KR20130074043A - 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템 - Google Patents

오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템 Download PDF

Info

Publication number
KR20130074043A
KR20130074043A KR1020110141896A KR20110141896A KR20130074043A KR 20130074043 A KR20130074043 A KR 20130074043A KR 1020110141896 A KR1020110141896 A KR 1020110141896A KR 20110141896 A KR20110141896 A KR 20110141896A KR 20130074043 A KR20130074043 A KR 20130074043A
Authority
KR
South Korea
Prior art keywords
information
demand power
load
customer
demand
Prior art date
Application number
KR1020110141896A
Other languages
English (en)
Other versions
KR101588851B1 (ko
Inventor
김광호
Original Assignee
주식회사 케이티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020110141896A priority Critical patent/KR101588851B1/ko
Publication of KR20130074043A publication Critical patent/KR20130074043A/ko
Application granted granted Critical
Publication of KR101588851B1 publication Critical patent/KR101588851B1/ko

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Abstract

본 발명은 수용가 하부부하에서의 수요전력을 예측하는 방법에 관한 것으로, (a) 상기 수용가 하부부하에 대하여 실시간 또는 소정 주기에 따라 각 부하의 환경정보, 상황인지 정보, 전력 사용 정보 및 기상정보 중 적어도 하나를 수집하는 단계; (b) 상기 (a) 단계에서 수집된 정보를 토대로 산출된 하나 이상의 수요전력 예측계수 중 하나 이상을 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 단계; 및 (c) 상기 수용가 하부부하별 과거 전력 사용 정보 및 수요전력 예측 정보를 이용하는 소정의 오차 보정 알고리즘을 적용하여 상기 산출된 수요전력 예측량으로부터 최적 수요전력 예측량을 산출하는 단계를 포함한다.

Description

오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템 {A method of forecasting of power demand using error correction algorithm and system for it}
본 발명은 수용가 하부부하 단위의 수요전력을 예측하는 방법 및 시스템에 관한 것으로, 구체적으로는 하부부하 단위에서 오차 보정 알고리즘을 이용하여 수요전력 예측의 정확도를 높이는 수요전력 예측 방법 및 시스템에 관한 것이다.
산업이 고도로 발달함에 따라 에너지의 소비도 급속도로 증가하고 있다. 예컨대 조명에 사용되는 에너지는 전기에너지 소비량의 20%에 달하고 있으며 다양한 전기제품이 보급됨에 따라 전기에너지 소비량은 매년 증가하고 있다. 이러한 에너지 소비의 증가는 가계나 기업뿐 아니라 국가 경제에도 미치는 영향이 크다.
이에 따라 국가적인 차원에서 에너지 효율을 향상시키고 에너지 절약을 유도하는 노력을 기울이고 있는 실정이다. 또한, 수용가로 공급되는 전기 에너지의 효율적인 분배를 위해 수용가 수요전력을 미리 예측하여 수요전력 관리 또는 에너지 절감 계획등을 수행하고 있다.
그러나, 수요전력 예측 방법이 다양화 및 다원화되어도 건물 등이 갖는 구조적 특징, 건물 내외 상황정보, 부하별 에너지 소비특성 등에 따라 예측 시스템이나 예측 방법별로 예측된 수요전력과 실제 소비전력과는 오차가 발생하게 된다. 이와 같이, 수요전력 예측에 오차가 발생하면 공급자 측면에서는 효율적인 전력공급이 어렵고, 수용가 측면에서는 실시간 요금제와 같은 제도하에서 효율적인 전력사용이 어렵게 되는 문제가 발생한다. 예컨대, 수요전력 예측의 정확도가 떨어짐에 따라 전력요금이 비싼 시간대에 전력수요가 증가하고 전력요금이 저렴한 시간대에 전력수요가 감소되어 에너지 비용이 증가하는 문제가 발생할 수 있다.
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로, 건물 등의 부하별 수요전력 예측시 건물 등이 갖는 구조적 특징, 건물 내외 상황정보, 부하별 에너지 소비특성, 과거 부하별 소비전력 정보 등을 반영하는 오차 보정 알고리즘을 이용하여 수요전력 예측의 정확도를 증가시키는 방법을 제안한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 양태 일 실시예에 따른 수용가 하부부하에서의 수요전력을 예측하는 방법은, (a) 상기 수용가 하부부하에 대하여 실시간 또는 소정 주기에 따라 각 부하의 환경정보, 상황인지 정보, 전력 사용 정보 및 기상정보 중 적어도 하나를 수집하는 단계; (b) 상기 (a) 단계에서 수집된 정보를 토대로 산출된 하나 이상의 수요전력 예측계수 중 하나 이상을 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 단계; 및 (c) 상기 수용가 하부부하별 과거 전력 사용 정보 및 수요전력 예측 정보를 이용하는 소정의 오차 보정 알고리즘을 적용하여 상기 산출된 수요전력 예측량으로부터 최적 수요전력 예측량을 산출하는 단계를 포함한다.
본 발명의 실시예에 따른 상기 수요전력 예측 방법은, 실시간 또는 소정 주기에 따라 수집된 상기 수용가 하부부하별 환경정보, 상황인지 정보, 전력 사용정보 및 기상정보 중 적어도 하나를 저장하는 데이터베이스를 구축하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따른 상기 (b) 단계는, 상기 데이터베이스에 기초하여 수용가 하부부하의 수요전력 예측량에 영향을 주는 하나 이상의 예측변수에 따른 수요전력 예측계수를 산출하는 단계; 상기 데이터베이스에 기초하여 소정의 예측일에 대응하는 상기 수용가 하부부하별 기본 수요전력 예측량을 산출하는 단계; 및 상기 기본 수요전력 예측량 및 상기 하나 이상의 수요전력 예측계수를 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 단계를 포함할 수 있다.
이때, 상기 수요전력 예측계수를 산출하는 단계는, 상기 데이터베이스에 기초하여 상기 수용가 하부부하에 대하여 상기 예측변수별로 동일한 특성을 갖는 부하를 동일한 그룹으로 분류하여 다수의 부하 그룹을 생성하는 단계; 및 상기 예측변수별로 생성된 상기 다수의 부하 그룹별로 소정 기준에 따라 예측계수 값을 설정하는 단계를 포함할 수 있다.
한편, 본 발명의 실시예에 따른 상기 (c) 단계는, 상기 데이터베이스에 기초하여 상기 수용가 하부부하별 예측일 이전의 일정 기간동안의 과거 전력 사용 정보 및 과거 수요전력 예측 정보를 도출하는 단계; 상기 과거 전력 사용 정보 및 상기 과거 수요전력 예측 정보로부터 상기 수용가 하부부하별 오차 보정 계수를 산출하는 단계; 및 상기 산출된 오차 보정 계수를 이용하여 상기 (b)단계에서 산출된 상기 수요전력 예측량에 오차 보정 필터링을 수행하는 단계를 포함할 수 있다.
이때, 상기 과거 전력 사용 정보 및 상기 수요전력 예측 정보를 도출하는 단계는, 소정의 예측일에 예측되는 상기 수용가 하부부하별 온도정보를 기준온도로 설정하는 단계; 상기 데이터베이스에 기초하여 상기 수용가 하부부하별 과거 일정 기간내 상기 기준온도와 동일한 온도정보를 갖는 날짜 정보를 도출하는 단계; 및 상기 날짜 정보에 대응하는 상기 수용가 하부부하별 전력 사용량 및 수요전력 예측량을 도출하는 단계를 포함할 수 있다.
또한, 상기 오차 보정 계수를 산출하는 단계는, 상기 수용가 하부부하별 상기 과거 전력 사용 정보로부터 제1 수요전력 예측량을 산출하는 단계; 상기 수용가 하부부하별 상기 과거 수요전력 예측 정보로부터 제2 수요전력 예측량을 산출하는 단계; 및 상기 제1 수요전력 예측량 및 상기 제2 수요전력 예측량으로부터 상기 오차 보정 계수를 산출하는 단계를 포함할 수 있다.
한편, 본 발명의 실시예에 따른 수요전력 예측 방법은, 상기 수용가 하부부하별 산출된 상기 최적 수요전력 예측량을 상기 데이터베이스에 저장하는 단계를 더 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 양태 일 실시예에 따른 수용가 하부부하에서의 수요전력을 예측하는 시스템은, 상기 수용가 하부부하에 설치된 데이터 수집부로부터 실시간 또는 소정 주기에 따라 각 부하의 환경정보, 상황인지 정보, 전력 사용 정보 및 기상정보 중 적어도 하나를 수신하는 통신 모듈; 및 상기 통신 모듈에서 수신한 정보를 토대로 산출된 하나 이상의 수요전력 예측계수 중 하나 이상을 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 제어부를 포함하며, 상기 제어부는, 상기 수용가 부하별 과거 전력 사용 정보 및 수요전력 예측 정보를 이용하는 소정의 오차 보정 알고리즘을 적용하여 상기 산출된 수요전력 예측량으로부터 최적 수요전력 예측량을 산출할 수 있다.
또한, 본 발명의 실시예에 따른 시스템은, 실시간 또는 소정 주기에 따라 수집된 상기 수용가 하부부하별 환경정보, 상황인지 정보, 전력 사용정보 및 기상정보 중 적어도 하나를 저장하는 데이터베이스를 더 포함할 수 있다.
한편, 본 발명의 실시예에 따른 상기 제어부는, 상기 수용가 하부부하의 수요전력 예측량에 영향을 주는 하나 이상의 예측변수에 따른 수요전력 예측계수를 산출하는 부하 전력 분석 모듈; 및 소정의 예측일에 대응하는 상기 수용가 하부부하별 기본 수요전력 예측량을 산출하고, 상기 기본 수요전력 예측량 및 상기 하나 이상의 수요전력 예측계수를 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 수요 전력 예측 모듈을 포함할 수 있다.
바람직하게는, 상기 부하 전력 분석 모듈은, 상기 수용가 하부부하에 대하여 상기 데이터베이스에 기초하여 상기 예측변수별로 동일한 특성을 갖는 부하를 동일한 그룹으로 분류하여 다수의 부하 그룹을 생성하고, 상기 예측변수별로 생성된 상기 다수의 부하 그룹별로 소정 기준에 따라 예측계수 값을 설정할 수 있다.
한편, 본 발명의 실시예에 따른 상기 제어부는, 상기 데이터베이스에 기초하여 상기 수용가 하부부하별로 도출한 예측일 이전의 일정 기간동안의 과거 전력 사용 정보 및 과거 수요전력 예측 정보를 이용하여 상기 수용가 하부부하별 오차 보정 계수를 산출하고, 상기 산출된 오차 보정 계수를 이용하여 상기 수요전력 예측량에 오차 보정 필터링을 수행하는 오차 보정 모듈을 포함할 수 있다.
이때, 상기 오차 보정 모듈은, 소정의 예측일에 예측되는 상기 수용가 하부부하별 온도정보를 기준온도로 설정하여 상기 데이터베이스를 토대로 상기 수용가 하부부하별 과거 일정 기간내 상기 기준온도와 동일한 온도정보를 갖는 날짜 정보를 도출하고, 상기 날짜 정보에 대응하는 상기 수용가 하부부하별 전력 사용량 및 수요전력 예측량을 도출할 수 있다.
또한, 상기 오차 보정 모듈은, 상기 수용가 하부부하별 상기 과거 전력 사용 정보로부터 산출한 제1 수요전력 예측량과 상기 수용가 하부부하별 상기 과거 수요전력 예측 정보로부터 산출한 제2 수요전력 예측량으로부터 상기 오차 보정 계수를 산출할 수 있다.
상기 실시형태들은 본 발명의 바람직한 실시예들 중 일부에 불과하며, 본원 발명의 기술적 특징들이 반영된 다양한 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 발명의 상세한 설명을 기반으로 도출되고 이해될 수 있다.
본 발명에 따르면, 건물 등의 부하별 수요전력 예측시 건물 등이 갖는 구조적 특징, 건물 내외 상황정보, 부하별 에너지 소비특성, 과거 부하별 소비전력 정보 등을 반영하는 오차 보정 알고리즘을 이용하여 수요전력 예측의 정확도를 증가시킬 수 있다.
또한, 본 발명에 따르면 부하 단위의 수요전력 예측의 정확도를 높임으로써, 에너지 소비 최적화 및 에너지 공급 최적화 운전을 통한 에너지 효율화 및 에너지 요금 절감 효과를 제공할 수 있다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 본 발명의 일 실시예에 따른 수용가 수요전력을 예측하는 시스템의 일 예를 나타내는 것이다.
도 2는 본 발명의 일 실시예에 따른 수요가 하부부하별 수요전력을 예측하는 과정의 일 예를 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 수요전력 예측의 오차 발생을 보정하기 위한 알고리즘의 일 예를 나타내는 것이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 안다.
본 발명은 수용가 하부부하 단위의 수요전력을 예측하는 방법 및 시스템에 관한 것으로, 구체적으로는 하부부하 단위에서 오차 보정 알고리즘을 이용하여 수요전력 예측의 정확도를 높이는 수요전력 예측 방법 및 시스템에 관한 것이다.
도 1은 본 발명의 일 실시예에 따른 수용가 수요전력을 예측하는 시스템의 일 예를 나타내는 것이다.
도 1을 참조하면, 본 발명에 따른 수요전력 예측 시스템(100)은 수용가 하부부하 단위별 전력 사용 정보, 부하 내외 상황정보, 부하 내 설비의 운전과 관련된 정보 등을 수집하는 데이터 수집부(110) 및 데이터 수집부(110)에서 수집된 정보를 이용하여 수용가 하부부하별 수요전력을 예측하는 수요전력 예측 서버(120)를 포함한다.
데이터 수집부(110)는 수용가 하부부하 단위(예, 가구/건물/집합건물 등)별로 운영될 수 있으며, 각 부하에 관한 전력 사용 정보 및 상황정보 등을 수집한다.
데이터 수집부(110)는 부하별 전력 사용량 정보를 수집하는 스마트 미터(111), 부하 내 설치된 다양한 센서들(예를 들어, 온도센서, 열센서, 동작센서 등)을 통해 정보를 수집하기 위한 센서 감지부(112) 및 부하 내 설비의 운전과 관련된 정보를 수집하는 설비동작 감지부(113) 등을 포함할 수 있다.
스마트 미터(111)는 부하 내 설치된 스마트 태그 또는 전기장치 등으로부터 소정 주기에 따라 전력 사용 정보(예, 전력 사용량 등)를 수집하며, 디지털 전력량계, 하나 이상의 서브 미터기 등을 포함한다.
센서 감지부(112)는 부하 내 냉,난방 시스템, 환기시스템, 조명시스템 등이 제공할 수 있는 상황 데이터를 수집하는데, 예컨대, 열 센서, 온도/습도센서, 적외선 센서, 동작센서, 조광센서 등에서 감지되는 부하 내외 상황 데이터를 수집한다.
설비동작 감지부(113)는 부하 내 설치되어 전력 소모를 통해 동작하는 다수 설비의 가동상태, 평균적인 소비 에너지량, 계측 및 적산 데이터뿐만 아니라 검침 정보로 수집하여 설비별 소비 에너지 데이터 등을 수집한다.
다음으로, 수요전력 예측 서버(120)는 외부의 통신 장비와 통신을 수행하기 위한 통신 모듈(121), 수용가의 전력 소비 패턴을 분석하고 소정의 오차 보정 알고리즘을 이용하여 수요전력을 예측하는 제어부(122), 수용가 에너지 관리 및 수요전력 예측과 관련된 데이터를 저장하는 데이터부(123) 및 외부 시스템과 연동하기 위한 연동부(124)를 포함한다.
통신 모듈(121)은 데이터 수집부(110) 뿐만 아니라 스마트 박스, IT 기술이 지원되는 전기장치, 스마트 태그 등과 유무선 통신을 수행하기 위한 것으로, 유무선 인터넷 모듈(121a), 근거리 통신 모듈(121b) 및 전력선 통신 모듈(121c)을 포함할 수 있다.
유무선 인터넷 모듈(121a)은 유무선 인터넷 접속을 위한 모듈을 말하는 것으로, LAN, WLAN(Wireless LAN), Wi-Fi, Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등의 유무선 인터넷 기술이 이용될 수 있다.
근거리 통신 모듈(121b)은 근거리 통신을 위한 모듈을 말한다. 근거리 통신(short range communication) 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.
전력선 통신 모듈(121c)은 전기 콘센트, 즉 전력선만으로 초고속 인터넷과 전화 접속이 가능해 음성·문자데이터·영상 등을 전송할 수 있는 기술로 PLC( power line communication) 기술이 이용될 수 있다.
제어부(122)는 통상적으로 수요전력 예측 서버(120)의 전반적인 동작을 제어한다. 또한, 제어부(122)는 수요전력 예측대상이 되는 부하에 대응하는 기상정보를 수집하는 기상정보 수집 모듈(122a), 데이터 수집부(110)로부터 전송되는 데이터에 기초하여 부하별 전력 사용 정보를 분석하는 부하 전력 분석 모듈(122b), 부하별 수요전력을 예측하는 수요전력 예측 모듈(122c) 및 소정의 오차 보정 알고리즘을 이용하여 수요전력 예측시 오차 보정을 수행하는 수요전력 오차보정 모듈(122d)을 포함한다.
기상정보 수집 모듈(122a)은 연동부(124)를 통해 외부의 기상정보 수집 시스템과 연동하여 부하별 기상정보를 수집하고, 수집된 기상정보를 데이터부(123)에 저장하여 관리한다.
부하 전력 분석 모듈(122b)은 데이터 수집부(110)로부터 전송되는 부하별 전력 사용 정보(예, 전력 사용량 및 전력 요금 정보 등)를 토대로 시간/요일/월/연별 전력 사용량을 분석하고, 분석된 정보를 데이터부(123)에 저장하여 관리한다.
또한, 부하 전력 분석 모듈(122b)은 데이터 수집부(110)로부터 전송되는 각 부하의 상황정보(예, 부하가 설치된 지역적 특성, 건물 단열재, 부하 용도, 부하 내 에너지 관리 시스템에서 설정한 냉/난방 시기 등)를 부하별로 분석하여 수요전력 예측시 고려할 수 있는 다수의 수요전력 예측 계수로 관리할 수 있다. 분석결과에 따른 수요전력 예측 계수는 데이터부(123)에 저장될 수 있다.
수요전력 예측 모듈(122c)은 예측일 직전의 일정 기간 동안의 부하별 전력 사용량 및 수요전력 예측량을 이용하여 예측일의 수요전력을 산출하는 방법, 예측일 직전의 일정 기간동안 중 최대 및 최소를 제외한 나머지 기간 동안의 부하별 젼력 사용량 및 수요전력 예측량을 이용하여 예측일의 수요전력을 산출하는 방법, 시계열분석방법 등을 이용하여 부하별 수요전력을 예측할 수 있다. 시계열분석방법으로는 이동평균법(Moving Average Method), 지수평활법(Exponential Smoothing Method), 자기회귀이동평균(ARMA: Autoregressive Moving Average Method) 모형을 포함할 수 있다.
수요전력 예측 모듈(122c)은 상술한 다양한 방법들 가운데 어느 하나를 이용할 수 있으며, 예컨대, 부하 전력 분석 모듈(122b)에서 산출한 예측일 직전의 일정 기간동안의 부하별 전력 사용량, 수요전력 예측량 및 다수의 수요전력 예측 계수를 이용하여 예측일의 수요전력을 예측할 수 있다. 이에 대해서는 도 2를 참조하여 간략하게 후술하도록 한다. 예측 결과는 데이터부(123)에 저장되어 다음 예측에 활용될 수 있다.
수요전력 오차보정 모듈(122d)은 수요전력 예측 모듈(122c)에서 예측한 수요전력 정보에 기 설정된 소정의 오차 보정 알고리즘을 적용하여 최적의 수요전력 예측모형을 생성한다. 예컨대 부하별로 단기 전력소비량을 소정 주기(15분 단위)로 예측하고, 예측된 모형들을 과거 데이터와 비교하여 오차 보정 계수를 생성하여 예측일의 수요전력량을 보정할 수 있다. 이에 대해서는 도 3을 참조하여 간랴가게 후술하도록 한다.
다음으로, 데이터부(123)는 수용가 에너지 관리 및 수요전력 예측과 관련된 데이터를 저장한다. 이와 관련하여, 데이터부(123)는 기상 정보 등을 저장하는 기상정보 DB(123a), 각 부하에 대한 정보(구조적 정보 및 상황정보)를 저장하는 부하 정보 DB(123b), 각 부하별로 분석된 실제 전력 사용 정보를 저장하는 부하 전력 정보 DB(123c), 각 부하별로 예측된 수요전력 정보를 저장하는 전력 예측 정보 DB(123d), 수요전력 예측에 사용되는 다수의 예측계수를 저장하는 예측 계수 DB(123e) 및 각종 유틸리티로부터 전송되는 실시간 전력요금(RTP) 데이터 등을 저장하는 요금 정보 DB(123f)를 포함한다.
부하 정보 DB(123b)는 시스템 관리자 등으로부터 기 등록된 다수의 부하에 대한 각 부하별 지역적 특성, 건물 단열재, 부하 용도 등의 부하 정보 및 데이터 수집부(110)의 센서 감지부(112)로부터 전송되는 부하 상황정보 등을 저장한다.
이에 따라, 부하 전력 분석 모듈(122b)은 부하 정보 DB(123b)에 저장된 정보로부터 수요전력 예측에 이용되는 다수의 변수들에 대하여 예측계수를 설정하고, 다수의 예측계수 정보를 예측 계수 DB(123e)에 저장할 수 있다.
부하 전력 정보 DB(123c)는 부하 전력 분석 모듈(122b)에서 각 부하별로 분석한 소정 주기에 따른 전력 사용량 및 전력 사용 시간을 포함하는 전력 사용 정보를 저장하고, 전력 예측 정보 DB(123d)는 수요전력 예측 모듈(122c)에서 소정 주기에 따라 부하별로 예측한 수요전력 정보를 저장한다.
도 2는 본 발명의 일 실시예에 따른 수요가 하부부하별 수요전력을 예측하는 과정의 일 예를 나타내는 도면이다.
도 2를 참조하면, 본 발명의 실시예에 따른 시스템은 수용가 하부부하에 설치되는 데이터 수집부로부터 소정 주기에 따라 부하별 환경정보 및 상황정보를 수집하고(S201), 부하별 전력 사용 정보(전력 사용량 및 전력 사용 시간 등)를 수집하고(S202), 각 부하에 대응하는 기상정보를 수집하여(S203), 부하별 소정 단위의 시간/요일/월/연별로 분류하여 데이터베이스를 구축한다(S204).
그리고, 데이터베이스에 기초하여 각 부하별 수요전력 예측시 고려할 수 있는 변수들에 대한 예측계수를 산출한다(S205). 예측계수를 산출하는 방법으로는 다양한 방법이 이용될 수 있으며, 예컨대, 수요전력 예측에 고려하는 하나 이상의 변수들에 대하여 다수의 부하를 해당 변수에서 동일한 특징을 갖는 부하별로 그룹핑하고, 각 부하 그룹별로 서로 다른 계수값을 설정하는 방법을 이용할 수 있다.
표 1은 본 발명에 따른 수요전력 예측에 이용될 수 있는 예측 계수를 포함하는 예측계수 테이블의 일 예를 나타낸다.
수요전력 예측계수 예측 계수가 나타내는 정보
부하 용도계수 부하 용도(주거용, 상업용, 사무용, 각종 설비 종류 등)에 따라 동일한 용도로 분류되는 하나 이상의 부하를 하나의 그룹으로 분류하고, 각 그룹별 용도계수를 다르게 설정함.
부하 환경계수 부하 내외 설치된 센서 감지부를 통해 감지되는 부하 환경정보(온도,습도, 일조량 등)를 이용하여 동일한 환경조건에 해당하는하나 이상의 부하를 하나의 그룹으로 분류하고, 각 그룹별 환경 계수를 다르게 설정함.
부하 요일계수 요일별 부하 전력 사용량 변화를 분석하여 각 요일별로 서로 다른 계수를 설정함.
부하 사용계수 부하별 동작과 관련하여 휴일 유무를 분석하고, 휴일 유무에 따른 부하별 사용계수를 다르게 설정함.
부하 단열계수 부하가 건물에 해당하는 경우, 건측물 단열재 종류에 따라 구분되는 단열효과를 고려하여 부하 단열계수를 다르게 설정함.
부하 냉난방계수 부하별 냉난방 시기를 분류하여 동일한 냉난방 시기에 해당하는 부하 그룹으로 분류하고, 그룹별 냉난방계수를 다르게 설정함.
설비 보정계수 부하 내 설치된 설비 또는 독립된 설비에 대해서 설비 변동에 따라 다수의 레벨로 이루어진 설비 보정계수를 설정함.
상기 표 1은 본 발명의 실시예에 따른 부하별 수요전력 예측시 각 부하별 전력 사용량 정보 외 고려할 수 있는 전력사용과 관련된 변수들을 예측계수로 나타낸 것으로, 이에 한정되는 것은 아니며 변수를 다양화할 수 있다. 이와 같이 산출된 예측계수는 상기 전 단계(S204)에서 구축한 데이터베이스에 저장하여 관리한다.
이후, 데이터베이스에 기초하여 부하별 예측일 이전의 과거 전력 사용 정보로부터 평균 전력 사용량을 도출하여 이를 기본 수요전력 예측량으로 산정한다(S206). 예컨대, 예측일 직전의 일정기간 또는 예측일이 속한 해의 전년도의 일정기간 등 사용자 지정의 과거 일정기간 동안의 부하별 전력 사용량으로부터 평균값을 산출하고, 산출된 평균 전력 사용량을 예측일의 기본 전력량으로 산정할 수 있다.
그리고, 상기 표 1과 같은 예측계수 테이블로부터 부하별 수요전력 예측시 고려할 수 있는 하나 이상의 예측변수들을 도출하고, 전 단계(S206)에서 산정한 기본 전력량에 도출된 하나 이상의 예측변수를 반영하여 소정 예측일에서의 부하별 수요전력 예측량을 산정한다(S207).
다음으로, 소정의 오차 보정 알고리즘을 이용하여 전 단계(S207)에서 산정된 수요전력 예측량의 예측 오차값을 감소시키기 위한 오차 보정을 수행하여 최적의 수요전력 예측량을 산출한다(S208).
수요전력 예측시 실제 전력 사용량과의 오차 발생범위를 감소시키기 위한 오차 보정 알고리즘에 대하여 도 3을 참조하여 설명한다.
도 3은 본 발명의 일 실시예에 따른 수요전력 예측의 오차 발생을 보정하기 위한 알고리즘의 일 예를 나타내는 것으로, 구체적으로, 부하 내 온도를 기준으로 과거 전력 사용 관련 정보를 도출하여 오차 보정을 수행하는 방법을 일 예로 들어 설명한다.
도 3을 참조하면, 본 발명에 따른 시스템은 예측일을 기준으로 상기 도 2에서 상술한 과정에 따른 부하별 수요전력 예측량을 산정한다(S301). 이 단계는 상기 도 2에서 단계 S207에 대응된다.
그리고, 수요전력 예측시 발생하는 실제 전력 사용량과의 오차 보정을 위해 예측일을 기준으로 일정 기간 동안의 부하 내 온도변화를 분석하여 기준온도를 결정한다(S302).
기준온도가 결정되면, 데이터베이스에 저장된 부하별 과거 데이터에 기초하여 해당 부하에서 기준온도와 동일한 온도를 갖는 과거 날짜/시간대의 수요전력 예측량 및 실제 전력 사용량을 도출한다(S303, S304).
다음으로, 부하별 과거 수요전력 예측량으로부터 예측일의 제1 수요전력 예측량을 산출하고(S305), 부하별 과거 전력 사용량으로부터 예측일의 제2 수요전력 예측량을 산출한다(S306).
산출된 제1 수요전력 예측량과 제2 수요전력 예측량의 차를 통해 오차율을 산출하고, 오차 보정 계수를 산출한다(S307). 이때, 예측일을 기준으로 과거 데이터를 소정의 시간 단위(예, 일/주/월 등)로 구분하여 단위별 오차 보정 계수를 생성할 수 있다.
이에 따라, 수요전력 예측 시스템은 다양한 예측계수를 이용하여 산출된 예측일의 수요전력 예측량(A)에 오차 보정 계수(Bn)를 반영하는 오차 보정 필터링을 수행하여 최적의 수요전력 예측량을 산출한다(S308). 수요전력 예측시 발생하는 오차 보정을 위해 수학식 1과 같은 방식을 이용할 수 있다.
Figure pat00001
상기 수학식 1에서 A는 상기 도 2의 과정을 통해 산출한 예측일의 수요전력 예측량을 나타내고, Bn은 과거 데이터로부터 소정 기간 단위로 산출한 오차 보정 계수를 나타내고, n은 예측일을 기준으로 과거 데이터를 소정 기간 단위로 구분하는 경우 산정되는 기간 개수를 나타낸다. 예컨대, 한달 기간동안 오차 보정 계수 산출 단위로 일주일을 설정하는 경우 n은 4가 되고, 제1 오차 보정 계수(Bn -1)는 1주일 전 전력 예측량과 전력 사용량간의 오차율을 나타내고, 제2 오차 보정 계수(Bn -2)는 2주일 전 전력 예측량과 전력 사용량간의 오차율을 나타낼 수 있다.
산출된 예측일의 부하별 최적 수요전력 예측량은 데이터베이스에 저장하여 다음 수요전력 예측에 활용할 수 있다.
상술한 오차 보정 알고리즘 및 상기 수학식 1과 같은 오차 보정 연산식은 과거 데이터를 이용하여 수요전력 예측의 정확도를 높이기 위한 일 예를 든 것으로, 이에 한정되는 것은 아니다.
이와 같이, 본 발명에 따른 수요전력 예측 시스템은 과거 데이터를 이용하여 오차 보정 필터링을 통해 예측 정확도를 향상시킨 수용가 부하별 수요전력 예측 정보를 에너지 공급원에 제공하여 에너지 분배의 효율성을 높이도록 하거나 수용가로 전송하여 에너지 사용의 효율성을 높이도록 한다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (15)

  1. 수용가 하부부하에서의 수요전력을 예측하는 방법에 있어서,
    (a) 상기 수용가 하부부하에 대하여 실시간 또는 소정 주기에 따라 각 부하의 환경정보, 상황인지 정보, 전력 사용 정보 및 기상정보 중 적어도 하나를 수집하는 단계;
    (b) 상기 (a) 단계에서 수집된 정보를 토대로 산출된 하나 이상의 수요전력 예측계수 중 하나 이상을 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 단계; 및
    (c) 상기 수용가 하부부하별 과거 전력 사용 정보 및 수요전력 예측 정보를 이용하는 소정의 오차 보정 알고리즘을 적용하여 상기 산출된 수요전력 예측량으로부터 최적 수요전력 예측량을 산출하는 단계를 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  2. 제1항에 있어서,
    상기 (a) 단계는,
    실시간 또는 소정 주기에 따라 수집된 상기 수용가 하부부하별 환경정보, 상황인지 정보, 전력 사용정보 및 기상정보 중 적어도 하나를 저장하는 데이터베이스를 구축하는 단계를 더 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  3. 제2항에 있어서,
    상기 (b) 단계는,
    상기 데이터베이스에 기초하여 수용가 하부부하의 수요전력 예측량에 영향을 주는 하나 이상의 예측변수에 따른 수요전력 예측계수를 산출하는 단계;
    상기 데이터베이스에 기초하여 소정의 예측일에 대응하는 상기 수용가 하부부하별 기본 수요전력 예측량을 산출하는 단계; 및
    상기 기본 수요전력 예측량 및 상기 하나 이상의 수요전력 예측계수를 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 단계를 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  4. 제3항에 있어서,
    상기 수요전력 예측계수를 산출하는 단계는,
    상기 데이터베이스에 기초하여 상기 수용가 하부부하에 대하여 상기 예측변수별로 동일한 특성을 갖는 부하를 동일한 그룹으로 분류하여 다수의 부하 그룹을 생성하는 단계; 및
    상기 예측변수별로 생성된 상기 다수의 부하 그룹별로 소정 기준에 따라 예측계수 값을 설정하는 단계를 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  5. 제2항에 있어서,
    상기 (c) 단계는,
    상기 데이터베이스에 기초하여 상기 수용가 하부부하별 예측일 이전의 일정 기간동안의 과거 전력 사용 정보 및 과거 수요전력 예측 정보를 도출하는 단계;
    상기 과거 전력 사용 정보 및 상기 과거 수요전력 예측 정보로부터 상기 수용가 하부부하별 오차 보정 계수를 산출하는 단계; 및
    상기 산출된 오차 보정 계수를 이용하여 상기 (b)단계에서 산출된 상기 수요전력 예측량에 오차 보정 필터링을 수행하는 단계를 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  6. 제5항에 있어서,
    상기 과거 전력 사용 정보 및 상기 수요전력 예측 정보를 도출하는 단계는,
    소정의 예측일에 예측되는 상기 수용가 하부부하별 온도정보를 기준온도로 설정하는 단계;
    상기 데이터베이스에 기초하여 상기 수용가 하부부하별 과거 일정 기간내 상기 기준온도와 동일한 온도정보를 갖는 날짜 정보를 도출하는 단계; 및
    상기 날짜 정보에 대응하는 상기 수용가 하부부하별 전력 사용량 및 수요전력 예측량을 도출하는 단계를 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  7. 제5항에 있어서,
    상기 오차 보정 계수를 산출하는 단계는,
    상기 수용가 하부부하별 상기 과거 전력 사용 정보로부터 제1 수요전력 예측량을 산출하는 단계;
    상기 수용가 하부부하별 상기 과거 수요전력 예측 정보로부터 제2 수요전력 예측량을 산출하는 단계; 및
    상기 제1 수요전력 예측량 및 상기 제2 수요전력 예측량으로부터 상기 오차 보정 계수를 산출하는 단계를 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  8. 제2항에 있어서,
    상기 수용가 하부부하별 산출된 상기 최적 수요전력 예측량을 상기 데이터베이스에 저장하는 단계를 더 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 방법.
  9. 수용가 하부부하에서의 수요전력을 예측하는 시스템에 있어서,
    상기 수용가 하부부하에 설치된 데이터 수집부로부터 실시간 또는 소정 주기에 따라 각 부하의 환경정보, 상황인지 정보, 전력 사용 정보 및 기상정보 중 적어도 하나를 수신하는 통신 모듈; 및
    상기 통신 모듈에서 수신한 정보를 토대로 산출된 하나 이상의 수요전력 예측계수 중 하나 이상을 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 제어부를 포함하며,
    상기 제어부는,
    상기 수용가 부하별 과거 전력 사용 정보 및 수요전력 예측 정보를 이용하는 소정의 오차 보정 알고리즘을 적용하여 상기 산출된 수요전력 예측량으로부터 최적 수요전력 예측량을 산출하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
  10. 제9항에 있어서,
    실시간 또는 소정 주기에 따라 수집된 상기 수용가 하부부하별 환경정보, 상황인지 정보, 전력 사용정보 및 기상정보 중 적어도 하나를 저장하는 데이터베이스를 더 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
  11. 제10항에 있어서,
    상기 제어부는,
    상기 수용가 하부부하의 수요전력 예측량에 영향을 주는 하나 이상의 예측변수에 따른 수요전력 예측계수를 산출하는 부하 전력 분석 모듈; 및
    소정의 예측일에 대응하는 상기 수용가 하부부하별 기본 수요전력 예측량을 산출하고, 상기 기본 수요전력 예측량 및 상기 하나 이상의 수요전력 예측계수를 이용하여 상기 수용가 하부부하별 수요전력 예측량을 산출하는 수요 전력 예측 모듈을 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
  12. 제11항에 있어서,
    상기 부하 전력 분석 모듈은,
    상기 수용가 하부부하에 대하여 상기 데이터베이스에 기초하여 상기 예측변수별로 동일한 특성을 갖는 부하를 동일한 그룹으로 분류하여 다수의 부하 그룹을 생성하고, 상기 예측변수별로 생성된 상기 다수의 부하 그룹별로 소정 기준에 따라 예측계수 값을 설정하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
  13. 제10항에 있어서,
    상기 제어부는,
    상기 데이터베이스에 기초하여 상기 수용가 하부부하별로 도출한 예측일 이전의 일정 기간동안의 과거 전력 사용 정보 및 과거 수요전력 예측 정보를 이용하여 상기 수용가 하부부하별 오차 보정 계수를 산출하고, 상기 산출된 오차 보정 계수를 이용하여 상기 수요전력 예측량에 오차 보정 필터링을 수행하는 오차 보정 모듈을 포함하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
  14. 제13항에 있어서,
    상기 오차 보정 모듈은,
    소정의 예측일에 예측되는 상기 수용가 하부부하별 온도정보를 기준온도로 설정하여 상기 데이터베이스를 토대로 상기 수용가 하부부하별 과거 일정 기간내 상기 기준온도와 동일한 온도정보를 갖는 날짜 정보를 도출하고, 상기 날짜 정보에 대응하는 상기 수용가 하부부하별 전력 사용량 및 수요전력 예측량을 도출하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
  15. 제13항에 있어서,
    상기 오차 보정 모듈은,
    상기 수용가 하부부하별 상기 과거 전력 사용 정보로부터 산출한 제1 수요전력 예측량과 상기 수용가 하부부하별 상기 과거 수요전력 예측 정보로부터 산출한 제2 수요전력 예측량으로부터 상기 오차 보정 계수를 산출하는, 오차 보정 알고리즘 기반의 수용가 수요전력 예측 시스템.
KR1020110141896A 2011-12-26 2011-12-26 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템 KR101588851B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110141896A KR101588851B1 (ko) 2011-12-26 2011-12-26 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110141896A KR101588851B1 (ko) 2011-12-26 2011-12-26 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20130074043A true KR20130074043A (ko) 2013-07-04
KR101588851B1 KR101588851B1 (ko) 2016-01-28

Family

ID=48988231

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110141896A KR101588851B1 (ko) 2011-12-26 2011-12-26 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101588851B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160081222A (ko) * 2014-12-31 2016-07-08 주식회사 포스코아이씨티 가상환경을 이용한 에너지 관리 시스템의 예측 알고리즘 검증 시스템 및 방법
KR20190005456A (ko) * 2017-07-06 2019-01-16 두산중공업 주식회사 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법
US10197984B2 (en) 2015-10-12 2019-02-05 International Business Machines Corporation Automated energy load forecaster
CN112424715A (zh) * 2018-08-23 2021-02-26 三菱动力株式会社 预测装置、预测方法及程序
KR20210047507A (ko) * 2019-10-22 2021-04-30 한국전력공사 건물 에너지 통합 관리 장치 및 그 방법
KR102266494B1 (ko) * 2020-12-17 2021-06-17 가천대학교 산학협력단 수요반응을 위한 딥러닝 기반 고객 분류 장치 및 방법
KR102296021B1 (ko) * 2020-11-27 2021-09-29 가천대학교 산학협력단 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법
CN113705999A (zh) * 2021-08-19 2021-11-26 国网河南省电力公司周口供电公司 一种电力大数据自动推理平台及电力分配系统
KR20220096568A (ko) * 2020-12-31 2022-07-07 현대일렉트릭앤에너지시스템(주) 전력 사용량 예측 장치 및 방법
CN116861201A (zh) * 2023-09-05 2023-10-10 深圳航天科创泛在电气有限公司 基于人工智能的电力供给系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101985532B1 (ko) * 2015-07-08 2019-06-03 주식회사 케이티 신뢰성 dr 발령의 예측 방법, 서버 및 컴퓨터 프로그램

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090000130A (ko) * 2007-01-09 2009-01-07 박기주 멤버쉽 함수를 이용한 예측 전력량 획득 방법 및 장치
KR20090032486A (ko) * 2007-09-28 2009-04-01 한국전력공사 패턴분석을 이용한 전력 수요정보분석 시스템 및 그 방법
KR20100034777A (ko) * 2008-09-25 2010-04-02 한국전력공사 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090000130A (ko) * 2007-01-09 2009-01-07 박기주 멤버쉽 함수를 이용한 예측 전력량 획득 방법 및 장치
KR20090032486A (ko) * 2007-09-28 2009-04-01 한국전력공사 패턴분석을 이용한 전력 수요정보분석 시스템 및 그 방법
KR20100034777A (ko) * 2008-09-25 2010-04-02 한국전력공사 고객기준부하 산출을 위한 부하 예측 비교 분석 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
최기선 외 4명, "AR모델과 MLP를 이용한 단기 물 수요 예측 알고리즘 개발", 한국지능시스템학회 논문지 Vol. 18, No. 5, 2009.* *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160081222A (ko) * 2014-12-31 2016-07-08 주식회사 포스코아이씨티 가상환경을 이용한 에너지 관리 시스템의 예측 알고리즘 검증 시스템 및 방법
US10197984B2 (en) 2015-10-12 2019-02-05 International Business Machines Corporation Automated energy load forecaster
KR20190005456A (ko) * 2017-07-06 2019-01-16 두산중공업 주식회사 수요전력 예측 방법 및 장치, 이를 기반으로 한 ess 충/방전 제어 장치 및 방법
CN112424715A (zh) * 2018-08-23 2021-02-26 三菱动力株式会社 预测装置、预测方法及程序
KR20210047507A (ko) * 2019-10-22 2021-04-30 한국전력공사 건물 에너지 통합 관리 장치 및 그 방법
WO2021080169A3 (ko) * 2019-10-22 2021-06-17 한국전력공사 건물 에너지 통합 관리 장치 및 그 방법
KR102296021B1 (ko) * 2020-11-27 2021-09-29 가천대학교 산학협력단 부하 특성 분류에 기반한 수요반응 잠재량 추정 장치 및 방법
KR102266494B1 (ko) * 2020-12-17 2021-06-17 가천대학교 산학협력단 수요반응을 위한 딥러닝 기반 고객 분류 장치 및 방법
KR20220096568A (ko) * 2020-12-31 2022-07-07 현대일렉트릭앤에너지시스템(주) 전력 사용량 예측 장치 및 방법
CN113705999A (zh) * 2021-08-19 2021-11-26 国网河南省电力公司周口供电公司 一种电力大数据自动推理平台及电力分配系统
CN116861201A (zh) * 2023-09-05 2023-10-10 深圳航天科创泛在电气有限公司 基于人工智能的电力供给系统
CN116861201B (zh) * 2023-09-05 2024-01-23 深圳航天科创泛在电气有限公司 基于人工智能的电力供给系统

Also Published As

Publication number Publication date
KR101588851B1 (ko) 2016-01-28

Similar Documents

Publication Publication Date Title
US11860661B2 (en) Method and apparatus to assess and control energy efficiency of pump installed in facility of building systems
KR20130074043A (ko) 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
US11334036B2 (en) Power grid aware machine learning device
Macarulla et al. Implementation of predictive control in a commercial building energy management system using neural networks
US10443577B2 (en) Systems and methods for improved wind power generation
US10223167B2 (en) Discrete resource management
Oprea et al. Flattening the electricity consumption peak and reducing the electricity payment for residential consumers in the context of smart grid by means of shifting optimization algorithm
Ma et al. Energy consumption prediction of air-conditioning systems in buildings by selecting similar days based on combined weights
EP3002848A1 (en) Demand-side grid-level load balancing aggregation system
KR101762061B1 (ko) 클라우드 기반 에너지 사용량 예측 시스템 및 방법
JP6543145B2 (ja) ピーク電力予測装置、電力管理システム及びピーク電力予測方法
CN109461091B (zh) 考虑光伏和冷负荷相关性的用电负荷计算方法及信息系统
CN106022536B (zh) 季节性用电预测方法和系统
CN105959975B (zh) 一种大规模基站节能工程节能量自动评估方法
Sevlian et al. Value of aggregation in smart grids
KR20150026230A (ko) Bim 데이터를 이용한 셀프 러닝 건물 에너지 관리 시스템
US20120032814A1 (en) System and method for monitoring electrical demand performance
KR20210143645A (ko) 딥러닝 기반 빌딩 에너지 관리방법 및 장치
KR101581684B1 (ko) 에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법
JP2015082880A (ja) 電力需要予測方法
Huang et al. The Study on a Practical Method for Distributed Photovoltaic Capacity Forecasting
Mueller Characterization and Use of Flexible Electric Energy Units
Agarwal et al. Demand Response of HVAC Systems Using Data-Driven Approaches and Modelling Procedure
CN117824074A (zh) 一种建筑暖通空调节能优化方法及系统

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 5