KR20120036568A - 전력부하 패턴 추출 방법 - Google Patents

Abstract

본 발명은 전력부하 예측 및 패턴을 추출하여 관리자에게 알려주어 전력 소모량을 인지시켜 부하를 효율적으로 사용하도록 한 전력부하 예측 방법 및 패턴 추출 방법에 관한 것으로서, 과거의 전력사용 이력 데이터로부터 동일한 유형의 요일에 대한 전력수요 패턴을 구성하는 단계와, 상기 전력수요 패턴을 근거로 일평균 전력수요 예측 모델을 구성하는 단계와, 상기 일평균 전력수요 예측 모델을 근거로 소비될 24시간 동안의 전력수요를 예측하는 단계를 포함하여 이루어진 것을 특징으로 한다.

Description

전력부하 예측 방법 및 패턴 추출 방법{method for prediciting power load and method for sampling pattern}

본 발명은 전력부하 예측 방법 및 패턴 추출 방법에 관한 것으로, 특히 전력부하 예측 및 패턴을 추출하여 관리자에게 알려주어 전력 소모량을 인지시켜 부하를 효율적으로 사용하도록 한 전력부하 예측 방법 및 패턴 추출 방법에 관한 것이다.

전력의 소비가 국민소득 증대에 따라 매년 큰 폭으로 증가하고 있으며, 특히 여름철에는 냉방 부하로 인해 전력 수급이 안정적이지 못하여 체계적인 전력수요 관리 대책이 대두되고 있다.

그 중 하나의 방법으로 직접부하 제어방법이 있는데, 이 직접부하 제어방법은 전력회사 계통의 첨두(尖頭)부하를 효율적으로 억제하기 위하여 전력회사와 사용자간에 미리 약정을 체결하고 전력 수급시에 첨두부하가 발생하게 되면 전력회사는 약정에 의한 시간 및 횟수만큼 사용자의 전력사용 설비를 제한하는 방법이다.

그리고 전력회사는 계약에 의한 요금보상 등의 혜택을 상기 사용자에게 제공함으로서, 이른바 상호 의존적이고 보완적인 부하 관리제도이다.

이런 배경을 바탕으로 국내에서는 수급 연동형 직접부하 제어 시스템을 도입하고 있으며, 현재 전력회사인 한국전력에서 시행중인 원격 제어 에어컨의 활용은 직접부하 제어의 한 예이다.

상기 원격 제어 에어컨 시스템은 제조공장에서 별도의 원격 제어 에어컨을 제작하고 있는데, 이는 에어컨에 수신기를 내장하여 주관기관(예, 전력회사)에서 제어신호를 수신기에 전달함으로써 에어컨을 제어하게 된다.

그 동작을 보면, 먼저 상기 주관기관에서 명령을 내리면 에어컨에 내장되어 있는 수신기와 송수신을 하게 되며 수신기에서는 수신받은 데이터를 원격제어 에어컨 메인보드로 전달하게 된다.

이어, 상기 메인보드는 오프(off) 제어명령 신호가 수신되면 에어컨 운전을 정지하고, 상기 오프 제어명령 신호가 종료될 때까지 사용자가 인지할 수 있도록 원격제어 표시를 나타내고 있다.

이와 같이 가정용 수요전력을 제어하기 위한 종래 전력관리 시스템은 가정용 전력기기를 생산라인에서부터 내부에 수신기를 부착하여 별도로 제작하고 이를 희망하는 사용자에게 공급하는 것으로 되어 있다.

따라서 기존에 수신기가 별도로 부착되지 않고 제작된 가정용 전력기기 및 이를 구입하여 사용하고 있는 사용자에 대해서는 전력관리 시스템의 제어가 불가능하다.

이는 1300만 가구에서 사용하고 있는 에너지 소비량의 정확한 집계가 이루어지지 않게 되어 전력 수급을 안정시키기 위한 체계적인 전력수요를 관리하는데 커다란 문제점으로 대두되고 있다.

즉, 효율적인 전력관리 시스템의 도입을 위해서는 모든 가정에 있는 전력기기를 전력관리가 가능한 가정용 전력기기로 모두 교체하여야 하므로 가정에서는 경제적으로 큰 부담을 가지게 되며, 이에 따라 모든 가정에서 전력관리가 가능한 전력기기로 교체하는데 걸리는 시간은 매우 길어지게 될 것이다.

또한, 모든 생산라인에서도 현재 전력관리가 가능한 생산라인으로 변경, 추가하여야 하므로 제조공장에도 커다란 경제적 부담을 주게 되므로 이를 실현하기란 매우 많은 비용과 시간이 소요되게 된다.

본 발명은 상기와 같은 종래의 문제를 해결하기 위한 것으로 전력부하 예측 및 패턴을 추출하여 관리자에게 알려주어 전력 소모량을 인지시켜 부하를 효율적으로 사용하도록 한 전력부하 예측 방법 및 패턴 추출 방법을 제공하는데 그 목적이 있다.

상기와 같은 목적을 달성하기 위한 본 발명에 의한 전력부하 예측 방법은 과거의 전력사용 이력 데이터로부터 동일한 유형의 요일에 대한 전력수요 패턴을 구성하는 단계와, 상기 전력수요 패턴을 근거로 일평균 전력수요 예측 모델을 구성하는 단계와, 상기 일평균 전력수요 예측 모델을 근거로 소비될 24시간 동안의 전력수요를 예측하는 단계를 포함하여 이루어진 것을 특징으로 한다.

또한, 상기와 같은 목적을 달성하기 위한 본 발명에 의한 전력부하 패턴 추출 방법은 전력 수용가 종류를 선정하고, 과거 1년간 소비전력 측정기로 실시간 측정하여 전력 수요 데이터를 취득하는 단계와, 요일 및 계절을 구분하는 단계와, n일에 대한 24시간의 부하를 해당일의 평균부하 값으로 정규화하는 단계와, 상기 해당 요일의 정규화된 모든 24시간 부하 패턴을 평균화하여 대표 패턴을 산출하는 단계와, 상기 산출된 패턴을 저장하는 단계를 포함하여 이루어진 것을 특징으로 한다.

본 발명에 의한 전력부하 예측 방법 및 패턴 추출 방법은 다음과 같은 효과가 있다.

즉, 전력부하 예측 및 패턴을 추출하여 관리자에게 알려주어 전력 소모량을 인지시켜 부하를 효율적으로 사용할 수 있다.

도 1은 본 발명에 의한 전력부하 예측 방법을 나타낸 순서도
도 2는 본 발명에 의한 전력부하 패턴 추출방법을 나타낸 순서도
도 3은 본 발명에 의한 전력부하 패턴 추출방법을 적용한 화면

이하, 첨부된 도면을 참고하여 본 발명에 의한 전력부하 예측 방법 및 패턴 추출 방법을 보다 상세히 설명하면 다음과 같다.

도 1은 본 발명에 의한 전력부하 예측 방법을 나타낸 순서도이다.

먼저, 본 발명에 의한 전력부하 예측 방법은 도 1에 도시한 바와 같이, 과거의 전력사용 이력 데이터로부터 동일한 유형의 요일에 대한 전력수요 패턴을 구성한다(S101).

즉, 전력수요는 과거의 유사한 날(가능한 최근의 날)의 전력수요와 가장 근접하므로 과거의 전력사용 이력 데이터를 통해 해당일에 대한 전력 수요 패턴을 형성한다.

대부분 하루 24시간 동안의 전력수요 패턴은 동일한 요일의 24시간 전력수요 패턴과 가장 유사하다. 특히 최근의 동일한 요일의 전력수요 패턴과는 거의 일치하는 경우가 대부분이다. 이러한 24시간 전력수요 패턴이 달라지는 것은 요일적 특성과 특히 온도에 따라 변화되는 계절적 특성에 기인하게 된다.

따라서 본 발명에서는 동일한 요일 또는 계절의 전력수요 패턴을 다음과 같이 구분한다.

즉, 요일은 월요일, 평일(화-금), 토요일, 일요일로 구분하고, 계절은 봄(3~5월), 여름(6~8월), 가을(9~11월), 겨울(12~2월)로 각각 구분한다.

따라서 동일한 전력 수용가 그룹(예를 들어, 초등학교 그룹)에 대해서는 위와 같이 4요일×4계절의 16개 전력수요 패턴이 추출되게 된다.

본 발명에서는 해당 전력수요 패턴을 1년치 부하 데이터를 이용하여 추출한다.

이때, 부하곡선의 상하이동(계절적 수요증감)을 제거한 순수한 하루 전력사용패턴을 구하기 위해서 일평균치(각 일별)로 모두 정규화한 후 이를 평균화한다.

이와 같이 일평균 부하로 정규화된 1년 365개의 24시간 수요곡선을 해당되는 16개의 그룹으로 구분하여 각 그룹에 해당되는 곡선을 모두 평균함으로써 해당 그룹의 대표 전력수요 패턴을 추출하는 방법을 사용하였다.

이어서, 상기 전력수요 패턴을 근거로 일평균 전력수요 예측 모델을 구성한다(S102).

여기서, 상기 일평균 전력수요 예측 모델 구성에서는 어떤 특정일의 전력수요(평균부하)는 최근 동일 요일의 전력수요와 인접 요일의 전력 수요치에 가장 근접한다는 특성에 기반한 시계열 예측모델을 개발한다.

참고로 이때 시계열은 시간에 따른 전력 수요치의 값들의 나열로 보면 되는데, 예를 들어 내일(n)의 평균부하를 p(n)이라고 하면 p(n)은 과거 부하 p(n-1), p(n-2), p(n-3), ...의 선형식으로 표현(또는 예측)된다는 것이 시계열 모델링의 핵심이 된다.

즉, p(n) = αp(n-1)+β(n-2)+γp(n-3) 등과 같이 모델링하는 것이 시계열 예측모델의 기본 단계이며, 이때 과거의 자료를 이용해서 α,β,γ의 계수를 구함으로써, p(n)의 값을 과거치(p(n-1), p(n-2), p(n-3))를 통해 구할 수 있게 된다.

본 발명에서는 α,β,γ의 계수를 구하는데, 전력 수요관리 시스템에서 구현하기 용이한 최소자승법(Least Square Method)을 이용하였다.

이때 α,β,γ의 계수를 구하는 것이 예측모델의 정확성을 결정하는 가장 중요한 작업인데, 가능한 많은 자료를 집어넣으면 좋지만, 부하 예측상 너무 많은 자료를 넣으면 너무 많은 과거 경향이 포함되기 때문에 최근 경향을 잡아내는데 어려움이 있고, 너무 최근 것만 사용하면 자료가 적어서 정확성이 떨어지게 된다.

따라서 적정수준을 결정하는 것이 중요한데, 추정치와 가장 연관관계(correlation)가 큰 시점의 값을 포함하도록 모델링하는 것이 필요하다. 결국 어떤 과거치를 몇 개 사용할 것인가가 찾아야 할 계수를 결정하게 된다.

본 발명에서는 이를 위해 다음과 같은 3가지 모델을 사용한다.

먼저, 동일 요일 전력수 요치를 이용한 모델을 사용하는데, 이 모델은 어떤 특정일의 평균전력 수요는 가장 최근의 동일 요일의 평균전력 수요와 유사하다는 특성을 이용한 것이다. 따라서 이 모델의 경우는 다음과 같은 시계열 모델로 표현된다. 즉, p(n) =αp(n-7)+βp(n-14)+γp(n-21)이다.

이어서, 인접 요일 전력수요치를 이용한 모델을 사용하는데, 이 모델은 어떤 특정일의 평균전력 수요는 인접한 요일의 평균전력 수요와 유사하다는 특성을 이용한 것이다. 따라서 이 모델의 경우는 다음과 같은 시계열 모델로 표현된다. 즉, p(n) = αp(n-1)+βp(n-2)이다.

그리고 동일 요일과 인접 요일의 전력 수요치를 이용한 모델을 사용하는데, 이 모델은 동일 요일 전력 수요치에 인접 요일의 전력 수요치를 함께 고려한 모델이다. 따라서 이 모델의 경우는 다음과 같은 시계열 모델로 표현된다. 즉, p(n) = αp(n-7)+βp(n-14)+γp(n-21)+δp(n-1)+εp(n-2)이다.

이어서, 상기 일평균 전력수요 예측 모델을 근거로 소비될 24시간 동안의 전력수요를 예측한다(S103).

여기서, 24시간 전력수요 예측은 상기 일평균 전력수요 예측 모델을 구성하는 단계와 같이 해당 예측일에 대한 시계열 예측모델을 만든 후, 과거 실적치를 해당 모델에 넣어 일평균 부하를 구한다.

이후 상기 수요패턴을 구성하는 단계에서 구해놓은 16개의 24시간 전력 부하패턴 중에서 해당 예측일의 부하 패턴을 선택하여 예측된 일평균 부하를 결합하면, 24시간에 대한 전력수요 예측치가 얻어지게 된다.

상기와 같은 본 발명에 의한 전력부하 예측방법은 전력수요의 특성을 반영한 예측모델이기 때문에 실제 운영시 다양한 수요관리업무를 실시간으로 처리해야 하는 전력수요관리시스템의 워크로드(Workload)를 상당부분 덜어줄 수 있을 것으로 판단한다.

도 2는 본 발명에 의한 전력부하 패턴 추출방법을 나타낸 순서도이다.

본 발명에 의한 전력부하 패턴 추출방법은 도 2에 도시한 바와 같이, 먼저, 전력 수용가 종류를 선정하고(S110), 과거 1년간 소비전력 측정기(CT, PT)로 실시간 측정하여 전력 수요 데이터를 취득한다(S120).

여기서, 상기 취득된 데이터로 월 평균 일일 부 하지수표[가로축은 시간대, 세로측은 1년간의 월별 실측부하에 따른 일일 평균부하량을 기록한 엑셀 워크쉬트(Worksheet)]를 작성한다.

즉, 한 달치 소비전력량을 날짜로 나누어 일일 평균을 구하되, 매 시간대별로 일 평균을 구하고, 이를 100분율로 환산(1개 월간의 총 부하량 대비 일간 부하량 점유율)한다.

한편, 1년 중 최대부하량이 발생되는 날을 최고일로 선정하여 별도의 데이터 시트(Data-sheet)로 작성할 수도 있다.

또한, 전력 수용가는 크게 아파트, 공장, 학교로 구분할 수 있고, 상기 공장에서는 각종 전력설비 또는 장비 등을 한 예로 들 수 있다.

이어서, 봄(3~5월), 여름(6~8월), 가을(9~11월), 겨울(12~2월)로 계절을 구분하고(S130), 월요일, 평일(화-금), 토요일, 일요일로 요일을 구분한다(S140).

여기서, 동일 수용가 그룹의 경우, 요일 간에는 거의 동일한 수요곡선을 나타내고, 계절적인 요인에 의해 변화가 되는데, 이는 시간적인 요인에 이한 연중 활동 변화와 더불어 시간 외에 가장 전력 수요에 영향을 미치는 계절적인 온도 변화에 기인하고 있다.

이어서, n일에 대한 24시간의 부하를 해당일의 평균부하 값으로 정규화한다(S150). 즉, 과거 1년간의 전력 수요 곡선을 바탕으로 유사한 특성을 갖는 날들의 24시간 부하 곡선을 그굽화하여 각각에 대한 대표 부하 패턴을 구성하는 방법으로 전력 부하 예측의 정확성과 수요 관리 측면의 효율을 꾀하고자 24시간 전력수요 패턴은 해당일의 평균부하로 정규화를 실시한다.

이를 수학식 1로 나타내면 다음과 같다.

여기서, p[n][h] : n일의 h시간의 전력부하를 나타낸다.

이어서, 해당 요일(k)의 정규화된 모든 24시간 부하 패턴을 평균화하여 대표 패턴을 산출한다(S160). 즉, 24시간 전력수요 패턴은 해당일의 평균부하로 정규화하여 시간적, 계절적 요인에 의한 전체적 부하 곡선의 증감분을 제거하고 모여진 각 그룹별 24시간 전력수요 곡선들은 단순 평균하여 해당 그룹의 대표 24시간 부하 패턴을 추출한다.

이를 수학식 2로 나타내면 다음과 같다.

여기서, p[n][h] : n일의 h시간의 전력부하를 나타낸다.

본 발명에서 다루고 있는 전력수요 부하 패턴의 유형은 봄(3~5월), 여름(6~8월), 가을(9~11월), 겨울(12~2월)로 계절을 구분하고, 월요일, 평일(화-금), 토요일, 일요일로 요일을 구분하고 있다.

따라서 동일한 수용가 그룹(예를 들면, 초등학교 그룹)에 대해서 상기와 같은 4요일 × 4계절의 16개 패턴이 추출되게 된다.

그리고 상기 산출된 패턴을 저장한다(S170).

도 3은 본 발명에 의한 전력부하 패턴 추출방법을 적용한 화면이다.

도 3에 도시한 바와 같이, 전력수용가의 전력 사용형태는 동일 수용가 그룹의 경우, 시간에 따른 생활패턴, 산업활동 패턴에 따라 주기적인 모양을 갖는 것이 일반적이며, 생활, 산업활동 패턴이 유사하기 이어지는 요일간에는 거의 동일한 수요곡선을 나타나는 것을 볼 수 있다.

또한 이러한 패턴은 계절적인 요인에 의해서도 변화가 되는데, 이는 시간적인 요인에 의한 연중 활동 변화와 더불어 시간외에 가장 전력수요에 영향을 미치는 계절적인 온도 변화에 기인하고 있다,

따라서 전력 수요치를 단순한 수치값의 예측으로 모델링하는 것보다는 전력수요의 행태를 보다 분석적으로 반영한 방법을 부하예측에 도입하는 것이 전력수요 관리 측면에 있어서도 효과적일 것이다.

본 발명에서는 과거 1년간의 전력 수요 곡선을 바탕으로 유사한 특성을 갖는 날들의 24시간 부하곡선을 그룹화하여 각각에 대한 대표 부하 패턴을 구성하는 방법으로 전력 부하예측의 정확성과 수요 관리 측면의 효율성을 꾀하고자 하였다.

24시간 전력수요 패턴은 해당일의 평균부하로 정규화를 하여 시간적, 계절적 요인에 의한 전체적 부하 곡선의 증감분을 제거하도록 하였으며, 모여진 각 그룹별 24시간 전력수요 곡선들은 단순 평균하여 해당 그룹의 대표 24시간 부하패턴을 추출하도록 하였다.

한편, 이상에서 설명한 본 발명은 상술한 실시 예 및 첨부된 도면에 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 본 발명이 속하는 기술분야에서 종래의 지식을 가진 자에게 있어 명백할 것이다.

Claims (7)

1. 과거의 전력사용 이력 데이터로부터 동일한 유형의 요일에 대한 전력수요 패턴을 구성하는 단계;
   상기 전력수요 패턴을 근거로 일평균 전력수요 예측 모델을 구성하는 단계;
   상기 일평균 전력수요 예측 모델을 근거로 소비될 24시간 동안의 전력수요를 예측하는 단계를 포함하여 이루어진 것을 특징으로 하는 전력부하 예측 방법.
2. 제 1 항에 있어서,
   상기 전력수요는 과거의 유사한 날(가능한 최근의 날)의 전력수요와 가장 근접하므로 과거의 전력사용 이력 데이터를 통해 해당일에 대한 전력 수요 패턴을 구성하는 것을 특징으로 하는 전력부하 예측 방법.
3. 제 1 항에 있어서,
   상기 일평균 전력수요 예측모델은 동일 요일 전력수 요치를 이용한 모델, 인접 요일의 전력 수요치를 이용한 모델, 그리고 동일 요일과 인접 요일의 전력 수요치를 이용한 모델을 각각 사용하여 구성하는 것을 특징으로 하는 전력부하 예측 방법.
4. 제 1 항에 있어서, 상기 24시간 전력수요 예측은 상기 일평균 전력수요 예측 모델을 구성하는 단계와 같이 해당 예측일에 대한 시계열 예측모델을 만든 후, 과거 실적치를 해당 모델에 넣어 일평균 부하를 구하는 것을 특징으로 하는 전력부하 예측 방법.
5. 전력 수용가 종류를 선정하고, 과거 1년간 소비전력 측정기로 실시간 측정하여 전력 수요 데이터를 취득하는 단계;
   요일 및 계절을 구분하는 단계;
   n일에 대한 24시간의 부하를 해당일의 평균부하 값으로 정규화하는 단계;
   상기 해당 요일의 정규화된 모든 24시간 부하 패턴을 평균화하여 대표 패턴을 산출하는 단계;
   상기 산출된 패턴을 저장하는 단계를 포함하여 이루어진 것을 특징으로 하는 전력부하 패턴 추출방법.
6. 제 5 항에 있어서,
   상기 정규화는 과거 1년간의 전력 수요 곡석을 바탕으로 유사한 특성을 갖는 날들의 24시간 부하 곡선을 그굽화하여 각각에 대한 대표 부하 패턴을 구성하여 전력 부하 예측의 정확성과 수요 관리 측면의 효율을 꾀하고자 24시간 전력수요 패턴은 해당일의 평균부하로 정규화를 실시하는 것을 특징으로 하는 전력부하 패턴 추출방법.
7. 제 5 항에 있어서,
   상기 24시간 전력수요 패턴은 해당일의 평균부하로 정규화하여 시간적, 계절적 요인에 의한 전체적 부하 곡선의 증감분을 제거하고 모여진 각 그룹별 24시간 전력수요 곡선들은 단순 평균하여 해당 그룹의 대표 24시간 부하 패턴을 추출하는 것을 특징으로 하는 전력부하 패턴 추출방법.

Images