KR102492456B1 - 전력량 예측 기반 분산자원 중개거래 플랫폼 장치 - Google Patents

전력량 예측 기반 분산자원 중개거래 플랫폼 장치 Download PDF

Info

Publication number
KR102492456B1
KR102492456B1 KR1020210161891A KR20210161891A KR102492456B1 KR 102492456 B1 KR102492456 B1 KR 102492456B1 KR 1020210161891 A KR1020210161891 A KR 1020210161891A KR 20210161891 A KR20210161891 A KR 20210161891A KR 102492456 B1 KR102492456 B1 KR 102492456B1
Authority
KR
South Korea
Prior art keywords
power
amount
distributed resource
module
unit
Prior art date
Application number
KR1020210161891A
Other languages
English (en)
Inventor
진호승
정광래
정형민
Original Assignee
가나이엔지 주식회사
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 가나이엔지 주식회사 filed Critical 가나이엔지 주식회사
Priority to KR1020210161891A priority Critical patent/KR102492456B1/ko
Application granted granted Critical
Publication of KR102492456B1 publication Critical patent/KR102492456B1/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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Abstract

본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 기설정된 기간에 대하여 분산자원 발전소의 예측 전력량을 산출하는 예측부를 포함하는 전력량 예측 시스템; 상기 산출한 예측 전력량에 대하여 전력을 구매할 수용가의 전력 사용 패턴을 기반으로 시간대별 전력 공급 계획을 수립하는 계획 수립부; 및 상기 분산자원 발전소의 시간대별 예측 전력량 및 상기 전력 공급 계획을 기반으로 상기 분산자원 발전소의 시간대별 생산 전력량을 제어하는 전력 제어부를 포함하는 통합 관리 시스템을 포함하는 것을 특징으로 할 수 있다.

Description

전력량 예측 기반 분산자원 중개거래 플랫폼 장치 {Distributed resource brokerage trading platform device based on power generation forecasting}
본 발명은 분산자원 중개거래 플랫폼 장치에 관한 것으로, 더욱 상세하게는 수용가에 판매 예정인 전력량을 기반으로 분산자원 발전소의 전력 생산을 제어하는 전력량 예측 기반 분산자원 중개거래 플랫폼 장치에 관한 것이다.
전 세계적으로 기후 위기 이슈에 대응하여 각 국가별 국가 온실가스 감축 목표(NDC)를 계획하여 탄소 배출 감소를 실천하고 있으며, 우리나라 또한 2050탄소중립 시나리오를 계획하고, 이에 맞춰 배출한 온실가스를 재흡수하여 온실가스 배출량의 제로화를 목표로 하고 있다.
이를 위하여 화석 에너지를 줄이고 신재생 에너지를 늘리는 것이 중요한 과제로 대두되고 있으며, 대표적인 신재생 에너지는 화석연료를 대체하는 에너지원으로써 태양에너지, 풍력에너지가 있다.
그러나, 분산자원 및 분산자원 발전소의 관리 체계 부족으로 인해 생산 전력에 대하여 소비하지 못한 신재생 에너지의 잉여 전력이 증가하고 있어, 분산자원의 운영 효율이 낮은 문제점이 있다.
등록특허공보 제10-1949957호(2019.02.13.)
일반적으로 태양광 발전소, 풍력 발전소 등과 같은 신재생 에너지 발전소를 포함하는 분산자원 발전소는 전력시장을 이용하여 전력을 구매하는 판매 회사, 구역 전기 사업자 및 수용가 등에 의해 전력 판매량을 결정하게 되는데, 이와 같은 프로세스는 분산자원 발전소에서 생산하는 전력이 소비되지 못하여 남게 되는 문제점이 있다.
본 발명은 분산자원 발전소에서 생산하는 전력의 예측 전력량을 제공하고, 전력을 구매하는 판매 회사, 구역 전기 사업자 및 수용가 등에서 예측 전력량에 대하여 구매 예정인 전력량에 대응한 전력만을 생산함으로써 분산자원 발전소의 잉여 전력 생산을 방지하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 기설정된 기간에 대하여 분산자원 발전소의 예측 전력량을 산출하는 예측부를 포함하는 전력량 예측 시스템; 상기 산출한 예측 전력량에 대하여 전력을 구매할 수용가의 전력 사용 패턴을 기반으로 시간대별 전력 공급 계획을 수립하는 계획 수립부; 및 상기 분산자원 발전소의 시간대별 예측 전력량 및 상기 전력 공급 계획을 기반으로 상기 분산자원 발전소의 시간대별 생산 전력량을 제어하는 전력 제어부를 포함하는 통합 관리 시스템을 포함하는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 상기 전력 공급 계획은 상기 전력 사용 패턴을 기반으로 산출한 상기 수용가의 시간대별 사용 전력량의 비율을 상기 수용가가 상기 분산자원 발전소로부터 구매할 총 전력량에 적용하여 산정한 상기 분산자원 발전소에서 상기 수용가로 시간대별로 공급되는 전력량에 대한 공급 일정인 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 상기 예측부는, 기 설정된 기간에 대하여 예측된 기상 정보 및 모듈 상태 정보를 생산 전력 예측 알고리즘에 입력하여 기 설정된 기간의 분산전원 발전소의 예측 전력량을 산출하는 것을 특징으로 하는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 상기 전력량 예측 시스템은, 상기 생산 전력 예측 알고리즘 초기 학습 단계에서 수집된 기상 정보 및 모듈 상태 정보를 기반으로 산출한 분산전원 발전소의 전력량을 실제 계측한 분산전원 발전소의 전력량과 비교하여 산출한 차이지표를 기반으로 상기 예측 전력량을 보정하는 제어부를 더 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 상기 예측부는 기 설정된 기간에서의 분산자원 발전소의 시간대별 예측 전력량을 더 산출하는 것을 특징으로 할 수 있다.
본 발명에 의하여 분산자원 발전소가 분산자원 발전소의 예측 전력량에 대하여 수용가가 구매할 전력량에 대응한 양의 전력만을 생산함으로써 분산자원 발전소의 잉여 전력 생산을 방지하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치의 구성도.
도 2는 본 발명의 일 실시예에 따른 분산자원 발전소의 시간대별 생산 전력량 제어 순서도.
도 3은 본 발명의 일 실시예에 따른 전력량 예측 시스템의 구성도.
도 4는 본 발명의 일 실시예에 따른 예측 전력량 산출 레더차트.
도 5는 본 발명의 일 실시예에 따른 전력량 산출부의 기상 정보 및 모듈별 상태 정보 수신 주기 판단 순서도.
도 6은 본 발명의 일 실시예에 따른 유지보수 판단 순서도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하 첨부된 도면을 통해 본 발명의 일 실시예에 따른 전력량 예측 기반 분산자원 중개거래 플랫폼 장치에 대해 구체적으로 설명한다.
도 1을 참조하면, 전력량 예측 기반 분산자원 중개거래 플랫폼 장치는 기설정된 기간에 대하여 분산자원 발전소(20)의 예측 전력량을 산출하는 예측부(120)를 포함하는 전력량 예측 시스템(100), 예측부(120)에서 산출한 예측 전력량에 대하여 전력을 구매할 수용가(10)의 전력 사용 패턴을 기반으로 시간대별 전력 공급 계획을 수립하는 계획 수립부(240) 및 분산자원 발전소(20)의 시간대별 예측 전력량과 계획 수립부(240)에서 수립한 전력 공급 계획을 기반으로 분산자원 발전소(20)의 시간대별 생산 전력량을 제어하는 전력 제어부(250)를 포함하는 통합 관리 시스템(200)을 포함할 수 있다.
그리고, 통합 관리 시스템(200)은 예측부(120)에서 산출한 기설정된 기간에서의 분산자원 발전소(20)의 예측 전력량을 수집하는 전력량 정보 수집부(210), 전력량 정보 수집부(210)에서 수집한 예측 전력량을 수용가(10)에 제공하고, 예측 전력량에 대한 전력을 판매하는 분산자원 발전소(20)와 수용가(10)의 전력 거래를 중개하는 거래 중개부(220) 및 전력량 정보 수집부(210)에서 수집한 예측 전력량에 대하여 전력 구매할 수용가(10)의 전력 사용 패턴을 수집하는 수용가 정보 수집부(230)를 더 포함할 수 있다. 이 때 수용가 정보 수집부(230)가 수집하는 수용가(10)의 전력 사용 패턴은 예측부(120)에서 분산자원 발전소(20)의 예측 전력량이 산출된 기설정된 기간과 대응하는 기설정된 기간에서의 수용가(10)의 전력 사용 패턴일 수 있다.
도 2를 참조하면 먼저, 전력량 정보 수집부(210)는 예측부(120)로부터 분산자원 발전소(20)의 기설정된 기간에서의 예측 전력량을 수집할 수 있다(S201).
그리고 거래 중개부(220)는 분산자원 발전소(20)와 수용가(10)의 전력 거래를 중개할 수 있다(S202).
자세하게는, 거래 중개부(220)는 기설정된 기간에서의 분산자원 발전소(20)의 예측 전력량을 기반으로 분산자원 발전소(20)와 수용가(10)의 전력 거래를 중개할 수 있는데, 전력량 정보 수집부(210)에서 수집한 분산자원 발전소(20)의 예측 전력량을 수용가(10)에 제공하고, 수용가(10)는 제공받은 예측 전력량을 대상으로 구매할 전력량을 결정할 수 있다. 수용가(10)가 결정한 구매할 전력량은 분산자원 발전소(20)로부터 수용가(10)가 실제 공급받는 전력량일 수 있다. 다시 말해, 수용가(10)는 거래 중개부(220)를 통해서 결정한 구매할 전력량에 상응하여 분산자원 발전소(20)가 실제 생산한 전력량을 공급받을 수 있다. 이하의 수용가(10)는 예측 전력량에 대하여 전력 구매할 수용가(10)일 수 있다.
다음으로, 수용가 정보 수집부(230)는 S202의 수용가(10)의 전력 사용 패턴을 수집할 수 있다(S203). 수용가 정보 수집부(230)는 기설정된 기간에서의 분산자원 발전소(20)의 예측 전력량에 대하여 수용가(10)의 전력 사용 패턴을 수집하되, 분산자원 발전소(20)의 예측 전력량이 산출된 기설정된 기간에 대응하는 기설정된 기간에서의 수용가(10)의 전력 사용 패턴을 수집할 수 있다.
그리고, 계획 수립부(240)는 수용가 정보 수집부(230)에서 수집한 기설정된 기간에서의 수용가(10)의 전력 사용 패턴을 기반으로 분산자원 발전소(20)가 실제 생산한 전력을 수용가(10)로 공급하도록 전력 공급 계획을 수립할 수 있다(S204).
이 때, 전력 공급 계획은 계획 수립부(240)가 수용가(10)의 전력 사용 패턴을 기반으로 수용가(10)의 기설정된 기간에서의 전체 사용 전력량 대비 수용가(10)의 시간대별 사용 전력량의 비율을 산출하고, 수용가(10)가 분산자원 발전소(20)로부터 구매할 총 전력량에 산출한 수용가(10)의 시간대별 사용 전력량 비율을 적용하여 산정한 분산자원 발전소(20)에서 수용가(10)로 공급되는 시간대별 공급 전력량을 스케줄화한 것 일 수 있다. 즉, 전력 공급 계획은 분산자원 발전소(20)에서 수용가(10)로 시간대별로 공급되는 전력량에 대한 공급 일정일 수 있다.
다음으로 전력 제어부(250)는 분산자원 발전소(20)의 시간대별 예측 전력량과 계획 수립부(240)가 수립한 전력 공급 계획을 기반으로 분산자원 발전소(20)의 시간대별 생산 전력량을 제어할 수 있다(S205).
자세하게는 전력 제어부(250)는 예측부(120)로부터 수집한 분산자원 발전소(20)의 시간대별 예측 전력량과 계획 수립부(240)가 수립한 전력 공급 계획에 따라 분산자원 발전소(20)에서 수용가(10)로 시간대별로 공급되는 전력량을 비교하되, 시간대별 예측 전력량의 시간대와 대응하는 시간대의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량을 비교하는 것으로 할 수 있다. 즉, 시간대별 예측 전력량과 분산자원 발전소(20)에서 수용가(10)로 시간대별로 공급되는 전력량은 동일한 시간대별로 비교될 수 있다.
전력 제어부(250)는 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 이상인지 판단할 수 있다.
전력 제어부(250)는, 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 이상일 경우, 상기 시간대에서의 실제 분산자원 발전소(20)가 생산하는 전력량을 전력 공급 계획에 따라 상기 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량만큼만 생산하도록 제한할 수 있다.
또한, 전력 제어부(250)는 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 미만일 경우, 상기 시간대 이전에, 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량을 초과하는 시간대가 있는지 파악할 수 있다. 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량을 초과하는 시간대에서의 분산자원 발전소(20)는 상기 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량보다 더 많은 전력량을 생산할 수 있다.
즉, 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량을 초과하는 시간대에서의 분산자원 발전소(20)가 생산하는 전력량은,
시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 미만인 시간대에서의 전력 공급 계획에 따라 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량보다 상기 시간대의 분산자원 발전소(20)의 예측 전력량이 부족한 전력량만큼 더 많을 수 있다.
따라서, 시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 미만인 시간대 이전의 시간대에서, 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 대비 분산자원 발전소(20)의 예측 전력량의 부족 전력량만큼 더 생산된 전력은 분산자원 발전소(20)의 에너지 저장 장치에 저장될 수 있으며,
시간대별 예측 전력량이 동일한 시간대에서의 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량 미만인 시간대에 분산자원 발전소(20)의 에너지 저장 장치에 저장되어 있던 전력이 수용가(10)로 공급될 수 있다.
더 나아가, 계획 수립부(240)는 수용가 정보 수집부(230)에서 수집한 수용가(10)의 전력 사용 패턴을 기반으로 수용가(10)의 기설정된 기간에서의 전력 사용이 최대인 피크 전력량 및 피크 전력 발생 시간대를 파악할 수 있다.
계획 수립부(240)는 피크 전력 발생 시간대에 분산자원 발전소(20)에서 수용가(10)로 공급되는 전력량을 최우선으로 배정하여 전력 공급 계획을 수립할 수 있다.
다시 말해, 계획 수립부(240)는 수용가(10)의 피크 전력 발생 시간대에 발생하는 수용가(10)의 피크 전력량과 상응하는 전력량을 분산자원 발전소(20)에서 수용가(10)로 공급되도록 전력 공급 계획을 수립할 수 있다. 그리고, 계획 수립부(240)는 수용가(10)의 전력 사용 패턴을 기반으로 수용가(10)의 피크 전력 시간대 이외의 나머지 시간대에서 사용하는 전력량을 파악하고,
수용가(10)의 피크 전력 시간대 이외의 나머지 시간대에서 사용하는 총 전력량 대비 수용가(10)의 피크 전력 시간대 이외의 나머지 시간대별 사용 전력량의 비율을 산출하고, 분산자원 발전소(20)에서 수용가(10)로 공급되는 총 전력량에서 수용가(10)의 피크 전력량을 제외한 나머지 전력량에 산출한 수용가(10)의 피크 전력 시간대 이외의 나머지 시간대별 사용 전력량의 비율을 적용하여 산정한 분산자원 발전소(20)에서 수용가(10)로 공급되는 시간대별 공급 전력량을 스케줄화하여 전력 공급 계획을 수립할 수 있다. 이 때 전력 공급 계획은 분산자원 발전소(20)에서 수용가(10)로 수용가(10)의 피크 전력에 상응하는 전력이 공급되는 시간대의 전력 공급 일정도 포함될 수 있다.
도 3을 참조하면, 본 발명의 전력량 예측 시스템(100)은 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 이용해 기 설정된 예측 기간에 대하여 분산자원 발전소(20)의 예측 전력량을 산출하는 예측부(120), 기상 정보 및 모듈별 상태 정보를 수집하는 정보 수집부(110), 예측부(120)가 초기 학습하는 동안 입력되는 기상 정보 및 모듈별 상태 정보의 제 1 주기 단위에 대응하여 제 1 주기마다 분산자원 발전소(20)의 전력량을 산출하는 전력량 산출부 (130) 및 전력량 산출부(130)에서 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 제 1 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 실제 계측한 제 1 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출하는 차이 지표 산출부(141)와 차이 지표를 이용하여 상기 예측 전력량을 보정하는 보정부(142)를 포함하는 예측 전력 보정부(140)를 포함할 수 있다.
도 4를 참조하여 본 발명의 일 실시예인 전력량 예측 시스템(100)의 초기 학습 상태를 기술하며, 초기 학습 상태를 판단하는 기준은 후술하기로 한다.
예측부(120)는 최초 구동시 전력량 예측 시스템(100)의 초기 학습 상태로 실행될 수 있다.
먼저, 예측부(120)는 정보 수집부(110)로부터 기상 정보 및 모듈별 상태 정보를 수신할 수 있다(S401).
이 때, 정보 수집부(110)에서 수집되는 기상 정보는 일사량, 기온, 풍속, 습도, 운량, 미세먼지 농도 등 분산자원 발전소(20)의 전력량에 영향을 주는 요인일 수 있고, 모듈별 상태 정보는 진동량, 모듈 온도, 전류값, 전압값 등 분산자원 발전소(20)의 전력량에 영향을 주는 모듈의 열화도를 판정할 수 있는 정보인 것으로 할 수 있다.
그리고, 예측부(120)는 수신한 기상 정보 및 모듈별 상태 정보를 기반으로 향후 기 설정된 예측 기간에 대하여 기상 정보 및 모듈별 상태 정보를 예측할 수 있다.
다음으로, 예측부(120)는 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 생산 전력 예측 알고리즘에 입력하여 기 설정된 예측 기간에 대한 전력량 예측 시스템(100)의 예측 전력량을 산출할 수 있다(S402). 예를 들어, 예측부(120)는 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 기초 학습 데이터로써 생산 전력 예측 알고리즘에 입력하고, 생산 전력 예측 알고리즘에서 출력되는 예측 전력량을 획득할 수 있다.
그리고, 전력량 산출부(130)는 정보 수집부(110)로부터 제 1 주기 단위로 기상 정보 및 모듈별 상태 정보를 수신할 수 있다(S403).
전력량 산출부(130)는 제 1 주기 단위로 입력되는 기상 정보 및 모듈별 상태 정보에 대응하여 제 1 주기마다 분산자원 발전소(20)의 전력량을 산출할 수 있다.
예를 들어, 제 1 주기 단위가 1시간인 경우, 전력량 산출부(130)는 정보 수집부(110)에서 수집한 기상 정보 및 모듈별 상태 정보를 1시간 단위로 입력받을 수 있다. 즉, 전력량 산출부(130)는 정보 수집부(110)가 1시간동안 수집한 기상 정보 및 모듈별 상태 정보를 입력받고, 정보 수집부(110)가 다음 1시간동안 수집한 기상 정보 및 모듈별 상태 정보를 입력받을 수 있다. 전력량 산출부(130)는 정보 수집부(110)가 수집한 기상 정보 및 모듈별 상태 정보를 1시간 단위로 지속적으로 입력받을 수 있다. 그리고 전력량 산출부(130)는 정보 수집부(110)로부터 1시간 단위로 입력받은 기상 정보 및 모듈별 상태 정보에 대응하여 1시간마다의 분산자원 발전소(20)가 생산한 전력량을 산출할 수 있다. 즉, 전력량 산출부(130)는 1시간 단위로 입력받은 기상 정보 및 모듈 상태 정보를 이용하여 해당 1시간동안 분산자원 발전소(20)이 생산한 전력량을 산출할 수 있다. 제 1 주기는 사용자에 의해 설정될 수 있다.
다음으로, 예측 전력 보정부(140)의 차이 지표 산출부(141)는 전력량 산출부(130)로부터 제 1 주기마다 산출한 분산자원 발전소(20)의 전력량을 수신할 수 있다(S404).
그리고, 차이 지표 산출부(141)는 전력량 산출부(130)에서 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 정보 수집부(110)가 실제 계측한 제 1 주기마다의 분산자원 발전소(20)의 전력량을 수신할 수 있다(S405).
다음으로, 차이 지표 산출부(141)는 S404에서 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 S405에서 실제 계측한 제 1 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출할 수 있다(S406).
다음으로, 예측 전력 보정부(140)의 보정부(142)는 S406에서 산출된 차이 지표를 이용하여 보정치를 산출하여 예측부(120)에서 산출한 예측 전력량을 보정할 수 있다(S407).
차이 지표는 수집된 기상 정보, 예를 들어 일사량, 기온, 풍속, 습도, 운량, 미세먼지 농도 및 모듈별 상태 정보, 예를 들어 진동량, 모듈 온도, 전류값, 전압값 중 제 1 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차 발생에 영향을 주는 적어도 하나의 정보에 대하여 발생한 오차를 나타낸 것일 수 있다. 예를 들어, 제 1 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차 발생에 영향을 주는 일사량을 입력하여 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차를 나타낸 것일 수 있다.
보정부(142)는 수집한 각각의 기상 정보 및 모듈별 상태 정보를 기반으로 산출한 차이지표를 이용하여 각각의 기상 정보 및 모듈별 상태 정보에 우선순위를 부여하고, 부여된 우선순위에 따라 각각의 기상 정보 및 모듈별 상태 정보에 대하여 보정치를 산정할 수 있다.
자세하게는 보정부(142)는 차이 지표를 나타내는 각각의 기상 정보 및 모듈별 상태 정보에 대하여 발생한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차의 크기 순서대로 나열하고, 크기 순서대로 나열한 오차에 대응하는 각각의 기상 정보 및 모듈별 상태 정보에 대하여 우선순위를 부여하되, 오차의 크기가 가장 큰 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 가장 높은 우선순위를 부여할 수 있고, 배정된 우선순위에 따라 각각의 기상 정보 및 모듈별 상태 정보에 대하여 보정치를 산정할 수 있다. 따라서 보정부(142)는 가장 높은 우선순위가 부여된 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 가장 먼저 보정치를 산정할 수 있다.
이 때 보정치는 제 1 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 유사한 값이 되도록 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 적용되는 값일 수 있다.
즉, 가장 높은 우선순위가 부여된 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 산정한 보정치에 의해 제 1 주기마다의 분산자원 발전소(20)의 전력량은 실제 계측된 분산자원 발전소(20)의 전력량과 유사한 값을 가질 수 있다.
따라서 보정부(142)는 순차대로 나열한 우선순위에 대응하는 각각의 기상 정보 및 모듈별 상태에 대하여 보정치를 산정하여 제 1 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 일치하도록 할 수 있다.
그리고 보정부(142)는 각각의 기상 정보 및 모듈별 상태에 대하여 산정한 보정치에 의해, 기상 정보 및 모듈별 상태 정보에 대하여 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 일치하면, 각각의 기상 정보 및 모듈별 상태 정보에 대하여 적용한 보정치를 모두 적용한 수집 정보 보정치를 산출하여 전력량 예측부(123)의 예측 전력량에 적용하여 예측 전력량을 보정할 수 있다.
본 발명은 차이 지표를 이용하여 예측 전력량을 보정함으로써, 전력량 예측 시스템(100)의 예측 전력량의 정확성을 향상시킬 수 있다.
정보 수집부(110)는 기상 정보 및 모듈별 상태 정보를 수집할 수 있다.
이 때, 정보 수집부(110)가 수집한 기상 정보 및 모듈별 상태 정보는 예측부(120) 및 전력량 산출부(130)에 입력될 수 있다.
전력량 산출부(130)는 예측부(120)가 초기 학습하는 동안 제 1 주기마다 입력되는 기상 정보 및 모듈별 상태 정보에 대응하여 제 1 주기마다의 분산자원 발전소(20)의 전력량을 산출할 수 있다.
이 때, 전력량 산출부(130)는 전력 산출 알고리즘을 이용하여 제 1 주기마다 입력되는 기상 정보 및 모듈별 상태 정보에 대응하는 제 1 주기마다의 분산자원 발전소(20)의 전력량을 산출할 수 있고, 전력량 산출부(130)의 전력 산출 알고리즘은 보정부(142)에서 산출한 수집 정보 보정치가 적용되어 학습될 수 있다. 이에 의해 전력량 산출부(130)가 산출하는 제 1 주기마다의 분산자원 발전소(20)의 전력량은 제 1 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 정보 수집부(110)에서 실제 계측한 제 1 주기마다의 분산자원 발전소(20)의 전력량과의 오차가 줄어들 수 있다.
예측 전력 보정부(140)는 전력량 산출부(130)에서 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 제 1 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 실제 계측한 제 1 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출하는 차이 지표 산출부(141) 및 차이 지표를 이용하여 예측부(120)가 산출한 예측 전력량을 보정하는 보정부(142)를 포함할 수 있다.
그리고 예측 전력 보정부(140)는 전력량 산출부(130)에서 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 정보 수집부(110)로부터 실제 계측된 제 1 주기마다의 분산자원 발전소(20)의 전력량의 오차에 대한 오차율을 산출하는 오차 판별부(143)를 더 포함할 수 있다.
그리고 오차 판별부(143)는 산출된 오차율이 기 설정된 오차 범위 구간에 속하였는지 여부를 판단할 수 있다. 기 설정된 오차 범위는 구간에 따라 제1 오차 범위, 제2 오차 범위, 제3 오차 범위로 구분될 수 있고, 일 실시예로써 제1 오차 범위는 오차율 110퍼센트 초과일 수 있고, 제2 오차 범위는 50퍼센트 초과 110퍼센트 이하일 수 있고, 제3 오차 범위는 0퍼센트 이상 50퍼센트 이하일 수 있다. 이는 사용자에 의하여 정의될 수 있다.
오차 판별부(143)는 산출된 오차율이 어느 오차 범위에 속하였는지 판단하고, 이에 대응하여 정보 수집부(110)에서 수집된 기상 정보 및 모듈별 상태 정보를 전력량 산출부(130)로 입력하는 주기를 조정할 수 있다. 즉, 오차 판별부(143)가 산출된 오차율이 속한 오차 범위를 판단하여 전력량 산출부(130)가 정보 수집부(110)로부터 기상 정보 및 모듈별 상태 정보를 입력받는 주기를 조정할 수 있다.
오차율이 제1 오차 범위 내에 속한 경우, 전력량 산출부(130)는 정보 수집부(110)로부터 제 1 주기마다 기상 정보 및 모듈별 상태 정보를 수신할 수 있으며, 이는 전력량 예측 시스템(100)의 초기 학습 단계일 수 있고,
오차율이 제2 오차 범위 내에 속한 경우, 전력량 산출부(130)는 정보 수집부(110)로부터 제 2 주기마다 기상 정보 및 모듈별 상태 정보를 수신할 수 있으며, 이는 전력량 예측 시스템(100)의 중기 학습 단계일 수 있고,
오차율이 제3 오차 범위 내에 속한 경우, 전력량 산출부(130)는 정보 수집부(110)로부터 제 3 주기마다 기상 정보 및 모듈별 상태 정보를 수신할 수 있으며, 이는 전력량 예측 시스템(100)의 후기 학습 단계일 수 있다.
이 때, 제 2 주기는 제 1 주기보다 긴 주기일 수 있고, 제 3 주기는 제 2 주기보다 긴 주기일 수 있으며, 이는 사용자에 의하여 정의 될 수 있다.
도 5를 참조하면, 먼저, 오차 판별부(143)는 전력량 산출부(130)에서 산출한 제 1 주기마다의 분산자원 발전소(20)의 전력량과 제 1 주기마다 실제 계측한 분산자원 발전소(20)의 전력량의 오차에 대한 오차율을 산출할 수 있다(S501).
그리고, 오차 판별부(143)는 S501에서 산출한 오차율이 제1 오차 범위 내에 포함되는지 판단할 수 있다(S502).
S501에서 산출한 오차율이 제1 오차 범위 내에 포함되면, 전력량 산출부(130)는 정보 수집부(110)로부터 제 1 주기마다 기상 정보 및 모듈별 상태 정보를 수신할 수 있다(S503).
반면에, 오차율이 제1 오차 범위 내에 포함되지 않으면, 오차 판별부(143)는 오차율이 제2 오차 범위 내에 포함되는지 판단할 수 있다(S504).
다음으로, 오차율이 제2 오차 범위 내에 포함되면 전력량 산출부(130)는 정보 수집부(110)로부터 제 2 주기마다 기상 정보 및 모듈별 상태 정보를 수신할 수 있다(S505).
반면에, 오차율이 제2 오차 범위 내에 포함되지 않으면, 전력량 산출부(130)는 정보 수집부(110)로부터 제 3 주기마다 기상 정보 및 모듈별 상태 정보를 수신할 수 있다(S506).
이와 같이 본 발명은 전력량 예측 시스템(100)의 초기, 중기, 후기 학습 단계별로 전력량 산출부(130)가 정보 수집부(110)로부터 기상 정보 및 모듈별 상태 정보를 수신하는 주기를 조정하여 해당 주기마다의 분산자원 발전소(20)의 전력량을 산출함으로써, 초기 학습 단계에는 짧은 주기로 기상 정보 및 모듈별 상태 정보를 입력받아 전력 산출 알고리즘의 학습 데이터를 빠르게 확보하고, 후기 학습 단계에는 초기 학습 단계보다 긴 주기로 기상 정보 및 모듈별 상태 정보를 수집하고 해당 주기의 분산자원 발전소(20)의 전력량을 산출하여 소모 에너지를 절감하는 효과가 발생할 수 있다.
예측부(120)는 정보 수집부(110)에서 수집한 기상 정보를 입력받아 기상 정보를 예측하는 기상 정보 예측부(121), 모듈별 상태 정보를 입력받아 모듈별 상태 정보를 예측하는 상태 정보 예측부(122), 예측된 기상 정보 및 예측된 모듈의 상태 정보를 이용해 향후 기 설정된 기간 동안의 분산자원 발전소(20)의 예측 전력량을 산출하는 전력량 예측부(123)를 포함할 수 있다.
기상 정보 예측부(121)는 정보 수집부(110)에서 수집한 기상 정보를 입력받아 기 설정된 예측 기간의 기상 정보를 예측할 수 있고, 정보 수집부(110)로부터 입력받은 기상 정보는 누적되어 기상 정보 예측의 기상 예측 알고리즘의 학습 데이터로 활용될 수 있다.
상태 정보 예측부(122)는 정보 수집부(110)에서 수집한 모듈별 상태 정보 정보를 입력받아 기 설정된 예측 기간의 모듈별 상태 정보를 예측할 수 있고, 정보 수집부(110)로부터 입력받은 모듈별 상태 정보는 누적되어 모듈별 상태 정보 예측의 상태 예측 알고리즘의 학습 데이터로 활용될 수 있다.
전력량 예측부(123)는 기상 정보 예측부(121) 및 상태 정보 예측부(122)에서 예측한 기 설정된 예측 기간의 기상 정보 및 모듈별 상태정보를 이용해 기 설정된 예측 기간에 대하여 분산자원 발전소(20)의 예측 전력량을 산출할 수 있다.
그리고 전력량 예측부(123)는 보정부(142)에서 산출된 수집 정보 보정치에 의해 분산자원 발전소(20)의 보정된 예측 전력량을 산출할 수 있다.
이 때, 기 설정된 예측 기간은 오차 판별부(143)가 판단한 오차율이 속한 오차 범위 구간에 따라 조정될 수 있다. 즉, 오차율이 제3 오차 범위에 속해있는 경우, 기 설정된 예측 기간은 오차율이 제2 오차 범위에 속해있는 경우보다 긴 기간일 수 있다. 그리고 오차율이 제2 오차 범위에 속해있는 경우, 기 설정된 예측 기간은 오차율이 제1 오차 범위에 속해있는 경우보다 긴 기간일 수 있다.
또한, 예측부(120)는 기 설정된 기간에서의 분산자원 발전소(20)의 시간대별 예측 전력량을 더 산출할 수 있다.
예측부(120)의 분산자원 발전소(20)의 보정된 예측 전력량 및 분산자원 발전소(20)의 시간대별 예측 전력량은 전력량 정보 수집부(210) 및 전력 제어부(250)에 입력될 수 있다.
도 6을 참조하면 먼저, 유지보수부(150)는 오차 판별부(143)에서 산출한 오차율을 수신하여 오차율 추이를 분석할 수 있다(S601).
다음으로, 유지보수부(150)는 S601에서 분석한 오차율 추이의 증가 여부를 판단할 수 있다(S602). 오차율 추이가 증가한다는 것은 전력량 산출부(130)에서 산출한 분산자원 발전소(20)의 전력량과 정보 수집부(110)에서 실제 계측한 분산자원 발전소(20)의 전력량의 오차율이 커진다는 것이므로 모듈의 고장을 진단할 수 있다.
유지보수부(150)는 S602에서 오차율 추이가 증가한다고 판단되면, 정보 수집부(110)에서 실제 계측한 모듈별 분산자원 발전소(20)의 전력량과 산출부(130)에서 산출한 모듈별 분산자원 발전소(20)의 전력량을 비교하여 모듈별 오차율을 분석할 수 있다(S603).
반면에, 유지보수부(150)는 S602에서 오차율 추이가 증가하지 않는다고 판단되면, S601로 회귀할 수 있다.
그리고, 유지보수부(150)는 S603에서 분석한 모듈별 오차율의 평균값을 산출하고, 모듈별 오차율과 산출한 평균 오차율을 비교하여 모듈별 오차율이 평균 오차율 이상인지 판단할 수 있다(S604).
다음으로, 유지보수부(150)는 S604에서 평균 오차율 이상의 오차율을 가진 모듈이 있다고 판단한 경우, 평균 오차율 이상의 오차율을 가진 모듈의 유지보수를 수행할 수 있다(S605).
반면에, 유지보수부(150)는 S604에서 평균 오차율 이상의 오차율을 가진 모듈이 없는 것으로 판단하면 S601으로 회귀할 수 있다.
본 발명의 일 실시예로써 전력량 예측 시스템(100)의 중기 학습 단계를 설명한다.
오차 판별부(143)가 산출한 오차율이 제2 오차 범위 내에 속한 경우, 전력량 산출부(130)는 정보 수집부(110)로부터 제 2 주기마다 기상 정보 및 각 모듈별 상태 정보를 입력받을 수 있다.
전력량 예측 시스템(100)의 중기 학습 단계는 도 4의 예측 전력량 산출 순서와 동일할 수 있다.
먼저, 예측부(120)는 정보 수집부(110)로부터 기상 정보 및 모듈별 상태 정보를 수신할 수 있다.
이 때, 정보 수집부(110)에서 수집되는 기상 정보는 일사량, 기온, 풍속, 습도, 운량, 미세먼지 농도 등 분산자원 발전소(20)의 전력량에 영향을 주는 요인일 수 있고, 모듈별 상태 정보는 진동량, 모듈 온도, 전류값, 전압값 등 분산자원 발전소(20)의 전력량에 영향을 주는 모듈의 열화도를 판정할 수 있는 정보인 것으로 할 수 있다.
그리고, 예측부(120)는 수신한 기상 정보 및 모듈별 상태 정보를 기반으로 향후 기 설정된 예측 기간에 대하여 기상 정보 및 모듈별 상태 정보를 예측할 수 있다.
다음으로, 예측부(120)는 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 생산 전력 예측 알고리즘에 입력하여 기 설정된 예측 기간에 대한 전력량 예측 시스템(100)의 예측 전력량을 산출할 수 있다. 예를 들어, 예측부(120)는 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 기초 학습 데이터로써 생산 전력 예측 알고리즘에 입력하고, 생산 전력 예측 알고리즘에서 출력되는 예측 전력량을 획득할 수 있다.
그리고, 전력량 산출부(130)는 정보 수집부(110)로부터 제 2 주기 단위로 기상 정보 및 모듈별 상태 정보를 수신할 수 있다.
전력량 산출부(130)는 제 2 주기 단위로 입력되는 기상 정보 및 모듈별 상태 정보에 대응하여 제 2 주기마다 분산자원 발전소(20)의 전력량을 산출할 수 있다.
예를 들어, 제 2 주기 단위가 1일인 경우, 전력량 산출부(130)는 정보 수집부(110)에서 수집한 기상 정보 및 모듈별 상태 정보를 1일 단위로 입력받을 수 있다. 즉, 전력량 산출부(130)는 정보 수집부(110)가 1일동안 수집한 기상 정보 및 모듈별 상태 정보를 입력받고, 정보 수집부(110)가 다음 1일동안 수집한 기상 정보 및 모듈별 상태 정보를 입력받을 수 있다. 전력량 산출부(130)는 정보 수집부(110)가 수집한 기상 정보 및 모듈별 상태 정보를 1일 단위로 지속적으로 입력받을 수 있다. 그리고 전력량 산출부(130)는 정보 수집부(110)로부터 1일 단위로 입력받은 기상 정보 및 모듈별 상태 정보에 대응하여 1일마다의 분산자원 발전소(20)가 생산한 전력량을 산출할 수 있다. 즉, 전력량 산출부(130)는 1일 단위로 입력받은 기상 정보 및 모듈 상태 정보를 이용하여 해당 1일동안 분산자원 발전소(20)이 생산한 전력량을 산출할 수 있다. 제 2 주기는 사용자에 의해 설정될 수 있다.
다음으로, 예측 전력 보정부(140)의 차이 지표 산출부(141)는 전력량 산출부(130)로부터 제 2 주기마다 산출한 분산자원 발전소(20)의 전력량을 수신할 수 있다.
그리고, 차이 지표 산출부(141)는 전력량 산출부(130)에서 산출한 제 2 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 정보 수집부(110)가 실제 계측한 제 2 주기마다의 분산자원 발전소(20)의 전력량을 수신할 수 있다.
다음으로, 차이 지표 산출부(141)는 전력량 산출부(130)에서 산출한 제 2 주기마다의 분산자원 발전소(20)의 전력량과 정보 수집부(110)에서 실제 계측한 제 2 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출할 수 있다.
다음으로, 예측 전력 보정부(140)의 보정부(142)는 차이 지표 산출부(142)에서 산출된 차이 지표를 이용하여 보정치를 산출하여 예측부(120)에서 산출한 예측 전력량을 보정할 수 있다.
차이 지표는 수집된 기상 정보, 예를 들어 일사량, 기온, 풍속, 습도, 운량, 미세먼지 농도 및 모듈별 상태 정보, 예를 들어 진동량, 모듈 온도, 전류값, 전압값 중 제 2 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차 발생에 영향을 주는 적어도 하나의 정보에 대하여 발생한 오차를 나타낸 것일 수 있다. 예를 들어, 제 2 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차 발생에 영향을 주는 일사량을 입력하여 산출한 제 2 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차를 나타낸 것일 수 있다.
보정부(142)는 수집한 각각의 기상 정보 및 모듈별 상태 정보를 기반으로 산출한 차이지표를 이용하여 각각의 기상 정보 및 모듈별 상태 정보에 우선순위를 부여하고, 부여된 우선순위에 따라 각각의 기상 정보 및 모듈별 상태 정보에 대하여 보정치를 산정할 수 있다.
자세하게는 보정부(142)는 차이 지표를 나타내는 각각의 기상 정보 및 모듈별 상태 정보에 대하여 발생한 제 2 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차의 크기 순서대로 나열하고, 크기 순서대로 나열한 오차에 대응하는 각각의 기상 정보 및 모듈별 상태 정보에 대하여 우선순위를 부여하되, 오차의 크기가 가장 큰 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 가장 높은 우선순위를 부여할 수 있고, 배정된 우선순위에 따라 각각의 기상 정보 및 모듈별 상태 정보에 대하여 보정치를 산정할 수 있다. 따라서 보정부(142)는 가장 높은 우선순위가 부여된 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 가장 먼저 보정치를 산정할 수 있다.
이 때 보정치는 제 2 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 유사한 값이 되도록 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 적용되는 값일 수 있다.
즉, 가장 높은 우선순위가 부여된 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 산정한 보정치에 의해 제 2 주기마다의 분산자원 발전소(20)의 전력량은 실제 계측된 분산자원 발전소(20)의 전력량과 유사한 값을 가질 수 있다.
따라서 보정부(142)는 순차대로 나열한 우선순위에 대응하는 각각의 기상 정보 및 모듈별 상태에 대하여 보정치를 산정하여 제 2 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 일치하도록 할 수 있다.
그리고 보정부(142)는 각각의 기상 정보 및 모듈별 상태에 대하여 산정한 보정치에 의해, 기상 정보 및 모듈별 상태 정보에 대하여 산출한 제 2 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 일치하면, 각각의 기상 정보 및 모듈별 상태 정보에 대하여 적용한 보정치를 모두 적용한 수집 정보 보정치를 산출하여 전력량 예측부(123)의 예측 전력량에 적용하여 예측 전력량을 보정할 수 있다.
본 발명은 차이 지표를 이용하여 예측 전력량을 보정함으로써, 전력량 예측 시스템(100)의 예측 전력량의 정확성을 향상시킬 수 있다.
정보 수집부(110)는 기상 정보 및 모듈별 상태 정보를 수집할 수 있다.
이 때, 정보 수집부(110)가 수집한 기상 정보 및 모듈별 상태 정보는 예측부(120) 및 전력량 산출부(130)에 입력될 수 있다.
전력량 산출부(130)는 예측부(120)가 중기 학습하는 동안 제 2 주기마다 입력되는 기상 정보 및 모듈별 상태 정보에 대응하여 제 2 주기마다의 분산자원 발전소(20)의 전력량을 산출할 수 있다.
이 때, 전력량 산출부(130)는 전력 산출 알고리즘을 이용하여 제 2 주기마다 입력되는 기상 정보 및 모듈별 상태 정보에 대응하는 제 2 주기마다의 분산자원 발전소(20)의 전력량을 산출할 수 있고, 전력량 산출부(130)의 전력 산출 알고리즘은 보정부(142)에서 산출한 수집 정보 보정치가 적용되어 학습될 수 있다. 이에 의해 전력량 산출부(130)가 산출하는 제 2 주기마다의 분산자원 발전소(20)의 전력량은 제 2 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 정보 수집부(110)에서 실제 계측한 제 2 주기마다의 분산자원 발전소(20)의 전력량과의 오차가 줄어들 수 있다.
예측 전력 보정부(140)는 전력량 산출부(130)에서 산출한 제 2 주기마다의 분산자원 발전소(20)의 전력량과 제 2 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 실제 계측한 제 2 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출하는 차이 지표 산출부(141) 및 차이 지표를 이용하여 예측부(120)가 산출한 예측 전력량을 보정하는 보정부(142)를 포함할 수 있다.
본 발명의 일 실시예로써 전력량 예측 시스템(100)의 후기 학습 단계를 설명한다.
오차 판별부(143)가 산출한 오차율이 제3 오차 범위 내에 속한 경우, 전력량 산출부(130)는 정보 수집부(110)로부터 제 3 주기마다 기상 정보 및 각 모듈별 상태 정보를 입력받을 수 있다.
전력량 예측 시스템(100)의 전력량 예측의 후기 학습 단계는 도 4의 예측 전력량 산출 순서와 동일할 수 있다.
먼저, 예측부(120)는 정보 수집부(110)로부터 기상 정보 및 모듈별 상태 정보를 수신할 수 있다.
이 때, 정보 수집부(110)에서 수집되는 기상 정보는 일사량, 기온, 풍속, 습도, 운량, 미세먼지 농도 등 분산자원 발전소(20)의 전력량에 영향을 주는 요인일 수 있고, 모듈별 상태 정보는 진동량, 모듈 온도, 전류값, 전압값 등 분산자원 발전소(20)의 전력량에 영향을 주는 모듈의 열화도를 판정할 수 있는 정보인 것으로 할 수 있다.
그리고, 예측부(120)는 수신한 기상 정보 및 모듈별 상태 정보를 기반으로 향후 기 설정된 예측 기간에 대하여 기상 정보 및 모듈별 상태 정보를 예측할 수 있다.
다음으로, 예측부(120)는 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 생산 전력 예측 알고리즘에 입력하여 기 설정된 예측 기간에 대한 전력량 예측 시스템(100)의 예측 전력량을 산출할 수 있다. 예를 들어, 예측부(120)는 기 설정된 예측 기간에 대하여 예측된 기상 정보 및 모듈별 상태 정보를 기초 학습 데이터로써 생산 전력 예측 알고리즘에 입력하고, 생산 전력 예측 알고리즘에서 출력되는 예측 전력량을 획득할 수 있다.
그리고, 전력량 산출부(130)는 정보 수집부(110)로부터 제 3 주기 단위로 기상 정보 및 모듈별 상태 정보를 수신할 수 있다.
전력량 산출부(130)는 제 3 주기 단위로 입력되는 기상 정보 및 모듈별 상태 정보에 대응하여 제 3 주기마다 분산자원 발전소(20)의 전력량을 산출할 수 있다.
예를 들어, 제 3 주기 단위가 1주일인 경우, 전력량 산출부(130)는 정보 수집부(110)에서 수집한 기상 정보 및 모듈별 상태 정보를 1주일 단위로 입력받을 수 있다. 즉, 전력량 산출부(130)는 정보 수집부(110)가 1주일동안 수집한 기상 정보 및 모듈별 상태 정보를 입력받고, 정보 수집부(110)가 다음 1주일동안 수집한 기상 정보 및 모듈별 상태 정보를 입력받을 수 있다. 전력량 산출부(130)는 정보 수집부(110)가 수집한 기상 정보 및 모듈별 상태 정보를 1주일 단위로 지속적으로 입력받을 수 있다. 그리고 전력량 산출부(130)는 정보 수집부(110)로부터 1주일 단위로 입력받은 기상 정보 및 모듈별 상태 정보에 대응하여 1주일마다의 분산자원 발전소(20)가 생산한 전력량을 산출할 수 있다. 즉, 전력량 산출부(130)는 1주일 단위로 입력받은 기상 정보 및 모듈 상태 정보를 이용하여 해당 1주일동안 분산자원 발전소(20)이 생산한 전력량을 산출할 수 있다. 제 3 주기는 사용자에 의해 설정될 수 있다.
다음으로, 예측 전력 보정부(140)의 차이 지표 산출부(141)는 전력량 산출부(130)로부터 제 3 주기마다 산출한 분산자원 발전소(20)의 전력량을 수신할 수 있다.
그리고, 차이 지표 산출부(141)는 전력량 산출부(130)에서 산출한 제 3 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 정보 수집부(110)가 실제 계측한 제 3 주기마다의 분산자원 발전소(20)의 전력량을 수신할 수 있다.
다음으로, 차이 지표 산출부(141)는 전력량 산출부(130)에서 산출한 제 3 주기마다의 분산자원 발전소(20)의 전력량과 정보 수집부(110)에서 실제 계측한 제 3 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출할 수 있다.
다음으로, 예측 전력 보정부(140)의 보정부(142)는 차이 지표 산출부(142)에서 산출된 차이 지표를 이용하여 보정치를 산출하여 예측부(120)에서 산출한 예측 전력량을 보정할 수 있다.
차이 지표는 수집된 기상 정보, 예를 들어 일사량, 기온, 풍속, 습도, 운량, 미세먼지 농도 및 모듈별 상태 정보, 예를 들어 진동량, 모듈 온도, 전류값, 전압값 중 제 3 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차 발생에 영향을 주는 적어도 하나의 정보에 대하여 발생한 오차를 나타낸 것일 수 있다. 예를 들어, 제 3 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차 발생에 영향을 주는 일사량을 입력하여 산출한 제 3 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차를 나타낸 것일 수 있다.
보정부(142)는 수집한 각각의 기상 정보 및 모듈별 상태 정보를 기반으로 산출한 차이지표를 이용하여 각각의 기상 정보 및 모듈별 상태 정보에 우선순위를 부여하고, 부여된 우선순위에 따라 각각의 기상 정보 및 모듈별 상태 정보에 대하여 보정치를 산정할 수 있다.
자세하게는 보정부(142)는 차이 지표를 나타내는 각각의 기상 정보 및 모듈별 상태 정보에 대하여 발생한 제 3 주기마다의 분산자원 발전소(20)의 전력량과 실제 계측된 분산자원 발전소(20)의 전력량의 오차의 크기 순서대로 나열하고, 크기 순서대로 나열한 오차에 대응하는 각각의 기상 정보 및 모듈별 상태 정보에 대하여 우선순위를 부여하되, 오차의 크기가 가장 큰 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 가장 높은 우선순위를 부여할 수 있고, 배정된 우선순위에 따라 각각의 기상 정보 및 모듈별 상태 정보에 대하여 보정치를 산정할 수 있다. 따라서 보정부(142)는 가장 높은 우선순위가 부여된 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 가장 먼저 보정치를 산정할 수 있다.
이 때 보정치는 제 3 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 유사한 값이 되도록 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 적용되는 값일 수 있다.
즉, 가장 높은 우선순위가 부여된 기상 정보 및 모듈별 상태 정보 중 어느 하나의 정보에 대하여 산정한 보정치에 의해 제 3 주기마다의 분산자원 발전소(20)의 전력량은 실제 계측된 분산자원 발전소(20)의 전력량과 유사한 값을 가질 수 있다.
따라서 보정부(142)는 순차대로 나열한 우선순위에 대응하는 각각의 기상 정보 및 모듈별 상태에 대하여 보정치를 산정하여 제 3 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 일치하도록 할 수 있다.
그리고 보정부(142)는 각각의 기상 정보 및 모듈별 상태에 대하여 산정한 보정치에 의해, 기상 정보 및 모듈별 상태 정보에 대하여 산출한 제 3 주기마다의 분산자원 발전소(20)의 전력량이 실제 계측된 분산자원 발전소(20)의 전력량과 일치하면, 각각의 기상 정보 및 모듈별 상태 정보에 대하여 적용한 보정치를 모두 적용한 수집 정보 보정치를 산출하여 전력량 예측부(123)의 예측 전력량에 적용하여 예측 전력량을 보정할 수 있다.
본 발명은 차이 지표를 이용하여 예측 전력량을 보정함으로써, 전력량 예측 시스템(100)의 예측 전력량의 정확성을 향상시킬 수 있다.
정보 수집부(110)는 기상 정보 및 모듈별 상태 정보를 수집할 수 있다.
이 때, 정보 수집부(110)가 수집한 기상 정보 및 모듈별 상태 정보는 예측부(120) 및 전력량 산출부(130)에 입력될 수 있다.
전력량 산출부(130)는 예측부(120)가 후기 학습하는 동안 제 3 주기마다 입력되는 기상 정보 및 모듈별 상태 정보에 대응하여 제 3 주기마다의 분산자원 발전소(20)의 전력량을 산출할 수 있다.
이 때, 전력량 산출부(130)는 전력 산출 알고리즘을 이용하여 제 3 주기마다 입력되는 기상 정보 및 모듈별 상태 정보에 대응하는 제 3 주기마다의 분산자원 발전소(20)의 전력량을 산출할 수 있고, 전력량 산출부(130)의 전력 산출 알고리즘은 보정부(142)에서 산출한 수집 정보 보정치가 적용되어 학습될 수 있다. 이에 의해 전력량 산출부(130)가 산출하는 제 3 주기마다의 분산자원 발전소(20)의 전력량은 제 3 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 정보 수집부(110)에서 실제 계측한 제 3 주기마다의 분산자원 발전소(20)의 전력량과의 오차가 줄어들 수 있다.
예측 전력 보정부(140)는 전력량 산출부(130)에서 산출한 제 3 주기마다의 분산자원 발전소(20)의 전력량과 제 3 주기마다의 분산자원 발전소(20)의 전력량에 대응하여 실제 계측한 제 3 주기마다의 분산자원 발전소(20)의 전력량의 차이 지표를 산출하는 차이 지표 산출부(141) 및 차이 지표를 이용하여 예측부(120)가 산출한 예측 전력량을 보정하는 보정부(142)를 포함할 수 있다.
100 : 전력량 예측 시스템
110 : 정보 수집부
120 : 예측부
121 : 기상 정보 예측부 122 : 상태 정보 예측부
123 : 전력량 예측부
130 : 전력량 산출부
140 : 예측 전력 보정부
141 : 차이 지표 산출부 142 : 보정부
143 : 오차 판별부
150 : 유지보수부
200 : 통합 관리 시스템
210 : 전력량 정보 수집부
220 : 거래 중개부
230 : 수용가 정보 수집부
240 : 계획 수립부
250 : 전력 제어부
10 : 수용가 20 : 분산자원 발전소

Claims (5)

  1. 기설정된 기간에 대하여 분산자원 발전소의 예측 전력량을 산출하는 예측부를 포함하는 전력량 예측 시스템;
    상기 산출한 예측 전력량에 대하여 전력을 구매할 수용가의 전력 사용 패턴을 기반으로 시간대별 전력 공급 계획을 수립하는 계획 수립부; 및
    상기 분산자원 발전소의 시간대별 예측 전력량 및 상기 전력 공급 계획을 기반으로 상기 분산자원 발전소의 시간대별 생산 전력량을 제어하는 전력 제어부를 포함하는 통합 관리 시스템을 포함하고,
    상기 전력량 예측 시스템은,
    상기 생산 전력 예측 알고리즘 초기 학습 단계에서 수집된 기상 정보 및 모듈 상태 정보를 기반으로 산출한 분산전원 발전소의 전력량을 실제 계측한 분산전원 발전소의 전력량과 비교하여 산출한 차이지표를 기반으로 상기 예측 전력량을 보정하는 예측 전력 보정부와 전력량 오차에 따라 유지보수를 결정하는 유지보수부를 더 포함하되,
    상기 예측 전력 보정부는,
    상기 분산자원 발전소의 전력량의 오차에 대하여 제 1 주기에서 제1 오차율을 산출하고, 제1오차율이 제1 오차 범위 내인지 판단하여, 포함되지 않으면 제 2 주기에서 제2 오차율을 산출하고,
    제2 오차율이 제2 오차 범위 내인지 확인하여 제2 오차 범위를 벗어나는 경우, 제 3 주기에서 전력량 산출부가 정보 수집부로부터 기상 정보 및 모듈별 상태 정보를 수신하여,
    초기 학습 단계에는 짧은 주기로 기상 정보 및 모듈별 상태 정보를 입력받아 전력 산출 알고리즘의 학습 데이터를 빠르게 확보하고, 후기 학습 단계에는 초기 학습 단계보다 긴 주기로 기상 정보 및 모듈별 상태 정보를 수집하고 해당 주기의 분산자원 발전소의 전력량을 산출하여 소모 에너지를 절감하며,
    상기 유지보수부는 상기 예측 전력 보정부의 오차 판별부에서 산출한 오차율을 수신하여 오차율 추이를 분석하여 오차율 추이의 증가 여부를 판단하고, 오차율 추이가 증가하면 분산자원 발전소의 모듈 고장을 진단하되, 정보 수집부에서 실제 계측한 모듈별 분산자원 발전소의 전력량과 산출부에서 산출한 모듈별 분산자원 발전소의 전력량을 비교하여 모듈별 오차율을 분석하고, 모듈별 오차율의 평균값을 산출하고, 모듈별 오차율과 산출한 평균 오차율을 비교하여 모듈별 오차율이 평균 오차율 이상이면 고장으로 진단하는 것을 특징으로 하는 전력량 예측 기반 분산자원 중개거래 플랫폼 장치.
  2. 제 1 항에 있어서,
    상기 전력 공급 계획은 상기 전력 사용 패턴을 기반으로 산출한 상기 수용가의 시간대별 사용 전력량의 비율을 상기 수용가가 상기 분산자원 발전소로부터 구매할 총 전력량에 적용하여 산정한 상기 분산자원 발전소에서 상기 수용가로 시간대별로 공급되는 전력량에 대한 공급 일정인 것을 특징으로 하는 전력량 예측 기반 분산자원 중개거래 플랫폼 장치.
  3. 제 1 항에 있어서,
    상기 예측부는,
    기 설정된 기간에 대하여 예측된 기상 정보 및 모듈 상태 정보를 생산 전력 예측 알고리즘에 입력하여 기 설정된 기간의 분산전원 발전소의 예측 전력량을 산출하는 것을 특징으로 하는 전력량 예측 기반 분산자원 중개거래 플랫폼 장치.
  4. 삭제
  5. 제 3 항에 있어서,
    상기 예측부는
    기 설정된 기간에서의 분산자원 발전소의 시간대별 예측 전력량을 더 산출하는 것을 특징으로 하는 전력량 예측 기반 분산자원 중개거래 플랫폼 장치.
KR1020210161891A 2021-11-23 2021-11-23 전력량 예측 기반 분산자원 중개거래 플랫폼 장치 KR102492456B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210161891A KR102492456B1 (ko) 2021-11-23 2021-11-23 전력량 예측 기반 분산자원 중개거래 플랫폼 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210161891A KR102492456B1 (ko) 2021-11-23 2021-11-23 전력량 예측 기반 분산자원 중개거래 플랫폼 장치

Publications (1)

Publication Number Publication Date
KR102492456B1 true KR102492456B1 (ko) 2023-01-27

Family

ID=85101387

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210161891A KR102492456B1 (ko) 2021-11-23 2021-11-23 전력량 예측 기반 분산자원 중개거래 플랫폼 장치

Country Status (1)

Country Link
KR (1) KR102492456B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117805715A (zh) * 2024-02-29 2024-04-02 深圳市智岩科技有限公司 智能插座及其校准检测方法、装置和产品

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130001821A (ko) * 2011-06-28 2013-01-07 에스케이텔레콤 주식회사 사용자의 에너지 사용 패턴을 이용한 에너지 공급 제어 방법, 이를 위한 장치 및 시스템
KR101949957B1 (ko) 2016-12-23 2019-05-10 주식회사 파워큐브코리아 소규모 분산자원 전력거래 활성화를 위한 중개시스템
KR20190076688A (ko) * 2017-12-22 2019-07-02 포스코에너지 주식회사 분산 자원 통합 관리 시스템 및 방법
KR102173207B1 (ko) * 2013-09-30 2020-11-03 한국전력공사 분산 전원의 스케쥴링 및 실시간 제어를 통한 빌딩 에너지 관리 장치
KR20210066642A (ko) * 2019-11-28 2021-06-07 주식회사 인포마인드 빅데이터 기반 태양광 발전 예측을 통한 컨설팅 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130001821A (ko) * 2011-06-28 2013-01-07 에스케이텔레콤 주식회사 사용자의 에너지 사용 패턴을 이용한 에너지 공급 제어 방법, 이를 위한 장치 및 시스템
KR102173207B1 (ko) * 2013-09-30 2020-11-03 한국전력공사 분산 전원의 스케쥴링 및 실시간 제어를 통한 빌딩 에너지 관리 장치
KR101949957B1 (ko) 2016-12-23 2019-05-10 주식회사 파워큐브코리아 소규모 분산자원 전력거래 활성화를 위한 중개시스템
KR20190076688A (ko) * 2017-12-22 2019-07-02 포스코에너지 주식회사 분산 자원 통합 관리 시스템 및 방법
KR20210066642A (ko) * 2019-11-28 2021-06-07 주식회사 인포마인드 빅데이터 기반 태양광 발전 예측을 통한 컨설팅 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117805715A (zh) * 2024-02-29 2024-04-02 深圳市智岩科技有限公司 智能插座及其校准检测方法、装置和产品
CN117805715B (zh) * 2024-02-29 2024-04-26 深圳市智岩科技有限公司 智能插座及其校准检测方法、装置和产品

Similar Documents

Publication Publication Date Title
US11095152B2 (en) Energy storage modeling and control
Garcia-Torres et al. Stochastic optimization of microgrids with hybrid energy storage systems for grid flexibility services considering energy forecast uncertainties
Verrilli et al. Model predictive control-based optimal operations of district heating system with thermal energy storage and flexible loads
Korpas et al. Operation planning of hydrogen storage connected to wind power operating in a power market
JP5276294B2 (ja) 負荷低減計画策定システム及びデマンド制御システム
Klingler et al. Impacts of a forecast-based operation strategy for grid-connected PV storage systems on profitability and the energy system
JP5248372B2 (ja) 発電計画作成方法、装置、プログラムおよび記憶装置
US20160211664A1 (en) Dispatch Controller for an Energy System
Hargreaves et al. REFLEX: An adapted production simulation methodology for flexible capacity planning
Tuohy et al. Rolling unit commitment for systems with significant installed wind capacity
JP2015534229A (ja) 燃料電池フリートの最適化
KR20140075617A (ko) 지능형 에너지 소비 예측 방법
US20220376499A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
KR20140075614A (ko) 지능형 에너지 소비 지침 생성 방법
KR102492456B1 (ko) 전력량 예측 기반 분산자원 중개거래 플랫폼 장치
JP7074724B2 (ja) 情報処理装置、情報処理方法及びプログラム
Soder et al. On methodology for modelling wind power impact on power systems
Reddy et al. Cloud energy storage management system with price fluctuations and distributed generation intermittency
KR102396712B1 (ko) 에너지 관리 시스템 및 이를 이용한 전력 구매 비용 결정 방법
CN110546842A (zh) 能源管理装置和方法、能源管理系统以及能源管理系统的运转计划方法
Andrianesis et al. The" hidden cost" of renewable energy sources in electricity pool markets
JP3880471B2 (ja) 発電計画方法
Hu et al. Towards optimal energy management of microgrids with a realistic model
JP6104071B2 (ja) 電力供給管理システム
Herath et al. Frequency Excursion Likelihood Constrained Resource Scheduling for Large-Scale Renewable Energy Integration

Legal Events

Date Code Title Description
GRNT Written decision to grant