KR102299698B1 - 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템 - Google Patents

장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템 Download PDF

Info

Publication number
KR102299698B1
KR102299698B1 KR1020200124874A KR20200124874A KR102299698B1 KR 102299698 B1 KR102299698 B1 KR 102299698B1 KR 1020200124874 A KR1020200124874 A KR 1020200124874A KR 20200124874 A KR20200124874 A KR 20200124874A KR 102299698 B1 KR102299698 B1 KR 102299698B1
Authority
KR
South Korea
Prior art keywords
term
long
prediction
unit
short
Prior art date
Application number
KR1020200124874A
Other languages
English (en)
Inventor
임종목
Original Assignee
주식회사 아이티맨
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 주식회사 아이티맨 filed Critical 주식회사 아이티맨
Priority to KR1020200124874A priority Critical patent/KR102299698B1/ko
Application granted granted Critical
Publication of KR102299698B1 publication Critical patent/KR102299698B1/ko

Links

Images

Classifications

    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Marketing (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)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 장기적인 추세를 예측하는 예측방법 및 단기추세를 예측하는 예측방법을 연동시켜 예측오류를 획기적으로 저감시킨 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템에 관한 것이다. 이를 위하여, 본 발명은 전력관련 데이터가 입력되는 데이터입력부; 과거 데이터를 학습하여 장기적인 전력수요를 예측하는 장기예측부; 상기 장기예측부에 의한 장기예측값과 계측값의 잔차데이터를 생성하는 잔차생성부; 상기 잔차생성부에서 생성된 잔차데이터를 포함한 입력벡터를 생성하여 2차학습을 통해 단기적인 전력수요를 예측하는 단기예측부를 포함하여 구성되는 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템을 제공한다.
따라서, 본 발명에 의하면, 전력소비량을 보다 정밀하게 예측할 수 있어 에너지원별, 열원별, 계통별 주요 장비별 적정한 에너지가 소비되는지를 분석하여 효율적인 에너지관리가 되도록 할 수 있다.

Description

장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템{Power Consumption Prediction System Using Long-Term and Short-Term Prediction method}
본 발명은 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템에 관한 것이며, 구체적으로 장기적인 추세를 예측하는 예측방법 및 단기추세를 예측하는 예측방법을 연동시켜 예측오류를 획기적으로 저감시킨 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템에 관한 것이다.
태양광 등 신재생에너지의 저장을 위해 ESS(Energy Storage System)가 많이 사용되고 있는데, ESS의 컨트롤 타워 역할을 하는 EMS(Energy Management System)는 ESS의 충방전 데이터를 분석하고 ESS가 최적효율로 운영될 수 있도록 ESS의 충방전 양과 시간을 제어한다. 또한, 공장에서 사용되는 전력은 물리적인 특성상 생산 및 소비가 일정치 않아서 예측을 통한 안정적인 전력공급이 필요하며, 안정적인 전력공급을 위해서는 전력소비 예측이 정확해야 한다.
종래의 기술에 의한 전력량 예측시스템인 등록특허 제10-2136195호에 의하면, 일사량 데이터를 토대로 상기 태양광 발전 모듈의 발전량을 예측하도록 구성되는 태양광 발전량 예측부; 전력 공급 대상인 수용가의 과거 전력 사용 데이터를 토대로 수용가의 소정의 시간 동안의 사용 예상 전력량을 예측하도록 구성되는 사용 전력량 예측부; 상기 수용가의 소정의 시간 동안의 사용 예상 전력량이 상기 수용가의 상기 소정의 시간 동안 사용하기로 기설정한 전력량보다 높은 경우 상기 컨트롤러를 통해 상기 수용가에게 상기 ESS에 저장된 전력을 공급하도록 구성되는 전력 공급 제어부를 포함하되, 상기 태양광 발전량 예측부 및 상기 사용 전력량 예측부는, 입력값을 매개변수인 히든 스테이트를 통해 출력값으로 출력되도록 하고, n번 단계의 히든 스테이트는 n-1번 단계의 히든 스테이트를 매개변수인 활성함수를 통해 갱신하고, 상기 활성함수는 입력값의 입력 이전의 출력값 중 일부를 학습하고, 소정의 기준으로 히든 스테이트에서 출력값을 생성하는 것에 대한 가중치를 부여하도록 할 수 있다.
이러한 시스템은 단기적인 예측은 비교적 양호하게 수행할 수 있다. 하지만, 년, 월 단위의 장기적인 예측으로 갈수록 그 오차범위가 점점 커져 효율이 떨어지는 문제점이 있다.
본 발명은 상기한 문제점을 해결하기 위한 것이며, 구체적으로 전력수요량을 예측함에 있어서 장기적인 예측과 단기적인 예측방법을 연동시켜 전력소비량을 보다 정밀하게 예측할 수 있는 시스템을 제공하기 위한 것이다.
상기한 목적을 달성하기 위하여, 본 발명은 전력관련 데이터가 입력되는 데이터입력부; 과거 데이터를 학습하여 장기적인 전력수요를 예측하는 장기예측부; 상기 장기예측부에 의한 장기예측값과 계측값의 잔차데이터를 생성하는 잔차생성부; 상기 잔차생성부에서 생성된 잔차데이터를 포함한 입력벡터를 생성하여 2차학습을 통해 단기적인 전력수요를 예측하는 단기예측부를 포함하여 구성되는 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템을 제공한다.
상기 장기예측부는 비주기적인 추세를 예측하는 추세예측부, 주기적으로 반복되는 패턴을 예측하는 주기예측부, 일회성 이벤트로 인한 전력소비량의 변화를 예측하는 이벤트예측부를 포함하여 구성되는 것이 바람직하다.
상기 단기예측부는 상기 입력벡터에 의해 예측전력소비량 및 예측잔차를 포함하는 출력벡터를 생성시키며, 상기 2차학습은 통해 상기 예측잔차의 절대값이 최소화되도록 학습되는 것이 바람직하다.
본 발명에 의하면, 전력소비량을 보다 정밀하게 예측할 수 있어 에너지원별, 열원별, 계통별 주요 장비별 적정한 에너지가 소비되는지를 분석하여 효율적인 에너지관리가 되도록 할 수 있다.
도 1은 본 발명에 의한 전력소비 예측시스템의 전체적인 구성을 나타내는 구성도;
도 2는 도 1에서 장기예측부의 구성을 나타내는 구성도;
도 3은 장기예측부에 의한 예측그래프를 나타내는 예시도;
도 4는 잔차생성부에 의해 잔차데이터가 생성되는 과정을 설명하기 위한 설명도;
도 5는 단기예측부에 의해 학습되는 원리를 설명하기 위한 설명도;
도 6은 단기예측부에 의해 2차학습된 결과를 나타내는 예시도;
도 7은 본 발명에 의한 전력소비량 예측값과 계측치를 비교한 그래프.
본 발명에 의한 구체적인 실시예의 구성 및 작용에 대하여 도면을 참조하여 상세하게 설명한다.
도 1을 참조하면, 본 발명에 의한 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템(100)은 데이터입력부(200), 장기예측부(300), 잔차생성부(600), 단기예측부(400), 표시부(500)를 포함하여 구성된다.
상기 데이터입력부(200)는 시계열적인 전력소비량을 비롯하여 ESS충방전데이터, 예측부하데이터, 비용데이터 등 여러가지 형태의 데이터들이 전송되어 저장될 수 있다. 상기 데이터입력부(200)에 저장되는 데이터는 외부로부터 전송되어 저장되는 데이터도 있고 사용자에 의해 입력된 데이터도 있을 수 있다.
상기 장기예측부(300)는 년, 월 단위의 전력소비를 예측하기 위한 것으로서, prophet을 이용할 수 있으며, 도 2를 참조하면, 장기예측부(300)는 추세예측부(310), 주기예측부(330), 이벤트예측부(350), 통합예측부(370)를 포함하여 구성된다.
상기 추세예측부(310)는 전력소비량의 증가, 감소량 및 증감률 등의 뼈대 역할을 한다. 즉, 추세예측부에서는 아래와 같은 식에 의해 전력소비량의 비주기적인 추세를 판단할 수 있다.
Figure 112020102479672-pat00001
여기서, g(t)는 추세예측부에 의한 전력소비 추세예측값, C(t)는 다다를 수 있는 최대치를 나타내는 전력용량, k는 기본증감률, a(t)는 시간벡터, δ는 조정증감률벡터, m은 오프셋 파라미터, γ는 조정파라미터벡터를 나타낸다.
추세예측부(310)에서는 복수 개의 변화점이 생성될 수 있으며, 이러한 변화점에서 조정증감률이 변화됨으로써 추세예측부에 의한 추세선의 기울기가 변화된다. 예를 들어, 변화점이 S개 생성되고, 각각의 변화점을 sj라고 하면, 각각의 sj에서 조정증감률 δj이 결정될 수 있다. 그러면, 조정증감률벡터 δ=(δ1, δ2, δ3, …, δj, …, δS)가 된다.
즉, 임의의 시간 t에서 총증감률은
Figure 112020102479672-pat00002
가 되며, 이것은,
Figure 112020102479672-pat00003
라 하면,
Figure 112020102479672-pat00004
로 표시될 수 있다.
여기서, 시간벡터 a(t)=(a1(t), a2(t), …, aj(t), …)가 된다.
그리고, 이에 따른 조정파라미터는
Figure 112020102479672-pat00005
가 된다.
본 실시예에서, 상기 변화점은 자동으로 생성될 수 있으며, 예측되는 변화점은 라플라스분포 Laplace(0, τ)로 발생될 수 있다. 또한, 상기 τ는 데이터입력부(200)에 의한 과거데이터에 기초하여 결정될 수 있다.
상기 주기예측부(330)는 일주일간 반복되는 주패턴이나 월패턴, 계절마다 반복되는 계절패턴 등의 주기적으로 반복되는 패턴을 이용하여 아래와 같이 주기예측값을 생성할 수 있다.
Figure 112020102479672-pat00006
여기서, s(t)는 주기예측값, P는 주기를 나타낸다.
상기 이벤트예측부(350)는 하루나 짧은 기간의 일회성 이벤트로 인한 이벤트예측값을 생성한다. 이러한 이벤트는 휴일, 기념일 등으로 인한 전력소비량의 변화를 반영한다. 즉, 각 이벤트를 E1, E2, …라 할 때, 이벤트행렬은 아래와 같이 생성되고,
Figure 112020102479672-pat00007
이벤트 예측값 h(t) = Z(t)κ로 산출된다.
여기서 κ는 이벤트파라미터(κ1, κ2, κ3, …)를 원소로 갖는 이벤트파라미터벡터를 나타낸다.
상기 통합예측부(370)에서는 추세예측부(310), 주기예측부(330), 이벤트예측부(350)에서 예측된 예측값들을 통합하여 장기예측값을 생성한다.
즉, 통합예측부(370)에서는 장기예측값을 아래와 같이 생성할 수 있다.
Figure 112020102479672-pat00008
ε(t)는 error term이며, 통합예측부(370)에서는 장기예측값을 아래와 같이 더 일반화된 식으로 생성할 수도 있다.
Figure 112020102479672-pat00009
여기서, wg, ws, wh는 각각 추세예측값, 주기예측값, 이벤트예측값 각각의 가중치(wg+ws+wh=constant)가 될 수 있다.
상기 통합예측부(370)에서는 데이터입력부(200)에서 입력된 과거데이터를 이용하여 학습을 함으로써 추세예측부(310), 주기예측부(330), 이벤트예측부(350)의 각 파라미터를 결정한다.
예를 들어, 본 실시예에서 Stan 코드를 통해 모델을 학습시킬 수 있으며, MAP(Maximuam A Posteriori)나 MCMC(Markov Chain Monte Carlo) 방식을 이용할 수 있다.
도 3을 참조하면, 상기 통합예측부(370)에 의한 전력소비량 예측값은 표시부(500)를 통해 그래프로 표시되어 나타내어질 수 있다.
도 4를 참조하면, 상기 잔차생성부(600)는 계측된 실제전력소비량에서 상기 장기예측부에 의해 예측된 장기예측값을 뺀 잔차데이터를 산출한다.
그후, 단기예측부(400)에서는 상기 장기예측부(300)에서 생성된 장기예측값 및 상기 잔차생성부(600)에서 생성된 잔차데이터를 이용하여 정밀도를 더욱 향상시킨 전력소비량 예측값을 생성한다.
구체적으로, 단기예측부(400)에서는 LSTM 또는 GRU와 같은 순환신경망 알고리즘을 적용할 수 있으며, 학습을 시킬 때 입력데이터는 전일전력소비량, 기온, 강수량, 풍속, 습도, 일조량과 같은 24시간 날씨데이터와 공휴일 데이터 등으로 설정될 수 있으며, 여기에 상기 잔차생성부에서 생성된 잔차데이터가 포함된다.
즉, 도 5를 참조하면, 단기예측부(400)에서는 학습시 전일전력소비량, 기온, 강수량, 풍속, 습도, 일조량 데이터 및 잔차데이터를 이용하여 입력벡터 Xt를 생성하며, 이러한 입력에 의해 출력벡터 ht가 생성된다. 상기 출력벡터 ht는 예측전력소비량, 예측잔차, 예측기온, 예측강수량 등을 포함하게 된다.
본 실시예에 의한 단기예측부(400)에서는 상기 예측잔차의 절대값이 최소화되도록 학습되며, 이러한 2단계 학습에 의해 전력소비량 예측 정확도가 비약적으로 상승하게 된다.
즉, 시간 t에서의 예측잔차를 rt라 하면 목적함수 E는 아래와 같이 설정될 수 있다.
Figure 112020102479672-pat00010
단기예측부(400)에서는 이러한 목적함수가 최소화되도록 학습된다.
도 6을 참조하면, 이렇게 2단계로 학습된 단기예측부에서의 전력소비량 예측그래프가 표시부에 표시될 수 있다.
도 7을 참조하여 본 실시예에 의한 전력소비량 예측치와 계측치를 비교하여 보면 그 오차가 유의미한 수준으로 감소한 것을 알 수 있다.
상기에서는 본 발명의 실시예들을 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 전력소비 예측시스템 200 : 데이터입력부
300 : 장기예측부 310 : 추세예측부
320 : 주기예측부 350 : 이벤트예측부
370 : 통합예측부 400 : 단기예측부
500 : 표시부 600 : 잔차생성부

Claims (3)

  1. 전력관련 데이터가 입력되는 데이터입력부;
    과거 데이터를 학습하여 장기적인 전력수요를 예측하는 장기예측부;
    상기 장기예측부에 의한 장기예측값과 계측값의 잔차데이터를 생성하는 잔차생성부;
    상기 잔차생성부에서 생성된 잔차데이터를 포함한 입력벡터를 생성하여 2차학습을 통해 단기적인 전력수요를 예측하는 단기예측부를 포함하여 구성되며,
    상기 장기예측부는 복수 개의 변화점이 생성되고 상기 변화점에서 조정증감률이 변화됨으로써 추세선의 기울기가 변화되어 비주기적인 추세를 예측하는 추세예측부, 사인 또는 코사인 곡선을 조합하여 주기적으로 반복되는 패턴을 예측하는 주기예측부, 일회성 이벤트로 인한 전력소비량의 변화를 예측하는 이벤트예측부를 포함하여 구성되고,
    상기 추세예측부는,
    Figure 112021088470778-pat00018

    (g(t)는 추세예측부에 의한 전력소비 추세예측값, C(t)는 다다를 수 있는 최대치를 나타내는 전력용량, k는 기본증감률, a(t)는 시간벡터, δ는 조정증감률벡터, m은 오프셋 파라미터, γ는 조정파라미터벡터)로 산출되고,
    상기 주기예측부는,
    Figure 112021088470778-pat00019

    (s(t)는 주기예측값, P는 주기)로 산출되고,
    상기 이벤트예측부는,
    각 이벤트를 E1, E2, …라 할 때, 이벤트행렬을 아래와 같이 생성하고,
    Figure 112021088470778-pat00020

    이벤트 예측값 h(t) = Z(t)κ(κ는 이벤트파라미터(κ1, κ2, κ3, …)를 원소로 갖는 이벤트파라미터벡터)로 산출하며,
    상기 단기예측부는 상기 입력벡터에 의해 예측전력소비량 및 예측잔차를 포함하는 출력벡터를 생성시키며,
    시간 t에서의 예측잔차를 rt라 하면 목적함수 E는 아래와 같이 설정하고,
    Figure 112021088470778-pat00021

    상기 2차학습을 통해 상기 목적함수가 최소화되도록 학습함으로써, 상기 예측잔차의 절대값이 최소화되도록 학습되는 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템.
  2. 삭제
  3. 삭제
KR1020200124874A 2020-09-25 2020-09-25 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템 KR102299698B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200124874A KR102299698B1 (ko) 2020-09-25 2020-09-25 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200124874A KR102299698B1 (ko) 2020-09-25 2020-09-25 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템

Publications (1)

Publication Number Publication Date
KR102299698B1 true KR102299698B1 (ko) 2021-09-08

Family

ID=77787787

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200124874A KR102299698B1 (ko) 2020-09-25 2020-09-25 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템

Country Status (1)

Country Link
KR (1) KR102299698B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835341A (zh) * 2021-09-18 2021-12-24 中邮科通信技术股份有限公司 一种基于智能建筑ai的能耗分析诊断方法
CN114118530A (zh) * 2021-11-04 2022-03-01 杭州经纬信息技术股份有限公司 一种基于多户电力消耗预测模型的预测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743000A (ja) * 1993-07-28 1995-02-10 Kawasaki Heavy Ind Ltd 地域冷房装置の運転方法および装置
KR20050117888A (ko) * 2004-06-11 2005-12-15 주식회사 우암닷컴 에너지 수요예측 방법 및 시스템
WO2017217466A1 (ja) * 2016-06-17 2017-12-21 パナソニックＩｐマネジメント株式会社 電力管理システム
KR20200034015A (ko) * 2018-09-11 2020-03-31 광주과학기술원 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743000A (ja) * 1993-07-28 1995-02-10 Kawasaki Heavy Ind Ltd 地域冷房装置の運転方法および装置
KR20050117888A (ko) * 2004-06-11 2005-12-15 주식회사 우암닷컴 에너지 수요예측 방법 및 시스템
WO2017217466A1 (ja) * 2016-06-17 2017-12-21 パナソニックＩｐマネジメント株式会社 電力管理システム
KR20200034015A (ko) * 2018-09-11 2020-03-31 광주과학기술원 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835341A (zh) * 2021-09-18 2021-12-24 中邮科通信技术股份有限公司 一种基于智能建筑ai的能耗分析诊断方法
CN113835341B (zh) * 2021-09-18 2024-05-17 中邮科通信技术股份有限公司 一种基于智能建筑ai的能耗分析诊断方法
CN114118530A (zh) * 2021-11-04 2022-03-01 杭州经纬信息技术股份有限公司 一种基于多户电力消耗预测模型的预测方法及装置

Similar Documents

Publication Publication Date Title
Hafiz et al. Real-time stochastic optimization of energy storage management using deep learning-based forecasts for residential PV applications
Luo et al. A two-stage optimization and control for CCHP microgrid energy management
JP2023129546A (ja) エネルギ貯蔵システムを最適に制御するためのシステム及び方法
US9026259B2 (en) Power generation optimization in microgrid including renewable power source
Palma-Behnke et al. A microgrid energy management system based on the rolling horizon strategy
US10901476B2 (en) Method for predicting power demand and controlling ESS charge/discharge based on the predicted demand, and apparatus using the same
Rigo-Mariani et al. Integrated optimal design of a smart microgrid with storage
JP5600570B2 (ja) 太陽光発電量予測装置，太陽光発電量予測方法，系統電圧制御装置，系統電圧制御方法
US20140350743A1 (en) Tiered power management system for microgrids
US20130282195A1 (en) Power plant operation enhancement
JP2020501491A (ja) 動的エネルギーストレージシステム制御のためのシステムおよび方法
JP6720544B2 (ja) 太陽光発電量予測方法及び太陽光発電量予測装置、並びに太陽光発電量予測システム
KR101597993B1 (ko) 에너지 저장 장치
CN104636822A (zh) 一种基于elman神经网络的居民负荷预测方法
KR102299698B1 (ko) 장기 및 단기 예측방법을 연동시킨 전력소비 예측시스템
CN109670627A (zh) 用于对能量存储系统自动云控制的方法
US20220376499A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
CN106777487A (zh) 一种含有储能系统的光伏电站可信容量计算方法及系统
CN115912351A (zh) 光伏日内日前模型预测方法、系统、设备及介质
Mousavi et al. A real-time energy management strategy for pumped hydro storage systems in farmhouses
CN113690885B (zh) 一种供电控制方法及供电平台
CN117748514A (zh) 一种基于交互式模仿学习的微电网能源管理实时调度方法
Ramahatana et al. A more efficient microgrid operation through the integration of probabilistic solar forecasts
JP6833303B1 (ja) 発電量予測装置
CN117134422A (zh) 一种光储充用协调优化调度方法、系统、介质和设备

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
GRNT Written decision to grant
X701 Decision to grant (after re-examination)