KR20210001172A - 인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템 - Google Patents

인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템 Download PDF

Info

Publication number
KR20210001172A
KR20210001172A KR1020190076834A KR20190076834A KR20210001172A KR 20210001172 A KR20210001172 A KR 20210001172A KR 1020190076834 A KR1020190076834 A KR 1020190076834A KR 20190076834 A KR20190076834 A KR 20190076834A KR 20210001172 A KR20210001172 A KR 20210001172A
Authority
KR
South Korea
Prior art keywords
ess
unit
data
big data
artificial intelligence
Prior art date
Application number
KR1020190076834A
Other languages
English (en)
Other versions
KR102221251B1 (ko
Inventor
위재우
Original Assignee
주식회사 컴퍼니위
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 컴퍼니위 filed Critical 주식회사 컴퍼니위
Priority to KR1020190076834A priority Critical patent/KR102221251B1/ko
Publication of KR20210001172A publication Critical patent/KR20210001172A/ko
Application granted granted Critical
Publication of KR102221251B1 publication Critical patent/KR102221251B1/ko

Links

Images

Classifications

    • 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
    • H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2219—Large Object storage; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures

Abstract

본 발명은 빅데이터 분석 및 기계학습을 통해 ESS 운영시 발생하는 높은 온도, 전압 불안정, 누설전류의 발생으로 인한 화재발생의 잠재적 위험도를 평가하고, 안전 위협 요소를 사전에 식별하여 이를 제거하기 위한 것으로서,
에너지저장시스템(ESS)에 설치된 다수의 센서들로부터 측정된 값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄;에 대한 데이터를 수집하여 빅데이터를 구성하고, 상기 빅데이터를 데이터베이스부로 전송하는 로컬데이터센터부; 상기 로컬데이터센터부로부터 전송되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 저장하는 클라우드 기반의 데이터베이스부; 상기 데이터베이스부로부터 수신된 정보를 딥러닝(Deep Learning) 알고리즘을 사용하여 각 에너지저장시스템(ESS) 별로 위험도 분석과 상태를 파악하고, 위험도 관제 정보를 실시간 표출하는 인공지능관리부; 상기 인공지능관리부의 관제 정보로부터 산출된 값이 알고리즘에 의해 차후 화재위험, 누설전류 발생 등의 위험이 발생할 것으로 판단될 때, 상기 에너지저장시스템(ESS)의 구동을 제어하는 안전관리제어부;를 포함하는 인공지능(A.I)을 활용한 빅데이터 기반 ESS 안전진단 시스템에 관한 것이다.

Description

인공지능(A.I)을 활용한 빅데이터 기반 ESS 안전진단 시스템{A system for safety check-up of ESS based on Bigdata using artificial intelligence}
본 발명은 빅데이터 분석 및 기계학습을 통해 ESS 운영시 발생하는 높은 온도, 전압 불안정, 누설전류의 발생으로 인한 화재발생의 잠재적 위험도를 평가하고, 안전 위협 요소를 사전에 식별하여 이를 제거하기 위한 것으로서,
에너지저장시스템(ESS)에 설치된 다수의 센서들로부터 측정된 값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄;에 대한 데이터를 수집하여 빅데이터를 구성하고, 상기 빅데이터를 데이터베이스부로 전송하는 로컬데이터센터부; 상기 로컬데이터센터부로부터 전송되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 저장하는 클라우드 기반의 데이터베이스부; 상기 데이터베이스부로부터 수신된 정보를 딥러닝(Deep Learning) 알고리즘을 사용하여 각 에너지저장시스템(ESS) 별로 위험도 분석과 상태를 파악하고, 위험도 관제 정보를 실시간 표출하는 인공지능관리부; 상기 인공지능관리부의 관제 정보로부터 산출된 값이 알고리즘에 의해 차후 화재위험, 누설전류 발생 등의 위험이 발생할 것으로 판단될 때, 상기 에너지저장시스템(ESS)의 구동을 제어하는 안전관리제어부;를 포함하는 인공지능(A.I)을 활용한 빅데이터 기반 ESS 안전진단 시스템에 관한 것이다.
산업발전에 맞춰 지속적으로 주택 및 건물이 증가하고 있으며, 이에 따른 전력공급의 안정화 요구도 높아가고 있다. 블랙아웃으로 인한 산업 전반에 걸친 피해는 물론 병원 등 응급상황에 따른 빠른 대처가 필요한 곳에서는 크 피해가 인명과 직결됨으로써 그 피해규모를 가늠하기 어려울 수 있다. 이와 같은 문제로 인해 전력공급의 안정화는 필수적으로 요구되고 있다.
에너지 저장 장치(Energy Storage System; ESS)는 전력계통상에서 버려지는 잉여 전력을 저장했다가 수요가 필요한 시기에 적절하게 공급함으로써 에너지의 효율을 높일 수 있는 장치이다. 이를 통해 전력계통의 변동성을 완화시킬 수 있다.
기후 변화 대응 및 온실가스 감축을 위해 신재생 발전에 대한 지속적인 투자가 이루어짐에 따라, 신재생발전의 계통 안정성을 확보하기 위해 상기 ESS의 수요는 지속적인 증가 추세에 있다.
그러나 상기 ESS는 구성 부품 자체에서 발생될 수 있는 위험요소, 고장으로 인해 수반되는 위험 및 작동과정 중에 발생할 수 있는 위험요소를 갖고 있으며, 실질적으로 최근 잦은 화재로 인한 운영의 정지 및 중단이 권고되어 운영이 어려운 상태가 빈번하게 발생하고 있다.
또한 화재 발생 등의 문제 발생시 ESS의 특성상 전소하는 경향이 있어 문제 원인을 파악하거나 분석하기가 매우 어려운 실정이다.
이외에, 현재 ESS의 설치 및 운영상의 문제가 다수 존재하며, 그 구체적인 내용을 살펴보면 다음과 같다.
첫째. ESS는 단일 제품이 아니라 배터리제조사, PCS 제조사, PMS 및 EMS 제조사 등 여러 제조사가 참여하고 있는 복합제품으로서 단일 제품이 아니기에 서로의 제품에 대한 관리 및 이해도가 단일제품대비 낮다.
둘째. 제품의 특성상 제품 보안 및 기술 노출을 피하기 위해 각 회사별로 제품의 내부 정보를 공개하지 않거나, 일부 자료만 공개하고 있어 제품의 상태 및 상황을 파악하기에는 정보가 부족하다.
셋째. ESS 운영장소별로 특이성은 존재하나, 국내 ESS 사업장에서 발생하고 있는 문제사례 사건, 위험성 등이 공유되지 않고 각 업체, 현장별로 파악하고 있어, 통일화된 자료 및 빅데이터 확보에 의한 통계 분석이 이루어지지 않고 있다.
넷째. ESS의 상업적 운영이 국내외를 포함하여 약 2년 또는 그 이하의 경험을 보유하고 있어, 숙련된 전문 운영 인력이 부족하고, 설치 장소 및 운영 회수에 비해 전문가가 극히 부족한 상황이다.
따라서 현재, ESS를 안정적으로 운용하고, 설치 및 운영상의 효율을 높이기 위하여,
ESS 문제 발생 케이스를 사전에 미리 예측하고, 이와 관련된 데이터를 수집한 후, 클라우드 서버로 상기 수집된 데이터를 전송함으로써 외부에서도 동시에 ESS 현황 파악이 가능하도록 하는 시스템이 요구되고 있다.
이는 인공지능(A.I) 기술을 통해 문제에 대한 변인을 기계학습하여, 패턴을 파악할 수 있다면, 각 ESS 설치 장소에서 수집하고 있는 빅데이터를 분석하여, 사전에 화재 및 문제 발생 상황을 예측하거나, 문제 발생 가능성을 줄일 수 있을 것으로 예상된다.
대한민국 등록특허 10-1794307(등록일자 2017.10.31) 대한민국 등록특허 10-1769357(등록일자 2017.08.11) 대한민국 공개특허 10-2017-0049305(공개일자 2017.05.10)
본 발명은 빅데이터 분석 및 기계학습을 통해 ESS 운영시 발생하는 높은 온도, 전압 불안정, 누설전류의 발생으로 인한 화재발생의 잠재적 위험도를 평가하고, 안전 위협 요소를 사전에 식별하여 이를 제거하기 위한 것으로서,
분 단위로 데이터를 클라우드 서버와 로컬 서버에 저장하여, ESS 파손 또는 화재 발생 등으로 누락될 시에도 상태 변화 및 원인 파악을 위한 데이터 제공 가능하고,
전문인력이 부족한 현 상황에 적합하도록 전문가가 현장에 없다라도 클라우드 기반 자동화된 운영 시스템을 접속하여 응급대처가 가능하며,
화재 등의 문제 발생시 알람 및 상태값이 에너지 공단, 소방서 등의 유관기관에 자동으로 전송될 수 있도록 하는 시스템을 구축함으로써, 초동대처가 가능한 인공지능(A.I)을 활용한 빅데이터 기반 ESS 안전진단 시스템을 제공하고자 하는 것을 발명의 목적으로 한다.
상기 목적을 달성하기 위하여,
본 발명은 에너지저장시스템(ESS)에 설치된 다수의 센서들로부터 측정된 값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄;에 대한 데이터를 수집하여 빅데이터를 구성하고, 상기 빅데이터를 데이터베이스부로 전송하는 로컬데이터센터부와,
상기 로컬데이터센터부로부터 전송되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 저장하는 클라우드 기반의 데이터베이스부와,
상기 데이터베이스부로부터 수신된 정보를 딥러닝(Deep Learning) 알고리즘을 사용하여 각 에너지저장시스템(ESS) 별로 위험도 분석과 상태를 파악하고, 위험도 관제 정보를 실시간 표출하는 인공지능관리부와,
상기 인공지능관리부의 관제 정보로부터 산출된 값이 알고리즘에 의해 차후 화재위험, 누설전류 발생 등의 위험이 발생할 것으로 판단될 때, 상기 에너지저장시스템(ESS)의 구동을 제어하는 안전관리제어부를 포함하는, 빅데이터 기반 인공지능(A.I)의 기계학습을 통한 ESS 안전진단 시스템을 제공한다.
본 발명에 따른 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템은 다음의 효과를 갖는다.
첫째. 클라우드 기반의 ESS 안전관리 플랫폼 도입으로 인해 안전성을 강화할 수 있고, 안전 사고의 발생 가능성을 예측하여 이를 사전 알람을 통해 실시간 관리가 가능하고, 이에 대한 소방서, 에너지 공단 등 유관 공공기관에서 운영상태 점검이 가능하다는 장점을 갖는다.
둘째. PCS, 배터리, 급전을 포함하는 ESS 시스템과, 소방, 안전, 실내환경 및 공조기기를 포함하는 ESS 운전환경의 데이터를 빅데이터화하고, 이의 분석 및 기계학습을 통해 ESS 잠재적 위험도를 평가하고, 안전 위협 요소를 사전에 식별하여 이를 제거함으로써 화재발생의 사전 예방이 가능하고, 화재발생시 원인 분석 자료의 제공이 가능하다는 장점을 갖는다.
셋째. 화재 위험 감소 및 운영 안정성 확보로 인한 ESS 설치장소 확대와 운영의 안정성 확보가 가능하다.
넷째. 클라우드형 관리를 통한 운영 및 설치 비용의 감소효과를 갖는다.
다섯째. ESS 운영 증대에 따른 화재 원인 분석을 위한 기초 데이터를 제공함으로써 사전 예방조치가 보다 체계적으로 이루어질 수 있다.
도 1은 본 발명에 따른 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템의 전체 구성도.
도 2는 본 발명의 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템을 구성하는 로컬데이터센터부의 블록도.
도 3은 본 발명의 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템을 구성하는 인공지능관리부의 블록도.
도 4는 본 발명의 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템을 구성하는 안전관리제어부의 블록도.
본 발명에 따른 빅데이터 기반 인공지능(A.I)의 기계학습을 통한 ESS 안전진단 시스템(1)은 센서들이 설치되는 에너지저장시스템(ESS)과, 상기 에너지저장시스템(ESS)을 제어하는 제어부를 포함하는 것으로서,
빅데이터 분석 및 기계학습을 통해 ESS 잠재적 위험도를 평가하고, 안전 위협 요소를 사전에 식별하여 안전관리제어부를 통해 제거함으로써 ESS를 안정적으로 운영할 수 있도록 한다.
본 발명에 따른 ESS 안전진단 시스템(1)은 도 1에 도시된 바와 같이,
에너지저장시스템(ESS)(10)에 설치된 다수의 센서들로부터 측정된 값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄;에 대한 데이터를 수집하여 빅데이터를 구성하고, 상기 빅데이터를 데이터베이스부로 전송하는 로컬데이터센터부(20)와,
상기 로컬데이터센터부(20)로부터 전송되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 저장하는 클라우드 기반의 데이터베이스부(30)와,
상기 데이터베이스부(30)로부터 수신된 정보를 딥러닝(Deep Learning) 알고리즘을 사용하여 각 에너지저장시스템(ESS) 별로 위험도 분석과 상태를 파악하고, 위험도 관제 정보를 실시간 표출하는 인공지능관리부(40)와,
상기 인공지능관리부(40)의 관제 정보로부터 산출된 값이 알고리즘에 의해 차후 화재위험, 누설전류 발생 등의 위험이 발생할 것으로 판단될 때, 상기 에너지저장시스템(ESS)의 구동을 제어하는 안전관리제어부(50)를 포함하여 구성된다.
이하, 본 발명에 따른 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템(1)의 각부 구성을 도면과 함께 구체적으로 살펴보도록 한다.
1. 에너지저장시스템(ESS)(10)
상기 에너지저장시스템(ESS)(10)은 저장장치, 변환장치 및 제어장치를 기본 구성으로 하는 것으로서, 배터리의 충/방전 상태 관리 및 제어를 위한 배터리 관리시스템(Battery Management System, BMS); AC를 DC로 또는 DC를 AC로 변환하는 전력변환시스템(Power Conversion System, PCS); 이들을 모니터링하고 제어명령을 내리며 전기요금, 주파수, 외부의 지령 등에 따라 충/방전 명령을 내리는 전력관리시스템(Power Management System, PMS); 상기 PCS와 배터리의 제어를 통해 ESS의 충방전 양과 시간을 조정하는 역할을 하는 에너지관리시스템(Energy Management System. EMS)을 포함한다.
즉, 에너지저장시스템(ESS)(10)은 BMS, PCS, PMS 및 EMS 등 다양한 제품들을 하나의 목적에 따라 하나의 시스템으로 연동하여 통합적인 관리, 통제 및 제어를 하는 종합적인 시스템이다.
상기 BMS는 PCM과 기본적인 목적이 동일하나 배터리를 효율적이고 세밀하게 관리할 수 있다는 장점을 갖는다. 상기 BMS의 기본 5개의 기능을 살펴보면, Protection, Performance, Management, Diagnose, interface, Auxiliary/Application Related로 구분된다.
상기 PCS(Power Conditioning System)는 이러한 직류 전력을 교류 전력으로 변환하여 전력계통으로 전력을 공급하거나 직접 부하에 전력을 공급하는 기능을 한다. PCS는 배터리에 충전할 때 교류에서 직류로 변환하여 저장하고 방전할 때 직류에서 교류로 변환하여 전력계통으로 보낼 수 있는 양방향 변환 작업을 할 수 있다. 이외에도 PCS는 주파수나 전압 등 전기의 상태를 바꾸는 역할과 유효전력, 무효전력 등의 품질을 제어하는 등의 발전 감시 및 제어 역할도 한다.
상기 PMS(Power Management System는 배터리의 상태 모니터링과 PCS의 상태 모니터링 및 제어를 수행하며, 컨트롤센터 등에서 ESS를 모니터링하고 제어하기 위한 운영시스템이다.
본 발명에서는 상기 BMS와 PMS에서 수집한 데이터를 대상으로 하여 1분 단위로 상태값을 로컬 서버와 클라우드 서버에 동시 저장한다. 이와 같이 데이터를 내부에 저장하는 것이 아니라 클라우드 서버와 로컬 서버에 저장함으로써 화재 등의 사고로 인해 ESS가 파손되더라도 화재 등의 사고원인 파악을 위한 데이터 제공이 가능하다.
상기 ESS에는 화재센서 또는 온도센서를 포함하는 다수의 센서가 설치되고, 이와 같은 센서들에 의해 샌싱된 ESS의 상태정보를 수집하게 된다.
상기 화재센서와 온도센서에 의해 센싱된 값외에 해당지역의 기상정보와, 기상상태에 따른 전력수요 변화에 대한 데이터를 확보함으로써 빅데이터를 구성하게 된다.
상기 화재센서는 열감지와 공기의 건조 정도를 측정할 수 있는 온·습도 센서를 활용할 수 있다. 그리고 상기 기상정보와 전력수요에 대한 데이터는 일정 시점 이전의 데이터를 포함함으로써 문제 발생 패턴을 분석할 수 있는 데이터로 활용될 수 있다.
2. 로컬데이터센터부(20)
상기 로컬데이터센터부(20)는 에너지저장시스템(ESS)(10)에 설치된 다수의 센서들로부터 측정된 값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄;에 대한 데이터를 수집하여 빅데이터를 구성하고, ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 데이터베이스부로 실시간 또는 분단위 전송하는 역할을 하는 것으로서,
센서들에 의해 측정된 값을 수집하는 데이터수집부(201)와,
상기 데이터수집부(201)를 통해 수집되어 구성된 빅데이터를 병렬적으로 처리하는 데이터분석부(202)와,
상기 데이터분석부(202)를 통해 처리한 분석결과를 시각화하여 출력하는 결과출력부(203)를 포함하여 구성된다.
상기 데이터수집부(201)는 IOT 센서들에 의해 측정된 센싱값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄에 대한 데이터를 수집한다.
이때, 상기 해당지역의 기상정보 및 전력수요는 최근 몇년 동안의 기상정보에 그에 따라 년, 월, 일 및 시간대별 전력수요에 대한 데이터를 포함한다.
상기 데이터분석부(202)는 상기 데이터수집부(201)를 통해 측정된 센싱값, 해당지역의 기상정보 및 전력수요; ESS 운영스케줄에 대한 빅데이터를 병렬적으로 처리하는 역할을 하는 것으로서, 구체적으로는 하둡으로 구현된다.
빅데이터에서 기술에서 가장 중요한 것은 방대한 데이터를 수집해서 이를 저장하는 기술이라 할 수 있다. 또한 수집으로만 끝나는 것이 아니라 수집된 방대한 데이터를 필요에 의해 분석해내는 기술이 더 중요하다. 그래서 이를 수집 분석 할 수 있는 시스템이 필요하다. 이를 위해 본 발명에서는 오픈소스인 하둡(Hadoop) 기반 빅데이터 시스템을 사용한다.
상기 하둡(Hadoop Distributed FileSystem)은 장애가 발생할 확률이 높은 범용 하드웨어서도 동작하는 것을 목표로 개발되었으며, 고가의 관계형 데이터베이스를 필요로 하지 않는다. 즉 값비싼 하드웨어를 필요로 하지 않는 것이 큰 장점인 것이다. 하둡은 각종 네트워크에 연결된 노드들에 대해서 분산 저장하는 구조를 취한다. 그래서 하나의 큰 파일 또는 데이터를 65M 나 128MB의 블록 단위로 나누어서클러스트에 분산하여 복제하는 구조를 갖는다.
상기 하둡은 HDFS(Hadoop Distributed File System)를 통해 분산 저장하고, 맵리듀스(MapReduce)를 통해 저장된 데이터를 분산처리 한다.
상기 HDFS는 수십 테라바이트 또는 페타바이트 이상의 대용량 파일을 분산된 서버에 저장하고, 그 저장된 데이터를 빠르게 처리할 수 있게 하는 파일시스템이다. 또한 저사양의 서버를 이용해서 스토리지를 구성할 수 있어 기존의 대용량파일스시스템(NAS, DAS, SAN등)에 비해 장점을 가진다. HDFS는 블록 구조의 파일 시스템이다. 파일을 특정크기의 블록으로 나누어 분산된 서버에 저장된다.
상기 맵리듀스는 여러 노드에 태스크를 분배하는 방법으로 각 노드 프로세스 데이터는 가능한 경우, 해당 노드에 저장된다. 맵리듀스 태스크는 맵(Map)과 리듀스(Reduce) 총 두단계로 구성된다.
상기 맵리듀스는 하둡 클러스터의 데이터를 처리하기 위한 시스템으로 총 2개(Map, Reduce)의 phase로 구성된다.
상기 맵(Map)과 리듀스(Reduce) 사이에는 셔플(shuffle)과 소트(sort)라는 스테이지가 존재한다. 각 맵 테스크(Map task)는 전체 데이터 셋에 대해서 별개의 부분에 대한 작업을 수행하게 되는데, 기본적으로 하나의 HDFS block을 대상으로 수행하게 된다. 모든 맵 테스크(Map task)가 종료되면, 맵리듀스(MapReduce)는 인터미디에이트(intermediate) 데이터를 리듀스 상(Reduce phase)를 수행할 노드로 분산하여 전송한다.
Distributed File System에서 수행되는 맵리듀스 작업이 끝나면 HDFS에 파일이 써지고, 맵리듀스 작업을 시작할 때는 HDFS로 부터 파일을 가져오는 작업이 수행된다.
상기 결과출력부(203)는 상기 데이터분석부(202)를 통해 처리한 분석결과를 시각화하여 출력하는 역할을 하는 것으로서, 웹페이지, API(Application Programming Interface) 또는 리포트를 통해 결과를 출력한다.
상기 로컬데이터센터부(20)를 통해 출력되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터는 클라우드 기반의 데이터베이스부(30)로 실시간 또는 분단위로 전송되어 저장된다. 보다 구체적으로는 1분 단위로 데이터가 전송된다.
3. 데이터베이스부(30)
상기 데이터베이스부(30)는 로컬데이터센터부(20)로부터 전송되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 실시간 또는 분단위로 저장하는 역할을 한다.
상기 데이터베이스부(30)는 클라우드 컴퓨팅 환경에서 다양한 위협으로부터 정보의 안전성을 확보하기 위하여, 사용자 정보인증 테이블, 클라우드 신뢰성 검증 테이블, 데이터 안정성 테이블 및 사용자에게 경고 및 알람을 주는 테이블로 구성된다.
4. 인공지능관리부(40)
상기 인공지능관리부(40)는 상기 데이터베이스부(30)로부터 수신된 정보를 딥러닝(Deep Learning) 알고리즘을 사용하여 각 에너지저장시스템(ESS) 별로 위험도 분석과 상태를 파악하는 역할을 하는 것으로서, 인공지능인 A.I에 의해 통계분석, 기계학습된 문제 발생 패턴의 연관성을 분석하여 현재 수집된 빅데이터를 기반으로 앞으로의 문제 발생 가능성을 진단한다.
상기 인공지능관리부(40)는 딥러닝(Deep Learning) 알고리즘을 사용하여 타겟으로 하는 에너지저장시스템(ESS)의 특정패턴과 위험도 사이의 매핑관계를 검출하여 기계학습이 이루어진다.
상기 딥러닝(Deep Learning) 알고리즘은 전기, 소방, 안전 및 경제성 관점에서 안전 한계 내에서의 최적 운전 알고리즘이다. 빅데이터 분석 및 기계학습, 전문가 지식을 바탕으로 ESS 개별 안전함수를 구현하며, 상기 안전함수를 통한 위험도 평가, 안전관리 설계를 구현한다.
또한 ESS 운전상황과 각 ESS 구성요소간의 상관 관계를 자동으로 분석하여 운전 예측성을 강화한다.
상기 인공지능관리부(40)는 딥러닝(Deep Learning) 알고리즘을 이용한 안전관리분석시스템으로서 도 4에 도시된 바와 같이, 데이터전처리부(401), 기계학습부(402), 안전관리분석부(403) 및 정보표시부(404)를 포함하여 구성된다.
상기 데이터전처리부(401)는 데이터 정제, 매핑 및 유통이 이루어지며, 상기 기계학습부(402)는 인공지능(Artificial Intelligence, A.I) 방식으로 딥러닝 알고리즘 기반으로 상기 데이터전처리부(401)를 통해 입력되는 정보를 통해 판단기준을 설정하고, 일정기간 동안의 타 운영사업장의 ESS 운영 정보와 관리 대상의 ESS 운영정보를 비교함으로써 정상상태와 비정상태에 대한 기준정보를 생성한다.
상기 안전관리분석부(403)는 상기 기계학습부를 통해 생성된 기준정보를 기반으로 위험도를 분석하는 역할을 한다.
그리고 상기 정보표시부(404)는 Web/WAS, Mysql을 포함하는 웹서비스를 통해 상기 안전관리분석부(403)를 통해 도출된 위험도 관제 정보를 실시간 표출하고, 상기 관제 정보에 의해 화재 위험, 누설전류 발생 문제를 파악하여 외부 기관에 연락을 취하는 역할을 한다.
5. 안전관리제어부(50)
상기 안전관리제어부(50)는 도 4에 도시된 바와 같이, 배터리 자체내부안전점검부(501)와, ESS 안전운용부(502)와, 시스템 자동점검부(503) 및 임계상황시조치자동화부(504)를 포함하여 구성된다.
상기 배터리자체내부안전점검부(501)는 ESS를 구성하는 BMS, PMS, PCS 및 EMS의 내부 운영 지침에 근거하여 문제상황 발생시, 각 해당 문제의 원인을 파악할 수 있도록 해당 문제와 관련된 정보를 인공지능관리부(40)로 전달하는 역할을 수행한다.
상기 ESS 안전운용부(502)는 ESS 운영스케줄의 특이사항을 점검하고 기존 유사한 스케줄에서 발생했던 문제사항에 대한 기록 사항이 데이터(Data)에 있는지 확인 및 분석을 수행하는 역할을 한다.
상기 시스템자동점검부(503)는 문제 발생시 시스템 자동점검항목인 PCS 재부팅, ESS 운영스케줄 등 제어부분을 실시하여 문제가 해결되었는지를 파악하고, 문제 해결이 되지 않은 경우 관리인력이 개입할 수 있도록 관련 정보를 관리인력의 단말기로 전달하는 역할을 한다.
그리고 상기 임계상황시조치자동화부(504)는 화재 위험 등의 매우 긴급한 상황 발생시 자동적으로 시스템의 전류를 차단하고, 운영을 긴급정지할 수 있도록 제어 기능을 수행한다.
상기 인공지능관리부(40)를 통해 진단결과 문제 발생 가능성이 있는 경우, 상기 안전관리제어부(50)는 문제 발생 상황을 제어할 수 있는 알고리즘을 통해 상기 ESS 안전진단 시스템을 자동으로 운전 제어함으로써, PCS 정지, 누설전류 확인, 단락 발생에 대한 PCS 정지 등을 실시한다.
상기 인공지능관리부(40)의 정보표시부(404)로부터 제공되는 정보로부터 산출된 값이 알고리즘에 의해 차후 화재위험, 누설전류 발생 등의 위험이 발생할 것으로 판단될 때, 상기 ESS 안전진단 시스템을 자동으로 운전 제어함으로써, PCS 정지, 누설전류 확인, 단락 발생에 대한 PCS 정지 등을 실시한다.
본 발명에 따른 빅데이터 기반 인공지능(A.I)의 기계학습을 통한 ESS 안전진단 시스템은 클라우드 기반 ESS 안전관리플랫폼을 도입함으로써 안전성 강화와, 소방서 및 에너지 공단 등 유관 공공기관의 운영 상태를 점검할 수 있고, 화재 발생을 사전에 예방하고 화재 발생시 그 원인을 분석할 수 있는 자료 제공이 가능하여 산업상 이용가능성이 크다.
1 : ESS 안전진단 시스템
10: 에너지저장시스템(ESS)
20: 로컬데이터센터부
30: 데이터베이스부
40: 인공지능관리부
50: 안전관리제어부

Claims (6)

  1. 에너지저장시스템(ESS)(10)에 설치된 다수의 센서들로부터 측정된 값; 해당지역의 기상정보 및 전력수요; ESS 운영스케줄;에 대한 데이터를 수집하여 빅데이터를 구성하고, 상기 빅데이터를 데이터베이스부로 전송하는 로컬데이터센터부(20)와,
    상기 로컬데이터센터부(20)로부터 전송되는 ESS 상태정보와 운영스케줄을 포함하는 빅데이터를 저장하는 클라우드 기반의 데이터베이스부(30)와,
    상기 데이터베이스부(30)로부터 수신된 정보를 딥러닝(Deep Learning) 알고리즘을 사용하여 각 에너지저장시스템(ESS) 별로 위험도 분석과 상태를 파악하고, 위험도 관제 정보를 실시간 표출하는 인공지능관리부(40)와,
    상기 인공지능관리부(40)의 관제 정보로부터 산출된 값이 알고리즘에 의해 차후 화재위험, 누설전류 발생 등의 위험이 발생할 것으로 판단될 때, 상기 에너지저장시스템(ESS)의 구동을 제어하는 안전관리제어부(50)를 포함하는 것임을 특징으로 하는 빅데이터 기반 인공지능(A.I)의 기계학습을 통한 ESS 안전진단 시스템.
  2. 청구항 1에 있어서,
    로컬데이터센터부(20)는
    센서들에 의해 측정된 값을 수집하는 데이터수집부(201)와,
    상기 데이터수집부(201)를 통해 수집되어 구성된 빅데이터를 병렬적으로 처리하는 데이터분석부(202)와,
    상기 데이터분석부(202)를 통해 처리한 분석결과를 시각화하여 출력하는 결과출력부(203)를 포함하는 것을 특징으로 하는 빅데이터 기반 인공지능(A.I)의 기계학습을 통한 ESS 안전진단 시스템.
  3. 청구항 1에 있어서,
    로컬데이터센터부(20)는 빅데이터를 데이터베이스부로 실시간 또는 분단위 전송하는 것임을 특징으로 하는 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템.
  4. 청구항 1에 있어서,
    인공지능관리부(40)는 딥러닝(Deep Learning) 알고리즘을 사용하여 타겟으로 하는 에너지저장시스템(ESS)의 특정패턴과 위험도 사이의 매핑관계를 검출하여 기계학습이 이루어지는 것임을 특징으로 하는 빅데이터 기반 인공지능(A.I)의 기계학습을 통한 ESS 안전진단 시스템.
  5. 청구항 1에 있어서,
    인공지능관리부(40)는 데이터 정제, 매핑 및 유통하는 데이터전처리부(401)와,
    인공지능(Artificial Intelligence, A.I) 방식으로 딥러닝 알고리즘 기반으로 상기 데이터전처리부(401)를 통해 입력되는 정보를 통해 판단기준을 설정하고, 일정기간 동안의 타 운영사업장의 ESS 운영 정보와 관리 대상의 ESS 운영정보를 비교함으로써 정상상태와 비정상태에 대한 기준정보를 생성하는 기계학습부(402)와,
    상기 기계학습부를 통해 생성된 기준정보를 기반으로 위험도를 분석하는 안전관리분석부(403)와,
    웹서비스를 통해 상기 안전관리분석부(403)를 통해 도출된 위험도 관제 정보를 실시간 표출하고, 상기 관제 정보에 의해 화재 위험, 누설전류 발생 문제를 파악하여 외부 기관에 연락을 취하는 정보표시부(404)를 포함하는 것임을 특징으로 하는 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템.
  6. 청구항 1에 있어서,
    안전관리제어부(50)은 ESS를 구성하는 BMS, PMS, PCS 및 EMS의 내부 운영 지침에 근거하여 문제상황 발생시, 각 해당 문제의 원인을 파악할 수 있도록 해당 문제와 관련된 정보를 인공지능관리부(40)로 전달하는 배터리자체내부안전점검부(501)와,
    ESS 운영스케줄의 특이사항을 점검하고 기존 유사한 스케줄에서 발생했던 문제사항에 대한 기록 사항이 데이터(Data)에 있는지 확인 및 분석을 수행하는 ESS 안전운용부(502)와,
    문제 발생시 시스템 자동점검항목인 PCS 재부팅, ESS 운영스케줄 등 제어부분을 실시하여 문제가 해결되었는지를 파악하고, 문제 해결이 되지 않은 경우 관리인력이 개입할 수 있도록 관련 정보를 관리인력의 단말기로 전달하는 시스템자동점검부(503)와,
    화재 위험 등의 매우 긴급한 상황 발생시 자동적으로 시스템의 전류를 차단하고, 운영을 긴급정지할 수 있도록 제어 기능을 수행하는 임계상황시조치자동화부(504)를 포함하는 것임을 특징으로 하는 인공지능(A.I)를 활용한 ESS 빅데이터 안전진단 시스템.

KR1020190076834A 2019-06-27 2019-06-27 인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템 KR102221251B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190076834A KR102221251B1 (ko) 2019-06-27 2019-06-27 인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190076834A KR102221251B1 (ko) 2019-06-27 2019-06-27 인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템

Publications (2)

Publication Number Publication Date
KR20210001172A true KR20210001172A (ko) 2021-01-06
KR102221251B1 KR102221251B1 (ko) 2021-03-02

Family

ID=74128122

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190076834A KR102221251B1 (ko) 2019-06-27 2019-06-27 인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템

Country Status (1)

Country Link
KR (1) KR102221251B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210029732A (ko) 2021-02-24 2021-03-16 백석문화대학교 산학협력단 음파를 활용한 인공지능 기반 사물 선별 기술의 개발방법
CN112926023A (zh) * 2021-01-26 2021-06-08 西华大学 一种基于考虑气象因素p系统的输电网故障诊断方法
KR102309374B1 (ko) * 2021-05-20 2021-10-05 한화에너지 주식회사 에너지저장장치 화재확산 방지를 위한 이상상태 감시방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
KR102427847B1 (ko) * 2021-10-08 2022-08-01 이온어스(주) 화재 피해방지를 위한 ess배터리실 자동 제어 방법, 장치 및 시스템
KR102510042B1 (ko) * 2022-07-04 2023-03-14 박한서 전자장치 최적화 온도제어 시스템
KR102644982B1 (ko) * 2023-03-20 2024-03-07 주식회사 와이티아이엔에스 클라우드 환경에서 구현되는 빅데이터 및 인공지능 기반의 서비스 제공 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102583858B1 (ko) 2021-07-13 2023-09-27 주식회사 디로그 인공지능 기반의 신재생 에너지 관리 장치 및 방법

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020076413A (ko) * 2001-03-28 2002-10-11 학교법인 성균관대학 뉴로퍼지 네트워크를 이용한 전력계통의 고장검출 및 그판별방법
KR20170049305A (ko) 2015-10-28 2017-05-10 건국대학교 산학협력단 에너지 저장 장치를 포함하는 시스템 및 이의 동작 방법
KR101769357B1 (ko) 2017-03-02 2017-08-30 (주) 파루 고정밀 전력 품질 제어가 가능한 에너지저장시스템과, 이를 이용한 모니터링 시스템 및 그 방법
KR101794307B1 (ko) 2017-05-10 2017-11-06 주식회사 대경산전 선로 이상에 대처하는 에너지 저장 장치
JP2018161056A (ja) * 2016-05-10 2018-10-11 日本電気株式会社 制御装置、その制御方法、およびプログラム
KR101925076B1 (ko) * 2018-02-26 2018-12-04 주식회사 에코전력 블록체인 기반으로 운영되는 ess 타워 운영 시스템 및 이를 이용한 초융합 전력망 자율운영방법
KR20190043742A (ko) * 2017-10-19 2019-04-29 주식회사 이화하이테크 Ａi 스마트 ｅｓｓ
KR20190054503A (ko) * 2017-11-13 2019-05-22 주식회사 에코다 신재생 에너지 시스템 연동 액티브 건축설비용 통합 제어 시스템
KR20190071426A (ko) * 2017-12-14 2019-06-24 주식회사 지에스씨 태양광발전원의 전력패턴분석·신재생에너지 시각화기능을 갖는 스마트 에너지관리장치

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020076413A (ko) * 2001-03-28 2002-10-11 학교법인 성균관대학 뉴로퍼지 네트워크를 이용한 전력계통의 고장검출 및 그판별방법
KR20170049305A (ko) 2015-10-28 2017-05-10 건국대학교 산학협력단 에너지 저장 장치를 포함하는 시스템 및 이의 동작 방법
JP2018161056A (ja) * 2016-05-10 2018-10-11 日本電気株式会社 制御装置、その制御方法、およびプログラム
KR101769357B1 (ko) 2017-03-02 2017-08-30 (주) 파루 고정밀 전력 품질 제어가 가능한 에너지저장시스템과, 이를 이용한 모니터링 시스템 및 그 방법
KR101794307B1 (ko) 2017-05-10 2017-11-06 주식회사 대경산전 선로 이상에 대처하는 에너지 저장 장치
KR20190043742A (ko) * 2017-10-19 2019-04-29 주식회사 이화하이테크 Ａi 스마트 ｅｓｓ
KR20190054503A (ko) * 2017-11-13 2019-05-22 주식회사 에코다 신재생 에너지 시스템 연동 액티브 건축설비용 통합 제어 시스템
KR20190071426A (ko) * 2017-12-14 2019-06-24 주식회사 지에스씨 태양광발전원의 전력패턴분석·신재생에너지 시각화기능을 갖는 스마트 에너지관리장치
KR101925076B1 (ko) * 2018-02-26 2018-12-04 주식회사 에코전력 블록체인 기반으로 운영되는 ess 타워 운영 시스템 및 이를 이용한 초융합 전력망 자율운영방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926023A (zh) * 2021-01-26 2021-06-08 西华大学 一种基于考虑气象因素p系统的输电网故障诊断方法
CN112926023B (zh) * 2021-01-26 2022-06-28 西华大学 一种基于考虑气象因素p系统的输电网故障诊断方法
KR20210029732A (ko) 2021-02-24 2021-03-16 백석문화대학교 산학협력단 음파를 활용한 인공지능 기반 사물 선별 기술의 개발방법
KR102309374B1 (ko) * 2021-05-20 2021-10-05 한화에너지 주식회사 에너지저장장치 화재확산 방지를 위한 이상상태 감시방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
KR102427847B1 (ko) * 2021-10-08 2022-08-01 이온어스(주) 화재 피해방지를 위한 ess배터리실 자동 제어 방법, 장치 및 시스템
KR102510042B1 (ko) * 2022-07-04 2023-03-14 박한서 전자장치 최적화 온도제어 시스템
KR102644982B1 (ko) * 2023-03-20 2024-03-07 주식회사 와이티아이엔에스 클라우드 환경에서 구현되는 빅데이터 및 인공지능 기반의 서비스 제공 시스템

Also Published As

Publication number Publication date
KR102221251B1 (ko) 2021-03-02

Similar Documents

Publication Publication Date Title
KR102221251B1 (ko) 인공지능(a.i)을 활용한 빅데이터 기반 ess 안전진단 시스템
CN106709580B (zh) 一种变电站二次系统运维云平台
CN104182902B (zh) 一种基于调度数据网集中运维系统的监控方法
CN103701212B (zh) 一种用于电网安全稳定控制装置的监测分析方法及系统
CN102237720B (zh) 一种电网安全分析、预警及控制方法
CN206195827U (zh) 一种工业锅炉监测及分析辅助决策云平台系统
CN112204631A (zh) 管理智能警报的系统和方法
CN103997298A (zh) 一种光伏电站的监测数据采集终端及监测数据系统
JP2013538543A (ja) 送電網用の機械学習
CN102931625B (zh) 一种继电保护在线状态检修智能决策分析装置和其信号处理方法及其应用
CN103560590B (zh) 电网智能调度架构及其实现方法
CN103078403A (zh) 一种智能变电站二次系统的在线状态评估方法
KR20220095313A (ko) 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법
CN111835083B (zh) 电源信息监控系统、方法、装置、计算机设备和存储介质
CN116345698A (zh) 储能电站运维管控方法、系统、设备及介质
CN115313625A (zh) 变电站监测方法和系统
CN114511147A (zh) 一种线损监测预警方法、装置、设备及存储介质
CN115358558A (zh) 基于数字化预案模型的实时电网状态安全校核方法
CN116800801B (zh) 一种基于NB-Iot的智慧消防调度方法及系统
CN113610432A (zh) 一种基于bs版本的数据采集分析式光伏站控系统
CN116930652A (zh) 一种公共建筑能耗监测系统及节能效果监测方法
CN110942187A (zh) 火灾探测系统不可用相关条款优化方法、系统及存储介质
CN103676835A (zh) 基于云计算的石化装置安全监测与辅助操作方法
CN112821434A (zh) 储能集装箱系统
CN113590368A (zh) 一种基于边边协同的异常设备诊断方法及系统

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant