KR20230040608A - Method and system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system - Google Patents
Method and system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system Download PDFInfo
- Publication number
- KR20230040608A KR20230040608A KR1020210123963A KR20210123963A KR20230040608A KR 20230040608 A KR20230040608 A KR 20230040608A KR 1020210123963 A KR1020210123963 A KR 1020210123963A KR 20210123963 A KR20210123963 A KR 20210123963A KR 20230040608 A KR20230040608 A KR 20230040608A
- Authority
- KR
- South Korea
- Prior art keywords
- real
- power generation
- data
- estimating
- time measurement
- Prior art date
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005259 measurement Methods 0.000 claims abstract description 134
- 238000013480 data collection Methods 0.000 claims abstract description 16
- 230000008520 organization Effects 0.000 claims abstract description 14
- 238000007689 inspection Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012731 temporal analysis Methods 0.000 description 4
- 238000000700 time series analysis Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- G06F17/40—Data acquisition and logging
-
- 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
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
본 발명은 배전운영시스템에서 배전계통 연계 태양광 발전기(PV라 표기)의 실시간 발전량을 추정하기 위해 배전선로 구간 단위로 태양광 설비의 발전량을 실시간 추정하는 방법에 관한 것이다.The present invention relates to a method for estimating the amount of power generation of a photovoltaic facility on a distribution line section basis in real time in order to estimate the amount of power generation in real time of a photovoltaic generator (denoted as PV) linked to a distribution system in a distribution operating system.
최근 신재생 에너지를 이용한 발전 시스템에 대한 관심이 높아지고 있으며, 다양한 종류의 신재생 에너지 중에서도 시스템 구축의 용이성 및 경제성이 유리한 태양광을 이용한 발전 시스템이 각광받고 있다.Recently, interest in a power generation system using renewable energy is increasing, and among various types of renewable energy, a power generation system using solar light, which is advantageous in terms of ease of system construction and economic feasibility, is in the spotlight.
일반적으로 태양광 발전은 무공해, 무한정의 태양광을 이용하고, 환경에 미치는 악영향이 거의 없기 때문에 신재생에너지 발전 기술로 각광받고 있으며, 온실가스에 대한 배출규제가 구체화되면서 선진국을 중심으로 태양광을 비롯한 신재생에너지 발전설비의 보급이 늘어나고 있다.In general, photovoltaic power generation is in the limelight as a new and renewable energy generation technology because it uses pollution-free and unlimited sunlight and has little adverse effect on the environment. The spread of new and renewable energy power generation facilities is increasing.
국내에서도 국가 정책에 따라 배전계통에서 분산형전원의 보급이 급격히 증가하고 있는데, 태양광 발전기의 비율이 가장 높다.In Korea, the supply of distributed power generation is rapidly increasing in the distribution system according to national policy, and the ratio of solar power generators is the highest.
배전계통으로의 분산형전원의 유입이 늘어남에 따라, 분산형전원의 간헐적 출력 특성에 따른 전력계통의 안정적 운영을 위한 기준이 개설되고 있다.As the inflow of distributed power sources into the distribution system increases, standards for stable operation of the power system according to the intermittent output characteristics of distributed power sources are being established.
전력계통 신뢰도 및 전기품질 유지기준에 따라 송·배전사업자가 전력거래소에 분산형전원의 실시간 출력정보를 제공하도록 요구되고 있다.In accordance with power system reliability and electricity quality maintenance standards, transmission and distribution operators are required to provide real-time output information of distributed power sources to the power exchange.
또한 송·배전용전기설비이용규정에 근거하여 배전계통 연계 분산형전원 원격 출력제어 책임이 전력회사(한전)에 부여되었는데, 배전계통의 운영과 관련하여서는 다음과 같은 이슈가 있다.In addition, based on the regulations on the use of electric facilities for transmission and distribution, responsibility for remote output control of distributed power sources linked to the distribution system has been assigned to the electric power company (KEPCO). There are the following issues in relation to the operation of the distribution system.
배전계통을 안정적으로 운영하기 위해서 배전선로의 실제 부하(총부하, Gross Load) 정보를 정확히 알아야 한다. 하지만 현행 배전운영시스템에서 산정 가능한 순부하(Net Load)는 분산형전원의 발전량이 혼재되어 있기 때문에, 배전선로의 실제 부하와 분산형전원의 출력을 고려한 배전계통 운영은 불가능하다.In order to stably operate the distribution system, it is necessary to accurately know the actual load (gross load) information of the distribution line. However, since the net load that can be calculated in the current distribution operating system is mixed with the generation amount of distributed generation, it is impossible to operate the distribution system considering the actual load of distribution lines and the output of distributed generation.
또한, 이는 분산형전원의 계통 접속과도 관련이 있다. 특정 배전선로의 분산형전원 최적 수용용량, 그리고 선로 구간별 최적 연계위치를 정확히 산정하기 위해서는 실제 부하 정보를 배전선로 구간별로 알아야 한다. 하지만 현재 운영 중인 시스템에는 실제 부하 정보가 제공되지 않으므로, 변전소운전실적관리시스템(SOMAS)와 같은 시스템에서 제공하는 순부하 이력 정보와 분산형전원의 설비용량 정보를 기반으로 보수적인 수용용량 산정만이 가능한 상황이다.In addition, this is also related to grid connection of distributed power sources. In order to accurately calculate the optimal capacity for distributed power generation of a specific distribution line and the optimal connection location for each line section, actual load information must be known for each section of the distribution line. However, since actual load information is not provided in the currently operating system, conservative capacity calculation based on net load history information provided by systems such as the Substation Operation Performance Management System (SOMAS) and facility capacity information of distributed power generation is required. situation is possible.
분산형전원의 원격 출력 제어를 위해서는 배전계통에 연계된 분산형전원의 실시간 발전량의 계측정보가 필요하지만, 현재 한전이 운영하는 배전운영시스템에서는 소수의 분산형전원 상태를 실시간으로 감시하고 있다.For remote output control of distributed power sources, measurement information of real-time generation amount of distributed power sources connected to the distribution system is required, but the current distribution operating system operated by KEPCO monitors the status of a small number of distributed power sources in real time.
분산형전원의 실시간 감시를 위해 분산형전원이 설치된 개소에 분산형전원용 감시 단말장치가 설치되며, 배전운영시스템과 광통신망으로 연계되어 수분 주기로 계측정보가 전달된다. 하지만 단말장치 설치 및 광통신 연계에는 고비용이 요구되는데다, 지리적인 이유로 광통신 연계가 어렵기 때문에 극소수의 분산형전원에만 적용되어 있다.For real-time monitoring of distributed power sources, a monitoring terminal device for distributed power sources is installed at the location where the distributed power sources are installed, and measurement information is transmitted every few minutes in connection with the distribution operating system and optical communication network. However, high cost is required for terminal device installation and optical communication connection, and optical communication connection is difficult due to geographical reasons, so it is applied only to a very small number of distributed power sources.
위와 같은 이유로 일반적으로 분산형전원에 대해 한전 자체 무선 통신망(TRS)을 활용한 감시방식을 적용하였지만, 기상 조건 등에 따라 배전운영시스템에서의 통신 성공률이 낮아지는 문제점으로 인해 계측 주기가 일정하지 않거나 수 시간 동안 계측정보가 취득되지 않기도 한다.For the above reasons, a monitoring method using KEPCO's own wireless communication network (TRS) was generally applied to distributed power sources. During this time, measurement information may not be obtained.
최근 분산형전원의 정보 수집 목적의 ATT(AMI Transition Town)사업을 통해 배전계통에 연계된 분산형전원에 AMI(지능형 전력계량 인프라) 설치가 확대되고 있다. 하지만, 보안 문제로 인하여 AMI에서 계측된 정보를 배전운영시스템에서 직접 취득하고 있지 않으며, 해당 정보는 수 분에서 수십 분 지연되어 MDMS(미터링관리시스템)에 전송되어 저장된다.Recently, through the ATT (AMI Transition Town) project for the purpose of collecting information on distributed power sources, the installation of AMI (Intelligent Power Metering Infrastructure) is expanding in distributed power sources connected to the distribution system. However, due to security issues, the information measured by AMI is not directly acquired from the distribution operating system, and the information is transmitted and stored in MDMS (metering management system) with a delay of several to tens of minutes.
이런 구조로 인하여, MDMS에 저장된 AMI 정보를 배전운영시스템에서 취득하게 되면 실시간 발전량 정보는 취득할 수 없게 된다.Due to this structure, when AMI information stored in MDMS is acquired from the distribution operating system, real-time power generation information cannot be obtained.
또한, 배전계통에 연계된 수 kW 단위의 소용량 분산형전원은 어떠한 감시장치도 설치되지 않은 상태로 운영된다. 이러한 소용량 분산형전원의 수량이 늘어감에 따라 배전망의 혼잡성을 야기하게 된다.In addition, small-capacity distributed power sources in units of several kW connected to the distribution system are operated without any monitoring devices installed. As the number of such small-capacity distributed power sources increases, congestion in the distribution network is caused.
도 1은 한국전력에서 운영 중인 배전계통내 분산형전원의 감시 현황을 보여준다.1 shows the monitoring status of distributed power sources within a distribution system operated by KEPCO.
태양광 발전량 추정과 관련하여 제안된 선행기술들은, 1) 입력정보로 기상데이터 사용 2) 기상데이터는 소수의 특정 사이트에 설치된 센서를 통해 취득 3) 실시간 추정이 아닌 실시간 측정 정보 기반의 단기·장기 예측의 태양광 설비의 규모와 무관하게 기상 정보를 이용하여 발전량을 추정하는 것 뿐이다.Prior technologies proposed in relation to photovoltaic power generation estimation are: 1) Using weather data as input information 2) Weather data acquired through sensors installed in a small number of specific sites 3) Short-term and long-term based on real-time measurement information, not real-time estimation It is only estimating the amount of power generation using weather information regardless of the size of the predicted solar installation.
그런대, 보안상 또는 비용상의 이유로 기상데이터와 같은 외부정보를 실시간으로 취득할 수 없는 배전운영시스템 운영 환경에서는 선행 기술을 적용할 수 없다.However, the prior art cannot be applied in a distribution operating system operating environment in which external information such as weather data cannot be acquired in real time for reasons of security or cost.
이를 극복하고자 배전계통에 연계된 수많은 모든 태양광 발전기에 센서를 설치할 수는 없고, 기상청 정보와 같이 공적으로 제공되는 기상데이터의 경우 도시 단위의 광범위한 범위의 정보만을 제공하기에 배전계통내 다양한 위치에 분포되어 있는 태양광 발전량에 해당 기술을 적용하기는 어렵다.In order to overcome this, it is impossible to install sensors on all the numerous photovoltaic generators connected to the distribution system, and in the case of publicly provided meteorological data, such as information from the Korea Meteorological Administration, it provides only a wide range of information at the city level, so it can be located in various locations within the distribution system. It is difficult to apply the technology to distributed solar power generation.
본 발명은 배전 계통에 소규모로 다양한 형태로 분산 설치된 태양광 설비의 발전량을 예측할 수 있는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법 및 시스템을 제공하고자 한다.An object of the present invention is to provide a method and system for estimating the amount of power generated by photovoltaic facilities provided in a distribution system capable of predicting the amount of power generated by the photovoltaic facilities installed in various forms and distributed in a small scale in the distribution system.
본 발명의 일 측면에 따른 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법은, 대상 배전 계통에 구비된 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들을 수집하여 정리하는 데이터 수집/정리 단계; 정리된 상기 태양광 설비들에 대한 관련 정보들로부터 각 태양광 설비들을 분류하는 PV 분류 단계; 미계측 PV가 아닌 것으로 분류된 각 태양광 설비들에 대하여 AMI 검침 데이터로부터 발전량의 실시간 계측 데이터를 정밀추정하는 정밀추정 단계; 및 정밀추정된 상기 실시간 계측 데이터를 기반으로 미계측 PV로 분류된 각 태양광 설비들의 발전량을 추정하는 미계측 PV 추정 단계를 포함할 수 있다.A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system according to an aspect of the present invention includes a data collection/organization step of collecting and organizing related information including AMI meter reading data for photovoltaic facilities provided in a target distribution system ; a PV classification step of classifying each photovoltaic facility from the organized related information on the photovoltaic facility; A precise estimation step of accurately estimating real-time measurement data of power generation from AMI meter reading data for each photovoltaic facility classified as non-measured PV; and an unmeasured PV estimating step of estimating the amount of power generation of each photovoltaic facility classified as unmeasured PV based on the accurately estimated real-time measurement data.
여기서, 상기 데이터 수집/정리 단계는, 대상 배전 계통에 구비된 태양광 설비들의 설치 정보를 획득하는 단계; 상기 태양광 설비들의 AMI 검침 데이터 및 실시간 계측 데이터를 획득하는 단계; 소정 기간의 상기 AMI 검침 데이터에 대한 검침 데이터 세트를 구성하는 단계; 및 상기 소정 기간의 상기 실시간 계측 데이터에 대한 실계측 데이터 세트를 구성하는 단계를 포함할 수 있다.Here, the data collection/organization step may include acquiring installation information of photovoltaic facilities provided in the target power distribution system; Acquiring AMI meter reading data and real-time measurement data of the photovoltaic facilities; constructing an inspection data set for the AMI inspection data of a predetermined period; and constructing an actual measurement data set for the real-time measurement data of the predetermined period.
여기서, 상기 PV 분류 단계에서는, 상기 검침 데이터 세트 및 상기 실계측 데이터 세트를 조합하여, 상기 소정 기간을 구성하는 다수의 각 기준 구간 및 각 설비 별로 타입을 분류할 수 있다.Here, in the PV classification step, the meter reading data set and the actual measurement data set may be combined to classify a type for each reference section and each facility constituting the predetermined period.
여기서, 상기 PV 분류 단계에서는, 발전량의 실시간 계측이 가능한 실시간 계측 PV에는 타입을 부여하지 않고, 발전량의 실시간 계측은 불가능하지만 AMI 검침이 가능한 검침 PV에는 타입 1을 부여하고, 발전량의 실시간 계측 및 AMI 검침이 불가능한 미계측 PV에는 타입 2를 부여할 수 있다.Here, in the PV classification step, a real-time measurement PV capable of real-time measurement of power generation is not assigned a type, and
여기서, 상기 정밀추정 단계는, 상기 실시간 계측 PV에 대하여 수집된 상기 실시간 계측 데이터를 상기 AMI 검침 데이터를 반영하여 보정하는 단계; 및 상기 검침 PV에 대하여 수집된 상기 AMI 검침 데이터 및 상기 실시간 계측 데이터를 이용하여, 상기 검침 PV의 실시간 계측 데이터를 추정하는 단계를 포함할 수 있다.Here, the precision estimation step may include correcting the real-time measurement data collected for the real-time measurement PV by reflecting the AMI meter reading data; and estimating real-time measurement data of the meter reading PV using the AMI meter reading data and the real-time measurement data collected for the meter reading PV.
여기서, 상기 검침 PV의 실시간 계측 데이터를 추정하는 단계는, 학습데이터 기반으로 추정 모델을 학습하여 후보 추정 모델들을 생성하는 과정; 검증데이터 기반으로 상기 후보 추정 모델들을 검증하여 최종 추정 모델을 선정 과정; 및 갱신된 추정 대상 기준 구간의 계측 데이터를 상기 최종 추정 모델에 적용하여 상기 검침 PV의 발전량을 추정하는 과정 순서로 수행될 수 있다.Here, the step of estimating the real-time measurement data of the inspection PV may include generating candidate estimation models by learning an estimation model based on learning data; selecting a final estimation model by verifying the candidate estimation models based on verification data; and estimating the generation amount of the meter reading PV by applying the updated measurement data of the reference interval to be estimated to the final estimation model.
여기서, 상기 미계측 PV 추정 단계는, 각 미계측 PV에 대하여 미계측 PV가 아닌 것으로 분류된 각 태양광 설비들 중에서 비교 대상 PV를 지정하고, 상기 비교 대상 PV의 정밀추정된 실시간 계측 데이터를 취득하는 단계; 상기 비교 대상 PV의 기준 구간의 발전율을 산정하는 단계; 및 상기 미계측 PV에 대하여 산정된 상기 기준 구간의 발전율을 적용하여 상기 미계측 PV의 발전량을 추정하는 단계를 포함할 수 있다.Here, in the step of estimating the unmeasured PV, for each unmeasured PV, a comparison target PV is designated among solar facilities classified as non-measured PVs, and precisely estimated real-time measurement data of the comparison target PV is acquired. doing; Calculating a power generation rate of a reference section of the comparison target PV; and estimating the amount of power generation of the unmeasured PV by applying the calculated power generation rate of the reference section to the unmeasured PV.
본 발명의 다른 측면에 따른 배전 계통에 구비된 태양광 설비들의 발전량 추정 시스템은, 대상 배전 계통에 구비된 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들을 수집하여 정리하는 데이터 수집/정리부; 정리된 상기 태양광 설비들에 대한 관련 정보들로부터 각 태양광 설비들을 분류하는 PV 분류부; 상기 검침 PV에 대하여 수집된 상기 AMI 검침 데이터 및 실시간 계측 데이터를 이용하여, 상기 검침 PV의 실시간 계측 데이터를 추정하는 검침 PV 추정부; 및 추정된 상기 실시간 계측 데이터를 기반으로 미계측 PV로 분류된 각 태양광 설비들의 발전량을 추정하는 미계측 PV 추정부를 포함할 수 있다.A system for estimating power generation of photovoltaic facilities provided in a power distribution system according to another aspect of the present invention includes a data collection/organization unit that collects and organizes related information including AMI meter reading data for photovoltaic facilities provided in a target distribution system; a PV classification unit that classifies each solar facility from the organized information on the solar facility; an inspection PV estimator for estimating real-time measurement data of the inspection PV using the AMI inspection data and real-time measurement data collected for the inspection PV; and an unmeasured PV estimator for estimating the amount of power generation of each photovoltaic facility classified as unmeasured PV based on the estimated real-time measurement data.
여기서, 상기 데이터 수집/정리부는, 대상 배전 계통에 구비된 태양광 설비들의 설치 정보를 획득하는 설비 정보 획득부; 상기 태양광 설비들의 AMI 검침 데이터 및 실시간 계측 데이터를 획득하는 AMI 검침 데이터 획득부; 상기 태양광 설비들의 실시간 계측 데이터를 획득하는 RTU 계측 데이터 획득부; 소정 기간의 상기 실시간 계측 데이터에 대한 실계측 데이터 세트를 구성하는 RTU 실계측 데이터 세트 구성부; 및 상기 소정 기간의 상기 AMI 검침 데이터에 대한 검침 데이터 세트를 구성하는 AMI 검침 데이터 세트 구성부를 포함할 수 있다.Here, the data collection/organization unit may include: a facility information acquisition unit acquiring installation information of photovoltaic facilities provided in the target power distribution system; an AMI meter reading data acquisition unit that acquires AMI meter reading data and real-time measurement data of the photovoltaic facilities; an RTU measurement data acquisition unit acquiring real-time measurement data of the photovoltaic facilities; an RTU real measurement data set configuring unit configuring a real measurement data set for the real time measurement data of a predetermined period; and an AMI inspection data set configuration unit configuring an inspection data set for the AMI inspection data of the predetermined period.
여기서, 상기 실시간 계측 PV에 대하여 수집된 상기 실시간 계측 데이터를 상기 AMI 검침 데이터를 반영하여 보정하는 RTU 실계측 데이터 보정부를 더 포함할 수 있다.Here, it may further include an RTU actual measurement data correction unit for correcting the real-time measurement data collected for the real-time measurement PV by reflecting the AMI meter reading data.
여기서, 대상 배전 계통에 구비된 상기 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들 및 상기 각 태양광 설비들의 설치 정보와 분류 정보들이 저장되는 저장부를 더 포함할 수 있다.Here, it may further include a storage unit for storing related information including AMI meter reading data on the photovoltaic facilities provided in the target power distribution system and installation information and classification information of the respective photovoltaic facilities.
상술한 구성의 본 발명의 사상에 따른 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법 및/또는 시스템을 실시하면, 배전 계통에 소규모로 다양한 형태로 분산 설치된 태양광 설비의 발전량을 적절하게 예측할 수 있는 이점이 있다.When the method and/or system for estimating the amount of power generation of the photovoltaic facilities provided in the power distribution system according to the spirit of the present invention configured as described above is implemented, the amount of power generation of the photovoltaic facilities distributed and installed in various forms on a small scale in the distribution system can be appropriately predicted. There is an advantage to being
본 발명의 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법 및/또는 시스템은, 배전계통의 분산형전원 중 90% 이상을 차지하고 있는 PV에 대해, 배전운영환경에서 실제 취득 가능한 정보만을 활용하여 실시간 발전량을 추정하는 이점이 있다.The method and/or system for estimating the generation amount of photovoltaic facilities provided in the distribution system of the present invention uses only information that can actually be obtained in the distribution operating environment for PV, which accounts for more than 90% of distributed power sources in the distribution system, in real time. It has the advantage of estimating the amount of power generation.
본 발명의 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법 및/또는 시스템은, AMI만 설치된 PV에 대해, RTU를 통한 실시간 계측정보와 AMI를 통한 비실시간 계측정보를 학습하여 실시간 발전량을 추정하고, 감시 단말장치가 없는 미계측 PV를 대상으로 인근의 정상 계측되는 PV의 발전율을 적용하여 발전량을 추정하는 이점이 있다.The method and/or system for estimating power generation of photovoltaic facilities provided in a power distribution system of the present invention estimates real-time power generation by learning real-time measurement information through RTU and non-real-time measurement information through AMI for a PV with only AMI installed, In this case, there is an advantage in estimating the amount of power generation by applying the power generation rate of the normally measured PV in the vicinity to the unmeasured PV without a monitoring terminal device.
본 발명의 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법 및/또는 시스템은, 단말장치 구매 및 광통신 연계와 같은 통신 인프라 확충 및 AMI 직접 연계를 위한 보안문제 해결이 없이도 배전계통의 실시간 PV 발전량을 알 수 있으며, 전력거래소로의 분산형전원 실시간 발전량 정보 제공 및 분산형전원 발전량 출력 제어를 적기에 이행 가능한 이점이 있다.The method and / or system for estimating the amount of power generation of photovoltaic facilities provided in the power distribution system of the present invention can calculate the real-time PV power generation amount of the power distribution system without the need to purchase a terminal device, expand communication infrastructure such as optical communication connection, and solve security problems for direct connection with AMI. It can be known, and there is an advantage in that it is possible to provide real-time generation information of distributed power sources to the power exchange and control the output of distributed power generation amounts in a timely manner.
본 발명의 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법 및/또는 시스템은, 배전선로의 구간 단위 실제 부하량 정보를 정확하게 추정할 수 있어, 분산형전원의 발전량을 고려한 부하 정보 기반의 계통 재구성 등 안정적인 배전계통 운영이 가능하며, 부가적으로 구간 단위의 실제 부하량 정보를 사용하여, 배전선로별 분산형전원의 최적 수용 용량과 선로내 최적 연계위치를 정확히 산정할 수 있는 이점이 있다.The method and/or system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system of the present invention can accurately estimate the actual load amount information in each section of the distribution line, and thus reconfigure the system based on the load information considering the amount of power generation of the distributed power source. It is possible to operate a stable distribution system, and additionally has the advantage of accurately calculating the optimal capacity of distributed power sources for each distribution line and the optimal connection location within the line by using the actual load information in each section.
도 1은 한국전력에서 운영 중인 배전계통내 분산형전원의 감시 현황도.
도 2는 본 발명의 사상에 따른 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법의 일 실시예를 도시한 흐름도.
도 3은 도 2의 S001 단계 및 S100 단계의 상세 과정들을 예시한 흐름도.
도 4는 ‘타입(Type) 1 PV 발전량 추정’ 단계의 상세 과정들을 예시한 흐름도.
도 5는 통계적 시계열 분석을 활용해 추정 모델을 학습 후, M개의 후보 추정모델들을 생성하는 개념도.
도 6은 인근 태양광 발전기 시간대별 발전율 비교결과를 나타낸 그래프.
도 7은 추정모델 학습 주기 변화에 따른 추정 오차결과를 나타낸 그래프.
도 8은 타입(Type) 2 방식 발전량 추정 프로그램 추정결과를 나타낸 그래프.
도 9는 타입(Type) 1 방식 발전량 추정 프로그램 추정결과를 나타낸 그래프.
도 10은 본 발명의 사상에 따른 태양광 설비들의 발전량 추정 시스템의 일 실시예를 도시한 블록도.
도 11은 국내 지역에서 실증 중인 ADMS(차세대 배전운영시스템)에 본 발명 기술을 탑재 후 실증한 응용프로그램 구동결과화면.1 is a monitoring status diagram of distributed power sources within a distribution system operated by KEPCO.
2 is a flowchart illustrating an embodiment of a method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system according to the spirit of the present invention.
3 is a flowchart illustrating detailed processes of steps S001 and S100 of FIG. 2;
4 is a flowchart illustrating detailed processes of a
5 is a conceptual diagram of generating M candidate estimation models after learning an estimation model using statistical time series analysis;
6 is a graph showing a comparison result of power generation rate for each time zone of a nearby photovoltaic generator.
7 is a graph showing estimation error results according to changes in the estimation model learning cycle;
8 is a graph showing estimation results of a
9 is a graph showing estimation results of a
10 is a block diagram illustrating an embodiment of a system for estimating the amount of power generation of photovoltaic facilities according to the spirit of the present invention.
11 is an application program driving result screen demonstrated after loading the technology of the present invention in ADMS (Next Generation Distribution Management System) being demonstrated in the domestic region.
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. In describing the present invention, terms such as first and second may be used to describe various components, but the components may not be limited by the terms. Terms are only for the purpose of distinguishing one element from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention.
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.When a component is referred to as being connected or connected to another component, it may be directly connected or connected to the other component, but it may be understood that another component may exist in the middle. .
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. Terms used in this specification are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions may include plural expressions unless the context clearly dictates otherwise.
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. In this specification, the terms include or include are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, and one or more other features or numbers, It can be understood that the presence or addition of steps, operations, components, parts, or combinations thereof is not precluded.
또한, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.In addition, shapes and sizes of elements in the drawings may be exaggerated for clearer description.
본 발명에서는 배전운영시스템에서 배전계통 연계 태양광 발전기(PV라 표기)의 실시간 발전량을 추정하기 위해, PV들에 대한 데이터 수집, 추정 대상 PV 분류, AMI로만 검침되는 PV 발전량 추정, 미계측 PV 발전량 추정의 4개의 단계로 구분된 과정을 수행한다.In the present invention, in order to estimate the real-time power generation of a solar power generator (labeled PV) connected to the distribution system in the distribution operating system, data collection for PVs, PV classification for estimation, PV power generation estimated only by AMI, and unmeasured PV power generation It carries out a process divided into four stages of estimation.
제0 단계에서는, 상기 배전운영시스템이 관리하는 배전계통에 연계된 PV들에 대한 발전량 검침 데이터 및/또는 실시간 계측 데이터를 데이터 수집하여 취합/정리한다. 특정 PV에 분산형전원용 감시 단말장치로서 RTU가 구비된 경우, 상기 실시간 계측 데이터로서 RTU 실시간 계측 데이터를 수집할 수 있으며, 특정 PV에 AMI 계기가 구비된 경우, 상기 검침 데이터로서 AMI 검침 데이터를 수집할 수 있다.In
그런데, 도 1에 도시한 바와 같은 국내의 배전계통 분산형전원 감시 시스템의 경우, 상기 RTU 실시간 계측 데이터는 필요한 시점에 정보 획득이 가능한 반면, 정확성이 떨어지고, 상기 AMI 검침 데이터는 정확성이 높은 반면 필요한 시점에 실시간 취득이 곤란하다.However, in the case of the domestic distribution system distributed power monitoring system as shown in FIG. 1, the RTU real-time measurement data can obtain information at a necessary time, but the accuracy is low, and the AMI meter reading data has high accuracy, but the necessary Real-time acquisition is difficult.
제1 단계에서의 추정 대상 PV 분류는, 운영 중인 PV중 어떤 PV가 추정 대상인지에 대해 타입을 결정하고, 이후 타입에 따라 제안하는 두 가지 추정방법 중 어떤 방법으로 발전량 추정을 할 것인지 결정한다.The estimation target PV classification in the first step determines the type of the PV in operation as the estimation target, and then determines which of the two estimation methods proposed according to the type will be used to estimate the amount of power generation.
보다 구체적으로, 분산형전원 감시 단말장치 및 AMI가 계측한 PV 발전량 계측데이터를 수집하고, 데이터 전처리를 통해 불량 데이터 제거 및 손실 데이터를 복원한다. 전처리된 데이터를 분석을 통해 AMI로만 계측된 PV에 대해서 Type1, 미계측된 PV에 대해서는 Type2로 분류한다.More specifically, it collects PV power generation measurement data measured by the distributed power monitoring terminal device and AMI, and removes bad data and restores lost data through data preprocessing. Through the analysis of the preprocessed data, the PV measured only by AMI is classified into
제2 단계에서의, AMI로만 계측되는 PV 발전량 추정은 시계열데이터 분석 기반의 추정모델 학습 및 실시간 추정 방법을 제안한다. 계측 데이터에 대해, 추정모델에 여러 가지 조합으로 반복 학습을 수행하여 추정모델 후보군을 생성한다.In the second step, estimation of PV power generation measured only by AMI proposes an estimation model learning and real-time estimation method based on time-series data analysis. For the measurement data, iterative learning is performed on the estimation model in various combinations to generate an estimation model candidate group.
추정모델 후보군을 검증하여 추정 정확도가 가장 높은 최종 추정모델을 선정한 후, 해당 추정 모델을 활용하여 실시간 PV 발전량 추정을 진행한다.After verifying the estimation model candidate group and selecting the final estimation model with the highest estimation accuracy, real-time PV power generation estimation is performed using the estimation model.
제3단계에서의, 미계측 PV 발전량 추정은 분산형전원 감시 단말장치 혹은 AMI가 설치되지 않은 PV에 대해 실시간으로 정상 계측된 PV의 발전량을 활용한 추정 방법을 제시하고 있다. 예컨대, 실시간 PV 발전량과 해당 PV의 설비 용량을 사용하여 태양광 발전율을 계산하고, 해당 발전율을 미계측 PV의 설비 용량에 적용하여 실시간 발전량을 추정한다.In the third step, estimation of unmeasured PV generation amount suggests an estimation method using the PV power generation amount normally measured in real time for PVs that do not have distributed power monitoring terminals or AMIs installed. For example, the solar power generation rate is calculated using the real-time PV power generation amount and the facility capacity of the corresponding PV, and the real-time power generation amount is estimated by applying the power generation rate to the facility capacity of the unmeasured PV.
도 2는 본 발명의 사상에 따른 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법의 일 실시예를 도시한 흐름도이다.2 is a flowchart illustrating an embodiment of a method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system according to the spirit of the present invention.
도시한 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법은, 대상 배전 계통에 구비된 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들을 수집하여 정리하는 데이터 수집/정리 단계(S001); 정리된 상기 태양광 설비들에 대한 관련 정보들로부터 상기 각 태양광 설비들을 분류하는 PV 분류 단계(S100); 미계측 PV가 아닌 것으로 분류된 각 태양광 설비들에 대하여 AMI 검침 데이터로부터 발전량의 실시간 계측 데이터를 정밀추정(예정, 추정)하는 정밀추정 단계(S200); 및 정밀추정된 상기 실시간 계측 데이터를 기반으로 미계측 PV로 분류된 각 태양광 설비들의 발전량을 추정하는 미계측 PV 추정 단계(S300)를 포함할 수 있다.The method for estimating the amount of power generation of photovoltaic facilities provided in the illustrated distribution system includes a data collection/organization step (S001) of collecting and organizing related information including AMI meter reading data for photovoltaic facilities provided in a target distribution system; A PV classification step (S100) of classifying each of the photovoltaic facilities from the organized related information on the photovoltaic facilities; Accurately estimating (scheduled, estimated) real-time measurement data of power generation from AMI meter reading data for each photovoltaic facility classified as non-measured PV (S200); and an unmeasured PV estimation step ( S300 ) of estimating the amount of power generation of each photovoltaic facility classified as unmeasured PV based on the precisely estimated real-time measurement data.
도시한 상기 데이터 수집/정리 단계(S001)는, 대상 배전 계통에 구비된 태양광 설비들의 설치 정보를 획득하는 단계(S20); 상기 태양광 설비들의 AMI 검침 데이터 및 실시간 계측 데이터를 획득하는 단계(S40); 소정 기간의 상기 실시간 계측 데이터에 대한 실계측 데이터 세트를 구성하는 단계(S60); 및 상기 소정 기간의 상기 AMI 검침 데이터에 대한 검침 데이터 세트를 구성하는 단계(S80)를 포함할 수 있다.The illustrated data collection/organization step (S001) includes obtaining installation information of photovoltaic facilities provided in the target power distribution system (S20); Acquiring AMI meter reading data and real-time measurement data of the photovoltaic facilities (S40); configuring a real measurement data set for the real-time measurement data of a predetermined period (S60); and constructing an inspection data set for the AMI inspection data of the predetermined period (S80).
도시한 상기 정밀추정 단계(S200)는, 상기 실시간 계측 PV에 대하여 수집된 상기 실시간 계측 데이터를 상기 AMI 검침 데이터를 반영하여 보정하는 단계(S220); 및 상기 검침 PV에 대하여 수집된 상기 AMI 검침 데이터 및 상기 실시간 계측 데이터를 이용하여, 상기 검침 PV의 실시간 계측 데이터를 추정하는 단계(S240)를 포함할 수 있다.The illustrated precision estimation step (S200) includes correcting the real-time measurement data collected for the real-time measurement PV by reflecting the AMI meter reading data (S220); and estimating real-time measurement data of the meter reading PV using the AMI meter reading data and the real-time measurement data collected for the meter reading PV (S240).
예컨대, 상기 S220 단계는 비교적 정확성이 높은 AMI 검침 데이터를 이용하여, AMI 검침 시점과 거의 동일한 시점에 계측된 RTU 실시간 계측 데이터와 비교하여, RTU 실시간 계측 데이터에 존재하는 옵셋값을 산정하고, 이를 RTU 실시간 계측 데이터에서 상쇄시키는 방식으로 수행될 수 있다.For example, in step S220, an offset value existing in the RTU real-time measurement data is calculated by comparing it with RTU real-time measurement data measured at almost the same time as the AMI meter reading time using AMI meter reading data with relatively high accuracy, and calculating the offset value that exists in the RTU real-time measurement data. This can be done in a way that offsets the real-time measurement data.
본 발명에서 사용하는 정보는 RTU 및 AMI를 통해 취득된 PV 발전량 정보, 그리고 배전계통에 연계된 PV의 용량, 위치와 같은 설비 정보가 포함된다. 설비 정보는 S20 단계에서 수집되며, 발전량 정보는 S40 단계에서 수집된다.The information used in the present invention includes PV power generation information obtained through RTU and AMI, and facility information such as capacity and location of PV connected to the distribution system. Facility information is collected in step S20, and power generation information is collected in step S40.
예컨대, S40 단계에서 RTU 및 AMI를 통해 계측된 PV 발전량의 정보는 세부적으로 다음과 같이 정의할 수 있다.For example, information on PV power generation measured through RTU and AMI in step S40 can be defined in detail as follows.
- RTU 계측 정보 : 실시간 감시정보. 추정 시점까지 배전운영시스템에서 주기적으로 실시간 취득된 PV 발전량 정보.- RTU measurement information: real-time monitoring information. PV power generation information periodically acquired in real time from the distribution operating system up to the point of estimation.
- AMI 검침 정보 : 비실시간 감시정보. 추정 시점까지 배전운영시스템에서 주기적으로 비실시간 취득된 PV 발전량 정보. MDMS에서 배전운영시스템으로의 전송 상태에 따라 추정 시점 기준으로 수 분에서 수 시간까지의 데이터가 지연 발생.- AMI meter reading information: non-real-time monitoring information. PV power generation information acquired periodically in non-real-time from the distribution operating system up to the point of estimation. Depending on the transmission status from MDMS to the distribution operating system, data from several minutes to several hours is delayed based on the estimated point of time.
본 발명에서 제안하는 배전계통 연계 PV의 실시간 발전량 추정방법은, 데이터 수집(S001) 이후, 추정 대상 PV 분류(S100); Type1 PV 발전량 추정(S200); 및 Type2 PV 발전량 추정(S300)의 3단계의 추정 과정으로 구성된다.The method for estimating real-time power generation of PV connected to the distribution system proposed in the present invention includes: after data collection (S001), estimation target PV classification (S100);
국내 배전운영시스템 구동환경에서의 계측 가능한 데이터만을 고려하여, 배전계통에 연계된 분산형전원 중 90% 이상을 차지하는 PV를 대상으로 실시간 발전량을 추정한다.Considering only measurable data in the operating environment of the domestic distribution operating system, real-time generation is estimated for PVs that account for more than 90% of the distributed power sources linked to the distribution system.
예컨대, 상기 S100 단계에서 ‘추정 대상 PV 분류’는 하기 표 1과 같은 다음의 규칙에 따를 수 있다.For example, in the step S100, the 'estimation target PV classification' may follow the following rules as shown in Table 1 below.
표 1은 PV의 현장 감시장치 유무에 따라 발전량 추정 대상을 표시한 것이다. 기본적으로 분산형전원 감시 단말장치(예: RTU)가 설치되어 계측되는 PV는 추정 대상이 아니며, 별도의 타입을 지정하지 않는다.Table 1 shows the estimated generation amount according to the presence or absence of PV field monitoring devices. Basically, the PV measured by installing the distributed power monitoring terminal device (e.g. RTU) is not an estimation target and does not specify a separate type.
RTU가 설치되지 않은 PV는 AMI 설치 유무에 따라 추정 방법을 달리 적용한다. 타입(Type)에 대한 정의는 다음과 같다.For PVs without RTU installed, different estimation methods are applied depending on whether or not AMI is installed. The definition of type is as follows.
- 타입(Type) 1 : AMI만 설치되어, 비실시간으로 검침되는 PV- Type 1: PV with only AMI installed and metered in non-real time
- 타입(Type) 2 : RTU, AMI와 같은 감시(계측)장치가 설치되어 있지 않는 PV- Type 2 : PV without monitoring (measuring) devices such as RTU and AMI
상기 PV 분류 단계(S100)에서는, 발전량의 실시간 계측이 가능한 실시간 계측 PV에는 타입을 부여하지 않고, 발전량의 실시간 계측은 불가능하지만 AMI 검침이 가능한 검침 PV에는 타입 1을 부여하고, 발전량의 실시간 계측 및 AMI 검침이 불가능한 미계측 PV에는 타입 2를 부여한다. In the PV classification step (S100), a real-time measurement PV capable of real-time measurement of power generation is not assigned a type, and a
하기 표 2는 배전운영시스템에서 취득된 PV 발전량의 이력데이터 예시이다.Table 2 below is an example of historical data of PV power generation acquired from the distribution operating system.
상기 표 2에서 PV 1은 RTU를 통해 PV 발전량이 주기적으로 실시간 취득된다. PV 2의 경우, 추정시점인 13시 30분 기준, 30분 전까지의 데이터가 AMI를 통해 취득된다. PV 3은 실시간 계측이나 검침 수단을 갖지 못한 미계측 PV의 경우이다. 여기서, PV 2와 PV 3이 타입 1과 타입 2로서 본 발명의 추정 대상이 된다.In Table 2,
상기 S100 단계에서 각 PV들의 타입을 분류함에 있어서, 상기 RTU 실계측 데이터 세트 및 AMI 검침 데이터 세트가 작성된 후에 타입 분류를 수행하는데, 이는 RTU 및/또는 AMI 계기의 구비 여부만을 가지고 단편적으로 타입 분류를 수행하지 않고, 실시간 계측의 가능성을 구체적으로 살펴보고 타입 분류를 수행하기 위함이다. In classifying the types of each PV in the step S100, type classification is performed after the RTU real measurement data set and the AMI meter reading data set are created, which is based on the presence or absence of RTU and / or AMI instruments. This is to specifically examine the possibility of real-time measurement and perform type classification without
예컨대, AMI 검침 데이터 세트의 분석 결과, 검침 간격이 매우 넓으며, 직전에 검침이 수행되어 다음 번 검침까지 시간이 많이 예상되는 경우, AMI를 구비한 PV임에도 금번 기준 기간에 대해서는 타입 2로 분류될 수 있다. For example, as a result of the analysis of the AMI meter reading data set, if the meter reading interval is very wide and the meter reading is performed just before, and a long time is expected until the next meter reading, even if the PV is equipped with AMI, it will be classified as
예컨대, RTU 실계측 데이터 세트의 분석결과, 잡음이 열악한 환경 대비 구비된 RTU의 잡음 저항 능력이 떨어져서 실시간 계측의 의미가 없는 경우, RTU를 구비한 PV임에도 불구하고 타입 2로 분류될 수 있다.For example, as a result of analyzing the RTU real measurement data set, if real-time measurement is meaningless because the noise resistance capability of the RTU is low compared to an environment with poor noise, it can be classified as
또한, 기준 구간별 - PV별로 각각 타입을 부여하기 위함이기도 하다.In addition, this is also to assign a type to each reference section - each PV.
예컨대, 상기 PV 분류 단계(S100)에서는, 상기 검침 데이터 세트 및 상기 실계측 데이터 세트를 조합하여, 소정 기간(데이터 세트 구성의 기반이 되는 기간)을 구성하는 다수의 각 단위 기간으로서 기준 구간 및 각 설비(PV) 별로 타입을 분류할 수 있다.For example, in the PV classification step (S100), the meter reading data set and the actual measurement data set are combined to form a plurality of unit periods constituting a predetermined period (a period that is the basis of data set configuration). Types can be classified for each facility (PV).
상기 RTU 실계측 데이터 세트 및 AMI 검침 데이터 세트는, 예컨대, 일축이 기준 구간들이며 타축이 PV들이며, 각 교차점의 기재 정보로서 각 기준 구간에서의 각 PV의 RTU 실계측 데이터 또는 AMI 검침 데이터가 반영되는 테이블의 형태로 형성될 수 있다.In the RTU real measurement data set and the AMI meter reading data set, for example, one axis is reference intervals and the other axis is PVs, and RTU actual measurement data or AMI meter reading data of each PV in each reference interval is reflected as description information of each intersection It can be formed in the form of a table.
도 3은 도 2의 S001 단계 및 S100 단계의 상세 과정들을 예시한 흐름도이다. 3 is a flowchart illustrating detailed processes of steps S001 and S100 of FIG. 2 .
도 3에 도시한 흐름도를 ‘추정 대상 PV 분류’과정의 관점으로 살펴보면, 다음과 같은 순서로 PV 분류가 수행된다.Looking at the flow chart shown in FIG. 3 from the viewpoint of the 'estimation subject PV classification' process, PV classification is performed in the following order.
먼저, 필요한 PV 발전량 계측데이터가 수집(실시간 계측 및 검침 이력 데이터)된다(S42, S44). RTU 실시간 계측 데이터의 경우에도 과거 시점의 S44 단계에서 취득된 데이터들과 함께 상당 기간의 이력 데이터를 구성할 수 있다. First, necessary PV power generation measurement data is collected (real-time measurement and meter reading history data) (S42, S44). Even in the case of RTU real-time measurement data, historical data for a considerable period of time can be configured together with data acquired in step S44 of the past time.
다음, 소정 기간의 RTU 실시간 계측 데이터로 RTU 실계측 데이터 세트를 구축하고(S61 ~ S68), 동일한 소정 기간의 AMI 검침 데이터로 AMI 검침 데이터 세트를 구축한다(S81 ~ S88). 이때, 각 데이터 세트를 구축하는 과정 중에 불량 데이터 제거(S62, S63, S82, S83), 태양광 발전이 되지 않는 심야 시간 제외(S66, S86) 및 손실 데이터 복원(S68, S88)을 수행할 수 있다.Next, an RTU real-time measurement data set is built with RTU real-time measurement data of a predetermined period (S61 to S68), and an AMI meter reading data set is built with AMI meter reading data of the same predetermined period (S81 to S88). At this time, during the process of building each data set, it is possible to remove bad data (S62, S63, S82, S83), exclude late-night hours when solar power is not available (S66, S86), and restore lost data (S68, S88). there is.
다음, 데이터 분석 및 추정대상 PV에 대해 타입(Type) 선정을 수행한다(S120 ~ S135).Next, data analysis and selection of a type for the estimated PV are performed (S120 to S135).
상기 불량 데이터 제거 과정(S62, S63, S82, S83)에서, 불량 데이터는 다음과 같은 경우를 포함하며, 해당 데이터는 제거된다.In the bad data removal process (S62, S63, S82, S83), the bad data includes the following cases, and the corresponding data is removed.
- PV 발전량이 설비용량을 초과- PV generation exceeds facility capacity
- PV 발전량의 부호가 반대(음수)인 경우 [양수: 발전, 음수: 부하]- If the sign of PV power generation is opposite (negative number) [positive number: power generation, negative number: load]
- 데이터 신뢰구간 외의 발전량(타 PV에 비해 발전량이 비정상적으로 크거나 작은 경우)- Power generation outside the data confidence interval (if the power generation is abnormally large or small compared to other PVs)
상기 S66 단계 및 S86 단계에서, 손실 데이터는 계측 데이터가 통신 지연으로 인해 취득이 안 된 경우를 포함하며, 다음과 같은 규칙을 적용하여 복원할 수 있다.In steps S66 and S86, the lost data includes a case where measurement data is not acquired due to a communication delay, and can be restored by applying the following rules.
- 이전 시간대의 데이터 사용 혹은 다항 모델 기반의 데이터 복원- Restoration of data based on the use of data from a previous time period or polynomial model
- 야간 시간대의 발전량은 0kW- The amount of power generated during night time is 0kW
상기 타입 선정 과정(S120 ~ S135)에서는, 전처리된 데이터를 대상으로 상기 표 2의 기준에 따라 PV별 추정방법을 분류할 수 있다.In the type selection process (S120 to S135), estimation methods for each PV may be classified according to the criteria of Table 2 for the preprocessed data.
도 2의 S240 단계로서 ‘Type 1 PV 발전량 추정’은, 예컨대, 학습데이터 기반으로 추정 모델을 학습하여 후보 추정 모델들을 생성하는 과정(S260); 검증데이터 기반으로 상기 후보 추정 모델들을 검증하여 최종 추정 모델을 선정 과정(S270); 및 갱신된 추정 대상 기준 구간의 계측 데이터를 상기 최종 추정 모델에 적용하여 상기 검침 PV의 발전량을 추정하는 과정(S280)의 순서로 수행될 수 있다.As step S240 of FIG. 2, '
이전 단계에서 전처리가 완료된 계측 데이터를 입력으로 받아 시계열데이터 분석 기반 추정 모델 학습을 진행한다(S260). 이는 추정하고자 하는 데이터 항목 이외에 외부 데이터를 동시에 입력 받아 보다 높은 정확도로 추정한다. 상기 S260 단계는 상기 S280 단계에서 최종적으로 사용할 추정모델을 선정함에 있어서, 1차적으로 후보 모델들을 선정하는 것으로 볼 수 있으며, 상기 S270 단계는 1차적으로 선정된 후보 모델들 중에서 최적의 추정모델을 확정하는 것으로 볼 수 있다. The measurement data preprocessed in the previous step is received as an input and the time series data analysis-based estimation model learning is performed (S260). In addition to the data item to be estimated, external data is simultaneously input and estimated with higher accuracy. The step S260 can be seen as primarily selecting candidate models in selecting the estimation model to be finally used in the step S280, and the step S270 determines the optimal estimation model among the primarily selected candidate models. can be seen as doing
추정모델 확정을 위한 후보 추정모델들 학습과정(S260) 및 1차 선정된 후보 추정모델들에 대한 검증과정(S270)은 매번 반복하여 수행(갱신)될 수도 있으나, 효율적인 연산을 감안하면 상기 S260 단계는 비교적 장주기(예: 1년)로 반복 수행하며, 상기 S270 단계는 비교적 단주기(예: 1주일)로 반복 수행할 수 있다. The process of learning candidate estimation models for determining the estimation model (S260) and the process of verifying the first selected candidate estimation models (S270) may be repeatedly performed (updated) each time, but considering the efficient operation, the above step S260 is repeatedly performed in a relatively long period (eg, 1 year), and the step S270 may be repeatedly performed in a relatively short period (eg, 1 week).
추정모델로는 일반적으로 사용되는 시계열데이터 분석 모델에 ‘다항식 회귀 모델’을 접목하여 높은 정확도의 추정 결과를 산출하는 것을 지향할 수 있으며, 상세한 공식은 하기 수학식 1과 같다. 상기 수학식 1에서의 각 변수 및 파라미터의 설명은 하기 표 3과 같다.As an estimation model, a 'polynomial regression model' may be applied to a commonly used time series data analysis model to produce highly accurate estimation results, and the detailed formula is as shown in
입력 데이터의 최대 시지연(p,q,r,u,v)과 다항 변수 최대 차수(s,t)의 경우, 여러 파라미터 조합에 대해 모델 학습을 진행한 후, 가장 적합한 파라미터 조합을 선택한다. 상기 입력 데이터 파라미터들(p,q,r,u,v,s,t)의 조합에 따라, 수 많은 추정모델들이 규정될 수 있는데, 상기 S260 과정 및 S270 과정으로 당해 번 타입(Type) 1 PV 발전량 추정에서 사용할 최종적인 추정모델이 확정된다. In the case of the maximum time delay (p, q, r, u, v) of the input data and the maximum degree (s, t) of the polynomial variable, the model is trained for several parameter combinations and then the most suitable parameter combination is selected. Depending on the combination of the input data parameters (p, q, r, u, v, s, t), a number of estimation models can be defined. In the process S260 and S270, the
모델 파라미터의 경우 회귀를 통해 도출할 수 있으며, 파라미터 조합 선택 후 반복적으로 모델을 학습시킨다. 이는 통해 화이트 노이즈에 의한 모델 파라미터 변화를 관찰할 수 있다. 각 파라미터의 평균값을 도출하여 최종적인 모델 파라미터로 확정한다. 예컨대, 실제 발전량 추정을 위한 모델은 하기 수학식 2와 같다.Model parameters can be derived through regression, and the model is repeatedly trained after selecting a parameter combination. Through this, changes in model parameters due to white noise can be observed. The average value of each parameter is derived and determined as the final model parameter. For example, a model for estimating actual power generation is as shown in
한 개의 추정모델이 적용되는 범위(배전계통내 추정 단위가 되는 기준 구간)의 정의는 다음과 같으며, RTU로 실시간 계측 가능한 PV의 개수가 많을수록 1에서 3번으로 조건을 변경하여 추정 범위를 적용한다.The definition of the range to which one estimation model is applied (the standard section that becomes the estimation unit in the distribution system) is as follows, and as the number of PVs that can be measured in real time by RTU increases, the condition is changed from 1 to 3 and the estimation range is applied. do.
1. 배전선로 단위1. Distribution line unit
2. 자동화개폐기~자동화개폐기 사이 구간 단위2. Section unit between automatic switch and automatic switch
3. GIS 좌표정보 기반 일정거리 단위3. Unit of constant distance based on GIS coordinate information
추정모델 학습시 구간 내 RTU 및 AMI로 계측한 PV 발전량 이력 데이터를 활용할 수 있다. 추정 모델의 검증을 위해 계측된 데이터 학습 데이터와 검증 데이터로 분류한다. 예컨대, 두 데이터의 비율을 80% : 20%로 정하고, 학습 데이터를 이용하여 최초의 추정 모델을 생성한다.When learning the estimation model, historical PV generation data measured by RTU and AMI within the interval can be used. For the verification of the estimation model, the measured data is classified into learning data and verification data. For example, the ratio of the two data is set to 80% : 20%, and an initial estimation model is created using the learning data.
AMI 이력 데이터의 DC offset과 통신 오류로 인한 노이즈를 고려하기 위해, 평균 0, 분산 1의 백색 소음 데이터를 이용하여 다양한 경우에 대한 추정 모델을 각각 학습한 후, 중요한 데이터 항목들에 대한 모델 파라미터들을 평균 내어 최종 추정 모델을 완성한다. In order to consider DC offset of AMI history data and noise due to communication errors, after learning estimation models for various cases using white noise data with mean 0 and
마지막으로 생성된 추정 모델을 이용하여 추정하고자 하는 시간에 대한 데이터를 입력하여 최종적으로 실시간 발전량을 추정한다(S280). 이때 입력데이터는 실시간 RTU 계측 발전량, RTU 계측 발전량 이력 데이터, AMI 계측 발전량 이력 데이터로 모델에 입력되는 방식은 모델 구조에 따라 거듭 제곱의 형식 등으로 입력될 수 있다. Finally, real-time generation is estimated by inputting data for the time to be estimated using the generated estimation model (S280). At this time, the input data is real-time RTU measured power generation, RTU measured power generation history data, and AMI measured power generation history data.
상기 수학식 2의 이전 AMI 계측 데이터(
도 4는 상술한‘타입(Type) 1 PV 발전량 추정’ 단계의 상세 과정들을 예시한 흐름도이다.4 is a flowchart illustrating detailed processes of the above-described ‘
도 4의 흐름도는 2개의 중첩된 루프(iteration) 구조로, 최종적인 추정 모델을 확정하기 위한 상기 S260 과정과 S270 과정을 한꺼번에 수행하고 있으며, 상기 S280 과정은, 추정 대상이 되는 기준 구간 - 검침 PV에 대하여 AMI 검침 데이터( 및 실시간 계측 데이터)를 획득하는 과정(S282); 및 획득된 데이터를 확정된 상기 추정 모델에 적용하여 상기 검침 PV의 실시간 계측 데이터를 추정하는 과정(S284)으로 세분화되어 있다. 구현에 따라, 상기 S282 과정에서 해당 검침 PV의 AMI 검침 데이터와 함께 근처의 다른 실시간 계측 PV의 실시간 계측 데이터를 수집할 수 있다.The flowchart of FIG. 4 has two overlapping loops (iteration) structure, and the S260 and S270 processes for determining the final estimation model are performed at once, and the S280 process is the reference interval to be estimated - meter reading PV Obtaining AMI meter reading data (and real-time measurement data) for (S282); and a process of estimating real-time measurement data of the meter reading PV by applying the acquired data to the determined estimation model (S284). Depending on the implementation, real-time measurement data of other nearby real-time measurement PVs may be collected along with AMI meter reading data of the corresponding meter reading PV in step S282.
도 5는 통계적 시계열 분석을 활용해 추정 모델을 학습 후, M개의 후보 추정모델들을 생성하는 개념도이다.5 is a conceptual diagram of generating M candidate estimation models after learning an estimation model using statistical time series analysis.
도 5의 왼쪽 블록(L)으로 나타낸 바와 같이 학습 또는 검증에는 RTU에서 수집된 데이터, AMI에서 수집된 데이터 및 백색 소음 데이터가 이용될 수 있다.As shown in the left block (L) of FIG. 5 , data collected from RTU, data collected from AMI, and white noise data may be used for learning or verification.
‘추정 모델 검증 및 선정’은 앞서 모델 학습에 사용한 데이터를 제외한 계측 데이터를 검증 데이터로 사용하여 수행될 수 있다.‘Estimation model verification and selection’ can be performed using measurement data excluding the data previously used for model learning as verification data.
추정 모델에 검증 데이터를 입력하여 나오는 추정값과 검증 데이터 내 실제값을 비교하여 모델의 추정 성능을 계산한다. 도 5의 오른쪽 블록(R)에 나타낸 바와 같이, M개의 모델 구조들 각각에 대해 위의 방법을 진행하며, 1 ~ M의 각 모델 구조에 대하여 최종 추정 모델 1 내지 M을 생성한다. 구현에 따라, 정확한 모델 학습을 위해 여러 모델 구조에 대해 병렬적으로 검증을 진행하여 가장 추정 성능이 좋은 모델 구조를 선택할 수 있다. The estimation performance of the model is calculated by comparing the estimated value obtained by entering the verification data into the estimation model and the actual value in the verification data. As shown in the right block R of FIG. 5, the above method is performed for each of M model structures, and final estimated
이후, 도 5의 오른쪽에 나열된 최종 추정 모델 1 내지 최종 추정 모델 M 중에서, 타입(Type) 1 PV의 발전량 추정에 사용할 최종 추정 모델을 결정하거나, 또는, 최종 추정 모델 1 내지 최종 추정 모델 M의 M개의 발전량 추정값들을 평균하여 추정된 발전량으로 삼을 수 있다.Thereafter, among
상기 미계측 PV 추정 단계(S300)는, ‘타입(Type) 2 PV 발전량 추정’을 수행하기 위한 구체적인 과정으로서, 각 미계측 PV에 대하여 미계측 PV가 아닌 것으로 분류된 각 태양광 설비들 중에서 비교 대상 PV를 지정하고, 상기 비교 대상 PV의 정밀추정된 실시간 계측 데이터를 취득하는 단계(S310); 상기 비교 대상 PV의 기준 구간의 발전율을 산정하는 단계(S320); 및 상기 미계측 PV에 대하여 산정된 상기 기준 구간의 발전율을 적용하여 상기 미계측 PV의 발전량을 추정하는 단계(S330)를 포함할 수 있다. The unmeasured PV estimating step (S300) is a specific process for performing '
이 경우, ‘타입(Type) 2 PV 발전량 추정’은 다음의 3 과정으로 수행된다고 규정할 수 있다.In this case, it can be stipulated that ‘
S310 : 실시간 계측가능 PV 발전량 취득(Type1 AMI 추정 결과값 포함)S310: Real-time measurable PV power generation acquisition (including Type1 AMI estimation result value)
S320 : 실시간 계측가능 PV 발전량 기준 기준구간 발전율 산정S320: Calculation of power generation rate in the reference section based on real-time measurable PV power generation
S330 : 미계측 PV 대상 발전량 추정S330: Estimation of unmeasured PV target generation amount
이때, RTU를 통해 실시간으로 계측되는 PV 발전량 정보와 이전 단계에서의 결과값인 타입(Type) 1 PV 대상 실시간 발전량 추정값 정보를 입력 데이터로 사용할 수 있다.At this time, PV power generation information measured in real time through the RTU and real-time power generation estimation value information for
도 6은 인근 태양광 발전기 시간대별 발전율 비교결과를 나타낸 그래프이다.6 is a graph showing a comparison result of a power generation rate for each time zone of a nearby photovoltaic generator.
PV가 지리적으로 인접하면 도 6과 같이 발전율이 유사하다는 특성을 활용하여, 실시간으로 취득된 PV의 발전율 정보를 인접한 미계측 PV에 적용하여 발전량을 추정할 수 있음을 알 수 있다.It can be seen that when PVs are geographically adjacent, the power generation amount can be estimated by applying the power generation rate information of the PV obtained in real time to the adjacent unmeasured PV by utilizing the characteristic that the power generation rate is similar as shown in FIG. 6 .
발전량 추정이 적용되는 기준구간 범위는 앞서 타입(Type) 1 발전량 추정기술에서 정의한 것과 같이 3가지를 동일하게 적용한다. 단, 배전선로내 정상적으로 통신되는 PV가 없는 경우, 동일 주변압기(MTr)에 연계된 선로의 발전율을 참고한다.The range of reference intervals to which power generation estimation is applied applies the same three types as previously defined in the
기준구간내 실시간 발전량 계측치 기반 PV 발전비율을 산정하는 방법은 하기 수학식 3과 같다.The method of calculating the PV power generation rate based on the measured value of the real-time power generation within the reference section is shown in
산정된 추정 발전 비율을 미계측 PV의 설비용량에 적용하여 하기 수학식 4와 같이 발전량을 추정한다.The estimated power generation rate is applied to the installed capacity of the unmeasured PV to estimate the amount of power generation as shown in
본 발명에서 제안하는 미계측 PV 발전량 추정 방법의 상세를 다음과 같이 예시하겠다.The details of the method for estimating unmeasured PV power generation proposed in the present invention will be exemplified as follows.
실제 운영 중인 배전망에 연계된 PV 발전량 계측정보를 활용하였으며, 기준 구간으로는 배전선로 단위를 적용한 결과값이다.PV power generation measurement information linked to the actual operating distribution network was used, and the result value was applied to the distribution line unit as the reference section.
학습주기는 배전운영시스템에서 대용량인 AMI 데이터를 취득하는 주기를 고려하여 추정모델 학습 주기를 3시간 ~ 24시간 사이로 설정하였다. 주기적으로 추정모델 학습을 진행하면서 총 6일 기간 대상 PV 발전량을 추정하였다.As for the learning cycle, the estimation model learning cycle was set between 3 and 24 hours in consideration of the cycle of acquiring large-capacity AMI data from the distribution operating system. While periodically learning the estimation model, the total amount of PV power generation for a total of 6 days was estimated.
학습 주기가 짧으면 초기 추정 시 정밀도 확보 측면에서 유리하지만, 학습 데이터가 5~6일 정도 충분히 쌓일 경우 학습 주기가 길어져도 오차결과가 유사하게 나오기 때문에 추정 성능에 있어서 그 차이가 미미함을 확인하였다. 이를 통해 실제 배전운영시스템에서 모델 학습 주기를 24시간으로 설정하여도 일정 수준 이상의 추정 성능을 확보할 수 있음을 확인할 수 있었다.A short learning cycle is advantageous in terms of securing accuracy during initial estimation, but when the training data is sufficiently accumulated for about 5 to 6 days, the difference in estimation performance is negligible because the error results are similar even if the learning cycle is long. Through this, it was confirmed that even if the model learning cycle was set to 24 hours in the actual distribution operating system, it was possible to secure a certain level of estimation performance.
상술한 설명에서 타입(Type) 1 방식 발전량 추정 방법이 타입(Type) 2 방식 발전량 추정 방법 대비 상당히 복잡한 것을 알 수 있다.From the above description, it can be seen that the
이는 타입(Type) 2 방식 발전량 추정 방법을 수행함에 있어서, 이용하는 근처의 태양광 설비의 RTU 실계측 발전량 및/또는 타입(Type) 1 방식의 추정된 발전량이 정확하다고 간주하기 때문에, 비교적 단순한 알고리즘이 적용되며, 반면, 타입(Type) 1 방식 발전량 추정 방법을 수행함에 있어서는, 거리, 잡음, 신호 감쇄, 계기 편차 등 다양한 환경 변수 등에 의해 근처의 태양광 설비의 RTU 실계측 발전량에 오차가 있음을 반영하기 때문이다. This is because, in performing the
상술한 RTU 실계측 발전량에 오차를 감안하여, 타입 없는 RTU가 구비된 태양광 설비의 발전량에 있어서도, RTU 실계측값을 그대로 적용하지 않고, S220 단계에서 옵셋 보정 등 보정을 수행한다.In consideration of the error in the above-described RTU actually measured power generation amount, correction such as offset correction is performed in step S220 without directly applying the RTU actually measured value even to the power generation amount of the photovoltaic facility equipped with a typeless RTU.
도 7은 추정모델 학습 주기 변화에 따른 추정 오차결과를 나타낸 그래프이다.7 is a graph showing estimation error results according to changes in the estimation model learning cycle.
도 8은 타입(Type) 2 방식 발전량 추정 프로그램 추정결과를 나타낸 그래프이다.8 is a graph showing estimation results of a
도 9는 타입(Type) 1 방식 발전량 추정 프로그램 추정결과를 나타낸 그래프이다. ‘타입(Type) 1 PV 발전량 추정’ 방법에서 추정 모델 학습 주기가 미치는 영향을 확인하기 위해 실험을 진행하였으며, 그 결과 도 9와 같은 결과를 확인할 수 있었다.9 is a graph showing estimation results of a
다음은 Type1과 Type2 발전량 추정방식의 성능을 비교한 예시를 살펴보겠다.Next, we will look at an example comparing the performance of
먼저 Type2 방식의 발전량 추정 예시를 도 8에 나타내었다. 약 3일간의 추정 결과이며, 실제 PV에 연계된 RTU에서 계측한 발전량 데이터(검정선)와 추정 발전량(적색선)을 비교하였다. 3일간의 평균 오차율은 약 7.2%로 계산되었다.First, an example of estimating the generation amount of the
도 9에 나타낸 타입(Type1) 방식의 발전량 추정 예시에 있어, 통계적 시계열 분석 기반 방식의 추정 적용을 위해 4일치의 과거 발전량 이력 데이터를 이용하였다. 오차율 비교 결과, 통계적 시계열 분석 방법을 적용한 경우 오차율은 약 4.5%로, 타입(Type) 2 방식 대비 약 37.5% 오차가 감소되어, 타입(Type) 1 방식이 더 정밀한 추정 결과값을 얻음을 확인하였다.In the example of power generation estimation of the
도 10은 본 발명의 사상에 따른 태양광 설비들의 발전량 추정 시스템의 일 실시예를 도시한 블록도이다.10 is a block diagram illustrating an embodiment of a system for estimating the generation amount of solar facilities according to the spirit of the present invention.
도시한 배전 계통에 구비된 태양광 설비들의 발전량 추정 시스템(100)은, 대상 배전 계통에 구비된 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들을 수집하여 정리하는 데이터 수집/정리부(110); 정리된 상기 태양광 설비들에 대한 관련 정보들로부터 상기 각 태양광 설비들을 분류하는 PV 분류부(130); 상기 실시간 계측 PV에 대하여 수집된 상기 실시간 계측 데이터를 상기 AMI 검침 데이터를 반영하여 보정하는 RTU 실계측 데이터 보정부(142); 상기 검침 PV에 대하여 수집된 상기 AMI 검침 데이터 및 상기 실시간 계측 데이터를 이용하여, 상기 검침 PV의 실시간 계측 데이터를 추정하는 검침 PV 추정부(145); 및 추정된 상기 실시간 계측 데이터를 기반으로 미계측 PV로 분류된 각 태양광 설비들의 발전량을 추정하는 미계측 PV 추정부(150)를 포함할 수 있다. The
도시한 상기 데이터 수집/정리부(100)는, 대상 배전 계통에 구비된 태양광 설비들의 설치 정보를 획득하는 설비 정보 획득부(112); 상기 태양광 설비들의 AMI 검침 데이터를 획득하는 AMI 검침 데이터 획득부(113); 상기 태양광 설비들의 실시간 계측 데이터를 획득하는 RTU 계측 데이터 획득부(114); 소정 기간의 상기 실시간 계측 데이터에 대한 실계측 데이터 세트를 구성하는 RTU 실계측 데이터 세트 구성부(126); 및 상기 소정 기간의 상기 AMI 검침 데이터에 대한 검침 데이터 세트를 구성하는 AMI 검침 데이터 세트 구성부(128)를 포함한다.The illustrated data collection/
또한, 대상 배전 계통에 구비된 상기 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들 및 상기 각 태양광 설비들의 설치 정보와 분류 정보들이 저장되는 저장부(160)를 더 포함할 수 있다.In addition, it may further include a
상기 설비 정보 획득부(112)는 도 2의 S20 단계를 수행하고, 상기 AMI 검침 데이터 획득부(113) 및 RTU 계측 데이터 획득부(114)는 S40 단계를 수행한다.The facility
상기 RTU 실계측 데이터 세트 구성부(126)는 도 2의 S60 단계를 수행하며, 상기 AMI 검침 데이터 세트 구성부(128)는 S80 단계를 수행한다. The RTU real measurement data set
상기 PV 분류부(130)는 도 2의 S100 단계를 수행하며, 상기 RTU 실계측 데이터 보정부(142)는 S220 단계를 수행하고, 상기 검침 PV 추정부(145)는 S250 단계를 수행하며, 상기 미계측 PV 추정부(150)는 S300 단계를 수행한다.The
상기 저장부(160)를 제외한 도 10의 구성 요소들은 서버 등에서 로딩되어 실행되는 소프트웨어 블록으로 구현될 수 있으며, 상기 저장부(160)는 상기 서버 등에 구비된 저장장치(SSD, HDD, 플래시 메모리 등)이거나 별도의 DB 서버일 수 있다.Components of FIG. 10 except for the
상기 저장부(160)에는 상기 관련 정보들로서, 상기 AMI 검침 데이터, RTU 실시간 계측 데이터, RTU 실계측 데이터 세트, AMI 검침 데이터 세트, PV 타입(Type) 분류 정보, 각 태양광 설비들의 설치 위치 및 배전 선로상 거리, 용량 정보, 검침 PV의 Type 1 추정된 실시간 계측 데이터, 미계측 PV의 Type 2 추정된 실시간 계측 데이터, RTU 실계측 데이터에 대한 보정 정보 등이 저장될 수 있다.In the
도면에서 도 10의 구성 요소들 상호간에 작업의 전후에 따라 화살표로 표시하였는데, 해당 작업 수행 결과 정보는 화살표를 따라 이동하지 않고, 상기 저장부(160)를 매개하여 결과들이 저장되는 방식으로, 작업들이 순차적으로 수행될 수 있다.In the drawing, the components of FIG. 10 are indicated by arrows according to the front and back of the work, but the work performance result information does not move along the arrow, and the results are stored through the
도 11은 국내 지역에서 실증 중인 ADMS(차세대 배전운영시스템)에 본 발명 기술을 탑재 후 실증한 결과이다.11 is a demonstration result after the technology of the present invention is loaded into an ADMS (Next Generation Distribution Management System) being demonstrated in a domestic region.
대상이 되는 선로의 분산형전원은 고압 205kVA, 저압 1,567kVA로 구성되어 있으며, 그 중 측정되는 PV의 발전량을 기준으로 추정한 결과를 보여준다.The distributed power source of the target line consists of high voltage of 205kVA and low voltage of 1,567kVA, and the estimated results are shown based on the measured PV power generation.
해당 선로의 계측된 발전량인 42kW를 활용하여, 추정 대상이 되는 PV의 발전량인 790kW가 추정되어 결과적으로 833kW의 발전량이 발생한 것을 나타내었다.Using 42kW, the measured generation amount of the line, 790kW, the generation amount of the PV to be estimated, was estimated, resulting in generation of 833kW.
또한, 자동화 개폐기~자동화 개폐기 사이 구간 단위의 발전량 정보를 추정하고, 그 결과 구간 단위의 총부하의 값을 추정한 것을 확인할 수 있다.In addition, it can be confirmed that generation amount information of each section between the automatic switch and the automatic switch is estimated, and as a result, the total load value of each section is estimated.
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.The above description is merely an example of the technical idea of the present invention, and various modifications and variations can be made to those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain, and the scope of the technical idea of the present invention is not limited by these embodiments. The protection scope of the present invention should be construed according to the claims below, and all technical ideas within the equivalent range should be construed as being included in the scope of the present invention.
100 : 발전량 추정 시스템
110 : 데이터 수집/정리부
130 : PV 분류부
142 : RTU 실계측 데이터 보정부
145 : 검침 PV 추정부
150 : 미계측 PV 추정부
112 : 설비 정보 획득부
113 : AMI 검침 데이터 획득부
114 : RTU 계측 데이터 획득부
126 : RTU 실계측 데이터 세트 구성부
128 : AMI 검침 데이터 세트 구성부
160 : 저장부100: power generation estimation system
110: data collection/organization unit
130: PV classification unit
142: RTU actual measurement data correction unit
145: meter reading PV estimation unit
150: unmeasured PV estimation unit
112: facility information acquisition unit
113: AMI meter reading data acquisition unit
114: RTU measurement data acquisition unit
126: RTU actual measurement data set component
128: AMI meter reading data set configuration unit
160: storage unit
Claims (11)
정리된 상기 태양광 설비들에 대한 관련 정보들로부터 각 태양광 설비들을 분류하는 PV 분류 단계;
미계측 PV가 아닌 것으로 분류된 각 태양광 설비들에 대하여 AMI 검침 데이터로부터 발전량의 실시간 계측 데이터를 정밀추정하는 정밀추정 단계; 및
정밀추정된 상기 실시간 계측 데이터를 기반으로 미계측 PV로 분류된 각 태양광 설비들의 발전량을 추정하는 미계측 PV 추정 단계
를 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
A data collection/organization step of collecting and organizing related information including AMI meter reading data for photovoltaic facilities provided in the target power distribution system;
a PV classification step of classifying each photovoltaic facility from the organized related information on the photovoltaic facility;
A precise estimation step of accurately estimating real-time measurement data of power generation from AMI meter reading data for each photovoltaic facility classified as non-measured PV; and
An unmeasured PV estimating step of estimating the amount of power generation of each photovoltaic facility classified as unmeasured PV based on the precisely estimated real-time measurement data.
A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system comprising a.
상기 데이터 수집/정리 단계는,
대상 배전 계통에 구비된 태양광 설비들의 설치 정보를 획득하는 단계;
상기 태양광 설비들의 AMI 검침 데이터 및 실시간 계측 데이터를 획득하는 단계;
소정 기간의 상기 AMI 검침 데이터에 대한 검침 데이터 세트를 구성하는 단계; 및
상기 소정 기간의 상기 실시간 계측 데이터에 대한 실계측 데이터 세트를 구성하는 단계
를 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
According to claim 1,
In the data collection/organization step,
Acquiring installation information of photovoltaic facilities provided in a target power distribution system;
Acquiring AMI meter reading data and real-time measurement data of the photovoltaic facilities;
constructing an inspection data set for the AMI inspection data of a predetermined period; and
Configuring an actual measurement data set for the real-time measurement data of the predetermined period
A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system comprising a.
상기 PV 분류 단계에서는,
상기 검침 데이터 세트 및 상기 실계측 데이터 세트를 조합하여, 상기 소정 기간을 구성하는 다수의 각 기준 구간 및 각 설비 별로 타입을 분류하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
According to claim 2,
In the PV classification step,
A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system, combining the meter reading data set and the actual measurement data set to classify a type for each of a plurality of reference sections constituting the predetermined period and each facility.
상기 PV 분류 단계에서는,
발전량의 실시간 계측이 가능한 실시간 계측 PV에는 타입을 부여하지 않고,
발전량의 실시간 계측은 불가능하지만 AMI 검침이 가능한 검침 PV에는 타입 1을 부여하고,
발전량의 실시간 계측 및 AMI 검침이 불가능한 미계측 PV에는 타입 2를 부여하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
According to claim 2,
In the PV classification step,
Real-time measurement PV, which can measure power generation in real time, is not given a type,
Although real-time measurement of power generation is not possible, type 1 is assigned to meter reading PVs that can read AMI meters.
A method for estimating the amount of power generation of photovoltaic facilities installed in the power distribution system that gives type 2 to unmeasured PVs in which real-time measurement of power generation and AMI meter reading are impossible.
상기 정밀추정 단계는,
상기 실시간 계측 PV에 대하여 수집된 상기 실시간 계측 데이터를 상기 AMI 검침 데이터를 반영하여 보정하는 단계; 및
상기 검침 PV에 대하여 수집된 상기 AMI 검침 데이터 및 상기 실시간 계측 데이터를 이용하여, 상기 검침 PV의 실시간 계측 데이터를 추정하는 단계
를 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
According to claim 4,
In the precise estimation step,
correcting the real-time measurement data collected for the real-time measurement PV by reflecting the AMI meter reading data; and
Estimating real-time measurement data of the meter reading PV using the AMI meter reading data and the real-time measurement data collected for the meter reading PV
A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system comprising a.
상기 검침 PV의 실시간 계측 데이터를 추정하는 단계는,
학습데이터 기반으로 추정 모델을 학습하여 후보 추정 모델들을 생성하는 과정;
검증데이터 기반으로 상기 후보 추정 모델들을 검증하여 최종 추정 모델을 선정 과정; 및
갱신된 추정 대상 기준 구간의 계측 데이터를 상기 최종 추정 모델에 적용하여 상기 검침 PV의 발전량을 추정하는 과정
순서로 수행되는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
According to claim 5,
The step of estimating the real-time measurement data of the meter reading PV,
generating candidate estimation models by learning an estimation model based on the learning data;
selecting a final estimation model by verifying the candidate estimation models based on verification data; and
A process of estimating the generation amount of the meter reading PV by applying the updated measurement data of the estimation target reference section to the final estimation model
A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system performed in order.
상기 미계측 PV 추정 단계는,
각 미계측 PV에 대하여 미계측 PV가 아닌 것으로 분류된 각 태양광 설비들 중에서 비교 대상 PV를 지정하고, 상기 비교 대상 PV의 정밀추정된 실시간 계측 데이터를 취득하는 단계;
상기 비교 대상 PV의 기준 구간의 발전율을 산정하는 단계; 및
상기 미계측 PV에 대하여 산정된 상기 기준 구간의 발전율을 적용하여 상기 미계측 PV의 발전량을 추정하는 단계
를 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 방법.
According to claim 1,
In the step of estimating the unmeasured PV,
designating a comparison target PV from among photovoltaic facilities classified as non-measured PVs for each unmeasured PV, and acquiring precisely estimated real-time measurement data of the comparison target PV;
Calculating a power generation rate of a reference section of the comparison target PV; and
Estimating the amount of power generation of the unmeasured PV by applying the power generation rate of the reference section calculated for the unmeasured PV
A method for estimating the amount of power generation of photovoltaic facilities provided in a power distribution system comprising a.
정리된 상기 태양광 설비들에 대한 관련 정보들로부터 각 태양광 설비들을 분류하는 PV 분류부;
상기 검침 PV에 대하여 수집된 상기 AMI 검침 데이터 및 실시간 계측 데이터를 이용하여, 상기 검침 PV의 실시간 계측 데이터를 추정하는 검침 PV 추정부; 및
추정된 상기 실시간 계측 데이터를 기반으로 미계측 PV로 분류된 각 태양광 설비들의 발전량을 추정하는 미계측 PV 추정부
를 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 시스템.
a data collection/organization unit that collects and organizes related information including AMI meter reading data for photovoltaic facilities provided in the target distribution system;
a PV classification unit that classifies each solar facility from the organized information on the solar facility;
an inspection PV estimator for estimating real-time measurement data of the inspection PV using the AMI inspection data and real-time measurement data collected for the inspection PV; and
An unmeasured PV estimator for estimating the amount of power generation of each photovoltaic facility classified as unmeasured PV based on the estimated real-time measurement data.
System for estimating power generation of photovoltaic facilities provided in a power distribution system comprising a.
상기 데이터 수집/정리부는,
대상 배전 계통에 구비된 태양광 설비들의 설치 정보를 획득하는 설비 정보 획득부;
상기 태양광 설비들의 AMI 검침 데이터 및 실시간 계측 데이터를 획득하는 AMI 검침 데이터 획득부;
상기 태양광 설비들의 실시간 계측 데이터를 획득하는 RTU 계측 데이터 획득부;
소정 기간의 상기 실시간 계측 데이터에 대한 실계측 데이터 세트를 구성하는 RTU 실계측 데이터 세트 구성부; 및
상기 소정 기간의 상기 AMI 검침 데이터에 대한 검침 데이터 세트를 구성하는 AMI 검침 데이터 세트 구성부
를 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 시스템.
According to claim 8,
The data collection / organization unit,
a facility information acquisition unit acquiring installation information of photovoltaic facilities provided in a target power distribution system;
an AMI meter reading data acquisition unit that acquires AMI meter reading data and real-time measurement data of the photovoltaic facilities;
an RTU measurement data acquisition unit acquiring real-time measurement data of the photovoltaic facilities;
an RTU real measurement data set configuring unit configuring a real measurement data set for the real time measurement data of a predetermined period; and
An AMI inspection data set construction unit constituting an inspection data set for the AMI inspection data of the predetermined period
System for estimating power generation of photovoltaic facilities provided in a power distribution system comprising a.
상기 실시간 계측 PV에 대하여 수집된 상기 실시간 계측 데이터를 상기 AMI 검침 데이터를 반영하여 보정하는 RTU 실계측 데이터 보정부
를 더 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 시스템.
According to claim 8,
RTU real-time measurement data correction unit for correcting the real-time measurement data collected for the real-time measurement PV by reflecting the AMI meter reading data
System for estimating power generation of photovoltaic facilities provided in a power distribution system further comprising a.
대상 배전 계통에 구비된 상기 태양광 설비들에 대한 AMI 검침 데이터를 포함한 관련 정보들 및 상기 각 태양광 설비들의 설치 정보와 분류 정보들이 저장되는 저장부
를 더 포함하는 배전 계통에 구비된 태양광 설비들의 발전량 추정 시스템.
According to claim 8,
A storage unit for storing related information including AMI meter reading data on the photovoltaic facilities provided in the target power distribution system and installation information and classification information of each photovoltaic facility
System for estimating power generation of photovoltaic facilities provided in a power distribution system further comprising a.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210123963A KR20230040608A (en) | 2021-09-16 | 2021-09-16 | Method and system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210123963A KR20230040608A (en) | 2021-09-16 | 2021-09-16 | Method and system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230040608A true KR20230040608A (en) | 2023-03-23 |
Family
ID=85799098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210123963A KR20230040608A (en) | 2021-09-16 | 2021-09-16 | Method and system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230040608A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101803056B1 (en) | 2017-08-25 | 2017-11-29 | (주)대연씨앤아이 | Error correction system and method for photovoltaic monitoring system |
-
2021
- 2021-09-16 KR KR1020210123963A patent/KR20230040608A/en active Search and Examination
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101803056B1 (en) | 2017-08-25 | 2017-11-29 | (주)대연씨앤아이 | Error correction system and method for photovoltaic monitoring system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Time-varying stochastic assessment of conservation voltage reduction based on load modeling | |
| Trakas et al. | Spatial risk analysis of power systems resilience during extreme events | |
| AU2013257529B2 (en) | Monitoring system | |
| CN109426892A (en) | System and method for the distribution load forecast in power grid | |
| Dong et al. | Frequency prediction of power systems in FNET based on state-space approach and uncertain basis functions | |
| US11914355B2 (en) | System for determining electric parameters of an electric power grid | |
| US11249121B2 (en) | Method of utility usage divergence identification between recurring consumption data indicative of repeating periodic consumption patterns and utility consumption data | |
| US20160356859A1 (en) | Fault detection in energy generation arrangements | |
| KR102283487B1 (en) | A Forecasting System of Photovoltaic Generation Based on Machine-learning Using Realtime Satellite Data and Numerical Modeling Data | |
| US9639643B2 (en) | Method and system for generating electric load models | |
| KR20180103632A (en) | Smart meter system and detection method applying abnormal information detection technology | |
| Wang et al. | A load modeling algorithm for distribution system state estimation | |
| US11451053B2 (en) | Method and arrangement for estimating a grid state of a power distribution grid | |
| Tang et al. | Enhancement of distribution load modeling using statistical hybrid regression | |
| KR101848923B1 (en) | Apparatus and method for validating meter data | |
| EP3449267A1 (en) | A method for identifying the phases of a multi-phase distribution grid | |
| CN116303480B (en) | Electric energy meter error checking method based on cloud computing | |
| US11158007B2 (en) | Dynamic energy consumption and harvesting with feedback | |
| KR20230040608A (en) | Method and system for estimating the amount of power generation of photovoltaic facilities provided in the distribution system | |
| Koumpli | Impact of data quality on photovoltaic (PV) performance assessment | |
| CN115207909A (en) | Method, device, equipment and storage medium for identifying platform area topology | |
| US20220284156A1 (en) | Real-time update of power system models for dynamic security assessment | |
| Rowley et al. | From smart homes to smart communities: Advanced data acquisition and analysis for improved sustainability and decision making | |
| CN117878925B (en) | Power transmission data control method and system of smart power grid | |
| Amiri et al. | A novel optimal PMU location method in smart grids |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |