량 계산부, 일일 사용량 변동계수 계산부, 패턴 변동계수 계산부를 통해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하고,
상기 고객 부하 그룹부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터 구성부를 통해 입력벡터를 구성하고 군집화부를 통해 군집화를 수행하여 고객 부하를 그룹화하되, 입력벡터는 해당 기간 동안의 고객 부하에 대해 프로파일을 구성하고, 상기 고객 부하 특성화부에서 계산된 특성화 지표를 상기 프로파일에 추가하여 구성할 수 있으며, 군집화는 상기 입력 벡터를 이용하여 군집화 알고리즘을 이용하여 고객을 군집별로 분류하고,
상기 수요반응 잠재량 추정부는 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하되, 상기 그룹화된 고객 부하에 대해 시간대별 전기 소비 패턴들에 대해 사분범위로 잠재량을 계산하고,
상기 고객 부하 분류 및 시각화부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하되, 상기 고객 부하 그룹부와 상기 수요반응 잠재량 추정부에서 계산된 결과로부터 참여고객을 적어도 네 개 이상의 그룹으로 분류하고 각 그룹별 프로파일과 특성화 지표 및 수요반응 잠재량을 시각화하는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치가 제공된다.According to a preferred embodiment of the present invention for achieving the above object, there is provided a data input unit that receives load history information of participating customers and history information and weather information data of distributed resources including PV, EV, and ESS;
an operating environment setting unit for setting an environment necessary for operation analysis, including an operating region and period in operating environment setting, from the information input from the data input unit;
a customer load characterization unit for calculating daily usage, daily usage variation coefficient, and pattern variation factor for the loads of participating customers according to the environment set in the operating environment setting unit to index the characterization;
a customer load grouping unit configured to construct an input vector using the characterization index calculated by the customer load characterization unit and the customer load pattern and grouping the customer loads by grouping;
a DR potential estimator for estimating the DR potential for each group for the customer loads belonging to each cluster calculated by the customer load group unit;
The customer load is classified and visualized using the characterization index calculated by the customer load characterization unit and the grouped customer load profile calculated by the customer load group unit, and the DR potential for each group calculated by the DR potential estimation unit Includes a customer load classification and visualization unit to visualize
The customer load characterization unit daily usage, daily usage variation coefficient, pattern variation coefficient through the daily usage calculation unit, daily usage variation coefficient calculation unit, and pattern variation coefficient calculation unit for the loads of participating customers according to the environment set in the operating environment setting unit to index the characterization by calculating
The customer load group unit configures an input vector through the input vector construction unit using the characterization index and customer load pattern calculated in the customer load characterization unit, and performs clustering through the clustering unit to group customer loads, but the input vector is in the corresponding period. A profile can be configured for the customer load during the period, and a characterization index calculated by the customer load characterization unit can be added to the profile, and the clustering uses the input vector to classify customers into clusters using a clustering algorithm. do,
The DR potential estimating unit estimates the DR potential for each group for customer loads belonging to each cluster calculated by the customer load group unit, and the potential amount for each time period electricity consumption patterns for the grouped customer loads in a quadrant. calculate,
The customer load classification and visualization unit classifies and visualizes customer loads using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and is calculated by the demand response potential estimator Visualize the DR potential for each group, but classify the participating customers into at least four groups from the results calculated by the customer load group unit and the DR potential estimator, and classify each group's profile, characterization index, and DR potential An apparatus for estimating demand response potential based on load characteristic classification is provided, characterized in that it visualizes.

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

또한, 상기 데이터 입력부는 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받으며, 참여고객의 인구통계 정보 및 부하 이력 정보, PV, EV, ESS를 포함하는 분산자원의 보유 유무 및 설비 정보, 운영 정보를 포함하는 이력 정보, 그리고 기온, 일사량, 운량, 풍향, 풍력 정보를 포함하는 기상 정보의 이력 정보를 포함하는 이력 정보 데이터베이스와 장기, 중기, 단기 예측을 통한 부하 예측 정보, 분산자원 예측 정보 및 기상 예측 정보를 포함하는 예측 정보 데이터베이스로부터 데이터를 입력받는 것을 특징으로 한다.In addition, the data input unit receives load history information of participating customers, history information and weather information data of distributed resources including PV, EV, and ESS, and demographic information and load history information of participating customers, PV, EV, ESS History information database and long-term, medium-term, and long-term, It is characterized in that data is input from a prediction information database including load prediction information through short-term prediction, distributed resource prediction information, and weather prediction information.

또한, 상기 운영 환경 설정부는 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하되, 참여고객 및 분산자원의 선택, 분산자원의 설치 지역, 분산자원의 이력 정보, 선택된 지역의 기상정보 및 운영 기간과 날짜 및 시간을 설정할 수 있는 것을 특징으로 한다.In addition, the operating environment setting unit sets the environment necessary for the operation analysis, including the operating region and period in the operating environment setting from the information input from the data input unit, the selection of participating customers and distributed resources, the installation area of the distributed resources, the distribution It is characterized in that it is possible to set the history information of the resource, the weather information of the selected area, and the operation period, date and time.

삭제delete

또한, 일일 사용량(Uj)은 전기 소비가 많은지 적은 지를 측정하는 지표이고, 해당 기간 동안에 하루에 소비하는 사용량의 평균을 측정하며, 수학식 1과 같이 계산할 수 있고,In addition, the daily usage (Uj) is an indicator for measuring whether electricity consumption is high or low, and measures the average of usage consumed per day during the corresponding period, and can be calculated as in Equation 1,

[수학식 1][Equation 1]

Figure 112021062724817-pat00001
(여기서, Pjd는 j(j=1,2,....,N)번째 고객이 d(d=1,2,...,D)날에 t(t=1,2,....,T)시간에서 소비하는 부하량);
Figure 112021062724817-pat00001
(Where Pjd is the j(j=1,2,...,N)th customer on the d(d=1,2,...,D) day t(t=1,2,... .,T) load consumed in time);

일일 사용량 변동계수(

Figure 112020128289613-pat00002
)는 일일 사용량이 얼마나 변동하는 지를 측정하는 지표이고, 해당 기간 동안에서 일일 사용량의 변동성을 측정하며, 수학식 2와 같이 계산할 수 있고,Daily usage coefficient of variation (
Figure 112020128289613-pat00002
) is an indicator that measures how much daily usage fluctuates, measures the variability of daily usage during the period, and can be calculated as in Equation 2,

[수학식 2][Equation 2]

Figure 112020128289613-pat00003
(여기서,
Figure 112020128289613-pat00004
는 j번째 고객의 일일 사용량의 표준편차)와 같이 계산할 수 있으며;
Figure 112020128289613-pat00003
(here,
Figure 112020128289613-pat00004
can be calculated as the standard deviation of the daily usage of the jth customer);

패턴의 변동계수(

Figure 112020128289613-pat00005
) 시간대별 부하 패턴이 얼마나 변동하는 지를 측정하는 지표이고, 해당 기간 동안에서 하루 24시간의 소비량의 변동성을 측정하며, 수학식 3과 같이 계산할 수 있는 것을 특징으로 한다.The coefficient of variation of the pattern (
Figure 112020128289613-pat00005
) is an indicator that measures how much the load pattern varies by time period, measures the variability of consumption for 24 hours a day during the corresponding period, and is characterized in that it can be calculated as in Equation 3.

[수학식 3][Equation 3]

Figure 112020128289613-pat00006
(여기서,
Figure 112020128289613-pat00007
와
Figure 112020128289613-pat00008
는 각각 번째 고객의 시간대별 평균 소비량 및 표준편차).
Figure 112020128289613-pat00006
(here,
Figure 112020128289613-pat00007
Wow
Figure 112020128289613-pat00008
is the average consumption and standard deviation of the second customer over time, respectively).

삭제delete

삭제delete

또한, 상기 수요반응 잠재량 추정부는 상기 그룹화된 고객 부하에 대해 간혹 발생할 수 있는 극단적인 최대/최소 소비량에 인한 잠재량을 과대하게 추정하는 문제를 해결하기 위해 정규분포, 백분위수의 방법을 통해 극단적이고 이상적인 소비량(이상치)을 제거하여 수요반응 잠재량을 계산할 수 있는 것을 특징으로 한다.In addition, in order to solve the problem of overestimating the potential due to the extreme maximum/minimum consumption, which may occasionally occur for the grouped customer load, the DR potential estimation unit uses the method of the normal distribution and percentile to provide extreme and ideal It is characterized in that the demand response potential can be calculated by removing the consumption (outlier).

또한, 정규분포를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 정규분포를 이용하여

Figure 112020128289613-pat00009
(여기서 m:평균, σ: 표준편차, α:임의의 상수)구간을 벗어나는 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있으며, 백분위수를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 α백분위수(여기서, α:임의의 상수)를 이용하여 백분위수 보다 작은 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있는 것을 특징으로 한다.In addition, the removal of the minimum consumption outlier using the normal distribution is performed using the normal distribution for the consumption by time of day during the relevant period.
Figure 112020128289613-pat00009
(Where m: mean, σ: standard deviation, α: arbitrary constant) Values outside the interval can be determined as outliers and removed to calculate the DR potential, and the minimum consumption outlier removal using percentiles is the number of hours per day during the period. It is characterized in that the demand response potential can be calculated by judging a value smaller than the percentile as an outlier by using the α percentile (here, α: an arbitrary constant) for consumption by unit and removing it as an outlier.

본 발명의 다른 측면에 따르면, 데이터 입력부를 통해 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받는 제1 단계;According to another aspect of the present invention, a first step of receiving load history information of participating customers and history information and weather information data of distributed resources including PV, EV, ESS through a data input unit;

운영 환경 설정부를 통해 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하는 제2 단계;a second step of setting an environment necessary for operation analysis, including an operating region and period, in the operating environment setting from the information input from the data input unit through the operating environment setting unit;

고객 부하 특성화부를 통해 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 제3 단계;a third step of calculating daily usage, daily usage variation coefficient, and pattern variation coefficient for the loads of participating customers according to the environment set in the operating environment setting unit through the customer load characterization unit to index the characterization;

고객 부하 그룹부를 통해 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화하는 제4 단계;a fourth step of grouping customer loads by constructing an input vector using the characterization index calculated by the customer load characterization unit and the customer load pattern through the customer load grouping unit and performing clustering;

수용반응 잠재량 추정부를 통해 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하는 제5 단계; 및a fifth step of estimating the demand response potential for each group with respect to the customer loads belonging to each cluster calculated by the customer load group unit through the acceptance response potential amount estimating unit; and

고객 부하 분류 및 시각화부를 통해 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하는 제6 단계를 포함하고,
상기 고객 부하 분류 및 시각화부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하되, 상기 고객 부하 그룹부와 상기 수요반응 잠재량 추정부에서 계산된 결과로부터 참여고객을 적어도 네 개 이상의 그룹으로 분류하고 각 그룹별 프로파일과 특성화 지표 및 수요반응 잠재량을 시각화하는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 방법이 제공된다.Through the customer load classification and visualization unit, the customer load is classified and visualized using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and calculated by the demand response potential estimator Including a sixth step of visualizing the demand response potential for each group,
The customer load classification and visualization unit classifies and visualizes customer loads using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and is calculated by the demand response potential estimator Visualize the DR potential for each group, but classify the participating customers into at least four groups from the results calculated by the customer load group unit and the DR potential estimator, and classify each group's profile, characterization index, and DR potential A method for estimating demand response potential based on load characteristic classification is provided, characterized by visualizing

본 발명의 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법에 따르면, 참여고객의 부하 특성화에 따른 군집화된 수요반응 잠재량을 통해 수요관리사업자는 수요자원시장에서의 운영 효율성을 증대시킬 수 있다.According to the apparatus and method for estimating the DR potential based on the load characteristic classification of the present invention, the demand management service provider can increase the operational efficiency in the demand resource market through the clustered DR potential according to the load characterization of participating customers.

아울러, 분산자원이 확산됨에 따라 순부하의 변동성이 증가하므로 군집화된 수요반응 잠재량을 계통운영자에게 제공함으로써 계통운영자는 수요반응 잠재량을 유연성 자원으로 활용함으로써 효과적인 배전망 운영이 가능하다.In addition, as the variability of net load increases as distributed resources spread, by providing the clustered DR potential to the grid operator, the grid operator can effectively operate the distribution network by using the DR potential as a flexible resource.

도 1은 본 발명의 일 실시예에 따른 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치의 개략적인 블록구성도이다.
도 2는 도 1에 도시된 고객 부하 그룹부에서 고객 부하 프로파일에 대해 4개의 그룹으로 그룹화된 예를 도시한 것이다.
도 3은 도 1에 도시된 고객 부하 그룹부에서 고객 부하 특성화부에서 측정된 특성화 지표에 대해 4개의 그룹으로 그룹화된 예를 도시한 것이다.
도 4는 도 1에 도시된 수요반응 잠재량 추정부에서 그룹화된 고객 부하에 대해 수요반응 잠재량을 추정한 예를 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치를 통한 방법을 나타낸 순서도이다.1 is a schematic block diagram of an apparatus for estimating potential demand response based on load characteristic classification according to an embodiment of the present invention.
FIG. 2 shows an example of grouping into four groups for the customer load profile in the customer load grouping unit shown in FIG. 1 .
FIG. 3 shows an example in which the characterization index measured by the customer load characterization unit is grouped into four groups in the customer load group unit shown in FIG. 1 .
FIG. 4 illustrates an example of estimating the DR potential for grouped customer loads by the DR potential estimator shown in FIG. 1 .
5 is a flowchart illustrating a method through an apparatus for estimating potential demand response based on load characteristic classification according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.However, this is not intended to limit the present invention to specific embodiments, and it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical and scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not

이하, 첨부한 도면을 참고하여 본 발명의 실시 예들에 대해 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치의 개략적인 블럭구성도이다.1 is a schematic block diagram of an apparatus for estimating potential demand response based on load characteristic classification according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치(100)는 참여고객의 부하 이력 정보와 PV, EV, ESS와 같은 분산자원의 이력 정보 및 기상정보 등 데이터를 입력받는 데이터 입력부(10); 상기 데이터 입력부(10)에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간 등 운영 분석에 필요한 환경을 설정하는 운영 환경 설정부(20); 상기 운영 환경 설정부(20)에서 설정된 환경에 따라 고개 부하를 특성화하는 고객 부하 특성화부(30); 상기 고객 부하 특성화부(30)에서 특성화된 부하에 대해 그룹화하는 고객 부하 그룹부(40); 상기 고개 부하 그룹부(40)에서 그룹화된 부하에 대해 수요반응 잠재량을 추정하는 수요반응 잠재량 추정부(50); 상기 수요반응 잠재량 추정부(50)에서 추정된 잠재량을 고객 특성화에 따라 분류 및 시각화하는 고객 부하 분류 및 시각화부(60)를 포함한다.As shown in FIG. 1 , the apparatus 100 for estimating potential demand response based on load characteristic classification receives data such as load history information of participating customers, history information of distributed resources such as PV, EV, and ESS, and weather information. input unit 10; an operating environment setting unit 20 for setting an environment necessary for operation analysis, such as an operating region and period, in operating environment setting from the information input from the data input unit 10; a customer load characterization unit 30 for characterizing a hill load according to the environment set in the operating environment setting unit 20; a customer load grouping unit 40 for grouping the loads characterized in the customer load characterizing unit 30; a DR potential estimating unit 50 for estimating the DR potential for the loads grouped in the customer load group unit 40; and a customer load classification and visualization unit 60 for classifying and visualizing the potential quantity estimated by the demand response potential quantity estimation unit 50 according to customer characteristics.

데이터 입력부(10)는 참여고객의 부하 이력 정보와 PV, EV, ESS와 같은 분산자원의 이력 정보 및 기상정보 등 데이터를 입력받는다. 더욱 상세하게 실시 예를 들어 설명하면, 참여고객의 인구통계 정보 및 부하 이력 정보, PV, EV, ESS와 같은 분산자원의 보유 유무 및 설비 정보, 운영 정보 등을 포함하는 이력 정보, 그리고 기온, 일사량, 운량, 풍향, 풍력 정보를 포함하는 기상 정보 등과 같이 이력 정보를 포함하는 이력 정보 데이터베이스와 장기, 중기, 단기 예측을 통한 부하 예측 정보, 분산자원 예측 정보 및 기상 예측 정보 등을 포함하는 예측 정보 데이터베이스로부터 데이터를 입력받는다.The data input unit 10 receives data such as load history information of participating customers, history information of distributed resources such as PV, EV, and ESS, and weather information. In more detail, if described by way of example, demographic information and load history information of participating customers, the presence or absence of distributed resources such as PV, EV, and ESS, historical information including facility information, operation information, etc., and temperature and solar radiation A history information database including historical information such as weather information including , cloud volume, wind direction, and wind information, and a prediction information database including load prediction information through long-term, medium-term, and short-term forecasting, distributed resource prediction information and weather forecast information, etc. receive data from

운영 환경 설정부(20)는 상기 데이터 입력부(10)에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간 등 운영 분석에 필요한 환경을 설정한다. 더욱 상세하게 실시 예를 들어 설명하면, 참여고객 및 분산자원의 선택, 분산자원의 설치 지역, 분산자원의 이력 정보, 선택된 지역의 기상정보 및 운영 기간과 날짜 및 시간 등을 설정할 수 있다.The operating environment setting unit 20 sets an environment necessary for operation analysis, such as an operating region and period, in the operating environment setting from the information input from the data input unit 10 . In more detail, referring to the embodiment, it is possible to set the selection of participating customers and distributed resources, the installation area of the distributed resource, the history information of the distributed resource, the weather information of the selected area, and the operating period, date and time, and the like.

고객 부하 특성화부(30)는 상기 운영 환경 설정부(20)에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량 계산부(32), 일일 사용량 변동계수 계산부(34), 패턴 변동계수 계산부(36)를 통해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화한다. 더욱 상세하게 실시 예를 들어 설명하면, 일일 사용량은 전기 소비가 많은지 적은 지를 측정하는 지표이다. 일일 사용량(Uj)은 해당 기간 동안에서 하루에 소비하는 사용량의 평균을 측정하며, 아래 수학식 1과 같이 계산할 수 있다.The customer load characterization unit 30 includes a daily usage calculation unit 32, a daily usage variation coefficient calculation unit 34, and a pattern variation coefficient calculation unit for loads of participating customers according to the environment set in the operating environment setting unit 20. Through (36), the characterization is indexed by calculating the daily usage, daily usage variation coefficient, and pattern variation coefficient. In more detail, referring to an embodiment, the daily usage is an index for measuring whether electricity consumption is high or low. The daily usage (Uj) measures the average of usage consumed per day during the corresponding period, and can be calculated as in Equation 1 below.

Figure 112020128289613-pat00010
Figure 112020128289613-pat00010

여기서, Pjd는 j(j=1,2,....,N)번째 고객이 d(d=1,2,....,D)일 날에 t(t=1,2,....,T)시간에서 소비하는 부하량이다.Here, Pjd is t(t=1,2,.. ..,T) is the load consumed in time.

일일 사용량 변동계수(

Figure 112020128289613-pat00011
)는 일일 사용량이 얼마나 변동하는 지를 측정하는 지표이다. 일일 사용량 변동계수는 해당 기간 동안에서 일일 사용량의 변동성을 측정하며, 수학식 2와 같이 계산할 수 있다.Daily usage coefficient of variation (
Figure 112020128289613-pat00011
) is an indicator that measures how much the daily usage fluctuates. The daily usage variation coefficient measures the variability of the daily usage during the corresponding period, and can be calculated as in Equation (2).

Figure 112020128289613-pat00012
Figure 112020128289613-pat00012

여기서,

Figure 112020128289613-pat00013
는 j번째 고객의 일일 사용량의 표준편차이다. here,
Figure 112020128289613-pat00013
is the standard deviation of the daily usage of the jth customer.

패턴 변동계수는 시간대별 부하 패턴이 얼마나 변동하는 지를 측정하는 지표이다. 패턴의 변동계수(

Figure 112020128289613-pat00014
)는 해당 기간 동안에서 하루 24시간의 소비량의 변동성을 측정하며, 수학식 3과 같이 계산할 수 있다.The pattern variation coefficient is an index that measures how much the load pattern fluctuates over time. The coefficient of variation of the pattern (
Figure 112020128289613-pat00014
) measures the variability of consumption for 24 hours a day during the period, and can be calculated as in Equation 3.

Figure 112020128289613-pat00015
Figure 112020128289613-pat00015

여기서,

Figure 112020128289613-pat00016
와
Figure 112020128289613-pat00017
는 각각 j번째 고객의 시간대별 평균 소비량 및 표준편차이다.here,
Figure 112020128289613-pat00016
Wow
Figure 112020128289613-pat00017
are the average consumption and standard deviation of the j-th customer over time, respectively.

도 2는 도 1에 도시된 고객 부하 그룹부에서 고객 부하 프로파일에 대해 4개의 그룹으로 그룹화된 예를 도시한 것이다. 여기서, 얇은 실선은 고객별 프로파일이고, 굵은 검은 실선은 그룹별 프로파일이다. 도 3은 도 1에 도시된 고객 부하 그룹부에서 고객 부하 특성화부에서 측정된 특성화 지표에 대해 4개의 그룹으로 그룹화된 예를 도시한 것이다.FIG. 2 shows an example of grouping into four groups for the customer load profile in the customer load grouping unit shown in FIG. 1 . Here, a thin solid line is a profile for each customer, and a thick black solid line is a profile for each group. FIG. 3 shows an example in which the characterization index measured by the customer load characterization unit is grouped into four groups in the customer load group unit shown in FIG. 1 .

고객 부하 그룹부(40)는 상기 고객 부하 특성화부(30)에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터 구성부(42)를 통해 입력벡터를 구성하고 군집화부(44)를 통해 군집화를 수행하여 고객 부하를 그룹화한다. 더욱 상세하게 실시 예를 들어 설명하면, 입력벡터는 해당 기간 동안의 고객 부하에 대해 프로파일을 구성하고, 상기 고객 부하 특성화부(30)에서 계산된 특성화 지표를 상기 프로파일에 추가하여 구성할 수 있다. 군집화는 상기 입력 벡터를 이용하여 군집화 알고리즘을 이용하여 고객을 군집별로 분류한다.The customer load group unit 40 constructs an input vector through the input vector construction unit 42 using the characterization index calculated by the customer load characterization unit 30 and the customer load pattern, and clusters the input vector through the clustering unit 44 . to group customer loads. To describe the embodiment in more detail, the input vector may be configured by configuring a profile for the customer load during the corresponding period, and adding the characterization index calculated by the customer load characterization unit 30 to the profile. The clustering classifies customers into clusters using a clustering algorithm using the input vector.

도 4는 도 1에 도시된 수요반응 잠재량 추정부에서 그룹화된 고객 부하에 대해 수요반응 잠재량을 추정한 예를 도시한 것이다. 여기서, 파란색 실선과 붉은색 실선은 각각 증가 및 감소 가능한 잠재량을 보여준다. FIG. 4 illustrates an example of estimating the DR potential for grouped customer loads by the DR potential estimator shown in FIG. 1 . Here, the blue solid line and the red solid line show potential amounts that can be increased and decreased, respectively.

수요반응 잠재량 추정부(50)는 상기 고객 부하 그룹부(40)에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정한다. 더욱 상세하게 실시 예를 들어 설명하면, 상기 그룹화된 고객 부하에 대해 시간대별 전기 소비 패턴들에 대해 사분범위로 잠재량을 계산할 수 있다. The DR potential estimating unit 50 estimates the DR potential for each group for the customer loads included in each cluster calculated by the customer load group unit 40 . To describe the embodiment in more detail, the potential amount may be calculated in a quadrant for the time-hour electricity consumption patterns for the grouped customer loads.

상기 그룹화된 고객 부하에 대해 간혹 발생할 수 있는 극단적인 최대/최소 소비량에 인한 잠재량을 과대하게 추정하는 문제를 해결하기 위해 정규분포, 백분위수등의 방법을 통해 극단적이고 이상적인 소비량(이상치)을 제거하여 수요반응 잠재량을 계산할 수 있다. 더욱 상세하게 실시 예를 들어 설명하면, 정규분포를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 정규분포를 이용하여

Figure 112020128289613-pat00018
(여기서 m:평균, σ: 표준편차, α:임의의 상수) 구간을 벗어나는 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있으며, 백분위수를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 α백분위수(여기서, α:임의의 상수)를 이용하여 백분위수 보다 작은 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있다.In order to solve the problem of overestimating the potential amount due to the extreme maximum/minimum consumption, which may occasionally occur for the grouped customer load, extreme and ideal consumption (outliers) are removed through methods such as normal distribution and percentiles. Calculate the demand response potential. To explain in more detail by way of example, the removal of outliers in the minimum consumption amount using a normal distribution is performed using a normal distribution for consumption by time of day during the corresponding period.
Figure 112020128289613-pat00018
(where m: mean, σ: standard deviation, α: arbitrary constant) Values outside the range can be determined as outliers and removed to calculate the DR potential. With respect to consumption by unit, the potential demand response can be calculated by judging a value smaller than the percentile as an outlier using the α percentile (here, α: an arbitrary constant) and removing it as an outlier.

고객 부하 분류 및 시각화부(60)는 상기 고객 부하 특성화부(50)에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화한다. 더욱 상세하게 실시 예를 들어 설명하면, 상기 고객 부하 그룹부와 상기 수요반응 잠재량 추정부에서 계산된 결과로부터 참여고객을 4개의 그룹으로 분류하고 각 그룹별 프로파일(도2 참조)과 특성화 지표(도3 참조) 및 수요반응 잠재량(도4 참조)을 시각화할 수 있다.The customer load classification and visualization unit 60 classifies and visualizes the customer load using the characterization index calculated by the customer load characterization unit 50 and the grouped customer load profile calculated by the customer load group unit, and the demand Visualize the demand response potential for each group calculated by the response potential estimation unit. In a more detailed description, from the results calculated by the customer load group unit and the demand response potential estimation unit, participating customers are classified into four groups, and each group profile (refer to FIG. 2) and characterization index (FIG. 3) and DR potential (see Fig. 4) can be visualized.

도 5는 본 발명의 일 실시예에 따른 부하 특성 분류에 기반 한 수요반응 잠재량 추정 장치를 통한 방법을 나타낸 순서도이다.5 is a flowchart illustrating a method through an apparatus for estimating potential demand response based on load characteristic classification according to an embodiment of the present invention.

도 5에 도시된 바와 같이, 데이터 입력 단계(S2)는 참여고객의 부하 이력 정보와 PV, EV, ESS와 같은 분산자원의 이력 정보 및 기상정보 등 데이터를 입력받는다. As shown in FIG. 5 , the data input step S2 receives data such as load history information of participating customers, history information of distributed resources such as PV, EV, and ESS, and weather information.

운영 환경 설정 단계(S4)는 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간 등 운영 분석에 필요한 환경을 설정한다. In the operation environment setting step (S4), the environment necessary for operation analysis, such as the operation region and period, is set in the operation environment setting from the information input from the data input unit.

고객 부하 특성화 단계(S6)는 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화한다. In the customer load characterization step (S6), the characterization is indexed by calculating daily usage, daily usage variation coefficient, and pattern variation factor for the loads of participating customers according to the environment set in the operating environment setting unit.

고객 부하 그룹 단계(S8)는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화한다. In the customer load group step S8, the customer load is grouped by constructing an input vector using the characterization index calculated by the customer load characterization unit and the customer load pattern and performing clustering.

수요반응 잠재량 추정 단계(S10)는 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정한다. In the DR potential estimation step ( S10 ), the DR potential for each group is estimated for the customer loads belonging to each cluster calculated in the customer load group unit.

고객 부하 분류 및 시각화 단계(S12)는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화한다. In the customer load classification and visualization step (S12), the customer load is classified and visualized using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and the demand response potential is estimated Visualize the demand response potential for each group calculated by the government.

이상 설명한 바와 같이, 본 발명의 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법에 따르면, 참여고객의 부하 특성화에 따른 군집화된 수요반응 잠재량을 통해 수요관리사업자는 수요자원시장에서의 운영 효율성을 증대시킬 수 있다. As described above, according to the apparatus and method for estimating the DR potential based on the load characteristic classification of the present invention, the demand management service provider increases the operational efficiency in the demand resource market through the clustered DR potential according to the load characterization of participating customers. can do it

아울러, 분산자원이 확산됨에 따라 순부하의 변동성이 증가하므로 군집화된 수요반응 잠재량을 계통운영자에게 제공함으로써 계통운영자는 수요반응 잠재량을 유연성 자원으로 활용함으로써 효과적인 배전망 운영이 가능하다.In addition, as the variability of net load increases as distributed resources spread, by providing the clustered DR potential to the grid operator, the grid operator can effectively operate the distribution network by using the DR potential as a flexible resource.

이상에서와 같이 도면과 명세서에서 최적의 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로, 본 기술 분야의 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.As described above, the best embodiment has been disclosed in the drawings and the specification. Although specific terms are used herein, they are only used for the purpose of describing the present invention, and are not used to limit the meaning or the scope of the present invention described in the claims. Therefore, it will be understood by those skilled in the art that various modifications and equivalent other embodiments are possible therefrom. Accordingly, the true technical protection scope of the present invention should be defined by the technical spirit of the appended claims.

10: 데이터 입력부
20: 운영 환경 설정부
30: 고객 부하 특성화부
40: 고객 부하 그룹부
50: 수요반응 잠재량 추정부
60: 고객 부하를 분류 및 시각화부10: data input unit
20: operating environment setting unit
30: customer load characterization unit
40: customer subordinate group department
50: Demand response potential estimation unit
60: Classify and visualize customer loads

Claims (10)

참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받는 데이터 입력부;
상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하는 운영 환경 설정부;
상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 고객 부하 특성화부;
상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화하는 고객 부하 그룹부;
상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하는 수요반응 잠재량 추정부;
상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하는 고객 부하 분류 및 시각화부를 포함하고,
상기 고객 부하 특성화부는 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량 계산부, 일일 사용량 변동계수 계산부, 패턴 변동계수 계산부를 통해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하고,
상기 고객 부하 그룹부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터 구성부를 통해 입력벡터를 구성하고 군집화부를 통해 군집화를 수행하여 고객 부하를 그룹화하되, 입력벡터는 해당 기간 동안의 고객 부하에 대해 프로파일을 구성하고, 상기 고객 부하 특성화부에서 계산된 특성화 지표를 상기 프로파일에 추가하여 구성할 수 있으며, 군집화는 상기 입력 벡터를 이용하여 군집화 알고리즘을 이용하여 고객을 군집별로 분류하고,
상기 수요반응 잠재량 추정부는 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하되, 상기 그룹화된 고객 부하에 대해 시간대별 전기 소비 패턴들에 대해 사분범위로 잠재량을 계산하고,
상기 고객 부하 분류 및 시각화부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하되, 상기 고객 부하 그룹부와 상기 수요반응 잠재량 추정부에서 계산된 결과로부터 참여고객을 적어도 네 개 이상의 그룹으로 분류하고 각 그룹별 프로파일과 특성화 지표 및 수요반응 잠재량을 시각화하는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치.a data input unit that receives load history information of participating customers, history information of distributed resources including PV, EV, and ESS, and weather information data;
an operating environment setting unit for setting an environment necessary for operation analysis, including an operating region and period in operating environment setting, from the information input from the data input unit;
a customer load characterization unit for calculating daily usage, daily usage variation coefficient, and pattern variation factor for the loads of participating customers according to the environment set in the operating environment setting unit to index the characterization;
a customer load grouping unit configured to construct an input vector using the characterization index calculated by the customer load characterization unit and the customer load pattern and grouping the customer loads by grouping;
a DR potential estimator for estimating the DR potential for each group for the customer loads belonging to each cluster calculated by the customer load group unit;
The customer load is classified and visualized using the characterization index calculated by the customer load characterization unit and the grouped customer load profile calculated by the customer load group unit, and the DR potential for each group calculated by the DR potential estimation unit Includes a customer load classification and visualization unit to visualize
The customer load characterization unit daily usage, daily usage variation coefficient, pattern variation coefficient through the daily usage calculation unit, daily usage variation coefficient calculation unit, and pattern variation coefficient calculation unit for the loads of participating customers according to the environment set in the operating environment setting unit to index the characterization by calculating
The customer load group unit configures an input vector through the input vector construction unit using the characterization index and customer load pattern calculated in the customer load characterization unit, and performs clustering through the clustering unit to group customer loads, but the input vector is in the corresponding period. A profile can be configured for the customer load during the period, and a characterization index calculated by the customer load characterization unit can be added to the profile, and the clustering uses the input vector to classify customers into clusters using a clustering algorithm. do,
The DR potential estimating unit estimates the DR potential for each group for customer loads belonging to each cluster calculated by the customer load group unit, and the potential amount for each time period electricity consumption patterns for the grouped customer loads in a quadrant. calculate,
The customer load classification and visualization unit classifies and visualizes customer loads using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and is calculated by the demand response potential estimator Visualize the DR potential for each group, but classify the participating customers into at least four groups from the results calculated by the customer load group unit and the DR potential estimator, and classify each group's profile, characterization index, and DR potential Demand response potential estimation device based on load characteristic classification, characterized in that visualization. 제 1항에 있어서, 상기 데이터 입력부는 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받으며, 참여고객의 인구통계 정보 및 부하 이력 정보, PV, EV, ESS를 포함하는 분산자원의 보유 유무 및 설비 정보, 운영 정보를 포함하는 이력 정보, 그리고 기온, 일사량, 운량, 풍향, 풍력 정보를 포함하는 기상 정보의 이력 정보를 포함하는 이력 정보 데이터베이스와 장기, 중기, 단기 예측을 통한 부하 예측 정보, 분산자원 예측 정보 및 기상 예측 정보를 포함하는 예측 정보 데이터베이스로부터 데이터를 입력받는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치.According to claim 1, wherein the data input unit receives the load history information of participating customers, history information and weather information data of distributed resources including PV, EV, ESS, demographic information and load history information, PV of the participating customers , EV, ESS, and history information including facility information and operation information of distributed resources including ESS, and history information including weather information including temperature, solar radiation, cloudiness, wind direction, and wind power information. A device for estimating potential demand response based on load characteristic classification, characterized in that it receives data from a prediction information database including load prediction information, distributed resource prediction information, and weather prediction information through long-term, medium-term, and short-term prediction. 제 1항에 있어서, 상기 운영 환경 설정부는 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하되, 참여고객 및 분산자원의 선택, 분산자원의 설치 지역, 분산자원의 이력 정보, 선택된 지역의 기상정보 및 운영 기간과 날짜 및 시간을 설정할 수 있는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치.The method of claim 1, wherein the operating environment setting unit sets the environment necessary for operational analysis including the operating region and period in the operating environment setting from the information input from the data input unit, but selects participating customers and distributed resources, Demand response potential estimation device based on load characteristic classification, characterized in that it is possible to set the installation area, history information of distributed resources, weather information of the selected area, and the operating period, date and time. 삭제delete 제 1항에 있어서,
일일 사용량(Uj)은 전기 소비가 많은지 적은 지를 측정하는 지표이고, 해당 기간 동안에서 하루에 소비하는 사용량의 평균을 측정하며, 수학식 1과 같이 계산할 수 있고,
[수학식 1]
Figure 112021062724817-pat00019
(여기서, Pjd는 j(j=1,2,....,N)번째 고객이 d(d=1,2,...,D)날에 t(t=1,2,....,T)시간에서 소비하는 부하량);
일일 사용량 변동계수(
Figure 112021062724817-pat00020
)는 일일 사용량이 얼마나 변동하는 지를 측정하는 지표이고, 해당 기간 동안에서 일일 사용량의 변동성을 측정하며, 수학식 2와 같이 계산할 수 있고,
[수학식 2]
Figure 112021062724817-pat00021
(여기서,
Figure 112021062724817-pat00022
는 j번째 고객의 일일 사용량의 표준편차)와 같이 계산할 수 있으며;
패턴의 변동계수(
Figure 112021062724817-pat00023
) 시간대별 부하 패턴이 얼마나 변동하는 지를 측정하는 지표이고, 해당 기간 동안에 하루 24시간의 소비량의 변동성을 측정하며, 수학식 3과 같이 계산할 수 있는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치.
[수학식 3]
Figure 112021062724817-pat00024
(여기서,
Figure 112021062724817-pat00025
와
Figure 112021062724817-pat00026
는 각각 번째 고객의 시간대별 평균 소비량 및 표준편차). The method of claim 1,
Daily usage (Uj) is an indicator for measuring whether electricity consumption is high or low, and measures the average of usage consumed per day during the period, and can be calculated as in Equation 1,
[Equation 1]
Figure 112021062724817-pat00019
(Where Pjd is the j(j=1,2,...,N)th customer on the d(d=1,2,...,D) day t(t=1,2,... .,T) load consumed in time);
Daily usage coefficient of variation (
Figure 112021062724817-pat00020
) is an indicator that measures how much daily usage fluctuates, measures the variability of daily usage during the period, and can be calculated as in Equation 2,
[Equation 2]
Figure 112021062724817-pat00021
(here,
Figure 112021062724817-pat00022
can be calculated as the standard deviation of the daily usage of the jth customer);
The coefficient of variation of the pattern (
Figure 112021062724817-pat00023
) is an indicator that measures how much the load pattern varies by time period, measures the variability of consumption for 24 hours a day during the period, and can be calculated as in Equation 3 Estimation of potential demand response based on load characteristic classification Device.
[Equation 3]
Figure 112021062724817-pat00024
(here,
Figure 112021062724817-pat00025
Wow
Figure 112021062724817-pat00026
is the average consumption and standard deviation of the second customer over time, respectively). 삭제delete 삭제delete 제 1항에 있어서, 상기 수요반응 잠재량 추정부는 상기 그룹화된 고객 부하에 대해 간혹 발생할 수 있는 극단적인 최대/최소 소비량에 인한 잠재량을 과대하게 추정하는 문제를 해결하기 위해 정규분포, 백분위수의 방법을 통해 극단적이고 이상적인 소비량(이상치)을 제거하여 수요반응 잠재량을 계산할 수 있는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치.The method of claim 1, wherein the DR potential estimator uses the method of normal distribution and percentile to solve the problem of overestimating the potential due to extreme maximum/minimum consumption that may occasionally occur for the grouped customer load. Demand response potential estimation device based on load characteristic classification, characterized in that the demand response potential can be calculated by removing the extreme and ideal consumption (outlier) through the 제 8항에 있어서, 정규분포를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 정규분포를 이용하여
Figure 112020128289613-pat00027
(여기서 m:평균, σ: 표준편차, α:임의의 상수)구간을 벗어나는 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있으며, 백분위수를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 α백분위수(여기서, α:임의의 상수)를 이용하여 백분위수 보다 작은 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치.The method of claim 8, wherein the minimum consumption outlier removal using a normal distribution is performed using a normal distribution for the consumption by time of day during the corresponding period.
Figure 112020128289613-pat00027
(Where m: mean, σ: standard deviation, α: arbitrary constant) Values outside the interval can be determined as outliers and removed to calculate the DR potential, and the minimum consumption outlier removal using percentiles is the number of hours per day during the period. Demand response potential based on load characteristic classification, characterized in that by using the α percentile (here, α: an arbitrary constant) for consumption by unit, values smaller than the percentile are judged as outliers and the demand response potential can be calculated by removing them. estimation device. 데이터 입력부를 통해 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는분산자원의 이력 정보 및 기상정보 데이터를 입력받는 제1 단계;
운영 환경 설정부를 통해 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하는 제2 단계;
고객 부하 특성화부를 통해 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 제3 단계;
고객 부하 그룹부를 통해 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화하는 제4 단계;
수용반응 잠재량 추정부를 통해 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하는 제5 단계;
고객 부하 분류 및 시각화부를 통해 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하는 제6 단계를 포함하고,
상기 고객 부하 분류 및 시각화부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 상기 고객 부하 그룹부에서 계산된 그룹화된 고객 부하 프로파일을 이용하여 고객 부하를 분류 및 시각화하고, 상기 수요반응 잠재량 추정부에서 계산된 각 그룹별 수요반응 잠재량을 시각화하되, 상기 고객 부하 그룹부와 상기 수요반응 잠재량 추정부에서 계산된 결과로부터 참여고객을 적어도 네 개 이상의 그룹으로 분류하고 각 그룹별 프로파일과 특성화 지표 및 수요반응 잠재량을 시각화하는 것을 특징으로 하는 부하 특성 분류에 기반한 수요반응 잠재량 추정 방법.



A first step of receiving load history information of participating customers and history information and weather information data of distributed resources including PV, EV, and ESS through the data input unit;
a second step of setting an environment necessary for operation analysis, including an operating region and period, in the operating environment setting from the information input from the data input unit through the operating environment setting unit;
a third step of calculating daily usage, daily usage variation coefficient, and pattern variation coefficient for the loads of participating customers according to the environment set in the operating environment setting unit through the customer load characterization unit to index the characterization;
a fourth step of grouping customer loads by constructing an input vector using the characterization index calculated by the customer load characterization unit and the customer load pattern through the customer load grouping unit and performing clustering;
a fifth step of estimating the demand response potential for each group with respect to the customer loads belonging to each cluster calculated by the customer load group unit through the acceptance response potential amount estimating unit;
Through the customer load classification and visualization unit, the customer load is classified and visualized using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and calculated by the demand response potential estimator Including a sixth step of visualizing the demand response potential for each group,
The customer load classification and visualization unit classifies and visualizes customer loads using the characterization index calculated in the customer load characterization unit and the grouped customer load profile calculated in the customer load group unit, and is calculated by the demand response potential estimator Visualize the DR potential for each group, but classify the participating customers into at least four groups from the results calculated by the customer load group unit and the DR potential estimator, and classify each group's profile, characterization index, and DR potential A method for estimating demand response potential based on load characteristic classification, characterized by visualizing
KR1020200162451A 2020-11-27 2020-11-27 System and Method of DR Potential Estimation Based on Load Characteristics Classification KR102296021B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200162451A KR102296021B1 (en) 2020-11-27 2020-11-27 System and Method of DR Potential Estimation Based on Load Characteristics Classification

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200162451A KR102296021B1 (en) 2020-11-27 2020-11-27 System and Method of DR Potential Estimation Based on Load Characteristics Classification

Publications (1)

Publication Number Publication Date
KR102296021B1 true KR102296021B1 (en) 2021-09-29

Family

ID=77924991

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200162451A KR102296021B1 (en) 2020-11-27 2020-11-27 System and Method of DR Potential Estimation Based on Load Characteristics Classification

Country Status (1)

Country Link
KR (1) KR102296021B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102469195B1 (en) * 2021-10-29 2022-11-21 고려대학교 산학협력단 Internal electricity and DHW loads prediction method in residential communities using probabilistic statistical models

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120075910A (en) * 2010-12-29 2012-07-09 한국전력거래소 Forecasting method of demand for electric power
KR20130074043A (en) * 2011-12-26 2013-07-04 주식회사 케이티 A method of forecasting of power demand using error correction algorithm and system for it
KR20160063892A (en) * 2014-11-27 2016-06-07 주식회사 케이티 Method and system for managing energy usage with using big date of energy usage
KR20200034023A (en) * 2018-09-12 2020-03-31 주식회사 석영시스템즈 A method for creating demand response determination model for hvac system and a method for demand response

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120075910A (en) * 2010-12-29 2012-07-09 한국전력거래소 Forecasting method of demand for electric power
KR20130074043A (en) * 2011-12-26 2013-07-04 주식회사 케이티 A method of forecasting of power demand using error correction algorithm and system for it
KR20160063892A (en) * 2014-11-27 2016-06-07 주식회사 케이티 Method and system for managing energy usage with using big date of energy usage
KR20200034023A (en) * 2018-09-12 2020-03-31 주식회사 석영시스템즈 A method for creating demand response determination model for hvac system and a method for demand response

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102469195B1 (en) * 2021-10-29 2022-11-21 고려대학교 산학협력단 Internal electricity and DHW loads prediction method in residential communities using probabilistic statistical models

Similar Documents

Publication Publication Date Title
Kotzur et al. Impact of different time series aggregation methods on optimal energy system design
Lindberg et al. Modelling electric and heat load profiles of non-residential buildings for use in long-term aggregate load forecasts
EP3300205A1 (en) Energy demand predicting system and energy demand predicting method
US10664931B2 (en) Data analyzing system and method
US9753477B2 (en) Load forecasting for residential sector demand response
Ardakanian et al. Computing Electricity Consumption Profiles from Household Smart Meter Data.
US20120136496A1 (en) System and method for estimating demand response in electric power systems
KR101875329B1 (en) Forecasting apparatus and method for power consumption
JP2003242212A (en) Apparatus and method for determining day of the week with similar utility consumption profile
US20160364807A1 (en) Electric power business profit and loss calculation system and electric power business profit and loss calculation method
Serrano-Guerrero et al. Statistical methodology to assess changes in the electrical consumption profile of buildings
JP2019049850A (en) Prediction system and method
CN110380444B (en) Capacity planning method for distributed wind power orderly access to power grid under multiple scenes based on variable structure Copula
CN117036104B (en) Intelligent electricity utilization method and system based on electric power Internet of things
CA3017229A1 (en) Power consumption analyzing server and power consumption analyzing method thereof
Liu et al. A methodology to analyze conservation voltage reduction performance using field test data
KR102495494B1 (en) Method and apparatus for predicting home energy usage
KR102296021B1 (en) System and Method of DR Potential Estimation Based on Load Characteristics Classification
JP2018173837A (en) Prediction device, prediction system, prediction method and program
Xu et al. Spatial-temporal load forecasting using AMI data
CN108346009A (en) A kind of power generation configuration method and device based on user model self study
KR102266494B1 (en) System and Method of Deep Learning-based Customer Classification for Demand Respond
CN112183809A (en) Power load characteristic index measuring and calculating method based on space-time deduction method
Aravind et al. Smart electricity meter on real time price forecasting and monitoring system
Fujiwara et al. Load forecasting method for Commercial facilities by determination of working time and considering weather information

Legal Events

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