KR20220150778A - 배전계획용 공간부하 예측 방법 및 장치 - Google Patents

Abstract

본 발명의 배전계획을 위한 공간 부하 예측 방법은, 배전선로별 최대 부하를 예측하는 단계; 배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 단계; AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계; 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계; 및 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계를 포함할 수 있다.

Description

배전계획용 공간부하 예측 방법 및 장치{FORECASTING METHOD AND APPARATUS OF SPATIAL LOAD FOR DISTRIBUTION PLANNING}

본 발명은 미래 전력수요에 대응하는 전력 부하 예측을 기반으로 중장기 전력 설비 계획을 수립할 수 있도록 지원하는 배전계획을 위한 공간부하 예측 방법 및 예측 시스템에 관한 것이다.

전력 부하 예측(Electric Load Forecasting)은 전력 계통의 효율적 운영을 위해 사전에 필요한 전력을 확보하는 근거이며, 전력 시스템 장비의 신뢰성을 보장하고 능동적인 전력예비율을 유지함으로써 정전 및 과부하로 인한 손실을 대비하기 위해 사용되며, 전력 부하 예측을 기반으로 중장기 전력 설비 계획을 수립하게 된다.

특히, 배전계획 최적화를 위해선 설비규모 및 용량을 산정하기 위해 정확한 부하예측이 필요하다. 현재, 국내에서 배전계획을 위한 부하예측은 배전선로 수요예측 절차서를 통해 배전선로 최대부하를 10년까지 예측하고 있으나, 중장기로 갈수록 예측값의 정확도가 높지 않아 부하예측 방법의 고도화가 필요한 실정이다. 더불어, 단기 배전계획 사업의 경우, 배전계통 운영상 문제로 단기 설비보강을 위한 사업이 중심이겠으나, 중장기 배전계획 사업의 경우, 배전용 변전소 신설/증설, 변압기 신설/증설, 회선 및 간선 신설 등으로 규모가 상대적으로 크며, 투자비도 높아 한 번 계획이 결정되어 시행된 경우, 최적의 계획이 아닐 수 향후 투자효율 및 설비 이용률의 문제가 발생하게 된다.

현재 우리나라의 전체 부하는 매년 그 증가폭이 감소할 것으로 예상되나, 도시화로 인해 부하 집중현상이 발생하고 있고, PV 등의 재생 에너지 확대로 오히려 규모가 큰 중장기 배전계획 사업이 줄지 않고 지속적으로 늘어나고 있다. 따라서, 기존 배전선로 최대부하 중장기 예측의 정확성을 향상시키는 고도화 방법이 필요하며, 특히 배전선로 전체 긍장의 영향을 줄 수 있는 변전소 위치 계획, 태양광, EV 등 분산전원의 최적 위치계획 등을 위한 공간부하 예측 방법이 필요한 상태이다.

도 1은 일반적인 현행 중장기 부하 예측 프로세스를 도시한다.

부하예측을 위해 고려하는 변수로 전력판매량, 계약전력을 이용하여 배전선로별 최대부하를 예측한다. 배전계통을 이루는 배전선로의 용량을 산정하기 위해 예측 단위는 배전선로를 선택하였고, 행정구역별 전력판매량과 계약전력을 토대로 배전선로별 전력 점유율을 도출하는 방식으로 프로세스가 구성되어있다.

행정구역별 전력판매량 증감율 예측시에 1차 선형회귀방식으로만 예측을 수행하는데, 해당 예측 방식은 가장 단순한 예측 방법이므로 모델 구성 및 결과 도출이 쉽지만 다양한 변수를 고려한 예측 모델 구성이 어렵기 때문에 날씨, 정책, 경제 데이터에 영향을 받는 중장기 부하예측에 있어 상당한 오차를 가진다.

또한, 태양광 발전량을 고려하지 않았으므로 추후 태양광 발전소 도입량 증가에 따른 예측이 수행되지 않는다. 따라서, 현행 방식은 태양광, EV, ESS 등의 분산전원이 증가하는 미래 전력수요 대응에 적절하지 않으며 고도화된 예측 알고리즘을 이용한 예측 모델을 도입하고 해당 모델의 예측 신뢰성을 검증하여 배전계통 운영의 안정성을 높여야 한다.

더불어, 배전계획은 위치에 대한 예측이 즉, 공간부하 예측이 가능해질수록 계획의 정확성과 신뢰도가 높아진다. 최근 AMI(Advanced Metering Infrastructure)의 보급이 증가하여 각 소규모 지역의 공간 정보와 부하 정보를 수집할 수 있다. 하지만, 현재 예측방법으로는 소규모 지역에 대한 유효한 부하 예측, 즉 공간부하 예측이 불가능하다.

대한민국 공개공보 10-2021-0014958호

본 발명은 배전계획 수립을 위한 유효한 공간부하 예측을 수행할 수 있는 공간부하 예측 방법을 제공하고자 한다.

본 발명의 일 측면에 따른 배전계획을 위한 공간 부하 예측 방법은, 배전선로별 최대 부하를 예측하는 단계; 배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 단계; AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계; 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계; 및 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계를 포함할 수 있다.

여기서, 현재 AMI 정보를 기반으로 제1 예측구간에 대한 예측을 수행하고, 상기 제1 예측구간에 대한 예측 정보를 기반으로 다음 제2 예측구간에 대한 예측을 수행하는 방식으로, 상기 배전선로를 포함한 지역의 시공간 부하를 예측하는 단계를 더 포함할 수 있다.

여기서, 상기 배전선로별 최대 부하를 예측하는 단계는, 배전선로별 최대 순부하 증감율을 예측하는 단계; 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계; 및 상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계를 포함할 수 있다.

여기서, 상기 배전선로별 최대 순부하 증감율을 예측하는 단계는, 행정구역별 전력 판매량 실적 정보를 획득하는 단계; 상기 행정구역별 전력 판매량 실적 정보로부터 행정구역별 전력 판매량 증감률을 예측하는 단계; 배전선로를 경과하는 행정구역별 전력 점유율을 산출하는 단계; 및 배전선로별 최대 순부하 증감율을 산정하는 단계를 포함할 수 있다.

여기서, 상기 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계는, 행정구역별 분산전원 발전소 설치용량 정보를 획득하는 단계; 미래의 행정구역별 분산전원 발전소 설치용량을 예측하는 단계; 배전선로를 경과하는 행정구역별 분산전원 발전소 설치용량의 점유율을 산출하는 단계; 및 배전선로별 분산전원 발전소에 따른 부하 감소량을 도출하는 단계를 포함할 수 있다.

여기서, 상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계는, 상기 분산전원 발전량에 따른 순부하 감소량 예측 단계; 및 상기 분산전원 발전량을 고려한 배전선로별 최대부하를 예측하는 단계를 포함할 수 있다.

본 발명의 다른 측면에 따른 배전계획 시스템은, 전력 배전망에 구비된 측정 장치들 및 운영 서버들로부터 배전 계획에 필요한 데이터를 전송받는 데이터 연계 시스템; 배전계획을 위해 본 발명의 사상에 따른 부하 예측을 수행하고 공간부하 정보를 작성하는 배전계획 부하 예측 시스템; 상기 전력 배전망에 대한 계통 구성을 확인하는 배전계획을 위한 계통 구성 모듈; 배전계획을 위해 수집되거나 작성된 정보들을 저장하는 배전계획용 DB; 및 상기 배전계획용 DB에 저장된 정보들 및 상기 공간부하 정보를 이용하여 중장기 배전계획을 작성하는 배전계획 모듈을 포함할 수 있다.

여기서, 상기 배전계획을 위한 부하 예측 시스템은, 배전선로별 최대 순부하 증감율을 예측하는 최대 순부하 증감율 예측 모듈; 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 부하 감소량 예측 모듈; 상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 최대부하 예측 모듈; 및 AMI 데이터 및 배전선로별 최대 부하 예측값을 이용하여 공간부하를 예측하는 AMI 데이터 활용 공간부하 예측 모듈을 포함할 수 있다.

여기서, 상기 배전계획을 위한 부하 예측 시스템은, 배전선로별 최대 부하를 예측하는 단계; 각 배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 단계; AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계; 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계; 및 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계를 포함하는 배전계획을 위한 공간 부하 예측 방법을 수행할 수 있다.

본 발명의 또 다른 측면에 따른 배전계획을 위한 공간부하 예측 장치는, 현재 시점의 배전선로의 최대 부하를 확보하는 배전선로 최대부하 수집부; 미래의 상기 배전선로의 최대 부하 예측값을 확보하는 배전선로 최대부하 예측값 수집부; AMI 네트워크로부터 정보를 입력받는 AMI 데이터 수집부; 상기 배전선로를 포함한 지역을 단위지역들로 구분하고 상기 AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 클러스터링부; 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 소규모 단위지역 부하 할당부; 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 소규모 단위지역 최대부하 예측부; 및 상기 각 단위지역별로 최대 부하 예측값들로 이루어진 공간부하 정보를 작성하는 공간부하 작성부를 포함할 수 있다.

여기서, 상기 클러스터링부는, 지적도와 D/L(배전 선로) 배치도를 매칭하고, 다수개의 단위지역들로 구획화하는 방식의 클러스터링 기법을 이용할 수 있다.

여기서, 상기 클러스터링부는, 상기 다수개의 단위지역들 중 먼저 AMI가 존재하는 단위지역들에 대하여 클러스터링을 수행하고, 다음 AMI 부재 단위지역들에 대하여 클러스터링을 수행할 수 있다.

여기서, 상기 클러스터링부는, 입력값으로서 기온, 일사량, 인구, 토지용도 중 적어도 2 이상을 적용하고, 출력값으로서 해당 단위지역이 부하 기준에서 속하게 되는 분류 집합으로서 클러스터 번호를 적용하고, 과거 배전선로별 부하 증감 자료 및 AMI 수집 자료를 학습 결과 판정에 적용하는 학습 모델을 구비할 수 있다.

여기서, 상기 소규모 단위지역 최대부하 예측부는, 상기 소규모 단위지역 부하 할당부에 구성한 현재 시점의 상기 단위지역 최대 부하값들의 조합과, 상기 배전선로별 최대 부하 예측값을 이용하여, 소규모 단위지역 최대 부하 예측값들의 조합을 생성할 수 있다.

상술한 구성의 본 발명의 사상에 따른 배전계획을 위한 분산전원 예측 방법을 실시하면, 유효한 공간부하 예측을 수행하여 적절한 중장기 배전계획 수립을 지원하는 이점이 있다.

본 발명의 배전계획을 위한 분산전원 예측 방법은, 배전선로별 중장기 최대부하 예측값의 정확성을 향상시키고, 연계 확대 속도가 빨라지고 있는 태양광, EV 등의 분산전원을 고려한 최대부하 예측이 가능한 이점이 있다.

본 발명의 배전계획을 위한 분산전원 예측 방법은, 최적 위치를 고려한 배전계획이 가능하게 하여, 배전계획 사업의 투자효율을 높이고, 이를 통해 향후 설비의 이용률을 증대시키는 이점이 있다.

본 발명의 배전계획을 위한 분산전원 예측 방법은, 배전계획 사업비용을 절감하고, 국내외 컨설팅, 사업화, 기술이전 등이 다양한 활용이 가능한 이점이 있다.

도 1은 일반적인 현행 중장기 부하 예측 프로세스를 도시한 흐름도.
도 2는 본 발명의 사상에 따른 배전계획용 공간부하 예측 방법을 수행할 수 있는 관련된 배전 분야 시스템을 도시한 블록도.
도 3은 본 발명의 사상에 따른 배전계획용 공간부하 예측 방법의 일 실시예를 도시한 흐름도.
도 4는 전력판매량 예측 모델 프로세스의 실시예들을 도시한 흐름도.
도 5는 AMI 데이터를 이용한 소규모 단위지역 데이터 클러스터링 과정을 도시한 개념도.
도 6은 AMI 부재 지역에 대하여 클러스터 번호를 부여하는 과정을 도시한 개념도.
도 7은 AMI 부재 지역에 대하여 클러스터 번호를 부여하기 위한 도 6에 후속되는 과정을 도시한 개념도.
도 8은 AMI 데이터를 이용한 클러스터링 방법을 이용한 시공간 부하 생성 과정을 도시한 개념도.
도 9는 본 발명의 사상에 따른 공간부하 예측 방법을 수행하는 배전계획을 위한 공간부하 예측 장치를 도시한 블록도.

본 발명을 설명함에 있어서 제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되지 않을 수 있다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 된다. 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.

어떤 구성요소가 다른 구성요소에 연결되어 있다거나 접속되어 있다고 언급되는 경우는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해될 수 있다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.

본 명세서에서, 포함하다 또는 구비하다 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로서, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 수 있다.

또한, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

본 발명의 설명에 앞서, 예측 대상으로서 최대 부하를 정의하고, 공간 부하의 개념을 도입하겠다.

본 발명의 설명에 있어서 전력 소비 기기에 의한 전력 소모를 순부하로 정의하고, 배전관리/계획을 위해 유동적인 실시간 부하/순부하를 고려하지 않고, 특정 구간의 최대 소모량을 의미하는 최대 부하 및/또는 최대 순부하를 고려한다. 전력 소비 기기에 의한 상기 '최대 순부하'에서, 해당 지역에 설치된 분산전원(이하, 태양광 발전소로 예시함)이 제공한 전력량만큼 차감하여, '최대 부하'라고 정의한다.

배전선로에 대한 전력 사용은 관측이 용이하고, 이를 기반으로 배전선로에 대한 '최대 부하'를 예측할 수 있지만, 장기적인 계획에는 배전선로 중심이 아닌 2차원 지도와 유사한 공간에 대한 부하 분포/추세를 살펴보는 것이 유용하다. 그런데, 2차원 지도 유사 공간에 대한 부하 분포/추세 정보는, 실질적으로는 상기 2차원 지도 유사 공간의 각 직교 좌표점에서의 부하 정보들로 이루어질 것이다. 본 발명에서는 상기 2차원 지도 유사 공간을 가로/세로 길이가 일정한 단위격자(즉, 단위지역)들로 구분하고, 각 단위격자(즉, 단위지역)들의 부하 정보들의 집합(set)을 '공간 부하'라고 칭하겠다.

상술한 종래의 배전 분야 예측의 어려움들은 부하 및 분산전원에 대한 통일적이고 체계적인 모니터링 시스템이 없음에 기인한다. 그러나, 새롭게 통일적이고 체계적인 모니터링 시스템을 구축하는 것은 비용이 크게 소요되어 실용적이지 못하다.

본 발명에서는 기 구축된 배선선로 모니터링 시스템, 분산전원 지원 시스템, 지리정보 시스템, AMI 시스템, 지방자치단체 분산발전 지원 시스템 등에서 획득된 데이터/정보들을 연동하여, 중장기 배전계획용 공간부하 예측 방법 및 시스템을 제시한다.

예컨대, 배전계획 시스템 내에서 공간부하 예측 시스템은 1) 최대 순부하 증감율 예측 모듈, 2) 태양광에 의한 부하 감소량 예측 모듈, 3) 태양광 고려 최대부하 예측 모듈 및 4) 공간부하 예측 모듈로 구성될 수 있다. 중장기 공간부하 예측 모델은 우선 전력판매 증감율 예측 기반에 예측 알고리즘을 SVR, GP의 각 머신러닝 모델을 앙상블한다. 전력판매 증감율 예측과 더불어 태양광 발전량을 고려하기 위해 태양광 발전량에 의한 순부하 감소량 예측 모델을 구성하고, 태양광을 고려한 배전선로별 최대부하 예측을 시행한다. 또한, 모든 지역에 대해 AMI가 보급되어있지 않으므로 수집가능한 데이터를 기반으로 나머지 지역에 대한 클러스터링(clustering, 군집화)하여 AMI 데이터가 부재한 지역의 정보를 파악한 후 소규모 지역에 대한 공간 부하예측 시행한다.

도 2는 본 발명의 사상에 따른 배전계획용 공간부하 예측 방법을 수행할 수 있는 관련된 배전 분야 시스템을 도시한 블록도이다.

배전계획을 위해서는 부하 예측 시스템의 결과의 반영이 필요하다. 이에 따라, 도 2는 부하 예측 시스템이 포함된 배전 계획 시스템의 설계 예이다. 즉, 도 2의 전체 시스템을 배전 계획 시스템으로 볼 수 있다.

도 3은 본 발명의 사상에 따른 배전계획용 공간부하 예측 방법의 일 실시예를 도시한 흐름도이다. 도 3에서 A, B, C, D 로 표시된 블록들은 도 2의 부하예측 시스템 내 4개의 모듈로 볼 수도 있다.

도시한 배전계획용 공간부하 예측 방법은, 배전선로의 최대 부하를 예측하는 단계(S100); 상기 배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링(클러스터 구분 및 번호 부여)하는 단계(S220); AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계(S230); 배전선로의 전체 부하에 대하여 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계(S240); 및 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계(S250)를 포함할 수 있다.

구현에 따라, 2개 이상의 미래의 예측기간들에 대하여, 각각 순차적으로 도 3의 흐름도에 따른 배전계획용 공간부하 예측 방법(S100, S210 ~ S250)을 수행하는 방식으로, 배전계획용 시공간부하 예측 방법을 수행할 수 있다.

이 경우 배전계획용 시공간부하 예측 방법은, 도 3에 도시한 과정들 다음에 상기 배전선로를 포함한 지역의 시공간 부하를 예측하는 단계를 더 포함할 수 있다. 상기 시공간 부하를 예측하는 단계는 도 2의 배전계획 모듈에서 수행될 수 있으며, 현재 시점에서 2번째 이후의 예측기간에 대한 공간부하 예측은 이전 예측기간에 대하여 수행된 결과를 기반으로 수행될 수 있다.

도 3에서, 상기 배전선로의 최대 부하를 예측하는 단계(S100)는, 배전선로별 최대 순부하 증감율을 예측하는 단계(S120); 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계(S140); 및 상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계(S160)로 이루어진다.

또한, 상기 배전선로별 최대 순부하 증감율을 예측하는 단계(S120)는, 행정구역별 전력 판매량 실적 정보를 획득하는 단계(S122); 상기 행정구역별 전력 판매량 실적 정보(및 행정구역별 계약전력 정보)로부터 행정구역별 전력 판매량 증감률을 예측하는 단계(S124); 배전선로를 경과하는 행정구역별 (계약)전력 점유율을 산출하는 단계(S126); 및 배전선로별 최대 순부하 증감율을 산정하는 단계(S128)를 포함할 수 있다.

또한, 상기 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계(S140)는, 행정구역별 분산전원 발전소 설치용량 정보를 획득하는 단계(S142); 미래의 행정구역별 분산전원 발전소 설치용량을 예측하는 단계(S144); 배전선로를 경과하는 행정구역별 분산전원 발전소 설치용량의 점유율을 산출하는 단계(S146); 및 배전선로별 분산전원 발전소에 따른 부하 감소량을 도출하는 단계(S148)를 포함할 수 있다.

상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계(S160)는, 상기 분산전원 발전량에 따른 순부하 감소량 예측 단계(S162); 및 상기 분산전원 발전량을 고려한 배전선로별 최대부하를 예측하는 단계(S164)를 포함할 수 있다.

먼저, 도 2의 최대 순부하 증감율 예측 모듈(A)에서 수행하는 도 3의 배전선로별 최대 순부하 증감율을 예측하는 단계(S120)에 대하여 살펴본다.

예컨대, 상기 행정구역별 전력 판매량 실적 정보를 획득하는 단계(S122)에서는, 행정구역별 판매량 실적을 입력하기 위해 수집한 데이터를 바탕으로 두 가지 표를 구성할 수 있다. 행정구역별, 연도별 전력판매량 집계표와 행정구역별 계약전력 집계표로 구성될 수 있으며, 이 표의 구성은 하기 표 1 및 표 2와 같다.

수집한 데이터를 위와 같이 두 가지 표로 구성한 이유는 다음과 같다. 표 1의 경우에는 행정구역별 전력판매량이 연도별로 구성되어있어 증감율을 파악할 수 있다. 이 증감율을 표 2에 적용하여 선로별 계약전력을 예측하는 모델을 구성할 수 있다. 구현에 따라, 표 1의 값들을 입력으로 하여 미래의 전력 판매량 증감율을 예측하되, 표 2의 값을 적용하여 예측된 값을 미세 조정하거나, 미래의 전력 판매량 증감율을 예측하는 학습 모델에 대한 학습 결과 평가의 근거로서 이용될 수도 있다.

도 4는 전력판매량 예측 모델 프로세스의 세부 알고리즘의 실시예들을 도시한다.

상기 행정구역별 전력 판매량 증감률을 예측하는 단계(S124)에서는, 상기 S122 단계에서 수집되어 구성된 표 1의 데이터를 이용하여 전력판매량 증감율을 예측한다. S124 단계에서 생성되는 전력판매량 증감율 예측 데이터는 다음 과정에서 배전선로별 계약전력 증감율을 예측 하는데에 이용될 것이다.

예컨대, 도 4에 도시한 바과 같이 SVR(Support Vector regression)을 이용한 예측 모델, GP(Gaussian Process)를 이용한 예측 모델을 구성하고 최종적으로 두 모델을 결합하는 앙상블 모델로 전력판매량 증감률을 예측할 수 있다.

SVR(서포트벡터회귀)는 SVM(서포트벡터머신)에서의 손실함수를 도입하여 회귀식을 구성하는 방법이다. 기존의 선형예측에서 벗어나 커널함수를 도입해 비선형 회귀식을 도출한다. GP(Gaussian Process) 회귀모델은 확률적으로 정의된 함수 분포에서 데이터에 대한 함수를 예측하는 모델이다. SVR, GP 알고리즘을 이용해 예측한 전력판매량 증감률을 바탕으로 앙상블 모델을 구성하여 예측 성능이 개선된 예측 결과를 도출할 수 있다.

상기 배전선로를 경과하는 행정구역별 계약 전력 점유율을 산출하는 단계(S126)에서는, 상기 S122 단계에서 구성한 표 2의 내용을 바탕으로 하기 표 3과 같이 표를 재구성하고 선로별 점유율을 계산한다. 상기 S124 단계에서 구한 행정구역별 전력판매량 증감율을 적용하기 위해서 각 선로가 행정구역별로 점유한 계약전력을 계산하는 것이다.

상기 배전선로별 최대 순부하 증감율을 산정하는 단계(S128)에서는 상기 S126 단계에서 구한 점유율과 상기 S124 단계에서 구한 전력판매량 증감율을 곱하여 각 선로가 지나는 행정구역의 계약전력 변화량을 산정할 수 있다. 이에 따라, 기준 연도의 계약전력을 기준으로 차례대로 계약전력 변화량을 곱하여 연차별 최대부하를 예측할 수 있다.

다음, 도 2의 부하 감소량 예측 모듈(B)을 이용하여 수행하는 도 3의 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계(S140)에 대하여 살펴본다. 예컨대, 상기 부하 감소량 예측 모듈(B)에서는 태양광 발전량을 산정하여 이전 A 모듈에서 산정한 최대부하에서 태양광 발전량을 더하여 실제 부하량을 계산할 수 있다.

상기 행정구역별 분산전원 발전소 설치용량 정보를 획득하는 단계(S142)에서는, 상기 최대 순부하 증감율 예측 모듈(A)과 유사한 방식으로 분산전원 관련 데이터를 수집하고 집계표를 구성할 수 있다. 예컨대, 태양광 발전소 설치 현황 데이터 형식을 하기 표 4와 같이 구성할 수 있다.

그리고, 표 4의 신재생에너지 현황표와 행정구역별 데이터를 결합하여 행정구역별 태양광 발전소 위치, 설치일, 설치용량를 파악할 수 있다. 이 때, 태양광 발전량 예측을 위한 데이터 집계표인 하기 표 5와 같이 설치일, 위치에 따라 정리하여, 미래 태양광 발전소 설치를 예측을 지원할 수 있다.

상기 미래의 행정구역별 분산전원 발전소 설치용량을 예측하는 단계(S144)에서는, 예컨대, 표 5에 정리된 데이터를 기반으로 태양광 발전소 도입을 결정하는 외부 변수를 선정하여, 하기 표 6으로 정리할 수 있다. 태양광 발전소 도입에 영향을 끼치는 변수를 독립(입력)변수라 하고 태양광 패널 설치 유무, 또는 설치 용량을 종속(출력)변수라고 하면, 연관성이 높은 입력 변수로는 기간 내 기상 변수(온도, 습도, 일사량 등)의 평균치, 토지 용도, 지가를 설정할 수 있다. 행정구역 내 연도별 입력 변수와 설치 용량을 정리하면 하기 표 6의 행정구역별 연도별 태양광 발전량 및 후보 입력변수 집계표와 같다.

상기 배전선로를 경과하는 행정구역별 분산전원(태양광) 발전소 설치용량의 점유율을 산출하는 단계(S146)에서는, 상기 최대 순부하 증감율 예측 모듈(A)에서 활용한 선로 데이터로서 표 2의 내용을 이용하여 배전선로가 경과하는 행정구역별 태양광 발전소 설치용량 점유율을 계산할 수 있다. 이 과정은 상기 S126 단계에서 행정구역별 계약전력 점유율을 도출한 과정과 유사하며, 배전선로가 지나는 행정구역별 태양광 발전량의 증가 추세를 파악하기 위한 과정이다.

상기 배전선로별 분산전원 발전소에 따른 부하 감소량을 도출하는 단계(S148)에서는, 상기 S142 단계 내지 S146 단계에서 정리한 데이터를 기반으로 배전선로별 태양광 발전소 설비용량을 예측할 수 있다. 후속과정에서, 이 결과를 상기 최대 순부하 증감율 예측 모듈(A)에서 도출한 최대 순부하 값이랑 더할 것이다. 예컨대, 하기 수학식 1과 같은 관계식을 이용해 태양광 발전소의 설비용량에 따라 부하 감소에 영향을 미친 태양광 발전량을 산정할 수 있다.

[수학식 1]

(행정구역별 태양광 최대 출력률) = (지역별 최대발전실적[MW])/(설비용량[MW]) × 100%

상기 수학식에서 행정구역별(지역별) 태양광 최대 출력률은 하기 표 7과 같이 정리될 수 있다. 이는 하기 수학식 2에서 태양광 발전 설비용량 예측치와 곱하여 부하 감소량으로 도출할 수 있다.

그리고, 최대 순부하와 합산하기 위해 다음과 같이 태양광 설치용량 예측치와 위에서 구한 최대 출력률을 곱하여 실제 부하 감소량에 영향을 끼친 최대 태양광 발전량을 하기 수학식 2와 같이 산정할 수 있다.

[수학식 2]

(행정구역별 태양광 발전량에 의한 실제부하 감소량)

= (태양광 발전 설비용량 예측치[MW]) × (태양광 발전 최대출력률)

다음, 도 2의 태양광 발전량을 고려한 최대부하 예측 모듈(C)에서 수행하는 도 3의 상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계(S160)에 대하여 살펴본다.

상기 태양광 발전량에 따른 순부하 감소량 예측 단계(S162)에서는, 상기 부하 감소량 예측 모듈(B)이 수행하는 마지막 과정인 상기 S148 단계에서 산정한 배전선로별 태양광 발전량에 의한 부하 감소량에 따라 하기 표 8과 같은 태양광 발전량을 고려한 배전선로별 최대부하 증감율 예측 집계표로 데이터를 정리할 수 있다. 이후, 상기 최대 순부하 증감율 예측 모듈(A)에서 산정한 최대 순부하 증가율도 함께 작성하여, S164 단계를 후속할 수 있다.

상기 태양광 발전량을 고려한 배전선로별 최대부하를 예측하는 단계(S164)에서는 상기 최대 순부하 증감율 예측 모듈(A)에서 구한 배전선로별 최대 순부하 증가율과 배전선로별 태양광 발전량 증가율을 합산하여 최대 실제 부하량을 산정할 수 있다. 이를 통해 중장기 배전선로별 최대부하 예측 결과가 도출될 수 있다.

다음, 도 2의 AMI 데이터를 활용한 공간부하 예측 모듈(D)에서 수행하는 단계들에 대하여 살펴본다.

AMI 데이터를 활용한 공간부하 예측은 기존의 행정구역별, 배전설로별 예측보다 상세한 소규모 지역 예측을 위한 방법이다. 임의로 소규모 지역을 분할하여 각 소 지역의 특성을 수집하고 특성에 따라 지역을 분류하기 위해서 AMI 데이터를 도입한다. 이외에도 지역의 특성을 나타낼 수 있는 경제적, 사회적 지표도 필요하다. 현재, AMI는 모든 부하, 발전기의 AMI 데이터를 취득하지 못하므로 본 발명에서는 클러스터링 기법을 공간 부하 예측에 활용하는 방안을 제시한다.

도 2에 도시한 AMI 네트워크로 정보(데이터)들을 전송받는 단계(S210)에서는, AMI 데이터 입력(수집)을, 예컨대, AMI, 경제적, 사회적 데이터를 종합하여 소규모 지역에 데이터 입력을 위한 표로서 하기 표 9를 구성하여 수행할 수 있다. 이를 바탕으로 후속되는 S220 단계에서 클러스터링을 통해 소지역의 특성을 파악하여 분류를 수행한다.

도 5는 AMI 데이터를 이용한 소규모 단위지역 데이터 클러스터링 과정을 도시한 개념도이다.

상기 배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 단계(S220)는, 클러스터링 기법을 이용한 공간 부하 예측 모델을 구성하여 수행될 수 있다. 여기서, 클러스터링은 단위지역들을 소정 기준들에 따라 그룹화한 클러스터를 구성하고, 그룹에 대한 식별로서 클러스터 번호를 부여하는 것을 의미할 수 있다.

예컨대, 도 5에서 먼저 지적도와 배전선로 데이터를 불러오고 정사각형의 소규모 단위지역들로 분할한다. 분할된 소규모 단위지역에는 코드를 부여하여 구분할 수 있어야 한다. 그리고, 존재하는 AMI 데이터를 각 지역에 대입한다. 분류 학습을 통해 자동으로 산정된 오차에 따라 적정 분할 개수가 결정되며 각 소규모 지역에 분류 번호가 지정된다. 도 5에서는 예시로 5개로 분류하여 각 지역에 클러스터링 번호를 지정하였다.

도 6은 AMI 부재 지역에 대하여 클러스터 번호를 부여하는 과정을 도시한 개념도이다.

상기 AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계(S230)에서는, 예컨대, 도 6에서와 같이 AMI 데이터가 없는 나머지 지역에 대해 분류 작업을 시행한다. 원리는 기존에 클러스터를 지정한 5가지 종류와 유사한 지역에 해당 클러스터를 부여하는 것이다. AMI 부재 지역의 입력변수를 분류 학습한 모델에 입력하면 분류 기준에 따라 적절한 클러스터를 출력한다. 모든 소지역에 대해 이 작업을 수행하면 도 6의 오른쪽 그림과 같이 나머지 지역에도 클러스터 숫자를 부여할 수 있다. 검은색 숫자는 AMI 데이터가 있어서 도 5에서 지정한 클러스터이고 노란색 숫자는 AMI 데이터가 없지만 이전에 있었던 클러스터의 분류 기준에 따라 선정된 클러스터이다.

즉, 도 5에 도시한 단위지역들을 상기 S220 단계에서의 클러스터링 수행에 의해 AMI가 존재하는 단위지역들에 대하여 먼저 클러스터 번호가 부여되고, 도 6에 도시한 상기 S230 단계에서의 클러스터링 수행에 의해 AMI가 부재한 단위지역들에 대하여 클러스터 번호가 부여된다. 도 5 및 도 6의 과정은 동종이거나 동일한 학습 모델에 의해 수행될 수도 있다.

도 6에서는 클러스터 학습 모델의 입력값으로서, 기온, 일사량, 인구, 토지용도, 등등이 적용되어 있으며, 출력값으로서 해당 단위지역이 부하 기준에서 속하게 되는 분류 집합으로서 클러스터 번호가 적용되었음을 알 수 있다.

도 7은 AMI 부재 지역에 대하여 클러스터 번호를 부여하기 위한 도 6에 후속되는 과정을 도시한 개념도이다.

상기 태양광 발전량을 고려한 최대부하 예측 모듈(C)의 결과에 따라 배전선로내 전체 부하량은 선정되었고, 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계(S240)에서는, 이를 소규모 지역 개수, 클러스터별로 부하를 나눠 소규모 지역에 부하를 할당한다. 예컨대, 부하량은 클러스터에 따라, 입력변수에 따라 분류 학습의 결과로 도 7과 같이 도출될 수 있다.

도 8은 AMI 데이터를 이용한 클러스터링 방법을 이용한 시공간 부하 생성 과정을 도시한 개념도이다.

상기 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계(S250)는 도 8에 도시한 바와 같이 연도별로 수행될 수 있다. 그에 따라, 도시한 바와 같이 배전선로별 최대부하 예측치에 따라 연도별 소규모 지역의 최대부하를 예측할 수 있다. 더불어, 소규모 지역 최대부하 예측을 통해 배전선로별 및 배전선로 구간별 최대부하 예측도 가능하다.

다른 구현에서는, 2개 이상의 미래의 예측기간들에 대하여, 각각 순차적으로 도 6, 7과 같은 클러스터링 번호 부여를 수행하되, 이 경우, 현재 시점에서 2번째 이후의 예측기간에 대한 클러스터링 번호 부여는 이전 예측기간에 대하여 수행된 결과를 기반으로 수행할 수 있다. 그러면, 미래의 예측기간들에 대한 클러스터링 수행 결과들의 집합은, 일종의 부하의 시공간 예측 정보가 될 수 있다. 도 8은 예측기간을 1년으로 하여 시공간 예측 정보를 구성한 것이다.

장치 발명을 구성하는 하드웨어적 관점에서, 도 2에 도시한 본 발명의 사상의 구현을 위한 배전계획 시스템은, 전력 배전망에 구비된 다양한 측정 장치들 및 운영 서버들로부터 배전 계획에 필요한 데이터를 전송받는 데이터 연계 시스템(900); 배전계획을 위해 본 발명의 사상에 따른 부하 예측을 수행하고 공간부하 정보를 작성하는 배전계획을 위한 부하 예측 시스템(100); 상기 전력 배전망에 대한 계통 구성을 확인하는 배전계획을 위한 계통 구성 모듈(800); 배전계획을 위해 수집되거나 작성된 정보들을 저장하는 배전계획용 DB(300); 및 상기 배전계획용 DB에 저장된 정보들 및 상기 공간부하 정보를 이용하여 중장기 배전계획을 작성하는 배전계획 모듈(400)을 포함할 수 있다.

또한, 도 2의 배전계획을 위한 부하 예측 시스템(100)은, 배전선로별 최대 순부하 증감율을 예측하는 최대 순부하 증감율 예측 모듈(A); 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 부하 감소량 예측 모듈(B); 상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 최대부하 예측 모듈(C); 및 AMI 데이터 및 배전선로별 최대 부하 예측값을 이용하여 공간부하를 예측하는 AMI 데이터 활용 공간부하 예측 모듈(D)을 포함할 수 있다.

도 9는 본 발명의 사상에 따른 공간부하 예측 방법을 수행하는 배전계획을 위한 공간부하 예측 장치를 도시한 블록도이다.

현재 시점의 배전선로의 최대 부하를 확보하는 배전선로 최대부하 수집부(290); 미래의 상기 배전선로의 최대 부하 예측값을 확보하는 배전선로 최대부하 예측값 수집부(C); AMI 네트워크로부터 정보를 입력받는 AMI 데이터 수집부(210); 상기 배전선로를 포함한 지역을 단위지역들로 구분하고 상기 AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 클러스터링부(220); 상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 소규모 단위지역 부하 할당부(240); 예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 소규모 단위지역 최대부하 예측부(250); 및 상기 각 단위지역별로 최대 부하 예측값들로 이루어진 공간부하 정보를 작성하는 공간부하 작성부(260)를 포함할 수 있다.

구현에 따라, 상기 AMI 데이터 수집부(210)는, 공간부하 예측의 근거가 되는 AMI 정보/데이터를 해당 기관(전력 회사, 지자체 등)의 서버 등으로부터 전송받아 저장하며, 후속 처리를 수행하는데 원할하도록 필요시 동종 데이터의 포맷을 통일하는 등의 전처리를 수행할 수 있다.

구현에 따라, 상기 클러스터링부(220)는, 지적도와 D/L(배전 선로) 배치도를 매칭하고, 다수개의 단위지역들로 구획화하는 방식의 클러스터링 기법을 이용한 공간부하 예측 모델을 구성할 수 있다.

상기 클러스터링부(220)는, 상기 다수개의 단위지역들 중 먼저 AMI가 존재하는 단위지역들에 대하여 도 5와 같이 클러스터링을 수행하고, 다음 AMI 부재 단위지역들에 대하여 도 6과 같이 클러스터링을 수행할 수 있다.

상기 클러스터링부(220)는 상술한 클러스터링을 위해 일반적인 미래 예측용 학습 모델을 구비할 수 있으며, 학습 모델의 입력 변수로서 도 6의 학습 모델의 입력 변수와 유사한 것들을 적용하고, 출력 변수로 클러스터 번호(클러스터명)를 적용하고, 과거 수년간의 지역의 배전선로별 부하 증감 자료 및 AMI 수집 자료를 학습 결과 판정에 적용할 수 있다.

상기 소규모 단위지역 부하 할당부(240)는 부하 할당 작업을 위해, 현재 시점의 해당 지역 즉, 배전선로의 최대부하를 알 수 있어야 하며, 상기 배전선로 최대부하 수집부(290)는 배전 운영 서버나 상기 최대부하 예측 모듈(C)로부터 현재 시점의 배전선로 최대부하를 입력받아 저장할 수 있다.

도 9의 공간부하 예측 장치는 도 2의 경우 공간부하 예측 모듈(D)이고, 도 9의 배전선로 최대부하 예측값 수집부()는 도 2의 배전선로 최대부하 예측 모듈(C)이다. 그런데, 도 2의 배전계획 시스템과 독립적인 공간부하 예측 장치로 규정하여 살펴보기 위해, 별도로 공간부하 예측 장치 및 배전선로 최대부하 예측값 수집부로 칭하였다. 이 경우, 상기 배전선로 최대부하 예측값 수집부(C)는 도 2의 배전선로 최대부하 예측 모듈(C)이 전송하는 값을 입력받는 단순 래치나 레지스터일 수도 있다.

상기 소규모 단위지역 최대부하 예측부(250)는 도 7 및 도 8에 도시한 바와 같은 과정으로, 상기 소규모 단위지역 부하 할당부(240)에 구성한 현재 시점의 소규모 단위지역 최대 부하값들의 조합과, 상기 배전선로별 최대 부하 예측값을 이용하여, 소규모 단위지역 최대 부하 예측값들의 조합을 생성한다. 상기 현재 시점의 소규모 단위지역 최대 부하값들의 조합과, 상기 소규모 단위지역 최대 부하 예측값들의 조합은, 도 7의 우측과 유사한 형태의 구조를 가질 수 있다.

도시화에 따른 부하의 집중, 신재생에너지 도입량 증가 정책에 따라 분산전원으로 연계 확대로 배전용 변전소 및 변압기, 배전회선 및 간선 신설 등의 큰 규모의 배전계획 사업은 전체 부하성장률이 감소하고 있는 추세에도 늘어나고 있다. 따라서 중장기 부하예측의 정확성이 확보되지 않는다면, 배전계획 사업의 투자효율이 떨어지고 이를 통해 향후 설비의 이용률도 낮아질 것이다. 투자회피 등을 통한 최소 비용의 최적 배전계획을 위해서는 무엇보다 중장기 배전 부하예측의 고도화가 필요하다.

본 발명에서 제시하는 배전계획용 공간부하 예측 및 시스템은 기존 배전선로별 중장기 최대부하 예측값의 정확성을 향상시키고, 연계 확대 속도가 빨라지고 있는 태양광, EV 등의 분산전원을 고려한 최대부하 예측이 가능하면 이를 통해 배전설비 계획이 가능하다. 또한, 공간부하 예측을 통해 부하 중심점, 부하분포 및 구간부하 산출이 가능하여 최적 위치를 고려한 배전계획이 가능함으로 더욱 배전계획을 고도화 시킬 수 있다. 이를 통해 중장기적인 배전설비의 규모 및 용량을 최적화함으로써 2020년 기준 6,000억에 달하는 배전계획 사업비용을 투자회피 등을 통해 대규모로 절감할 수 있다.

또한, 기술이전을 통한 수익 창출 및 기술개발도상국을 상대로 컨설팅 등의 해외사업화 가능성이 매우 높다. 이 때, 전체 모듈 및 필요한 모듈별로 별도 기술이전 및 해외사업화가 가능하여 사업화 가능성 및 활용성이 더욱 높다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100 : 배전계획 부하 예측 시스템 200 : 공간부하 예측 모듈
300 : 배전계획용 DB 400 : 배전계획 모듈
600 : 계통 구성 모듈 900 : 데이터 연계 시스템
210 : AMI 데이터 수집부 220 : 클러스터링부
240 : 소규모 단위지역 부하 할당부
250 : 소규모 단위지역 최대부하 예측부
260 : 공간부하 작성부 290 : 배전선로 최대부하 수집부

Claims (14)

1. 배전선로별 최대 부하를 예측하는 단계;
   배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 단계;
   AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계;
   상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계; 및
   예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계
   를 포함하는 배전계획을 위한 공간 부하 예측 방법.
   
2. 제1항에 있어서,
   현재 AMI 정보를 기반으로 제1 예측구간에 대한 예측을 수행하고, 상기 제1 예측구간에 대한 예측 정보를 기반으로 다음 제2 예측구간에 대한 예측을 수행하는 방식으로, 상기 배전선로를 포함한 지역의 시공간 부하를 예측하는 단계
   를 더 포함하는 배전계획을 위한 공간 부하 예측 방법.
   
3. 제1항에 있어서,
   상기 배전선로별 최대 부하를 예측하는 단계는,
   배전선로별 최대 순부하 증감율을 예측하는 단계;
   배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계; 및
   상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계
   를 포함하는 배전계획을 위한 공간 부하 예측 방법.
   
4. 제3항에 있어서,
   상기 배전선로별 최대 순부하 증감율을 예측하는 단계는,
   행정구역별 전력 판매량 실적 정보를 획득하는 단계;
   상기 행정구역별 전력 판매량 실적 정보로부터 행정구역별 전력 판매량 증감률을 예측하는 단계;
   배전선로를 경과하는 행정구역별 전력 점유율을 산출하는 단계; 및
   배전선로별 최대 순부하 증감율을 산정하는 단계
   를 포함하는 배전계획을 위한 공간 부하 예측 방법.
   
5. 제4항에 있어서,
   상기 배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 단계는,
   행정구역별 분산전원 발전소 설치용량 정보를 획득하는 단계;
   미래의 행정구역별 분산전원 발전소 설치용량을 예측하는 단계;
   배전선로를 경과하는 행정구역별 분산전원 발전소 설치용량의 점유율을 산출하는 단계; 및
   배전선로별 분산전원 발전소에 따른 부하 감소량을 도출하는 단계
   를 포함하는 배전계획을 위한 공간 부하 예측 방법.
   
6. 제5항에 있어서,
   상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 단계는,
   상기 분산전원 발전량에 따른 순부하 감소량 예측 단계; 및
   상기 분산전원 발전량을 고려한 배전선로별 최대부하를 예측하는 단계
   를 포함하는 배전계획을 위한 공간 부하 예측 방법.
   
7. 전력 배전망에 구비된 측정 장치들 및 운영 서버들로부터 배전 계획에 필요한 데이터를 전송받는 데이터 연계 시스템;
   배전계획을 위해 본 발명의 사상에 따른 부하 예측을 수행하고 공간부하 정보를 작성하는 배전계획 부하 예측 시스템;
   상기 전력 배전망에 대한 계통 구성을 확인하는 배전계획을 위한 계통 구성 모듈;
   배전계획을 위해 수집되거나 작성된 정보들을 저장하는 배전계획용 DB; 및
   상기 배전계획용 DB에 저장된 정보들 및 상기 공간부하 정보를 이용하여 중장기 배전계획을 작성하는 배전계획 모듈
   을 포함하는 배전계획 시스템.
   
8. 제7항에 있어서,
   상기 배전계획을 위한 부하 예측 시스템은,
   배전선로별 최대 순부하 증감율을 예측하는 최대 순부하 증감율 예측 모듈;
   배전선로별 분산전원 발전량에 의한 부하 감소율을 예측하는 부하 감소량 예측 모듈;
   상기 배전선로별 최대 순부하 증감율에 상기 부하 감소율을 반영하여 배전선로별 최대 부하를 산출하는 최대부하 예측 모듈; 및
   AMI 데이터 및 배전선로별 최대 부하 예측값을 이용하여 공간부하를 예측하는 AMI 데이터 활용 공간부하 예측 모듈
   을 포함하는 배전계획 시스템.
   
9. 제7항에 있어서,
   상기 배전계획을 위한 부하 예측 시스템은,
   배전선로별 최대 부하를 예측하는 단계;
   각 배전선로를 포함한 지역을 단위지역들로 구분하고, AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 단계;
   AMI가 부재한 단위지역들에 대하여 클러스터링하는 단계;
   상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 단계; 및
   예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 단계를 포함하는 배전계획을 위한 공간 부하 예측 방법을 수행하는 배전계획 시스템.
   
10. 현재 시점의 배전선로의 최대 부하를 확보하는 배전선로 최대부하 수집부;
    미래의 상기 배전선로의 최대 부하 예측값을 확보하는 배전선로 최대부하 예측값 수집부;
    AMI 네트워크로부터 정보를 입력받는 AMI 데이터 수집부;
    상기 배전선로를 포함한 지역을 단위지역들로 구분하고 상기 AMI 네트워크로 전송받은 정보를 기반으로 상기 단위지역들을 클러스터링하는 클러스터링부;
    상기 배전선로를 포함한 지역에 대한 각 단위지역들에 지정된 클러스터 번호를 적용하여 소규모 지역부하를 할당하는 소규모 단위지역 부하 할당부;
    예측된 상기 배전선로의 최대 부하를 상기 각 단위지역들에 분할하여, 각 단위지역별로 최대 부하를 예측하는 소규모 단위지역 최대부하 예측부; 및
    상기 각 단위지역별로 최대 부하 예측값들로 이루어진 공간부하 정보를 작성하는 공간부하 작성부
    를 포함하는 배전계획을 위한 공간부하 예측 장치.
    
11. 제10항에 있어서,
    상기 클러스터링부는,
    지적도와 D/L(배전 선로) 배치도를 매칭하고, 다수개의 단위지역들로 구획화하는 방식의 클러스터링 기법을 이용하는 배전계획을 위한 공간부하 예측 장치.
    
12. 제11항에 있어서,
    상기 클러스터링부는,
    상기 다수개의 단위지역들 중 먼저 AMI가 존재하는 단위지역들에 대하여 클러스터링을 수행하고, 다음 AMI 부재 단위지역들에 대하여 클러스터링을 수행하는 배전계획을 위한 공간부하 예측 장치.
    
13. 제11항에 있어서,
    상기 클러스터링부는,
    입력값으로서 기온, 일사량, 인구, 토지용도 중 적어도 2 이상을 적용하고,
    출력값으로서 해당 단위지역이 부하 기준에서 속하게 되는 분류 집합으로서 클러스터 번호를 적용하고,
    과거 배전선로별 부하 증감 자료 및 AMI 수집 자료를 학습 결과 판정에 적용하는 학습 모델을 구비하는 배전계획을 위한 공간부하 예측 장치.
    
14. 제11항에 있어서,
    상기 소규모 단위지역 최대부하 예측부는,
    상기 소규모 단위지역 부하 할당부에 구성한 현재 시점의 상기 단위지역 최대 부하값들의 조합과, 상기 배전선로별 최대 부하 예측값을 이용하여, 소규모 단위지역 최대 부하 예측값들의 조합을 생성하는 배전계획을 위한 공간부하 예측 장치.

Images