KR20160007126A

KR20160007126A - 소비 특성에 따른 전력 소비량 예측 방법 및 장치

Info

Publication number: KR20160007126A
Application number: KR1020140087330A
Authority: KR
Inventors: 최종웅; 이효섭
Original assignee: 주식회사 인코어드 테크놀로지스
Priority date: 2014-07-11
Filing date: 2014-07-11
Publication date: 2016-01-20
Also published as: KR101660487B1

Abstract

본 발명은 소비되는 전력을 예측하는 방법에 관한 것으로, 본 발명에 따른 소비 특성에 따른 전력 소비량 예측 방법은 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 단계; 상기 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성하는 단계; 및 상기 생성된 관계 모델을 통해 전력 소비량을 산출하는 단계를 포함한다. 본 발명에 따르면 피더 레벨의 측정을 통하여 각 전기기기 그룹별 실시간 소비량과 이를 바탕으로 한 소비 패턴 분석이 가능하다. 또한, 예측 요소 모델에서 계산된 값과 실제 관측값과의 차이 및, 다른 예측 요소가 없는 피더의 총합에 대해서는 별도의 모델링을 통하여 전력 소비량을 산출하므로 보다 정확한 예측이 가능하고, 이를 통한 누적 사용량 혹은 피크 타임 미리 알림이나 가전기기의 이상 징후를 예측하는 것이 가능하다.

Description

소비 특성에 따른 전력 소비량 예측 방법 및 장치{Method and apparatus for forecasting an energy consumption based on consumption characteristic}

본 발명은 소비되는 전력을 예측하는 방법에 관한 것으로, 보다 상세하게는 소비 특성에 따른 전력 소비량을 예측하는 방법에 관한 것이다.

전력을 소비하는 가정, 공장, 상가, 오피스 등의 건물 내에는 복수의 전기 기기들이 설치되어 있다. 전기를 비효율적으로 사용할 경우 비효율적인 발전을 통하여 에너지를 낭비하고 결과적으로 유한 자원인 전기의 원료가 낭비되게 되며 지구온난화의 주범인 온실가스 배출이 증가하게 된다. 또한, 전기 사용을 필요로 하는 소비자에게도 전기요금이 추가로 전가되어 부담을 가중시킨다. 따라서, 건물 내에 설치된 전자 장치, 기계 장치 등이 사용할 전력량을 미리 예측하고, 이에 따른 동작을 제어하여 과도한 전력 사용을 방지해야 할 필요가 있다.

일반적으로 건물의 전력 사용량은 건물의 전력 인입단에 CT (Current Transformer) 센서를 부착하여 전류를 측정함으로써 수집된다. 도 1은 어느 건물의 전력 인입단에 CT센서를 부착한 예이다. 해당 CT센서는 인입단의 전류와 전압을 측정하여 건물에서 소비되는 전력을 측정하게 된다.

선행문헌(한국공개특허공보 10-2014-0065735, (공개일 2014.05.30))은 빌딩 내에 설치된 각종 센서를 이용하여 에너지 소비와 관련된 파라미터들을 수집하고, 이를 분석하여 빌딩의 에너지 소비를 예측하는 방법으로, 인입단 레벨에서 전력을 측정하고, 전력 소비량을 예측하는 방법을 제안하고 있으나, 이러한 경우에는 각 장치들의 동작 특성에 따른 전력 소비 패턴을 고려할 수 없게 되며, 예측된 소비량과 오차가 더욱 크게 발생하므로 효율적인 전력 소비의 제어가 어렵다는 문제가 있다.

본 발명은 상기 기술적 과제를 해결하기 위한 것으로, 전력 인입단 하부의 다수의 전력 피더에서 소비되는 전력량을 측정하고 이를 통해 전력 소비량을 예측할 수 있는 방법을 제안하는 것을 목적으로 한다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 소비 특성에 따른 전력 소비량 예측 방법은 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 단계; 상기 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성하는 단계; 및 상기 생성된 관계 모델을 통해 전력 소비량을 산출하는 단계를 포함한다.

상기 전력 소비 요소를 추출하는 단계는 상기 추출된 전력 소비 요소와 상기 전력 소비량의 상관관계를 나타내는 상관계수를 산출하여 미리 결정된 임계치 이상의 상관계수를 갖는 전력 소비 요소를 추출하는 것이 바람직하다.

상기 관계 모델을 생성하는 단계는 상기 생성된 관계 모델을 통해 산출된 전력 소비량과 관측된 전력 소비량의 차이에 대한 가상의 피더 또는 기기 별 관계 모델을 생성하는 것이 바람직하다.

상기 관계 모델을 생성하는 단계는 고유 특성을 가지는 상기 피더 또는 기기에 대해서는 별도의 관계 모델을 생성하는 것이 바람직하다.

상기 관계 모델을 생성하는 단계는 상기 전력 소비 요소가 추출되지 않은 상기 피더 또는 기기에 대한 전력 소비량을 합산하여 전력 소비 요소 미추출 피더 또는 기기에 대한 관계 모델을 생성하는 것이 바람직하다.

상기 전력 소비 요소를 추출하는 단계는 Pearson 상관계수 또는 Spearman 상관계수를 산출하는 것이 바람직하다.

상기 관계 모델을 생성하는 단계는 상기 합산된 전력 소비량의 로그 변환값을 상기 추출된 전력 소비 요소에 대한 다항함수로 표현하고, 상기 다항함수에 대한 계수를 최소자승법을 통해 산출하여 상기 관계 모델을 생성하는 것이 바람직하다.

상기 관계 모델을 생성하는 단계는 상기 합산된 전력 소비량을 상기 추출된 전력 소비 요소에 대한 B-spline 함수로 표현하여 상기 관계 모델을 생성하는 것이 바람직하다.

상기 관계 모델을 생성하는 단계는 상기 합산된 전력 소비량에 대하여 Exponential smoothing, ARIMA, Functional analysis 또는 시계열 분석 방법을 수행하여 상기 관계 모델을 생성하는 것이 바람직하다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 전력 소비량 예측 모델 생성 방법은 전력을 공급하는 피더별 전력 소비량을 시간 단위로 구분하는 단계; 상기 구분된 전력 소비량을 통해 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 단계; 상기 추출된 전력 소비 요소와 상기 전력 소비량의 상관관계를 나타내는 상관계수를 산출하여 미리 결정된 임계치 이상의 상관계수를 갖는 전력 소비 요소를 판별하는 단계; 및 상기 판별된 전력 소비 요소 별로 상기 전력 소비량을 합산하고, 상기 전력 소비 요소와 상기 합산된 전력 소비량의 관계를 나타내는 관계 모델을 생성하는 단계를 포함한다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 전력 소비량 예측 방법 은 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여 추출된 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 입력 받는 단계; 및 상기 입력 받은 관계 모델을 통해 전력 소비량을 산출하는 단계를 포함한다.

상기 소비 특성에 따른 전력 소비량 예측 방법은, 상기 산출된 전력 소비량에 따른 부가 정보를 제공하는 단계를 더 포함한다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 전력 소비량 예측 장치는 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 전력 소비 요소 추출부; 상기 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성하는 관계 모델 생성부; 및 상기 생성된 관계 모델을 통해 전력 소비량을 산출하는 전력 소비량 산출부를 포함한다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 전력 소비량 예측 장치는 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여 추출된 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 입력 받는 관계 모델 입력부; 상기 입력 받은 관계 모델을 통해 전력 소비량을 산출하는 전력 소비량 산출부; 및 상기 산출된 전력 소비량에 따른 부가 정보를 제공하는 예측 정보 제공부를 더 포함한다.

본 발명에 따르면 피더 레벨의 전력 소비량의 측정을 통하여 각 전기기기 그룹별 실시간 소비량과 이를 바탕으로 한 소비 패턴 분석이 가능하다. 또한, 예측 요소 모델에서 계산된 값과 실제 관측값과의 차이 및, 다른 예측 요소가 없는 피더의 총합에 대해서는 별도의 모델링을 통하여 전력 소비량을 산출하므로 보다 정확한 예측이 가능하고, 이를 통한 누적 사용량 혹은 피크 타임 미리 알림이나 가전기기의 이상 징후를 예측하는 것이 가능하다.

도 1은 전력 인입단 레벨에서의 소비 전력 측정을 예시하는 도이다.
도 2는 전력 피더 레벨에서의 소비 전력 측정을 예시하는 도이다.
도 3은 본 발명의 일 실시예에 따른 소비 특성에 따른 전력 소비량 예측 방법을 나타내는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 소비 특성에 따른 전력 소비량 예측 방법의 전력 소비 요소 추출 단계를 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 상관 계수의 산출 예를 나타내는 도이다.
도 6은 본 발명의 일 실시예에 따른 피더별 소비량과 온도와의 관계를 나타내는 도이다.
도 7은 본 발명의 일 실시예에 따른 소비량과 온도와의 관계 추정예를 나타내는 도이다.
도 8은 본 발명의 일 실시예에 따라 모델링된 예를 나타내는 도이다
도 9는 본 발명의 일 실시예에 따른 소비 특성에 따른 전력 소비량 예측 장치를 나타내는 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 소비 특성에 따른 전력 소비량 예측 장치를 나타내는 블록도이다.

이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시예에 대해 상세하게 설명한다.

도 3은 본 발명의 일 실시예에 따른 소비 특성에 따른 전력 소비량 예측 방법을 나타내는 흐름도이다. 도 3을 참조하면, 본 실시예에 따른 전력 소비량 예측 방법은 전력 소비 요소 추출 단계(S100), 관계 모델 생성 단계(S200), 전력 소비량 산출 단계(S300)를 포함한다.

전력 소비 요소 추출 단계(S100)는 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출한다.

본 실시예에서 피더는 각 전자 기기에 전력을 공급하는 것으로서, 도 2와 같이 전력 인입단의 하부에 구성되어 전력을 공급하게 된다. 일반적으로 피더별 사용목적을 구분하여 동일 목적의 가전기기를 하나의 피더에 연결하여 사용하는 경우가 많다.　예를 들어 공조기,　실내 전등,　사무실 내 전열 기기 등은 각기 다른 피더에 연결되어 사용될 수 있다.

이때, 본 실시 예에서 전력 소비량은 주 전력 인입단 혹은 하부 피더에서 직접적으로 측정된 전력 소비량 외에 총 전력 소비량으로부터 간접적으로 추정된 개별 가전기기의 전력 소비량일 수 있다.

가전 기기는 기기의 동작에 필요한 세부 구성 요소들의 조합으로써 개별 가전기기의 전력 소비 특징은 세부 구성 요소의 소비 특징들의 합성으로 표출된다. 각각의 세부 구성요소는 고유의 에너지 소비 특징을 가지고 있으므로 가전기기의 동작 모드에 따른 에너지 소비 특징 역시 고유의 속성을 가진다. 따라서 본 실시 예에서는 직접적으로 측정된 에너지 소비량 정보에서 에너지 소비 특징을 감지하고 이를 가전기기 고유의 소비 특징 정보와 비교함으로써 개별 기기의 동작모드 및 전력 소비량을 간접적으로 추출할 수 있다.

기기의 사용 목적이 유사한 경우 소비 패턴도 비교적 유사하게 나타나게 되므로 본 발명에서는 이러한 피더 레벨에서의 전력 소비 측정을 통하여 각 전기기기 그룹별 실시간 소비량과 이를 바탕으로 한 소비 패턴 분석이 가능하다.

즉, 도 1과 같이 인입단의 전력 소비량만을 기반으로 미래의 소비량을 예측하는 것이 아니라 본 발명에서는 소비량 데이터의 수집단위를 가전 기기 혹은 피더 단위로 세밀화하고 각 가전 기기 혹은 피더별 예측 요소를 자동화하여 추출한 후 각 가전 기기 혹은 피더별로 각기 다른 예측 모델을 적용한다. 그리고 개별 가전기기 혹은 피더에서 예측된 값을 합산하여 전체 예측값을 계산할 수 있다.

이하, 본 실시예에 따른 전력 소비 요소 추출 단계(S100)에 대하여 보다 상세히 설명한다. 도 4를 참조하면, 본 실시예에서 전력 소비 요소 추출 단계(S100)는 전력 소비량 구분 단계(S110), 전력 소비 영향 요소 추출 단계(S120), 임계치 이상 전력 소비 요소 판별 단계(S130)를 포함한다.

본 실시예에서 전력 소비량 구분 단계(S110)는 피더별 또는 기기별로 수집된 전력 소비량을 시간 단위로 구분한다.

즉, 본 실시예에서는 먼저 전체 전력 사용량 예측을 위하여 전력 소비량을 가전기기별로 혹은 피더별로 분리하여 수집한다. 여기에서 수집되고 예측되는 전력 소비량은 피상 전력량, 유휴 전력량, 무휴 전력량 중의 하나 혹은 그 이상일 수 있다. 또한, 유휴/무휴전력, 전압, 전류, 고주파 전력 샘플 등을 수집하고 예측의 요소로 활용하는 것도 가능하며 수집되는 전력 소비량은 나열된 것에 한정되지 않고 전력 소비와 관계되는 각종 정보를 포함할 수 있다.

다음, 가전기기별 혹은 피더별로 수집된 데이터를 다시 주어진 시간 단위로 구분한다. 표 1은 본 실시예에 따라 한 시간 단위로 수집된 피더별 소비량을 나타낸다.

일련 번호	피더 번호	날짜	시간	사용량(Wh)
1	1	2014-02-01	00	1155.423
2	1	2014-02-01	01	1000.329
3	1	2014-02-01	02	1029.813
4	2	2014-02-01	00	903.149
5	2	2014-02-01	01	1051.256
6	2	2014-02-01	02	1003.607
7	3	2014-02-01	00	925.750
8	3	2014-02-01	01	1012.230
9	3	2014-02-01	02	1002.596

본 실시예에서는 피더별로 수집된 데이터를 시간 단위로 매시간마다 구분하는 것을 예시하고 있으나, 보다 상세한 예측을 위하여 30분 또는 15분 등의 단위로 구분하는 것도 가능하다. 또한 사용 환경에 따라 구분 단위를 달리하는 것도 가능하며, 구분 단위를 시간 별로 달리하는 것도 가능하다.

다음, 전력 소비 영향 요소 추출 단계(S120)는 구분된 전력 소비량을 통해 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출한다.

전력 소비량 변동에 영향을 주는 요소는 시간을 포함하여 실내/실외 온도, 습도, 풍속, 체감온도, 미세먼지 정도, CO2 정도, 미세먼지, 황사, 오존량, 전염병 등이 있다. 이러한 환경적 요소 외에 모션 센서 또는 공기 중 CO2 센서를 이용한 집안에 거주하는 혹은 현재 실내에 있는 사람 숫자, 특정 구성원이 집에 머물고 있는지의 여부 (예) 전기 과소비 구성원의 체류 여부), 집안에 달린 온도 등을 측정하는 센서 (방, 부엌 등 여러 지점이 가능), 그 외에도 그 가정의 자동차의 위치 정보도 전기 소비량에 영향을 줄 수 있다.

즉, 본 실시예에서의 전력 소비 영향 요소는 소비에 영향을 끼칠 수 있는 모든 가능한 요소들일 수 있으며, 이때의 전력 소비 영향 요소에 대한 데이터는 전기 소비량의 데이터 수집 단위와 동일한 단위로 수집될 수 있다.

표 2는 전기 사용량 측정 장치가 설치된 지역의 실외 온도를 기상청의 데이터를 기반으로 수집한 예를 나타낸다.

일련 번호	지역 코드	온도	관측 시간
1	108	-5.7	2014-01-13 15:00:00
2	108	-6.2	2014-01-13 16:00:00
3	108	-6.6	2014-01-13 17:00:00
4	108	-7.2	2014-01-13 18:00:00
5	108	-7.9	2014-01-13 19:00:00
6	108	-8.1	2014-01-13 20:00:00
7	108	-8.4	2014-01-13 21:00:00
8	108	-8.9	2014-01-13 22:00:00
9	108	-8.6	2014-01-13 23:00:00

본 실시예에서 임계치 이상 전력 소비 요소 판별 단계(S130)는 추출된 전력 소비 요소와 상기 전력 소비량의 상관관계를 나타내는 상관계수를 산출하여 미리 결정된 임계치 이상의 상관계수를 갖는 전력 소비 요소를 판별한다.

즉, 가전기기 혹은 피더별 전력 소비량과 수집된 소비 영향 요소간의 상관관계를 분석한다. 예를 들어 각 피더의 시간별 사용량과 해당 시간의 실외 온도 사이의 상관 관계를 Pearson 상관계수 혹은 Spearman 상관계수를 사용하여 수치화할 수 있다. 특별히, 온도와의 상관관계를 계산할 때는 일반적으로 사람들이 편안하게 느끼는 온도(예, 섭씨 15도)를 기준으로 해당 온도보다 낮은 온도와 전력 소비량간의 상관계수와 해당 온도보다 높은 온도와 전기 소비량간의 상관계수 두 개를 계산하여 절대값이 높은 값을 상관계수로 취할 수 있다. 이는 온도의 경우 도 5와 같은 형태의 사용량 그래프가 Pearson 상관계수가 0이 되는 것을 보완하기 위함이다.

도 6은 어느 건물의 외부온도와 피더별 사용량을 그래프로 표시한 것이고 그림에 Pearson 상관계수가 기록되어 있다. 섭씨 15도 이하의 데이터만 사용하였고, 사무용 건물이라는 특징을 활용하여 주중의 일과시간대(오전 9시에서 오후 6시) 사용량 데이터만을 고려하였다. 여기에서 피더별 사용량은 log변환된 값(=log(소비전력량+1))을 사용하였으나, 변환되지 않은 원시값을 직접 사용할 수도 있다.

다음 임계치 이상 전력 소비 요소 판별 단계(S130)는 각 피더 혹은 가전기기별로 상관계수의 절대값과 미리 주어진 임계값을 비교한다. 예를 들어 주어진 임계값이 0.5라면 도 6에서 피더 9와 10번의 예측요소로 온도를 선택한다. 만약 특정 피더 혹은 가전기기의 수요에 큰 영향을 미치는 예측 요소를 미리 알고 있다면 해당 피더 혹은 가전기기들에 대해서는 상관관계 계산 단계를 생략할 수도 있다.

이상의 상술한 실시예에 따라 전력 소비 요소 추출 단계(S100)는 모든 피더 혹은 가전기기에 대한 전력 소비 요소를 추출한다. 이때 소비 요소는 1가지 이상이 될 수도 있다.

다음, 본 실시예에 따른 관계 모델 생성 단계(S200)에 대하여 설명한다.

본 실시예에서 관계 모델 생성 단계(S200)는 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성한다.

즉, 동일한 전력 소비 요소를 가지는 피더들 혹은 가전기기들의 사용량을 주어진 시간 단위 하에서 모두 합산한다. 만약 특정 피더 혹은 가전기기가 고유한 특성을 가지고 있다면 합산하지 않고 해당 피더 혹은 가전기기의 사용량만을 따로 고려할 수도 있다.

또한, 합산된 값은 로그 변환하여 사용하거나 원시 값을 그대로 사용할 수도 있다. 표 3은 외부 온도에 민감하게 반응하는 피더들의 평일 10시의 사용량 총합의 로그 변환값과 외부 온도 측정값을 나타낸다.

일련번호	관측 시간	log(사용량+1)	외부 온도
1	2014-02-03 10:00:00	9.206443	-2.7
2	2014-02-04 10:00:00	9.131649	-8.7
3	2014-02-05 10:00:00	9.134958	-6.4
4	2014-02-06 10:00:00	9.141014	-2.5
5	2014-02-07 10:00:00	8.916719	1.2
6	2014-02-10 10:00:00	8.824727	0.4
7	2014-02-11 10:00:00	7.909074	-0.3
8	2014-02-12 10:00:00	8.114223	1.7
9	2014-02-13 10:00:00	8.756215	1.4

다음, 본 실시예에 따른 관계 모델 생성 단계(S200)는 전력 소비량과 예측 요소 간의 관계를 설명할 수 있는 모델들 중에서 데이터에 대한 설명도가 가장 높은 모델을 선택하고, 해당 모델 계수를 데이터로부터 추출한다. 예를 들어 외부 온도에 민감하게 반응하는 피더들의 총 사용량의 로그 변환값을 외부 온도의 2차 다항함수로 표현하고, 해당 모델의 계수를 최소자승법 등을 통하여 계산할 수 있다.

도 7은 외부 온도와 사용량의 로그 변환값을 2차 다항함수로 추정한 결과이다. 다항함수 이외에 B-Spline등을 추정에 사용할 수도 있다. 만약 예측 요소가 한 개 이상이라면 다항함수 혹은 B-Spline 함수 등을 이용하여 다차원 surface 추정을 할 수 있다.

각 예측 요소 모델에서 계산된 값과 실제 관측값과의 차이(residual)는 가상의 피더 혹은 가전기기로 명명한 후 이를 다음에서 설명하는 시계열 분석을 통한 모델링에서 별도의 피더 혹은 가전기기로 생각하고 모델링할 수도 있다.

예측 요소가 추출되지 않는 모든 피더 혹은 가전기기의 사용량을 모두 합하고 이를 Exponential smoothing, ARIMA, Functional analysis 등 시계열 분석 방법을 활용하여 모델링할 수 있다. 특정 피더 혹은 가전기기가 시간에 대한 독특한 속성을 가지고 있다면 해당 요소는 합산하지 않고 따로 분리하여 모델링할 수도 있다. 도 8은 시간 외에는 다른 예측 요소가 없는 피더의 총합을 Double seaonsal Holt-Winters 방법을 통하여 모델링한 예시이다.

다음, 전력 소비량 산출 단계(S300)는 생성된 관계 모델을 통해 전력 소비량을 산출한다. 본 실시예에서는 전력 소비량 산출 단계(S300)는 총 전기 예측 사용량의 각 피더 혹은 가전기기별 예측값을 합산하여 계산한다. 예를 들어 온도에 영향을 받는 피더 혹은 가전기기들은 온도의 예측값을 모델에 입력하여 소비량을 예측하고, 시간에만 의존하는 피더 혹은 가전기기들은 시계열 모델에서 값을 예측한다. 그리고 이를 모두 합산하여 전체 소비량을 예측한다

또한, 본 실시예에 따른 전력 소비량 예측 방법은 예측에 활용되는 관계 모델들을 미리 데이터베이스화하여 저장하고, 이를 입력 받아 전력 소비량을 예측하는 것도 가능하다. 또한 생성되는 관계 모델을 오차 값에 따라 학습적으로 업데이트 하는 것도 가능하다.

도 9을 참고하면, 다른 실시예에 따른 전력 소비량 예측 방법은 관계 모델 입력 단계(S250), 전력 소비량 산출 단계(S300), 예측 정보 제공 단계(S400)로 구성될 수 있다.

즉, 관계 모델 입력 단계(S250)는 상술한 실시예에 따른 전력 소비 요소 추출 단계(S100)와 관계 모델 생성 단계(S200)를 통해 생성된 관계 모델을 입력 받는다.

다음 전력 소비량 산출 단계(S300)는 입력 받은 관계 모델을 통해 전력 소비량을 산출한다.

예측 정보 제공 단계(S400)는 산출된 전력 소비량에 따른 부가 정보를 제공한다. 즉, 본 실시예에서 예측 정보 제공 단계(S400)는 산출된 전력 소비량을 제공하는 단계로서, 소비량은 시간별로 예측되고 일정 시간 이후의 값들은(예, 24시 이후) 합산하여 일자별 예측값을 제시할 수 도 있다.

또한, 부가 정보로서 누적 사용량 혹은 전력 소비 피크 타임을 미리 알려주는 것도 가능하다. 즉, 예측 시스템 관리자 혹은 예측 시스템 사용자가 미리 지정한 누적 사용량의 도달 시점을 예고한다. 예를 들어 해당 월의 누적 사용량이 현재 개인 가정의 누진 1단계에 속해있고 3일 이후에 누진 2단계 진입이 예상된다면 이를 미리 알릴 수 있다. 또한 다음날 단위 시간당 사용량의 최대값과 해당 최대값이 발생하는 시간 구간을 미리 알릴 수도 있다.

다른 부가 정보로서 가전 기기의 이상 징후를 추측하여 알려주는 것도 가능하다. 즉, 본 발명은 피더 혹은 가전기기별 소비량을 예측한다. 만약 특정 피더 혹은 가전기기의 실제 사용량이 예측값과 과하게 차이가 나는 경우 해당 가전기기 혹은 해당 피더에 연결된 가전기기 중 하나 이상의 것에 이상이 있다고 알릴 수 있다.

여기에서 과하게 차이가 난다는 것은 다음과 같이 예측값(Pi)과 실제 관측값(Oi)의 차이의 절대값이 관측값의 표준편차(σ)에 어떤 주어진 값(θ)을 곱한 것보다 높은 경우(|Pi-Oi| > θ x σ)로 정의할 수 있다. 이때 예측값과 관측값을 로그변환하여 비교할 수도 있다. 전력 소비량의 예측과 관측값을 비교할 때 피상전력량, 유휴전력량, 무휴전력량 중의 하나 혹은 그 이상을 비교할 수 있다.

한 순간의 값을 비교하여 이상 징후를 알릴 수도 있지만, Cumulative Summation Chart (CUSUM)을 활용하여 다음과 같이 정의된 Si가 일정 값 이상인 경우에 이상 징후 알림을 줄 수도 있다.

[수학식 1]

여기에서 P(d=1|abnormal), P(d=1|normal)과 각각의 여확율은 이전의 관측에서 계산된 값이거나 선험적 지식이다.

이상의 상술한 실시예에 따른 소비 특성에 따른 전력 소비량 예측 방법을 수행하는 장치는 도 10과 같이 구성될 수 있다.

도 10에 따르면, 본 실시예에 따른 소비 특성에 따른 전력 소비량 예측 장치(10)는 전력 소비 요소 추출부(100), 관계 모델 생성부(200), 전력 소비량 산출부(300)를 포함한다.

본 실시예에서 전력 소비 요소 추출부(100)는 전력 소비량 구분부(110)가 전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 영향 요소 추출부(120)가 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하고, 전력 소비 요소 판별부(130)가 임계치 이상의 요소를 판별한다. 관계 모델 생성부(200)는 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성하며, 전력 소비량 산출부(300)는 생성된 관계 모델을 통해 전력 소비량을 산출한다.

또한 도시하지는 않았으나, 별도의 데이터베이스에 저장된 관계모델을 입력받는 관계모델 입력부와 이를 통하여 전력 소비량을 산출하는 전력 소비량 산출부와 산출된 전력 소비량을 통해 정보를 제공하는 예측 정보 제공부로 구성될 수 있다.

이상의 본 발명에 따르면 피더 레벨의 측정을 통하여 각 전기기기 그룹별 실시간 소비량과 이를 바탕으로 한 소비 패턴 분석이 가능하다. 또한, 예측 요소 모델에서 계산된 값과 실제 관측값과의 차이 및, 다른 예측 요소가 없는 피더의 총합에 대해서는 별도의 모델링을 통하여 전력 소비량을 산출하므로 보다 정확한 예측이 가능하고, 이를 통한 누적 사용량 혹은 피크 타임 미리 알림이나 가전기기의 이상 징후를 예측하는 것이 가능하다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다.

따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 단계;
상기 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성하는 단계; 및
상기 생성된 관계 모델을 통해 전력 소비량을 산출하는 단계를 포함하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 1 항에 있어서,
상기 전력 소비 요소를 추출하는 단계는 상기 추출된 전력 소비 요소와 상기 전력 소비량의 상관관계를 나타내는 상관계수를 산출하여 미리 결정된 임계치 이상의 상관계수를 갖는 전력 소비 요소를 추출하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 1 항에 있어서,
상기 관계 모델을 생성하는 단계는 상기 생성된 관계 모델을 통해 산출된 전력 소비량과 관측된 전력 소비량의 차이에 대한 가상의 피더 또는 기기 별 관계 모델을 생성하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 1 항에 있어서,
상기 관계 모델을 생성하는 단계는 고유 특성을 가지는 상기 피더 또는 기기에 대해서는 별도의 관계 모델을 생성하는 것을 특징으로 하는 전력 소비량 예측 방법.
제 1 항에 있어서,
상기 관계 모델을 생성하는 단계는 상기 전력 소비 요소가 추출되지 않은 상기 피더 또는 기기에 대한 전력 소비량을 합산하여 전력 소비 요소 미추출 피더 또는 기기에 대한 관계 모델을 생성하는 것을 특징으로 하는 전력 소비량 예측 방법.
제 2 항에 있어서,
상기 전력 소비 요소를 추출하는 단계는 Pearson 상관계수 또는 Spearman 상관계수를 산출하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 1 항에 있어서,
상기 관계 모델을 생성하는 단계는 상기 합산된 전력 소비량의 로그 변환값을 상기 추출된 전력 소비 요소에 대한 다항함수로 표현하고, 상기 다항함수에 대한 계수를 최소자승법을 통해 산출하여 상기 관계 모델을 생성하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 1 항에 있어서,
상기 관계 모델을 생성하는 단계는 상기 합산된 전력 소비량을 상기 추출된 전력 소비 요소에 대한 B-spline 함수로 표현하여 상기 관계 모델을 생성하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 5 항에 있어서,
상기 관계 모델을 생성하는 단계는 상기 합산된 전력 소비량에 대하여 Exponential smoothing, ARIMA, Functional analysis 또는 시계열 분석 방법을 수행하여 상기 관계 모델을 생성하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
전력을 공급하는 피더별 전력 소비량을 시간 단위로 구분하는 단계;
상기 구분된 전력 소비량을 통해 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 단계;
상기 추출된 전력 소비 요소와 상기 전력 소비량의 상관관계를 나타내는 상관계수를 산출하여 미리 결정된 임계치 이상의 상관계수를 갖는 전력 소비 요소를 판별하는 단계;
상기 판별된 전력 소비 요소 별로 상기 전력 소비량을 합산하고, 상기 전력 소비 요소와 상기 합산된 전력 소비량의 관계를 나타내는 관계 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 모델 생성 방법.
전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여 추출된 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 입력 받는 단계; 및
상기 입력 받은 관계 모델을 통해 전력 소비량을 산출하는 단계를 포함하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
제 11 항에 있어서,
소비 특성에 따른 전력 소비량 예측 방법은,
상기 산출된 전력 소비량에 따른 부가 정보를 제공하는 단계를 더 포함하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 방법.
전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여, 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소를 추출하는 전력 소비 요소 추출부;
상기 추출된 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 생성하는 관계 모델 생성부; 및
상기 생성된 관계 모델을 통해 전력 소비량을 산출하는 전력 소비량 산출부를 포함하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 장치.
전력을 공급하는 피더 또는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하여 추출된 전력 소비에 영향을 주는 적어도 하나의 전력 소비 요소 별로 합산된 전력 소비량과, 상기 전력 소비요소 간의 관계를 나타내는 관계 모델을 입력 받는 관계 모델 입력부;
상기 입력 받은 관계 모델을 통해 전력 소비량을 산출하는 전력 소비량 산출부; 및
상기 산출된 전력 소비량에 따른 부가 정보를 제공하는 예측 정보 제공부를 더 포함하는 것을 특징으로 하는 소비 특성에 따른 전력 소비량 예측 장치.