KR20230102007A - 태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 - Google Patents
태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 Download PDFInfo
- Publication number
- KR20230102007A KR20230102007A KR1020210191287A KR20210191287A KR20230102007A KR 20230102007 A KR20230102007 A KR 20230102007A KR 1020210191287 A KR1020210191287 A KR 1020210191287A KR 20210191287 A KR20210191287 A KR 20210191287A KR 20230102007 A KR20230102007 A KR 20230102007A
- Authority
- KR
- South Korea
- Prior art keywords
- power generation
- unit
- data
- power
- simulation
- Prior art date
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title abstract description 12
- 238000010248 power generation Methods 0.000 claims abstract description 118
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 57
- 239000001257 hydrogen Substances 0.000 claims abstract description 57
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000004088 simulation Methods 0.000 claims abstract description 50
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000012800 visualization Methods 0.000 claims abstract description 13
- 238000011161 development Methods 0.000 claims abstract description 3
- 238000007726 management method Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 150000002431 hydrogen Chemical class 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract 1
- 238000009440 infrastructure construction Methods 0.000 abstract 1
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
-
- 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
- H02J2300/30—The power source being a fuel cell
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
- Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 태양광 및 수소연료전지 발전 시스템의 제어 장치 및 방법에 관한 것으로, 보다 구체적으로는 태양광 발전 시스템과 수소연료전지 발전 시스템을 함께 이용하여 전력을 생산하는 발전부; 상기 발전부의 전력 데이터 및 주변 환경 정보를 수집하는 수집부; 상기 수집부의 데이터를 기반으로 상기 시뮬레이션부를 통해 전력 생산 및 소비량을 예측하는 예측부; 상기 예측부의 데이터로 상기 발전부를 가상현실 플랫폼에서 표현하는 시뮬레이션부; 및 상기 시뮬레이션부를 시각화하여 제공하는 시각화부를 포함하며, 전력 생산/공급의 최적화, 수소 공급 및 생산 최적화 및 발전 시스템의 고효율화를 통한 경제성을 향상시킬 수 있다. 그리고 본 발명은 국가연구과제개발사업과제 사업명 : 창원산업단지 에너지 자급자족형 인프라 구축 및 운영사업, 과제명 : 창원 스마트산단 에너지자립화(RE100) 플랫폼 구축사업(2차), 과제고유번호 : 창원산업단지공단 실증시범사업(NTIS 번호 없음), 부처명 : 한국산업단지공단, 주관기관 : SK건설, 과제수행기관 : SK주식회사, 창원대학교 의 지원을 받아 진행되는 발명이다.
Description
본 발명은 태양광 및 수소연료전지 발전 시스템의 제어 장치 및 방법에 관한 것으로, 구체적으로는 가상현실을 이용하여 태양광 및 수소연료전지 발전의 효율적 관리를 위한 제어 장치 및 방법에 관한 것이다.
환경 문제와 화석 에너지원의 부족으로 인하여 기존의 화력발전은 지열에너지, 태양광에너지, 풍력에너지 등과 같은 신재생 에너지 자원을 이용한 발전 방식으로 대체되고 있으며, 국내에서도 기업이 사용하는 전력량의 100%를 태양광, 풍력 등 재생 에너지로 전환하는 글로벌 에너지 전환 캠페인인 RE100을 추진하고 있다.
대표적인 신재생 에너지를 이용하는 발전 방식으로는 태양광에너지를 이용하는 태양광 발전 방식, 태양열 발전 방식 등이 있으나, 태양광에너지를 이용하는 발전은 태양이 비춰야만 전력 생산이 가능한 비연속적인 에너지원으로서 전력 부족 현상이 발생하거나 발전량이 많을 경우 잉여전력이 생성되는 문제가 있으므로 이러한 문제를 해결하기 위해서는 연속적인 형태로 사용하기 위하여 다른 수단으로 에너지를 생산 및/또는 저장할 수 있는 기술이 필수적이다.
에너지를 생산 및/또는 저장할 수 있는 기술로서 일반적으로 에너지 저장 장치(Energy Storage System, ESS) 기술을 이용하고 있으나, 이는 기본적으로 배터리를 이용하는 기술로서 용량 및 저장 시간 등에 한계가 있으며, 이동이 불가능하다는 단점이 있어 최근에는 잉여 전기를 이용하여 물의 전기분해에 의한 수소 제조를 통한 수소 저장 방식을 활용해 차량에 공급함은 물론 수소연료전지를 통한 발전시스템을 이용하기 위한 노력을 지속하고 있다.
그러나, 효율적인 발전 시스템의 에너지 관리를 위해서는 시스템의 정확한 상태 진단 및 제어 기술이 요구되나, 기존의 태양광-수소연료전지 발전 시스템에서는 설비 사용자가 실시간으로 수집되는 설비의 정보를 기반으로 진단 및 예측을 통한 설비 운용에 한계가 있다.
본 발명은 상기 기술적 과제에 대한 문제점을 해결하기 위한 것으로, 태양광 및 수소연료전지 시스템을 활용한 발전단지에서 인공지능 기술을 통하여 전력공급 예측 및 유지보수 솔루션이 가능한 제어장치 및 방법을 제공하는데 그 목적이 있다.
다른 측면에서 본 발명은 효율적인 발전 시스템 관리를 위하여 정확한 상태진단 및 제어 기술을 제공하는데 그 목적이 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 발전장치 관리 시스템은 태양광 발전 시스템과 수소연료전지 발전 시스템을 함께 이용하여 전력을 생산하는 발전부; 상기 발전부의 전력 데이터 및 주변 환경 정보를 수집하는 수집부; 상기 수집부의 데이터를 기반으로 상기 시뮬레이션부를 통해 전력 생산 및 소비량을 예측하는 예측부; 상기 예측부의 데이터로 상기 발전부를 가상현실 플랫폼에서 표현하는 시뮬레이션부; 및 상기 시뮬레이션부를 시각화하여 제공하는 시각화부를 포함할 수 있다.
또한, 상기 수집부는 상기 발전부의 전력 생산량, 전력 공급량, 기상정보, 수소 잔여량, 수소 소모량, 시간/일자 별 부하량 데이터 중 어느 하나 이상의 데이터를 수집할 수 있다.
또한, 상기 예측부는 딥러닝을 이용하여 동작을 수행하며, 상기 수집부의 데이터를 기반으로 상기 발전부의 전력 생산량, 부하의 전력 소비량, 잉여 전력을 이용하여 생산하는 수소량, 배터리의 충방전을 이용한 발전량 변동폭을 예측하고, 예측 결과와 실제 동작 결과를 비교하여 상기 딥러닝을 학습할 수 있다.
또한, 상기 예측부의 예측 결과와 실제 생산량 및 소비량이 기설정된 범위를 벗어난 경우 빅데이터 분석을 통해 해결 방안을 도출할 수 있다.
또한, 상기 시뮬레이션부는 상기 수집부의 데이터를 해석하는 해석 시뮬레이터, 상기 시뮬레이터의 결과로 3차원 모델링을 수행하는 변환 시뮬레이터, 상기 수집부의 정보 및 예측부의 결과를 모니터링하는 제1 모니터링부, 상기 3차원 모델을 가상현실로 변환하는 가상현실 변환부를 포함할 수 있다.
또한, 상기 시각화부는 상기 시뮬레이션부를 모니터링하는 제2 모니터링부, 상기 시각화된 가상현실을 사용자에게 제공하는 헤드 마운트 디스플레이, 상기 시뮬레이션을 제어하는 컨트롤러를 포함할 수 있다.
또 다른 측면에서 상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 발전장치 관리 방법은 분산발전 시스템에서 전력을 생산하는 단계; 상기 분산발전 시스템의 전력 생산, 공급데이터 및 기상정보를 수집하는 단계; 상기 수집된 데이터를 분석, 가공 및 예측하는 단계; 상기 가공 및 예측된 데이터를 가상현실로 변환하는 단계; 상기 변환된 가상현실을 이용하여 발전 시뮬레이션을 구동하는 단계;
빅데이터를 이용하여 상기 구동결과를 분석하는 단계; 및 상기 구동결과 및 상기 시뮬레이션을 사용자에게 제공하는 단계를 포함할 수 있다.
또한, 상기 분산발전 시스템은 신재생에너지 발전 시스템과 수소연료전지 발전 시스템을 이용하여 전력을 생산할 수 있다.
또한, 상기 수집된 데이터를 분석, 가공 및 예측하는 단계는 딥러닝을 이용하여 동작을 수행하며,
또한, 상기 기상정보를 기반으로 신재생에너지 발전량을 예측하고, 수소의 소모량을 기반으로 필요 생산량을 예측하고, 시간별/일자별 부하량 데이터를 기반으로 필요 부하량을 예측할 수 있다.
또한, 상기 구동결과를 분석하는 단계는 예측 결과와 실제 생산량 및 소비량이 기설정된 범위를 벗어난 경우 빅데이터 분석을 통해 해결 방안을 도출할 수 있다.
상기한 본 발명의 일 실시예에 따른 발전장치 관리 시스템은 전력 생산 및 공급을 최적화할 수 있다.
또한, 인공지능 기술을 활용하여 연료전지 및 P2G 시스템의 수소공급 및 생산 예측을 최적화할 수 있다.
또한, 전력 공급 과잉 해소 및 잉여전력으로 수소의 생성 및 저장된 수소의상업적활용을 실시할 수 있다.
또한, 전력 및 수소 생산/공급 최적화 제어를 통한 시스템 고효율화로 인한 경제성 향상 및 불필요한 환경 오염을 저감할 수 있다.
도 1은 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 블록 다이어그램이다.
도 2는 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 시뮬레이션부를 구체화하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 시각화부를 구체화하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 디지털 트윈에 관한 도면이다.
도 5는 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 인공지능의 구조이다.
도 6은 본 발명의 일 실시예에 따른 발전장치 관리 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 시뮬레이션부를 구체화하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 시각화부를 구체화하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 디지털 트윈에 관한 도면이다.
도 5는 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 인공지능의 구조이다.
도 6은 본 발명의 일 실시예에 따른 발전장치 관리 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시 예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 블록 다이어그램이다.
본 발명의 일 실시예에 따른 발전장치 관리 시스템은 발전부(100), 수집부(200), 예측부(300), 시뮬레이션부(400) 및 시각화부(500)을 포함할 수 있다.
본 발명의 일 실시예에서 발전부(100)는 태양광 발전부(110) 및 수소연료전지 발전부(120)의 트윈 발전 시스템으로 구성될 수 있다.
태양광 발전부(110)는 여러 개의 태양 전지들이 붙어있는 태양광 패널을 이용하여 태양광을 직류 전기로 바꾸어 전력을 생산하는 발전 방법으로서 태양광이 직사하는 곳이라면 위치에 제한을 두지 않고 설치가 가능한 장점이 있다.
그러나, 태양광 발전부(110)는 직사하는 태양광을 전기로 바꾸어 전력을 생산하기 때문에 태양이 떠있는 시간에만 발전이 가능한 동시에 발전량을 제어할 수 없는 문제가 있다.
이러한 문제를 해결하기 위하여 본 발명의 일 실시예에서는 태양광 발전부(110)에서 과다 생산되는 잉여전력을 이용하여 수소를 생산할 수 있으며, 수소연료전지 발전부(120)는 생산된 수소를 이용하여 태양광 발전부(110)가 발전을 수행하지 않는 기간에 발전을 수행할 수 있다.
또한, 생산된 수소는 발전 이외에도 차량 공급 등의 다양한 분야에서 이용될 수 있음은 물론이다.
수집부(200)는 발전 데이터 수집부(210) 및 정보 수집부(220)로 구성될 수 있다.
발전 데이터 수집부(210)는 태양광 발전부(110) 및 수소연료전지 발전부(120)의 발전량 및 전력 공급량 등을 수집할 수 있다.
정보 수집부(220)는 온도, 습도, 일사량 등의 기상정보, 날씨, 수소 소모량, 시간/일자별 부하량 데이터를 수집할 수 있다.
상기 수소 소모량의 경우에는 수소저장탱크(미도시)의 수소 잔량을 기준으로 차량이 이용하는 수소충전소 등의 수소 소모량 및 수소연료전지 발전부(120)의 수소 소모량을 모두 포함할 수 있다.
예측부(300)는 수집부(200)의 데이터를 받아 전력 생산량, 수소 생산량 및 부하량을 예측할 수 있다.
구체적으로, 예측부(300)는 수집된 기상정보 및 날씨 데이터를 이용하여 태양광 발전부(110)의 전력 생산량을 예측할 수 있다.
예측부(300)는 수소 소모량 데이터를 기반으로 필요한 수소량(수소 생산량)을 예측할 수 있다.
예측부(300)는 과거의 시간/일자별 부하량 데이터를 기반으로 미래의 시간/일자별 부하량 데이터를 예측할 수 있다.
예측부(300)는 AI기술을 적용하여 동작을 수행할 수 있으며, 복수의 레이어를 포함하는 CNN, ANN, RNN 등의 신경망 구조, 기계학습, 딥러닝 등의 학습 모델을 구분없이 모두 이용할 수 있다.
예측부(300)는 시스템 운영의 최적화를 위하여 최적화 알고리즘 및 AI기술을 기반으로 시스템의 향후 제어 방안을 수행할 수 있다.
시뮬레이션부(400)는 발전부(100)의 구조 및 동작을 가상현실(VR)로 변환하여 사용자에게 제공할 수 있다.
구체적으로, 시뮬레이션부(400)는 실제 발전 시스템인 발전부(100)를 디지털화 하여 가상현실 내에서 동작을 실시할 수 있도록 시뮬레이션화 할 수 있으며, 이와 동시에 수집부(200)와 예측부(300)의 데이터를 함께 이용하여 시뮬레이션이 동작하도록 제어할 수 있다.
시뮬레이션부(400)에서는 수집부(200)의 실시간 수집 데이터 및 예측부(300)의 실시간 예측 데이터를 받아 실시간으로 시뮬레이션에 적용하거나 수집부(200)의 데이터를 이용하여 미래의 상황을 예측하여 시뮬레이션으로 미리 구동해 봄으로써 향후에 발생할 수 있는 문제를 사전에 테스트해 볼 수 있다.
또한, 시뮬레이션부(400)에서는 사용자로부터 데이터를 입력받아 시뮬레이션에 적용함으로써 다양한 환경에서의 발전부(100)의 동작을 사전에 테스트해 볼 수 있다.
도 2는 시뮬레이션부(400)을 구체화한 도면으로서, 시뮬레이션부(400)는 해석 시뮬레이터(410), 시뮬레이터(420), 제1 모니터링부(430) 및 가상현실 변환부(440)으로 구성될 수 있다.
시뮬레이션부(400)는 하나의 워크스테이션 등의 컴퓨터로 구성되거나, 복수의 컴퓨터가 병렬 연결되는 컴퓨팅 시스템 또는 클라우드 시스템 등의 형태로 구성될 수도 있으며, 발전 및 제어 시스템을 시뮬레이션화 할 수 있다면 그 구조에 제한을 두지 않는다.
해석 시뮬레이터(410)는 발전부(100)의 구조 및 수집부(200), 예측부(300)의데이터를 해석할 수 있다. 여기서 해석이란 해석 프로그램을 이용하여 발전부(100)의 모든 시스템을 시뮬레이션으로 변환하기 위한 수치 해석 및 동작 데이터 획득을 의미할 수 있다.
변환 시뮬레이터(420)는 해석 시뮬레이터(410)의 해석 데이터를 받아 3차원 형태의 시뮬레이션으로 변환할 수 있다. 예를 들어, 발전부(100)의 구조 데이터를 기반으로 3D CAD를 이용하여 3차원 형태의 발전소를 구축하거나, 수집부(200) 및 예측부(300)의 데이터를 기반으로 발전부(100)의 동작을 시뮬레이션할 수 있다.
상기 발전부(100)의 구조 데이터를 동일한 형태로 시뮬레이션화 한 구성에 대하여 본 발명에서는 '디지털 트윈(twin)'으로 명명하도록 한다.
제1 모니터링부(430)는 수집부(200) 및 예측부(300)에서 데이터가 출력되는지 여부를 기 설정된 주기로 확인하거나 수집부(200) 및 예측부(300)의 출력 신호를 수신하는 방식으로 동작할 수 있다.
제1 모니터링부(430)는 수집된 수집부(200) 및 예측부(300)의 데이터를 변환 시뮬레이터(420)에 전달함으로써 발전부(100)의 동작과 디지털 트윈의 동작을 동기화 시킴으로써 발전 시스템의 동작을 시뮬레이션으로 변환할 수 있다.
수집부(200)에 의해 동기화 되는 데이터는 구체적으로 부하의 변화량, 전력 생산량 및 저장량, 수소 생산량, 주변 환경 날씨 및 기상정보, 수소 소모량 등 발전 시스템과 관련된 정보를 모두 포함할 수 있다.
또한, 예측부(300)로부터 향후 제어 방안이 입력되면 가변 교류 부하 뱅크의 부하 지령 제어, 배터리의 충방전을 이용한 발전량의 소폭 변동, P2G를 이용한 수소 생성량 제어 등을 시뮬레이션 내에서 수행하여 발전 시스템의 최적화를 사전에 혹은 실시간으로 확인할 수 있다.
가상현실 변환부(440)는 3차원 시뮬레이션을 사용자가 쉽게 인지하는 동시에 제어할 수 있도록 가상현실로 변환할 수 있다.
시각화부(500)는 사용자에게 가상현실 변환부(440)에서 생성된 가상현실을 사용자에게 제공하여 직접 제어하거나 시스템 확인을 수행할 수 있으며, 시각화부(500)는 제2 모니터링부(510), HMD(Head Mounted Display)(520), 컨트롤러(530)을 포함할 수 있다.
도 3은 시각화부(500)을 구체화하는 도면으로서, 제2 모니터링부(510)는 시뮬레이션부(400)의 출력 데이터를 모니터링할 수 있다. 가상현실이 동작하는 동안 실시간으로 많은 양의 데이터가 입출력되게 되므로 이러한 데이터 입출력의 이상 유무, 지연 등의 통신 상태 등을 모니터링하여 사용자가 가상현실을 통한 시스템 관리에 문제가 없는지 지속적인 모니터링을 수행할 수 있다.
HMD(520)는 헤드 마운트 디스플레이를 통해 사용자에게 가상현실을 제공할 수 있다.
컨트롤러(530)은 사용자가 가상현실을 이용하는 도중 가상현실 내의 시점 변동, 위치 이동, 시스템 제어, 발전 설비 제어, 부하량 제어, 수소 생산량 제어 등 가상현실 내 모든 유닛들에 대한 제어 및 모니터링을 수행할 수 있다.
또한, 도면 상에는 표시하지 않았으나, 시각화부(500)는 웹서버(미도시)를 포함할 수 있으며, 웹서버(미도시) 내에 가상현실 구동을 위한 프로그램 및 HMD(520)에 영상을 송출하기 위한 시뮬레이션 데이터를 저장할 수 있다.
예측부(300)에서 최적화 알고리즘 및 AI기술을 기반으로 제안된 최적화 예측 결과를 시뮬레이션부(400)에서 시뮬레이션 한 결과, 기설정된 오차 범위를 벗어나 동작을 실시하는 경우가 발생할 수 있다.
피드백부(미도시)는 시뮬레이션 결과가 기설정된 범위를 벗어나는 경우, 최적화 알고리즘 및 AI에 추가적인 해결 방안을 도출하여 예측부(300)의 제어 방안을 업데이트할 수 있다.
상기 추가적인 해결 방안은 피드백부(미도시) 내에 포함되어 있는 빅데이터 분석을 통해 수행될 수 있으며, 빅데이터는 발전 데이터 수집부(210)의 수집 데이터 및 타 발전 시스템의 발전 데이터를 기반으로 구성될 수 있다.
도 4는 트윈 시스템의 예시에 관한 것으로서, 좌측은 실제 태양광-수소연료전지 발전 시스템이며, 우측은 시뮬레이션부(400)에서 생성한 디지털 트윈이다.
도 4에서와 같이 시뮬레이션부(400)는 변환 시뮬레이터(420)을 통해 실제 태양광-수소연료전지 발전 시스템과 동일한 형태의 시뮬레이션을 생성할 수 있으며, 이러한 디지털 트윈을 통해 실제 시스템에 적용하기 이전에 예측부(300)의 예측 데이터를 디지털 트윈에 적용해 봄으로써 발전 시스템의 최적화된 운용을 시험해 볼 수 있다.
또한, 예측범위를 벗어나는 운용에 대하여 사전에 시뮬레이션을 구동함으로써 사고를 예방할 수 있음은 물론이다.
도 5는 본 발명의 일 실시예에 따른 발전장치 관리 시스템의 인공지능의 구조이다.
예측부(300) 내에 포함된 인공지능(AI)는 상기 개시한 바와 같이 신경망으로 구성될 수 있으며, 본 발명의 일 실시예에서는 복수의 레이어를 가지는 ANN을 이용할 수 있다.
인공지능은 수집부(200)에서 수집된 데이터인 온도, 습도, 풍속, 태양의 방사량, 부하 상태 등을 각각의 노드에 입력될 수 있으며, 복수의 레이어를 거치는 동안 각 노드에 가중치를 부여하여 동작을 수행한 뒤에 최적화된 전력 생산/공급량 및 수소 생산량을 출력할 수 있다.
또한, 인공지능은 수집부(200)에서 수집된 데이터를 이용하여 학습을 진행함으로써 예측을 반복하여 수행함에 따라 보다 정확한 데이터를 출력할 수 있다.
도 6은 본 발명의 일 실시예에 따른 발전장치 관리 방법의 순서도이다.
발전부(100)의 실제 태양광-수소연료전지 분산 발전 시스템에서 전력을 생산할 수 있다(S100).
수집부(200)는 전력 생산/공급 데이터, 부하 변화량, 온도, 습도, 태양의 방사량 등의 전력 데이터 및 날씨 정보를 수집할 수 있다(S200).
인공지능(AI) 및 최적화 알고리즘으로 구성되는 예측부(300)는 수집부(200)에서 수집한 데이터를 분석, 가공하여 인공지능의 학습 및 발전부(100)의 동작을 예측할 수 있다(S300).
구체적으로, 예측부(300)는 수집된 기상정보 및 날씨 데이터를 이용하여 태양광 발전부(110)의 전력 생산량을 예측 데이터 생성, 수소 소모량 데이터를 기반으로 필요한 수소량(수소 생산량)을 예측 데이터 생성 및 과거의 시간/일자별 부하량 데이터를 기반으로 미래의 시간/일자별 부하량 데이터의 예측 데이터를 생성할 수 있다.
또한, 예측부(300)는 수집된 기상정보 및 날씨 데이터를 이용하여 인공지능의 학습을 실시할 수 있다.
상기와 같은 예측 데이터를 기반으로 예측부(300)는 가변 부하에 대한 전력 공급량의 조절, 배터리 충방전을 이용한 발전량 변동폭 조절, P2G를 이용한 수소 생산량 조절 등의 시스템 운영 최적화를 위한 발전 시스템의 제어 방안을 수립할 수 있다.
시뮬레이션부(400)는 예측부(300)의 분석, 가공 및 예측 데이터와 함께 발전부(100)의 설비 데이터를 포함한 시설 데이터를 받아 디지털 트윈을 생성할 수 있다(S400).
디지털 트윈은 도 4에서 설명한 바와 같이 실제 발전 시스템을 동일한 형태의 가상 시뮬레이터로 변환한 것으로서 실제 시스템을 모니터링하여 시뮬레이션한 뒤에 실제 시스템에 피드백을 실시할 수 있으므로 시설의 유지보수, 전력 생산/공급의 최적화 및 수소 공급 예측을 수월하게 할 수 있다.
디지털 트윈에 상기 제어 방안을 적용하여 발전 시스템에 대한 시뮬레이션한 결과가 기설정된 범위 이내에서 정상 작동하는지 판단할 수 있다(S500).
기설정된 범위란 실제 발전 시스템이 수용할 수 있는 동작 범위를 의미할 수 있다.
시뮬레이션한 결과가 기설정된 범위 이내를 벗어나는 경우 빅데이터 분석을 통해 문제를 해결하기 위한 해결 방안을 도출할 수 있다(S600).
빅데이터는 발전 데이터 수집부(210)의 수집 데이터 및 타 발전 시스템의 발전 데이터를 기반으로 구성될 수 있다.
시뮬레이션한 결과가 기설정된 범위 이내인 경우에는 시뮬레이션부(400)에서 시뮬레이션을 가상현실로 변환할 수 있다(S700).
또는, 상기 S700단계가 S400단계에 포함되어 시뮬레이션을 생성하는 동시에 가상현실로 변환하여 가상현실 내에서 시뮬레이션을 구동하여 시물레이션 결과를 도출할 수도 있다.
사용자가 HMD를 착용하면 시각화(500)부는 사용자에게 가상현실을 제공할 수 있다(S800).
가상현실에는 디지털 트윈으로 형성된 발전 시스템을 포함할 수 있으며, 수집부(200)에서 수집한 실시간 데이터, 예측부(300)에서 예측한 예측 데이터를 인터페이스를 통해 사용자에게 제공될 수 있다. 더하여 컨트롤러(530)를 이용하여 사용자의 입력에 따라 실제와 동일한 구조의 디지털 트윈을 사전에 구동해 봄으로써 이상 사태에 대한 대비 및 유지보수 솔루션을 생성할 수 있다.
상술한 실시 예에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시 예에 포함되며, 반드시 하나의 실시 예에 만 한정되는 것은 아니다. 나아가, 각 실시 예에 서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의하여 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다.
따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다. 또한, 이상에서 실시 예들을 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예들에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100: 발전부
200: 수집부
300: 예측부
400: 시뮬레이션부
500: 시각화부
200: 수집부
300: 예측부
400: 시뮬레이션부
500: 시각화부
Claims (10)
- 태양광 발전 시스템과 수소연료전지 발전 시스템을 함께 이용하여 전력을 생산하는 발전부;
상기 발전부의 전력 데이터 및 주변 환경 정보를 수집하는 수집부;
상기 수집부의 데이터를 기반으로 전력 생산 및 소비량을 예측하는 예측부;
상기 발전부를 가상현실 플랫폼에서 표현하는 시뮬레이션부; 및
상기 시뮬레이션부를 시각화하여 제공하는 시각화부;
를 포함하는 발전장치 관리 시스템. - 제1항에 있어서,
상기 수집부는 상기 발전부의 전력 생산량, 전력 공급량, 기상정보, 수소 잔여량, 수소 소모량, 시간/일자 별 부하량 데이터 중 어느 하나 이상의 데이터를 수집하는 것을 특징으로 하는 발전장치 관리 시스템. - 제2항에 있어서,
상기 예측부는 딥러닝을 이용하여 동작을 수행하며,
상기 수집부의 데이터를 기반으로 상기 발전부의 전력 생산량, 부하의 전력 소비량, 잉여 전력을 이용하여 생산하는 수소량, 배터리의 충방전을 이용한 발전량 변동폭을 예측하고, 예측 결과와 실제 동작 결과를 비교하여 상기 딥러닝을 학습하는 것을 특징으로 하는 발전장치 관리 시스템. - 제1항에 있어서,
상기 예측부의 예측 결과와 실제 생산량 및 소비량이 기설정된 범위를 벗어난 경우 빅데이터 분석을 통해 해결 방안을 도출하는 것을 특징으로 하는 발전장치 관리 시스템. - 제1항에 있어서,
상기 시뮬레이션부는 상기 수집부의 데이터를 해석하는 해석 시뮬레이터, 상기 해석 시뮬레이터의 결과로 3차원 모델링을 수행하는 변환 시뮬레이터, 상기 수집부의 정보 및 예측부의 결과를 모니터링하는 제1 모니터링부, 상기 3차원 모델을 가상현실로 변환하는 가상현실 변환부를 포함하는 것을 특징으로 하는 발전장치 관리 시스템. - 제1항에 있어서,
상기 시각화부는 상기 시뮬레이션부를 모니터링하는 제2 모니터링부, 상기 시각화된 가상현실을 사용자에게 제공하는 헤드 마운트 디스플레이, 상기 시뮬레이션을 제어하는 컨트롤러를 포함하는 것을 특징으로 하는 발전장치 관리 시스템. - 분산발전 시스템에서 전력을 생산하는 단계;
상기 분산발전 시스템의 전력 생산, 공급데이터 및 기상정보를 수집하는 단계;
상기 수집된 데이터를 분석, 가공 및 예측하는 단계;
상기 가공 및 예측된 데이터를 가상현실로 변환하는 단계;
상기 변환된 가상현실을 이용하여 발전 시뮬레이션을 구동하는 단계; 및
상기 구동 결과 및 상기 시뮬레이션을 사용자에게 제공하는 단계;
를 포함하는 발전장치 관리 방법. - 제7항에 있어서,
상기 분산발전 시스템은 신재생에너지 발전 시스템과 수소연료전지 발전 시스템을 이용하여 전력을 생산하는 것을 특징으로 하는 발전장치 관리 방법. - 제7항에 있어서,
상기 수집된 데이터를 분석, 가공 및 예측하는 단계는 딥러닝을 이용하여 동작을 수행하며,
상기 기상정보를 기반으로 신재생에너지 발전량을 예측하고, 수소의 소모량을 기반으로 필요 생산량을 예측하고, 시간별/일자별 부하량 데이터를 기반으로 필요 부하량을 예측하는 것을 특징으로 하는 발전장치 관리 방법. - 제7항에 있어서,
상기 구동 결과를 분석하는 단계는 예측 결과와 실제 생산량 및 소비량이 기설정된 범위를 벗어난 경우 빅데이터 분석을 통해 해결 방안을 도출하는 단계를 더 포함하는 것을 특징으로 하는 발전장치 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210191287A KR20230102007A (ko) | 2021-12-29 | 2021-12-29 | 태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210191287A KR20230102007A (ko) | 2021-12-29 | 2021-12-29 | 태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230102007A true KR20230102007A (ko) | 2023-07-07 |
Family
ID=87154550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210191287A KR20230102007A (ko) | 2021-12-29 | 2021-12-29 | 태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230102007A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102656297B1 (ko) * | 2023-08-07 | 2024-04-08 | 이재호 | 수자원 운영기관에 특화된 re100 운영시스템 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210089314A (ko) | 2020-01-08 | 2021-07-16 | 한국수력원자력 주식회사 | 수상 태양광 시스템 및 이를 이용한 태양광 시스템 효율 극대화 방법 |
-
2021
- 2021-12-29 KR KR1020210191287A patent/KR20230102007A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210089314A (ko) | 2020-01-08 | 2021-07-16 | 한국수력원자력 주식회사 | 수상 태양광 시스템 및 이를 이용한 태양광 시스템 효율 극대화 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102656297B1 (ko) * | 2023-08-07 | 2024-04-08 | 이재호 | 수자원 운영기관에 특화된 re100 운영시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mayhorn et al. | Optimal control of distributed energy resources using model predictive control | |
| Yin et al. | Time series generative adversarial network controller for long-term smart generation control of microgrids | |
| Abidi et al. | Multi-agent oriented solution for forecasting-based control strategy with load priority of microgrids in an island mode–case study: Tunisian petroleum platform | |
| KR20220095313A (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
| Yan et al. | Development of a tool for urban microgrid optimal energy planning and management | |
| CN116128094A (zh) | 一种基于数字孪生的工业园区能量管理系统及方法 | |
| Yang et al. | Optimization Method of Power Equipment Maintenance Plan Decision‐Making Based on Deep Reinforcement Learning | |
| Khare et al. | Design, control, reliability, economic and energy management of microgrid: A review | |
| Izzatillaev et al. | Short-term load forecasting in grid-connected microgrid | |
| CN115859700A (zh) | 一种基于数字孪生技术的电网建模方法 | |
| KR20230102007A (ko) | 태양광 및 수소연료전지 하이브리드 발전 시스템 제어 장치 및 방법 | |
| CN112950001B (zh) | 基于云边端闭环架构的智慧能量管控系统及方法 | |
| CN117371738A (zh) | 一种乡镇综合能源系统多能源协同运行控制方法及系统 | |
| Zhang et al. | Digital twin in energy internet and its potential applications | |
| Gholami-Rahimabadi et al. | Multiple-deme parallel genetic algorithm based on modular neural network for effective load shedding | |
| CN103309312B (zh) | 一种基于多信息源的电压安全预警及防控系统 | |
| Aharwar et al. | Unit commitment problem for transmission system, models and approaches: A review | |
| Xie et al. | Multi-scale integration of physics-based and data-driven models in power systems | |
| Guan et al. | Enhancing security and resilience of bulk power systems via multisource big data learning | |
| CN113872183A (zh) | 一种综合能源优化协调系统 | |
| Godoy et al. | Design and Implementation of Smart Micro-Grid and Its Digital Replica: First Steps. | |
| Li et al. | Multiagent deep meta reinforcement learning for sea computing-based energy management of interconnected grids considering renewable energy sources in sustainable cities | |
| Das et al. | Optimizing Microgrid Energy Management Systems with Variable Renewable Energy Penetration: Analysis of Data Loss Effects | |
| Wang et al. | A Comprehensive Review on the Development of Data-Driven Methods for Wind Power Prediction and AGC Performance Evaluation in Wind-Thermal Bundled Power Systems | |
| Ren et al. | Digital Twin Assisted Economic Dispatch for Energy Internet With Information Entropy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application | ||
| E902 | Notification of reason for refusal |