KR102374663B1 - 전력 관리 장치 및 방법 - Google Patents

전력 관리 장치 및 방법 Download PDF

Info

Publication number
KR102374663B1
KR102374663B1 KR1020210031439A KR20210031439A KR102374663B1 KR 102374663 B1 KR102374663 B1 KR 102374663B1 KR 1020210031439 A KR1020210031439 A KR 1020210031439A KR 20210031439 A KR20210031439 A KR 20210031439A KR 102374663 B1 KR102374663 B1 KR 102374663B1
Authority
KR
South Korea
Prior art keywords
load
power
peak time
power consumption
driving
Prior art date
Application number
KR1020210031439A
Other languages
English (en)
Other versions
KR102374663B9 (ko
Inventor
장영민
모르세드알람
Original Assignee
국민대학교산학협력단
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 국민대학교산학협력단 filed Critical 국민대학교산학협력단
Priority to KR1020210031439A priority Critical patent/KR102374663B1/ko
Application granted granted Critical
Publication of KR102374663B1 publication Critical patent/KR102374663B1/ko
Publication of KR102374663B9 publication Critical patent/KR102374663B9/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
    • H02J3/12—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • 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
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • 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
    • Y04S20/242—Home appliances
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

본 발명은 부하의 동적 소비전력 패턴에 따라 부하의 기능을 제어하여 부하의 전력 소비량을 최소화하면서 사용자의 전기요금을 줄이는 전력 관리 장치 및 방법에 관한 것이다.
본 발명의 일 실시 예에 따른 전력 관리 방법은, 부하의 종류 및 부하가 소비하는 전력량을 포함하는 부하 동작 정보를 수집하는 단계와, 부하 동작 정보를 이용하여 부하에 대한 동적 소비전력 패턴을 예측하는 단계와, 부하 동작 정보를 기반으로 하여 부하가 전력이동 가능 부하(shiftable load)인지 전력이동 불가능 부하(non-shiftable load)인지 판단하는 단계와, 부하가 전력이동 불가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기가 생성하는 전력을 저장하는 에너지 저장장치로부터 제공되는 전력으로 부하를 구동시키고, 동적 소비전력 패턴을 기반으로 하여, 부하의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드로부터 공급되는 전력으로 부하를 구동시키는 단계를 포함할 수 있다.

Description

전력 관리 장치 및 방법{APPARATUS AND METHOD FOR MANAGING POWER}
본 발명은 부하의 동적 소비전력 패턴에 따라 부하의 기능을 제어하여 부하의 전력 소비량을 최소화하면서 사용자의 전기요금을 줄이는 전력 관리 장치 및 방법에 관한 것이다.
최근 전력 다소비 산업 비중이 지속적으로 높아지면서 전력 수요가 증가되고 있다. 또한 반복되는 이상기온(폭염, 한파, 미세먼지 등)으로 냉/난방기, 세탁기, 건조기 등의 전자기기 보급이 급증하면서 비산업용 전력 수요가 크게 증가하고 있다.
특히, 겨울철에 사용자가 실내 온도를 지나치게 높게 설정했거나 반대로 여름철에 실내 온도를 지나치게 낮췄을 경우 보일러 또는 에어컨의 과다한 작동으로 인하여 전력수요가 커진다. 또한, 냉장고, 조명 기기, 티브이 등과 같은 디지털 가전기기들의 지나친 사용은 과다한 전기 에너지의 소모를 가져와 전기 요금을 상승시키는 원인이 되고 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
국내 공개특허공보 제10-2019-0120862(2019.10.25)
본 발명의 일 과제는, 부하의 동적 소비전력 패턴에 따라 부하의 기능을 제어하여 부하의 전력 소비량을 최소화하면서 사용자의 전기요금을 줄이는데 있다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 전력 관리 방법은, 부하의 종류 및 부하가 소비하는 전력량을 포함하는 부하 동작 정보를 수집하는 단계와, 부하 동작 정보를 이용하여 부하에 대한 동적 소비전력 패턴을 예측하는 단계와, 부하 동작 정보를 기반으로 하여 부하가 전력이동 가능 부하(shiftable load)인지 전력이동 불가능 부하(non-shiftable load)인지 판단하는 단계와, 부하가 전력이동 불가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기가 생성하는 전력을 저장하는 에너지 저장장치로부터 제공되는 전력으로 부하를 구동시키고, 동적 소비전력 패턴을 기반으로 하여, 부하의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드로부터 공급되는 전력으로 부하를 구동시키는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 전력 관리 장치는, 프로세서 및 프로세서와 동작 가능하게 연결되고 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고, 메모리는 프로세서를 통해 실행될 때, 프로세서가 부하의 종류 및 부하가 소비하는 전력량을 포함하는 부하 동작 정보를 수집하고, 부하 동작 정보를 이용하여 부하에 대한 동적 소비전력 패턴을 예측하고, 부하 동작 정보를 기반으로 하여 부하가 전력이동 가능 부하(shiftable load)인지 전력이동 불가능 부하(non-shiftable load)인지 판단하고, 부하가 전력이동 불가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기가 생성하는 전력을 저장하는 에너지 저장장치로부터 제공되는 전력으로 부하를 구동시키고, 동적 소비전력 패턴을 기반으로 하여, 부하의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드로부터 공급되는 전력으로 부하를 구동시키도록 야기하는 코드를 저장할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 부하의 동적 소비전력 패턴에 따라 그리드 공급 전력과 에너지 저장장치 공급 전력을 적절하게 제어하여 부하의 전력 소비량을 최소화하면서 사용자의 전기요금을 줄일 수 잇다.
또한, 부하의 동적 소비전력 패턴에 따라 부하의 기능을 제어하여 부하의 전력 소비량을 최소화하면서 사용자의 전기요금을 줄일 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 실시 예에 따른 전력 관리 시스템의 예시도이다.
도 2는 본 실시 예에 따른 전력 관리 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다.
도 3은 본 실시 예에 따른 전력 관리 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 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. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 실시 예에 따른 전력 관리 시스템의 예시도이다. 도 1을 참조하면, 전력 관리 시스템(1)은, 전력 관리 장치(100), 그리드(200), 신재생에너지 섹션(300), 부하(400), 센서(500), 서버&게이트웨이 섹션(600), 네트워크(700) 및 소비자 단말(800)을 포함할 수 있다. 본 실시 예에서 신재생에너지 섹션(300)은 신재생에너지 발전기(310) 및 에너지 저장장치(320)를 포함할 수 있다. 본 실시 예에서 서버&게이트웨이 섹션(600)은, 센서(500)가 감지한 정보를 제1 게이트웨이(610)를 통하여 클라우드 서버(620)에 수집하고, 클라우드 서버(620)에 수집된 정보를 제2 게이트웨이(630)를 통하여 전력 관리 장치(100)로 전송할 수 있다.
전력 관리 장치(100)는 센서(500)를 이용하여 그리드(200)의 동작 상태를 수집하고, 신재생에너지 섹션(300)의 동작 상태를 수집하고, 부하(400)의 동작 정보를 수집할 수 있다.
제1 센서(500_1)는 그리드(200)의 동작 상태 예를 들어, 그리드(200)가 생성하는 전력량이 어느 만큼인지, 그리드(200)가 동작중인지 또는 그리드(200)가 정지중인지 여부 등을 감지하여 서버&게이트웨이 섹션(600)으로 전송할 수 있다. 서버&게이트웨이 섹션(600)은 전력 관리 장치(100)의 요청에 의해 또는 주기적으로, 그리드(200)의 동작 상태를 수집하여 전력 관리 장치(100)로 전송할 수 있다.
제2 센서(500_2)는 신재생에너지 발전기(310)의 동작 상태 예를 들어, 신재생에너지 발전기(310)가 생성하는 전력량이 어느 만큼인지, 신재생에너지 발전기(310)가 동작중인지 또는 신재생에너지 발전기(310)가 정지중인지 여부 등을 감지하여 서버&게이트웨이 섹션(600)으로 전송할 수 있다. 서버&게이트웨이 섹션(600)은 전력 관리 장치(100)의 요청에 의해 또는 주기적으로, 신재생에너지 발전기(310)의 동작 상태를 수집하여 전력 관리 장치(100)로 전송할 수 있다.
여기서, 신재생에너지 발전기(310)는 자연 동력원으로부터 전력을 발생하는 장치로서, 기상 상태에 따라 발전량에 영향을 받는 태양광(photovoltaic) 발전기, 풍력 발전기 및 수력 발전기 등을 포함할 수 있다. 본 실시 예에서 태양광 발전기는 기상 상태 중 일사량, 운량 및 온도 정보 등에 따라 발전량이 좌우되고, 풍력 발전기는 기상 상태 중 풍속에 따라 발전량이 좌우될 수 있다.
또한, 제2 센서(500_2)는 에너지 저장장치(320)의 동작 상태 예를 들어, 에너지 저장장치(320)가 저장하고 있는 전력량이 어느 만큼인지, 에너지 저장장치(320)가 동작중인지 또는 에너지 저장장치(320)가 정지중인지 여부 등을 감지하여 서버&게이트웨이 섹션(600)으로 전송할 수 있다. 서버&게이트웨이 섹션(600)은 전력 관리 장치(100)의 요청에 의해 또는 주기적으로, 에너지 저장장치(320)의 동작 상태를 수집하여 전력 관리 장치(100)로 전송할 수 있다.
여기서, 에너지 저장장치(energy storage system)(320)는 배터리(미도시)에 신재생에너지 발전기(310)가 생산한 전력을 저장하였다가 피크타임 구간에서 저장된 전력을 공급하여 공급전력과 수요전력의 균형을 유지할 수 있다. 에너지 저장장치(320)는 배터리 관리 시스템(battery management system, 미도시)을 구비하여 잔존용량을 관리하고, PCS(power conversion system, 미도시)를 구비하여 출력을 조정할 수 있다.
제3 센서(500_3) 내지 제N 센서(500_N)는 부하(400)와 관련한 부하 동작 정보를 감지하여 서버&게이트웨이 섹션(600)으로 전송할 수 있다. 서버&게이트웨이 섹션(600)은 전력 관리 장치(100)의 요청에 의해 또는 주기적으로, 부하(400)와 관련한 부하 정보를 수집하여 전력 관리 장치(100)로 전송할 수 있다. 여기서, 제3 센서(500_3) 내지 제N 센서(500_N)가 감지하는 부하 동작 정보는 부하의 종류와, 부하가 소비하는 전력량을 포함할 수 있다. 본 실시 예에서, 부하(400)는 TV/PC/핸드폰 충전기(400_1), 에어컨/히터(400_2), 냉장고(400_3) 및 다른 부하(400_N)를 포함할 수 있다.
전력 관리 장치(100)는 서버&게이트웨이 섹션(600)으로부터 부하 동작 정보를 수집하여 부하(400)에 대한 동적 소비전력 패턴을 예측하고, 동적 소비전력 패턴 예측 결과를 기반으로 부하를 구동시키는 전력을 결정할 수 있다.
전력 관리 장치(100)는 부하를 구동시키는 전력의 결정 결과를 네트워크(700)를 통하여 소비자 단말(800)로 전송할 수 있다. 또한, 전력 관리 장치(100)는 소비자 단말(800)로 현재 부하가 소비하는 전력량과, 부하가 전력 피크타임 구간에서 동작중인지 또는 전력 피크타임 이외의 구간에서 동작중인지 여부와, 부하가 소비하는 전력량을 이용하여 댁내 부하 중 전력이동 가능 부하가 무엇인지, 전력이동 불가능 부하가 무엇인지에 대한 정보와, 에너지 저장장치(320)에 잔여 전력 등을 네트워크(700)를 통하여 소비자 단말(800)로 전송할 수 있다.
여기서, 네트워크(700)는 전력 관리 장치(100)와, 소비자 단말(800)을 연결하는 역할을 수행할 수 있다. 이러한 네트워크(700)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(700)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서, 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(700)는 허브, 브리지, 라우터, 스위치와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(700)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(700)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(700)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
소비자 단말(800)은 전력 관리 장치(100)가 제공하는 전력 관리 어플리케이션 및/또는 전력 관리 사이트에 접속하여, 전력 관리 서비스를 받을 수 있다.
이러한 소비자 단말(800)은 컴퓨팅 장치(미도시)의 기능을 수행할 수 있는 통신 단말기를 포함할 수 있으며, 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 태블릿 PC, 노트북, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 소비자 단말(800)은 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 이러한 소비자 단말(800)은 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
도 2는 본 실시 예에 따른 전력 관리 장치의 구성을 개략적으로 설명하기 위하여 도시한 블록도이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 2를 참조하면, 전력 관리 장치(100)는 프로세서(110) 및 메모리(120)를 포함할 수 있다.
프로세서(110)는 서버&게이트웨이 섹션(600)으로부터 부하(400)의 종류 및 부하(400)가 소비하는 전력량을 포함하는 부하 동작 정보를 수집할 수 있다. 본 실시 예에서, 부하(400)의 종류는 연결된 기기의 충전가능 여부, 기기의 종류, 기기의 동작 시간 변경 용이성 중 적어도 하나를 기준으로 분류될 수 있다.
본 실시 예에서, 부하(400)는 상술한 기준을 적용하여 전력이동 가능 부하(shiftable load) 또는 전력이동 불가능 부하(non-shiftable load)로 분류될 수 있다.
전력이동 가능 부하는 소비할 전력량 또는 구동 시간대를 조절할 수 있는 부하로서 예를 들어, 디밍 조절이 가능한 조명, 핸드폰 충전기, 전기차 충전기, 세탁기, 건조기 등을 포함할 수 있다. 전력이동 가능 부하는 연결된 기기의 충전이 가능하고, 기기의 동작 시간 변경이 용이할 수 있다. 일 예로, 핸드폰 충전기 또는 전기차 충전기의 경우, 연결된 기기는 핸드폰 또는 전기차일 수 있고, 핸드폰 또는 전기차는 사용자(소비자)의 선택에 의해 동작 시간 변경이 용이할 수 있다.
전력이동 가능 부하는 예어컨을 포함할 수도 있으며, 예를 들어, 에어컨의 경우 전력 요금이 최대가 되는 피크타임이 시작되기 15분 전에 구동이 예측되거나 구동 명령을 받는다면, 피크타임이 되기 전까지 평균 구동 레벨보다 높은 구동 레벨로 15분 동안 동작하고, 피크타임이 시작되면 평균 구동 레벨보다 낮은 구동 레벨로 동작하도록 제어될 수 있다.
또한, 전력이동 불가능 부하는 동작을 위해서 고정 전력을 소비해야 하는 또는 해당 시간대에 반드시 구동(사용)해야 하는 부하로서, 예를 들어, 사무실의 근무시간 조명, 냉장고, 경보 발생 장치, 감시 장치 등을 포함할 수 있다. 전력이동 불가능 부하는 연결된 기기의 충전이 불가능하지만, 내부에 배터리를 구비하고 있는 경우 충전이 가능할 수도 있다. 또한, 전력이동 불가능 부하는 기기의 동작 시간 변경이 용이할 수 없다. 일 예로, 냉장고의 경우, 동작 시간 변경이 용이한 경우 보관된 식품이 상할 수도 있다.
프로세서(110)는 수집한 부하 동작 정보를 이용하여 AI를 기반으로 부하(400)에 대한 동적 소비전력 패턴을 예측할 수 있다. 프로세서(110)는 부하의 동작 정보를 이용하여 부하의 소비전력을 시간의 흐름에 따라 나타내는 동적 소비전력 패턴을 예측하도록 미리 훈련된 심층신경망 모델을 이용하여, 부하(400)에 대한 동적 소비전력 패턴을 예측할 수 있다.
여기서, 심층신경망 모델은, 부하의 종류 및 부하의 소비 전력량을 입력으로 하고, 전력 요금이 최대가 되는 피크타임 구간 및 피크타임 이외의 구간에서 부하의 소비전력을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델일 수 있다.
여기서 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
이러한 머신 러닝 알고리즘은 LSTM (long short term memory networks), CNN (convolutional neural networks), Random forest, Decision tree, SVM(support vector machine) 등을 포함할 수 있으며, 전력 관리 장치(100)는 머신러닝 알고리즘을 이용하여 부하(400)에 대한 동적 소비전력 패턴을 예측할 수 있다.
프로세서(110)는 부하 동작 정보를 기반으로 하여 부하(400)가 전력이동 가능 부하(shiftable load)인지, 전력이동 불가능 부하(non-shiftable load)인지 판단할 수 있다. 상술한 바와 같이 부하(400)의 종류 및 부하(400)가 소비하는 전력량을 이용하여 부하(400)가 전력이동 가능 부하인지, 전력이동 불가능 부하인지 판단할 수 있다.
프로세서(110)는 부하(400)가 전력이동 불가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하(400)의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기(310)가 생성하는 전력을 저장하는 에너지 저장장치(320)로부터 제공되는 전력으로 부하(400)를 구동시킬 수 있다.
또한, 프로세서(110)는 부하(400)가 전력이동 불가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하(400)의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드(200)로부터 공급되는 전력으로 부하(400)를 구동시킬 수 있다.
본 실시 예에서, 피크타임 구간은 계절별, 시간 별로 서로 다를 수 있다. 예를 들어, 8월의 여름에는 냉방기 사용이 많은 시간대 14시 내지 16시 사이가 피크타임 구간이 될 수 있다. 또한, 12월의 겨울에는 난방기 사용이 많은 시간대인 18시 내지 21시 사이가 피크타임 구간이 될 수 있다. 이러한 피크타임 구간에서는 피크타임 이외의 구간보다 전력 사용량에 따른 전기 요금이 더 비쌀 수 있다.
일 실시 예로, 부하(400)가 전력이동 불가능 부하로서의 냉장고인 경우, 피크타임 구간에서는 에너지 저장장치(320)로부터 제공되는 전력으로 냉장고를 구동시키고, 피크타임 이외의 구간에서는 그리드(200)로부터 제공되는 전력으로 냉장고를 구동시킴으로써, 피크타임 구간 동안 전력 요금을 절약할 수 있다.
프로세서(110)는 부하(400)가 전력이동 가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 전력이동 가능 부하의 동작 시간이 피크타임 구간 중 적어도 일부 및 피크타임 이외의 구간 중 적어도 일부에 포함됨에 따라, 피크타임 구간에서는 부하(400)의 구동 레벨을 미리 정해진 기준 구동 레벨보다 소비전력이 더 낮은 구동 레벨로 구동시키고, 피크타임 이외의 구간에서는 부하(400)의 구동 레벨을 기준 구동 레벨보다 소비전력이 더 높은 구동 레벨로 구동시킬 수 있다.
일 실시 예로, 부하(400)가 전력이동 가능 부하로서의 건조기이고, 건조기가 피크타임 구간 및 피크타임 이외의 구간에 걸쳐 동작하는 경우, 피크타임 구간에서는 건조기의 구동 레벨을 미리 정해진 기준 구동레벨(예를 들어 건조 강도 50)보다 소비전력이 더 낮은 구동 레벨(예를 들어, 건조 강도 40)으로 구동시키고, 피크타임 이외의 구간에서는 건조기의 구동 레벨을 미리 정해진 기준 구동레벨(예를 들어 건조 강도 50)보다 소비전력이 더 높은 구동 레벨(예를 들어, 건조 강도 70)으로 구동시킴으로써, 피크타임 구간 동안 전력 요금을 절약할 수 있다.
다른 예로, 동적 소비전력 패턴에 따라 부하(예를 들어, 건조기)의 구동 시간이 피크타임의 시작 시간으로부터 제1 시간 범위 이전(예를 들어, 피크타임 15분전)이라면 피크타임 시작 전까지는 기준 구동레벨보다 더 높은 구동 레벨로 건조기를 구동시키고 피크타임 시작 이후에는 기준 구동레벨보다 더 낮은 구동 레벨로 건조기를 구동시킬 수도 있다.
프로세서(110)는 부하(400)에 연계된 소비자 단말(800)의 정보를 수집할 수 있다. 여기서 소비자 단말(800)의 정보(예를 들어, 번호, 연계된 부하(400) 등)는 메모리(120)에 저장될 수 있다.
프로세서(110)는 부하(400)가 전력이동 가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하(400)의 동작 시간이 피크타임 구간에 포함됨에 따라, 소비자의 단말로 피크타임 구간 이외의 동작 추천 시간을 전송할 수 있다. 여기서, 동작 추천 시간은, 부하(400)의 종류, 부하(400)가 소비하는 전력량 및 동적 소비전력 패턴에 기초하여 결정될 수 있다.
일 예로, 소비자가 12월의 겨울 어느 날 19시에 전력이동 가능 부하로서의 청소기를 동작시키려고 전원을 동작시키면, 프로세서(110)는 청소기의 동작 시간이 피크타임 구간에 포함되어 전력 요금이 많이 산정되므로, 21시 이후 또는 다음날 오전에 청소기를 동작시키라는 동작 추천 시간을 생성하여 소비자 단말(800)로 전송할 수 있다.
또한, 프로세서(110)는 소비자 단말(800)의 요청에 의해, 전력이동 불가능 부하(예를 들어, 냉장고)가 현재 어디서 공급되는 전력으로 구동하고 있는지 여부를 검색하여 소비자 단말(800)에 전송할 수 있다.
일 실시 예로, 프로세서(110)는 서버&게이트웨이 섹션(600)으로부터 에너지 저장장치(320)의 동작 상태와, 그리드(200)의 동작 상태를 수집하고, 부하(400)의 동작 시간이 피크타임 구간에 포함됨에 따라, 그리드(200)의 전력 공급 동작을 차단하고 에너지 저장장치(320)의 전력 공급 동작을 허여할 수 있다. 또한, 프로세서(110)는 부하(400)의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드(200)의 전력 공급 동작을 허여하고 에너지 저장장치(320)의 전력 공급 동작을 차단할 수 있다.
일 실시 예로, 프로세서(110)는 서버&게이트웨이 섹션(600)으로부터 신재생에너지 발전기(310)의 동작 상태를 수집하고, 피크타임 구간에서, 신재생에너지 발전기(310)의 구동을 차단하고, 피크타임 이외의 구간에서, 신재생에너지 발전기(310)의 구동을 허여할 수 있다.
이러한 프로세서(110)는 전력 관리 장치(100) 전체의 동작을 제어할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
메모리(120)는 프로세서(110)와 동작 가능하게 연결되고, 프로세서(110)에서 수행되는 동작과 연관하여 적어도 하나의 코드를 저장할 수 있다.
또한, 메모리(120)는 프로세서(110)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(120)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(120)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD, CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
도 3은 본 실시 예에 따른 전력 관리 방법을 설명하기 위한 흐름도이다. 이하의 설명에서 도 1 및 도 2에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 3을 참조하면, S310단계에서, 전력 관리 장치(100)는 부하(400)의 종류 및 부하(400)가 소비하는 전력량을 포함하는 부하 동작 정보를 수집할 수 있다. 여기서, 부하(400)의 종류는 연결된 기기의 충전가능 여부, 기기의 종류, 기기의 동작 시간 변경 용이성 중 적어도 하나를 기준으로 분류될 수 있다.
S320단계에서, 전력 관리 장치(100)는 부하 동작 정보를 이용하여 부하(400)에 대한 동적 소비전력 패턴을 예측할 수 잇다. 전력 관리 장치(100)는 부하의 동작 정보를 이용하여 부하의 소비전력을 시간의 흐름에 따라 나타내는 동적 소비전력 패턴을 예측하도록 미리 훈련된 심층신경망 모델을 이용하여, 부하(400)에 대한 동적 소비전력 패턴을 예측할 수 있다. 여기서, 심층신경망 모델은, 부하의 종류 및 부하의 소비 전력량을 입력으로 하고, 전력 요금이 최대가 되는 피크타임 구간 및 피크타임 이외의 구간에서 부하의 소비전력을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델일 수 있다.
S330단계에서, 전력 관리 장치(100)는 부하 동작 정보를 기반으로 하여 부하(400)가 전력이동 가능 부하(shiftable load)인지 전력이동 불가능 부하(non-shiftable load)인지 판단할 수 있다. 전력이동 가능 부하는 소비할 전력량을 조절할 수 있는 부하로서 예를 들어, 디밍 조절이 가능한 조명, 핸드폰 충전기, 전기차 충전기, 세탁기, 건조기 등을 포함할 수 있다. 전력이동 가능 부하는 연결된 기기의 충전이 가능하고, 기기의 동작 시간 변경이 용이할 수 있다. 또한, 전력이동 불가능 부하는 동작을 위해서 고정 전력을 소비해야 하는 부하로서, 예를 들어, 냉장고, 경보 발생 장치, 감시 장치 등을 포함할 수 있다. 전력이동 불가능 부하는 연결된 기기의 충전이 불가능하지만, 내부에 배터리를 구비하고 있는 경우 충전이 가능할 수도 있다. 또한, 전력이동 불가능 부하는 기기의 동작 시간 변경이 용이할 수 없다.
S340단계에서, 전력 관리 장치(100)는 부하(400)가 전력이동 불가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 부하(400)의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기(310)가 생성하는 전력을 저장하는 에너지 저장장치(320)로부터 제공되는 전력으로 부하(400)를 구동시키고, 동적 소비전력 패턴을 기반으로 하여, 부하(400)의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드(200)로부터 공급되는 전력으로 부하(400)를 구동시킬 수 있다.
선택적 실시 예로, 전력 관리 장치(100)는 부하(400)가 전력이동 가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 전력이동 가능 부하의 동작 시간이 피크타임 구간 중 적어도 일부 및 피크타임 이외의 구간 중 적어도 일부에 포함됨에 따라, 피크타임 구간에서는 부하(400)의 구동 레벨을 미리 정해진 기준 구동 레벨보다 소비전력이 더 낮은 구동 레벨로 구동시키고, 피크타임 이외의 구간에서는 부하(400)의 구동 레벨을 기준 구동 레벨보다 소비전력이 더 높은 구동 레벨로 구동시킬 수 있다.
선택적 실시 예로, 전력 관리 장치(100)는 부하(400)에 연계된 소비자 단말(800)의 정보를 수집하고, 부하(400)가 전력이동 가능 부하인 경우, 동적 소비전력 패턴을 기반으로 하여, 전력이동 가능 부하의 동작 시간이 피크타임 구간에 포함됨에 따라, 소비자 단말(800)로 피크타임 구간 이외의 동작 추천 시간을 전송할 수 있다. 여기서, 동작 추천 시간은, 부하(400)의 종류, 부하(400)가 소비하는 전력량 및 동적 소비전력 패턴에 기초하여 결정될 수 있다.
선택적 실시 예로, 전력 관리 장치(100)는 에너지 저장장치(320)의 동작 상태 및 그리드(200)의 동작 상태를 수집하고, 부하(400)의 동작 시간이 피크타임 구간에 포함됨에 따라, 그리드(200)의 전력 공급 동작을 차단하고 에너지 저장장치(320)의 전력 공급 동작을 허여하고, 부하(400)의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드(200)의 전력 공급 동작을 허여하고 에너지 저장장치(320)의 전력 공급 동작을 차단할 수 있다.
선택적 실시 예로, 전력 관리 장치(100)는 신재생에너지 발전기(3100의 동작 상태를 수집하고, 피크타임 구간에서, 신재생에너지 발전기(310)의 구동을 차단하고, 피크타임 이외의 구간에서, 신재생에너지 발전기(310)의 구동을 허여할 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 전력 관리 장치
200: 그리드
300: 신재생에너지 섹션
400: 부하
500: 센서
600: 서버&게이트웨이 섹션
700: 네트워크
800: 소비자 단말

Claims (15)

  1. 부하가 소비하는 전력을 관리하는 전력 관리 방법으로서,
    부하의 종류 및 상기 부하가 소비하는 전력량을 포함하는 부하 동작 정보를 수집하는 단계;
    상기 부하 동작 정보를 이용하여 상기 부하에 대한 동적 소비전력 패턴을 예측하는 단계;
    상기 부하 동작 정보를 기반으로 하여 상기 부하가 전력이동 가능 부하(shiftable load)인지 전력이동 불가능 부하(non-shiftable load)인지 판단하는 단계; 및
    상기 부하가 전력이동 불가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 부하의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기가 생성하는 전력을 저장하는 에너지 저장장치로부터 제공되는 전력으로 상기 부하를 구동시키고, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 부하의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드로부터 공급되는 전력으로 상기 부하를 구동시키는 단계를 포함하고,
    상기 부하의 종류는 연결된 기기의 충전가능 여부, 상기 기기의 종류, 상기 기기의 동작 시간 변경 용이성 중 적어도 하나를 기준으로 분류되며,
    상기 동적 소비전력 패턴을 예측하는 단계는,
    부하의 동작 정보를 이용하여 부하의 소비전력을 시간의 흐름에 따라 나타내는 동적 소비전력 패턴을 예측하도록 미리 훈련된 심층신경망 모델을 이용하여, 상기 부하에 대한 동적 소비전력 패턴을 예측하는 단계를 포함하고,
    상기 심층신경망 모델은,
    부하의 종류 및 부하의 소비 전력량을 입력으로 하고, 전력 요금이 최대가 되는 피크타임 구간 및 피크타임 이외의 구간에서 부하의 소비전력을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델이며,
    상기 부하를 구동시키는 단계는,
    상기 부하가 전력이동 가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 전력이동 가능 부하의 동작 시간이 상기 피크타임 구간 중 적어도 일부 및 상기 피크타임 이외의 구간 중 적어도 일부에 포함되고, 상기 피크타임 구간에서는 상기 부하의 구동 레벨을 미리 정해진 기준 구동 레벨보다 소비전력이 더 낮은 구동 레벨로 구동시키고, 상기 피크타임 이외의 구간에서는 상기 부하의 구동 레벨을 상기 기준 구동 레벨보다 소비전력이 더 높은 구동 레벨로 구동시키는 단계를 더 포함하고,
    상기 부하를 구동시키는 단계는,
    상기 부하가 전력이동 가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 전력이동 가능 부하의 동작 시간이 상기 피크타임 구간 중 적어도 일부 및 상기 피크타임 이외의 구간 중 적어도 일부에 포함되고, 상기 전력이동 가능 부하의 동작 시작 시간이 상기 피크타임의 시작 시간으로부터 제1 시간 범위 이전이라면 상기 피크타임의 시작 전까지는 상기 부하의 구동 레벨을 미리 정해진 기준 구동 레벨보다 소비전력이 더 높은 구동 레벨로 구동시키고, 상기 피크타임 구간에서는 상기 부하의 구동 레벨을 상기 기준 구동 레벨보다 소비전력이 더 낮은 구동 레벨로 구동시키는 단계를 더 포함하는,
    전력 관리 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 부하 동작 정보를 수집하는 단계는,
    상기 부하에 연계된 소비자 단말의 정보를 수집하는 단계를 포함하고,
    상기 부하를 구동시키는 단계는,
    상기 부하가 전력이동 가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 부하의 동작 시간이 상기 피크타임 구간에 포함됨에 따라, 상기 소비자 단말로 상기 피크타임 구간 이외의 동작 추천 시간을 전송하는 단계를 더 포함하고,
    상기 동작 추천 시간은,
    상기 부하의 종류, 상기 부하가 소비하는 전력량 및 상기 동적 소비전력 패턴에 기초하여 결정되는,
    전력 관리 방법.
  6. 제 1 항에 있어서,
    상기 부하를 구동시키는 단계는,
    상기 에너지 저장장치의 동작 상태를 수집하는 단계;
    상기 그리드의 동작 상태를 수집하는 단계;
    상기 부하의 동작 시간이 상기 피크타임 구간에 포함됨에 따라, 상기 그리드의 전력 공급 동작을 차단하고 상기 에너지 저장장치의 전력 공급 동작을 허여하는 단계; 및
    상기 부하의 동작 시간이 상기 피크타임 이외의 구간에 포함됨에 따라, 상기 그리드의 전력 공급 동작을 허여하고 상기 에너지 저장장치의 전력 공급 동작을 차단하는 단계를 포함하는,
    전력 관리 방법.
  7. 제 1 항에 있어서,
    상기 신재생에너지 발전기의 동작 상태를 수집하는 단계; 및
    상기 피크타임 구간에서, 상기 신재생에너지 발전기의 구동을 차단하고, 상기 피크타임 이외의 구간에서, 상기 신재생에너지 발전기의 구동을 허여하는 단계를 더 포함하는,
    전력 관리 방법.
  8. 컴퓨터를 이용하여 제 1 항 및 제 5 항 내지 제 7 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체.
  9. 부하가 소비하는 전력을 관리하는 전력 관리 장치로서,
    프로세서; 및
    상기 프로세서와 동작 가능하게 연결되고 상기 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고,
    상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서가 부하의 종류 및 상기 부하가 소비하는 전력량을 포함하는 부하 동작 정보를 수집하고,
    상기 부하 동작 정보를 이용하여 상기 부하에 대한 동적 소비전력 패턴을 예측하고,
    상기 부하 동작 정보를 기반으로 하여 상기 부하가 전력이동 가능 부하(shiftable load)인지 전력이동 불가능 부하(non-shiftable load)인지 판단하고,
    상기 부하가 전력이동 불가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 부하의 동작 시간이 전력 요금이 최대가 되는 피크타임 구간에 포함됨에 따라, 신재생에너지 발전기가 생성하는 전력을 저장하는 에너지 저장장치로부터 제공되는 전력으로 상기 부하를 구동시키고, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 부하의 동작 시간이 피크타임 이외의 구간에 포함됨에 따라, 그리드로부터 공급되는 전력으로 상기 부하를 구동시키도록 야기하는 코드를 저장하고,
    상기 메모리는 상기 프로세서로 하여금,
    상기 부하의 종류를 연결된 기기의 충전가능 여부, 상기 기기의 종류, 상기 기기의 동작 시간 변경 용이성 중 적어도 하나를 기준으로 분류되도록 야기하는 코드를 저장하며,
    상기 메모리는 상기 프로세서로 하여금,
    상기 동적 소비전력 패턴을 예측 시에, 부하의 동작 정보를 이용하여 부하의 소비전력을 시간의 흐름에 따라 나타내는 동적 소비전력 패턴을 예측하도록 미리 훈련된 심층신경망 모델을 이용하여, 상기 부하에 대한 동적 소비전력 패턴을 예측하도록 야기하는 코드를 저장하고,
    상기 심층신경망 모델은,
    부하의 종류 및 부하의 소비 전력량을 입력으로 하고, 전력 요금이 최대가 되는 피크타임 구간 및 피크타임 이외의 구간에서 부하의 소비전력을 레이블로 하는 훈련데이터에 의해 지도학습 방식으로 훈련된 모델이고,
    상기 메모리는 상기 프로세서로 하여금,
    상기 부하를 구동시킬 때, 상기 부하가 전력이동 가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 전력이동 가능 부하의 동작 시간이 상기 피크타임 구간 중 적어도 일부 및 상기 피크타임 이외의 구간 중 적어도 일부에 포함되고, 상기 피크타임 구간에서는 상기 부하의 구동 레벨을 미리 정해진 기준 구동 레벨보다 소비전력이 더 낮은 구동 레벨로 구동시키고, 상기 피크타임 이외의 구간에서는 상기 부하의 구동 레벨을 상기 기준 구동 레벨보다 소비전력이 더 높은 구동 레벨로 구동시키도록 야기하는 코드를 더 저장하고,
    상기 메모리는 상기 프로세서로 하여금,
    상기 부하를 구동시킬 때, 상기 부하가 전력이동 가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 전력이동 가능 부하의 동작 시간이 상기 피크타임 구간 중 적어도 일부 및 상기 피크타임 이외의 구간 중 적어도 일부에 포함되고, 상기 전력이동 가능 부하의 동작 시작 시간이 상기 피크타임의 시작 시간으로부터 제1 시간 범위 이전이라면 상기 피크타임의 시작 전까지는 상기 부하의 구동 레벨을 미리 정해진 기준 구동 레벨보다 소비전력이 더 높은 구동 레벨로 구동시키고, 상기 피크타임 구간에서는 상기 부하의 구동 레벨을 상기 기준 구동 레벨보다 소비전력이 더 낮은 구동 레벨로 구동시키도록 야기하는 코드를 더 저장하는,
    전력 관리 장치.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 제 9 항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 부하 동작 정보를 수집할 때, 상기 부하에 연계된 소비자 단말의 정보를 수집하도록 야기하는 코드를 저장하고,
    상기 부하를 구동시킬 때, 상기 부하가 전력이동 가능 부하인 경우, 상기 동적 소비전력 패턴을 기반으로 하여, 상기 부하의 동작 시간이 상기 피크타임 구간에 포함됨에 따라, 상기 소비자 단말로 상기 피크타임 구간 이외의 동작 추천 시간을 전송하도록 야기하는 코드를 더 저장하며,
    상기 동작 추천 시간은,
    상기 부하의 종류, 상기 부하가 소비하는 전력량 및 상기 동적 소비전력 패턴에 기초하여 결정되는,
    전력 관리 장치.
  14. 제 9 항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 부하를 구동시킬 때, 상기 에너지 저장장치의 동작 상태를 수집하고,
    상기 그리드의 동작 상태를 수집하고,
    상기 부하의 동작 시간이 상기 피크타임 구간에 포함됨에 따라, 상기 그리드의 전력 공급 동작을 차단하고 상기 에너지 저장장치의 전력 공급 동작을 허여하고,
    상기 부하의 동작 시간이 상기 피크타임 이외의 구간에 포함됨에 따라, 상기 그리드의 전력 공급 동작을 허여하고 상기 에너지 저장장치의 전력 공급 동작을 차단하도록 야기하는 코드를 저장하는,
    전력 관리 장치.
  15. 제 9 항에 있어서,
    상기 메모리는 상기 프로세서로 하여금,
    상기 신재생에너지 발전기의 동작 상태를 수집하고,
    상기 피크타임 구간에서, 상기 신재생에너지 발전기의 구동을 차단하고, 상기 피크타임 이외의 구간에서, 상기 신재생에너지 발전기의 구동을 허여하도록 야기하는 코드를 더 저장하는,
    전력 관리 장치.
KR1020210031439A 2021-03-10 2021-03-10 전력 관리 장치 및 방법 KR102374663B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210031439A KR102374663B1 (ko) 2021-03-10 2021-03-10 전력 관리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210031439A KR102374663B1 (ko) 2021-03-10 2021-03-10 전력 관리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR102374663B1 true KR102374663B1 (ko) 2022-03-14
KR102374663B9 KR102374663B9 (ko) 2022-07-18

Family

ID=80823938

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210031439A KR102374663B1 (ko) 2021-03-10 2021-03-10 전력 관리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102374663B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023204331A1 (ko) * 2022-04-22 2023-10-26 엘지전자 주식회사 Ess 기반 인공 지능 장치 및 그의 전자기기 제어 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100018444A (ko) * 2008-08-06 2010-02-17 중앙대학교 산학협력단 실시간 지능 자율 부하관리 장치 및 방법
KR20160038946A (ko) * 2014-09-30 2016-04-08 한국전기연구원 주택용 부하 균등화를 위한 전력 소비 스케쥴 결정 방법
KR101838554B1 (ko) * 2017-03-24 2018-04-26 (주)성안 태양광 발전을 이용한 스마트 빌딩 도로 결빙 및 에너지 실시간 관리 시스템
KR20190120862A (ko) 2018-04-17 2019-10-25 (주)지이오정보통신 스마트 그리드 전력제어 시스템
JP2020201867A (ja) * 2019-06-13 2020-12-17 株式会社エナリス 電力管理システム、電力管理方法及び電力管理プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100018444A (ko) * 2008-08-06 2010-02-17 중앙대학교 산학협력단 실시간 지능 자율 부하관리 장치 및 방법
KR20160038946A (ko) * 2014-09-30 2016-04-08 한국전기연구원 주택용 부하 균등화를 위한 전력 소비 스케쥴 결정 방법
KR101838554B1 (ko) * 2017-03-24 2018-04-26 (주)성안 태양광 발전을 이용한 스마트 빌딩 도로 결빙 및 에너지 실시간 관리 시스템
KR20190120862A (ko) 2018-04-17 2019-10-25 (주)지이오정보통신 스마트 그리드 전력제어 시스템
JP2020201867A (ja) * 2019-06-13 2020-12-17 株式会社エナリス 電力管理システム、電力管理方法及び電力管理プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023204331A1 (ko) * 2022-04-22 2023-10-26 엘지전자 주식회사 Ess 기반 인공 지능 장치 및 그의 전자기기 제어 방법

Also Published As

Publication number Publication date
KR102374663B9 (ko) 2022-07-18

Similar Documents

Publication Publication Date Title
Mason et al. A review of reinforcement learning for autonomous building energy management
Luo et al. A multistage home energy management system with residential photovoltaic penetration
Yang et al. Reinforcement learning for optimal control of low exergy buildings
Korkas et al. Grid-connected microgrids: Demand management via distributed control and human-in-the-loop optimization
Bruni et al. A study on the energy management in domestic micro-grids based on model predictive control strategies
Fairley Energy storage: Power revolution
Squartini et al. Optimization algorithms for home energy resource scheduling in presence of data uncertainty
Orsi et al. Smart home energy planning using IoT and the cloud
Candanedo et al. Near-optimal transition between temperature setpoints for peak load reduction in small buildings
CN104062958A (zh) 一种基于动态负荷管理的居家智能优化方法
GR1010085B (el) Μεθοδος για βελτιωμενη διαχειριση της ενεργειας ενος σχεδον ενεργειακα αυτοδυναμου κτιριου
US20190324415A1 (en) Packetized Energy Management Control Systems and Methods of Using the Same
Wahid et al. An enhanced approach of artificial bee colony for energy management in energy efficient residential building
KR102374663B1 (ko) 전력 관리 장치 및 방법
Chen et al. Improving power quality efficient in demand response: Aggregated heating, ventilation and air-conditioning systems
Zhang et al. Stochastic unit commitment with air conditioning loads participating in reserve service
Velik Cognitive architectures as building energy management system for future renewable energy scenarios–A work in progress report
Mai et al. Model predictive control based on thermal dynamic building model in the demand-side management
Sarkar et al. Concurrent Carbon Footprint Reduction (C2FR) Reinforcement Learning Approach for Sustainable Data Center Digital Twin
CN116151032B (zh) 住宅建筑动态负荷柔性潜力计算方法、装置、设备及介质
Kyriakou et al. Optimal frequency support method for urban microgrids of building prosumers
US20150097531A1 (en) System and method for controlling networked, grid-level energy storage devices
JP7178478B2 (ja) 分散予測によって電力網を最適化するための技術
Long et al. Model predictive control for household energy management based on individual habit
Michailidis et al. Improving energy savings and thermal comfort in large-scale buildings via adaptive optimization

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]
G170 Re-publication after modification of scope of protection [patent]