KR102367654B1 - 발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법 - Google Patents

발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법 Download PDF

Info

Publication number
KR102367654B1
KR102367654B1 KR1020200052025A KR20200052025A KR102367654B1 KR 102367654 B1 KR102367654 B1 KR 102367654B1 KR 1020200052025 A KR1020200052025 A KR 1020200052025A KR 20200052025 A KR20200052025 A KR 20200052025A KR 102367654 B1 KR102367654 B1 KR 102367654B1
Authority
KR
South Korea
Prior art keywords
power generation
power
load
storage system
energy storage
Prior art date
Application number
KR1020200052025A
Other languages
English (en)
Other versions
KR20210133434A (ko
Inventor
배성우
아리아스마리즈
이상봉
권상협
Original Assignee
한양대학교 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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020200052025A priority Critical patent/KR102367654B1/ko
Publication of KR20210133434A publication Critical patent/KR20210133434A/ko
Application granted granted Critical
Publication of KR102367654B1 publication Critical patent/KR102367654B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/028—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
    • F03D7/0284—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power in relation to the state of the electric grid
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
    • F03D9/10—Combinations of wind motors with apparatus storing energy
    • F03D9/11—Combinations of wind motors with apparatus storing energy storing electrical energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 기술에 의한 발전 전력 예측 모델 생성 방법은 과거 발전 전력에 따라 구분된 마코프 체인의 상태로부터 상태 각각의 빈도수 및 확률을 연산하는 단계와, 어느 한 상태에서 다른 상태로 전이하는 상태 전이 확률을 연산하는 단계와, 각 상태의 가중치를 연산하여 마코프 체인을 형성하는 단계를 포함한다.

Description

발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법{FORMING METHOD OF GENERATED POWER PREDICTION MODEL, ENERGY STORAGE SYSTEM CAPACITY CALCULATION METHOD AND ENERGY STORAGE SYSTEM OPERATION METHOD}
본 기술은 발전 전력 예측 모델 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 운영 방법과 관련된다.
각국의 신재생에너지 확대 정책과 온실가스 감소 등과 같은 여러 장점 덕분에, 풍력 발전은 세계적으로 가장 빠르게 성장하는 신재생 에너지원 중 하나이다.
풍력 발전은 이러한 장점뿐만 아니라 풍속과 풍향의 변동성으로 인한 발전전력 예측의 어려움, 계통전력 투입제어의 어려움, 풍력 발전소 건설비용 문제 등 다양한 단점도 가지고 있다. 안정적인 시스템 운영을 위해서는 시스템의 발전 전력과 전력 수요에 따른 균형적인 전력공급이 필수적이지만, 풍력의 가용성은 일정하지 않기 때문에 부하에 전원을 공급하기 위한 기본 발전원으로 적합하지 않다.
풍력 발전 시스템이 기본 발전원을 대체하기 위해서는 풍력 발전의 출력 변동성에 대한 보완 장치가 필요하며, 이를 위해 풍력 발전 시스템에 에너지 저장 시스템을 결합하여 운영할 필요성이 있다.
에너지 저장 시스템은 설치 용량 증가에 따라 설비 가격 상승을 유발하므로 적정 용량 산정이 중요하며 산정된 용량을 효과적으로 사용할 수 있도록 하는 SOC(State Of Charge)의 설정이 필수적으로 고려되어야 한다.
본 기술은 상기한 종래 기술의 난점을 해소하여 적절한 에너지 저장 시스템 용량을 산정할 수 있는 방법을 제공하기 위한 것이다. 또한, 안정적으로 계통을 구동함과 동시에 경제성을 확보할 수 있는 에너지 저장 시스템의 구동 방법을 제공하기 위한 것이다.
본 실시예에 의한 발전 전력 예측 모델 생성 방법은 과거 발전 전력(電力)에 따라 구분된 마코프 체인의 상태로부터 상태 각각의 빈도수 및 확률을 연산하는 단계와, 어느 한 상태에서 다른 상태로 전이할 상태 전이 확률을 연산하는 단계와, 각 상태의 가중치를 연산하여 마코프 체인을 형성하는 단계를 포함한다.
본 실시예에 의한 에너지 저장 시스템 용량 산정 방법은 발전 데이터를 생성하는 단계와, 전력이 제공되는 부하 모델을 생성하는 단계 및 발전 데이터와 부하 모델로부터 에너지 저장 시스템 용량을 연산하는 단계를 포함한다.
본 실시예에 의한 에너지 저장 시스템 운영 방법은 부하를 모델링 및 발전 전력을 예측하는 단계와, 예측된 발전 전력과 모델된 부하로부터 기준 SoC(SoC, State of Charge)를 연산하는 단계와, 예측된 발전 전력량과 부하의 크기로부터 에너지 저장 시스템 방전 시간대가 신재생 에너지 공급 인증서(Renewable Energy Certificates, REC) REC 가중치 취득 시간대인지 파악하여 REC가중치 취득 가능 여부를 파악하는 단계와, 부하와 연결된 계통 연계 지점이 기준 전압 범위 내에 있는지 파악하여 에너지 저장 시스템 운영 모드를 결정한다.
본 기술에 의한 로컬 부하와 풍력 발전 출력예측 정보로부터 에너지 저장 시스템 용량을 산정한다. 이로써 풍력 발전이 연계된 시스템에서 필요 이상의 용량 보유로 인한 에너지 장치의 설치, 운영 비용을 절감할 수 있다.
도 1은 본 실시예의 시스템 구성을 개요적으로 도시한 도면이다.
도 2는 본 실시예에 의한 에너지 저장 시스템이 설치된 풍력 발전 시스템의 에너지 저장 시스템의 용량 산정 방법을 예시한 순서도이다.
도 3은 풍력 발전 모델 생성 단계(S202)를 수행하는 단계들을 개요적으로 도시한 순서도이다.
도 4는 풍력 발전 전력 예측 모델을 형성하는 단계(S302)를 수행하는 개요적인 순서도이다.
도 5는 부하 모델을 생성하는 단계(S204)를 수행하는 과정을 개요적으로 도시한 순서도이다.
도 6은 에너지 저장 시스템의 배터리 용량을 결정하는 단계(S206)의 개요를 도시한 순서도이다.
도 7은 에너지 저장 시스템을 운영하는 방법의 개요를 도시한 흐름도이다.
이하에서 설명되는 실시예들은 풍력 발전을 예시하여 설명된다. 그러나, 본 발명은 풍력 발전에 국한되는 것이 아니라 신재생 에너지 공급 인증서(REC)를 획득할 수 있는 태양광 발전 등의 신재생 에너지에도 적용될 수 있다.
도 1은 본 실시예의 시스템 구성을 개요적으로 도시한 도면이다. 도 1을 참조하면, 본 실시예의 계통에 연결된 풍력 발전 및 부하 연계 시스템(100)은 계통 연계지점(120)을 중심으로 로컬 부하(108)와 전력계통(118) 그리고 풍력 발전 시스템 노드 모델(102)을 포함한다.
풍력 발전 시스템 노드 모델(102)은 풍력 발전 단지(104), 에너지 저장 시스템(106) 및 전력 변환 장치(110)를 포함한다. 전력 변환 장치(110)는 일 실시예로, 풍력 단지(104)에서 제공되는 교류를 직류로 변환하는 AC-DC 컨버터(112), AC-DC 컨버터(112)가 제공하는 직류를 승압(step up) 혹은 강압(step down)하여 에너지 저장 시스템(106)에 제공하는 DC-DC 컨버터(116) 및 직류를 로컬 부하(108)에 제공하기 위하여 교류로 변환하는 DC-AC 인버터(114) 중 어느 하나 이상을 포함할 수 있다.
에너지 저장 시스템(106)은 에너지를 저장하고, 필요한 경우 저장된 에너지를 방전하여 풍력 발전 단지(104)의 변동하는 출력과 수요의 소비 패턴에 따라 변동하는 로컬 부하(108)의 전력 공급을 안정화한다. 에너지 저장 시스템(106)이 설치되면 로컬 부하(108)에 필요한 전력을 주변 풍력 발전 단지에서 공급할 수 있으며, 안정적으로 풍력 발전 시스템을 운영할 수 있다. 로컬 부하(108)에 부족한 전력을 전력 계통(118)에서 공급할 수 있으나, 풍력 발전의 설치 용량과 발전량이 증가하는 상황을 고려하면 에너지 저장 시스템(106)을 사용하여 로컬 부하(108)에 전력을 공급하는 것이 더욱 바람직하다.
도 2는 본 실시예에 의한 에너지 저장 시스템(106) 용량 산정 방법의 개요를 예시한 순서도이다. 도 2를 참조하면, 본 실시예에 의한 에너지 저장 시스템 용량 산정 방법은 풍력 발전 데이터를 생성(S202)하는 단계와, 전력을 공급 받을 부하 모델 생성(S204) 단계와, 풍력 발전 데이터와 부하 모델로부터 에너지 저장 시스템 용량을 산정(S206)하는 단계를 포함한다.
도 3은 풍력 발전 데이터 생성 단계(S202)를 개요적으로 도시한 순서도이다. 도 2 및 도 3을 참조하면, 풍력 발전 데이터 생성 단계(S202)는 과거 풍력 발전 데이터로부터 풍력 발전 전력 예측 모델을 형성하는 단계(S302)와 풍력 발전 데이터를 생성하는 단계(S304)를 포함한다.
일 실시예로, 풍력 발전 전력 예측 모델을 형성하는 단계(S302)는 수집된 과거 풍력 발전 데이터를 이용하여 수행된다. 일 예로, 과거 풍력 발전 데이터는 연간 과거 풍력 데이터와 월간 과거 풍력 데이터를 포함할 수 있으며, 연간 과거 풍력 데이터는 1 시간 간격으로 수집된 것일 수 있다. 또한, 과거 풍력 데이터는 적어도 1 년 이상의 풍력 발전 데이터를 포함할 수 있다.
풍력 발전 전력 예측 모델을 형성하는 단계(S302)의 일 실시예로, 과거 풍력 발전 데이터에 대한 전처리 과정을 수행하여 마코프 체인 풍력 예측 모델에 부합하도록 가공한다. 전처리 과정은 일 예로, 풍속과 풍력 발전 데이터가 서로 상응하지 않는 경우와 같이 제공된 에너지와 발전 데이터가 상응하지 않는 경우를 제거하는 과정을 포함할 수 있다. 풍속과 풍력 발전 데이터를 비교하여 풍속이 0 m/s가 아님에도 풍력 발전 출력 전력이 0 인 상태는 풍력 발전기가 고장, 유지 보수 혹은 계통 운영상의 다른 이유로 인해 발전기 출력을 내지 않는 것으로 볼 수 있다. 전처리 과정은 이를 제거하도록 수행될 수 있다.
도 4는 풍력 발전 전력 예측 모델을 형성하는 단계(S302)를 수행하는 개요적인 순서도이다. 도 4를 참조하면, 풍력 발전 전력 예측 모델을 형성하는 단계(S302)는, 마코프 체인의 상태를 결정하는 단계(S402), 각 상태의 빈도수와 확률을 결정하는 단계(S404), 상태 전이 확률을 결정하는 단계(S406), 가중치를 연산하는 단계(S408) 및 풍력 발전 전력 예측 모델을 생성하는 단계(S410)를 포함한다.
마코프 체인의 상태를 결정하는 단계(S402)에서, 전처리된 과거 풍력 발전 데이터를 N 개 구간으로 나눈다. 전처리된 과거 풍력 발전 데이터를 마코프 체인 모델에 적용하기 위해서는 풍력 발전에 대한 상태 설정이 필요하다. N 개의 구간으로 나누어진 과거 풍력 발전 데이터는 마코프 체인 모델의 상태를 나타낼 수 있다. 일 실시예로, 각 구간은 풍력 발전된 전력값에 대응될 수 있으며, 각 구간은 풍력 발전기가 발전하는 최소 전력값에서 최대 전력값에 상응할 수 있다.
일 실시예로, 각 구간에서 풍력 발전기가 발전하여 제공하는 빈도가 높은 전력의 범위에 대응하는 구간의 개수는 풍력 발전기가 발전하여 제공하는 빈도가 낮은 전력의 범위에 대응하는 구간의 개수보다 높을 수 있다. 일 예로, 어느 지역의 풍력 발전기가 0 ~ 8 MW를 발전하는 빈도가 풍력 발전기의 최대 발전 전력에 인접하는 12 MW ~ 33 MW를 발전하는 빈도에 비하여 높을 수 있다. 이러한 경우에는 00 ~ 8 MW를 각 1MW 별로 구간을 설정하고, 8MW ~ 12MW를 각 2MW 별로 구간을 설정하며, 12MW ~ 33 MW는 각 3MW 별로 구간을 설정할 수 있다.
다양한 풍력 발전 개별 데이터를 각각의 상태로 설정하여 마코프 체인 모델을 적용할 경우 알고리즘 연산량이 증가한다. 따라서, 전처리된 과거 풍력 발전 데이터를 복수 개의 구간으로 나누어 마코프 체인 모델의 상태를 결정하여 효과적으로 연산처리를 수행할 수 있다.
마코프 체인 모델에서 각 상태의 빈도수와 확률을 결정(S404)한다. 일 실시예로, 각 상태의 빈도수는 각 상태의 발생 횟수를 계산하여 결정될 수 있으며, 각 상태의 확률은 각 상태의 빈도수를 각 상태의 수의 총합으로 나누어 결정될 수 있다.
이어서 마코프 체인 모델에서 상태 전이 확률을 결정한다(S406). 상태 전이 확률은 마코프 체인 모델에서 각 상태가 다른 상태로 이동하거나 다시 해당 상태에 머무르는 확률을 의미한다. 일 실시예로, 상태 전이 확률을 결정하는 단계는 해당 상태에서 다른 상태로 전이하거나 해당 상태에서 다시 해당 상태로 머무르는 경우의 수를 해당 상태에서 다른 상태로 전이하거나 혹은 다시 해당 상태로 머무르는 모든 경우의 수로 나누어 경우 별로 확률을 연산하여 수행할 수 있다.
결정된 상태 전이 확률을 기반으로 선형 모델을 연산하여 마코프 체인 각 상태의 가중치를 연산한다(S408). 선형 모델은 예측되는 상태를 추정하기 위해 수학식 1과 같이 정의될 수 있다.
Figure 112020044251866-pat00001
Figure 112020044251866-pat00002
은 시간 n에서 예측된 상태 벡터이고,
Figure 112020044251866-pat00003
는 i 단계 전이 확률행렬이고,
Figure 112020044251866-pat00004
는 가중치를 의미한다. 상태 전이 확률과 시간 n 이전의 값은 알고리즘에 의해 기억되어 있는 값이므로 각 차수에 해당하는 가중치를 산정하기 위해 사용될 수 있다.
선형 모델로부터 가중치(λ)를 연산하기 위해 아래의 수학식 2의 ① 식과 같은 등식, ② 식과 같은 부등식 제약 조건이 필요하다.
Figure 112020044251866-pat00005
수학식 2의 ①식과 같은 등식 제약조건은 모든 가중치의 합은 1과 같음을 의미하며, ②식과 같은 부등식 제약 조건은 구간 j에 속하는 상태 전이 확률 행렬과 해당 되는 가중치의 곱은 최소 확률이 0 보다는 크고 1보다는 작아야 함을 의미한다.
수학식 1과 수학식 2에서 연산된 선형 모델로부터 λi값을 마코프 체인 각 상태의 가중치로 결정한다. 일 실시예로, 프로그래밍 연산을 수행하여 선형 모델에서 가중치에 해당하는 등식 제약조건과 부등식 제약조건을 만족하는 최적의 해를 찾는다. 연산된 결과는 해당되는 마코프 체인 모델의 차수의 가중치를 의미한다.
위의 단계들을 거쳐 형성된 마코프 체인으로부터 풍력 발전 전력 예측모델을 생성한다(S410, S302). 본 단계에서는 상태 설정, 상태 전이 빈도수와 확률 결정 및 선형 모델 설계에 기반한 가중치를 기초로 하여 풍력 발전 전력을 예측할 수 있는 모델을 형성한다.
풍력 발전 전력 예측 값(f(PW))은 아래의 수학식 3과 같이 가우시안 확률 분포로부터 연산된다. 수학식 3에서 각 파라미터는 각 상태에서의 풍력 발전 값들로부터 정의되며
Figure 112020044251866-pat00006
는 풍력 발전 값,
Figure 112020044251866-pat00007
는 각 상태에서의 풍력 값의 평균,
Figure 112020044251866-pat00008
는 표준편차이다.
Figure 112020044251866-pat00009
다시 도 3을 참조하면, S302 단계, S410(도 4 참조) 단계에서 생성된 풍력 발전 전력 예측 모델로부터 풍력 발전 데이터를 생성한다(S304). 풍력 발전 데이터는 예측 모델을 이용하여 산정된 풍력 발전 예측 값들의 일련의 배열을 의미한다. 풍력 발전 전력 예측 모델에서 상태에 따라 형성된 가우시안 확률 분포로 초기 상태가 결정되며, 상태 전이를 통하여 일련의 예측 데이터인 풍력 발전 데이터가 생성된다. 일 실시예로, 풍력 발전 데이터는 년간 매일 시간 단위로 발전량을 예측한 데이터일 수 있다.
도 5는 부하 모델을 생성하는 단계(S204, 도 2 참조)를 수행하는 과정을 개요적으로 도시한 순서도이다. 부하 모델은 풍력 발전 단지 주변에 존재하며, 에너지가 공급되는 로컬 부하의 데이터 모델을 의미한다. 도 2 및 도 5를 참조하면, 이러한 부하 모델을 생성하는 단계(S204)는 부하 전력 계수를 산정하는 단계(S502)와 로컬 부하 전력을 연산하는 단계(S504)를 포함할 수 있다.
부하 전력 계수가 산정된다(S502). 부하 전력 계수는 로컬 부하의 전력 소비 특징을 나타내는 계수를 말하며 특정 시점의 평균 로컬 부하 전력 대비 부하 전력을 나타낸다. 로컬 부하의 부하 전력 계수를 산정하는 단계(S502)의 일 실시예로, 부하 전력 계수는 매 월 각 시간별로 연산되어 다른 값을 가질 수 있다.
산정된 부하 전력 계수로부터 로컬 부하 전력을 연산한다(S504). 일 실시예로, 로컬 부하 전력을 연산하는 단계(S504)는 평균 로컬 부하 전력과 S502 단계에서 산정된 부하 전력 계수를 곱하여 수행될 수 있다. 일 실시예로, 평균 로컬 부하 전력은 해당 지역의 일일 소비 전력으로부터 연산될 수 있다. 또한, 평균 로컬 부하 전력은 매 월별 각 시간 별로 연산되어 다른 값을 가질 수 있다.
다른 실시예로, 로컬 부하 전력을 연산하는 단계(S504)는 평균 로컬 부하 전력, 해당 지역 총 가구수와 부하 전력 계수를 곱하여 수행될 수 있다. 총 가구수는 해당 지역에서 전력 소비를 하고 있는 가구 수를 파악하여 얻을 수 있다. 형성된 부하 모델은 일 예로, 각 월의 매 시간별 부하 전력에 관한 데이터를 가질 수 있다. 이와 같이 연산을 수행하여 부하 모델을 형성한다.
도 6은 에너지 저장 시스템의 용량을 결정하는 단계(S206, 도 2)의 개요를 도시한 순서도이다. 도 2 및 도 6을 참조하면, 에너지 저장 시스템(106)의 용량을 연산하는 단계는 연평균 풍력 발전 데이터와 연평균 부하 데이터를 연산하는 단계(S602)와, 에너지 저장 시스템의 적정 방전량을 연산하는 단계(S604) 및 에너지 저장 시스템의 용량을 연산하는 단계(S606)를 통하여 수행될 수 있다.
우선, 연평균 풍력 발전 데이터와 연평균 부하 데이터를 연산하는 단계(S602)가 수행될 수 있다. 일 실시예로, 연평균 풍력 발전 데이터는 S202 단계에서 연산된 마코프 체인 풍력 발전 출력 예측 모델을 기반으로 얻어진 풍력 발전 데이터(도 3, S304 참조)로부터 연산될 수 있다.
S304 단계에서 얻어진 풍력 발전 데이터는 1 년 동안 매일 시간 단위로 발전량을 예측한 데이터일 수 있다. 이로부터 매일 동일 시간대의 발전량의 연평균값을 연산할 수 있다. 일 예로, 풍력 발전 출력 예측 모델을 기초로 하여 1년간 00시 ~ 01시, 01시 ~ 02시, ... 23시 ~ 24시의 매 시간별 풍력 발전 예측량을 얻을 수 있으며, 1 년 간의 동일 시간대 풍력 발전량을 평균을 연산하여 연평균 풍력 발전량을 연산할 수 있다.
월별 부하 데이터는 S204 단계에서 설명된 것과 같이 평균 로컬 부하 전력과 부하 전력 계수 혹은 평균 로컬 부하 전력과 부하 전력 계수 및 총 가구수로부터 연산될 수 있으며, 매 월별 및 각 시간별로 구할 수 있다. 일 예로, 월에 속하는 각각의 일자마다 00시 ~ 01시, 01시 ~ 02시, ..., 23시 ~ 24시의 시간별 부하 데이터를 얻을 수 있으며, 이들의 동일 시간대 부하 크기 평균을 연산하여 월별 평균 부하 데이터를 연산할 수 있다.
이어서, 동일한 시간별 각 월별 평균 부하 데이터를 합산하여 각 시간별 연평균 부하 데이터를 연산한다. 즉, 연산된 연평균 부하 데이터는 00시 ~ 01시, 01시 ~ 02시, ... 23시 ~ 24시의 매 시간별 연평균 부하의 크기에 관한 값에 관한 것일 수 있다.
에너지 저장 시스템(106)의 적정 방전량을 연산한다(S604). 에너지 저장 시스템(106)의 방전량은 연평균 풍력 발전 데이터와 연평균 부하 데이터의 차이를 기초로 산정된다. 풍력 발전량이 적을 때 부하도 작으면 작은 방전이 필요하고 풍력 발전량이 적지만 부하가 크면 많은 방전이 필요하므로, 각 경우에 따라 요청되는 에너지 저장 시스템(106)의 용량이 달라진다.
에너지 저장 시스템(106)의 적정 방전량을 연산하는 단계의 일 실시예로, 연평균 발전량 및 연평균 부하 데이터의 차이로부터 적정 방전량을 연산한다. 일 예로, 연 평균 발전량과 연 평균 부하의 차이가 작으면 작은 방전량을 가지도록 하며, 연 평균 발전량에 비하여 부하의 차이가 크면 많은 방전량을 가지도록 연산한다. 즉, 방전량은 연 평균 발전량과 부하의 차이가 증가함에 따라 방전량도 증가하도록 연산될 수 있다. 이와 같이 방전량을 연산하여 로컬 부하에 전력이 안정적으로 공급할 수 있다.
에너지 저장 시스템(106)의 적정 방전량을 연산하는 단계의 일 실시예로, 연평균 발전 데이터와 연평균 부하 데이터의 차이가 아래의 표와 같은 경우를 예시한다.
시간대 연평균 발전 데이터 연평균 부하 데이터 연평균 발전 데이터 - 연평균 부하 데이터
00시~01시 20MW 30MW -10MW
01시~02시 30MW 20MW 10MW
... ... ... ...
23시~24시 15MW 30MW -15MW
동일한 시간대에서 연평균 발전 데이터와 연평균 부하 데이터의 차이를 연산하고, 표 1에서 밑줄로 예시된 것과 같이 발전양에 비하여 부하의 크기가 큰 경우의 값들을 합산한다. 즉, 표 1에서는 음의 부호를 가지는 값들을 합산한다. 합산된 값들을 에너지 저장 시스템의 적정 방전량으로 결정할 수 있다.
연산된 적정 방전량을 방전 깊이(DoD, Depth of Discharge)로 나누어 에너지 저장 시스템 용량을 산정(S606)한다. 방전 깊이는 에너지 저장 시스템(106) 전체 용량에서 실제 방전에 사용될 수 있는 용량을 나타내며, 에너지 저장 시스템(106)의 용량에서 DoD를 곱하면 실제 사용하는 방전량을 계산할 수 있고, 연산된 적정 방전량을 방전 깊이로 나누면 에너지 저장 시스템(106)의 용량을 구할 수 있다.
이하에서는 도 7을 참조하여 본 실시예에 의한 에너지 저장 시스템 구동 방법을 설명한다. 도 7은 본 실시예에 의한 에너지 저장 시스템(106)을 구동하는 방법의 개요를 도시한 흐름도이다. 에너지 저장 시스템(106)의 구동 방법은 본 실시예에 의한 방법이 구체화된 알고리듬(algorithm)을 수행하는 자동화된 시스템(미도시)에 의하여 수행될 수 있다. 일 예로, 본 실시예에 의한 에너지 저장 시스템(106)의 구동 방법은 컴퓨터 프로그램의 형태로 기록될 수 있으며, 자동화된 시스템은 해당 컴퓨터 프로그램을 읽고, 수행하여 본 실시예에 의한 에너지 저장 시스템(106)을 구동할 수 있다.
도 7을 참조하면, 에너지 저장 시스템(106) 구동 방법은 전력 예측 및 부하 모델링을 수행하는 단계(S702), 신재생 에너지 공급인증서(Renewable Energy Certificates, REC) 가중치 취득 가능성을 판단하는 단계(S704), 계통 연계지점(120) 전압과 기준전압을 비교하는 단계(S706a, S706b), 비교 결과에 따라 에너지 저장 시스템(106)을 각 모드별(S708a, S708b, S708c, S708d)로 운영하는 단계를 포함한다.
전력 예측 및 부하 모델링을 수행하는 단계(S702)는 일일 기준으로 전력을 예측하여 부하 모델링을 수행한다. 하루 기준 전력 예측 및 부하 모델링(S702)이 우선적으로 실시되어 전력 공급이 취약한 시간대를 파악한다.
일 실시예로, 전력 예측을 수행하는 단계는, 도 2로 예시된 에너지 저장 시스템(106)의 용량 산정 방법에서의 풍력 발전 데이터 생성 단계(S202)와 동일하게 수행될 수 있다. 그러나, 에너지 저장 시스템 구동 방법은 일 단위로 수행되는 것이므로, 예측일로부터 일주일 이전 데이터, 2 주일 이전 데이터와 같이 길어도 한 달 이내의 과거 데이터로부터 마코프 체인을 형성하고, 이로부터 풍력 발전 전력 예측 모델을 생성한다. S202 단계에서와 마찬가지로, 전력 예측된 결과는 시간별 예측 발전 값을 가질 수 있다.
일 예로, 본 단계에서 마코프 체인을 형성하기 위한 과거 풍력 발전 데이터는 예측일로부터 길어도 한 달 이전의 풍력 발전 데이터일 수 있으며, 이로부터 예측된 풍력 발전값의 정확도를 향상시킬 수 있다.
또한, 부하 모델링을 수행하는 단계는 도 2로 예시된 에너지 저장 시스템(106)의 용량 산정 방법에서의 부하 모델 생성 단계(S204, 도 5 참조)와 동일하게 수행될 수 있다. 부하 모델 생성하기 위하여 필요한 평균 로컬 부하 전력과 부하 전력 계수 및 총 가구 수는 예측일로부터 1 주일 이전, 2 주일 이전과 같이 길어도 한 달 이전의 부하 데이터일 수 있으며, 이로부터 예측된 부하 데이터의 정확도를 향상시킬 수 있다.
일 실시예로, 예측된 발전 전력 및 모델된 부하를 기초로 기준 SoC(State of Charge)를 산정한다. SoC는 현재 에너지 저장 시스템(106)의 충전 상태를 나타내는 값을 의미한다. 일 예로, 산정된 기준 SoC는 이후 신재생 에너지 공급 인증서(REC) 가중치 취득 가능성을 판단(S704)하는 단계에서 함께 고려될 수 있다.
기준 SoC는 해당일의 시간 별로 예측된 발전량과 부하의 크기를 고려하여 연산한다. 일 예로, 에너지 저장 시스템(106)의 용량이 10MW이고, 00시 현재 에너지 저장 시스템(106)에 충전된 전력이 5MW로 SoC가 50%인 경우를 가정한다. 다만 아래의 예는 설명을 위한 예이며, 본 발명을 한정하기 위한 것이 아님을 유의하여야 한다.
예측된 발전량 - 부하의 크기가 00시 ~ 06시에 2MW, 06시 ~ 12시에 -3MW, 12시 ~ 18시에 -2MW, 06시 ~ 12시에 -2MW 인 경우를 가정한다. 00시 ~ 06시에 에너지 저장 시스템(106)을 2MW 충전할 수 있으므로 기준 SoC는 70%이다. 06시 ~ 12시에 에너지 저장 시스템(106)은 3MW를 방전하여야 하므로 기준 SoC는 40%로 감소한다. 이어서, 12시 ~18시에 에너지 저장 시스템(106)은 2MW를 방전하여야 하므로 기준 SoC는 20%로 감소하고, 18시 ~ 24시에 에너지 저장 시스템(106)은 2MW를 방전하여야 하므로 기준 SoC는 0%로 감소한다. 즉, 기준 SoC는 방전이 이루어져야 하는 시간에 에너지 저장 시스템(106)이 방전할 전력이 충전되어 있도록 연산된다.
이어서 신재생 에너지 공급 인증서(REC) 가중치 취득 가능성을 판단(S704)한다. 에너지 저장 시스템(106)을 경제적으로 운영할 수 있는지 여부를 판단한다. 일 실시예로, 에너지 저장 시스템(106)의 방전 시간이 풍력 발전 등의 신재생 에너지 공급인증서(Renewable Energy Certificates, REC) 가중치 취득 가능 시간대에 해당하는지와 현재 SoC 및 기준 SoC를 고려하여 에너지 저장 시스템(106)을 경제적 운영할 수 있는지 파악할 수 있다.
풍력 발전에 연계된 에너지 저장 시스템(106)은 계절별 피크 전력 분담에 대응하기 위해 이용될 수 있다. REC 가중치 취득이 가능한 시간대는 계절에 따라 09시~12시, 13시~17시, 18시~21시일 수 있다.
이어서 계통 연계지점(120) 전압이 기준 전압 범위 내에 있는지 파악한다(S706). 일 실시예로, 계통 연계지점(120) 전압은 전송 선로별 기준 전압(PU) 대비 0.9PU ~1.1PU의 기준 전압 범위 안에 있을 때 S704 단계의 결과 따라 경제성 운영(S708a) 또는 로컬 부하 기반 운영(S708c)로 운영될 수 있다. 또한, 기준 전압 범위 밖에 있을 때에는 신재생 에너지 공급 인증서 가중치 취득 가능성에 따라 전압안정도 및 경제성 운영(708b) 또는 전압안정도 운영(708d)로 운영될 수 있다.
경제성 운영 모드(S708a)에서 에너지 저장 시스템(106, 도 1 참조)은 신재생에너지 공급인증서(REC) 가중치 취득을 위해 동작한다. 즉, 풍력 발전 또는 로컬 부하 수요 전력의 변동으로 인해 에너지 저장 시스템(106)의 현재 SOC가 기준 SOC 이상인 경우 에너지 저장 시스템(106)은 신재생 에너지 공급 인증서 가중치 획득 가능한 시간대에 방전을 실시한다.
전력 공급이 취약한 시간대를 위해 산정된 기준 SOC 이상의 SOC를 REC 가중치 취득이 가능한 시간대에 확보하고 있어야 한다. 에너지 저장 시스템(106) 운영시 REC 가중치 취득이 가능한 시간대에서 에너지 저장 시스템(106)의 SoC가 80%인 상황을 가정할 때, 기준 SoC가 70%로 설정되면 SoC는 10% 전력만 경제성 취득을 위해 방전될 수 있다. 하지만, 현재 SoC가 50%인 경우에는 안정적인 부하 공급을 위한 SoC가 20% 부족하다. 추가적으로 방전을 실시할 경우 이 후 시간에 안정적인 부하 공급을 위해 더 많은 전력이 부족할 수 있으므로 방전을 실시하지 않는다. 따라서, REC 가중치 취득 시간이고, 가능한 높은 SoC를 가질 때, 에너지 저장 시스템(106)을 방전하도록 하며, 적정한 SoC 값일 때 에너지 저장 시스템(106)을 충전하도록 한다.
전압 안정도 및 경제성 운영(S708b) 모드는 신재생 에너지 공급 인증서(REC) 가중치를 확보하면서 계통 연계지점(120, 도 1 참조)에서의 전압 안정도를 위해 에너지 저장 시스템(106)을 운영하는 동작 모드이다.
일 실시예로, 경제성 운영(S708a)이 실시되고 있는 상황에서 전력계통(118), 풍력 발전단지(104), 로컬부하(116)의 전력에 따라 계통 연계지점(120) 전압이 기준 전압을 벗어나는 전압 안정도 위반이 발생할 수 있다. 안정적인 계통 운영을 위해 계통 연계지점(120) 전압이 기준 전압 범위 내에 존재하도록 운영해야 한다. 전압은 국부적인 지역에서 변동이 일어나고 해당 지역 부근에서 보상이 이루어져야 하므로 에너지 저장 시스템(106)이 전압 안정도에 기여하도록 출력을 조정한다.
일 예로, 계통 연계지점(120)에서 과전압 발생시 기준 전압 범위 이내로 복귀하도록 에너지 저장 시스템(106)은 현재 방전 전력 보다 적은 전력을 방전한다. 다른 예로 계통 연계지점(120)에서 저전압 발생 시 기준 전압 범위 이내로 복귀하도록 에너지 저장 시스템은 현재 방전 전력을 보다 많은 전력을 방전한다. 이와 같이 에너지 저장 시스템(106)이 방전하는 전력을 조절함으로써 계통 연계지점(120)에서의 전압을 안정적으로 유지할 수 있다.
계통 연계지점(120) 전압이 기준 전압 범위 내 존재하지만, 에너지 저장 시스템이 신재생 에너지 공급 인증서(REC) 가중치 획득 시간대 운영되지 않을 때, 에너지 저장 시스템(106)은 로컬 부하 기반 운영(S708c) 모드로 동작한다. 로컬 부하 기반 운영 모드(S708c)의 일 실시예에서, 에너지 저장 시스템(106)은 방전을 실시 하여 풍력 발전단지(104) 출력으로만 로컬 부하(108) 수요 전력 공급이 어려울 때, 필요한 전력을 공급한다. 다른 실시예로, 풍력 발전단지(104) 출력의 증가로 인해 로컬 부하에 수요전력을 공급하고 추가 전력이 존재할 때, 에너지 저장 시스템은 충전을 실시한다.
전압 안정도 운영(S708d) 모드에서 에너지 저장 시스템(106)은 계통 연계지점(120)에서 전압 안정도를 유지하기 위해 동작한다. 계통 연계지점(120) 전압이 기준 전압 범위보다 높을 때, 로컬 부하 기반으로 운영되는 에너지 저장 시스템이 방전을 수행하는 중인 경우 방전량을 낮추고, 에너지 저장 시스템이 충전되는 경우에는 충전량을 높일 수 있다. 이와 같이 동작하여 계통 연계지점(120) 에서의 전압을 감소시킬 수 있다.
계통 연계지점(120) 전압이 기준 전압 범위보다 낮을 때, 로컬 부하 기반으로 운영되는 에너지 저장 시스템이 방전을 수행하는 중인 경우 방전량을 높이고, 에너지 저장 시스템이 충전되는 경우에는 충전량을 낮출 수 있다. 이와 같이 동작하여 계통 연계지점(120) 에서의 전압을 증가시킬 수 있다.
실험예
33MW 풍력 발전단지에 적절한 에너지 저장 시스템을 설치하여 운영하기 위하여 우선 적정용량이 산정되어야 한다. 연평균 풍력단지의 발전데이터를 생성하기 위해서는 우선 마코프 체인 모델 생성이 이루어져야 한다. 마코프 체인은 모델에 적용되는 상태를 어떻게 설정하느냐가 중요하며 이에 따라 상태 빈도수와 확률 그리고 상태 전이 확률이 선정된다.
풍력단지가 33MW이므로 상태구간은 1MW로 구간을 나누어 설정할 수도 있으며 고출력의 분포가 낮은 특성을 이용하여 고출력에 대한 구간설정을 저출력보다 상대적으로 길게 하여 설정할 수도 있다. 본 예시에서는 후자의 방법을 선택하여 총 17개의 구간을 설정하여 마코프 체인 모델을 생성하였다. 생성된 연평균 풍력 발전데이터와 연평균 부하발전데이터를 비교하여 방전량을 계산하여 에너지 저장 시스템 용량을 산정할 수 있다.
본 실시 예에서 산정된 필요한 에너지는 약 12MWh 였고 에너지 저장 시스템의 DoD를 80%로 설정함으로써 용량은 15MWh로 선정하였다. 단기간 예측을 위하여 겨울철 목요일 하루를 대상으로 하였으며 해당되는 월간 과거 풍력 발전데이터를 기반으로 마코프 체인 모델을 생성하여 풍력 발전을 예측하였다. 제안된 부하모델링을 이용하여 일일 로컬 부하데이터를 생성해 에너지 저장 시스템의 경제성 운영 기준 SOC를 설정하였다.
본 실시 예에서는 에너지 저장 시스템이 제안된 알고리즘으로 선택되는 모드로 설정되어 전압안정도, 부하공급, 경제성 운영에 관여할 수 있다. 원활한 부하공급이 확보되어 신재생에너지 공급인증서를 최대로 얻을 수 있는 풍력 발전 연계 에너지 저장 시스템 방전시간대인 아침 9~12시에 방전하여 경제성을 확보하였다. 오후 2시에 계통 측에 전압 저하가 발생하여 에너지 저장 시스템 출력을 상승해 전압 저하에 반응하였으며 원활한 부하공급이 실시되어 신뢰성과 경제성 모두를 만족하는 운영을 실시하였다.
본 연구는 한국전력공사의 2016년 선정 기초연구개발 과제 연구비에 의해 지원되었음 (과제번호 : R17XA05-19).
본 실시예 및 본 명세서에 첨부된 도면은 전술한 기술에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 전술한 기술의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시예는 모두 전술한 기술의 권리범위에 포함되는 것이 자명하다고 할 것이다.
100: 풍력 발전 및 부하 연계 시스템 112: AC-DC 컨버터
102: 풍력 발전 시스템 노드 모델 114: DC-AC 인버터
104: 풍력 발전 단지 116: DC-DC 컨버터
106: 에너지 저장 시스템 118: 전력 계통
108: 로컬 부하 120: 계통 연계지점
110: 전력 변환 장치
S202, S204, S206: 에너지 저장 시스템 용량 산정 방법의 각 단계
S302, S304: 풍력 발전 데이터 생성 단계의 개요적 세부 단계
S402, S404, S406, S408, S410: 풍력 발전 전력 예측 모델 생성 단계의 개요적 세부 단계
S502, S504: 부하 모델 생성 단계의 개요적 세부 단계
S602, S604, S606: 에너지 저장 시스템 용량 산정 단계의 개요적 세부 단계
S702, S704, S706a, S706b, S708a, S708b, S708c, S708d: 에너지 저장 시스템 운영 방법의 각 단계.

Claims (15)

  1. 발전 전력 예측 모델을 생성하는 방법으로, 방법은:
    과거 발전 전력(電力)에 따라 구분된 마코프 체인의 상태로부터 상기 상태 각각의 빈도수 및 확률을 연산하는 단계와,
    어느 한 상기 상태에서 다른 상기 상태로 전이할 상태 전이 확률을 연산하는 단계와,
    각 상태의 가중치를 연산하여 마코프 체인을 형성하는 단계를 포함하는 발전 전력 예측 모델 생성 방법.
  2. 제1항에 있어서,
    상기 발전 전력 예측 모델 생성 방법은,
    상기 상태 각각의 빈도수 및 확률을 연산하는 단계 이전에
    에너지와 발전 전력이 서로 상응하지 않는 경우를 제거하는 전처리 단계를 더 포함하는 발전 전력 예측 모델 생성 방법.
  3. 제1항에 있어서,
    상기 가중치를 연산하는 단계는,
    수학식
    Figure 112021123563568-pat00010
    , 수학식
    Figure 112021123563568-pat00011
    및 수학식
    Figure 112021123563568-pat00012
    을 연산하여 가중치(λ)를 구하는 발전 전력 예측 모델 생성 방법.(
    Figure 112021123563568-pat00013
    은 시간 n에서 예측된 상태 벡터,
    Figure 112021123563568-pat00014
    는 i 단계 전이 확률 행렬,
    Figure 112021123563568-pat00015
    는 가중치)
  4. 제1항에 있어서,
    상기 발전 전력 예측 모델은,
    설정된 상기 상태, 상기 상태 각각의 빈도수, 상기 상태 각각의 확률 및 상기 상태 전이 확률 및 가중치로 결정된 마코프 체인인 발전 전력 예측 모델 생성 방법.
  5. 제1항에 있어서,
    상기 발전 전력 예측 모델 생성 방법은,
    풍력 발전, 태양광 발전을 포함하는 신재생 에너지 발전에 적용되는 발전 전력 예측 모델 생성 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 발전 전력 예측 모델 생성 방법은 에너지 저장 시스템 용량 산정 방법에 사용되며,
    상기 에너지 저장 시스템 용량 산정 방법은
    발전 데이터를 생성하는 단계와,
    전력이 제공되는 부하 모델을 생성하는 단계 및
    상기 발전 데이터와 상기 부하 모델로부터 에너지 저장 시스템 용량을 연산하는 단계를 포함하고,
    상기 발전 데이터를 생성하는 단계는
    상기 발전 전력 예측 모델 생성 방법을 이용하여 1 년 이상의 발전량에 대한 과거 발전 데이터로부터 마코프 체인으로 형성된 발전 전력 예측 모델을 생성하는 단계 및
    상기 발전 전력 예측 모델로부터 수학식
    Figure 112021123563568-pat00024
    을 연산하여 발전 예측 값을 연산하는 단계 및
    상기 발전 예측값을 배열하여 상기 발전 데이터를 형성하는 단계를 포함하는 발전 전력 예측 모델 생성 방법.
  7. 삭제
  8. 제6항에 있어서,
    상기 부하 모델을 생성하는 단계는,
    평균 로컬 부하 전력 대비 부하 전력을 나타내는 부하 전력 계수를 연산하는 단계와,
    상기 부하 전력 계수, 상기 로컬 부하 전력 및 해당 지역 총 가구수를 곱하여 상기 로컬 부하 모델을 연산하는 단계를 포함하는 발전 전력 예측 모델 생성 방법.
  9. 제6항에 있어서,
    상기 에너지 저장 시스템 용량을 연산하는 단계는,
    상기 발전 데이터로부터 시간별로 예측된 연평균 발전량을 포함하는 연평균 발전 데이터 및 상기 부하 모델로부터 시간별로 예측된 연평균 부하 크기를 포함하는 연평균 부하 데이터를 연산하는 단계와,
    상기 연평균 발전 데이터와 상기 연평균 부하 데이터의 차이를 연산하고, 부하의 크기가 더 클 때의 차이 값들을 모든 시간에서 합산하여 적정 방전량으로 결정하여 적정 방전량을 연산하는 단계 및
    상기 적정 방전량을 방전 깊이로 나누어 상기 에너지 저장 시스템의 용량을 연산하는 단계를 포함하는 발전 전력 예측 모델 생성 방법.
  10. 제6항에 있어서,
    상기 에너지 저장 시스템은,
    풍력 발전, 태양광 발전을 포함하는 신재생 에너지를 저장하는 장치인 발전 전력 예측 모델 생성 방법.
  11. 제8항에 있어서,
    상기 연산된 상기 로컬 부하 모델은,
    각 월의 시간별 부하의 크기를 포함하는 발전 전력 예측 모델 생성 방법.
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
KR1020200052025A 2020-04-29 2020-04-29 발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법 KR102367654B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200052025A KR102367654B1 (ko) 2020-04-29 2020-04-29 발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200052025A KR102367654B1 (ko) 2020-04-29 2020-04-29 발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법

Publications (2)

Publication Number Publication Date
KR20210133434A KR20210133434A (ko) 2021-11-08
KR102367654B1 true KR102367654B1 (ko) 2022-02-24

Family

ID=78497255

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200052025A KR102367654B1 (ko) 2020-04-29 2020-04-29 발전 전력 예측 모델의 생성 방법, 에너지 저장 시스템 용량 산정 방법 및 에너지 저장 시스템 구동 방법

Country Status (1)

Country Link
KR (1) KR102367654B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117575113B (zh) * 2024-01-17 2024-05-03 南方电网数字电网研究院股份有限公司 基于马尔科夫链的边端协同任务处理方法、装置和设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140172329A1 (en) 2012-12-17 2014-06-19 Junshan Zhang System and method for wind generation forecasting
KR101787538B1 (ko) 2016-04-29 2017-10-18 서강대학교산학협력단 수요 전력의 불확정성을 고려한 에너지 저장 장치의 충방전 방법 및 그 방법에 따른 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160104184A (ko) * 2015-02-25 2016-09-05 재단법인 전남테크노파크 에너지 저장장치의 충방전 스케쥴링 방법 및 시스템
KR102458380B1 (ko) * 2017-09-13 2022-10-26 주식회사 케이티 신재생 발전소의 에너지 저장 장치를 제어하는 방법 및 서버

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140172329A1 (en) 2012-12-17 2014-06-19 Junshan Zhang System and method for wind generation forecasting
KR101787538B1 (ko) 2016-04-29 2017-10-18 서강대학교산학협력단 수요 전력의 불확정성을 고려한 에너지 저장 장치의 충방전 방법 및 그 방법에 따른 장치

Also Published As

Publication number Publication date
KR20210133434A (ko) 2021-11-08

Similar Documents

Publication Publication Date Title
KR101834061B1 (ko) 신재생 에너지 연계형 ess의 전력 관리 방법
Bozorgavari et al. Robust planning of distributed battery energy storage systems in flexible smart distribution networks: A comprehensive study
Wang et al. Robust design of off-grid solar-powered charging station for hydrogen and electric vehicles via robust optimization approach
US20140350743A1 (en) Tiered power management system for microgrids
Acevedo-Arenas et al. MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response
Abdeltawab et al. Market-oriented energy management of a hybrid wind-battery energy storage system via model predictive control with constraint optimizer
US9568901B2 (en) Multi-objective energy management methods for micro-grids
Mohammed et al. A review of process and operational system control of hybrid photovoltaic/diesel generator systems
KR102563891B1 (ko) 신재생기반 독립형 마이크로그리드의 최적 운전을 위한 운영 시스템 및 방법
Bernal-Agustín et al. Hourly energy management for grid-connected wind–hydrogen systems
Muselli et al. PV-hybrid power systems sizing incorporating battery storage: an analysis via simulation calculations
Sen et al. Distributed adaptive-MPC type optimal PMS for PV-battery based isolated microgrid
KR102574580B1 (ko) 전력 그리드에서의 배터리 충전 및 방전 전력 제어
CN111355265B (zh) 一种微电网能量两阶段鲁棒优化方法及系统
Xie et al. Greedy energy management strategy and sizing method for a stand-alone microgrid with hydrogen storage
Howlader et al. Distributed generation incorporated with the thermal generation for optimum operation of a smart grid considering forecast error
Hooshmand et al. A novel cost-aware multi-objective energy management method for microgrids
Hooshmand et al. Experimental demonstration of a tiered power management system for economic operation of grid-tied microgrids
KR102088532B1 (ko) 에너지 관리 시스템과 그의 에너지 관리 방법 및 에너지 운영 시스템
Babu et al. Multi-objective genetic algorithm based energy management system considering optimal utilization of grid and degradation of battery storage in microgrid
He et al. Power system dispatch with marginal degradation cost of battery storage
Hong et al. Chance-constrained unit commitment with energy storage systems in electric power systems
Badawy et al. Battery storage sizing for a grid tied PV system based on operating cost minimization
Ouédraogo et al. Performances of energy management strategies for a Photovoltaic/Battery microgrid considering battery degradation
Krüger et al. Minimal aging operating strategies for battery energy storage systems in photovoltaic applications

Legal Events

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