KR20050021868A - 연료 전지 발전 시스템 및 그 제어 방법 - Google Patents

연료 전지 발전 시스템 및 그 제어 방법 Download PDF

Info

Publication number
KR20050021868A
KR20050021868A KR1020040067721A KR20040067721A KR20050021868A KR 20050021868 A KR20050021868 A KR 20050021868A KR 1020040067721 A KR1020040067721 A KR 1020040067721A KR 20040067721 A KR20040067721 A KR 20040067721A KR 20050021868 A KR20050021868 A KR 20050021868A
Authority
KR
South Korea
Prior art keywords
power
fuel cell
hot water
water supply
predicted
Prior art date
Application number
KR1020040067721A
Other languages
English (en)
Other versions
KR101126857B1 (ko
Inventor
마츠바야시시게아키
후나쿠라마사미
이마가와츠네코
오제키마사타카
다나카요시카즈
Original Assignee
마츠시타 덴끼 산교 가부시키가이샤
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 마츠시타 덴끼 산교 가부시키가이샤 filed Critical 마츠시타 덴끼 산교 가부시키가이샤
Publication of KR20050021868A publication Critical patent/KR20050021868A/ko
Application granted granted Critical
Publication of KR101126857B1 publication Critical patent/KR101126857B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04604—Power, energy, capacity or load
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/02—Details
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
    • H01M8/04955—Shut-off or shut-down of fuel cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Fuel Cell (AREA)

Abstract

본 발명은 가정 내에 다른 사용 전력을 예측하여 발전 전력을 효율적으로 제어할 수 있어, 에너지 절약화를 실현할 수 있는 연료 전지 발전 시스템 및 그 제어 방법을 제공하는 것으로, 전력 계측부(230)는 가전기기가 사용하는 사용 전력을 계측하고, 사용 전력 예측부(200)는 전력 계측부(230)에서 계측한 사용 전력으로부터, 소정의 시각보다 장래의 사용 전력의 예측값을 소정의 시간만큼 예측하며, 발전 지령부(220)는 사용 전력 예측부(200)의 사용 전력의 예측값으로부터 연료 전지 발전 장치(100)의 기동 및 정지를 판정한다.

Description

연료 전지 발전 시스템 및 그 제어 방법{FUEL CELL GENERATION SYSTEM AND CONTROL METHOD THEREOF}
본 발명은 전기기기에 공급하는 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템 및 그 제어 방법에 관한 것이다.
종래, 연료 가스를 이용하여 전력과 온수를 공급하는 연료 전지를 발전하는 연료 전지 발전 장치가 알려져 있다. 연료 전지가 발전하는 전력은, 발전 효율을 고려하면 가전기기에서 사용되는 전력과 동등한 것이 바람직하다. 그 때문에, 가전기기의 사용 전력을 계측 관리하여, 그 값에 추종하도록 발전 전력을 제어해야 한다. 그런데, 연료 전지는 도시 가스 등을 개질하여 얻어진 수소와 산소의 화학 반응을 이용하고 있는 특성상, 사용 전력의 급격한 변화에는 추종할 수 없는 우려가 있다. 그 때문에, 단순한 사용 전력의 변화에만 근거하여 연료 전지 발전 장치의 발전 출력을 제어하면, 사용 전력에 대한 발전 전력의 추종 지연에 의해, 예컨대, 사용 전력의 기동시의 발전 전력의 이용률 저하나, 하강시의 발전 전력의 잉여에 의해, 각각 에너지 절약성이 저하하게 된다. 따라서, 에너지 절약성을 확보하기 위해서는, 사용 전력의 급격한 변화에의 추종이나 빈번한 기동/정지를 피하는 것이 필요하게 된다.
그래서, 종래의 연료 전지 발전 장치에서는, 사용 전력의 변화의 특징을 시간대마다 상정하고, 연료 전지의 발전 출력의 제어를 변화율, 낭비 시간 및 오프셋으로 시간대마다 규정하여 유지함으로써, 사용 전력이 급격히 변화되더라도 추종하지 않고 빈번한 기동/정지를 하지 않도록 하고 있다(예컨대, 특허문헌 1 참조).
또한, 다른 종래의 연료 전지 발전 장치에서는, 사용 전력을 시뮬레이션하는 것으로 미리 예측해두고, 그 예측값에 따라 연료 전지의 발전 출력을 효율적으로 제어하도록 하고 있다(예컨대, 특허문헌 2 참조).
[특허문헌 1] 일본 특허 공개 2002-291161호 공보
[특허문헌 2] 일본 특허 공개 2003-61245호 공보
그러나, 상기 종래의 연료 전지 발전 장치에서는, 가정마다의 사용 전력 부하에 적응하는 것이 곤란했다. 즉, 특허문헌 1의 기술의 경우, 미리 설정해야 할 변화율, 낭비 시간 및 오프셋은 본래 가정마다 다르기 때문에, 각각의 가정에서의 최적의 값을 산출하는 것은 곤란하다. 또한, 계절 변화나 생활 양식의 변화 등에 의해 기기의 사용 상황이 변하여, 사용 전력이 크게 변화되는 경우 등에도 대응하는 것이 곤란하다.
또한, 특허문헌 2의 기술의 경우, 부하 예측 공정에서 시뮬레이션으로 사용 전력 부하를 예측하고 있지만, 동등한 환경 조건과 일치한 과거의 데이터가 없으면 예측값을 생성하는 것은 곤란하다. 또한, 시뮬레이션을 하기 위해서는, 연료 전지의 특성이 필요하지만, 그 특성은 가정마다 서로 다른 경우가 상정되기 때문에 실질적으로는 예측값을 생성할 수 없어, 상기와 마찬가지로 가정마다 서로 다른 사용 전력의 예측은 곤란하다.
본 발명은 상기의 문제를 해결하기 위해서 이루어진 것으로, 가정마다 서로 다른 사용 전력을 예측하여 발전 전력을 효율적으로 제어할 수 있고, 에너지 절약화를 실현할 수 있는 연료 전지 발전 시스템 및 그 제어 방법을 제공하는 것을 목적으로 하는 것이다.
본 발명에 따른 연료 전지 발전 시스템은, 전기기기에 공급하는 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템으로서, 상기 전기기기가 사용하는 사용 전력을 계측하는 전력 계측 수단과, 상기 전력 계측 수단에 의해 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 사용 전력 예측 수단과, 상기 사용 전력 예측 수단에 의해 예측된 사용 전력의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 동작 제어 수단을 구비한다.
이 구성에 따르면, 전기기기에 공급하는 발전 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템에서는, 전기기기가 사용하는 사용 전력이 계측되고, 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측된 사용 전력의 예측값에 근거하여 연료 전지 발전 장치의 동작이 제어된다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 사용 전력 예측 수단은, 상기 소정의 시각 이전의 사용 전력을 예측용 데이터로서 유지하는 예측용 데이터 유지 수단과, 상기 예측용 데이터 유지 수단에 의해 유지된 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 뉴로 모델 예측 수단과, 상기 뉴로 모델 예측 수단에 의해 예측되는 시간대와 동일 시간대에서의 상기 사용 전력의 실측값을 학습용 데이터로서 유지하는 학습용 데이터 유지 수단과, 상기 학습용 데이터 유지 수단에 의해 유지된 학습용 데이터와, 상기 뉴로 모델 예측 수단에 의해 예측되는 사용 전력의 예측값에 근거하여 상기 뉴로 모델 예측 수단의 뉴럴 네트워크 모델을 학습하는 뉴로 모델 학습 수단을 포함하는 것이 바람직하다.
이 구성에 따르면, 소정의 시각 이전의 사용 전력이 예측용 데이터로서 유지되고, 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측되는 시간대와 동일 시간대에서의 사용 전력의 실측값이 학습용 데이터로서 유지되고, 유지된 학습용 데이터와, 예측되는 사용 전력의 예측값에 근거하여 뉴럴 네트워크 모델의 학습이 행해진다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 상기 예측값이 소정의 하한값을 상회한 시각에서 상기 연료 전지 발전 장치의 기동에 필요한 시간을 뺀 시각부터 상기 연료 전지 발전 장치의 기동 동작을 행하는 것이 바람직하다.
이 구성에 따르면, 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 예측값이 소정의 하한값을 상회한 시각에서 연료 전지 발전 장치의 기동에 필요한 시간을 뺀 시각부터 연료 전지 발전 장치의 기동 동작이 행해진다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 상기 예측값이 소정의 하한값을 하회한 시각부터 상기 연료 전지 발전 장치의 정지 동작을 행하는 것이 바람직하다.
이 구성에 따르면, 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 예측값이 소정의 하한값을 하회한 시각부터 연료 전지 발전 장치의 정지 동작이 행해진다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 전력 계측 수단은, 상기 전기기기의 사용 전력이 발전 전력의 상한값을 초과하는 경우, 당해 상한값을 사용 전력으로서 계측하는 것이 바람직하다.
이 구성에 따르면, 전기기기의 사용 전력이 발전 전력의 상한값을 초과하는 경우, 당해 상한값이 사용 전력으로서 계측된다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 연료 전지 발전 장치를 이용하여 급탕을 행하는 급탕기기가 공급하는 급탕량을 계측하는 급탕 계측 수단과, 상기 급탕 계측 수단에 의해 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하는 급탕량 예측 수단을 더 구비하고, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단에 의해 예측된 사용 전력의 예측값과 상기 급탕량 예측 수단에 의해 예측된 급탕량의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 것이 바람직하다.
이 구성에 따르면, 전기기기에 공급하는 발전 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템에서는, 전기기기가 사용하는 사용 전력이 계측되고, 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되고, 또한 급탕기기가 공급하는 급탕량이 계측되고, 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량이 예측되며, 예측된 사용 전력과 급탕량의 예측값에 근거하여 연료 전지 발전 장치의 동작이 제어된다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 급탕량 예측 수단은, 상기 소정의 시각 이전의 급탕량을 예측용 데이터로서 유지하는 예측용 데이터 유지 수단과, 상기 예측용 데이터 유지 수단에 의해 유지된 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 뉴로 모델 예측 수단과, 상기 뉴로 모델 예측 수단에 의해 예측되는 시간대와 동일 시간대에서의 상기 급탕량의 실측값을 학습용 데이터로서 유지하는 학습용 데이터 유지 수단과, 상기 학습용 데이터 유지 수단에 의해 유지된 학습용 데이터와, 상기 뉴로 모델 예측 수단에 의해 예측되는 급탕량의 예측값에 근거하여 상기 뉴로 모델 예측 수단의 뉴럴 네트워크 모델을 학습하는 뉴로 모델 학습 수단을 포함하는 것이 바람직하다.
이 구성에 따르면, 소정의 시각 이전의 급탕량이 예측용 데이터로서 유지되고, 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력 및 급탕량이 예측되며, 예측되는 시간대와 동일 시간대에서의 급탕량의 실측값이 학습용 데이터로서 유지되고, 유지된 학습용 데이터와 예측되는 급탕량의 예측값에 근거하여 뉴럴 네트워크 모델의 학습이 행해진다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량(貯湯量)으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하지 않도록 발전 전력을 조정하는 것이 바람직하다.
이 구성에 따르면, 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 예측되며, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하지 않도록 발전 전력이 조정된다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하는 경우, 상기 사용 전력의 예측값을 미소하게 감소시키는 수정을 행하며, 수정한 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 더 예측하는 것이 바람직하다.
이 구성에 따르면, 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 예측되며, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하는 경우, 사용 전력의 예측값을 미소하게 감소시키는 수정이 행해지고, 수정한 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 더 예측된다. 그리고, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 하회하는 경우, 최종적으로 구해진 사용 전력의 예측값에 근거하여 연료 전지 발전 장치의 동작이 제어된다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 최대 저탕 가능량을 초과한 시각부터 상기 연료 전지 발전 장치의 정지 동작을 행하는 것이 바람직하다.
이 구성에 따르면, 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 예측되며, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 최대 저탕 가능량을 초과한 시각부터 연료 전지 발전 장치의 정지 동작이 행해진다.
또한, 상기의 연료 전지 발전 시스템에 있어서, 상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 상기 예측값이 소정의 하한값을 상회한 시각에서 상기 연료 전지 발전 장치의 기동에 필요한 시간을 뺀 시각부터 상기 연료 전지 발전 장치의 기동 동작을 행하는 것이 바람직하다.
이 구성에 따르면, 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 예측되며, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 예측값이 소정의 하한값을 상회한 시각에서 연료 전지 발전 장치의 기동에 필요한 시간을 뺀 시각부터 연료 전지 발전 장치의 기동 동작이 행해진다.
본 발명에 따른 연료 전지 발전 시스템의 제어 방법은, 전기기기에 공급하는 발전 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템의 제어 방법으로서, 상기 전기기기가 사용하는 사용 전력을 계측하는 전력 계측 단계와, 상기 전력 계측 단계에서 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 사용 전력 예측 단계와, 상기 사용 전력 예측 단계에서 예측된 사용 전력의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 동작 제어 단계를 포함한다.
이 구성에 따르면, 전기기기에 공급하는 발전 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템의 제어 방법에서는, 전기기기가 사용하는 사용 전력이 계측되고, 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측된 사용 전력의 예측값에 근거하여 연료 전지 발전 장치의 동작이 제어된다.
또한, 상기의 연료 전지 발전 시스템의 제어 방법에 있어서, 상기 연료 전지 발전 장치를 이용하여 급탕을 행하는 급탕기기가 공급하는 급탕량을 계측하는 급탕 계측 단계와, 상기 급탕 계측 단계에서 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하는 급탕량 예측 단계를 더 포함하되, 상기 동작 제어 단계는, 상기 사용 전력 예측 단계에서 예측된 사용 전력의 예측값과 상기 급탕량 예측 단계에서 예측된 급탕량의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 단계를 포함하는 것이 바람직하다.
이 구성에 따르면, 전기기기에 공급하는 발전 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템의 제어 방법에서는, 급탕기기가 공급하는 급탕량이 계측되고, 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량이 예측되며, 예측된 사용 전력과 급탕량의 예측값에 근거하여 연료 전지 발전 장치의 동작이 제어된다.
이하, 본 발명에 따른 실시예를 도면에 근거하여 설명한다. 또, 각 도면에서 동일한 구성에 대해서는, 동일한 부호를 부여하고, 그 설명을 생략한다.
(실시예 1)
도 1은 본 발명의 실시예 1에 따른 연료 전지 발전 시스템의 전체 구성을 나타내는 도면이다. 도 1에 나타내는 연료 전지 발전 시스템(1)은, 연료 전지 발전 장치(100), 발전 제어부(제어기)(101), 인버터(102) 및 전력계(103)를 구비하고, 가전기기(104) 및 상용 전원(105)과 접속되어 있다.
연료 전지 발전 장치(100), 인버터(102), 전기기기의 일례인 가전기기(104) 및 상용 전원(105)은 가정 내의 전력 계통에 접속되어 있다. 전력계(103)는 가전기기(104)에서 사용하는 전력을 측정한다. 전력계(103)는 제어기(101)에 접속되어 있고, 전력계(103)로부터 제어기(101)에 가전기기(104)의 사용 전력이 보내어진다. 가전기기(104)는, 예컨대 냉장고나 세탁기 등의 가정에서 이용되는 전기기기이다. 또, 전력계(103)에 접속되는 가전기기는 하나뿐만 아니라 복수이더라도 좋다.
제어기(101)는 연료 전지 발전 장치(100)에 접속되어 있고, 제어기(101)로부터 연료 전지 발전 장치(100)에 기동/정지의 지령 등이 출력되어, 연료 전지 발전 장치(100)의 동작을 제어한다.
연료 전지 발전 장치(100)는, 도시 가스 등의 연료로부터 얻어지는 수소를 공기중의 산소와 반응시킴으로써 화학 에너지를 전기 에너지로 변환하여 발전한다. 연료 전지 발전 장치(100)의 발전 전력은 인버터(102)에 공급되어, 인버터(102)로부터 가전기기(104)에 공급된다. 가전기기(104)에서 사용하는 사용 전력이 발전 전력보다 큰 경우, 인버터(102)는 상용 전원(105)으로부터 전력을 구입하여 부족분을 보충한다. 반대로, 발전 전력이 사용 전력보다도 큰 경우, 인버터(102)는 발전 전력의 잉여분을 상용 전원(105)에 매각한다. 또, 상용 전원(105)이 매각을 허가하지 않는 경우는, 잉여분은 연료 전지 발전 장치(100) 본체에서 처리되는 것으로 된다. 연료 전지 발전 장치(100)의 효율화를 도모하기 위해서는, 가능한 한 구입 및 매각을 하지 않는 편이 좋다. 그 때문에, 제어기(101)에서는, 전력계(103)에 의해 계측되는 가전기기(104)의 사용 전력으로부터, 가능한 한 구입 및 매각을 하지 않도록 적절히 기동/정지의 지령을 보내야 한다.
도 2는 도 1에 나타내는 제어기(101)의 구성을 나타내는 블록도이다. 도 2에 나타내는 제어기(101)는 사용 전력 예측부(200), 발전 지령부(동작 제어 수단의 일례에 상당함)(220) 및 전력 계측부(230)를 구비하여 구성된다.
전력 계측부(230)는 가전기기(104)가 사용하는 사용 전력을 계측한다. 사용 전력 예측부(200)는, 전력 계측부(230)에 의해 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 것이며, 뉴로 모델 예측부(202), 뉴로 모델 학습부(203), 예측용 데이터 유지부(204) 및 학습용 데이터 유지부(205)를 구비하여 구성된다.
뉴로 모델 예측부(202)는 계층형의 뉴럴 네트워크 모델을 유지하고 있어, 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측한다. 또, 뉴럴 네트워크 모델의 특징이나 학습 방법 등의 상세에 대해서는, 「아마토시 토시카즈 편저, 뉴럴네트의 신전개, pp.73-86, (주) 사이언스사, 1994년」에 개시되어 있기 때문에, 설명을 생략한다. 본 실시예에서는, 사용 전력 예측부(200)는 예측 당일의 사용 전력을 1시간 단위로 24시간 앞까지 예측한다.
도 3은 도 2의 뉴로 모델 예측부(202)에서 사용하는 뉴럴 네트워크 모델의 구성에 대하여 설명하기 위한 도면이다. 뉴럴 네트워크 모델(300)은 계층형 뉴럴 네트워크이며, 입력층, 중간층 및 출력층의 3층을 갖고 있다. 이 뉴럴 네트워크 모델(300)의 구성으로서는, 예측값을 출력 파라미터로 하고, 예측값과 인과 관계가 강한 데이터를 입력 파라미터로서 구성하는 것이 예측 정밀도의 향상을 위해 필요하게 된다. 그 때문에, 출력 파라미터는 당일의 사용 전력 예측값으로 하고, 입력 파라미터는 예측값과의 인과 관계가 강하다고 생각되는 전일의 사용 전력으로 하고 있다.
본 실시예에서는, 24시간 앞까지 1시간 단위로 예측하기 때문에, 뉴럴 네트워크 모델(300)의 출력 파라미터는 「당일의 0시대의 사용 전력 예측값」, 「당일의 1시대의 사용 전력 예측값」, …, 「당일의 23시대의 사용 전력 예측값」의 24개의 데이터를 이용하고, 입력 파라미터는 「전일의 0시대의 사용 전력」, 「전일의 1시대의 사용 전력」, …, 「전일의 23시대의 사용 전력」의 24개의 데이터를 이용하고 있다. 또, 0시대의 사용 전력이란, 0시부터 1시까지 사용된 전력의 평균이다. 뉴럴 네트워크 모델을 이러한 구성으로 함으로써, 예측하려는 당일의 0시를 지난 시점에서, 전일의 사용 전력을 입력함으로써, 당일의 사용 전력을 1시간 단위로 예측(24시간분의 예측)할 수 있다.
또한, 뉴럴 네트워크 모델(300)에서는, 예측의 정밀도를 높이기 위해서 예측과 실측의 차(오차)를 역 오차 전파법(back propagation)에 의해 학습시키는 것으로 뉴럴 네트워크 모델(300)의 가중 계수를 수정한다.
예측용 데이터 유지부(204)는 전력 계측부(230)로부터 사용 전력을 취득하여, 1시간 단위의 사용 전력을 과거 24시간만큼 유지한다. 그리고 날짜가 갱신된 시점에서, 뉴럴 네트워크 모델(300)의 입력으로 되기 전일의 사용 전력으로서 뉴로 모델 예측부(202)에 송부한다. 뉴로 모델 예측부(202)에서는, 송부되기 전일의 사용 전력을 뉴럴 네트워크 모델(300)에 입력함으로써, 당일의 24시간분의 사용 전력 예측값을 출력할 수 있고, 사용 전력 예측값은 발전 지령부(220)에 송부되어 연료 전지 발전 장치(100)의 기동/정지의 동작을 판정할 수 있다.
뉴럴 네트워크 모델(300)에서는, 예측의 정밀도를 높이기 위해서 사용 전력 예측값과, 사용 전력 예측값에 대응한 시간의 실제 사용 전력(이하, 사용 전력 실측값으로 함)의 차(오차)를 역 오차 전파법에 의해 학습시켜야 한다. 실제로 정밀도를 높이기 위한 학습을 하기 위해서는, 과거 수일분의 사용 전력 예측값과 사용 전력 실측값이 필요하게 된다. 그 때문에, 학습용 데이터 유지부(205)는, 뉴로 모델 예측부(202)로부터 출력되는 24시간분의 사용 전력 예측값과, 각각의 시간대에 대응하는 사용 전력 실측값을 과거의 수일분을 유지하고, 그것들을 학습용 데이터로서 사용한다. 학습용 데이터 유지부(205)는 사용 전력 예측값의 대상으로 되는 하루가 지난 시점에서 전부 얻어지게 되는 사용 전력 실측값을 전력 계측부(230)로부터 1시간 단위의 사용 전력으로서 유지하고 있어, 사용 전력 실측값이 24시간분 갖추어진 시점에서 뉴로 모델 학습부(203)로 출력한다. 이러한 동작을 수일간 실행함으로써 뉴로 모델 학습부(203)에는, 수일분의 사용 전력 예측값과 사용 전력 실측값이 한 쌍으로 된 데이터를 확보할 수 있고, 학습을 함으로써 뉴로 모델 예측부(202)의 뉴럴 네트워크 모델(300)의 가중 계수를 수정할 수 있어, 결과적으로 각 가정마다의 예측을 정밀하게 실행할 수 있다.
또, 보다 정밀도를 높이기 위해서는, 학습에 이용하는 데이터를 나누는 편이 좋다. 예컨대 평일의 예측을 하는 경우이면, 학습에 이용하는 데이터도 평일의 데이터를 이용하는 쪽이 효과적이다.
또한 뉴럴 네트워크 모델(300)이 전혀 학습되어 있지 않은 초기 상태에서는, 학습에 필요한 데이터를 수일간 확보할 수 있어 적어도 한 번 이상 학습을 한 후에 예측을 해야 한다.
사용 전력 예측부(200)의 뉴로 모델 예측부(202)로부터 출력된 0시대부터 23시대까지의 24시간분의 사용 전력 예측값은, 발전 지령부(220)로 출력된다. 발전 지령부(220)는, 예측값으로부터 연료 전지 발전 장치(100)를 효율적으로 운전할 수 있도록 기동/정지를 판정하고, 판정 결과에 근거하여 기동 지시 또는 정지 지시를 연료 전지 발전 장치(100)로 출력한다.
다음에, 사용 전력 예측부(200)로부터 출력되는 사용 전력 예측값에 근거한 연료 전지 발전 장치(100)의 동작 판정에 대하여 설명한다.
일반적으로 연료 전지 발전 장치(100)의 발전 전력의 가변 범위는, 성능이나 효율의 관점에서 상한값 및 하한값이 설정되어 있다. 예컨대 가정에서 이용되는 연료 전지 발전 장치(100)에서는, 상한값이 1㎾, 하한값이 0.5㎾ 등으로 설정되어 있고, 사용 전력이 상하한값의 범위에 있으면 발전 전력을 사용 전력에 추종시킨다, 즉 전주 운전(電主運轉)이 가능하다.
그러나, 단지 사용 전력이 상하한값의 범위에 들어간 시점에서 기동/정지의 판정을 하면 효율상, 매우 문제가 있다. 왜냐하면, 연료 전지 발전 장치(100)는 기동시에는 발전 전력이 서서히 증가하는 중에 펌프동력이나 여열 등의 증가 손실이 발생한다. 그 때문에, 빈번히 기동/정지를 행하는 것은 손실이 다발(多發)하여 효율상 바람직하지 못하다. 일반적으로는, 한번 기동하면 2시간 내지 3시간 정도는 동작시켜야 한다고 말해지고 있다. 이상으로부터, 발전 지령부(220)에서는, 소정 시간, 예컨대 3시간 연속한 사용 전력의 예측값으로부터 기동/정지를 판정하는 것으로 한다.
도 4는 도 2의 발전 지령부(220)의 동작을 설명하기 위한 흐름도이다. 사용 전력 예측부(200)로부터 운전 당일의 0시에 24시간분의 사용 전력 예측값이 입력되면(단계 S1), 발전 지령부(220)는, 기동 판정을 하기 위해서 24시간분의 사용 전력 예측값으로부터, 미리 설정되어 있는 하한값을 3시간 연속하여 상회하는 경우의 최초의 시각 Tstart를 검색한다(단계 S2). 연료 전지 발전 장치(100)의 기동에 필요한 시간을 ΔT라고 하면, 발전 지령부(220)는, (Tstart-ΔT)시로 되면 기동을 위한 지령을 출력한다(단계 S3). 또한 정지 판정을 하기 위해서, 발전 지령부(220)는 24시간분의 사용 전력 예측값으로부터, 미리 설정되어 있는 하한값을 3시간 연속하여 하회하는 경우의 최초의 시각 Tstop을 검색한다(단계 S4). 그리고 발전 지령부(220)는, Tstop 시로 되면 정지를 위한 지령을 연료 전지 발전 장치(100)로 출력한다(단계 S5).
도 5는 상술한 일련의 동작을 행한 경우의 연료 전지 발전 장치(100)의 발전 전력과 사용 전력 예측값의 관계의 일례를 나타낸 설명도이다. 또, 도 5에서, 세로축은 사용 전력을 나타내고, 가로축은 시각을 나타내고 있다. 또한, 8시부터 16시까지의 사이의 사용 전력 예측값 및 연료 전지 발전 장치(100)의 발전 전력에 대해서는 생략하고 있다.
기동 판정에 있어서는, 0시대부터 23시대까지의 사용 전력 예측값을 검색하고, 3시간 연속하여 발전 전력의 하한값을 초과하는 시간대가 검색된다. 도 5에 나타내는 본 예에서는, 3시간 연속하여 발전 전력의 하한값을 초과하는 시간대가 5시부터 시작되고 있기 때문에 Tstart=5로 되고, 발전 지령부(220)에 의한 기동의 지령은(5-ΔT)시에 출력된다. 기동 지령을 받은 연료 전지 발전 장치(100)는 기동하여, 발전을 시작한다. 이 때, 연료 전지 발전 장치(100)의 기동에 필요한 시간 ΔT만큼 일찍 기동되어 있기 때문에, 5시에는 사용 전력 예측값과 동등한 발전 전력을 공급할 수 있다. 또한 Tstart=5시 이후도 적어도 3시간은 사용 전력이 발생하고 있는 것이 미리 사용 전력 예측값으로부터 얻어지고 있기 때문에, 기동 후에 적어도 3시간은 발전 전력의 잉여가 없어져 정지의 필요가 없어진다. 그 때문에, 보다 효율적인 증가 운전이 가능해진다.
정지 판정에 있어서도 마찬가지로 0시대부터 23시대까지의 사용 전력 예측값을 검색해서, 3시간 연속하여 발전 전력의 하한값을 하회하는 시간대가 검색된다. 도 5에 나타내는 본 예에서는, 3시간 연속하여 발전 전력의 하한값을 하회하는 시간대가 20시부터 시작되고 있기 때문에 Tstop=20시로 되고, 발전 지령부(220)에 의한 정지 지령은 20시에 출력된다. 정지 지령을 받은 연료 전지 발전 장치(100)는 정지되지만 Tstop=20시 이후도 적어도 3시간은 사용 전력이 하한값을 하회하고 있는 것이 미리 사용 전력 예측값으로부터 얻어지고 있기 때문에, 정지 후에 적어도 3시간은 다시 기동을 할 필요가 없어진다. 그 때문에, 보다 효율적인 정지 운전이 가능해진다.
도 6은 도 2의 전력 계측부(230)에 의해 계측되는 사용 전력에 대하여 설명하기 위한 도면이다. 또, 도 6에서, 세로축은 가전기기에 의해 사용되는 사용 전력을 나타내고 있고, 가로축은 시각을 나타내고 있다. 도 6에서는, 0시부터 24시까지의 사이에서의 1시간분의 사용 전력의 변화를 나타내고 있다.
상술한 바와 같이, 가전기기(104)의 사용 전력량은 전력계(103)에 의해 검출되고, 검출된 값이 전력 계측부(230)에서 취득되어, 사용 전력 예측부(200)에 입력된다. 이 경우, 도 6에 도시하는 바와 같이 연료 전지 발전 장치(100)의 발전 전력으로 잡는 전력은, 발전 전력의 상한값까지의 전력으로 된다. 그 때문에, 실제로 발전 전력에 필요한 사용 전력은, 도 6의 사선으로 나타낸 부분으로 되고, 상한값을 초과한 전력은 관계없다. 그래서, 전력 계측부(230)는, 도 6에 도시하는 바와 같이 발전 전력의 상한값을 초과하지 않는 부분(도 6의 사선 부분)을 사용 전력으로서 취득하고, 사용 전력 예측부(200)로 출력한다.
이와 같이, 가전기기(104)의 사용 전력이 발전 전력의 상한값을 초과하는 경우, 당해 상한값이 사용 전력으로서 계측되는 것에 따라, 예컨대 헤어드라이어나 전자레인지 등과 같이 단시간에 급격히 증가하는 전력으로, 실제로는 연료 전지 발전 장치(100)에 의해 잡을 수 없는 사용 전력을 제외할 수 있고, 결과적으로 실제의 연료 전지 발전 장치(100)가 잡는 사용 전력을 예측할 수 있으므로, 보다 효율이 좋은 기동/정지의 판정을 할 수 있다.
여기서, 가전기기(104)의 사용 전력을 예측하여, 연료 전지 발전 장치(100)의 동작을 판정하는 연료 전지 발전 장치(100)의 제어 시스템의 동작에 대하여 설명한다.
제어기(101)에 내장되는 타이머(도시 생략)에 의해 예측을 시작하는 시각이 되었다고 판정되면, 예측용 데이터 유지부(204)는, 예측용 데이터를 뉴로 모델 예측부(202)로 출력한다. 본 실시예에서는, 0시대부터 23시대까지의 24시간의 사용 전력을 1시간 단위로 예측하기 때문에, 0시로 되면 예측용 데이터 유지부(204)는, 0시대부터 23시대까지의 각 시간대에서의 사용 전력을 예측용 데이터로서 뉴로 모델 예측부(202)로 출력한다.
뉴로 모델 예측부(202)는, 뉴럴 네트워크 모델에 의해, 연료 전지 발전 장치(100)의 0시대부터 23시대까지의 24시간만큼 장래의 사용 전력을 예측한다. 뉴로 모델 예측부(202)에 의해 예측된 0시대부터 23시대까지의 각 시간대에서의 사용 전력의 예측값은 발전 지령부(220)로 출력된다.
그리고, 발전 지령부(220)는, 연료 전지 발전 장치(100)의 동작 판정을 한다. 즉, 발전 지령부(220)는, 뉴로 모델 예측부(202)로부터 출력된 0시대부터 23시대까지의 각 시간대에서의 사용 전력의 예측값이 3시간 연속하여 미리 설정된 하한값을 넘고 있는 최초의 시각 Tstart를 검색한다.
또한, 발전 지령부(220)는, 뉴로 모델 예측부(202)로부터 출력된 0시대부터 23시대까지의 각 시간대에서의 사용 전력의 예측값이 3시간 연속하여 미리 설정된 하한값을 하회하고 있는 최초의 시각 Tstop을 검색한다.
시간은 제어기(101)에 내장되는 타이머(도시 생략)에 의해 계시되고 있고, 발전 지령부(220)는, 시각 Tstart에서 연료 전지 발전 장치(100)의 기동에 필요한 시간 ΔT를 감산한 시각이 되면, 연료 전지 발전 장치(100)에 대하여 기동을 지시한다. 또한, 발전 지령부(220)는, 시각 Tstop이 되면, 연료 전지 발전 장치(100)에 대하여 정지를 지시한다.
이상, 본 발명에 의하면 사용 전력 예측부(200)에 있어서, 가정의 사용 전력 실측값으로부터 뉴럴 네트워크 모델(300)의 학습을 함으로써 가정마다 서로 다른 사용 전력을 24시간만큼 예측할 수 있고, 또한 발전 지령부(220)에서, 예측된 사용 전력에 근거하여 빈번한 기동/정지를 하지 않도록 기동 판정 및 정지 판정을 할 수 있기 때문에, 연료 전지 발전 장치(100)를 효율적으로 운용하는 것이 가능해진다.
또, 본 발명에서는 사용 전력 예측으로서 당일의 24시간을 1시간 단위로 예측하도록 하고 있지만, 시간수나 단위수는 24시간이나 1시간 단위에 한정되는 것이 아니라, 뉴럴 네트워크 모델(300)의 입력 파라미터 및 출력 파라미터를 잡는 과정에서, 예컨대 30분 단위로 6시간의 사용 전력 예측 등도 용이하게 구성할 수 있다.
또한, 본 발명에서는 사용 전력을 예측 대상으로 삼았지만, 급탕의 사용량을 검출하면 마찬가지의 구성으로 사용 급탕 예측도 가능하다. 이 예에 대해서는, 실시예 2에서 상세히 설명한다.
이와 같이, 가전기기(104)가 사용하는 사용 전력이 계측되고, 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측된 사용 전력의 예측값에 근거하여 연료 전지 발전 장치(100)의 기동 및 정지의 판정이 행해지기 때문에, 가정마다 서로 다른 사용 전력을 예측하여 연료 전지 발전 장치(100)의 발전 전력을 효율적으로 제어할 수 있어, 에너지 절약화를 실현할 수 있다.
또한, 소정의 시각 이전의 사용 전력이 예측용 데이터로서 유지되어, 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델(300)에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측되는 시간대와 동일 시간대에서의 사용 전력의 실측값이 학습용 데이터로서 유지되며, 유지된 학습용 데이터와, 예측되는 사용 전력의 예측값에 근거하여 뉴럴 네트워크 모델(300)의 학습이 행해진다. 따라서, 가정마다 서로 다른 사용 전력을 보다 정확히 예측할 수 있다.
(실시예 2)
다음에, 본 발명의 실시예 2에 따른 연료 전지 발전 시스템에 대하여 설명한다. 실시예 1에서의 연료 전지 발전 시스템은, 가전기기(104)가 사용하는 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측된 사용 전력의 예측값에 근거하여 연료 전지 발전 장치(100)의 기동/정지의 판단을 행하고 있다. 이에 비하여, 실시예 2에서의 연료 전지 발전 시스템은, 연료 전지 발전 장치(100)를 이용하여 급탕을 행하는 급탕기기가 공급하는 급탕량을 계측하고, 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하여, 사용 전력의 예측값과 급탕량의 예측값에 근거하여 연료 전지 발전 장치(100)의 동작을 제어한다.
도 7은 본 발명의 실시예 2에 따른 연료 전지 발전 시스템의 전체 구성을 나타내는 도면이다. 도 7에 나타내는 실시예 2에서의 연료 전지 발전 시스템(2)은, 연료 전지 발전 장치(100), 발전 제어부(제어기)(101), 인버터(102), 전력계(103), 저탕 탱크(106), 백업버너(107) 및 급탕 부하계(109)를 구비하여 구성되고, 가전기기(104), 상용 전원(105), 급탕기기(108) 및 시수(市水) 공급부(110)와 접속되어 있다.
연료 전지 발전 장치(100), 인버터(102), 가전기기(104) 및 상용 전원(105)은 가정 내의 전력 계통에 접속되어 있다. 전력계(103)는 가전기기(104)에서 사용하는 전력을 측정한다. 또한, 저탕 탱크(106), 백업버너(107), 급탕기기(108) 및 시수 공급부(110)는 가정 내의 급탕 계통에 접속되어 있다. 급탕기기(108)란 예컨대 목욕, 샤워, 세면 등 생활용으로 온수를 사용하는 경우의 기기이다. 급탕 부하계(109)는 급탕기기(108)에의 급탕량과 급탕 온도 및 시수 공급부(110)로부터 공급되는 시수의 수온을 계측하여, 급탕기기(108)에서 사용하는 급탕 부하의 열량을 측정한다. 이후, 이 급탕 부하의 열량을 사용 급탕 열량이라고 부른다.
전력계(103) 및 급탕 부하계(109)는 제어기(101)에 접속되어 있고, 전력계(103)로부터 가전기기(104)의 사용 전력이 보내어지고, 급탕 부하계(109)로부터 급탕기기(108)의 사용 급탕 열량이 보내어진다. 제어기(101)는, 연료 전지 발전 장치(100)에 접속되어 있고, 제어기(101)로부터 연료 전지 발전 장치(100)에 발전 지령이 출력되며, 연료 전지 발전 장치(100)는 발전 지령에 따라 발전을 행한다.
연료 전지 발전 장치(100)는, 도시 가스 등의 연료로부터 얻어지는 수소를 공기중의 산소와 반응시킴으로써 화학 에너지를 전기 에너지로 변환하여 발전한다. 연료 전지 발전 장치(100)의 발전 전력은 인버터(102)에 공급되고, 인버터(102)로부터 가전기기(104)에 공급된다. 가전기기(104)에서 사용하는 사용 전력이 발전 전력보다 큰 경우, 인버터(102)는 상용 전원(105)으로부터 전력을 구입하여, 부족분을 보충한다. 반대로, 발전 전력이 사용 전력보다도 큰 경우, 인버터(102)는 발전력의 잉여분을 상용 전원(105)에 매각한다. 또, 상용 전원(105)이 매각을 허가하지 않는 경우는, 잉여분은 연료 전지 발전 장치(100) 본체에서 처리되는 것으로 된다.
또한 연료 전지 발전 장치(100)는 발전과 동시에 열을 생성한다. 생성된 열은 발전 급탕열로서 저탕 탱크(106)에서 온수로서 축적되게 된다. 저탕 탱크(106)에 축적된 온수는 사용자의 요망에 따라 급탕기기(108)로부터 나온다. 이 때, 저탕 탱크(106)에 소망의 온수가 없는 경우는 백업버너(107)가 온수를 생성하여 급탕기기(108)에 제공한다. 저탕 탱크(106)에 온수가 없어지는 이유로서는, 가전기기(104)에서 사용되는 전력이 적어 연료 전지 발전 장치(100)의 발전 전력이 적은 경우나, 급탕기기(108)에서 사용되는 급탕 사용량이 매우 많은 경우가 생각된다. 반대로 가전기기(104)에서 사용되는 전력이 매우 많아 연료 전지 발전 장치(100)의 발전 전력이 많은 경우나, 급탕기기(108)에서 사용되는 급탕 사용량이 매우 적은 경우는, 발전 급탕열이 상대적으로 커져 저탕 탱크(106)가 가득차는 경우가 있다. 이 경우는 발전 급탕열을 외부에 방열시키는 것으로 폐기하거나, 그 이상 발전 급탕열이 발생하지 않도록 연료 전지 발전 장치(100)를 완전히 정지시켜야 해서, 재기동에 의한 증가 손실 등이 발생하게 된다.
따라서, 연료 전지 발전 장치(100)의 효율화를 도모하기 위해서는, 할 수 있는 한 저탕 탱크(106)의 온수가 가득 차지 않도록 발전 급탕열을 제어, 즉 발전 전력을 적절히 조정하기 위한 발전 지령을 보내야 한다.
도 8은 도 7에 나타내는 제어기(101)의 구성을 나타내는 블록도이다. 도 8에 나타내는 제어기(101)는 사용 전력 예측부(200), 급탕량 예측부(240), 발전 지령부(220), 전력 계측부(230) 및 급탕량 계측부(250)를 구비하여 구성된다.
우선은 사용 전력에 대하여 설명한다. 전력 계측부(230)는 가전기기(104)가 사용하는 사용 전력을 계측한다. 사용 전력 예측부(200)는, 전력 계측부(230)에 의해 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 것이며, 뉴로 모델 예측부(202), 뉴로 모델 학습부(203), 예측용 데이터 유지부(204) 및 학습용 데이터 유지부(205)를 구비하여 구성된다.
뉴로 모델 예측부(202)는, 계층형의 뉴럴 네트워크 모델을 유지하고 있어, 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측한다. 또, 뉴럴 네트워크 모델의 특징이나 학습 방법 등의 상세에 대해서는, 「아마토시 토시카즈 편저, 뉴럴네트의 신전개, pp.73-86, (주) 사이언스사, 1994년」에 개시되어 있기 때문에, 설명을 생략한다. 본 실시예에서는, 사용 전력 예측부(200)는 예측하는 시각 이후의 24시간 앞까지의 사용 전력을 1시간 단위로 예측한다.
도 9는 도 8의 뉴로 모델 예측부(202)에서 사용하는 뉴럴 네트워크 모델의 구성에 대하여 설명하기 위한 도면이다. 뉴럴 네트워크 모델(310)은, 계층형 뉴럴 네트워크이며, 입력층, 중간층 및 출력층의 3층을 갖고 있다. 이 뉴럴 네트워크 모델(310)의 구성으로서는, 예측값을 출력 파라미터로 하고, 예측값과 인과 관계가 강한 데이터를 입력 파라미터로서 구성하는 것이 예측 정밀도의 향상을 위해 필요하게 된다. 그 때문에, 출력 파라미터는 당일의 사용 전력 예측값으로 하고, 입력 파라미터는 예측값과의 인과 관계가 강하다고 생각되는 전일의 사용 전력으로 하고 있다.
본 실시예에서는, 예측하는 시각에서 24시간 앞까지 1시간 단위로 예측하기 때문에, 뉴럴 네트워크 모델(310)의 출력 파라미터는 「예측하는 시각대의 사용 전력 예측값」, 「(예측하는 시각+1)대의 사용 전력 예측값」, … 「(예측하는 시각+23)대의 사용 전력 예측값」의 24개의 데이터를 이용하고, 입력 파라미터는 「예측하는 시각대와 같은 전일의 사용 전력」, 「(예측하는 시각+1)대와 같은 전일의 사용 전력」, …「(예측하는 시각+23)대와 같은 전일의 사용 전력」의 24개의 데이터를 이용하고 있다. 또, 예측하는 시각대의 사용 전력이란, 예측하는 시각이 0시인 경우에는 0시부터 1시까지 사용된 전력의 평균이다. 뉴럴 네트워크 모델을 이러한 구성으로 함으로써, 예측하고자 하는 당일의 0시를 지나간 시점에서, 전일의 사용 전력을 입력함으로써, 당일의 예측 시각 이후의 사용 전력을 1시간 단위로 예측(24시간분의 예측)할 수 있다.
또한, 뉴럴 네트워크 모델(310)에서는, 예측의 정밀도를 높이기 위해서 예측과 실측의 차(오차)를 역 오차 전파법(back propagation)에 의해 학습시키는 것으로 뉴럴 네트워크 모델(310)의 가중 계수를 수정한다.
예측용 데이터 유지부(204)는, 전력 계측부(230)로부터 사용 전력을 취득하여, 1시간 단위의 사용 전력을 과거 24시간분만큼 유지한다. 그리고 날짜가 갱신된 시점에서, 뉴럴 네트워크 모델(310)의 입력으로 되기 전일의 사용 전력으로서 뉴로 모델 예측부(202)에 송부한다. 뉴로 모델 예측부(202)에서는, 송부되기 전일의 사용 전력을 뉴럴 네트워크 모델(310)에 입력함으로써, 예측 시각 이후의 24시간분의 사용 전력 예측값을 출력할 수 있어, 사용 전력 예측값은 발전 지령부(220)에 송부된다.
뉴럴 네트워크 모델(310)에서는, 예측의 정밀도를 높이기 위해서 사용 전력 예측값과, 사용 전력 예측값에 대응한 시간의 실제의 사용 전력(이하, 사용 전력 실측값으로 함)의 차(오차)를 역 오차 전파법에 의해 학습시켜야 한다. 실제로 정밀도를 높이기 위한 학습을 하기 위해서는, 과거 수일분의 사용 전력 예측값과 사용 전력 실측값이 필요하게 된다. 그 때문에, 학습용 데이터 유지부(205)는, 뉴로 모델 예측부(202)로부터 출력되는 24시간분의 사용 전력 예측값과, 각각의 시간대에 대응하는 사용 전력 실측값을 과거의 수일분을 유지하여, 그것들을 학습용 데이터로서 사용한다. 학습용 데이터 유지부(205)는 사용 전력 예측값의 대상으로 되는 예측 시각이 지난 시점에서 과거 24시간분이 전부 얻어지게 되는 사용 전력 실측값을 전력 계측부(230)로부터 1시간 단위의 사용 전력으로서 유지하고 있고, 사용 전력 실측값이 24시간분 갖추어진 시점에서 뉴로 모델 학습부(203)로 출력한다. 이러한 동작을 수일간 실행함으로써 뉴로 모델 학습부(203)에는, 수일분의 사용 전력 예측값과 사용 전력 실측값이 한 쌍으로 된 데이터를 확보할 수 있고, 학습을 행함으로써 뉴로 모델 예측부(202)의 뉴럴 네트워크 모델(310)의 가중 계수를 수정할 수 있어, 결과적으로 가정마다의 예측을 정밀하게 실행할 수 있다.
또, 보다 정밀도를 높이기 위해서는, 학습에 이용하는 데이터를 나누는 편이 좋다. 예컨대 평일의 예측을 하는 경우이면, 학습에 이용하는 데이터도 평일의 데이터를 이용하는 쪽이 효과적이다.
또한 뉴럴 네트워크 모델(310)이 전혀 학습되어 있지 않은 초기 상태에서는, 학습에 필요한 데이터를 수일간 확보할 수 있어 적어도 한 번 이상 학습을 한 후에 예측을 해야 한다.
사용 전력 예측부(200)의 뉴로 모델 예측부(202)로부터 출력된 예측 시각으로부터 앞으로 24시간분의 사용 전력 예측값은 발전 지령부(220)로 출력된다.
다음에 급탕에 대하여 설명한다. 급탕량 계측부(250)는 급탕기기(108)가 사용하는 급탕량을 계측한다. 급탕량 예측부(240)는, 급탕량 계측부(250)에 의해 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하는 것이며, 뉴로 모델 예측부(242), 뉴로 모델 학습부(243), 예측용 데이터 유지부(244) 및 학습용 데이터 유지부(245)를 구비하여 구성된다.
급탕량 예측부(240)의 동작은 기본적으로는 사용 전력 예측부(200)와 마찬가지지만, 뉴로 모델 예측부(242)에서 사용하는 뉴럴 네트워크 모델은 도 10에 도시하는 바와 같이 된다. 뉴럴 네트워크 모델(320)은 계층형 뉴럴 네트워크이며, 입력층, 중간층 및 출력층의 3층을 갖고 있다. 이 뉴럴 네트워크 모델(320)의 구성으로서는, 예측하는 시각에서 24시간 앞까지 1시간 단위로 예측하기 때문에, 뉴럴 네트워크 모델(320)의 출력 파라미터는 「예측하는 시각대의 급탕량 예측값」, 「(예측하는 시각+1)대의 급탕량 예측값」, …, 「(예측하는 시각+23)대의 급탕량 예측값」의 24개의 데이터를 이용하고, 입력 파라미터는 「예측하는 시각대와 같은 전일의 급탕량」, 「(예측하는 시각+1)대와 같은 전일의 급탕량」, …, 「(예측하는 시각+23)대와 같은 전일의 급탕량」의 24개의 데이터를 이용하고 있다. 또, 예측하는 시각대의 급탕량이란, 예측하는 시각이 0시의 경우에는 0시부터 1시까지 사용된 급탕량의 평균이다. 뉴럴 네트워크 모델을 이러한 구성으로 함으로써, 예측하고자 하는 당일의 0시를 지나간 시점에서, 전일의 급탕량을 입력함으로써, 당일의 예측 시각 이후의 급탕량을 1시간 단위로 예측(24시간분의 예측)할 수 있다.
이와 같이, 소정의 시각 이전의 급탕량이 예측용 데이터로서 유지되고, 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델(320)에 의해 소정의 시각부터 소정의 시간만큼 장래의 급탕량이 예측되며, 예측되는 시간대와 동일 시간대에서의 급탕량의 실측값이 학습용 데이터로서 유지되고, 유지된 학습용 데이터와, 예측되는 급탕량의 예측값에 근거하여 뉴럴 네트워크 모델(320)의 학습이 행해진다. 따라서, 가정마다 서로 다른 급탕량을 보다 정확히 예측할 수 있다.
이상의 구성에 의해 뉴로 모델 예측부(242), 뉴로 모델 학습부(243), 예측용 데이터 유지부(244) 및 학습용 데이터 유지부(245)의 동작을 사용 전력 예측부(200)와 같이 실행하면, 뉴로 모델 예측부(242)로부터 예측 시각으로부터 앞으로 24시간분의 급탕량 예측값이 출력되고, 발전 지령부(220)로 출력된다.
발전 지령부(220)에서는, 사용 전력 예측값 및 급탕량 예측값으로부터 연료 전지 발전 장치(100)가 효율적으로 운전할 수 있도록 발전 전력을 조정한다.
다음에, 발전 지령부(220)의 동작에 대하여 설명한다. 도 11은 도 8의 발전 지령부(220)의 동작을 설명하기 위한 흐름도이다. 예측하는 시각은 1시간 단위이기 때문에, 우선 시각이 갱신되면, 예측값을 갱신할 수 있을지 여부를 판단한다(단계 S11). 예측값을 갱신할 수 없다고 판단된 경우는(단계 S11에서 "아니오"), 단계 S11의 처리가 반복하여 행해진다. 예측값을 갱신할 수 있다고 판단된 경우는(단계 S11에서 "예"), 우선 저탕 탱크(106)의 현재의 저탕 열량 Qnow[㎾h]를 저탕 탱크(106)로부터 취득한다(단계 S12). 현재의 저탕 열량 Qnow[㎾h]의 일반적인 산출 방법은 저탕 탱크(106)에 온도 센서 등을 붙여 탱크 내에 남아 있는 온수의 온도 분포를 계측하는 것으로 얻을 수 있다.
다음에, 사용 전력 예측부(200) 및 급탕량 예측부(240)로부터 각각 사용 전력 예측값 Pgene(i)[㎾h](i=1∼24) 및 급탕량 예측값 Phot(i)[㎾h](i=1∼24)를 24시간 앞까지 1시간 단위로 취득한다(단계 S13). 다음에, 발전 전력 지령값 Pprof(i)[㎾h]를 산출하는 단계에 들어간다. 우선, 발전 전력 지령값 Pprof(i)[㎾h]의 초기값으로서 사용 전력 예측값 Pgene(i)[㎾h]를 세트한다(단계 S14). 이것은 24시간 앞까지 완전히 전주 운전을 행한 경우에 상당한다. 다음에 발전 전력 지령값 Pprof(i)[㎾h]에 의해 연료 전지 발전 장치(100)가 발전된 경우에 부가적으로 발생하는 열량인 발전 급탕 부하 Qgene(i)[㎾h]를 산출한다. 이것은 하기의 (1)식을 이용하여 산출한다(단계 S15).
(1)
다음에, 현재 시각부터 예측할 수 있는 24시간 앞까지의 저탕 탱크에 가감되는 열량인 예측 적산 저탕 열량 Qadd(i)[㎾h]를 발전 급탕 부하 Qgene(i)[㎾h] 및 급탕량 예측값 Phot(i)[㎾h]로부터 하기의 (2)식을 이용하여 산출한다(단계 S16).
(2)
다음에, 하기의 (3)식에 도시하는 바와 같이, 현재의 저탕 열량 Qnow[㎾h]와 예측 적산 저탕 열량 Qadd(i)[㎾h]를 가산한 값이 0보다 작은지 여부를 판단한다(단계 S17). 이것은, 사용 전력 예측값 Pgene(i)[㎾h] 및 급탕량 예측값 Phot(i)[㎾h]에 오차가 발생하여, 예상되는 저탕 탱크의 저탕 열량 Qnow+ Qadd(i)가 수치상, 마이너스가 되는 경우를 방지하는 것이다. 여기서, 현재의 저탕 열량 Qnow[㎾h]와 예측 적산 저탕 열량 Qadd(i)[㎾h]를 가산한 값이 0 이상이라고 판단된 경우(단계 S17에서 "아니오"), 단계 S19로 처리를 이행한다. 한편, 현재의 저탕 열량 Qnow[㎾h]와 예측 적산 저탕 열량 Qadd(i)[㎾h]를 가산한 값이 0보다 작다고 판단된 경우(단계 S17에서 "예"), 예측 적산 저탕 열량(Qadd(i)[㎾h])을 하기의 (4)식으로 한다(단계 S18).
(3)
(4)
다음에, 발전 지령부(220)는, 현재의 저탕 열량 Qnow[㎾h]와 예측 적산 저탕 열량 Qadd(i)[㎾h]를 가산한 값이 0보다 작은지 여부의 판단을 i=24로 될 때까지 반복한다(단계 S19, 20).
다음에, 예측 적산 저탕 열량 Qadd(i)[㎾h]가 저탕 가능 열량 Qmax-Qnow를 초과하는 시각 i를 산출한다(단계 S21, 22, 23). 여기서, Qmax[㎾h]는 최대 저탕 가능 열량이고, 저탕 탱크(106)의 크기에 의존하는 고정값이다. 예측 적산 저탕 열량 Qadd(i)[㎾h]가 저탕 가능 열량 Qmax-Qnow를 초과한다는 것은 저탕 탱크(106)가 시각 i에서 가득차는 것을 의미한다. 즉, 발전 지령부(220)는, 예측 적산 저탕 열량 Qadd(i)이, 최대 저탕 가능 열량 Qmax에서 현재의 저탕 열량 Qnow를 감산한 값(저탕 가능 열량)보다도 큰지 여부를 판단한다. 그리고, 예측 적산 저탕 열량 Qadd(i)가 저탕 가능 열량 Qmax-Qnow보다도 큰 경우(단계 S21에서 "예"), 단계 S24로 처리를 이행하고, 예측 적산 저탕 열량 Qadd(i)가 저탕 가능 열량 Qmax-Qnow 이하인 경우(단계 S21에서 "아니오"), i=24인지 여부를 판단한다. i=24가 아닌 경우(단계 S22에서 "아니오"), i를 1만큼 증가시키고(단계 S23), 단계 S21로 처리를 되돌린다.
여기서, 예측 적산 저탕 열량 Qadd(i)가 저탕 가능 열량 Qmax-Qnow를 초과하는 시각 i가 존재하는 경우는, 발전 전력 지령값 Pprof(i)[㎾h]를 하기의 (5)식을 이용하여 수정한다(단계 S24, 25, 26). 수정 후는 단계 S15의 처리로 되돌아간다. 또한, 예측 적산 저탕 열량 Qadd(i)이 저탕 가능 열량 Qmax-Qnow를 초과하는 시각 i가 존재하지 않는 경우는(단계 S22에서 "예"), 예측 시각 갱신의 대기(단계 S11)에 되돌아가, 다음 갱신 시각을 기다린다.
(5)
또, 상기 (5)식에서, j=i이며, ΔPprof는 발전 전력 지령값 Pprof(i)[㎾h]를 수정하기 위한 변화 피치이며, 일반적으로는 충분히 작은 값(고정값)을 설정해 놓는다.
이상의 일련의 동작에 의해 발전 전력 지령값 Pprof(i)[㎾h]가 저탕 탱크(106)를 가득차게 하지 않도록 수정되고, 최종적으로 연료 전지 발전 장치(100)에 보내어진다. 연료 전지 발전 장치(100)는, 발전 지령부(220)로부터 출력되는 발전 전력 지령값 Pprof(i)[㎾h]가 되도록 발전을 한다.
도 12는 연료 전지 발전 시스템의 발전 전력과 저탕량의 관계의 일례를 나타내는 설명도이다. 도 12에는, 현재 시각에서의 사용 전력 예측값 Pgene(i)[㎾h], 급탕량 예측값 Phot(i)[㎾h], 발전 전력 지령값 Pprof(i)[㎾h], 발전 급탕 부하 Qgene(i)[㎾h], 예측 적산 저탕 열량 Qadd(i)[㎾h]현재의 저탕 열량 Qnow(i)[㎾h], 최대 저탕 가능 열량 Qmax[㎾h]의 관계를 나타내고 있다.
가령, 발전 전력 지령값 Pprof(i)[㎾h]가 사용 전력 예측값 Pgene(i)[㎾h]에 항상 같은 운전, 소위 전주 운전을 행한 경우는 예측 적산 저탕 열량 Qadd(i)[㎾h]가 「수정 전」으로 표시되는 바와 같이, 예컨대 10시간 후의 Qadd(10)에서 저탕 탱크(106)의 최대 저탕 가능 열량 Qmax[㎾h]를 초과해버려, 연료 전지 발전 장치(100)를 정지, 또는 탱크 열량의 일부를 방열해야 하여 손실이 발생해 버린다. 따라서, 이 경우는, 단계 S11∼S27을 반복함으로써 발전 전력 지령값 Pprof(i)[㎾h]가 수정되고, 최종적으로 예측 적산 저탕 열량 Qadd(i)[㎾h]는 「수정 후」로 표시되는 바와 같이 수정되어, 최대 저탕 가능 열량 Qmax[㎾h]를 초과하지 않도록 할 수 있는 것이다. 또한, 단계 S11∼S27의 동작을 1시간마다 실행함으로써 항상 24시간 앞까지 예측 적산 저탕 열량 Qadd(i)[㎾h]가 최대 저탕 가능 열량 Qmax[㎾h]를 초과하지 않고 운전할 수 있으므로 연료 전지 발전 장치(100)를 정지, 또는 탱크 열량의 일부를 방열에 의한 손실의 발생을 억제하여, 효율이 좋은 운전을 할 수 있다.
이상, 본 발명에 의하면 발전 지령부(220)가, 사용 전력 예측부(200)로부터의 사용 전력 예측값과 급탕량 예측부(240)로부터의 급탕량 예측값으로부터, 저탕 탱크(106)의 온수가 가득 차지 않도록 하는 발전 지령 전력값을 얻을 수 있기 때문에, 전력이나 급탕이 서로 다른 이용 환경의 가정마다 에너지 절약성을 확보한 운전이 가능해진다.
또한, 가전기기(104)가 사용하는 사용 전력 및 급탕기기(108)가 공급하는 급탕량이 계측되고, 계측된 사용 전력 및 급탕량에 근거하여, 소정의 시각부터 소정의 시간분만큼 장래의 사용 전력 및 급탕량이 예측되며, 예측된 사용 전력의 예측값 및 급탕량의 예측값에 근거하여 연료 전지 발전 장치(100)의 발전 전력의 조정이 행해지기 때문에, 가정마다 서로 다른 사용 전력 및 급탕량을 예측하여 연료 전지 발전 장치(100)의 발전 전력을 효율적으로 제어할 수 있어, 온수가 저탕 탱크(106)에 가득차 열을 외부에 방열시키거나 연료 전지 발전 장치(100)를 완전히 정지시켜야 해서 재기동에 의한 증가 손실이 발생하는 일이 없어져 에너지 절약화를 실현할 수 있다.
또한, 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 예측되며, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하는 경우, 사용 전력의 예측값을 미소하게 감소시키는 수정이 행해지고, 수정한 사용 전력의 예측값과 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량이 더 예측된다. 그리고, 예측된 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 하회하는 경우, 최종적으로 구해진 사용 전력의 예측값에 근거하여 연료 전지 발전 장치(100)의 동작이 제어된다. 따라서, 연료 전지 발전 장치(100)를 완전히 정지시키는 일없이 발전 전력을 조정하는 것으로 에너지 절약을 실현할 수 있다.
또, 본 발명의 연료 전지 발전 시스템(2)에서는 전력계(103)나 급탕 부하계(109)를 포함한 구성으로 하고 있지만, 본 발명은 특별히 이것에 한정되지 않고, 전력계(103) 및/또는 급탕 부하계(109)를 연료 전지 발전 시스템(2)의 외부에 마련하여, 데이터만을 취득하는 구성으로 해도 소망의 효과를 얻을 수 있는 것은 물론이다.
또, 본 실시예에서는, 연료 전지 발전 장치(100)를 정지하는 일없이, 연료 전지 발전 장치(100)를 기동하면서, 발전 전력 지령값을 조절함으로써, 온수가 저탕 탱크에 가득차는 것을 방지하고 있다. 그러나, 본 발명은 특별히 이것에 한정되지 않고, 발전 지령부(220)는, 사용 전력 예측부(200)로부터 얻어지는 사용 전력의 예측값과, 급탕량 예측부(240)로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 최대 저탕 가능량을 초과한 시각에서 연료 전지 발전 장치(100)의 정지 동작을 행하더라도 좋다.
또한, 발전 지령부(220)는, 사용 전력 예측부(200)로부터 얻어지는 사용 전력의 예측값과, 급탕량 예측부(240)로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 사용 전력 예측부(200)로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 예측값이 소정의 하한값을 상회한 시각에서 연료 전지 발전 장치(100)의 기동에 필요한 시간을 뺀 시각부터 연료 전지 발전 장치(100)의 기동 동작을 행한다. 이것들의 경우, 연료 전지 발전 장치(100)를 정지시키기 때문에 재기동에 의한 증가 손실이 발생하지만, 불필요한 발전을 하지 않기 때문에 에너지 절약화를 실현할 수 있다.
본 발명에 따른 연료 전지 발전 시스템 및 그 제어 방법은 엔진 등의 다른 발동 수단을 갖는 발전 장치 등에도 이용이 가능하다. 또한, 사용 전력 대신에 사용탕량 등의 제어에도 적용이 가능하다.
본 발명의 연료 전지 발전 시스템 및 그 제어 방법에 의하면, 전기기기가 사용하는 사용 전력이 계측되고, 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력이 예측되며, 예측된 사용 전력의 예측값에 근거하여 연료 전지 발전 장치의 동작이 제어되기 때문에, 가정마다 서로 다른 사용 전력을 예측하여 연료 전지 발전 장치의 발전 전력을 효율적으로 제어할 수 있어, 에너지 절약화를 실현할 수 있다.
도 1은 본 발명의 실시예 1에 따른 연료 전지 발전 시스템의 전체 구성을 나타내는 도면,
도 2는 도 1에 나타내는 제어기의 구성을 나타내는 블록도,
도 3은 도 2의 뉴로 모델 예측부에서 사용하는 뉴럴 네트워크 모델의 구성에 대하여 설명하기 위한 도면,
도 4는 도 2의 발전 지령부의 동작을 설명하기 위한 흐름도,
도 5는 연료 전지 발전 시스템의 발전 전력과 사용 전력 예측값의 관계의 일례를 나타낸 설명도,
도 6은 도 2의 전력 계측부에 의해 계측되는 사용 전력에 대하여 설명하기 위한 도면,
도 7은 본 발명의 실시예 2에 따른 연료 전지 발전 시스템의 전체 구성을 나타내는 도면,
도 8은 도 7에 나타내는 제어기의 구성을 나타내는 블록도,
도 9는 도 8의 뉴로 모델 예측부에서 사용하는 사용 전력량을 예측하기 위한 뉴럴 네트워크 모델의 구성에 대하여 설명하기 위한 도면,
도 10은 도 8의 뉴로 모델 예측부에서 사용하는 급탕량을 예측하기 위한 뉴럴 네트워크 모델의 구성에 대하여 설명하기 위한 도면,
도 11은 도 8의 발전 지령부의 동작을 설명하기 위한 흐름도,
도 12는 연료 전지 발전 시스템의 발전 전력과 저탕량(貯湯量)의 관계의 일례를 나타내는 설명도.
도면의 주요 부분에 대한 부호의 설명
1, 2 : 연료 전지 발전 시스템 100 : 연료 전지 발전 장치
101 : 제어기 102 : 인버터
103 : 전력계 104 : 가전기기
105 : 상용 전원 106 : 저탕 탱크
107 : 백업버너 108 : 급탕기기
109 : 급탕 부하계 110 : 시수(市水) 공급부
200 : 사용 전력 예측부 202, 242 : 뉴로 모델 예측부
203, 243 : 뉴로 모델 학습부 204, 244 : 예측용 데이터 유지부
205, 245 : 학습용 데이터 유지부 220 : 발전 지령부
230 : 전력 계측부 240 : 급탕량 예측부
250 : 급탕량 계측부

Claims (13)

  1. 전기기기에 공급하는 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템으로서,
    상기 전기기기가 사용하는 사용 전력을 계측하는 전력 계측 수단과,
    상기 전력 계측 수단에 의해 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간분만큼 장래의 사용 전력을 예측하는 사용 전력 예측 수단과,
    상기 사용 전력 예측 수단에 의해 예측된 사용 전력의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 동작 제어 수단을 구비하는 것을 특징으로 하는
    연료 전지 발전 시스템.
  2. 제 1 항에 있어서,
    상기 사용 전력 예측 수단은, 상기 소정의 시각 이전의 사용 전력을 예측용 데이터로서 유지하는 예측용 데이터 유지 수단과,
    상기 예측용 데이터 유지 수단에 의해 유지된 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 뉴로 모델 예측 수단과,
    상기 뉴로 모델 예측 수단에 의해 예측되는 시간대와 동일 시간대에서의 상기 사용 전력의 실측값을 학습용 데이터로서 유지하는 학습용 데이터 유지 수단과,
    상기 학습용 데이터 유지 수단에 의해 유지된 학습용 데이터와, 상기 뉴로 모델 예측 수단에 의해 예측되는 사용 전력의 예측값에 근거하여 상기 뉴로 모델 예측 수단의 뉴럴 네트워크 모델을 학습하는 뉴로 모델 학습 수단을 포함하는 것을 특징으로 하는
    연료 전지 발전 시스템.
  3. 제 1 항에 있어서,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 상기 예측값이 소정의 하한값을 상회한 시각에서 상기 연료 전지 발전 장치의 기동에 필요한 시간을 뺀 시각부터 상기 연료 전지 발전 장치의 기동 동작을 행하는 것을 특징으로 하는 연료 전지 발전 시스템.
  4. 제 1 항에 있어서,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 상기 예측값이 소정의 하한값을 하회한 시각부터 상기 연료 전지 발전 장치의 정지 동작을 행하는 것을 특징으로 하는 연료 전지 발전 시스템.
  5. 제 1 항에 있어서,
    상기 전력 계측 수단은, 상기 전기기기의 사용 전력이 발전 전력의 상한값을 초과하는 경우, 당해 상한값을 사용 전력으로서 계측하는 것을 특징으로 하는 연료 전지 발전 시스템.
  6. 제 1 항에 있어서,
    상기 연료 전지 발전 장치를 이용하여 급탕을 행하는 급탕기기가 공급하는 급탕량을 계측하는 급탕 계측 수단과,
    상기 급탕 계측 수단에 의해 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하는 급탕량 예측 수단을 더 구비하고,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단에 의해 예측된 사용 전력의 예측값과 상기 급탕량 예측 수단에 의해 예측된 급탕량의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 것을 특징으로 하는
    연료 전지 발전 시스템.
  7. 제 6 항에 있어서,
    상기 급탕량 예측 수단은, 상기 소정의 시각 이전의 급탕량을 예측용 데이터로서 유지하는 예측용 데이터 유지 수단과,
    상기 예측용 데이터 유지 수단에 의해 유지된 예측용 데이터를 입력값으로 하여 뉴럴 네트워크 모델에 의해 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하는 뉴로 모델 예측 수단과,
    상기 뉴로 모델 예측 수단에 의해 예측되는 시간대와 동일 시간대에 있어서의 상기 급탕량의 실측값을 학습용 데이터로서 유지하는 학습용 데이터 유지 수단과,
    상기 학습용 데이터 유지 수단에 의해 유지된 학습용 데이터와, 상기 뉴로 모델 예측 수단에 의해 예측되는 급탕량의 예측값에 근거하여 상기 뉴로 모델 예측 수단의 뉴럴 네트워크 모델을 학습하는 뉴로 모델 학습 수단을 포함하는 것을 특징으로 하는
    연료 전지 발전 시스템.
  8. 제 6 항에 있어서,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량(貯湯量)으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하지 않도록 발전 전력을 조정하는 것을 특징으로 하는 연료 전지 발전 시스템.
  9. 제 6 항에 있어서,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하는 경우, 상기 사용 전력의 예측값을 미소하게 감소시키는 수정을 행하고, 수정한 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 더 예측하는 것을 특징으로 하는 연료 전지 발전 시스템.
  10. 제 6 항에 있어서,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 하회하는 경우에, 최대 저탕 가능량을 초과한 시각부터 상기 연료 전지 발전 장치의 정지 동작을 행하는 것을 특징으로 하는 연료 전지 발전 시스템.
  11. 제 6 항에 있어서,
    상기 동작 제어 수단은, 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값과 상기 급탕량 예측 수단으로부터 얻어지는 급탕량의 예측값에 근거하여 현재의 저탕량으로부터 적산되는 적산 저탕량을 예측하고, 예측한 적산 저탕량이 미리 정해져 있는 최대 저탕 가능량을 초과하고, 또한 상기 사용 전력 예측 수단으로부터 얻어지는 사용 전력의 예측값이 소정의 하한값을 소정의 시간만큼 연속하여 상회하는 경우에, 상기 예측값이 소정의 하한값을 상회한 시각에서 상기 연료 전지 발전 장치의 기동에 필요한 시간을 뺀 시각부터 상기 연료 전지 발전 장치의 기동 동작을 행하는 것을 특징으로 하는 연료 전지 발전 시스템.
  12. 전기기기에 공급하는 전력을 발생시키는 연료 전지 발전 장치를 구비하는 연료 전지 발전 시스템의 제어 방법으로서,
    상기 전기기기가 사용하는 사용 전력을 계측하는 전력 계측 단계와,
    상기 전력 계측 단계에서 계측된 사용 전력에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 사용 전력을 예측하는 사용 전력 예측 단계와,
    상기 사용 전력 예측 단계에서 예측된 사용 전력의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 동작 제어 단계를 포함하는 것을 특징으로 하는
    연료 전지 발전 시스템의 제어 방법.
  13. 제 12 항에 있어서,
    상기 연료 전지 발전 장치를 이용하여 급탕을 행하는 급탕기기가 공급하는 급탕량을 계측하는 급탕 계측 단계와,
    상기 급탕 계측 단계에서 계측된 급탕량에 근거하여, 소정의 시각부터 소정의 시간만큼 장래의 급탕량을 예측하는 급탕량 예측 단계를 더 포함하고,
    상기 동작 제어 단계는, 상기 사용 전력 예측 단계에서 예측된 사용 전력의 예측값과 상기 급탕량 예측 단계에서 예측된 급탕량의 예측값에 근거하여 상기 연료 전지 발전 장치의 동작을 제어하는 단계를 포함하는 것을 특징으로 하는
    연료 전지 발전 시스템의 제어 방법.
KR1020040067721A 2003-08-28 2004-08-27 연료 전지 발전 시스템 및 그 제어 방법 KR101126857B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JPJP-P-2003-00304538 2003-08-28
JP2003304538 2003-08-28
JP2004054098 2004-02-27
JPJP-P-2004-00054098 2004-02-27

Publications (2)

Publication Number Publication Date
KR20050021868A true KR20050021868A (ko) 2005-03-07
KR101126857B1 KR101126857B1 (ko) 2012-03-26

Family

ID=34106956

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040067721A KR101126857B1 (ko) 2003-08-28 2004-08-27 연료 전지 발전 시스템 및 그 제어 방법

Country Status (4)

Country Link
US (1) US7532987B2 (ko)
EP (1) EP1511109B1 (ko)
KR (1) KR101126857B1 (ko)
CN (1) CN100446310C (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008079215A1 (en) * 2006-12-20 2008-07-03 Bloom Energy Corporation Model based real-time optimization of fuel cell clusters
KR100911316B1 (ko) * 2007-08-23 2009-08-11 주식회사 엘지화학 배터리의 장기 특성 예측 시스템 및 방법
KR200447670Y1 (ko) * 2009-07-10 2010-02-11 주식회사 케이티이엔지 교육용의 에너지수집 실험 장치
KR101027559B1 (ko) * 2006-07-20 2011-04-06 파나소닉 전공 주식회사 셰이버
KR101522858B1 (ko) * 2014-11-07 2015-05-26 주식회사 케이디티 건물의 최대 수요전력 제어 기능을 갖는 에너지관리시스템 및 그 제어방법
KR102190845B1 (ko) * 2020-08-21 2020-12-14 주식회사 아이씨티솔루션스 Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004265671A (ja) * 2003-02-28 2004-09-24 Hitachi Ltd 燃料電池の運転制御方法および装置
JP4878484B2 (ja) * 2006-03-15 2012-02-15 Ｊｘ日鉱日石エネルギー株式会社 コジェネレーションシステム
JP5288782B2 (ja) * 2007-03-09 2013-09-11 三洋電機株式会社 デマンド制御システム、デマンドコントローラ、デマンドプログラム及びデマンド制御方法
CN101353984A (zh) * 2008-08-01 2009-01-28 孙宏伟 燃料自动节省系统
JP4702708B2 (ja) * 2009-09-30 2011-06-15 Ｔｏｔｏ株式会社 固体電解質型燃料電池
JP5539750B2 (ja) * 2010-02-17 2014-07-02 トヨタホーム株式会社 住宅用電力システム
EP2573897A3 (de) * 2011-09-20 2017-03-01 Stiehle GmbH Anordnung zum Betreiben mindestens eines Verbrauchers mit der elektrischen Leistung einer regenerativen Energiequelle
JP5905226B2 (ja) * 2011-09-28 2016-04-20 京セラ株式会社 エネルギー管理システム、エネルギー管理装置及び電力管理方法
WO2013047444A1 (ja) * 2011-09-28 2013-04-04 京セラ株式会社 電力管理システム、電力管理装置及び表示制御方法
JP5776487B2 (ja) * 2011-10-13 2015-09-09 ソニー株式会社 電力制御装置およびプログラム
CN102663219B (zh) * 2011-12-21 2015-03-04 北京理工大学 基于混合模型的燃料电池输出预测方法和系统
DE102012202284B4 (de) * 2012-02-15 2024-09-26 Bayerische Motoren Werke Aktiengesellschaft Vorausschauendes Energiemanagement
US9961979B2 (en) * 2012-10-02 2018-05-08 Oscar Rodrigues Hair dryer with control switches underneath handle
JP6575176B2 (ja) * 2015-07-02 2019-09-18 Tdk株式会社 電源装置の制御装置および制御方法
KR101734710B1 (ko) * 2015-12-07 2017-05-11 현대자동차주식회사 차량의 주행패턴 분석방법을 이용한 연비향상방법
ES2774419T3 (es) * 2016-12-20 2020-07-21 Siemens Ag Unidad de control
US11177656B2 (en) * 2017-06-08 2021-11-16 Board Of Regents, The University Of Texas System Systems and methods for optimizing building-to-grid integration
JP7072044B2 (ja) * 2018-02-19 2022-05-19 株式会社東芝 電力供給システムの制御装置、電力供給システムの制御方法、及び電力供給システム
CN109687447B (zh) * 2018-12-29 2021-01-01 华润电力技术研究院有限公司 一种电力能耗预测方法及装置
CN111572412B (zh) * 2020-04-16 2022-01-11 中极氢能汽车(长治)有限公司 一种氢燃料电池车低温启动能量需求获取系统及方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6558829B1 (en) * 1997-10-06 2003-05-06 Reveo, Inc. Appliance with refuelable and rechargeable metal-air fuel cell battery power supply unit integrated therein
JP2000285941A (ja) * 1999-03-31 2000-10-13 Sanyo Electric Co Ltd 燃料電池の運転制御装置
US6510369B1 (en) * 1999-08-24 2003-01-21 Plug Power Inc. Residential load shedding
US6925361B1 (en) * 1999-11-30 2005-08-02 Orion Engineering Corp. Distributed energy neural network integration system
JP5140894B2 (ja) * 2000-05-15 2013-02-13 トヨタ自動車株式会社 燃料電池と充放電可能な蓄電部とを利用した電力の供給
US6522955B1 (en) * 2000-07-28 2003-02-18 Metallic Power, Inc. System and method for power management
JP4934248B2 (ja) * 2001-05-23 2012-05-16 パナソニック株式会社 電力生成制御システム、および燃料電池システム
US6581015B2 (en) * 2000-12-27 2003-06-17 Plug Power, Inc. Technique and apparatus to control the transient response of a fuel cell system
JP2002367619A (ja) * 2001-03-28 2002-12-20 Osaka Gas Co Ltd 家庭用エネルギ管理システムおよび装置
JP2002291161A (ja) 2001-03-28 2002-10-04 Osaka Gas Co Ltd 家庭用燃料電池の出力制御方法
JP4953217B2 (ja) * 2001-08-03 2012-06-13 東京瓦斯株式会社 燃料電池装置
JP4889167B2 (ja) 2001-08-09 2012-03-07 大阪瓦斯株式会社 コジェネレーション装置の運転計画方法
US6959777B2 (en) * 2001-10-05 2005-11-01 Ford Global Technologies, Llc High voltage energy regulated conversion circuit
JP3801898B2 (ja) 2001-10-18 2006-07-26 株式会社日立製作所 電力供給方法および電力供給システム
JP2003209994A (ja) * 2002-01-15 2003-07-25 Nippon Telegr & Teleph Corp <Ntt> 発電システムおよびその制御方法
JP2003229159A (ja) * 2002-01-31 2003-08-15 Toyota Motor Corp 燃料電池発電システムおよびこれに用いる操作表示装置
WO2003075427A1 (fr) * 2002-03-06 2003-09-12 Matsushita Electric Industrial Co., Ltd. Dispositif de reglage pour systeme de fourniture d'energie reparti
US20040219398A1 (en) * 2003-05-02 2004-11-04 Calhoon John C. Fuel cell control and data reporting
US20040253489A1 (en) * 2003-06-12 2004-12-16 Horgan Thomas J. Technique and apparatus to control a fuel cell system
JP4358825B2 (ja) * 2003-07-25 2009-11-04 パナソニック株式会社 燃料電池発電システム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101027559B1 (ko) * 2006-07-20 2011-04-06 파나소닉 전공 주식회사 셰이버
WO2008079215A1 (en) * 2006-12-20 2008-07-03 Bloom Energy Corporation Model based real-time optimization of fuel cell clusters
US7951496B2 (en) 2006-12-20 2011-05-31 Bloom Energy Corporation Model based real-time optimization of fuel cell clusters
KR100911316B1 (ko) * 2007-08-23 2009-08-11 주식회사 엘지화학 배터리의 장기 특성 예측 시스템 및 방법
KR200447670Y1 (ko) * 2009-07-10 2010-02-11 주식회사 케이티이엔지 교육용의 에너지수집 실험 장치
KR101522858B1 (ko) * 2014-11-07 2015-05-26 주식회사 케이디티 건물의 최대 수요전력 제어 기능을 갖는 에너지관리시스템 및 그 제어방법
KR102190845B1 (ko) * 2020-08-21 2020-12-14 주식회사 아이씨티솔루션스 Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법

Also Published As

Publication number Publication date
US20050048337A1 (en) 2005-03-03
KR101126857B1 (ko) 2012-03-26
EP1511109B1 (en) 2014-08-27
EP1511109A3 (en) 2012-02-29
CN100446310C (zh) 2008-12-24
US7532987B2 (en) 2009-05-12
CN1591950A (zh) 2005-03-09
EP1511109A2 (en) 2005-03-02

Similar Documents

Publication Publication Date Title
KR101126857B1 (ko) 연료 전지 발전 시스템 및 그 제어 방법
JP5020634B2 (ja) 燃料電池発電装置の制御装置、制御方法、制御プログラム及び制御プログラムを記録したコンピュータ読み取り可能な記録媒体
JP5400933B2 (ja) コジェネレーションシステム
JP4512074B2 (ja) エネルギー需要予測方法、予測装置、プログラム及び記録媒体
JP2009257703A (ja) 貯湯温度制御装置、貯湯温水器、貯湯温度制御方法、及びプログラム
JP4749685B2 (ja) 燃料電池発電システム及びその制御方法
KR20050021906A (ko) 코제너레이션 시스템, 코제너레이션 설비의 운전 제어장치 및 코제너레이션 설비의 운전 제어 프로그램을기록한 컴퓨터 판독 가능한 기록 매체
JP2005012906A (ja) コージェネレーション・システムの出力制御装置及び出力制御方法
JP2007267594A (ja) コージェネレーションシステムの運転制御装置
JP6582755B2 (ja) 熱源機器ネットワークの運転計画を最適化するための方法及びシステム、及びプログラム
JP2008249198A (ja) コジェネレーションシステム
JP6533952B2 (ja) 冷却水を用いて動作する熱源機器の冷却水温を予測する装置及び方法、及びプログラム
JP2003113739A (ja) エネルギ供給設備の運転計画システム
JP4208802B2 (ja) 熱源システム
JP4672046B2 (ja) 給湯装置
CN101395431A (zh) 热电联供系统
JP2004263905A (ja) 熱源制御装置
JP3723931B2 (ja) プラントの起動予測制御装置
JP5750075B2 (ja) コージェネレーションシステム
WO2022044750A1 (ja) 計画システム、計画方法及びプログラム
JP2005237115A (ja) エネルギーシステム
JP4250571B2 (ja) 熱源システム
JP2006250380A (ja) コージェネレーションシステムの暖房負荷予測装置
JP2005011694A (ja) コージェネレーション・システムの出力制御装置及び出力制御方法
CN116358167A (zh) 热水器节能方法、热水器节能系统和热水器

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150224

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160219

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170221

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee