KR20150003174A

KR20150003174A - 보존 전압 감소(ｃｖｒ) 시스템 및 ｖｏｌｔ／ｖａｒ 최적화 시스템의 성능 메트릭을 추정하기 위한 시스템 및 방법

Info

Publication number: KR20150003174A
Application number: KR20147027262A
Authority: KR
Inventors: 데이비드 고든 벨
Original assignee: 유틸리데이터, 인크.
Priority date: 2012-03-01
Filing date: 2013-03-01
Publication date: 2015-01-08
Also published as: US20140107858A1; US20140039712A1; US9141100B2; WO2013131003A1

Abstract

보존 전압 감소(CVR) 시스템 및 VOLT/VAR 최적화 시스템의 성능 메트릭을 추정하기 위한 시스템 및 방법이 개시된다.

Description

보존 전압 감소(ＣＶＲ) 시스템 및 ＶＯＬＴ／ＶＡＲ 최적화 시스템의 성능 메트릭을 추정하기 위한 시스템 및 방법{SYSTEM AND METHOD FOR ESTIMATING PERFORMANCE METRICS OF CONSERVATION VOLTAGE REDUCTION (CVR) SYSTEMS AND VOLT/VAR OPTIMIZATION SYSTEMS}

관련 출원에 대한 교차-참조

본 출원은 그 전체 내용이 본원에 인용에 의해 포함된, 2012년 3월 1일에 출원된 미국 가출원 제61/605609호의 이익을 주장한다.

이 출원에 기재된 기술은 본원에 인용에 의해 포함된 부록 A에 열거된 특허 및 특허 출원에 기재된 기술 중 임의의 것과 함께 사용될 수 있다.

분야

본 개시내용은 에너지 보존 시스템의 성능, 예를 들어, 전원으로부터 전달된 전압의 작은 감소로 초래되는 보존된 에너지의 크기를 추정하는 것에 관한 것이다. 일부 실시예는 보존 전압 감소(CVR; conservation voltage reduction) 시스템 및 VOLT/VAR 최적화 시스템의 성능 메트릭(performance metrics)을 추정하는 것에 관한 것이다.

다음 섹션은 오직 정보를 제공할 목적으로 제시되며, 이 섹션에서 발견된 자료 중 임의의 것이 본 출원에 대한 종래 기술임을 허용하는 것으로서 간주되지 않아야 한다.

다양한 응용에 있어서, 전기 전력 분배 시스템의 동작에 대해 보존 시스템 및 방법을 적용하는 것이 유리하다. 예를 들어, 보존 전압 감소(CVR)는 급전기(feeder) 전압의 감소로 초래되는 에너지 소모의 감소이다. CVR 방식의 일부 구현예는 2개의 기본 컴포넌트, 즉, 무효 전력 보상(reactive power compensation) 및 전압 최적화 중 하나 또는 둘 모두를 포함한다. 무효 전력 보상은 규정된 대역 내에서 변전소 변환기에서 역률(power factor)을 유지하기 위해 분로(shunt) 커패시터의 동작을 통해 달성될 수 있다. 전압 최적화는 규정된 범위 내에서 특정 라인 종단(EOL; End of Line)점들에서의 전압을 조절(regulate)하기 위해 변전소 전압 레귤레이터의 동작을 통해 달성될 수 있다. 이러한 방식으로 피크 부하가 감소되고, 전체 에너지 소모가 감소된다.

일부 실시예에서, CVR은 허용가능한 레벨들의 범위의 하위 부분 내의 전압에서 전기 분배 시스템을 동작시킴으로써 전기 에너지를 절감하고, 이에 의해 많은 전기 활용 디바이스의 효율성을 개선시킴으로써 동작한다. 전부는 아니지만 다수의 활용 디바이스는 설계된 전압 범위의 하위 부분에서 더 효율적으로 동작한다. 그의 디바이스, 모터, 드라이브, 전기 전력 공급기, 변환기, 조명 시스템 등이 적절하게 적용되는 경우, 즉, 이들이 그 응용을 위해 소형화되지 않는 경우, 사실상 모두가 더 효율적으로 동작할 것이다. 보존 전압 조절 인자(CVRf; Conservation Voltage Regulation Factor)는 전압 최적화가 구현될 때 에너지 보존의 측정이다. CVRf = ΔE%/ΔV%이고, 여기서 ΔE%는 감소한 에너지의 비율이고 ΔV%는 전압 감소 비율이다.

또다른 보존 기법은 volt/VAR 최적화(VVO)이다. VVO는, 전기 전력 분배 시스템에 관한 정보(예를 들어, 자동화된 계측 인프라구조를 사용하여 획득됨)가 최적 전압 및 무효 전력 사용을 제공하기 위한 조정된 방식으로 예를 들어, 커패시터 뱅크 및 전압 레귤레이션을 제어하도록 처리되고 사용되는, "스마트 그리드(smart grid)" 시스템에서 구현될 수 있다.

예시적인 CVR 및 VVO 시스템은 Utilidata, Inc.로부터의 AdaptiVolt™ 제품 라인 하에서 이용가능하다.

CVR 시스템 및/또는 VOLT/VAR 최적화 시스템과 같은 보존 시스템의 성능 메트릭들을 추정하기 위한 방법 및 장치가 개시되어 있다.

일 양상에서, 전기 전력 전달 시스템의 성능을 개선하기 위한 보존 시스템의 성능을 분석하는 방법이 개시되어 있고, 이 방법은: 제1 모드에서 보존 시스템의 성능을 나타내는 제1 관측 정보를 수신하는 단계; 제2 모드에서 상기 보존 시스템의 성능을 나타내는 제2 관측 정보를 수신하는 단계; 제1 관측 정보에 기초하여 제1 모드에서 보존 시스템의 성능의 제1 모델을 생성하는 단계; 제1 관측 정보에 기초하여 제1 모드에서 보존 시스템의 성능의 제2 모델을 생성하는 단계; 제1 모델에 기초하여 제1 모드에서 보존 시스템의 성능을 나타내는 제1 제어된 성능 정보를 결정하는 단계; 및 제2 모델에 기초하여 제2 모드에서 보존 시스템의 성능을 나타내는 제2 제어된 성능 정보를 결정하는 단계를 포함한다.

일부 실시예에서, 보존 시스템은 보존 전압 감소(CVR) 시스템 또는 Volt/VAR 최적화(VVO) 시스템을 포함한다.

일부 실시예에서, 제1 모드는 보존 시스템이 비활성인 모드이고 제2 모드는 보존 시스템이 활성인 모드이다.

일부 실시예는 제1 모드 및 제2 모드에서 동작하도록 보존 시스템을 제어하는 것을 포함한다.

일부 실시예는 제1 및 제2 관측 정보의 적어도 일부분을 검출하는 것을 포함한다.

일부 실시예에서, 제1 관측 정보 및 제2 관측 정보 각각은: 보존 시스템의 성능에 대한 적어도 하나의 설명적 변수(explanatory variable)를 나타내는 설명적 정보; 및 보존 시스템의 성능에 대한 적어도 하나의 종속적 변수(dependent variable)를 나타내는 종속적 정보를 포함한다.

일부 실시예에서, 설명적 정보는 온도, 습도, 태양광 조건(solar conditions), 노출(exposure), 인구(population), 날씨 조건, 및 이 항목들 중 임의의 것의 선형 또는 비선형 조합들로 구성된 리스트로부터 선택된 적어도 하나를 나타내는 정보를 포함한다.

일부 실시예에서, 종속적 정보는 동작 전압, 실제 전압 요구(real voltage demand), VAR 요구, 또는 이들의 조합으로 구성된 리스트로부터 선택된 적어도 하나를 나타내는 정보를 포함한다.

일부 실시예에서, 제1 모델 및 제2 모델 각각을 생성하는 것은 각자의 설명적 정보 및 종속적 정보에 기초하여 회귀를 수행하는 것을 포함한다.

일부 실시예에서, 회귀를 수행하는 것은 다중 선형 회귀(multiple linear regression)를 수행하는 것을 포함한다.

일부 실시예에서, 회귀를 수행하는 것은 강건한 회귀 알고리즘(robust regression algorithm)을 적용하는 것을 포함한다.

일부 실시예에서, 회귀를 거치는 적어도 하나의 변수는 넌-가우시안 분포(non-Gaussian distribution)를 가지는 랜덤 변수에 대응하고, 강건한 회귀 알고리즘은 넌-가우시안 분포를 보상한다.

일부 실시예에서, 회귀를 수행하는 것은 최소 공분산 행렬식(MCD; minimum covariance determinant) 알고리즘을 적용하는 것을 포함한다.

일부 실시예는 제1 관측 정보 및 제2 관측 정보 각각을 복수의 카테고리로 분류하는 것을 포함한다. 일부 실시예에서, 제1 모드에서 보존 시스템의 성능의 제1 모델을 생성하는 것은 복수의 카테고리들 각각으로부터의 제1 관측 정보에 기초하여 별도의 각자의 회귀를 수행하는 것을 포함하고; 제2 모드에서 보존 시스템의 성능의 제2 모델을 생성하는 것은 복수의 카테고리들 각각으로부터의 제2 관측 정보에 기초하여 별도의 각자의 회귀를 수행하는 것을 포함한다.

일부 실시예에서, 카테고리 각각 내의 관측 정보는 실질적으로 선형 거동을 보인다.

일부 실시예에서, 관측 정보는 카테고리마다 실질적으로 비선형 거동을 보인다.

일부 실시예에서, 복수의 카테고리 각각은 공통 물리적 조건에 대응하는 관측에 대응한다.

일부 실시예에서, 물리적 조건은 온도, 습도, 태양광 조건, 노출, 및 날씨 조건으로 구성된 리스트로부터 선택된 적어도 하나를 포함한다.

일부 실시예에서, 복수의 카테고리 각각은 공통 사용 조건에 대응하는 관측에 대응한다.

일부 실시예에서, 사용 조건은 사용자 인구 또는 사용자 인구 밀도에 대응한다.

일부 실시예에서, 복수의 카테고리는 적어도 3개의 카테고리를 포함한다. 일부 실시예에서, 적어도 3개의 카테고리는 상대적으로 낮은 주변 온도를 가지는 존(zone)에 대응하는 관측을 포함하는 낮은 온도 카테고리; 상대적으로 높은 주변 온도를 가지는 존에 대응하는 높은 온도 카테고리; 및 낮은 온도 존과 높은 온도 존 사이의 중간인 주변 온도를 가지는 존에 대응하는 중간 온도 카테고리를 포함한다. 일부 실시예에서, 낮은 온도 카테고리는 전달 시스템으로부터의 전력이 난방을 위해 사용되는 존에 대응한다. 일부 실시예에서, 높은 온도 카테고리는 전달 시스템으로부터의 전력이 냉방을 위해 사용되는 존에 대응한다.

일부 실시예는 제어된 성능 정보를 사용하여 제1 모드 및 제2 모드에서 보존 시스템의 성능을 비교하는 것을 포함한다. 일부 실시예에서, 제1 및 제2 모드에서 보존 시스템의 성능을 비교하는 것은 제1 모드 및 제2 모드에서 상이한 전달 시스템 동작 조건을 제어하기 위해 제1 모델 및 제2 모델을 사용하는 것을 포함한다. 일부 실시예에서, 상이한 동작 조건은 온도, 습도, 태양광 조건, 노출, 인구, 날씨 조건, 및 이 항목들 중 임의의 것의 선형 또는 비선형 조합들로 구성된 리스트로부터의 적어도 하나를 포함한다.

일부 실시예에서, 보존 시스템은 CVR 시스템이고, 제1 모드 및 제2 모드에서 보존 시스템의 성능을 비교하는 것은 CVR 인자를 나타내는 정보를 생성하는 것을 포함한다.

일부 실시예에서, 보존 시스템은 Volt/VAR 최적화 시스템이고, 제1 모드 및 제2 모드에서 보존 시스템의 성능을 비교하는 것은 에너지 효율성 또는 요구 응답(energy efficiency or demand response)을 나타내는 정보를 생성하는 것을 포함한다.

또다른 양상에서, 전기 전력 전달 시스템의 성능을 개선하기 위한 보존 시스템의 성능을 분석하기 위한 시스템이 개시되며, 이 시스템은 전술된 방법 중 임의의 것을 구현하도록 구성된 프로세서를 포함한다.

일부 실시예는 프로세서에 동작상으로 연결되고 관측 정보를 생성하도록 구성되는 복수의 센서를 포함한다. 일부 실시예에서, 복수의 센서는 프로세서로부터 떨어져 위치되며 프로세서와 동작상으로 통신하는 하나 이상의 계측기들을 포함한다.

일부 실시예는 복수의 센서 중 하나 이상을 포함하는 자동화된 계측 인프라구조 시스템을 포함한다.

일부 실시예에서, 복수의 센서는 전달 시스템 내의 하나 이상의 위치들에서 전기 전력 전달을 모니터링하도록 구성된 하나 이상의 센서를 포함한다.

일부 실시예에서, 전기 전력 전달을 모니터링하도록 구성된 하나 이상의 센서는 전달 시스템 내의 위치에서 전압 또는 VAR 레벨을 측정하도록 구성된 센서를 포함한다.

일부 실시예에서, 복수의 센서는 전달 시스템 내의 하나 이상의 위치에서 물리적 조건을 측정하도록 구성된 하나 이상의 센서를 포함한다.

일부 실시예에서, 센서는 온도 센서, 습도 센서, 태양광 조건 센서, 노출 센서, 인구 센서, 날씨 조건 센서, 및 이 항목들 중 임의의 것의 조합으로 구성된 리스트로부터 선택된 적어도 하나를 포함한다.

일부 실시예에서, 프로세서는 전달 시스템 내의 하나 이상의 위치들에서의 물리적 조건을 나타내는 정보를 저장하는 적어도 하나의 데이터베이스와 통신한다. 일부 실시예에서, 데이터베이스는 날씨 또는 기후 정보를 저장한다.

일부 실시예는 프로세서에 동작상으로 접속되고, 보존 시스템의 동작을 제어하도록 구성된 제어기를 포함한다.

일부 실시예는 보존 시스템을 포함한다. 일부 실시예에서, 보존 시스템은 보존 전압 감소(CVR) 시스템 또는 Volt/VAR 최적화 시스템을 포함한다. 일부 실시예에서, 보존 시스템은 보존 시스템이 비활성인 제1 모드 및 보존 시스템이 활성인 제2 모드에서 동작한다. 일부 실시예에서, 보존 시스템은 동작 파라미터들의 제1 세트를 가지는 제1 모드 및 동작 파라미터들의 제2 세트를 가지는 제2 모드에서 동작한다.

또다른 양상에서, 이전 방법 중 임의의 것의 단계를 구현하도록 프로세서에 명령하는 실행가능한 프로그램이 저장된 비-일시적 컴퓨터 판독가능한 매체가 개시된다.

보존 전압 감소(CVR) 시스템 또는 Volt/VAR 최적화 시스템의 성능 메트릭이 분석되는 프로세스가 기재되어 있다. 시스템에서, 컴퓨팅 디바이스는 식별된 온도 존에서 CVR 인자를 개별적으로 추정한다. 일 구현예에서, 컴퓨팅 디바이스는 CVR 시스템 또는 Volt/VAR 최적화 시스템으로부터 획득된 변수를 사용하여 추정을 결합시킨다. 또다른 구현예에서, 컴퓨팅 디바이스는 그의 변수를 사용하여 CVR 인자를 추정한다. 컴퓨팅 디바이스는 이후 추정들을 사용하여, 기후에 기초한 CVR 시스템 또는 Volt/VAR 최적화 시스템의 향후 전력 예측을 획득할 수 있다.

다양한 실시예는 단독으로든 또는 임의의 적절한 결합으로든, 전술된 특징들 중 임의의 특징을 포함할 수 있다.

상세한 설명이 첨부 도면과 관련하여 기재되어 있다. 도면에서, 참조 번호의 가장 좌측 수(들)는 참조 번호가 처음 나타난 도면을 식별한다. 상이한 도면에서의 동일한 참조 번호의 사용은 유사하거나 동일한 항목을 나타낸다.
도 1은 보존 전압 감소(CVR) 인자를 추정하기 위한 시스템의 간략화된 개략도이다.
도 2-10은 보존 전압 감소(CVR) 인자를 추정하기 위한 컴퓨팅 디바이스에 의해 실행된 프로세스를 예시하는 흐름도이다.

다양한 실시예에서, 전기 전력 분배 시스템의 성능을 개선(또는 다른 방식으로 수정)하기 위해 사용되는 CVR 또는 VVO 시스템과 같은 보존 시스템의 성능을 특징으로 하는 것이 바람직할 수 있다. 개략적인 성능의 추정은 보존 시스템이 활성인 기간 동안 전체 전력 사용을 단순히 모니터링하고 이를 시스템이 턴오프될 때의 기간 동안의 전력 사용과 비교함으로써 제공될 수 있다. 그러나, 이러한 추정은 분배 시스템의 동작 조건에서의 제어되지 않은 변경(예를 들어, 온도, 습도, 태양광 조건, 노출 조건에서의 변경, 사용자 인구 변경 등)으로 인해 부정확할 수 있을 것이다.

따라서, 동작 조건에서의 이들 변경을 적어도 부분적으로 제어하는 보존 시스템의 성능을 특징으로 하는 시스템 및 방법을 제공하는 것이 바람직하다. 예를 들어, 일부 실시예에서, 시스템은 활성 및 비활성인 보존 시스템을 이용하여(또는 상이한 동작 파라미터를 가지는 둘 이상의 상이한 활성 상태에서) 실험을 수행할 수 있다. 이들 실험 동안, 분배 시스템의 성능이, 시스템의 동작 조건을 나타내는 정보와 함께, (예를 들어, 자동화된 계측 인프라구조, 및/또는 시스템 내의 다양한 변전소 또는 다른 포인트에 위치된 센서를 사용하여) 측정된다. 이 정보는 하나 이상의 동작 조건을 제어하는 각각의 모드에서의 보존 시스템 성능의 모델을 개발하기위해 사용될 수 있다.

예를 들어, 일부 실시예에서, 동작 조건 정보는 설명적 변수, 및 대응하는 종속적 변수를 생성하기 위해 사용되는 성능 측정을 생성하기 위해 사용될 수 있다. 설명적 및 종속적 변수 정보는 이후 예를 들어, 다중 선형(ML) 회귀 기법을 사용하여 분석되어, 동작 조건의 변경을 제어하는 보존 시스템 성능의 예측 모델을 생성할 수 있다.

별도의 모델은 상이한 보존 시스템 모드(예를 들어, 활성 및 비활성)에 대해 생성될 수 있다. 이들 모드에서의 성능은 이후 모드들 간의 동작 조건에서의 변경을 고려하기 위한 모델을 사용함으로써 정확하게 비교될 수 있다.

일부 실시예에서, 분석되는 데이터는 분석을 복잡하게 하는 속성들을 가질 수 있다. 예를 들어, 일부 실시예에서, 데이터는 넌-가우시안 확률 분포를 특징으로 할 것이고 그리고/또는 가외치(outlier)를 포함할 수 있다. 비-가우시안 분포는 비대칭일 수 있고, "팻 테일(fat tail)"을 특징으로 할 수 있거나, 가우시안 분포로부터 다른 방식으로 달라질 수 있다. 추가로 또는 대안적으로, 일부 경우에서, 분석 하의 랜덤 변수의 모음(collection)은 이분산성(heteroscedastic)일 수 있다.

이러한 경우, 표준 회귀 기법(예를 들어, 당해 기술에서 친숙한 최소 제곱 방식에 기초하는)은 획득된 관측 데이터에 적용될 때 실패할 수 있다. 따라서, 다양한 실시예에서, 회귀는 당해 기술에서 공지되어 있는 하나 이상의 "강건한(robust)" 회귀 기법을 사용하여 수행될 수 있다. 예를 들어, 일부 실시예에서, 하기에 상세화된 바와 같이, 최소 공분산 행렬식 방법이 사용될 수 있다.

다양한 실시예에서, M-추정기 기법(예를 들어, Huber, Peter J. (2009). Robust Statistics (2nd ed.). Hoboken, NJ: John Wiley & Sons Inc.에 기술된 바와 같음), 최소 절사 제곱 기법(예를 들어, Rousseeuw, P.J. and Leroy, A.M. (1987). Robust Regression and Outlier Detection. Wiley-Interscience, New York.에 기술된 바와 같음), 비대칭적 최소 제곱 기법(예를 들어, Newey, W.K and Powell, J.L., Asymmetric Least Squares Estimation and Testing, Econometrica 55 4 (1987)에 기술된 바와 같음), 및 최소 절대 편차 기법(예를 들어, Li Wang, Michael D. Gordon and Ji Zhu (December 2006). "Regularized Least Absolute Deviations Regression and an Efficient Algorithm for Parameter Tuning". Proceedings of the Sixth International Conference on Data Mining, pp. 690-700 및 Branham, R. L., Jr., "Alternatives to least squares", Astronomical Journal 87, June 1982, 928-937에 기술된 바와 같음)과 같은 최소 제곱 대안(least squares alternatives)을 포함하는 다른 강건한 회귀 기법이 사용될 수 있다.

일부 실시예에서, 관측된 데이터의 전체 세트는 회귀 분석에 적합하지 않은 비선형 거동을 보일 수 있다. 일부 이러한 경우, "국부적으로(locally)" 선형인(즉, 서브세트 내의 데이터에 대해 선형 거동을 보이는) 서브세트로 데이터를 카테고리화하고, 이후 데이터의 각각의 서브세트에 대해 별도로 회귀를 수행하는 것이 유리할 수 있다. 예를 들어, 하기에 상세화된 바와 같이, 이 기법은 분배 시스템이 질적으로 상이한 조건을 경험하는 상이한 기후 존에서 관측된 데이터의 부분들이 획득되는 상황에서 적합할 수 있다. 다른 경우에서, 카테고리화는 속성상 시간적(temporal)이거나 사용 기반일 수 있다. 예를 들어, 계절별 인구 이동이 있는 영역(예를 들어, 대학 캠퍼스)에 전력을 제공하는 분배 시스템에 대해, 데이터는 계절별 인구 레벨에 기초하여 그룹화될 수 있다.

다양한 실시예에서, 각각의 실험에 대한 관측 데이터는 임의의 적절한 기법을 사용하여 획득될 수 있다. 예를 들어, 일부 경우, 데이터는 분배 시스템 전반에 걸쳐 분배된(예를 들어, 자동화된 계측 인프라구조에 포함된) 하나 이상의 센서를 사용하여 획득된다. 다른 경우, 관측은 간접적일 수 있다. 예를 들어, 시스템 내 특정 시간 및 위치에 대한 온도, 습도, 또는 다른 날씨 조건이 날씨 데이터베이스와 같은 데이터 소스로부터 획득되고 그리고/또는 외삽(extrapolated) 또는 내삽(interpolated)될 수 있다.

도 1을 참조하면, (예를 들어, CVR 시스템에 대한 CVR 인자를 추정하기 위한) 보존 시스템의 성능을 추정하기 위한 추정 시스템(100)이 도시되어 있다. 시스템은 디스플레이 및 보고기(reporter)(112)에 제어기(110)를 통해 접속된 전기 급전기(102)를 포함한다. 제어기(110)는 분석 및 추정기(118)에 레코더(116)를 통해 접속된 측정 및 샘플기(sampler)(114)를 포함한다.

제어기(110)는 처리 능력을 가지는 프로세서 및 컴퓨터-실행가능한 명령을 저장하고 실행하기에 적합한 메모리를 포함한다. 일 예에서, 제어기(110)는 예를 들어, 하기에 기재된 타입들 중 임의의 타입으로 된, 하나 이상의 프로세서 및 메모리를 포함한다.

제어기(110)의 메모리에 저장된 것은, 프로세서에 의한 실행을 위한 명령을 포함하는 모듈을 포함하는 애플리케이션을 포함할 수 있다. 프로세서에 의해 실행되는 애플리케이션의 상세사항은 도 2-10에 관련하여 본원에 기술되어 있다.

전기 급전기(102)는 전력 그리드 내의 부하 또는 다른 센서에 연결된다. 측정 및 샘플기(114)는 전기 급전기(102)를 측정하고 샘플링하여 결과적인 측정 및 샘플을 레코더(116)를 사용하여 저장한다. 분석 및 추정기(118)는 도 2-10과 관련하여 기술된 프로세스를 사용하여 컴퓨터 CVR 인자에 대한 결과적인 측정 및 샘플을 검색하고, 디스플레이 및 보고기(112)를 사용하여 결과를 디스플레이/보고한다. 일 구현예에서, 결과는 시스템 성능 및 추정 요구를 평가하기 위해 전력 생성기 또는 유틸리티에 공급된다.

보존 전압 감소(CVR) 인자를 추정하기 위해 예시적인 제어기(110)에 의해 실행되는 프로세스가 도 2-10에 예시되어 있다. 도 2 내지 도 10에서의 예시적인 프로세스는 하드웨어, 소프트웨어 및 하드웨어와 소프트웨어의 결합에서 실행될 수 있는 동작의 시퀀스를 나타내는 논리적 흐름도에서 블록들의 모음으로서 예시되어 있다. 소프트웨어의 문맥에서, 블록은, 하나 이상의 프로세서에 의해 실행될 때, 인용된 동작을 수행하는 컴퓨터-실행가능한 명령을 나타낸다. 일반적으로, 컴퓨터-실행가능한 명령은 특정 기능을 수행하거나 특정한 추상 데이터 타입을 구현하는 루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포함한다. 동작이 기술되는 순서는 제한으로서 해석되도록 의도되지 않으며, 임의의 수의 기술된 블록은 프로세스를 구현하기 위해 임의의 순서로 그리고/또는 병렬로 결합될 수 있다. 논의의 목적으로, 프로세스가 도 2-12에 관해 기술되어 있지만, 이것은 다른 시스템 아키텍쳐에서 구현될 수 있다.

도 2-10을 참조하면, 프로세스(200)는 목적지 제어기(110)를 이용하여 생성하도록 도시되어 있다. 블록(202)에서, 시스템 오퍼레이터는 실험을 수행하고 관측을 분석하여 CVR 인자 및 다른 메트릭을 추정하도록 결정할 수 있다. 시스템 오퍼레이터는 컴퓨터를 사용하여 CVR을 분석하기 위한 신호를 제어기(110)에 제공한다(위의 주지를 참조한다). 결정은 사용자 또는 컴퓨터와 같은 자동화된 디바이스에서 비롯될 수 있다.

블록(204)에서, 실험 진입점(experiment entry point)이 정의된다. 정의된 실험이 존재하지 않는 경우, 어떠한 레코드도 처리를 위해 이용가능하지 않다. 실험이 진행중인 경우, 정의된 레코드가 이용가능하다.

블록(206)에서, 처리를 위한 충분한 레코드가 존재하는지에 대한 결정이 이루어진다. 블록(208)에서 처리를 위한 충분한 레코드가 존재하는 경우, 수행되는 증분적 분석(incremental analysis)이 존재하는지에 대한 결정이 이루어진다. 증분적 분석이 존재하는 경우, 블록(210)(도 5)에서, 실험 레코드가 처리된다. 증분적 분석이 존재하지 않는 경우, 블록(216)에서, 증분이 이용가능한지에 대한 결정이 이루어진다.

처리를 위한 충분한 레코드가 존재하지 않는 경우, 블록(212)에서, 실험이 진행중인지에 대한 결정이 이루어진다. 실험이 진행중이지 않은 경우, 실험은 블록(214)에서 시작된다(도 3). 실험이 진행중이거나 블록(216)에서 결정된 바와 같이 증분이 이용가능하지 않은 경우, 실험은 블록(220)에서 증분된다(도 4).

블록(216)에서 결정된 바와 같이 증분이 이용가능하지 않은 경우, 블록(218)에서 증분 이용가능 표시자(increment available indicator)가 부정되고(negated), 블록(210)에서 실험 레코드가 처리된다.

도 3을 참조하면, 실험을 시작하기 위한 프로세스(300)가 도시되어 있다. 블록(302)에서, 실험 시작 진입점(start experiment entry point)이 정의되고, 블록(304)에서, 실험 규격(experiment specifications)이 메모리 또는 다른 소스로부터 페치된다. 소스는 사용자, 및 유틸리티 디스패치 동작(utility dispatch operations), CVR 시스템 동작 또는 Volt/VAR 관리 시스템 동작을 관리하는 자동화된 디바이스를 포함할 수 있지만 이에 제한되지 않는다. 일 구현예에서, 요구되는 규격은 실험 시작 시간 및 지속기간, 할당된 동작 모드의 패턴, CVR 및/또는 Volt/VAR에 관련된 유틸리티 전송 또는 분배 회로 동작 세팅, 동작 모드에 대한 트랜지션 시간(transition time), 측정 및 레코딩 규격을 포함할 것이다. 이러한 규격은 요구되는 물리적 변수, 샘플링 방법 및 주기, 및 측정 레코드의 조직(organization)을 정의할 수 있다.

블록(306)에서, 실험 규격은 자동적 CVR 또는 Volt/VAR 시스템에 전송된다. 일 구현예에서, 자동적 CVR 또는 Volt/VAR 시스템은 동작 모드의 스케쥴링된 트랜지션이 가능해야 하고, 측정 샘플링 및 레코딩 능력을 가져야 한다.

블록(308)에서, 실험 진행중 표시자(experiment running indicator)가 어써트되고(asserted), 블록(310)에서, 프로세스는 도 2의 실험 진입점(202)으로 되돌아간다.

도 4를 참조하면, 실험을 증분시키기 위한 프로세스(400)가 도시되어 있다. 블록(402)에서, 실험 증분 진입점(increment experiment entry point)이 정의되어 있다. 블록(404)에서, 자동적 CVR 또는 Volt/VAR 시스템으로부터의 가장 최근의 측정 레코딩이 페치된다.

블록(406)에서, 최근 레코드가 이전에 조사되었는지에 대한 결정이 이루어진다. 최근 레코드가 이전에 조사되지 않은 경우, 블록(408)에서, 최근 레코드가 완료되었는지에 대한 결정이 이루어진다. 레코드가 완료된 경우, 블록(410)에서, 증분 이용가능 표시자가 어써트된다. 최근 레코드가 블록(408)에서 결정된 바와 같이 완료되지 않은 경우, 또는 최근 레코드가 이전에 조사된 경우, 블록(412)에서, 증분 이용가능 표시자가 부정된다.

블록(412)에서 증분 이용가능 표시자를 부정하거나, 또는 블록(410)에서 증분 이용가능 표시자를 어써트한 이후, 프로세스는 블록(414)에서 실험 진입점으로 되돌아간다(도 2의 블록(202)).

도 5를 참조하면, 실험 레코드를 처리하기 위한 프로세스(500)가 도시되어 있다. 블록(502)에서, 실험 처리 진입점(process experiment entry point)이 정의된다. 블록(504)에서, 증분적 분석이 수행되었는지에 대한 결정이 이루어진다.

증분적 분석이 수행되지 않은 경우, 블록(506)에서, 모든 실험 레코드가 분석 포함 기준(analysis inclusion criteria)에 대해 체크된다. 블록(508)에서, 분석을 위한 형태 레코드(form record)가 설정되고, 블록(509)에서, 분석을 위한 충분한 레코드가 존재하는지에 대한 결정이 이루어진다.

증분적 분석이 수행되지 않은 경우, 블록(510)에서, 최근의 실험 레코드가 분석 포함 기준에 대해 체크된다. 블록(512)에서, 레코드가 유효한지에 대한 결정이 이루어진다. 레코드가 유효한 경우, 블록(514)에서, 레코드는 분석 레코드 세트에 추가되고, 블록(509)에서, 분석을 위한 충분한 레코드가 존재하는지에 대한 결정이 이루어진다. 레코드가 유효하지 않은 경우, 분석 요구 표시자(analysis required indicator)가 블록(516)에서 부정되고, 프로세스는 실험 진입점(도 2, 202)으로 되돌아간다(518). 레코드가 유효한 경우, 블록(520)에서, 분석 요구 표시자가 어써트되고, 블록(522)에서, 실험 레코드가 분석된다(도 6).

도 6을 참조하면, 실험 레코드를 처리하기 위한 프로세스(600)가 도시되어 있다. 블록(602)에서, 실험 처리 진입점이 정의된다. 블록(604)에서, 관측 벡터(observation vector)가 실험 케이스(experiment case), 예를 들어, CVR 또는 non-CVR에 의해 분류된다. 일 구현예에서, 관측 벡터는 하나의 샘플 인스턴트(sample instant)에서 동시에 캡쳐된 측정들의 그룹이다.

예에서 실험이 CVR 및 non-CVR 경우에 대해 수행되는 것으로 도시되어 있지만, 일반적으로, 실험이 상이한 적용된 동작 파라미터를 가지고 상이한 모드에서 동작하는 CVR에 의해 수행될 수 있다는 점에 유의한다. 일반적으로, 임의의 개수의 상이한 모드가 분석될 수 있다.

실험 케이스가 CVR인 경우, 블록(606-612)이 실행되고, 실험 케이스가 non-CVR인 경우, 블록(614-620)이 실행된다.

블록(606)에서, 관측 벡터가 주변 온도 존에 의해 분류된다. 일 구현예에서, 3개의 다른 주변 온도 존은 개별적으로 분석된다.

블록(608)에서, 설명적 변수가 측정으로부터 형성된다. 설명적 변수의 예는, 온도, 습도, 태양광, 노출, 임의의/모든 측정의 비-선형 조합을 포함하지만 이에 제한되지 않는다.

블록(610)에서, 실제 요구 및/또는 VAR 요구에 대한 MCD ML 회귀가 CVR 동작 체제 경우에 대해 선택된 설명적 변수를 사용하여 수행된다. MCD ML 회귀의 상세사항이 도 7에 도시되어 있다.

블록(612)에서, CVR 경우에 대한 동작 전압의 중심 경향(central tendency)이 추정된다. MCD ML 회귀의 상세사항이 도 8에 도시되어 있다. 프로세스는 이후 블록(622)으로 진행한다.

블록(614)에서, 관측 벡터는 주변 온도 존에 의해 분류된다. 일 구현예에서, 3개의 다른 주변 온도 존이 개별적으로 분석된다.

블록(616)에서, 설명적 변수가 측정으로부터 형성된다. 설명적 변수의 예는 설명적 변수(들)의 예상된 물리적 영향에 의해 자극되는 바와 같이 온도, 습도, 태양광, 노출, 및 임의의/모든 측정의 선형 또는 비-선형 조합을 포함하지만, 이에제한되지 않는다.

블록(618)에서, 실제 요구 및/또는 VAR 요구에 대한 MCD ML 회귀가 non-CVR 동작 체제 경우에 대해 선택된 설명적 변수를 사용하여 수행된다. non-CVR 동작 체제 경우에 대한 MCD ML 회귀의 상세사항이 도 7에 도시되어 있다.

블록(620)에서, non-CVR 경우에 대한 동작 전압의 중심 경향(예를 들어, 평균, 중앙값, 모드, 기하 평균, 조화 평균, 가중 평균, 절단 평균(truncated mean), 또는 임의의 다른 적절한 메트릭)이 추정된다. non-CVR 동작 체제 경우에 대한 MCD ML 회귀의 상세사항이 도 8에 도시되어 있다. 프로세스는 이후 블록(622)으로 진행한다.

블록(622)에서, 병합된 온도 존 및 독립적인 온도 존에 대한 CVR 인자가 계산된다. 계산 프로세스의 상세 항목은 도 9에 도시되어 있다. 설명적 변수의 기준 값의 추정 및 CVR 인자에 대한 응용예가 도 9에 도시되어 있다.

블록(624)에서, 분석을 계속할지에 대한 결정이 이루어진다. 분석이 계속될 경우, 블록(628)에서의 프로세스는 도 2의 실험 진입점(202)으로 되돌아간다. 분석이 계속되지 않을 경우, 블록(626)에서, 제어는 사용자, 외부 결정 오퍼레이터, 또는 컴퓨팅 디바이스(110)에게 되돌려진다.

도 7을 참조하면, MCD 방법에 의한 다중 선형 회귀를 위한 프로세스(700)가 도시되어 있다. 블록(702)에서, MCD ML 회귀 진입점이 정의된다. MCD ML 회귀의 예시적인 구현예는 『Rousseeuw, P.J., and Leroy, A.M., 'Robust Regression and Outlier Detection', Wiley 1987』 및 『Peter J. Rousseeuw and Katrien Van Driessen, 'A Fast Algorithm for the Minimum Covariance Determinant Estimator', 1998』에 기술되어 있다.

블록(704)에서, 분석 구간 인덱스(analysis interval index)는 제로로 설정된다.

블록(706)에서, 분석 구간이 최댓값에 있는지에 대한 결정이 이루어진다. 최댓값에 있는 경우, 블록(710)에서, 제어는 MCD ML 회귀를 요청한 절차에 되돌려진다. 최댓값에 있지 않은 경우, 블록(712)에서, 분석 구간 인덱스는 1씩 증가한다.

블록(714)에서, 응답 및 설명적 변수 앙상블(response and explanatory variables ensemble)이 현재 분석 구간 인덱스에 대해 검색된다.

블록(716)에서, 현재 분석 구간에 대한 MCD 회귀 알고리즘이 실행된다. MCD 회귀 알고리즘을 실행하기 위한 프로세스의 추가적인 상세사항은 도 10에 도시되어 있다.

블록(718)에서, CVR 인자 계산에서 추후 사용하기 위한 회귀 계수(regression coefficient)가 저장된다. 프로세스(706)는 분석 구간이 최댓값에 있는지를 결정하기 위해 실행된다.

도 8을 참조하면, 전압 통계 위치를 추정하기 위한 프로세스(800)가 도시되어 있다. 블록(802)에서, 전압 위치 진입점(voltage location entry point)이 정의된다.

블록(804)에서, 분석 구간 인덱스가 제로로 설정된다.

블록(806)에서, 분석 구간이 최대 레벨인지에 대한 결정이 이루어진다. 최대 레벨인 경우, 블록(808)에서, 전압 위치를 요청한 프로세스에 제어가 반환된다. 최대 레벨이 아닌 경우, 블록(810)에서, 분석 구간은 1씩 증분한다.

블록(812)에서, 미리 결정된 분석 구간 인덱스에 대해 모든 온도 존에 대한 전압 관측이 검색된다.

블록(814)에서, 각각의 온도 존에 대한 전압 위치는 L1 중앙값을 사용하여, 또는 밀도 및 기대값에 의해 추정된다.

블록(816)에서, 전압 위치는 CVR 인자 계산에서의 추후 사용을 위해 저장된다. 블록(806)은 분석 구간이 최댓값에 있는지를 결정하기 위해 재-실행된다.

도 9a-9c를 참조하면, 추정된 CVR 인자를 추정하기 위한 프로세스(900)가 도시되어 있다. 블록(902)에서, 전압 위치 진입점이 정의된다.

블록(904)에서, 분석 구간 인덱스는 제로로 설정된다. 블록(905)에서 다음 구간 블록이 실행된다.

블록(906)에서, 분석 구간이 최대 레벨인지에 대한 결정이 이루어진다. 최대 레벨인 경우, 블록(908)에서, CVR 인자 추정을 요청한 프로세스에 제어가 되돌려진다. 최대 레벨이 아닌 경우, 블록(910)에서, 분석 구간은 1씩 증분한다. 또한, 블록(910)에서, CVR 인자가 난방 존(예를 들어, 온도가 65 미만임), 중립 존(예를 들어, 온도가 65와 70 사이임), 또는 냉방 존(예를 들어, 온도가 70 초과임)에 대응하는지에 대한 결정이 이루어진다. CVR 인자가 난방 존에 대응하는 경우, 블록(912-928)이 실행되고, CVR 인자가 중립 존에 대응하는 경우, 블록(930-942)이 실행되고, CVR 인자가 냉방 존에 대응하는 경우, 블록(950-966)이 실행된다.

블록(912)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 난방 존 MCD 회귀 결과가 검색된다.

블록(914)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 MCD 결과로부터의 난방 존 관측 서브세트가 검색된다.

블록(916)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 난방 존 온도 관측 서브세트가 검색된다.

블록(918)에서, 현재 분석 구간 인덱스에서 결합된 CVR 및 Non-CVR 동작 체제에 대한 MCD 결과 관측 서브세트를 사용하여 난방 존 온도 위치가 추정된다.

블록(920)에서, 다른 난방 존 영향 변수 위치(influence variables location)가 현재 분석 구간 인덱스에서 결합된 CVR 및 Non-CVR 동작 체제에 대한 MCD 결과 관측 서브세트를 사용하여 선택적으로 추정된다.

블록(922)에서, CVR 동작 체제와 Non-CVR 동작 체제 사이의 난방 존 에너지 요구 차이(energy demand difference)는 현재 분석 구간 인덱스에서 MCD 회귀 결과를 사용하여 추정된다.

블록(924)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 난방 존 전압 관측 서브세트가 검색된다.

블록(926)에서, CVR 동작 체제와 Non-CVR 동작 체제 사이의 난방 존 전압 차이는 현재 분석 구간 인덱스에서 추정된다.

블록(928)에서, 단위 당 선형 CVR 인자(a linear per unit CVR factor)가 난방 존에 대해 계산된다.

블록(930)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 중립 존 MCD 회귀 결과가 검색된다.

블록(932)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 MCD 결과로부터의 중립 존 관측 서브세트가 검색된다.

블록(934)에서, 다른 중립 존 영향 변수 위치는 현재 분석 구간 인덱스에서 결합된 CVR 및 Non-CVR 동작 체제에 대한 MCD 결과 관측 서브세트를 사용하여 선택적으로 추정된다.

블록(936)에서, CVR 동작 체제와 Non-CVR 동작 체제 사이의 중립 존 에너지 요구 차이는 현재 분석 구간 인덱스에서 MCD 회귀 결과를 사용하여 추정된다.

블록(938)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 중립 존 전압 관측 서브세트가 검색된다.

블록(940)에서, CVR 동작 체제와 Non-CVR 동작 체제 사이의 중립 존 전압 차이는 현재 분석 구간 인덱스에서 추정된다.

블록(942)에서, 중립 존에 대해 단위 당 선형 CVR 인자가 계산된다.

블록(950)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 냉각 존 MCD 회귀 결과가 검색된다.

블록(952)에서, 현재 분석 구간 인덱스에서 CVR 및 Non-CVR 동작 체제에 대한 MCD 결과로부터의 냉방 존 관측 서브세트가 검색된다.

블록(954)에서, 현재 분석 구간 인덱스에서 CVR 동작 체제와 Non-CVR 동작 체제에 대한 냉방 존 온도 관측 서브세트가 검색된다.

블록(956)에서, 현재 분석 구간 인덱스에서 결합된 CVR 동작 체제와 Non-CVR 동작 체제에 대해 MCD 결과 관측 서브세트를 사용하여 냉방 존 온도 위치가 추정된다.

블록(958)에서, 다른 난방 존 영향 변수 위치가 현재 분석 구간 인덱스에서 결합된 CVR 동작 체제와 Non-CVR 동작 체제에 대한 MCD 결과 관측 서브세트를 사용하여 선택적으로 추정된다.

블록(960)에서, CVR 동작 체제와 Non-CVR 동작 체제 사이의 냉방 존 에너지 요구 차이는 현재 분석 구간 인덱스에서 MCD 회귀 결과를 사용하여 추정된다.

블록(962)에서, 현재 분석 구간 인덱스에서 CVR 동작 체제와 Non-CVR 동작 체제에 대한 냉방 존 전압 관측 서브세트가 검색된다.

블록(964)에서, CVR 동작 체제와 Non-CVR 동작 체제 사이의 냉방 존 전압 차이는 현재 분석 구간 인덱스에서 추정된다.

블록(966)에서, 단위 당 선형 CVR 인자가 냉방 존에 대해 계산된다.

블록(928, 942 및 966) 다음에, 단위-당 CVR 인자(per-unit CVR factors)는 디스플레이 및 보고를 위해 메모리에 저장된다. 다음 구간은 이후 블록(905)에서 실행된다.

도 10을 참조하면, MCD 회귀를 구현하기 위한 프로세스(1000)가 도시되어 있다. 블록(1002)에서, MCD 회귀 진입점이 정의된다.

블록(1004)에서, 추정기는 입력 앙상블에서 관측의 수에 기초하여 선택된다.

관측의 수가 제로인 경우, 블록(1006)에서, 추정의 식별이 무효한 것으로 설정된다.

관측의 수가 1인 경우, 블록(1008)에서, 추정이 되돌려지고 널 회귀 계수(null regression coefficient)를 가지는 단일 응답 관측으로 설정된다.

관측의 수가 2인 경우, 블록(1010)에서, 추정이 되돌려지고 널 회귀 계수를 가지는 2개의 응답 관측의 평균으로 설정된다.

관측의 수가 3인 경우, 블록(1012)에서, 추정이 되돌려지고, 널 회귀 계수를 가지는 응답 관측의 L1 중앙값으로 설정된다.

관측의 수가 4 이상인 경우, 블록(1014)에서, 추정이 되돌려지고, 모든 영향 변수에 대해 모든 응답 관측의 MCD 회귀로 설정된다.

블록(1016)에서, MCD가 성공적이었는지에 대한 결정이 이루어진다. 성공적이지 않은 경우, 블록(1012)이 실행되며, 여기서 추정이 되돌려지고 널 회귀 계수를 가지는 응답 관측의 L1 중앙값으로 설정된다.

블록(1018)에서, 추정은 유효한 것으로 식별된다.

블록(1020)에서, MCD 알고리즘 실행을 요청한 절차에 제어가 되돌려진다.

일 구현예에서, 개별적인 난방 및 냉방 온도 종속성 및 사용 실제(편차 아님) 온도가 요구 감소의 순방향 추정에서 보유된다. 이는 (팽창된) 편차 온도의 계산을 제거하지만, "평균" 온도의 일부 추정(중심 경향, L1 중앙값)이 개별적으로 난방 존 및 냉방 존에 대해 이루어질 것을 요구한다. 이들 소위 평균 온도는 이후 개별적으로 난방 및 냉방 요구 감소를 수정하기 위해 난방 및 냉방 회귀 계수와 함께 사용된다. 이는 궁극적으로 하나가 아닌 2개의 인자를 가지는 CVR 성능을 특징으로 하는 결과를 초래한다.

추가적으로, 소위 중립 온도 존의 존재(여기서, 에너지 요구는 명백한 온도 종속성이 없음을 분명히 함)가 실제 유틸리티 시스템에서 관측되므로, 제3 온도-독립적 CVR 인자가 이 존에 대해 추정될 수 있다. 이러한 CVR 형성은 유틸리티 부하 성장 및 온도 패턴에서의 동적 변경의 상황에서 CVR 추정 실험 및 우세한 예측 성능 모두의 보다 상세한 특성화(characterization)를 제공할 것이다.

CVR 인자의 추정에 있어서 다른 중요한 환경 영향은:

a. 온도와 동일한 방식으로 포함된 독립적 영향으로서의 습도;

b. 이들 두 현상의 결합된 효과(일부 기후에서 따뜻한 계절에 특히 중요함)를 캡쳐하는 단일의 '불쾌(discomfort)' 변수에서 비선형적으로 조합된 온도와 습도(및 일 구현예에서, 바람);

c. 지역별 구름 덮임에 대한 기상 데이터베이스로부터의 레코드 또는 태양광 입사에 대해 직접 센서를 통한 추정의 목적으로 관측된, 태양광 노출에 대한, 아직 특정되지 않은 지연의 허용을 통한, 실시간 종속성(real-time dependence); 물론 태양광 입사가, 영향 변수(influential variable)로서, 온도, 습도, 또는 둘 모두와 비선형적으로 조합될 수 있는 가능성; 및

d. 에너지 요구가 난방 또는 냉방에 의해 만들어질 때 이들 변수가 달라지는 영향

을 포함하지만 이에 제한되지 않는다.

방금 기술한 임의의 또는 모든 이러한 영향의 효과는 선형 또는 비선형 영향 변수로서 전송, 분배, 또는 서비스 전압의 효과와 추정될 수 있고, 따라서, 별도의 전압 체제에서의 환경적 영향을 추정하는 것은 한번에 모든 영향을 포함하는 회귀 모델을 위하여 포함되며, CVR 인자(정의에 의하면, 전압 전용에 대한 에너지 요구의 단위 당 종속성(per unit dependence))는 이러한 '평균'이 이러한 변수의 중심 경향을 나타내는 매우 일반적인 통계적 의미에서, 일부 적절하게 추정된 '평균' 값으로 설정된 모든 다른 영향 변수와 함께 전압 변수에 대한 회귀 계수로서 획득된다.

위의 예에서, MCD ML 알고리즘은 관측된 데이터에 대해 회귀를 수행하기 위해 사용된다. MCD 방법은 매우 강건한 다변수 위치 및 분산 추정기(highly robust estimator of multivariate location and scatter)이다. n×p 데이터 행렬이 주어지는 경우, 그 목적은 그것의 공분산 행렬이 가장 낮은 행렬식을 가지는 h 관측들(n/2≤h≤ n임)을 발견하는 것이다. 위치의 MCD 추정은 이후, 이들 h개의 포인트의 평균이며, 분산 추정(scatter estimate)은 공분산 행렬의 배수이다. MCD는 제한된 영향 함수(bounded influence function)를 가지며, h =|(n + p + 1)/2|일 때 가장 높은 가능한 브레이크다운(breakdown) 값(즉, 50%)을 유지할 수 있다. 가외치에 매우 강한(resistant) 것에 더하여, MCD는 아핀 등변(affine equivariant)인데, 즉, 추정치는 데이터의 아핀 변환 하에서 적절하게 거동한다.

공분산 행렬의 고유값이 선형 결합과 연관된 분산을 나타내는 것으로 해석될 수 있다는 점에 유의한다. 행렬의 행렬식은 그 고유값의 곱과 등가이다. 따라서, 회귀 모델의 '적합도(goodness-of-fit)'는 연관된 공분산 행렬의 행렬식의 크기에 의해 평가될 수 있다. 따라서, 그에 따라 공분산 행렬 행렬식이 최소화된 모델이 가장 적합함을 나타내야 한다. 다양한 실시예에서, 이러한 일반적 인식은 관측된 데이터의 강건한 다중 선형 회귀를 제공하도록 이용된다(leveraged).

다양한 고속 알고리즘이 FAST-MCD(Rousseeuw, P.J. and Van Driessen, K. (1999), "A Fast Algorithm for the Minimum Covariance Determinant Estimator," Technometrics, 41, pp. 212-223) 및 Det MCD(2013년 2월 28일 액세스된 http://citeseerx.isi.nsu.edu에서 이용가능한, HUBERT, M., ROUSSEEUW, P.J. and VERDONCK, T. (2010): A deterministic algorithm for the MCD)를 포함한 MCD 기법을 구현하는데 이용가능하다. 다양한 실시예는 MCD 기법의 임의의 적절한 구현을 포함할 수 있다.

CVR 시스템에 대한 CVR 인자의 추정과 관련된 특정 예가 위에 제공되지만, 이들 기법이 Volt/VAR 최적화 시스템을 포함한 다른 타입의 보존 시스템을 분석하기 위해 확장되거나 수정될 수 있다는 점이 본 개시내용에 비추어 당업자에게 명백할 것이다.

본 발명의 범위는 본원에 구체적으로 도시되고 기술된 것에 의해 제한되지는 않는다. 당업자는 물질, 구성, 구조 및 디멘젼의 도시된 예에 대한 적절한 대안이 존재한다고 인식할 것이다. 특허 및 다양한 공보를 포함한 다수의 참고문헌이 이 발명의 기재에서 인용되고 논의된다. 이러한 참고문헌의 인용과 논의는 단지 본 발명의 기재를 명료하게 하기 위해 제공되며, 임의의 참고문헌이 본원에 기술된 발명에 대한 종래 기술이라고 인정하지는 않는다. 이 명세서에서 인용되고 논의된 모든 참고문헌은 그 전체 내용이 인용에 의해 본원에 포함된다.

다양한 발명의 실시예가 본원에 기술되고 예시되어 있지만, 당업자는 기능을 수행하고 그리고/또는 결과 및/또는 본원에 기술된 장점 중 하나 이상을 획득하기 위한 다양한 다른 수단 및/또는 구조를 쉽게 고안할 것이며, 이러한 변경 및/또는 수정 각각은 본원에 기술된 발명의 실시예의 범위 내에 있는 것으로 간주된다. 더 일반적으로, 당업자는 본원에 기술된 모든 파라미터, 디멘젼, 물질 및 구성이 예시적인 것으로 의도되며, 실제 파라미터, 디멘젼, 물질 및/또는 구성이 발명의 교시가 사용되는 특정 응용예 또는 응용예들에 의존할 것이라는 점을 쉽게 이해할 것이다. 당업자는, 기껏해야 일상적인 실험을 사용하여, 본원에 기술된 특정 발명의 실시예에 대한 많은 등가물을 인식하거나 확인할 수 있을 것이다. 따라서, 전술된 실시예가 단지 예시에 의해 제시되며, 첨부된 청구항 및 그 등가물의 범위 내에서, 발명의 실시예가 구체적으로 기술되고 청구된 것과는 다른 방식으로 구현될 수 있다는 점이 이해되어야 한다. 본 개시내용의 발명적 실시예는 각각 본원에 기술된 개별적인 특징, 시스템, 물품, 물질, 키트(kit), 및/또는 방법에 관한 것이다. 추가로, 둘 이상의 이러한 특징, 시스템, 물품, 물질, 키트 및/또는 방법의 임의의 조합은, 만약 이러한 특징, 시스템, 물품, 물질, 키트 및/또는 방법이 서로 일관되지 않는 경우, 본 개시내용의 발명적 범위 내에 포함된다.

전술된 실시예는 다수의 방식 중 임의의 방식으로 구현될 수 있다. 예를 들어, 실시예는 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 결합을 사용하여 구현될 수 있다. 소프트웨어로 구현될 때, 소프트웨어 코드는, 단일 컴퓨터에 제공되든, 또는 다수의 컴퓨터 사이에 분산되든 간에, 임의의 적절한 프로세서 또는 프로세서들의 모음 상에서 실행될 수 있다.

또한, 컴퓨터가 랙-장착형 컴퓨터(rack-mounted computer), 데스트톱 컴퓨터, 랩톱 컴퓨터, 또는 태블릿 컴퓨터와 같은 다수의 형태 중 임의의 형태로 구현될 수 있다는 점이 이해되어야 한다. 추가로, 컴퓨터는 개인 디지털 보조 단말(PDA; Personal Digital Assistant), 스마트 폰 또는 임의의 다른 적절한 휴대용 또는 고정용 전자 디바이스를 포함하는, 일반적으로 컴퓨터로서 간주되는 것이 아니라 적절한 처리 능력을 가지는 디바이스에서 구현될 수 있다.

또한, 컴퓨터는 하나 이상의 입력 및 출력 디바이스를 가질 수 있다. 이들 디바이스는, 특히, 사용자 인터페이스를 제공하기 위해 사용될 수 있다. 사용자 인터페이스를 제공하기 위해 사용될 수 있는 출력 디바이스들의 예는 출력의 시각적 표시를 위한 프린터 또는 디스플레이 스크린 및 출력의 청각적 표시를 위한 스피커 또는 다른 사운드 생성 디바이스를 포함한다. 사용자 인터페이스에 대해 사용될 수 있는 입력 디바이스의 예는 키보드, 및 마우스, 터치패드 및 디지털화 태블릿과 같은 포인팅 디바이스를 포함한다. 또다른 예로서, 컴퓨터는 음성 인식을 통해 또는 다른 가청 포맷으로 입력 정보를 수신할 수 있다.

이러한 컴퓨터는, 로컬 영역 네트워크 또는 기업 네트워크와 같은 광역 네트워크, 및 지능형 네트워크(IN; intelligent network) 또는 인터넷을 포함한, 임의의 적절한 형태인 하나 이상의 네트워크에 의해 상호접속될 수 있다. 이러한 네트워크는 임의의 적절한 기술에 기초할 수 있고, 임의의 적절한 프로토콜에 따라 동작할 수 있고, 무선 네트워크, 유선 네트워크 또는 광섬유 네트워크를 포함할 수 있다.

본원에 기술된 기능성의 적어도 일부분을 구현하기 위해 사용되는 컴퓨터는 메모리, 하나 이상의 처리 유닛(또한 단순히 "프로세서"로서 본원에서 지칭됨), 하나 이상의 통신 인터페이스, 하나 이상의 디스플레이 유닛, 및 하나 이상의 사용자 입력 디바이스를 포함할 수 있다. 메모리는 임의의 컴퓨터-판독가능한 매체를 포함할 수 있고, 본원에서 기술된 다양한 기능성을 구현하기 위한 컴퓨터 명령(또한 "프로세서-실행가능한 명령"으로서 본원에서 지칭됨)을 저장할 수 있다. 처리 유닛(들)은 명령을 실행하기 위해 사용될 수 있다. 통신 인터페이스(들)는 유선 또는 무선 네트워크, 버스, 또는 다른 통신 수단에 연결될 수 있고, 따라서, 컴퓨터가 다른 디바이스에 통신을 전송하고 및/또는 다른 디바이스로부터 통신을 수신하게 할 수 있다. 디스플레이 유닛(들)은 예를 들어, 사용자가 명령의 실행과 관련하여 다양한 정보를 볼 수 있게 하기 위해 제공될 수 있다. 사용자 입력 디바이스(들)는, 예를 들어, 사용자가 수동 조정을 수행하고, 선택을 수행하고, 데이터 또는 다양한 다른 정보를 입력하고, 그리고/또는 명령의 실행 동안 프로세서와 다양한 방식들 중 임의의 방식으로 상호작용하게 하기 위해 제공될 수 있다.

본원에서 개요를 설명한 다양한 방법 또는 프로세스는 다양한 운영 체제 또는 플랫폼 중 임의의 하나를 사용하는 하나 이상의 프로세서 상에서 실행가능한 소프트웨어로서 코딩될 수 있다. 추가로, 이러한 소프트웨어는 다수의 적절한 프로그래밍 언어 및/또는 프로그래밍 또는 스크립트 툴 중 임의의 것을 사용하여 기록될 수 있고, 또한, 프레임워크 또는 가상 머신 상에서 실행되는 실행가능한 기계어 코드 또는 중간 코드로서 컴파일될 수 있다.

이러한 견지에서, 다양한 발명의 개념이, 하나 이상의 컴퓨터 또는 다른 프로세서에서 실행될 때, 위에서 논의된 발명의 다양한 실시예를 구현하는 방법을 수행하는 하나 이상의 프로그램이 인코딩된 컴퓨터 판독가능한 저장 매체(또는 다수의 컴퓨터 판독가능한 저장 매체)(예를 들어, 컴퓨터 메모리, 하나 이상의 플로피 디스크, 컴팩트 디스크, 광 디스크, 자기 테이프, 플래시 메모리, 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array) 또는 다른 반도체 디바이스 내의 회로 구성, 또는 다른 비-일시적 매체 또는 유형의 컴퓨터 저장 매체)로서 구현될 수 있다. 컴퓨터 판독가능한 매체 또는 매체들은, 저장된 프로그램 또는 프로그램들이 하나 이상의 상이한 컴퓨터 또는 다른 프로세서 내로 로딩되어 위에서 논의된 바와 같은 본 발명의 다양한 양상을 구현할 수 있도록, 전송가능할 수 있다.

용어 "프로그램" 또는 "소프트웨어"는 위에서 논의된 바와 같은 실시예의 다양한 양상을 구현하도록 컴퓨터 또는 다른 프로세서를 프로그래밍하기 위해 사용될 수 있는 임의의 타입의 컴퓨터 코드 또는 컴퓨터-실행가능한 명령의 세트를 지칭하도록 포괄적 의미로 본원에서 사용된다. 추가로, 일 양상에 따르면, 실행될 때 본 발명의 방법을 수행하는 하나 이상의 컴퓨터 프로그램이 단일 컴퓨터 또는 프로세서 상에 상주할 필요는 없지만, 본 발명의 다양한 양상을 구현하기 위해 다수의 상이한 컴퓨터 또는 프로세서 사이에서 모듈러 방식으로 분배될 수 있다는 점이 이해되어야 한다.

컴퓨터-실행가능한 명령은 하나 이상의 컴퓨터 또는 다른 디바이스에 의해 실행되는, 프로그램 모듈과 같은 많은 형태로 될 수 있다. 일반적으로, 프로그램 모듈은 특정한 작업을 수행하거나 특정한 추상적 데이터 타입을 구현하는 루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포함한다. 통상적으로, 프로그램 모듈의 기능성은 다양한 실시예에서 요구되는 경우 결합되거나 분배될 수 있다.

또한, 데이터 구조가 임의의 적절한 형태로 컴퓨터-판독가능한 매체에 저장될 수 있다. 예시의 간략함을 위해, 데이터 구조가 데이터 구조 내의 위치를 통해 관련된 필드를 가지는 것으로 도시될 수 있다. 이러한 관계는 마찬가지로 필드 사이에 관계를 전달하는 컴퓨터-판독가능한 매체 내의 위치들을 가지는 필드에 대한 저장을 할당함으로써 달성될 수 있다. 그러나, 임의의 적절한 메커니즘은, 포인터, 태그, 또는 데이터 엘리먼트 간의 관계를 설정하는 다른 메커니즘의 사용을 통하는 것을 포함하는, 데이터 구조의 필드 내의 정보 사이의 관계를 설정하기 위해 사용될 수 있다.

또한, 다양한 발명의 개념이, 그 예가 제공된 하나 이상의 방법으로서 구현될 수 있다. 방법의 일부로서 수행되는 동작은 임의의 적절한 방식으로 정렬될 수 있다. 따라서, 실시예는, 예시된 것과는 상이한 순서로 동작이 수행되고, 예시적인 실시예에서 순차적 동작으로서 도시되어 있더라도 일부 동작들을 동시에 수행하는 것을 포함할 수 있도록 구성될 수 있다.

명세서 및 청구항에서 본원에서 사용된 바와 같은 부정관사("a" 및 "an")는, 반대로 명백하게 지시되지 않은 한, "적어도 하나"를 의미하는 것으로 이해되어야 한다.

명세서 및 청구항에서 본원에서 사용된 바와 같은 구문 "또는"은, 그렇게 결합된 엘리먼트, 즉, 일부 경우에서는 결합하여 존재하고 다른 경우에서는 분리하여 존재하는 엘리먼트 중 "어느 하나 또는 둘 모두"를 의미하는 것으로 이해되어야 한다. "또는"을 이용하여 열거된 다수의 엘리먼트는 동일한 방식으로, 즉, 그렇게 결합된 엘리먼트 중 "하나 이상"으로 해석되어야 한다. 구체적으로 식별된 그 엘리먼트와 관련되든 또는 무관하든 간에, "또는" 구절에 의해 구체적으로 식별된 엘리먼트가 아닌 다른 엘리먼트가 선택적으로 존재할 수 있다. 따라서, 비-제한적인 예로서, "A 또는 B"에 대한 참조는, "포함하는"과 같은 개방형(open-ended) 언어와 함께 사용될 때, 일 실시예에서, A만(선택적으로 B가 아닌 엘리먼트를 포함함); 또다른 실시예에서 B만(선택적으로 A가 아닌 엘리먼트를 포함함); 또다른 실시예에서 A와 B 모두(선택적으로 다른 엘리먼트를 포함함) 등을 지칭할 수 있다.

명세서 및 청구항에서 본원에서 사용된 바와 같이, "또는"은 위에서 정의된 "또는"과 동일한 의미를 가지는 것으로 이해되어야 한다. 예를 들어, 리스트 내의 항목을 분리할 때, "또는" 또는 "또는"은 내포적인, 즉, 다수의 엘리먼트 또는 엘리먼트의 리스트, 및 선택적으로 추가적인 열거되지 않은 항목 중 적어도 하나 뿐만 아니라 하나 초과의 내포인 것으로서 해석되어야 한다. "오직 하나" 또는 "정확히 하나", 또는 청구항에서 사용될 때 "구성하는"과 같이 명백하게 달리 지시된 용어만이 다수의 엘리먼트 또는 엘리먼트의 리스트 중 정확히 하나의 엘리먼트의 내포를 지칭할 것이다. 일반적으로, 용어 "또는"은 본원에서 사용된 바와 같이, "어느 하나", "~중 하나", "~중 오직 하나" 또는 "~중 정확히 하나"와 같은 배타성의 용어가 후속할 때 배타적 대안(exclusive alternatives)(즉, 둘 모두는 아닌 하나 또는 다른 하나)을 나타내는 것으로서만 해석될 것이다. 청구항에서 사용될 때 "본질적으로 ~로 구성된"은 특허법 분야에서 사용되는 바와 같은 일반적 의미를 가질 것이다.

청구항에서, 뿐만 아니라 위의 명세서에서, "포함하는", "반송하는", "가지는", "함유하는", "수반하는", "보유하는", "~로 구성된" 등과 같은 모든 과도적 구문(transitional phrases)은 개방형인 것으로, 즉, 이를 포함하지만 이에 제한되지 않음을 의미하는 것으로 이해될 것이다. 미국 특허청 특허 심사 절차 매뉴얼, 섹션 2111.03에서 설명된 바와 같이, 과도적 구문 "~로 구성된" 및 "본질적으로 ~로 구성된"만이, 각자 폐쇄형 또는 반-폐쇄형(semi-closed) 과도적 구문일 것이다.

모든 정의는, 본원에서 정의되고 사용되는 바와 같이, 사전적 정의, 인용에 의해 포함된 문서에서의 정의, 및/또는 정의된 용어의 일반적 의미에 대해 제어하도록 이해되어야 한다.

본원에 기술된 것의 변경, 수정 및 다른 구현예는 발명의 사상 및 범위로부터의 이탈 없이 당업자에게 발생할 것이다. 본 발명의 특정 실시예가 도시되고 기술되었지만, 변경 및 수정이 발명의 사상 및 범위로부터의 이탈 없이 이루어질 수 있다는 점이 당업자에게 명백할 것이다. 이전 기재 및 첨부 도면에서 설명된 사항은 제한으로서가 아니라 오직 예시에 의해서만 공급된다.

부록 A

Claims

전기 전력 전달 시스템(electrical power delivery system)의 성능을 개선하기 위한 보존 시스템(conservation system)의 성능을 분석하는 방법으로서,
제1 모드에서 상기 보존 시스템의 성능을 나타내는 제1 관측 정보(observation information)를 수신하는 단계;
제2 모드에서 상기 보존 시스템의 성능을 나타내는 제2 관측 정보를 수신하는 단계;
상기 제1 관측 정보에 기초하여 상기 제1 모드에서의 상기 보존 시스템의 성능의 제1 모델을 생성하는 단계;
상기 제1 관측 정보에 기초하여 상기 제1 모드에서의 상기 보존 시스템의 성능의 제2 모델을 생성하는 단계;
상기 제1 모델에 기초하여 상기 제1 모드에서의 상기 보존 시스템의 성능을 나타내는 제1 제어된 성능 정보를 결정하는 단계; 및
상기 제2 모델에 기초하여 상기 제2 모드에서의 상기 보존 시스템의 성능을 나타내는 제2 제어된 성능 정보를 결정하는 단계
를 포함하는 방법.
제1항에 있어서,
상기 보존 시스템은 보존 전압 감소(CVR; conservation voltage reduction) 시스템 또는 Volt/VAR 최적화(VVO; Volt/VAR optimization) 시스템을 포함하는 방법.
제1항 또는 제2항에 있어서,
상기 제1 모드는 상기 보존 시스템이 비활성인 모드이고, 상기 제2 모드는 상기 보존 시스템이 활성인 모드인 방법.
제1항 내지 제3항 중 어느 한 항에 있어서,
상기 제1 모드 및 제2 모드에서 동작하도록 상기 보존 시스템을 제어하는 단계를 더 포함하는 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 제1 관측 정보 및 제2 관측 정보의 적어도 일부분을 검출하는 단계를 더 포함하는 방법.
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 제1 관측 정보 및 제2 관측 정보 각각은:
상기 보존 시스템의 성능에 대한 적어도 하나의 설명적 변수(explanatory variable)를 나타내는 설명적 정보(explanatory information); 및
상기 보존 시스템의 성능에 대한 적어도 하나의 종속적 변수(dependent variable)를 나타내는 종속적 정보(dependent information)
를 포함하는 방법.
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 설명적 정보는: 온도, 습도, 태양광 조건(solar conditions), 노출(exposure), 인구(population), 날씨 조건, 및 이 항목들 중 임의의 것의 선형 또는 비선형 조합들로 구성된 리스트로부터 선택된 적어도 하나를 나타내는 정보를 포함하는 방법.
제1항 내지 제7항 중 어느 한 항에 있어서,
상기 종속적 정보는 동작 전압, 실제 전압 요구(real voltage demand), VAR 요구, 또는 이들의 조합들로 구성된 리스트로부터 선택된 적어도 하나를 나타내는 정보를 포함하는 방법.
제6항 내지 제8항 중 어느 한 항에 있어서,
상기 제1 모델 및 제2 모델 각각을 생성하는 단계는:
각자의 상기 설명적 정보와 종속적 정보에 기초하여 회귀(regression)를 수행하는 단계를 포함하는 방법.
제9항에 있어서,
상기 회귀를 수행하는 단계는 다중 선형 회귀(multiple linear regression)를 수행하는 단계를 포함하는 방법.
제9항 또는 제10항에 있어서,
상기 회귀를 수행하는 단계는 강건한 회귀 알고리즘(robust regression algorithm)을 적용하는 단계를 포함하는 방법.
제11항에 있어서,
상기 회귀를 거치는 적어도 하나의 변수는 넌-가우시안 분포(non-Gaussian distribution)를 가지는 랜덤 변수에 대응하고, 상기 강건한 회귀 알고리즘은 상기 넌-가우시안 분포를 보상하는 방법.
제9항 내지 제12항 중 어느 한 항에 있어서,
상기 회귀를 수행하는 단계는 최소 공분산 행렬식(MCD; minimum covariance determinant) 알고리즘을 적용하는 단계를 포함하는 방법.
제1항 내지 제13항 중 어느 한 항에 있어서,
상기 제1 관측 정보 및 상기 제2 관측 정보 각각을 복수의 카테고리로 분류하는 단계를 더 포함하고;
상기 제1 모드에서의 상기 보존 시스템의 성능의 제1 모델을 생성하는 단계는 상기 복수의 카테고리들 각각으로부터의 상기 제1 관측 정보에 기초하여 별도의 각자의 회귀를 수행하는 단계를 포함하고;
상기 제2 모드에서의 상기 보존 시스템의 성능의 제2 모델을 생성하는 단계는 상기 복수의 카테고리들 각각으로부터의 상기 제2 관측 정보에 기초하여 별도의 각자의 회귀를 수행하는 단계를 포함하는 방법.
제14항에 있어서,
상기 카테고리들 각각 내의 관측 정보는 실질적으로 선형 거동을 보이는 방법.
제15항에 있어서,
상기 관측 정보는 카테고리마다 실질적으로 비선형 거동을 보이는 방법.
제16항에 있어서,
상기 복수의 카테고리 각각은 공통 물리적 조건에 대응하는 관측들에 대응하는 방법.
제17항에 있어서,
상기 물리적 조건은: 온도, 습도, 태양광 조건, 노출, 및 날씨 조건으로 구성된 리스트로부터 선택된 적어도 하나를 포함하는 방법.
제16항에 있어서,
상기 복수의 카테고리 각각은 공통 사용 조건에 대응하는 관측들에 대응하는 방법.
제19항에 있어서,
상기 사용 조건은 사용자 인구 또는 사용자 인구 밀도에 대응하는 방법.
제14항 내지 제20항 중 어느 한 항에 있어서,
상기 복수의 카테고리는 적어도 3개의 카테고리를 포함하는 방법.
제21항에 있어서,
상기 적어도 3개의 카테고리는:
상대적으로 낮은 주변 온도를 가지는 존(zone)에 대응하는 관측들을 포함하는 낮은 온도 카테고리;
상대적으로 높은 주변 온도를 가지는 존에 대응하는 높은 온도 카테고리; 및
낮은 온도 존과 높은 온도 존 사이의 중간인 주변 온도를 가지는 존에 대응하는 중간 온도 카테고리
를 포함하는 방법.
제22항에 있어서,
상기 낮은 온도 카테고리는 상기 전달 시스템으로부터의 전력이 난방을 위해 사용되는 존에 대응하는 방법.
제22항 또는 제23항에 있어서,
상기 높은 온도 카테고리는 상기 전달 시스템으로부터의 전력이 냉방을 위해 사용되는 존에 대응하는 방법.
제1항 내지 제24항 중 어느 한 항에 있어서,
상기 제어된 성능 정보를 사용하여 상기 제1 모드 및 제2 모드에서의 상기 보존 시스템의 성능을 비교하는 단계를 더 포함하는 방법.
제25항에 있어서,
상기 제1 모드 및 제2 모드에서의 상기 보존 시스템의 성능을 비교하는 단계는 상기 제1 모드 및 제2 모드에서 상이한 전달 시스템 동작 조건들을 제어하기 위해 상기 제1 모델 및 제2 모델을 사용하는 단계를 포함하는 방법.
제26항에 있어서,
상기 상이한 동작 조건들은 온도, 습도, 태양광 조건, 노출, 인구, 날씨 조건, 및 이 항목들 중 임의의 것의 선형 또는 비선형 조합들로 구성된 리스트로부터 적어도 하나를 포함하는 방법.
제25항 내지 제27항 중 어느 한 항에 있어서,
상기 보존 시스템은 CVR 시스템이고, 상기 제1 모드 및 제2 모드에서의 상기 보존 시스템의 성능을 비교하는 단계는 CVR 인자를 나타내는 정보를 생성하는 단계를 포함하는 방법.
제25항 내지 제27항 중 어느 한 항에 있어서,
상기 보존 시스템은 Volt/VAR 최적화 시스템이고, 상기 제1 모드 및 제2 모드에서의 상기 보존 시스템의 성능을 비교하는 단계는 에너지 효율성 또는 요구 응답(energy efficiency or demand response)을 나타내는 정보를 생성하는 단계를 포함하는 방법.
전기 전력 전달 시스템의 성능을 개선하기 위한 보존 시스템의 성능을 분석하는 시스템으로서,
제1항 내지 제29항 중 어느 한 항의 방법을 실행하도록 구성된 프로세서를 포함하는 시스템.
제30항에 있어서,
상기 프로세서에 동작상으로 연결되고(operatively coupled) 상기 관측 정보를 생성하도록 구성된 복수의 센서를 더 포함하는 시스템.
제31항에 있어서,
상기 복수의 센서는 상기 프로세서로부터 떨어져 위치되며 상기 프로세서와 동작상으로 통신하는 하나 이상의 계측기를 포함하는 시스템.
제32항에 있어서,
상기 복수의 센서 중 하나 이상을 포함하는 자동화된 계측 인프라구조 시스템(automated metering infrastructure system)을 더 포함하는 시스템.
제30항 내지 제33항 중 어느 한 항에 있어서,
상기 복수의 센서들은 상기 전달 시스템에서의 하나 이상의 위치에서 전기 전력 전달을 모니터링하도록 구성된 하나 이상의 센서를 포함하는 시스템.
제34항에 있어서,
전기 전력 전달을 모니터링하도록 구성된 상기 하나 이상의 센서는 상기 전달 시스템 내의 위치에서 전압 또는 VAR 레벨을 측정하도록 구성된 센서를 포함하는 시스템.
제30항 내지 제35항 중 어느 한 항에 있어서,
상기 복수의 센서는 상기 전달 시스템에서의 하나 이상의 위치들에서 물리적 조건들을 측정하도록 구성된 하나 이상의 센서를 포함하는 시스템.
제36항에 있어서,
상기 센서들은: 온도 센서, 습도 센서, 태양광 조건 센서, 노출 센서(exposure sensor), 인구 센서(population sensor), 날씨 조건 센서, 및 이 항목들 중 임의의 것의 조합들로 구성된 리스트로부터 선택된 적어도 하나를 포함하는 시스템.
제30항 내지 제37항 중 어느 한 항에 있어서,
상기 프로세서는 상기 전달 시스템에서의 하나 이상의 위치들에서의 물리적 조건들을 나타내는 정보를 저장하는 적어도 하나의 데이터베이스와 통신하는 시스템.
제38항에 있어서,
상기 데이터베이스는 날씨 또는 기후 정보를 저장하는 시스템.
제30항 내지 제39항 중 어느 한 항에 있어서,
상기 프로세서에 동작상으로 접속되고, 상기 보존 시스템의 동작을 제어하도록 구성된 제어기를 더 포함하는 시스템.
제30항 내지 제40항 중 어느 한 항에 있어서,
상기 보존 시스템을 더 포함하는 시스템.
제41항에 있어서,
상기 보존 시스템은 보존 전압 감소(CVR) 시스템 또는 Volt/VAR(VVO) 최적화 시스템을 포함하는 시스템.
제1항 내지 제42항 중 어느 한 항에 있어서,
상기 보존 시스템은 상기 보존 시스템이 비활성인 제1 모드 및 상기 보존 시스템이 활성인 제2 모드에서 동작하는 방법.
제1항 내지 제43항 중 어느 한 항에 있어서,
상기 보존 시스템은 제1 세트의 동작 파라미터들을 가지는 제1 모드 및 제2 세트의 동작 파라미터들을 가지는 제2 모드에서 동작하는 방법.
실행가능한 프로그램이 저장된 비-일시적 컴퓨터 판독가능한 매체로서,
상기 프로그램은 제1항 내지 제29항 중 어느 한 항의 방법의 단계를 실행하도록 프로세서에 명령하는 컴퓨터 판독가능한 매체.