KR20190023379A - 부하 분리를 수행하는 방법 및 서버 - Google Patents

부하 분리를 수행하는 방법 및 서버 Download PDF

Info

Publication number
KR20190023379A
KR20190023379A KR1020170109074A KR20170109074A KR20190023379A KR 20190023379 A KR20190023379 A KR 20190023379A KR 1020170109074 A KR1020170109074 A KR 1020170109074A KR 20170109074 A KR20170109074 A KR 20170109074A KR 20190023379 A KR20190023379 A KR 20190023379A
Authority
KR
South Korea
Prior art keywords
load
reference value
building
type load
power consumption
Prior art date
Application number
KR1020170109074A
Other languages
English (en)
Inventor
심수아
권명은
김상우
박남현
최지훈
한자경
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020170109074A priority Critical patent/KR20190023379A/ko
Publication of KR20190023379A publication Critical patent/KR20190023379A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/12—Payment architectures specially adapted for electronic shopping systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버에서 수행되는 부하 분리 방법은 건물의 전력 사용량 데이터를 수집하는 단계, 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 단계, 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정하는 단계, 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 단계 및 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계를 포함할 수 있다.

Description

부하 분리를 수행하는 방법 및 서버{METHOD AND SEVER FOR PERFORMING LOAD CLASSIFICATION}
본 발명은 부하 분리를 수행하는 방법 및 서버에 관한 것이다.
종래의 부하 분리 방법은 각 부하에 설치된 센서를 통해 전력 사용량을 수집하고, 수집된 부하의 전력 사용량에 기초하여 부하 분리를 수행하였다. 이러한 종래의 부하 분리 방법은 건물의 모든 부하의 전력 사용량을 파악하기 위해 센서를 각 부하마다 장착해야 하므로 많은 비용이 발생하고, 센서를 각 부하에 설치하더라도 각 부하의 전력 사용량이 정확하게 측정되지 못하는 문제점이 있었다.
또한, 종래의 부하 분리 방법은 건물의 전력 소비 패턴에 기초하여 건물의 부하 분리를 수행하는 것이 아닌, 모든 건물의 부하 분리를 동일한 기준으로 수행하기 때문에 부하 분리에 대한 오차가 발생할 수 있다.
또한, 종래의 부하 분리 방법은 건물의 특성 및 시간에 따른 건물의 온도 및 전력 사용량의 변화를 반영하지 못한 채, 부하 분리를 수행하고 있기 때문에 부하 분리에 대한 오차가 발생할 수 있다. 예를 들면, 호텔의 경우, 전등, 전열 및 냉난방에 대한 부하 등이 기저 부하와 같이 지속적으로 작동하고 있으나, 종래의 부하 분리 방법은 호텔의 기저 부하와 일반 주택과 같은 다른 건물의 기저 부하를 동일하게 고려하여 부하 분리를 수행하고 있다.
또한, 종래의 부하 분리 방법은 건물의 주변 상황 또는 건물에 설치된 부하의 노후화 정도를 고려하지 않고, 건물의 전력 사용량에 대한 임계치를 벗어난 상황에 대해서만 고려하고 있기 때문에, 건물에 적절한 전력 사용 절감 가이드라인을 제공하기 어렵다.
한편, 선행 기술인 한국등록특허 제10-1660487호에는 전력을 소비하는 기기별 전력 소비량을 시간 단위로 구분하고, 전력 소비에 영향을 주는 전력 소비 요소에 기초하여 전력 소비량을 예측하는 구성이 개시되어 있다.
건물의 전력 사용량 데이터에 기초하여 건물의 전력 사용량에 대한 부하 분리를 수행하고자 한다. 구체적으로, 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하고, 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하 및 제 2 유형 부하의 기준값을 결정하고, 결정된 제 1 유형 부하 및 제 2 유형 부하의 기준값에 기초하여 건물의 전력 사용량에 대한 부하 분리를 수행하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버에서 수행되는 부하 분리 방법은 건물의 전력 사용량 데이터를 수집하는 단계; 상기 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 단계; 상기 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정하는 단계; 상기 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 상기 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 단계; 및 상기 제 1 유형 부하의 기준값 및 상기 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계를 포함할 수 있다.
본 발명의 제 2 측면에 따른 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버는 건물의 전력 사용량 데이터를 수집하는 데이터 수집부; 상기 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 클러스터링부; 상기 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정하는 제 1 기준값 결정부; 상기 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 상기 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 제 2 기준값 결정부; 및 상기 제 1 유형 부하의 기준값 및 상기 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 부하 분리 수행부를 포함할 수 있다.
본 발명의 제 3 측면에 따른 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버는 건물의 전력 사용량 데이터를 수집하는 데이터 수집부; 상기 건물의 전력 사용량 데이터에 기초하여 제 1 유형 부하의 기준값을 결정하는 제 1 기준값 결정부; 상기 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 제 2 유형 부하의 기준값을 결정하는 제 2 기준값 결정부; 및 상기 제 1 유형 부하의 기준값 및 상기 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량을 복수의 유형의 부하로 부하 분리를 수행하는 부하 분리 수행부를 포함할 수 있다. 상기 복수의 유형의 부하는 상기 제 1 유형 부하, 상기 제 2 유형 부하 및 제 3 유형 부하를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 건물의 전력 사용량 데이터에 기초하여 건물의 전력 사용량에 대한 부하 분리를 소프트웨어적으로 수행할 수 있다. 구체적으로, 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하고, 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하 및 제 2 유형 부하의 기준값을 결정하고, 결정된 제 1 유형 부하 및 제 2 유형 부하의 기준값에 기초하여 건물의 전력 사용량에 대한 부하 분리를 수행할 수 있다. 이를 통해, 건물의 특성에 적합한 고도화된 부하 분리를 수행할 수 있고, 부하별로 전력 소비량 데이터를 정확하게 제공할 수 있다. 또한, 고도화된 부하 분리를 통해 건물의 전력 소비 패턴 파악에 대한 정확도를 높일 수 있고, 건물의 특성에 맞는 부하에 대한 효율적인 전력 소비 가이드라인을 제공할 수 있다. 또한, 건물의 부하 분리가 소프트웨어적으로 수행되기 때문에 부하의 전력을 측정하기 위한 센서를 별도로 설치할 필요가 없다.
도 1은 본 발명의 일 실시예에 따른, 부하 분리 서버의 블록도이다.
도 2a 내지 2d는 본 발명의 일 실시예에 따른, 건물의 제 2 유형 부하의 기준값을 결정하는데 사용되는 시간별 전력 사용량 데이터를 추출하는 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른, 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 방법을 나타낸 흐름도이다.
도 4는 본 발명의 일 실시예에 따른, 제 1 유형 부하의 기준값을 결정하는 방법을 나타낸 흐름도이다.
도 5는 본 발명의 일 실시예에 따른, 제 2 유형 부하의 기준값을 결정하는 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예에 따른, 부하 분리를 수행하는 방법을 나타낸 흐름도이다.
도 7은 본 발명의 다른 실시예에 따른 부하 분리를 수행하는 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 부하 분리 서버(10)의 블록도이다.
도 1을 참조하면, 부하 분리 서버(10)는 데이터 수집부(100), 클러스터링부(110), 제 1 기준값 결정부(120), 제 2 기준값 결정부(130), 부하 분리 수행부(140) 및 DB(150)를 포함할 수 있다. 여기서, 제 1 기준값 결정부(120)는 기준 그룹 결정부(122)를 포함할 수 있다. 제 2 기준값 결정부(130)는 냉난방 균형점 추출부(132) 및 시간별 전력 사용량 데이터 추출부(134)를 포함할 수 있다. 부하 분리 수행부(140)는 모니터링부(142) 및 그룹 선정부(144)를 포함할 수 있다. 다만, 도 2에 도시된 부하 분리 서버(10)는 본 발명의 하나의 구현 예에 불과하며, 도 2에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
데이터 수집부(100)는 건물의 전력 사용량 데이터를 수집할 수 있다. 예를 들면, 데이터 수집부(100)는 건물의 부하 분리를 수행하기 위해 건물의 과거의 전력 사용량 데이터를 수집할 수 있다. 여기서, 전력 사용량 데이터에는 월별 전력 사용량 데이터, 월별 각각의 일별 전력 사용량 데이터 및 일별 각각의 시간별 전력 사용량 데이터가 포함될 수 있다. 여기서, 부하 분리는 건물에서 사용하는 전력을 부하별로 세분화하고, 부하별 전력 사용량을 구체화하는데 이용되고, 건물의 전력 소비 패턴을 파악하고 효율적인 전력 소비 방안을 도출하는데 도움이 된다.
클러스터링부(110)는 수집된 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링할 수 있다. 구체적으로, 클러스터링부(110)는 월별 전력 사용량 데이터에 포함된 일별 전력 사용량에 기초하여 건물의 영업일을 추출하고, 건물의 영업일에 기초하여 건물의 전력 사용량 데이터를 영업일 그룹 및 비영업일 그룹으로 분리할 수 있다. 예를 들면, 클러스터링부(110)는 특정 달의 일별 전력 사용량(1일~31일 각각의 전력 사용량)에 대응하는 일별 MAD(Mean Absolute Deviation) 데이터를 내림차순으로 정렬하고, 기준 MAD 데이터보다 큰 일별 MAD 데이터에 대응하는 일별 전력 사용량을 영업일 그룹으로 분리하고, 기준 MAD 데이터보다 작은 일별 MAD 데이터에 대응하는 일별 전력 사용량을 비영업일 그룹으로 분리할 수 있다.
구체적으로, 클러스터링부(110)는 시간별 전력 사용량에 기초하여 건물의 근무 시간을 추출하고, 건물의 근무 시간에 기초하여 건물의 전력 사용량 데이터를 근무 시간 그룹 및 비근무 시간 그룹으로 분류할 수 있다. 예를 들면, 클러스터링부(110)는 시간별 전력 사용량(0시~23시 각각의 전력 사용량)에 대응하는 시간별 MAD(Mean Absolute Deviation) 데이터를 내림차순으로 정렬하고, 기준 MAD 데이터보다 큰 시간별 MAD 데이터에 대응하는 시간별 전력 사용량을 근무 시간 그룹으로 분리하고, 기준 MAD 데이터보다 작은 시간별 MAD 데이터에 대응하는 시간별 전력 사용량을 비근무 시간 그룹으로 분리할 수 있다.
예를 들면, 클러스터링부(110)는 영업일 그룹에 대하여 근무 시간 그룹(예컨대, 정시 근무 시간 동안에 소비된 전력 사용량 그룹) 및 비근무 시간 그룹(예컨대, 정시 근무 시간 외의 시간에 소비된 전력 사용량 그룹)으로 분류하고, 비영업일 그룹(예컨대, 법적 공휴일)에 대하여 근무 시간 그룹(예컨대, 특근 근무 시간 동안에 소비된 전력 사용량 그룹) 및 비근무 시간 그룹으로 분류할 수 있다.
예를 들면, 클러스터링부(110)는 영업일 그룹을 근무 시간에 기초하여 복수의 그룹으로 분류할 수 있다. 예를 들어, 클러스터링부(110)는 영업일 그룹을 제 1 영업일 그룹(예컨대, 오전 9시부터 20시까지 근무하는 그룹(예컨대, 월요일, 화요일, 목요일 및 금요일)), 제 2 영업일 그룹(예컨대, 오전 9시부터 14시까지 근무하는 그룹(예컨대, 토요일)) 및 제 3 영업일 그룹(오전 9시부터 18시까지 근무하는 그룹(예컨대, 수요일))으로 분류할 수 있다.
제 1 기준값 결정부(120)는 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정할 수 있다. 여기서, 제 1 유형 부하는 기저 부하로서, 24시간 동안 일정량의 전력을 연속적으로 소비하는 부하일 수 있다. 기저 부하의 예로는, 냉장고, 환풍기 등이 포함될 수 있다.
기준 그룹 결정부(122)는 복수의 그룹 중 제 1 유형 부하의 기준값을 결정하기 위한 기준 그룹을 결정할 수 있다. 구체적으로, 기준 그룹 결정부(122)는 복수의 그룹 중에서 전력 사용량이 가장 작은 그룹을 기준 그룹으로 결정할 수 있다. 예를 들면, 영업일 그룹의 근무 시간 그룹 및 비근무 시간 그룹과 비영업일 그룹의 근무 시간 그룹 및 비근무 시간 그룹 중에서, 가장 작은 전력 사용량을 갖는 비영업일 그룹의 비근무 시간 그룹이 기준 그룹으로 결정될 수 있다.
제 1 기준값 결정부(120)는 기준 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정할 수 있다. 예를 들면, 제 1 기준값 결정부(120)는 기준 그룹의 월별 전력 사용량에서 기설정된 비율(예컨대, 전력 사용량의 90%)의 전력 사용량을 제 1 유형 부하의 기준값으로 결정할 수 있다. 이는 기준 그룹에서 전등 및 전열 등의 전력 소비가 이루어질 수 있는 상황(예컨대, 경비원의 순찰)이 존재하기 때문에 기준 그룹의 전력 사용량(제 1 기준값을 결정하는 해당 월의 전력 사용량)에서 기설정된 비율의 전력 사용량을 제 1 유형 부하의 기준값으로 결정하게 된다.
전력 사용량이 가장 작은 그룹은 비영업일 그룹의 비근무 시간 그룹일 확률이 높고, 해당 그룹에서 소비된 전력 사용량은 기저 부하 만에 의해 소비된 전력 사용량일 확률이 높기 때문에, 전력 사용량이 가장 작은 그룹을 기준 부하로 결정한다.
제 1 기준값 결정부(120)는 건물의 유형의 특성 정보에 기초하여 기결정된 가중치를 반영할 수 있다. 건물의 유형의 특성 정보는 면적, 냉방 비율, 난방 비율, 조명 비율, 급탕/일반 동력 비율을 포함할 수 있다.
예를 들면, 제1 기준값 결정부(120)는 호텔의 경우 제 1 가중치를 반영하여 제 1 유형 부하의 기준값을 결정하고, 공공 빌딩의 경우 제 2 가중치를 반영하여 제 1 유형 부하의 기준값을 결정할 수 있다.
제 1 기준값 결정부(120)는 건물의 노후화 정도에 따라 가중치를 다르게 반영할 수도 있다.
제 2 기준값 결정부(130)는 건물의 전력 사용량 데이터, 건물의 냉방 지수 및 난방 지수에 기초하여 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정할 수 있다. 여기서, 제 2 유형 부하는 예를 들면, 전등에 대한 부하, 전열에 대한 부하 및 기타 장비에 대한 부하를 포함할 수 있다.
제 2 기준값 결정부(130)는 영업일 그룹, 비영업일 그룹, 근무 시간 그룹, 비근무 시간 그룹 각각에 대하여 제 2 유형 부하의 기준값을 결정할 수 있다.
이를 위해, 제 2 기준값 결정부(130)는 건물의 전력 사용량 데이터로부터 영업일 그룹이면서 근무 시간 그룹에 해당하는 제 1 그룹의 전력 사용량 데이터를 추출할 수 있다. 여기서, 영업일 그룹이면서 그룹 시간 그룹에 해당하는 제 1 그룹은 기저 부하를 포함한 다수의 부하에서 전력을 소비할 확률이 높은 그룹이기 때문에 제 1 그룹의 전력 사용량 데이터를 이용하면 더 정확한 부하별 분리를 수행할 수 있다.
여기서, 제 1 그룹의 전력 사용량 데이터는 예를 들면, 기저 부하의 전력 사용량이 제거된 전력 사용량 데이터일 수 있다. 예를 들면, 건물에 전력 계측 장치(미도시)가 설치된 경우, 제 1 그룹의 전력 사용량 데이터는 24시간 동안 0이 아닌 전력 사용량 데이터를 제외한 나머지 계측된 전력 사용량 데이터의 총합일 수 있다.
또한, 제 2 기준값 결정부(130)는 제 1 그룹의 전력 사용량 데이터로부터 온도 데이터를 추출할 수 있다.
냉난방 균형점 추출부(132)는 추출된 온도 데이터로부터 냉방 지수(CDD)를 계산하고, 계산된 냉방 지수와 제 1 그룹의 전력 사용량 데이터 간의 상관 계수를 계산할 수 있다. 여기서, 냉방지수(CDD)는 수학식 1을 통해 계산될 수 있다.
Figure pat00001
또한, 냉난방 균형점 추출부(132)는 추출된 온도 데이터로부터 난방 지수(HDD)를 계산하고, 계산된 난방 지수와 제 1 그룹의 전력 사용량 데이터 간의 상관 계수를 계산할 수 있다. 여기서, 난방지수(HDD)는 수학식 2를 통해 계산될 수 있다.
Figure pat00002
냉난방 균형점 추출부(132)는 난방 지수와 제 1 그룹의 전력 사용량 데이터 간의 상관 계수를 계산함으로써, 냉방 지수와의 상관 계수가 일정한 값 이상인 제 1 온도(C, Cooling Balance Point) 및 난방 지수와의 상관 계수가 일정한 값 이상인 제 2온도(H, Heating Balance Point)를 추출할 수 있다. 여기서, 제 1 온도는 냉방 지수와의 상관 계수가 가장 높은 온도이고, 제 2 온도는 난방 지수와의 상관 계수가 가장 높은 온도일 수 있다.
도 2a 내지 2d를 함께 참조하면, 제 2 기준값 결정부(130)는 제 1 그룹의 전력 사용량 데이터로부터 시간별 온도에 따른 전력 사용량 그래프(20)를 도출할 수 있다.
시간별 전력 사용량 데이터 추출부(134)는 냉방 지수와의 상관 계수가 가장 높은 온도가 제 1 온도(예컨대, 10도)이고, 난방 지수와의 상관 계수가 가장 높은 온도가 제 2 온도(예컨대, 15도)인 경우, 시간별 온도에 따른 전력 사용량 그래프(20)에서 제 1 온도 이상이면서 제 2 온도 이하인 전력 사용량 데이터(도 2a에서 하늘색으로 표시됨)를 추출할 수 있다.
시간별 전력 사용량 데이터 추출부(134)는 시간별 온도에 따른 전력 사용량 그래프(20)에서 추출된 제 1 온도 이상이면서 제 2 온도 이내의 전력 사용량 데이터를 포함하는 온도 변화 구간을 이용하여 제 1 그룹에서의 시간별 전력 사용량 데이터(22)를 도출할 수 있다.
제 2 기준값 결정부(130)는 영업일 그룹이면서 비근무 시간 그룹에 포함되는 제 2 그룹에 대해서도 시간별 전력 사용량 데이터(24)를 추출할 수 있다.
제 2 기준값 결정부(130)는 비영업일 그룹이면서 근무 시간 그룹에 포함되는 제 3 그룹에 대해서도 시간별 전력 사용량 데이터(26)를 추출할 수 있다.
제 2 기준값 결정부(130)는 각 그룹의 시간별 전력 사용량 데이터(22, 24, 26)의 시간별 전력 사용량과 각 그룹의 가중치에 기초하여 복수의 그룹 각각의 시간별 제 2 유형 부하의 기준값을 결정할 수 있다. 여기서, 가중치는 복수의 그룹마다 상이하게 설정될 수 있다.
예를 들면, 제 2 기준값 결정부(130)는 제 1 그룹에 대한 시간별 전력 사용량 데이터(22)에서의 시간별 전력 사용량에 제 1 가중치를 적용하여 제 1 그룹의 시간별 제 2 유형 부하의 기준값을 결정할 수 있다. 예를 들어, 제 2 기준값 결정부(130)는 시간별 전력 사용량의 90%를 제 1 그룹의 시간별 제 2 유형 부하의 기준값으로 결정할 수 있다.
또한, 제 2 기준값 결정부(130)는 제 2 그룹에 대한 시간별 전력 사용량 데이터(24)에서의 시간별 전력 사용량에 제 2 가중치를 적용하여 제 2 그룹의 시간별 제 2 유형 부하의 기준값을 결정할 수 있다. 예를 들어, 제 2 기준값 결정부(130)는 시간별 전력 사용량의 100%를 제 2 그룹의 시간별 제 2 유형 부하의 기준값으로 결정할 수 있다.
또한, 제 2 기준값 결정부(130)는 제 3 그룹에 대한 시간별 전력 사용량 데이터(26)에서의 시간별 전력 사용량에 제 3 가중치를 적용하여 제 3 그룹의 시간별 제 2 유형 부하의 기준값을 결정할 수 있다. 예를 들어, 제 2 기준값 결정부(130)는 시간별 전력 사용량의 95%를 제 3 그룹의 시간별 제 2 유형 부하의 기준값으로 결정할 수 있다. 여기서, 제 1 가중치, 제 2 가중치 및 제 3 가중치는 예를 들면, 건물의 특성 및 계절에 따라 변경될 수 있다.
부하 분리 수행부(140)는 건물의 전력 사용량을 제 1 유형 부하, 제 2 유형 부하 및 제 3 유형 부하로 부하 분리를 수행할 수 있다. 여기서, 제 1 유형 부하는 기저 부하이고, 제 2 유형 부하는 전등 및 전열에 대한 부하이고, 제 3 유형 부하는 냉방 및 난방에 대한 부하일 수 있다.
모니터링부(142)는 건물의 전력 사용량을 모니터링할 수 있다.
그룹 선정부(144)는 건물의 전력 사용량을 모니터링하는 날짜 및 시간에 기초하여 복수의 그룹 중 적어도 하나의 그룹을 선정할 수 있다. 예를 들면, 그룹 선정부(114)는 비공휴일의 근무 시간에 건물의 전력 사용량을 모니터링하는 경우, 영업일 그룹과 근무 시간 그룹을 선정할 수 있다.
부하 분리 수행부(140)는 선정된 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 건물의 전력 사용량에 대하여 부하 분리를 수행할 수 있다.
부하 분리 수행부(140)는 모니터링된 건물의 전력 사용량이 해당 그룹에 대응하는 제 1 유형 부하의 기준값보다 작은 경우, 건물의 전력 사용량을 제 1 유형 부하로 결정할 수 있다.
부하 분리 수행부(140)는 모니터링된 건물의 전력 사용량이 선정된 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합보다 작은 경우, 선정된 그룹에 대응하는 제 1 유형 부하의 기준값을 제 1 유형 부하로 결정하고, 모니터링된 건물의 전력 사용량과 선정된 그룹에 대응하는 제 1 유형 부하의 기준값의 차에 해당하는 전력 사용량을 제 2 유형 부하로 결정할 수 있다.
부하 분리 수행부(140)는 모니터링된 건물의 전력 사용량이 선정된 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합보다 큰 경우, 선정된 그룹에 대응하는 제 1 유형 부하의 기준값을 제 1 유형 부하로 결정하고, 선정된 그룹에 대응하는 제 2 유형 부하의 기준값을 제 2 유형 부하로 결정하고, 모니터링된 건물의 전력 사용량에서 선정된 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값을 뺀 값에 해당하는 전력 사용량을 제 3 유형 부하로 결정할 수 있다.
부하 분리 수행부(140)는 건물의 전력 사용량에 대한 부하 분리를 이용하여 건물의 유형별 또는 건물의 시간별 에너지 사용 가이드를 생성할 수 있다. 또한, 부하 분리 수행부(140)는 건물에서의 에너지 사용 가이드 준수에 따른 예상 전력 절감량 및 전력 절감 비용을 산출하여 이를 건물의 관리자에게 제공할 수 있다. 또한, 부하 분리 수행부(140)는 건물에서 건물의 에너지 사용 가이드를 준수하고 있는지 여부를 건물의 전력 사용량 데이터에 대한 모니터링을 통해 감시하고, 건물에서 측정된 실시간 온도 데이터가 기설정된 동적 임계치를 벗어나는 경우, 건물의 관리자에게 건물의 전력 사용에 대한 경고 메시지를 전송할 수 있다.
DB(150)는 부하 분리 서버(10) 내부의 각 구성요소들 간에 입력 및 출력되는 데이터를 저장하고, 부하 분리 서버(10)와 부하 분리 서버(10) 외부의 구성요소들간에 입력 및 출력되는 데이터를 저장한다. 예를 들면, DB(150)는 모니터링된 건물의 전력 사용량을 날짜 및 시간별로 저장할 수 있다.
한편, 당업자라면, 데이터 수집부(100), 클러스터링부(110), 제 1 기준값 결정부(120), 기준 그룹 결정부(122), 제 2 기준값 결정부(130), 냉난방 균형점 추출부(132), 시간별 전력 사용량 데이터 추출부(134), 부하 분리 수행부(140), 모니터링부(142), 그룹 선정부(144) 및 DB(150) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 3은 본 발명의 일 실시예에 따른, 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 방법을 나타낸 흐름도이다.
도 3을 참조하면, 단계 S301에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터를 수집할 수 있다.
단계 S303에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링할 수 있다.
단계 S305에서 부하 분리 서버(10)는 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정할 수 있다.
단계 S307에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정할 수 있다.
단계 S309에서 부하 분리 서버(10)는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 건물의 전력 사용량에 대하여 부하 분리를 수행할 수 있다.
도 3에는 도시되지 않았으나, 단계 S303에서 부하 분리 서버(10)는 일별 전력 사용량에 기초하여 건물의 영업일을 추출할 수 있다. 또한, 부하 분리 서버(10)는 건물의 영업일에 기초하여 건물의 전력 사용량 데이터를 영업일 그룹 및 비영업일 그룹으로 분류할 수 있다.
도 3에는 도시되지 않았으나, 단계 S303에서 부하 분리 서버(10)는 시간별 전력 사용량에 기초하여 건물의 근무 시간을 추출할 수 있다. 또한, 부하 분리 서버(10)는 건물의 근무 시간에 기초하여 건물의 전력 사용량 데이터를 근무 시간 그룹 및 비근무 시간 그룹으로 분류할 수 있다.
도 3에는 도시되지 않았으나, 단계 S309에서 부하 분리 서버(10)는 건물의 전력 사용량을 제 1 유형 부하, 제 2 유형 부하 및 제 3 유형 부하로 부하 분리를 수행할 수 있다. 여기서, 제 1 유형 부하는 기저 부하이고, 제 2 유형 부하는 전등 및 전열에 대한 부하이고, 제 3 유형 부하는 냉방 및 난방에 대한 부하일 수 있다.
상술한 설명에서, 단계 S301 내지 S309는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 4는 본 발명의 일 실시예에 따른, 제 1 유형 부하의 기준값을 결정하는 방법을 나타낸 흐름도이다.
도 4를 참조하면, 단계 S401에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터를 수집할 수 있다.
단계 S403에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링할 수 있다.
단계 S405에서 부하 분리 서버(10)는 복수의 그룹 중 제 1 유형 부하의 기준값을 결정하기 위한 기준 그룹을 결정할 수 있다.
단계 S407에서 부하 분리 서버(10)는 기준 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정할 수 있다.
단계 S409에서 부하 분리 서버(10)는 건물의 유형에 기초하여 기결정된 가중치를 반영할 수 있다.
상술한 설명에서, 단계 S401 내지 S409는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 5는 본 발명의 일 실시예에 따른, 제 2 유형 부하의 기준값을 결정하는 방법을 나타낸 흐름도이다.
도 5를 참조하면, 단계 S501에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터를 수집할 수 있다.
단계 S503에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링할 수 있다.
단계 S505에서 부하 분리 서버(10)는 건물의 복수의 그룹 각각에 해당하는 냉방 지수와의 상관 계수가 일정한 값 이상인 제 1 온도 및 건물의 복수의 그룹 각각에 해당하는 난방 지수와의 상관 계수가 일정한 값 이상인 제 2 온도를 각각 추출할 수 있다.
단계 S507에서 부하 분리 서버(10)는 건물의 전력 사용량 데이터로부터 추출된 제 1 온도 이상 및 제 2 온도 이하에서의 시간별 전력 사용량 데이터를 복수의 그룹 각각에 따라 추출할 수 있다. 이 때, 복수의 그룹 각각의 제 1 온도 및 제 2 온도는 서로 상이할 수 있다.
단계 S509에서 부하 분리 서버(10)는 복수의 그룹 각각의 시간별 전력 사용량 데이터에서의 시간별 전력 사용량과 가중치에 기초하여 복수의 그룹 각각의 시간별 제 2 유형 부하의 기준값을 결정할 수 있다. 여기서, 가중치는 복수의 그룹마다 상이하게 설정될 수 있다.
상술한 설명에서, 단계 S501 내지 S509는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 6은 본 발명의 일 실시예에 따른, 부하 분리를 수행하는 방법을 나타낸 흐름도이다.
도 6을 참조하면, 단계 S601에서 부하 분리 서버(10)는 건물의 전력 사용량을 모니터링할 수 있다.
단계 S603에서 부하 분리 서버(10)는 건물의 전력 사용량을 모니터링하는 날짜 및 시간에 기초하여 복수의 그룹 중 적어도 하나의 그룹을 선정할 수 있다.
단계 S605에서 부하 분리 서버(10)는 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 건물의 전력 사용량에 대하여 부하 분리를 수행할 수 있다.
상술한 설명에서, 단계 S601 내지 S605는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 7은 본 발명의 다른 실시예에 따른 부하 분리를 수행하는 방법을 나타낸 흐름도이다.
도 7을 참조하면, 단계 S701에서 부하 분리 서버(10)는 건물의 전력 사용량을 모니터링할 수 있다.
단계 S703에서 부하 분리 서버(10)는 건물의 전력 사용량을 모니터링하는 날짜 및 시간에 기초하여 복수의 그룹 중 적어도 하나의 그룹을 선정할 수 있다.
단계 S705에서 부하 분리 서버(10)는 모니터링된 건물의 전력 사용량과 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값을 비교할 수 있다.
단계 S707에서 부하 분리 서버(10)는 모니터링된 건물의 전력 사용량이 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값보다 작은 경우, 건물의 전력 사용량을 제 1 유형 부하로 결정할 수 있다.
단계 S709에서 부하 분리 서버(10)는 모니터링된 건물의 전력 사용량과 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합을 비교할 수 있다.
단계 S711에서 부하 분리 서버(10)는 모니터링된 건물의 전력 사용량이 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합보다 작은 경우, 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값을 제 1 유형 부하로 결정하고, 단계 S713에서 건물의 전력 사용량과 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값의 차에 해당하는 전력 사용량을 제 2 유형 부하로 결정할 수 있다.
단계 S715에서 부하 분리 서버(10)는 건물의 전력 사용량이 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합보다 큰 경우, 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값을 제 1 유형 부하로 결정하고, 적어도 하나의 그룹에 대응하는 제 2 유형 부하의 기준값을 제 2 유형 부하로 결정하고, 단계 S717에서 건물의 전력 사용량에서 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 적어도 하나의 그룹에 대응하는 제 2 유형 부하의 기준값을 뺀 값에 해당하는 전력 사용량을 제 3 유형 부하로 결정할 수 있다.
상술한 설명에서, 단계 S701 내지 S717은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 부하 분리 서버
100: 데이터 수집부
110: 클러스터링부
120: 제 1 기준값 결정부
122: 기준 그룹 결정부
130: 제 2 기준값 결정부
132: 냉난방 균형점 추출부
134: 시간별 전력 사용량 데이터 추출부
140: 부하 분리 수행부
142: 모니터링부
144: 그룹 선정부
150: DB

Claims (20)

  1. 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버에서 수행되는 부하 분리 방법에 있어서,
    건물의 전력 사용량 데이터를 수집하는 단계;
    상기 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 단계;
    상기 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정하는 단계;
    상기 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 상기 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 단계; 및
    상기 제 1 유형 부하의 기준값 및 상기 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계
    를 포함하는 것인, 부하 분리 방법.
  2. 제 1 항에 있어서,
    상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계는,
    상기 건물의 전력 사용량을 복수의 유형의 부하로 부하 분리를 수행하는 단계
    를 포함하고,
    상기 복수의 유형의 부하는 상기 제 1 유형 부하, 상기 제 2 유형 부하 및 제 3 유형 부하를 포함하는 것인, 부하 분리 방법.
  3. 제 2 항에 있어서,
    상기 제 1 유형 부하는 기저 부하이고, 상기 제 2 유형 부하는 전등 및 전열에 대한 부하이고, 상기 제 3 유형 부하는 냉방 및 난방에 대한 부하인 것인, 부하 분리 방법.
  4. 제 1 항에 있어서,
    상기 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 단계는,
    일별 전력 사용량에 기초하여 상기 건물의 영업일을 추출하는 단계; 및
    상기 건물의 영업일에 기초하여 상기 건물의 전력 사용량 데이터를 영업일 그룹 및 비영업일 그룹으로 분류하는 단계
    를 포함하는 것인, 부하 분리 방법.
  5. 제 1 항에 있어서,
    상기 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 단계는,
    시간별 전력 사용량에 기초하여 상기 건물의 근무 시간을 추출하는 단계; 및
    상기 건물의 근무 시간에 기초하여 상기 건물의 전력 사용량 데이터를 근무 시간 그룹 및 비근무 시간 그룹으로 분류하는 단계
    를 포함하는 것인, 부하 분리 방법.
  6. 제 1 항에 있어서,
    상기 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정하는 단계는,
    상기 복수의 그룹 중 상기 제 1 유형 부하의 기준값을 결정하기 위한 기준 그룹을 결정하는 단계; 및
    상기 기준 그룹의 전력 사용량에 기초하여 상기 제 1 유형 부하의 기준값을 결정하는 단계
    를 포함하는 것인, 부하 분리 방법.
  7. 제 6 항에 있어서,
    상기 기준 그룹의 전력 사용량에 기초하여 상기 제 1 유형 부하의 기준값을 결정하는 단계는,
    상기 건물의 유형에 기초하여 기결정된 가중치를 상기 제 1 유형 부하의 기준값에 반영하는 단계
    를 포함하는 것인, 부하 분리 방법.
  8. 제 1 항에 있어서,
    상기 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 단계는,
    상기 건물의 전력 사용량 데이터로부터 제 1 온도 및 제 2 온도를 추출하는 단계; 및
    상기 건물의 전력 사용량 데이터로부터 상기 제 1 온도 이상 및 상기 제 2 온도 이하에서의 시간별 전력 사용량 데이터를 추출하는 단계
    를 포함하고,
    상기 제 1 온도는 냉방 지수와의 상관 계수가 일정한 값 이상인 온도이고, 상기 제 2 온도는 상기 난방 지수와의 상관 계수가 일정한 값 이상인 온도인 것인, 부하 분리 방법.
  9. 제 8 항에 있어서,
    상기 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 단계는,
    상기 시간별 전력 사용량 데이터의 시간별 전력 사용량과 가중치에 기초하여 상기 복수의 그룹 각각의 시간별 제 2 유형 부하의 기준값을 결정하는 단계
    를 더 포함하는 것인, 부하 분리 방법.
  10. 제 9 항에 있어서,
    상기 가중치는 상기 복수의 그룹마다 상이한 것인, 부하 분리 방법.
  11. 제 1 항에 있어서,
    상기 복수의 그룹의 전력 사용량에 대하여 부하 분리를 수행하는 단계는,
    상기 건물의 전력 사용량을 모니터링하는 단계;
    상기 건물의 전력 사용량을 모니터링하는 날짜 및 시간에 기초하여 상기 복수의 그룹 중 적어도 하나의 그룹을 선정하는 단계; 및
    상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계
    를 포함하는 것인, 부하 분리 방법.
  12. 제 11 항에 있어서,
    상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계는,
    상기 건물의 전력 사용량이 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값보다 작은 경우, 상기 건물의 전력 사용량을 상기 제 1 유형 부하로 결정하는 단계
    를 포함하는 것인, 부하 분리 방법.
  13. 제 11 항에 있어서,
    상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계는,
    상기 건물의 전력 사용량이 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합보다 작은 경우, 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값을 상기 제 1 유형 부하로 결정하고, 상기 건물의 전력 사용량과 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값의 차에 해당하는 전력 사용량을 상기 제 2 유형 부하로 결정하는 단계
    를 포함하는 것인, 부하 분리 방법.
  14. 제 11 항에 있어서,
    상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 단계는,
    상기 건물의 전력 사용량이 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값과 제 2 유형 부하의 기준값의 합보다 큰 경우, 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값을 상기 제 1 유형 부하로 결정하고, 상기 적어도 하나의 그룹에 대응하는 제 2 유형 부하의 기준값을 상기 제 2 유형 부하로 결정하고, 상기 건물의 전력 사용량에서 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 상기 적어도 하나의 그룹에 대응하는 제 2 유형 부하의 기준값을 뺀 값에 해당하는 전력 사용량을 상기 제 3 유형 부하로 결정하는 단계
    를 포함하는 것인, 부하 분리 방법.
  15. 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버에 있어서,
    건물의 전력 사용량 데이터를 수집하는 데이터 수집부;
    상기 건물의 전력 사용량 데이터를 복수의 그룹으로 클러스터링하는 클러스터링부;
    상기 복수의 그룹의 전력 사용량에 기초하여 제 1 유형 부하의 기준값을 결정하는 제 1 기준값 결정부;
    상기 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 상기 복수의 그룹 각각의 제 2 유형 부하의 기준값을 결정하는 제 2 기준값 결정부; 및
    상기 제 1 유형 부하의 기준값 및 상기 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 부하 분리 수행부
    를 포함하는 것인, 부하 분리 서버.
  16. 제 15 항에 있어서,
    상기 부하 분리 수행부는 상기 건물의 전력 사용량을 복수의 유형의 부하로 부하 분리를 수행하고,
    상기 복수의 유형의 부하는 상기 제 1 유형 부하, 상기 제 2 유형 부하 및 제 3 유형 부하를 포함하고,
    상기 제 1 유형 부하는 기저 부하이고, 상기 제 2 유형 부하는 전등 및 전열에 대한 부하이고, 상기 제 3 유형 부하는 냉방 및 난방에 대한 부하인 것인, 부하 분리 서버.
  17. 제 15 항에 있어서,
    상기 제 1 기준값 결정부는 상기 복수의 그룹 중 상기 제 1 유형 부하의 기준값을 결정하기 위한 기준 그룹을 결정하는 기준 그룹 결정부
    를 포함하고,
    상기 제 1 기준값 결정부는 상기 기준 그룹의 전력 사용량에 기초하여 상기 제 1 유형 부하의 기준값을 결정하는 것인, 부하 분리 서버.
  18. 제 15 항에 있어서,
    상기 제 2 기준값 결정부는 상기 건물의 전력 사용량 데이터로부터 제 1 온도 및 제 2 온도를 추출하는 냉난방 균형점 추출부; 및
    상기 건물의 전력 사용량 데이터로부터 상기 제 1 온도 이상 및 상기 제 2 온도 이하에서의 시간별 전력 사용량 데이터를 추출하는 시간별 전력 사용량 데이터 추출부
    를 포함하고,
    상기 제 1 온도는 상기 냉방 지수와의 상관 계수가 일정한 값 이상인 온도이고, 상기 제 2 온도는 상기 난방 지수와의 상관 계수가 일정한 값 이상인 온도인 것인, 부하 분리 서버.
  19. 제 15 항에 있어서,
    상기 부하 분리 수행부는 상기 건물의 전력 사용량을 모니터링하는 모니터링부; 및
    상기 건물의 전력 사용량을 모니터링하는 날짜 및 시간에 기초하여 상기 복수의 그룹 중 적어도 하나의 그룹을 선정하는 그룹 선정부
    를 포함하고,
    상기 부하 분리 수행부는 상기 적어도 하나의 그룹에 대응하는 제 1 유형 부하의 기준값 및 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량에 대하여 부하 분리를 수행하는 것인, 부하 분리 서버.
  20. 건물의 전력 사용량 데이터에 기초하여 부하 분리를 수행하는 부하 분리 서버에 있어서,
    건물의 전력 사용량 데이터를 수집하는 데이터 수집부;
    상기 건물의 전력 사용량 데이터에 기초하여 제 1 유형 부하의 기준값을 결정하는 제 1 기준값 결정부;
    상기 건물의 전력 사용량 데이터, 냉방 지수 및 난방 지수에 기초하여 제 2 유형 부하의 기준값을 결정하는 제 2 기준값 결정부; 및
    상기 제 1 유형 부하의 기준값 및 상기 제 2 유형 부하의 기준값에 기초하여 상기 건물의 전력 사용량을 복수의 유형의 부하로 부하 분리를 수행하는 부하 분리 수행부
    를 포함하고,
    상기 복수의 유형의 부하는 상기 제 1 유형 부하, 상기 제 2 유형 부하 및 제 3 유형 부하를 포함하는 것인, 부하 분리 서버.
KR1020170109074A 2017-08-29 2017-08-29 부하 분리를 수행하는 방법 및 서버 KR20190023379A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170109074A KR20190023379A (ko) 2017-08-29 2017-08-29 부하 분리를 수행하는 방법 및 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170109074A KR20190023379A (ko) 2017-08-29 2017-08-29 부하 분리를 수행하는 방법 및 서버

Publications (1)

Publication Number Publication Date
KR20190023379A true KR20190023379A (ko) 2019-03-08

Family

ID=65801470

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170109074A KR20190023379A (ko) 2017-08-29 2017-08-29 부하 분리를 수행하는 방법 및 서버

Country Status (1)

Country Link
KR (1) KR20190023379A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102231601B1 (ko) * 2020-11-09 2021-03-24 (주)디에스티 원격제어 기반 에너지 절감형 장치 통합 제어 시스템
CN117272121A (zh) * 2023-11-21 2023-12-22 江苏米特物联网科技有限公司 一种基于Deep SHAP的酒店负荷影响因素量化分析方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102231601B1 (ko) * 2020-11-09 2021-03-24 (주)디에스티 원격제어 기반 에너지 절감형 장치 통합 제어 시스템
CN117272121A (zh) * 2023-11-21 2023-12-22 江苏米特物联网科技有限公司 一种基于Deep SHAP的酒店负荷影响因素量化分析方法
CN117272121B (zh) * 2023-11-21 2024-03-12 江苏米特物联网科技有限公司 一种基于Deep SHAP的酒店负荷影响因素量化分析方法

Similar Documents

Publication Publication Date Title
JP5743881B2 (ja) 電力管理システム、電力管理方法、需要家端末及び電力管理装置
Jiefan et al. Extracting typical occupancy data of different buildings from mobile positioning data
LaCommare et al. Cost of power interruptions to electricity consumers in the United States (US)
JP4266011B2 (ja) 配電系統負荷想定方法、配電系統負荷想定装置
CN106575422B (zh) 能量管理系统和方法
EP3460742A1 (en) Demand forecast system and demand forecast method
JP2003242212A (ja) ユーティリティの消費特性が類似する曜日を決定する装置および方法
CN103154904B (zh) 操作管理设备、操作管理方法和程序
US20170082986A1 (en) Building management device, wide area management system, data acquiring method, and program
KR20190023379A (ko) 부하 분리를 수행하는 방법 및 서버
JP4531638B2 (ja) 変圧器負荷想定方法、変圧器負荷想定装置
KR102202643B1 (ko) 에너지 사용량 예측 방법
KR20180098179A (ko) 대상 건물에 대한 에너지 절감 가이드를 제공하는 시스템
KR101757056B1 (ko) 기기 식별이 가능한 적응형 스마트 전력 측정 장치 및 방법
Caicedo et al. Sensor data-driven lighting energy performance prediction
Acquaviva et al. Enhancing Energy Awareness Through the Analysis of Thermal Energy Consumption.
Claridge Accounting for the occupancy variable in inverse building energy baselining models
JP5930989B2 (ja) 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法
JP6625839B2 (ja) 負荷実績データ判別装置、負荷予測装置、負荷実績データ判別方法及び負荷予測方法
JP2015198535A (ja) 太陽光発電システム、端末、解析処理方法、及び、プログラム
JP6482504B2 (ja) 電力制御装置及びプログラム
KR20190088395A (ko) 전력 사용량 기반의 매출 예측 시스템 및 그 방법
JP6024510B2 (ja) 消費エネルギー分析装置、消費エネルギー分析方法及びコンピュータプログラム
KR102087026B1 (ko) 시계열 분석 기법을 이용한 소비전력 패턴 분류 방법 및 장치
KR102089864B1 (ko) 에너지 관리에 의한 영업 관리 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X601 Decision of rejection after re-examination