KR20220088534A - 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법 - Google Patents

클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법 Download PDF

Info

Publication number
KR20220088534A
KR20220088534A KR1020200177952A KR20200177952A KR20220088534A KR 20220088534 A KR20220088534 A KR 20220088534A KR 1020200177952 A KR1020200177952 A KR 1020200177952A KR 20200177952 A KR20200177952 A KR 20200177952A KR 20220088534 A KR20220088534 A KR 20220088534A
Authority
KR
South Korea
Prior art keywords
power
microgrid
clustering
power demand
prediction
Prior art date
Application number
KR1020200177952A
Other languages
English (en)
Other versions
KR102531242B1 (ko
Inventor
오성문
박병철
정규창
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020200177952A priority Critical patent/KR102531242B1/ko
Publication of KR20220088534A publication Critical patent/KR20220088534A/ko
Application granted granted Critical
Publication of KR102531242B1 publication Critical patent/KR102531242B1/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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Power Engineering (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법이 개시된다. 본 발명의 전력수요 예측장치는 마이크로그리드 내의 수용가에 대한 전력 사용패턴 정보를 입력받는 입력부 및 입력부로부터 입력된 전력 사용패턴 정보를 클러스터링하여 전력사용 대표패턴을 생성하고, 전력사용 대표패턴별로 그룹핑된 데이터를 이용하여 예측모델을 생성하는 제어부를 포함한다.

Description

클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법{Apparatus and method for predicting consumer power demand in microgrid using clustering technique}
본 발명은 전력수요 예측장치에 관한 것이고, 더욱 상세하게는 클러스티링 기법을 이용하여 전력수요 예측의 성능을 향상시키는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법에 관한 것이다.
종래의 전력수요 예측은 과거 데이터와 일반적으로 요일에 대한 정보를 반영하여 전력수요를 예측하였다.
하지만 이러한 예측은 마이크로그리드 내의 수용가의 종류가 다양해지고, 분산전원 등이 보급됨에 따라 수용가의 전력 사용 패턴이 단순 요일로 구분되기 어려워졌다. 즉 단순 요일 정보만을 사용해서는 전력수요의 예측이 정확하지 않을 수 있고, 정확하지 않은 전력수요 예측은 잘못된 마이크로그리드의 전력수급 계획을 발생시킬 수 있다는 문제점이 야기되고 있다.
공개특허공보 제10-2018-0061551호(2018.06.08.)
본 발명이 이루고자 하는 기술적 과제는 클러스터링 기법을 이용하여 데이터를 그룹화하고, 그룹별 데이터를 기초로 예측모델을 생성하여 전력수요를 예측하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법을 제공하는데 목적이 있다.
상기 목적을 달성하기 위해 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치는 마이크로그리드 내의 수용가에 대한 전력 사용패턴 정보를 입력받는 입력부 및 상기 입력부로부터 입력된 전력 사용패턴 정보를 클러스터링하여 전력사용 대표패턴을 생성하고, 상기 전력사용 대표패턴별로 그룹핑된 데이터를 이용하여 예측모델을 생성하는 제어부를 포함한다.
또한 상기 제어부는, 상기 생성된 예측모델을 이용하여 상기 그룹핑된 데이터별로 전력수요에 대한 예측을 하는 것을 특징으로 한다.
또한 상기 제어부는, 상기 전력 사용패턴 정보에 포함된 일일 전력데이터에서 부하시간대의 통계값인 평균, 최대, 최소, 첨도 및 왜도 중 적어도 하나를 클러스터링 파라미터로 선정하여 상기 클러스터링을 수행하는 것을 특징으로 한다.
또한 상기 제어부는, 기계학습 중 회귀특성을 이용하여 상기 예측모델을 생성하는 것을 특징으로 한다.
또한 상기 제어부는, 시계열 데이터의 특성에 따라 과거 데이터를 입력으로 더 이용하여 상기 예측모델을 생성하는 것을 특징으로 한다.
본 발명에 따른 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측방법은 전력수요 예측장치가 전력 사용패턴 정보를 클러스터링하여 전력사용 대표패턴을 생성하는 단계 및 상기 전력수요 예측장치가 상기 전력사용 대표패턴별로 그룹핑된 데이터를 이용하여 예측모델을 생성하는 단계를 포함한다.
또한 상기 전력사용 대표패턴을 생성하는 단계 이전에, 상기 전력수요 예측장치가 마이크로그리드 내의 수용가에 대한 전력 사용패턴 정보를 입력받는 단계를 더 포함하는 것을 특징으로 한다.
또한 상기 예측모델을 생성하는 단계 이후에, 상기 생성된 예측모델을 이용하여 상기 그룹핑된 데이터별로 전력수요에 대한 예측을 하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명의 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법은 클러스터링 기법을 이용하여 데이터를 그룹화하고, 그룹별 데이터를 기초로 예측모델을 생성하여 전력수요를 예측함으로써, 예측 성능을 향상시킬 수 있다.
또한 클러스터별 예측모델을 생성하여 수용가별 맞춤형 전력수요 예측을 할 수 있다.
또한 마이크로그리드 내의 대표적인 전력사용 대표패턴을 생성함으로써, 전력사용 대표패턴을 향후 수요관리를 위해 추가적으로 활용할 수 있다.
도 1은 본 발명의 실시예에 따른 전력수요 예측장치를 설명하기 위한 블록도이다.
도 2는 본 발명의 실시예에 따른 전력수요 예측과정을 설명하기 위한 도면이다.
도 3은 본 발명의 실시예에 따른 전력수요 예측방법을 설명하기 위한 순서도이다.
본 발명은 [표 1]에 기재된 과제의 지원을 받아 출원을 진행하는 것이다.
과제고유번호 P0002134
부처명 산업부
과제관리(전문)기관명 한국산업기술진흥원
연구사업명 경제협력권산업육성사업
연구과제명 (R)인공지능 기반 계통연계형 Micro-grid 수요관리시스템 개발
기여율 1/1
과제수행기관명 ㈜그린이엔에스
연구기관 2018.04.01. ~ 2020.12.31.
이하 본 발명의 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의한다. 또한 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 당업자에게 자명하거나 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 전력수요 예측장치를 설명하기 위한 블록도이고, 도 2는 본 발명의 실시예에 따른 전력수요 예측과정을 설명하기 위한 도면이다.
도 1 및 도 2를 참조하면, 전력수요 예측장치(100)는 클러스터링 기법을 이용하여 데이터를 그룹화하고, 그룹별 데이터를 기초로 예측모델을 생성하여 전력수요를 예측한다. 전력수요 예측장치(100)는 입력부(10) 및 제어부(30)를 포함하고, 출력부(50) 및 저장부(70)를 더 포함할 수 있다.
입력부(10)는 마이크로그리드 내의 수용가에 대한 전력 사용패턴 정보(41)를 입력받는다. 여기서 전력 사용패턴 정보(41)는 전력이 사용되는 패턴을 나타내는 정보로써, 에너지의 사용목적 및 분야에 따라 용량 및 패턴이 상이하게 나타난다.
제어부(30)는 입력부(10)로부터 입력된 전력 사용패턴 정보(41)를 클러스터링하여 전력사용 대표패턴을 생성한다. 제어부(30)는 전력 사용패턴 정보(41) 중 유사한 전기 사용패턴을 가진 고객을 그룹화하고, 그룹화된 고객을 이용하여 해당 마이크로그리드의 수용가에 대한 대표적인 전력사용 패턴인 전력사용 대표패턴을 생성할 수 있다. 제어부(30)는 생성된 전력사용 대표패턴을 이용하여 보다 효율적이고 정확한 전력수요 예측을 가능하게 한다.
상세하게는 제어부(30)는 고객별 일일 전력 사용패턴을 정규화하여 클러스터링을 수행한다. 여기서 데이터를 정규화하지 않을 경우, 클러스터링 결과가 전력 사용패턴을 구분 짓기보다는 전력수요의 크기에 따른 클러스터링 결과가 생성되는 문제점이 발생될 수 있다. 따라서 제어부(30)는 클러스터링 수행 이전에 정규화를 [수학식 1]과 같이 수행한다. 여기서 일일 전력사용량의 합은 1이 된다.
Figure pat00001
여기서 vt는 t시간에 정규화된 전력 사용량을 의미하고, Pt는 t시간의 전력 사용량을 의미한다.
제어부(30)는 클러스터링을 수행할 때, 데이터의 차원을 축소하고, 각 부하시간대의 특징을 반영하기 위해 전력 사용패턴 정보에 포함된 일일 전력데이터에서 [표 2]와 같은 부하시간대에 대한 통계값인 평균, 최대, 최소, 첨도 및 왜도 중 적어도 하나를 클러스터링 파라미터로 선정하여 클러스터링을 수행한다.
구 분 여름, 봄, 가을 겨울
경부하 23:00 ~ 09:00 23:00 ~ 09:00
중간부하 09:00 ~ 10:00
12:00 ~ 13:00
17:00 ~ 23:00		 09:00 ~ 10:00
12:00 ~ 17:00
20:00 ~ 22:00
최대부하 10:00 ~ 12:00
13:00 ~ 17:00		 10:00 ~ 12:00
17:00 ~ 20:00
22:00 ~ 23:00
제어부(30)는 클러스터링을 일반적으로 널리 사용되는 K-means 클러스터링(43)을 이용할 수 있다. K-means 알고리즘은 다음과 같이 동작을 한다. 제1 단계는 클러스터 개수 k값을 선택하고, 데이터가 분포된 공간상에 클러스터 중심으로 가정할 임의의 지점을 k개 선택한다. 제2 단계는 임의로 선택한 k개의 클러스터 중심과 개별 데이터 사이의 거리를 산출한다. 여기서 개별 데이터는 가장 가깝게 있는 클러스터 중심을 그 데이터가 소속되는 클러스터로 할당한다. 제3 단계는 클러스터에 속하게 된 데이터들의 평균값을 새로운 클러스터 중심으로 둔다. 제4 단계는 제2 단계 및 제3 단계를 알고리즘이 수렴할 때까지 반복수행한다. 여기서 수렴의 의미는 클러스터 중심이 더 이상 변화가 없음을 의미한다. 즉 K-means 알고리즘은 최적의 K를 결정하기 위해서 실루엣 스코어를 통해 클러스터링 결과를 평가하여 최적의 K를 결정한다. 여기서 실루엣 스코어는 클러스터링 결과를 평가하는 지표로서, 0과 1 사이의 값을 가지고 1에 가까울수록 클러스터링의 결과가 좋음을 나타내는 지표이다. 실루엣 계수는 [수학식 2]와 같이 산출될 수 있다.
Figure pat00002
여기서 a(i)는 클러스터 내의 데이터 응집도를 의미하고, b(i)는 클러스터 간의 분리도를 의미한다. 이때 클러스터 개수가 최적화 되어 있다면 b(i)값은 커지고, a(i)값은 작아진다.
제어부(30)는 K-means 클러스터링(43)을 수행하여 전력망에 속해있는 수용가에 대해 k개의 전력사용 대표패턴을 생성하고, 생성된 k개의 전력사용 대표패턴을 이용하여 k개 그룹(45a, 45b, 45c, 45d)으로 데이터를 그룹화(45)한 후, 각 그룹의 데이터를 이용하여 전력수요에 대한 예측모델(47)을 생성한다. 여기서 제어부(30)는 k개의 그룹에 대응되도록 예측모델(47)도 k개의 예측모델(47a, 47b, 47c, 47d)를 생성할 수 있다.
제어부(30)는 기계학습 중 회귀특성을 이용하여 예측모델(47)을 생성할 수 있다. 예를 들어 제어부(30)는 MLP 모델, LSTM 모델, RF 모델, SVR 모델 등의 모델을 이용하여 생성할 수 있다. 이를 통해 제어부(30)는 특정 수용가에 대한 전력수요를 예측할 경우, 수용가가 속한 클러스터에 맞는 예측모델을 이용하여 전력수요에 대한 예측을 수행할 수 있다. 즉 제어부(30)는 예측모델을 이용하여 그룹핑된 데이터별로 전력수요에 대한 예측할 수 있다.
또한 제어부(30)는 시계열 데이터의 특성에 따라 과거 데이터를 입력으로 더 이용하여 예측모델(47)을 생성할 수 있다. 즉 제어부(30)는 예측모델의 성능이 과거 데이터의 사용 개수에 따라 달라지는 성질을 기반으로 교차 검증하여 최적의 과거 데이터 개수를 결정하고, 결정된 결과를 이용하여 예측모델(47)의 성능을 추가적으로 향상시킬 수 있다.
출력부(50)는 입력부(10)로부터 입력된 전력 사용패턴 정보를 출력하고, 제어부(30)로부터 예측된 전력수요를 출력한다. 출력부(50)는 전력수요를 출력할 때 수치뿐만 아니라, 그래프, 그림 등을 이용하여 출력할 수 있다.
저장부(70)는 전력수요 예측장치(100)를 구동하기 위한 알고리즘 또는 프로그램이 저장된다. 저장부(70)는 입력부(10)로부터 입력된 전력 사용패턴 정보이 저장되고, 제어부(30)로부터 생성된 전력사용 대표패턴 및 예측모델이 저장된다. 또한 저장부(70)는 제어부(30)로부터 예측된 전력수요요가 저장된다. 저장부(70)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 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), 자기메모리, 자기 디스크 및 광디스크 중 적어도 하나의 저장매체를 포함할 수 있다.
상술된 바와 같이 전력수요 예측장치(100)는 예측모델이 비슷한 경향성을 가진 데이터를 이용하여 훈련함으로써, 예측모델에 데이터의 특성을 적합하게 반영하고, 데이터의 분산이 작아짐에 따라 보다 일반화된 예측모델을 생성할 수 있어 예측 성능을 향상시킬 수 있다. 또한 전력수요 예측장치(100)는 마이크로그리드의 수요관리 계획을 수립하는데 있어 전력사용 대표패턴을 활용할 수 있다. 예를 들어 전력수요 예측장치(100)는 전력사용 감축을 위해 특정 클러스터에 속한 수용가들의 경우, 감축가능 용량이 다른 클러스터에 속한 클러스터보다 높게 나타날 수 있다. 이를 통해 마이크로그리드 운영자는 감축을 우선적으로 수행할 수 있는 수용가를 선별할 수 있다.
도 3은 본 발명의 실시예에 따른 전력수요 예측방법을 설명하기 위한 순서도이다.
도 1 및 도 3을 참조하면, 전력수요 예측방법은 클러스터링 기법을 이용하여 데이터를 그룹화하고, 그룹별 데이터를 기초로 예측모델을 생성하여 전력수요를 예측함으로써, 예측 성능을 향상시킬 수 있다. 전력수요 예측방법은 클러스터별 예측모델을 생성하여 수용가별 맞춤형 전력수요 예측을 할 수 있다. 전력수용 예측방법은 마이크로그리드 내의 대표적인 전력사용 대표패턴을 생성함으로써, 전력사용 대표패턴을 향후 수요관리를 위해 추가적으로 활용할 수 있다.
S110 단계에서, 전력수요 예측장치(100)는 전력사용 대표패턴을 생성한다. 전력수용 예측장치(100)는 전력 사용패턴 정보를 클러스터링하여 전력사용 대표패턴을 생성한다. 상세하게는 전력수요 예측장치(100)는 전력 사용패턴 정보 중 유사한 전기 사용패턴을 가진 고객을 그룹화하고, 그룹화된 고객을 이용하여 해당 마이크로그리드의 수용가에 대한 대표적인 전력사용 패턴인 전력사용 대표패턴을 생성할 수 있다.
이때 전력수요 예측장치(100)는 전력 사용패턴 정보를 전력사용 대표패턴을 생성하기 이전에 미리 입력받을 수 있다.
S120단계에서, 전력수요 예측장치(100)는 클러스링별 예측모델을 생성한다. 전력수용 예측장치(100)는 생성된 전력사용 대표패턴별로 그룹핑된 데이터를 이용하여 예측모델을 생성한다. 이때 예측모델은 기계학습 중 회귀특성을 이용하여 생성될 수 있다. 전력수용 예측장치(100)는 생성된 예측모델을 이용하여 보다 효율적이고 정확한 전력수요 예측을 한다.
본 발명의 실시 예에 따른 방법은 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체의 형태로 제공될 수도 있다. 이러한, 컴퓨터가 읽을 수 있는 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며, 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media) 및 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것은 아니며, 기술적 사상의 범주를 이탈함없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
10: 입력부
30: 제어부
50: 출력부
70: 저장부
100: 전력수요 예측장치

Claims (8)

  1. 마이크로그리드 내의 수용가에 대한 전력 사용패턴 정보를 입력받는 입력부; 및
    상기 입력부로부터 입력된 전력 사용패턴 정보를 클러스터링하여 전력사용 대표패턴을 생성하고, 상기 전력사용 대표패턴별로 그룹핑된 데이터를 이용하여 예측모델을 생성하는 제어부;
    를 포함하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치.
  2. 제 1항에 있어서,
    상기 제어부는,
    상기 생성된 예측모델을 이용하여 상기 그룹핑된 데이터별로 전력수요에 대한 예측을 하는 것을 특징으로 하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치.
  3. 제 1항에 있어서,
    상기 제어부는,
    상기 전력 사용패턴 정보에 포함된 일일 전력데이터에서 부하시간대의 통계값인 평균, 최대, 최소, 첨도 및 왜도 중 적어도 하나를 클러스터링 파라미터로 선정하여 상기 클러스터링을 수행하는 것을 특징으로 하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치.
  4. 제 1항에 있어서,
    상기 제어부는,
    기계학습 중 회귀특성을 이용하여 상기 예측모델을 생성하는 것을 특징으로 하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치.
  5. 제 4항에 있어서,
    상기 제어부는,
    시계열 데이터의 특성에 따라 과거 데이터를 입력으로 더 이용하여 상기 예측모델을 생성하는 것을 특징으로 하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치.
  6. 전력수요 예측장치가 전력 사용패턴 정보를 클러스터링하여 전력사용 대표패턴을 생성하는 단계; 및
    상기 전력수요 예측장치가 상기 전력사용 대표패턴별로 그룹핑된 데이터를 이용하여 예측모델을 생성하는 단계;
    를 포함하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측방법.
  7. 제 7항에 있어서,
    상기 전력사용 대표패턴을 생성하는 단계 이전에,
    상기 전력수요 예측장치가 마이크로그리드 내의 수용가에 대한 전력 사용패턴 정보를 입력받는 단계;
    를 더 포함하는 것을 특징으로 하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측방법.
  8. 제 7항에 있어서,
    상기 예측모델을 생성하는 단계 이후에,
    상기 생성된 예측모델을 이용하여 상기 그룹핑된 데이터별로 전력수요에 대한 예측을 하는 단계;
    를 더 포함하는 것을 특징으로 하는 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측방법.
KR1020200177952A 2020-12-18 2020-12-18 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법 KR102531242B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200177952A KR102531242B1 (ko) 2020-12-18 2020-12-18 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200177952A KR102531242B1 (ko) 2020-12-18 2020-12-18 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220088534A true KR20220088534A (ko) 2022-06-28
KR102531242B1 KR102531242B1 (ko) 2023-05-12

Family

ID=82268180

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200177952A KR102531242B1 (ko) 2020-12-18 2020-12-18 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법

Country Status (1)

Country Link
KR (1) KR102531242B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102532168B1 (ko) 2022-08-24 2023-05-15 주식회사 그리다에너지 마이크로그리드의 분산형 부하 노드 간 ac 전력 분배 시스템
CN116502056A (zh) * 2023-05-23 2023-07-28 浙江天行健水务有限公司 一种饮用水过滤方法及装置
CN116883059A (zh) * 2023-09-06 2023-10-13 山东德源电力科技股份有限公司 一种配电终端管理方法及系统
CN117726120A (zh) * 2023-12-19 2024-03-19 安徽明生恒卓科技有限公司 基于配电网架的配电网规划系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101761686B1 (ko) * 2017-03-31 2017-07-31 (주)하모니앤유나이티드 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템
KR20180061551A (ko) 2016-11-29 2018-06-08 한국전자통신연구원 미래건강추이 예측을 위한 유사사례 클러스터링 방법 및 그 장치
KR101875329B1 (ko) * 2017-06-12 2018-07-05 한국과학기술원 전력 사용량 예측 장치 및 방법
KR20190095586A (ko) * 2018-01-23 2019-08-16 한국전력정보(주) 스마트 전력 수요 관리 시스템
KR20190104484A (ko) * 2019-08-21 2019-09-10 엘지전자 주식회사 인공지능 기반 수면 분석 방법 및 수면 분석 기능을 구비한 지능형 디바이스

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180061551A (ko) 2016-11-29 2018-06-08 한국전자통신연구원 미래건강추이 예측을 위한 유사사례 클러스터링 방법 및 그 장치
KR101761686B1 (ko) * 2017-03-31 2017-07-31 (주)하모니앤유나이티드 머신 러닝을 이용한 태양광 발전량 실시간 예측 시스템
KR101875329B1 (ko) * 2017-06-12 2018-07-05 한국과학기술원 전력 사용량 예측 장치 및 방법
KR20190095586A (ko) * 2018-01-23 2019-08-16 한국전력정보(주) 스마트 전력 수요 관리 시스템
KR20190104484A (ko) * 2019-08-21 2019-09-10 엘지전자 주식회사 인공지능 기반 수면 분석 방법 및 수면 분석 기능을 구비한 지능형 디바이스

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102532168B1 (ko) 2022-08-24 2023-05-15 주식회사 그리다에너지 마이크로그리드의 분산형 부하 노드 간 ac 전력 분배 시스템
CN116502056A (zh) * 2023-05-23 2023-07-28 浙江天行健水务有限公司 一种饮用水过滤方法及装置
CN116502056B (zh) * 2023-05-23 2023-09-12 浙江天行健水务有限公司 一种饮用水过滤方法及装置
CN116883059A (zh) * 2023-09-06 2023-10-13 山东德源电力科技股份有限公司 一种配电终端管理方法及系统
CN116883059B (zh) * 2023-09-06 2023-11-28 山东德源电力科技股份有限公司 一种配电终端管理方法及系统
CN117726120A (zh) * 2023-12-19 2024-03-19 安徽明生恒卓科技有限公司 基于配电网架的配电网规划系统

Also Published As

Publication number Publication date
KR102531242B1 (ko) 2023-05-12

Similar Documents

Publication Publication Date Title
KR20220088534A (ko) 클러스터링 기법을 이용한 마이크로그리드 내 수용가 전력수요 예측장치 및 방법
US20190137956A1 (en) Battery lifetime maximization in behind-the-meter energy management systems
JP6022050B2 (ja) 需要家電力制御システム及び需要家電力制御方法
CN103745280A (zh) 用电量预测方法、装置及处理器
CN115081760B (zh) 一种加工资源管理优化方法、装置、终端及存储介质
Bohlin et al. Maintenance optimization with duration-dependent costs
KR102556093B1 (ko) 전력의 피크 부하를 저감하기 위한 보상 생성 방법 및 그 방법을 수행하는 동작 제어 장치
US10931107B2 (en) System and method for management of an electricity distribution grid
CN109740814A (zh) 预测方法、装置及电子设备
CN113590682A (zh) 电网停电窗口期生成方法、装置、电子设备和存储介质
US20180174082A1 (en) Perceived quality of service
CN112308337A (zh) 电力系统概率性短期负荷的预测方法、预测装置与处理器
KR20210080020A (ko) 단기 전력 소비량을 이용해 에너지 저장 장치를 제어하는 전력 충·방전 제어 방법 및 장치
CN113703974B (zh) 一种预测服务器容量的方法及装置
CN110991945B (zh) 设备备件的信息处理方法及装置、存储介质和处理器
KR102469195B1 (ko) 확률적 통계모델을 이용한 주거 커뮤니티 전력 및 급탕 부하 수요 예측 방법
JP6848647B2 (ja) 需給計画計算支援装置、方法、及びプログラム
Wang et al. Utilizing intra-day prediction modification strategies to improve peak power shaving using energy storage systems for smart buildings
CN117879002B (zh) 一种智能光储一体化供电调控方法、装置、设备及介质
JP7221006B2 (ja) 蓄電システムおよび制御方法
CN118472946B (zh) 智能电网ai联调峰决策方法、系统、设备和介质
KR102273041B1 (ko) 전력사용량 기반 신용평가 시스템 및 방법
JP2018206172A (ja) 電力需要予測装置、電力需要予測方法およびプログラム
CN113901294A (zh) 一种信息处理方法及装置
Kuang et al. Identification of time elasticity of load based on analytic hierarchy process

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant