KR102650653B1 - 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치 - Google Patents

태양광 발전설비용량 추정 방법 및 이를 수행하는 장치 Download PDF

Info

Publication number
KR102650653B1
KR102650653B1 KR1020210065261A KR20210065261A KR102650653B1 KR 102650653 B1 KR102650653 B1 KR 102650653B1 KR 1020210065261 A KR1020210065261 A KR 1020210065261A KR 20210065261 A KR20210065261 A KR 20210065261A KR 102650653 B1 KR102650653 B1 KR 102650653B1
Authority
KR
South Korea
Prior art keywords
power generation
solar power
btm
demand
lighting load
Prior art date
Application number
KR1020210065261A
Other languages
English (en)
Other versions
KR20220157577A (ko
Inventor
송경빈
배동진
권보성
우수화
문찬호
Original Assignee
숭실대학교 산학협력단
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 숭실대학교 산학협력단 filed Critical 숭실대학교 산학협력단
Priority to KR1020210065261A priority Critical patent/KR102650653B1/ko
Publication of KR20220157577A publication Critical patent/KR20220157577A/ko
Application granted granted Critical
Publication of KR102650653B1 publication Critical patent/KR102650653B1/ko

Links

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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Photovoltaic Devices (AREA)

Abstract

본 발명의 일 실시예에 따른 태양광 발전설비용량 추정장치에 의해 실행되는 BTM(Behind-the-Meter) 태양광 발전설비용량 추정 방법은, 태양광 발전기의 단위 용량당 발전량에 기초하여 t시점의 BTM 태양광 발전기의 발전량 추정치를 산출하는 단계; 격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하는 단계; 전력수요에 대한 기온의 영향을 최소화하기 위하여 추정된 냉방 및 난방 기준기온에 기초하여 과거의 전력수요 데이터를 필터링하는 단계 ; 필터링된 데이터에 기초하여 기본전력수요 대비 조명부하 변동량의 비율을 산출하여, t시점의 조명부하 변동량을 추정하는 단계; t시점의 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 재구축 수요를 산출하는 단계; 및 각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정하는 단계를 포함하는 것을 특징으로 한다.

Description

태양광 발전설비용량 추정 방법 및 이를 수행하는 장치{SOLAR PV CAPACITY ESTIMATION METHOD AND APPARATUSES OPERATING THE SAME}
본 발명은 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치에 관한 것이다.
세계적으로 온실가스 배출과 같은 환경문제에 대해 관심이 집중되고 있다. 국내에서는 이러한 글로벌 기후변화에 대응하여 친환경 저탄소 전환을 가속화하는 그린 뉴딜 정책을 발표하였다. 그린 뉴딜 정책에 따라 2030 온실가스 감축 목표를 차질없이 이행하고 탄소중립 목표를 달성하기 위하여 친환경 재생에너지 설비가 확산되고 있다.
이러한 확산세에 따라, 국내에서 태양광 발전기가 증가하였다. 국내 태양광의 대부분은 1MW 이하의 소용량 발전기로, 전력수요 계량기 후단에 위치한 BTM(Behind-the-Meter)으로 분류된다.
국내 발전단 전력수요는 발전기 출력단자에서 측정한 전력수요의 합계를 의미하며 송전단 전력수요는 발전기 주변압기 고압측과 송전설비와의 계량점에서 계량한 전력수요 합계를 말한다. 따라서, 계량기 후단에 위치하는 BTM 발전량은 전력수요에 포함되지 않으며, 이는 전력수요를 감소시키는 결과를 가져온다. 아울러, 재생에너지 확산에 따른 BTM 태양광 발전량의 증가는 기상에 따른 전력수요 패턴 변동을 증가시켜 전력수요예측의 불확실성을 높이고 있다.
BTM의 영향을 전력수요예측에 반영하기 위한 연구가 지속적으로 이루어지고 있다. 기존에 연구된 BTM 태양광 발전량 추정 기법에는 크게 태양광 모델링을 통한 발전량 추정 기법과 대표 태양광 발전기 선정을 통한 설비용량 비례식을 이용하여 발전량을 추정하는 기법이 존재한다. BTM 태양광 발전량 추정을 바탕으로 BTM 태양광 발전설비용량을 추정하며 전력수요예측 오차와의 상관관계 분석을 통한 설비용량 추정 기법과 흐린 날과 맑은 날의 전력수요 차이를 분석을 통한 설비용량 추정 기법 등이 있다.
이러한 BTM 태양광 발전설비용량 추정 선행 연구의 대부분은 흐린 날과 맑은 날의 전력수요 차이를 BTM 태양광 발전량의 영향으로만 가정한다. 하지만 흐린 날은 맑은 날에 비하여 조명의 사용량이 많기 때문에 두 날의 전력수요 차이에는 조명부하 변동량이 포함된다. 또한 두 날의 기온 차이로 인한 냉방 및 난방부하 사용량 변동의 영향도 전력수요 차이에 포함된다. 이를 고려하지 않고 흐린 날과 맑은 날의 전력수요 차이를 이용하여 BTM 태양광 발전설비용량을 추정할 경우 조명부하 또는 냉방 및 난방부하의 영향이 BTM 태양광의 영향으로 취급되어, 정확한 BTM 태양광 발전설비용량을 추정하기 어려워진다.
따라서, 조명부하 또는 냉방 및 난방부하의 영향을 고려하여 정확한 BTM 태양광 발전설비용량을 추정하는 방법이 요구되고 있다.
상기의 문제점을 해결하기 위해 조명부하 또는 냉방 및 난방부하의 영향을 고려하여 정확하게 BTM 태양광 발전설비용량을 추정하는 방법 및 장치를 제공한다.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 태양광 발전설비용량 추정장치에 의해 실행되는 BTM(Behind-the-Meter) 태양광 발전설비용량 추정 방법은, 태양광 발전기의 단위 용량당 발전량에 기초하여 t시점의 BTM 태양광 발전기의 발전량 추정치를 산출하는 단계; 격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하는 단계; 전력수요에 대한 기온의 영향을 최소화하기 위하여 추정된 냉방 및 난방 기준기온에 기초하여 과거의 전력수요 데이터를 필터링하는 단계; 필터링된 데이터에 기초하여 기본전력수요 대비 조명부하 변동량의 비율을 산출하여, t시점의 조명부하 변동량을 추정하는 단계; t시점의 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 재구축 수요를 산출하는 단계; 및 각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정하는 단계를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하는 단계는, 입력 데이터로 사용되는 날들의 시간별 평균 기온을 기준으로 냉방 및 난방 기준기온을 생성하고, 상기 냉방 및 난방 기준기온을 미리 설정된 범위 내에서 변화시키면서 전력수요와 태양광 발전량 간의 상관관계가 최대가 되는 냉방 및 난방 기준기온 계수를 추정하는 것을 특징으로 한다.
일 실시예에서, 상기 전력수요와 태양광 발전량 간의 상관관계는 피어슨 상관 계수를 이용하여 산출되는 것을 특징으로 한다.
일 실시예에서, 상기 기초하여 과거의 전력수요 데이터를 필터링하는 단계 는 수학식 1에 따라 데이터가 필터링 되는 것을 특징으로 한다.
[수학식 1]
(수학식 1에서, t는 t시의 평균 기온, 는 t시 기온의 표준편차, 는 t시 기온, 와 는 냉방 및 난방 기준기온 계수를 의미한다)
일 실시예에서, 상기 t시점의 조명부하 변동량을 추정하는 단계는 2000년부터 2005년까지 과거 데이터의 각 날(day)을 일사에 따라 복수개의 구간으로 분류하는 단계; 분류된 날의 전력수요 차이를 산출하여 구간별 전력수요 차이의 평균을 계산하는 단계; 계산된 구간별 전력수요 차이의 평균에 기초하여 보간법을 이용하여 제1 조명부하 변동량을 추정하는 단계; 및 2005년 이후의 t시점의 기본전력수요 대비 제1 조명부하 변동량의 비율을 연산하여 t시점의 조명부하 변동량을 추정하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 태양광 발전설비용량 추정장치는 태양광 발전기의 단위 용량당 발전량에 기초하여 t시점의 BTM(Behind-the-Meter) 태양광 발전기의 발전량 추정치를 산출하는 BTM 발전량 추정부; 격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하고, 전력수요에 대한 기온의 영향을 최소화하기 위하여 추정된 냉방 및 난방 기준기온에 기초하여 과거의 전력수요 데이터를 필터링하는 기온필터링부; 필터링된 데이터에 기초하여 기본전력수요 대비 조명부하 변동량의 비율을 산출하여, t시점의 조명부하 변동량을 추정하는 조명부하 추정부; t시점에 대한 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 재구축 수요를 산출하는 재구축 수요 생성부; 및 각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정하는 BTM 태양광 발전설비용량 추정부를 포함한다.
본 발명에 따른 BTM 태양광 발전설비용량 추정 방법에 의해 기온 및 조명부하의 영향을 제거한 정확한 BTM 태양광 발전설비용량 추정이 가능하며, 태양광 보급용량 증가에 따라 증가하는 전력수요 변동성으로 인한 전력수요예측 불확실성을 개선할 수 있다.
도 1은 본 발명의 일 실시예에 따른 태양광 발전설비용량 추정장치의 개략적인 구성을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예들에 따른 태양광 발전설비용량 추정장치의 제어부의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 태양광 설비용량 추정 방법을 설명하는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 조명부하 추정 방법을 설명하는 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면을 참조하여 상세하게 설명하도록 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 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재 항목들의 조합 또는 복수의 관련된 기재 항목들 중의 어느 항목을 포함한다.
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 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있다는 것을 의미한다.
발명의 설명에 앞서, 발전량은 발전소가 일정 기간동안 생산해 낸 전기의 양으로 전력량의 단위 Wh를 사용한다.
설비용량이란 발전소가 시간 당 최대로 생산해 낼 수 있는 능력으로 전력의 단위 W를 사용한다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 태양광 설비용량 추정장치의 개략적인 구성을 설명하기 위한 블록도이다.
태양광 설비용량 추정장치(100)는 입력부(110), 출력부(120), 제어부(130) 및 메모리(140)를 포함할 수 있다. 태양광 설비용량 추정장치(100)는 도 1에 도시된 구성요소보다 많은 구성요소에 의해 구현될 수도 있고, 도시된 구성요소보다 적은 구성요소에 의해 구현될 수도 있다.
입력부(110)는 사용자가 태양광 발전설비용량 추정장치(100)를 구동하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 입력부(110)에는 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
일부 실시예들에 따르면, 입력부(110)는 사용자가 추정하고자 하는 시점의 BTM 태양광 발전설비용량의 추정 요청을 위한 입력을 수신할 수 있다.
출력부(120)는 오디오 신호, 비디오 신호 또는 진동 신호를 출력할 수 있다. 도 1에 도시하지 않았으나, 출력부(120)는 디스플레이부, 음향 출력부 및 진동 모터 중 적어도 하나를 포함할 수 있다.
일부 실시예들에 따르면, 출력부(120)는 사용자가 추정하고자 하는 시점의 BTM 태양광 발전설비용량 추정 요청에 따른 동작의 수행 결과를 출력할 수 있다. 예를 들면, 사용자가 추정하고자 하는 시점의 BTM 태양광 발전설비용량 추정 요청이 발생함에 따라 제어부(130)에서 소정의 동작이 수행될 수 있고, 소정의 동작이 수행된 결과는 출력부(120)를 통해 출력될 수 있다.
제어부(130)는 통상적으로 태양광 발전설비용량 추정장치(100)의 전반적인 동작을 제어한다. 예를 들어, 제어부(130)는 메모리(140)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(110), 출력부(120) 및 메모리(140) 등을 전반적으로 제어할 수 있다.
제어부(130)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(140)로부터 제어부(130)에 제공되거나, 메모리(140)를 통해 수신되어 제어부(130)로 제공될 수 있다. 예를 들면, 제어부(130)는 메모리와 같은 기록 장치에 저장된 프로그램 코드에 따라 명령을 실행하도록 구성될 수 있다.
일부 실시예들에 따르면, 제어부(130)는 사용자가 추정하고자 하는 시점의 BTM 태양광 발전설비용량 추정을 위해 메모리(140)에 저장된 과거 데이터 및 분석 모델에 기초하여, 기온필터링 과정을 통하여 전력수요에 대한 기온의 영향이 최소화된 날을 선별하고 조명부하 추정을 이용한 수요 재구축 방법을 통하여 전력수요에 대한 조명부하의 영향을 최소화한다. 또한, 제어부(130)는 BTM 태양광 발전량을 제외한 기타 인자의 영향이 최소화된 재구축 수요에 격자탐색 방법을 이용하여 최종적으로 BTM 태양광 발전설비용량 추정치를 산출한다. 이에 대한 상세한 설명은 다른 도면을 참조하여 후술한다.
메모리(140)는 제어부(130)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 태양광 발전설비용량 추정장치(100)로 입력되거나 태양광 발전설비용량 추정장치(100)로부터 출력되는 데이터를 저장할 수도 있다.
일 실시예에서, 메모리(140)는 과거의 전력수요 데이터, 지역별 기상 실적, 지역별 기상 예보 등에 관한 각종 정보를 저장할 수 있다. 또한, 메모리(140)는 후술되는 냉방 및 난방 기준기온 계수 추정 알고리즘 및 기타 태양광 발전설비용량 추정 알고리즘을 저장할 수 있다.
메모리(140)의 예로서, 플래시 메모리 타입(flash memory type), 하드디스크 타입(harddisk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예: SD 또는 XD 메모리 등), 램(RAM, Random Access Memory), SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 들 수 있으나, 이에 한정되는 것은 아니다.
도 2는 일부 실시예들에 따른 태양광 발전설비용량 추정장치의 제어부의 구성을 나타내는 블록도이다.
도 2를 참조하면, 제어부(130)는 BTM 발전량 추정부(131), 기온필터링부(132), 조명부하 추정부(133), 재구축 수요 생성부(134) 및 BTM 태양광 발전설비용량 추정부(135)를 포함할 수 있다. BTM 발전량 추정부(131), 기온필터링부(132), 조명부하 추정부(133), 재구축 수요 생성부(134) 및 BTM 태양광 발전설비용량 추정부(135)를 구분하여 도시한 것은 각각의 기능을 구별하여 설명하기 위함이다. 따라서, 제어부(130)는 BTM 발전량 추정부(131), 기온필터링부(132), 조명부하 추정부(133), 재구축 수요 생성부(134) 및 BTM 태양광 발전설비용량 추정부(135) 각각의 기능을 수행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다.
BTM 발전량 추정부(131)는 기온영향과 조명부하를 고려하지 않은 BTM 태양광 발전설비용량 추정치에 기초하여 BTM 태양광의 발전량 추정치를 산출한다.
일 실시예에서, BTM 발전량 추정부(131)는 먼저 BTM 태양광 발전설비용량의 추정치를 수학식 1에 따라 산출한다.
[수학식 1]
여기서, 은 BTM 태양광 발전설비용량의 추정치이고, 는 한국전력공사 PPA 태양광 발전설비용량이며, 는 기타 태양광 발전설비용량 추정치이다.
일 실시예에서, BTM 발전량 추정부(131)는 BTM 태양광 발전설비와 전력시장 태양광 발전설비의 효율을 유사하다고 가정하며, 전력시장 태양광 발전기의 발전량 데이터로부터 실시간 발전량 데이터를 이용하여, 전력시장 태양광 발전기의 단위 용량 당 발전량을 이용하여 수학식 2에 따라 BTM 태양광 발전량을 산출한다.
[수학식 2]
여기서, 는 t 시점의 BTM 태양광 발전량 추정치이고, 는 t 시점의 전력시장 태양광 발전량, 는 전력거래소 전력시장 태양광 발전설비용량, 은 BTM 태양광 발전설비용량의 추정치를 의미한다.
기온필터링부(132)는 전력수요에 대한 기온의 영향을 제거하기 위하여 기온필터링을 적용한다.
기온필터링부(110)는 기온필터링을 위해 입력 데이터로 사용되는 날들의 시간별 평균 기온을 기준으로 냉방 및 난방 기준기온을 생성한다.
일반적으로 평상시와 다르게 새벽시간에 기온이 높고 시간이 지날수록 기온이 낮아지는 기온 패턴을 가진 날의 경우 평균기온은 냉방 및 난방 기준기온 범위에 속하지만, 전력수요가 평상시와 다르게 나타난다. 이러한 기온 패턴까지 필터링하기 위하여 기온필터링부(110)는 입력 데이터로 사용되는 날들의 시간별 평균 기온을 기준으로 한 냉방 및 난방 기준기온을 생성한다.
일 실시예에서, 기온필터링부(110)는 격자탐색(Grid Search) 방법을 사용하며 냉방 및 난방 기준기온을 일정 범위 내에서 변화시키며 전력수요와 태양광 발전량 간의 상관관계가 최대가 되는 기준기온을 탐색한다. 격자탐색이란 변수의 가능한 모든 조합을 시도하여 최적화된 값을 탐색하는 방법으로서, 전력수요에 대하여 기온의 영향이 최소화 될 때 전력수요와 태양광 발전량 간의 상관관계가 최대가 되는 것임을 활용한 방식이다. 이때 사용 데이터는 태양광 발전량이 최대가 되는 13시의 데이터이다.
일 실시예에서, 기온필터링부(110)는 상관관계 분석을 위하여 피어슨 상관계수를 사용하며 상관계수 산출 방법은 수학식 3과 같다.
[수학식 3]
은 피어슨 상관계수, 는 X와 Y의 공분산, 는 X의 표준편차, 는 Y의 표준편차를 의미한다. 시간별 냉방 및 난방 기준기온을 적용한 기온필터링 방법은 수학식4와 같다.
[수학식 4]
여기서, t는 t시의 평균 기온, 는 t시 기온의 표준편차, 는 t시 기온, 와는 냉방 및 난방 기준기온 계수를 의미하며 와는 아래와 같은 냉방 및 난방 기준기온 계수 추정 알고리즘 1을 이용하여 추정한다.
조명부하 추정부(133)는 전력수요에서 조명부하의 영향을 최소화하기 위하여, 맑은 날과 흐린 날의 조명부하 변동량을 추정한다.
일 실시예에서, 조명부하 추정부(133)는 태양광 발전기 보급용량이 거의 없던 시기의 맑은 날과 흐린 날의 전력수요 차이에 기초하여 조명부하의 영향을 추정한다. 태양광 발전기 보급용량이 거의 없던 시기는 2000년부터 2005년으로 설정하였으나, 이에 한정하는 것은 아니다. 맑은 날과 흐린 날을 분류하기 위하여 일사를 이용하여 기상 상태를 맑음, 구름 조금, 구름 많음, 흐림 4단계로 분류한다. 흐림으로 분류된 날과 맑음으로 분류된 날의 전력수요 차이를 산출하여 5월과 10월 각각의 구간별 전력수요 차이의 평균을 계산하고 계산된 전력수요 차이를 보간법을 이용하여 매월 조명부하 변동량을 추정한다.
한편, 태양광 발전기 보급이 활성화된 이후 흐린 날과 맑은 날의 전력수요 차이에 태양광 발전량의 영향이 포함되어 조명부하 변동량 추정이 어려우므로, 기본전력수요를 이용한다. 태양광 발전기 보급이 활성화된 시기는 2005년으로 설정한다. 기본전력수요란 기타 인자의 영향을 제외한 국내총생산, 인구증가 등의 전력수요의 자연증가분만을 고려한 전력수요이다. 2000년부터 2005년에서 산출된 조명부하 변동량을 기본전력수요 대비 비율로 설정하여 2005년 이후의 조명부하 변동량을 추정한다. 기본전력수요를 이용한 조명부하 변동량 추정 방법은 수학식 5와 같다.
[수학식 5]
는 t 시점의 조명부하 변동량, 는 기본전력수요, 는 기본전력수요 대비 조명부하 변동량의 비율을 의미한다.
이와 같이 추정된 연도별 조명부하 변동량 추정치는 표 1과 같다.
[표 1]
재구축 수요 생성부(134)는 t시점의 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 조명부하의 영향을 최소화하는 재구축 수요를 산출한다.
일 실시예에서, 재구축 수요 생성부(134)는 수학식 6에 따라 조명부하를 고려한 재구축 수요를 산출한다.
[수학식 6]
여기서, 는 t시점의 조명부하를 고려한 재구축 수요, 는 t시점의 전력수요, 는 t시점의 BTM 태양광 발전량 추정치, 는 t시점의 조명부하 변동량을 의미한다. 이때 는 맑은 날을 기준으로 조명부하 변동량을 추정하므로, 맑은 날의 조명부하 변동량을 0으로 나타낸다.
BTM 태양광 발전설비용량 추정부(135)는 각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정한다.
BTM 태양광 발전설비 중 한국전력공사 PPA 태양광 발전설비의 경우에는 설비용량이 존재한다. 따라서 BTM 태양광의 총 발전설비용량 추정을 위해 기타 태양광 발전설비용량을 추정한다. 기온필터링, 조명부하를 고려한 재구축 수요를 이용하여 기온과 조명부하의 영향을 최소화시킨 후 미지수인 BTM 태양광 발전설비용량을 변화시키며 전력수요 간 분산이 최소가 되는 때의 BTM 태양광 발전설비용량을 등가 설비용량으로 추정한다. 분산은 수학식 7을 통해 산출한다.
[수학식 7]
여기서 는 X의 분산, N은 표본의 크기, 는 표본의 평균을 의미한다. 이를 이용한 BTM 태양광 발전설비용량 추정 방법은 알고리즘 2와 같다.
도 3은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 태양광 발전설비용량 추정 방법을 설명하는 흐름도이고, 도 4는 본 발명의 일 실시예에 따른 조명부하 추정 방법을 설명하는 흐름도이다.
먼저 도 3을 참조하면, 단계 S110에서, 태양광 발전기의 단위 용량당 발전량에 기초하여 t시점의 BTM 태양광 발전기의 발전량 추정치를 산출한다.
단계 S120에서, 격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정한다.
단계 S130에서, 전력수요에 대한 기온의 영향을 최소화하기 위하여 추정된 냉방 및 난방 기준기온에 기초하여 과거의 전력수요 데이터를 필터링한다.
단계 S140에서, 필터링된 데이터에 기초하여 기본전력수요 대비 조명부하 변동량의 비율을 산출하여, t시점의 조명부하 변동량을 추정한다.
도 4를 참조하면, 단계 S142에서, 2000년에서 2005년까지 과거 데이터의 각 날(day)을 일사(日射)에 따라 복수개의 구간으로 분류한다. 일 실시예에서는 일사에 따라 맑음, 구름 조금, 구름 많음, 흐림 4 단계로 구분할 수 있고, 이들 구분의 기준은 지표면에 도달한 태양복사에너지이다. 이러한 정보는 기상청 으로부터 획득할 수 있다. 이때 기온필터링을 진행하여 기온의 영향을 최소로 한다.
단계 S144에서, 분류된 날의 전력수요 차이를 산출하여 구간별 전력수요 차이의 평균을 계산한다.
단계 S146에서, 계산된 구간별 전력수요 차이의 평균에 기초하여 보간법을 이용하여 제1 조명부하 변동량을 추정한다.
단계 S148에서, 2005년 이후의 t시점의 기본전력수요 대비 제1 조명부하 변동량의 비율을 연산하여 t시점의 조명부하 변동량을 추정할 수 있다.
다시 도 3으로 되돌아가서, 단계 S150에서, t시점의 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 재구축 수요를 산출한다. 여기서 산출된 재구축 수요는 전력수요에 대한 BTM 태양광과 조명부하의 영향을 최소화하는 BTM 태양광 발전량과 조명부하 변동량이 반영되어 있다.
단계 S160에서, 각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정한다. 이에 따라, 조명부하 또는 냉방 및 난방부하의 영향을 최소화한 BTM 태양광 발전설비용량을 추정할 수 있다.
본 발명의 일 실시예에 따른 장치 및 방법을 통해, 조명부하 또는 냉방 및 난방부하의 영향을 고려하여 BTM 태양광 발전설비용량을 정확하게 추정할 수 있다. 또한, 스마트 시티, 전력 거래 시스템, 전력 계통 운영, 신재생 에너지 발전 시스템 등 전력 사용량 예측이 필요한 다양한 분야에 응용가능하다.
본 발명의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
131 : BTM 발전량 추정부
132 : 기온필터링부
133 : 조명부하 추정부
134 : 재구축 수요 생성부
135 : 설비용량 추정부

Claims (10)

  1. 태양광 발전설비용량 추정장치에 의해 실행되는 BTM(Behind-the-Meter) 태양광 발전설비용량 추정 방법으로서,
    태양광 발전기의 단위 용량당 발전량에 기초하여 t시점의 BTM 태양광 발전기의 발전량 추정치를 산출하는 단계;
    격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하는 단계;
    전력수요에 대한 기온의 영향을 최소화하기 위하여 추정된 냉방 및 난방 기준기온에 기초하여 과거의 전력수요 데이터를 필터링하는 단계;
    필터링된 데이터에 기초하여 기본전력수요 대비 조명부하 변동량의 비율을 산출하여, t시점의 조명부하 변동량을 추정하는 단계;
    t시점의 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 재구축 수요를 산출하는 단계; 및
    각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정하는 단계;를 포함하며,
    상기 t시점의 조명부하 변동량을 추정하는 단계는, 태양광 발전기 보급용량이 거의 없던 시기의 기상 상태를 맑음, 구름 조금, 구름 많음, 흐림의 4단계로 분류하고, 상기 흐림으로 분류된 날과 상기 맑음으로 분류된 날의 전력수요 차이를 산출하며, 봄/가을의 전력수요 차이의 평균을 계산하여 매월 조명부하 변동량을 추정하고,
    상기 BTM 태양광 발전설비용량을 추정하는 단계는, 상기 기온의 영향을 최소화하기 위한 과거의 전력 수요 데이터를 필터링하는 기온 필터링과 상기 조명부하 변동량을 제외하는 과정을 통해 산출된 재구축 수요를 이용하여 기온과 조명부하의 영향을 최소화시킨 후 미지수인 상기 BTM 태양광 발전설비용량을 변화시키며 전력수요간 분산이 최소가 되는 때의 상기 BTM 태양광 발전설비용량을 등가 설비용량으로 추정하는 것인, BTM 태양광 발전설비용량 추정 방법.
  2. 제1항에 있어서,
    상기 격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하는 단계는,
    입력 데이터로 사용되는 날들의 시간별 평균 기온을 기준으로 냉방 및 난방 기준기온을 생성하고, 상기 냉방 및 난방 기준기온을 미리 설정된 범위 내에서 변화시키면서 전력수요와 태양광 발전량 간의 상관관계가 최대가 되는 냉방 및 난방 기준기온 계수를 추정하는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정 방법.
  3. 제2항에 있어서,
    상기 전력수요와 태양광 발전량 간의 상관관계는 피어슨 상관 계수를 이용하여 산출되는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정 방법.
  4. 제3항에 있어서,
    상기 과거의 전력수요 데이터를 필터링하는 단계는 추정된 냉방 및 난방 기준기온에 기초하여 수학식 1에 따라 필터링 되는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정 방법.
    [수학식 1]

    (수학식 1에서, t는 t시의 평균 기온, 는 t시 기온의 표준편차, 는 t시 기온, 와 는 냉방 및 난방 기준기온 계수를 의미한다)
  5. 제1항에 있어서,
    상기 t시점의 조명부하 변동량을 추정하는 단계는
    2000년부터 2005년까지 과거 데이터의 각 날(day)을 일사에 따라 복수개의 구간으로 분류하는 단계;
    분류된 날의 전력수요 차이를 산출하여 구간별 전력수요 차이의 평균을 계산하는 단계;
    계산된 구간별 전력수요 차이의 평균에 기초하여 보간법을 이용하여 제1 조명부하 변동량을 추정하는 단계; 및
    2005년 이후의 t시점의 기본전력수요 대비 제1 조명부하 변동량의 비율을 연산하여 t시점의 조명부하 변동량을 추정하는 단계
    를 더 포함하는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정 방법.
  6. 태양광 발전기의 단위 용량당 발전량에 기초하여 t시점의
    BTM (Behind-the-Meter) 태양광 발전기의 발전량 추정치를 산출하는 BTM 발전량 추정부;
    격자탐색 방식을 적용하여 냉방 및 난방 기준기온을 추정하고, 전력수요에 대한 기온의 영향을 최소화하기 위하여 추정된 냉방 및 난방 기준기온에 기초하여 과거의 전력수요 데이터를 필터링하는 기온필터링부;
    필터링된 데이터에 기초하여 기본전력수요 대비 조명부하 변동량의 비율을 산출하여, t시점의 조명부하 변동량을 추정하는 조명부하 추정부;
    t시점에 대한 전력수요와 상기 발전량 추정치의 합에 상기 t시점의 조명부하 변동량을 제외하여 재구축 수요를 산출하는 재구축 수요 생성부; 및
    각 날들의 재구축 수요 간 분산을 최소로 하는 BTM 태양광 발전설비용량을 추정하는 BTM 태양광 발전설비용량 추정부;를 포함하며,
    상기 조명부하 추정부는, 태양광 발전기 보급용량이 거의 없던 시기의 기상 상태를 맑음, 구름 조금, 구름 많음, 흐림의 4단계로 분류하고, 상기 흐림으로 분류된 날과 상기 맑음으로 분류된 날의 전력수요 차이를 산출하며, 봄/가을의 전력수요 차이의 평균을 계산하여 매월 조명부하 변동량을 추정하고,
    상기 BTM 태양광 발전설비용량 추정부는, 상기 기온의 영향을 최소화하기 위한 과거의 전력 수요 데이터를 필터링하는 기온 필터링과 상기 조명부하 변동량을 제외하는 과정을 통해 산출된 재구축 수요를 이용하여 기온과 조명부하의 영향을 최소화시킨 후 미지수인 상기 BTM 태양광 발전설비용량을 변화시키며 전력수요간 분산이 최소가 되는 때의 상기 BTM 태양광 발전설비용량을 등가 설비용량으로 추정하는 것인, BTM 태양광 발전설비용량 추정장치.
  7. 제6항에 있어서,
    상기 기온필터링부는,
    입력 데이터로 사용되는 날들의 시간별 평균 기온을 기준으로 냉방 및 난방 기준기온을 생성하고, 상기 냉방 및 난방 기준기온을 미리 설정된 범위 내에서 변화시키면서 전력수요와 태양광 발전량 간의 상관관계가 최대가 되는 냉방 및 난방 기준기온 계수를 추정하는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정장치.
  8. 제7항에 있어서,
    상기 전력수요와 태양광 발전량 간의 상관관계는 피어슨 상관 계수를 이용하여 산출되는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정장치.
  9. 제8항에 있어서,
    상기 기온필터링부는 추정된 냉방 및 난방 기준기온에 기초하여 수학식 1에 따라 필터링 하는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정장치.
    [수학식 1]

    (수학식 1에서, t는 t시의 평균 기온, 는 t시 기온의 표준편차, 는 t시 기온, 와 는 냉방 및 난방 기준기온 계수를 의미한다)
  10. 제6항에 있어서,
    상기 조명부하 추정부는,
    2000년부터 2005년까지 과거 데이터의 각 날(day)을 일사에 따라 복수개의 구간으로 분류하고, 분류된 날의 전력수요 차이를 산출하여 구간별 전력수요 차이의 평균을 계산하며, 계산된 구간별 전력수요 차이의 평균에 기초하여 보간법을 이용하여 제1 조명부하 변동량을 추정하고, 2005년 이후의 t시점의 기본전력수요 대비 제1 조명부하 변동량의 비율을 연산하여 t시점의 조명부하 변동량을 추정하는 것을 특징으로 하는 BTM 태양광 발전설비용량 추정장치.

KR1020210065261A 2021-05-21 2021-05-21 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치 KR102650653B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210065261A KR102650653B1 (ko) 2021-05-21 2021-05-21 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210065261A KR102650653B1 (ko) 2021-05-21 2021-05-21 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치

Publications (2)

Publication Number Publication Date
KR20220157577A KR20220157577A (ko) 2022-11-29
KR102650653B1 true KR102650653B1 (ko) 2024-03-25

Family

ID=84235441

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210065261A KR102650653B1 (ko) 2021-05-21 2021-05-21 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102650653B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240204530A1 (en) * 2022-12-20 2024-06-20 Siemens Aktiengesellschaft Unsupervised solar energy disaggregation system and method

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101781753B1 (ko) * 2016-09-29 2017-09-25 성균관대학교산학협력단 출력 변동 경감을 위해 피어슨 상관계수를 이용한 ess의 제어 장치 및 그 방법
KR101834776B1 (ko) * 2017-09-28 2018-03-06 주식회사 대은계전 서버에서 재가공된 정보를 통해 스카다 장치를 통합 제어하는 시스템
KR101945501B1 (ko) 2018-05-23 2019-02-08 주식회사 광명전기 에너지 저장 장치와 태양광 발전을 이용한 전력 공급 제어 시스템 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2577853B (en) * 2018-06-22 2021-03-24 Moixa Energy Holdings Ltd Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101781753B1 (ko) * 2016-09-29 2017-09-25 성균관대학교산학협력단 출력 변동 경감을 위해 피어슨 상관계수를 이용한 ess의 제어 장치 및 그 방법
KR101834776B1 (ko) * 2017-09-28 2018-03-06 주식회사 대은계전 서버에서 재가공된 정보를 통해 스카다 장치를 통합 제어하는 시스템
KR101945501B1 (ko) 2018-05-23 2019-02-08 주식회사 광명전기 에너지 저장 장치와 태양광 발전을 이용한 전력 공급 제어 시스템 및 방법

Also Published As

Publication number Publication date
KR20220157577A (ko) 2022-11-29

Similar Documents

Publication Publication Date Title
Kaytez A hybrid approach based on autoregressive integrated moving average and least-square support vector machine for long-term forecasting of net electricity consumption
Krishnan et al. Efficient database generation for decision tree based power system security assessment
González-Vidal et al. Data driven modeling for energy consumption prediction in smart buildings
Dimd et al. A review of machine learning-based photovoltaic output power forecasting: Nordic context
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
KR102650653B1 (ko) 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치
Amarasinghe et al. Kernel density estimation based time-dependent approach for analyzing the impact of increasing renewables on generation system adequacy
Cheema et al. A novel stochastic dynamic modeling for photovoltaic systems considering dust and cleaning
KR20190109773A (ko) 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
Chowdhury et al. Energy consumption prediction using light gradient boosting machine model
Dong et al. Multi-year long-term load forecast for area distribution feeders based on selective sequence learning
Zavala et al. Economic impacts of advanced weather forecasting on energy system operations
Filipova-Petrakieva et al. Short-Term Forecasting of Hourly Electricity Power Demand: Reggresion and Cluster Methods for Short-Term Prognosis
Steindl et al. Comparison of black box models for load profile generation of district heating networks
CN112132344A (zh) 一种基于相似日和frs-svm的短期风电功率预测方法
Chaabene Measurements based dynamic climate observer
EL-AAL et al. FORECASTING SOLAR PHOTOVOLTAIC ENERGY PRODUCTION USING LINEAR REGRESSIONBASED TECHNIQUES
Wilson et al. Use of meteorological data for improved estimation of risk in capacity adequacy studies
Filipova-Petrakieva et al. Short-Term Forecasts of the Electrical Energy Consumption in Republic of Bulgaria
KR20200057942A (ko) 신재생에너지 공급확대를 반영한 계통 순부하의 변동성 산정 방법 및 시스템
Landa-Torres et al. The application of the data mining in the integration of RES in the smart grid: Consumption and generation forecast in the I3RES project
Kumar et al. A Comparative Analysis of Time Series and Machine Learning Models for Wind Speed Prediction
Zhang et al. Data-driven feature description of heat wave effect on distribution system
Toumia et al. Impact of input data structure on convolutional neural network energy prediction model
Sinkovics et al. Co‐simulation framework for calculating balancing energy needs of a microgrid with renewable energy penetration

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant