KR102440060B1 - 확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법 - Google Patents

확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법 Download PDF

Info

Publication number
KR102440060B1
KR102440060B1 KR1020150154796A KR20150154796A KR102440060B1 KR 102440060 B1 KR102440060 B1 KR 102440060B1 KR 1020150154796 A KR1020150154796 A KR 1020150154796A KR 20150154796 A KR20150154796 A KR 20150154796A KR 102440060 B1 KR102440060 B1 KR 102440060B1
Authority
KR
South Korea
Prior art keywords
distributed
response
resources
distributed resource
resource
Prior art date
Application number
KR1020150154796A
Other languages
English (en)
Other versions
KR20160062684A (ko
Inventor
유윤식
이일우
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to US14/947,349 priority Critical patent/US10404063B2/en
Publication of KR20160062684A publication Critical patent/KR20160062684A/ko
Application granted granted Critical
Publication of KR102440060B1 publication Critical patent/KR102440060B1/ko

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
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명의 실시예에 따른 확률적 모델 기반의 가상 분산 자원 관리시스템은 복수의 분산 자원들로부터 분산 자원 상태 정보를 수집하는 자원 수집부; 및 상기 자원 수집부에 의해 수집된 분산 자원 상태정보를 이용하여 상기 복수의 분산 자원들을 모니터링하고 상기 복수의 분산 자원들 각각의 가용성 및 응동 확률을 산출하여 분산 자원을 응동시키는 가상 분산 자원 관리서버를 포함할 수 있다.ㅕ

Description

확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법{Probabilistic Model-based Distributed Resource Management System and Method thereof}
본 발명은 확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법에 관한 것으로, 보다 상세하게는 분산 에너지 자원을 효율적으로 통합 관리할 수 있는 기술에 관한 것이다.
기존의 분산된 에너지 자원은 전력 계통에서 에너지를 제공받지 못할 경우에 건물 내 또는 일부 지역에서 국소적으로 발전 자원을 설치하고 그 발전 자원을 통하여 에너지 수급을 하였다.
그런데, 이러한 종래의 분산 에너지 자원 관리 기술에서는 분산 자원의 에너지를 공급할 수 있는 건물 내 또는 인접 지역에만 분산된 발전 자원의 에너지를 공급할 수 있는 문제점이 있다.
특히 이종의 분산 에너지 자원과 넓은 지역에 무수히 설치되어 있는 분산 에너지 자원을 에너지 발전 자산 측면에서도 통합적으로 관리되고 있지 않아서, 비상시에 활용할 수 있는 분산 에너지 자원의 활용도도 저하되고 있는 실정이다. 이로 인하여 분산 에너지 자원의 효율적 관리와 에너지 공급의 한계에 부딪히고 있다.
따라서, 분산 에너지 자원의 체계적이고 계층적인 형상의 에너지 발전 자산으로 관리가 필요할 뿐만 아니라, 비상시 필요한 에너지 수급을 위한 분산 자원의 상태를 실시간으로 모니터링하여 확률적으로 안정적인 분산 수요 및 발전 자원으로 공급할 수 있도록 확률적 모델 근간의 자원을 관리할 필요가 있다.
특허공개번호 KR 2014-0076037호
본 발명의 실시예는 분산 에너지 자원을 주기적으로 모니터링하여 수용가가 비상 시 또는 전력 피크시에 전력계통으로부터 에너지 수급을 받지 못할 경우에 분산되어 있는 에너지 자원을 기반으로 발전 자원의 상태를 관리하여 수용가에 에너지를 안정적으로 제공할 수 있는 확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법을 제공하고자 한다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따른 확률적 모델 기반의 가상 분산 자원 관리시스템은 복수의 분산 자원들로부터 분산 자원 상태 정보를 수집하는 자원 수집부; 및 상기 자원 수집부에 의해 수집된 분산 자원 상태정보를 이용하여 상기 복수의 분산 자원들을 모니터링하고 상기 복수의 분산 자원들 각각의 가용성 및 응동 확률을 산출하여 분산 자원을 응동시키는 가상 분산 자원 관리서버를 포함할 수 있다.
또한, 가상 분산 자원 관리서버로부터 응동 가능 자원 보고를 받으면, 상기 분산 자원들 중 응동 가능한 분산 자원의 운용 비용을 분석하고 그 결과를 상기 가상 분산 자원 관리서버로 제공하는 가상 분산 자원 운용 서버를 더 포함할 수 있다.
상기 가상 분산 자원 관리서버는, 상기 자원 수집부와 연동하여 상기 복수의 분산 자원들의 상태를 모니터링하는 모니터링부; 상기 복수의 분산 자원들의 히스토리와 상기 자원 수집부로부터 수신한 분산 자원 상태정보를 이용하여 각 분산 자원들의 가용 여부를 분석하는 가용성 분석부; 상기 복수의 분산 자원들의 응동 성공 확률을 계산하고 각 분산 자원들의 응동 성공 확률이 기준치 이상인지를 판단하는 응동 확률 계산부; 및 상기 복수의 분산 자원들 중 응동 성공 확률이 기준치 이상인 분산 자원들 중 목표 지점에 인접한 분산자원들에 대한 프로파일을 저장 및 관리하는 프로파일 관리부를 포함할 수 있다.
상기 가용성 분석부는, 상기 복수의 분산 자원들의 과거 응동 시간, 응동 조건 및 현재의 분산 자원의 발전 상태, 통신 상태 중 적어도 하나 이상을 이용하여 가용성을 분석할 수 있다.
상기 분산 자원 관리 서버는, 상기 목표 지점에 인접한 분산자원들을 클러스터링하고, 상기 분산자원들을 스케줄링하는 스케줄링부; 및 상기 스케줄링에 따라 해당하는 분산자원들로 응동을 요청하는 응동 요청부를 포함할 수 있다.
상기 응동 확률 계산부는 상기 분산 자원들의 응동 응답 횟수를 응동 요청 횟수로 나누어 응동 성공 확률을 산출하고, 응동 성공 확률이 모든 분산자원들의 평균 응동 성공 확률보다 높은지를 판단하여, 응동 성공 확률이 평균 응동 성공 확률보다 높은 분산 자원을 리스트업 할 수 있다.
상기 스케줄링부는, 상기 응동 성공 확률이 기준치 이상인 분산자원 중 목표지점과 인접한 지역의 분산자원만으로 스케줄링이 가능한지 판단하고, 불가능한 경우 상기 목표지점과 인접한 지역 외의 분산 자원을 포함하여 스케줄링을 할 수 있다.
본 발명의 실시예에 따른 확률적 모델 기반의 가상 분산 자원 관리 방법은 분산 자원들로부터 분산 자원 상태 정보를 수집하여 분산 자원들을 모니터링하는 단계; 분산 자원 상태 정보 및 상기 분산 자원들의 히스토리 정보를 이용하여 상기 분산 자원들의 가용성을 분석하는 단계; 상기 분산 자원들의 응동 성공 확률을 계산하는 단계; 상기 응동 성공 확률을 기반으로 목표 지점에 인접한 분산 자원을 리스트업 하는 단계; 상기 리스트업 된 분산자원들을 이용하여 구동 스케줄링을 하는 단계; 및 상기 구동 스케줄링에 따라 분산 자원을 클러스터링하여 응동하는 단계를 포함할 수 있다.
상기 구동 스케줄링을 하는 단계는, 상기 목표 지점에 인접한 분산 자원으로 상기 목표지점의 에너지 공급이 부족한 경우, 상기 목표지점에 인접한 지역 외의 분산 자원을 포함시켜 구동 스케줄링을 하는 단계를 더 포함할 수 있다.
상기 분산 자원들의 응동 성공 확률을 계산하는 단계는, 각 분산 자원에 대한 응동 응답 횟수를 응동 요청 횟수로 나누어 응동 성공 확률을 계산할 수 있다.
상기 리스트업 된 분산자원들을 이용하여 구동 스케줄링을 하는 단계는, 각 분산 자원마다 계산된 응동 성공 확률이 상기 분산 자원들의 평균 응동 확률보다 큰 분산 자원을 리스트업 할 수 있다.
상기 분산 자원들의 가용성을 분석하는 단계; 상기 분산 자원의 현재의 충전 상태, 통신 상태, 구동 연료 상태, 과거의 응동 시점, 응동 시기 중 적어도 하나 이상의 정보를 이용하여 상기 가용성 여부를 판단할 수 있다.
상기 리스트업 된 분산자원들을 이용하여 구동 스케줄링을 하는 단계는, 상기 분산자원들의 운용 비용을 분석하여 그 결과에 따라 구동 스케줄링을 할 수 있다.
본 기술은 분산 에너지 자원을 기반으로 발전 자원의 자산을 실시간을 모니터링하여 비상시 또는 전력 피크시 응동 확률이 높은 분산 수요 자원을 응동 자산으로 계층적으로 관리하고, 비상시 또는 전력 피크 시 수용가에 에너지 수급 패턴에 적합하고 공급지역에 인접한 발전 자원을 확보하여 가상발전 에너지를 클러스터링하여 안정적인 에너지를 제공해 줄 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 확률적 모델 기반의 가상 자원 관리 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 자원 관리 서버의 세부 구성도이다.
도 3은 본 발명의 실시예에 따른 확률적 모델 기반의 가상 자원 관리 시스템의 분산 자원 응동 방법을 나타내는 순서도이다.
도 4는 본 발명의 실시예에 따른 가상 분산 자원 관리 서버의 분산 자원 관리 방법을 나타내는 순서도이다.
도 5a는 본 발명의 실시예에 따른 제 1 분산 자원의 발전 패턴과 발전 시점을 나타내는 그래프이다.
도 5b는 본 발명의 실시예에 따른 제 2 분산 자원의 발전 패턴과 발전 시점을 나타내는 그래프이다.
도 5c는 본 발명의 실시예에 따른 제 3 분산 자원의 발전 패턴과 발전 시점을 나타내는 그래프이다.
도 5d는 본 발명의 실시예에 따른 제 4 분산 자원의 발전 패턴과 발전 시점을 나타내는 그래프이다.
도 6은 본 발명의 실시예에 따른 분산 자원의 응동 스케쥴링의 근사화 방법을 설명하기 위한 그래프이다.
도 7은 본 발명의 실시예에 따른 분산 자원 관리 시스템을 적용한 컴퓨터 시스템의 구성도이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 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 가진다. 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.
본 발명은 분산 에너지 자원의 상태를 실시간으로 모니터링하고, 평상 시에 응동하는 분산 자원의 프로파일과 응동 성공 횟수 및 인접 지역 조건을 판별하여 전력 피크 또는 비상시에 확률적으로 보다 안정적인 에너지 클러스터링을 통하여 최적의 운용비용으로 수용가에 분산 에너지를 제공하도록 분산 에너지 자원을 자산으로 관리 하는 방법 및 그 시스템을 제공한다.
이하, 도 1 내지 도 7을 참조하여, 본 발명의 실시예들을 구체적으로 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 확률적 모델 기반의 가상 자원 관리 시스템의 구성도이다.
본 발명의 실시예에 따른 확률적 모델 기반의 가상 자원 관리 시스템은 가상 분산 자원 관리서버(100), 가상 분산 자원 관리서버(100)와 인터넷망을 통해 연결되는 복수개의 자원 수집부(200), 복수개의 자원 수집부(200)에 의해 각각 관리되는 복수개의 분산 에너지 자원(300), 가상 분산 자원 운용서버(400)를 포함한다.
가상 분산 자원 관리서버(100)는 수용가에 비상시 또는 전력 피크시 수용가에 안정적인 에너지를 공급한다. 즉, 가상 분산 자원 관리서버(100)는 각각의 분산 에너지 자원(300)을 계층적으로 발전 자원 자산으로 관리하고 가상적으로 에너지 자원을 클러스터링하여 최적 운용 비용으로 수용가에 에너지를 공급할 수 있도록 한다. 이때, 수용가는 전력을 필요로 하는 주택, 공장, 건물 등을 의미한다. 이를 위해 가상 분산 자원 관리서버(100)는 자원 수집부(200)를 통해 분산 자원의 상태정보를 수집하여 분산 자원의 상태를 모니터링하고 분산 자원의 상태정보 및 히스토리 정보를 이용하여 분산 자원의 가용성을 분석한 후 가용이 가능한 분산 자원에 대해 응동 성공 확률을 계산하여 응동 성공 확률이 기준치 이상인 분산자원을 리스트업 한 후 리스트 업된 분산 자원들을 이용하여 구동 스케줄링을 하여 해당 분산 자원들을 클러스터링으로 응동한다.
자원 수집부(200)는 분산 에너지 자원(300)을 물리적으로 클러스터링하고 분산 에너지 자원에 대한 상태 정보를 인터넷망을 통해 가상 분산 자원 관리서버(100)로 제공한다.
분산 에너지 자원(300)은 수용가에 제공되는 에너지 자원들 및 분산 에너지 자원을 제어하는 분산 에너지 자원 컨트롤러를 포함한다. 분산 에너지 자원의 예로 신재생 에너지(태양광, 풍력 등), 열병합 에너지, 비상 발전기, 에너지 저장 장치 등을 포함하며, 이러한 다양한 분산 에너지 자원은 건물 내 또는 지역 근처에 구축되어 있을 수 있다.
가상 분산 자원 운용서버(400)는 가상 분산 자원 관리서버(100)와 연동하여 응동 가능한 분산 자원들의 운용 비용을 분석하여 최적의 비용을 갖는 분산 자원에 대한 히스토리 정보를 가상 분산 자원 관리서버(100)로 제공한다.
도 2는 본 발명의 실시예에 따른 자원 관리 서버(100)의 세부 구성도이다.
본 발명의 실시예에 따른 자원 관리 서버(100)는 모니터링부(110), 가용성 분석부(120), 응동 확률 계산부(130), 프로파일 관리부(140), 스케줄링부(150), 응동 요청부(160)를 구비한다.
모니터링부(110)는 자원 수집부(200)와 연동하여 복수의 분산 자원들의 상태를 모니터링한다.
가용성 분석부(120)는 복수의 분산 자원들의 히스토리 정보와 자원 수집부(200)로부터 수신한 분산 자원 상태정보를 이용하여 각 분산 자원들의 가용 여부를 분석한다. 가용성 분석부(120)는 복수의 분산 자원들의 과거 응동 시간, 응동 조건 및 현재의 분산 자원의 발전 상태, 통신 상태 중 적어도 하나 이상을 이용하여 가용성을 분석할 수 있다.
응동 확률 계산부(130)는 복수의 분산 자원들의 응동 성공 확률을 계산하고 각 분산 자원들의 응동 성공 확률이 기준치 이상인지를 판단한다. 응동 확률 계산부(130)는 분산 자원들의 응동 응답 횟수를 응동 요청 횟수로 나누어 응동 성공 확률을 산출하고, 응동 성공 확률이 모든 분산자원들의 평균 응동 성공 확률보다 높은지를 판단하여, 응동 성공 확률이 평균 응동 성공 확률보다 높은 분산 자원을 리스트업 하여 프로파일을 관리한다.
자산 프로파일 관리부(140)는 복수의 분산 자원들 중 응동 성공 확률이 기준치 이상인 분산 자원들 중 목표 지점에 인접한 분산자원들에 대한 프로파일을 저장 및 관리한다.
스케줄링부(150)는 목표 지점에 인접한 분산자원들을 클러스터링하고, 리스트업된 분산자원들을 스케줄링한다. 스케줄링부(150)는 응동 성공 확률이 기준치 이상인 분산자원 중 목표지점과 인접한 지역의 분산자원만으로 스케줄링이 가능한지 판단하고, 불가능한 경우 목표지점과 인접한 지역 외의 분산 자원을 포함하여 스케줄링을 한다.
응동 요청부(160)는 스케줄링에 따라 해당하는 분산자원들로 응동을 요청한다.
이하, 도 3을 참조하여 본 발명의 실시예에 따른 분산 에너지 자원의 가상발전 에너지 클러스터링을 위한 분산 자원 관리흐름을 설명하기로 한다.
먼저, 가상 분산 자원 관리서버(100)는 주기적으로 자원 수집부(200)로 분산 자원 상태 모니터링을 요청한다(S101).
이에 자원 수집부(200)는 다양한 분산 에너지 자원(300)에게 분산 자원 상태정보를 요청하고(S102, S103), 요청을 받은 분산 에너지 자원(300)은 분산 자원의 상태 정보를 자원 수집부(200)로 전달한다(S104, S105). 이때, 분산 자원 상태 정보는 발전 상태, 수동제어모드 여부, 충전 상태, 구동 연료 상태, 네트워킹 상태 등을 포함할 수 있다.
그 후, 자원 수집부(200)는 분산 에너지 자원(300)의 분산 자원의 상태 정보를 이용하여 분산 자원들의 응동 가능 여부에 대한 정보를 가상 분산 자원 관리서버(100)로 보고한다(S106). 이때, 자원 수집부(200)는 분산 자원의 충전 상태, 네트워킹(통신) 가능 여부, 수동 제어모드 여부 등에 따라 해당 분산 자원의 응동 가능 여부를 판단한다. 즉, 자원수집부(200)는 분산 자원의 충전 상태가 높은 경우, 네트워킹이 가능한 경우, 수동 제어모드가 아닌 경우 응동 가능 상태로 판단하고, 충전 상태가 낮거나 네트워킹이 불가능하거나 수동 제어 모드인 경우 응동 불가능 상태로 판단한다. 여기서, 수동 제어 모드란 원격제어가 아닌 작업자가 직접 현장에서 수동 제어 가능한 상태를 의미한다.
이어서, 가상 분산 자원 관리서버(100)는 자원 수집부(200)로부터 보고 받은 응동 가능 여부 정보 및 분산 자원 상태 정보를 이용하여 분산 자원의 상태를 인지하고 각 분산 자원의 응동 확률 기반 목표 지점에 인접한 분산자원의 프로파일을 관리한다(S107).
즉, 가상 분산 자원 관리서버(100)는 자원 수집부(200)로부터 보고 받은 응동 가능 여부 정보 및 분산 자원 상태 정보를 이용하여 분산자원의 위치 및 응동상태를 모니터링하면서 계속 최근의 정보로 갱신한다. 또한, 가상 분산 자원 관리서버(100)는 미리 저장한 각 분산자원에 대한 히스토리 정보와 자원 수집부(200)로부터 보고 받은 응동 가능 여부 정보 및 분산 자원 상태 정보를 이용하여 각 분산자원의 가용성을 분석한다. 또한, 가상 분산 자원 관리서버(100)는 비상시 또는 전력 피크시에 각 분산자원에 대한 응동이 가능할지를 확률적 모델을 기반으로 계산 한다. 또한 가상 분산 자원 관리서버(100)는 응동 성공 확률이 높은 분산 자원 중 목표지점과 인접한 지역의 분산자원의 프로파일을 클러스터링 및 관리한다. 이때, 목표지점은 에너지를 필요로 하는 수용가의 지역을 의미한다.
이 후, 가상 분산 자원 관리서버(100)는 가상 분산 자원 운용서버(400)로 응동 확률 기반으로 응동 가능한 분산 자원들에 대한 정보를 제공한다(S108).
이에, 가상 분산 자원 운용 서버(400)는 응동이 가능한 분산자원 자산의 운용 비용의 최적점을 분석한다(S109). 이때, 가상 분산 자원 운용 서버(400)는 목표지점으로부터 해당 분산자원까지의 거리, 해당 분산자원의 연료 등의 정보를 이용하여 운용 비용을 분석할 수 있다.
이어, 가상 분산 자원 운용 서버(400)는 분산 자원의 운용 비용 등을 포함한 응동 히스토리(History) 정보를 가상 분산 자원 관리서버(100)로 제공한다(S110).
그 후 가상 분산 자원 관리서버(100)는 가상 분산 자원 운용 서버(400)로부터 수신한 응동 히스토리 정보, 목표 지점에 인접한 분산 자원의 프로파일 정보를 이용하여 분산 자원을 스케줄링하고 해당 분산 자원을 클러스터링한다(S111).
이 후, 가상 분산 자원 관리서버(100)는 분산자원 스케줄링 계획에 따라 각각의 분산 자원(301,..., 300m)에 대해 발전자원 구동을 요청하고(S112, S113), 각각의 분산 자원(301,..., 300m)으로부터 응동 및 응동 결과를 수신한다(S114, S115). 이때, 가상 분산 자원 관리서버(100)는 분산자원 구동이 시작되는 히스토리 정보를 가상 분산 자원 운용 서버(400)에게 제공하여 관리하도록 할 수 있다.
이하, 도 4를 참조하여 본 발명의 실시예에 따른 가상 분산 자원 관리 서버의 분산 자원 관리 방법을 구체적으로 설명하기로 한다.
가상 분산 자원 관리서버(100)는 분산된 분산 자원의 상태를 주기적으로 모니터링한다(S201).
가상 분산 자원 관리서버(100)는 분산 자원의 상태정보 및 분산 자원의 히스토리 정보를 이용하여 분산 자원의 자산 가용 여부를 확인한다(S202). 즉, 가상 분산 자원 관리서버(100)는 분산 자원의 히스토리 정보를 이용하여 분산 자원의 과거 응동 시간, 응동 조건, 비상 시 응동 여부 등의 정보와 자원 수집부(200)로부터 수신한 분산 자원의 충전 상태, 네트워크(통신) 가능 여부 등의 정보를 이용하여 해당 분산 자원의 가용여부를 판단한다.
그후, 가상 분산 자원 관리서버(100)는 분산 자원의 응동 성공 확률을 계산한다(S203). 즉, 해당 분산 자원의 응동 성공 확률은 응동 응답 횟수를 응동 요청횟수로 나누어 산출할 수 있다. 가상 분산 자원 관리서버(100)는 분산 자원의 응동 성공 확률이 모든 분산 자원들의 평균 응동 확률보다 높은지를 판단한다. 즉 응동 성공 확률이 평균 응동 확률보다 높으면 성공 확률이 높은 것으로 판단하고 비상 시 또는 전력 피크 시 이용할 있는 분산자원으로 리스트업한다.
이어, 가상 분산 자원 관리서버(100)는 응동 성공률이 높은 분산 자원들 중 에너지를 공급받을 목표지점에 인접 되어 있는 분산자원들의 프로파일을 관리 및 클러스터링한다(S204).
즉, 가상 분산 자원 관리서버(100)는 비상시 또는 전력 피크 시 응동확률이 기준치 이상일 경우 목표지점에 인접되어 있는 발전자원을 클러스터링하고, 비상시 또는 전력 피크 시 응동확률이 기준치 미만일 경우 상기 과정 S201의 단계로 다시 돌아가 발전자원의 자산 가용여부를 계속 확인한다.
이처럼, 가상 분산 자원 관리서버(100)는 분산 자원을 클러스터링한 후, 응동 가능한 분산 자원의 가동 스케쥴을 계획(Planning)한다(S205). 이때 다양한 분산 에너지 자원의 발전량, 발전 지속 시간, 발전 안정도 등의 변수를 고려하여 응동 시점을 조정할 수 있다.
이때, 인접한 분산 자원만으로 원하는 만큼의 에너지 공급이 가능한지를 판단하고(S206), 인접한 분산 자원만으로 원하는 만큼의 에너지 공급이 불가능한 경우 인접지역 외의 분산자원 중 응동 성공 확률이 평균 응동 확률보다 높은 분산 자원들을 포함하여 스케줄링을 한다(S207).
이처럼 응동 스케쥴이 결정되면 가상 분산 자원 관리서버(100)는 스케줄링대로 분산 자원을 클러스터링하고(S208), 분산 자원 응동 히스토리 정보를 저장한다(S209).
그 후 해당 분산 자원들로 응동을 요청한다(S210). 이때, 분산 에너지 자원의 다양한 특성으로 인하여 독립적으로 한가지 종류의 분산 자원에 발전 응동을 요청 시 안정적인 에너지를 공급하기 어렵기 때문에 클러스터링으로 응동하도록 한다.
이후 가상 분산 자원 관리서버(100)는 비상시에 발생될 수도 있는 에너지 수급을 위해서 구동된 발전자원의 응동 히스토리(History)를 가상 분산 자원 운용 서버(400)로 제공하여 저장함으로써 최적 운용 비용으로 분산 자원을 구동할 수 있도록 그 이력을 관리할 수 있다.
도 5a 내지 도 5d는 본 발명의 실시예에 따른 다양한 분산 자원의 발전 패턴과 발전 시점을 나타낸다. 본 발명에서는 분산 에너지 자원의 발전 특성과 응동 확률을 이용하여 비상시 최적의 운용 비용으로 에너지 수급이 가능하다. 결국 다양한 분산 에너지 자원이 동일 지역에 존재하여 발전 자원이 가용 하다면, n개의 분산 에너지 자원을 클러스터링으로 사용할 수 있게 된다.
그러나, 다양한 분산 에너지 자원이 동일 지역에 존재하지 않으면 최적의 가용 자원을 가상발전 에너지로 구성하여 에너지를 수급하도록 한다. 여기서 각 분산 자원인 X의 확률질량함수가 아래 수학식 1과 같다.
Figure 112015107561404-pat00001
X는 이항 (n, p) 랜덤변수로 정의할 수 있다. 여기서 p는
Figure 112015107561404-pat00002
의 범위 안에 있고, n은
Figure 112015107561404-pat00003
인 정수이다. 응동 성공 확률이 p인 n번의 독립시행에서 성공 횟수는 항상 이항 랜덤변수가 된다. 일반적으로 이항 (n, p) 랜덤변수에 대해서 n은 시행의 횟수이고, p는 응동 성공 확률이다.
도 5b는 두번째 분산 자원에 대한 응동 성공 확률 모델이고 도 5c는 마지막에서 두번째 분산 자원에 대한 응동 성공 확률 모델을 정의하고 도 5d는 마지막 분산 자원에 대한 응동성공 확률 모델을 정의한 예시이다. 이러한 확률 모델은 본 발명에서 제시한 확률 모델로 한정되지 않고 다양한 방법으로 정의될 수 있다.
도 6은 분산 발전자원의 응동 스케쥴링의 근사화 방법을 나타낸다. 도 5와 같이 랜덤변수 X의 누적분포함수를 아래 수학식 2와 같이 정의할 수 있다.
Figure 112015107561404-pat00004
즉, 임의의 실수 x에 대해 누적분포함수는 랜덤변수 X가 x보다 크지 않을 확률을 의미한다.
따라서, 모든
Figure 112015107561404-pat00005
에 대하여
Figure 112015107561404-pat00006
가 성립한다. 각각의 분산자원의 누적분포함수는 아래 수학식 3과 같이 표현할 수 있다.
Figure 112015107561404-pat00007
이때, 분산자원인 랜덤변수 X의 기대값을 유도할 수 있다. 즉, 측정값을 전부 더해서 항의 수로 나누는 것에 해당되므로 랜덤변수 X의 기대값에 대한 표기는
Figure 112015107561404-pat00008
또는
Figure 112015107561404-pat00009
로 할 수 있다. 따라서, X의 기대값은
Figure 112015107561404-pat00010
으로 정의한다. 결국 이항 (n, p) 랜덤변수 X에 대해 기대값은
Figure 112015107561404-pat00011
이 된다. 그러므로, 각각의 분산자원의 응동 기대값은 아래 수학식 4와 같다.
Figure 112015107561404-pat00012
도 6과 같은 추이의 그래프를 나타내는 발전 자원의 특성을 고려하여 [a, b] 구간에서 응동 확률이 높은 분산 자원을 준비하고, 목표 지점에서 인접한 분산 자원을 분산 자원 프로파일(Profile)에서 추출하여 수용가에 에너지를 안정적으로 제공해 주어야 한다. 이때, [a, b] 구간에 응동 확률이 높은 분산 자원 자산이 복수 개일 경우에는 분산 자원을 클러스터링하여 응동하도록 한다. 만약에 [a, b] 구간과 [e, g] 구간에 응동할 확률이 높은 분산 자원이 존재하지만, [b, e] 구간에 응동할 확률이 높은 분산 자원이 없을 경우에는 [b, e] 구간을 포함하는 [c, d] 구간에 응동할 확률이 높은 분산 자원이 존재한다면 해당 분산 자원을 연속적으로 응동하여 수용가에 에너지를 제공할 수 있도록 한다. 즉, 응동 확률이 높은 분산 자원을 선택하여 목표지점에 인접한 분산자원끼리 클러스터링하고 에너지 저장 장치 또는 기타 분산 에너지 자원을 이용한 가상 발전 에너지의 수급 계획을 최적화시킨다.
이와 같이, 본 발명은 분산 에너지 자원을 주기적으로 모니터링하여 수용가가 비상시 또는 전력 피크시에 전력계통으로부터 에너지 수급을 받지 못할 경우에 분산되어 있는 에너지 자원을 기반으로 발전 자원의 상태를 관리하여 수용가에 에너지를 안정적인 제공할 수 있도록 최적의 운용비용으로 가상발전 에너지를 클러스터링하여 공급할 수 있다.
도 7은 본 발명의 실시예에 따른 분산 자원 관리 시스템을 적용한 컴퓨터 시스템의 구성도이다.
도 7을 참조하면, 컴퓨팅 시스템(1000)은 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.
프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다.
예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 가상 분산 자원 관리서버
200 : 자원 수집부
300 : 분산 에너지 자원
400 : 가상 분산 자원 응용서버
110 : 모니터링부
120 : 가용성 분석부
130 : 응동 확률 계산부
140 : 프로파일 관리부
150 : 스케줄링부
160 : 응동 요청부

Claims (13)

  1. 복수의 분산 자원들로부터 분산 자원 상태 정보를 수집하는 자원 수집부; 및
    상기 자원 수집부에 의해 수집된 분산 자원 상태정보를 이용하여 상기 복수의 분산 자원들을 모니터링하고 상기 복수의 분산 자원들 각각의 가용성 및 응동 확률을 산출하고, 상기 가용성 및 응동 확률을 고려하여 분산 자원을 응동시키는 가상 분산 자원 관리서버
    를 포함하고,
    상기 가상 분산 자원 관리서버는
    시간 구간 별 상기 응동 확률을 기반으로 상기 분산 자원들을 클러스터링하고, 상기 분산 자원들을 스케줄링하는 스케줄링부를 포함하고,
    상기 스케줄링부는
    기설정된 시간 구간 별로 상기 응동 확률이 기준치 이상인 분산 자원들을 스케줄링하되, 어느 시간 구간 내에서 상기 응동 확률이 기준치 이상인 분산 자원이 없는 경우에는 상기 어느 시간 구간 및 상기 어느 시간 구간에 연속되는 적어도 하나의 시간 구간을 포함하는 확장된 시간 구간을 결정하고, 상기 적어도 하나의 시간 구간 내에서 상기 응동 확률이 기준치 이상인 분산 자원들을 상기 확장된 시간 구간에 포함된 시간 구간들에 연속되도록 스케줄링하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  2. 청구항 1에 있어서,
    가상 분산 자원 관리서버로부터 응동 가능 자원 보고를 받으면, 상기 분산 자원들 중 응동 가능한 분산 자원의 운용 비용을 분석하고 그 결과를 상기 가상 분산 자원 관리서버로 제공하는 가상 분산 자원 운용 서버
    를 더 포함하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  3. 청구항 1에 있어서,
    상기 가상 분산 자원 관리서버는,
    상기 자원 수집부와 연동하여 상기 복수의 분산 자원들의 상태를 모니터링하는 모니터링부;
    상기 복수의 분산 자원들의 히스토리와 상기 자원 수집부로부터 수신한 분산 자원 상태정보를 이용하여 각 분산 자원들의 가용 여부를 분석하는 가용성 분석부;
    상기 복수의 분산 자원들의 응동 성공 확률을 계산하고 각 분산 자원들의 응동 성공 확률이 기준치 이상인지를 판단하는 응동 확률 계산부; 및
    상기 복수의 분산 자원들 중 응동 성공 확률이 기준치 이상인 분산 자원들 중 목표 지점에 인접한 분산자원들에 대한 프로파일을 저장 및 관리하는 프로파일 관리부;
    를 포함하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  4. 청구항 3에 있어서,
    상기 가용성 분석부는,
    상기 복수의 분산 자원들의 과거 응동 시간, 응동 조건 및 현재의 분산 자원의 발전 상태, 통신 상태 중 적어도 하나 이상을 이용하여 가용성을 분석하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  5. 청구항 3에 있어서,
    상기 가상 분산 자원 관리서버는,
    상기 스케줄링에 따라 해당하는 분산자원들로 응동을 요청하는 응동 요청부
    를 더 포함하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  6. 청구항 3에 있어서,
    상기 응동 확률 계산부는
    상기 분산 자원들의 응동 응답 횟수를 응동 요청 횟수로 나누어 응동 성공 확률을 산출하고, 응동 성공 확률이 모든 분산자원들의 평균 응동 성공 확률보다 높은지를 판단하여, 응동 성공 확률이 평균 응동 성공 확률보다 높은 분산 자원을 리스트업 하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  7. 청구항 5에 있어서,
    상기 스케줄링부는,
    상기 응동 성공 확률이 기준치 이상인 분산자원 중 목표지점과 인접한 지역의 분산자원만으로 스케줄링이 가능한지 판단하고, 불가능한 경우 상기 목표지점과 인접한 지역 외의 분산 자원을 포함하여 스케줄링을 하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리시스템.
  8. 확률적 모델 기반의 가상 분산 자원 관리를 위한 자원 관리 서버가,
    분산 자원들로부터 분산 자원 상태 정보를 수집하여 분산 자원들을 모니터링하는 단계;
    분산 자원 상태 정보 및 상기 분산 자원들의 히스토리 정보를 이용하여 상기 분산 자원들의 가용성을 분석하는 단계;
    상기 분산 자원들의 응동 성공 확률을 계산하는 단계;
    상기 응동 성공 확률을 기반으로 목표 지점에 인접한 분산 자원을 리스트업 하는 단계;
    상기 리스트업 된 분산자원들을 이용하여 구동 스케줄링을 하는 단계; 및
    상기 구동 스케줄링에 따라 분산 자원을 클러스터링하여 응동하는 단계;
    를 포함하고,
    상기 구동 스케줄링을 하는 단계는
    기설정된 시간 구간 별로 상기 응동 성공 확률이 기준치 이상인 분산 자원들을 스케줄링하되, 어느 시간 구간 내에서 상기 응동 성공 확률이 기준치 이상인 분산 자원이 없는 경우에는 상기 어느 시간 구간 및 상기 어느 시간 구간에 연속되는 적어도 하나의 시간 구간을 포함하는 확장된 시간 구간을 결정하고, 상기 적어도 하나의 시간 구간 내에서 상기 응동 성공 확률이 기준치 이상인 분산 자원들을 상기 확장된 시간 구간에 포함된 시간 구간들에 연속되도록 스케줄링하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리 방법.
  9. 청구항 8에 있어서,
    상기 구동 스케줄링을 하는 단계는,
    상기 목표 지점에 인접한 분산 자원으로 상기 목표지점의 에너지 공급이 부족한 경우, 상기 목표지점에 인접한 지역 외의 분산 자원을 포함시켜 구동 스케줄링을 하는 단계;
    를 더 포함하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리 방법.
  10. 청구항 9에 있어서,
    상기 분산 자원들의 응동 성공 확률을 계산하는 단계는,
    각 분산 자원에 대한 응동 응답 횟수를 응동 요청 횟수로 나누어 응동 성공 확률을 계산하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리 방법.
  11. 청구항 9에 있어서,
    상기 리스트업 된 분산자원들을 이용하여 구동 스케줄링을 하는 단계는,
    각 분산 자원마다 계산된 응동 성공 확률이 상기 분산 자원들의 평균 응동 확률보다 큰 분산 자원을 리스트업 하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리 방법.
  12. 청구항 8에 있어서,
    상기 분산 자원들의 가용성을 분석하는 단계;
    상기 분산 자원의 현재의 충전 상태, 통신 상태, 구동 연료 상태, 과거의 응동 시점, 응동 시기 중 적어도 하나 이상의 정보를 이용하여 상기 가용성 여부를 판단하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리 방법.
  13. 청구항 8에 있어서,
    상기 리스트업 된 분산자원들을 이용하여 구동 스케줄링을 하는 단계는,
    상기 분산자원들의 운용 비용을 분석하여 그 결과에 따라 구동 스케줄링을 하는 것을 특징으로 하는 확률적 모델 기반의 가상 분산 자원 관리 방법.
KR1020150154796A 2014-11-25 2015-11-04 확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법 KR102440060B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/947,349 US10404063B2 (en) 2014-11-25 2015-11-20 Probabilistic model-based virtual distributed resource management system and method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20140165591 2014-11-25
KR1020140165591 2014-11-25

Publications (2)

Publication Number Publication Date
KR20160062684A KR20160062684A (ko) 2016-06-02
KR102440060B1 true KR102440060B1 (ko) 2022-09-06

Family

ID=56135784

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150154796A KR102440060B1 (ko) 2014-11-25 2015-11-04 확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102440060B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102162596B1 (ko) * 2019-05-29 2020-10-07 가천대학교 산학협력단 가상발전소 운영을 위한 계층적 분산전원의 효율적 운영 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010178504A (ja) * 2009-01-29 2010-08-12 Tokyo Gas Co Ltd 分散型電源を用いた給電方法及び給電プログラム
JP2013090344A (ja) * 2011-10-13 2013-05-13 Hitachi Ltd 電力融通方法及び電力融通装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101341484B1 (ko) * 2009-08-26 2013-12-13 한국전자통신연구원 효율적인 전력망 운용을 위한 네트워크 구성과 배전 방법, 및 그 장치
KR20140076037A (ko) 2012-12-12 2014-06-20 한국전자통신연구원 수요측 분산 발전원 통합 에너지 관리 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010178504A (ja) * 2009-01-29 2010-08-12 Tokyo Gas Co Ltd 分散型電源を用いた給電方法及び給電プログラム
JP2013090344A (ja) * 2011-10-13 2013-05-13 Hitachi Ltd 電力融通方法及び電力融通装置

Also Published As

Publication number Publication date
KR20160062684A (ko) 2016-06-02

Similar Documents

Publication Publication Date Title
US10128684B2 (en) Energy control via power requirement analysis and power source enablement
JP5822948B2 (ja) 異主体間連携による資源融通方式
US10613492B2 (en) Method and system for providing flexible reserve power for power grid
EP3221666B1 (en) Automatic system for monitoring electric power consumption
JP7161268B2 (ja) 電力グリッド内の相互に依存する不確かな資源の組み合わされた影響の定量化
Ahmed et al. Optimal power management with guaranteed minimum energy utilization for solar energy harvesting systems
KR101633969B1 (ko) 상황인식 기반의 빌딩 에너지 관리 시스템 및 그를 이용한 빌딩 에너지 관리 방법
US10333307B2 (en) Machine learning based demand charge
KR20190063198A (ko) 에너지 수요 동적 관리 시스템 및 그 동작방법
US9810443B2 (en) Devices, methods, and systems for data-driven acceleration of deployed services
Pinto et al. Coping with wind power uncertainty in unit commitment: A robust approach using the new hybrid metaheuristic deepso
JP6635895B2 (ja) 電力需要制御システム、電力需要制御方法、アグリゲータシステム、需要家電力管理システム、及びプログラム
WO2018203423A1 (ja) 電力管理装置及びプログラム
KR102440060B1 (ko) 확률적 모델 기반의 가상 분산 자원 관리시스템 및 그 방법
US20150097531A1 (en) System and method for controlling networked, grid-level energy storage devices
US10404063B2 (en) Probabilistic model-based virtual distributed resource management system and method thereof
Yu et al. On certainty equivalence of demand charge reduction using storage
Sun et al. A dynamic distributed energy storage control strategy for providing primary frequency regulation using multi‐armed bandits method
Nikovski et al. Factored markov decision process models for stochastic unit commitment
KR102373507B1 (ko) 우선순위 기반 계층적 분산 자원 관리시스템
US11128166B2 (en) Predictive operational planning in a microgrid taking into account high-load time windows of a main electricity grid
JP7094312B2 (ja) 管理装置、装置、電力機器の管理方法、プログラムおよび記憶媒体
CN110955728A (zh) 用电数据传输方法、服务器及存储介质
JP2020054053A (ja) 情報処理装置及び情報処理方法
KR102498340B1 (ko) Bems 기반으로 히트 펌프들의 운용 스케줄을 결정 위한 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant