KR102544181B1 - 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 - Google Patents

디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 Download PDF

Info

Publication number
KR102544181B1
KR102544181B1 KR1020200185799A KR20200185799A KR102544181B1 KR 102544181 B1 KR102544181 B1 KR 102544181B1 KR 1020200185799 A KR1020200185799 A KR 1020200185799A KR 20200185799 A KR20200185799 A KR 20200185799A KR 102544181 B1 KR102544181 B1 KR 102544181B1
Authority
KR
South Korea
Prior art keywords
simulation
information
power
ess
distributed resource
Prior art date
Application number
KR1020200185799A
Other languages
English (en)
Other versions
KR20220095313A (ko
Inventor
신복덕
송은우
김상호
Original Assignee
주식회사 그리드위즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 그리드위즈 filed Critical 주식회사 그리드위즈
Priority to KR1020200185799A priority Critical patent/KR102544181B1/ko
Publication of KR20220095313A publication Critical patent/KR20220095313A/ko
Application granted granted Critical
Publication of KR102544181B1 publication Critical patent/KR102544181B1/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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명은 마이크로그리드 환경에서 분산 자원을 연계하고 디지털 트윈 기반의 시뮬레이션을 통하여 효율적인 운영 및 최적화를 위한 운영 계획 시스템 및 운영 계획 방법에 관한 것이다.
상기 운영 계획 시스템을 통하여 다양한 분산 자원으로부터 수집한 많은 량의 운전 정보를 빅데이터 시스템에 저장하고, 분석된 내용을 기반으로 분산 자원의 위험을 미리 감지하여 분산 시스템의 고가용성을 보장할 수 있으며 사용자가 원하는 복합적인 환경의 운전 시뮬레이션과 최적화를 통한 전략적인 운영 계획을 수립할 수 있다. 상기 분산 자원은 에너지 저장 장치를 관리하는 에너지 저장 관리 시스템(ESS); 태양광 발전 장치를 관리하는 태양광 발전 관리 시스템(PVMS); 풍력 발전 장치를 관리하는 풍력 발전 관리 시스템(WMS); 사업자의 전력 수요를 관리하는 전력 수요 관리 시스템(xEMS); 수요 반응 관리 시스템(DRMS)을 포함할 수 있으며,
상기 개별 시스템은 독립적으로 개별 목적 설비 또는 시스템을 운전할 수 있으며 독립된 데이터 저장소를 포함한다.
또한, 본 발명은 마이크로그리드 내 개별 시스템을 유기적으로 연동하여 마이크로그리드 단위의 비용 절감, 계통위험감지, 전력 시장 참여 등의 목적을 달성하기 위해 상기 분산 자원의 개별 운전 정보 수집, 센서 데이터 수집 및 전처리를 수행하는 빅데이터 시스템; 상기 운전 정보에 대한 머신 러닝을 통해 전력 계통 및 신재생 발전에 대한 예측을 수행하는 머신러닝 시스템; 상기 운전 정보 및 예측 정보를 활용하여 실제 환경과 같이 시뮬레이션할 수 있는 디지털 트윈 시스템; 상기 모든 시스템의 연계를 위한 통신을 중개하고 관리하는 데이터 연동 채널을 포함한다.

Description

디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법{Digital Twin Based Distributed Energy Resource and Power Line Management Plan System and Method thereof}
본 발명은 마이크로그리드 환경하에서 분산 자원을 연계하고 디지털 트윈 기반의 시뮬레이션을 통해 효율적인 운영 및 최적화를 위한 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법에 관한 것이다.
디지털 트윈 기술은 실제 산업 현장과 완전히 동일한 환경을 소프트웨어로 복제하여 디지털 환경에 구현한 디지털 가상 객체를 말하는 것으로, 실제 산업 현장과 연동되어 산업 현장에 포함된 각종 장치, 부품, 기기, 센서 등에서 발생하는 데이터를 실시간으로 수집하여 현장 운영자에게 제공하며, 실제 환경에서 확인이 어려운 복합적인 설계 및 운영의 모사를 통해 기술적인 검토화 효율성을 검증하는 솔루션을 의미할 수 있다.
현장 운영자는 실제 현장을 가상으로 구현한 디지털 트윈을 통해 현장 작동 상태를 실시간으로 확인할 수 있으며, 시뮬레이션을 통하여 설계와 운영에 대한 최적화 및 타당성을 검토하고, 예측되는 고장이나 사고 발생 등 현장 작동 데이터를 디지털 트윈을 통해 확인한 후 바로 대응할 수 있으므로, 현장을 최적의 상태에서 운영할 수 있는 장점이 있다.
사회 정책, 기업 윤리, 경제성 등 여러 환경적 요인으로 인해 에너지 절감에 대한 필요성이 높아지고 있다. 따라서, 전력 소비가 높은 기업, 기관, 공장 등에서는 에너지 절감을 위한 ESS(에너지 저장 시스템), PV(태양광 발전 시스템), DR(수요 관리 시스템) 등과 같은 여러 에너지 절감 설비 및 수요 관리 시스템을 도입하고 있다.
에너지 절감을 위한 수요가 증가함에 따라 각 설비에 대한 제조사 및 개발 업체가 다양해짐으로써 관리 비용이 증가하고 시스템 변경에 능동적으로 대응할 수 없는 실정이다.
다양한 환경에서 개발 구축된 설비 및 시스템을 효율적으로 통합하여 관리할 수 있도록 표준화된 인터페이스를 통하여 각 독립된 설비 및 시스템을 유연하게 연계할 수 있는 환경이 필요하며, 가상의 설비를 설계하거나 조합하여 시뮬레이션 해봄으로써 운영의 효율성을 높일 수 있는 방안의 필요성이 대두되고 있다.
이에 본 발명은 사용자의 요구에 따라 ESS, PV, DR 등의 에너지 절감 설비 및 관리 장치와 같은 분산 자원에 대한 운전 정보를 수집하고, 수집된 분산 자원의 운전 정보를 분석하여 분산 자원의 위험을 미리 감지하며, 사용자가 원하는 복합적인 환경의 운전 시뮬레이션과 최적화를 통해 전략적인 운영 계획을 수립하기 위한 시스템 및 방법을 제공하는 것이다.
본 발명의 해결 수단은 분산 자원 시스템으로부터 다양한 운전 정보를 수집하기 위한 빅데이터 시스템; 상기 빅데이터 시스템을 통해 수집된 운전 정보에 대한 머신 러닝을 통해 전력 계통 및 신재생 발전에 대한 예측 정보를 도출하는 머신 러닝 시스템; 상기 분산 자원 시스템의 운전 정보와 상기 머신 러닝 시스템의 예측 정보를 통해 실제 환경과 같이 시뮬레이션할 수 있는 디지털 트윈 시스템; 상기 빅데이터 시스템, 상기 머신 러닝 시스템 및 상기 디지털 트윈 시스템이 상기 분산 자원 시스템과 서로 통신하여 정보를 주고받기 위한 데이터 연동 채널을 포함하는 분산 자원 및 전력 계통 운영 계획 시스템이 제공될 수 있다.
또한, 본 발명은 분산 자원 시스템으로부터 다양한 운전 정보를 빅데이터 시스템에서 수집하는 단계; 상기 빅데이터 시스템을 통해 수집된 운전 정보에 대한 머신 러닝 시스템을 통해 분산 자원 및 전력 계통에 대한 예측 정보를 도출하는 단계; 상기 분산 자원 시스템의 운전 정보와 상기 머신 러닝 시스템의 예측 정보를 통해 디지털 트윈 시스템으로 실제 환경과 같이 시뮬레이션하는 단계를 포함하는 분산 자원 및 전력 계통 운영 계획 방법이 제공될 수 있다.
본 발명은 마이크로그리드 환경하에서 산업용 신재생 에너지 설비의 운전 상황에 대한 데이터를 기반으로 실제 신재생 에너지 발전 설비 및 ESS와 동기화되는 디지털 트윈 기반의 시스템을 통해 신재생 에너지의 설비 용량 최적화 및 안정적인 운영을 위한 정보를 제공해줄 수 있고, 설치된 신재생 에너지 발전 자원을 효율적으로 유지 보수하고, 운전 효율을 높일 수 있다.
본 발명은 다양한 분산 자원으로부터 수집한 많은 양의 운전 정보를 빅데이터 시스템에 적재 및 분석하고, 분석된 내용을 기반으로 분산 자원의 위험을 미리 감지하여 분산 자원 시스템의 고가용성을 보장할 수 있으며, 사용자가 원하는 복합적인 환경의 운전 시뮬레이션과 최적화를 통한 전략적인 운영 계획을 수립할 수 있다.
도 1은 본 발명의 운영 계획 시스템을 구현하기 위한 구성을 나타낸 블럭도이다.
도 2는 본 발명의 시뮬레이션부의 구성을 나타낸 블럭도이다.
도 3은 본 발명의 운영 계획 방법을 구현하기 위한 시뮬레이션 과정을 설명하는 순서도이다.
이하, 본 발명을 실시하기 위한 구체적인 내용을 첨부된 예시 도면에 의거 상세하게 설명한다.
도 1은 본 발명의 운영 계획 시스템을 구현하기 위한 구성을 나타낸 블럭도이다. 도 1을 참조하면, 본 발명의 운영 계획 시스템(10)은 분산 자원 시스템(100)으로부터 다양한 운전 정보를 수집하기 위한 빅데이터 시스템(200), 빅데이터 시스템(200)을 통해 수집된 운전 정보에 대한 머신 러닝을 통해 분산 자원 및 전력 계통에 대한 예측 정보를 도출하는 머신 러닝 시스템(300), 분산 자원 시스템(100)의 운전 정보와 머신 러닝 시스템(300)의 예측 정보를 통해 실제 환경과 같이 시뮬레이션할 수 있는 디지털 트윈 시스템(400)을 포함하여 구성될 수 있다.
또한, 관리 시스템(10)은 빅데이터 시스템(200), 머신 러닝 시스템(300) 및 디지털 트윈 시스템(400)이 분산 자원 시스템(100)과 서로 통신하여 정보를 주고받기 위한 데이터 연동 채널(500)을 포함할 수 있다.
데이터 연동 채널(500)은 다양하고 이질적인 분산 자원을 효율적으로 통합하고 관리하기 위한 것일 수 있다. 필요에 따라 시스템간 요청 및 응답이 필요한 경우, 데이터가 자주 발생하며, 다수의 시스템에 전달해야 하는 경우, 데이터가 자주 발생하지 않지만 다수의 시스템에 전달해야 하는 경우 등에 적용될 수 있다.
다시 말해서, 데이터 연동 채널(500)은 간단하고 플러그형 시스템을 구현하여 확장성을 보장하기 위해 마련되는 것일 수 있다.
분산 자원 시스템(100)은 에너지 저장 관리 시스템(ESS)(110), 신재생 발전 시스템인 태양광 발전 관리 시스템(PVMS)(120), 풍력 발전 관리 시스템(WMS)(130), 수요 반응 관리 시스템(DRMS)(140), 전력 수요 관리 시스템(EMS)(150)중 적어도 어느 하나를 포함할 수 있다. 각각의 분산 자원 시스템(100)은 독립적으로 개별 목적 설비 또는 시스템을 운전할 수 있고, 빅데이터 시스템(200)에 독립된 데이터로서 적재(저장)할 수 있다.
에너지 저장 관리 시스템(110)은 전력을 충전 및 방전하는 에너지 저장 장치일 수 있고, 하나 또는 복수로 마련될 수 있다.
태양광 발전 관리 시스템(120)은 신재생 에너지 발전 모듈로서 태양 에너지를 이용하여 전력을 발전시키는 태양광 발전 설비를 관리하는 태양광 관리 시스템로 이루어질 수 있다.
풍력 발전 관리 시스템(130)은 풍력을 관리하는 장치일 수 있다.
수요 반응 관리 시스템(140)은 사용자에게 수요 반응 서비스를 제공하고 관리하는 시스템일 수 있다.
수요 반응 관리 시스템(140)은 사용자의 소비 전력량 정보를 토대로 수요 반응 정보를 생성하고, 상기 생성된 수요 반응 정보를 기초로 상기 수용가에 수요 반응 서비스를 제공할 수 있다. 여기서, 상기 수요 반응 정보는 소비 전력 감축 요청량, 실적 수요 감축량, 감축 참여율, 실질 감축 참여율 등을 포함할 수 있다.
전력 계통은 각 사업장의 부하 등이 될 수 있다.
빅데이터 시스템(200)은 각 분산 자원 시스템(100)으로부터 많은 양의 운전 정보를 수집하는 운전 정보 수집부(210), 수집된 운전 정보 데이터를 전처리 및 적재하는 데이터 전처리 및 적재부(220), 전처리 및 적재된 운전 정보 데이터를 분석하는 데이터 분석부(230), 분석한 데이터를 디지털 트윈 시스템(400)에 제공하기 위한 데이터 제공 API(Application Programming Interface)(240)를 포함할 수 있다.
머신 러닝 시스템(300)은 각 분산 자원 시스템(100)의 운전 정보에 대하여 학습하고, 이러한 학습을 통해 머신 러닝 모델을 설정하여 각종 부하로 이루어진 전력 계통에 대한 소비 전력량, 태양광 발전량, 풍력 발전량을 예측하는 것일 수 있다.
머신 러닝 시스템(300)은 분산 자원 시스템(100)을 이루는 각각의 시스템에 대한 고장 및 점검 시기를 예측하는 고장 및 점검 시기 예측부(310), 각 전력 계통의 소비 전력량 예측부(320), 태양광 발전 설비의 발전량을 예측하는 태양광 발전량 예측부(330), 풍력 발전 설비의 발전량을 예측하는 풍력 발전량 예측부(340)를 적어도 하나 이상 포함하여 구성될 수 있다.
머신 러닝 시스템(300)의 고장 및 점검 시기 예측부(310)는 PCS 및 배터리의 기대 수명에 대한 예측과 배터리 셀의 온도 및 전압 이상 발생 횟수에 대한 분석을 통하여 설비에 대한 고장 예측 및 점검 시점을 산출할 수 있다.
머신 러닝 시스템(300)은 소비 전력량에 대한 패턴 분류 및 인식 정보를 제공받아서 학습하고, 머신 러닝 모델을 설정한 다음, 소비 전력량 예측부(320)를 통해 미래의 소비 전력량에 대하여 예측할 수 있다.
머신 러닝 시스템(300)에서의 학습 내용을 보면, 전력 사용량 패턴 분류는 예를 들어 복수의 부하 패턴중 동일한 부하 증감량을 가지는 부하 패턴끼리 분류하고, 이러한 분류된 패턴중에서 대표 패턴을 추출하며, 대표 패턴이 설정된 오차율 초과 여부를 판단한 다음, 설정된 오차율을 초과하지 않는 경우에는 대표 패턴으로 산정하며, 설정된 오차율을 초과하는 경우에는 다시 재분류 작업을 반복해서 수행할 수 있다.
따라서, 이러한 머신 러닝 시스템(300)은 학습하여 머신 러닝 모델을 설정한 다음, 이러한 머신 러닝 모델을 토대로 소비 전력량 예측부(320)에서는 미래 소비 전력량에 대하여 예측할 수 있다.
태양광 발전량 예측부(330)는 태양광 발전 관리 시스템(120)의 태양광 발전 정보에 대한 데이터를 통해 태양광 발전량을 예측할 수 있다.
풍력 발전량 예측부(340)는 풍력 발전 관리 시스템(130)의 풍력 발전 정보에 대한 데이터를 통해 풍력 발전량을 예측할 수 있다.
디지털 트윈 시스템(400)은 빅데이터 시스템(200) 및 머신 러닝 시스템(300)으로부터 정보를 제공받아서 시뮬레이션을 진행하고 결과를 도출할 수 있다.
이러한 디지털 트윈 시스템(400)은 시뮬레이션하기 위한 대상의 조건을 설정하는 시뮬레이션 설정부(410), 각 분산 자원 시스템(100)의 운전 정보에 대한 데이터를 수집한 빅데이터 시스템(200)의 운전 정보 수집부(210)를 통해 운전 정보 데이터를 조회하는 운전 정보 조회부(420), 조회한 운전 정보를 토대로 머신 러닝 시스템(300)에 의한 예측 정보를 조회하는 예측 정보 조회부(430), 시뮬레이션을 수행하는 시뮬레이션부(440), 시뮬레이션부(440)에 의해 시뮬레이션한 결과를 사용자에게 전송하는 시뮬레이션 결과 전송부(450)를 포함할 수 있다.
도 2는 본 발명의 시뮬레이션부의 구성을 나타낸 블럭도이다.
도 2를 참조하면, 시뮬레이션부(440)는 예를 들어, 전력 수요 관리 시스템(xEMS)(150)으로부터 전력 정보를 요청하는 전력 정보 요청부(4401), 입수한 전력 정보에 대한 패턴을 분류 및 인식하는 분류 인식부(442), 태양광 발전 요청부(443), 태양광 발전 예측 정보부(444), 충방전량 계산부(445), ESS 제어 요청부(446), ESS 제어 결과 알림부(447), ESS 제어 결과 조회부(448), 이벤트 정보를 알려주는 이벤트 정보 알림부(449)로 이루어질 수 있다.
실제 전력 수요 관리 시스템(150)은 ESS 제어 요청부(446)로부터 요청받는 ESS 제어 명령부, 데이터 정보를 수집하는 ESS 정보 수집부, 전력정보 요청부(441)로부터 전력 정보를 요청받는 사용량 정보부 등으로 이루어질 수 있다.
실제 에너지 저장 관리 시스템(110)은 ESS 제어 명령부를 통해 ESS를 제어하는 ESS 제어부, 데이터 연동 채널(500)를 거쳐서 ESS 운전 정보 공유부상의 운전 정보를 ESS 제어 결과 알림부(447)에 제공하는 ESS 운전 정보 공유부, ESS 장치 이상 등과 같은 이벤트 정보를 저장하고 이벤트 정보 알림부(449)에 제공하는 이벤트 공유부로 이루어질 수 있다.
실제 태양광 발전 관리 시스템(120)은 태양광 발전 정보부와, 태양광 발전 장치의 이상 등과 같은 이벤트를 공유하는 이벤트 공유부로 이루어질 수 있다.
시뮬레이션부(440)에 의한 시뮬레이션시 발생되는 충방전량 및 전력 사용량, 태양광 발전량 등과 같은 실시간 정보는 실제 디지털 트윈 시스템(400)의 실시간 연동과 동일한 경로 및 인터페이스를 통해 전송되며, PMS와 같은 상위 제어 시스템에 의해 분 단위 데이터를 초 단위로 전송할 수 있다.
시뮬레이션부(440)에 의한 결과는 화면부를 통해 볼 수 있고, 시뮬레이션 전/후 최대 부하 비교, 소비 전력량 요금 및 편익과 경제성 분석, ESS 충방전 및 PV 발전으로 인한 소비 전력량 변화 등을 확인할 수 있다.
시뮬레이션 결과를 활용하여 설비의 동작을 분석하고, 주요 부품들의 수명 및 상태를 기준으로 고장 예측을 통한 점검 시점을 산출할 수 있다.
도 3은 본 발명의 디지털 트윈 시스템(400)에 의한 시뮬레이션을 수행하기 위한 방법을 나타낸 순서도이다.
도 3을 참조하면, 본 발명의 시뮬레이션을 수행하기 위한 방법은 시뮬레이션 설정부(410)를 통해 시뮬레이션할 대상 및 범위를 설정한 다음, 시뮬레이션을 실행하는 단계를 포함할 수 있다.
시뮬레이션 설정시 시뮬레이션을 초기화하고 시뮬레이션 기간 및 부하를 선택하는 단계, 사용자의 커스텀(custom) 데이터를 통해 분산 자원을 선택하는 단계, 선택된 분산 자원이 태양광 시스템인지 여부를 판단하는 단계, 태양광 시스템인 경우, 태양광 패널 인버터 용량을 설정하는 단계, 태양광 시스템이 아닌 경우 풍력 시스템인지 여부를 판단하는 단계, 풍력 시스템인 경우, 풍력 터빈의 인버터 용량을 설정하는 단계, 풍력 시스템이 아닌 경우 ESS인지 여부를 판단하는 단계, ESS인 경우, 배터리 및 PCS 용량, 운전 알고리즘을 설정하는 단계, ESS가 아닌 경우 수요 반응 시스템인지 여부를 판단하는 단계, 수요 반응 시스템인 경우, 감축 이행률 및 목표 감축량을 설정하는 단계, 시뮬레이션 설정을 완료하는 단계를 포함할 수 있다.
커스텀 데이터는 사용자에 의해 수정되거나 생성된 전력 데이터일 수 있다.
만일, 사용자 커스텀 데이터를 이용하지 않는 경우에는 선택 부하 고객사의 분산 자원을 통해 수요 반응 시스템을 이용할지 여부를 판단하는 단계를 포함할 수 있다. 수요 반응 시스템을 이용하는 경우, 감축 이행률과 목표 감축량을 설정하고 수요 반응 시스템을 이용하지 않는 경우에는 다음 설정으로 감축 이행률과 목표 감축량을 설정하지 않고 시뮬레이션 설정을 완료하고 시뮬레이션을 실행하는 단계를 포함할 수 있다.
시뮬레이션 실행 단계는, 시뮬레이션 설정에 대한 정보를 조회하고 분산 자원 운전 정보 및 전력 정보를 조회하며, 예측 소비 전력량을 조회하는 단계, 태양광 시스템인지 여부를 판단하는 단계, 태양광 시스템인 경우 예측한 태양광 발전량, 고장 예측 및 점검 시기를 조회하는 단계, 태양광 시스템이 아닌 경우 풍력 시스템인지 여부를 판단하는 단계, 풍력 시스템인 경우 예측 풍력 발전량, 고장 예측 및 점검 시기를 조회하는 단계, 풍력 시스템이 아닌 경우, ESS인지 여부를 판단하는 단계, ESS인 경우 알고리즘 수행 여부를 판단하는 단계, 알고리즘을 수행하는 단계인 경우 알고리즘 수행후 피크컷 충방전 알고리즘을 수행하고, 충전량 및 방전량을 산출하고 소비 전력량을 산출하는 단계, 이후 시뮬레이션 결과를 전송하고 시뮬레이션 실행을 완료하는 단계를 포함할 수 있다.
만일, ESS가 아닌 경우, 소비 전력량을 산출하고 시뮬레이션 결과를 전송하고 시뮬레이션 실행을 완료하는 단계를 포함할 수 있다.
또한, 알고리즘을 수행하지 않는 경우, 피크컷 충방전 알고리즘을 수행하지 않고 충전량 및 방전량을 산출하고, 소비 전력량을 산출하여 시뮬레이션 결과를 전송하고 시뮬레이션 실행을 완료하는 단계를 포함할 수 있다.
분산 자원 및 전력 계통 관리 시스템은 관리 서버에 탑재될 수 있고, 관리 서버에서 화면부를 통해 시뮬레이션 결과를 보여줄 수 있다.
10... 운영 계획 시스템 100... 분산 자원 시스템
110... 에너지 저장 관리 시스템 120... 태양광 발전 시스템
130... 풍력 발전 관리 시스템 140... 수요 반응 관리 시스템
150... 전력 수요 관리 시스템
200... 빅데이터 시스템 210... 운전 정보 수집부
220... 데이터 전처리 및 적재부 230... 데이터 분석부
240... 데이터 제공 API부
300... 머신 러닝 시스템 310... 고장 및 점검 시기 예측부
320... 소비 전력량 예측부 330... 태양광 발전량 예측부
340... 풍력 발전량 예측부 400... 디지털 트윈 시스템
410... 시뮬레이션 설정부 420... 운전 정보 조회부
430... 예측 정보 조회부 440... 시뮬레이션부
441... 전력정보 요청부 442... 전력정보 패턴 분류 인식부
443... 태양광 발전 정보 요청부 444... 태양광 발전 예측 정보 요청부
445... ESS 충방전량 계산부 446... ESS 제어 요청부
447... ESS 제어 결과 알림부 448... ESS 제어 결과 조회부
449... 이벤트 정보 알림부
450... 시뮬레이션 결과 전송부 500... 데이터 연동 채널

Claims (8)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 분산 자원 시스템으로부터 다양한 운전 정보를 빅데이터 시스템에서 수집하는 단계;
    상기 빅데이터 시스템을 통해 수집된 운전 정보에 대한 머신 러닝 시스템을 통해 분산 자원 및 전력 계통에 대한 예측 정보를 도출하는 단계;
    상기 분산 자원 시스템의 운전 정보와 상기 머신 러닝 시스템의 예측 정보를 통해 디지털 트윈 시스템으로 실제 환경과 같이 시뮬레이션하는 단계;
    를 포함하고,
    상기 시뮬레이션 단계는,
    시뮬레이션 설정부를 통해 시뮬레이션할 대상 및 범위를 설정한 다음, 시뮬레이션을 실행하는 단계,
    시뮬레이션 설정시 시뮬레이션을 초기화하고 시뮬레이션 기간 및 부하를 선택하는 단계,
    사용자의 커스텀 데이터를 통해 분산 자원을 선택하는 단계,
    선택된 분산 자원이 태양광 시스템인지 여부를 판단하는 단계,
    태양광 시스템인 경우, 태양광 패널 인버터 용량을 설정하는 단계,
    태양광 시스템이 아닌 경우 풍력 시스템인지 여부를 판단하는 단계,
    풍력 시스템인 경우, 풍력 터빈의 인버터 용량을 설정하는 단계,
    풍력 시스템이 아닌 경우 ESS인지 여부를 판단하는 단계,
    ESS인 경우, 배터리 및 PCS 용량, 운전 알고리즘을 설정하는 단계,
    ESS가 아닌 경우 수요 반응 시스템인지 여부를 판단하는 단계,
    수요 반응 시스템인 경우, 감축 이행률 및 목표 감축량을 설정하는 단계, 시뮬레이션 설정을 완료하는 단계를 포함하는 분산 자원 및 전력 계통 운영 계획 방법.
  7. 분산 자원 시스템으로부터 다양한 운전 정보를 빅데이터 시스템에서 수집하는 단계;
    상기 빅데이터 시스템을 통해 수집된 운전 정보에 대한 머신 러닝 시스템을 통해 분산 자원 및 전력 계통에 대한 예측 정보를 도출하는 단계;
    상기 분산 자원 시스템의 운전 정보와 상기 머신 러닝 시스템의 예측 정보를 통해 디지털 트윈 시스템으로 실제 환경과 같이 시뮬레이션하는 단계;
    를 포함하고,
    상기 시뮬레이션 단계는,
    시뮬레이션 설정부를 통해 시뮬레이션할 대상 및 범위를 설정한 다음, 시뮬레이션을 실행하는 단계,
    시뮬레이션 실행 단계는,
    시뮬레이션 설정에 대한 정보를 조회하고 분산 자원 운전 정보 및 전력 정보를 조회하며, 예측 소비 전력량을 조회하는 단계, 태양광 시스템인지 여부를 판단하는 단계,
    태양광 시스템인 경우 예측한 태양광 발전량, 고장 예측 및 점검 시기를 조회하는 단계,
    태양광 시스템이 아닌 경우 풍력 시스템인지 여부를 판단하는 단계,
    풍력 시스템인 경우 예측 풍력 발전량, 고장 예측 및 점검 시기를 조회하는 단계,
    풍력 시스템이 아닌 경우, ESS인지 여부를 판단하는 단계,
    ESS인 경우 알고리즘 수행 여부를 판단하는 단계,
    알고리즘을 수행하는 단계인 경우 알고리즘 수행후 피크컷 충방전 알고리즘을 수행하고, 충전량 및 방전량을 산출하고 소비 전력량을 산출하는 단계,
    시뮬레이션 결과를 전송하고 시뮬레이션 실행을 완료하는 단계를 포함하는 분산 자원 및 전력 계통 운영 계획 방법.
  8. 제7 항에 있어서,
    ESS가 아닌 경우, 소비 전력량을 산출하고 시뮬레이션 결과를 전송하고 시뮬레이션 실행을 완료하는 단계,
    알고리즘을 수행하지 않는 경우, 피크컷 충방전 알고리즘을 수행하지 않고 충전량 및 방전량을 산출하고, 소비 전력량을 산출하여 시뮬레이션 결과를 전송하고 시뮬레이션 실행을 완료하는 단계를 포함하는 분산 자원 및 전력 계통 운영 계획 방법.
KR1020200185799A 2020-12-29 2020-12-29 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 KR102544181B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200185799A KR102544181B1 (ko) 2020-12-29 2020-12-29 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200185799A KR102544181B1 (ko) 2020-12-29 2020-12-29 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법

Publications (2)

Publication Number Publication Date
KR20220095313A KR20220095313A (ko) 2022-07-07
KR102544181B1 true KR102544181B1 (ko) 2023-06-19

Family

ID=82398587

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200185799A KR102544181B1 (ko) 2020-12-29 2020-12-29 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법

Country Status (1)

Country Link
KR (1) KR102544181B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240044049A (ko) 2022-09-28 2024-04-04 한국전력공사 발전소의 환경성 예측 모델을 위한 데이터 처리 시스템 및 방법
CN115549078B (zh) * 2022-10-12 2023-08-11 国网山西省电力公司 一种基于数字孪生的电网整合规划方法
KR102644225B1 (ko) * 2022-12-06 2024-03-07 주식회사 장인의 공간 수소 기반 가상 발전소의 전력 거래 방법 및 장치
CN116307652A (zh) * 2023-05-25 2023-06-23 华北电力大学 一种智能电网人工智能资源分配方法
CN116861834B (zh) * 2023-08-31 2023-12-29 北京松岛菱电电力工程有限公司 一种电力安装测试方法及系统
CN117272696B (zh) * 2023-11-21 2024-01-26 国网信息通信产业集团有限公司 基于电力人工智能与数字孪生的数据互联交互平台

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019154201A (ja) * 2018-03-06 2019-09-12 一般財団法人電力中央研究所 電力系統制御装置、電力系統制御システム、電力系統制御方法及び電力系統制御プログラム
KR102190845B1 (ko) 2020-08-21 2020-12-14 주식회사 아이씨티솔루션스 Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170119863A (ko) * 2016-04-20 2017-10-30 중소기업은행 에너지 저장 장치 용량 산정 방법 및 이를 이용하는 전력 관리 장치
KR20190123040A (ko) * 2018-04-23 2019-10-31 한국전자통신연구원 딥러닝 기반 태양광 발전량 예측 모델 갱신 주기를 설정하는 태양광 발전량 예측 모델 관리 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019154201A (ja) * 2018-03-06 2019-09-12 一般財団法人電力中央研究所 電力系統制御装置、電力系統制御システム、電力系統制御方法及び電力系統制御プログラム
KR102190845B1 (ko) 2020-08-21 2020-12-14 주식회사 아이씨티솔루션스 Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
디지털트윈 기반의 신재생에너지 서비스 플랫폼 구현방안에 대한 연구(2018.8.31.) 1부.*

Also Published As

Publication number Publication date
KR20220095313A (ko) 2022-07-07

Similar Documents

Publication Publication Date Title
KR102544181B1 (ko) 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법
US8909358B2 (en) Method and system for complex smart grid infrastructure assessment
JP2024503017A (ja) 充電管理システムにおける充電及びエネルギー供給の最適化方法並び装置
KR102063383B1 (ko) 분산 자원 통합 관리 시스템 및 방법
KR101522175B1 (ko) 클라우드 기반 스마트 그리드 시스템 및 이를 이용한 스마트 미터링 방법
US9887544B2 (en) System and method for mathematical predictive analytics and computational energy modeling
CN104751305A (zh) 一种基于故障分析抢修的智能交互系统及其控制方法
CN113169709A (zh) 基于机器学习的太阳能发电控制系统及方法
CN113169708A (zh) 太阳能发电平衡控制系统及方法
CN107154626A (zh) 分布式光伏智能能源与储能管理SaaS系统
CN108898239A (zh) 一种基于数据分析的配电变压器选址方法
CN111091240A (zh) 一种公共机构电力能效监测系统及服务方法
Muhammad et al. Deep-reinforcement-learning-based sustainable energy distribution for wireless communication
Han et al. Waste heat reutilization and integrated demand response for decentralized optimization of data centers
CN112950001B (zh) 基于云边端闭环架构的智慧能量管控系统及方法
Rao et al. Demand Response for Renewable Generation in an IoT based Intelligent Smart Energy Management System
KR20170106703A (ko) 마이크로그리드 운영 시스템 및 방법
CN116128223A (zh) 一种以电力系统为核心的智慧能源系统
Pesch et al. Globally optimised energyefficient datacenters
Das et al. Optimizing Microgrid Energy Management Systems with Variable Renewable Energy Penetration: Analysis of Data Loss Effects
Zhou et al. Optimization Control Strategy of Electricity Information Acquisition System Based on Edge-Cloud Computing Collaboration
Moitra et al. A decision support system for ranking the different battery energy storage technologies using CRITIC and EDAS method
KR20210073836A (ko) 에너지 자원 통합 운영 시스템
CN104932304A (zh) 一种微电网的多智能体控制系统和方法
CN117786372B (zh) 基于机器学习的分布式光伏发电数据处理方法及系统

Legal Events

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