KR20140110064A - 수요전력 예측 시스템 - Google Patents

수요전력 예측 시스템 Download PDF

Info

Publication number
KR20140110064A
KR20140110064A KR1020147022089A KR20147022089A KR20140110064A KR 20140110064 A KR20140110064 A KR 20140110064A KR 1020147022089 A KR1020147022089 A KR 1020147022089A KR 20147022089 A KR20147022089 A KR 20147022089A KR 20140110064 A KR20140110064 A KR 20140110064A
Authority
KR
South Korea
Prior art keywords
power
industrial plant
demand
demand power
future
Prior art date
Application number
KR1020147022089A
Other languages
English (en)
Other versions
KR101631781B1 (ko
Inventor
케이 쿠보타
히로유키 이마나리
Original Assignee
도시바 미쓰비시덴키 산교시스템 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 filed Critical 도시바 미쓰비시덴키 산교시스템 가부시키가이샤
Publication of KR20140110064A publication Critical patent/KR20140110064A/ko
Application granted granted Critical
Publication of KR101631781B1 publication Critical patent/KR101631781B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

수요전력 예측 시스템은, 사용전력 데이터 수집 수단(6), 생산 스케줄 기억 수단(8), 모델 작성 수단(9), 단기 수요전력 예측 수단(10)을 구비한다. 사용전력 데이터 수집 수단(6)은, 기기(3)마다의 사용전력 데이터를 수집하고, 사용전력 데이터 기억 수단(7)에 기억시킨다. 모델 작성 수단(9)은, 사용전력 데이터 기억 수단(7)에 기억된 사용전력 데이터와, 생산 스케줄 기억 수단(8)에 기억된 과거의 생산 스케줄에 의거하여, 소정의 제품 종별마다의 전력량 산출 모델을, 기기(3)마다 작성한다. 단기 수요전력 예측 수단(10)은, 모델 작성 수단(9)에 의해 작성된 전력량 산출 모델과, 생산 스케줄 기억 수단(8)에 기억된 장래의 생산 스케줄에 의거하여, 기기(3)마다, 장래의 수요전력을 연산한다.

Description

수요전력 예측 시스템{ELECTRICITY DEMAND PREDICTION SYSTEM}
본 발명은, 복수의 기기가 구비된 산업 플랜트에 적용되는 수요전력 예측 시스템에 관한 것이다.
자가발전 설비를 구비한 산업 플랜트에서는, 자가발전에 의한 전력과, 전력회사로부터 구입하는 전력(계약 전력)의 쌍방에 의해, 플랜트에서 사용하는 전체의 전력을 조달하고 있다. 이와 같은 산업 플랜트에서는, 장래 필요해지는 전력(수요전력)을 예측하고, 그 예측치에 의거하여, 자가발전에 의해 발전하는 양(자가발전량)을 조정하고 있다. 즉, 플랜트에의 공급 전력량이 상기 예측치를 하회하는 일이 없도록, 그 총량(즉, 자가발전량과 계약 전력량의 합계치)을 설정하고 있다.
하기 특허 문헌 1에는, 수요전력을 예측하기 위한 시스템이 기재되어 있다. 특허 문헌 1에 기재된 시스템에서는, 플랜트 전체에서 사용한 전력량(실적치)에 의거하여, 수요전력의 예측을 행하고 있다.
특허 문헌 1 : 일본 특개평8-308108호 공보
산업 플랜트에서는, 수요전력의 예측 정밀도가 나쁘면, 예측치의 오차를 고려하여, 자가발전량이나 계약 전력량을 결정하여야 한다. 즉, 수요전력의 예측 정밀도가 나쁘면, 예측치의 오차를 고려하여, 자가발전량이나 계약 전력량을 늘려야 한다.
종래의 시스템에서는, 플랜트 전체에서 사용하는 전력량에 의거하여, 수요전력의 예측을 행하고 있기 때문에, 생산 스케줄에 변경이 생긴 경우나, 설비의 동작에 돌발적인 변경이 생긴 경우에, 예측치를 그들의 사상(事象)에 맞추어서 즉석에서 대응시킬 수가 없었다. 즉, 종래의 시스템에서는, 예측치와 실적치와의 괴리가 크고, 예측치에 의거하여 자가발전량이나 계약 전력량을 효과적으로 삭감할 수가 없었다.
본 발명은, 상술한 바와 같은 과제를 해결하기 위해 이루어진 것으로, 그 목적은, 산업 플랜트에서의 수요전력의 예측 정밀도를 높이고, 자가발전량이나 계약 전력량을 적절하게 삭감할 수 있는 수요전력 예측 시스템을 제공하는 것이다.
본 발명에 관한 수요전력 예측 시스템은, 복수의 기기가 구비된 산업 플랜트에 적용되는 수요전력 예측 시스템으로서, 기기 마다의 사용전력 데이터를 수집하고, 제1 기억 수단에 기억시키는 제1 수집 수단과, 산업 플랜트에서의 생산 스케줄이 기억된 제2 기억 수단과, 제1 기억 수단에 기억된 사용전력 데이터, 및, 제2 기억 수단에 기억된 과거의 생산 스케줄에 의거하여, 소정의 제품 종별마다의 전력량 산출 모델을, 기기마다 작성하는 모델 작성 수단과, 모델 작성 수단에 의해 작성된 전력량 산출 모델, 및, 제2 기억 수단에 기억된 장래의 생산 스케줄에 의거하여, 기기마다에, 장래의 수요전력을 연산하는 제1 예측 수단을 구비한 것이다.
본 발명에 관한 수요전력 예측 시스템이라면, 산업 플랜트에서의 수요전력의 예측 정밀도를 높일 수 있고, 자가발전량이나 계약 전력량을 적절하게 삭감할 수 있다.
도 1은 산업 플랜트의 구성예를 도시하는 도면.
도 2는 본 발명의 실시의 형태 1에서의 수요전력 예측 시스템을 도시하는 구성도.
도 3은 모델 작성 수단의 기능을 설명하기 위한 도면.
도 4는 수요전력 예측 수단의 기능을 설명하기 위한 도면.
도 5는 제철소의 열연 공장의 개략을 도시하는 도면.
도 6은 본 발명의 실시의 형태 1에서의 수요전력 예측 시스템의 동작을 설명하기 위한 도면.
첨부한 도면을 참조하여, 본 발명을 상세히 설명한다. 각 도면에서, 동일 또는 상당하는 부분에는, 동일한 부호를 붙이고 있다. 중복되는 설명에 관해서는, 적절히 간략화 또는 생략한다.
실시의 형태 1.
도 1은 산업 플랜트의 구성예를 도시하는 도면이다. 도 1은, 본 수요전력 예측 시스템이 적용되는 산업 플랜트의 한 예를 도시하고 있다.
도 1에서, 부호 1은 소정의 제품을 생산하기 위한 산업 플랜트이다. 산업 플랜트(1)에서 생산되는 제품에는, 반제품과 같은 것도 포함된다. 산업 플랜트(1)에는, 복수의 설비(2)가 구비되어 있다. 각 설비(2)에는, 복수의 기기(3)가 구비되어 있다.
산업 플랜트(1)는, 자가발전 설비(4)를 구비하고 있다. 산업 플랜트(1)에서는, 자가발전 설비(4)로부터 공급되는 전력과, 외부의 전력회사(5)로부터 구입하는 전력에 의해, 플랜트에서 사용하는 전체의 전력을 조달하고 있다.
도 2는 본 발명의 실시의 형태 1에서의 수요전력 예측 시스템을 도시하는 구성도이다.
수요전력 예측 시스템은, 산업 플랜트(1)에서 장래 필요해지는 전력(수요전력)을 예측한다. 수요전력 예측 시스템은, 사용전력 데이터 수집 수단(6 및 16), 사용전력 데이터 기억 수단(7 및 17), 생산 스케줄 기억 수단(8), 모델 작성 수단(9), 단기 수요전력 예측 수단(10), 조업 정보 취득 수단(15), 장기 수요전력 예측 수단(18), 수요전력 예측 수단(19), 표시 장치(20)를 구비하고 있다.
사용전력 데이터 수집 수단(6)은, 기기(3)가 사용한 전력의 데이터(사용전력 데이터 : 실적치)를, 기기(3)마다 수집한다. 사용전력 데이터 수집 수단(6)은, 산업 플랜트(1)에 구비되어 있는 모든 기기(3)로부터, 사용전력 데이터를 수집하는 것이 바람직하다. 그러나, 산업 플랜트(1)에는, 다수의 기기(3)가 구비되어 있다. 이 때문에, 소비 전력이 극히 작은 기기(3)나, 소형의 기기(3) 등에 관해서는, 사용전력 데이터의 수집을 행하지 않아도 좋다. 사용전력 데이터 수집 수단(6)은, 전력을 소비하는 모든 기기(3)로부터, 사용전력 데이터를 수집할 필요는 없다.
사용전력 데이터 기억 수단(7)에는, 기기(3)마다의 사용전력 데이터가 기억된다. 사용전력 데이터 수집 수단(6)은, 기기(3)의 사용전력 데이터를 취득하면, 그 취득한 데이터를 사용전력 데이터 기억 수단(7)에 기억시킨다. 사용전력 데이터 기억 수단(7)에는, 각 기기(3)의 사용전력량이, 시각 정보에 관련시켜서 기억되어 있다.
생산 스케줄 기억 수단(8)에는, 산업 플랜트(1)에서의 생산 스케줄이 기억된다. 생산 스케줄이란, 각 설비(2)(각 기기(3))를 사용하여, 제품을 생산하기 위한 스케줄이다. 생산 스케줄에는, 제품에 관한 소정의 종별(種別) 데이터가, 시계열로 포함되어 있다.
모델 작성 수단(9)은, 기기(3)가 사용하는 전력량을 산출하기 위한 모델(전력량 산출 모델)을 작성하는 기능을 갖고 있다. 모델 작성 수단(9)은, 기기(3)마다, 및, 소정의 제품 종별마다, 상기 전력량 산출 모델을 작성한다. 모델 작성 수단(9)은, 사용전력 데이터 기억 수단(7)에 기억된 사용전력 데이터와, 생산 스케줄 기억 수단(8)에 기억된 과거의 생산 스케줄에 의거하여, 전력량 산출 모델의 작성을 행한다.
도 3은 모델 작성 수단의 기능을 설명하기 위한 도면이다.
모델 작성 수단(9)은, 전력량 산출 모델로서, 예를 들면, 도 3에 도시하는 바와 같은 「제품 종별-전력 원단위」 관리표를 제품(3)마다 작성한다.
예를 들면, 사용전력 데이터 기억 수단(7)에는, 기기(a1)의 사용전력량(실적치)이, 시각 정보에 관련시켜서 기억되어 있다. 생산 스케줄 기억 수단(8)에는, 기기(a1)에서 실제로 행하여진 스케줄의 데이터(과거 데이터)가 기억되어 있다. 이 과거 데이터에는, 예를 들면, 제품 종별(α 및 β)의 데이터가, 시계열로 포함되어 있다.
모델 작성 수단(9)은, 사용전력 데이터 기억 수단(7) 및 생산 스케줄 기억 수단(8)의 각 기억 내용에 의거하여, 제품 종별마다의 기기(a1)의 사용전력량을 집계하고, 모델화한다. 즉, 모델 작성 수단(9)은, 제품 종별(α(α1 내지 αn), β(β1 내지 βn))을 각각 특정함에 의해 기기(a1)의 전력 원단위(EM N)를 유도할 수 있는 모델을 작성한다.
모델 작성 수단(9)은, 기기(a2, a3 …), 기기(b1, b2, b3 …), 기기(c1, c2, c3 …)에 대해서도, 마찬가지의 모델을 작성한다.
단기 수요전력 예측 수단(10)은, 산업 플랜트(1)에서, 단기적인 장래에 필요해지는 전력(단기 수요전력)을 연산하는 기능을 갖고 있다. 이와 같은 기능을 실현하기 위해, 단기 수요전력 예측 수단(10)에는, 연산 수단(11 내지 14)이 구비되어 있다.
연산 수단(11)은, 기기(3)에서 장래 필요해지는 전력(단기 수요전력)을 연산한다. 연산 수단(11)은, 기기(3)마다, 장래의 수요전력을 연산한다. 연산 수단(11)은, 모델 작성 수단(9)에 의해 작성된 전력량 산출 모델과, 생산 스케줄 기억 수단(8)에 기억된 장래의 생산 스케줄에 의거하여, 단기 수요전력의 연산을 행한다.
연산 수단(12)은, 설비(2)에서 장래 필요해지는 전력(단기 수요전력)을 연산한다. 연산 수단(12)은, 설비(2)마다, 장래의 수요전력을 연산한다.
소정의 설비(2)에 속하는 기기(3)는 미리 정해져 있다. 예를 들면, 설비(A)에는, 기기(a1), 기기(a2), 기기(a3) …가 구비되어 있다. 마찬가지로, 설비(B)에는, 기기(b1), 기기(b2), 기기(b3) …가 구비되어 있다. 연산 수단(12)은, 연산 수단(11)에 의해 연산된 수요전력을, 설비(2)에 구비된 기기(3)에 관해 서로 더함에 의해, 그 설비(2)의 수요전력을 연산한다. 예를 들면, 연산 수단(12)은, 연산 수단(11)에 의해 연산된 기기(a1)의 수요전력, 기기(a2)의 수요전력, 기기(a3)의 수요전력 …를 전부 서로 더하여, 설비(A)의 수요전력을 도출한다.
연산 수단(13)은, 산업 플랜트(1)에서 장래 필요해지는 전력(단기 수요전력)을 연산한다. 연산 수단(13)은, 연산 수단(12)에 의해 연산된 각 설비(2)의 수요전력을 서로 더함에 의해, 플랜트 전체의 장래의 수요전력을 연산한다.
이와 같이, 단기 수요전력 예측 수단(10)은, 기기(3)마다의 수요전력을 연산한 후, 기기 단체(單體)의 전력치를 보텀-업식으로 가산하여 감에 의해, 플랜트 전체의 단기 수요전력을 도출한다.
연산 수단(14)은, 기기(3)에서의 현재 사용되고 있는 전력(사용전력)을 연산한다. 연산 수단(14)은, 기기(3)마다, 현재의 사용전력을 연산한다.
조업 정보 취득 수단(15)은, 산업 플랜트(1)에서의 현재의 조업 정보를 취득하는 기능을 갖고 있다. 연산 수단(14)은, 조업 정보 취득 수단(15)에 의해 취득된 현재의 조업 정보와, 모델 작성 수단(9)에 의해 작성된 전력량 산출 모델에 의거하여, 상기 사용전력의 연산을 행한다.
단기 수요전력 예측 수단(10)(연산 수단(11))은, 연산 수단(14)에 의해 연산된 현재의 사용전력도 고려하여, 기기(3)마다의 수요전력을 연산하여도 좋다. 이러한 구성이라면, 도출한 플랜트 전체의 수요전력에, 플랜트의 현재의 상태를 반영시킬 수 있다.
사용전력 데이터 수집 수단(16)은, 산업 플랜트(1)가 사용한 전력의 데이터(사용전력 데이터 : 실적치), 즉, 플랜트 전체의 사용전력 데이터를 수집한다. 예를 들면, 사용전력 데이터 수집 수단(16)은, 공장의 수전점(受電点)의 전력치를, 상기 사용전력 데이터로서 취득한다.
사용전력 데이터 기억 수단(17)에는, 산업 플랜트(1)의 사용전력 데이터가 기억된다. 사용전력 데이터 수집 수단(16)은, 플랜트 전체의 사용전력 데이터를 취득하면, 그 취득한 데이터를 사용전력 데이터 기억 수단(17)에 기억시킨다. 사용전력 데이터 기억 수단(17)에는, 플랜트 전체의 사용전력량이, 시각 정보에 관련시켜서 기억되어 있다.
장기 수요전력 예측 수단(18)은, 산업 플랜트(1)에서, 장기적인 장래에 필요해지는 전력(장기 수요전력)을 연산하는 기능을 갖고 있다. 장기 수요전력 예측 수단(18)은, 예를 들면, 데이터마이닝 수법을 활용함에 의해, 사용전력 데이터 기억 수단(17)에 기억된 사용전력 데이터에 의거하여, 산업 플랜트(1)의 장래의 수요전력을 연산한다.
수요전력 예측 수단(19)은, 산업 플랜트(1)에서 장래 필요해지는 전력(수요전력)을 연산한다. 수요전력 예측 수단(19)의 연산 결과가, 본 시스템의 출력(예측치)이 된다. 수요전력 예측 수단(19)은, 단기 수요전력 예측 수단(10)에 의해 연산된 플랜트 전체의 수요전력(단기 예측)과, 장기 수요전력 예측 수단(18)에 의해 연산된 플랜트 전체의 수요전력(장기 예측)에 의거하여, 상기 수요전력의 연산을 행한다.
예를 들면, 수요전력 예측 수단(19)은, 상기 장기 예측에 단기 예측을 중합시킴에 의해, 예측치(G3)를 구한다. 하기 식1은, 상기 중합시킬 때에 사용되는 모델의 한 예를 나타내고 있다.
G3=γ1*G1+γ2*G2 … (1)
상기 식1에서, G1는 수요전력의 장기 예측치(장기 수요전력 예측 수단(18)의 연산 결과), G2는 수요전력의 단기 예측치(단기 수요전력 예측 수단(10)의 연산 결과)이다. γ1 및 γ2는, 보정항이다.
도 4는 수요전력 예측 수단의 기능을 설명하기 위한 도면이다. 도 4는, 상기 식1을 사용한 때의 수요전력 예측 수단(19)의 연산 결과를 나타내고 있다. 도 4에서는, G1을 파선으로, G2를 1점쇄선으로, G3을 실선으로 나타내고 있다.
수요전력의 단기 예측치(G2)는, 현재(시각(t)=0)로부터 시각(t1)까지의 소정 기간밖에 얻을 수가 없다. 이 때문에, 수요전력 예측 수단(19)은, 예를 들면, 시각(t2)(예를 들면, t2>t1)까지의 기간에 관해서는, 수요전력의 장기 예측치(G1)와 수요전력의 단기 예측치(G2)와의 쌍방을 이용하여, 예측치(G3)를 연산한다(γ1≠0, γ2≠0). 또한, 수요전력 예측 수단(19)은, 시각(t2)보다도 앞의 소정 기간(시각(t2)부터 시각(t3)까지의 기간)에 관해서는, 수요전력의 단기 예측치(G2)를 사용하지 않고, 수요전력의 장기 예측치(G1)에 의거하여, 예측치(G3)를 연산한다(γ1≠0, γ2=0).
시각(t1)부터 시각(t2)까지의 기간은, 예측치(G3)의 급격한 변동을 방지하기 위한 이행 기간이다. 또한, 시각(t2)을 t1>t2가 되도록 설정하여, 상기 이행 기간을 시각(t1)까지의 기간에 마쳐도 좋다.
시각(t2)부터 시각(t3)까지의 기간에서는, γ1=1이라면, 장기 예측치(G1)를 예측치(G3)로서 그대로 출력할 수 있다. 상기 기간 중, γ1로서, 1보다도 약간 큰 값 등을 채용하여도 좋다.
수요전력 예측 수단(19)에 의해 연산된 산업 플랜트(1)의 장래의 수요전력(예측치)은, 표시 장치(20)에 표시된다.
또한, 도 1에 도시하는 각 수단은, 어떠한 장치(하드웨어에 의한 것, 소프트웨어에 의한 것, 그 쌍방에 의한 것을 포함한다)에 의해 구성하여도 좋다.
상기 구성을 갖는 수요전력 예측 시스템이라면, 수요전력의 예측 정밀도를 대폭적으로 높일 수 있다. 즉, 본 수요전력 예측 시스템에서는, 기기 단체의 전력치를 보텀-업식으로 가산하여 감에 의해, 수요전력의 단기 예측을 행하고 있다. 그리고, 얻어진 단기 예측도 고려하여, 플랜트 전체의 수요전력을 연산하고 있다. 이 때문에, 본 수요전력 예측 시스템이라면, 생산 스케줄에 변경이 생긴 경우나, 설비(2)(기기(3))의 동작에 돌발적인 변경이 생긴 경우에도, 예측치를 그들의 사상에 맞추어서 용이하게 대응시킬 수 있다. 본 수요전력 예측 시스템이라면, 예측치와 실적치와의 괴리를 작게 할 수 있고, 자가발전량이나 계약 전력량의 대폭적인 삭감이 가능해진다.
다음에, 상기 수요전력 예측 시스템의 구체적인 적용예에 관해 설명한다.
도 5는 제철소의 열연 공장의 개략을 도시하는 도면이다. 도 6은 본 발명의 실시의 형태 1에서의 수요전력 예측 시스템의 동작을 설명하기 위한 도면이다. 도 6은, 본 수요전력 예측 시스템을, 도 5에 도시하는 열연 공장에 적용한 때의 동작을 나타내고 있다.
도 5에 도시하는 바와 같이, 열연 공장에는, 가열로(RF : Reheating Furnace)(21), 조압연기(RM : Roughing Mills)(22), 크롭 시어(CS : Crop Shear)(23), 사상압연기(FM : Finishing Mills)(24), 런아웃 테이블(ROT : Run Out Table)(25), 다운 코일러(DC : Down Coiler)(26)라는 복수의 설비(2)가 구비되어 있다. 또한, 각 설비(2)에는, 모터, 펌프, 드라이브 장치라는 복수의 기기(3)가 구비되어 있다.
사용전력 데이터 수집 수단(6)은, 열연 공장에 구비된 모터나 펌프, 드라이브 장치로부터, 각각의 사용전력 데이터를 수집하고, 사용전력 데이터 기억 수단(7)에 기억시킨다. 생산 스케줄 기억 수단(8)에는, 열연 공장에서 행하여진 과거의 생산 스케줄과, 이 열연 공장에서 앞으로 행하여질 장래의 생산 스케줄이 기억되어 있다. 생산 스케줄에는, 예를 들면, 압연재(제품)의 종별로서, 압연재 길이, 압연재 폭, 압연재 두께, 강종의 각 데이터가, 시계열로 포함된다.
모델 작성 수단(9)은, 각 기기(3)의 사용전력 데이터(실적치)와 과거의 생산 스케줄로부터, 기기(3)마다 및 제품 종별마다, 전력량 산출 모델을 작성한다. 예를 들면, 모델 작성 수단(9)은, 상기 모델화를 행할 때에, 제품 종별을 압연재 길이, 압연재 폭, 압연재 두께, 강종으로서, 전력량 데이터를 분류한다.
단기 수요전력 예측 수단(10)은, 전력량 산출 모델과 장래의 생산 스케줄과 조업 정보로부터, 수요전력의 단기 예측(전력량의 장래 데이터의 산출)을 행한다. 조업 정보 취득 수단(15)은, 예를 들면, 압연재의 라인상의 위치 정보나 모터의 속도 정보, 모터의 토오크 정보를 조업 정보로서 취득한다.
단기 수요전력 예측 수단(10)에서는, 우선, 연산 수단(14)에 의해, 각 기기(3)의 전력량의 현재 데이터(사용전력)가 연산된다. 또한, 도 6에 도시하는 바와 같이, 연산 수단(11)은, 기기(3)마다의 전력량의 장래 데이터를 산출한다. 연산 수단(12)은, 연산 수단(11)의 산출 결과에 의거하여, 설비(2)마다(도 5 및 도 6에 도시하는 예에서는, 에어리어마다)의 전력량의 장래 데이터를 산출한다. 연산 수단(13)은, 연산 수단(12)이 산출한 각 장래 데이터를 전부 가산하여, 플랜트 전체의 전력량의 장래 데이터를 산출한다.
사용전력 데이터 수집 수단(16)은, 열연 공장의 수전점의 전력치를, 열연 공장 전체의 사용전력 데이터로서 취득한다. 사용전력 데이터 수집 수단(16)은, 취득한 전력치를 시각 정보에 관련시켜서 사용전력 데이터 기억 수단(17)에 기억시킨다. 장기 수요전력 예측 수단(18)은, 사용전력 데이터 기억 수단(17)에 기억되어 있는 사용전력 데이터에 의거하여, 수요전력의 장기 예측(전력량의 장래 데이터의 산출)을 행한다. 그리고, 수요전력 예측 수단(19)은, 얻어진 수요전력의 단기 예측과 장기 예측으로부터, 시스템으로서의 출력치를 산출한다.
제철소의 열연 공장에서는, 생산 스케줄이 변경되거나, 오퍼레이터에 의한 수동(手動) 조작이 행하여지거나 한 때에, 공장 전체의 사용전력이 크게 변동한다. 이 때문에, 종래의 예측 수법에서는, 예측치가, 실적치로부터 크게 벗어나고 버리는 일이 자주 있었다. 본 수요전력 예측 시스템이라면, 초 단위로 변화하는 생산 프로세스의 가동 상황에 맞추어서, 전력 예측을 행할 수가 있다. 이 때문에, 본 수요전력 예측 시스템을 채용함에 의해, 열연 공장에서도, 전력 예측의 정밀도를 대폭적으로 향상시키는 것이 가능해진다.
[산업상의 이용 가능성]
본 수요전력 예측 시스템은, 제철소의 열연 공장 외에도, 예를 들면, 제철소의 냉연 공장에 적용할 수 있다. 또한, 본 수요전력 예측 시스템은, 제철소 외에도, 예를 들면, 제지 공장, 음료 공장, 식품 공장이라는 각종 산업 플랜트에 적용할 수 있다.
1 : 산업 플랜트
2 : 설비
3 : 기기
4 : 자가발전 설비
5 : 전력회사
6, 16 : 사용전력 데이터 수집 수단
7, 17 : 사용전력 데이터 기억 수단
8 : 생산 스케줄 기억 수단
9 : 모델 작성 수단
10 : 단기 수요전력 예측 수단
11, 12, 13, 14 : 연산 수단
15 : 조업 정보 취득 수단
18 : 장기 수요전력 예측 수단
19 : 수요전력 예측 수단
20 : 표시 장치
21 : 가열로
22 : 조압연기
23 : 크롭 시어
24 : 사상압연기
25 : 런아웃 테이블
26 : 다운 코일러

Claims (7)

  1. 복수의 기기가 구비된 산업 플랜트에 적용되는 수요전력 예측 시스템으로서,
    상기 기기마다의 사용전력 데이터를 수집하고, 제1 기억 수단에 기억시키는 제1 수집 수단과,
    상기 산업 플랜트에서의 생산 스케줄이 기억된 제2 기억 수단과,
    상기 제1 기억 수단에 기억된 사용전력 데이터, 및, 상기 제2 기억 수단에 기억된 과거의 생산 스케줄에 의거하여, 소정의 제품 종별마다의 전력량 산출 모델을, 상기 기기마다 작성하는 모델 작성 수단과,
    상기 모델 작성 수단에 의해 작성된 전력량 산출 모델, 및, 상기 제2 기억 수단에 기억된 장래의 생산 스케줄에 의거하여, 상기 기기마다에, 장래의 수요전력을 연산하는 제1 예측 수단을 구비한 것을 특징으로 하는 수요전력 예측 시스템.
  2. 제 1항에 있어서,
    상기 제1 예측 수단은, 연산한 상기 기기마다의 수요전력을 서로 더함에 의해, 상기 산업 플랜트의 장래의 수요전력을 연산하는 것을 특징으로 하는 수요전력 예측 시스템.
  3. 제 1항에 있어서,
    상기 산업 플랜트는, 복수의 설비를 구비하고,
    상기 각 설비는, 복수의 상기 기기를 구비하고,
    상기 제1 예측 수단은,
    상기 모델 작성 수단에 의해 작성된 전력량 산출 모델, 및, 상기 제2 기억 수단에 기억된 장래의 생산 스케줄에 의거하여, 상기 기기마다에, 장래의 수요전력을 연산하는 제1 연산 수단과,
    상기 제1 연산 수단에 의해 연산된 수요전력을, 상기 설비에 구비된 상기 기기에 관해 서로 더함에 의해, 상기 설비마다, 장래의 수요전력을 연산하는 제2 연산 수단과,
    상기 제2 연산 수단에 의해 연산된 상기 설비마다의 수요전력을 서로 더함에 의해, 상기 산업 플랜트의 장래의 수요전력을 연산하는 제3 연산 수단을 구비한 것을 특징으로 하는 수요전력 예측 시스템.
  4. 제 2항 또는 제 3항에 있어서,
    상기 산업 플랜트의 사용전력 데이터를 수집하고, 제3 기억 수단에 기억시키는 제2 수집 수단과,
    상기 제3 기억 수단에 기억된 사용전력 데이터에 의거하여, 상기 산업 플랜트의 장래의 수요전력을 연산하는 제2 예측 수단과,
    상기 제1 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력, 및, 상기 제2 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력에 의거하여, 상기 산업 플랜트의 장래의 수요전력을 연산하는 제3 예측 수단을 구비한 것을 특징으로 하는 수요전력 예측 시스템.
  5. 제 4항에 있어서,
    상기 제3 예측 수단은,
    상기 제1 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력, 및, 상기 제2 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력에 의거하여, 소정의 제1 기간에서의 상기 산업 플랜트의 장래의 수요전력을 연산하고,
    상기 제1 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력을 사용하는 일 없이, 상기 제2 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력에 의거하여, 상기 제1 기간보다도 앞의 소정의 제2 기간에서의 상기 산업 플랜트의 장래의 수요전력을 연산하는 것을 특징으로 하는 수요전력 예측 시스템.
  6. 제 4항 또는 제 5항에 있어서,
    상기 제3 예측 수단에 의해 연산된 상기 산업 플랜트의 수요전력을 표시하는 표시 장치를 구비한 것을 특징으로 하는 수요전력 예측 시스템.
  7. 제 1항 내지 제 6항 중 어느 한 항에 있어서,
    상기 산업 플랜트에서의 현재의 조업 정보를 취득하는 조업 정보 취득 수단을 구비하고,
    상기 제1 예측 수단은, 상기 조업 정보 취득 수단에 의해 취득된 조업 정보, 및, 상기 모델 작성 수단에 의해 작성된 전력량 산출 모델에 의거하여, 상기 기기마다에, 현재의 사용전력을 연산하고, 연산하는 현재의 사용전력도 고려하여, 상기 기기마다의 수요전력을 연산하는 것을 특징으로 하는 수요전력 예측 시스템.
KR1020147022089A 2012-02-14 2012-02-14 수요전력 예측 시스템 KR101631781B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2012/053328 WO2013121515A1 (ja) 2012-02-14 2012-02-14 需要電力予測システム

Publications (2)

Publication Number Publication Date
KR20140110064A true KR20140110064A (ko) 2014-09-16
KR101631781B1 KR101631781B1 (ko) 2016-06-17

Family

ID=48983679

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147022089A KR101631781B1 (ko) 2012-02-14 2012-02-14 수요전력 예측 시스템

Country Status (6)

Country Link
US (1) US9727931B2 (ko)
JP (1) JP5768903B2 (ko)
KR (1) KR101631781B1 (ko)
CN (1) CN104137373B (ko)
TW (1) TWI463335B (ko)
WO (1) WO2013121515A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160037583A (ko) * 2014-09-29 2016-04-06 한국전력공사 전력 수요 예측 장치 및 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120053741A1 (en) * 2011-03-08 2012-03-01 General Electric Company Manage whole home appliances/loads to a peak energy consumption
JP6093292B2 (ja) * 2013-12-26 2017-03-08 東京瓦斯株式会社 行動予測システム、機器制御方法、行動支援方法およびプログラム
JP6467216B2 (ja) * 2014-12-18 2019-02-06 株式会社日立製作所 熱源システム管理装置、熱源システム管理方法、及びプログラム
US10490999B2 (en) * 2014-12-22 2019-11-26 Battelle Memorial Institute Hierarchical operational control of aggregated load management resources
JP6427049B2 (ja) * 2015-03-25 2018-11-21 アズビル株式会社 ピーク電力発現予測装置および予測方法
TWI580145B (zh) * 2015-10-27 2017-04-21 財團法人資訊工業策進會 適用於加工機台之用電量預估系統與用電量預估方法
US11605036B2 (en) * 2017-08-09 2023-03-14 Verdigris Technologies, Inc. System and methods for power system forecasting using deep neural networks
JP6696699B2 (ja) * 2017-11-15 2020-05-20 株式会社東芝 電力制御装置、電力制御方法及び電力制御プログラム
CN113469394A (zh) * 2020-03-30 2021-10-01 富士通株式会社 信息处理装置、信息处理方法和计算机可读存储介质
CN113837420A (zh) * 2020-06-23 2021-12-24 三菱电机(中国)有限公司 电力消耗预测方法、电力消耗预测系统及计算机可读存储介质
US20220399752A1 (en) * 2021-06-09 2022-12-15 General Electric Renovables Espana, S.L. Systems and methods for operating a power generating asset
CN114529072A (zh) * 2022-02-11 2022-05-24 杭州致成电子科技有限公司 一种基于时间序列的区域电量预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08308108A (ja) 1995-04-27 1996-11-22 Hitachi Ltd 電力需要量予測方法およびその装置
JP2004129322A (ja) * 2002-09-30 2004-04-22 Nippon Steel Corp 電力需要の予測制御システム
JP2004164388A (ja) * 2002-11-14 2004-06-10 Yokogawa Electric Corp 需要予測システム
JP2005092827A (ja) * 2003-09-22 2005-04-07 Mitsubishi Electric Corp スケジューリングシステムおよびスケジューリングをコンピュータに実行させるためのプログラム
JP2005261021A (ja) * 2004-03-09 2005-09-22 Mitsubishi Electric Corp 運用計画システムおよび運用計画立案プログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06284572A (ja) 1993-03-31 1994-10-07 Nisshin Steel Co Ltd 電力デマンド制御方法
JP2002165362A (ja) * 2000-11-24 2002-06-07 Sumitomo Metal Ind Ltd 電力使用量の予測方法及び制御方法
JP4025157B2 (ja) * 2002-09-13 2007-12-19 株式会社東芝 電力需要予測システム
JP4744776B2 (ja) 2002-11-29 2011-08-10 東芝三菱電機産業システム株式会社 熱間圧延プラントにおける抽出ピッチ制御方法
CN101609517A (zh) * 2008-06-20 2009-12-23 上海申瑞电力科技股份有限公司 基于智能策略管理的电力系统短期负荷预测方法
CN101478157B (zh) * 2008-10-13 2011-05-04 宁波电业局 自动发电控制系统及其负荷预测自动综合的优化方法
TW201111971A (en) * 2009-09-16 2011-04-01 Ibm Method and apparatus for power-efficiency management in a virtualized cluster system
JP5601500B2 (ja) 2010-05-07 2014-10-08 清水建設株式会社 需要電力制御装置および需要電力制御方法
US9335748B2 (en) * 2010-07-09 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Energy management system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08308108A (ja) 1995-04-27 1996-11-22 Hitachi Ltd 電力需要量予測方法およびその装置
JP2004129322A (ja) * 2002-09-30 2004-04-22 Nippon Steel Corp 電力需要の予測制御システム
JP2004164388A (ja) * 2002-11-14 2004-06-10 Yokogawa Electric Corp 需要予測システム
JP2005092827A (ja) * 2003-09-22 2005-04-07 Mitsubishi Electric Corp スケジューリングシステムおよびスケジューリングをコンピュータに実行させるためのプログラム
JP2005261021A (ja) * 2004-03-09 2005-09-22 Mitsubishi Electric Corp 運用計画システムおよび運用計画立案プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160037583A (ko) * 2014-09-29 2016-04-06 한국전력공사 전력 수요 예측 장치 및 방법

Also Published As

Publication number Publication date
KR101631781B1 (ko) 2016-06-17
WO2013121515A1 (ja) 2013-08-22
JPWO2013121515A1 (ja) 2015-05-11
JP5768903B2 (ja) 2015-08-26
US20140371934A1 (en) 2014-12-18
CN104137373B (zh) 2016-12-14
US9727931B2 (en) 2017-08-08
CN104137373A (zh) 2014-11-05
TW201333724A (zh) 2013-08-16
TWI463335B (zh) 2014-12-01

Similar Documents

Publication Publication Date Title
KR101631781B1 (ko) 수요전력 예측 시스템
US11095152B2 (en) Energy storage modeling and control
US20180082373A1 (en) Real-time demand bidding for energy management in discrete manufacturing system
Park et al. Optimal post-warranty maintenance policy with repair time threshold for minimal repair
JP5487125B2 (ja) 電力需給調整予備力取引システムおよび電力需給調整予備力取引方法
US20140277797A1 (en) Systems and Methods of Determining Optimal Scheduling and Dispatch of Power Resources
Oseni et al. The economic costs of unsupplied electricity: Evidence from backup generation among African firms
CN102654749B (zh) 学习系数控制装置
US8285582B2 (en) Automatic calculation of forecast response factor
Deng et al. Risk evaluation and retail electricity pricing using downside risk constraints method
Schultz et al. Method for an energy-oriented production control
DeBusk Use lean accounting to add value to the organization
JP2019046281A (ja) 電力価格予測システム
Batalla-Bejerano et al. Collateral effects of liberalisation: Metering, losses, load profiles and cost settlement in Spain’s electricity system
Ryan et al. Variable generation, reserves, flexibility and policy interactions
JP2006217709A (ja) 電力品質評価システム
JP5833283B1 (ja) 充放電制御装置、プログラム、充放電制御方法
Roesch et al. Cost-model for energy-oriented production control
Matrenin et al. Energy Efficiency Improvement of Industrial Enterprise Based on Machine Learning Electricity Tariff Forecasting
Subramanian et al. Dynamic price optimization models for managing time-of-day electricity usage
KR20110013903A (ko) 배전계통 설비투자 우선순위 결정 시스템 및 저장매체
Irawan et al. Analysis Of Production Capacity Planning and Control in PT. Krakatau Wajatama with Rought Cut Capacity Planning (RCCP)
Islam et al. A two-stage stochastic aggregate production planning model with renewable energy prosumers
Robertson et al. Reforming Resource Adequacy Practices and Ensuring Reliability in the Clean Energy Transition
NR APPLICATION of MANUFACTURING SYSTEMS TO CALCULATE PRODUCTION TARGET NEEDS PRIDE CHAIR DESIGN

Legal Events

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

Payment date: 20190515

Year of fee payment: 4