KR20140087411A - Method of forecasting short term electrical load and apparatuse for using the same - Google Patents
Method of forecasting short term electrical load and apparatuse for using the same Download PDFInfo
- Publication number
- KR20140087411A KR20140087411A KR1020120157648A KR20120157648A KR20140087411A KR 20140087411 A KR20140087411 A KR 20140087411A KR 1020120157648 A KR1020120157648 A KR 1020120157648A KR 20120157648 A KR20120157648 A KR 20120157648A KR 20140087411 A KR20140087411 A KR 20140087411A
- Authority
- KR
- South Korea
- Prior art keywords
- time unit
- power data
- unit power
- data group
- predicted
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000001932 seasonal effect Effects 0.000 claims description 37
- 239000012808 vapor phase Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 12
- 239000012071 phase Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 239000000470 constituent Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
-
- 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
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 전력 부하를 예측하는 방법에 관한 것으로서, 보다 상세하게는 기상정보를 이용한 전력 부하 예측 방법 및 장치에 관한 것이다.The present invention relates to a method for predicting a power load, and more particularly, to a method and apparatus for predicting a power load using weather information.
산업의 발달과 인류의 생활이 윤택해 지면서 에너지 자원의 소모도 증가하게 되었다. 에너지 자원 소모의 증가 때문에 전 세계적으로 자원의 고갈 및 에너지 부족에 대한 문제가 대두되고 있다. 국내에서도 미래의 에너지 고갈을 대비하여 정부에서 저탄소 녹색 성장 정책을 추진하고 있다. 저탄소 녹색 성장은 기존의 화석 연료 소모를 최소화하고 에너지의 효율적 사용을 통해 에너지 사용량의 절감 및 신재생 에너지 개발,온실 가스 및 폐기물 배출을 억제하는 것을 주요 내용으로 하고 있다.As the development of industries and the life of mankind became more and more wasted, the consumption of energy resources has also increased. Due to the increased consumption of energy resources, there is a worldwide problem of resource depletion and energy shortage. In Korea, the government is promoting low carbon green growth policy in preparation for future energy depletion. Low-carbon green growth is focused on minimizing the consumption of existing fossil fuels, reducing energy consumption through efficient use of energy, and restraining the development of new and renewable energy, greenhouse gas and waste.
현재 국내에서는 2011년 9월 15일 정전사태 이후 예비전력이 최저치를 기록하면서 비상조치의 첫 단계인 관심단계를 발령했다. 이처럼 현재 국내 전력 수급 문제가 심각한 상황이며 전기 요금 인상 문제도 대두되고 있는 실정이다.이러한 상황을 배경으로 에너지의 효율적인 사용을 위해 전력 공급자와 소비자가 양방향으로 실시간 전력 정보를 교환하는 전력망 기반 네트워크 기술인 스마트그리드의 연구가 활발히 진행되고 있다. 또한 국내 전체 에너지 사용 비중에서 약 40%를 차지하는 주거 공간과 상업용,공공 건물을 위한 건물 에너지 관리 기술도 연구가 진행 중이며 에너지 소비 패턴 예측 및 분석을 통한 건물 에너지의 효율성을 높이기 위한 기반 기술이 요구되고 있다.At present, reserve power is at its lowest level since the outage of power on September 15, 2011, and the first phase of emergency measures was announced. As a result, there is a serious problem in the domestic power supply and demand situation, and the problem of electricity tariff increase is also emerging. As a result of this situation, Research of grid is actively proceeding. Building energy management technologies for residential spaces, commercial buildings and public buildings, which account for about 40% of the total energy use in Korea, are underway and infrastructure technologies for energy efficiency prediction through analysis and prediction of energy consumption patterns are required have.
그리고 전력 거래소에서는 전력 사용 절감을 위해 계약전력 500kW 이상의 일반,교육, 산업체를 대상으로 최대 수요 전력 관리 장치의 설치비의 일부를 지원하는 제도를 실행하고 있다. 최대 수요 전력 관리 장치 사용 시 사전에 설정된 목표 전력 값을 넘지 않도록 자동으로 관리되어 에너지 절감효과와 수용가 입장에서는 경제적인 효과도 얻을 수 있다.In order to reduce power usage, the KPX is implementing a system that supports a part of the installation cost of the maximum demand power management device for general, education, and industry with a contract power of 500 kW or more. When the maximum demand power management device is used, it is automatically managed so that it does not exceed the target power value that is set in advance, so that it is possible to obtain an economical effect in terms of the energy saving effect and the consumer.
현재 최대 수요 전력 관리 장치에서는 목표 전력을 기준으로 현재 사용 전력을 모니터링하여 정해진 수요시한의 종료시점에서 얼마만큼의 전력을 사용할 것인지를 예측하는 방식을 사용하고 있다.즉 현재 부하에 따라 수요 전력을 예측하는 방식인데 이러한 예측 방식은 간단하다는 장점이 있지만 부하의 변동이 심한 곳에서는 예측의 정확도가 떨어진다는 단점이 있다.Currently, the maximum demand power management apparatus monitors the current power based on the target power and predicts how much power to use at the end of the predetermined demand time limit. This method has a merit that it is simple, but there is a disadvantage in that the accuracy of prediction is lowered in a place where load fluctuation is severe.
본 발명의 제1 목적은 전력 부하 예측 방법을 제공하는 것이다.A first object of the present invention is to provide a method of predicting a power load.
본 발명의 제2 목적은 전력 부하 예측 방법을 수행하는 장치를 제공하는 것이다.A second object of the present invention is to provide an apparatus for performing a power load prediction method.
상술한 본 발명의 제1 목적을 달성하기 위한 본 발명의 일 측면에 따른 전력 부하 예측 방법은 예측 기상 정보를 입력받는 단계, 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계와 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계를 포함할 수 있다. 상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함할 수 있다. 상기 시간 단위 전력 데이터 그룹은 계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹, 월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹, 일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹 및 시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함할 수 있다. 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계는 상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하는 단계일 수 있다. 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하는 단계와 상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하는 단계를 포함할 수 있다. 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계와 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하는 단계를 포함할 수 있다. 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계와 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하는 단계를 포함할 수 있다. 상기 전력 부하 예측 방법은 시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정된 시간 단위 전력 데이터를 생성하는 단계, 상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계와 상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정된 시간 단위 전력 데이터를 포함시키는 단계를 더 포함할 수 있다. 상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계는 상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계, 상기 측정된 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하는 단계, 상기 측정된 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하는 단계와 상기 측정된 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하는 단계 중 적어도 하나의 단계를 포함할 수 있다. 상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계는 상기 측정된 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정된 시간 단위 전력 데이터가 그루핑될 계절을 판단하는 단계를 포함할 수 있다. According to an aspect of the present invention, there is provided a method of predicting a power load, the method comprising: receiving predicted weather information; Calculating the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group. The predicted weather information may be predicted temperature information and predicted humidity information, and the time unit power data may include temperature information in a time unit, humidity information in the time unit, and power load information in the time unit. The time unit power data group includes a time unit power data group including the time unit data measured in a season unit, a monthly time unit power data group including the time unit data measured in a month unit, A time-based power data group including the measured time unit data, and a time-based power data group including the time unit data measured in a time unit. Wherein the step of determining the time unit power data group used for calculating the power load prediction amount based on the predicted vapor-phase information includes: the seasonal time unit power data group to be used for calculating the power load prediction amount, The time-based power data group, the time-based time-unit power data group, the time-based power data group, and the time-based power data group. Wherein the step of calculating the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group comprises: Calculating candidate time unit power data having similar weather information and calculating a power load amount included in the candidate time unit power data by using the power load prediction amount. Wherein the step of calculating the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group comprises: Calculating at least one candidate time unit power data having similar weather information in a range and calculating an average value or a median value of at least one power load included in the at least one candidate time unit power data with the power load prediction amount; . ≪ / RTI > Wherein the step of calculating the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group comprises: Calculating at least one candidate time unit power data having similar weather information in a range of the at least one candidate time unit power data; And calculating the power load prediction amount. The power load prediction method includes: generating time unit power data by measuring weather information on a time unit and a power load on the time unit; calculating a time unit power data group including the measured time unit power data And including the measured time unit power data in the determined time unit power data group. Wherein the step of determining the time unit power data group including the measured time unit power data includes the steps of: determining a time unit time power data group including the measured time unit power data; Determining a time unit power data group including the measured time unit power data and a time unit power data group including the measured time unit power data, And determining the group. Wherein the step of determining a time-unit power data group including the measured time unit power data includes: determining a time-unit power data group that includes temperature information included in the measured time unit power data and time unit power data And determining the season in which the measured time unit power data is to be grouped using a predetermined formula based on the temperature information of the time unit power data.
상술한 본 발명의 제2 목적을 달성하기 위한 본 발명의 일 측면에 따른 전력 부하 예측 장치는 예측 기상 정보를 입력받는 입력부, 상기 입력부에서 입력된 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 시간 단위 전력 데이터 그룹 결정부 및 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 전력 부하 예측량 산출부를 포함할 수 있다. 상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함할 수 있다. 상기 시간 단위 전력 데이터 그룹은 계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹, 월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹, 일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹 및 시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함할 수 있다. 상기 시간 단위 전력 데이터 그룹 결정부는 상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하도록 구현될 수 있다. 상기 전력 부하 예측량 산출부는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하고 상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하도록 구현될 수 있다. 상기 전력 부하 예측량 산출부는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하도록 구현될 수 있다. 상기 전력 부하 예측량 산출부는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하도록 구현될 수 있다. 상기 전력 부하 예측 장치는 시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정 시간 단위 전력 데이터를 입력받고 상기 측정 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하여 상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정 시간 단위 전력 데이터를 포함시키도록 구현된 데이터 베이스를 더 포함할 수 있다. 상기 데이터 베이스는 상기 측정 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하도록 구현될 수 있다. 상기 데이터 베이스는 상기 측정 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정 시간 단위 전력 데이터가 그루핑될 계절을 판단하도록 구현될 수 있다.According to an aspect of the present invention, there is provided an apparatus for predicting a power load, the apparatus including: an input unit for receiving predicted weather information; a power load predictor for calculating a predicted power load based on the predicted weather information input from the input unit; Unit power data group determining unit for determining a time-unit power data group to be used for calculating the power-load predicted value based on the time-unit power data included in the predicted vapor-phase information and the determined time- And a prediction amount calculation unit. The predicted weather information may be predicted temperature information and predicted humidity information, and the time unit power data may include temperature information in a time unit, humidity information in the time unit, and power load information in the time unit. The time unit power data group includes a time unit power data group including the time unit data measured in a season unit, a monthly time unit power data group including the time unit data measured in a month unit, A time-based power data group including the measured time unit data, and a time-based power data group including the time unit data measured in a time unit. The time unit power data group determination unit may determine the time unit power data group based on the seasonal time unit power data group, the monthly time unit power data group, the daily time unit power data group, And to determine at least one group of time-based power data groups. Wherein the power load prediction amount calculation unit calculates candidate time unit power data having the weather information most similar to the predicted weather information among the time unit power data included in the time unit power data and calculates a power load amount included in the candidate time unit power data And calculating the power load predicted value. Wherein the power load prediction amount calculation unit calculates at least one candidate time unit power data having similar weather information in a certain range to the predicted weather information among the time unit power data included in the time unit power data, And calculate the average or median value of the at least one power load included in the power data by the power load predictive value. Wherein the power load prediction amount calculation unit calculates at least one candidate time unit power data having similar weather information in a certain range to the predicted weather information among the time unit power data included in the time unit power data, The power load predicted value may be calculated by weighting the at least one power load amount included in the power data as the measured power load amount is close to the current one. The power load prediction apparatus measures meteorological information on a time unit and a power load on the time unit, receives measurement time unit power data, determines a time unit power data group including the measurement time unit power data, And a database implemented to include the measurement time unit power data in the time unit power data group. The data base determines a time-based power data group for each season including the measured time unit power data, determines a power unit data group for each time unit including the measured time unit power data, And to determine a time-specific power data group including the measured time unit power data. Wherein the database stores the measurement time unit power data using a predetermined formula based on temperature information included in the measurement time unit power data and temperature information of the time unit power data included in the seasonal time unit power data group May be implemented to determine the season to be grouped.
상술한 바와 같이 본 발명의 실시예에 따른 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치는 예측 기상 정보 및 시간 단위 전력 데이터 그룹을 기초로 전력 부하 예측량을 산출할 수 있다. 예측된 기상 정보와 시간 정보를 기초로 저정된 데이터 베이스를 기초로 전력 부하 예측량을 산출함으로서 시간 및 기상 상황 별로 변하는 전력 부하의 특성을 잘 반영할 수 있다. 따라서, 정확한 전력 부하 예측량을 산출할 수 있다.As described above, the power load prediction method and the apparatus performing the method according to the embodiment of the present invention can calculate the power load prediction amount based on the predicted weather information and the time unit power data group. By calculating the power load prediction amount based on the stored data base based on the predicted weather information and the time information, it is possible to reflect the characteristics of the power load varying by time and weather conditions. Therefore, it is possible to calculate the accurate power load prediction amount.
도 1은 본 발명의 실시예에 따른 전력 부하 예측을 위한 데이터 베이스 생성 방법을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 시간 및 계절 별로 평균 온도를 산출하는 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 전력 부하 예측 방법을 나타낸 순서도이다.
도 6은 본 발명의 실시예에 따른 전력 부하 예측 장치를 나타낸 블록도이다. 1 is a conceptual diagram illustrating a method of generating a database for power load prediction according to an embodiment of the present invention.
2 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
3 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
4 is a conceptual diagram illustrating a method of calculating an average temperature for each time and season according to an embodiment of the present invention.
5 is a flowchart illustrating a method of predicting a power load according to an embodiment of the present invention.
6 is a block diagram showing a power load prediction apparatus according to an embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 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.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. Like reference numerals are used for like elements in describing each drawing.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.The terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component. And / or < / RTI > includes any combination of a plurality of related listed items or any of a plurality of related listed items.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다거나 "직접 접속되어"있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, . On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.
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.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성 요소에 대해서 중복된 설명은 생략한다.
Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. Hereinafter, the same reference numerals will be used for the same constituent elements in the drawings, and redundant explanations for the same constituent elements will be omitted.
이하, 본 발명의 실시예에서는 설명의 편의상 전력 수요를 예측하기 위한 데이터 베이스를 수집하기 위해 1시간 단위로 측정된 온도 정보 및 습도 정보를 3시간 단위로 평균을 내서 사용하는 것으로 가정한다.Hereinafter, in an embodiment of the present invention, it is assumed that temperature information and humidity information measured in units of one hour are averaged in units of three hours in order to collect a database for predicting power demand for convenience of explanation.
하지만, 전력 수요를 예측하기 위한 데이터 베이스를 수집하기 위해 1시간 단위가 아닌 다른 측정 시간 단위가 사용될 수 있고 평균값 역시 3 시간 단위가 아닌 다른 시간 단위가 사용될 수도 있다. 또한 전력 수요를 예측하기 위한 정보로서 온도 정보 및 습도 정보가 아닌 다른 정보가 사용되는 것도 가능하다.
However, other time units other than 1 hour may be used to collect a database for predicting power demand, and time units other than 3 hours may be used. It is also possible that information other than temperature information and humidity information is used as information for predicting power demand.
도 1은 본 발명의 실시예에 따른 전력 부하 예측을 위한 데이터 베이스 생성 방법을 나타낸 개념도이다.1 is a conceptual diagram illustrating a method of generating a database for power load prediction according to an embodiment of the present invention.
도 1에서는 온도 및 습도와 같은 기상 정보와 전력 부하량을 측정하여 시간 단위 전력 데이터를 생성하는 방법에 대해 개시한다. T는 온도(temperature, 100), H는 습도(humidity, 110), L은 전력부하(load, 120)를 나타낼 수 있다.Fig. 1 shows a method for generating time unit power data by measuring weather information and a power load such as temperature and humidity. T may represent temperature (100), H for humidity (110), and L for power load (120).
온도 정보(100)와 습도 정보(110)는 기상 정보의 하나의 예로서 다른 기상 정보를 포함하여 전력 부하 예측을 수행할 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.The
도 1을 참조하면, 하루 24시간 동안 온도(T) 및 습도(H)는 1시간 단위로 측정되어 기록될 수 있다. 또한 온도 및 습도가 측정된 시간에서 발생한 전력 부하(L)도 측정되어 기록될 수 있다. 이러한 데이터 단위를 1 시간 단위 전력 데이터(130)라고 한다. 즉, 시간 단위 전력 데이터는 온도 정보 , 습도 정보 및 전력 부하 정보가 포함된 하나의 데이터 단위일 수 있다.Referring to Fig. 1, temperature (T) and humidity (H) can be measured and recorded in units of one hour for 24 hours a day. Also, the power load (L) generated at the time when the temperature and humidity are measured can also be measured and recorded. This data unit is referred to as
1 시간 단위 전력 예측 데이터(130)가 3시간 단위로 모여서 3시간 단위 전력 데이터(140)를 생성할 수 있다. 즉, 1시간 단위 전력 데이터(130)는 하루 24시간을 3시간 단위(1h~3h, 4h~6h, 7h~9h, 10h~12h, 13h~15h, 16h~18h, 19h~21h, 22h~24h)로 나뉜 8개의 집합 중 하나의 집합에 포함될 수 있다.The one-hour
이러한 시간 단위 전력 데이터는 계절 별 데이터, 월 별 데이터, 일 별 데이터로서 그루핑되어 시간 단위 전력 데이터 그룹을 생성할 수 있다. 이러한 시간 단위 전력 데이터 그룹은 예측된 기상 정보를 입력받고 전력 부하 예측량 산출 함수를 기초로 전력 부하 예측량을 산출하기 위해 사용될 수 있다.
Such time unit power data can be grouped as seasonal data, monthly data, and daily data to generate a time unit power data group. This time unit power data group can be used to calculate the power load prediction amount based on the predicted weather information and based on the power load prediction amount calculation function.
도 2는 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.2 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
도 2에서는 측정된 시간 단위 전력 데이터가 어떠한 시간 단위 전력 데이터 그룹에 속하는지를 판단하는 그루핑 방법에 대해 개시한다. 전력 부하 발생량은 계절 가전의 영향 및 산업 전력의 영향으로 계절별, 월별, 평일인지 주말인지 여부에 따라 변하는 특성을 가질 수 있다. 따라서, 전력 부하의 시간 정보(계절, 월, 일, 시간)에 따른 전력 부하 변동 특성을 고려하여 시간 단위 전력 데이터를 그루핑할 수 있다.FIG. 2 illustrates a grouping method for determining which time unit power data group the measured time unit power data belongs to. The power load can vary depending on whether it is seasonal, monthly, weekday or weekend, depending on seasonal household appliances and industrial power. Therefore, the time unit power data can be grouped in consideration of the power load variation characteristic according to the time information (season, month, day, time) of the power load.
시간 단위 전력 데이터의 그루핑은 우선 계절을 기준으로 수행될 수 있다. 예를 들어, 3~5월에 측정된 시간 단위 전력 데이터는 봄, 6~8월에 측정된 시간 단위 전력 데이터는 여름, 9~11월에 측정된 시간 단위 전력 데이터는 가을, 12~2월에 측정된 시간 단위 전력 데이터는 겨울로 분류하여 시간 단위 전력 데이터의 그루핑을 수행하여 측정된 데이터를 특정한 시간 단위 전력 데이터 그룹에 포함시킬 수 있다.The grouping of the time unit power data can be performed based on the season first. For example, the time unit power data measured in March and May are the spring time, the time units measured in June and August, the power data are in summer, and the time units measured in September and November. The time unit power data measured in the time unit power data may be classified as winter and the grouping of the time unit power data may be performed to include the measured data in the specific time unit power data group.
본 발명의 또 다른 실시예에 따른 시간 단위 전력 데이터 분류 방법에 따르면, 계절이 변하는 시기여서 측정된 시간 단위 데이터를 어떠한 계절로 분류할지 명확하지 않은 달은 시간 단위 전력 데이터에 포함된 특정한 기상 정보(예를 들어, 온도 정보)를 사용하여 측정된 시간 단위 전력 데이터가 어떠한 계절로 그룹핑될 것인지 여부에 대해 결정할 수 있다. 이러한 실시예에 대해서는 추가적으로 상술한다.According to the time unit power data classification method according to another embodiment of the present invention, the month in which it is unclear to what season the measured time unit data is to be classified because the season is changing is a specific weather information For example, temperature information) may be used to determine for which seasons the measured time unit power data will be grouped. Such an embodiment will be further described in detail.
또한 시간 단위 전력 데이터는 월 별로 그루핑될 수 있다. 예를 들어, 봄으로 그룹핑된 시간 단위 전력 데이터는 다시 3월에 측정된 시간 단위 전력 데이터, 4월에 측정된 시간 단위 전력 데이터, 5월에 측정된 시간 단위 전력 데이터로 분류되어 그루핑될 수 있다.The time unit power data can also be grouped by month. For example, time unit power data grouped by spring may be classified and grouped into time unit power data measured in March, time unit power data measured in April, and time unit power data measured in May .
도 2의 (B)는 계절 별로 그루핑된 시간 단위 전력 데이터를 나타낸 개념도이다. 도 2 의(B)를 참조하면, 3시간 단위 전력 데이터가 해당 계절에 포함되는 날의 수에 대하여 포함될 수 있다.FIG. 2 (B) is a conceptual diagram showing time-unit power data grouped by season. Referring to FIG. 2B, 3-hour power data may be included for the number of days included in the corresponding season.
도 2 의(B)의 시간 단위 전력 데이터를 3월에 해당하는 시간 단위 전력 데이터그룹인 것으로 가정하면, 시간 단위 전력 데이터 그룹을 기초로 3월에 특정한 날에 발생할 수 있는 전력 부하 예측값을 산출할 수 있다.Assuming that the time unit power data of FIG. 2B is a time unit power data group corresponding to March, a power load predicted value that can occur on a specific day in March is calculated based on the time unit power data group .
예를 들어, 기상청에서는 특정한 날의 기온 및 습도를 3시간 단위로 나누어 8개의 기온 예측값 및 습도 예측값을 제공한다면 기상청의 기온 예측값 및 습도 예측값을 전력 부하량 예측값을 산출하기 위한 입력값으로 사용할 수 있다. For example, the Meteorological Agency can use the predicted values of temperature and humidity of the Meteorological Agency as the input values for calculating the predicted power load if the temperature and humidity of a specific day are divided into 3 hours and provided with the predicted values of the eight temperatures and the humidity.
즉, 도 2의 (B)의 시간 단위 전력 데이터 집합에 포함된 시간 단위 전력 데이터 및 기온 예측값 및 습도 예측값를 기초로 전력 부하량 산출 함수를 사용하여 전력 부하량 예측값을 산출할 수 있다. 시간 단위 전력 예측 데이터 그룹, 기온 예측값 및 습도 예측값을 기초로 발생할 수 있는 전력 부하량 예측값을 산출하는 방법으로는 여러 가지 방법이 사용될 수 있다.That is, the predicted power load amount can be calculated using the power unit load calculation function based on the time unit power data included in the time unit power data set of FIG. 2 (B), the predicted temperature values and the predicted humidity values. Various methods can be used as a method of calculating a predicted power load amount that can be generated based on the time unit power prediction data group, the temperature prediction value, and the humidity prediction value.
예를 들어, 도 2 의(B)의 시간 단위 전력 예측 그룹에서 전력 부하량 예측값을 산출하는 방법으로 시간 단위 전력 예측 그룹에 포함된 모든 시간 단위 전력 데이터와 기상청에서 예측된 온도 및 예측된 습도를 비교하여 예측된 온도 및 예측된 습도와 가장 유사한 온도 및 습도를 가진 시간 단위 전력 데이터를 산출할 수 있다. 산출된 시간 단위 전력 데이터에서 포함된 전력 부하값을 예측된 온도 및 예측된 습도에서의 전력 부하 예측값으로 결정하는 방법을 사용할 수 있다.For example, in the method of calculating the predicted power load value in the time unit power prediction group of FIG. 2B, all the time unit power data included in the time unit power prediction group is compared with the predicted temperature and the predicted humidity at the weather station Time unit power data having the temperature and humidity most similar to the predicted temperature and the predicted humidity can be calculated. A method of determining the power load value included in the calculated time unit power data as the predicted temperature and the predicted power load value at the predicted humidity can be used.
또 다른 예로 예측된 온도 및 예측된 습도에서 일정한 범위에 포함되는 온도 및 습도를 가진 시간 단위 전력 데이터들에서 산출된 전력 부하값들의 평균값을 전력 부하 예측값으로 결정할 수도 있다.As another example, the average value of the power load values calculated in the time unit power data having the temperature and the humidity included in the predetermined range in the predicted temperature and the predicted humidity may be determined as the predicted power load value.
또 다른 예로 예측된 온도 및 예측된 습도에서 일정한 범위에 포함되는 온도 및 습도를 가진 시간 단위 전력 데이터들 중에서 최근에 측정된 시간 단위 전력 데이터의 전력 부하량에 좀 더 가중치를 두어 전력 부하 예측값을 산출할 수도 있다. 전력 부하량은 산업의 발달 및 인구의 변화 등에 따라 점점 변하기 때문에 최근의 측정된 전력 부하량 데이터가 전력 부하량 예측값으로 가장 의미있는 값이 될 가능성이 높다 따라서, 최근에 측정된 전력 부하량에 좀 더 가중치를 두어 전력 부하 예측값을 산출하기 위해 사용할 수 있다.Another example is to weight the power load of the recently measured time unit power data among the time unit power data having the temperature and the humidity included in a certain range in the predicted temperature and predicted humidity to calculate the predicted power load It is possible. Since the power load is gradually changing due to industrial development and population change, it is highly probable that the latest measured power load data will be the most meaningful value as the predicted power load. Therefore, weigh more recently the measured power load Can be used to calculate the predicted power load.
위와 같이 예측된 온도 및 예측된 습도 및 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터에 따라 전력 부하 예측값을 산출하는 함수를 전력 부하 예측값 산출 함수라고 할 수 있다. The function of calculating the predicted power-load predicted value in accordance with the predicted temperature and predicted humidity and time-unit power data included in the time-unit power data group may be referred to as a power-load predictive value calculation function.
본 발명의 실시예에 따르면 전력 부하 예측값을 산출하기 위한 전력 부하 예측값 산출 함수로서 위와 같은 함수뿐만 아니라 다양한 함수 및 산출 프로세스가 사용될 수 있다. 시간 단위 전력 데이터 그룹으로 그루핑을 수행 시 월 별로 그루핑이 수행될 뿐만 아니라, 일 별로 그루핑이 수행될 수도 있다.According to the embodiment of the present invention, various functions and calculation processes as well as the above functions can be used as the power load predictive value calculation function for calculating the predicted power load value. When grouping into the time unit power data group, not only grouping is performed on a monthly basis, but grouping is performed on a daily basis.
시간 단위 전력 데이터는 해당 데이터가 평일, 토요일, 일요일 중 어떠한 날에 해당하는지 여부를 판단하여 다른 시간 단위 전력 데이터 그룹으로 다시 그루핑될 수 있다. 평일, 토요일, 일요일은 전력 부하량이 변할 수 있는 날을 기준으로 그루핑하는 것을 개시하기 위한 하나의 예시적인 분류이다. 따라서, 추가적인 분류(예를 들어, 공휴일, 명절 등)을 따로 추가적으로 분류하여 전력 부하 예측량을 산출하기 위한 시간 단위 전력 데이터 그룹으로 활용할 수 있다.The time unit power data may be grouped again into another time unit power data group by determining whether the corresponding data falls on weekday, Saturday, or Sunday. Weekdays, Saturdays, and Sundays are an exemplary classification for initiating grouping based on days when power loads may change. Therefore, it is possible to utilize the additional classification (for example, holiday, holidays, etc.) separately as a time unit power data group for calculating the power load prediction amount.
예를 들어, 일 별로 그루핑된 시간 단위 전력 데이터 그룹을 활용하기 위해 3월 1일의 기상청이 예측한 기온 및 예측한 습도 및 3월 1일이 평일인지, 토요일인지, 주말인지 구분하여 이를 기초로 전력 부하 예측값을 산출할 수 있다. 예를 들어, 3월 1일이 평일인 경우, 3월 중 평일에 해당하는 시간 단위 전력 데이터를 그루핑한 시간 단위 전력 데이터 그룹 및 기상청이 예측한 기온 및 예측한 습도를 전력 부하 예측량 산출 함수의 입력값으로 사용하여 전력 부하 예측량을 산출할 수 있다. 예를 들어, 기상청이 예측한 기온 및 예측한 습도를 기준으로 평일의 시간 단위 전력 데이터 그룹에서 일정한 범위에 해당하는 기온 및 습도를 가지는 시간 단위 전력 데이터를 산출할 수 있다. 산출된 시간 단위 전력 데이터의 전력 부하량을 기초로 전력 부하량의 예측값을 산출할 수 있다.For example, to take advantage of day-by-day grouped hourly power data groups, the temperature and predicted humidity forecasted by the Meteorological Agency on March 1, and the weekly, weekly, A predicted power load value can be calculated. For example, in the case where March 1 is a weekday, a time unit power data group obtained by grouping the time unit power data corresponding to weekdays during March, and the humidity and the predicted humidity predicted by the Meteorological Agency are input to the power load prediction amount calculating function Value can be used to calculate the predicted power load amount. For example, time unit power data having a temperature and humidity corresponding to a certain range in the weekly power data group of weekday can be calculated based on the predicted temperature and the predicted humidity. A predicted value of the power load can be calculated based on the calculated power load amount of the time unit power data.
계절 단위로 측정된 시간 단위 데이터가 포함된 시간 단위 전력 데이터 그룹은 계절 별 시간 단위 전력 데이터 그룹, 월 단위로 측정된 시간 단위 데이터가 포함된 시간 단위 전력 데이터 그룹은 월 별 시간 단위 전력 데이터 그룹, 일 단위로 측정된 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹은 일 별 시간 단위 전력 데이터 그룹, 시 단위로 측정된 시간 단위 데이터가 포함된 시간 단위 전력 데이터 그룹은 시 별 전력 데이터 그룹이라고 할 수 있다.A time unit including time unit data measured in a season unit a time unit power data group including a time unit power data group per season, a time unit power unit including a time unit data measured in a month, a time unit power data group per month, Time unit of time measured in days Unit of time that contains data Unit of time Power data group is time unit Power data group, time unit measured time unit Time unit Power data group is hourly power data group can do.
위와 같은 시간 단위 전력 데이터의 분류는 임의적인 것으로서 좀 더 세부적으로 그루핑하거나 좀 더 큰 시간 단위로 그루핑을 수행할 수도 있다. 즉, 측정된 시간 단위 전력 데이터는 필요에 따라 적응적으로 그루핑되어 전력 예측을 수행하는데 사용될 수 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함될 수 있다.The classification of the time unit power data as described above is arbitrary, and it is possible to group it in a more detailed manner or in a larger time unit. That is, the measured time unit power data can be used to perform power prediction by being adaptively grouped as needed, and such an embodiment can also be included in the scope of the present invention.
시간 단위 전력 데이터를 그루핑함에 있어서, 계절이 바뀌는 환절기에 해당하는 월의 경우 특정한 계절에 포함된다고 판단하기가 어려울 수 있다. 계절별로 정확한 그루핑이 수행되기 위해서는 이러한 데이터를 좀 더 명확하게 구분할 필요가 있다. 즉, 특정한 계절로 분류하기 어려운 달의 시간 단위 전력 데이터를 특정한 기준에 의해 다시 계절을 분류하여 그루핑되어 생성된 시간 단위 데이터 그룹에 포함된 데이터의 정확도를 높일 수 있다. 도 3에서는 특정한 월에 해당하는 시간 단위 전력 데이터를 좀 더 정확하게 그루핑하는 방법에 대해 개시한다.
In the case of dividing the time unit power data, it may be difficult to determine that the month corresponding to the seasonal change season is included in a specific season. This data needs to be more clearly distinguished in order for seasonal grouping to be accurate. That is, it is possible to increase the accuracy of the data included in the time unit data group generated by grouping the seasonal power data of the month that is difficult to classify into a specific season by a specific criterion. FIG. 3 discloses a method of more precisely grouping time unit power data corresponding to a specific month.
도 3은 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.3 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
도 3에서는 계절이 명확하지 않은 월(예를 들어, 2, 3, 5, 6, 8, 9, 11, 12월)에 대해 계절 구분을 수행하여 그루핑을 수행하는 방법에 대해 개시한다. 2, 3, 5, 6, 8, 9, 11, 12월은 계절이 명확하지 않은 월에 대한 예시로서 다른 월들의 집합이 계절 구분을 수행하는 월들이 집합이 될 수도 있다. 이러한 월들을 계절 재분류 월이라는 용어로 정의하여 사용할 수 있다.In FIG. 3, a method for performing grouping by performing seasonal discrimination for a month in which the season is unclear (for example, 2, 3, 5, 6, 8, 9, 11, or December) is disclosed. Months 2, 3, 5, 6, 8, 9, 11, and 12 are examples of months in which the season is not clear. These months can be defined by the term seasonal reclassification month.
또한 이하, 도 3에서 개시되는 계절 재분류 월들의 계절을 판단하기 위한 수식은 임의적인 것으로서 다른 수식이 사용될 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다. Hereinafter, the equations for determining the seasons of seasonal reclassification months shown in FIG. 3 are arbitrary and other formulas may be used, and these embodiments are also included in the scope of the present invention.
도 3을 참조하면, 2월(300)을 기준으로 우선적으로 설명한다. Referring to FIG. 3, a description will be given with reference to February 300 as a priority.
2월은 계절 재분류 월로서 2월(200)에 측정된 시간 단위 전력 데이터는 아래의 수학식 1에 의해 봄에 해당하는 시간 단위 전력 데이터 그룹으로 그루핑이 될 것인지 아니면, 겨울에 해당하는 시간 단위 전력 데이터 그룹으로 그루핑이 될 것인지 여부를 결정할 수 있다. The time unit power data measured in February (200) as the seasonal reclassification month is divided into a time unit power data group corresponding to spring in accordance with the following Equation (1) or a time unit power data group It can be determined whether or not to be grouped into a power data group.
<수학식 1>&Quot; (1) "
수학식 1에서 개시된 Ti는 현재 측정된 3 시간 단위 전력 데이터의 온도값을 나타낸다. Ti,w는 겨울에 해당하는 시간 단위 전력 데이터 그룹에 포함되는 시간 단위 전력 데이터에서 산출된 시간 단위 별 온도의 평균을 지시하고 Ti,s는 봄에 해당하는 시간 단위 전력 데이터 그룹에 포함되는 시간 단위 전력 데이터에서 산출된 시간 단위 별 온도의 평균을 지시한다. a1은 설정된 가중치를 지시한다. 가중치의 값은 변할 수 있으며, 바람직하게는 0 이상 1 이하의 범위에서 변할 수 있다.Ti expressed in Equation (1) represents the temperature value of the currently measured 3-hour power data. Ti, w designates the average of the temperature-by-time unit temperatures calculated in the time unit power data included in the time unit power data group corresponding to winter, and Ti, s denotes a time unit It indicates the average of the temperature per unit of time calculated from the power data. a1 indicates a set weight value. The value of the weight may vary and preferably may range from 0 to 1 or less.
즉, 본 발명의 실시예에 따르면 계절별로 산출된 시간 단위 별 온도의 평균값을 기초로 시간 단위 전력 데이터가 어떠한 계절로 그루핑될지 여부를 판단할 수 있다. 도 4에서는 시간 및 계절 별로 평균 온도를 산출하는 방법에 대해 개시한다.
That is, according to the embodiment of the present invention, it is possible to determine in what season the time unit power data is grouped based on the average value of the temperature for each time unit calculated for each season. FIG. 4 shows a method for calculating the average temperature for each time and season.
도 4는 본 발명의 실시예에 따른 시간 및 계절 별로 평균 온도를 산출하는 방법을 나타낸 개념도이다.4 is a conceptual diagram illustrating a method of calculating an average temperature for each time and season according to an embodiment of the present invention.
도 4의 (A)는 시간 및 계절 별로 평균 온도를 산출하는 방법에 대해 개시한다. 도 4의 (B)는 하루 동안 측정된 3 시간 단위 전력 데이터에서 시간 별 평균 온도를 산출하는 방법에 대해 개시한다.Fig. 4 (A) shows a method of calculating the average temperature by time and season. Fig. 4 (B) shows a method of calculating the average temperature per time in the three-hour power data measured during one day.
우선 도 4의 (A)를 참조하면, 특정한 계절 별로 시간 단위 전력 데이터 그룹이 존재할 수 있고 계절 별 시간 단위 전력 데이터 그룹에는 3시간 단위로 측정된 시간 단위 전력 데이터가 존재할 수 있다. 즉, 시간 단위 전력 데이터들은 3 시간 단위 전력 데이터로 분류하면, 각 계절별로 8개의 시간 집합에 해당하는 시간 및 계절별 평균 온도가 산출될 수 있다.Referring to FIG. 4A, there may be a time unit power data group for each specific season, and time unit power data measured in units of three hours may exist in each time-based power data group. That is, if the time unit power data is classified into 3-hour power data, the time and season average temperature corresponding to the eight time groups can be calculated for each season.
도 4의(A)가 봄으로 분류된 3 시간 단위 전력 데이터 집합인 경우, 1~3h에 해당하는 전력 데이터 집합에서 산출된 온도의 평균은 T1,s로 산출될 수 있다. 이러한 방법으로 아래와 같은 계절별 시간 단위 전력 데이터 평균값이 산출될 수 있다.4A is a 3-hour power data set classified into the spring, the average of the temperatures calculated in the power data set corresponding to 1 to 3h can be calculated as T1, s. In this way, the following average power data of each time period can be calculated.
(1) 봄(spring, 400): T1,s(1~3h), T2,s(4~6h), T3,s(7~9h), T4,s(10~12h), T5,s(13~15h), T6,s(16~18h), T7,s(19~21h), T8,s(22~24h)(1) Spring (400): T1, s (1 to 3h), T2, s (4 to 6h), T3, s 13 to 15h), T6, s (16 to 18h), T7, s (19 to 21h), T8, s (22 to 24h)
(2) 여름(summer, 420): T1,m(1~3h), T2,m(4~6h), T3,m(7~9h), T4,m(10~12h), T5,m(13~15h), T6,m(16~18h), T7,m(19~21h), T8,m(22~24h)(2) Summer (420): T1, m (1 to 3h), T2, m (4 to 6h), T3, m (7 to 9h), T4, m 13 to 15h), T6, m (16 to 18h), T7, m (19 to 21h), T8, m (22 to 24h)
(3) 가을(autumn, 440): T1,a(1~3h), T2,a(4~6h), T3,a(7~9h), T4,a(10~12h), T5,a(13~15h), T6,a(16~18h), T7,a(19~21h), T8,a(22~24h)(3) Autumn (440): T1, a (1-3h), T2, a (4-6h), T3, a (7-9h), T4, a (10-12h) 13 to 15h), T6, a (16 to 18h), T7, a (19 to 21h), T8,
(4) 겨울(winter, 460): T1,w(1~3h), T2,w(4~6h), T3,w(7~9h), T4,w(10~12h), T5,w(13~15h), T6,w(16~18h), T7,w(19~21h), T8,w(22~24h)(4) Winter (460): T1, w (1 ~ 3h), T2, w (4-6h), T3, w 13 to 15h), T6, w (16 to 18h), T7, w (19 to 21h), T8, w (22 to 24h)
다음으로 도 4의 (B)를 참조하면, 하루 동안 측정된 3 시간 단위 전력 데이터에서도 평균 온도를 산출할 수 있다. 3 시간 단위로 산출된 3시간 단위 전력 데이터에 포함된 평균 온도는 각각 시간에 따라 T1(1~3h), T2(4~6h), T3(7~9h), T4(10~12h), T5(13~15h), T6(16~18h), T7(19~21h), T8(22~24h)의 값을 가질 수 있다.Next, referring to FIG. 4 (B), the average temperature can be calculated even in the 3-hour power data measured during one day. T3 (7 ~ 9h), T4 (10 ~ 12h), T5 (4 ~ 6h), T4 (13 to 15h), T6 (16 to 18h), T7 (19 to 21h), and T8 (22 to 24h).
위와 같이 산출된 시간 및 계절별 온도 평균값과 3 시간 단위 전력 데이터에 포함되는 평균 온도를 전술한 수학식 1과 같은 계절 구분 수식을 사용하여 특정한 날에 측정된 3시간 단위 전력 데이터에 대해 계절 분류를 수행하여 그루핑을 수행한다. 즉, 하루에 8개의 시간 단위 전력 데이터가 산출될 수 있고 8개의 시간 단위 전력 데이터가 어떠한 계절에 포함될지 여부에 대해 각각 판단될 수 있다.The seasonal classification is performed on the 3-hour power data measured on a specific day using the above-described calculated average value of time and seasonal temperature and the average temperature included in the 3-hour unit power data using the seasonal division formula as shown in Equation And performs grouping. That is, eight time unit power data can be calculated per day, and eight time unit power data can be determined for each season.
도 3을 다시 참조하면, 2월(300)은 겨울과 봄 중 하나의 계절로 분류될 수 있고 5월(320)은 봄과 여름 중 하나의 계절로 분류될 수 있다. Referring back to FIG. 3, February 300 can be classified into one season of winter and spring, and May 320 can be classified into one season of spring and summer.
또한, 본 발명의 또 다른 실시예에 따르면 계절을 분류함에 있어서 동일하게 특정한 계절의 사이인 경우에도 서로 다른 수식을 사용하여 계절을 분류할 수 있다. 예를 들어 도 3과 같이 2, 5, 9, 12월을 하나의 제1 그룹(360)으로 분류하고, 3, 6, 8, 11을 제2 그룹(380)으로 분류하여 동일한 계절 변화의 중간에 있는 월인 경우에도 서로 다른 수식을 사용하여 계절 분류를 수행할 수 있다. In addition, according to another embodiment of the present invention, when classifying seasons, it is possible to classify seasons using different expressions even in the case of a specific season. For example, as shown in FIG. 3, 2, 5, 9, and 12 are classified into one
예를 들어, 2월(300)과 3월(340)은 겨울에서 봄으로 가는 시기로서 2월(320)과 3월(340)에 측정된 시간 단위 전력 데이터는 봄 또는 겨울로 그루핑될 수 있다. 2월(300)의 경우 전술한 수학식 1에 의해 계절을 분류할 수 있다. 하지만, 3월(340)의 경우 2월(300)과 다르게 아래의 수학식 2를 사용하여 측정된 시간 단위 데이터가 봄으로 그루핑될지 아니면 겨울로 그루핑될지 여부를 판단할 수 있다.For example, the time unit power data measured in February (320) and March (340) may be grouped into spring or winter, from February to March (300) and March (340) . In the case of February 300, the seasons can be classified according to the above-described equation (1). However, in the case of March 340, it is possible to determine whether the time unit data measured using Equation 2 below is different from February 300, whether to be grouped into spring or winter.
<수학식 2>&Quot; (2) "
수학식 1과 수학식 2를 비교하면, 수학식 1의 경우(2월, 300)는 겨울의 시간 및 계절별 온도 평균값에 (봄의 시간 및 계절별 온도 평균값- 겨울의 시간 및 계절별 온도 평균값)을 더하는 수식이 되고, 2월(300)에 측정된 시간 단위 전력 데이터가 위의 값보다 크거나 같은 경우 봄으로 분류되고 2월(300)에 측정된 시간 단위 전력 데이터가 위의 값보다 작은 경우 겨울로 분류된다.In the case of Equation 1 (February, 300), when Equations 1 and 2 are compared, in the case of Equation 1 (February, 300), the winter time and seasonal temperature average values (spring time and seasonal temperature average value-winter time and seasonal temperature average value) If the time unit power data measured in February (300) is equal to or greater than the above value and the time unit power data measured in February (300) is smaller than the above value, .
수학식 2의 경우(3월, 340) 봄의 시간 및 계절별 온도 평균값에 (겨울의 시간 및 계절별 온도 평균값- 봄의 시간 및 계절별 온도 평균값)을 더하는 수식이 되고, 3월에 측정된 시간 단위 전력 데이터가 위의 값보다 작거나 같은 경우 겨울로 분류되고 3월에 측정된 시간 단위 전력 데이터가 위의 값보다 큰 경우 봄으로 분류된다.In the case of Equation 2 (March, 340), it is a formula to add the spring time and season average temperature value (winter time and season average temperature value - spring time and season average temperature value) If the data is less than or equal to the above value, it is classified as winter. If the time unit power data measured in March is larger than the above value, it is classified as spring.
즉, 해당 월이 어떠한 계절에 더 가까운지에 따라 서로 다른 수식을 사용하여 측정된 시간 단위 전력 데이터에 대한 계절 분류를 수행할 수 있다. That is, the seasonal classification of measured time unit power data can be performed using different formulas depending on the season in which the month is closer.
위와 같은 분류 방법은 하나의 예시로서 좀 더 세부적인 분류(예를 들어, 보름 단위 분류)를 수행하여 계절 판단을 수행하거나, 동일한 분류 방법(예를 들어, 2월(300)과 3월(320)을 동일한 수식을 사용하여 판단)을 사용하여 계절 판단을 수행할 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다. As an example, the above classification method may be performed by performing a seasonal judgment by performing a more detailed classification (for example, a classification by a unit of magnitude) or by using the same classification method (for example, ) Using the same formula) may be used to perform the seasonal determination, and such an embodiment is also included in the scope of the present invention.
또한, 계절의 분류를 하기 위한 수식은 하나의 예시로서 특정한 달에 측정된 시간 단위 전력 데이터에 대한 계절 분류를 수행하기 위해 다른 수식을 사용할 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.
In addition, the formula for classifying seasons may use another formula to perform the seasonal classification of the time unit power data measured in a specific month as an example, and such an embodiment is also included in the scope of the present invention.
도 5는 본 발명의 실시예에 따른 전력 부하 예측 방법을 나타낸 순서도이다. 5 is a flowchart illustrating a method of predicting a power load according to an embodiment of the present invention.
도 5를 참조하면, 기상 정보와 전력 부하 정보를 수집한다(단계 S500).Referring to FIG. 5, weather information and power load information are collected (step S500).
본 발명의 실시예에 따른 전력 부하 예측 방법에서는 기상 정보에 따른 전력 부하를 예측하는 방법을 사용하기 위해 기상 정보와 전력 부하 정보를 수집할 수 있다.In the method of predicting the power load according to the embodiment of the present invention, the weather information and the power load information can be collected in order to use the method of predicting the power load according to the weather information.
기상 정보는 예를 들어, 온도 정보 또는 습도 정보가 사용될 수 있다. 난방 기구나 냉방 기구, 제습기 등과 같이 계절 가전은 온도 및 습도 및 시간 정보(계절, 월, 일, 시간)에 따라 서로 다른 사용량을 보일 수 있고 산업 전력도 시간 정보(계절, 월, 일, 시간) 및 기상 정보에 따라 다른 전력량을 가질 수 있다. 즉, 기상 정보에 따라 측정된 전력 부하량이 활용되어 예측된 기상 정보에 따른 전력 부하 예측량을 산출하는데 사용될 수 있다. 전술한 바와 같이 온도 정보 및 습도 정보는 하나의 예시로서 다른 기상 정보가 사용될 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함될 수 있다.The weather information can be, for example, temperature information or humidity information. Seasonal appliances such as heating appliances, cooling devices, and dehumidifiers can show different amounts depending on temperature, humidity and time information (season, month, day, time) And a different amount of power depending on the weather information. That is, the power load measured according to the weather information can be used to calculate the predicted power load amount according to the predicted weather information. As described above, the temperature information and the humidity information may be used as one example, and other weather information may be used, and these embodiments may also be included in the scope of the present invention.
기상 정보 및 전력 부하 정보는 일정한 시간 단위로 획득될 수 있다. 시간 단위 전력 데이터는 특정한 시간 단위의 온도 정보, 습도 정보, 전력 부하량 정보를 포함한 데이터일 수 있다. 예를 들어, 1 시간 단위로 측정된 1 시간 단위 전력 데이터가 존재할 수 있고, 이러한 1시간 단위 전력 데이터가 3개 모인 3 시간 단위 전력 데이터가 존재할 수도 있다. 이러한 시간 단위 데이터 일정한 그루핑이 수행되어 시간 단위 전력 데이터 그룹을 형성할 수 있고 이러한 시간 단위 전력 데이터 그룹은 추후 전력 부하 예측량을 산출하기 위해 사용될 수도 있다.The weather information and the electric power load information can be obtained by a predetermined time unit. The time unit power data may be data including temperature information, humidity information, and power load information at a specific time unit. For example, there may be 1-hour power data measured in 1-hour units, and 3-hour power data in which three 1-hour power data are collected. This time unit data may be subjected to a constant grouping to form a time unit power data group, and such time unit power data group may be used to calculate a future power load prediction amount.
시간 단위 전력 데이터를 그루핑한다(단계 S510).The time unit power data is grouped (step S510).
시간 단위 전력 데이터는 일정한 기준으로 그루핑이 수행되어 시간 단위 전력 데이터 그룹을 형성할 수 있다. 예를 들어, 전술한 바와 같이 계절 별 그루핑, 월 별 그루핑, 일 별 그루핑, 시간 별 그루핑이 수행될 수 있다. 이렇게 그루핑된 데이터는 추후 예측된 온도 및 예측된 습도에서 전력 부하 예측량을 산출하기 위해 사용될 수 있다. 특정한 날은 계절 단위 그루핑 집합, 월 단위, 그루핑 집합, 일 단위 그루핑 집합 등 복수개의 집합에 포함될 수도 있다.The time unit power data can be grouped on a constant basis to form a time unit power data group. For example, seasonal grouping, monthly grouping, daily grouping, and hourly grouping may be performed as described above. This grouped data can then be used to calculate a predicted power load at a later predicted temperature and predicted humidity. A specific day may be included in a plurality of sets, such as a seasonal grouping group, a month group, a grouping group, and a day grouping group.
계절별 그루핑을 수행함에 있어서, 도 3 및 도 4에서 전술한 바와 같이 계절이 변하는 월에 측정된 시간 단위 전력 데이터는 추가적인 분류 단계를 거쳐 그루핑이 수행될 수도 있다. In performing seasonal grouping, the time unit power data measured in the month in which the season changes as described above with reference to FIGS. 3 and 4 may be grouped through an additional classification step.
시간 단위 전력 데이터를 그루핑한 집합을 기초로 전력 부하 예측량 산출하기 위해서는 여러 가지 전력 부하 예측 함수가 사용될 수 있다. 예를 들어, 특정한 시간에 온도 예측값 및 습도 예측값을 입력값으로 받은 경우 아래와 같은 절차를 사용하여 전력 예측량을 산출할 수 있다.Various power load prediction functions can be used to calculate the power load prediction amount based on a grouped set of time unit power data. For example, if a temperature predicted value and a humidity predicted value are input at a specific time, the following procedure can be used to calculate the power predicted value.
특정한 시간이 어떠한 계절의 몇 월 몇 일 몇 시인지 여부를 판단하여 전력 부하 예측량을 산출하기 위한 시간 단위 전력 데이터 그룹을 결정할 수 있다. It is possible to determine a time unit power data group for calculating a power load prediction amount by judging whether a specific time is a certain month,
결정된 시간 단위 전력 데이터 그룹에서 입력된 온도 예측값 및 습도 예측값과 가장 유사한 기상 정보를 가지는 시간 단위 전력 데이터를 선택하고 해당 시간 단위 전력 데이터의 전력 부하량을 전력 부하 예측량으로 결정할 수 있다. Time unit power data having weather information most similar to the temperature predicted value and the humidity predicted value inputted in the determined time unit power data group can be selected and the power load amount of the corresponding time unit power data can be determined as the power load prediction amount.
또 다른 방법으로 결정된 시간 단위 전력 데이터 그룹에서 입력된 온도 예측값 및 습도 예측값과 유사한 일정 범위의 값에 해당하는 기상 정보를 가지는 시간 단위 전력 데이터를 선택하고 해당 시간 단위 전력 데이터들의 전력 부하량의 평균값 또는 중앙값을 전력 부하 예측량으로 결정할 수 있다. Unit time power data having weather information corresponding to a predetermined range of values similar to the temperature predicted value and the humidity predicted value entered in the time unit power data group determined in another method and selecting the average or median value Can be determined by the power load prediction amount.
또 다른 방법으로 예측된 온도 및 습도에서 일정한 범위에 포함되는 온도 및 습도를 가진 시간 단위 전력 데이터들에서 산출된 전력 부하량 중 최근에 측정된 전력 부하량에 좀 더 가중치를 두어 전력 부하 예측값을 산출할 수도 있다. Alternatively, it is also possible to calculate a predicted power load by weighting the recently measured power load among the power loads calculated from the time-unit power data having the temperature and the humidity included in a certain range in the predicted temperature and humidity have.
특정한 시간에 온도 예측값 및 습도 예측값을 입력값으로 입력받아 전력 부하 예측량을 산출하는 전력 부하 예측 함수는 이뿐만 아니라 다양한 함수가 사용될 수 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.The power load prediction function for calculating the predicted power load amount by receiving the temperature predicted value and the predicted humidity value as input values at a specific time may be various functions as well as these embodiments are also included in the scope of the present invention.
기상 정보와 전력 부하 정보를 수집하고 수집된 데이터를 그루핑하는 단계는 계속적으로 수행될 수 있다. 또한 수집된 시간 단위 전력 데이터 중 일정 기간이 지난 데이터는 폐기하여 전력 부하 예측의 정확도를 높일 수 있다. Collecting the weather information and power load information and grouping the collected data can be performed continuously. Also, it is possible to increase the accuracy of the power load prediction by discarding the data after a certain period of the collected time unit power data.
특정 시점의 온도 예측값 및 습도 예측값을 입력한다(단계 S520).A temperature predicted value and a humidity predicted value at a specific time point are input (step S520).
특정 시점은 특정한 월, 일, 시간에 대한 정보일 수 있다. 온도 예측값 및 습도 예측값은 기상청과 같은 기상 정보를 예측하는 부서에서 제공받을 수 있다. 기상청은 다음날의 온도 예측값 및 습도 예측값에 대해 24시간을 3시간 단위로 나누어 8개의 3시간 단위 온도 예측값 및 습도 예측값을 제공할 수 있다.The specific time may be information on a specific month, day, and time. The temperature predicted value and the humidity predicted value can be provided by a department that predicts weather information such as the weather station. The Meteorological Agency can provide eight 3-hour unit temperature predicted values and a humidity predicted value by dividing the 24-hour unit into the 3-hour unit for the temperature predicted value and the humidity predicted value for the next day.
전력 부하 관리 센터에서는 기상청에서 제공된 시간별 온도 예측값 및 습도 예측값을 입력값으로 전력 부하 예측량 산출 함수를 사용하여 전력 부하 예측량을 산출할 수 있다. 전술한 바와 같이 입력값을 기초로 전력 부하 예측량을 산출하기 위한 시간 단위 전력 데이터 집합을 선택한다. 선택된 시간 단위 전력 데이터 집합에 포함된 시간 단위 전력 데이터를 기초로 입력받은 시점 별 온도 예측값 및 습도 예측값에 대한 전력 부하 예측량을 산출할 수 있다.The power load management center can calculate the predicted power load using the power load prediction amount calculation function based on the hourly temperature predicted value and the humidity predicted value provided by the Korea Meteorological Administration as input values. The time unit power data set for calculating the power load prediction amount based on the input value is selected as described above. The predicted value of the power load with respect to the predicted temperature and the predicted value of the humidity at the time of the input based on the time unit power data included in the selected time unit power data set can be calculated.
입력 받은 특정 시점의 온도 예측값 및 습도 예측값을 기초로 전력 부하 예측량을 산출한다(단계 S530).The power load predicted value is calculated based on the temperature predicted value and the humidity predicted value at the specific point in time (step S530).
입력 받은 특정 시점의 온도 예측값 및 습도 예측값을 기초로 전력 부하 예측량을 산출하기 위해서는 아래와 같은 방법이 사용될 수 있다.The following method can be used to calculate the power load predicted value based on the temperature predicted value and the humidity predicted value at the specific point in time of input.
(1) 데이터 베이스에서 입력 받은 특정 시점에 해당하는 시간 단위 전력 데이터를 그루핑한 집합을 선택한다. (1) A set of time unit power data corresponding to a specific time point input from the database is selected.
(2) 선택된 시간 단위 전력 데이터를 그루핑한 집합 및 입력 받은 특정 시점의 온도 예측값 및 습도 예측값을 기초로 전력 부하 예측량 산출 함수를 사용하여 전력 부하 예측량을 산출한다.
(2) The power load prediction amount is calculated by using the power load prediction amount calculation function based on the grouping of the selected time unit power data and the temperature prediction value and the humidity prediction value at the specific input time point.
도 6은 본 발명의 실시예에 따른 전력 부하 예측 장치를 나타낸 블록도이다.6 is a block diagram showing a power load prediction apparatus according to an embodiment of the present invention.
도 6을 참조하면, 전력 부하 예측 장치는 입력부(600), 데이터 베이스(620), 시간 단위 전력 데이터 그룹 결정부(620), 전력 부하 예측량 산출부(660)를 포함할 수 있다. 6, the power load prediction apparatus may include an
위와 같은 구성은 설명의 편의상 기능상 각 구성부를 분리하여 표현한 것으로 하나의 구성부로 표현된 경우도 복수의 구성부로 나뉠 수 있고 복수의 구성부도 하나의 구성부로 합쳐질 수 있다.For the sake of convenience of description, the above-described structure is expressed by separating each constituent part from the functional point. Even when expressed by one constituent part, the constituent parts can be divided into a plurality of constituent parts, and a plurality of constituent parts can also be combined into one constituent part.
입력부(600)에는 특정한 시간 단위별로 측정된 기상 정보와 전력 부하량 정보가 입력될 수 있다. 기상 정보와 전력 부하 정보를 수집하여 데이터 베이스(620)를 구성하는 방법은 지속적으로 수행되어 전력 부하를 예측하기 위한 데이터는 최신의 전력 부하량 정보를 더 많이 반영하도록 할 수 있다.In the
또한, 입력부(600)는 예측 기상 정보(예를 들어, 예측 온도 정보 및 예측 습도 정보)를 제공받아서 전력 부하 예측량 산출부(660)로 전송할 수 있다. Also, the
데이터 베이스(620)는 입력부(600)로부터 입력된 시점 별 기상 정보와 전력 부하량 정보를 포함하는 시간 단위 전력 데이터를 저장하고 소정의 기준에 따라 그루핑할 수 있다. 예를 들어 계절 별, 월 별, 일별로 그루핑을 수행할 수 있다. 그루핑을 수행하기 위해서는 시간적인 정보만을 사용하여 구분을 할 수도 있지만, 다른 기상 정보를 고려한 그루핑이 수행될 수 도 있다. 예를 들어, 계절이 변하는 구간에 존재하는 월들에 대해서는 어떠한 계절로 분류하여 그루핑할 것인지 여부를 결정하는 수식을 사용하여 해당 월에 측정된 시간 단위 전력 데이터에 대한 그루핑을 수행할 수 있다.The
데이터 베이스(620)에서는 수집된 데이터를 그루핑하는 단계를 계속적으로 수행할 수 있다. 수집된 데이터 중 일정 기간이 지난 데이터는 폐기하여 전력 부하 예측의 정확도를 높일 수 있다. In the
또한, 데이터 베이스(620)에는 입력부(600)에서 입력된 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하여 이러한 정보를 전력 부하 예측량 산출부(660)에서 활용하도록 하는 시간 단위 전력 데이터 그룹 결정부(640)가 포함될 수 있다.In addition, the
전력 부하 예측량 산출부(660)는 입력부(600)로부터 입력된 예측 기상 정보 및 데이터 베이스(620)의 시간 단위 전력 데이터 그룹 결정부(640)에서 결정된 시간 단위 전력데이터 그룹을 기초로 전력 부하 예측량을 산출할 수 있다. 즉, 전력 부하 예측량 산출부(660)에서는 소정의 전력 부하 예측량 산출 함수를 이용하여 입력받은 예측 기상 정보 및 그루핑 집합 정보를 기초로 전력 부하 예측량을 산출할 수 있다. 전력 부하 예측량 산출 함수로는 전술한 바와 같이 다양한 함수가 사용될 수 있다.
The power load prediction
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined in the appended claims. It will be possible.
Claims (20)
예측 기상 정보를 입력받는 단계;
상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계; 및
상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계를 포함하는 전력 부하 예측 방법.In a power load predicting method,
Receiving forecasted weather information;
Determining a time unit power data group to be used for calculating a power load prediction amount based on the predicted vapor-phase information; And
And calculating the power load prediction amount based on the predicted vapor-phase information and the time unit power data included in the determined time unit power data group.
상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함하는 전력 부하 예측 방법.The method according to claim 1,
Wherein the predicted gas phase information is predicted temperature information and predicted humidity information, and the time unit power data includes temperature information in a time unit, humidity information in the time unit, and power load amount prediction information in the time unit .
계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹;
월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹;
일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹; 및
시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함하는 전력 부하 예측 방법.2. The apparatus of claim 1, wherein the time unit power data group includes:
A seasonal time unit power data group including the time unit data measured in a seasonal unit;
A monthly time unit power data group including the time unit data measured on a monthly basis;
A time-based unit of time power data group including the time unit data measured in units of days; And
And a time-specific power data group including the time unit data measured in units of hours.
상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하는 단계인 전력 부하 예측 방법.4. The method according to claim 3, wherein the step of determining the time unit power data group used for calculating the power load prediction amount based on the predicted vapor-
Wherein said predicted vapor-phase information is at least one of said seasonal time unit power data group, said monthly time unit power data group, said one-hour time unit power data group, and said hourly power data group to be used for calculating said power- And determining a group of the power load.
상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하는 단계; 및
상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하는 단계를 포함하는 전력 부하 예측 방법.2. The method of claim 1, wherein the step of calculating the power load prediction amount based on the predicted vapor-phase information and the time unit power data included in the determined time unit power data group comprises:
Calculating candidate time unit power data having weather information most similar to the predicted weather information among the time unit power data included in the time unit power data; And
And calculating the power load amount included in the candidate time unit power data by the power load prediction amount.
상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계; 및
상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하는 단계를 포함하는 전력 부하 예측 방법.2. The method of claim 1, wherein the step of calculating the power load prediction amount based on the predicted vapor-phase information and the time unit power data included in the determined time unit power data group comprises:
Calculating at least one candidate time unit power data having similar weather information in a certain range from the predicted weather information among the time unit power data included in the time unit power data; And
Calculating a mean or median value of at least one power load included in the at least one candidate time unit power data by the power load predictive value.
상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계; 및
상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하는 단계를 포함하는 전력 부하 예측 방법.2. The method of claim 1, wherein the step of calculating the power load prediction amount based on the predicted vapor-phase information and the time unit power data included in the determined time unit power data group comprises:
Calculating at least one candidate time unit power data having similar weather information in a certain range from the predicted weather information among the time unit power data included in the time unit power data; And
Calculating the power load prediction amount by weighting the at least one power load amount included in the at least one candidate time unit power data as the measured power load amount is close to the current one.
시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정된 시간 단위 전력 데이터를 생성하는 단계;
상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계; 및
상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정된 시간 단위 전력 데이터를 포함시키는 단계를 포함하는 전력 부하 예측 방법. The method according to claim 1,
Generating time unit power data by measuring the weather information for the time unit and the power load for the time unit;
Determining a time unit power data group including the measured time unit power data; And
And including the measured time unit power data in the determined time unit power data group.
상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계;
상기 측정된 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하는 단계;
상기 측정된 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하는 단계; 및
상기 측정된 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하는 단계 중 적어도 하나의 단계를 포함하는 전력 부하 예측 방법.9. The method of claim 8, wherein determining the time unit power data group including the measured time unit power data comprises:
Determining a seasonal time unit power data group including the measured time unit power data;
Determining a monthly time unit power data group including the measured time unit power data;
Determining a time unit power data group including the measured time unit power data; And
And determining the time-based power data group including the measured time unit power data.
상기 측정된 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정된 시간 단위 전력 데이터가 그루핑될 계절을 판단하는 단계를 포함하는 전력 부하 예측 방법.The method of claim 9, wherein the determining the seasonal time unit power data group including the measured time unit power data comprises:
The measured time unit power data is grouped using a predetermined formula based on the temperature information included in the measured time unit power data and the temperature information of the time unit power data included in the seasonal time unit power data group And determining the season.
예측 기상 정보를 입력받는 입력부;
상기 입력부에서 입력된 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 시간 단위 전력 데이터 그룹 결정부; 및
상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 전력 부하 예측량 산출부를 포함하는 전력 부하 예측 장치.1. A power load prediction apparatus comprising:
An input unit for receiving the predicted weather information;
A time unit power data group determination unit for determining a time unit power data group used for calculating a power load prediction amount based on the predictive vapor-phase information inputted from the input unit; And
And a power load prediction amount calculation unit that calculates the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group.
상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함하는 전력 부하 예측 장치.12. The method of claim 11,
Wherein the predicted vapor phase information is predicted temperature information and predicted humidity information, and the time unit power data includes temperature information at a time unit, humidity information at the time unit, and power load amount information at the time unit. .
계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹;
월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹;
일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹; 및
시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함하는 전력 부하 예측 장치.The apparatus of claim 11, wherein the time unit power data group includes:
A seasonal time unit power data group including the time unit data measured in a seasonal unit;
A monthly time unit power data group including the time unit data measured on a monthly basis;
A time-based unit of time power data group including the time unit data measured in units of days; And
And a time-specific power data group including the time unit data measured in units of hours.
상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하도록 구현되는 전력 부하 예측 장치.14. The apparatus of claim 13, wherein the time unit power data group determination unit comprises:
Wherein said predicted vapor-phase information is at least one of said seasonal time unit power data group, said monthly time unit power data group, said one-hour time unit power data group, and said hourly power data group to be used for calculating said power- Of the power load.
상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하고 상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하도록 구현되는 전력 부하 예측 장치.12. The power control apparatus according to claim 11,
Calculates candidate time unit power data having the weather information most similar to the predicted vapor-phase information among the time unit power data included in the time unit power data, calculates a power load amount included in the candidate time unit power data as the power load prediction amount The power load prediction device being configured to perform the power load prediction.
상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하도록 구현되는 전력 부하 예측 장치.12. The power control apparatus according to claim 11,
Wherein the at least one candidate time unit power data includes at least one candidate time unit power data having similar weather information in a certain range to the predicted weather data in the time unit power data included in the time unit power data, And calculates an average value or a median value of one power load with the power load predictive value.
상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하도록 구현되는 전력 부하 예측 장치.12. The power control apparatus according to claim 11,
Wherein the at least one candidate time unit power data includes at least one candidate time unit power data having similar weather information in a certain range to the predicted weather data in the time unit power data included in the time unit power data, Wherein the predicted power load amount is calculated by weighting the measured power load amount as the power load amount closer to the current one of the one power load amount.
시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정 시간 단위 전력 데이터를 입력받고 상기 측정 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하여 상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정 시간 단위 전력 데이터를 포함시키도록 구현된 데이터 베이스를 더 포함하는 전력 부하 예측 장치.12. The method of claim 11,
Time unit power data and a power load amount for the time unit, measures the time unit power data and determines the time unit power data group including the measurement time unit power data, and outputs the time unit power data group to the determined time unit power data group And a data base that is configured to include the measurement time unit power data.
상기 측정 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하도록 구현되는 전력 부하 예측 장치.19. The system of claim 18,
Determining a time unit power data group for each season including the measurement time unit power data, determining a monthly time unit power data group including the measurement time unit power data, Unit power data group and to determine a time-specific power data group including the measurement time unit power data.
상기 측정 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정 시간 단위 전력 데이터가 그루핑될 계절을 판단하도록 구현되는 전력 부하 예측 장치.19. The system of claim 18,
Based on the temperature information included in the measurement time unit power data and the temperature information of the time unit power data included in the season-specific time unit power data group, the season in which the measurement time unit power data is grouped The power load prediction apparatus comprising:
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120157648A KR20140087411A (en) | 2012-12-28 | 2012-12-28 | Method of forecasting short term electrical load and apparatuse for using the same |
| PCT/KR2013/012333 WO2014104829A1 (en) | 2012-12-28 | 2013-12-27 | Method for predicting power load and apparatus using the method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120157648A KR20140087411A (en) | 2012-12-28 | 2012-12-28 | Method of forecasting short term electrical load and apparatuse for using the same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20140087411A true KR20140087411A (en) | 2014-07-09 |
Family
ID=51021766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120157648A KR20140087411A (en) | 2012-12-28 | 2012-12-28 | Method of forecasting short term electrical load and apparatuse for using the same |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20140087411A (en) |
| WO (1) | WO2014104829A1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160150518A (en) * | 2015-06-22 | 2016-12-30 | 주식회사 케이티 | Apparatus for performing intelligent management on energy demand considering energy load according to season and time, and method thereof |
| KR20170106686A (en) * | 2016-03-14 | 2017-09-22 | 삼성에스디에스 주식회사 | Method and apparatus for predicting home energy usage |
| WO2019074173A1 (en) * | 2017-10-12 | 2019-04-18 | 전자부품연구원 | Method and system for predicting peak power demand per unit household |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105590140A (en) * | 2015-11-26 | 2016-05-18 | 国网北京市电力公司 | Power system short-period load prediction method and device |
| CN111091217B (en) * | 2018-10-23 | 2022-07-08 | 中国电力科学研究院有限公司 | Building short-term load prediction method and system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003180032A (en) * | 2001-12-10 | 2003-06-27 | Toshiba Corp | Power demand estimation system and its estimation method |
| JP5735283B2 (en) * | 2011-01-05 | 2015-06-17 | 株式会社環境経営戦略総研 | Power consumption prediction system and control method of power consumption prediction system |
| JP5442657B2 (en) * | 2011-03-15 | 2014-03-12 | 中国電力株式会社 | Electric power demand prediction apparatus and electric power demand prediction method |
-
2012
- 2012-12-28 KR KR1020120157648A patent/KR20140087411A/en not_active Application Discontinuation
-
2013
- 2013-12-27 WO PCT/KR2013/012333 patent/WO2014104829A1/en active Application Filing
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160150518A (en) * | 2015-06-22 | 2016-12-30 | 주식회사 케이티 | Apparatus for performing intelligent management on energy demand considering energy load according to season and time, and method thereof |
| KR20170106686A (en) * | 2016-03-14 | 2017-09-22 | 삼성에스디에스 주식회사 | Method and apparatus for predicting home energy usage |
| WO2019074173A1 (en) * | 2017-10-12 | 2019-04-18 | 전자부품연구원 | Method and system for predicting peak power demand per unit household |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2014104829A1 (en) | 2014-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mishra et al. | Greencharge: Managing renewableenergy in smart buildings | |
| JP5596220B2 (en) | System, method and computer program for energy consumption management | |
| JP6178045B2 (en) | Energy management system, energy management method, program, and server device | |
| US10169832B2 (en) | Method and instrumentation for sustainable energy load flow management system performing as resilient adaptive microgrid system | |
| US8880355B2 (en) | Emission factor calculating apparatus and emission factor calculating method | |
| JP6543145B2 (en) | Peak power prediction device, power management system and peak power prediction method | |
| US10962941B2 (en) | Controlling a distributed generation management system | |
| KR101212343B1 (en) | System and method for operating microgrid | |
| JP6402731B2 (en) | Electricity supply and demand prediction system, electric power supply and demand prediction method, and electric power supply and demand prediction program | |
| CN104268800B (en) | Wind-electricity integration peak regulation balance decision method based on scene library | |
| KR20190105173A (en) | Virtual power plant using energy storage system | |
| KR20140087411A (en) | Method of forecasting short term electrical load and apparatuse for using the same | |
| JP6617476B2 (en) | Demand power prediction apparatus, demand power prediction method, and computer program | |
| JP2016213954A (en) | Distributed power storage system for renewable energy power | |
| KR101962539B1 (en) | Method and Apparatus for Predicting Power Demand and Apparatus and Method for Controlling Charge/Discharge of ESS based on It | |
| JP6230055B2 (en) | Electric power demand prediction apparatus and electric power demand prediction method | |
| JP5538288B2 (en) | Distribution system voltage controller | |
| CN102156918A (en) | Smart grid broadcast system and method | |
| KR20160044640A (en) | A Prediction System of Hourly Power Demand by Use for the City Energy Management | |
| KR101744576B1 (en) | Power dissipation operation system using small and medium distributed ess | |
| Ramesh et al. | Using CPS Enabled Microgrid System for optimal power utilization and supply strategy | |
| JP5530831B2 (en) | Device operation control method and system | |
| JP6226367B2 (en) | Energy use support system, support method and support program | |
| Sekar et al. | Intelligent dynamic grid forecasting algorithm for a grid-connected solar PV based microgrid | |
| Kathirgamanathan et al. | Aggregation of energy flexibility of commercial buildings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |