KR20220073144A - 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법 - Google Patents

난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법 Download PDF

Info

Publication number
KR20220073144A
KR20220073144A KR1020200160952A KR20200160952A KR20220073144A KR 20220073144 A KR20220073144 A KR 20220073144A KR 1020200160952 A KR1020200160952 A KR 1020200160952A KR 20200160952 A KR20200160952 A KR 20200160952A KR 20220073144 A KR20220073144 A KR 20220073144A
Authority
KR
South Korea
Prior art keywords
processor
calculation
period
calculating
reference load
Prior art date
Application number
KR1020200160952A
Other languages
English (en)
Other versions
KR102591223B1 (ko
Inventor
강동주
Original Assignee
(주)커넥탈리스트
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 (주)커넥탈리스트 filed Critical (주)커넥탈리스트
Priority to KR1020200160952A priority Critical patent/KR102591223B1/ko
Publication of KR20220073144A publication Critical patent/KR20220073144A/ko
Application granted granted Critical
Publication of KR102591223B1 publication Critical patent/KR102591223B1/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04S20/244—Home appliances the home appliances being or involving heating ventilating and air conditioning [HVAC] units
    • 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
    • Y04S20/30—Smart metering, e.g. specially adapted for remote reading
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 프로세서가, 산정 기간 및 산정 단위를 설정하는 단계; 프로세서가, 상기 산정 기간 및 상기 산정 단위에 따라, 온도 지수를 계산하는 단계; 프로세서가, 상기 온도 지수에 기초하여, 온도 민감도를 분석하여 과거 전력사용량 데이터를 보정하는 단계; 및 프로세서가, 보정된 과거 전력사용량에 기초하여, 시계열 분석 방법을 통해, 상기 산정 기간에 해당하는 상기 산정 단위의 고객기준부하를 예측하는 단계;를 포함하는 지능형 검침 인프라(Advanced Metering Infrastructure, AMI)의 고객기준부하(Customer Baseline Load, CBL) 산정 방법에 관한 것이다.

Description

난방도일과 냉방도일을 적용한 시계열 분석을 사용한 AMI 고객기준부하 산정 방법{Estimation Method for CBL using Time Series Analysis applied Heating Degree Days and Cooling Degree Days}
본 발명은 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 AMI 고객기준부하 산정 방법에 관한 것이다.
최근 들어 사물 인터넷(Internet of Things, IoT)과 홈 네트워킹(Home Networking)에 관련된 기술이 발달하고 있다. 이러한 기술이 발달됨에 따라, 주거 시설에는 주거 시설의 각종 장치를 네트워킹하여 각 장치로부터 사용되는 에너지량을 파악할 수 있는 시스템 적용이 활발히 이루어지고 있다.
한편, 스마트하게 사용 에너지량을 파악하기 위해, 지능형 검침 인프라(Advanced Metering Infrastructure, AMI)가 도입되고 있다. AMI를 바탕으로 진행되는 서비스 프로그램의 효과 분석을 위해서는 합리적인 고객기준부하 산정이 필요하다.
여기서, 고객기준부하(Customer Baseline Load, CBL)는 특정한 수요관리 서비스로 인해 사용자가 전력사용량을 줄이지 않았다면 사용했을 것이라고 추정되는 평상시의 전력 사용량이고, 이를 바탕으로 고객의 감축량 기여도를 평가하여 보상이 이루어진다.
AMI를 활용한 효율적인 에너지 공급을 위해서는 고객기준부하가 중요하고, 고객기준부하의 합리적 예측을 위한 연구가 필요하다.
공개특허 제10-2013-0048140
본 발명은 상기한 문제점을 해결하기 위하여, 온도 민감도 분석에 따라 과거 전력 사용량 데이터를 보정하여 고객기준부하를 예측하는 지능형 검침 인프라의 고객기준부하 산정 방법을 제공하는데 목적이 있다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 지능형 검침 인프라의 고객기준부하 산정 방법은, 프로세서가, 산정 기간 및 산정 단위를 설정하는 단계; 프로세서가, 상기 산정 기간 및 상기 산정 단위에 따라, 온도 지수를 계산하는 단계; 프로세서가, 상기 온도 지수에 기초하여, 온도 민감도를 분석하여 과거 전력사용량 데이터를 보정하는 단계; 및 프로세서가, 보정된 과거 전력사용량에 기초하여, 시계열 분석 방법을 통해, 상기 산정 기간에 해당하는 상기 산정 단위의 고객기준부하를 예측하는 단계;를 포함한다.
지능형 검침 인프라의 고객기준부하 산정 방법은, 프로세서가, 상기 산정 기간에 기초하여, 고객기준부하 산정을 위한 전력사용량의 과거 데이터를 선정하는 단계;를 더 포함한다.
상기 계산하는 단계는, 프로세서가, 상기 산정 기간에 해당하는 제1 난방도일(HDD : Heating Degree Days)을 계산하는 단계;를 포함한다.
상기 보정하는 단계는, 프로세서가, 상기 산정 기간에 대응하는 과거 기간에 해당하는 제2 난방도일을 계산하는 단계; 프로세서가, 상기 제2 난방도일에 대한 선형 회귀 분석을 통해, 더운 기간의 온도 민감도를 분석하는 단계; 및 프로세서가, 상기 더운 기간의 온도 민감도에 상기 제1 난방도일과 상기 제2 난방도일의 차이값을 반영하여 상기 과거 전력사용량 데이터를 보정하는 단계;를 포함한다.
상기 계산하는 단계는, 프로세서가, 상기 산정 기간에 해당하는 제1 냉방도일(CDD : Cooling Degree Days)을 계산하는 단계;를 포함한다.
상기 보정하는 단계는, 프로세서가, 상기 산정 기간에 대응하는 과거 기간에 해당하는 제2 냉방도일을 계산하는 단계; 프로세서가, 상기 제2 냉방도일에 대한 선형 회귀 분석을 통해, 추운 기간의 온도 민감도를 분석하는 단계; 및 프로세서가, 상기 추운 기간의 온도 민감도에 상기 제1 냉방도일과 상기 제2 냉방도일의 차이값을 반영하여 상기 과거 전력사용량 데이터를 보정하는 단계;를 포함한다.
상기 예측하는 단계는, 프로세서가, 보정된 과거 전력사용량을 이동평균법 또는 지수평활법에 반영하여 고객기준부하를 예측한다.
상기 설정하는 단계는, 프로세서가, 시간, 일, 월 및 연 중 어느 하나를 기준으로 상기 산정 단위를 설정한다.
본 발명의 실시예에 따른 기록 매체는 상기 방법이 기록된다.
본 발명의 실시예에 따른 지능형 검침 인프라의 고객기준부하 산정 장치는 산정 기간 및 산정 단위를 설정하고, 상기 산정 기간 및 상기 산정 단위에 따라, 온도 지수를 계산하고, 상기 온도 지수에 기초하여, 온도 민감도를 분석하여 과거 전력사용량 데이터를 보정하고, 보정된 과거 전력사용량에 기초하여, 시계열 분석 방법을 통해, 상기 산정 기간에 해당하는 상기 산정 단위의 고객기준부하를 예측하는 프로세서;를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명에 따르면 다음과 같은 효과가 하나 혹은 그 이상 있다.
첫째, 과거 데이터와 기준부하 산정을 원하는 기간의 냉방도일 및 난방도일 차이에 따른 민감도를 반영하여 온도에 따른 전력사용량 변화를 보정하고 합리적인 기준부하를 산정하는 효과가 있다.
둘째, 고객의 감축량 기여도를 정확히 평가하여 이에 따른 적절한 보상을 지급할 수 있는 효과가 있다.
셋째, AMI를 바탕으로 진행되는 서비스의 효과 분석의 신뢰도가 증가하는 효과가 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 시스템을 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 지능형 검침 인프라의 고객기준부하 산정 방법을 설명하는데 참조되는 플로우 차트이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 본 발명의 실시예에 따른 시스템을 도시한 도면이다.
도 1을 참조하면, 시스템(10)은, 지능형 검침 인프라(Advanced Metering Infrastructure, 이하, AMI)의 고객기준부하(Customer Baseline Load, 이하, CBL)를 산정할 수 있다. 특히, 시스템(10)은, 온도 민감도를 반영한 시계열 모델을 통해 고객기준부하를 산정할 수 있다.
시스템(10)은, 적어도 하나의 에너지 계량 장치(20) 및 AMI(30)를 포함할 수 있다.
에너지 계량 장치(20)는, 에너지 사용처(예를 들면, 빌딩, 집, 공장 등)에서, 에너지의 사용량을 계량할 수 있다. 에너지 계량 장치(20)는, 난방을 위한 에너지의 사용량 또는 냉방을 위한 에너지의 사용량을 계량할 수 있다.
AMI(30)는, 적어도 하나의 에너지 계량 장치(20)로부터, 무선 통신 또는 유선 통신을 통해, 데이터를 수신할 수 있다.
AMI(30)는 CBL 산정 장치(100)를 포함할 수 있다. CBL 산정 장치(100)는, AMI(30)에 하위 구성으로 분류되는 서버일 수 있다.
고객기준부하 산정 장치(이하, CBL 산정 장치)(100)는 데이터에 기초하여, 고객기준부하를 산정할 수 있다. 이를 위해, CBL 산정 장치(100)는, 적어도 하나의 프로세서(170)를 포함할 수 있다.
프로세서(170)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
이하의 설명에서, 특별히 언급되지 않는 한, 수행 단계, 수행 동작은 프로세서(170) 또는 프로세서(170)에 의해 구동되는 프로그램에 의해 이루어질 수 있다.
AMI(30)는, 수요관리 정책의 핵심이 되는 기술이다. 에너지 수요와 에너지 가격이 상승함에 따라 에너지 절약과 효율성에 대한 필요성이 증가하고 있다. AMI(30)는 에너지 절약과 효율 향상이 가장 실질적 방안이고, 그에 따라 AMI(30)의 중요성이 대두되고 있다. 수요관리의 필요성이 증가함에 따라 AMI(30)를 사용한 실시간 에너지 사용량 계량이 이루어지고 계량 데이터를 바탕으로 다양한 정책이 진행되고 있다. AMI(30)를 바탕으로 진행되는 서비스 프로그램의 효과 분석을 위해서는 합리적인 고객기준부하 산정이 필요하다.
CBL은 특정한 수요관리 서비스로 인해 사용자가 전력사용량을 줄이지 않았다면 사용했을 것이라고 추정되는 평상시의 전력사용량이다. CBL을 바탕으로 고객의 감축량 기여도를 평가하여 보상이 이루어진다. 그러나 이 CBL은 측정값이 아니라 추정값이기 때문에 정확한 수치를 예상하기 힘들다. 따라서, 최대한 합리적인 기준부하 추정 방법을 선택해야 한다.
전력사용량은 온도에 따른 냉난방 부하 사용에 따라 변한다. 프로세서(170)는, 온도에 따른 전력사용량 민감도를 계산하기 위해 온도지수 난방도일(Heating Degree Days, HDD)과 냉방도일(Cooling Degree Days, CDD)을 사용할 수 있다. 프로세서(170)는, HDD와 CDD를 과거 평균 온도 데이터와 기준 온도와의 차이를 사용해서 구할 수 있다. 평균 온도가 기준 온도보다 높아 냉방 부하가 존재하면 CDD로 구분되고, 평균 온도가 기준 온도보다 낮아 난방 부하가 존재하면 HDD로 구분된다.
프로세서(170)는, 온도지수를 계산한 뒤, 월별 냉난방도일과 전력사용량 데이터에 선형 회귀 분석을 적용하여 냉난방도일에 따른 전력사용량 민감도를 계산할 수 있다.
프로세서(170)는, 과거 데이터들의 냉난방도일과 기준부하 산정을 원하는 월의 냉난방도일과의 차이만큼 민감도를 산정하여 과거 전력사용량 보정을 진행한 뒤, 고객기준부하 산정을 진행할 수 있다.
프로세서(170)는, CBL을 산정하기 위해, 이동평균법, 지수평활법 등의 시계열 분석 방법을 사용할 수 있다. 이러한 시계열 분석 방법을 단순하게 적용하는 경우, 과거의 패턴이 비슷하게 지속될 것이라 가정하고 기준부하를 추정하지만, 전력사용량은 온도에 따라 변화하므로 단순한 시계열 예측은 정확도가 떨어질 수 있다. 이를 개선하기 위해, 프로세서(170)는, 과거 기온데이터를 사용하여 온도 민감도를 구하고, 기준부하 산정을 원하는 기간과의 민감도 차이를 반영하여, CBL을 산정할 수 있다.
이와 같은 과정을 통해, 과거 데이터와 기준부하 산정을 원하는 기간의 냉난방도일 차이에 따른 민감도를 반여하여 온도에 따른 전력사용량 변화를 보정하고 합리적인 기준부하를 산정할 수 있다. 따라서 고객의 감축량 기여도를 정확히 평가하여 이에 따른 적절한 보상을 지급할 수 있고, AMI를 바탕으로 진행되는 서비스의 효과 분석의 신뢰도도 증가할 수 있다.
도 2는 본 발명의 실시예에 따른 지능형 검침 인프라의 고객기준부하 산정 방법을 설명하는데 참조되는 플로우 차트이다.
도 2를 참조하면, 프로세서(170)는, CBL 산정 기간 및 산정 단위를 설정할 수 있다(S210). 예를 들면, 프로세서(170)는, 시점과 종점을 정하여, CBL 산정 기간을 설정할 수 있다. 예를 들면, 프로세서(170)는, 시간, 일, 주, 월, 연 중 어느 하나를 기준으로 산정 단위를 설정할 수 있다.
프로세서(170)는, 산정 기간에 기초하여, CBL 산정을 위한 전력사용량의 과거 데이터를 선정할 수 있다(S220).
프로세서(170)는, 기준부하 산정 시점에서 과거 어느 시점까지의 데이터를 사용할 것인지 결정할 수 있다. 프로세서(170)는, 그 기간에 해당하는 전력사용량과 평균 기온 데이터를 수집할 수 있다. 예를 들면, 프로세서(170)는, AMI 기준부하 산정을 월 단위 분석을 진할 할 경우, 월 단위의 데이터를 수집하며, 일 단위로 분석을 진행할 경우 일 단위의 데이터를 수집할 수 있다.
프로세서(170)는, S210 단계에서 설정된 산정 기간 및 산정 단위에 따라, 온도 지수를 계산할 수 있다(S230).
계산하는 단계(S230)는, 프로세서(170)가, 산정 기간에 해당하는 제1 난방도일(Heating Degree Days, HDD)을 계산하는 단계를 포함할 수 있다.
계산하는 단계(S230)는, 프로세서(170)가, 산정 기간에 해당하는 제1 냉방도일(Cooling Degree Days, CDD)을 계산하는 단계를 포함할 수 있다.
프로세서(170)는, 기준 온도에서 해당일의 평균 기온을 뺀 값과 0중에서 큰 값을 HDD로 결정할 수 있다.
프로세서(170)는, 해당일의 평균 기온에서 기준 온도를 뺀 값과 0중에서 큰 값을 CDD로 결정할 수 있다.
한편, 일반적으로 HDD, CDD 계산 시 사용되는 기준 온도는 섭씨 18도이다.
HDD, CDD 계산법은 아래와 같다.
Figure pat00001
시간 단위의 데이터를 사용하는 경우, 보정을 위해 난방도시간(Heating Degree Hours, HDH)와 냉방도시간(Cooling Degree Hours, CDH)을 사용하고, 계산식은 HDD, CDD와 같다.
월 단위의 HDD, CDD는 일 단위 HDD, CDD의 총합으로 계산할 수 있다. AMI 기반 프로그램의 경우, 상시적 부하 절감 실적을 파악하기 위해 주로 월 단위 HDD, CDD를 사용한다. 월 단위 HDD, CDD의 계산법은 아래와 같다.
Figure pat00002
이렇게 계산된 난방도일, 냉방도일을 통해, 그 기간이 얼마나 추웠고, 더웠는지 알 수 있다. 이 난방도일, 냉방도일과 전력 사용량 사이의 선형 회귀 분석을 통해 난방도일, 냉방도일에 따른 전력 사용량 데이터의 민감도를 알아낼 수 있다.
프로세서(170)는, S230 단계에서 계산된 온도 지수에 기초하여, 온도 민감도를 분석하여, 과거 전력 사용량 데이터를 보정할 수 있다(S240).
보정하는 단계(S240)는, 프로세서(170)가, 상기 산정 기간에 대응하는 과거 기간에 해당하는 제2 난방도일을 계산하는 단계, 프로세서(170)가, 상기 제2 난방도일에 대한 선형 회귀 분석을 통해, 더운 기간의 온도 민감도를 분석하는 단계 및 프로세서(170)가, 상기 더운 기간의 온도 민감도에 상기 제1 난방도일과 상기 제2 난방도일의 차이값을 반영하여 과거 전력사용량 데이터를 보정하는 단계를 포함할 수 있다.
보정하는 단계(S240)는, 프로세서(170)는, 상기 산정 기간에 대응하는 과거 기간에 해당하는 제2 냉방도일을 계산하는 단계, 프로세서(170)는, 상기 제2 냉방도일에 대한 선형 회귀 분석을 통해, 추운 기간의 온도 민감도를 분석하는 단계 및 프로세서(170)가, 상기 추운 기간의 온도 민감도에 상기 제1 냉방도일과 상기 제2 냉방도일의 차이값을 반영하여 과거 전력사용량 데이터를 보정하는 단계를 포함할 수 있다.
프로세서(170)는, CBL 산정을 위해 선택한 데이터에 기초하여 제1 난방도일 또는 제1 냉방도일을 계산한 후, 전력사용량과의 선형회귀 분석을 통해, 추운 기간과 더운 기간의 민감도(Sh, Sc)를 아래와 같이 계산할 수 있다.
Figure pat00003
Figure pat00004
프로세서(170)는, CBL 산정을 원하는 월과 과거 데이터의 동월 전력사용량을 CBL 산정 월과 과거 동월 사이의 난방도일의 차이만큼의 민감도 또는 냉방도일의 차이만큼의 민감도를 사용하여 과거 전력사용량 데이터를 보정할 수 있다.
더운 기간의 과거 데이터 보정 식은 아래와 같다.
Figure pat00005
추운 기간의 과거 데이터 보정 식은 아래와 같다.
Figure pat00006
민감도를 계산할 때, 더운 기간과 추운 기간 두가지로만 나누어 민감도의 선형 회귀 분석을 수행하는 것으로 설명하였지만, 연 12달에 대해서 달마다 민감도를 계산할 수도 있다.
프로세서(170)는, S240 단계에서 보정된 과거 전력사용량에 기초하여, 시계열 분석 방법을 통해, 상기 산정 기간에 해당하는 상기 산정 단위의 고객기준부하를 예측할 수 있다(S260).
예측하는 단계(S260)는, 프로세서(170)가, 보정된 과거 전력사용량을 이동평균법 또는 지수평활법에 반영하여 고객기준부하를 예측하는 단계를 포함할 수 있다.
프로세서(170)는, 보정된 과거 데이터를 이용해 이동평균법, 지수평활법 등의 시계열 모형을 적용한 기준부하 산정을 진행할 수 있다.
보정된 과거 데이터와 이동평균법을 사용한 계산식은 다음과 같다.
Figure pat00007
보정된 과거 데이터와 지수평활법을 사용한 계산식은 다음과 같다.
Figure pat00008
한편, 기록 매체는, 지능형 검침 인프라의 고객기준부하 산정 방법을 기록할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 프로세서 또는 제어부를 포함할 수도 있다. 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
10 : 시스템
30 : AMI
100 : CBL 산정 장치
170 : 프로세서

Claims (10)

  1. 프로세서가, 산정 기간 및 산정 단위를 설정하는 단계;
    프로세서가, 상기 산정 기간 및 상기 산정 단위에 따라, 온도 지수를 계산하는 단계;
    프로세서가, 상기 온도 지수에 기초하여, 온도 민감도를 분석하여 과거 전력사용량 데이터를 보정하는 단계; 및
    프로세서가, 보정된 과거 전력사용량에 기초하여, 시계열 분석 방법을 통해, 상기 산정 기간에 해당하는 상기 산정 단위의 고객기준부하를 예측하는 단계;를 포함하는 지능형 검침 인프라(Advanced Metering Infrastructure, AMI)의 고객기준부하(Customer Baseline Load, CBL) 산정 방법.
  2. 제 1항에 있어서,
    프로세서가, 상기 산정 기간에 기초하여, 고객기준부하 산정을 위한 전력사용량의 과거 데이터를 선정하는 단계;를 더 포함하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  3. 제 1항에 있어서,
    상기 계산하는 단계는,
    프로세서가, 상기 산정 기간에 해당하는 제1 난방도일(Heating Degree Days, HDD)을 계산하는 단계;를 포함하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  4. 제 3항에 있어서,
    상기 보정하는 단계는,
    프로세서가, 상기 산정 기간에 대응하는 과거 기간에 해당하는 제2 난방도일을 계산하는 단계;
    프로세서가, 상기 제2 난방도일에 대한 선형 회귀 분석을 통해, 더운 기간의 온도 민감도를 분석하는 단계; 및
    프로세서가, 상기 더운 기간의 온도 민감도에 상기 제1 난방도일과 상기 제2 난방도일의 차이값을 반영하여 상기 과거 전력사용량 데이터를 보정하는 단계;를 포함하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  5. 제 1항에 있어서,
    상기 계산하는 단계는,
    프로세서가, 상기 산정 기간에 해당하는 제1 냉방도일(Cooling Degree Days, CDD)을 계산하는 단계;를 포함하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  6. 제 5항에 있어서,
    상기 보정하는 단계는,
    프로세서가, 상기 산정 기간에 대응하는 과거 기간에 해당하는 제2 냉방도일을 계산하는 단계;
    프로세서가, 상기 제2 냉방도일에 대한 선형 회귀 분석을 통해, 추운 기간의 온도 민감도를 분석하는 단계; 및
    프로세서가, 상기 추운 기간의 온도 민감도에 상기 제1 냉방도일과 상기 제2 냉방도일의 차이값을 반영하여 상기 과거 전력사용량 데이터를 보정하는 단계;를 포함하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  7. 제 4항 또는 제 6항에 있어서,
    상기 예측하는 단계는,
    프로세서가, 보정된 과거 전력사용량을 이동평균법 또는 지수평활법에 반영하여 고객기준부하를 예측하는 단계를 포함하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  8. 제 1항에 있어서,
    상기 설정하는 단계는,
    프로세서가, 시간, 일, 월 및 연 중 어느 하나를 기준으로 상기 산정 단위를 설정하는 지능형 검침 인프라의 고객기준부하 산정 방법.
  9. 제 1항 내지 제 6항 중 어느 하나의 항에 기재된 지능형 검침 인프라의 고객기준부하 산정 방법이 기록된 기록 매체.
  10. 산정 기간 및 산정 단위를 설정하고,
    상기 산정 기간 및 상기 산정 단위에 따라, 온도 지수를 계산하고,
    상기 온도 지수에 기초하여, 온도 민감도를 분석하여 과거 전력사용량 데이터를 보정하고,
    보정된 과거 전력사용량에 기초하여, 시계열 분석 방법을 통해, 상기 산정 기간에 해당하는 상기 산정 단위의 고객기준부하를 예측하는 프로세서;를 포함하는 지능형 검침 인프라의 고객기준부하 산정 장치.


KR1020200160952A 2020-11-26 2020-11-26 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법 KR102591223B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200160952A KR102591223B1 (ko) 2020-11-26 2020-11-26 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200160952A KR102591223B1 (ko) 2020-11-26 2020-11-26 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법

Publications (2)

Publication Number Publication Date
KR20220073144A true KR20220073144A (ko) 2022-06-03
KR102591223B1 KR102591223B1 (ko) 2023-11-01

Family

ID=81983152

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200160952A KR102591223B1 (ko) 2020-11-26 2020-11-26 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법

Country Status (1)

Country Link
KR (1) KR102591223B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130048140A (ko) 2011-11-01 2013-05-09 주식회사 케이티 에너지 주요성과 지표를 이용한 에너지 절감방법
KR101355978B1 (ko) * 2012-09-20 2014-02-03 전자부품연구원 전력 관리 시스템 및 전력 사용량 예측 방법
KR20140116619A (ko) * 2013-03-25 2014-10-06 삼성에스디에스 주식회사 에너지 사용량 예측 시스템 및 방법
KR20150037095A (ko) * 2013-09-30 2015-04-08 한국전력공사 변배전 휴전 조작절차 관리 장치 및 방법
KR102051494B1 (ko) * 2018-03-27 2019-12-03 (주)클라우드앤 에너지 절감량을 평가할 수 있는 공기 조화 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130048140A (ko) 2011-11-01 2013-05-09 주식회사 케이티 에너지 주요성과 지표를 이용한 에너지 절감방법
KR101355978B1 (ko) * 2012-09-20 2014-02-03 전자부품연구원 전력 관리 시스템 및 전력 사용량 예측 방법
KR20140116619A (ko) * 2013-03-25 2014-10-06 삼성에스디에스 주식회사 에너지 사용량 예측 시스템 및 방법
KR20150037095A (ko) * 2013-09-30 2015-04-08 한국전력공사 변배전 휴전 조작절차 관리 장치 및 방법
KR102051494B1 (ko) * 2018-03-27 2019-12-03 (주)클라우드앤 에너지 절감량을 평가할 수 있는 공기 조화 장치

Also Published As

Publication number Publication date
KR102591223B1 (ko) 2023-11-01

Similar Documents

Publication Publication Date Title
CA2872453C (en) Methods and systems for improved time cost and accuracy of energy usage baselining
RU2428708C2 (ru) Способ и система для поверки измерительных приборов
CN105976258B (zh) 能量节约计量系统和方法
US9658263B2 (en) Methods and systems for measurement and verification weighting with temperature distribution
US8738546B2 (en) Self-organizing energy pricing
WO2011100255A2 (en) Systems and methods for measuring and verifying energy savings in buildings
WO2012044946A2 (en) Dynamic load modeling of a building's energy consumption for demand response applications
KR102036166B1 (ko) 미검침 구간의 검침 데이터 예측 및 보정 방법과 그 장치
Li et al. The use of extreme value theory for forecasting long-term substation maximum electricity demand
KR102042102B1 (ko) 태양광 모듈의 전력 데이터 관리 향상을 위한 검침 데이터 보정 방법 및 장치
EP2912477B1 (en) Device and method for determining an individual power representation of operation states
US9739908B2 (en) Utility usage forecasting
KR20220073144A (ko) 난방도일과 냉방도일을 적용한 시계열 분석을 사용한 ami 고객기준부하 산정 방법
JP6764302B2 (ja) 電力需要予測システム、電力需要予測方法及び電力需要予測プログラム
CN109191330B (zh) 线损电量计算方法、装置、计算机设备和存储介质
KR102293466B1 (ko) 에너지 효율향상 관리 장치 및 성과측정 방법
KR101366874B1 (ko) 태양광 발전량 정보 처리 장치 및 방법과 태양광 발전 모니터링 장치 및 방법
US20090299919A1 (en) Calculating utility consumption of at least one unit of a building
CN112381436A (zh) 逐时电负荷生成方法、装置、电子设备及存储介质
Simpson et al. Standard approaches to load forecasting and review of Manitoba hydro load forecast for needs for and alternatives to (NFAT)
JP6213166B2 (ja) 未知パラメータ推定方法、未知パラメータプログラム及び未知パラメータ推定装置
Woodall SMART 2011/0072: methodology for energy efficiency mea-surements applicable to ICT in buildings (eeMeasure)
Robertse et al. The Development of a Whole-Building Energy Baseline Model for the Measurement & Verification of a Commercial Building
KR102371460B1 (ko) 냉난방기기 에너지 사용량 및 절감량 추정 시스템과 그 방법
Jain et al. Monitoring Power Consumption and Automation Using IOT

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right