KR20210042730A - 태양광 발전량 추정 시스템 및 방법 - Google Patents

태양광 발전량 추정 시스템 및 방법 Download PDF

Info

Publication number
KR20210042730A
KR20210042730A KR1020190125648A KR20190125648A KR20210042730A KR 20210042730 A KR20210042730 A KR 20210042730A KR 1020190125648 A KR1020190125648 A KR 1020190125648A KR 20190125648 A KR20190125648 A KR 20190125648A KR 20210042730 A KR20210042730 A KR 20210042730A
Authority
KR
South Korea
Prior art keywords
power generation
solar power
data
solar
generation amount
Prior art date
Application number
KR1020190125648A
Other languages
English (en)
Other versions
KR102244039B1 (ko
Inventor
임현옥
조성수
김현진
Original Assignee
한국전력공사
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 한국전력공사 filed Critical 한국전력공사
Priority to KR1020190125648A priority Critical patent/KR102244039B1/ko
Publication of KR20210042730A publication Critical patent/KR20210042730A/ko
Application granted granted Critical
Publication of KR102244039B1 publication Critical patent/KR102244039B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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"
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
    • H02S40/30—Electrical components
    • H02S40/38—Energy storage means, e.g. batteries, structurally associated with PV modules
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

태양광을 대상으로 발전량을 추정하는 태양광 발전량 추정 시스템을 제공한다. 상기 태양광 발전량 추정 시스템은, 다수의 태양광 발전소, 상기 다수의 태양광 발전소와 연결되는 전력망을 통해 전력을 공급받는 다수의 부하, 및 상기 전력망으로부터 발전량 자료 정보들을 획득하고, 상기 발전량 정보를 이용하여 추정 태양광 발전량을 산출하는 관리서버를 포함하는 것을 특징으로 한다.

Description

태양광 발전량 추정 시스템 및 방법{System and Method for estimating electricity of solar}
본 발명은 태양광 발전 기술에 관한 것으로서, 태양광을 대상으로 발전량을 추정하는 태양광 발전량 추정 시스템 및 방법에 대한 것이다.
또한, 본 발명은 주간 시간대에 발생된 역조류가 절대값으로 반영되면서 기존 부하 데이터가 비정상적으로 꺾여 올라가는 문제를 해결하기 위해 역조류를 판정 및 계산하는 태양광 발전량 추정 시스템 및 방법에 대한 것이다.
분산전원 수용이 점차 늘어나면서 배전선로 부하(net load)는 신재생 발전량이 상쇄된 덕커브(Duck Curve) 형태로 변모해가고 있다. 이를 보여주는 도면이 도 1 및 도 2에 도시된다.
도 1 및 도 2를 참조하면, 어떤 날은 부하 사용량보다 분산전원 발전량이 많아서 역조류가 발생할 수 있는데, 현재 시스템이 전류를 방향성 없이 절대값으로 측정하다 보니 도 2와 같이 분산전원으로 인한 역조류를 정확하게 파악하기 어려운 상황이다.
정확한 선로부하를 파악하기 위해 양방향 전류 측정 시스템을 설치한다면 역조류를 감지할 수 있지만, 이는 많은 시간과 비용이 소요된다. 또한, 역조류가 측정되더라도 신재생 발전량이 포함되었기 때문에 이때 측정된 부하 데이터는 선로의 실제 부하(gross load)라고 할 수 없다.
선로마다 연계된 분산전원 발전량을 측정해서 더해준다면 문제를 해결할 수 있지만, 현재 모든 분산전원 발전량도 일부만 측정되고 있어서 정확한 발전량을 적용하기에 한계가 있다.
실제 부하를 도출할 수 있다면 선로에서 상시 소비하는 부하를 알 수 있고, 그 부하 크기만큼 분산전원을 추가 연계할 수 있다. 예를 들어, A라는 선로에서 항상 1MW이상 부하를 사용하고 있다면 A 선로는 수용용량 + 1MW만큼 분산전원을 추가로 연계할 수 있다.
종래에 선로의 정확한 최소부하를 산정하는 시스템이나 개발 기술은 없으며, 현재 한전 사이트에서는 변전소 및 배전선로별 분산전원 누적 연계용량과 여유용량 정보를 제공하고 있으나 실제부하를 고려한 추가연계 용량을 포함하지 않은 정보이다.
또한, 현재 부하 데이터는 분산전원 발전량과 부하가 섞여 있는 형태라 선로의 실제 부하가 아니며, 정확한 부하를 도출하려면 추출된 부하 데이터에 분산전원 발전량을 더해주어야 한다.
또한, 현재 모든 분산전원의 발전량은 알 수 없으며, 풍력이나 소수력 등 발전 출력이 일정하지 않은 분산전원은 발전량을 추정하기에 한계가 있다.
1. 한국특허공개번호 제10-2019-0007328호 2. 한국등록특허번호 제10-1548127호(등록일자: 2015.08.24)
본 발명은 위 배경기술에 따른 문제점을 해소하기 위해, 태양광을 대상으로 발전량을 추정하는 태양광 발전량 추정 시스템 및 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 주간 시간대에 발생된 역조류가 절대값으로 반영되면서 기존 부하 데이터가 비정상적으로 꺾여 올라가는 문제를 해결하기 위해 역조류를 판정 및 계산할 수 있는 태양광 발전량 추정 시스템 및 방법을 제공하는데 다른 목적이 있다.
본 발명은 위에서 제시된 과제를 달성하기 위해, 태양광을 대상으로 발전량을 추정하는 태양광 발전량 추정 시스템을 제공한다.
상기 태양광 발전량 추정 시스템은,
다수의 태양광 발전소;
상기 다수의 태양광 발전소와 연결되는 전력망을 통해 전력을 공급받는 다수의 부하; 및
상기 전력망으로부터 발전량 자료 정보들을 획득하고, 상기 발전량 정보를 이용하여 추정 태양광 발전량을 산출하는 관리서버:를 포함하는 것을 특징으로 한다.
이때, 상기 발전량 자료 정보는 상기 태양광 발전소의 정보를 나타내는 태양광 발전소 연계정보 및 상기 태양광 발전소가 산출하는 태양광 발전량 데이터로 이루어지는 것을 특징으로 한다.
또한, 상기 추정 태양광 발전량은 상기 발전량 자료 정보들을 미리 설정되는 시간대에 입력받아 2개의 그룹으로 분리하여 상기 2개의 그룹(Gmax,Gmin)중 상기 발전량 정보들이 더 많이 속하는 그룹을 표준그룹으로 설정됨으로써 산출되는 것을 특징으로 한다.
또한, 상기 표준 그룹의 평균값은 지역 표준 데이터로 추정되는 것을 특징으로 한다.
또한, 상기 지역 표준 데이터를 이용하여 지역별 태양광 표준 출력 곡선을 산출하고, 상기 지역별 태양광 표준 출력 곡선을 이력 데이터가 존재하지 않은 태양광 발전소에 적용하는 것을 특징으로 한다.
또한, 상기 관리 서버는 배전계통 PV(PV: Solar photovoltaic) 연계 정보 및 상기 지역별 태양광 표준 출력 곡선을 이용하여 선로별 태양광 출력 곡선을 산출하고, 상기 선로별 태양광 출력 곡선에 일일 순부하(Net load) 데이터 평균값을 합산하여 선로 실제 부하(Gross Load) 데이터 평균값을 산출하는 것을 특징으로 한다.
또한, 상기 배전계통 PV연계 정보는 발전소명, 발전소ID(Identification), 설비용량, 변전소, 배전선로, 및 연계 주소를 포함하는 것을 특징으로 한다.
또한, 상기 관리 서버는 상기 발전소 ID의 존재 여부에 따라 표준 PV 출력 곡선을 적용하거나 태양광 발전량 데이터를 적용하여 상기 선로별 태양광 출력 곡선을 산출하는 것을 특징으로 한다.
또한, 상기 관리 서버는 일일 태양광 최대 발전량과 일일 순부하(Net load) 데이터 평균값을 비교하여 상기 태양광 최대 발전량이 더 크다면 역조류가 발생한 것으로 1차 판단하는 것을 특징으로 한다.
또한, 상기 관리 서버는 상기 1차 판단이후, 미리 설정되는 주간 시간대에 일일 태양광 최대 발전량과 일일 순부하(Net load) 데이터 평균값을 비교하여 역조류의 발생 여부를 2차 판단하고, 판단 결과 역조류이면 상기 역조류가 발생된 시간대의 데이터를 사전에 설정한 축을 기준으로 대칭이동 시켜 이전 부하상태와 유사한 부하 데이터로 복원하는 것을 특징으로 한다.
또한, 상기 태양광 발전소 연계 정보는 발전소명, 설비용량, 연계주소, 및 발전소ID의 정보를 포함하며, 상기 태양광 발전량 데이터는 발전소명, 발전소ID, 및 1시간(1h) 단위 발전량의 정보를 포함하는 것을 특징으로 한다.
다른 한편으로, 본 발명의 다른 일실시예는, (a) 다수의 부하가 다수의 태양광 발전소와 연결되는 전력망을 통해 전력을 공급받는 단계; (b) 관리서버가 상기 전력망으로부터 발전량 자료 정보들을 획득하는 단계; 및 (c) 관리서버가 상기 발전량 정보를 이용하여 추정 태양광 발전량을 산출하는 단계:를 포함하는 것을 특징으로 하는 태양광 발전량 추정 방법을 제공한다.
본 발명에 따르면, 이력 데이터가 없는 분산전원은 추정 데이터를 활용하고, 역조류의 경우 원래의 부하 데이터로 다시 복원함으로써 추가적 계측장비 부설 없이 선로의 정확한 부하추정이 가능하다.
또한, 본 발명의 효과로서는 선로별 부하 데이터를 추정할 수 있다면 선로마다 상시 소비하고 있는 최소부하량을 파악할 수 있어 그 용량만큼 분산전원을 추가로 연계할 수 있다는 점을 들 수 있다. 예를 들어, 어느 선로의 최소부하가 2MW로 확인된다면 그 선로는 분산전원을 기준 연계용량인 10MW에서 12MW까지 증가시킬 수 있다.
또한, 본 발명의 다른 효과로서는 선로의 현재 운영 상태에서 분산전원을 추가로 연계할 수 있는 것이기 때문에 선로의 신증설 비용을 절감할 수 있을 것으로 기대된다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 선로별 정확한 부하추정이 가능하다면 선로 및 구간별 분산전원 발전량, 부하를 정확히 파악할 수 있기 때문에 분산전원 연계가 집중되는 지역과 선로별 분산전원 연계 포화시기를 파악할 수 있어 계통 연계계획 수립과 구간부하 재배치를 더욱 효과적으로 수행할 수 있다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 분산전원 연계용량이 상향된다면 추가 접속이 가능하기 때문에 발전 사업자의 경우, 분산전원 접속신청 이후 연계까지 기다리는 시간을 단축할 수 있을 것이며, 분산전원 연계 업무 담당자는 신규로 건설해야 하는 설비비용을 줄일 수 있다는 점을 들 수 있다.
도 1은 일반적인 덕커브(duck curve) 형태의 부하 곡선 그래프이다.
도 2는 일반적인 중간에 볼록한 부분이 마이너스 방향이다.
도 3은 본 발명의 일실시예에 따른 표준 데이터 분류 결과를 보여주는 그래프이다.
도 4는 본 발명의 일실시예에 따른 비표준 데이터 분류 결과를 보여주는 그래프이다.
도 5는 본 발명의 일실시예에 따른 역조류 판정 절차를 통해 부하 데이터를 재선정하는 개념을 보여주는 그래프이다.
도 6은 본 발명의 일실시예에 따른 태양광 발전량 추정 시스템의 블럭 구성도이다.
도 7은 도 6에 도시된 관리 서버의 세부 구성 블럭도이다.
도 8은 본 발명의 일실시예에 따른 태양광 발전량 추정 절차를 보여주는 흐름도이다.
도 9는 도 8에 따른 1일 태양광 발전량 추정 결과를 보여주는 도면이다.
도 10은 본 발명의 일실시예에 따른 지역별 태양광 표준 출력 곡선의 산정 절차를 보여주는 흐름도이다.
도 11은 본 발명의 일실시예에 따른 최소부하 산정 절차를 보여주는 흐름도이다.
도 12는 본 발명의 일실시예에 다른 역조류 산정 절차를 보여주는 흐름도이다.
도 13은 본 발명의 일실시예에 따른 역조류 계산을 위한 입력 데이터 정의를 보여주는 개념도이다.
도 14는 본 발명의 일실시예에 따른 역조류 계산 방식을 적용한 사례를 보여주는 그래프이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여, 본 발명의 일실시예에 따른 태양광 발전량 추정 시스템 및 방법을 상세하게 설명한다.
태양광 발전량 추정은 이력 데이터 기반으로 수행한다. 동일 지역(시 또는 군)에 속한 태양광 발전량은 유사한 특성을 갖는다는 전제 조건을 두고, 단위 지역에 속해 운전되고 있는 태양광 발전의 시간대별 발전량 데이터를 행정구역 단위로 분류할 수 있다. 이를 위해서는 태양광 발전량 데이터 및 태양광 발전소 연계 정보가 구성된다. 이중 태양광 발전소 연계 정보를 나타내면 다음 표와 같다.
발전소명 설비용량[kW] 연계주소 발전소ID
가나 태양광 500 00도 NJ시 aaaa
다라 태양광 125 00도 HP군 bbbb
마바 태양광 98 00도 NJ시
사아 태양광 99 00도 YA군 cccc
자차 태양광 300 00도 NY시 dddd
카타 태양광 299 00도 YA군 eeee
파하 태양광 999 00도 NJ시 ffff
시/군 해당 태양광 발전소
NJ시 가나 태양광, 자차 태양과, 파하 태양광
YA군 사아 태양광, 카타 태양광
HP군 다라 태양광
여기서, 발전소 ID(IDentification)는 발전량 데이터의 존재 여부 판단을 나타낸다.
태양광 발전량 데이터는 발전소명, 발전소ID, 1h(1시간) 단위 발전량을 포함하여 구성된다. 분류된 데이터는 발전특성 유사도가 높은 발전량 데이터끼리 묶는다. 물론, 태양광 발전소 연계정보 및 태양광 발전량 데이터를 합하여 발전량 자료 정보가 된다.
그 중에서 정상 데이터를 추출하기 위해 데이터를 표준/비표준의 2개 그룹으로 분류한다. 이를 보여주는 도면이 도 3 및 도 4에 도시된다.
도 3은 본 발명의 일실시예에 따른 표준 데이터 분류 결과를 보여주는 그래프이고, 도 4는 본 발명의 일실시예에 따른 비표준 데이터 분류 결과를 보여주는 그래프이다. 도 3 및 4를 참조하면, 표준 그룹(310,410)과 표준 그룹이외 다른 데이터는 비표준 그룹(320,420)으로 분류된다. 표준 그룹(310,410)으로 선택된 데이터들의 평균값을 해당 지역의 태양광 표준 출력곡선[p.u: performance unit]으로 정의한다. 산정된 지역별 태양광 표준 출력곡선을 이력 데이터가 존재하지 않는 태양광 발전에 적용한다.
도 5는 본 발명의 일실시예에 따른 역조류 판정 절차를 통해 부하 데이터를 재선정하는 개념을 보여주는 그래프이다. 도 5를 참조하면, 역조류 계산은 주간 시간대 선로부하가 비정상적으로 꺾여있는 경우를 찾아 원래의 데이터로 추정하는 방법이다. 도 5를 참조하면, 일일 태양광 최대 발전량(PV: Solar photovoltaic)(510), 일일 순부하(Net load) 데이터 평균값(520), 선로 실제 부하(Gross Load) 데이터 평균값(530)이 도시된다.
일일 태양광 최대 발전량(510)과 일일 순부하(Net load) 데이터 평균값(520)을 비교하여 태양광 최대 발전량이 더 크다면 해당 일자는 역조류가 발생한 것으로 본다. 또한, 주간 시간대(9~17시) 부하가 꺾여 있는지 한 번 더 검토하여 역조류를 판단한다(501).
이후, 역조류가 발생된 시간대의 데이터를 사전에 설정한 축을 기준으로 대칭이동 시켜줌으로써 기존 부하상태와 유사한 부하 데이터로 복원한다(502). 본 발명의 일실시예에서 제안한 역조류 판정 절차를 통해 부하 데이터를 재산정한 것이다.
도 6은 본 발명의 일실시예에 따른 태양광 발전량 추정 시스템(600)의 블럭 구성도이다. 도 6을 참조하면, 태양광 발전량 추정 시스템(600)은, 제 1 내지 제 n 태양광 발전소(610-a 내지 610-n), 제 1 내지 제 n 태양광 발전소(610-a 내지 610-n)와 연결되어 전력을 공급받는 전력망(620), 전력망(620)과 연결되어 전력을 공급받는 제 1 내지 제 n 부하(630-1 내지 630-n), 전력망(620)과 연결되어 전력 정보를 관리하는 관리 서버(640) 등을 포함하여 구성될 수 있다.
제 1 내지 제 n 태양광 발전소(610-a 내지 610-n)는 태양광을 흡수하여 전력 에너지를 생성하는 태양전지, 발전량 측정 센서 등으로 구성될 수 있다.
전력망(620)은 발전소에서 배전소를 거쳐 여러 수요자에게 전력을 공급하는 그물처럼 얽힌 체계를 말한다. 전력망(620)은 스마트 그리드, 마이크로 그리드 등을 포함할 수 있다. 또한, 전력망(620)은 부하(630-1 내지 630-n)에 공급되는 전력량을 산출하는 전자 전력량계, 센서 등이 구성될 수 있다.
관리 서버(640)는 제 1 내지 제 n 태양광 발전소(610-a 내지 610-n)에서 발생하는 발전량을 추정하고, 주간 시간대에 발생된 역조류가 절대값으로 반영되면서 기존 부하 데이터가 비정상적으로 꺾여 올라가는 문제를 해결하기 위해 역조류를 판정 및 계산하는 기능을 수행한다.
데이터베이스(641)는 발전소 정보, 시간대별 발전량, 단위 지역별 발전량 등을 포함하여 구성될 수 있다. 발전소 정보는 발전소명, 설비용량, 주소, 발전소 ID등을 포함할 수 있다. 데이터베이스(641)는 관리 서버(640)에 구성될 수도 있고, 이와 달리 별도의 데이터베이스 서버를 만들어 구성할 수도 잇다.
물론, 6에는 도시되어 있지 않으나, 전력망(620)은 원자력을 이용한 원자력 발전소, 석탄,석유, 가스등을 이용한 화력 발전소, 풍력을 이용한 풍력 발전소 등과도 연결될 수 있다. 또한, 전력망(620)은 하이브리드(Hybrid) 태양광 발전소(에너지 저장 시스템과 결합하여 출력패턴이 임의적인 발전소) 등과도 연결될 수 있다.
도 7은 도 6에 도시된 관리 서버(640)의 세부 구성 블럭도이다. 도 7을 참조하면, 관리 서버(640)는, 전력망(620)으로부터 발전량 자료 정보를 획득하는 데이터 획득부(710), 발전량 자료 정보를 이용하여 태양광 발전량을 추정하고, 역조류 발생 여부를 판정하는 판정부(720), 및 추정 태양광 발전량을 이용하여 일일 태양광 표준 출력 곡선을 산출하는 산출부(730) 등을 포함하여 구성될 수 있다.
도면 기재된 "…부" 의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 소프트웨어 및/또는 하드웨어로 구현될 수 있다. 하드웨어 구현에 있어, 상술한 기능을 수행하기 위해 디자인된 ASIC(application specific integrated circuit), DSP(digital signal processing), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 마이크로프로세서, 다른 전자 유닛 또는 이들의 조합으로 구현될 수 있다. 소프트웨어 구현에 있어, 소프트웨어 구성 컴포넌트(요소), 객체 지향 소프트웨어 구성 컴포넌트, 클래스 구성 컴포넌트 및 작업 구성 컴포넌트, 프로세스, 기능, 속성, 절차, 서브 루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로 코드 , 데이터, 데이터베이스, 데이터 구조, 테이블, 배열 및 변수를 포함할 수 있다. 소프트웨어, 데이터 등은 메모리에 저장될 수 있고, 프로세서에 의해 실행된다. 메모리나 프로세서는 당업자에게 잘 알려진 다양한 수단을 채용할 수 있다.
메모리는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD(Secure Digital) 또는 XD(eXtreme Digital) 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read Only Memory), PROM(Programmable Read Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 인터넷(internet)상에서 저장 기능을 수행하는 웹 스토리지(web storage), 클라우드 서버와 관련되어 동작할 수도 있다.
도 8은 본 발명의 일실시예에 따른 태양광 발전량 추정 절차를 보여주는 흐름도이다. 도 8을 참조하면, 태양광 발전량 추정은 해당 태양광 발전소(610-1 내지 610-n)가 속한 지역의 다른 태양광 이력 데이터를 추출하여 지역별(시 또는 군) 태양광 대표 출력곡선을 산정하는 방식이다.
데이터 신뢰도를 높이기 위해 일일(즉 하루 동안) 발전량이 모두 0이거나 발전 패턴이 특수한 하이브리드(Hybrid) 태양광 발전소(에너지 저장 시스템(ESS: Energy Storage System)와 결합하여 출력패턴이 임의적인 발전소)는 분석 대상에서 제외된다.
도 8을 계속 참조하면, t=1(단위는 1hr임)로 설정하여 절차를 진행한다(단계 S810). 이에 따라, 최대값(dmax)과 최소값(dmin)을 정의하며, 각 변수별 그룹(Gmax,Gmin)도 정의하고(821), 특정 시간대의 발전량 자료 정보(데이터)를 입력한다(단계 S820,S830).
이후, dmax, dmin을 제외한 나머지 데이터를 토대로 dmax 또는 dmin 중 거리가 더욱 가까운 쪽의 그룹으로 속하도록 데이터를 두 개의 그룹으로 분류한다(단계 S840,S841.S842,S850,S860).
분류된 데이터 그룹 중에서 데이터가 더 많이 속해있는 그룹을 ‘표준 그룹’으로 나머지 그룹을 "비표준 그룹"으로 설정하고, 해당 그룹의 평균값[p.u]을 지역 표준 데이터로 추정한다(단계 S861,S863,S870,S880). 이 과정은 t=24가 될때가 반복된다. 즉, 일일은 24시간이므로, 1시간당 단계 S810 내지 S870이 진행되며, 24시간이 되면 종료한다.
도 9는 도 8에 따른 1일 태양광 발전량 추정 결과를 보여주는 도면이다. 도 9를 참조하면, 도 8에 도시된 절차에 따라 지역 표준 데이터(901)를 분류하고, 이를 이으면 일일 태양광 표준 출력 곡선(910)이 산출된다.
도 10은 본 발명의 일실시예에 따른 지역별 태양광 표준 출력 곡선의 산정 절차를 보여주는 흐름도이다. 태양광 발전소 연계정보는 발전소명, 발전소ID, 설비용량, 연계주소 등을 포함하여 구성되고, 태양광 발전량 데이터는 발전소명, 발전소ID, 1h 단위 발전량을 포함하여 구성된다. 태양광 발전소 연계 정보 및 태양광 발전량 데이터가 생성되면, 이들간 매칭을 수행한다(단계 S1001,S1002,S1010). 물론, 태양광 발전소 연계정보 및 태양광 발전량 데이터를 합하여 발전량 자료 정보가 된다.
부연하면, 태양광 발전소 연계정보의 발전소 ID와 태양광 발전량 데이터의 발전소 ID를 매칭하여 동일 지역(시 또는 군)의 태양광 발전량 데이터를 추출한다(단계 S1020,S1030). 이후, 태양광 발전량 데이터를 2개의 그룹인 표준 그룹과 비표준 그룹으로 그룹화하고, 표준 그룹의 태양광 발전량 데이터들만 추출하여 평균값을 추출하여 지역별 태양광 표준 출력 곡선을 산정한다(단계 S1040,S1050).
도 11은 본 발명의 일실시예에 따른 최소부하 산정 절차를 보여주는 흐름도이다. 도 11을 참조하면, 선로별 태양광 출력 곡선을 산정하기 위해, 관리서버(640)가 배전계통 PV(PV: Solar photovoltaic) 연계 정보를 획득하고, 데이터 항목중에 "발전소 ID"의 존재여부를 확인한다(단계 S1110,S1120). 배전계통 PV 연계 정보는 발전소명, 발전소ID, 설비용량, 변전소(SS), 배전선로(DL), 연계 주소 등의 정보를 포함할 수 있다. 단계 S1120에서 판단결과, "발전소 ID"가 존재하지 않으면 미리 설정되는 표준 PV 출력 곡선을 적용한다(단계 S1140). 표준 PV 출력 곡선은 PV 설비용량[MW] ㅧ 지역별 태양광 표준 출력 곡선(910)[p.u]의 수식으로 산출된다. 실제 운용 상황도 반영하기 위해 해당 발전소가 상업 운전을 시작한 날짜(또는 계기 부설일자)를 시점으로 데이터를 적용한다.
이와 달리, 단계 S1120에서 판단결과, "발전소 ID"가 존재하면, 태양광 발전량 데이터를 이용하여 PV 발전량을 추출한다(단계 S1130,S1131).
이후, 표준 PV 출력 곡선과 PV 발전량을 합산기에 의해 합하여 선로별 태양광 출력 곡선을 산정한다(단계 S1160). 이후, 선로별 태양광 PV 출력 곡선과 순부하 데이터 평균값(도 5의 520)을 합산기에 의해 합하여 선로 실제 부하(Gross Load) 데이터 평균값(도 5의 530)을 산출한다(단계 S1161,S1170,S1180). 단계 S1161의 순부하 데이터는 역조류 보정이 완료된 데이터이며, 태양광 출력곡선 데이터(도 5의 510)와 합산되어 선로의 실제 부하 데이터가 산출된다(도 5의 502).
수집된 부하 데이터와 태양광 발전량 추정 데이터를 토대로 역조류를 판정하고 부하 데이터를 계산하는 도면이 도 12 및 도 13에 도시된다.
도 12는 본 발명의 일실시예에 다른 역조류 산정 절차를 보여주는 흐름도이고, 도 13은 본 발명의 일실시예에 따른 역조류 계산을 위한 입력 데이터 정의를 보여주는 개념도이다. 도 12 및 도 13을 참조하면, 우선 기준 부하를 산정한다(단계 S1210). 역조류 판정에 필요한 데이터는 부하 데이터 평균값(Loadavg), 역조류 발생 시점과 종점을 찾기 위해 9~12시 구간(WL), 14~17구간(WR), WL구간에서 부하의 최소값(WLmin), WR구간에서 부하의 최소값(WRmin), 부하의 최대값(Wmax), 부하 데이터 평균과의 차이를 주간 시간대 기준부하로 설정한 기준 부하(Std Load) 등이 있다. 또한, 역조류 계산에 필요한 데이터는 부하의 최소값(WRmin)과 부하의 최대값(Wmax)의 평균값(Paxis)등이 입력 데이터로 요구된다.
기준 부하가 산정되면, 역조류 가능성을 판정한다(단계 S1220). 역조류 판정 데이터 및 역조류 계산 데이터가 입력되면, ①과 ②의 수식을 모두 만족하는 지를 판단한다(단계 S1221,S1222,S1223). 판단 결과, 모두 만족하면 해당 부하 데이터는 역조류가 발생한 것으로 판정하고, 역조류를 계산하여 적용하고, 모두 만족하지 않으면 절차를 종료한다(단계 S1225,S1227,S1230).
부연하면, 태양광 발전량이 섞이지 않은 새벽 및 야간 시간대 부하 데이터의 평균값을 계산하여, 하루 동안 일반적으로 소비되는 평균 부하량을 계산한다. 이후, 태양광으로 역조류가 주로 발생하는 구간인 9~17시 사이의 부하 데이터를 검토한다.
부하 데이터를 역조류로 판정하려면 ①과 ②의 수식으로 표현된 2가지 조건을 모두 만조해야 한다. 먼저, 일일 태양광 최대 출력(Pmax)과 주간 시간대 기준 부하(stdLoad)를 비교한다. 역조류가 발생한다는 것은 태양광 출력이 부하보다 더 많았다는 의미이며, 역조류가 꺾여 올라감으로 인해 설정된 기준부하는 더욱 줄어들게 될 것이므로 태양광 최대 출력(Pmax)이 기준부하(stdLoad)보다 더 크면 역조류가 발생했다고 1차적으로 판단한다. 두 번째로 역조류 발생 구간의 부하 최대값(Wmax)과 역조류 발생 시점 및 종점의 최소값(WLmin,WRmin)을 비교하여 역조류가 발생하는 것을 다시 체크한다.
부하 데이터가 앞의 2가지 조건을 모두 만족한다면 역조류 다시 산정한다. 역조류 발생 시점 및 종점의 회소값(WLmin, WRmin)은 부하 데이터를 원래의 데이터로 추정 및 복구시켜주는 하나의 축 데이터로 동작하며, 역조류 추정 전후 시간대(TWLmin + 1 ~ TWRmin - 1)의 부하 데이터를 재선정하는 원리이다. WLmin 과 WRmin의 평균값(Paxis)만큼 역조류 부하 데이터를 대칭이동 시켜줌(W - Paxis)으로써 값을 수정하며, 그 결과를 보여주는 도면이 도 14이다.
도 14는 본 발명의 일실시예에 따른 역조류 계산 방식을 적용한 사례를 보여주는 그래프이다.
본 발명에 따르면, 이력 데이터가 없는 분산전원은 추정 데이터를 활용하고, 역조류의 경우 원래의 부하 데이터로 다시 복원한다면 추가적 계측장비 부설 없이 선로의 정확한 부하추정이 가능하다. 선로별 실제 부하 데이터를 추정할 수 있다면 선로마다 상시 소비하고 있는 최소부하량을 파악할 수 있어 그 용량
만큼 분산전원을 추가로 연계할 수 있다. 예를 들어, 어느 선로의 최소부하가 2MW로 확인된다면 그 선로는 분산전원을 기준 연계용량인 10MW에서 12MW까지 증가시킬 수 있다. 선로의 현재 운영 상태에서 분산전원을 추가로 연계할 수 있는 것이기 때문에 선로의 신증설 비용을 절감할 수 있을 것으로 기대된다.
또한, 여기에 개시된 실시형태들과 관련하여 설명된 방법 또는 알고리즘의 단계들은, 마이크로프로세서, 프로세서, CPU(Central Processing Unit) 등과 같은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 (명령) 코드, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 매체에 기록되는 프로그램 (명령) 코드는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프 등과 같은 자기 매체(magnetic media), CD-ROM, DVD, 블루레이 등과 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 (명령) 코드를 저장하고 수행하도록 특별히 구성된 반도체 기억 소자가 포함될 수 있다.
여기서, 프로그램 (명령) 코드의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
600: 태양광 발전량 추정 시스템
610-1 내지 610-n: 제 1 내지 제 n 태양광 발전소
620: 전력망
630-1 내지 630-n: 제 1 내지 제 n 부하
640: 관리 서버

Claims (20)

  1. 다수의 태양광 발전소(610-a 내지 610-n);
    상기 다수의 태양광 발전소(610-a 내지 610-n)와 연결되는 전력망(620)을 통해 전력을 공급받는 다수의 부하(630-1 내지 630-n); 및
    상기 전력망(620)으로부터 발전량 자료 정보들을 획득하고, 상기 발전량 정보를 이용하여 추정 태양광 발전량을 산출하는 관리서버(640):
    를 포함하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  2. 제 1 항에 있어서,
    상기 발전량 자료 정보는 상기 태양광 발전소(610-a 내지 610-n)의 정보를 나타내는 태양광 발전소 연계정보 및 상기 태양광 발전소(610-a 내지 610-n)가 산출하는 태양광 발전량 데이터로 이루어지는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  3. 제 2 항에 있어서,
    상기 추정 태양광 발전량은 상기 발전량 자료 정보들을 미리 설정되는 시간대에 입력받아 2개의 그룹(Gmax,Gmin)으로 분리하여 상기 2개의 그룹(Gmax,Gmin)중 상기 발전량 정보들이 더 많이 속하는 그룹을 표준그룹으로 설정됨으로써 산출되는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  4. 제 3 항에 있어서,
    상기 표준 그룹의 평균값은 지역 표준 데이터로 추정되는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  5. 제 4 항에 있어서,
    상기 지역 표준 데이터를 이용하여 지역별 태양광 표준 출력 곡선(910)을 산출하고, 상기 지역별 태양광 표준 출력 곡선(910)을 이력 데이터가 존재하지 않는 태양광 발전소에 적용하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  6. 제 5 항에 있어서,
    상기 관리 서버(640)는 배전계통 PV(PV: Solar photovoltaic) 연계 정보 및 상기 지역별 태양광 표준 출력 곡선(910)을 이용하여 선로별 태양광 출력 곡선을 산출하고, 상기 선로별 태양광 출력 곡선에 일일 순부하(Net load) 데이터 평균값(520)을 합산하여 선로 실제 부하(Gross Load) 데이터 평균값(530)을 산출하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  7. 제 6 항에 있어서,
    상기 배전계통 PV연계 정보는 발전소명, 발전소ID(Identification), 설비용량, 변전소(SS), 배전선로(DL), 및 연계 주소를 포함하며,
    상기 관리 서버(640)는 상기 발전소 ID의 존재 여부에 따라 표준 PV 출력 곡선을 적용하거나 태양광 발전량 데이터를 적용하여 상기 선로별 태양광 출력 곡선을 산출하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  8. 제 6 항에 있어서,
    상기 관리 서버(640)는 일일 태양광 최대 발전량(510)과 일일 순부하(Net load) 데이터 평균값(520)을 비교하여 상기 태양광 최대 발전량(510)이 더 크다면 역조류가 발생한 것으로 1차 판단하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  9. 제 8 항에 있어서,
    상기 관리 서버(640)는 상기 1차 판단이후, 미리 설정되는 주간 시간대에 일일 태양광 최대 발전량(510)과 일일 순부하(Net load) 데이터 평균값(520)을 비교하여 역조류의 발생 여부를 2차 판단하고, 판단 결과 역조류이면 상기 역조류가 발생된 시간대의 데이터를 사전에 설정한 축을 기준으로 대칭이동 시켜 이전 부하상태와 유사한 부하 데이터로 복원하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  10. 제 2 항에 있어서,
    상기 태양광 발전소 연계 정보는 발전소명, 설비용량, 연계주소, 및 발전소ID의 정보를 포함하며, 상기 태양광 발전량 데이터는 발전소명, 발전소ID, 및 1시간(1h) 단위 발전량의 정보를 포함하는 것을 특징으로 하는 태양광 발전량 추정 시스템.
  11. (a) 다수의 부하(630-1 내지 630-n)가 다수의 태양광 발전소(610-a 내지 610-n)와 연결되는 전력망(620)을 통해 전력을 공급받는 단계;
    (b) 관리서버(640)가 상기 전력망(620)으로부터 발전량 자료 정보들을 획득하는 단계; 및
    (c) 관리서버(640)가 상기 발전량 정보를 이용하여 추정 태양광 발전량을 산출하는 단계:
    를 포함하는 것을 특징으로 하는 태양광 발전량 추정 방법.
  12. 제 11 항에 있어서,
    상기 발전량 자료 정보는 상기 태양광 발전소(610-a 내지 610-n)의 정보를 나타내는 태양광 발전소 연계정보 및 상기 태양광 발전소(610-a 내지 610-n)가 산출하는 태양광 발전량 데이터로 이루어지는 것을 특징으로 하는 태양광 발전량 추정 방법.
  13. 제 12 항에 있어서,
    상기 추정 태양광 발전량은 상기 발전량 자료 정보들을 미리 설정되는 시간대에 입력받아 2개의 그룹(Gmax,Gmin)으로 분리하여 상기 2개의 그룹(Gmax,Gmin)중 상기 발전량 정보들이 더 많이 속하는 그룹을 표준그룹으로 설정됨으로써 산출되는 것을 특징으로 하는 태양광 발전량 추정 방법.
  14. 제 13 항에 있어서,
    상기 표준 그룹의 평균값은 지역 표준 데이터로 추정되는 것을 특징으로 하는 태양광 발전량 추정 방법.
  15. 제 14 항에 있어서,
    상기 지역 표준 데이터를 이용하여 지역별 태양광 표준 출력 곡선(910)을 산출하고, 상기 지역별 태양광 표준 출력 곡선(910)을 이력 데이터가 존재하지 않는 태양광 발전소에 적용하는 것을 특징으로 하는 태양광 발전량 추정 방법.
  16. 제 15 항에 있어서,
    상기 관리 서버(640)는 배전계통 PV(PV: Solar photovoltaic) 연계 정보 및 상기 지역별 태양광 표준 출력 곡선(910)을 이용하여 선로별 태양광 출력 곡선을 산출하고, 상기 선로별 태양광 출력 곡선에 일일 순부하(Net load) 데이터 평균값(520)을 합산하여 선로 실제 부하(Gross Load) 데이터 평균값(530)을 산출하는 것을 특징으로 하는 태양광 발전량 추정 방법.
  17. 제 16 항에 있어서,
    상기 배전계통 PV연계 정보는 발전소명, 발전소ID(Identification), 설비용량, 변전소(SS), 배전선로(DL), 및 연계 주소를 포함하며,
    상기 관리 서버(640)는 상기 발전소 ID의 존재 여부에 따라 표준 PV 출력 곡선을 적용하거나 태양광 발전량 데이터를 적용하여 상기 선로별 태양광 출력 곡선을 산출하는 것을 특징으로 하는 태양광 발전량 추정 방법.
  18. 제 16 항에 있어서,
    상기 관리 서버(640)는 일일 태양광 최대 발전량(510)과 일일 순부하(Net load) 데이터 평균값(520)을 비교하여 상기 태양광 최대 발전량(510)이 더 크다면 역조류가 발생한 것으로 1차 판단하는 것을 특징으로 하는 태양광 발전량 추정 방법.
  19. 제 18 항에 있어서,
    상기 관리 서버(640)는 상기 1차 판단이후, 미리 설정되는 주간 시간대에 일일 태양광 최대 발전량(510)과 일일 순부하(Net load) 데이터 평균값(520)을 비교하여 역조류의 발생 여부를 2차 판단하고, 판단 결과 역조류이면 상기 역조류가 발생된 시간대의 데이터를 사전에 설정한 축을 기준으로 대칭이동 시켜 이전 부하상태와 유사한 부하 데이터로 복원하는 것을 특징으로 하는 태양광 발전량 추정 방법.
  20. 제 12 항에 있어서,
    상기 태양광 발전소 연계 정보는 발전소명, 설비용량, 연계주소, 및 발전소ID의 정보를 포함하며, 상기 태양광 발전량 데이터는 발전소명, 발전소ID, 및 1시간(1h) 단위 발전량의 정보를 포함하는 것을 특징으로 하는 태양광 발전량 추정 방법.
KR1020190125648A 2019-10-10 2019-10-10 태양광 발전량 추정 시스템 및 방법 KR102244039B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190125648A KR102244039B1 (ko) 2019-10-10 2019-10-10 태양광 발전량 추정 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190125648A KR102244039B1 (ko) 2019-10-10 2019-10-10 태양광 발전량 추정 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20210042730A true KR20210042730A (ko) 2021-04-20
KR102244039B1 KR102244039B1 (ko) 2021-04-26

Family

ID=75733382

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190125648A KR102244039B1 (ko) 2019-10-10 2019-10-10 태양광 발전량 추정 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102244039B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220167555A (ko) * 2021-06-14 2022-12-21 한국전력공사 발전량 관리 시스템 및 방법
KR20220168903A (ko) * 2021-06-17 2022-12-26 한국전력공사 태양광 발전량 산출 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101035398B1 (ko) * 2010-11-22 2011-05-20 (주)에코브레인 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템
JP2012147578A (ja) * 2011-01-12 2012-08-02 Chugoku Electric Power Co Inc:The 配電系統制御装置及び配電系統制御方法
JP2013222293A (ja) * 2012-04-16 2013-10-28 Toshiba Corp エネルギー管理システム、エネルギー管理方法、プログラム、サーバ装置およびクライアント装置
KR101548127B1 (ko) 2015-04-23 2015-08-28 대한기술(주) 에너지 절감을 위한 태양광 발전량과 수용가 전력량 비교정보 제공방법 및 시스템
JP2018101290A (ja) * 2016-12-20 2018-06-28 ソーラー・リノベーション株式会社 監視サーバ及び発電設備評価システム
KR20190007328A (ko) 2017-07-12 2019-01-22 오씨아이 주식회사 태양광 발전량 및 부하량 예측을 통한 전기 에너지 충/방전 관리 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101035398B1 (ko) * 2010-11-22 2011-05-20 (주)에코브레인 특정지점 기상예측 기반 신재생에너지 발전량 실시간 예측방법 및 그 시스템
JP2012147578A (ja) * 2011-01-12 2012-08-02 Chugoku Electric Power Co Inc:The 配電系統制御装置及び配電系統制御方法
JP2013222293A (ja) * 2012-04-16 2013-10-28 Toshiba Corp エネルギー管理システム、エネルギー管理方法、プログラム、サーバ装置およびクライアント装置
KR101548127B1 (ko) 2015-04-23 2015-08-28 대한기술(주) 에너지 절감을 위한 태양광 발전량과 수용가 전력량 비교정보 제공방법 및 시스템
JP2018101290A (ja) * 2016-12-20 2018-06-28 ソーラー・リノベーション株式会社 監視サーバ及び発電設備評価システム
KR20190007328A (ko) 2017-07-12 2019-01-22 오씨아이 주식회사 태양광 발전량 및 부하량 예측을 통한 전기 에너지 충/방전 관리 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220167555A (ko) * 2021-06-14 2022-12-21 한국전력공사 발전량 관리 시스템 및 방법
KR20220168903A (ko) * 2021-06-17 2022-12-26 한국전력공사 태양광 발전량 산출 방법

Also Published As

Publication number Publication date
KR102244039B1 (ko) 2021-04-26

Similar Documents

Publication Publication Date Title
Dhople et al. Estimation of photovoltaic system reliability and performance metrics
Omran et al. A clustering-based method for quantifying the effects of large on-grid PV systems
KR102244039B1 (ko) 태양광 발전량 추정 시스템 및 방법
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
Gen Reliability and cost/worth evaluation of generating systems utilizing wind and solar energy
Zhang et al. Data-driven distributionally robust transmission expansion planning considering contingency-constrained generation reserve optimization
Beiter et al. The potential impact of offshore wind energy on a future power system in the US northeast
Memon et al. Optimization of solar and battery-based hybrid renewable energy system augmented with bioenergy and hydro energy-based dispatchable source
KR20220092259A (ko) 신재생에너지 하이브리드 시스템의 설비 용량 최적 설계 방법
CN111882228A (zh) 一种含分布式电源的配电网可靠性评估方法
Jung et al. Projections of energy yield-and complementarity-driven wind energy expansion scenarios in the European Union
Nojavan et al. Stochastic multi-objective model for optimal sizing of energy storage system in a microgrid under demand response program considering reliability: A weighted sum method and fuzzy satisfying approach
Qamber Novel modeling of forced outage rate effect on the LOLP and LOLE
Liu et al. Enabling More Solar in Distribution Network with an Automated Analysis Tool
Igbokwe et al. Performance evaluation of alaoji thermal power plant
Hreinsson Wind Power Generation Profiles and Capacity in a Hydro-Based System
Komrit et al. Comparative analyses of solar photovoltaic, wind turbine, and solar photovoltaic and wind turbine hybrid systems: Case study of Thailand
Beyer et al. Assessment of the option “wind power to heat for buildings” with respect to meteorological conditions
Sengupta et al. Optimal allocation of land area for a hybrid solar wind power plant
Prasanthini et al. Cost Optimization in Hybrid microgrid in Standalone and Gridconnected modes
KR20220157577A (ko) 태양광 발전설비용량 추정 방법 및 이를 수행하는 장치
Saire et al. Study of a hybrid photovoltaic-wind smart microgrid using data science approach
Ma et al. Optimal Scheduling Method of Integrated Energy System Considering Uncertainty of Clean Energy-load
CN114944698A (zh) 一种智能的柴油发电机群组的控制方法及系统
Nersesian et al. Risk inherent in matching unreliability with uncertainty

Legal Events

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