KR20170098790A - 적응형 자동화 제어 소프트웨어에 의한 에너지 저장 수명 성능 예측 및 최적화 - Google Patents

적응형 자동화 제어 소프트웨어에 의한 에너지 저장 수명 성능 예측 및 최적화 Download PDF

Info

Publication number
KR20170098790A
KR20170098790A KR1020177005832A KR20177005832A KR20170098790A KR 20170098790 A KR20170098790 A KR 20170098790A KR 1020177005832 A KR1020177005832 A KR 1020177005832A KR 20177005832 A KR20177005832 A KR 20177005832A KR 20170098790 A KR20170098790 A KR 20170098790A
Authority
KR
South Korea
Prior art keywords
energy
asset
profile
predictive
modeling
Prior art date
Application number
KR1020177005832A
Other languages
English (en)
Inventor
라이언 크레이그 와테나
재커리 레이몬드 에른스트
Original Assignee
그로잉 에너지 랩스, 인크.
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 그로잉 에너지 랩스, 인크. filed Critical 그로잉 에너지 랩스, 인크.
Publication of KR20170098790A publication Critical patent/KR20170098790A/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
    • G05B13/041—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 in which a variable is automatically adjusted to optimise the performance
    • 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
    • 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
    • G06Q50/04—Manufacturing
    • 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
    • H02J15/00—Systems for storing electric energy
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2310/14—The load or loads being home appliances
    • 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
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • 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
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances

Abstract

교류형 에너지 시스템 설계가 에너지 자동화 제어 프로세스에 연동된다. 설계 프로세스는 그 핵심에서 예측 분석 엔진을 제공한다. 이 설계 프로세스는 세 개의 모델: 애플리케이션 모델링, 건전성/자산 모델링 및 수익 모델링을 포함한다. 에너지 저장소 시스템 건전성 모델은 온도, 전압 범위 및 캘린더 수명의 함수로서의 전기적 효율, 유효 용량 및 용량 감소를 포함하는 후술된 저장소 수명 특성 데이터와 애플리케이션 모델의 조합이다. 이들 모델은 예측 분석 엔진이 운용 방식을 에너지 자동화 제어 소프트웨어에 알릴 수 있게 한다. 본 발명의 개념은 다양한 핵심 데이터 통신 방법의 활용을 수반한다. 예측 분석은 실제 eACS 및 에너지 운용 시스템에서 사용되는 것들과 동일한 알고리즘 및 프로세스를 사용한다. 분석으로부터 운용까지의 연속성은 경제적 모델의 정확도를 향상시키고, 이는 재무 계획 및 시스템 파이넨싱에 대한 위험을 감소시킨다.

Description

적응형 자동화 제어 소프트웨어에 의한 에너지 저장 수명 성능 예측 및 최적화{PREDICTING AND OPTIMIZING ENERGY STORAGE LIFETIME PERFORMANCE WITH ADAPTIVE AUTOMATION CONTROL SOFTWARE}
관련 출원 참조
본 출원은 발명의 명칭이 "PREDICTING AND OPTIMIZING ENERGY STORAGE LIFETIME PERFORMANCE WITH ADAPTIVE AUTOMATION CONTROL SOFTWARE"인 2014년 7월 31자로 출원된, 계류 중인 미국 가출원 제62/031,804호에 대한 우선권을 주장한다.
발명의 분야
본 발명은 일반적으로 에너지 저장소 시스템에 관한 것이다. 더 구체적으로, 본 발명은 다수의 에너지 자산에 걸친 다중 운용의 소프트웨어 모델링 및 자동화와 최적화에 관한 것이다.
현재의 에너지 자동화 제어 소프트웨어(eACS) 및 에너지 운용 시스템은 하나 이상의 에너지 자산 또는 디바이스의 운용을 관리하는 기본적 기능을 수행할 수 있다. 그러나, 이들은 에너지 효율 및 경제적 최적화의 궁극적 목적을 위해 중요한 도구 및 특징(feature)이 결여되어 있다. 한가지 유형의 종래의 eACS는 에너지 운용 시스템의 분야의 숙련자에게 알려져 있는 SCADA이다. 이들 시스템은 에너지 자산/디바이스의 제어를 용이하게 하지만, 본연의 에너지 애플리케이션을 갖지는 않으며; 이들은 본질적으로 에너지 애플리케이션, 에너지 디바이스/자산 및 데이터 스토어 사이에서 운용되는 통신 채널이다. 비록, 재무(financial) 도구, 예컨대, 스프레드시트 및 기타 모델링 소프트웨어가 시장에 존재하지만, 이들은 SCADA나 유사한 기존 에너지 시스템에 직접적으로 연동되지 않으며, 이들 종래의 시스템에 전혀 통합되어있지 않다.
SCADA 및 유사 시스템의 다른 단점은 운용을 감독하는 인간 조작자에 의한 수동 개입 및 판정 수행에 대한 필요성이다. 이런 조작자는 애플리케이션과 디바이스를 동시 최적화하기가 어려우며, 오류를 유발할 가능성이 더 높고 시스템의 다양한 양태에 관한 잠재적 비효율성을 찾아내지 못할 가능성이 더 높다.
에너지 운용 시스템 및 자동화 제어 분야에서 필요한 것은 예측 분석, 동적 및 지능적 집성, 운용을 위한 자산-가용성 균형화, 다중 운용에 대한 동시 최적화 및 에너지 저장소 시스템과 다른 에너지 자산의 예견(forward) 수명 모델링을 가능하게 하는 더욱 정교한 도구 및 특징이다. 에너지 자동화 제어 소프트웨어 및 운용 시스템은 다음 단계로 진보되어 에너지 자산 최적화 및 비용 절약을 가능하게 할 필요가 있다. 달리 말해서, 에너지 제어 및 운용 시스템은 예측 분석 엔진, 풍부한 데이터 스트림 및 에너지 시스템 운용에 요구되는 방법론 같은 도구를 통합시키는 것에 의해 더 많은 지능을 가져야한다.
본 발명의 일 양태에서, 예측 분석 엔진 및 적응성 에너지 운용 시스템에서의 이 엔진의 후속 운용에 사용하기 위한 모델을 생성하는 방법이 설명된다. 에너지 자산에 대한 에너지 애플리케이션의 성능이 모델링된다. 에너지 자산에 대한 에너지 자산 건전성이 모델링된다. 에너지 자산에 대한 비용 효율이 모델링된다. 에너지 애플리케이션에 대한 예견 운용 프로파일이 생성된다. 에너지 자산에 대한 예견 가용성 프로파일이 생성된다.
다른 양태에서, 하나 이상의 에너지 자산과 통신하는 적응성 에너지 운용 시스템을 운용하는 방법이 설명된다. 자산에 대한 예견 가용성 프로파일과 애플리케이션에 대한 예견 운용 프로파일이 수신된다. 세 개의 모델을 포함하는 예측 분석 데이터 패키지가 수신된다. 가동시간 운용 프로파일 데이터 및 가동시간 자산 프로파일 데이터가 수집된다. 가동시간 운용 프로파일 데이터 및 자산 프로파일 데이터가 모델과 비교된다. 자산 프로파일 데이터가 에너지 자산 수명 특성 데이터로 변환된다. 예견 가용성 프로파일 및 예견 운용 프로파일이 갱신된다.
예로서, 본 발명의 특정 실시예가 도시되어 있는, 본 설명의 일부를 형성하는 첨부 도면을 참조한다.
도 1은 본 발명의 일 실시예에 따른 aEOS 구성을 보여주는 블록도이다.
도 2는 일 실시예에 따른 컴포넌트와 데이터 스트림을 보여주는 블록도이다.
도 3은 aEOS 내의 프로세스를 부분적으로 설명하는 일 실시예에 따른 프로세스의 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 저장소 수명 특성 데이터에 관련한 세 개의 매트릭스를 도시하는 도면이다.
도 5a 및 도 5b는 본 발명의 다양한 실시예를 구현하기에 적합한 연산 시스템의 블록도이다.
에너지 저장소 시스템의 수명 성능 및 애플리케이션 경제성을 최적화하기 위한 방법 및 시스템의 예시적 실시예를 설명한다. 이들 예 및 실시예는 단지 본 발명에 대한 이해시 맥락과 도움을 더하기 위해 제공되는 것이다. 따라서, 본 기술 분야의 숙련자는 본 명세서에 설명된 특정 세부사항 중 일부 또는 모두 없이도 본 발명을 실시할 수 있음을 명백히 알 수 있을 것이다. 다른 경우에, 본 발명을 불필요하게 모호하게 하지 않도록 잘 알려진 개념은 상세히 설명하지 않는다. 비록, 이들 실시예가 본 기술 분야의 숙련자가 본 발명을 실시할 수 있게 하기에 충분히 상세하게 설명되어 있지만, 이들 예, 예시 및 맥락은 제한적이지 않고, 본 발명의 개념 및 범주로부터 벗어나지 않고 다른 실시예가 사용될 수 있으며 변경이 이루어질 수 있다.
교류형(transactive) 에너지 시스템 설계를 프로세스 자동화에 연동시키기 위한 방법 및 시스템이 설명된다. 본 발명의 일 양태는 그 핵심에 예측 분석 엔진을 제공하는 설계 프로세스를 포함한다. 고위 수준에서, 이 설계 프로세스는 세 개의 모델: 애플리케이션 모델링, 건전성/자산 모델링 및 수익 모델링을 포함한다. 건전성/자산 모델은 다수의 입력을 가지고, 예로서, 에너지 저장소 시스템 건전성 모델은 온도, 전압 범위 및 캘린더 수명의 함수로서의 전기적 효율, 유효 용량 및 용량 감소(capacity fade)를 포함하는 후술된 저장소 수명 특성 데이터와 애플리케이션 모델의 조합이다. 건전성/자산 모델은 임의의 유형의 디바이스/자산에 대한 것일 수 있다. 이들 모델은 예측 분석 엔진이 운용 방식을 에너지 자동화 제어 소프트웨어(eACS)에 알릴 수 있게 한다. 본 발명의 개념은 다양한 핵심 데이터 통신 방법의 활용을 수반한다. 한가지 주된 양태는 예측 분석이 실제 eACS 및 에너지 운용 시스템에서 사용되는 것들과 동일한 알고리즘 및 프로세스를 사용한다는 것이다. 분석으로부터 운용까지의 연속성은 경제적 모델의 정확도를 향상시키고, 이는 재무 계획 및 시스템 파이넨싱(financing)에 대한 위험을 감소시킨다.
본 발명의 중심에는 eACS를 포함하는 에너지 운용 시스템이 있다. 본 명세서에 설명된 에너지 운용 시스템은 샌프란시스코 소재의 Growing Energy Labs, Inc.(GELI)에 의해 개발된다. 계류중인 미국 특허 출원 제13/898,283호에 개시된 바와 같이, GELI가 개발하여 소유하고 있는 eACS는 다수의 신규한 특징을 가지며, 적응성 에너지 운용 시스템(aEOS)이라 지칭된다. 예로서, 하나 이상의 자산으로부터 하나 내지 다수의 애플리케이션을 운용하여 종래의 ACS에서는 찾을 수 없는 유연성 및 확장성을 제공하는 것이 가능하다. 또한, 이는 비록 본 명세서에 설명된 본 발명의 개념과 직결되어 있지는 않지만 다른 특징들을 갖는다. 이전 특허에 설명되어 있으면서 본 명세서에 설명된 신규한 특징에 중요한 주 방법론은 모든 에너지 자산 또는 디바이스가 다수의 애플리케이션을 위해 사용될 수 있다는 것이다. 본 발명의 발명의 개념은 aEOS에서 구현되지만, 부분들은 기능을 수행하고 다른 위치로부터 데이터 스트림을 생성할 수 있다. 본 발명의 이점 및 활용은 계류중인 미국 특허 출원 제13/898,283호에 개시되고 청구된 aEOS의 신규한 개선에 의존하지 않음을 염두에 두는 것이 도움이 된다. 본 발명의 방법론과 데이터 스트림, 그리고, 그로부터 도출되는 이점은 단 하나의 에너지 자산(예를 들어, 에너지 저장소 시스템)과 하나의 애플리케이션만이 존재하는 환경에서 발현 또는 실현될 수 있다. 그러나, 본 발명의 방법론 및 데이터 스트림은 다수의 자산, 애플리케이션들, 소비자들 등을 갖는 더 복잡한 환경에서 사용될 것이고, 전술한 유연하고, 확장성있으며, 다수의 애플리케이션이 가능한 aEOS가 사용될 가능성이 많을 것으로 예상된다.
본 발명의 일 실시예에서, 데이터 스트림으로서 특징지어지는 두 개의 기능을 부여하는 핵심 데이터 방법이 존재한다. 이들 데이터 스트림은 후술된 특정 저장소 수명 특성 데이터 및 이력적 데이터와 조합하여, 본 발명의 교류형 에너지 양태를 이끌어내며, 본 발명의 이러한 양태는 예측 분석, 동적 및 지능적 데이터 집성, 운용을 위한 자산 가용성 균형화, 다중 운용 동시 최적화 및 에너지 저장소 시스템과 다른 에너지 자산의 예견 수명 모델링을 포함한다.
도 1은 본 발명의 일 실시예에 따른 aEOS 구성을 보여주는 블록도이다. aEOS(102)는 예측 분석 엔진(106)을 포함한다. 또한, 이는 하나 이상의 에너지 관련 애플리케이션(108)을 갖는다. aEOS(102) 내에서 또는 그와 연계하여 특정 프로파일, 구체적으로, 예견 운용 프로파일(FOP) 및 예견 가용성 프로파일(FAP)을 생성하고 활용하기 위한 서버가 운용되며, 이들은 FOP/FAP 서버(110)라 지칭된다. 적응성 에너지 운용 시스템(102)은 하나 이상의 에너지 자산 또는 디바이스(112)와 통신한다. 매우 다양한 이런 디바이스 또는 자산이 존재하며, 몇몇 일반적 예는 에너지 저장소 시스템(ESS, 배터리와 전력 변환기의 합), HVAC, 부하 스위치, 조명, 냉동기, EV 충전기, 솔라 패널, CHP 및 디젤 발전기를 포함한다. 설명된 실시예에서, ESS가 본 발명을 예시하기 위해 사용된다. aEOS(102)의 애플리케이션(108)은 에너지 디바이스 상에서 ACS에 의해 수행되는 기능을 가리키며, 이는 디바이스에 의해 수행되는 관리 또는 서비스의 유형이다. 이들 애플리케이션은 수요 응답, 수요 관리, 사용 시간 이동, 주파수 조정, 전력 품질, 백업 전력 및 부하 아일랜딩(load islanding) 등을 포함한다. 또한, aEOS(102)에는 자산(112)과의 통신에 대한 에너지 자산 드라이버(120)가 포함된다.
aEOS(102)로부터의 출력 중 하나는 후술된 자산 운용 프로파일(114)이다. 다른 출력은 자산(118)의 FAP이다. 구체적으로 예측 분석 엔진(106)에 대한 aEOS(102)로의 입력 중 하나는 예측 분석 패키지(116)이다.
본 발명의 일 실시예에서, aEOS(102)는 그와 통신하는 하나 이상의 디바이스의 성능을 최적화하는 방식에 대한 지능을 포함한다. 대안 실시예에서, 또한, 클라우드 구성이 있으며, 여기서, aEOS(102)는 원격 서버 상에서 동작하고, 게이트웨이 컴포넌트를 거쳐 디바이스/자산에 연결된다. aEOS(102)는 디바이스의 운용 및 관리에 관하여 특정 예측 분석을 수행할 수 있다. 이는 예측 분석 패키지라 후술된 것 상에서 운용되는 aEOS(102) 내의 예측 엔진에 의해 수행된다.
본 발명의 예측 분석은 aEOS(102)에서 사용되는 것들과 매우 유사하거나 동일한 에너지 서비스 애플리케이션, 알고리즘 및 방법을 사용하거나 시뮬레이션한다. 본 발명의 이러한 양태는 소비자로부터의 풍부한 이력적 데이터와 조합되어 ESS 성능 및 다른 자산 최적화 및 비용 효율(파이넨싱)에 관한 고도로 정확한 예측을 가능하게 한다.
본 발명의 한 가지 중요한 컴포넌트는 지정 유형의 모델링으로부터 생성된 예측 분석 패키지이다. 이러한 모델링(또는 설계 프로세스)의 출력은 궁극적으로 자산 운용을 최적화하기 위해 사용되는 프로파일이다. 이들은 도 2에 도시되어 있다. 일 실시예에서, 세 가지 유형의 모델링이 수행된다. 한 가지는 애플리케이션(또는 성능) 모델링으로서 설명될 수 있다. 이러한 모델링의 목적은 운용/애플리케이션을 수행하기 위한 운용 동안 디바이스에 대한 이력적 출력 데이터를 관찰하는 것에 의해 경시적으로(over time) 에너지 자산이 기능을 수행하는 방식을 검사하는 것이다. 다른 유형은 에너지 디바이스의 건전성/자산 모델링이다. 이러한 모델링으로, ESS 또는 HVAC 같은 자산이 사용에 따라 열화되는 방식을 관찰하기 위해 검사된다. 또한, 자산 또는 시스템에 대한 재무 모델이 있다. 여기서, 자산이 지정 애플리케이션의 성능에 의해 그 수명 동안 생성할 가능성이 있는 수익이 예측된다. 일 실시예에서, 실시간으로 에너지 운용을 경제성에 연계시키기 위해 동적 레이트 구조 라이브러리가 사용된다. 이런 경제성 모델링 또는 로직은 종래의 ACS에서는 현재 존재하지 않는다(통상적으로, 외부적 사업 지능 소프트웨어 슈트가 사용되어 유사한 유형의 데이터를 도출하며, 이런 소프트웨어에 기초한 판정은 인간 조작자에 의해 이루어진다).
일 실시예에서, 이력적 데이터가 사용되어 모델링을 수행한다. 이러한 데이터는 ACS 및 에너지 자산을 운용하는 엔티티로부터 얻어진다. 예로서, 다양한 애플리케이션 및 디바이스에 대한 이력적 데이터가 스마트 미터, 청구서 및 기타 데이터로부터 도출될 수 있다.
ESS가 설명되는 본 발명의 특정 실시예에서, 저장소 수명 특성 데이터(SLCD)가 특정 애플리케이션에 대한 자산의 이런 모델링 및 전체 예측 분석에 사용된다. 일 실시예에서, 이 데이터는 충전율, 방전율, 전압 범위, 온도 및 캘린더 수명(배터리 노화)의 함수로서 효율, 유효 용량 및 용량 감소에 대해 배터리가 기능 수행 방식을 나열하는 다차원 데이터 세트이다. SLCD는 대부분 자산/건전성 모델링에 사용되지만, 다른 모델에 사용될 수 있다. SLCD는 매트릭스 엘리먼트 데이터, 데이터베이스 아키텍쳐 또는 파라미터 함수와의 적합(fit)으로서 사용된다.
일 실시예에서, 데이터는 배터리 열화, 애플리케이션 성능 및 경제적 환수를 모델링하기 위해 사용된다. 소비자로부터의 이력적 데이터는 특정 애플리케이션, 예로서, 수요 충전 관리(DCM)와 조합되어 에너지 저장소 시스템에 대한 예견 운용 프로파일(FOP)을 생성한다. FOP는 예로서, 전력 변환기 시스템으로부터 에너지 저장소 시스템으로의 출력으로서 예시될 수 있다. 에너지 저장소 시스템에 대하여, 배터리의 충전 상태 및 전력 변환기의 전력 성능은 자산의 예견 가용성 프로파일(FAP)로서 고려될 수 있다. 배터리의 에너지 저장 용량은 전체적으로 또는 부분적으로 하나 이상의 애플리케이션에 할당될 수 있다. 예로서, 피크 수요 이벤트의 확률이 높은 경우, 모든 배터리의 용량이 DCM 애플리케이션에 할당될 수 있고, 배터리는 다른 애플리케이션 수행에는 사용 불가해질 것이다(제로 FAP). 설비 피크의 확률이 낮은 경우, 배터리 용량의 단지 일부만이 DCM에 할당될 것이고, FAP의 잔여량은 다른 애플리케이션들 사이에 분획될 수 있다. 에너지 저장소 특성 함수는 도 4에 도시된 히트 맵으로서 표현될 수 있는 표로부터 도출된다. 자산/건전성 모델의 출력은 수명 성능 프로파일이다. 충전 및 방전을 축으로 하는 도 4의 표는 효율(라운드 트립), 유효 용량 및 용량 감소를 보여주며, 이들은 또한 온도, 전압 범위 및 캘린더 수명의 함수이다. 원시 배터리 데이터는 에너지 운용 시스템의 동작으로부터 생성된다. 이 데이터는 모델을 갱신하기 위해 SLCD에 비교된다. FOP는 효율 손실, 운용 성능 및 열화를 예상하기 위해 SLCD로 모델링된다. 이러한 모델의 출력은 반복적 프로세스에서 FOP를 수정 및 최적화하기 위해 사용될 수 있다. SLCD는 원래 ESS를 염두에 두고 설계되었지만; 그러나, 이는 본질적으로 수명 효율, 열화 및 한계를 측정하기 때문에, 다른 유형의 에너지 자산, 예컨대, HVAC 또는 발전기와 함께 사용될 수 있다. 특정 ESS가 사용의 함수로서 노화하는 방식을 예측하는 것은 에너지 저장소 애플리케이션의 파이넨싱 위험제거를 위해 중요하다.
언급한 바와 같이, 온도, 전압 범위, 캘린더 수명 등과 함께 ESS(배터리)의 충전율 및 방전율이 주어지면, 모델은 효율, 유효 용량 및 용량 감소를 포함하는 에너지 저장소 특성 함수를 생성한다.
일 실시예에서, 자산에 대한 다른 애플리케이션의 영향이 사용되어 피드백 루프에서 예측 분석 패키지를 생성한다. 모델링으로부터 유도된 예측과 자산의 실제 운용 성능 사이의 차이가 모델을 갱신하기 위해 사용된다. 각 모델 갱신 이후, 애플리케이션 프로파일 및 FOP가 재계산된다. 이는 연속 보정으로서, 즉, 실시간적인 에너지 자산의 거동의 갱신으로서 특징지어질 수 있다.
도 2는 일 실시예에 따른 컴포넌트 및 데이터 스트림을 도시하는 블록도이며, 그들 중 대부분은 전술되었고, 여기에 함께 도시되어 있지 않다. 주 컴포넌트(202)는 예측 분석 모듈(204)을 포함하고, 이는 적절한 통신 수단을 거쳐 aEOS(102)에 전송되는 예측 분석 패키지(116)를 부분적으로 생성한다. 모델링 컴포넌트는 세 개의 모델링 모듈: 애플리케이션 성능(206), 자산/건전성(208) 및 경제성(210)로 구성된다. 모듈(202)로의 입력은 에너지 자산 사용자의 이력적 데이터, 예컨대, 청구서, 스마트 미터 데이터 및 다른 소비자 데이터를 포함한다. 모듈(202)로의 다른 입력은 SLCD(214)를 포함하고, 이는 부분적으로 자산 프로파일(114)로부터 유도된 데이터로부터 생성된다. 모델링의 결과는 예측 분석 패키지(116)를 생성하기 위한 모델링과 함께 사용되는 FOP/FAP이다. 또한, 도 1에 도시된 것과 유사한 FOP/FAP 서버(220)도 도시되어 있다. 이는 자산(218)에 대한 FAP 및 서비스/애플리케이션(216)에 대한 FOP를 입력으로서 수용한다.
일 실시예에서, 디바이스/자산 FAP는 애플리케이션 운용 FOP를 위해 계산되고, 양자 모두의 프로파일은 예측 분석 데이터 패키지에 포함된다. 언급한 바와 같이, aEOS와 연계하여 FAP/FOP 방법 및 서버가 작동한다. 이는 원격 서버(클라우드 내부) 또는 에너지 자산 및 eACS와 함께 로컬에서 또는 네트워크 내의 임의의 위치에서 운용될 수 있다. 일 실시예에서, FAP는 "미터 배후(behind the meter)" 예에서 적어도 3개의 특징을 포함한다: 전력(kW), 미래에 사용되는 에너지의 양(Kw/h) 및 경제성 함수 또는 지시자($) -이들은 유사하게 다양한 인자를 포함하고, 조율 파라미터로서 기능할 수 있다. FOP는 전력 프로파일 및 경제성 프로파일을 갖는다.
배터리 또는 ESS 실시예에서, 예측 분석 및 운용 프로파일은 ESS 보증 컴플라이언스를 보증 또는 점검하고 이상 거동의 경우에 자동으로 경고하기 위해 사용될 수 있다. 다른 사용의 경우에, 이 데이터는 ESS 또는 다른 자산의 재무 컴플라이언스 점검에 도움이될 수 있다.
일 실시예에서, 자산은 예견 가용성 프로파일(FAP)을 갖도록 계산된다. 또한, 다수의 자산이 각각 그 소유의 FAP를 가질 것이고, FAP는 수집되고 개별 FAP에 인덱싱될 수 있다. 일 실시예에서, FOP를 유도하기 위해 수행되는 계산이 자산 상에 수행된다. 통상적 동작 동안, 하나의 자산 상에 수행되는 하나의 운용이 존재하고, 이는 동시적으로 수행될 수 있는 다수의 애플리케이션(예를 들어, 피크 이동, 수요 응답, 안정화 등)을 가질 수 있다. 이는 용량의 분획을 결정하는 동시최적화의 일 양태이다. FOP는 에너지 자산 가동시간에 OP 또는 AP가 된다. 이 자산 프로파일은 SLCD로부터 엘리먼트를 추출하기 위해 사용될 수 있는 원시 데이터로 구성되는 실제 가동시간 데이터를 포함한다.
도 3은 부분적으로 aEOS 내의 프로세스를 설명하는 일 실시예에 따른 프로세스의 흐름도이다. 단계에서 aEOS가 하나 이상의 자산에 대해 FAP(kW, kW/h 및 $)를 수신하고, 하나 이상의 에너지 애플리케이션 또는 서비스에 대해 FOP(kW)를 수신한다. 단계 304에서, aEOS는 애플리케이션 성능, 자산/건전성 및 비용에 대한 전술한 모델을 포함하는 예측 데이터 분석 패키지를 수신한다. 더 구체적으로, 이는 후술된 세 개의 매트릭스-각각 자산의 온도, 전압 범위(V2-V1) 및 캘린더 수명의 시간적 지점의 함수-를 포함한다. 단계 306에서, FOP 또는 에너지 애플리케이션에 따라 FAP 내에서 자산을 제어함으로써 하나 이상의 에너지 애플리케이션이 실행된다. 단계 308에서, aEOS는 애플리케이션 가동시간 프로파일에 대한 데이터를 수집한다. 단계 310에서, 이는 자산 가동시간 프로파일에 대한 데이터를 수집한다. 단계 312에서, 두 개의 프로파일로부터의 가동시간 데이터가 세 개의 모델 또는 매트릭스와 비교된다. 단계 314에서, 자산 프로파일 데이터가 SLDC에 저장될 수 있는 데이터로 변환된다. 단계 316에서, FAP 및 FOP가 갱신되고, 새로운(갱신된) 예측 분석 데이터 패키지가 생성된다.
도 4는 본 발명의 일 실시예에 따른 저장소 수명 특성 데이터에 관련한 세 개의 매트릭스를 도시하는 도면이다. 3개 모두에 대해 x 축은 충전율(시)이고, y 축은 방전율(시)을 도시한다. 매트릭스(402)는 효율(%)을 나타내고, 매트릭스(404)는 유효 용량(%)을 보여주고, 매트릭스(406)는 용량 감소를 보여준다. 매트릭스(402-406)에 도시된 세 개의 변수(효율, 유효 용량 및 용량 감소)는 범위를 갖는다(dimensional). 이 표들은 1) 지정 온도, 2) 전압 범위 및 3) 캘린더 수명 내의 지점에서 이 공간을 통한 하나의 절편 또는 인스턴스를 드러낸다. 표 402-406의 데이터는 온도, 전압 범위 또는 캘린더 수명 데이터가 변할 때 변화되어 새로운 표를 초래한다.
도 5a 및 도 5b는 본 발명의 특정 실시예를 구현하기에 적합한 일반적 연산 시스템(500), 예컨대, 모바일 디바이스를 예시한다. 본 발명에 사용될 수 있는 디바이스 중 일부는 도 5a 및 도 5b에 도시되지 않은 다른 특징 또는 컴포넌트를 가질 수 있고, 이들 도면에 도시된 모든 컴포넌트(예를 들어, 키보드)가 본 발명의 구현에 필요한 것은 아니다. 이 때문에, 도 5a는 이러한 용어가 폭넓게 정의될 때의 연산 시스템의 한가지 가능한 물리적 구현예를 도시한다.
일 실시예에서, 시스템(500)은 디스플레이 또는 스크린(504)을 포함한다. 이 디스플레이는 시스템(500)과 동일한 하우징 내에 존재할 수 있다. 이는 또한 디스플레이(504) 상에 나타내어진 키보드(510)(예를 들어, 가상 키보드)를 가질 수 있거나, 디바이스 하우징의 일부인 물리적 구성요소일 수 있다. 이는 HDMI 또는 USB 포트(미도시) 같은 다양한 포트를 가질 수 있다. 디바이스(500)에 결합될 수 있는 컴퓨터 판독가능 매체는 USB 메모리 디바이스 및 다양한 유형의 메모리 칩, 스틱 및 카드를 포함할 수 있다.
도 5b는 연산 시스템(500)에 대한 블록도의 일 예이다. 시스템 버스(520)에는 다양한 서브시스템이 부착되어 있다. 프로세서(들)(522)는 메모리(524)를 포함하는 저장 디바이스에 결합된다. 메모리(524)는 임의 접근 메모리(RAM) 및 판독 전용 메모리(ROM)를 포함할 수 있다. 본 기술 분야에 잘 알려진 바와 같이, ROM은 CPU에 단방향적으로 데이터 및 명령어를 전달하도록 작용하고, RAM은 통상적으로 양방향적 방식으로 데이터 및 명령어를 전달하기 위해 사용된다. 이들 유형의 메모리 양자 모두는 후술된 임의의 적절한 컴퓨터 판독가능 매체를 포함할 수 있다. 고정 디스크(526)가 또한 양방향적으로 프로세서(522)에 결합되고; 이는 추가적 데이터 저장 용량을 제공하며, 후술된 컴퓨터 판독가능 매체 중 임의의 것을 또한 포함할 수 있다. 고정 디스크(526)는 프로그램, 데이터 등을 저장하기 위해 사용될 수 있고, 통상적으로, 주 저장소보다 느린 보조 저장 매체이다. 고정 디스크(526) 내에 담겨진 정보는 적절하다면 메모리(524) 내의 가상 메모리로서의 표준적 형태로 통합될 수 있다는 것을 알 수 있을 것이다.
프로세서(522)는 또한 디스플레이(504) 및 네트워크 인터페이스(540) 같은 다양한 입력/출력 디바이스에 결합된다. 일반적으로, 입력/출력 디바이스는 비디오 디스플레이, 키보드, 마이크로폰, 터치-감응 디스플레이, 태블릿, 스타일러스, 음성 또는 수기 인식기, 생체척도 판독기 또는 다른 디바이스 중 임의의 것일 수 있다. 프로세서(522)는 선택적으로 네트워크 인터페이스(540)를 사용하여 다른 컴퓨터나 원격통신 네트워크에 결합될 수 있다. 이런 네트워크 인터페이스에서, CPU는 전술한 방법 단계를 수행하는 과정에서 네트워크로부터 정보를 수신하거나 네트워크에 정보를 출력할 수 있는 것으로 고려된다. 또한, 본 발명의 방법 실시예는 전적으로 프로세서(522) 상에서 실행될 수 있거나, 처리의 일부를 공유하는 원격 프로세서와 연계하여 인터넷 같은 네트워크를 거쳐 실행될 수 있다.
추가적으로, 본 발명의 실시예는 다양한 컴퓨터 구현 동작을 수행하기 위한 컴퓨터 코드를 갖는 컴퓨터 판독가능 매체를 구비한 컴퓨터 저장 제품에 추가로 관련한다. 매체 및 컴퓨터 코드는 본 발명의 목적을 위해 특수하게 설계 및 구성된 것들일 수 있거나, 컴퓨터 소프트웨어 기술의 숙련자에게 잘 알려지고 그들이 이용할 수 있는 종류로 이루어질 수 있다. 컴퓨터 판독가능 매체의 예는 자기 매체, 예컨대, 하드 디스크, 플로피 디스크 및 자기 테이프; 광학 매체, 예컨대, CD-ROM 및 홀로그래픽 디바이스; 자기-광학 매체, 예컨대, 플롭티컬 디스크(floptical disk); 프로그램 코드를 저장하고 실행하도록 특수하게 구성되어 있는 하드웨어 디바이스, 예컨대, 용도 특정 집적 회로(ASIC), 프로그램가능 로직 디바이스(PLD) 및 ROM과 RAM 디바이스를 포함하지만, 이에 한정되지는 않는다. 컴퓨터 코드의 예는 컴파일러에 의해 생성된 것 같은 기계 코드 및 인터프리터를 사용하여 컴퓨터에 의해 실행되는 하이-레벨 코드를 포함하는 파일을 포함한다.
비록, 본 발명의 예시적 실시예 및 애플리케이션을 본 명세서에서 예시 및 설명하였지만, 본 발명의 개념, 범주 및 정신 내에 있는 다수의 변형 및 변용이 가능하고, 본 기술 분야의 숙련자는 본 출원을 숙독하게 되면 이들 변형을 명백히 알 수 있을 것이다. 따라서, 설명된 실시예는 예시적이고 제한적이지 않은 것으로 간주되며, 본 발명은 본 명세서에 제공된 세부사항에 한정되지 않고, 첨부된 청구범위의 범주 및 균등물 내에서 변형될 수 있다.

Claims (20)

  1. 적응성 에너지 운용 시스템의 모델링 및 후속 운용 방법으로서,
    에너지 자산에 대한 에너지 애플리케이션 성능을 모델링하는 단계;
    상기 에너지 자산에 대한 에너지 자산 건전성을 모델링하는 단계;
    상기 에너지 자산의 비용 효율을 모델링하는 단계;
    상기 에너지 애플리케이션에 대한 예견 운용 프로파일(forward operating profile)을 생성하는 단계; 및
    상기 에너지 자산에 대한 예견 가용성 프로파일(forward availability profile)을 생성하는 단계
    를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 예견 운용 프로파일 및 예견 가용성 프로파일을 에너지 자산 특성 데이터 및 이력적 데이터와 조합하여 예측 분석을 가능하게 하는 단계를 더 포함하는, 방법.
  3. 제1항에 있어서,
    자산 운용 프로파일을 출력하는 단계를 더 포함하는, 방법.
  4. 제1항에 있어서,
    상기 예견 운용 프로파일 및 상기 예견 가용성 프로파일을 포함하는 예측 분석 데이터 패키지를 생성하는 단계, 및
    상기 데이터 패키지를 상기 적응성 에너지 운용 시스템에 입력하는 단계
    를 더 포함하는, 방법.
  5. 제1항에 있어서,
    에너지 디바이스들의 운용 및 관리를 위한 예측 분석을 수행하는 단계를 더 포함하는, 방법.
  6. 제1항에 있어서,
    상기 모델링 수행시 상기 적응성 에너지 운용 시스템에 사용되는 에너지 서비스 애플리케이션들, 알고리즘들 및 방법들을 시뮬레이션하는 단계를 더 포함하는, 방법.
  7. 제1항에 있어서,
    에너지 자산 건전성을 모델링하는 단계는, 사용의 함수로서 열화를 검사하는 단계를 더 포함하는, 방법.
  8. 제1항에 있어서,
    비용 효율을 모델링하는 단계는, 에너지를 경제성과 연결하도록 동적 레이트 구조 라이브러리를 사용하는 단계를 더 포함하는, 방법.
  9. 제1항에 있어서,
    비용 효율을 모델링하는 단계는, 자산 수명에 걸쳐 상기 자산이 생성할 가능성이 있는 수익을 예측하는 단계를 더 포함하는, 방법.
  10. 제1항에 있어서,
    예측 분석에서 저장소 수명 특성 데이터를 사용하는 단계; 및
    상기 자산의 주어진 온도, 전압 범위 및 캘린더 수명에서 충전율 및 방전율의 함수로서 효율, 유효 용량 및 용량 감소를 사용하는 단계
    를 더 포함하는, 방법.
  11. 제1항에 있어서,
    배터리 충전율 및 방전율을 사용하는 단계;
    온도, 전압 범위 및 캘린더 수명을 사용하는 단계; 및
    배터리의 효율, 유효 용량 및 용량 감소를 포함하는 에너지 저장소 특성 함수들을 생성하는 단계
    를 더 포함하는, 방법.
  12. 제1항에 있어서,
    모델링으로부터 유도된 예측과 자산의 실제 운용 성능 사이의 차이를 사용하는 단계를 더 포함하고, 모델은 갱신될 수 있는, 방법.
  13. 제1항에 있어서,
    애플리케이션 프로파일 및 예견 운용 프로파일을 재연산함으로써 실시간으로 상기 자산의 거동을 갱신하는 단계를 더 포함하는, 방법.
  14. 제1항에 있어서,
    애플리케이션 예견 운용 프로파일을 충족시키기 위해 자산 예견 가용성 프로파일을 계산하는 단계; 및
    예측 분석 데이터 패키지 내에 상기 예견 가용성 프로파일 및 상기 예견 운용 프로파일을 저장하는 단계
    를 더 포함하는, 방법.
  15. 하나 이상의 에너지 자산과 통신하는 적응성 에너지 운용 시스템을 운용하는 방법으로서,
    자산에 대한 예견 가용성 프로파일 및 애플리케이션에 대한 예견 운용 프로파일을 수신하는 단계;
    모델들을 포함하는 예측 분석 데이터 패키지를 수신하는 단계;
    가동시간 운용 프로파일 데이터 및 가동시간 자산 프로파일 데이터를 수집하는 단계;
    가동시간 운용 프로파일 데이터 및 가동시간 자산 프로파일 데이터를 모델들과 비교하는 단계;
    자산 프로파일 데이터를 에너지 자산 수명 특성 데이터로 변환하는 단계; 및
    예견 가용성 프로파일 및 예견 운용 프로파일을 갱신하는 단계
    를 포함하는, 방법.
  16. 제15항에 있어서,
    상기 모델들은 애플리케이션 성능 모델, 자산/건전성 모델 및 재무(financial) 모델을 포함하는, 방법.
  17. 제15항에 있어서,
    자산을 제어함으로써 애플리케이션을 실행하는 단계를 더 포함하는, 방법.
  18. 제15항에 있어서,
    상기 예측 분석 데이터 패키지를 갱신하는 단계를 더 포함하는, 방법.
  19. 예측 분석 엔진;
    하나 이상의 에너지 관련 애플리케이션;
    예견 운용 프로파일 및 예견 가용성 프로파일을 생성하고 활용하는 서버; 및
    에너지 자동화 제어 소프트웨어
    를 포함하는, 적응성 에너지 운용 시스템.
  20. 제19항에 있어서,
    하나 이상의 에너지 디바이스 드라이버를 더 포함하는, 적응성 에너지 운용 시스템.
KR1020177005832A 2014-07-31 2015-07-31 적응형 자동화 제어 소프트웨어에 의한 에너지 저장 수명 성능 예측 및 최적화 KR20170098790A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462031804P 2014-07-31 2014-07-31
US62/031,804 2014-07-31
PCT/US2015/043177 WO2016019278A1 (en) 2014-07-31 2015-07-31 Predicting and optimizing energy storage lifetime performance with adaptive automation control software

Publications (1)

Publication Number Publication Date
KR20170098790A true KR20170098790A (ko) 2017-08-30

Family

ID=53835521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177005832A KR20170098790A (ko) 2014-07-31 2015-07-31 적응형 자동화 제어 소프트웨어에 의한 에너지 저장 수명 성능 예측 및 최적화

Country Status (5)

Country Link
US (1) US20160036272A1 (ko)
EP (2) EP3699834A1 (ko)
KR (1) KR20170098790A (ko)
CN (1) CN106796672A (ko)
WO (1) WO2016019278A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9509176B2 (en) * 2012-04-04 2016-11-29 Ihi Inc. Energy storage modeling and control
US20190317463A1 (en) 2012-05-19 2019-10-17 Growing Energy Labs, Inc. Adaptive energy storage operating system for multiple economic services
US9817376B1 (en) 2012-05-19 2017-11-14 Growing Energy Labs, Inc. Adaptive energy storage operating system for multiple economic services
US10734811B2 (en) 2017-11-27 2020-08-04 Ihi Inc. System and method for optimal control of energy storage system
JP7206063B2 (ja) * 2018-07-09 2023-01-17 三菱重工業株式会社 プラント運転方法、制御装置及びプログラム
US20220043414A1 (en) * 2020-08-05 2022-02-10 Korea Advanced Institute Of Science And Technology Apparatus and method for operating energy storage system
US20220416548A1 (en) * 2021-06-23 2022-12-29 TWAICE Technologies GmbH Operational planning for battery-based energy storage systems considering battery aging

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6892148B2 (en) * 2002-12-29 2005-05-10 Texas Instruments Incorporated Circuit and method for measurement of battery capacity fade
JP3994910B2 (ja) * 2003-05-08 2007-10-24 株式会社日立製作所 電力売買支援システム
US20060247798A1 (en) * 2005-04-28 2006-11-02 Subbu Rajesh V Method and system for performing multi-objective predictive modeling, monitoring, and update for an asset
US7519485B2 (en) * 2005-12-21 2009-04-14 Sterling Planet, Inc. Method and apparatus for determining energy savings by using a baseline energy use model that incorporates a neural network algorithm
US9557723B2 (en) * 2006-07-19 2017-01-31 Power Analytics Corporation Real-time predictive systems for intelligent energy monitoring and management of electrical power networks
US7924265B2 (en) * 2007-07-23 2011-04-12 Avago Technologies Ecbu Ip (Singapore) Pte. Ltd. System and method for emulating wheel-style, rocker-style, or wheel-and-rocker style navigation with an analog pointing device
US8314594B2 (en) * 2008-04-30 2012-11-20 Medtronic, Inc. Capacity fade adjusted charge level or recharge interval of a rechargeable power source of an implantable medical device, system and method
US9318917B2 (en) * 2009-04-09 2016-04-19 Sony Corporation Electric storage apparatus and power control system
US8239178B2 (en) * 2009-09-16 2012-08-07 Schneider Electric USA, Inc. System and method of modeling and monitoring an energy load
US9159108B2 (en) * 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets
US20130245847A1 (en) * 2009-10-23 2013-09-19 Alain P. Steven Facilitating revenue generation from wholesale electricity markets using an enineering-based energy asset model
US8892264B2 (en) * 2009-10-23 2014-11-18 Viridity Energy, Inc. Methods, apparatus and systems for managing energy assets
WO2012129675A1 (en) * 2011-03-31 2012-10-04 Energent Incorporated A computer implemented electrical energy hub management system and method
CA2735614A1 (en) * 2011-04-04 2012-10-04 Ecobee Inc. Programming simulator for an hvac controller
US20140052396A1 (en) * 2011-04-28 2014-02-20 Sk Innovation Co., Ltd. Device and Method for Measuring the Capacity Degradation of a Battery
JP6236587B2 (ja) * 2011-09-16 2017-11-29 オートグリッド インコーポレイテッド デマンドレスポンス及び分散エネルギーリソースを最適化及び管理するシステム及び方法
US9509176B2 (en) * 2012-04-04 2016-11-29 Ihi Inc. Energy storage modeling and control
US9396293B2 (en) * 2012-11-06 2016-07-19 Cenergistic Llc Adjustment simulation method for energy consumption
CA2809011C (en) * 2012-11-06 2018-07-17 Mcmaster University Adaptive energy management system
WO2014078336A1 (en) * 2012-11-14 2014-05-22 Autogrid, Inc. Identifying operability failure in dr assets
US10740775B2 (en) * 2012-12-14 2020-08-11 Battelle Memorial Institute Transactive control and coordination framework and associated toolkit functions
US20140278617A1 (en) * 2013-03-15 2014-09-18 Rockwell Automation Technologies, Inc. Systems and methods for updating confidence values for energy information associated with an industrial automation system
US9842372B2 (en) * 2013-03-15 2017-12-12 Rockwell Automation Technologies, Inc. Systems and methods for controlling assets using energy information determined with an organizational model of an industrial automation system
US9171276B2 (en) * 2013-05-06 2015-10-27 Viridity Energy, Inc. Facilitating revenue generation from wholesale electricity markets using an engineering-based model

Also Published As

Publication number Publication date
EP3699834A1 (en) 2020-08-26
US20160036272A1 (en) 2016-02-04
CN106796672A (zh) 2017-05-31
EP3175401A1 (en) 2017-06-07
WO2016019278A1 (en) 2016-02-04

Similar Documents

Publication Publication Date Title
KR20170098790A (ko) 적응형 자동화 제어 소프트웨어에 의한 에너지 저장 수명 성능 예측 및 최적화
Bhattarai et al. Big data analytics in smart grids: state‐of‐the‐art, challenges, opportunities, and future directions
Zheng et al. Stochastic optimization for unit commitment—A review
CN109800898A (zh) 一种智能短期负荷预测方法及系统
Wu et al. Computational method for optimal machine scheduling problem with maintenance and production
Valencia-Calvo et al. Non-smooth dynamics in energy market models: a complex approximation from system dynamics and dynamical systems approach
Loew et al. Economic model predictive control of Li‐ion battery cyclic aging via online rainflow‐analysis
Liu et al. Short‐term load forecasting based on LSTNet in power system
Senna et al. Architecture model for a holistic and interoperable digital energy management platform
CN111200283A (zh) 一种多微电网系统优化控制方法
Kolster et al. Providing distributed flexibility for curative transmission system operation using a scalable robust optimization approach
Kozlov et al. Fuel and energy system control at large-scale damages. 1. Network model and software implementation
Desta et al. Demand response scheduling in industrial asynchronous production lines constrained by available power and production rate
CN103294859A (zh) 中压断路器智能设计平台
Giri et al. Quantifying the risk in age and block replacement policies
Ekel et al. Multicriteria analysis based on constructing payoff matrices and applying methods of decision making in fuzzy environment
US20210263486A1 (en) Adaptive energy storage operating system for multiple economic services
CN103620420B (zh) 用于确定公共设施成本节省的系统和方法
Alsaryrah et al. A fast iot service composition scheme for energy efficient qos services
CN114925919A (zh) 业务资源处理方法、装置、计算机设备和存储介质
Hackenberg et al. A rapid prototyping approach for smart energy systems based on partial system models
Huang et al. A comparison of implicit and explicit methods for contingency constrained unit commitment
CN117764638B (en) Electricity selling data prediction method, system, equipment and storage medium for power supply enterprises
Baier et al. Greener bits: Formal analysis of demand response
Wang et al. Graph computing and graph database applications in power system online dispatch

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application