KR102600657B1 - 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템 - Google Patents

디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR102600657B1
KR102600657B1 KR1020230076653A KR20230076653A KR102600657B1 KR 102600657 B1 KR102600657 B1 KR 102600657B1 KR 1020230076653 A KR1020230076653 A KR 1020230076653A KR 20230076653 A KR20230076653 A KR 20230076653A KR 102600657 B1 KR102600657 B1 KR 102600657B1
Authority
KR
South Korea
Prior art keywords
energy efficiency
amount
production
factory
confirmed
Prior art date
Application number
KR1020230076653A
Other languages
English (en)
Inventor
김종현
Original Assignee
김종현
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 김종현 filed Critical 김종현
Priority to KR1020230076653A priority Critical patent/KR102600657B1/ko
Application granted granted Critical
Publication of KR102600657B1 publication Critical patent/KR102600657B1/ko

Links

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
    • G06Q50/10—Services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Emergency Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법에 있어서, 제1 공장에 배치된 복수의 생산 설비들 중에서 에너지 관리가 필요한 생산 설비를 제1 그룹으로 분류하는 단계; 상기 제1 그룹으로 분류된 생산 설비들을 상기 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 생성하는 단계; 상기 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 제1 시점에 상기 제1 그룹으로 분류된 생산 설비들 중에서 어느 하나인 제1 생산 설비의 에너지 효율로 예측되는 제1 예측 정보를 획득하고, 상기 제1 시점으로부터 제1 기간이 지난 이후인 제2 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제2 예측 정보를 획득하고, 상기 제2 시점으로부터 제2 기간이 지난 이후인 제3 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제3 예측 정보를 획득하는 단계; 상기 제1 예측 정보 및 상기 제2 예측 정보를 비교하여, 상기 제1 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제1 에너지 효율 변동 추세를 분석하는 단계; 상기 제1 생산 설비에 장착되어 상기 제1 생산 설비의 에너지 효율을 감지하는 제1 센서로부터, 상기 제1 시점에 상기 제1 생산 설비의 에너지 효율을 감지하여 생성된 제1 측정 정보를 수신하는 단계; 상기 제1 센서로부터, 상기 제2 시점에 상기 제1 생산 설비의 에너지 효율을 감지하여 생성된 제2 측정 정보를 수신하는 단계; 상기 제1 측정 정보 및 상기 제2 측정 정보를 비교하여, 상기 제1 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동된 것으로 확인한 제2 에너지 효율 변동 추세를 분석하는 단계; 상기 제1 에너지 효율 변동 추세 및 상기 제2 에너지 효율 변동 추세 간의 차이에 따라 제1 가중치를 설정하는 단계; 상기 제2 예측 정보 및 상기 제3 예측 정보를 비교하여, 상기 제2 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제3 에너지 효율 변동 추세를 분석하는 단계; 상기 제1 가중치를 적용하여, 상기 제3 에너지 효율 변동 추세를 조정하는 단계; 및 상기 조정된 제3 에너지 효율 변동 추세를 기초로, 상기 제1 생산 설비의 가동 계획 가이드를 생성하는 단계를 포함하는, 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법이 제공된다.

Description

디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR CONTROLLING FACTORY ENERGY MANAGEMENT SYSTEM BASED ON DIGITAL TWIN MODEL}
아래 실시예들은 디지털 트윈 모델을 기반으로 공장 에너지 관리 시스템을 제어하기 위한 기술에 관한 것이다.
종래의 공장 에너지 관리 시스템은 에너지 최적화를 위한 에너지 사용량 모니터링과 예측을 다양한 방법을 통해 제공하고 있다. 또한, 에너지 사용 패턴을 분석하여 에너지 소비를 진단하고 사용량이 절감되도록 하는 추천 시스템도 제공하고 있다.
그러나, 종래의 공장 에너지 관리 시스템은 공장 전체의 에너지 최적화 또는 자동화에 초점을 맞추고 있어, 개별 생산 설비 마다의 특징을 고려하여, 생산 설비 별로 가동을 제어하는 데에는 한계가 있다.
최근, IoT와 AI 기술의 등장으로 주목받고 있는 디지털 트윈 기술은 에너지 분야에도 적용이 되고 있는데, 에너지 생산 분야에서는 발전소 설계 단계에서부터 운영 단계까지 디지털 트윈을 적용해 에너지 생산에 효율적인 발전소를 건립하고 효율적인 발전 장비 관리로 에너지 생산을 극대화하고 있다. 에너지 소비 분야에서는 건물의 설계 과정에서 에너지 효율에 최적화된 건물을 시뮬레이션하거나, 건물 운영에서 건물 내의 전력, 냉난방 등의 시설물의 실시간 데이터로 시뮬레이션을 통해 건물에 최적화된 에너지 소비 방안을 산출할 수 있다.
이에 따라, 디지털 트윈을 통한 시뮬레이션 결과를 반영하여, 생산 설비 별로 가동을 제어할 수 있는 공장 에너지 관리 시스템에 대한 요구가 증대되고 있으며, 이와 관련된 기술에 대한 연구가 요구된다.
한국공개특허 제10-2022-0072225호 한국공개특허 제10-2023-0076743호 한국공개특허 제10-2021-0117530호 한국공개특허 제10-2023-0036776호
일실시예에 따르면, 디지털 트윈 모델을 기반으로 공장 에너지 관리 시스템을 제어하는 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 장치에 의해 수행되는, 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법에 있어서, 제1 공장에 배치된 복수의 생산 설비들 중에서 에너지 관리가 필요한 생산 설비를 제1 그룹으로 분류하는 단계; 상기 제1 그룹으로 분류된 생산 설비들을 상기 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 생성하는 단계; 상기 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 제1 시점에 상기 제1 그룹으로 분류된 생산 설비들 중에서 어느 하나인 제1 생산 설비의 에너지 효율로 예측되는 제1 예측 정보를 획득하고, 상기 제1 시점으로부터 제1 기간이 지난 이후인 제2 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제2 예측 정보를 획득하고, 상기 제2 시점으로부터 제2 기간이 지난 이후인 제3 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제3 예측 정보를 획득하는 단계; 상기 제1 예측 정보 및 상기 제2 예측 정보를 비교하여, 상기 제1 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제1 에너지 효율 변동 추세를 분석하는 단계; 상기 제1 생산 설비에 장착되어 상기 제1 생산 설비의 에너지 효율을 감지하는 제1 센서로부터, 상기 제1 시점에 상기 제1 생산 설비의 에너지 효율을 감지하여 생성된 제1 측정 정보를 수신하는 단계; 상기 제1 센서로부터, 상기 제2 시점에 상기 제1 생산 설비의 에너지 효율을 감지하여 생성된 제2 측정 정보를 수신하는 단계; 상기 제1 측정 정보 및 상기 제2 측정 정보를 비교하여, 상기 제1 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동된 것으로 확인한 제2 에너지 효율 변동 추세를 분석하는 단계; 상기 제1 에너지 효율 변동 추세 및 상기 제2 에너지 효율 변동 추세 간의 차이에 따라 제1 가중치를 설정하는 단계; 상기 제2 예측 정보 및 상기 제3 예측 정보를 비교하여, 상기 제2 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제3 에너지 효율 변동 추세를 분석하는 단계; 상기 제1 가중치를 적용하여, 상기 제3 에너지 효율 변동 추세를 조정하는 단계; 및 상기 조정된 제3 에너지 효율 변동 추세를 기초로, 상기 제1 생산 설비의 가동 계획 가이드를 생성하는 단계를 포함하는, 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법이 제공된다.
상기 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법은, 상기 제3 에너지 효율 변동 추세를 조정하는 단계 이후, 상기 제1 에너지 효율 변동 추세와 상기 제2 에너지 효율 변동 추세가 서로 반대인 추세로 확인된 경우, 상기 제1 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세로 확인되면, 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성하고, 상기 제2 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세로 확인되면, 상기 제1 센서에 이상이 있는 것으로 판단하여, 제1 센서의 교체 필요 알림 메시지를 관리자 단말로 전송하는 단계; 상기 제1 에너지 효율 변동 추세와 상기 제2 에너지 효율 변동 추세가 동일한 추세로 확인된 경우, 상기 제1 에너지 효율 변동 추세와 상기 제2 에너지 효율 변동 추세 둘 다 에너지 효율이 하락하는 추세로 확인되면, 상기 제1 에너지 효율 변동 추세를 통해 확인되는 변동량을 제1 변동량으로 설정하고, 상기 제2 에너지 효율 변동 추세를 통해 확인되는 변동량을 제2 변동량으로 설정하고, 상기 제1 변동량 및 상기 제2 변동량 간의 차이를 제1 차이량으로 설정하는 단계; 상기 제1 차이량이 미리 설정된 제1 기준량 보다 많은 것으로 확인되면, 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성하는 단계; 상기 제1 차이량이 상기 제1 기준량 보다 적은 것으로 확인되면, 상기 조정된 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정하는 단계; 상기 제3 변동량이 많을수록 상기 제1 생산 설비에서 고장이 발생할 수 있는 확률인 제1 고장 확률을 높은 값으로 설정하는 단계; 상기 제1 고장 확률이 미리 설정된 제1 기준 비율 보다 낮은 것으로 확인되면, 상기 제1 생산 설비를 고장이 나지 않는 정상 설비로 분류하는 단계; 상기 제1 고장 확률이 상기 제1 기준 비율 보다 높지만 미리 설정된 제2 기준 비율 보다 낮은 것으로 확인되면, 상기 제1 생산 설비를 점검이 필요한 점검 필요 설비로 분류하는 단계; 및 상기 제1 고장 확률이 상기 제2 기준 비율 보다 높은 것으로 확인되면, 상기 제1 생산 설비를 교체가 필요한 교체 필요 설비로 분류하는 단계를 더 포함할 수 있다.
상기 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법은, 상기 제3 에너지 효율 변동 추세를 분석하는 단계 이후, 상기 제1 공장의 설비 확장을 위해 추가적인 배치가 필요한 생산 설비들을 제2 그룹으로 분류하는 단계; 상기 제1 그룹으로 분류된 생산 설비들과 상기 제2 그룹으로 분류된 생산 설비들을 상기 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 상기 제1 공장을 디지털 트윈으로 구현한 제2 가상 공간을 생성하는 단계; 상기 제2 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 상기 제2 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제4 예측 정보를 획득하고, 상기 제3 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제5 예측 정보를 획득하는 단계; 상기 제4 예측 정보 및 상기 제5 예측 정보를 비교하여, 상기 제2 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제4 에너지 효율 변동 추세를 분석하는 단계; 상기 조정된 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정하고, 상기 제4 에너지 효율 변동 추세를 통해 확인되는 변동량을 제4 변동량으로 설정하고, 상기 제3 변동량 및 상기 제4 변동량 간의 차이를 제2 차이량으로 설정하는 단계; 상기 제2 차이량이 미리 설정된 제2 기준량 보다 적은 것으로 확인되면, 상기 제2 그룹으로 분류된 생산 설비들에 대한 설비 확장이 가능한 것으로, 상기 제1 공장의 설비 확장 계획 가이드를 생성하는 단계; 상기 제2 차이량이 상기 제2 기준량 보다 많지만 미리 설정된 제3 기준량 보다 적은 것으로 확인되면, 상기 제2 차이량과 상기 제3 기준량 간의 차이를 제3 차이량으로 설정하는 단계; 상기 제3 차이량이 많을수록 설비 확장이 가능한 생산 설비의 비율인 제1 비율을 높은 값으로 설정하고, 상기 제2 그룹으로 분류된 생산 설비들 중에서 상기 제1 비율의 생산 설비에 대한 설비 확장이 가능한 것으로, 상기 제1 공장의 설비 확장 계획 가이드를 생성하는 단계; 및 상기 제2 차이량이 상기 제3 기준량 보다 많은 것으로 확인되면, 생산 설비들에 대한 설비 확장이 불가능한 것으로, 상기 제1 공장의 설비 확장 계획 가이드를 생성하는 단계를 더 포함할 수 있다.
일실시예에 따르면, 디지털 트윈으로 구현한 가상 공간을 통해 공장 구동을 시뮬레이션 하여, 공장 에너지 관리 시스템을 제어함으로써, 디지털 트윈을 통한 시뮬레이션 결과를 반영하여, 생산 설비 별로 가동을 제어할 수 있으므로, 생산 설비들의 에너지 관리에 대한 효율성을 증대시킬 수 있는 효과가 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 디지털 트윈 모델을 기반으로 공장 에너지 관리 시스템을 제어하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 고장 확률에 따라 생산 설비를 분류하여 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 설비 확장 계획 가이드를 생성하여 제공하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 공장의 수요 관리 계획 가이드를 생성하여 제공하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 타 공장의 시뮬레이션을 통해 에너지 효율 변동 추세를 조정하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "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 실시예가 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 생산 설비(100), 복수의 센서(200), 관리자 단말(300) 및 장치(400)를 포함할 수 있다.
먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
복수의 생산 설비(100)는 공장 별로 배치되어, 특정 제품을 생산하기 위한 생산 설비로 구현될 수 있다.
예를 들어, 복수의 생산 설비(100)는 제1 제품을 생산하는 생산 설비로, 제1 공장에 배치된 제1 생산 설비(110), 제2 공장에 배치된 제2 생산 설비(120) 등을 포함할 수 있으며, 공장 별로 특정 구역 내에 생산 설비들이 배치될 수 있다.
복수의 생산 설비(100) 각각은 통신 모듈을 포함하여, 외부 장치와 통신을 수행할 수 있으며, 장치(400)와 유무선으로 통신하도록 구성될 수 있다.
복수의 센서(200) 각각은 복수의 생산 설비(100) 각각에 장착되어, 생산 설비의 작동 시 생산 설비의 온도, 습도, 속도, 압력 등 생산 설비의 환경 상태를 감지할 수 있다. 이를 위해, 복수의 센서(200) 각각은 생산 설비의 환경 상태를 감지하기 위한 다양한 센서를 포함하여 구성될 수 있으며, 예를 들면, 온도를 감지하는 온도 센서, 습도를 감지하는 습도 센서, 회전 속도를 감지하는 속도 센서, 압력을 감지하는 압력 센서 등을 포함할 수 있다.
또한, 복수의 센서(200) 각각은 생산 설비의 작동 시 생산 설비의 에너지 효율을 감지할 수 있다. 이를 위해, 복수의 센서(200) 각각은 생산 설비의 에너지 효율을 감지하기 위한 다양한 센서를 포함하여 구성될 수 있으며, 예를 들면, 전체 소비한 에너지를 감지하는 센서, 생산하는데 사용한 에너지를 감지하는 센서, 낭비한 에너지를 감지하는 센서 등을 포함할 수 있다.
예를 들어, 제1 센서(210)는 제1 생산 설비(110)에 장착되어, 제1 생산 설비(110)의 환경 상태와 에너지 효율을 감지할 수 있으며, 환경 상태와 에너지 효율을 감지하여 생성된 측정 정보를 장치(400) 전송할 수 있다. 이때, 제1 센서(210)는 환경 상태와 에너지 효율을 주기적으로 감지하여 측정 정보를 생성하고, 생성된 측정 정보를 주기적으로 장치(400)로 전송할 수 있다.
복수의 센서(200) 각각은 통신 모듈을 포함하여, 외부 장치와 통신을 수행할 수 있으며, 장치(400)와 유무선으로 통신하도록 구성될 수 있다.
이하에서는 설명의 편의상, 복수의 생산 설비(100)에서 제1 생산 설비(110)의 동작을 위주로 설명하고 복수의 센서(200)에서 제1 센서(210)의 동작을 위주로 설명하지만, 제2 생산 설비(120) 등의 다른 생산 설비에서 제1 생산 설비(110)의 동작을 대신 수행하고, 제2 센서(220) 등의 다른 센서에서 제1 센서(210)의 동작을 대신 수행할 수 있다.
관리자 단말(300)은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.
관리자 단말(300)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 관리자 단말(300)은 장치(400)와 유무선으로 통신하도록 구성될 수 있다.
장치(400)는 장치(400)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(400)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다.
장치(400)는 복수의 생산 설비(100)와 유무선으로 통신하도록 구성될 수 있으며, 복수의 생산 설비(100) 각각의 동작을 제어할 수 있다.
장치(400)는 복수의 센서(200)와 유무선으로 통신하도록 구성될 수 있으며, 복수의 센서(200) 각각의 동작을 제어하고, 복수의 센서(200)로부터 생산 설비의 상태를 감지하여 생성된 측정 정보를 수신할 수 있다.
장치(400)는 관리자 단말(300)과 유무선으로 통신하도록 구성될 수 있으며, 관리자 단말(300)의 동작을 제어하고, 관리자 단말(300)의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.
한편, 설명의 편의를 위해 도 1에서는 복수의 생산 설비(100) 중 제1 생산 설비(110) 및 제2 생산 설비(120)만을 도시하고, 복수의 센서(200) 중 제1 센서(210) 및 제2 센서(220)만을 도시하였으나, 생산 설비들의 수와 센서들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(400)의 처리 용량이 허용하는 한, 생산 설비들의 수와 센서들의 수는 특별한 제한이 없다.
일실시예에 따르면, 장치(400)는 디지털 트윈 모델을 기반으로 공장 에너지 관리 시스템을 제어할 수 있다.
디지털 트윈(Digital Twin)이란 사이버 상에 물리적 사물이 동일하게 표현되어 동작, 상태 등에 대한 실시간 정확한 정보를 바탕으로 모의실험을 진행할 수 있는 가상 모델이다. 디지털 트윈은 물리적 대상, 가상 모델 및 데이터 연결의 3가지 구성요소를 포함할 수 있으며, 물리적 대상은 현실세계에서 존재하는 물리적 제품이나 대상이고, 가상 모델은 사이버 상에 물리적 대상을 쌍둥이처럼 똑같이 구현한 가상 모델이고, 데이터 연결은 물리적 대상과 가상의 대상 간 데이터를 실시간 연결해주는 기술이다. 디지털 트윈을 통해, 언제 어디서나 공정 관련 문제 발생을 실시간으로 파악할 수 있고, 모의실험을 통해 결과를 미리 예측하여 새로운 제품 설계가 가능하며, 즉각 반영되는 데이터를 토대로 최적의 솔루션을 도출할 수 있다.
공장 에너지 관리 시스템(FEMS : Factory Energy Management System)이란 조선업, 제조업 등 생산 시설에서 사용하는 에너지 성능의 최적화를 위한 관리 시스템으로 생산 활동 및 시설 유지에 사용되는 에너지를 모니터링, 분석, 원격 제어함으로써 에너지의 효율적인 사용을 도모하는 IT 기반의 에너지 절약 기술이다. 즉, 종래부터 진행되어오던 에너지 절약 활동인 고효율기기 도입 및 교체 등의 방법에 추가적으로 공장에서 생산 설비의 에너지 사용상황 및 가동상황을 파악하고 에너지 사용의 합리화 및 공장 내 설기, 기기의 통합 라이프사이클 관리 최적화를 도모하기 위한 보다 능동적인 공장의 에너지 관리 시스템이다.
공장 에너지 관리 시스템은 에너지 모니터링, 다각적 현황 분석, 에너지 수요 예측, 시뮬레이션, 최적화 등의 프로세스를 처리할 수 있다. 에너지 모니터링은 ICT 장치를 통한 실시간 계측, 공장 전체 에너지 모니터링 및 데이터 수집을 처리하고, 이상 상황 경보, 즉각적 대응력 강화를 위해 에너지를 모니터링할 수 있다. 다각적 현황 분석은 에너지 소비 및 제품 생산, 환경 현황 등을 다각적으로 분석하고, 원단위, 효율, 원가 등 성능지표를 제공하고, 개선점 발굴 및 문제 원인을 분석할 수 있다. 에너지 수요 예측은 전 설비 및 센서 계측 데이터, 과거 데이터 환경 변화, 조업 계획 등 정보 통합 및 분석하고, 에너지 생산/소비량 예측, 에너지 사용 기준 수립 및 효율 향상 방안을 마련할 수 있다. 시뮬레이션은 생산 일정 계획 변경, 설비 교체 개선 활동에 대한 효과 시뮬레이션과 에너지 소비 변동에 대한 시뮬레이션을 수행할 수 있다. 최적화는 에너지 비용 및 온실가스 배출 최소화, 에너지 생산/소비의 최적화를 처리할 수 있다.
일실시예에 따르면, 장치(400)는 공장의 여러 생산 설비 중에서 에너지 관리에 필요한 생산 설비를 선별하여 디지털 트윈 모델을 구축할 수 있다. 이때, 장치(400)는 생산 설비들의 사양을 기준으로 생산 설비를 선별할 수 있다.
장치(400)는 복수의 센서(200)로부터 측정 정보를 수신하고, 디지털 트윈 모델을 기반으로 시뮬레이션을 수행하여 예측 정보를 획득한 후, 측정 정보와 예측 정보를 기반으로, 공장 에너지 관리 시스템을 제어할 수 있다. 이때, 복수의 센서(200)는 생산 설비의 입력과 출력을 감지하는 센서로 구현되어, 간소화된 센서로 구성될 수 있다.
장치(400)는 공장 에너지 관리 시스템을 제어하여, 공장의 생산 설비에 대해, 노후 설비 교체, 에너지 제어, 에너지 관리 등을 수행할 수 있다.
장치(400)는 디지털 트윈 모델을 활용하여, 정보의 이상 유무, 공장에 배치된 생산 설비들의 고장 여부, 설비 교체 필요성, 추후 설비 확장 계획 등의 가이드를 생성하여 제공할 수 있다.
장치(400)는 디지털 트윈 모델과 복수의 센서(200)로부터 수신된 측정 정보를 이용하여, 생산 설비들의 에너지 효율 변화량을 추론할 수 있다. 이를 통해, 생산 설비들에 비용이 비싼 센서를 설치하여 에너지 효율을 직접적으로 감지하지 않아도, 비용을 줄여서 어느 정도 신뢰성을 확보한 에너지 효율 변화량을 추론할 수 있다.
장치(400)는 클라우드를 기반으로, 디지털 트윈 모델을 이용하여 최적의 운용 솔루션을 제공할 수 있다. 예를 들어, 클라우드 상에 생산 설비의 실시간 운용 데이터, 유지보수 이력, 운용 이력, 동일 집단의 종합 데이터 등의 다양한 정보가 저장되면, 장치(400)는 저장된 정보를 이용하여 수학적 모델링과 데이터 모델링을 통해 생산 설비의 상태 모니터링, 최적 운전 가이드 제시, 상태 진단, 고장 예측, 정비 계획 관리 등의 다양한 서비스를 제공할 수 있다.
장치(400)는 여러 디지털 트윈 모델의 시뮬레이션을 통해 획득한 예측 정보를 활용하여, 타 공장의 시뮬레이션을 통해 획득한 예측 정보와의 유사 사례, 상관 관계 등을 추론하여, 가이드의 정확도를 높일 수 있다.
도 2는 일실시예에 따른 디지털 트윈 모델을 기반으로 공장 에너지 관리 시스템을 제어하는 과정을 설명하기 위한 순서도이다.
도 2를 참조하면, S201 단계에서, 장치(400)는 제1 공장에 배치된 복수의 생산 설비들 중에서 에너지 관리가 필요한 생산 설비를 제1 그룹으로 분류할 수 있다. 이때, 장치(400)는 제1 공장에 배치된 복수의 생산 설비들의 사양을 기준으로, 에너지 관리가 필요한 생산 설비를 제1 그룹으로 분류할 수 있다.
예를 들어, 장치(400)는 제1 공장에 배치된 복수의 생산 설비들의 사양을 확인하여, 에너지 효율 등급이 일정 이하로 낮은 생산 설비를 제1 그룹으로 분류할 수 있고, 시간당 에너지 사용량이 일정 이상으로 높은 생산 설비를 제1 그룹으로 분류할 수 있다.
S202 단계에서, 장치(400)는 제1 그룹으로 분류된 생산 설비들을 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 생성할 수 있다. 여기서, 제1 가상 공간은 사이버 상에 제1 공장과 동일하게 구현되어, 제1 공장의 구동에 대해 시뮬레이션을 진행할 수 있는 가상 모델이다. 이때, 장치(400)는 외부 서버 또는 데이터베이스로부터 제1 공장 정보를 획득하여, 획득한 제1 공장 정보를 기반으로, 제1 가상 공강을 생성할 수 있다. 여기서, 제1 공장 정보는 제1 공장의 3D 이미지, 배치도, 설계도 등의 정보를 포함할 수 있다.
장치(400)는 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 생성할 때, 공장 생성에 필수적인 공통 요소들을 모듈화 하여 제1 가상 공간에 배치할 수 있다.
즉, 장치(400)는 펌프, 모터 등과 같이 공장 생성에 필수적인 공통 요소들을 자동으로 추가하여, 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 생성할 수 있다.
S203 단계에서, 장치(400)는 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 제1 예측 정보와 제2 예측 정보와 제3 예측 정보를 각각 획득할 수 있다. 여기서, 제1 예측 정보는 제1 시점에 제1 생산 설비(110)의 에너지 효율로 예측되는 정보이고, 제2 예측 정보는 제2 시점에 제1 생산 설비(110)의 에너지 효율로 예측되는 정보이고, 제3 예측 정보는 제3 시점에 제1 생산 설비(110)의 에너지 효율로 예측되는 정보이다. 제1 생산 설비(110)는 제1 그룹으로 분류된 생산 설비들 중에서 어느 하나이고, 제1 시점은 실시예에 따라 상이하게 설정될 수 있으며, 제2 시점은 제1 시점으로부터 제1 기간이 지난 이후인 시점으로 설정될 수 있고, 제3 시점은 제2 시점으로부터 제2 기간이 지난 이후인 시점으로 설정될 수 있다. 제1 기간과 제2 기간은 동일한 기간으로 설정될 수 있고, 서로 상이한 기간으로 설정될 수도 있다.
구체적으로, 장치(400)는 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 시뮬레이션 결과를 기반으로, 제1 시점에 제1 생산 설비(110)의 에너지 효율이 어느 정도인지가 예측되면, 제1 시점에 제1 생산 설비(110)의 에너지 효율로 예측된 값을 제1 예측 정보로 획득할 수 있다.
또한, 장치(400)는 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 시뮬레이션 결과를 기반으로, 제2 시점에 제1 생산 설비(110)의 에너지 효율이 어느 정도인지가 예측되면, 제2 시점에 제1 생산 설비(110)의 에너지 효율로 예측된 값을 제2 예측 정보로 획득할 수 있다.
S204 단계에서, 장치(400)는 제1 예측 정보 및 제2 예측 정보를 비교하여, 제1 에너지 효율 변동 추세를 분석할 수 있다. 여기서, 제1 에너지 효율 변동 추세는 제1 기간 동안 제1 생산 설비(110)의 에너지 효율이 변동될 것으로 예측한 에너지 효율 변동 추세로, 디지털 트윈 모델의 시뮬레이션 결과를 통해 제1 가상 공간 상에서 제1 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동할 것인지 예측될 수 있다.
구체적으로, 장치(400)는 제1 예측 정보를 기반으로 제1 시점에 제1 생산 설비(110)의 에너지 효율이 제1 수치로 예측된 것을 확인하고, 제2 예측 정보를 기반으로 제2 시점에 제1 생산 설비(110)의 에너지 효율이 제2 수치로 예측된 것을 확인할 수 있으며, 제1 수치 및 제2 수치를 비교하여, 제1 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동되었는지 분석할 수 있으며, 분석 결과로 제1 에너지 효율 변동 추세를 생성할 수 있다.
S205 단계에서, 장치(400)는 제1 센서(210)로부터 제1 측정 정보를 수신할 수 있다. 여기서, 제1 센서(210)는 제1 생산 설비(110)에 장착되어 제1 생산 설비(110)의 에너지 효율을 감지할 수 있고, 제1 측정 정보는 제1 시점에 제1 생산 설비(110)의 에너지 효율을 감지하여 생성된 정보이다.
구체적으로, 제1 센서(210)는 제1 시점에 제1 생산 설비(110)의 에너지 효율을 감지하여 제1 측정 정보를 생성할 수 있으며, 장치(400)는 제1 센서(210)로부터 제1 측정 정보를 수신할 수 있다. 이를 위해, 제1 센서(210)는 제1 생산 설비(110)의 에너지 효율을 감지하는 센서를 포함하여 구성될 수 있다.
S206 단계에서, 장치(400)는 제1 센서(210)로부터 제2 측정 정보를 수신할 수 있다. 여기서, 제2 측정 정보는 제2 시점에 제1 생산 설비(110)의 에너지 효율을 감지하여 생성된 정보이다.
S207 단계에서, 장치(400)는 제1 측정 정보 및 제2 측정 정보를 비교하여, 제2 에너지 효율 변동 추세를 분석할 수 있다. 여기서, 제2 에너지 효율 변동 추세는 제1 기간 동안 제1 생산 설비(110)의 에너지 효율이 변동된 것으로 확인한 에너지 효율 변동 추세로, 제1 생산 설비(110)의 에너지 효율을 실제로 측정한 값을 통해 제1 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동한 것인지 확인될 수 있다.
구체적으로, 장치(400)는 제1 측정 정보를 기반으로 제1 시점에 제1 생산 설비(110)의 에너지 효율이 제3 수치로 측정된 것을 확인하고, 제2 측정 정보를 기반으로 제2 시점에 제1 생산 설비(110)의 에너지 효율이 제4 수치로 예측된 것을 확인할 수 있으며, 제3 수치 및 제4 수치를 비교하여, 제1 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동되었는지 분석할 수 있으며, 분석 결과로 제2 에너지 효율 변동 추세를 생성할 수 있다.
S208 단계에서, 장치(400)는 제1 에너지 효율 변동 추세 및 제2 에너지 효율 변동 추세 간의 차이에 따라 제1 가중치를 설정할 수 있다.
구체적으로, 장치(400)는 제1 에너지 효율 변동 추세를 통해 확인되는 변동량을 제1 변동량으로 설정하고, 제2 에너지 효율 변동 추세를 통해 확인되는 변동량을 제2 변동량으로 설정한 후, 제1 변동량과 제2 변동량을 비교하여, 제1 변동량이 제2 변동량 보다 큰 것으로 확인되면, 제1 변동량과 제2 변동량이 차이가 클수록 0.5부터 1까지 범위 내에서 제1 가중치를 낮은 값으로 설정할 수 있으며, 제2 변동량이 제1 변동량 보다 큰 것으로 확인되면, 제1 변동량과 제2 변동량이 차이가 클수록 1부터 1.5까지 범위 내에서 제1 가중치를 높은 값으로 설정할 수 있다. 여기서, 제1 제1 변동량과 제2 변동량은 생산 설비들이 시간이 지나면서 성능이 저하하기 때문에, 에너지 효율이 얼마만큼 하락하는 것인지를 나타낼 수 있다.
예를 들어, 장치(400)는 제1 변동량이 4% 하락이고 제2 변동량이 3% 하락인 경우, 제1 변동량이 제2 변동량 보다 크고 제1 변동량과 제2 변동량이 차이가 1%로 확인되어, 제1 가중치를 0.9로 설정할 수 있으며, 제1 변동량이 4% 하락이고 제2 변동량이 2% 하락인 경우, 제1 변동량이 제2 변동량 보다 크고 제1 변동량과 제2 변동량이 차이가 2%로 확인되어, 제1 가중치를 0.8로 설정할 수 있다.
또한, 장치(400)는 제1 변동량이 3% 하락이고 제2 변동량이 4% 하락인 경우, 제2 변동량이 제1 변동량 보다 크고 제1 변동량과 제2 변동량이 차이가 1%로 확인되어, 제1 가중치를 1.1로 설정할 수 있으며, 제1 변동량이 2% 하락이고 제2 변동량이 4% 하락인 경우, 제2 변동량이 제1 변동량 보다 크고 제1 변동량과 제2 변동량이 차이가 2%로 확인되어, 제1 가중치를 1.2로 설정할 수 있다.
즉, 장치(400)는 제1 에너지 효율 변동 추세 및 제2 에너지 효율 변동 추세 간의 차이에 따라, 디지털 트윈 모델의 시뮬레이션 결과를 통해 예측한 에너지 효율 변동 추세와 실제로 측정하여 확인한 에너지 효율 변동 추세 간의 차이를 보정하기 위해, 제1 가중치를 설정할 수 있다.
S209 단계에서, 장치(400)는 제2 예측 정보 및 제3 예측 정보를 비교하여, 제3 에너지 효율 변동 추세를 분석할 수 있다. 여기서, 제3 에너지 효율 변동 추세는 제2 기간 동안 제1 생산 설비(110)의 에너지 효율이 변동될 것으로 예측한 에너지 효율 변동 추세로, 디지털 트윈 모델의 시뮬레이션 결과를 통해 제2 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동할 것인지 예측될 수 있다.
S210 단계에서, 장치(400)는 제1 가중치를 적용하여, 제3 에너지 효율 변동 추세를 조정할 수 있다.
구체적으로, 장치(400)는 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정한 후, 제3 변동량에 제1 가중치를 적용하여 제3 변동량을 조정하고, 조정된 제3 변동량으로 제3 에너지 효율 변동 추세를 변경할 수 있다.
예를 들어, 장치(400)는 제3 에너지 효율 변동 추세가 5% 하락으로 분석된 경우, 제1 가중치가 1.1로 설정되면, 제3 에너지 효율 변동 추세를 5% 하락에서 5.5% 하락으로 변경하여 조정할 수 있으며, 제1 가중치가 0.9로 설정되면, 제3 에너지 효율 변동 추세를 5% 하락에서 4.5% 하락으로 변경하여 조정할 수 있다.
S211 단계에서, 장치(400)는 조정된 제3 에너지 효율 변동 추세를 기초로, 제1 생산 설비(110)의 가동 계획 가이드를 생성할 수 있다.
구체적으로, 장치(400)는 조정된 제3 에너지 효율 변동 추세를 기반으로, 제2 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동할 것인지 예측한 결과를 이용하여, 제2 기간 동안 제1 생산 설비(110)를 어떻게 가동할 것인지 가동 계획 가이드를 생성할 수 있다. 이때, 장치(400)는 제1 생산 설비(110)의 장비 특징, 제3 에너지 효율 변동 추세, 제1 공장의 운영 계획 등을 고려하여, 제1 생산 설비(110)의 가동 계획 가이드를 생성할 수 있다.
예를 들어, 장치(400)는 조정된 제3 에너지 효율 변동 추세가 5% 이하로 하락인 경우, 제2 기간 동안 제1 생산 설비(110)를 100% 가동하는 것으로, 제1 생산 설비(110)의 가동 계획 가이드를 생성할 수 있고, 조정된 제3 에너지 효율 변동 추세가 5% 초과 10% 이하로 하락인 경우, 제2 기간 동안 제1 생산 설비(110)를 90% 가동하는 것으로, 제1 생산 설비(110)의 가동 계획 가이드를 생성할 수 있다.
장치(400)는 제1 생산 설비(110)의 가동 계획 가이드를 생성하면, 생성된 가동 계획 가이드를 관리자 단말(300)로 전송할 수 있다.
도 3은 일실시예에 따른 고장 확률에 따라 생산 설비를 분류하여 가이드를 제공하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 3에 도시된 각 단계는 S210 단계 이후에 수행될 수 있다.
도 3을 참조하면, 먼저, S301 단계에서, 장치(400)는 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세를 비교할 수 있다.
S302 단계에서, 장치(400)는 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세를 비교한 결과, 서로 반대인 추세인지 여부를 확인할 수 있다.
즉, 생산 설비들이 시간이 지나면서 성능이 저하하기 때문에, 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세는 에너지 효율이 하락하는 추세로 분석되어야 하는데, 오류로 인해 둘 중 어느 하나가 에너지 효율이 상승하는 추세로 분석되어, 서로 반대인 추세인지 여부를 확인할 수 있다.
S302 단계에서 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세가 서로 반대인 추세로 확인되면, S303 단계에서, 장치(400)는 제1 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세인지 여부를 확인할 수 있다.
S303 단계에서 제1 에너지 효율 변동 추세가 상승하는 추세로 확인되면, S304 단계에서, 장치(400)는 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성할 수 있다.
S303 단계에서 제1 에너지 효율 변동 추세가 상승하는 추세로 확인되지 않고 제2 에너지 효율 변동 추세가 상승하는 추세로 확인되면, S305 단계에서, 장치(400)는 제1 센서(210)에 이상이 있는 것으로 판단하여, 제1 센서의 교체 필요 알림 메시지를 관리자 단말(300)로 전송할 수 있다.
즉, 장치(400)는 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세가 서로 반대인 추세로 확인된 경우, 제1 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세로 확인되면, 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성하고, 제2 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세로 확인되면, 제1 센서에 이상이 있는 것으로 판단하여, 제1 센서의 교체 필요 알림 메시지를 관리자 단말(300)로 전송할 수 있다.
S302 단계에서 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세가 서로 동일한 추세로 확인되고, 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세 둘 다 에너지 효율이 하락하는 추세로 확인되면, S305 단계에서, 장치(400)는 제1 에너지 효율 변동 추세를 통해 확인되는 변동량을 제1 변동량으로 설정하고, 제2 에너지 효율 변동 추세를 통해 확인되는 변동량을 제2 변동량으로 설정할 수 있다. 이때, 제1 변동량과 제2 변동량은 에너지 효율이 얼마만큼 하락하는지를 나타낼 수 있다.
S302 단계에서 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세가 서로 동일한 추세로 확인되고, 제1 에너지 효율 변동 추세와 제2 에너지 효율 변동 추세 둘 다 에너지 효율이 상승하는 추세로 확인되면, S304 단계 및 S305 단계가 수행될 수 있다.
S307 단계에서, 장치(400)는 제1 변동량과 제2 변동량 간의 차이를 제1 차이량으로 설정할 수 있다.
예를 들어, 장치(400)는 제1 변동량이 4% 하락이고 제2 변동량이 3% 하락인 경우, 제1 차이량을 1%로 설정할 수 있다.
S308 단계에서, 장치(400)는 제1 차이량이 제1 기준량 보다 많은지 여부를 확인할 수 있다. 여기서, 제1 기준량은 실시예에 따라 상이하게 설정될 수 있다.
S308 단계에서 제1 차이량이 제1 기준량 보다 많은 것으로 확인되면 S304 단계에서, 장치(400)는 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성할 수 있다.
S308 단계에서 제1 차이량이 제1 기준량 보다 많지 않고 적은 것으로 확인되면, S309 단계에서, 장치(400)는 조정된 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정할 수 있다.
S310 단계에서, 장치(400)는 제3 변동량이 많을수록 제1 고장 확률을 높은 값으로 설정할 수 있다. 여기서, 제1 고장 확률은 제1 생산 설비(110)에서 고장이 발생할 수 있는 확률이다.
예를 들어, 장치(400)는 제3 변동량이 1% 하락인 경우, 제1 고장 확률을 5%로 설정할 수 있고, 제3 변동량이 2% 하락인 경우, 제1 고장 확률을 10%로 설정할 수 있다.
S311 단계에서, 장치(400)는 제1 고장 확률이 제1 기준 비율 보다 낮은지 여부를 확인할 수 있다. 여기서, 제1 기준 비율은 실시예에 따라 상이하게 설정될 수 있다.
S311 단계에서 제1 고장 확률이 제1 기준 비율 보다 낮은 것으로 확인되면, S312 단계에서, 장치(400)는 제1 생산 설비(110)를 고장이 나지 않는 정상 설비로 분류할 수 있다.
S311 단계에서 제1 고장 확률이 제1 기준 비율 보다 낮지 않고 높은 것으로 확인되면, S313 단계에서, 장치(400)는 제1 고장 확률이 제2 기준 비율 보다 낮은지 여부를 확인할 수 있다. 여기서, 제2 기준 비율은 제1 기준 비율 보다 높은 값으로 설정될 수 있다.
S313 단계에서 제1 고장 확률이 제2 기준 비율 보다 낮은 것으로 확인되면, S314 단계에서, 장치(400)는 제1 생산 설비(110)를 점검이 필요한 점검 필요 설비로 분류할 수 있다.
S313 단계에서 제1 곶아 확률이 제2 기준 비율 보다 낮지 않고 높은 것으로 확인되면, S315 단계에서, 장치(400)는 제1 생산 설비(110)를 교체가 필요한 교체 필요 설비로 분류할 수 있다.
장치(400)는 제1 생산 설비(110)가 정상 설비, 점검 필요 설비 및 교체 필요 설비 중 어느 하나로 분류되면, 제1 생산 설비(110)의 분류 결과를 관리자 단말(300)로 전송할 수 있다.
도 4는 일실시예에 따른 설비 확장 계획 가이드를 생성하여 제공하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 4에 도시된 각 단계는 S210 단계 이후에 수행될 수 있다.
도 4를 참조하면, 먼저, S401 단계에서, 장치(400)는 제1 공장의 설비 확장을 위해 추가적인 배치가 필요한 생산 설비들을 제2 그룹으로 분류할 수 있다.
구체적으로, 장치(400)는 관리자 단말(300)로부터 제1 공장에 추가적으로 배치할 생산 설비들의 정보를 수신하여, 수신된 정보를 기반으로, 제1 공장의 설비 확장을 위해 추가적인 배치가 필요한 생산 설비들을 확인하고, 확인된 생산 설비들을 제2 그룹으로 분류할 수 있다.
S402 단계에서, 장치(400)는 제1 그룹으로 분류된 생산 설비들과 제2 그룹으로 분류된 생산 설비들을 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 제1 공장을 디지털 트윈으로 구현한 제2 가상 공간을 생성할 수 있다. 여기서, 제2 가상 공간은 제1 공장에 실제로 배치되지 않은 제2 그룹으로 분류된 생산 설비들을 추가적으로 배치하여, 제2 그룹으로 분류된 생산 설비들이 제1 공장에 추가적으로 배치되었을 때, 제1 공장의 구동에 대해 시뮬레이션을 진행할 수 있는 가상 모델이다.
S403 단계에서, 장치(400)는 제2 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 제4 예측 정보와 제5 예측 정보를 각각 획득할 수 있다. 여기서, 제4 예측 정보는 제2 시점에 제1 생산 설비(110)의 에너지 효율로 예측되는 정보이고, 제5 예측 정보는 제3 시점에 제1 생산 설비(110)의 에너지 효율로 예측되는 정보이다.
S404 단계에서, 장치(400)는 제4 예측 정보 및 제5 예측 정보를 비교하여, 제4 에너지 효율 변동 추세를 분석할 수 있다. 여기서, 제4 에너지 효율 변동 추세는 제2 기간 동안 제1 생산 설비(110)의 에너지 효율이 변동될 것으로 예측한 에너지 효율 변동 추세로, 디지털 트윈 모델의 시뮬레이션 결과를 통해 제2 가상 공간 상에서 제2 기간 동안 제1 생산 설비(110)의 에너지 효율이 어떻게 변동할 것인지 예측될 수 있다.
S405 단계에서, 장치(400)는 조정된 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정하고, 제4 에너지 효율 변동 추세를 통해 확인되는 변동량을 제4 변동량으로 설정할 수 있다. 이때, 제3 변동량과 제4 변동량은 에너지 효율이 얼마만큼 하락하는지를 나타낼 수 있다.
S406 단계에서, 장치(400)는 제3 변동량과 제4 변동량 간의 차이를 제2 차이량으로 설정할 수 있다.
S407 단계에서, 장치(400)는 제2 차이량이 제2 기준량 보다 적은지 여부를 확인할 수 있다. 여기서, 제2 기준량은 실시예에 따라 상이하게 설정될 수 있다.
S407 단계에서 제2 차이량이 제2 기준량 보다 적은 것으로 확인되면, S408 단계에서, 장치(400)는 제2 그룹으로 분류된 생산 설비들에 대한 설비 확장이 가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다.
즉, 장치(400)는 제3 에너지 효율 변동 추세를 통해 확인되는 변동량과 제4 에너지 효율 변동 추세를 통해 확인되는 변동량의 차이가 매우 작은 것으로 확인되면, 제2 그룹으로 분류된 생산 설비들이 제1 공장에 추가로 배치되더라도, 제1 생산 설비(110)의 가동에 영향이 없는 것으로 판단하여, 제2 그룹으로 분류된 생산 설비들에 대한 설비 확장이 가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다.
S407 단계에서 제2 차이량이 제2 기준량 보다 적지 않고 많은 것으로 확인되면, S409 단계에서, 장치(400)는 제2 차이량이 제3 기준량 보다 적은지 여부를 확인할 수 있다. 여기서, 제3 기준량은 제2 기준량 보다 높은 값으로 설정될 수 있다.
S409 단계에서 제2 차이량이 제3 기준량 보다 적은 것으로 확인되면, S410 단계에서, 장치(400)는 제2 차이량과 제3 기준량 간의 차이를 제3 차이량으로 설정할 수 있다.
S411 단계에서, 장치(400)는 제3 차이량이 많을수록 제1 비율을 높은 값으로 설정할 수 있다.
예를 들어, 제3 기준량이 5%로 설정되어 있는 경우, 장치(400)는 제2 차이량이 4%로 설정되면, 제3 차이량을 1%로 설정하고, 제1 비율을 20%로 설정할 수 있으며, 제2 차이량이 3%로 설정되면, 제3 차이량을 2%로 설정하고, 제1 비율을 40%로 설정할 수 있다.
즉, 장치(400)는 제2 차이량이 적을수록 제1 비율을 높은 값으로 설정할 수 있다.
S412 단계에서, 장치(400)는 제2 그룹으로 분류된 생산 설비들 중에서 제1 비율의 생산 설비에 대한 설비 확장이 가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다.
즉, 장치(400)는 제3 에너지 효율 변동 추세를 통해 확인되는 변동량과 제4 에너지 효율 변동 추세를 통해 확인되는 변동량의 차이가 어느 정도 있는 것으로 확인되면, 제2 그룹으로 분류된 생산 설비들 전체가 제1 공장에 추가로 배치되는 경우, 제1 생산 설비(110)의 가동에 어느 정도 영향이 있는 것으로 판단하여, 제2 그룹으로 분류된 생산 설비들 중에서 일부인 제1 비율의 생산 설비에 대한 설비 확장이 가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다. 이때, 제1 비율은 제3 에너지 효율 변동 추세를 통해 확인되는 변동량과 제4 에너지 효율 변동 추세를 통해 확인되는 변동량의 차이가 적을수록 높은 값으로 설정되어, 장치(400)는 제3 에너지 효율 변동 추세를 통해 확인되는 변동량과 제4 에너지 효율 변동 추세를 통해 확인되는 변동량의 차이가 적을수록, 더 많은 비율의 생산 설비에 대한 설비 확장이 가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다.
S409 단계에서 제2 차이량이 제3 기준량 보다 적지 않고 많은 것으로 확인되면, S413 단계에서, 장치(400)는 생산 설비들에 대한 설비 확장이 불가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다.
즉, 장치(400)는 제3 에너지 효율 변동 추세를 통해 확인되는 변동량과 제4 에너지 효율 변동 추세를 통해 확인되는 변동량의 차이가 매우 큰 것으로 확인되면, 제2 그룹으로 분류된 생산 설비들이 제1 공장에 추가로 배치되는 경우, 제1 생산 설비(110)의 가동에 많은 영향이 있는 것으로 판단하여, 제2 그룹으로 분류된 생산 설비들에 대한 설비 확장이 불가능한 것으로, 제1 공장의 설비 확장 계획 가이드를 생성할 수 있다.
장치(400)는 제1 공장의 설비 확장 계획 가이드가 생성되면, 생성된 가이드를 관리자 단말(300)로 전송할 수 있다.
도 5는 일실시예에 따른 공장의 수요 관리 계획 가이드를 생성하여 제공하는 과정을 설명하기 위한 순서도이다.
도 5를 참조하면, 먼저, S501 단계에서, 장치(400)는 제1 공장이 수요관리사업자와 수요관리 계약을 체결한 경우, 수요관리사업자 단말로부터 제3 기간 동안 제1 전력량의 수요 감축 요청을 수신할 수 있다. 이를 위해, 장치(400)는 수요관리사업자 단말과 유무선으로 통신하도록 구성될 수 있다. 여기서, 수요 감축 요청은 제3 기간 동안 제1 공장에서 제1 전력량의 수요를 감축하는 것에 대해 요청하는 것이다.
일실시예에 따르면, 수요 자원 시장의 운영체계는 전력거래소, 수요관리사업자, 수요자원 및 참여고객으로 구성되며, 수요관리사업자의 역할은 참여고객을 모집해 수요자원을 구성하고, 전력시장에서 수요감축을 이행하도록 관리하는 전력시장 참여자로서 발전사업자와 동일한 역할을 수행하며, 수요자원은 전국에 산재해 있는 공장과 빌딩 등의 감축 가능한 전기를 모아서 하나의 자원으로 구성한 수요형 가상발전기(VPP)이며, 참여고객은 수요관리사업자와 계약을 체결해 수요 감축 요청시 실질적으로 전기소비를 감축하는 전기사용자가 된다.
즉, 제1 공장은 참여고객으로 수요관리사업자와 계약을 체결해 수요 감축 요청시 전기소비를 감축해야만 하는 전기사용자로 참여할 수 있다.
S502 단계에서, 장치(400)는 제1 그룹으로 분류된 생산 설비들 각각이 정상 설비, 점검 필요 설비 및 교체 필요 설비 중 어느 하나로 분류된 것으로 확인되면, 제1 그룹으로 분류된 생산 설비들 중에서 정상 설비로 분류된 생산 설비를 제1-1 그룹으로 분류하고, 제1 그룹으로 분류된 생산 설비들 중에서 점검 필요 설비로 분류된 생산 설비를 제1-2 그룹으로 분류하고, 제1 그룹으로 분류된 생산 설비들 중에서 교체 필요 설비로 분류된 생산 설비를 제1-3 그룹으로 분류할 수 있다.
구체적으로, 장치(400)는 제1 생산 설비(110)를 정상 설비, 점검 필요 설비 및 교체 필요 설비 중 어느 하나로 분류하는 방식과 동일하게, 제1 그룹으로 분류된 생산 설비들을 정상 설비, 점검 필요 설비 및 교체 필요 설비 중 어느 하나로 분류할 수 있고, 분류 결과에 따라, 정상 설비로 분류된 생산 설비를 제1-1 그룹으로 분류하고, 점검 필요 설비로 분류된 생산 설비를 제1-2 그룹으로 분류하고, 교체 필요 설비로 분류된 생산 설비를 제1-3 그룹으로 분류할 수 있다.
S503 단계에서, 장치(400)는 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들이 사용할 것으로 예측되는 전력량을 제2 전력량으로 확인하고, 제3 기간 동안 제1-2 그룹으로 분류된 생산 설비들이 사용할 것으로 예측되는 전력량을 제3 전력량으로 확인하고, 제3 기간 동안 제1-3 그룹으로 분류된 생산 설비들이 사용할 것으로 예측되는 전력량을 제4 전력량으로 확인할 수 있다.
S504 단계에서, 장치(400)는 제4 전력량이 제1 전력량 보다 많은지 여부를 확인할 수 있다.
S504 단계에서 제4 전력량이 제1 전력량 보다 많은 것으로 확인되면, S505 단계에서, 장치(400)는 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들과 제1-2 그룹으로 분류된 생산 설비들이 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다.
즉, 장치(400)는 제4 전력량이 제1 전력량 보다 많은 것으로 확인되면, 제1-3 그룹으로 분류된 생산 설비들의 가동 중지로 제1 전력량의 수요 감축이 가능한 것으로 판단하여, 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들과 제1-2 그룹으로 분류된 생산 설비들이 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다.
S504 단계에서 제4 전력량이 제1 전력량 보다 많지 않고 적은 것으로 확인되면, S506 단계에서, 장치(400)는 제3 전력량 및 제4 전력량을 합산하여 제5 전력량을 산출할 수 있다.
S507 단계에서, 장치(400)는 제5 전력량이 제1 전력량 보다 많은지 여부를 확인할 수 있다.
S507 단계에서 제5 전력량이 제1 전력량 보다 많은 것으로 확인되면, S508 단계에서, 장치(400)는 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들만 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다.
즉, 장치(400)는 제5 전력량이 제1 전력량 보다 많은 것으로 확인되면, 제1-2 그룹으로 분류된 생산 설비들과 제1-3 그룹으로 분류된 생산 설비들의 가동 중지로 제1 전력량의 수요 감축이 가능한 것으로 판단하여, 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들만 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다.
S507 단계에서 제5 전력량이 제1 전력량 보다 많지 않고 적은 것으로 확인되면, S509 단계에서, 장치(400)는 제5 전력량과 제1 전력량 간의 차이를 제4 차이량으로 산출할 수 있다.
S510 단계에서, 장치(400) 제4 차이량을 제2 전력량으로 나눈 값으로, 제2 비율을 산출할 수 있다.
예를 들어, 제1 전력량이 500W이고, 제2 전력량이 100Wh이고, 제3 전력량이 200Wh이고, 제4 전력량이 250Wh인 경우, 제5 전력량은 450Wh로 산출될 수 있고, 제4 차이량은 50Wh로 산출될 수 있으며, 장치(400)는 “50Wh / 100Wh”을 통해 산출된 50%를 제2 비율로 산출할 수 있다.
S511 단계에서, 장치(400)는 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들 중에서 제2 비율의 생산 설비들만 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다.
즉, 장치(400)는 제5 전력량이 제1 전력량 보다 적은 것으로 확인되면, 제1-2 그룹으로 분류된 생산 설비들과 제1-3 그룹으로 분류된 생산 설비들을 가동 중지하더라도 제1 전력량의 수요 감축이 불가능한 것으로 판단하여, 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들 중에서 일부인 제2 비율의 생산 설비들만 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다. 이때, 장치(400)는 제1-2 그룹으로 분류된 생산 설비들과 제1-3 그룹으로 분류된 생산 설비들과 제1-1 그룹으로 분류된 생산 설비들 중에서 제2 비율의 생산 설비들을 제외한 나머지 생산 설비들의 가동 중지로 제1 전력량의 수요 감축이 가능한 것으로 판단하여, 제3 기간 동안 제1-1 그룹으로 분류된 생산 설비들 중에서 제2 비율의 생산 설비들만 가동되도록, 제1 공장의 수요관리 계획 가이드를 생성할 수 있다.
장치(400)는 제1 공장의 수요관리 계획 가이드가 생성되면, 생성된 가이드를 관리자 단말(300)로 전송할 수 있다.
도 6은 일실시예에 따른 타 공장의 시뮬레이션을 통해 에너지 효율 변동 추세를 조정하는 과정을 설명하기 위한 순서도이다.
도 6을 참조하면, 먼저, S601 단계에서, 장치(400)는 제1 공장과 유사한 제2 공장에 배치된 복수의 생산 설비들 중에서 에너지 관리가 필요한 생산 설비를 제3 그룹으로 분류할 수 있다.
구체적으로, 장치(400)는 복수의 공장 중에서 제1 공장과 가장 유사한 공장을 제2 공장으로 선별할 수 있으며, 제2 공장에 배치된 복수의 생산 설비들의 사양을 기준으로, 에너지 관리가 필요한 생산 설비를 제3 그룹으로 분류할 수 있다.
S602 단계에서, 장치(400)는 제3 그룹으로 분류된 생산 설비들을 제2 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 제2 공장을 디지털 트윈으로 구현한 제3 가상 공간을 생성할 수 있다. 여기서, 제3 가상 공간은 사이버 상에 제2 공장과 동일하게 구현되어, 제2 공장의 구동에 대해 시뮬레이션을 진행할 수 있는 가상 모델이다.
S603 단계에서, 장치(400)는 제3 가상 공간 상에 구현되어 있는 제2 공장의 구동을 시뮬레이션 하여, 제6 예측 정보와 제7 예측 정보를 각각 획득할 수 있다. 여기서, 제6 예측 정보는 제2 시점에 제2 생산 설비(120)의 에너지 효율로 예측되는 정보이고, 제7 예측 정보는 제3 시점에 제2 생산 설비(120)의 에너지 효율로 예측되는 정보이다. 제2 생산 설비(120)는 제3 그룹으로 분류된 생산 설비들 중에서 어느 하나이다.
S604 단계에서, 장치(400)는 제6 예측 정보 및 제7 예측 정보를 비교하여, 제5 에너지 효율 변동 추세를 분석할 수 있다. 여기서, 제5 에너지 효율 변동 추세는 제2 기간 동안 제2 생산 설비(120)의 에너지 효율이 변동될 것으로 예측한 에너지 효율 변동 추세로, 디지털 트윈 모델의 시뮬레이션 결과를 통해 제3 가상 공간 상에서 제2 기간 동안 제2 생산 설비(120)의 에너지 효율이 어떻게 변동할 것인지 예측될 수 있다.
S605 단계에서, 장치(400)는 제3 에너지 효율 변동 추세 및 제5 에너지 효율 변동 추세 간의 평균을 기반으로, 제3 에너지 효율 변동 추세를 조정할 수 있다.
예를 들어, 장치(400)는 제3 에너지 효율 변동 추세가 2% 하락으로 분석되고 제5 에너지 효율 변동 추세가 4% 하락으로 분석된 경우, 장치(400)는 제3 에너지 효율 변동 추세 및 제5 에너지 효율 변동 추세 간의 평균을 3% 하락으로 확인한 후, 제3 에너지 효율 변동 추세를 2% 하락에서 3% 하락으로 변경하여 조정할 수 있다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(400)는 프로세서(410) 및 메모리(420)를 포함한다. 프로세서(410)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(400)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(420)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(420)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(410)는 프로그램을 실행하고, 장치(400)를 제어할 수 있다. 프로세서(410)에 의하여 실행되는 프로그램의 코드는 메모리(420)에 저장될 수 있다. 장치(400)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

  1. 장치에 의해 수행되는, 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법에 있어서,
    제1 공장에 배치된 복수의 생산 설비들 중에서 에너지 관리가 필요한 생산 설비를 제1 그룹으로 분류하는 단계;
    상기 제1 그룹으로 분류된 생산 설비들을 상기 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 생성하는 단계;
    상기 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 제1 시점에 상기 제1 그룹으로 분류된 생산 설비들 중에서 어느 하나인 제1 생산 설비의 에너지 효율로 예측되는 제1 예측 정보를 획득하고, 상기 제1 시점으로부터 제1 기간이 지난 이후인 제2 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제2 예측 정보를 획득하고, 상기 제2 시점으로부터 제2 기간이 지난 이후인 제3 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제3 예측 정보를 획득하는 단계;
    상기 제1 예측 정보 및 상기 제2 예측 정보를 비교하여, 상기 제1 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제1 에너지 효율 변동 추세를 분석하는 단계;
    상기 제1 생산 설비에 장착되어 상기 제1 생산 설비의 에너지 효율을 감지하는 제1 센서로부터, 상기 제1 시점에 상기 제1 생산 설비의 에너지 효율을 감지하여 생성된 제1 측정 정보를 수신하는 단계;
    상기 제1 센서로부터, 상기 제2 시점에 상기 제1 생산 설비의 에너지 효율을 감지하여 생성된 제2 측정 정보를 수신하는 단계;
    상기 제1 측정 정보 및 상기 제2 측정 정보를 비교하여, 상기 제1 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동된 것으로 확인한 제2 에너지 효율 변동 추세를 분석하는 단계;
    상기 제1 에너지 효율 변동 추세 및 상기 제2 에너지 효율 변동 추세 간의 차이에 따라 제1 가중치를 설정하는 단계;
    상기 제2 예측 정보 및 상기 제3 예측 정보를 비교하여, 상기 제2 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제3 에너지 효율 변동 추세를 분석하는 단계;
    상기 제1 가중치를 적용하여, 상기 제3 에너지 효율 변동 추세를 조정하는 단계; 및
    상기 조정된 제3 에너지 효율 변동 추세를 기초로, 상기 제1 생산 설비의 가동 계획 가이드를 생성하는 단계를 포함하고,
    상기 제3 에너지 효율 변동 추세를 조정하는 단계 이후,
    상기 제1 에너지 효율 변동 추세와 상기 제2 에너지 효율 변동 추세가 서로 반대인 추세로 확인된 경우, 상기 제1 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세로 확인되면, 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성하고, 상기 제2 에너지 효율 변동 추세가 에너지 효율이 상승하는 추세로 확인되면, 상기 제1 센서에 이상이 있는 것으로 판단하여, 제1 센서의 교체 필요 알림 메시지를 관리자 단말로 전송하는 단계;
    상기 제1 에너지 효율 변동 추세와 상기 제2 에너지 효율 변동 추세가 동일한 추세로 확인된 경우, 상기 제1 에너지 효율 변동 추세와 상기 제2 에너지 효율 변동 추세 둘 다 에너지 효율이 하락하는 추세로 확인되면, 상기 제1 에너지 효율 변동 추세를 통해 확인되는 변동량을 제1 변동량으로 설정하고, 상기 제2 에너지 효율 변동 추세를 통해 확인되는 변동량을 제2 변동량으로 설정하고, 상기 제1 변동량 및 상기 제2 변동량 간의 차이를 제1 차이량으로 설정하는 단계;
    상기 제1 차이량이 미리 설정된 제1 기준량 보다 많은 것으로 확인되면, 디지털 트윈 모델에 이상이 있는 것으로 판단하여, 상기 제1 공장을 디지털 트윈으로 구현한 제1 가상 공간을 재생성하는 단계;
    상기 제1 차이량이 상기 제1 기준량 보다 적은 것으로 확인되면, 상기 조정된 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정하는 단계;
    상기 제3 변동량이 많을수록 상기 제1 생산 설비에서 고장이 발생할 수 있는 확률인 제1 고장 확률을 높은 값으로 설정하는 단계;
    상기 제1 고장 확률이 미리 설정된 제1 기준 비율 보다 낮은 것으로 확인되면, 상기 제1 생산 설비를 고장이 나지 않는 정상 설비로 분류하는 단계;
    상기 제1 고장 확률이 상기 제1 기준 비율 보다 높지만 미리 설정된 제2 기준 비율 보다 낮은 것으로 확인되면, 상기 제1 생산 설비를 점검이 필요한 점검 필요 설비로 분류하는 단계; 및
    상기 제1 고장 확률이 상기 제2 기준 비율 보다 높은 것으로 확인되면, 상기 제1 생산 설비를 교체가 필요한 교체 필요 설비로 분류하는 단계를 더 포함하고,
    상기 제3 에너지 효율 변동 추세를 분석하는 단계 이후,
    상기 제1 공장의 설비 확장을 위해 추가적인 배치가 필요한 생산 설비들을 제2 그룹으로 분류하는 단계;
    상기 제1 그룹으로 분류된 생산 설비들과 상기 제2 그룹으로 분류된 생산 설비들을 상기 제1 공장의 실제 공간과 대응하는 가상 공간에 배치하여, 상기 제1 공장을 디지털 트윈으로 구현한 제2 가상 공간을 생성하는 단계;
    상기 제2 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 상기 제2 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제4 예측 정보를 획득하고, 상기 제3 시점에 상기 제1 생산 설비의 에너지 효율로 예측되는 제5 예측 정보를 획득하는 단계;
    상기 제4 예측 정보 및 상기 제5 예측 정보를 비교하여, 상기 제2 기간 동안 상기 제1 생산 설비의 에너지 효율이 변동될 것으로 예측한 제4 에너지 효율 변동 추세를 분석하는 단계;
    상기 조정된 제3 에너지 효율 변동 추세를 통해 확인되는 변동량을 제3 변동량으로 설정하고, 상기 제4 에너지 효율 변동 추세를 통해 확인되는 변동량을 제4 변동량으로 설정하고, 상기 제3 변동량 및 상기 제4 변동량 간의 차이를 제2 차이량으로 설정하는 단계;
    상기 제2 차이량이 미리 설정된 제2 기준량 보다 적은 것으로 확인되면, 상기 제2 그룹으로 분류된 생산 설비들에 대한 설비 확장이 가능한 것으로, 상기 제1 공장의 설비 확장 계획 가이드를 생성하는 단계;
    상기 제2 차이량이 상기 제2 기준량 보다 많지만 미리 설정된 제3 기준량 보다 적은 것으로 확인되면, 상기 제2 차이량과 상기 제3 기준량 간의 차이를 제3 차이량으로 설정하는 단계;
    상기 제3 차이량이 많을수록 설비 확장이 가능한 생산 설비의 비율인 제1 비율을 높은 값으로 설정하고, 상기 제2 그룹으로 분류된 생산 설비들 중에서 상기 제1 비율의 생산 설비에 대한 설비 확장이 가능한 것으로, 상기 제1 공장의 설비 확장 계획 가이드를 생성하는 단계; 및
    상기 제2 차이량이 상기 제3 기준량 보다 많은 것으로 확인되면, 생산 설비들에 대한 설비 확장이 불가능한 것으로, 상기 제1 공장의 설비 확장 계획 가이드를 생성하는 단계를 더 포함하고,
    상기 제1 공장이 수요관리사업자와 수요관리 계약을 체결한 경우, 수요관리사업자 단말로부터 제3 기간 동안 제1 전력량의 수요 감축 요청을 수신하는 단계;
    상기 제1 그룹으로 분류된 생산 설비들 각각이 정상 설비, 점검 필요 설비 및 교체 필요 설비 중 어느 하나로 분류된 것으로 확인되면, 상기 제1 그룹으로 분류된 생산 설비들 중에서 정상 설비로 분류된 생산 설비를 제1-1 그룹으로 분류하고, 상기 제1 그룹으로 분류된 생산 설비들 중에서 점검 필요 설비로 분류된 생산 설비를 제1-2 그룹으로 분류하고, 상기 제1 그룹으로 분류된 생산 설비들 중에서 교체 필요 설비로 분류된 생산 설비를 제1-3 그룹으로 분류하는 단계;
    상기 제1 가상 공간 상에 구현되어 있는 제1 공장의 구동을 시뮬레이션 하여, 상기 제3 기간 동안 상기 제1-1 그룹으로 분류된 생산 설비들이 사용할 것으로 예측되는 전력량을 제2 전력량으로 확인하고, 상기 제3 기간 동안 상기 제1-2 그룹으로 분류된 생산 설비들이 사용할 것으로 예측되는 전력량을 제3 전력량으로 확인하고, 상기 제3 기간 동안 상기 제1-3 그룹으로 분류된 생산 설비들이 사용할 것으로 예측되는 전력량을 제4 전력량으로 확인하는 단계;
    상기 제4 전력량이 상기 제1 전력량 보다 많은 것으로 확인되면, 제3 기간 동안 상기 제1-1 그룹으로 분류된 생산 설비들과 상기 제1-2 그룹으로 분류된 생산 설비들이 가동되도록, 상기 제1 공장의 수요관리 계획 가이드를 생성하는 단계;
    상기 제4 전력량이 상기 제1 전력량 보다 적은 것으로 확인되면, 상기 제3 전력량 및 상기 제4 전력량을 합산하여 제5 전력량을 산출하는 단계;
    상기 제5 전력량이 상기 제1 전력량 보다 많은 것으로 확인되면, 제3 기간 동안 상기 제1-1 그룹으로 분류된 생산 설비들만 가동되도록, 상기 제1 공장의 수요관리 계획 가이드를 생성하는 단계;
    상기 제5 전력량이 상기 제1 전력량 보다 적은 것으로 확인되면, 상기 제5 전력량과 상기 제1 전력량 간의 차이를 제4 차이량으로 설정하는 단계;
    상기 제4 차이량을 상기 제2 전력량으로 나눈 값으로, 제2 비율을 산출하는 단계; 및
    제3 기간 동안 상기 제1-1 그룹으로 분류된 생산 설비들 중에서 상기 제2 비율의 생산 설비들만 가동되도록, 상기 제1 공장의 수요관리 계획 가이드를 생성하는 단계를 더 포함하는,
    디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법.
  2. 삭제
  3. 삭제
KR1020230076653A 2023-06-15 2023-06-15 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템 KR102600657B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230076653A KR102600657B1 (ko) 2023-06-15 2023-06-15 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230076653A KR102600657B1 (ko) 2023-06-15 2023-06-15 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR102600657B1 true KR102600657B1 (ko) 2023-11-08

Family

ID=88746017

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230076653A KR102600657B1 (ko) 2023-06-15 2023-06-15 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템

Country Status (1)

Country Link
KR (1) KR102600657B1 (ko)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200039970A (ko) * 2018-10-08 2020-04-17 한국전력공사 전력 시계열 데이터의 전송처리 시스템 및 방법
KR20200144998A (ko) * 2019-06-20 2020-12-30 주식회사 한국디지털트윈연구소 디지털 트윈을 이용하여 가상센서를 구현하는 컴퓨팅 시스템 및 이를 이용한 실시간 데이터 수집 방법
KR20210117530A (ko) 2020-03-19 2021-09-29 한국전자통신연구원 디지털 트윈 기반의 사용자 맞춤형 홈 에너지 자율 제어 방법 및 이를 수행하는 시스템
KR20220011461A (ko) * 2020-07-21 2022-01-28 한국전력공사 디지털 트윈 가상 모델을 이용한 발전 설비 고장 진단 장치 및 방법
KR20220072225A (ko) 2020-11-25 2022-06-02 주식회사 더컴퍼니 디지털 트윈 기반의 에너지 관리 시스템
KR20220093613A (ko) * 2020-12-28 2022-07-05 주식회사 인그리드 디지털 트윈기반 밀폐공간 안전관리 플랫폼 시스템
KR20220105524A (ko) * 2021-01-20 2022-07-27 대우조선해양 주식회사 선박 가스플랜트의 디지털트윈을 이용한 시운전 지원 시스템 및 이에 의한 시운전 지원 방법
KR102488820B1 (ko) * 2022-05-18 2023-01-17 영일엔지니어링(주) 웹기반 실시간 팩토리 제어 시스템
KR102492696B1 (ko) * 2021-10-06 2023-01-31 주식회사 플럭시티 그리드 기반의 공간 속성 부여를 통한 가시화 디지털 트윈 에너지 관리 장치 및 방법
KR20230036776A (ko) 2021-09-08 2023-03-15 울산대학교 산학협력단 디지털 트윈을 이용한 연료전지 에너지 관리시스템의 이상진단 시스템 및 방법
KR20230076743A (ko) 2021-11-24 2023-05-31 중앙대학교 산학협력단 디지털 트윈 기반 에너지 관리 방법 및 장치
WO2023145996A1 (ko) * 2022-01-26 2023-08-03 녹원정보기술(주) 에너지 다소비 건물의 에너지 관리 및 최적화를 지원하는 디지털 트윈 플랫폼

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200039970A (ko) * 2018-10-08 2020-04-17 한국전력공사 전력 시계열 데이터의 전송처리 시스템 및 방법
KR20200144998A (ko) * 2019-06-20 2020-12-30 주식회사 한국디지털트윈연구소 디지털 트윈을 이용하여 가상센서를 구현하는 컴퓨팅 시스템 및 이를 이용한 실시간 데이터 수집 방법
KR20210117530A (ko) 2020-03-19 2021-09-29 한국전자통신연구원 디지털 트윈 기반의 사용자 맞춤형 홈 에너지 자율 제어 방법 및 이를 수행하는 시스템
KR20220011461A (ko) * 2020-07-21 2022-01-28 한국전력공사 디지털 트윈 가상 모델을 이용한 발전 설비 고장 진단 장치 및 방법
KR20220072225A (ko) 2020-11-25 2022-06-02 주식회사 더컴퍼니 디지털 트윈 기반의 에너지 관리 시스템
KR20220093613A (ko) * 2020-12-28 2022-07-05 주식회사 인그리드 디지털 트윈기반 밀폐공간 안전관리 플랫폼 시스템
KR20220105524A (ko) * 2021-01-20 2022-07-27 대우조선해양 주식회사 선박 가스플랜트의 디지털트윈을 이용한 시운전 지원 시스템 및 이에 의한 시운전 지원 방법
KR20230036776A (ko) 2021-09-08 2023-03-15 울산대학교 산학협력단 디지털 트윈을 이용한 연료전지 에너지 관리시스템의 이상진단 시스템 및 방법
KR102492696B1 (ko) * 2021-10-06 2023-01-31 주식회사 플럭시티 그리드 기반의 공간 속성 부여를 통한 가시화 디지털 트윈 에너지 관리 장치 및 방법
KR20230076743A (ko) 2021-11-24 2023-05-31 중앙대학교 산학협력단 디지털 트윈 기반 에너지 관리 방법 및 장치
WO2023145996A1 (ko) * 2022-01-26 2023-08-03 녹원정보기술(주) 에너지 다소비 건물의 에너지 관리 및 최적화를 지원하는 디지털 트윈 플랫폼
KR102488820B1 (ko) * 2022-05-18 2023-01-17 영일엔지니어링(주) 웹기반 실시간 팩토리 제어 시스템

Similar Documents

Publication Publication Date Title
US20220282881A1 (en) Systems and methods for agent based building simulation for optimal control
US11042144B2 (en) Building management system with dynamic channel communication
EP3279757B1 (en) System and method for detecting faults and/or for providing optimization measures to enhance the performance of one or more buildings
US20200033904A1 (en) Deploying machine learning models at cognitive devices for resources management for enterprises
EP2954377B1 (en) Cloud enabled building automation system
KR101698224B1 (ko) 건물 에너지 소비 분석 시스템
US20180210479A1 (en) Microgrid model based automated real time simulation for market based electric power system optimization
Rajasekhar et al. A survey of computational intelligence techniques for air-conditioners energy management
US9208267B2 (en) Cloud based simulation and analysis for control appliances
JP2020501491A (ja) 動的エネルギーストレージシステム制御のためのシステムおよび方法
Annaswamy et al. Emerging research topics in control for smart infrastructures
US10838850B2 (en) Robotic regression testing for smart devices
JP2015534229A (ja) 燃料電池フリートの最適化
US10928784B2 (en) Central plant optimization system with streamlined data linkage of design and operational data
Hogade et al. Minimizing energy costs for geographically distributed heterogeneous data centers
US20190056706A1 (en) System, apparatus and method for energy management, for usage by consumers of energy from electric utility service providers, and monitoring and management of same
JP2017530671A (ja) 遠隔電気負荷管理のための方法及び装置
WO2016022983A1 (en) Energy management system and method
Stluka et al. Architectures and algorithms for building automation—An industry view
Netti et al. A conceptual framework for HPC operational data analytics
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
Nezhad et al. Joint Peak Clipping and Load Scheduling Based on User Behavior Monitoring in an IoT Platform
KR102600657B1 (ko) 디지털 트윈 모델 기반 공장 에너지 관리 시스템의 제어 방법, 장치 및 시스템
KR20210047507A (ko) 건물 에너지 통합 관리 장치 및 그 방법
Lin An integrated digital twin simulation and scheduling system under cyber-physical digital twin environment

Legal Events

Date Code Title Description
GRNT Written decision to grant