WO2014104829A1 - 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치 - Google Patents

전력 부하 예측 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
WO2014104829A1
WO2014104829A1 PCT/KR2013/012333 KR2013012333W WO2014104829A1 WO 2014104829 A1 WO2014104829 A1 WO 2014104829A1 KR 2013012333 W KR2013012333 W KR 2013012333W WO 2014104829 A1 WO2014104829 A1 WO 2014104829A1
Authority
WO
WIPO (PCT)
Prior art keywords
time unit
power data
unit power
power
data group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2013/012333
Other languages
English (en)
French (fr)
Inventor
이진호
진보건
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hyosung Corp
Original Assignee
Hyosung Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hyosung Corp filed Critical Hyosung Corp
Publication of WO2014104829A1 publication Critical patent/WO2014104829A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; 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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Definitions

  • the present invention relates to a method for estimating power load, and more particularly, to a method and apparatus for predicting power load using weather information.
  • the power exchange is implementing a system to support a part of the installation cost of the maximum demand power management device for general, education and industrial companies with a contract power of 500kW or more.
  • the maximum demand power management device is used, it is automatically managed so as not to exceed the preset target power value, thereby achieving energy savings and economic benefits for the consumer.
  • the maximum demand power management device monitors the current power consumption based on the target power and predicts the amount of power to be used at the end of the set demand time limit.
  • this prediction method has the advantage of being simple, it has a disadvantage that the accuracy of the prediction is poor in the place where the load fluctuates.
  • Power load prediction method for achieving the first object of the present invention is a step of receiving the predicted weather information, the unit of time used to calculate the power load prediction based on the forecast weather information
  • the method may include determining a power data group and calculating the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group.
  • the predicted weather information may include predicted temperature information and predicted humidity information
  • the time unit power data may include temperature information in units of time, humidity information in units of time, and power load information in units of time.
  • the time unit power data group is a time unit power data group for each season including the time unit data measured in a seasonal unit, a monthly time unit power data group including the time unit data measured in a monthly unit, a day unit It may include a daily time unit power data group including the measured time unit data and the hourly power data group including the time unit data measured in hours. Determining a time unit power data group used to calculate a power load forecast amount based on the forecast weather information includes: the seasonal time unit power data group in which the forecast weather information is to be used to calculate the power load forecast amount; The method may include determining at least one of a monthly time unit power data group, the daily time unit power data group, and the hourly unit power data group.
  • the calculating of the power load prediction amount based on the predicted weather information and the time unit power data included in the determined time unit power data group may include the prediction weather information and the most predicted weather information among the time unit power data included in the time unit power data. Calculating candidate time unit power data having similar weather information, and calculating power load amount included in the candidate time unit power data as the power load prediction amount.
  • the calculating of the power load prediction amount based on the time unit power data included in the predicted weather information and the determined time unit power data group is consistent with the predicted weather information among the time unit power data included in the time unit power data.
  • the calculating of the power load prediction amount based on the time unit power data included in the predicted weather information and the determined time unit power data group is consistent with the predicted weather information among the time unit power data included in the time unit power data.
  • the method may include calculating the power load prediction amount.
  • the power load prediction method may include generating weather time unit power data by measuring weather information of a time unit and power load amount of the time unit, and generating a time unit power data group including the measured time unit power data.
  • the determining may further include including the measured time unit power data in the determined time unit power data group.
  • the determining of the time unit power data group including the measured time unit power data may include determining a seasonal time unit power data group including the measured time unit power data, wherein the measured time unit power data is Determining a monthly time unit power data group to be included; determining a daily time unit power data group including the measured time unit power data; and hourly power data including the measured time unit power data
  • the method may include at least one of determining the group.
  • the determining of the seasonal time unit power data group including the measured time unit power data may include temperature information included in the measured time unit power data and time unit power data included in the seasonal time unit power data group. And determining a season to which the measured unit of time power data is to be grouped by using a predetermined formula based on temperature information of.
  • An apparatus for estimating power load according to an aspect of the present invention for achieving the second object of the present invention includes an input unit for receiving predicted weather information, and calculating a power load forecast amount based on the predicted weather information input from the input unit.
  • the prediction amount calculation unit may be included.
  • the predicted weather information may include predicted temperature information and predicted humidity information
  • the time unit power data may include temperature information in units of time, humidity information in units of time, and power load information in units of time.
  • the time unit power data group is a time unit power data group for each season including the time unit data measured in a seasonal unit, a monthly time unit power data group including the time unit data measured in a monthly unit, a day unit It may include a daily time unit power data group including the measured time unit data and the hourly power data group including the time unit data measured in hours.
  • the unit of time power data group determiner is the seasonal time unit power data group, the monthly time unit power data group, the daily time unit power data group, wherein the predicted weather information is to be used to calculate the power load prediction amount, It may be implemented to determine at least one group of time unit power data group.
  • the power load prediction amount calculation unit calculates candidate time unit power data having weather information most similar to the predicted weather information among the time unit power data included in the time unit power data, and calculates the power load amount included in the candidate time unit power data. It may be implemented to calculate the power load prediction amount.
  • the power load prediction amount calculating unit calculates at least one candidate time unit power data having weather information similar to the predicted weather information in a predetermined range among the time unit power data included in the time unit power data, and the at least one candidate time unit The average value or median value of at least one power load amount included in power data may be calculated as the power load prediction amount.
  • the power load prediction amount calculating unit calculates at least one candidate time unit power data having weather information similar to the predicted weather information in a predetermined range among the time unit power data included in the time unit power data, and the at least one candidate time unit Among the at least one power load included in the power data, the closer the current power load is to the measurement date, the greater the weight may be implemented to calculate the power load prediction amount.
  • the apparatus for estimating power load may measure weather information for a time unit and a power load amount for the time unit, receive measurement time unit power data, and determine a time unit power data group including the measured time unit power data to determine the determined power unit.
  • the apparatus may further include a database configured to include the measured time unit power data in the time unit power data group.
  • the database determines a seasonal time unit power data group including the measured time unit power data, determines a monthly time unit power data group including the measured time unit power data, and includes the measured time unit power data. It may be implemented to determine a time unit of power data group to be determined and to determine the time of each power data group includes the power unit of time data measured.
  • the database may be further configured to measure the power of the unit of time by using a predetermined formula based on temperature information included in the power unit of time data and temperature information of the power of unit of time included in the power unit of the season. It can be implemented to determine the season to be grouped.
  • the power load prediction method and the apparatus for performing the method may calculate the power load prediction amount based on the predicted weather information and the time unit power data group.
  • the power load prediction amount By calculating the power load prediction amount based on the stored database based on the predicted weather information and the time information, it is possible to reflect the characteristics of the power load that varies according to time and weather conditions. Therefore, accurate power load prediction amount can be calculated.
  • FIG. 1 is a conceptual diagram illustrating a method for creating a database for power load prediction according to an embodiment of the present invention.
  • FIG. 2 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
  • FIG. 3 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
  • FIG. 4 is a conceptual diagram illustrating a method of calculating an average temperature for each time and season according to an embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating a power load prediction method according to an embodiment of the present invention.
  • FIG. 6 is a block diagram illustrating an apparatus for predicting power load according to an embodiment of the present invention.
  • first and second may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another.
  • the first component may be referred to as the second component, and similarly, the second component may also be referred to as the first component.
  • the temperature information and the humidity information measured in units of 1 hour are averaged in units of 3 hours in order to collect a database for predicting power demand for convenience of description.
  • measurement time units other than one hour may be used to collect a database for predicting power demand, and an average value may also be used other than three hours.
  • information other than temperature information and humidity information may be used as information for predicting power demand.
  • FIG. 1 is a conceptual diagram illustrating a method for creating a database for power load prediction according to an embodiment of the present invention.
  • FIG. 1 discloses a method of generating power unit data by measuring weather load and power load such as temperature and humidity.
  • T may represent a temperature 100
  • H may represent a humidity 110
  • L may represent a load 120.
  • the temperature information 100 and the humidity information 110 may perform power load prediction including other weather information as an example of weather information, and such embodiments are also included in the scope of the present invention.
  • the temperature T and the humidity H may be measured and recorded in units of 1 hour for 24 hours a day.
  • the power load L generated at the time when the temperature and humidity are measured may be measured and recorded.
  • This data unit is referred to as hourly power data 130. That is, the time unit power data may be one data unit including temperature information, humidity information, and power load information.
  • the hourly power prediction data 130 may be gathered in units of three hours to generate the power data 140 in units of three hours. That is, 1 hour unit power data 130 is 24 hours per day 3 hours (1h ⁇ 3h, 4h ⁇ 6h, 7h ⁇ 9h, 10h ⁇ 12h, 13h ⁇ 15h, 16h ⁇ 18h, 19h ⁇ 21h, 22h ⁇ 24h It can be included in one of eight sets divided by).
  • the time unit power data may be grouped as seasonal data, monthly data, and daily data to generate a time unit power data group.
  • This time unit of power data group may be used to receive the predicted weather information and to calculate the power load forecast based on the power load forecast calculation function.
  • FIG. 2 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
  • time unit power data may be grouped in consideration of power load variation characteristics according to time information (season, month, day, time) of the power load.
  • Hourly power data measured in March- May is spring
  • hourly power data measured in June-August is summer
  • hourly power data measured in September-November are autumn, December-February.
  • the time unit power data measured at may be classified as winter to group the time unit power data to include the measured data in a specific time unit power data group.
  • the specific weather information included in the time unit power data can be used to determine in which season the measured time unit power data will be grouped. This embodiment will be further described in detail.
  • the hourly power data can also be grouped monthly.
  • the time unit power data grouped into the spring may be classified and grouped into time unit power data measured in March, time unit power data measured in April, and time unit power data measured in May. .
  • FIG. 2B is a conceptual diagram illustrating time unit power data grouped for each season. Referring to FIG. 2B, power data of three hours may be included with respect to the number of days included in a corresponding season.
  • time unit power data of FIG. 2B is a time unit power data group corresponding to March
  • a power load prediction value that may occur on a specific day in March is calculated based on the time unit power data group. Can be.
  • the Meteorological Agency may use the temperature and humidity prediction values of the Meteorological Agency as inputs for calculating the power load prediction value if the temperature and humidity of a specific day are divided into three hours to provide eight temperature and humidity prediction values.
  • the power load prediction value may be calculated using the power load calculation function based on the time unit power data, the temperature prediction value, and the humidity prediction value included in the time unit power data set of FIG. 2B.
  • Various methods may be used to calculate a power load prediction value that may occur based on the time unit power prediction data group, the temperature prediction value, and the humidity prediction value.
  • a method of calculating a power load prediction value in the time unit power prediction group of FIG. 2B compares all the time unit power data included in the time unit power prediction group with the temperature and the predicted humidity predicted by the Meteorological Administration. Time unit power data having a temperature and humidity most similar to the predicted temperature and the predicted humidity may be calculated. A method of determining the power load value included in the calculated time unit power data as the power load prediction value at the predicted temperature and the predicted humidity may be used.
  • an average value of power load values calculated from time unit power data having a temperature and humidity included in a predetermined range in the predicted temperature and the predicted humidity may be determined as the power load predicted value.
  • the power load prediction value may be calculated by giving more weight to the power load of the recently measured time unit power data among the time unit power data having the temperature and humidity included in a predetermined range in the predicted temperature and the predicted humidity. It may be. Since power loads change gradually with industry developments and population changes, it is likely that recent measured power load data will be the most meaningful value for power load predictions. Can be used to calculate power load estimates.
  • the function of calculating the power load prediction value according to the time unit power data included in the predicted temperature, the predicted humidity, and the time unit power data group as described above may be referred to as a power load prediction value calculation function.
  • the power load prediction value calculation function for calculating the power load prediction value.
  • grouping may be performed not only on a monthly basis, but also on a daily basis.
  • the hourly power data may be grouped again into another hourly power data group by determining whether the data corresponds to a weekday, Saturday, or Sunday.
  • Weekdays, Saturdays, and Sundays are one exemplary classification for initiating groupings based on days when power loads may vary. Therefore, additional classifications (eg, holidays, holidays, etc.) may be further classified and used as a time unit power data group for calculating a power load prediction amount.
  • the power load prediction value can be calculated. For example, if March 1 is a weekday, the hourly power data group grouping the hourly power data corresponding to the weekday in March, and the temperature and the predicted humidity predicted by the Meteorological Administration are input to the power load estimating function. The value can be used to calculate the power load forecast amount. For example, the hourly unit power data having a temperature and humidity corresponding to a predetermined range may be calculated from the hourly unit power data group on the basis of the temperature and the humidity predicted by the Meteorological Agency. An estimated value of the power load may be calculated based on the calculated power load of the time unit power data.
  • the hourly power data group containing hourly data measured seasonally is the hourly power data group by season
  • the hourly power data group containing hourly data measured monthly is the monthly hourly power data group
  • a daily time unit power data group containing hourly unit data measured in days is a daily time unit power data group
  • a time unit power data group containing hourly unit data measured in hours is called hourly power data group. can do.
  • time unit power data is arbitrary and may be grouped in more detail or grouped in a larger time unit. That is, the measured time unit power data may be adaptively grouped as needed to be used to perform power prediction, and such embodiments may also be included in the scope of the present invention.
  • FIG. 3 is a conceptual diagram illustrating a method of grouping time unit power data according to an embodiment of the present invention.
  • FIG. 3 a method of performing grouping by performing seasonal division for a month in which the season is not clear (for example, February, March, June, June, September, November, December) is disclosed.
  • February, March, May, June, August, September, November, and December are examples of months in which the seasons are not clear. These months can be defined and used in terms of seasonally reclassified months.
  • February is a seasonal reclassification month, and the time unit power data measured in February 200 will be grouped into a time unit power data group corresponding to spring according to Equation 1 below, or a time unit corresponding to winter It may be determined whether to be grouped into a power data group.
  • Ti which is disclosed in Equation 1, represents a temperature value of currently measured three-hour power data.
  • Ti w indicates the average of the temperature for each time unit calculated from the time unit power data included in the time unit power data group corresponding to winter, and Ti, s is the time unit included in the time unit power data group corresponding to spring Indicates the average of the temperature for each time unit calculated from the power data.
  • a1 indicates the set weight. The value of the weight may vary, and may preferably vary in the range of 0 or more and 1 or less.
  • FIG. 4 is a conceptual diagram illustrating a method of calculating an average temperature for each time and season according to an embodiment of the present invention.
  • 4A discloses a method of calculating an average temperature for each time and season.
  • 4B discloses a method of calculating an average temperature for each hour from 3 hourly power data measured during the day.
  • a time unit power data group may exist for each specific season, and time unit power data measured in units of 3 hours may exist in the time unit power data group for each season.
  • time and average temperature corresponding to eight time sets for each season may be calculated.
  • FIG. 4A is a three-hour unit power data set classified as spring
  • the average of temperatures calculated from the power data sets corresponding to 1 to 3h may be calculated as T1, s.
  • the following seasonal time unit power data average values may be calculated.
  • the average temperature may also be calculated from power data measured for three hours.
  • the average temperature included in the three-hour power data calculated in three-hour units is T1 (1 to 3h), T2 (4 to 6h), T3 (7 to 9h), T4 (10 to 12h), and T5, respectively, depending on the time. 13 to 15h, T6 (16 to 18h), T7 (19 to 21h), and T8 (22 to 24h).
  • Seasonal classification is performed on the three-hour power data measured on a specific day by using the above-described time and seasonal average temperature value and the average temperature included in the three-hour power data using the seasonal division formula such as Equation 1 described above. Grouping is performed. That is, eight time unit power data may be calculated per day, and it may be determined whether the eight time unit power data are included in each season.
  • February 300 may be classified as one season of winter and spring, and May 320 may be classified as one season of spring and summer.
  • February 300 and March 340 are time periods from winter to spring, and the hourly power data measured in February 320 and March 340 may be grouped into spring or winter. .
  • seasons may be classified by the above Equation 1.
  • time unit data measured using Equation 2 below is grouped as spring or winter.
  • Equation 1 (February, 300)
  • the sum of winter time and seasonal temperature average value (spring time and seasonal temperature average value-winter time and seasonal temperature average value) is added. If the hourly power data measured in February 300 is greater than or equal to the above value, it is classified as spring and if the hourly power data measured in February 300 is smaller than the above value, it is winter. Are classified.
  • Equation 2 (March, 340), it is a formula that adds (winter time and seasonal temperature average value-spring time and seasonal temperature average value) to the spring time and seasonal temperature average value, and the time unit power measured in March If the data is less than or equal to the above value, it is classified as winter and if the hourly power data measured in March is greater than the above value, it is classified as spring.
  • seasonal classification may be performed on measured power unit data using different equations depending on which season the month is closer to.
  • the above classification method is one example to perform a more detailed classification (for example, full unit classification) to perform the season judgment, or the same classification method (for example, February (300) and March (320) Season judgment can be performed using the same formula), and such embodiments are also included in the scope of the present invention.
  • a more detailed classification for example, full unit classification
  • the same classification method for example, February (300) and March (320) Season judgment can be performed using the same formula
  • formula for classifying the seasons may use other formulas to perform the seasonal classification on the time unit power data measured in a specific month as an example, and such embodiments are also included in the scope of the present invention.
  • FIG. 5 is a flowchart illustrating a power load prediction method according to an embodiment of the present invention.
  • weather information and power load information are collected (step S500).
  • weather information and power load information may be collected to use a method of predicting power load according to weather information.
  • temperature information or humidity information may be used.
  • Seasonal appliances such as heating appliances, air conditioners, dehumidifiers, etc.
  • the weather information may have a different amount of power. That is, the power load measured according to the weather information may be utilized to calculate the power load prediction amount according to the predicted weather information.
  • the temperature information and the humidity information may be other weather information as one example, and such an embodiment may also be included in the scope of the present invention.
  • the weather information and the power load information may be obtained at regular time units.
  • the time unit power data may be data including temperature information, humidity information, and power load information of a specific time unit. For example, one hourly power data measured in one hour unit may exist, and three hourly unit power data of three such one hourly unit power data may be present. Such time-group data constant grouping may be performed to form a time-unit power data group, which may be used to calculate a power load forecast later.
  • the time unit power data is grouped (step S510).
  • the time unit power data may be grouped on a predetermined basis to form a time unit power data group. For example, seasonal grouping, monthly grouping, daily grouping, and hourly grouping may be performed as described above. This grouped data can then be used to calculate power load forecasts at predicted temperatures and predicted humidity.
  • the specific day may be included in a plurality of sets such as a seasonal grouping set, a monthly unit, a grouping set, a daily grouping set, and the like.
  • the time unit power data measured in the month in which the season changes may be grouped through an additional classification step.
  • Various power load prediction functions may be used to calculate a power load prediction amount based on a set of time-grouped power data. For example, when the temperature prediction value and the humidity prediction value are received as input values at a specific time, the power prediction amount may be calculated using the following procedure.
  • a time-based power data group for calculating a power load prediction amount may be determined.
  • time unit power data having weather information most similar to the input temperature predicted value and humidity predicted value may be selected, and the power load amount of the corresponding time unit power data may be determined as the power load predicted amount.
  • Another method is to select the time unit power data having weather information corresponding to a range of values similar to the input temperature predicted value and humidity predicted value in the time unit power data group determined by the average value or median value of the power load of the corresponding power unit power data May be determined as the power load prediction amount.
  • the power load prediction value may be calculated by giving more weight to the recently measured power load among the power loads calculated from time unit power data having temperature and humidity within a predetermined range from the predicted temperature and humidity. have.
  • the power load prediction function that receives the temperature prediction value and the humidity prediction value as an input value at a specific time and calculates the power load prediction amount may be used as well as various functions, and such embodiments are also included in the scope of the present invention.
  • Collecting weather information and power load information and grouping the collected data may be performed continuously. In addition, data collected after a certain period of time can be discarded to improve the accuracy of power load prediction.
  • the temperature prediction value and the humidity prediction value at a specific time point are input (step S520).
  • the specific time point may be information on a specific month, day, and time.
  • the temperature prediction value and the humidity prediction value may be provided by a department that predicts weather information such as the Meteorological Agency.
  • the Meteorological Agency may provide eight three-hour temperature predictions and humidity predictions by dividing the 24-hour period into three-hour increments for the next day's temperature and humidity predictions.
  • the power load management center may calculate the power load prediction amount using the power load prediction amount calculation function as an input value using the hourly temperature prediction value and the humidity prediction value provided by the Meteorological Administration. As described above, a time unit power data set for selecting a power load prediction amount is selected based on an input value. Based on the time unit power data included in the selected time unit power data set, the power load prediction amount for the temperature prediction value and the humidity prediction value for each time point received may be calculated.
  • the power load predicted amount is calculated based on the temperature predicted value and the humidity predicted value received at the specific time point (step S530).
  • the following method may be used to calculate the power load prediction amount based on the input temperature prediction value and the humidity prediction value.
  • a set of grouping time unit power data corresponding to a specific time point input from the database is selected.
  • the power load prediction amount is calculated by using the power load prediction amount calculation function based on the set of grouping the selected unit of time power data and the temperature prediction value and the humidity prediction value at a specific time point received.
  • FIG. 6 is a block diagram illustrating an apparatus for predicting power load according to an embodiment of the present invention.
  • the power load predicting apparatus may include an input unit 600, a database 620, a power unit group determining unit 620, and a power load estimating unit 660.
  • the above components are separately expressed for the sake of function, and may be divided into a plurality of components even when expressed as a single component, and a plurality of components may be combined into a single component.
  • the input unit 600 may input weather information and power load information measured by a specific time unit.
  • the method of configuring the database 620 by collecting weather information and power load information may be continuously performed so that data for predicting power load may reflect more current power load information.
  • the input unit 600 may receive the predicted weather information (for example, the predicted temperature information and the predicted humidity information) and transmit the predicted weather information to the power load estimating calculator 660.
  • the predicted weather information for example, the predicted temperature information and the predicted humidity information
  • the database 620 may store time unit power data including weather information for each time point and power load information input from the input unit 600 and group the data according to a predetermined criterion. For example, you can group by season, month, or day. Although grouping may be performed using only temporal information for grouping, grouping may be performed considering other weather information. For example, grouping of time unit power data measured in a corresponding month may be performed by using a formula for determining which season to classify for months existing in a section in which a season changes.
  • the grouping of the collected data may be continuously performed. Data collected after a certain period of time can be discarded to increase the accuracy of power load prediction.
  • the database 620 may determine a time unit power data group used to calculate a power load forecast amount based on the predicted weather information input from the input unit 600, and then may convert the information into a power load forecast amount calculator 660.
  • the time unit power data group determiner 640 may be included.
  • the power load estimator 660 calculates the power load estimator based on the predicted weather information input from the input unit 600 and the time unit power data group determined by the time unit power data group determiner 640 of the database 620. Can be calculated. That is, the power load estimating calculator 660 may calculate the power load estimating amount based on the predicted weather information and the grouping set information received by using a predetermined power load estimating function. As described above, various functions may be used as the power load prediction amount calculation function.
  • the present invention relates to a method for predicting a power load, which can be used in the field of power systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

전력 부하 예측 방법 및 이러한 방법을 수행하는 장치가 개시되어 있다. 전력 부하 예측 방법은 예측 기상 정보를 입력받는 단계, 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계와 예측 기상 정보 및 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 전력 부하 예측량을 산출하는 단계를 포함할 수 있다. 따라서, 시간 정보 및 온도 정보에 따라 정확한 전력 부하 예측량을 산출할 수 있다.

Description

전력 부하 예측 방법 및 이러한 방법을 수행하는 장치
본 발명은 전력 부하를 예측하는 방법에 관한 것으로서, 보다 상세하게는 기상정보를 이용한 전력 부하 예측 방법 및 장치에 관한 것이다.
산업의 발달과 인류의 생활이 윤택해 지면서 에너지 자원의 소모도 증가하게 되었다. 에너지 자원 소모의 증가 때문에 전 세계적으로 자원의 고갈 및 에너지 부족에 대한 문제가 대두되고 있다. 국내에서도 미래의 에너지 고갈을 대비하여 정부에서 저탄소 녹색 성장 정책을 추진하고 있다. 저탄소 녹색 성장은 기존의 화석 연료 소모를 최소화하고 에너지의 효율적 사용을 통해 에너지 사용량의 절감 및 신재생 에너지 개발,온실 가스 및 폐기물 배출을 억제하는 것을 주요 내용으로 하고 있다.
현재 국내에서는 2011년 9월 15일 정전사태 이후 예비전력이 최저치를 기록하면서 비상조치의 첫 단계인 관심단계를 발령했다. 이처럼 현재 국내 전력 수급 문제가 심각한 상황이며 전기 요금 인상 문제도 대두되고 있는 실정이다.이러한 상황을 배경으로 에너지의 효율적인 사용을 위해 전력 공급자와 소비자가 양방향으로 실시간 전력 정보를 교환하는 전력망 기반 네트워크 기술인 스마트그리드의 연구가 활발히 진행되고 있다. 또한 국내 전체 에너지 사용 비중에서 약 40%를 차지하는 주거 공간과 상업용,공공 건물을 위한 건물 에너지 관리 기술도 연구가 진행 중이며 에너지 소비 패턴 예측 및 분석을 통한 건물 에너지의 효율성을 높이기 위한 기반 기술이 요구되고 있다.
그리고 전력 거래소에서는 전력 사용 절감을 위해 계약전력 500kW 이상의 일반,교육, 산업체를 대상으로 최대 수요 전력 관리 장치의 설치비의 일부를 지원하는 제도를 실행하고 있다. 최대 수요 전력 관리 장치 사용 시 사전에 설정된 목표 전력 값을 넘지 않도록 자동으로 관리되어 에너지 절감효과와 수용가 입장에서는 경제적인 효과도 얻을 수 있다.
현재 최대 수요 전력 관리 장치에서는 목표 전력을 기준으로 현재 사용 전력을 모니터링하여 정해진 수요시한의 종료시점에서 얼마만큼의 전력을 사용할 것인지를 예측하는 방식을 사용하고 있다.즉 현재 부하에 따라 수요 전력을 예측하는 방식인데 이러한 예측 방식은 간단하다는 장점이 있지만 부하의 변동이 심한 곳에서는 예측의 정확도가 떨어진다는 단점이 있다.
본 발명의 제1 목적은 전력 부하 예측 방법을 제공하는 것이다.
본 발명의 제2 목적은 전력 부하 예측 방법을 수행하는 장치를 제공하는 것이다.
상술한 본 발명의 제1 목적을 달성하기 위한 본 발명의 일 측면에 따른 전력 부하 예측 방법은 예측 기상 정보를 입력받는 단계, 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계와 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계를 포함할 수 있다. 상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함할 수 있다. 상기 시간 단위 전력 데이터 그룹은 계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹, 월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹, 일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹 및 시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함할 수 있다. 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계는 상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하는 단계일 수 있다. 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하는 단계와 상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하는 단계를 포함할 수 있다. 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계와 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하는 단계를 포함할 수 있다. 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계와 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하는 단계를 포함할 수 있다. 상기 전력 부하 예측 방법은 시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정된 시간 단위 전력 데이터를 생성하는 단계, 상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계와 상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정된 시간 단위 전력 데이터를 포함시키는 단계를 더 포함할 수 있다. 상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계는 상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계, 상기 측정된 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하는 단계, 상기 측정된 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하는 단계와 상기 측정된 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하는 단계 중 적어도 하나의 단계를 포함할 수 있다. 상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계는 상기 측정된 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정된 시간 단위 전력 데이터가 그루핑될 계절을 판단하는 단계를 포함할 수 있다.
상술한 본 발명의 제2 목적을 달성하기 위한 본 발명의 일 측면에 따른 전력 부하 예측 장치는 예측 기상 정보를 입력받는 입력부, 상기 입력부에서 입력된 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 시간 단위 전력 데이터 그룹 결정부 및 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 전력 부하 예측량 산출부를 포함할 수 있다. 상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함할 수 있다. 상기 시간 단위 전력 데이터 그룹은 계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹, 월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹, 일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹 및 시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함할 수 있다. 상기 시간 단위 전력 데이터 그룹 결정부는 상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하도록 구현될 수 있다. 상기 전력 부하 예측량 산출부는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하고 상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하도록 구현될 수 있다. 상기 전력 부하 예측량 산출부는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하도록 구현될 수 있다. 상기 전력 부하 예측량 산출부는 상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하도록 구현될 수 있다. 상기 전력 부하 예측 장치는 시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정 시간 단위 전력 데이터를 입력받고 상기 측정 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하여 상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정 시간 단위 전력 데이터를 포함시키도록 구현된 데이터 베이스를 더 포함할 수 있다. 상기 데이터 베이스는 상기 측정 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하도록 구현될 수 있다. 상기 데이터 베이스는 상기 측정 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정 시간 단위 전력 데이터가 그루핑될 계절을 판단하도록 구현될 수 있다.
상술한 바와 같이 본 발명의 실시예에 따른 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치는 예측 기상 정보 및 시간 단위 전력 데이터 그룹을 기초로 전력 부하 예측량을 산출할 수 있다. 예측된 기상 정보와 시간 정보를 기초로 저정된 데이터 베이스를 기초로 전력 부하 예측량을 산출함으로서 시간 및 기상 상황 별로 변하는 전력 부하의 특성을 잘 반영할 수 있다. 따라서, 정확한 전력 부하 예측량을 산출할 수 있다.
도 1은 본 발명의 실시예에 따른 전력 부하 예측을 위한 데이터 베이스 생성 방법을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 시간 및 계절 별로 평균 온도를 산출하는 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 전력 부하 예측 방법을 나타낸 순서도이다.
도 6은 본 발명의 실시예에 따른 전력 부하 예측 장치를 나타낸 블록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다거나 "직접 접속되어"있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 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.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성 요소에 대해서 중복된 설명은 생략한다.
이하, 본 발명의 실시예에서는 설명의 편의상 전력 수요를 예측하기 위한 데이터 베이스를 수집하기 위해 1시간 단위로 측정된 온도 정보 및 습도 정보를 3시간 단위로 평균을 내서 사용하는 것으로 가정한다.
하지만, 전력 수요를 예측하기 위한 데이터 베이스를 수집하기 위해 1시간 단위가 아닌 다른 측정 시간 단위가 사용될 수 있고 평균값 역시 3 시간 단위가 아닌 다른 시간 단위가 사용될 수도 있다. 또한 전력 수요를 예측하기 위한 정보로서 온도 정보 및 습도 정보가 아닌 다른 정보가 사용되는 것도 가능하다.
도 1은 본 발명의 실시예에 따른 전력 부하 예측을 위한 데이터 베이스 생성 방법을 나타낸 개념도이다.
도 1에서는 온도 및 습도와 같은 기상 정보와 전력 부하량을 측정하여 시간 단위 전력 데이터를 생성하는 방법에 대해 개시한다. T는 온도(temperature, 100), H는 습도(humidity, 110), L은 전력부하(load, 120)를 나타낼 수 있다.
온도 정보(100)와 습도 정보(110)는 기상 정보의 하나의 예로서 다른 기상 정보를 포함하여 전력 부하 예측을 수행할 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.
도 1을 참조하면, 하루 24시간 동안 온도(T) 및 습도(H)는 1시간 단위로 측정되어 기록될 수 있다. 또한 온도 및 습도가 측정된 시간에서 발생한 전력 부하(L)도 측정되어 기록될 수 있다. 이러한 데이터 단위를 1 시간 단위 전력 데이터(130)라고 한다. 즉, 시간 단위 전력 데이터는 온도 정보 , 습도 정보 및 전력 부하 정보가 포함된 하나의 데이터 단위일 수 있다.
1 시간 단위 전력 예측 데이터(130)가 3시간 단위로 모여서 3시간 단위 전력 데이터(140)를 생성할 수 있다. 즉, 1시간 단위 전력 데이터(130)는 하루 24시간을 3시간 단위(1h~3h, 4h~6h, 7h~9h, 10h~12h, 13h~15h, 16h~18h, 19h~21h, 22h~24h)로 나뉜 8개의 집합 중 하나의 집합에 포함될 수 있다.
이러한 시간 단위 전력 데이터는 계절 별 데이터, 월 별 데이터, 일 별 데이터로서 그루핑되어 시간 단위 전력 데이터 그룹을 생성할 수 있다. 이러한 시간 단위 전력 데이터 그룹은 예측된 기상 정보를 입력받고 전력 부하 예측량 산출 함수를 기초로 전력 부하 예측량을 산출하기 위해 사용될 수 있다.
도 2는 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.
도 2에서는 측정된 시간 단위 전력 데이터가 어떠한 시간 단위 전력 데이터 그룹에 속하는지를 판단하는 그루핑 방법에 대해 개시한다. 전력 부하 발생량은 계절 가전의 영향 및 산업 전력의 영향으로 계절별, 월별, 평일인지 주말인지 여부에 따라 변하는 특성을 가질 수 있다. 따라서, 전력 부하의 시간 정보(계절, 월, 일, 시간)에 따른 전력 부하 변동 특성을 고려하여 시간 단위 전력 데이터를 그루핑할 수 있다.
시간 단위 전력 데이터의 그루핑은 우선 계절을 기준으로 수행될 수 있다. 예를 들어, 3~5월에 측정된 시간 단위 전력 데이터는 봄, 6~8월에 측정된 시간 단위 전력 데이터는 여름, 9~11월에 측정된 시간 단위 전력 데이터는 가을, 12~2월에 측정된 시간 단위 전력 데이터는 겨울로 분류하여 시간 단위 전력 데이터의 그루핑을 수행하여 측정된 데이터를 특정한 시간 단위 전력 데이터 그룹에 포함시킬 수 있다.
본 발명의 또 다른 실시예에 따른 시간 단위 전력 데이터 분류 방법에 따르면, 계절이 변하는 시기여서 측정된 시간 단위 데이터를 어떠한 계절로 분류할지 명확하지 않은 달은 시간 단위 전력 데이터에 포함된 특정한 기상 정보(예를 들어, 온도 정보)를 사용하여 측정된 시간 단위 전력 데이터가 어떠한 계절로 그룹핑될 것인지 여부에 대해 결정할 수 있다. 이러한 실시예에 대해서는 추가적으로 상술한다.
또한 시간 단위 전력 데이터는 월 별로 그루핑될 수 있다. 예를 들어, 봄으로 그룹핑된 시간 단위 전력 데이터는 다시 3월에 측정된 시간 단위 전력 데이터, 4월에 측정된 시간 단위 전력 데이터, 5월에 측정된 시간 단위 전력 데이터로 분류되어 그루핑될 수 있다.
도 2의 (B)는 계절 별로 그루핑된 시간 단위 전력 데이터를 나타낸 개념도이다. 도 2 의(B)를 참조하면, 3시간 단위 전력 데이터가 해당 계절에 포함되는 날의 수에 대하여 포함될 수 있다.
도 2 의(B)의 시간 단위 전력 데이터를 3월에 해당하는 시간 단위 전력 데이터그룹인 것으로 가정하면, 시간 단위 전력 데이터 그룹을 기초로 3월에 특정한 날에 발생할 수 있는 전력 부하 예측값을 산출할 수 있다.
예를 들어, 기상청에서는 특정한 날의 기온 및 습도를 3시간 단위로 나누어 8개의 기온 예측값 및 습도 예측값을 제공한다면 기상청의 기온 예측값 및 습도 예측값을 전력 부하량 예측값을 산출하기 위한 입력값으로 사용할 수 있다.
즉, 도 2의 (B)의 시간 단위 전력 데이터 집합에 포함된 시간 단위 전력 데이터 및 기온 예측값 및 습도 예측값를 기초로 전력 부하량 산출 함수를 사용하여 전력 부하량 예측값을 산출할 수 있다. 시간 단위 전력 예측 데이터 그룹, 기온 예측값 및 습도 예측값을 기초로 발생할 수 있는 전력 부하량 예측값을 산출하는 방법으로는 여러 가지 방법이 사용될 수 있다.
예를 들어, 도 2 의(B)의 시간 단위 전력 예측 그룹에서 전력 부하량 예측값을 산출하는 방법으로 시간 단위 전력 예측 그룹에 포함된 모든 시간 단위 전력 데이터와 기상청에서 예측된 온도 및 예측된 습도를 비교하여 예측된 온도 및 예측된 습도와 가장 유사한 온도 및 습도를 가진 시간 단위 전력 데이터를 산출할 수 있다. 산출된 시간 단위 전력 데이터에서 포함된 전력 부하값을 예측된 온도 및 예측된 습도에서의 전력 부하 예측값으로 결정하는 방법을 사용할 수 있다.
또 다른 예로 예측된 온도 및 예측된 습도에서 일정한 범위에 포함되는 온도 및 습도를 가진 시간 단위 전력 데이터들에서 산출된 전력 부하값들의 평균값을 전력 부하 예측값으로 결정할 수도 있다.
또 다른 예로 예측된 온도 및 예측된 습도에서 일정한 범위에 포함되는 온도 및 습도를 가진 시간 단위 전력 데이터들 중에서 최근에 측정된 시간 단위 전력 데이터의 전력 부하량에 좀 더 가중치를 두어 전력 부하 예측값을 산출할 수도 있다. 전력 부하량은 산업의 발달 및 인구의 변화 등에 따라 점점 변하기 때문에 최근의 측정된 전력 부하량 데이터가 전력 부하량 예측값으로 가장 의미있는 값이 될 가능성이 높다 따라서, 최근에 측정된 전력 부하량에 좀 더 가중치를 두어 전력 부하 예측값을 산출하기 위해 사용할 수 있다.
위와 같이 예측된 온도 및 예측된 습도 및 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터에 따라 전력 부하 예측값을 산출하는 함수를 전력 부하 예측값 산출 함수라고 할 수 있다.
본 발명의 실시예에 따르면 전력 부하 예측값을 산출하기 위한 전력 부하 예측값 산출 함수로서 위와 같은 함수뿐만 아니라 다양한 함수 및 산출 프로세스가 사용될 수 있다. 시간 단위 전력 데이터 그룹으로 그루핑을 수행 시 월 별로 그루핑이 수행될 뿐만 아니라, 일 별로 그루핑이 수행될 수도 있다.
시간 단위 전력 데이터는 해당 데이터가 평일, 토요일, 일요일 중 어떠한 날에 해당하는지 여부를 판단하여 다른 시간 단위 전력 데이터 그룹으로 다시 그루핑될 수 있다. 평일, 토요일, 일요일은 전력 부하량이 변할 수 있는 날을 기준으로 그루핑하는 것을 개시하기 위한 하나의 예시적인 분류이다. 따라서, 추가적인 분류(예를 들어, 공휴일, 명절 등)을 따로 추가적으로 분류하여 전력 부하 예측량을 산출하기 위한 시간 단위 전력 데이터 그룹으로 활용할 수 있다.
예를 들어, 일 별로 그루핑된 시간 단위 전력 데이터 그룹을 활용하기 위해 3월 1일의 기상청이 예측한 기온 및 예측한 습도 및 3월 1일이 평일인지, 토요일인지, 주말인지 구분하여 이를 기초로 전력 부하 예측값을 산출할 수 있다. 예를 들어, 3월 1일이 평일인 경우, 3월 중 평일에 해당하는 시간 단위 전력 데이터를 그루핑한 시간 단위 전력 데이터 그룹 및 기상청이 예측한 기온 및 예측한 습도를 전력 부하 예측량 산출 함수의 입력값으로 사용하여 전력 부하 예측량을 산출할 수 있다. 예를 들어, 기상청이 예측한 기온 및 예측한 습도를 기준으로 평일의 시간 단위 전력 데이터 그룹에서 일정한 범위에 해당하는 기온 및 습도를 가지는 시간 단위 전력 데이터를 산출할 수 있다. 산출된 시간 단위 전력 데이터의 전력 부하량을 기초로 전력 부하량의 예측값을 산출할 수 있다.
계절 단위로 측정된 시간 단위 데이터가 포함된 시간 단위 전력 데이터 그룹은 계절 별 시간 단위 전력 데이터 그룹, 월 단위로 측정된 시간 단위 데이터가 포함된 시간 단위 전력 데이터 그룹은 월 별 시간 단위 전력 데이터 그룹, 일 단위로 측정된 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹은 일 별 시간 단위 전력 데이터 그룹, 시 단위로 측정된 시간 단위 데이터가 포함된 시간 단위 전력 데이터 그룹은 시 별 전력 데이터 그룹이라고 할 수 있다.
위와 같은 시간 단위 전력 데이터의 분류는 임의적인 것으로서 좀 더 세부적으로 그루핑하거나 좀 더 큰 시간 단위로 그루핑을 수행할 수도 있다. 즉, 측정된 시간 단위 전력 데이터는 필요에 따라 적응적으로 그루핑되어 전력 예측을 수행하는데 사용될 수 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함될 수 있다.
시간 단위 전력 데이터를 그루핑함에 있어서, 계절이 바뀌는 환절기에 해당하는 월의 경우 특정한 계절에 포함된다고 판단하기가 어려울 수 있다. 계절별로 정확한 그루핑이 수행되기 위해서는 이러한 데이터를 좀 더 명확하게 구분할 필요가 있다. 즉, 특정한 계절로 분류하기 어려운 달의 시간 단위 전력 데이터를 특정한 기준에 의해 다시 계절을 분류하여 그루핑되어 생성된 시간 단위 데이터 그룹에 포함된 데이터의 정확도를 높일 수 있다. 도 3에서는 특정한 월에 해당하는 시간 단위 전력 데이터를 좀 더 정확하게 그루핑하는 방법에 대해 개시한다.
도 3은 본 발명의 실시예에 따른 시간 단위 전력 데이터를 그루핑하는 방법을 나타낸 개념도이다.
도 3에서는 계절이 명확하지 않은 월(예를 들어, 2, 3, 5, 6, 8, 9, 11, 12월)에 대해 계절 구분을 수행하여 그루핑을 수행하는 방법에 대해 개시한다. 2, 3, 5, 6, 8, 9, 11, 12월은 계절이 명확하지 않은 월에 대한 예시로서 다른 월들의 집합이 계절 구분을 수행하는 월들이 집합이 될 수도 있다. 이러한 월들을 계절 재분류 월이라는 용어로 정의하여 사용할 수 있다.
또한 이하, 도 3에서 개시되는 계절 재분류 월들의 계절을 판단하기 위한 수식은 임의적인 것으로서 다른 수식이 사용될 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.
도 3을 참조하면, 2월(300)을 기준으로 우선적으로 설명한다.
2월은 계절 재분류 월로서 2월(200)에 측정된 시간 단위 전력 데이터는 아래의 수학식 1에 의해 봄에 해당하는 시간 단위 전력 데이터 그룹으로 그루핑이 될 것인지 아니면, 겨울에 해당하는 시간 단위 전력 데이터 그룹으로 그루핑이 될 것인지 여부를 결정할 수 있다.
<수학식 1>
Figure PCTKR2013012333-appb-I000001
수학식 1에서 개시된 Ti는 현재 측정된 3 시간 단위 전력 데이터의 온도값을 나타낸다. Ti,w는 겨울에 해당하는 시간 단위 전력 데이터 그룹에 포함되는 시간 단위 전력 데이터에서 산출된 시간 단위 별 온도의 평균을 지시하고 Ti,s는 봄에 해당하는 시간 단위 전력 데이터 그룹에 포함되는 시간 단위 전력 데이터에서 산출된 시간 단위 별 온도의 평균을 지시한다. a1은 설정된 가중치를 지시한다. 가중치의 값은 변할 수 있으며, 바람직하게는 0 이상 1 이하의 범위에서 변할 수 있다.
즉, 본 발명의 실시예에 따르면 계절별로 산출된 시간 단위 별 온도의 평균값을 기초로 시간 단위 전력 데이터가 어떠한 계절로 그루핑될지 여부를 판단할 수 있다. 도 4에서는 시간 및 계절 별로 평균 온도를 산출하는 방법에 대해 개시한다.
도 4는 본 발명의 실시예에 따른 시간 및 계절 별로 평균 온도를 산출하는 방법을 나타낸 개념도이다.
도 4의 (A)는 시간 및 계절 별로 평균 온도를 산출하는 방법에 대해 개시한다. 도 4의 (B)는 하루 동안 측정된 3 시간 단위 전력 데이터에서 시간 별 평균 온도를 산출하는 방법에 대해 개시한다.
우선 도 4의 (A)를 참조하면, 특정한 계절 별로 시간 단위 전력 데이터 그룹이 존재할 수 있고 계절 별 시간 단위 전력 데이터 그룹에는 3시간 단위로 측정된 시간 단위 전력 데이터가 존재할 수 있다. 즉, 시간 단위 전력 데이터들은 3 시간 단위 전력 데이터로 분류하면, 각 계절별로 8개의 시간 집합에 해당하는 시간 및 계절별 평균 온도가 산출될 수 있다.
도 4의(A)가 봄으로 분류된 3 시간 단위 전력 데이터 집합인 경우, 1~3h에 해당하는 전력 데이터 집합에서 산출된 온도의 평균은 T1,s로 산출될 수 있다. 이러한 방법으로 아래와 같은 계절별 시간 단위 전력 데이터 평균값이 산출될 수 있다.
(1) 봄(spring, 400): T1,s(1~3h), T2,s(4~6h), T3,s(7~9h), T4,s(10~12h), T5,s(13~15h), T6,s(16~18h), T7,s(19~21h), T8,s(22~24h)
(2) 여름(summer, 420): T1,m(1~3h), T2,m(4~6h), T3,m(7~9h), T4,m(10~12h), T5,m(13~15h), T6,m(16~18h), T7,m(19~21h), T8,m(22~24h)
(3) 가을(autumn, 440): T1,a(1~3h), T2,a(4~6h), T3,a(7~9h), T4,a(10~12h), T5,a(13~15h), T6,a(16~18h), T7,a(19~21h), T8,a(22~24h)
(4) 겨울(winter, 460): T1,w(1~3h), T2,w(4~6h), T3,w(7~9h), T4,w(10~12h), T5,w(13~15h), T6,w(16~18h), T7,w(19~21h), T8,w(22~24h)
다음으로 도 4의 (B)를 참조하면, 하루 동안 측정된 3 시간 단위 전력 데이터에서도 평균 온도를 산출할 수 있다. 3 시간 단위로 산출된 3시간 단위 전력 데이터에 포함된 평균 온도는 각각 시간에 따라 T1(1~3h), T2(4~6h), T3(7~9h), T4(10~12h), T5(13~15h), T6(16~18h), T7(19~21h), T8(22~24h)의 값을 가질 수 있다.
위와 같이 산출된 시간 및 계절별 온도 평균값과 3 시간 단위 전력 데이터에 포함되는 평균 온도를 전술한 수학식 1과 같은 계절 구분 수식을 사용하여 특정한 날에 측정된 3시간 단위 전력 데이터에 대해 계절 분류를 수행하여 그루핑을 수행한다. 즉, 하루에 8개의 시간 단위 전력 데이터가 산출될 수 있고 8개의 시간 단위 전력 데이터가 어떠한 계절에 포함될지 여부에 대해 각각 판단될 수 있다.
도 3을 다시 참조하면, 2월(300)은 겨울과 봄 중 하나의 계절로 분류될 수 있고 5월(320)은 봄과 여름 중 하나의 계절로 분류될 수 있다.
또한, 본 발명의 또 다른 실시예에 따르면 계절을 분류함에 있어서 동일하게 특정한 계절의 사이인 경우에도 서로 다른 수식을 사용하여 계절을 분류할 수 있다. 예를 들어 도 3과 같이 2, 5, 9, 12월을 하나의 제1 그룹(360)으로 분류하고, 3, 6, 8, 11을 제2 그룹(380)으로 분류하여 동일한 계절 변화의 중간에 있는 월인 경우에도 서로 다른 수식을 사용하여 계절 분류를 수행할 수 있다.
예를 들어, 2월(300)과 3월(340)은 겨울에서 봄으로 가는 시기로서 2월(320)과 3월(340)에 측정된 시간 단위 전력 데이터는 봄 또는 겨울로 그루핑될 수 있다. 2월(300)의 경우 전술한 수학식 1에 의해 계절을 분류할 수 있다. 하지만, 3월(340)의 경우 2월(300)과 다르게 아래의 수학식 2를 사용하여 측정된 시간 단위 데이터가 봄으로 그루핑될지 아니면 겨울로 그루핑될지 여부를 판단할 수 있다.
<수학식 2>
Figure PCTKR2013012333-appb-I000002
수학식 1과 수학식 2를 비교하면, 수학식 1의 경우(2월, 300)는 겨울의 시간 및 계절별 온도 평균값에 (봄의 시간 및 계절별 온도 평균값- 겨울의 시간 및 계절별 온도 평균값)을 더하는 수식이 되고, 2월(300)에 측정된 시간 단위 전력 데이터가 위의 값보다 크거나 같은 경우 봄으로 분류되고 2월(300)에 측정된 시간 단위 전력 데이터가 위의 값보다 작은 경우 겨울로 분류된다.
수학식 2의 경우(3월, 340) 봄의 시간 및 계절별 온도 평균값에 (겨울의 시간 및 계절별 온도 평균값- 봄의 시간 및 계절별 온도 평균값)을 더하는 수식이 되고, 3월에 측정된 시간 단위 전력 데이터가 위의 값보다 작거나 같은 경우 겨울로 분류되고 3월에 측정된 시간 단위 전력 데이터가 위의 값보다 큰 경우 봄으로 분류된다.
즉, 해당 월이 어떠한 계절에 더 가까운지에 따라 서로 다른 수식을 사용하여 측정된 시간 단위 전력 데이터에 대한 계절 분류를 수행할 수 있다.
위와 같은 분류 방법은 하나의 예시로서 좀 더 세부적인 분류(예를 들어, 보름 단위 분류)를 수행하여 계절 판단을 수행하거나, 동일한 분류 방법(예를 들어, 2월(300)과 3월(320)을 동일한 수식을 사용하여 판단)을 사용하여 계절 판단을 수행할 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.
또한, 계절의 분류를 하기 위한 수식은 하나의 예시로서 특정한 달에 측정된 시간 단위 전력 데이터에 대한 계절 분류를 수행하기 위해 다른 수식을 사용할 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.
도 5는 본 발명의 실시예에 따른 전력 부하 예측 방법을 나타낸 순서도이다.
도 5를 참조하면, 기상 정보와 전력 부하 정보를 수집한다(단계 S500).
본 발명의 실시예에 따른 전력 부하 예측 방법에서는 기상 정보에 따른 전력 부하를 예측하는 방법을 사용하기 위해 기상 정보와 전력 부하 정보를 수집할 수 있다.
기상 정보는 예를 들어, 온도 정보 또는 습도 정보가 사용될 수 있다. 난방 기구나 냉방 기구, 제습기 등과 같이 계절 가전은 온도 및 습도 및 시간 정보(계절, 월, 일, 시간)에 따라 서로 다른 사용량을 보일 수 있고 산업 전력도 시간 정보(계절, 월, 일, 시간) 및 기상 정보에 따라 다른 전력량을 가질 수 있다. 즉, 기상 정보에 따라 측정된 전력 부하량이 활용되어 예측된 기상 정보에 따른 전력 부하 예측량을 산출하는데 사용될 수 있다. 전술한 바와 같이 온도 정보 및 습도 정보는 하나의 예시로서 다른 기상 정보가 사용될 수도 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함될 수 있다.
기상 정보 및 전력 부하 정보는 일정한 시간 단위로 획득될 수 있다. 시간 단위 전력 데이터는 특정한 시간 단위의 온도 정보, 습도 정보, 전력 부하량 정보를 포함한 데이터일 수 있다. 예를 들어, 1 시간 단위로 측정된 1 시간 단위 전력 데이터가 존재할 수 있고, 이러한 1시간 단위 전력 데이터가 3개 모인 3 시간 단위 전력 데이터가 존재할 수도 있다. 이러한 시간 단위 데이터 일정한 그루핑이 수행되어 시간 단위 전력 데이터 그룹을 형성할 수 있고 이러한 시간 단위 전력 데이터 그룹은 추후 전력 부하 예측량을 산출하기 위해 사용될 수도 있다.
시간 단위 전력 데이터를 그루핑한다(단계 S510).
시간 단위 전력 데이터는 일정한 기준으로 그루핑이 수행되어 시간 단위 전력 데이터 그룹을 형성할 수 있다. 예를 들어, 전술한 바와 같이 계절 별 그루핑, 월 별 그루핑, 일 별 그루핑, 시간 별 그루핑이 수행될 수 있다. 이렇게 그루핑된 데이터는 추후 예측된 온도 및 예측된 습도에서 전력 부하 예측량을 산출하기 위해 사용될 수 있다. 특정한 날은 계절 단위 그루핑 집합, 월 단위, 그루핑 집합, 일 단위 그루핑 집합 등 복수개의 집합에 포함될 수도 있다.
계절별 그루핑을 수행함에 있어서, 도 3 및 도 4에서 전술한 바와 같이 계절이 변하는 월에 측정된 시간 단위 전력 데이터는 추가적인 분류 단계를 거쳐 그루핑이 수행될 수도 있다.
시간 단위 전력 데이터를 그루핑한 집합을 기초로 전력 부하 예측량 산출하기 위해서는 여러 가지 전력 부하 예측 함수가 사용될 수 있다. 예를 들어, 특정한 시간에 온도 예측값 및 습도 예측값을 입력값으로 받은 경우 아래와 같은 절차를 사용하여 전력 예측량을 산출할 수 있다.
특정한 시간이 어떠한 계절의 몇 월 몇 일 몇 시인지 여부를 판단하여 전력 부하 예측량을 산출하기 위한 시간 단위 전력 데이터 그룹을 결정할 수 있다.
결정된 시간 단위 전력 데이터 그룹에서 입력된 온도 예측값 및 습도 예측값과 가장 유사한 기상 정보를 가지는 시간 단위 전력 데이터를 선택하고 해당 시간 단위 전력 데이터의 전력 부하량을 전력 부하 예측량으로 결정할 수 있다.
또 다른 방법으로 결정된 시간 단위 전력 데이터 그룹에서 입력된 온도 예측값 및 습도 예측값과 유사한 일정 범위의 값에 해당하는 기상 정보를 가지는 시간 단위 전력 데이터를 선택하고 해당 시간 단위 전력 데이터들의 전력 부하량의 평균값 또는 중앙값을 전력 부하 예측량으로 결정할 수 있다.
또 다른 방법으로 예측된 온도 및 습도에서 일정한 범위에 포함되는 온도 및 습도를 가진 시간 단위 전력 데이터들에서 산출된 전력 부하량 중 최근에 측정된 전력 부하량에 좀 더 가중치를 두어 전력 부하 예측값을 산출할 수도 있다.
특정한 시간에 온도 예측값 및 습도 예측값을 입력값으로 입력받아 전력 부하 예측량을 산출하는 전력 부하 예측 함수는 이뿐만 아니라 다양한 함수가 사용될 수 있고 이러한 실시예 또한 본 발명의 권리 범위에 포함된다.
기상 정보와 전력 부하 정보를 수집하고 수집된 데이터를 그루핑하는 단계는 계속적으로 수행될 수 있다. 또한 수집된 시간 단위 전력 데이터 중 일정 기간이 지난 데이터는 폐기하여 전력 부하 예측의 정확도를 높일 수 있다.
특정 시점의 온도 예측값 및 습도 예측값을 입력한다(단계 S520).
특정 시점은 특정한 월, 일, 시간에 대한 정보일 수 있다. 온도 예측값 및 습도 예측값은 기상청과 같은 기상 정보를 예측하는 부서에서 제공받을 수 있다. 기상청은 다음날의 온도 예측값 및 습도 예측값에 대해 24시간을 3시간 단위로 나누어 8개의 3시간 단위 온도 예측값 및 습도 예측값을 제공할 수 있다.
전력 부하 관리 센터에서는 기상청에서 제공된 시간별 온도 예측값 및 습도 예측값을 입력값으로 전력 부하 예측량 산출 함수를 사용하여 전력 부하 예측량을 산출할 수 있다. 전술한 바와 같이 입력값을 기초로 전력 부하 예측량을 산출하기 위한 시간 단위 전력 데이터 집합을 선택한다. 선택된 시간 단위 전력 데이터 집합에 포함된 시간 단위 전력 데이터를 기초로 입력받은 시점 별 온도 예측값 및 습도 예측값에 대한 전력 부하 예측량을 산출할 수 있다.
입력 받은 특정 시점의 온도 예측값 및 습도 예측값을 기초로 전력 부하 예측량을 산출한다(단계 S530).
입력 받은 특정 시점의 온도 예측값 및 습도 예측값을 기초로 전력 부하 예측량을 산출하기 위해서는 아래와 같은 방법이 사용될 수 있다.
(1) 데이터 베이스에서 입력 받은 특정 시점에 해당하는 시간 단위 전력 데이터를 그루핑한 집합을 선택한다.
(2) 선택된 시간 단위 전력 데이터를 그루핑한 집합 및 입력 받은 특정 시점의 온도 예측값 및 습도 예측값을 기초로 전력 부하 예측량 산출 함수를 사용하여 전력 부하 예측량을 산출한다.
도 6은 본 발명의 실시예에 따른 전력 부하 예측 장치를 나타낸 블록도이다.
도 6을 참조하면, 전력 부하 예측 장치는 입력부(600), 데이터 베이스(620), 시간 단위 전력 데이터 그룹 결정부(620), 전력 부하 예측량 산출부(660)를 포함할 수 있다.
위와 같은 구성은 설명의 편의상 기능상 각 구성부를 분리하여 표현한 것으로 하나의 구성부로 표현된 경우도 복수의 구성부로 나뉠 수 있고 복수의 구성부도 하나의 구성부로 합쳐질 수 있다.
입력부(600)에는 특정한 시간 단위별로 측정된 기상 정보와 전력 부하량 정보가 입력될 수 있다. 기상 정보와 전력 부하 정보를 수집하여 데이터 베이스(620)를 구성하는 방법은 지속적으로 수행되어 전력 부하를 예측하기 위한 데이터는 최신의 전력 부하량 정보를 더 많이 반영하도록 할 수 있다.
또한, 입력부(600)는 예측 기상 정보(예를 들어, 예측 온도 정보 및 예측 습도 정보)를 제공받아서 전력 부하 예측량 산출부(660)로 전송할 수 있다.
데이터 베이스(620)는 입력부(600)로부터 입력된 시점 별 기상 정보와 전력 부하량 정보를 포함하는 시간 단위 전력 데이터를 저장하고 소정의 기준에 따라 그루핑할 수 있다. 예를 들어 계절 별, 월 별, 일별로 그루핑을 수행할 수 있다. 그루핑을 수행하기 위해서는 시간적인 정보만을 사용하여 구분을 할 수도 있지만, 다른 기상 정보를 고려한 그루핑이 수행될 수 도 있다. 예를 들어, 계절이 변하는 구간에 존재하는 월들에 대해서는 어떠한 계절로 분류하여 그루핑할 것인지 여부를 결정하는 수식을 사용하여 해당 월에 측정된 시간 단위 전력 데이터에 대한 그루핑을 수행할 수 있다.
데이터 베이스(620)에서는 수집된 데이터를 그루핑하는 단계를 계속적으로 수행할 수 있다. 수집된 데이터 중 일정 기간이 지난 데이터는 폐기하여 전력 부하 예측의 정확도를 높일 수 있다.
또한, 데이터 베이스(620)에는 입력부(600)에서 입력된 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하여 이러한 정보를 전력 부하 예측량 산출부(660)에서 활용하도록 하는 시간 단위 전력 데이터 그룹 결정부(640)가 포함될 수 있다.
전력 부하 예측량 산출부(660)는 입력부(600)로부터 입력된 예측 기상 정보 및 데이터 베이스(620)의 시간 단위 전력 데이터 그룹 결정부(640)에서 결정된 시간 단위 전력데이터 그룹을 기초로 전력 부하 예측량을 산출할 수 있다. 즉, 전력 부하 예측량 산출부(660)에서는 소정의 전력 부하 예측량 산출 함수를 이용하여 입력받은 예측 기상 정보 및 그루핑 집합 정보를 기초로 전력 부하 예측량을 산출할 수 있다. 전력 부하 예측량 산출 함수로는 전술한 바와 같이 다양한 함수가 사용될 수 있다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명은 전력 부하를 예측하는 방법에 관한 것으로서, 전력계통 분야에 이용가능하다

Claims (20)

  1. 전력 부하 예측 방법에 있어서,
    예측 기상 정보를 입력받는 단계;
    상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계; 및
    상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계를 포함하는 전력 부하 예측 방법.
  2. 제1항에 있어서,
    상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함하는 전력 부하 예측 방법.
  3. 제1항에 있어서, 상기 시간 단위 전력 데이터 그룹은,
    계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹;
    월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹;
    일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹; 및
    시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함하는 전력 부하 예측 방법.
  4. 제3항에 있어서, 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 단계는,
    상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하는 단계인 전력 부하 예측 방법.
  5. 제1항에 있어서, 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는,
    상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하는 단계; 및
    상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하는 단계를 포함하는 전력 부하 예측 방법.
  6. 제1항에 있어서, 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는,
    상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계; 및
    상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하는 단계를 포함하는 전력 부하 예측 방법.
  7. 제1항에 있어서, 상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 단계는,
    상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하는 단계; 및
    상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하는 단계를 포함하는 전력 부하 예측 방법.
  8. 제1항에 있어서,
    시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정된 시간 단위 전력 데이터를 생성하는 단계;
    상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계; 및
    상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정된 시간 단위 전력 데이터를 포함시키는 단계를 포함하는 전력 부하 예측 방법.
  9. 제8항에 있어서, 상기 측정된 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하는 단계는,
    상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계;
    상기 측정된 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하는 단계;
    상기 측정된 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하는 단계; 및
    상기 측정된 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하는 단계 중 적어도 하나의 단계를 포함하는 전력 부하 예측 방법.
  10. 제9항에 있어서, 상기 측정된 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하는 단계는,
    상기 측정된 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정된 시간 단위 전력 데이터가 그루핑될 계절을 판단하는 단계를 포함하는 전력 부하 예측 방법.
  11. 전력 부하 예측 장치에 있어서,
    예측 기상 정보를 입력받는 입력부;
    상기 입력부에서 입력된 상기 예측 기상 정보를 기초로 전력 부하 예측량을 산출하기 위해 사용되는 시간 단위 전력 데이터 그룹을 결정하는 시간 단위 전력 데이터 그룹 결정부; 및
    상기 예측 기상 정보 및 상기 결정된 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터를 기초로 상기 전력 부하 예측량을 산출하는 전력 부하 예측량 산출부를 포함하는 전력 부하 예측 장치.
  12. 제11항에 있어서,
    상기 예측 기상 정보는 예측 온도 정보 및 예측 습도 정보이고, 상기 시간 단위 전력 데이터는 시간 단위에서의 온도 정보, 상기 시간 단위에서의 습도 정보 및 상기 시간 단위에서의 전력 부하량 정보를 포함하는 전력 부하 예측 장치.
  13. 제11항에 있어서, 상기 시간 단위 전력 데이터 그룹은,
    계절 단위로 측정된 상기 시간 단위 데이터가 포함된 계절 별 시간 단위 전력 데이터 그룹;
    월 단위로 측정된 상기 시간 단위 데이터가 포함된 월 별 시간 단위 전력 데이터 그룹;
    일 단위로 측정된 상기 시간 단위 데이터가 포함된 일 별 시간 단위 전력 데이터 그룹; 및
    시 단위로 측정된 상기 시간 단위 데이터가 포함된 시 별 전력 데이터 그룹을 포함하는 전력 부하 예측 장치.
  14. 제13항에 있어서, 상기 시간 단위 전력 데이터 그룹 결정부는,
    상기 예측 기상 정보가 상기 전력 부하 예측량을 산출하기 위해 사용될 상기 계절 별 시간 단위 전력 데이터 그룹, 상기 월 별 시간 단위 전력 데이터 그룹, 상기 일 별 시간 단위 전력 데이터 그룹, 상기 시 단위 전력 데이터 그룹 중 적어도 하나의 그룹을 결정하도록 구현되는 전력 부하 예측 장치.
  15. 제11항에 있어서, 상기 전력 부하 예측량 산출부는,
    상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 가장 유사한 기상 정보를 가지는 후보 시간 단위 전력 데이터를 산출하고 상기 후보 시간 단위 전력 데이터에 포함된 전력 부하량을 상기 전력 부하 예측량으로 산출하도록 구현되는 전력 부하 예측 장치.
  16. 제11항에 있어서, 상기 전력 부하 예측량 산출부는,
    상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량의 평균값 또는 중앙값을 상기 전력 부하 예측량으로 산출하도록 구현되는 전력 부하 예측 장치.
  17. 제11항에 있어서, 상기 전력 부하 예측량 산출부는,
    상기 시간 단위 전력 데이터에 포함된 시간 단위 전력 데이터 중 상기 예측 기상 정보와 일정한 범위에서 유사한 기상 정보를 가지는 적어도 하나의 후보 시간 단위 전력 데이터를 산출하고 상기 적어도 하나의 후보 시간 단위 전력 데이터에 포함된 적어도 하나의 전력 부하량 중 측정일이 현재에 가까운 전력 부하량일수록 가중치를 두어 상기 전력 부하 예측량을 산출하도록 구현되는 전력 부하 예측 장치.
  18. 제11항에 있어서,
    시간 단위에 대한 기상 정보 및 상기 시간 단위에 대한 전력 부하량을 측정하여 측정 시간 단위 전력 데이터를 입력받고 상기 측정 시간 단위 전력 데이터가 포함되는 시간 단위 전력 데이터 그룹을 결정하여 상기 결정된 시간 단위 전력 데이터 그룹에 상기 측정 시간 단위 전력 데이터를 포함시키도록 구현된 데이터 베이스를 더 포함하는 전력 부하 예측 장치.
  19. 제18항에 있어서, 상기 데이터 베이스는,
    상기 측정 시간 단위 전력 데이터가 포함되는 계절 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 월 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 일 별 시간 단위 전력 데이터 그룹을 결정하고 상기 측정 시간 단위 전력 데이터가 포함되는 시 별 전력 데이터 그룹을 결정하도록 구현되는 전력 부하 예측 장치.
  20. 제18항에 있어서, 상기 데이터 베이스는,
    상기 측정 시간 단위 전력 데이터에 포함되는 온도 정보 및 상기 계절 별 시간 단위 전력 데이터 그룹에 포함된 시간 단위 전력 데이터의 온도 정보를 기초로 소정의 수식을 사용하여 상기 측정 시간 단위 전력 데이터가 그루핑될 계절을 판단하도록 구현되는 전력 부하 예측 장치.
PCT/KR2013/012333 2012-12-28 2013-12-27 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치 Ceased WO2014104829A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120157648A KR20140087411A (ko) 2012-12-28 2012-12-28 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치
KR10-2012-0157648 2012-12-28

Publications (1)

Publication Number Publication Date
WO2014104829A1 true WO2014104829A1 (ko) 2014-07-03

Family

ID=51021766

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2013/012333 Ceased WO2014104829A1 (ko) 2012-12-28 2013-12-27 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치

Country Status (2)

Country Link
KR (1) KR20140087411A (ko)
WO (1) WO2014104829A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590140A (zh) * 2015-11-26 2016-05-18 国网北京市电力公司 电力系统短期负荷的预测方法和装置
CN111091217A (zh) * 2018-10-23 2020-05-01 中国电力科学研究院有限公司 一种楼宇短期负荷预测方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101718976B1 (ko) * 2015-06-22 2017-03-22 주식회사 케이티 계절 및 시간에 따른 에너지 부하를 고려한 지능형 에너지 수요 관리 장치 및 그 방법
KR102495494B1 (ko) * 2016-03-14 2023-02-06 주식회사 직방 가정의 에너지 사용량 예측 방법 및 장치
KR102011314B1 (ko) * 2017-10-12 2019-10-21 전자부품연구원 단위 가구 피크 전력 수요량 예측 방법 및 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003180032A (ja) * 2001-12-10 2003-06-27 Toshiba Corp 電力需要予測システム及びその予測方法
JP2012143098A (ja) * 2011-01-05 2012-07-26 Kankyo Keiei Senryaku Soken:Kk 使用電力量予測システム、及び使用電力量予測システムの制御方法
JP2012196017A (ja) * 2011-03-15 2012-10-11 Chugoku Electric Power Co Inc:The 電力需要予測装置及び電力需要予測方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003180032A (ja) * 2001-12-10 2003-06-27 Toshiba Corp 電力需要予測システム及びその予測方法
JP2012143098A (ja) * 2011-01-05 2012-07-26 Kankyo Keiei Senryaku Soken:Kk 使用電力量予測システム、及び使用電力量予測システムの制御方法
JP2012196017A (ja) * 2011-03-15 2012-10-11 Chugoku Electric Power Co Inc:The 電力需要予測装置及び電力需要予測方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590140A (zh) * 2015-11-26 2016-05-18 国网北京市电力公司 电力系统短期负荷的预测方法和装置
CN111091217A (zh) * 2018-10-23 2020-05-01 中国电力科学研究院有限公司 一种楼宇短期负荷预测方法及系统
CN111091217B (zh) * 2018-10-23 2022-07-08 中国电力科学研究院有限公司 一种楼宇短期负荷预测方法及系统

Also Published As

Publication number Publication date
KR20140087411A (ko) 2014-07-09

Similar Documents

Publication Publication Date Title
Ghasempour et al. Optimizing the number of collectors in machine-to-machine advanced metering infrastructure architecture for internet of things-based smart grid
JP5355147B2 (ja) 排出係数算定器および排出係数算定方法
WO2015163732A1 (en) Operating method and apparatus of smart system for power consumption optimization
CN102959821B (zh) 电力供应系统
WO2014104829A1 (ko) 전력 부하 예측 방법 및 이러한 방법을 수행하는 장치
JP6543145B2 (ja) ピーク電力予測装置、電力管理システム及びピーク電力予測方法
US20140371933A1 (en) Electric power consumption management system and method
WO2011052957A2 (en) Method of controlling network system
CN108922157A (zh) 一种自学习智能抄表方法及系统
CN120165394B (zh) 一种基于虚拟电厂的分布式电源配电优化方法及系统
EP4567690A1 (en) Forecasting commodity consumption for individual smart meters
CN112598155A (zh) 一种变电站的负荷增减预估方法及系统
CN110580588A (zh) 一种基于泛在物联网的电网调度系统和电网调度方法
KR20160044640A (ko) 도시에너지관리를 위한 용도별 시간대별 전력수요 예측시스템
CN117634838B (zh) 一种供电所资源智能调度管理方法及系统
CN109934458B (zh) 一种基于最小停电共同单元的停电实时分析方法
JP2018160990A (ja) 負荷管理装置および方法
CN210801358U (zh) 利用电价杠杆的新能源消纳供暖系统
CN118263866B (zh) 一种双通道的安全防护智能化控制系统及方法
CN118171934A (zh) 一种用户侧电碳表安装决策变量的计算方法、介质及设备
WO2019074173A1 (ko) 단위 가구 피크 전력 수요량 예측 방법 및 시스템
WO2021132759A1 (ko) 이종 분산 자원과 연계된 에너지 저장 장치의 지능형 운전 방법 및 장치
JP7714360B2 (ja) 電力制御システム及び方法
CN107069717B (zh) 一种配电网负荷建模方法
WO2023008154A1 (ja) 電力管理装置及び電力管理方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13868909

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13868909

Country of ref document: EP

Kind code of ref document: A1