KR102256434B1 - Multiple distributed energy storage system integrated control device - Google Patents
Multiple distributed energy storage system integrated control device Download PDFInfo
- Publication number
- KR102256434B1 KR102256434B1 KR1020200102349A KR20200102349A KR102256434B1 KR 102256434 B1 KR102256434 B1 KR 102256434B1 KR 1020200102349 A KR1020200102349 A KR 1020200102349A KR 20200102349 A KR20200102349 A KR 20200102349A KR 102256434 B1 KR102256434 B1 KR 102256434B1
- Authority
- KR
- South Korea
- Prior art keywords
- energy storage
- power
- storage system
- integrated control
- amount
- Prior art date
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/10—The network having a local or delimited stationary reach
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/58—The condition being electrical
- H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
본 발명은 다수의 분산 에너지저장시스템 통합제어 장치에 관한 것으로서, 더욱 상세하게는 기존에 설치된 소용량 에너지저장시스템 다수를 하나의 가상 에너지저장시스템으로 취급하여 통합제어를 함으로써, 새로운 설비를 증축하지 않고도 경제적 이득을 보장하는 다수의 분산 에너지저장시스템 통합제어 장치에 관한 것이다.The present invention relates to a device for integrated control of a plurality of distributed energy storage systems, and more particularly, by treating a plurality of previously installed small-capacity energy storage systems as one virtual energy storage system and performing integrated control, it is economical without adding new facilities. It relates to a plurality of distributed energy storage system integrated control device that guarantees the gain.
전력 품질이 우수하다는 것은 규정된 범위 내에서 전압이 안정되어 있고, 정격 주파수에 가깝게 교류 주파수를 보내고 있으며, 정현파와 같이 부드러운 곡선 형태의 파형으로 송전한다는 것을 의미한다. Excellent power quality means that the voltage is stable within the specified range, the AC frequency is sent close to the rated frequency, and the power is transmitted in a smooth curved waveform like a sine wave.
보통 소비자 입장에서 우수한 전력 품질은 전기 콘센트에서 나오는 전력과 현재 꽂혀 있는 전자기기의 부하가 서로 잘 맞으며, 충돌이 없다는 것을 의미한다. 이 용어는 전기 부하를 구동시키는 전력이 부하가 제대로 작동하게 하는 지 확인하는 데 사용된다. From the consumer's point of view, excellent power quality means that the power from the electrical outlet and the load of the electronic device currently plugged in are well matched and there is no collision. This term is used to determine if the power driving an electrical load is making the load function properly.
전력 품질이 나쁜 경우에는 전자기기가 오작동하거나 심한 경우에는 회로가 파괴되어 작동되지 않을 수도 있다. In the case of poor power quality, the electronic device may malfunction or, in severe cases, the circuit may be destroyed and not operate.
전력 품질을 떨어뜨리는 데에는 여러 요인이 있으며, 현대 국가는 안정된 전력 품질로 송전하기 위해 여러 노력을 하고 있다.There are many factors that degrade power quality, and modern countries are making various efforts to transmit transmission with stable power quality.
전력 산업에서 전력회사는 발전(교류 전력), 송전, 배전을 통해 마지막으로 최종사용자가 있는 전기계량기까지 전력을 공급한다. In the electric power industry, electric power companies supply electricity through generation (alternating current), transmission, and distribution to the electric meter where the end user is located.
여기서 전기 에너지는 최종 부하에 도달할 때까지 전기선을 통해 최종 배선시스템까지 흘러간다. Here, electrical energy flows through electrical lines to the final wiring system until it reaches the final load.
전기 에너지가 생산지에서 소비지로 이동하면서 중간에 날씨, 세대, 수요 등과 같은 여러 복잡한 요인으로 공급전력의 품질이 나빠지게 된다.As electric energy moves from the production area to the consumption area, the quality of the power supply deteriorates due to various complications such as weather, generation, and demand.
최근 들어, 높은 품질의 전력수요 증가에 따른 배전단 부하 변화에 의한 높은 전력품질에 대한 요구의 급격한 증가로, 전력품질 문제에 대한 중요성이 대두되고 있으나, 전력수요 포화로 인한 전력설비 증설이 어려운 문제가 있다.In recent years, the importance of power quality issues has emerged as the demand for high power quality has risen due to the change in the load at the distribution terminal due to the increase in demand for high quality power, but it is difficult to expand power facilities due to the saturation of power demand. There is.
재생에너지 3020 정책에 의한 재생에너지 비중 확대되면서, 간헐적 재생에너지원의 과도한 접속으로 계통 안정도 저하와, 증가한 재생에너지원의 포화로 계통연계 문제가 발생되고 있다.Renewable Energy As the proportion of renewable energy has increased according to the 3020 policy, system linkage problems have arisen due to the decrease in system stability due to excessive access of intermittent renewable energy sources and increased saturation of renewable energy sources.
에너지저장시스템(ESS; Energy Storage System)의 시장 규모는 2020년 기준 약 8조 8천억 규모를 보일 것으로 예측되며, 에너지저장시스템 시장 규모는 지속적으로 증가될 것으로 예상된다.The size of the energy storage system (ESS) market is expected to reach about 8 trillion KRW in 2020, and the size of the energy storage system market is expected to increase continuously.
대용량으로 설치된 에너지저장시스템의 경우 전력계통 전체의 상황을 고려한 보상이 불가한 문제가 있다.In the case of an energy storage system installed with a large capacity, there is a problem that compensation in consideration of the situation of the entire power system is impossible.
또한, 배전계통에 대용량 에너지저장시스템을 설치하기에는 투자비용이 높아 경제성이 낮은 문제가 있다.In addition, installing a large-capacity energy storage system in the distribution system has a problem of low economic efficiency due to high investment cost.
아울러, 배전계통의 복잡성으로 인해 대용량 에너지저장시스템의 설치 위치에 대한 선정이 난해한 문제가 있다.In addition, due to the complexity of the distribution system, there is a problem in which it is difficult to select the installation location of the large-capacity energy storage system.
한국등록특허 [10-1596345]에서는 스마트 그리드를 이용한 통합 전력 관리 시스템이 개시되어 있다.In Korea Patent Registration [10-1596345], an integrated power management system using a smart grid is disclosed.
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 기존에 설치된 소용량 에너지저장시스템 다수를 하나의 가상 에너지저장시스템으로 취급하여 통합제어를 함으로써, 새로운 설비를 증축하지 않고도 경제적 이득을 보장하는 다수의 분산 에너지저장시스템 통합제어 장치를 제공하는 것이다.Accordingly, the present invention was conceived to solve the above-described problems, and an object of the present invention is to provide integrated control by treating a plurality of previously installed small-capacity energy storage systems as one virtual energy storage system, thereby expanding new facilities. It is to provide an integrated control device for a number of distributed energy storage systems that guarantees economic benefits without the need.
본 발명의 실 시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The objects of the embodiments of the present invention are not limited to the above-mentioned objects, and other objects not mentioned will be clearly understood by those of ordinary skill in the art from the following description. .
상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치는 전력변환장치(PCS; Power Conditioning System) 및 배터리를 포함하고, 유효전력 및 무효전력 제어가 가능하며, 배전망에 연결된 다수의 에너지저장시스템(100); 각각의 상기 에너지저장시스템(100)으로부터 정보를 획득하는 에너지정보획득부(200); 계통내 특정 지점(PCC; point of common coupling)의 전력 정보 측정값을 획득하는 계통정보획득부(300); 상기 에너지정보획득부(200)가 획득한 정보 및 상기 계통정보획득부(300)가 획득한 전력 정보 측정값을 저장하는 데이터서버(800); 및 상기 전력 정보 측정값을 근거로 상기 다수의 에너지저장시스템(100)을 하나의 에너지저장시스템으로 인식하여 계통내 특정 지점의 주파수 조정(Frequency Regulation), 첨두부하 저감(peak shaving) 및 부하평준화(Load Leveling)을 수행하는 통합제어부(900);를 포함하는 것을 특징으로 한다.A plurality of distributed energy storage system integrated control device according to an embodiment of the present invention for achieving the above object includes a power conversion device (PCS; Power Conditioning System) and a battery, and the active power and reactive power control It is possible, a plurality of
또한, 상기 계통정보획득부(300)는 상기 에너지저장시스템(100)의 전력변환장치(PCS; Power Conditioning System) 연결 지점들의 전력 정보 측정값을 획득하는 것을 특징으로 한다.In addition, the system
또, 통합제어부(900)는, 계통내 특정 지점과 상기 각 에너지저장시스템(100) 사이의 거리 및 각 에너지저장시스템(100)의 용량을 고려하여 상기 각 에너지저장시스템(100)을 통합 제어하는 것을 특징으로 한다.In addition, the
또한, 통합제어부(900)는, 선형계획법을 이용하여 전력변환장치의 정격용량, 에너지저장시스템(100) 배터리의 정격용량, 전력변환장치의 유효전력 출력량, 전력변환장치의 출력 정격 제한, 전력변환장치 연결 지점의 유효전력 부하량, 에너지저장시스템(100) 연결 지점의 무효전력 부하량, 에너지저장시스템(100)의 무효전력 보상 최대량, 스케줄링 데이터를 고려하여 제어하는 것을 특징으로 한다.In addition, the integrated
또, 상기 통합제어부(900)는, 의사결정변수, 목적함수, 제약조건을 이용하여 제어하는 것을 특징으로 한다.In addition, the integrated
또한, 상기 의사결정변수는, 상기 에너지저장시스템(100) 유효전력 발전량, 상기 에너지저장시스템(100) 무효전력 발전량을 포함하는 것을 특징으로 한다.In addition, the decision variable is characterized in that it includes an amount of generation of active power of the
또, 상기 목적함수는, 하기 수학식 In addition, the objective function is the following equation
(여기서, 은 분산된 ESS 가중치, 은 계통연계 지점으로부터 n번째 ESS의 선로거리, 은 n번째 ESS에서 발전하고 있는 발전량)에 따라 결정되는 것을 특징으로 한다.(here, Is the distributed ESS weight, Is the line distance of the nth ESS from the grid connection point, Is characterized in that it is determined according to the amount of power generated in the nth ESS).
또한, 상기 제약조건은, 전력변환장치 연결지점의 유효전력 부하량, 전력변환장치 정격용량, 전력변환장치 유효전력 발전량, 계통연계 지점으로부터 에너지저장시스템(100)의 거리 및 에너지저장시스템(100)의 무효전력 보상량을 이용하여, 에너지저장시스템(100) 보상량을 결정하는 것을 특징으로 한다.In addition, the constraints are the amount of active power load at the point of connection of the power conversion device, the rated capacity of the power conversion device, the amount of active power generation of the power conversion device, the distance of the
아울러, 상기 통합제어부(900)는, K-최근접 이웃 알고리즘, 서포트 벡터 머신, 결정 트리, 앙상블, 신경망, K-평균, 퍼지 중 선택되는 어느 하나 또는 복수의 인공지능 알고리즘을 이용하는 것을 특징으로 한다.In addition, the
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치에 의하면, 새로운 설비를 증축하지 않고도, 기존에 설치된 소용량 에너지저장시스템 다수를 하나의 가상 에너지저장시스템으로 취급하여 계통내 특정 지점의 주파수 조정(Frequency Regulation), 첨두부하 저감(peak shaving) 및 부하평준화(Load Leveling)를 포함한 통합제어를 함으로써, 전력계통 최적 운영에 따른 설치비용 감소 및 계통운영 비용 감소 효과가 있음과 동시에 계통운영 비용 저감 효과가 있다.According to the integrated control device for a plurality of distributed energy storage systems according to an embodiment of the present invention, a plurality of existing small-capacity energy storage systems are treated as one virtual energy storage system, and By performing integrated control including frequency regulation, peak shaving, and load leveling, there is an effect of reducing installation cost and system operation cost according to the optimal operation of the power system. There is a reduction effect.
또한, 전력변환장치 연결 지점들의 전력 정보를 측정하고, 계통내 특정 지점과 상기 각 에너지저장시스템(100) 사이의 거리 및 각 에너지저장시스템(100)의 용량을 고려하여 상기 각 에너지저장시스템(100)를 통합 제어함으로써, 최적의 운영방안 산정이 가능하여, 최적의 통합제어가 가능한 효과가 있다.In addition, the power information of the power conversion device connection points is measured, and the distance between a specific point in the system and each of the
또, 기계학습 기반 예측 알고리즘을 통해 환경변화의 유연한 대응이 가능한 효과가 있다.In addition, it is possible to flexibly respond to environmental changes through machine learning-based prediction algorithms.
또한, 클러스터링모델(K-mean 기법)과 인공신경망모델을 동적으로 취합하여 최종 예측 결과를 생성함으로써, 시간대별 오차량(variance error)을 보정함으로써, 예측모델의 성능을 향상시키는 효과가 있다.In addition, the clustering model (K-mean technique) and the artificial neural network model are dynamically collected to generate the final prediction result, thereby correcting the variance error for each time period, thereby improving the performance of the prediction model.
또, 클러스터링 모델과 인공신경망 모델 각각의 과거 데이터의 정확도에 따른 가중치를 부여하여 최종 결과를 도출함으로써, 오차보정을 통해 예측모델의 성능을 더욱 향상시키는 효과가 있다.In addition, the clustering model and the artificial neural network model are given weights according to the accuracy of the past data to derive the final result, thereby further improving the performance of the predictive model through error correction.
도 1은 본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 개념도.
도 2는 과거데이터를 통해 머신러닝을 수행하고 이를 바탕으로 수요예측을 하는 예를 보여주는 흐름도.1 is a conceptual diagram of a plurality of distributed energy storage system integrated control apparatus according to an embodiment of the present invention.
2 is a flow chart showing an example of performing machine learning based on past data and predicting demand based on it.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야한다.Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail. However, this is not intended to limit the present invention to a specific embodiment, and it should be understood to include all changes, equivalents, and substitutes included in the spirit and scope of the present invention.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When a component is referred to as being "connected" or "connected" to another component, it is understood that it may be directly connected or connected to the other component, but other components may exist in the middle. It should be.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.On the other hand, when a component is referred to as being "directly connected" or "directly connected" to another component, it should be understood that there is no other component in the middle.
본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present specification are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present application, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, processes, operations, components, parts, or combinations thereof described in the specification, but one or more other features. It is to be understood that the possibility of addition or presence of elements or numbers, processes, operations, components, parts, or combinations thereof is not preliminarily excluded.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning of the related technology, and should not be interpreted as an ideal or excessively formal meaning unless explicitly defined in the present application. Does not.
이하, 첨부된 도면을 참조하여 본 발명을 더욱 상세하게 설명한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 또한, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. Hereinafter, the present invention will be described in more detail with reference to the accompanying drawings. Prior to this, terms or words used in the specification and claims should not be construed as being limited to their usual or dictionary meanings, and the inventors appropriately explain the concept of terms in order to explain their own invention in the best way. Based on the principle that it can be defined, it should be interpreted as a meaning and concept consistent with the technical idea of the present invention. In addition, unless otherwise defined in the technical terms and scientific terms used, they have the meanings commonly understood by those of ordinary skill in the art to which this invention belongs, and the gist of the present invention in the following description and accompanying drawings. Descriptions of known functions and configurations that may be unnecessarily obscure will be omitted. The drawings introduced below are provided as examples in order to sufficiently convey the spirit of the present invention to those skilled in the art. Accordingly, the present invention is not limited to the drawings presented below and may be embodied in other forms. In addition, the same reference numbers throughout the specification indicate the same elements. It should be noted that the same components in the drawings are denoted by the same reference numerals wherever possible.
도 1은 본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 개념도이고, 도 2는 과거데이터를 통해 머신러닝을 수행하고 이를 바탕으로 수요예측을 하는 예를 보여주는 흐름도이다.1 is a conceptual diagram of a plurality of distributed energy storage system integrated control apparatuses according to an embodiment of the present invention, and FIG. 2 is a flowchart showing an example of performing machine learning based on past data and predicting demand based on this.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치는 에너지저장시스템(100), 에너지정보획득부(200), 계통정보획득부(300), 데이터서버(800) 및 통합제어부(900)를 포함한다.As shown in FIG. 1, a plurality of distributed energy storage system integrated control devices according to an embodiment of the present invention include an
에너지저장시스템(100)은 전력변환장치(PCS; Power Conditioning System) 및 배터리를 포함하고, 유효전력 및 무효전력 제어가 가능하며, 배전망에 다수가 연결된다. The
에너지저장시스템(ESS; Energy Storage System)은 전력 인프라를 구성하는 요소이자, 스마트 그리드와 같은 차세대 전력망을 구현하기 위한 핵심 요소 중 하나이다. The Energy Storage System (ESS) is a component of the power infrastructure and one of the key elements to implement a next-generation power grid such as a smart grid.
ESS는 전력계통에서 발전, 송배전, 수용가에 설치되어 운영이 가능하며, 주파수 조정(Frequency Regulation), 신재생발전기 출력 안정화, 첨두부하 저감(Peak Shaving), 부하평준화(Load Leveling), 비상전원 등의 기능으로 사용된다. ESS can be installed and operated in power generation, transmission and distribution, and customers in the power system. It is used as a function.
즉, ESS는 전기에너지를 적게 사용할 때 저장하고 필요할 때 공급함으로써 에너지 이용효율 향상, 신재생에너지 활용도 제고 및 전력공급시스템 안정화에 기여할 수 있다. In other words, ESS can contribute to improving energy use efficiency, enhancing the use of new and renewable energy, and stabilizing the power supply system by storing and supplying electric energy when less electric energy is used.
보통 필요 발전량은 냉난방 수요가 급증하는 최고 수요 시점을 기준으로 설정돼 있는데, ESS는 피크 수요 시점의 전력 부하를 조절해 발전 설비에 대한 과잉 투자를 막아준다. 그리고 ESS는 돌발적인 정전 시에도 안정적으로 전력을 공급할 수 있도록 해준다. Usually, the required amount of power generation is set based on the peak demand point when the demand for heating and cooling rapidly increases, and ESS prevents excessive investment in power generation facilities by controlling the power load at the time of peak demand. In addition, ESS makes it possible to stably supply power even in the event of an unexpected power outage.
또한 ESS는 태양광, 풍력, 조력, 파력 등 신재생 에너지 또는 소규모 발전소에서 생산된 전기가 수시로 전력망에 공급되거나 전기자동차 충전소 등에서 높은 출력으로 갑자기 전기가 소비될 때 유용하다. ESS는 전기의 불규칙한 수요와 공급을 조절하고 수시로 변화하는 주파수를 조정해 전력망의 신뢰도를 향상시키기 때문이다. 이런 맥락에서 최근 ESS는 신재생에너지를 활용한 스마트 그리드에서의 핵심 설비로 주목받고 있다. In addition, ESS is useful when renewable energy such as solar power, wind power, tidal power, wave power, or electricity produced by a small power plant is frequently supplied to the power grid, or when electricity is suddenly consumed at high output at electric vehicle charging stations. This is because ESS improves the reliability of the power grid by controlling the irregular demand and supply of electricity and by adjusting the frequency that changes from time to time. In this context, ESS has recently attracted attention as a core facility in the smart grid using renewable energy.
이러한 에너지저장시스템(ESS; Energy Storage System) 중 본 발명에서 이용하고자 하는 에너지저장시스템(100)은 유효전력 및 무효전력 제어가 가능하며, 배전망에 배전망에 다수가 연결된다. Among these energy storage systems (ESS), the
에너지정보획득부(200)는 각각의 상기 에너지저장시스템(100)으로부터 정보를 획득한다. The energy
상기 에너지정보획득부(200)는 상기 에너지저장시스템(100)으로부터 ESS 출력전압, ESS 출력전류, 배터리 상태 정보, 출력 전력, 배터리 온도, 스케줄링 데이터 정보, ESS와 계통 특정 지점과의 거리 정보 등을 획득할 수 있다. The energy
계통정보획득부(300)는 계통내 특정 지점(PCC; point of common coupling)의 전력 정보 측정값을 획득한다.The system
계통정보획득부(300)는 계통내 특정 지점의 전압, 전류, 부하 유효전력, 부하 무효전력 등의 전력 정보 측정값 정보를 획득할 수 있다. The system
데이터서버(800)는 상기 에너지정보획득부(200)가 획득한 정보 및 상기 계통정보획득부(300)가 획득한 전력 정보 측정값을 저장한다.The
통합제어부(900)는 상기 전력 정보 측정값을 근거로 상기 다수의 에너지저장시스템(100)을 하나의 에너지저장시스템으로 인식하여 계통내 특정 지점의 주파수 조정(Frequency Regulation), 첨두부하 저감(peak shaving) 및 부하평준화(Load Leveling)을 수행한다.The
주파수 조정(Frequency Regulation)은 전력 공급량과 수요량의 차이로 인해 발생하는 주파수 변동을 조정하는 것을 말하며, 주파수 조정(Frequency Regulation)을 통해 전력품질 전체를 향상 시킬 수 있다.Frequency Regulation refers to adjusting the frequency fluctuation caused by the difference between the amount of power supplied and the amount of demand, and the overall power quality can be improved through the frequency regulation.
첨두부하 저감(peak shaving)은 전기의 가격이 시간에 따라 달라짐을 이용하여 경부하 시간대에 ESS를 충전시키고, 한전 수전전력의 피크 시간대에 이를 방전시키는 것을 말하며, 이때 발생하는 차액으로 수익을 올릴 수 있다.Peak shaving refers to charging the ESS during the light load period by using the price of electricity varies with time and discharging it during the peak time of KEPCO's receiving power. have.
부하평준화(로드레벨링Load Leveling)은 전력 수요가 적을 때 전기를 저장하고, 전력 수요가 많을 때 방전하는 것을 말하며, 이를 통해 전력 수요에 대한 대응을 원활하게 할 수 있다.Load leveling refers to storing electricity when power demand is low and discharging when power demand is high, and through this, it is possible to smoothly respond to power demand.
상기 통합제어부(900)는 전력계통 상황에 따른 보상 솔루션을 결정할 수 있다. 보상 솔루션은 주파수 조정(Frequency Regulation), 첨두부하 저감(peak shaving) 및 부하평준화(Load Leveling) 중 어느 하나 또는 복수가 포함될 수 있다.The
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 계통정보획득부(300)는 상기 에너지저장시스템(100)의 전력변환장치(PCS; Power Conditioning System) 연결 지점들의 전력 정보 측정값을 획득하는 것을 특징으로 할 수 있다.The system
상기 에너지저장시스템(100)은 배전망에 연결되어, 충전 시에는 배전망의 AC전력을 상기 에너지저장시스템(100)을 충전시키기 위한 DC전력으로 변환시켜주고, 방전 시에는 상기 에너지저장시스템(100)의 DC전력을 상기 배전망에 공급시키기 위한 AC전력으로 변환시켜주는 전력변환장치(PCS; Power Conditioning System)를 포함한다.The
이때, 전력변환장치가 배전망에 연결된 지점의 전력 정보 측정값을 상기 계통정보획득부(300)가 획득한다.At this time, the system
여기서, 전력 정보 측정값은 전력변환장치 연결지점의 전압, 전력변환장치 연결지점의 전류 정보를 포함할 수 있다.Here, the power information measurement value may include voltage of the power conversion device connection point and current information of the power conversion device connection point.
상기 계통내 특정 지점(PCC; point of common coupling)은 전력변환장치가 배전망에 연결된 지점이 될 수도 있지만 다른 지점이 될 수도 있다.The point of common coupling (PCC) in the system may be a point where the power converter is connected to the distribution network, but may be another point.
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 통합제어부(900)는 계통내 특정 지점과 상기 각 에너지저장시스템(100) 사이의 거리 및 각 에너지저장시스템(100)의 용량을 고려하여 상기 각 에너지저장시스템(100)을 통합 제어하는 것을 특징으로 할 수 있다.The
이는, 에너지저장시스템(100) 각각은 독립제어를 통해 발전량을 산정하고, 다수의 에너지저장시스템(100) 거리를 고려하여 효과적인 전력계통 운영을 하기 위한 것으로, 전력계통 상황을 고려하여 보상 솔루션 선택이 가능하고, ESS 정격을 고려하여 최대 보상 가능량 고려가 가능하다.This is to calculate the amount of power generation through independent control for each of the
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 통합제어부(900)는 선형계획법을 이용하여 전력변환장치의 정격용량, 에너지저장시스템(100) 배터리의 정격용량, 전력변환장치의 유효전력 출력량, 전력변환장치의 출력 정격 제한, 전력변환장치 연결 지점의 유효전력 부하량, 에너지저장시스템(100) 연결 지점의 무효전력 부하량, 에너지저장시스템(100)의 무효전력 보상 최대량, 스케줄링 데이터를 고려(계산)하여 제어하는 것을 특징으로 할 수 있다.The
선형계획법은 선형계획문제를 해결하는 방법을 말한다. 선형계획법에는 기하학적 방법과 대수적인 방법인 단체법(simplex method)이 있다.Linear programming is a method of solving a linear planning problem. The linear programming method includes a geometric method and an algebraic method, the simplex method.
선형계획법은 한정된 자원을 어떻게 해야 가장 유효적절하게 각종 용도에 배분할 수 있는가 하는 최적배치와 생산계획의 문제, 한정된 총소득액의 최적배분, 몇몇 발송지역에서부터 몇몇 목적지로 상품을 운송할 때 그 운임을 최소화하는 수송문제 등, 1차부등식이라는 제약하에서 어떤 목적을 최대화 또는 최소화하려는 문제에 모두 적용 가능하다. The linear programming method minimizes the fare when transporting goods from several destinations to several destinations, optimal allocation of limited resources and the problems of production planning, how to most effectively allocate limited resources to various uses. It can be applied to both the problem of maximizing or minimizing a certain purpose under the constraints of first-order inequality, such as transport problems.
좌표평면에 제한 조건을 도시하여 목적함수의 최댓값 또는 최솟값을 찾는 방법을 선형계획법의 기하학적 방법이라고 한다. The method of finding the maximum or minimum value of the objective function by plotting the limiting conditions on the coordinate plane is called the geometric method of the linear programming method.
변수가 4개 이상인 경우는 기하학적인 방법을 사용할 수 없는데, 이 경우에도 적용할 수 있는 선형계획법인 단체법은 일반적이고 효과적인 선형계획법으로 간주된다.If there are more than 4 variables, the geometric method cannot be used. The group method, which is also applicable in this case, is regarded as a general and effective linear programming method.
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 상기 통합제어부(900)는 의사결정변수, 목적함수, 제약조건을 이용하여 제어하는 것을 특징으로 할 수 있다.The
의사결정변수(decision variable)는 의사결정의 대상을 나타내고, 우리가 최종적으로 구해야 하는 해라고 생각하면 된다.The decision variable represents the object of decision making, and you can think of it as a solution that we must finally find.
목적함수(objective function)는 의사결정의 목표를 나타내며, 최대화하거나 최소화하고자 하는 운영 목표를 나타내는 함수이다.The objective function represents the goal of decision-making, and is a function representing the operational goal to be maximized or minimized.
제약조건(constraints)은 목표를 성취하는 과정에서 제한되는 한계를 나타낸 것으로, 조건은 운영 목표가 될 수 있는 여러 솔루션들이 만족해야 될 조건들을 설정하기 위한 것이다.Constraints represent limits that are limited in the process of achieving a goal, and conditions are for setting conditions that various solutions that can become operational goals must satisfy.
이때, 거리에 따른 목적함수 생성이 가능하고, 선형계획법을 통한 보상치 산정이 가능하며, 이를 통한 전력변환장치의 보상지령이 가능하다.At this time, it is possible to generate the objective function according to the distance, the compensation value can be calculated through the linear programming method, and the compensation command of the power conversion device is possible through this.
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 의사결정변수는 상기 에너지저장시스템(100) 유효전력 발전량, 상기 에너지저장시스템(100) 무효전력 발전량을 포함하는 것을 특징으로 할 수 있다.The decision variable of the plurality of distributed energy storage system integrated control apparatus according to an embodiment of the present invention is characterized in that it includes the amount of generation of active power of the
상기 의사결정변수는 상기 선형계획법을 통해 다수의 분산 ESS들을 통합제어 하기 위해 변수로 지정하는 것이다. The decision variable is designated as a variable for integrated control of a plurality of distributed ESSs through the linear programming method.
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 상기 목적함수는, 하기 수학식The objective function of the apparatus for integrated control of a plurality of distributed energy storage systems according to an embodiment of the present invention is:
(여기서, 은 분산된 ESS 가중치, 은 계통연계 지점으로부터 n번째 ESS의 선로거리, 은 n번째 ESS에서 발전하고 있는 발전량)에 따라 결정되는 것을 특징으로 할 수 있다.(here, Is the distributed ESS weight, Is the line distance of the nth ESS from the grid connection point, May be characterized in that it is determined according to the amount of power generated in the nth ESS).
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 제약조건은, 전력변환장치 연결지점의 유효전력 부하량, 전력변환장치 정격용량, 전력변환장치 유효전력 발전량, 계통연계 지점으로부터 에너지저장시스템(100)의 거리 및 에너지저장시스템(100)의 무효전력 보상량을 이용하여, 에너지저장시스템(100) 보상량을 결정하는 것을 특징으로 할 수 있다.The constraints of the integrated control device for a plurality of distributed energy storage systems according to an embodiment of the present invention are: the amount of active power load at the point of connection of the power conversion device, the rated capacity of the power conversion device, the amount of active power generation of the power conversion device, and energy from the grid connection point. The
상기 제약조건은 상기 에너지저장시스템(100)의 보상량을 결정하기 위해 주어지는 제약조건이다. The constraint is a constraint given to determine the amount of compensation of the
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 통합제어부(900)는 K-최근접 이웃 알고리즘, 서포트 벡터 머신, 결정 트리, 앙상블, 신경망, K-평균, 퍼지 중 선택되는 어느 하나 또는 복수의 인공지능 알고리즘을 이용하는 것을 특징으로 할 수 있다.The
K최근접 이웃 알고리즘(K-Nearest Neighbor; KNN)은 분류나 회귀에 사용되는 비모수 방식이다. 두 경우 모두 입력이 특징 공간 내 k개의 가장 가까운 훈련 데이터로 구성되어 있다. 출력은 KNN이 분류로 사용되었는지 또는 회귀로 사용되었는지에 따라 다르다.The K-Nearest Neighbor (KNN) is a nonparametric method used for classification or regression. In both cases, the input consists of the k closest training data in the feature space. The output depends on whether KNN is used as a classification or as a regression.
KNN은 함수가 오직 지역적으로 근사하고 모든 계산이 분류될 때까지 연기되는 인스턴스 기반 학습 또는 게으른 학습의 일종이다. KNN 알고리즘은 가장 간단한 기계 학습 알고리즘에 속한다.KNN is a kind of instance-based learning or lazy learning in which the function is only approximated locally and all calculations are deferred until sorted out. The KNN algorithm is one of the simplest machine learning algorithms.
분류와 회귀 모두 더 가까운 이웃일수록 더 먼 이웃보다 평균에 더 많이 기여하도록 이웃의 기여에 가중치를 주는 것이 유용할 수 있다. 예를 들어, 가장 흔한 가중치 스키마는 d가 이웃까지의 거리일 때 각각의 이웃에게 1/d의 가중치를 주는 것이다.For both classification and regression, it may be useful to weight the neighbor's contribution so that the closer neighbors contribute more to the mean than the farther neighbors. For example, the most common weighting scheme is to give each neighbor a weight of 1/d when d is the distance to the neighbor.
이웃은 항목(KNN 분류의 경우)이나 객체 특성 값(KNN 회귀의 경우)이 알려진 객체의 집합으로부터 구해진다. 이것은 명시적인 훈련 과정이 필요하지는 않지만, 알고리즘을 위한 훈련 집합이라고 생각될 수 있다.Neighbors are obtained from a set of objects whose items (for KNN classification) or object feature values (for KNN regression) are known. This does not require an explicit training process, but can be thought of as a training set for the algorithm.
서포트 벡터 머신(support vector machine; SVM)은 기계 학습의 분야 중 하나로 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석을 위해 사용한다. Support vector machine (SVM) is a supervised learning model for pattern recognition and data analysis as one of the fields of machine learning, and is mainly used for classification and regression analysis.
두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만든다. Given a set of data belonging to either of the two categories, the SVM algorithm creates a non-probabilistic binary linear classification model that determines which category the new data belongs to based on the given data set.
만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 SVM 알고리즘은 그 중 가장 큰 폭을 가진 경계를 찾는 알고리즘이다. The created classification model is expressed as a boundary in the space where data is mapped, and the SVM algorithm is an algorithm that finds the boundary with the largest width among them.
SVM은 선형 분류와 더불어 비선형 분류에서도 사용될 수 있다. 비선형 분류를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필요한데, 이를 효율적으로 하기 위해 커널 트릭을 사용하기도 한다.SVM can be used in nonlinear classification as well as linear classification. In order to perform nonlinear classification, it is necessary to map the given data into a high-dimensional feature space, and kernel tricks are sometimes used to do this efficiently.
결정 트리(Decision Tree)는 의사 결정 규칙과 그 결과들을 트리 구조로 도식화한 의사 결정 지원 도구의 일종이다. Decision Tree is a kind of decision support tool that diagrams decision rules and their results in a tree structure.
결정 트리는 운용 과학, 그 중에서도 의사 결정 분석에서 목표에 가장 가까운 결과를 낼 수 있는 전략을 찾기 위해 주로 사용된다.Decision trees are primarily used in operational science, especially in decision analysis, to find strategies that can produce results that are closest to the goal.
앙상블(Ensemble)은 여러 개의 모델을 활용하여 더 나은 결과를 도출해 내는 것으로, 앙상블 개념 자체는 여러모델의 조합이라는 뜻이기 때문에 꼭 트리를 사용한 것이 아닌 다른 모델을 사용해도 앙상블이라 할 수 있다.Ensemble is an ensemble that uses multiple models to derive better results. Since the concept of an ensemble itself means a combination of multiple models, it can be called an ensemble even if a model other than a tree is used.
신경망(Neural Network)은 뇌의 신경세포망에서 정보처리 기작을 모사한 머린러닝 모델로, Input(입력층), Hidden(은닉층), Output(출력층)으로 표현할 수 있다. A neural network is a marine learning model that simulates information processing mechanisms in a neural network of the brain, and can be expressed as Input (input layer), Hidden (hidden layer), and Output (output layer).
K-평균(K-means)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 이 알고리즘은 자율 학습의 일종으로, 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행한다. 이 알고리즘은 EM 알고리즘을 이용한 클러스터링과 비슷한 구조를 가지고 있다.K-means is an algorithm that combines given data into k clusters, and operates in a manner that minimizes the variance of the difference between each cluster and the distance. This algorithm is a type of self-learning, and serves to label input data that are not labeled. This algorithm has a structure similar to clustering using the EM algorithm.
퍼지(Fuzzy)는 불분명한 상태, 모호한 상태를 참 혹은 거짓의 이진 논리에서 벗어난 다치성으로 표현하는 논리 개념이다. 퍼지 논리는 근사치나 주관적 값을 사용하는 규칙들을 생성함으로써 부정확함을 표현할 수 있는 규칙 기반기술(rule-based technology)이다.Fuzzy is a logic concept that expresses an ambiguous state or an ambiguous state as a multivalued nature that is free from the binary logic of true or false. Fuzzy logic is a rule-based technology that can express inaccuracies by creating rules that use approximate or subjective values.
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 통합제어부(900)는 수요설비의 전력 수요량을 기계학습 기반으로 확률론적으로 예측한다.The
상기 수요설비는 전기를 사용하는 일체의 전기 시설 또는 전기 장치를 말한다.The demand facility refers to all electric facilities or electric devices that use electricity.
상기 통합제어부(900)는 머신 러닝(Machine Learning) 분석 기준을 마련하여 전력 수요량을 확률론적으로 예측할 수 있다.The
머신 러닝(Machine Learning) 분석 기준은 머신 러닝(Machine Learning)을 통한 기준 값이 되는 특성 항목들을 레이블(Label) 처리하여 모은 데이터 세트(Data Set)를 이용하여 러닝 모델(Learning Model) 함수를 결정하고, 이를 이용하여 산출된 값을 바탕으로 처리할 수 있다.The machine learning analysis criterion determines a learning model function using a data set collected by labeling feature items that become a reference value through machine learning. , It can be processed based on the calculated value using this.
상기 통합제어부(900)는 수요설비의 종류 및 전력 사용량 데이터를 기반으로 하여 상관모델과 신경망을 유기적으로 결합한 하이브리드 방식의 예측방법을 적용할 수 있다. The
즉, 상기 통합제어부(900)는 기계학습 기반으로 확률론적으로 수요량을 예측하며, 수요량을 예측에 상관모델과 신경망을 유기적으로 결합한 하이브리드 방식의 예측방법을 적용할 수 있다. That is, the
상기 통합제어부(900)는 K-평균(K-means) 기법을 통한 자동 부하패턴 분류와 가장 유사도가 높은 패턴을 기 설정된 입력 요소로부터 추출해내는 방법론과, 해당 입력 요소를 통해 인공신경망을 학습시키고 이를 통해 예측하는 방법론을 예측 정확도에 따라 동적으로 취합하여 최종 예측 결과를 생성하는 것을 특징으로 할 수 있다.The
이때, K-mean 기법을 이용한 예측값에서도 오차 보정을 하고, 인공신경망학습을 이용한 예측값에서도 오차 보정을 하며, K-mean 기법을 이용한 예측값과 인공신경망을 학습을 이용한 예측값을 비교분석한 결과값에 대해서도 오차 보정을 하여 최종 예측값을 산출할 수 있다. At this time, error correction is also performed on the predicted value using the K-mean method, error correction is also performed on the predicted value using artificial neural network learning, and the result of comparing and analyzing the predicted value using the K-mean method and the predicted value using the artificial neural network learning. The final predicted value can be calculated by performing error correction.
이는, 3 단계 오차 보정을 통해 각종 전력사용량 변수에 대한 대처능력을 향상시킬 수 있다.This can improve coping ability for various power consumption variables through 3-step error correction.
상기 K-mean 기법은 기계학습(머신러닝, machine learning), 데이터마이닝에서 활용하고 있는 기법으로서, 대표적인 비지도학습이다. The K-mean technique is a technique used in machine learning (machine learning) and data mining, and is a representative unsupervised learning.
비지도학습이란 어떤 결과를 예측하지 못해야 되는 것으로, 컴퓨터 스스로 어떠한 해답을 찾아내는 것을 말한다. Unsupervised learning means that a certain outcome must not be predicted, and the computer finds a certain answer by itself.
예를 들어, "남자와 여자를 분류하고 싶다"라는 것은 이미 목적이 존재하고 값이 존재하기 때문에 비지도학습이 될 수 없지만, 컴퓨터 스스로 데이터를 분류하다가 남자와 여자의 특성 차이를 깨닫고 분류했다면, 비지도학습이 되는 것이다.For example, "I want to classify men and women" cannot be unsupervised learning because there is already a purpose and a value, but if a computer classifies data by itself and realizes the difference in characteristics between men and women, It becomes unsupervised learning.
K-Means는 중심값을 선정하고, 중심값과 다른 데이터간의 거리를 이용하여 분류를 수행한다. K-Means selects a center value and performs classification using the distance between the center value and other data.
다음 수행에서는 좀 더 중심에 위치한 중심값을 선정하고, 분류하고 이러한 과정을 반복하여 더 이상 분류가 되지 않을 경우에 해당 작업을 종료하게 된다.In the next execution, a more centrally located center value is selected, classified, and this process is repeated. When the classification is no longer possible, the task is terminated.
상기 K-mean 기법은 모집단 또는 범주에 대한 사전 정보가 없는 경우 주어진 관측 값들 사이의 거리 또는 유사성을 이용하는 분석법으로, 전체 데이터를 몇 개의 집단으로 그룹화 하여 각 집단의 성격을 파악함으로써 데이터 전체의 구조에 대한 이해를 돕고자 하는 분석법이다.The K-mean method is an analysis method that uses the distance or similarity between given observation values when there is no prior information about the population or category. This is an analysis method that is intended to help you understand.
상기 인공신경망은 사람 또는 동물 두뇌의 신경망에 착안하여 구현된 컴퓨팅 시스템의 총으로, 기계 학습(machine learning)의 세부 방법론 중 하나로, 신경 세포인 뉴런(neuron)이 여러 개 연결된 망의 형태이다. 구조 및 기능에 따라 여러 종류로 구분되며, 가장 일반적인 인공 신경망은 한 개의 입력층과 출력층 사이에 다수의 은닉층(hidden layer)이 있는 다층 퍼셉트론(multilayer perceptron)이다.The artificial neural network is a total of a computing system implemented based on a neural network of a human or animal brain, and is one of the detailed methodologies of machine learning, in the form of a network in which several neurons, which are nerve cells, are connected. It is classified into several types according to its structure and function, and the most common artificial neural network is a multilayer perceptron with multiple hidden layers between one input layer and an output layer.
클러스터링 기법인 상기 K-mean 기법으로 하루 단위로 패턴을 분류하면, 같은 클러스터 내에서 변화를 주는 것에 제약이 있다.(Low flexibility) When a pattern is classified on a daily basis by the K-mean technique, which is a clustering technique, there is a limitation in giving changes within the same cluster (Low flexibility).
따라서, 시간대별 오차량(variance error)을 보정할 수 있는 기법을 필요로 하게 되며, 이를 위해 인공 신경망 기반 보정(High Flexibility)을 수행하였더니, 테스트베드(TestBed) 환경에서 각종 상황 별 시험 검증으로, 보정 모델에 따른 성능이 확연하게 개선된 것을 확인하였다.Therefore, a technique that can correct the variance error by time is required, and for this purpose, artificial neural network-based correction (High Flexibility) was performed. , It was confirmed that the performance according to the correction model was remarkably improved.
테스트베드(TestBed)로는 연구원들이 생활하는 Living-Lab 환경을 적용하였고, 테스트베드(TestBed)에서 실시간으로 발생하는 특이 사항에 대한 보정기능 개발 및 검증이 완료 되었다.As the TestBed, the Living-Lab environment in which the researchers live was applied, and the development and verification of correction functions for unusual matters occurring in real time in the TestBed were completed.
도 2는 과거데이터를 통해 머신러닝을 수행하고 이를 바탕으로 수요예측을 하는 방법론의 한 예시이며, 본 예시에서는 K-mean 기법을 통한 자동 부하패턴 분류와 가장 유사도가 높은 패턴을 기상 날짜 등의 입력 요소로부터 추출해내는 방법론과, 해당 입력 요소를 통해 인공신경망을 학습시키고 이를 통해 예측하는 방법을 예측 정확도에 따라 동적으로 취합하는 모델에 대한 예시이다. Figure 2 is an example of a methodology for performing machine learning based on past data and predicting demand based on it.In this example, automatic load pattern classification through K-mean technique and the pattern with the highest similarity are inputted, such as wake-up date. This is an example of a model that dynamically collects a methodology for extracting from an element and a method for training an artificial neural network through the corresponding input element and predicting it according to the prediction accuracy.
단, 방법론에 있어서는 회귀모델이나 여타 예측 방법론을 다양하게 활용할 수 있으므로 상기 방법론에 한정 짓지 않는다.However, in the methodology, a regression model or other prediction methodology can be used in various ways, so the method is not limited to the methodology described above.
상기 통합제어부(900)는 다음식,The
(여기서, 는 최종 결과, 는 클러스터링모델의 결과, 는 인공신경망모델의 결과, A는 클러스터링모델의 과거 데이터의 정확도 B는 인공신경망모델의 과거 데이터의 정확도)(here, Is the final result, Is the result of the clustering model, Is the result of the artificial neural network model, A is the accuracy of the past data of the clustering model, B is the accuracy of the past data of the artificial neural network model)
에 의해, 클러스터링 모델과 인공신경망모델 각각의 과거 데이터의 정확도에 따른 가중치를 부여하여 최종 결과를 도출하는 것(도 2 참조)을 특징으로 할 수 있다.As a result, the clustering model and the artificial neural network model can be characterized by giving weights according to the accuracy of the past data to derive the final result (see FIG. 2).
이때, 과거 데이터의 정확도는 특정 기간을 정하여 수행할 수 있다.At this time, the accuracy of past data can be performed by setting a specific period.
예를 들어, 클러스터링모델과 인경신경망모델 각각의 과거 일주일 정확도에 따라 가중치를 부여하여 최종 결과를 도출할 수 있다.For example, the final result can be derived by assigning weights according to the accuracy of the past week for each of the clustering model and the neural network model.
상기 가중치를 부여한 식은 K-mean 기법을 이용한 예측값과 인공신경망을 학습을 이용한 예측 값을 비교분석한 결과 값에 대해 오차 보정을 적용한 것이다.The weighted equation is a result of comparing and analyzing a predicted value using a K-mean technique and a predicted value using learning an artificial neural network, and an error correction is applied to the value.
본 발명의 일 실시예에 따른 다수의 분산 에너지저장시스템 통합제어 장치의 통합제어부(900)는 각각의 전력 정보 측정값을 비교하여 최대치에 해당하는 값을 배전선로 조류 전력으로 산정하고, 발전설비와 연계된 에너지저장시스템(100)의 경우, 상기 발전설비의 발전 시간에 상기 발전설비의 발전 전력과 상기 배전선로 조류 전력을 합산한 값이 배전선로 한계전력을 초과하는 경우에 그 차이에 기초하여 상기 에너지저장시스템(100)을 충전시키고, 상기 발전설비의 발전외 시간에 배전선로 한계전력과 상기 배전선로 조류 전력간 차이에 기초하여 상기 에너지저장시스템(100)의 방전을 방전시키는 것을 특징으로 할 수 있다.The
발전설비는 태양열, 태양광, 풍력, 지열, 조력 발전 등 신재생 에너지를 이용한 발전설비일 수 있다.The power generation facility may be a power generation facility using renewable energy such as solar heat, solar power, wind power, geothermal heat, and tidal power generation.
상기 통합제어부(900)는 발전설비와 연계된 에너지저장시스템(100)의 경우, 발전설비의 발전 시간에는, 상기 발전설비의 발전 전력 및 배전선로 조류 전력의 합이 배전선로 한계전력을 초과하는 경우, 이들 차이에 해당하는 값 또는 이 보다 작은 값으로 미리 설정된 충전 설정량 만큼 에너지저장시스템(100)에 충전을 제어할 수 있다.In the case of the
또한, 상기 통합제어부(900)는 발전설비와 연계된 에너지저장시스템(100)의 경우, 발전설비의 발전외 시간(태양광 발전의 경우 야간 시간)에는, 배전선로 한계전력과 배전선로 조류 전력간 차이에 해당하는 값 또는 이 보다 작은 값으로 미리 설정된 방전 설정량 만큼 에너지저장시스템(100)의 방전을 제어할 수 있다.In addition, in the case of the
상기 방전 설정량 및 방전 설정량은 고정 불변의 값을 갖는 것은 아니며, 시간대별 전력 가격 등을 고려하여 조정될 수 있다.The discharge setting amount and the discharge setting amount do not have a fixed constant value, and may be adjusted in consideration of a power price for each time period.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다. It goes without saying that the present invention is not limited to the above-described embodiments, and the scope of application is various, and various modifications can be implemented without departing from the gist of the present invention claimed in the claims.
100: 에너지저장시스템
200: 에너지정보획득부
300: 계통정보획득부
800: 데이터서버
900: 통합제어부100: energy storage system
200: Energy Information Acquisition Department
300: System information acquisition department
800: data server
900: integrated control unit
Claims (9)
각각의 상기 에너지저장시스템(100)으로부터 정보를 획득하는 에너지정보획득부(200);
계통내 특정 지점(PCC; point of common coupling)의 전력 정보 측정값을 획득하는 계통정보획득부(300);
상기 에너지정보획득부(200)가 획득한 정보 및 상기 계통정보획득부(300)가 획득한 전력 정보 측정값을 저장하는 데이터서버(800); 및
상기 전력 정보 측정값을 근거로 상기 다수의 에너지저장시스템(100)을 하나의 에너지저장시스템으로 인식하여 계통내 특정 지점의 주파수 조정(Frequency Regulation), 첨두부하 저감(peak shaving) 및 부하평준화(Load Leveling)을 수행하는 통합제어부(900);로 이루어지며,
상기 통합제어부(900)는 의사결정변수, 목적함수, 제약조건을 이용하여 제어하되,
상기 목적함수는 하기 수학식
(여기서, 은 분산된 ESS 가중치, 은 계통연계 지점으로부터 n번째 ESS의 선로거리, 은 n번째 ESS에서 발전하고 있는 발전량)에 따라 결정되는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.
A plurality of energy storage systems 100 including a power conversion device (PCS) and a battery, capable of controlling active power and reactive power, and connected to a distribution network;
An energy information acquisition unit 200 for acquiring information from each of the energy storage systems 100;
A system information acquisition unit 300 for acquiring a power information measurement value of a specific point in the system (PCC);
A data server 800 for storing information acquired by the energy information acquisition unit 200 and a measurement value of power information acquired by the system information acquisition unit 300; And
Based on the power information measured value, the plurality of energy storage systems 100 are recognized as one energy storage system, and frequency regulation, peak shaving, and load leveling at a specific point in the system are recognized. It consists of an integrated control unit 900 that performs leveling);
The integrated control unit 900 controls using a decision variable, an objective function, and a constraint condition,
The objective function is the following equation
(here, Is the distributed ESS weight, Is the line distance of the nth ESS from the grid connection point, Is a number of distributed energy storage system integrated control device, characterized in that it is determined according to the amount of power generated in the nth ESS
상기 계통정보획득부(300)는
상기 에너지저장시스템(100)의 전력변환장치(PCS; Power Conditioning System) 연결 지점들의 전력 정보 측정값을 획득하는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.
The method of claim 1,
The system information acquisition unit 300
A plurality of distributed energy storage system integrated control device, characterized in that acquiring the power information measurement values of the power conversion device (PCS; Power Conditioning System) connection points of the energy storage system (100).
통합제어부(900)는,
계통내 특정 지점과 상기 각 에너지저장시스템(100) 사이의 거리 및 각 에너지저장시스템(100)의 용량을 고려하여 상기 각 에너지저장시스템(100)를 통합 제어하는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.
The method of claim 1,
The integrated control unit 900,
A plurality of distributed energy storage, characterized in that the integrated control of each of the energy storage systems 100 in consideration of the distance between a specific point in the system and each of the energy storage systems 100 and the capacity of each energy storage system 100 System integrated control device.
통합제어부(900)는,
선형계획법을 이용하여 전력변환장치의 정격용량, 에너지저장시스템(100) 배터리의 정격용량, 전력변환장치의 유효전력 출력량, 전력변환장치의 출력 정격 제한, 전력변환장치 연결 지점의 유효전력 부하량, 에너지저장시스템(100) 연결 지점의 무효전력 부하량, 에너지저장시스템(100)의 무효전력 보상 최대량, 스케줄링 데이터를 고려하여 제어하는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.
The method of claim 1,
The integrated control unit 900,
Using the linear programming method, the rated capacity of the power converter, the rated capacity of the battery of the energy storage system 100, the amount of active power output of the power converter, the output rating limit of the power converter, the amount of active power load at the power converter connection point, energy A plurality of distributed energy storage system integrated control device, characterized in that the control in consideration of the reactive power load amount of the storage system 100 connection point, the maximum amount of reactive power compensation of the energy storage system 100, and scheduling data.
상기 의사결정변수는,
상기 에너지저장시스템(100) 유효전력 발전량, 상기 에너지저장시스템(100) 무효전력 발전량을 포함하는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.
The method of claim 1,
The decision variable is,
A plurality of distributed energy storage system integrated control device, characterized in that it comprises the energy storage system (100) active power generation amount and the energy storage system (100) reactive power generation amount.
상기 제약조건은,
전력변환장치 연결지점의 유효전력 부하량, 전력변환장치 정격용량, 전력변환장치 유효전력 발전량, 계통연계 지점으로부터 에너지저장시스템(100)의 거리 및 에너지저장시스템(100)의 무효전력 보상량을 이용하여, 에너지저장시스템(100) 보상량을 결정하는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.
The method of claim 1,
The above constraints are:
Using the active power load of the power conversion device connection point, the power conversion device rated capacity, the power conversion device active power generation amount, the distance of the energy storage system 100 from the grid connection point, and the reactive power compensation amount of the energy storage system 100 , Energy storage system 100, a plurality of distributed energy storage system integrated control device, characterized in that determining the compensation amount.
통합제어부(900)는,
K-최근접 이웃 알고리즘, 서포트 벡터 머신, 결정 트리, 앙상블, 신경망, K-평균, 퍼지 중 선택되는 어느 하나 또는 복수의 인공지능 알고리즘을 이용하는 것을 특징으로 하는 다수의 분산 에너지저장시스템 통합제어 장치.The method of claim 1,
The integrated control unit 900,
K-nearest neighbor algorithm, support vector machine, decision tree, ensemble, neural network, K-means, fuzzy one or more selected from among a plurality of distributed energy storage system integrated control device, characterized in that using a plurality of artificial intelligence algorithms.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200102349A KR102256434B1 (en) | 2020-08-14 | 2020-08-14 | Multiple distributed energy storage system integrated control device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200102349A KR102256434B1 (en) | 2020-08-14 | 2020-08-14 | Multiple distributed energy storage system integrated control device |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102256434B1 true KR102256434B1 (en) | 2021-05-25 |
Family
ID=76145230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200102349A KR102256434B1 (en) | 2020-08-14 | 2020-08-14 | Multiple distributed energy storage system integrated control device |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102256434B1 (en) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113471989A (en) * | 2021-07-02 | 2021-10-01 | 东北电力大学 | Intelligent micro-grid secondary frequency control method based on wolf optimization method |
CN114123166A (en) * | 2021-10-21 | 2022-03-01 | 国网浙江省电力有限公司台州供电公司 | Source network load and storage cooperative scheduling method under new energy coupling background |
KR102514780B1 (en) | 2022-07-26 | 2023-03-29 | 메가일렉(주) | Energy storage device monitoring system based on external environmental information |
CN115882479A (en) * | 2023-02-21 | 2023-03-31 | 国网江西省电力有限公司经济技术研究院 | Distributed energy storage system multi-objective optimization configuration method for toughness improvement |
CN116073448A (en) * | 2023-03-22 | 2023-05-05 | 国网山东省电力公司临沂供电公司 | Low-carbon benefit-based power distribution system source network load storage collaborative peak shaving method |
CN116313019A (en) * | 2023-05-19 | 2023-06-23 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | Medical care data processing method and system based on artificial intelligence |
KR20230136379A (en) * | 2022-03-18 | 2023-09-26 | 한국전력공사 | System and Method for improving transient stability using power output of synchronous machine |
CN113555888B (en) * | 2021-07-03 | 2024-03-22 | 北京工业大学 | Micro-grid energy storage coordination control method |
CN118117625A (en) * | 2024-04-30 | 2024-05-31 | 宁德时代新能源科技股份有限公司 | Energy storage system power scheduling distribution method and device, storage medium and energy management system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101596345B1 (en) | 2014-12-05 | 2016-02-25 | 김규호 | Integrated electricity energy management system using smart grid |
KR20170021606A (en) * | 2015-08-18 | 2017-02-28 | 주식회사 엘지화학 | The battery energy storage system and reactive power compensation method using thereof |
KR20180085453A (en) * | 2017-01-19 | 2018-07-27 | 엘에스산전 주식회사 | Energy storage device and energy storage system comprising the same |
KR20180111180A (en) * | 2017-03-31 | 2018-10-11 | 한국전력공사 | Apparatus for managing energy storage systems |
-
2020
- 2020-08-14 KR KR1020200102349A patent/KR102256434B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101596345B1 (en) | 2014-12-05 | 2016-02-25 | 김규호 | Integrated electricity energy management system using smart grid |
KR20170021606A (en) * | 2015-08-18 | 2017-02-28 | 주식회사 엘지화학 | The battery energy storage system and reactive power compensation method using thereof |
KR20180085453A (en) * | 2017-01-19 | 2018-07-27 | 엘에스산전 주식회사 | Energy storage device and energy storage system comprising the same |
KR20180111180A (en) * | 2017-03-31 | 2018-10-11 | 한국전력공사 | Apparatus for managing energy storage systems |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113471989A (en) * | 2021-07-02 | 2021-10-01 | 东北电力大学 | Intelligent micro-grid secondary frequency control method based on wolf optimization method |
CN113555888B (en) * | 2021-07-03 | 2024-03-22 | 北京工业大学 | Micro-grid energy storage coordination control method |
CN114123166B (en) * | 2021-10-21 | 2023-10-20 | 国网浙江省电力有限公司台州供电公司 | Source network load storage collaborative scheduling method under new energy coupling background |
CN114123166A (en) * | 2021-10-21 | 2022-03-01 | 国网浙江省电力有限公司台州供电公司 | Source network load and storage cooperative scheduling method under new energy coupling background |
KR102672741B1 (en) * | 2022-03-18 | 2024-06-05 | 한국전력공사 | System and Method for improving transient stability using power output of synchronous machine |
KR20230136379A (en) * | 2022-03-18 | 2023-09-26 | 한국전력공사 | System and Method for improving transient stability using power output of synchronous machine |
KR102514780B1 (en) | 2022-07-26 | 2023-03-29 | 메가일렉(주) | Energy storage device monitoring system based on external environmental information |
CN115882479A (en) * | 2023-02-21 | 2023-03-31 | 国网江西省电力有限公司经济技术研究院 | Distributed energy storage system multi-objective optimization configuration method for toughness improvement |
CN116073448B (en) * | 2023-03-22 | 2024-03-08 | 国网山东省电力公司临沂供电公司 | Low-carbon benefit-based power distribution system source network load storage collaborative peak shaving method |
CN116073448A (en) * | 2023-03-22 | 2023-05-05 | 国网山东省电力公司临沂供电公司 | Low-carbon benefit-based power distribution system source network load storage collaborative peak shaving method |
CN116313019B (en) * | 2023-05-19 | 2023-08-11 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | Medical care data processing method and system based on artificial intelligence |
CN116313019A (en) * | 2023-05-19 | 2023-06-23 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | Medical care data processing method and system based on artificial intelligence |
CN118117625A (en) * | 2024-04-30 | 2024-05-31 | 宁德时代新能源科技股份有限公司 | Energy storage system power scheduling distribution method and device, storage medium and energy management system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102256434B1 (en) | Multiple distributed energy storage system integrated control device | |
Duchesne et al. | Recent developments in machine learning for energy systems reliability management | |
Dong et al. | Adaptive optimal fuzzy logic based energy management in multi-energy microgrid considering operational uncertainties | |
US11251620B2 (en) | Micro-grid site predictive control for multipower resource management with machine learning | |
Abunima et al. | Two-stage stochastic optimization for operating a renewable-based microgrid | |
CN105684257A (en) | Microgrid energy management system and method for controlling operation of a microgrid | |
Nazir et al. | Forecasting energy consumption demand of customers in smart grid using Temporal Fusion Transformer (TFT) | |
US11710964B2 (en) | Managing off-grid energy generation and storage | |
CN115409649A (en) | Wind power plant energy management system and method thereof | |
CN114597894A (en) | Day-ahead scheduling method and device for power distribution network considering carbon cost and multiple uncertainties | |
Pinto et al. | Coping with wind power uncertainty in unit commitment: A robust approach using the new hybrid metaheuristic deepso | |
Hu et al. | A review of short-term electricity price forecasting techniques in deregulated electricity markets | |
Hannan et al. | ANN-based binary backtracking search algorithm for VPP optimal scheduling and cost-effective evaluation | |
Amiri et al. | A primary unit commitment approach with a modification process | |
CN117578586A (en) | Distribution network optimization method and system for distributed photovoltaic access area | |
Budin et al. | Day-ahead multiple households load forecasting using deep learning and unsupervised clustering | |
Esmaeili et al. | Robust power management system with generation and demand prediction and critical loads in DC microgrid | |
Feng et al. | Advanced machine learning applications to modern power systems | |
De Caro et al. | Review of data-driven techniques for on-line static and dynamic security assessment of modern power systems | |
WO2022147299A1 (en) | Adaptive power for ai/ml systems and methods in a microgrid | |
Razmjooy et al. | A new home energy management system for smart home using improved multi-objective antlion optimization algorithm | |
Vogt et al. | Prediction of residual power peaks in industrial microgrids using artificial neural networks | |
Sala et al. | Smart multi-model approach based on adaptive Neuro-Fuzzy Inference Systems and Genetic Algorithms | |
Faria et al. | Forecasting refrigerators consumption to support their aggregated participation in demand response | |
Asgharinejad Keisami et al. | Machine learning and power system planning: Opportunities and challenges |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |