WO2015105210A1 - 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템 - Google Patents

수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템 Download PDF

Info

Publication number
WO2015105210A1
WO2015105210A1 PCT/KR2014/000251 KR2014000251W WO2015105210A1 WO 2015105210 A1 WO2015105210 A1 WO 2015105210A1 KR 2014000251 W KR2014000251 W KR 2014000251W WO 2015105210 A1 WO2015105210 A1 WO 2015105210A1
Authority
WO
WIPO (PCT)
Prior art keywords
cost
risk
power generation
calculating
annual
Prior art date
Application number
PCT/KR2014/000251
Other languages
English (en)
French (fr)
Inventor
노재형
박종배
이우남
김진호
Original Assignee
건국대학교 산학협력단
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 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to PCT/KR2014/000251 priority Critical patent/WO2015105210A1/ko
Publication of WO2015105210A1 publication Critical patent/WO2015105210A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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]
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Definitions

  • the present invention relates to a long-term power supply portfolio system including a demand response resource and an energy storage device. More specifically, the demand response resource minimizes the risks associated with the cost related to the capacity of the power generation source and the cost related to the generation amount of the power generation source. And a long term power supply portfolio system including energy storage.
  • the energy generating means is adapted to the load Energy generation cost calculating means for calculating an energy generation cost required to generate the generated energy, external energy supply cost calculating means for calculating a supply cost of the external energy in accordance with the load, and manufacturing and operating the energy generating means. And in the case of all or part of the manufacturing, operation and disposal of the equipment supplying the external energy, with the load on the environment occurring in all or part of the disposal as first life cycle access information (LCA) information.
  • LCA life cycle access information
  • LCA information holding means for holding the load on the generated environment as the second LCA information, respectively;
  • setting means for setting the energy generating means and / or the external energy supply means based on the source generation cost and the first LCA information and the at least one of the external energy supply cost and the second LCA information.
  • the mean means that the expected return from the investment is expressed as the expected return, which is an average concept
  • the variance means that the magnitude of the risk of the investment is measured by the variance of the expected return.
  • An object of the present invention has been devised in view of the above points, while minimizing the risks associated with fixed costs associated with the capacity of the power source and variable costs associated with the amount of generation of power generation, demand response resources (DR) To provide a long-term power supply portfolio system that includes demand response resources and energy storage devices to minimize risks that take into account and energy storage system (ESS).
  • DR demand response resources
  • ESS energy storage system
  • the present invention comprises: a receiving unit which receives external input data and divides the first cost item related to power (kW) and the second cost item related to energy (kWh); A cost calculator configured to calculate a fixed cost of a power generation source using the first cost item, and calculate an annual total cost by calculating a variable cost of the power generation source using the second cost item; Calculate the risk for the fixed cost of the power source, calculate the risk for the variable cost of the power source, calculate the risk of calculating the absolute risk by calculating the correlation coefficient between the fixed cost and the variable cost between the two power sources (i, j) part; An optimization predicate for setting constraints to minimize the annual total cost and absolute risk; And a portfolio derivation unit configured to calculate the average generation cost and the portfolio risk by dividing the annual total cost and the absolute risk minimized according to the constraints into total annual power generation.
  • the method further includes a modulated unit calculating a cost and a risk including a demand response resource, wherein the modulated unit calculates an annual total cost [KRW] and an average portfolio cost [KRW / kWh] including a demand response resource (DR).
  • KRW annual total cost
  • DR demand response resource
  • a DR cost calculation module A DR annual total cost calculation module that calculates an annual total cost according to generation capacity, generation amount, and DR cost of a power generation source; A DR risk calculation module for calculating a change in DR participation rate and incentive level and a related DR risk ( ⁇ DR, var ); A DR correlation coefficient calculation module for calculating a correlation coefficient ⁇ var, iDR between variable costs; A DR absolute risk calculation module for calculating a DR absolute risk by adding the absolute absolute risk in consideration of the demand response resource to the absolute risk of the risk calculator; And a DR portfolio calculation module for calculating a DR average power generation cost by dividing the total DR annual cost by an annual total power generation, and calculating a DR risk by dividing the absolute absolute risk by the total annual power generation.
  • the cost calculation unit includes the initial investment cost (INV i ) and annual fixed operation maintenance fee (FOM i ), which are pensioned in consideration of the lifespan of the power generation source in consideration of the size (or capacity) of the generation source (i).
  • a fixed cost calculating module for calculating a fixed ratio F i ;
  • a variable cost calculation module that calculates a variable cost V i composed of a fuel cost FU i and a variable operation maintenance cost VOM i as a cost related to the amount of generated power of the power generation source;
  • an annual total cost calculation module for calculating an annual total cost according to the power generation capacity (cap i ) and the generation amount (gi) of the power generation source (i).
  • the risk calculation unit uses the investment cost risk ( ⁇ i, INV ) [KRW / kW] information of the power generator (i) and the fixed operation maintenance cost risk ( ⁇ i, FOM ) [KRW / kW] information of the power generator (i).
  • a fixed cost risk calculation module for calculating a fixed cost risk ⁇ i, fix [KRW / kW] of the power generation source i; Using the fuel cost risk ( ⁇ i, FU ) [KRW / kWh] information of the power generation source (i) and the variable operating maintenance cost risk ( ⁇ i, VOM ) [KRW / kWh] information of the power generation source (i)
  • a variable cost risk calculation module for calculating a variable cost risk ⁇ i, var ) [KRW / kWh];
  • the correlation coefficient ( ⁇ fix, ij ) for the fixed ratio between two power sources (i, j) is calculated to satisfy Equation 6, and the correlation coefficient ( ⁇ var, ij ) for the variable ratio between two power sources (i, j)
  • a correlation coefficient calculating module for calculating a value to satisfy Equation 7;
  • an absolute risk calculation module that calculates an absolute risk that satisfies Equation 8 according to a risk and a correlation coefficient
  • the optimization conditions include annual maximum demand [kW], annual power consumption [kWh], minimum installation capacity [kW] of the power generation source, maximum installation capacity [kW] of the power generation source, minimum annual generation amount [kWh] of the power generation source, of characterized in that to set the condition for maximum power generation amount per year [kWh] minimize the absolute risk and the total cost per year in accordance with the constraint information to (minimize total cost (cap i, g i)) of.
  • a portfolio derivation unit comprising: a portfolio cost calculation module configured to calculate an average generation cost by dividing an annual total cost minimized according to the constraint by an annual total generation amount (g total ); And a portfolio risk calculation module that calculates a portfolio risk by dividing the absolute risk minimized according to the constraints by the total annual power generation amount (g total ).
  • FIG. 1 is a block diagram of a long-term power supply portfolio system including a demand response resource and an energy storage device according to an embodiment of the present invention
  • Figure 2 is a graph showing the efficiency frontier curve considering only the existing power generation technology
  • FIG. 5 is a graph showing how an efficient portfolio configuration changes when considering incentive-based DR and ESS addition to power generation technology.
  • FIG. 6 is a graph showing that the portfolio composition at the minimum risk point is reduced compared to the reference case as the DR is reflected in the portfolio.
  • FIG. 8 is a graph of risk and cost on the minimum risk by ESS policy scenario.
  • receiver 110 power cost item receiving module
  • Modified part 610 DR cost calculation module
  • 620 DR annual cost calculation module 630: DR risk calculation module
  • DR correlation coefficient calculation module 650 DR absolute risk calculation module
  • FIG. 1 is a configuration diagram of a long-term power supply portfolio system including a demand response resource and an energy storage device according to an embodiment of the present invention
  • Figure 2 is a graph showing the efficiency frontier curve considering only the existing power generation technology
  • Figure 3 Is a graph showing the installed capacity share [%] of each power generation technology on the efficiency frontier
  • FIG. 4 is a graph showing the change in annual power generation share by technology according to risk
  • FIG. 5 is an incentive-based DR and Considering the addition of the ESS, a graph showing how the effective portfolio composition changes
  • FIG. 6 is a graph showing that the portfolio composition at the minimum risk point decreases the risk compared to the reference case as the DR is reflected in the portfolio.
  • FIG. 7 shows the overall level of risk in relation to risk for participation in incentive-based DR programs.
  • FIG. 8 is a graph illustrating risk and cost on the minimum risk by the ESS policy scenario
  • FIG. 9 Is a graph of risk and cost on the minimum cost by ESS policy scenario.
  • the long-term power supply portfolio system including the demand response resource and the energy storage device includes a receiver 100, a cost calculator 200, a risk calculator 300, and an optimization conditional unit ( 400, a portfolio calculation module 500, and a modifier 600.
  • the receiver 100 receives external input data and divides the cost item related to the power (kW) into the cost item related to the energy (kWh).
  • the power cost item receiving module 110 and the energy cost item receiving module 120 receives external input data and divides the cost item related to the power (kW) into the cost item related to the energy (kWh).
  • the external input data includes annual maximum demand, annual power consumption, power generation capacity (minimum installed capacity, maximum installed capacity), power generation capacity (minimum annual power generation, maximum annual power generation), initial investment cost, annual fixed operation maintenance cost Fuel costs, variable operating costs, and so forth.
  • the cost calculator 200 includes a fixed cost calculation module 210 that calculates a fixed cost F i of a power generation source i as a cost item related to power kW, and a cost item related to energy kWh.
  • a variable cost calculating module 220 for calculating the variable ratio Vi of ( i ) and an annual total cost calculating module 230 are included.
  • the fixed cost calculation module 210 is a cost related to the size (or capacity) of the power generation power generation consisting of the initial investment cost (INV i ) and annual fixed operation maintenance cost (FOM i ) pensioned in consideration of the life of the power generation source It is a structure which calculates the fixed ratio F i of the circle i.
  • the unit of the fixed ratio is [KRW / kW].
  • This fixed ratio F i is equal to the following equation (1).
  • the annual total cost calculation module 230 is configured to calculate the annual total cost according to the generation capacity (cap i ) and the generation amount (gi) of the power source (i), the configuration that satisfies the following equation (3).
  • the risk calculator 300 includes a fixed cost risk calculation module 310 that calculates a risk for a fixed cost of a power source as a cost item related to power (kW), and a variable cost of a power source as a cost item related to energy (kWh).
  • the variable cost risk calculation module 320 for calculating the risk for the unit
  • the correlation coefficient calculation module 330 for calculating the correlation coefficient between the two power sources (i, j)
  • the absolute risk calculation module 340 includes a fixed cost risk calculation module 310 that calculates a risk for a fixed cost of a power source as a cost item related to power (kW), and a variable cost of a power source as a cost item related to energy (kWh).
  • the risk calculator assumes that all generation cost items are independent of each other.
  • Fixed cost risk calculation module 310 is the investment cost risk ( ⁇ i, INV ) [KRW / kW] information of the power source (i) and the fixed operation maintenance cost risk ( ⁇ i, FOM ) of the power source (i) [KRW / kW ] Information is used to calculate the fixed cost risk ( ⁇ i, fix ) [KRW / kW] of the power source (i).
  • the fixed cost risk calculation module 310 satisfies the following equation (4).
  • Variable cost risk calculation module 320 includes fuel cost risk ( ⁇ i, FU ) [KRW / kWh] information of power generation source (i) and variable operating maintenance cost risk ( ⁇ i, VOM ) [KRW / kWh] of power generation source (i). ] Information is used to calculate the variable cost risk ( ⁇ i, var ) [KRW / kWh] of the power source (i).
  • variable cost risk calculation module 320 satisfies the following equation (5).
  • the correlation coefficient calculating module 330 calculates a correlation coefficient ( ⁇ fix, ij ) for the fixed ratio between the two power generation sources (i, j) to satisfy the following Equation 6 , and the variation ratio between the two power generation sources (i, j)
  • the correlation coefficient for ⁇ var, ij is calculated to satisfy the following equation (7).
  • the correlation coefficient between the power generation sources may be calculated for each of the fixed cost and the variable cost.
  • the absolute risk calculation module 340 calculates an absolute risk that satisfies Equation 8 according to a risk and a correlation coefficient for the fixed cost and the variable cost.
  • the optimization condition 400 includes the annual maximum demand [kW], annual power consumption [kWh], minimum installed capacity of the power source [kW], maximum installed capacity of the power source [kW], minimum annual generated amount of the power source [kWh], The total annual cost and absolute risk calculated through the cost calculation unit 200 and the risk calculation unit 300 according to the constraint information (Eqs. (10) to (13)) of the annual maximum generation amount [kWh] of the power generation source.
  • This configuration sets the condition to minimize (minimize cost total (cap i , g i )).
  • D peak is the annual maximum demand [kW]
  • D total is the annual power consumption [kWh]
  • cap i min is the minimum installation capacity [kW] of power generation i
  • cap i max is the The maximum installed capacity [kW]
  • g i, min is the annual minimum power generation in kWh [kWh]
  • g i, max is the annual maximum power generation in kWh [kWh]
  • the portfolio derivation unit 500 is configured to calculate the average generation cost and the portfolio risk by dividing the annual total cost and absolute risk minimized according to the constraints of the optimization condition unit 400 by the total annual power generation.
  • the portfolio derivation unit 500 includes a portfolio cost calculation module 510 and a portfolio risk calculation module 520.
  • the portfolio cost calculation module 510 is configured to calculate the average generation cost by dividing the total annual minimized cost by the total annual generation amount g total according to the constraints of the optimization condition unit 400.
  • the portfolio cost calculation module 510 satisfies Equation 14 below.
  • the portfolio risk calculation module 520 is configured to calculate the portfolio risk by dividing the absolute risk minimized according to the constraints of the optimization condition unit 400 by the total annual generation amount g total .
  • the portfolio risk calculation module 520 satisfies Equation 15 below.
  • the modifier 600 is configured to calculate the cost and risk, including the demand response resource.
  • the modifier 600 includes a DR cost calculation module 610 for calculating an annual total cost [KRW] and an average portfolio cost [KRW / kWh] including a demand response resource, a DR annual total cost calculation module 620, and a demand.
  • the DR risk calculation module 630 including the response resource, the DR correlation coefficient calculation module 640, the DR absolute risk calculation module 650, and the DR portfolio calculation module 660 are included.
  • the DR program is to minimize the risk in consideration of the demand response resource (DR) and the energy storage system (ESS).
  • DR demand response resource
  • ESS energy storage system
  • the cost of these incentive-based DR programs can be calculated as the product of contract capacity, participation rate, participation time and incentive unit price. Therefore, the cost of DR program can be regarded as variable cost because it varies according to participation rate and participation time, which can be regarded as the same concept as fuel cost of general power generation resources.
  • the DR cost calculation module 610 includes the contract capacity of the DR program (cap DR ) [kW], DR participation rate (PR DR ) [%], support unit price (INC DR ) [KRW / kWh], and total annual participation time (h DR ) [h] Multiply the information to calculate the cost of the DR program.
  • This DR cost calculation module satisfies the following equation (16).
  • the annual DR total cost calculation module 620 is configured to calculate the annual total cost according to the generation capacity (cap i ), the generation amount (g i ) and the DR program cost of the power source (i), and the following equation (17) It is a satisfactory configuration.
  • the DR risk calculation module 630 needs to define a variable cost risk of the DR program to calculate a risk including a demand response resource. If there is a risk of variable costs for general generation resources due to fluctuations in annual fuel costs, i.e., i, FU , and DR programs, there are risks associated with fluctuations in annual DR program participation and incentive levels.
  • the risk ⁇ DR, var of the DR program can be calculated as follows.
  • the DR correlation coefficient calculation module 640 calculates the correlation coefficient between other generation resources and the DR program as shown in the following equation, and calculates only the correlation coefficient between the variable costs ( ⁇ var, iDR ) because only variable costs exist in DR. Will be.
  • the DR absolute risk calculation module 650 the DR absolute risk considering the DR program is added only the item related to the variable cost of DR, it is calculated as follows.
  • the DR portfolio calculation module 660 calculates the DR average generation cost by dividing the DR annual total cost of the DR annual total cost calculation module 620 by the total annual generation amount g total , and the DR absolute risk calculation module 650.
  • the DR absolute risk is calculated by dividing the absolute absolute risk by the total annual generation (g total ).
  • the DR average power generation cost of the DR portfolio calculation module 660 satisfies the following equation.
  • the DR risk of the DR portfolio calculation module 660 satisfies the following equation.
  • the target year for deriving the optimal portfolio is set to 2024, which is the same as the last year in the government's fifth supply and demand plan.
  • the maximum demand and annual electricity consumption in 2024 were 107,437 [MW] and 653,541 [GWh], respectively, which were estimated from the 5th supply and demand plan.
  • a power generation capacity portfolio for each power source that satisfies the maximum demand in 2024 and an annual power generation portfolio for each power source that satisfies the power consumption in 2024 are derived.
  • the target energy storage device selected Li-ion battery system, which is likely to be used for large-scale power supply, as the target technology.
  • the investment cost of ESS was 1,300 [$ / kW], and the fixed operation maintenance cost of ESS was applied to the annual fixed operation maintenance performance of the existing pumped power plant.
  • the fuel cost of the ESS was calculated in consideration of the fuel cost of coal-fired power plant, which is the main marginal power plant in the non-peak period, and the efficiency of the ESS.
  • the cost, or incentive level, for the DR program is based on the one-day notice price that is supported by the weekly notice-and-demand adjustment system in Korea.
  • the correlation coefficient between the same cost items of each generation technology is assumed to be 0.5, and the correlation coefficient between the other cost items is set to 0, assuming that they are mutually independent.
  • the case study was divided into a reference case considering only existing power generation technology and a case considering DR and ESS without considering DR and ESS.
  • FIG. 2 shows the efficiency frontier curve considering only the existing power generation technology.
  • the efficient frontier curve of FIG. 2 shows that the cost decreases as the risk increases.
  • the table below shows the comparison between the actual portfolio of 2010 and the portfolio of Min Risk and Min cost on the efficiency frontier for 2024 in the baseline scenario.
  • the installed capacity converges to the minimum boundary (i.e. 5,372 MW which shares about 5% of the peak demand of 2024) set earlier.
  • the change in the efficient frontier curve of the existing reference case of FIG. 5 shows that the risk is extended from the efficiency frontier curve of the existing reference case to the portion where the risk is reduced.
  • the portfolio at the minimum cost point was found to consist of the same portfolio as the reference case, with DR and ESS excluded from the portfolio composition.
  • the portfolio composition at the minimum risk point is shown to reduce the risk compared to the reference case as the DR is reflected in the portfolio.
  • risk on the DR program participation rate was divided into 10% units from risk-free (i.e. 0% of risk) to 30%.
  • the portfolio risk is about 7.179 to 7.138 compared to the 10% risk. Risk mitigated by about 0.6%, but portfolio costs more than doubled from 51.77 to 164.95.
  • the ESS will be spontaneously disseminated due to the relatively high investment cost compared to existing technologies of ESS and the existence of existing peak units such as oil. There is a limit to the spread.
  • case of (2) was previously set as a reference case to analyze the replacement effect with the peak unit such as the existing oil, and additionally considering the ESS as 5% (ESS 5% case), and the existing oil
  • the analysis was carried out by dividing the total occupied capacity into ESS by 2024 (subst. Oil case).
  • FIG. 8 is a graph of risk and cost at the minimum risk by the ESS policy scenario
  • FIG. 9 is a diagram of the risk and cost at the minimum cost according to the ESS policy scenario. It is a graph (Risk and Cost on the minimum cost by ESS policy scenario).
  • the optimal portfolio derivation from the minimum cost point of view shows that both portfolio risk and cost increase in the ESS 5% case compared to the reference case.
  • the optimal portfolio was derived by applying the integrated portfolio investment model, which derives the portfolio from two perspectives, installed capacity and generation. Unlike previous studies that considered renewable energy and CO2 costs, we analyzed the effects of additional demand response resource (DR) and energy storage device (ESS) on the existing nuclear and thermal power plants. .
  • DR demand response resource
  • ESS energy storage device
  • DR was included in the portfolio composition from the perspective of risk minimization, but the cost could be increased but the risk could be reduced compared to the portfolio composed of existing power generation technologies.
  • DR and ESS do not have an edge over other technologies in terms of cost, so they are excluded from portfolio composition.
  • DR was found to be an attractive resource in terms of risk mitigation of the entire portfolio rather than in terms of cost.
  • ESS not only risk but also cost are excluded from efficient portfolio composition.
  • ESS if the existing installed capacity of oil, which is the existing peak unit, is gradually replaced by ESS, it can be significantly improved both in terms of cost and risk compared to the existing portfolio.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템에 관한 것으로서, 더욱 상세하게는 발전원의 용량과 관련된 비용과 발전원의 발전량과 관련된 비용에 따른 리스크를 최소화하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템에 관한 것이다. 상술한 바에 의하면, 외부입력데이터를 수신하여 전력(kW)과 관련된 제1 비용항목과 에너지(kWh)와 관련된 제2 비용항목으로 구분하는 수신부와, 제1 비용항목으로 발전원의 고정비를 산출하고, 제2 비용항목으로 발전원의 변동비를 산출하여 연간 총비용을 산출하는 비용 산출부와, 발전원의 고정비에 대한 리스크를 산출하고, 발전원의 변동비에 대한 리스크를 산출하며, 두 발전원(i,j)간 고정비와 변동비에 대한 상관계수를 산출하여 절대 리스크를 산출하는 리스크 산출부와, 연간 총비용과 절대 리스크를 최소화하도록 하는 제약조건을 설정하는 최적화 조건부와, 제약조건에 따라 최소화된 연간 총비용과 절대 리스크를 각각 연간 총 발전량으로 나누어 평균 발전비용과 포트폴리오 리스크를 산출하는 포트폴리오 도출부를 포함하는 것을 특징으로 한다.

Description

수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템
본 발명은 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템에 관한 것으로서, 더욱 상세하게는 발전원의 용량과 관련된 비용과 발전원의 발전량과 관련된 비용에 따른 리스크를 최소화하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템에 관한 것이다.
종래, 한국공개특허 제2004-0087337호, “분산형 에너지 공급 시스템의 설정장치” 외에 다수 출원 및 공개되었다.
종래기술에 의하면, 소정의 에너지원에서 에너지 생성수단이 생성한 생성에너지와, 외부에서 공급되는 외부 에너지를 부하에 공급하는 분산형 에너지 공급 시스템의 설정장치로서, 상기 에너지 생성수단이 상기 부하에 맞는 상기 생성에너지를 생성하는데에 필요한 에너지 생성비용을 산출하는 에너지 생성비용 산출수단과, 상기 부하에 맞는 상기 외부 에너지의 공급비용을 산출하는 외부 에너지 공급비용 산출수단과, 상기 에너지 생성수단의 제조, 운전 및 폐기의 전부, 또는 일부 공정에서 발생하는 환경에 대한 부하를 제 1 라이프 사이클 어세스먼트(LCA)정보로 하고, 상기 외부 에너지를 공급하는 설비의 제조, 운전 및 폐기의 전부, 또는 일부 공정에서 발생하는 환경에 대한 부하를 제 2 LCA 정보로 하여 각각 유지하는 LCA 정보 유지수단과, 상기 에너지 생성비용 및 상기 제 1 LCA 정보와, 상기 외부 에너지 공급비용 및 상기 제 2 LCA 정보의 적어도 한쪽에 기초하여 상기 에너지 생성수단 및/또는 상기 외부 에너지 공급수단의 설정을 행하는 설정수단을 구비한 것을 특징으로 한다.
포트폴리오 구성의 이론적 배경은 투자자들이 여러가지 종류의 자산을 결합하여 포트폴리오를 구성하는 가장 중요한 목적은 분산투자(diversification)에 의해 투자위험을 감소시키는데 있다.
투자자들은 포트폴리오 분석을 통해 원하는 수준의 기대수익률에 대하여 위험을 최소화시키거나, 또는 투자자들이 부담하고자 하는 위험수준에서 가장 높은 기대수익률을 실현해 주는 효율적 포트폴리오(efficient portfolio)를 선택하고자 할 것이다.
현대 투자론에서 모든 투자자산의 가치는 미래의 수익률과 위험에 의해 결정된다고 주장한다. 투자가산의 가치가 그 자산에 대한 투자로부터 예상되는 미래수익률과, 미래의 수익률에 대한 불확실성, 즉 투자위험에 의해 결정된다고 하는 주장을 일반적으로 평균-분산 기준(mean-variance criterion)이라고 한다.
여기서, 평균(mean)이란 투자로부터 예상되는 수익률을 평균 개념인 기대수익률로 나타내는 것을 의미하며, 분산이란 투자자산의 위험 크기를 예상 수익률의 분산(variance)으로 측정한다는 것을 의미한다.
투자를 할 때 그 투자로부터 기대하는 것은 미래의 수익이다. 이와는 반대로, 투자로부터 예상되는 미래 수익률의 불확실성이 높아질수록 투자자산의 가치는 낮아지게 된다.
본 발명의 목적은 전술한 점들을 감안하여 안출된 것으로, 발전원의 용량과 관련된 고정비용과 발전원의 발전량과 관련된 변동비용에 따른 리스크를 최소화함과 동시에 수요반응자원(DR,Demand Response Resource)과 에너지저장장치(ESS, Energy Storage System)를 고려한 리스크(risk)를 최소화하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템을 제공하는데 있다.
본 발명은 외부입력데이터를 수신하여 전력(kW)과 관련된 제1 비용항목과 에너지(kWh)와 관련된 제2 비용항목으로 구분하는 수신부; 상기 제1 비용항목으로 발전원의 고정비를 산출하고, 상기 제2 비용항목으로 발전원의 변동비를 산출하여 연간 총비용을 산출하는 비용 산출부; 상기 발전원의 고정비에 대한 리스크를 산출하고, 상기 발전원의 변동비에 대한 리스크를 산출하며, 두 발전원(i,j)간 고정비와 변동비에 대한 상관계수를 산출하여 절대 리스크를 산출하는 리스크 산출부; 상기 연간 총비용과 절대 리스크를 최소화하도록 하는 제약조건을 설정하는 최적화 조건부; 및 상기 제약조건에 따라 최소화된 연간 총비용과 절대 리스크를 각각 연간 총 발전량으로 나누어 평균 발전비용과 포트폴리오 리스크를 산출하는 포트폴리오 도출부;를 포함하는 것을 특징으로 한다.
또한 수요반응자원을 포함한 비용과 리스크를 산출하는 모디파이드부;를 더 포함하되, 상기 모디파이드부는 수요반응자원(DR)을 포함한 연간 총 비용[KRW]과 평균 포트폴리오 비용[KRW/kWh]을 산출하는 DR 비용산출모듈; 발전원의 발전용량, 발전량 및 DR 비용에 따른 연간 총 비용을 산출하는 DR 연간 총비용 산출모듈; DR 참여율 및 인센티브 수준의 변동과 관련 DR 리스크(σDR,var)를 산출하는 DR 리스크 산출모듈; 변동비용 간의 상관계수(ρvar,iDR)를 산출하는 DR 상관계수 산출모듈; 상기 리스크 산출부의 절대 리스크에 수요반응자원을 고려한 DR 절대 리스크를 합하여 DR 절대 리스크를 산출하는 DR 절대 리스크 산출모듈; 및 상기 DR 연간 총비용을 연간 총 발전량으로 나누어 DR 평균 발전비용을 산출하고, 상기 DR 절대 리스크를 연간 총 발전량으로 나누어 DR 리스크를 산출하는 DR 포트폴리오 산출모듈;을 포함하는 것을 특징으로 한다.
또한 비용 산출부는 발전원의 규모(또는 용량)과 관련된 비용으로 발전원의 수명을 고려하여 연금화된 초기투자비용(INVi)과 연간 고정운전유지비(FOMi)로 구성되는 발전원(i)의 고정비(Fi)를 산출하는 고정비용 산출모듈; 발전원의 발전한 발전량과 관련된 비용으로 연료비(FUi)와 변동 운전유지비용(VOMi)으로 구성되는 변동비(Vi)를 산출하는 변동비용 산출모듈; 및 발전원(i)의 발전용량(capi) 및 발전량(gi)에 따른 연간 총 비용을 산출하는 연간 총비용 산출모듈;을 포함하는 것을 특징으로 한다.
또한 리스크 산출부는 발전원(i)의 투자비 리스크(σi,INV)[KRW/kW]정보와 발전원(i)의 고정 운전유지비 리스크(σi,FOM)[KRW/kW]정보를 이용하여 발전원(i)의 고정비용 리스크(σi,fix)[KRW/kW]를 산출하는 고정비용 리스크산출모듈; 발전원(i)의 연료비 리스크(σi,FU)[KRW/kWh]정보와 발전원(i)의 변동 운전유지비 리스크(σi,VOM)[KRW/kWh]정보를 이용하여 발전원(i)의 변동비용 리스크(σi,var)[KRW/kWh]를 산출하는 변동비용 리스크산출모듈; 두 발전원(i,j)간 고정비에 대한 상관계수(ρfix,ij)를 수학식 6을 만족하도록 산출하고, 두 발전원(i,j)간 변동비에 대한 상관계수(ρvar,ij)를 수학식 7을 만족하도록 산출하는 상관계수 산출모듈; 및 고정비와 변동비에 대한 리스크와 상관계수에 따라 수학식 8을 만족하는 절대 리스크를 산출하는 절대리스크 산출모듈;을 포함하는 것을 특징으로 한다.
[수학식 6]
Figure PCTKR2014000251-appb-I000001
[수학식 7]
Figure PCTKR2014000251-appb-I000002
[수학식 8]
Figure PCTKR2014000251-appb-I000003
또한 최적화 조건부는 연간 최대수요[kW], 연간 전력소비량[kWh], 발전원의 최소 설치용량[kW], 발전원의 최대 설치용량[kW], 발전원의 연간 최소 발전량[kWh], 발전원의 연간 최대 발전량[kWh]의 제약조건 정보에 따라 연간 총 비용과 절대 리스크를 최소화(Minimize costtotal(capi, gi))하도록 하는 조건을 설정하는 것을 특징으로 한다.
그리고 포트폴리오 도출부는 상기 제약조건에 따라 최소화된 연간 총비용을 연간 총 발전량(gtotal)으로 나누어 평균 발전비용을 산출하는 포트폴리오 비용산출모듈; 및 상기 제약조건에 따라 최소화된 절대 리스크를 연간 총 발전량(gtotal)으로 나누어 포트폴리오 리스크를 산출하는 포트폴리오 리스크산출모듈;을 포함하는 것을 특징으로 한다.
상술한 바에 의하면, 발전원의 용량과 관련된 고정비용과 발전원의 발전량과 관련된 변동비용에 따른 리스크를 최소화함과 동시에 수요반응자원과 에너지저장장치를 고려한 리스크를 최소화하는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템의 구성도이고,
도 2는 기존의 발전기술만을 고려한 효율프론티어 곡선을 나타낸 그래프이며,
도 3은 효율프론티어 상의 각 발전기술별 the installed capacity 점유율[%]을 나타낸 그래프이고,
도 4는 리스크에 따른 기술별 연간 발전량 점유율의 변화를 나타는 그래프이며,
도 5는 발전기술에 인센티브 기반의 DR과 ESS의 추가로 고려될 경우, 효율적 포트폴리오 구성이 어떻게 변하는지를 나타낸 그래프이고,
도 6은 최소 리스크 지점에서의 포트폴리오 구성은 DR이 포트폴리오에 반영됨에 따라 기준 케이스에 비해 리스크가 감소함을 나타낸 그래프이며,
도 7은 인센티브 기반 DR 프로그램의 참여율에 대한 리스크와 관련하여 리스크의 수준이 전체 포트폴리오 구성에 미치는 영향에 대한 민감도 분석결과를 나타낸 그래프이고,
도 8은 ESS정책 시나리오에 의한 최소 리스크에서의 리스크와 비용에 관한 그래프(Risk and Cost on the minimum risk by ESS policy scenario)이며,
도 9는 ESS정책 시나리오에 의한 최소 비용에서의 리스크와 비용에 관한 그래프(Risk and Cost on the minimum cost by ESS policy scenario)이다.
[부호의 설명]
100 : 수신부 110 : 전력 비용항목 수신모듈
120 : 에너지 비용항목 수신모듈 200 : 비용 산출부
210 : 고정비용 산출모듈 220 : 변동비용 산출모듈
230 : 연간 총비용 산출모듈 300 : 리스크 산출부
310 : 고정비용 리스크산출모듈 320 : 변동비용 리스크산출모듈
330 : 상관계수 산출모듈 340 : 절대 리스크 산출모듈
400 : 최적화 조건부 500 : 포트폴리오 도출부
510 : 포트폴리오 비용산출모듈 520 : 포트폴리오 리스크산출모듈
600 : 모디파이드부 610 : DR비용 산출모듈
620 : DR연간 총비용 산출모듈 630 : DR리스크 산출모듈
640 : DR상관계수 산출모듈 650 : DR절대리스크 산출모듈
660 : DR포트폴리오 산출모듈
본 발명의 구체적 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명을 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템의 구성도이고, 도 2는 기존의 발전기술만을 고려한 효율프론티어 곡선을 나타낸 그래프이며, 도 3은 효율프론티어 상의 각 발전기술별 the installed capacity 점유율[%]을 나타낸 그래프이고, 도 4는 리스크에 따른 기술별 연간 발전량 점유율의 변화를 나타는 그래프이며, 도 5는 발전기술에 인센티브 기반의 DR과 ESS의 추가로 고려될 경우, 효율적 포트폴리오 구성이 어떻게 변하는지를 나타낸 그래프이고, 도 6은 최소 리스크 지점에서의 포트폴리오 구성은 DR이 포트폴리오에 반영됨에 따라 기준 케이스에 비해 리스크가 감소함을 나타낸 그래프이며, 도 7은 인센티브 기반 DR 프로그램의 참여율에 대한 리스크와 관련하여 리스크의 수준이 전체 포트폴리오 구성에 미치는 영향에 대한 민감도 분석결과를 나타낸 그래프이고, 도 8은 ESS정책 시나리오에 의한 최소 리스크에서의 리스크와 비용에 관한 그래프(Risk and Cost on the minimum risk by ESS policy scenario)이며, 도 9는 ESS정책 시나리오에 의한 최소 비용에서의 리스크와 비용에 관한 그래프(Risk and Cost on the minimum cost by ESS policy scenario)이다.
도 1에 도시된 바와 같이, 본 발명에 따른 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템은 수신부(100), 비용 산출부(200), 리스크 산출부(300), 최적화 조건부(400), 포트폴리오 산출모듈(500), 모디파이드부(600)를 포함한다.
수신부(100)는 외부입력데이터를 수신하여 전력(kW)과 관련된 비용항목과 에너지(kWh)와 관련된 비용항목으로 구분하는 구성으로, 전력 비용항목 수신모듈(110), 에너지 비용항목 수신모듈(120)을 포함한다.
여기서 외부입력데이터는 연간 최대수요, 연간 전력소비량, 발전원의 발전용량(최소 설치용량, 최대 설치용량), 발전원의 발전량(연간 최소 발전량, 연간 최대 발전량), 초기투자비용, 연간 고정운전유지비, 연료비, 변동 운전유지비용 정보 등을 포함한다.
비용 산출부(200)는 전력(kW)과 관련된 비용항목으로 발전원(i)의 고정비(Fi)를 산출하는 고정비용 산출모듈(210)과, 에너지(kWh)와 관련된 비용항목으로 발전원(i)의 변동비(Vi)를 산출하는 변동비용 산출모듈(220), 연간 총 비용 산출모듈(230)을 포함하는 구성이다.
고정비용 산출모듈(210)은 발전원의 규모(또는 용량)과 관련된 비용으로 발전원의 수명을 고려하여 연금화된 초기투자비용(INVi)과 연간 고정운전유지비(FOMi)로 구성되는 발전원(i)의 고정비(Fi)를 산출하는 구성이다. 여기서, 고정비의 단위는 [KRW/kW]이다.
이러한 고정비(Fi)는 다음의 수학식(1)과 같다.
[수학식 1]
Figure PCTKR2014000251-appb-I000004
이러한 변동비(Vi)는 다음의 수학식(2)와 같다.
[수학식 2]
Figure PCTKR2014000251-appb-I000005
연간 총 비용 산출모듈(230)은 발전원(i)의 발전용량(capi) 및 발전량(gi)에 따른 연간 총 비용을 산출하는 구성으로, 다음의 수학식(3)을 만족하는 구성이다.
[수학식 3]
Figure PCTKR2014000251-appb-I000006
리스크 산출부(300)는 전력(kW)과 관련된 비용항목으로 발전원의 고정비에 대한 리스크를 산출하는 고정비용 리스크 산출모듈(310)과, 에너지(kWh)와 관련된 비용항목으로 발전원의 변동비에 대한 리스크를 산출하는 변동비용 리스크 산출모듈(320), 두 발전원(i,j)간 상관계수를 산출하는 상관계수 산출모듈(330), 절대 리스크 산출모듈(340)을 포함하는 구성이다.
여기서, 리스크 산출부는 모든 발전 비용항목을 서로 독립적인 것으로 가정한다.
고정비용 리스크산출모듈(310)은 발전원(i)의 투자비 리스크(σi,INV)[KRW/kW]정보와 발전원(i)의 고정 운전유지비 리스크(σi,FOM)[KRW/kW]정보를 이용하여 발전원(i)의 고정비용 리스크(σi,fix)[KRW/kW]를 산출한다.
이러한 고정비용 리스크산출모듈(310)은 다음의 식(4)를 만족한다.
[수학식 4]
Figure PCTKR2014000251-appb-I000007
변동비용 리스크산출모듈(320)은 발전원(i)의 연료비 리스크(σi,FU)[KRW/kWh]정보와 발전원(i)의 변동 운전유지비 리스크(σi,VOM)[KRW/kWh]정보를 이용하여 발전원(i)의 변동비용 리스크(σi,var)[KRW/kWh]를 산출한다.
이러한 변동비용 리스크산출모듈(320)은 다음의 식(5)를 만족한다.
[수학식 5]
Figure PCTKR2014000251-appb-I000008
상관계수 산출모듈(330)은 두 발전원(i,j)간 고정비에 대한 상관계수(ρfix,ij)를 다음의 수학식 6을 만족하도록 산출하고, 두 발전원(i,j)간 변동비에 대한 상관계수(ρvar,ij)를 다음의 수학식 7을 만족하도록 산출한다.
[수학식 6]
Figure PCTKR2014000251-appb-I000009
[수학식 7]
Figure PCTKR2014000251-appb-I000010
여기서, 만약, 고정비의 비용항목들과 변동비의 비용항목들간의 상관관계가 0, 즉, 상호 독립적이라 가정하면 발전원간의 상관계수는 고정비와 변동비 각각에 대하여 산출될 수 있다.
절대 리스크 산출모듈(340)은 고정비와 변동비에 대한 리스크와 상관계수에 따라 다음의 수학식 8을 만족하는 절대 리스크를 산출한다.
[수학식 8]
Figure PCTKR2014000251-appb-I000011
최적화 조건부(400)는 연간 최대수요[kW], 연간 전력소비량[kWh], 발전원의 최소 설치용량[kW], 발전원의 최대 설치용량[kW], 발전원의 연간 최소 발전량[kWh], 발전원의 연간 최대 발전량[kWh]의 제약조건 정보(식(10) 내지 식(13))에 따라 비용 산출부(200)와 리스크 산출부(300)를 통해 산출한 연간 총 비용과 절대 리스크를 최소화(Minimize costtotal(capi, gi))하도록 하는 조건을 설정하는 구성이다.
[수학식 9]
Figure PCTKR2014000251-appb-I000012
[수학식 10]
Figure PCTKR2014000251-appb-I000013
[수학식 11]
Figure PCTKR2014000251-appb-I000014
[수학식 12]
Figure PCTKR2014000251-appb-I000015
[수학식 13]
Figure PCTKR2014000251-appb-I000016
여기서, Dpeak는 연간 최대수요[kW]이고, Dtotal은 연간 전력소비량[kWh]이며, capi,min은 발전원i의 최소 설치용량[kW]이고, capi,max는 발전원i의 최대 설치용량[kW]이며, gi,min은 발전원i의 연간 최소 발전량[kWh]이고, gi,max는 발전원i의 연간 최대 발전량[kWh]이며, 이러한 식은 발전원(i)에 대한 것이나, 발전원(j)에도 해당될 수 있다.
포트폴리오 도출부(500)는 최적화 조건부(400)의 제약조건에 따라 최소화된 연간 총비용과 절대 리스크를 각각 연간 총 발전량으로 나누어 평균 발전비용과 포트폴리오 리스크를 산출하는 구성이다.
이러한 포트폴리오 도출부(500)는 포트폴리오 비용산출모듈(510)과, 포트폴리오 리스크산출모듈(520)을 포함한다.
포트폴리오 비용산출모듈(510)은 최적화 조건부(400)의 제약조건에 따라 최소화된 연간 총비용을 연간 총 발전량(gtotal)으로 나누어 평균 발전비용을 산출하는 구성이다.
이러한 포트폴리오 비용산출모듈(510)은 다음의 수학식 14를 만족한다.
[수학식 14]
Figure PCTKR2014000251-appb-I000017
포트폴리오 리스크산출모듈(520)은 최적화 조건부(400)의 제약조건에 따라 최소화된 절대 리스크를 연간 총 발전량(gtotal)으로 나누어 포트폴리오 리스크를 산출하는 구성이다.
이러한 포트폴리오 리스크산출모듈(520)은 다음의 수학식 15를 만족한다.
[수학식 15]
Figure PCTKR2014000251-appb-I000018
모디파이드부(600)는 수요반응자원을 포함한 비용과 리스크를 산출하는 구성이다.
이러한 모디파이드부(600)는 수요반응자원을 포함한 연간 총 비용[KRW]과 평균 포트폴리오 비용[KRW/kWh]을 산출하는 DR 비용산출모듈(610)과, DR 연간 총비용 산출모듈(620), 수요반응자원을 포함한 DR 리스크 산출모듈(630), DR 상관계수 산출모듈(640), DR 절대 리스크 산출모듈(650), DR 포트폴리오 산출모듈(660)을 포함한다.
본 발명의 일실시예에서는 다양한 DR 프로그램 가운데, 인센티브 기반의 DR프로그램에 초점을 맞추어 진행하는 것으로 설정하였다. 여기서, 본 발명의 일실시예에 따른 DR프로그램은 수요반응자원(DR,Demand Response Resource)과 에너지저장장치(ESS, Energy Storage System)를 고려한 리스크(risk)를 최소화하는데 있다.
이러한 인센티브 기반의 DR프로그램의 비용은 계약용량, 참여율, 참여시간 그리고 인센티브 단가의 곱으로 산출할 수 있다. 따라서, DR프로그램의 비용은 참여율, 참여시간에 따라 변동하기 때문에 변동비로 간주할 수 있으며, 이는 일반 발전자원의 연료비(fuel cost)와 동일한 개념으로 간주할 수 있다.
DR 비용산출모듈(610)은 DR프로그램의 계약용량(capDR)[kW], DR 참여율(PRDR)[%], 지원단가(INCDR)[KRW/kWh], 연간 총 참여시간(hDR)[h] 정보를 곱하여 DR프로그램의 비용을 산출한다.
이러한 DR 비용산출모듈은 다음의 수학식(16)을 만족한다.
[수학식 16]
Figure PCTKR2014000251-appb-I000019
DR 연간 총비용 산출모듈(620)은 발전원(i)의 발전용량(capi), 발전량(gi) 및 DR프로그램 비용에 따른 연간 총 비용을 산출하는 구성으로, 다음의 수학식(17)을 만족하는 구성이다.
[수학식 17]
Figure PCTKR2014000251-appb-I000020
DR 리스크 산출모듈(630)은 수요반응자원을 포함한 리스크를 산출하기 위하여 DR프로그램의 변동비 리스크에 대한 정의가 필요하다. 일반 발전자원이 연간 연료비의 변동에 따른 변동비용의 리스크가 존재한다면, 즉, σi,FU, DR프로그램의 경우 연간 DR프로그램 참여율 및 인센티브 수준의 변동과 관련한 리스크가 존재한다.
따라서, DR프로그램의 리스크(σDR,var)는 다음과 같이 산출될 수 있다.
[수학식 18]
Figure PCTKR2014000251-appb-I000021
DR 상관계수 산출모듈(640)은 기타 발전자원과 DR프로그램간의 상관계수는 다음의 수학식과 같이 산출되며, DR의 경우 변동비용만이 존재하기 때문에 변동비용간의 상관계수(ρvar,iDR)만 산출되게 된다.
[수학식 19]
Figure PCTKR2014000251-appb-I000022
DR 절대 리스크 산출모듈(650)은 DR프로그램을 고려한 DR 절대 리스크가 DR의 변동비용과 관련한 항목만이 추가되며, 다음과 같이 산출된다.
[수학식 20]
Figure PCTKR2014000251-appb-I000023
DR 포트폴리오 산출모듈(660)은 DR 연간 총비용 산출모듈(620)의 DR 연간 총비용(costtotal)을 연간 총 발전량(gtotal)으로 나누어 DR 평균 발전비용을 산출하고, DR 절대 리스크 산출모듈(650)의 DR 절대 리스크를 연간 총 발전량(gtotal)으로 나누어 DR리스크를 산출하는 구성이다.
이러한 DR 포트폴리오 산출모듈(660)의 DR 평균 발전비용은 다음의 수학식을 만족한다.
[수학식 21]
Figure PCTKR2014000251-appb-I000024
그리고 DR 포트폴리오 산출모듈(660)의 DR 리스크는 다음의 수학식을 만족한다.
[수학식 22]
Figure PCTKR2014000251-appb-I000025
이하, 본 발명의 기본 가정과 입력데이터에 대해 설명하기로 한다.
본 발명의 일실시예에서, 최적 포트폴리오를 도출하기 위한 대상년도는 정부의 제5차 수급계획에서의 최종년도와 동일한 2024년으로 설정하였다.
2024년도의 최대수요 및 연간 전력소비량은 제5차 수급계획에서 추정한 값인 107,437[MW]와 653,541[GWh]를 각각 적용하였다.
따라서, 본 실시예에서 제시한 방법론을 통해 2024년도의 최대수요를 만족하는 발전원별 발전용량 포트폴리오와 2024년도의 전력소비량을 만족하는 발전원별 연간 발전량 포트폴리오를 도출한다.
또한 기존의 발전기술, nuclear, coal, gas, oil에 DR과 ESS의 도입시 최적 포트폴리오 구성의 변화를 살펴보는데 초점을 맞춤에 따라, 신재생 에너지원은 고려대상에서 제외하였다.
또한 발전비용 산출에 있어, 온실가스 배출에 따른 배출비용 역시 고려되지 않았다.
다음으로 기존 발전설비의 발전용량 및 연간 발전량을 고려하기 위해, 각 전원별 최소 발전용량 및 연간 최소 발전량 제약을 설정하였다.
이를 위해 2010년 기준 각 발전원의 발전용량 및 연간 발전량 실적(표1)을 바탕으로 발전원별 최소 제약조건을 설정하였으며, 이때, 2024년까지 기존자원의 폐지는 없다고 가정하였다.
표 1
Figure PCTKR2014000251-appb-T000001
본 발명의 일실시예에서 적용한 각 발전원의 발전비용 항목별 기대비용은 다음의 표 2와 같다.
표 2
Figure PCTKR2014000251-appb-T000002
여기서, ESS의 129781.7은,
Investment Cost[KRW/kW] = 1,300[$/kW] × 1,100[KRW/$] × Capital Recovery Factor(9.08%)이다.
기존 발전자원 즉, nuclear, coal, gas, oil의 기대비용은 2002년부터 2010년까지의 9개년의 실적치의 평균값을 적용하였다.
다음으로 대상 에너지저장장치(이하 ESS)는 향후 대규모 전력공급용으로 사용될 가능성이 높은 Li-ion 배터리 시스템을 대상기술로 선정하였다.
이때, ESS의 투자비는 1,300[$/kW]를 적용하였고, ESS의 고정 운전유지비는 기존의 양수발전소의 연간 고정 운전유지비 실적치를 적용하였다.
다음으로 ESS의 연료비의 경우 ESS의 특성상 비첨두시간대에 충전이 이루어짐에 따라 비첨두시간대의 주요 한계발전설비인 석탄화력발전의 연료비 단가와 ESS의 효율을 고려하여 연료비를 산출하였다.
DR프로그램에 대한 비용 즉, 인센티브 수준은 현재 한국에서 시행되고 있는 주간예고 수요조정제도에서 지원하고 있는 1일전 예고단가를 적용하였다.
각 발전기술별 비용항목에 대한 리스크 산출결과는 다음 표 3과 같다.
표 3
Figure PCTKR2014000251-appb-T000003
여기서, ESS의 투자비용과 DR 참여율에 대한 리스크(Risk)는 10%로 가정하였다.
다음으로 각 발전기술의 동일한 비용항목간 상관계수는 0.5로 가정하였으며, 다른 비용항목간 상관계수는 상호독립적임을 가정함에 따라 0으로 설정하였다.
반면, 각 발전기술의 연료비용 간의 상관계수는 실적치를 바탕으로 산출하였으며, 다음 표 4와 같다.
표 4
Figure PCTKR2014000251-appb-T000004
본 실시예에 따르면, DR과 ESS를 고려하지 않고 기존의 발전기술만 고려한 Reference case와 DR과 ESS를 고려한 case로 나누어 사례연구를 진행하였다.
(1) Reference Case
도 2에 도시된 바와 같이, 기존의 발전기술만을 고려한 효율프론티어 곡선을 보여준다. 도 2의 efficient frontier 곡선은 리스크가 증가할수록 비용이 감소함을 알 수 있다.
2010년도의 실제 포트폴리오와 기준 시나리오에서의 2024년의 효율 프론티어상의 Min Risk 및 Min cost의 포트폴리오를 비교하면 다음 표와 같다.
표 5
Figure PCTKR2014000251-appb-T000005
두 가지 지점에서의 리스크와 비용 모두 2010년도 포트폴리오에 비해 개선됨을 알 수 있다.
installed capacity 및 annual generation에서 기술별 점유율을 살펴보면 원자력의 비중이 늘어나는 것이 가장 큰 특징이라고 할 수 있다.
도 3에 도시된 바와 같이, 효율프론티어 상의 각 발전기술별 the installed capacity 점유율[%]을 보여준다.
oil의 경우 리스크 수준에 관계없이 installed capacity가 앞서 설정한 minimum boundary(i.e. 5,372 MW which shares about 5% of the peak demand of 2024)로 수렴되는 것을 알 수 있다.
한편, Gas와 Coal의 installed capacity share의 경우 Risk가 증가할수록 coal에서 gas로 점유율이 이동하는 것을 알 수 있다.
도 4에 도시된 바와 같이, 리스크에 따른 기술별 연간 발전량 점유율의 변화를 보여준다. 도 4에서 알 수 있는 바와 같이, Risk의 증가와 관계없이 발전량 점유율은 일정한 것으로 나타난다.
이는 Gas와 coal의 경우 연간이용률에 의해 installed capacity가 변동함에 관계없이 연간 발전 포트폴리오가 동일한 수준이 되도록 연간이용률이 변동하는 것으로 분석되었다.
(2) Acounting for DR and ESS
한편, 발전기술에 인센티브 기반의 DR과 ESS의 추가로 고려될 경우, 효율적 포트폴리오 구성이 어떻게 변하는지를 살펴보면 다음과 같다.
먼저 도 5의 기존 reference case의 efficient frontier curve의 변화를 살펴보면, 그림에서 나타난 바와 같이 기존 reference case의 효율 프론티어 곡선에서 리스크가 감소되는 부분으로 연장이 됨을 알 수 있다.(점선이 연장된 부분)
이는 비록 기준 케이스에 비해 비용은 증가하지만 리스크를 감소시킬 수 있는 포트폴리오 대안이 추가로 고려될 수 있음을 의미한다.
다음으로 최소 비용과 최소 리스크 관점에서의 포트폴리오 구성을 살펴보면, 최소 비용 지점에서의 포트폴리오는 DR과 ESS가 포트폴리오 구성에서 제외되어 기준 케이스와 동일한 포트폴리오로 구성되는 것으로 도출되었다.
반면, 도 6에 도시된 바와 같이, 최소 리스크 지점에서의 포트폴리오 구성은 DR이 포트폴리오에 반영됨에 따라 기준 케이스에 비해 리스크가 감소하는 것으로 나타났다.
하지만 ESS의 경우 기타 다른 기술에 비해 우위를 점하지 못함에 따라 여전히 포트폴리오 구성에서 제외되는 것으로 나타났다.
도 7에 도시된 바와 같이, 앞서 사례연구에서 가정한 인센티브 기반 DR 프로그램의 참여율에 대한 리스크와 관련하여 리스크의 수준이 전체 포트폴리오 구성에 미치는 영향에 대한 민감도 분석결과를 제시하면 다음과 같다.
본 분석을 위해 DR 프로그램 참여율에 대한 리스크(risk on the DR program participation rate)를 risk-free(i.e. 0% of risk)인 경우에서부터 30%까지 10%단위로 구분하여 분석을 진행하였다.
먼저, DR 리스크 수준에 따른 최소 비용 관점에서의 포트폴리오 도출결과, DR 리스크 수준에 관계없이 앞의 reference case 및 accounting DR and ESS case와 동일한 포트폴리오로 구성되는 것으로 나타난다.
이는 비용 최소화 관점에서는 리스크가 고려되지 않기 때문에 상대적으로 비용이 높은 DR이 포트폴리오 구성에서 제외되게 됨을 알 수 있다.
다음으로 DR 리스크 수준에 따른 최소 리스크 관점에서의 포트폴리오 도출결과를 살펴보면, DR의 리스크가 0%인 경우, (즉, risk-free인 경우) 리스크 10%인 겨웅에 비해 포트폴리오 리스크는 약 7.179에서 7.138로 약 0.6% 정도 리스크가 완화되지만 포트폴리오 비용은 51.77에서 164.95로 2 배 이상 증가하는 것으로 나타난다.
따라서, DR이 risk-free인 경우 기존 포트폴리오의 비용 수준은 그래도 유지하면서 리스크를 최소화시키는 지점 또는 동일한 리스크 수준하에서 비용을 최소화하는 지점에서 최적포트폴리오를 결정할 필요가 있다.
앞서 사례연구결과를 통해 알 수 있는 바와 같이, ESS가 갖는 기존 기술들에 비해 상대적으로 높은 투자비용 그리고 oil과 같은 기존의 peak unit의 존재로 인해 효율적 포트폴리오 구성에서 제외됨에 따라 향후 ESS의 자생적인 보급확산에는 한계가 있는 것으로 판단된다.
따라서, 향후 정부의 ESS보급확산을 위한 지원정책이 이루어질 경우를 상장한 정책시행 효과 분석을 진행하고자 한다.
이를 위해, 먼저 정부의 정책적 지원 목표수준은 목표년도(2024년)까지 peak demand의 5% 수준(약 5.372MW)만큼 보급을 완료하는 것으로 가정하였다.
또한 기존 oil과 같은 peak unit과의 대체 효과 분석을 위해 앞서 (2)의 case를 reference case로 설정하고, 여기에 추가적으로 ESS를 5%로 추가적으로 고려한 경우(ESS 5% case), 그리고 기존의 oil이 차지하고 있는 설비용량을 2024년까지 모두 ESS로 대체할 경우(Subst. Oil case)의 총 3개의 case로 나누어 분석을 진행하였다.
표 6
Figure PCTKR2014000251-appb-T000006
표 7
Figure PCTKR2014000251-appb-T000007
도 8은 ESS정책 시나리오에 의한 최소 리스크에서의 리스크와 비용에 관한 그래프(Risk and Cost on the minimum risk by ESS policy scenario)이고, 도 9는 ESS정책 시나리오에 의한 최소 비용에서의 리스크와 비용에 관한 그래프(Risk and Cost on the minimum cost by ESS policy scenario)이다.
먼저, 최소 비용관점에서의 최적 포트폴리오 도출결과 the ESS 5% case의 경우 포트폴리오 리스크와 비용 모두 reference case에 비해 증가하는 것으로 도출되었다.
이는 reference case와 비교했을 때, nuclear를 제외한 기존 기술들의 경우 대부분 installed capacity와 generation이 모두 minimum boundry로 수렴하여 변화가 없는 반면, risk와 cost가 낮은 nuclear의 비중이 감소한 만큼 ESS의 비중이 증가함에 따른 것으로 판단된다.
한편, the subst. oil case의 경우 reference case에 비해 포트폴리오 리스크와 비용 수준이 상당부분 감소하는 것으로 나타난다.
이는 nuclear의 점유율의 소폭 상승과 더불어, 리스크와 비용이 높은 peak unit인 oil이 제외되면서 일정부분 ESS로 대체됨에 따른 것으로 판단된다.
정리하면, 설비용량(installed capacity)와 발전량(generation)의 두 가지 관점에서 각각 포트폴리오를 도출하는 통합 포트폴리오 투자모델을 적용하여 최적 포트폴리오를 도출하였다. 신재생에너지와 CO2 비용을 추가적으로 고려한 기존의 연구들과는 달리 기존의 원자력 및 화력발전자원들에 수요반응자원(DR)과 에너지저장장치(ESS)를 추가적으로 고려할 경우 이들이 효율적 포트폴리오 구성에 미치는 영향을 분석하였다.
분석결과, 리스크 최소화 관점에서 DR이 포트폴리오 구성에 포함됨에 따라 기존 발전기술들로만 구성된 포트폴리오 대비 비용은 증가하지만 위험은 감소 가능한 것으로 나타났다.
하지만, 최소비용관점에서는 DR과 ESS가 비용측면에서 타 기술들에 비해 우위를 점하지 못함에 다라 포트폴리오 구성에서 제외되는 것으로 나타났다. 결과적으로 DR의 경우 비용측면보다는 전체 포트폴리오의 리스크 완화 측면에서 매력적인 자원이 될 수 있는 것으로 분석되었다. ESS의 경우 리스크 뿐만 아니라 비용 측면에서도 효율적 포트폴리오 구성에서 제외되는 것으로 나타났다. 하지만, ESS 보급확대 정책을 상정한 분석결과, 정책적으로 기존 peak unit인 oil의 existing installed capacity를 점진적으로 ESS로 대체할 경우 기존의 포트폴리오에 비해 비용 및 리스크 측면에서 모두 상당부분 개선이 가능한 것으로 나타났다.
본 발명에 따르면, 발전원의 용량과 관련된 고정비용과 발전원의 발전량과 관련된 변동비용에 따른 리스크를 최소화함과 동시에 수요반응자원과 에너지저장장치를 고려한 리스크를 최소화하는 효과가 있다.

Claims (6)

  1. 외부입력데이터를 수신하여 전력(kW)과 관련된 제1 비용항목과 에너지(kWh)와 관련된 제2 비용항목으로 구분하는 수신부;
    상기 제1 비용항목으로 발전원의 고정비를 산출하고, 상기 제2 비용항목으로 발전원의 변동비를 산출하여 연간 총비용을 산출하는 비용 산출부;
    상기 발전원의 고정비에 대한 리스크를 산출하고, 상기 발전원의 변동비에 대한 리스크를 산출하며, 두 발전원(i,j)간 고정비와 변동비에 대한 상관계수를 산출하여 절대 리스크를 산출하는 리스크 산출부;
    상기 연간 총비용과 절대 리스크를 최소화하도록 하는 제약조건을 설정하는 최적화 조건부; 및
    상기 제약조건에 따라 최소화된 연간 총비용과 절대 리스크를 각각 연간 총 발전량으로 나누어 평균 발전비용과 포트폴리오 리스크를 산출하는 포트폴리오 도출부;를 포함하는 것을 특징으로 하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템.
  2. 제 1 항에 있어서,
    수요반응자원을 포함한 비용과 리스크를 산출하는 모디파이드부;를 더 포함하되,
    상기 모디파이드부는,
    수요반응자원(DR)을 포함한 연간 총 비용[KRW]과 평균 포트폴리오 비용[KRW/kWh]을 산출하는 DR 비용산출모듈;
    발전원의 발전용량, 발전량 및 DR 비용에 따른 연간 총 비용을 산출하는 DR 연간 총비용 산출모듈;
    DR 참여율 및 인센티브 수준의 변동과 관련 DR 리스크(σDR,var)를 산출하는 DR 리스크 산출모듈;
    변동비용 간의 상관계수(ρvar,iDR)를 산출하는 DR 상관계수 산출모듈;
    상기 리스크 산출부의 절대 리스크에 수요반응자원을 고려한 DR 절대 리스크를 합하여 DR 절대 리스크를 산출하는 DR 절대 리스크 산출모듈; 및
    상기 DR 연간 총비용을 연간 총 발전량으로 나누어 DR 평균 발전비용을 산출하고, 상기 DR 절대 리스크를 연간 총 발전량으로 나누어 DR 리스크를 산출하는 DR 포트폴리오 산출모듈;을 포함하는 것을 특징으로 하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템.
  3. 제 1 항에 있어서,
    상기 비용 산출부는,
    발전원의 규모(또는 용량)과 관련된 비용으로 발전원의 수명을 고려하여 연금화된 초기투자비용(INVi)과 연간 고정운전유지비(FOMi)로 구성되는 발전원(i)의 고정비(Fi)를 산출하는 고정비용 산출모듈;
    발전원의 발전한 발전량과 관련된 비용으로 연료비(FUi)와 변동 운전유지비용(VOMi)으로 구성되는 변동비(Vi)를 산출하는 변동비용 산출모듈; 및
    발전원(i)의 발전용량(capi) 및 발전량(gi)에 따른 연간 총 비용을 산출하는 연간 총비용 산출모듈;을 포함하는 것을 특징으로 하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템.
  4. 제 1 항에 있어서,
    상기 리스크 산출부는,
    발전원(i)의 투자비 리스크(σi,INV)[KRW/kW]정보와 발전원(i)의 고정 운전유지비 리스크(σi,FOM)[KRW/kW]정보를 이용하여 발전원(i)의 고정비용 리스크(σi,fix)[KRW/kW]를 산출하는 고정비용 리스크산출모듈;
    발전원(i)의 연료비 리스크(σi,FU)[KRW/kWh]정보와 발전원(i)의 변동 운전유지비 리스크(σi,VOM)[KRW/kWh]정보를 이용하여 발전원(i)의 변동비용 리스크(σi,var)[KRW/kWh]를 산출하는 변동비용 리스크산출모듈;
    두 발전원(i,j)간 고정비에 대한 상관계수(ρfix,ij)를 수학식 6을 만족하도록 산출하고, 두 발전원(i,j)간 변동비에 대한 상관계수(ρvar,ij)를 수학식 7을 만족하도록 산출하는 상관계수 산출모듈; 및
    고정비와 변동비에 대한 리스크와 상관계수에 따라 수학식 8을 만족하는 절대 리스크를 산출하는 절대리스크 산출모듈;을 포함하는 것을 특징으로 하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템.
    [수학식 6]
    Figure PCTKR2014000251-appb-I000026
    [수학식 7]
    Figure PCTKR2014000251-appb-I000027
    [수학식 8]
    Figure PCTKR2014000251-appb-I000028
  5. 제 1 항에 있어서,
    상기 최적화 조건부는,
    연간 최대수요[kW], 연간 전력소비량[kWh], 발전원의 최소 설치용량[kW], 발전원의 최대 설치용량[kW], 발전원의 연간 최소 발전량[kWh], 발전원의 연간 최대 발전량[kWh]의 제약조건 정보에 따라 연간 총 비용과 절대 리스크를 최소화(Minimize costtotal(capi, gi))하도록 하는 조건을 설정하는 것을 특징으로 하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템.
  6. 제 1 항에 있어서,
    상기 포트폴리오 도출부는,
    상기 제약조건에 따라 최소화된 연간 총비용을 연간 총 발전량(gtotal)으로 나누어 평균 발전비용을 산출하는 포트폴리오 비용산출모듈; 및
    상기 제약조건에 따라 최소화된 절대 리스크를 연간 총 발전량(gtotal)으로 나누어 포트폴리오 리스크를 산출하는 포트폴리오 리스크산출모듈;을 포함하는 것을 특징으로 하는 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템.
PCT/KR2014/000251 2014-01-09 2014-01-09 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템 WO2015105210A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2014/000251 WO2015105210A1 (ko) 2014-01-09 2014-01-09 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2014/000251 WO2015105210A1 (ko) 2014-01-09 2014-01-09 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템

Publications (1)

Publication Number Publication Date
WO2015105210A1 true WO2015105210A1 (ko) 2015-07-16

Family

ID=53524029

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2014/000251 WO2015105210A1 (ko) 2014-01-09 2014-01-09 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템

Country Status (1)

Country Link
WO (1) WO2015105210A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018007271A1 (de) * 2016-07-04 2018-01-11 Siemens Aktiengesellschaft Verfahren und vorrichtung zur erfassung und bewertung einer abgabe elektrischer energie eines hybriden kraftwerks
CN110503308A (zh) * 2019-07-29 2019-11-26 明阳智慧能源集团股份公司 一种考虑环境效益的风电场风力发电机组选型方法
CN114204608A (zh) * 2021-10-27 2022-03-18 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种综合能源系统的电源容量配置方法
US11875371B1 (en) 2017-04-24 2024-01-16 Skyline Products, Inc. Price optimization system

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHUN-HAO LO ET AL.: "The Progressive Smart Grid System from Both Power and Communications Aspects", COMMUNICATIONS SURVEYS & TUTORIALS, vol. 14, no. ISSUE, 2012, pages 799 - 821 *
DANIEL E. OLIVARES ET AL.: "A centralized optimal energy management system for microgrids", POWER AND ENERGY SOCIETY GENERAL MEETING, 24 July 2011 (2011-07-24), SAN DIEGO , CA, pages 1 - 6 *
H. IBRAHIM ET AL.: "Technical and Financial Benefits of Electrical Energy Storage", ELECTRICAL POWER AND ENERGY CONFERENCE (EPEC, 10 October 2012 (2012-10-10), LONDON, pages 86 - 91 *
TANGUY HUBERT ET AL.: "Realizing smart grid benefits requires energy optimization algorithms at residential level", INNOVATIVE SMART GRID TECHNOLOGIES (ISGT, 17 January 2011 (2011-01-17), HILTON ANAHEIM, CA, pages 1 - 8 *
WALIED ALHARBI ET AL.: "Demand response and energy storage in MV island ed microgrids for high penetration of renewables", ELECTRICAL POWER & ENERGY CONFERENCE (EPEC, 21 August 2013 (2013-08-21), HALIFAX, NS, pages 1 - 6 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018007271A1 (de) * 2016-07-04 2018-01-11 Siemens Aktiengesellschaft Verfahren und vorrichtung zur erfassung und bewertung einer abgabe elektrischer energie eines hybriden kraftwerks
US11482865B2 (en) 2016-07-04 2022-10-25 Siemens Aktiengesellschaft Method and device for recording and evaluating an output of electrical energy of a hybrid power plant
US11875371B1 (en) 2017-04-24 2024-01-16 Skyline Products, Inc. Price optimization system
CN110503308A (zh) * 2019-07-29 2019-11-26 明阳智慧能源集团股份公司 一种考虑环境效益的风电场风力发电机组选型方法
CN110503308B (zh) * 2019-07-29 2022-03-22 明阳智慧能源集团股份公司 一种考虑环境效益的风电场风力发电机组选型方法
CN114204608A (zh) * 2021-10-27 2022-03-18 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种综合能源系统的电源容量配置方法

Similar Documents

Publication Publication Date Title
WO2015105210A1 (ko) 수요반응자원과 에너지저장장치를 포함하는 장기전원구성 포트폴리오 시스템
WO2018052163A1 (ko) Pcs 효율을 고려한 마이크로그리드 운영장치 및 운영방법
WO2019078419A1 (ko) 전력 수급 운영 스케줄링 장치 및 방법, 컴퓨터 프로그램
WO2021230593A1 (ko) 신재생 열병합발전소를 활용한 가상발전소 시스템 및 이를 이용한 가상발전소 운영 방법
Lee et al. A united approach to optimal real and reactive power dispatch
WO2021230596A1 (ko) 가상발전소 전력거래 시스템 및 이를 이용한 가상발전소 전력거래 방법
WO2011005048A2 (en) Mobile station, base station, and operation method of mobile station
WO2023085560A1 (ko) 제약 강화 학습이 적용된 이산 산업 제조 시스템의 수요반응 관리 방법
WO2018199658A1 (ko) 전력설비의 자산관리 방법
WO2019151639A1 (ko) 독립형 다중 마이크로 그리드 시스템에서 서로 다른 주파수 품질을 유지하기 위한 드롭 주파수 제어기 및 이를 이용한 독립형 다중 마이크로 그리드 시스템
WO2021230522A1 (ko) 최종가격산정부를 갖는 토지시세 추정시스템 및 추정방법
WO2019074192A1 (ko) 분산 전원이 연계된 배전계통의 분산 전원의 출력 제어 방법, 이를 수행하기 위한 제어 동작을 수행하는 주 제어장치 및 지역 제어 장치
WO2018166098A1 (zh) 数据稽核方法、装置、移动终端及计算机可读存储介质
WO2019056733A1 (zh) 并发量控制方法、应用服务器、系统及存储介质
WO2018026067A1 (ko) 마이크로그리드에서의 전기소비자 중 수요자원 모집을 지원하는 장치와 방법
WO2023140566A1 (ko) 성능 상태 회로와 우회 회로가 장착된 태양광 모듈용 직렬 연결 차동 전력 변환기
WO2021132795A1 (ko) 열병합설비와 신재생에너지원 결합형 스마트 에너지 운영 방법
WO2018199667A1 (ko) 태양광 발전 시스템 및 그 제어 방법
WO2023017913A1 (ko) 균일한 초점영역을 형성한 태양광 발전장치
WO2015119361A1 (ko) 클라우드 스트리밍 서비스 시스템, 클라우드 스트리밍 서비스 제공 방법 및 이를 위한 장치
WO2009107972A2 (ko) 기술가치 평가 방법 및 시스템과 이를 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
WO2021221270A1 (ko) 분산형 발전 설비의 발전 효율 향상 장치 및 방법
WO2015069056A1 (ko) 전력 관리 방법 및 시스템
WO2021045416A2 (ko) 전력 관리 서버 및 컴퓨터 프로그램
Deepak et al. Optimum coordination of overcurrent relays in distribution systems using big-m and revised simplex methods

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: 14878203

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: 14878203

Country of ref document: EP

Kind code of ref document: A1