WO2015167048A1 - 적응형 에너지 수요예측 방법 - Google Patents

적응형 에너지 수요예측 방법 Download PDF

Info

Publication number
WO2015167048A1
WO2015167048A1 PCT/KR2014/003881 KR2014003881W WO2015167048A1 WO 2015167048 A1 WO2015167048 A1 WO 2015167048A1 KR 2014003881 W KR2014003881 W KR 2014003881W WO 2015167048 A1 WO2015167048 A1 WO 2015167048A1
Authority
WO
WIPO (PCT)
Prior art keywords
energy
energy consumption
rate
increase
decrease
Prior art date
Application number
PCT/KR2014/003881
Other languages
English (en)
French (fr)
Inventor
김지효
김주현
손병일
김영훈
Original Assignee
옴니시스템 주식회사
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 옴니시스템 주식회사 filed Critical 옴니시스템 주식회사
Publication of WO2015167048A1 publication Critical patent/WO2015167048A1/ko

Links

Images

Classifications

    • 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

Definitions

  • the present invention relates to a method for predicting energy demand, and more specifically, to calculate an expected energy increase and decrease according to the economic and meteorological dependence of a target area consuming energy, and to compare it with an energy consumption measured value.
  • the present invention relates to an adaptive energy demand prediction method for calculating an adaptive prediction value having reduced error.
  • energy demand forecasting uses a method of estimating the energy consumption growth rate of the next year based on the energy consumption of the previous year after grasping the energy consumption growth rate using several years of statistical information.
  • This method of energy demand prediction is not an appropriate alternative to rapid climate change. For example, if the temperature distribution is higher or lower than the average temperature, energy consumption in consumers or industrial sites may increase rapidly. have.
  • Korean Patent No. 10-0648296 proposed an energy demand prediction method for modeling the variability of energy demand according to the seasonal change and generating a predicted value by the model.
  • the patent 10-0648296 focuses only on the relevance to seasonal characteristics. The relevance of is overlooked.
  • there are limitations in forecasting energy demand due to overlooking issues such as regional characteristics and employment rates according to industrial structure.
  • An object of the present invention is to predict an energy expected increase and decrease rate in consideration of energy consumption and economic relations, characteristics of energy consumers, or characteristics of industrial structure, and to estimate the expected rate of increase and decrease of energy by using the estimated energy increase and decrease rate. Accordingly, the present invention provides an adaptive energy demand prediction method that tracks actual energy consumption.
  • the adaptive energy demand prediction method may be configured to include an energy expected increase and decrease rate calculation step and an adaptive prediction value calculation step.
  • the energy expected increase / decrease rate corresponds to a step of calculating an expected energy increase / decrease rate by weighting the ratio of the economic index causing the increase of energy consumption and the economic index causing the decrease in the target region, and the adaptive predictive value calculating step
  • the method may further include calculating an adaptive predictive value for the target region by referring to the estimated energy consumption calculated according to the energy expected increase and decrease rate and the measured energy consumption value of the target region during a preset reference period.
  • the adaptive energy demand prediction method may be configured to include an industrial classification step, the expected consumption calculation step and the adaptive prediction value calculation step.
  • the industrial classification step corresponds to the step of dividing the energy consumption form of the target area into industrial and non-industrial, and the expected consumption calculation step predicts the energy consumption based on the rate of increase or decrease of the leading industry that causes the maximum energy consumption in the target area.
  • the method corresponds to the step of calculating the expected consumption by referring to the share of energy consumption in the target region by the leading industry, and the calculating of the adaptive forecast value includes calculating the estimated consumption and the energy consumption measured value of the target region during the preset reference period.
  • the method may correspond to calculating an adaptive prediction value for the target region with reference to the present invention.
  • the adaptive energy demand prediction method may be configured to include an expected consumption calculation step and an adaptive prediction value calculation step.
  • Estimated consumption calculation step estimates energy consumption based on the unemployment rate increase and decrease of the leading industry that causes the highest energy consumption in the target area, and corresponds to the step of calculating the estimated consumption by referring to the share of energy consumption in the target area.
  • the calculating of the adaptive predictive value may correspond to calculating the adaptive predictive value for the target region by referring to the estimated consumption amount and the measured energy consumption value of the target region during the preset reference period.
  • the present invention it is possible to calculate the expected increase and decrease of energy according to the economic index, employment rate, regional characteristics or industrial structure, and calculate the predicted value close to the actual energy consumption by continuously calculating the estimated energy increase and decrease. Can be.
  • FIG. 1 is a conceptual diagram illustrating an energy demand prediction method according to an embodiment of the present invention.
  • FIG. 2 shows a reference diagram for an energy consumption pattern of an economic dependent region.
  • Figure 3 shows a reference diagram for explaining the correlation between the economic pain index and energy consumption.
  • FIG. 4 shows a reference diagram for an energy consumption pattern of a weather dependent region.
  • FIG. 5 shows a reference diagram for a method of calculating the economic index.
  • 6 and 7 show statistics calculated by the Korea Electric Power Corporation for the target area (Gangnam-gu).
  • the economic index referred to herein refers to an indicator indicating the economic situation, such as GDP (Gross Domestic Product), GDI (real Gross Domestic Income), GNI (Gross National Income), export growth rate, facility investment growth rate, economy It may refer to at least one of a pain index increase rate, an unemployment rate, an income increase rate, a share fluctuation rate, and a wage increase rate.
  • indices can be used as indicators of the economic situation of a country or region within a country.
  • GDP, GDI, GDP, and equipment investment growth rate can mean that the economic situation improves as the indicator value increases.
  • the economic pain index and the unemployment rate may mean that the economic situation worsens as the indicator increases.
  • the energy expected increase and decrease rate referred to herein may mean a value predicted for the current energy consumption by using a correlation between the energy consumption of the previous year and the economic index.
  • the adaptive prediction value mentioned in the present specification may mean that the next energy consumption is predicted by correcting a deviation between the expected energy increase and decrease rate and the current consumption.
  • the characteristic regions referred to herein are set with reference to economic characteristics, energy type consumption patterns, and industrial structures, and economic dependent regions, non-dependent regions, weather-dependent regions are exemplified, but may also be set by industrial structures. have.
  • FIG. 1 is a conceptual diagram illustrating an energy demand prediction method according to an embodiment of the present invention.
  • the energy demand prediction system 100 accesses a database including economic index information, and includes economic indexes such as GDP, GDI, GNI, export increase and decrease rates, and facilities. You can obtain information on investment growth rate, economic pain index increase, unemployment rate, income increase rate, stock fluctuation rate, and wage increase rate, and calculate the expected energy change rate according to the change in economic index.
  • economic index information such as GDP, GDI, GNI, export increase and decrease rates, and facilities.
  • the energy demand prediction system 100 corrects the deviation between the calculated energy increase and decrease rate and the energy consumption measured value stored in the databases 10, 20, and 30, and calculates an adaptive predictive value.
  • a second adaptive prediction can be calculated against the energy consumption reading.
  • the calculation period of the energy expected increase and decrease rate and the adaptive prediction value may be calculated in units of one week, one month, quarter, and year, and may be calculated according to various periods in addition to the illustrated period.
  • the energy demand prediction system 100 may assign weights according to characteristics of each region (Sector A, Sector B, and Sector C), and calculate the energy expected increase / decrease rate using the assigned weights. .
  • the weight is given according to energy consumption characteristics of each region (Sector A, Sector B, and Sector C), and each region is classified into one of a plurality of characteristic regions, and may be given differently according to the classified characteristic regions.
  • the characteristic area is
  • Economic-dependent region means a region in which energy, especially electric energy consumption, increases or decreases with the increase or decrease of the economic index.
  • Weather-dependent region means an area where energy consumption increases or decreases depending on weather conditions.
  • Non-dependent areas may mean areas with small increases or decreases in energy consumption due to economic or weather conditions.
  • Non-dependant areas can be found on both sides of wealthy or poorer dwellings, where wealthy dwellings are not significantly affected by fluctuations in energy consumption due to fluctuations in the economic index or energy costs, and at least in poorer dwellings. This is due to the use of only energy. Non-dependent regions are less affected by fluctuations in the economic index or increase or decrease in energy costs, so the weights given when calculating the expected energy growth rate or the adaptive forecasting value should be set smaller. It is preferably given in the range of 1.3 to 1.3. The characteristics of the non-dependent area will be described with reference to FIG. 2 together.
  • a difference in energy consumption may not occur significantly at D1 when the GDI index increases or D2 when the GDI index decreases.
  • the basic energy consumption for heating and cooling does not tend to be significantly reduced. This is due to the fact that in the case of wealthy settlements, the energy cost is lower than the income level, so the energy cost is not greatly reduced.
  • Economic dependent regions can be found where the industrial structure is a non-productive industrial structure such as service, distribution, or sales.
  • the energy consumption pattern of economic dependent regions shows that when the economy is booming, the number of related companies increases, On the other hand, during the recession, the number of related companies decreases and energy consumption decreases.
  • the weighting ranges given need to be set larger than those in non-dependent regions when calculating the energy expected increase / decrease rate or the adaptive forecast value. Economic dependent regions tend to increase or decrease their energy consumption according to the surrounding economic situation, which will be described with reference to FIG. 3.
  • energy consumption may decrease in an economic dependent region as the economic pain index increases.
  • Economic-dependent regions can be divided into B1 graphs based on malls and B2 graphs corresponding to residential districts. In the case of residential districts where basic energy consumption is required for life, a certain amount of energy consumption is continuously required to implement B2 graphs.
  • the B1 graph which is mainly shopping, indicates that energy consumption may decrease rapidly as the economic pain index increases.
  • Meteorologically dependent areas can be found mainly in areas with large temperature fluctuations depending on the seasons, low temperatures, or heat waves due to rain and wind effects.
  • the weather-dependent region may have a large variation in energy consumption according to seasons and weather environment, and the influence of the weather environment is greater than the economic index.
  • the weight can be expected to increase energy consumption by 10% in consideration of 10%, and the expected energy increase or decrease may be calculated by multiplying the weight by 1.1 over the previous year's energy consumption.
  • the average temperature rises by 10%, the energy consumption does not increase linearly by 10%. Therefore, it is necessary to prepare a reference table for energy consumption compared to the temperature increase rate and set the weights with reference to this.
  • Meteorologically dependent areas can be found primarily in areas where the weather environment changes rapidly over time, and can be areas where changes in the weather environment lead to energy consumption. This will be described with reference to FIG. 4 together.
  • the G1 graph shows a small change in energy consumption compared to a temperature change, and basically shows a higher energy consumption than other graphs.
  • Graph G1 shows the form of energy consumption in densely populated industrial facilities rather than residential areas, and this form of energy consumption is less dependent on temperature.
  • the G2 graph shows that energy consumption increases in proportion to changes in temperature and shows the energy consumption of residential areas. In residential districts, energy consumption may tend to increase as temperatures drop sharply. This type of energy consumption can be regarded as a dependence on temperature, and for regions with a dependence on temperature, the temperature change should be reflected in the calculation of the expected increase and decrease of energy.
  • the G3 graph shows that although energy consumption varies with temperature changes, the rate of change is very low, the population density is low, energy consumption in rural areas where rice or vegetables are grown on the open field, and weather dependence is low.
  • the energy demand prediction system 100 may divide a plurality of regions consuming energy according to the characteristic regions, and calculate different energy weights for each characteristic region to calculate an expected energy increase and decrease rate. At this time, the energy demand prediction system 100 may calculate the current energy expected increase and decrease rate by weighting the economic index from the previous to the present.
  • the energy expected increase / decrease rate (first energy expected increase / decrease rate) of the present (January 2014) can be calculated based on the economic indexes and weights of January 2013 to December 2013. .
  • the energy demand prediction system 100 records the estimated energy increase / decrease rate for 2014 calculated from January to December 2013, and connects to the power construction database 30 until December 31, 2014.
  • the weight applied to calculate the first energy expected increase / decrease rate may be adjusted by comparing the consumed energy consumption measured value with the first energy expected increase / decrease rate.
  • the energy demand prediction system 100 may recalculate an energy expected increase / decrease rate in 2015 by referring to the adjusted weight.
  • the calculated energy increase / decrease rate is thus referred to as an “adaptive predicted value”.
  • Adaptive forecasts can be calculated continuously from 2015 to 2016, 2017, ....
  • the adaptive forecast value is continuously calculated by comparing the first energy expected increase and decrease rate calculated for the previous year with the actual energy consumption measured value obtained in the year.
  • the adaptive predictive value gradually converges to the actual energy consumption.
  • the energy demand prediction system 100 may be operated by continuously comparing the energy expected increase and decrease measured with the previously calculated energy consumption.
  • the energy demand prediction system 100 may be connected to various databases at home and abroad in order to obtain economic index information. As shown in FIG. 1, the energy demand prediction system 100 may access the OECD databases 51a to 51n to obtain economic index information. Economic index information such as economic index, economic pain index, unemployment rate, and GDI related to economic up and down can be obtained, and economic pain index is expressed as the sum of inflation rate and unemployment rate. Increasing the value of the index means the economic activity of the target region (or target country) is contracted, and the circulation of money is very likely to decrease. Under these conditions, energy consumption may tend to decrease.
  • Economic index information such as economic index, economic pain index, unemployment rate, and GDI related to economic up and down can be obtained, and economic pain index is expressed as the sum of inflation rate and unemployment rate.
  • Increasing the value of the index means the economic activity of the target region (or target country) is contracted, and the circulation of money is very likely to decrease. Under these conditions, energy consumption may tend to decrease.
  • the unemployment rate is typically between 2% and 3%, but higher levels mean lower industrial productivity, and lower rates indicate that the economy is booming.
  • the unemployment rate can be given a rank with 2% as a starting point, for example, if it is 2% or less, for a rank between 1.3 and 1.5, between 2% and 3%, between 1.1 and 1.2 and between 3% and 4%, 1 and 4 In the case of% to 5%, 0.9, and in the case of 5% to 6%, it may be given as 0.8.
  • the unemployment rate, expressed in rank does not have any particular unit.
  • the energy demand prediction system 100 includes an economic index calculation unit 110, a weather index determination unit 120, an energy specificity determination unit 130, a characteristic region determination unit 140, and a simulator 150. Can be configured.
  • the economic index calculation unit 110 determines the change rate of the current economic index by using the economic index of the previous year. This will be described with reference to FIG. 1 and FIG. 5 showing Gangnam-gu electric energy consumption, electric energy consumption increase rate, economic pain index, unemployment rate, and GDI value of the country (Korea) from 2008 to 2013.
  • the economic index calculator 110 may calculate an increase rate of power consumption based on two points in time. First, the economic index calculation unit 110 may calculate an increase rate of 2.9% compared to 2008 with reference to the electric energy consumption of 2008 and 2009. In addition, the economic index calculation unit 110 obtains information on the economic pain index, unemployment rate, GDI (or GDP, GNP) of the previous year by accessing the Statistics Office DB 51c or the Economic Research Institute DB 51b. You can calculate the growth rate of GDI (or GDP, GNP) and the expected increase or decrease of electrical energy between.
  • FIG. 5 shows that the economic pain index and the unemployment rate are not actual values but represent actual figures.
  • the weather index determination unit 120 may determine a time when the energy consumption is high based on the increase and decrease of the energy consumption amount.
  • Gangnam-gu is the peak in January, February, July, August and September, and is constant around 350,000 MW in the remaining period.
  • the energy weight determination unit 130 may determine the weight of energy used for each region. To this end, the energy specificity determining unit 130 is connected to the gas corporation DB (10), petroleum corporation DB (20) and the power corporation DB (30) in the same period, the oil consumed in the same region (eg, Gangnam-gu), Know how much gas and electrical energy you consume. Through this, the ratio between the energy used in the target area can be identified, and it can be used to estimate the consumption of each energy type according to the identified ratio.
  • the characteristic index calculator 140 determines a change rate of the current economic index by using the economic index of the previous period (eg, the previous year). This will be described with reference to FIGS. 6 and 7 together.
  • FIG. 6 is a statistic calculated by KEPCO, which shows the electric energy consumption of Gangnam-gu, Seoul, 2013, and FIG. 6 shows the electric energy consumption of Goheung-gun, Jeonnam.
  • the January electric energy consumption in January of Gangnam-gu in January 2013 is residential, general, educational, industrial, agricultural, street light, and late night electricity consumption of 76,397 / 313,467 / 2,845 / 17,934, respectively. / 497 / 3,228 / 3,554 / 417,922 MW.
  • electric energy consumption of Goheung-gun, Jeonnam in January 2013 is 8,095 / 8,940 / 823 / 3,428 / 22,115 / 542 / 4,792 MW, respectively, as of January 2013.
  • the simulator 150 may increase or decrease the weight R when calculating a future energy expected increase / decrease rate for the characteristic region according to the industrial distribution of the characteristic region.
  • the leading industry (leading industry) in the characteristic region may be identified, and the increase / decrease rate of the leading industry may be reflected in the weight (R).
  • the weight (R) may be set to 1, assuming that the leading industry in a particular region increases by 10%, and that the energy consumption rate of the leading industry in the characteristic region is 50%, the weight (R) is 5%. It can be set to 1.05 which is further increased.
  • the simulator 150 may calculate an expected energy increase and decrease rate by using a ratio between farmland and general land. For example, assuming that the characteristic area is an agricultural area, the ratio of farmland to general land is 60:40, and the ratio of previous year to present farmland: general land is changed to 50:50, and the weight (R) is 1 to 1.08. It can be set to have a range. In other words, if the ratio change of farmland is reduced and the purpose of use is changed, it is estimated that residential area or industrial facility is normally included, and thus the weight (R) can be set to reflect this.
  • the simulator 150 may calculate the estimated power consumption based on the information calculated by the economic index calculation unit 110, the weather index determination unit 120, the energy specificity determination unit 130, and the characteristic region determination unit 140.
  • the estimated power consumption may be calculated according to Equation 1 below.
  • the GDI growth rate is the rate of increase and decrease compared to the previous year
  • the economic pain index indicates the sum of the inflation rate and the unemployment rate.
  • the expected energy increase and decrease rate may be calculated as shown in Equation 2 below.
  • the estimated energy increase and decrease rate based on 2008-2009 is 6.12%, and based on the estimated energy consumption for 2010,
  • the simulator 150 may determine that the electric energy consumed in 2010 is actually 457 MW after December 31, 2010, that is, through the power corporation DB 30 in 2011, which is calculated by the simulator 150. Unlike the expected 6.6 energy increase / decrease rate, 2009 is actually due to a 7.5% increase from the previous year (2008).
  • the simulator 150 may correct the weight R such that the deviation (7.5-6.12) of the energy expected increase / decrease rate converges to zero.
  • the energy expected increase / decrease rate calculated after the weight R is corrected may be referred to as an adaptive predictive value, and the concept of the adaptive predictive value is equally applied throughout this specification.
  • the simulator can correct the weight (R) to 1.1.
  • the correctness of the corrected weight (R) can be verified by applying it to the 2011 electrical energy consumption.
  • the simulator 150 may determine the actual degree of economic activity with reference to the unemployment rate, and may calculate the energy expected increase and decrease rate by reflecting this.
  • the unemployment rate may be substituted as a rank (RANK), not a variable directly substituted for calculating the expected energy increase and decrease rate.
  • the unemployment rate is 2% or less for the ranks 1.3 to 1.5, 2% to 3%, 1.1 to 1.2, 3% to 4%, 1, 4% to 5%, 0.9, and 5 In the case of% to 6%, it may be given as 0.8.
  • Equation 3 the energy expected rate of increase and decrease for 2008-2009 is calculated as shown in Equation 4 below.
  • the actual 2010 electrical energy increase and decrease rate shown in Figure 5 is 7.5%, it can be seen that an error of about 0.42% occurs.
  • the unemployment rate is an indicator of people participating in economic activities, as well as industrial and distribution sites, which is considered a normal range when it is in the 2-3% range, but if this value increases, there is a direct reduction in income and Future anxiety increases the likelihood that energy consumption will be hit directly. Accordingly, the present applicant divides the unemployment rate having a section of 0% to 100% into several sections, gives a rank according to each section, and calculates the applied rank to the energy expected increase / decrease rate.
  • the equations illustrated are calculated based on the economic pain index, the GDI, and the unemployment rate, but are not limited thereto.
  • the weight R mentioned herein may have different values according to weather conditions and seasons.
  • the weight R may be further increased by 18% for the January, February, July, August, and September months, respectively.
  • the average value of monthly electric energy consumption in Gangnam-gu shown in FIG. 6 is 394 MW, and the electric energy consumption in January is 18% higher than the average.
  • the weight corrected according to weather conditions or calculations may be 0.916. That is, the weight R according to weather conditions or seasons may be corrected according to the amount of increase or decrease relative to the average value, and such weather information may be obtained through the Meteorological Agency DB 50.
  • the adaptive energy demand forecasting method of the present invention can contribute to the activation of energy producers of electricity, gas, oil and other energy, companies that distribute and manage energy, public institutions and energy distributors.

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (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 경제지수, 고용률, 지역특성 또는 산업구조에 따라 에너지 예상 증감률을 산출하고, 산출된 에너지 예상 증감률이 실제의 에너지 소모량을 지속적으로 추종토록 함으로써 실제 에너지 소모량에 근접한 예측값을 산출하는 적응형 에너지 수요예측 방법을 제안한다. 이를 위해, 본 발명은 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며, 대상 지역에서 에너지 소모량 증가를 유발하는 경제지수와 감소를 유발하는 경제지수의 비율에 대해 가중치를 부여하여 에너지 예상 증감률을 산출하는 단계 및 에너지 예상 증감률에 따라 산출되는 에너지 예상 소모량과 미리 설정된 기준기간 동안 상기 대상지역의 에너지 소모 실측값을 참조하여 상기 대상지역에 대한 적응형 예측값을 산출하는 단계;를 포함할 수 있다.

Description

적응형 에너지 수요예측 방법
본 발명은 에너지 수요예측 방법에 관한 것으로, 더욱 상세하게는 에너지를 소모하는 대상 지역의 경제 및 기상 의존도를 참조하여 에너지 예상 증감률 및 이에 따른 에너지 예상 소모량을 산출하고, 이를 에너지 소모 실측값과 비교하여 오차를 감소시킨 적응형 예측값을 산출하는 적응형 에너지 수요예측 방법에 관한 것이다.
통상, 에너지 수요 예측은 수년간의 통계정보를 이용하여 에너지 소모 증가율을 파악 후, 전년도 에너지 소모량을 기준으로 다음해의 에너지 소모량을 추산하는 방식이 이용되고 있다. 이러한 에너지 수요예측 방법은 급격한 기후 변화에 대해서는 적절한 대안이 되지 않는 경우가 있는데, 일 예로서, 평년도 온도에 비해 높은 기온이나 낮은 기온 분포를 보이는 경우 수용가나 산업현장에서의 에너지 소모가 급증할 수 있다.
전기 에너지의 경우 에너지 공급량이 에너지 소모량을 받쳐주지 못할 때, 대규모 정전 사태 및 산업 시설의 마비를 유발할 수 있으며, 국가 경제에 큰 타격을 가할 우려가 있다. 이에 대해 한국 등록특허 10-0648296에서는 계절변화에 따른 에너지 수요의 변동성을 모형화하고, 모형에 의해 예측값을 생성하는 에너지 수요예측 방법을 제안한 바 있다. 그러나, 에너지는 소모하는 사람에 의해 소모량이 결정되는 것이고, 사람은 경제 상황에 영향을 받는 점을 고려할 때, 등록특허 10-0648296는 계절적 특성에 대한 관련성에 대해 초점을 맞추고 있을 뿐, 경제와 에너지의 관련성에 대해서는 간과된 점이 있다. 또한, 산업구조에 따른 지역별 특성 및 고용률과 같은 현안이 간과되어 에너지 수요 예측에 한계가 있다.
본 발명의 목적은 에너지 소모와 경제의 관련성, 에너지 수용가의 특성 또는 산업구조의 특성을 고려하여 에너지 예상 증감률을 예측하고, 예측된 에너지 예상 증감률과 에너지 소모 실측값을 이용하여 시간의 흐름에 따라 실제 에너지 소모량을 추종하는 적응형 에너지 수요예측 방법을 제공함에 있다.
위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 적응형 에너지 수요예측 방법은, 에너지 예상 증감률 산출단계 및 적응형 예측값 산출단계를 포함하여 구성될 수 있다.
에너지 예상 증감률은, 대상 지역에서 에너지 소모량 증가를 유발하는 경제지수와 감소를 유발하는 경제지수의 비율에 대해 가중치를 부여하여 에너지 예상 증감률을 산출하는 단계에 대응하고, 적응형 예측값 산출단계는, 에너지 예상 증감률에 따라 산출되는 에너지 예상 소모량과 미리 설정된 기준기간 동안 상기 대상지역의 에너지 소모 실측값을 참조하여 대상지역에 대한 적응형 예측값을 산출하는 단계에 대응한다.
위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 적응형 에너지 수요예측 방법은, 산업용 구분단계, 예상 소모량 산출단계 및 적응형 예측값 산출단계를 포함하여 구성될 수 있다.
산업용 구분단계는, 대상 지역의 에너지 소모 형태를 산업용 및 비 산업용으로 구분하는 단계에 대응하고, 예상 소모량 산출단계는, 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 업체 증감율을 토대로 에너지 소모량을 예측하되, 주도 업종이 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계에 대응하며, 적응형 예측값을 산출하는 단계는, 예상 소모량과 미리 설정된 기준기간 동안 대상 지역의 에너지 소모 실측값을 참조하여 대상 지역에 대한 적응형 예측값을 산출하는 단계에 대응할 수 있다.
위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 적응형 에너지 수요예측 방법은, 예상 소모량 산출단계 및 적응형 예측값 산출단계를 포함하여 구성될 수 있다.
예상 소모량 산출단계는, 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 실업률 증감율을 토대로 에너지 소모량을 예측하며, 주도 업종이 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계에 대응하고, 적응형 예측값 산출단계는, 예상 소모량과 미리 설정된 기준기간 동안 대상 지역의 에너지 소모 실측값을 참조하여 대상 지역에 대한 적응형 예측값을 산출하는 단계에 대응할 수 있다.
본 발명에 따르면 경제지수, 고용률, 지역특성 또는 산업구조에 따라 에너지 예상 증감률을 산출하고, 산출된 에너지 예상 증감률이 실제의 에너지 소모량을 지속적으로 추종토록 함으로써 실제 에너지 소모량에 근접한 예측값을 산출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 에너지 수요예측 방법에 대한 개념도를 도시한다.
도 2는 경제 의존형 지역의 에너지 소모 패턴에 대한 참조도를 도시한다.
도 3은 경제고통지수와 에너지 소모에 대한 상관관계를 설명하기 위한 참조도를 도시한다.
도 4는 기상 의존형 지역의 에너지 소모 패턴에 대한 참조도를 도시한다.
도 5는 경제지수 산출방법에 대한 참조도를 도시한다.
도 6과 도 7은 대상지역(강남구)에 대해 한국전력공사에서 산출된 통계치를 도시한다.
본 명세서에서 언급되는 경제지수는 경제상황을 나타내는 지표를 의미하는 것으로, GDP(Gross Domestic Product), GDI(real Gross Domestic Income), GNI(Gross National Income), 수출 증감률, 설비투자 증감률, 경제고통지수 증감률, 실업률, 소득증감률, 주식등락률, 및 임금상승률 중 적어도 하나를 지칭할 수 있다.
이들 지수는 한 국가 또는 국가 내 지역의 경제상황을 나타내는 지표로 이용될 수 있으며, 예컨대, GDP, GDI, GDP 및 설비투자 증감률의 경우 지표값이 증가할수록 경제상황이 나아지는 것을 의미할 수 있고, 경제고통지수, 실업률의 경우, 지표값이 증가할수록 경제상황이 나빠지는 것을 의미할 수 있다.
본 명세서에서 언급되는 에너지 예상 증감률은 전년도 에너지 소모량과 경제지수 간의 상관관계를 이용하여 현재의 에너지 소모량에 대해 예측한 값을 의미할 수 있다.
본 명세서에서 언급되는 적응형 예측값은 에너지 예상 증감률과 현재 소모량과의 편차를 보정하여 다음번의 에너지 소모량을 예측한 것을 의미할 수 있다.
본 명세서에서 언급되는 특성지역은 경제적 특성, 에너지 종별 소비 패턴, 및 산업 구조를 참조하여 설정되는 것으로, 경제 의존형 지역, 비 의존형 지역, 기상 의존형 지역이 예시되나, 이 외에도, 산업 구조별로 설정될 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다.
도 1은 본 발명의 일 실시예에 따른 에너지 수요예측 방법에 대한 개념도를 도시한다.
도 1을 참조하면, 실시예에 따른 에너지 수요예측 방법은, 에너지 수요예측 시스템(100)이 경제지수정보를 구비하는 데이터베이스에 접속하여 경제지수, 예컨대, GDP, GDI, GNI, 수출 증감률, 설비투자 증감률, 경제고통지수 증감률, 실업률, 소득증감률, 주식등락률, 및 임금상승률 정보를 획득하며, 경제지수 변동에 따른 에너지 예상 증감률을 산출할 수 있다.
이후, 에너지 수요예측 시스템(100)은 산출된 에너지 예상 증감률과 데이터베이스(10, 20, 30)에 저장된 에너지 소모 실측값의 편차를 보정하여 적응형 예측값을 산출하며, 산출된 적응형 예측값과 다음번 에너지 소모 실측값과 대비하여 두 번째 적응형 예측값을 산출할 수 있다. 이때, 에너지 예상 증감률과 적응형 예측값의 산출 주기는 1주일, 1달, 분기, 및 년(Year) 단위로 산출될 수 있으며, 예시된 주기 이외에도 다양한 주기에 따라 산출될 수 있음은 물론이다.
한편, 실시예에 따른 에너지 수요예측 시스템(100)은 각 지역(Sector A, Sector B 및 Sector C)별 특성에 따라 가중치를 부여하고, 부여된 가중치를 이용하여 에너지 예상 증감률을 산출할 수 있다. 가중치는 각 지역(Sector A, Sector B 및 Sector C)별 에너지 소모 특성에 따라 부여되는 것으로, 각 지역을 복수의 특성지역 중 하나로 분류하고, 분류된 특성지역에 따라 달리 부여될 수 있다. 여기서, 특성지역은,
1) 경제 의존형 지역,
2) 기상 의존형 지역,
3) 비 의존형 지역으로 구획될 수 있다.
경제 의존형 지역은 경제지수의 증감에 따라 에너지, 특히 전기 에너지 소모량의 증감이 큰 지역을 의미하고,
기상 의존형 지역은 기상 상황에 따라 에너지 소모량의 증감이 큰 지역을 의미하고,
비 의존형 지역은 경제나 기상 상황에 따른 에너지 소모량의 증감이 적은 지역을 의미할 수 있다.
*이때, 비 의존형 지역은 부유층 거주지 또는 빈곤층 거주지 양측에서 발견될 수 있는데, 부유층 거주지의 경우 경제지수의 변동이나 에너지 비용에 따라 에너지 소모량의 증감에 큰 영향을 받지 않는데 따른 것이며, 빈곤층 거주지의 경우 최소한의 에너지만을 사용하는데 따른 것이다. 비 의존형 지역은 경기지수의 변동이나 에너지 비용의 증감에 따라서 받는 영향이 적으므로 에너지 예상 증감률을 산출하거나 적응형 예측값을 산출할 때 부여되는 가중치의 값이 작게 설정되어야 하며, 가중치의 값은 0.8 내지 1.3의 범위로 부여됨이 바람직하다. 비 의존형 지역의 특성은 도 2를 함께 참조하여 설명하도록 한다.
도 2를 참조하면, 비 의존형 지역의 경우, GDI 지수가 증가하는 D1 시점이나, GDI 지수가 하락하는 D2 시점에서의 에너지 소모량의 차이가 크게 발생하지 않을 수 있다. 부유층 거주지의 경우, GDI 지수 하락에 따른 경기 하강 국면이 있다고 해도 난방과 냉방을 위한 기본적인 에너지 소모량을 크게 줄이지 않는 경향이 있다. 이는 부유층 거주지의 경우, 에너지 비용이 소득 수준에 비해 낮은 편이므로 에너지 비용이 크게 감소하지 않는데 따른다.
경제 의존형 지역은 산업 구조가 서비스업, 유통업, 판매업과 같은 비 생산형 산업구조인 곳에서 발견될 수 있는데 경제 의존형 지역의 에너지 소모 패턴은 경기가 활황일 때, 관련 업체의 수가 증가하고, 에너지 소모량이 증가하는 반면, 불황일 때에는 관련 업체의 수가 감소하여 에너지 소모량이 감소하는 측면이 있다. 경제 의존형 지역은 에너지 예상 증감률 또는 적응형 예측값을 산출할 때, 부여되는 가중치 범위가 비 의존형 지역에 비해 더 크게 설정될 필요가 있다. 경제 의존형 지역은 주변 경기 상황에 따라 에너지 소모량이 증감되는 경향이 있는데 이는 도 3을 함께 참조하여 설명하도록 한다.
도 3을 참조하면, 경제 의존형 지역은 경제고통지수가 증가할수록 에너지 소모량이 감소할 수 있다. 경제 의존형 지역은 상가 위주의 B1 그래프와 주택가 위주에 대응하는 B2 그래프로 구획될 수 있는데, 삶을 위해 기본적인 에너지 소모량이 요구되는 주택가의 경우 일정량의 에너지 소모량이 지속적으로 요구되어 B2 그래프를 구현하는 반면, 상가 위주의 B1 그래프는 경제고통지수가 증가할수록 급격히 에너지 소모량이 감소될 수 있음을 나타낸다.
기상 의존형 지역은 계절에 따른 기온 편차가 크거나, 비, 바람의 영향으로 체감온도가 크게 낮거나 폭염이 발생하는 지역에서 주로 발견될 수 있다. 기상 의존형 지역은 계절별, 기상 환경별 에너지 소모량의 편차가 크게 나올 수 있으며, 경제지수 보다는 기상환경 영향이 더 크므로, 가중치 대신 기상환경 변화율을 가중치로 적용할 수도 있다.
예컨대, A 지역의 전년도 8월 평균 기온이 30도이고, 올해의 8월 평균 기온이 33도라고 가정하면, 10%의 기온 상승률이 발생하였다고 볼 수 있다. 이 경우, 가중치는 10%를 감안하여 에너지 소모량이 10% 더 증가할 것을 예상할 수 있으며, 전년도 에너지 소모량 대비 가중치를 1.1 승산하여 당해 에너지 예상 증감률을 산출할 수도 있을 것이다. 그러나, 평균 기온이 10% 상승한다고 하여, 에너지 소모량이 10% 선형 증가하는 것은 아니므로 기온 증가율 대비 에너지 소모량에 대한 참조 테이블을 작성하고, 이를 참조하여 가중치를 설정할 필요가 있다.
기상 의존형 지역은 기상 환경이 시간에 따라 급격히 변하는 지역에서 주로 발견될 수 있으며, 기상 환경의 변화가 에너지 소모로 이어지는 지역일 수 있다. 이는 도 4를 함께 참조하여 설명하도록 한다.
도 4를 참조하면, G1 그래프는 기온 변화 대비 에너지 소모량 변화가 적으며, 타 그래프에 비해 기본적으로 에너지 소모량이 높게 나오는 것을 볼 수 있다. 그래프 G1은 주택가보다 산업시설이 밀집된 곳의 에너지 소모 형태를 보이는데, 이러한 에너지 소모 형태는 기온에 대한 의존성이 적다고 볼 수 있다.
G2 그래프는 기온 변화에 비례하여 에너지 소모량이 증가하며, 주택가의 에너지 소모 형태를 보이고 있다. 주택가는 기온이 급격히 낮아질수록 에너지 소모량이 급증하는 경향을 보일 수 있다. 이러한 에너지 소모 형태는 기온에 대한 의존성이 있다고 볼 수 있으며, 기온에 대한 의존성이 있는 지역에 대해서는 기온 변화량을 에너지 예상 증감률 산출에 반영하여야 한다.
G3 그래프는 기온 변화에 따라 에너지 소모량이 변하기는 하지만 변화율이 매우 낮으며, 인구밀도가 낮고 노지에서 벼나 채소를 재배하는 농촌에서의 에너지 소모 형태를 보이고 있으며, 기상 의존성이 적다고 볼 수 있다.
에너지 수요예측 시스템(100)은 에너지를 소모하는 지역을 상기한 특성지역에 따라 복수로 구획한 후, 특성지역별로 상이한 가중치를 부여하여 에너지 예상 증감률을 산출할 수 있다. 이때, 에너지 수요예측 시스템(100)은 이전 ∼ 현재까지의 경제지수에 가중치를 부여하여 현재의 에너지 예상 증감률을 산출할 수 있다.
예컨대, 현재 시점이 2014년 1월이라면, 2013년도 1월 ∼ 12월의 경제지수 및 가중치를 토대로 현재(2014년 1월)의 에너지 예상 증감률(제1에너지 예상 증감률)을 산출할 수 있다. 이후, 에너지 수요예측 시스템(100)은 2013년도 1월 ∼ 12월을 기준으로 산출된 2014년도의 에너지 예상 증감률을 기록하고, 전력공사 데이터베이스(30)에 네트워크 접속하여 2014년도 12월 31일까지 소모된 에너지 소모 실측값과 제1에너지 예상 증감률을 비교하여 제1에너지 예상 증감률을 산출하는데 적용된 가중치를 조정할 수 있다. 조정된 가중치를 참조하여 에너지 수요예측 시스템(100)은 2015년도의 에너지 예상 증감률을 재 산출할 수 있는데, 이렇게 산출된 에너지 예상 증감률을 이하, "적응형 예측값"이라 한다.
적응형 예측값은 2015년도 이후에 2016년, 2017년,.... 에도 지속적으로 산출될 수 있다. 적응형 예측값은 이전 년도에 대해 산출된 제1에너지 예상 증감률과 당해 년도에 파악된 실제 에너지 소모 실측값을 비교하여 지속적으로 산출된다. 이에 따라, 적응형 예측값은 점차 실제 에너지 소모량에 수렴하게 된다. 이처럼, 실시예에 따른 에너지 수요예측 시스템(100)은 이전에 산출된 에너지 예상 증감률과 에너지 소모 실측값을 지속적으로 비교하는 방식으로 운용될 수 있다.
실시예에 따른 에너지 수요예측 시스템(100)은 경제지수정보의 획득을 위해, 국내외 다양한 데이터베이스에 네트워크 접속될 수 있다. 도 1에 도시된 바와 같이, 에너지 수요예측 시스템(100)은 OECD 데이터베이스(51a ∼ 51n)에 접속하여 경제지수정보를 획득할 수 있다. 획득되는 경제지수 중 경기 상승과 하강에 관련된 경제지수, 경제고통지수, 실업률, GDI와 같은 경제지수정보가 획득될 수 있으며, 이중 경제고통지수는 물가상승률과 실업률의 합으로 표현되는 것으로서, 해당 경제지수의 수치가 증가한다는 것은 대상 지역(또는 대상 국가)의 경제 활동이 위축됨을 의미하고, 화폐의 유통이 감소될 가능성이 매우 높다. 이러한 조건에서는 에너지 소모량이 감소하는 경향을 가질 수 있다.
실업률은 2 ∼ 3% 사이의 값을 가지는 것이 통상적이나, 이보다 높을 경우, 산업생산성이 낮아지고, 이보다 낮을 경우 경기가 활황 상태인 것으로 판단할 수 있다. 실업률은 2%를 시작점으로 하여 랭크를 부여할 수 있는데, 예컨대, 2% 이하인 경우를 랭크 1.3 ∼ 1.5, 2% ∼ 3% 사이인 경우 1.1 ∼ 1.2 및 3% ∼ 4%인 경우에는 1, 4% ∼ 5%인 경우, 0.9, 5% ∼ 6%인 경우에는 0.8과 같이 부여될 수 있다. 랭크로 표현되는 실업률은 어떤 특정한 단위를 갖지 않는다.
바람직하게는 에너지 수요예측 시스템(100)은 경제지수 산출부(110), 기상 지수 판단부(120), 에너지 비중 판단부(130), 특성지역 판단부(140) 및 시뮬레이터(150)를 포함하여 구성될 수 있다.
경제지수 산출부(110)는 전년도 경제지수를 이용하여 현재의 경제지수 변화율을 판단한다. 이는, 도 1 및 2008년부터 2013년의 강남구 전기 에너지 사용량, 전기 에너지 소모량 증가율, 국가(대한민국)의 경제고통지수, 실업률, 및 GDI 수치를 나타내는 도 5를 함께 참조하여 설명하도록 한다.
경제지수 산출부(110)는 두 시점을 기준으로 전력 소모량의 증가율을 산출할 수 있다. 먼저, 경제지수 산출부(110)는 2008년과 2009년의 전기 에너지 소모량을 참조하여 2008년 대비 2.9%의 증가율을 산출할 수 있다. 또한, 경제지수 산출부(110)는 통계청 DB(51c) 또는 경제연구소 DB(51b)에 접속하여 전년도 경제고통지수, 실업률, GDI(또는 GDP, GNP)에 대한 정보를 획득하고, 이전 기간과 현재 사이의 GDI(또는 GDP, GNP) 증가율 및 전기 에너지 예상 증감률을 산출할 수 있다.
도 5를 살펴보면, 2008년을 기준으로 강남구의 전기 에너지 소모량 증가율이,
2008 -> 2009 : 2.9%
2009 -> 2010 : 7.5%
2010 -> 2011 : 3.5%
2011 -> 2012 : -5% 임을 나타내고 있으며, GDI 증감률은 동일 기간동안 각각 3.4%, 3.6%, 1.5% 및 1%임을 나타내고 있다.
여기서, 도 5는 경제고통지수와 실업률은 증감률로 표시하지 않고 실제 수치를 나타내고 있음에 유의한다.
기상 지수 판단부(120)는 에너지 소모량의 증감량을 토대로 에너지 소모가 많은 시기를 파악할 수 있다. 도 5에서 강남구는 1월, 2월, 7월, 8월 및 9월달에 피크이며 나머지 기간에는 35만 MW 전후로 일정하다.
즉, 강남구 지역의 기상 의존성은 1월, 2월, 7월, 8월 및 9월달에 발생하며, 나머지 기간에는 기상 의존성이 적다고 판단할 수 있다.
에너지 비중 판단부(130)는 각 지역별 사용되는 에너지의 비중을 판단할 수 있다. 이를 위해, 에너지 비중 판단부(130)는 가스공사 DB(10), 석유공사 DB(20) 및 전력공사 DB(30)과 네트워크 접속되어 동일 기간에, 동일 지역(예컨대 강남구)에서 소모되는 유류, 가스 및 전기 에너지의 소모량이 어느 정도인가를 파악할 수 있다. 이를 통해 대상 지역에서 사용되는 에너지 사이의 비율을 파악하고, 파악된 비율에 따라 에너지 종류별 소모량을 예측하는데 이용될 수 있다.
특성지수 산출부(140)는 이전 기간(예컨대 전년도) 경제지수를 이용하여 현재의 경제지수 변화율을 판단한다. 이는, 도 6과 도 7을 함께 참조하여 설명하도록 한다.
도 6은 한국전력공사에서 산출된 통계치로서, 2013년도 서울시 강남구의 전기 에너지 소모량을 나타내고, 도 6은 전남 고흥군의 전기 에너지 소모량을 나타낸다.
먼저, 도 6을 참조하면, 2013년 1월 강남구의 1월 전기 에너지 소모량은 2013년 1월 기준으로 주택용, 일반용, 교육용, 산업용, 농사용, 가로등, 심야 전기 소모량이 각각 76,397 / 313,467 / 2,845 / 17,934 / 497 / 3,228 / 3,554 / 417,922 MW로 나타나고 있다.
다음으로, 도 7을 참조하면, 2013년 1월 전남 고흥군의 전기 에너지 소모량은 2013년 1월 기준으로 각각 8,095 / 8,940 / 823 / 3,428 / 22,115 / 542 / 4,792 MW로 나타나고 있다.
강남구의 전기 에너지 소모량을 살펴보면,
1) 주택용 전기 에너지 및 일반용 전기 에너지가 각각 전체 전기 에너지 소모량 대비 약 16%, 76%를 점하고 있음을 볼 있다.
2) 주택용 전기 에너지는 8월을 제외하고 일정하다(6-7만 MW급).
3) 전체 전기 에너지 소모량은 1월, 2월, 7월, 8월 및 9월달에 피크이며 나머지 기간에는 35만 MW 전후로 일정하다. 그러나 전기 에너지 소모량이 최대일 때와 최소일 때의 편차는 7% 내외로 측정된다.
대상지역을 특성지역으로 분류 후, 시뮬레이터(150)는 특성지역의 산업분포변동에 따라 특성지역에 대한 이후의 에너지 예상 증감률을 산출할 때, 가중치(R)를 증감할 수 있다.
예컨대, 특성지역이 산업 지역인 경우, 해당 특성지역에서 주도적인 산업(주도 산업)을 파악하고, 주도 산업의 증감률을 가중치(R)에 반영할 수 있다.
이때, 가중치(R)는 1로 설정될 수 있으며, 특성지역에서의 주도 산업이 10% 증가하고, 주도 산업이 특성지역에서 차지하는 에너지 소모 비율이 50%라고 가정하면, 가중치(R)는 5% 더 증가한 1.05로 설정될 수 있다.
만일, 특성지역이 농업 지역인 경우 시뮬레이터(150)는 농지와 일반용지의 비율을 이용하여 에너지 예상 증감률을 산출할 수도 있다. 예컨대, 특성지역이 농업지역이고, 농지와 일반토지의 비율이 60:40이며, 전년도 ∼ 현재의 농지 : 일반토지의 비율이 50 : 50으로 변경되었다고 가정하면, 가중치(R)는 1 ∼ 1.08의 범위를 갖도록 설정될 수 있다. 즉 농지의 비율변경이 줄어들고, 용도변경 되었다면, 통상 주택가나 산업시설이 들어선 것으로 추정되므로 이를 반영하여 가중치(R)를 설정할 수 있다.
시뮬레이터(150)는 경제지수 산출부(110), 기상 지수 판단부(120), 에너지 비중 판단부(130), 특성지역 판단부(140)에서 산출된 정보를 토대로 예상전력 소모량을 산출할 수 있는데, 예상전력 소모량은 아래의 수학식 1에 따라 산출될 수 있다.
수학식 1
Figure PCTKR2014003881-appb-M000001
여기서, GDI 증가율은 전년도 대비 증감비율이고, 경제고통지수는 소비자 물가 상승률과 실업률의 합을 나타낸다.
이하, 상기한 수학식 1을 도 5에 적용하여 에너지 예상 증감률을 산출해보도록 한다.
시뮬레이터(150)가 에너지 예상 증감률을 산출하는 시점이 2009년 말일이라고 가정할 때, 에너지 예상 증감률은 2008년 대비 아래의 수학식 2와 같이 산출될 수 있다.
수학식 2
Figure PCTKR2014003881-appb-M000002
2008 - 2009년도를 토대로 산출된 에너지 예상 증감률은 6.12% 이며, 이를 토대로 2010년도의 에너지 예상 소모량을 산출하면,
2009년도 전기 에너지 소모량이 425MW 이므로, 6.12%를 증가시키면 2010년도에는 451MW의 전기 에너지가 소모될 것으로 예상할 수 있으나, 도 5에 도시된 연도별 도표를 보면, 실제 2010년도에는 457MW가 소모되었으며, 약 6MW의 편차가 발생함을 볼 수 있다.
시뮬레이터(150)는 2010년 12월 31일이 지난 후, 즉 2011년도에 전력공사 DB(30)를 통해 2010년도에 소모된 전기 에너지가 실제 457MW임을 파악할 수 있으며, 이는 시뮬레이터(150)가 산출한 에너지 예상 증감률 6.12와 달리 실제로는 2009년도는 전년도(2008년도) 대비 7.5% 증가함에 기인한다.
시뮬레이터(150)는 에너지 예상 증감률의 편차(7.5 - 6.12) 가 0에 수렴하도록 가중치(R)를 보정할 수 있다. 가중치(R)가 보정된 이후 산출되는 에너지 예상 증감률은 적응형 예측값이라 지칭할 수 있으며, 적응형 예측값의 개념은 본 명세서 전반에 걸쳐 동일하게 적용된다.
2010년도에 대한 실제 전기 에너지 소모량(457MW)를 토대로 시뮬레이터는 가중치(R)를 1.1로 보정할 수 있다. 보정된 가중치(R)의 정확성은 2011년도의 전기 에너지 소모량에 적용해보면 확인할 수 있다.
한편, 시뮬레이터(150)는 실업률을 참조하여 실제 경제활동의 정도를 파악하고, 이를 반영하여 에너지 예상 증감률을 산출할 수 있다. 이때, 실업률은 에너지 예상 증감률을 산출하는데 직접 대입되는 변수가 아니라 하나의 랭크(RANK)로서 대입될 수 있다. 예컨대, 실업률의 랭크는 2% 이하인 경우를 랭크 1.3 ∼ 1.5, 2% ∼ 3% 사이인 경우 1.1 ∼ 1.2, 3% ∼ 4%인 경우에는 1, 4% ∼ 5%인 경우, 0.9, 및 5% ∼ 6%인 경우에는 0.8과 같이 부여될 수 있다.
랭크로 표현되는 실업률을 참조하여 에너지 예상 증감률을 산출하면 아래의 수학식 3과 같다.
수학식 3
Figure PCTKR2014003881-appb-M000003
수학식 3에 따라 2008 - 2009년도에 대해 에너지 예상 증감률을 산출하면, 아래의 수학식 4와 같다.
수학식 4
Figure PCTKR2014003881-appb-M000004
도 5에 도시된 실제 2010년도 전기 에너지 증감률은 7.5%로서, 0.42% 정도의 오차가 발생함을 볼 수 있다. 실업률은 산업 현장, 유통 현장은 물론 경제활동에 참여하는 사람의 지표를 나타내는 것으로서, 이 수치는 2 - 3% 범위에 있을 때, 정상적인 범위로서 간주되나, 이 수치가 증가할 경우에는 직접적인 소득 감소 및 미래 불안으로 인하여 에너지 소모량이 직접적으로 타격받을 가능성이 상승한다. 이에 따라, 본 출원인은 0% 에서 100%의 구간을 갖는 실업률을 몇 개의 구간으로 구획하고, 각 구간에 따라 랭크를 부여하며, 부여된 랭크를 에너지 예상 증감률에 적용하여 산출하고 있다.
한편 예시된 수학식은 경제고통지수, GDI 및 실업률을 근거로 산출되는 것을 예시하고 있으나, 이에 한정되지 않음을 미리 밝혀둔다.
본 명세서에서 언급되는 가중치(R)는 기상 조건 및 계절별로 상이한 값을 가질 수 있다.
예컨대, 도 6에 도시된 바와 같이, 1월, 2월, 7월, 8월, 9월달에 대해 각각 1월달에 대해서는 가중치(R)를 18% 더 증가시킬 수 있다. 이는 도 6에 도시된 강남구 월별 전기 에너지 소모량의 평균값이 394MW 이고, 1월달의 전기 에너지 소모량이 평균 대비 18% 더 높은데 따른다. 만일 가중치(R)가 0.9인 경우, 기상 조건, 또는 계졀에 따라 보정된 가중치는 0.916일 수 있다. 즉, 기상 조건 또는 계절에 따른 가중치(R)는 평균값 대비 증감되는 량에 따라 보정될 수 있으며 이러한 기상 정보는 기상청 DB(50)을 통해 획득될 수 있다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명이 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
본 발명의 적응형 에너지 수요예측 방법은, 전기, 가스, 유류 및 기타 에너지의 에너지 생산업체, 에너지를 분배 및 관리하는 업체나 공공기관 및 에너지 판매업체의 활성화에 기여할 수 있다.

Claims (10)

  1. 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며,
    대상 지역에서 에너지 소모량 증가를 유발하는 경제지수와 감소를 유발하는 경제지수의 비율에 대해 가중치를 부여하여 에너지 예상 증감률을 산출하는 단계; 및
    상기 에너지 예상 증감률에 따라 산출되는 에너지 예상 소모량과 미리 설정된 기준기간 동안 상기 대상지역의 에너지 소모 실측값을 참조하여 상기 대상지역에 대한 적응형 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  2. 제1항에 있어서,
    상기 적응형 예측값은,
    상기 에너지 예상 증감률에 따른 상기 에너지 예상 소모량이 상기 에너지 소모 실측값을 추종토록 상기 가중치를 가변 후, 산출되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  3. 제1항에 있어서,
    상기 대상 지역은,경제 의존형 지역, 비 의존형 지역 및 기상 의존형 지역 중 어느 하나의 특성지역으로 분류되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  4. 제3항에 있어서,
    상기 비 의존형 지역은,
    상기 경기 지수와 에너지 소모량의 상관성이 낮은 부유충 지역 또는 빈곤층 지역으로 분류되며,
    상기 부유층 지역 또는 상기 빈곤층 지역에 대한 상기 적응형 예측값 산출 시, 상기 가중치의 범위를 0.8 내지 1.3 부여하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  5. 제1항에 있어서,
    상기 에너지 예상 증감률은,
    Figure PCTKR2014003881-appb-I000001
    (GDI 증가율은 전년도 대비 증감비율이고, 경제고통지수는 소비자 물가 상승률과 실업률의 합)에 의해 산출되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  6. 제1항에 있어서,
    상기 에너지 예상 증감률은,
    Figure PCTKR2014003881-appb-I000002
    (GDI 증가율은 전년도 대비 증감비율이고, 경제고통지수는 소비자 물가 상승률과 실업률의 합이며, UR은 0 내지 100%의 실업률을 복수의 구간으로 구획하여 형성한 각 랭크에 대한 랭크 지수, 랭크 지수는 각 랭크에 대응하는 숫자로서, 1 내지 10의 범위를 가짐)에 의해 산출되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  7. 제6항에 있어서,
    상기 랭크 지수는,
    전년도 실업률이 2% 이하인 제1 랭크, 전년도 실업률이 2% ∼ 3%인 제2 랭크, 및 전년도 실업률이 3% 이상인 구간에 대해 설정되는 복수의 제3 랭크로 구성되는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  8. 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며,
    대상 지역의 에너지 소모 형태를 산업용 및 비 산업용으로 구분하고,
    상기 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 업체 증감율을 토대로 에너지 소모량을 예측하되, 상기 주도 업종이 상기 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계; 및
    상기 예상 소모량과 미리 설정된 기준기간 동안 상기 대상 지역의 에너지 소모 실측값을 참조하여 상기 대상 지역에 대한 적응형 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  9. 대상 지역에 대한 에너지 소모정보 및 경제지수정보를 구비하는 데이터베이스 중 적어도 하나와 네트워크 접속되는 에너지 수요예측 시스템에 의해 수행되며,
    상기 대상 지역에서 최대 에너지 소비를 유발하는 주도 업종의 실업률 증감율을 토대로 에너지 예상 증감률을 산출하며, 상기 주도 업종이 상기 대상 지역에서 차지하는 에너지 소비 비중을 참조하여 예상 소모량을 산출하는 단계; 및
    상기 예상 소모량과 미리 설정된 기준기간 동안 상기 대상 지역의 에너지 소모 실측값을 참조하여 상기 대상 지역에 대한 적응형 예측값을 산출하는 단계;를 포함하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
  10. 제8항 또는 제9항에 있어서,
    상기 적응형 예측값은,
    전년도 대비 경제지수의 변동률을 반영하여 산출하는 것을 특징으로 하는 적응형 에너지 수요예측 방법.
PCT/KR2014/003881 2014-04-30 2014-04-30 적응형 에너지 수요예측 방법 WO2015167048A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020140052073A KR101570364B1 (ko) 2014-04-30 2014-04-30 적응형 에너지 수요예측 방법
KR10-2014-0052073 2014-04-30

Publications (1)

Publication Number Publication Date
WO2015167048A1 true WO2015167048A1 (ko) 2015-11-05

Family

ID=54358765

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2014/003881 WO2015167048A1 (ko) 2014-04-30 2014-04-30 적응형 에너지 수요예측 방법

Country Status (2)

Country Link
KR (1) KR101570364B1 (ko)
WO (1) WO2015167048A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826809A (zh) * 2019-11-11 2020-02-21 上海积成能源科技有限公司 一种基于预测及滚动优化的用能权自动分配系统及方法
CN111861260A (zh) * 2020-07-30 2020-10-30 国网山东省电力公司寿光市供电公司 一种基于能源大数据的区域能源经济运行及能效分析方法及终端
CN113705871A (zh) * 2021-08-17 2021-11-26 南方电网能源发展研究院有限责任公司 能源配置方法、装置、计算机设备和存储介质
CN114611953A (zh) * 2022-03-17 2022-06-10 青岛华正信息技术股份有限公司 一种数据交互方法及系统
CN115623034A (zh) * 2022-09-28 2023-01-17 泉州年盛信息科技有限公司 基于工业互联网平台的企业能源管理系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102126490B1 (ko) 2018-05-11 2020-06-24 주식회사 록스 지향성 비용함수를 이용한 에너지 수요예측을 위한 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010106939A (ko) * 2000-05-24 2001-12-07 이종훈 변전소 신,증설계획 방법
JP2006277093A (ja) * 2005-03-28 2006-10-12 Osaka Gas Co Ltd エネルギ需要変動リスク予測システム
JP3186400U (ja) * 2013-07-23 2013-10-03 一般社団法人日本サステナブル建築協会 政策手段設定システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3186400B2 (ja) * 1994-02-01 2001-07-11 富士電機株式会社 自動販売機の中扉

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010106939A (ko) * 2000-05-24 2001-12-07 이종훈 변전소 신,증설계획 방법
JP2006277093A (ja) * 2005-03-28 2006-10-12 Osaka Gas Co Ltd エネルギ需要変動リスク予測システム
JP3186400U (ja) * 2013-07-23 2013-10-03 一般社団法人日本サステナブル建築協会 政策手段設定システム

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826809A (zh) * 2019-11-11 2020-02-21 上海积成能源科技有限公司 一种基于预测及滚动优化的用能权自动分配系统及方法
CN111861260A (zh) * 2020-07-30 2020-10-30 国网山东省电力公司寿光市供电公司 一种基于能源大数据的区域能源经济运行及能效分析方法及终端
CN113705871A (zh) * 2021-08-17 2021-11-26 南方电网能源发展研究院有限责任公司 能源配置方法、装置、计算机设备和存储介质
CN114611953A (zh) * 2022-03-17 2022-06-10 青岛华正信息技术股份有限公司 一种数据交互方法及系统
CN115623034A (zh) * 2022-09-28 2023-01-17 泉州年盛信息科技有限公司 基于工业互联网平台的企业能源管理系统
CN115623034B (zh) * 2022-09-28 2023-08-22 长峡数字能源科技(湖北)有限公司 基于工业互联网平台的企业能源管理系统

Also Published As

Publication number Publication date
KR101570364B1 (ko) 2015-11-19
KR20150125171A (ko) 2015-11-09

Similar Documents

Publication Publication Date Title
WO2015167048A1 (ko) 적응형 에너지 수요예측 방법
Adeoye et al. Modelling and forecasting hourly electricity demand in West African countries
Hoicka et al. Solar and wind resource complementarity: Advancing options for renewable electricity integration in Ontario, Canada
Apadula et al. Relationships between meteorological variables and monthly electricity demand
Yu et al. A systematic procedure to study the influence of occupant behavior on building energy consumption
Goia et al. Functional clustering and linear regression for peak load forecasting
CN111932402B (zh) 一种基于相似日和lstm的短期电力负荷双向组合预测方法
Zhang et al. Exploring the climatic impacts on residential electricity consumption in Jiangsu, China
Ballarini et al. Application of energy rating methods to the existing building stock: Analysis of some residential buildings in Turin
JP5743881B2 (ja) 電力管理システム、電力管理方法、需要家端末及び電力管理装置
Zhang et al. Extreme temperatures and residential electricity consumption: Evidence from Chinese households
Chen et al. The role of household level electricity data in improving estimates of the impacts of climate on building electricity use
CN102509173B (zh) 一种基于马尔科夫链的电力系统负荷准确预测方法
Lang et al. Engineering estimates versus impact evaluation of energy efficiency projects: Regression discontinuity evidence from a case study
JP2012205432A (ja) 変圧器の負荷推定方法および負荷推定システム
CN112149890A (zh) 基于用户用能标签的综合能源负荷预测方法及系统
Figueiredo et al. Weather and market specificities in the regional transmission of renewable energy price effects
Lam et al. An analysis of climatic influences on chiller plant electricity consumption
CN108256724A (zh) 一种基于动态行业系数的配电网可开放容量规划方法
CN112465403A (zh) 一种区域电力需求侧响应潜力评估方法
Zhang et al. Exploring the impact of temperature change on residential electricity consumption in China: The ‘crowding-out’effect of income growth
CN114862229A (zh) 电能质量评估方法、装置、计算机设备和存储介质
Koivisto et al. Statistical modeling of aggregated electricity consumption and distributed wind generation in distribution systems using AMR data
CN105787814A (zh) 一种用于确定配电网降损潜力大小的方法以及装置
CN111144628A (zh) 一种分布式供能的冷热电负荷预测模型系统及方法

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: 14890470

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: 14890470

Country of ref document: EP

Kind code of ref document: A1