KR102498535B1 - System for managing renewable energy generator - Google Patents

System for managing renewable energy generator Download PDF

Info

Publication number
KR102498535B1
KR102498535B1 KR1020220114672A KR20220114672A KR102498535B1 KR 102498535 B1 KR102498535 B1 KR 102498535B1 KR 1020220114672 A KR1020220114672 A KR 1020220114672A KR 20220114672 A KR20220114672 A KR 20220114672A KR 102498535 B1 KR102498535 B1 KR 102498535B1
Authority
KR
South Korea
Prior art keywords
power generation
module
value
unit
distribution
Prior art date
Application number
KR1020220114672A
Other languages
Korean (ko)
Inventor
이효섭
임재륜
최상훈
이선정
김래균
박경남
Original Assignee
주식회사 인코어드 테크놀로지스
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
Priority claimed from KR1020220036528A external-priority patent/KR20230085051A/en
Application filed by 주식회사 인코어드 테크놀로지스 filed Critical 주식회사 인코어드 테크놀로지스
Priority to KR1020220114672A priority Critical patent/KR102498535B1/en
Application granted granted Critical
Publication of KR102498535B1 publication Critical patent/KR102498535B1/en

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Abstract

The present invention relates to a new-renewable energy generation management system. The new-renewable energy generation management system includes: a plurality of RTUs collecting an actual generation measurement value of new-renewable energy; and an analysis server monitoring the actual generation measurement value to control a generation facility. The RTUs include: a first control unit collecting the actual generation measurement value to determine whether an individual inverter is abnormal, and transmit a notification to the analysis server when determining an abnormality; and a second control unit controlling the generation facility in accordance with a server control command of the analysis server about the notification, while transmitting a control error to an external control center when receiving the control error from the analysis server, and receiving a preset control command in response to the control error to control a control target. The analysis server can calculate an adjustment value for adjusting a reference value to determine whether the inverter is abnormal based on an action rate for the received notification, and can transmit the value to the corresponding RTUs. Therefore, the present invention is capable of accurately predicting a power generation amount by website.

Description

신재생에너지 발전 관리 시스템{SYSTEM FOR MANAGING RENEWABLE ENERGY GENERATOR}Renewable energy generation management system {SYSTEM FOR MANAGING RENEWABLE ENERGY GENERATOR}

본 발명은 신재생에너지 발전 관리시스템에 관한 것으로, 안정적이고 신뢰성있는 발전량 데이터를 수집하고, 수집된 발전량 데이터를 기반으로 발전량을 예측하여 최적 입찰값을 결정할 수 있는 신재생에너지 발전 관리시스템에 관한 것이다. The present invention relates to a new and renewable energy generation management system, and relates to a new and renewable energy generation management system capable of collecting stable and reliable power generation data and predicting power generation based on the collected power generation data to determine an optimal bid value. .

전 세계적으로 전기에너지 소비량은 지속적으로 증가하고 있다. 그러나, 화석연료를 기반으로 한 에너지자원의 양은 한정되어 있어, 태양광발전, 풍력발전과 같은 신재생에너지 발전원의 전력생산 비중을 증가시키려는 추세를 보이고 있다.Electric energy consumption is continuously increasing worldwide. However, since the amount of energy resources based on fossil fuels is limited, there is a trend to increase the proportion of renewable energy generation sources such as solar power generation and wind power generation.

이러한 신재생에너지 발전을 활용하여 전기에너지를 생산할 경우 온실가스와 미세먼지 등의 환경오염 물질을 감소시킬 수 있을 뿐만 아니라 지속가능한 미래에너지의 관점에서 에너지 공급 안정성을 증대 시킬 수 있어 그 중요성이 날로 커지고 있다. When electric energy is produced using this renewable energy generation, it not only reduces environmental pollutants such as greenhouse gases and fine dust, but also increases the stability of energy supply from the perspective of sustainable future energy, so its importance is growing day by day. there is.

하지만, 발전시스템의 출력전력은 먼지, 구름, 눈과 같은 외부적 요인의 영향으로 하루 종일 변화하고, 계절적 요인에 의해 서도 많은 영향을 받는다. 이러한 발전 시스템은 출력전력 불확실성을 개선하고, 전력계통의 신뢰성을 향상시키며, 전력품질을 향상하기 위해서 발전 출력전력을 모니터링하여 출력전력을 예측하고 이상 발생을 탐지할 필요가 있다.However, the output power of the power generation system changes throughout the day due to the influence of external factors such as dust, clouds, and snow, and is greatly affected by seasonal factors. In order to improve output power uncertainty, improve power system reliability, and improve power quality, such power generation systems need to monitor generated output power to predict output power and detect abnormal occurrences.

이러한 발전 시스템은 안정적으로 전기를 생산하여야 하기 때문에 고장이 발생하는 경우 신속한 알림 및 조치가 이루어져야 한다. Since these power generation systems must stably produce electricity, prompt notification and action must be taken in the event of a failure.

일 예로, 태양광 발전시설은 통상 규모가 크고 태양을 많이 받을 수 있는 지역에 설치되기 때문에, 고장 발생시 즉각적인 진단이 어렵고 이를 복구하는데 많은 인력과 시간 및 비용이 소요되는 문제점이 있었다. For example, since photovoltaic power generation facilities are usually large and installed in areas that can receive a lot of sunlight, it is difficult to diagnose immediately when a failure occurs, and it takes a lot of manpower, time, and money to restore it.

특히, 발전시설에서 생산되는 발전 정보를 수집하여 전송하는 RTU가 고장나는 경우, 원격 분석서버에서 발전 상태를 확인할 수 없기 때문에 RTU가 복구될 때까지 발전시설의 발전 상황을 파악할 수 없어 발전시설의 운영에 큰 차질이 발생하는 문제점이 있었다.In particular, if the RTU, which collects and transmits power generation information produced by the power generation facility, fails, the power generation status cannot be checked on the remote analysis server, so the power generation status of the power generation facility cannot be grasped until the RTU is restored. There was a problem that caused a big setback.

또한, 일반적으로 원격 분석서버에서 발전 이상감지시 RTU를 통해 발전 설비를 제어하나, 번개 등의 특정 이벤트로 인한 설비의 고장 및 오류가 발생시 원격분석서버가 탐지할 수 없는 상황이 발생될 수도 있다. 이러한 분석서버의 오류발생시 시스템을 정상화시켜 안정적이고 신뢰할 수 있는 발전량 데이터를 확보할 필요가 있다.In addition, in general, the remote analysis server controls the power generation facility through the RTU when a power generation abnormality is detected, but a situation in which the remote analysis server cannot detect may occur when a facility failure or error occurs due to a specific event such as lightning. When an error occurs in such an analysis server, it is necessary to normalize the system to secure stable and reliable power generation data.

: 한국등록특허 제10-1492528호(2015.02.12.공고): Korea Patent Registration No. 10-1492528 (2015.02.12. Notice)

본 발명은 상술한 기술적 문제에 대응하기 위하여 안출된 것으로, 본 발명의 목적은 안정적이고 신뢰성있는 발전량 데이터를 수집할 수 있는 신재생에너지 발전 관리시스템을 제공하는 것이다. The present invention has been made to cope with the above-described technical problem, an object of the present invention is to provide a new and renewable energy generation management system capable of collecting stable and reliable power generation data.

특히, 본 발명의 목적은, 신재생에너지 발전 이상을 탐지하는 분석서버의 서버제어명령에 따라 발전 설비를 제어하되, 발전 설비 및 RTU의 하드웨어 또는 소프트웨어 등의 오류로 인해 분석서버의 제어에도 불구하고 오류가 발생될 시, 오류원인에 따라 기설정된 레벨의 QoS가 제공되도록 링토폴로지를 기반으로 오류대상을 제어할 수 있는 신재생에너지 발전 관리시스템을 제공하는 것이다.In particular, the purpose of the present invention is to control the power generation facility according to the server control command of the analysis server that detects an abnormality in renewable energy generation, but despite the control of the analysis server due to errors in the hardware or software of the power generation facility and RTU When an error occurs, it is to provide a renewable energy generation management system capable of controlling an error target based on a ring topology so that a predetermined level of QoS is provided according to the cause of the error.

또한, 신재생에너지 발전 이상을 탐지시, 인버터의 이상 판단 기준을 RTU별로 적응적으로 조정함으로써 알림이 과도 또는 과소하게 발생되는 것을 방지하여 알림발생이 필요한 상황에만 알림을 발생시키는 신재생에너지 발전 관리 시스템을 제공하는 것이다. In addition, when an abnormality in new and renewable energy generation is detected, the abnormality judgment standard of the inverter is adaptively adjusted for each RTU to prevent excessive or insufficient notification, and management of new and renewable energy generation by generating notification only when notification is required. to provide the system.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 신재생에너지 발전 관리 발전 시스템은, 신재생에너지 발전 실측치를 수집하는 복수 개의 RTU 및 상기 신재생에너지 발전 실측치를 모니터링하여 신재생에너지 발전 설비를 제어하는 분석서버를 포함하고,In order to solve the above problems, the new and renewable energy generation management and development system according to an embodiment of the present invention monitors a plurality of RTUs for collecting new and renewable energy generation measurement values and the new and renewable energy generation measurement values to generate new and renewable energy. Including an analysis server that controls power generation facilities,

상기 RTU는, 상기 신재생에너지 발전 실측치를 수집하여, 개별 인버터의 이상 여부를 판단하고, 이상 판단시 상기 분석서버로 알림을 전송하는 제1제어부 및 상기 알림에 대한 상기 분석서버의 서버제어명령에 따라 신재생에너지 발전 설비를 제어하되, 상기 분석서버로부터 제어오류를 수신시 외부 통제센터로 전송하여 상기 제어오류에 대응하여 기설정된 제어명령을 수신하여 제어대상을 제어하는 제2제어부를 포함할 수 있다. The RTU collects the actual measurement values of the new and renewable energy generation, determines whether an individual inverter has an abnormality, and in response to a first control unit that transmits a notification to the analysis server when an abnormality is determined, and a server control command of the analysis server for the notification Control the new and renewable energy power generation facilities according to the method, but transmit a control error from the analysis server to an external control center when receiving a control error and receive a preset control command in response to the control error to control the control target. there is.

이때, 상기 분석서버는, 상기 수신된 알림에 대한 조치율을 기반으로 상기 인버터의 이상 여부를 판단하는 기준값을 조정하는 조정값을 산출하여 해당 RTU로 전송할 수 있다.At this time, the analysis server may calculate an adjustment value for adjusting a reference value for determining whether the inverter is abnormal based on the action rate for the received notification and transmit it to the corresponding RTU.

또한, 상기 RTU는, 상기 제1제어부 및 제2제어부를 포함하고, 상기 분석서버로부터 제어오류를 수신시 기설정된 링토폴로지를 기반으로 상기 제어오류를 송신하는 수집모듈, 상기 링토폴로지를 기반으로 수집모듈로부터 제어오류를 수신시 외부 통제센터로 송신하고, 상기 제어오류에 대응하여 기설정된 제어명령을 수신하는 통신모듈 및 상기 링토폴로지를 기반으로 상기 제어명령에 대한 무결성을 검증하는 보안모듈을 포함할 수 있다.In addition, the RTU includes the first control unit and the second control unit, and upon receiving a control error from the analysis server, a collection module for transmitting the control error based on a preset ring topology, and collection based on the ring topology. When a control error is received from the module, it transmits to an external control center and includes a communication module for receiving a preset control command in response to the control error and a security module for verifying the integrity of the control command based on the ring topology. can

이때, 상기 수집모듈, 통신모듈 및 보안모듈은, 상기 제어오류에 따라 기설정된 레벨별 QoS를 기반으로 제어명령을 수행할 수 있다.At this time, the collection module, communication module, and security module may perform a control command based on QoS for each level preset according to the control error.

또한, 상기 수집모듈, 통신모듈 및 보안모듈은, 상기 링토폴로지를 기반으로 기설정주기로 순환하는 토큰을 수신시, 상기 토큰에 송신하고자 하는 정보 데이터를 실어 목적지 모듈로 전송하고, 상기 정보 데이터는 상기 제어오류, 기설정된 레벨의 QoS에 따른 제어명령, 상기 제어명령을 수행한 결과 중 하나가 될 수 있다.In addition, when the collection module, communication module, and security module receive a token that circulates at a predetermined cycle based on the ring topology, the token is loaded with information data to be transmitted and transmitted to a destination module, and the information data is transmitted to the destination module. It may be one of a control error, a control command according to a preset level of QoS, and a result of executing the control command.

또한, 상기 제어명령은, 신재생에너지 발전 설비에 대한 제어, RTU 링토폴로지 이상에 대한 제어, 수집모듈의 소프트웨어 업데이트 제어 및 수집모듈의 특정기능오류에 대한 제어 중 하나가 될 수 있다.In addition, the control command may be one of control for renewable energy generation facilities, control for RTU ring topology abnormality, control for software update of the collection module, and control for specific functional errors of the collection module.

또한, 상기 수집모듈, 통신모듈 및 보안모듈 중에서 이상이 발생된 이상발생모듈로 리셋신호를 출력하는 리셋모듈을 포함하고, 상기 수집모듈, 통신모듈 및 보안모듈 중 어느 하나의 모듈은, 상기 링토폴로지를 기반으로 기설정주기내에 이전 모듈로부터 토큰이 수신되지 않으면 상기 이전 모듈에 이상이 발생한 것으로 판단할 수 있다.In addition, it includes a reset module that outputs a reset signal to an abnormality generating module among the collection module, communication module, and security module, and any one of the collection module, communication module, and security module, the ring topology Based on this, if the token is not received from the previous module within a predetermined period, it can be determined that an error has occurred in the previous module.

또한, 상기 리셋모듈은, 상기 수집모듈, 통신모듈 및 보안모듈에 각각 연결되되, 연결된 모듈로부터 제어신호를 수신시 반전시켜 리셋신호를 출력하고, 리셋신호를 수신시 연결된 모듈로 리셋신호를 출력하는 결합기 및 상기 링토폴로지를 기반으로 이웃하는 결합기들 사이의 경로를 연결 또는 절체시키는 복수 개의 스위치를 포함하고, 상기 이전 모듈의 이상 발생을 감지한 모듈의 제어신호에 의해 상기 이전 모듈의 이상 발생을 감지한 모듈 및 상기 이상발생모듈에 연결된 결합기들 간의 경로가 연결될 수 있다.In addition, the reset module is connected to the collection module, the communication module, and the security module, respectively, and outputs a reset signal by inverting the control signal when receiving a control signal from the connected module, and outputs a reset signal to the connected module when receiving the reset signal. It includes a coupler and a plurality of switches that connect or switch paths between neighboring couplers based on the ring topology, and detects the occurrence of an error in the previous module by a control signal of the module that detects the occurrence of an error in the previous module. A path between one module and couplers connected to the abnormality generating module may be connected.

또한, 상기 분석서버는, 적어도 하나의 RTU로부터 알림을 수신하며, 해당 RTU로 업데이트될 조정값(Vn)을 전송하는 통신부, RTU별로 구분하여, 기설정 주기동안 수신된 알림 개수 대비 관리자에 의해 조치된 알림 개수인 조치율(T)을 산출하는 조치율 산출부 및 상기 산출된 조치율(T)과 기설정된 기준 조치율(Td)을 비교하여 조정값(Vn)을 산출하는 조정값 산출부를 포함할 수 있다.In addition, the analysis server receives a notification from at least one RTU, classifies the communication unit for transmitting the adjustment value (Vn) to be updated to the corresponding RTU, and RTU, and takes action by the manager against the number of notifications received during a preset period. Includes an action rate calculation unit that calculates the action rate (T), which is the number of notifications, and an adjustment value calculation unit that calculates an adjustment value (Vn) by comparing the calculated action rate (T) with a preset standard action rate (Td) can do.

또한, 상기 조정값 산출부는, 하기의 수학식을 이용하여 업데이트될 조정값(Vn)을 산출할 수 있다.Also, the adjustment value calculator may calculate the adjustment value Vn to be updated using the following equation.

조정값(Vn) = 이전 주기동안의 조정값(Vn-1) × (조치율(T)/기준조치율(Td))Adjustment value (Vn) = Adjustment value during the previous cycle (V n-1 ) × (Action rate (T) / Standard action rate (Td))

또한, 상기 분석서버는, 기후요소데이터 및 사이트들의 위치 데이터를 포함하는 필요 데이터를 수집하는 데이터 수집부, 상기 위치 데이터에 기초하여 연산된 천문 요소값에 기초하여 물리 모델값들을 산출하는 물리 모델 연산부, 상기 물리 모델값들에 기초하여 발전량 추정치를 연산하는 발전량 추정 연산부, 상기 발전량 추정치를 입력으로 하는 기계학습을 수행하고 기계학습의 결과에 기초하여 최종 발전량 예측치를 산출하는 기계학습 연산부 및 상기 기계학습에 대한 설정값들을 설정하는 제어부를 더 포함할 수 있다. In addition, the analysis server includes a data collection unit that collects necessary data including climate element data and location data of sites, and a physical model calculation unit that calculates physical model values based on astronomical element values calculated based on the location data. , a power generation estimate calculation unit that calculates an estimated amount of power generation based on the physical model values, a machine learning calculation unit that performs machine learning with the estimated amount of power generation as an input and calculates a final amount of power generation estimate based on a result of the machine learning, and the machine learning It may further include a control unit for setting set values for.

이때, 상기 발전 설비가 태양광 발전 설비이면, 상기 물리 모델값들은 경사면 일사량(PoA, Plane of Array) 및 유효일사량(Effective Irradiance)을 포함할 수 있다.In this case, if the power generation facility is a photovoltaic power generation facility, the physical model values may include Plane of Array (PoA) and Effective Irradiance.

또한, 상기 물리 모델 연산부는, 하기 수학식에 따라 상기 유효일사량을 결정하며, 상기 경사면 일사량은 경사면 일사량 빔(PoA Beam) 요소, 경사면 일사량 지상 반사(PoA ground reflected) 요소, 경사면 일사량 공중 확산(PoA Sky-diffuse) 요소를 포함할 수 있다.In addition, the physical model calculation unit determines the effective solar radiation according to the following equation, and the inclined surface solar radiation includes an inclined surface solar radiation beam (PoA Beam) element, an inclined surface solar radiation ground reflection element (PoA ground reflected) element, and an inclined surface solar radiation air diffusion (PoA Sky-diffuse) element may be included.

Ee= Eb * aoi_modifier +Eg + Ed E e = E b * aoi_modifier +E g + E d

(여기서, Ee= 는 유효일사량, Eb 는 경사면 일사량 빔 요소, Eg는 경사면 일사량 지상 반사 요소, 또한, Ed는 경사면 일사량 공중 확산 요소이고, aoi_modifier는 상기 태양광 모듈 어레이를 실험하여 구한 상수)(Where E e = is the effective solar radiation, E b is the solar radiation beam element on the inclined surface, E g is the solar radiation ground reflection element on the inclined surface, and E d is the air diffusion element for solar radiation on the inclined surface, and aoi_modifier is obtained by experimenting with the solar module array. a constant)

또한, 상기 발전량 추정 연산부는, 하기 수학식에 따라 상기 발전량 추정치를 결정할 수 있다.In addition, the power generation estimation operation unit may determine the power generation estimate according to the following equation.

Figure 112022095321895-pat00001
Figure 112022095321895-pat00001

(여기서, Ee는 유효일사량, E0 은 1000W/m2, Pmp는 DC 전력 추정치, Pmp0는 DC 정격 출력 전압에서의 기준 전력,

Figure 112022095321895-pat00002
는 태양광 모듈 어레이에서 실험으로 결정되는 상수, Tc는 표면온도, T0는 기준온도 (섭씨 25도))(Where E e is effective solar radiation, E 0 is 1000 W/m 2 , P mp is DC power estimate, P mp0 is the reference power at DC rated output voltage,
Figure 112022095321895-pat00002
is a constant determined by experiment in the solar module array, T c is the surface temperature, T 0 is the reference temperature (25 degrees Celsius))

또한, 상기 최종 발전량 예측치를 수신하면, 기수집된 신재생 발전에 대한 예측치 및 실측치를 포함하는 과거 발전량 데이터로부터, 상기 수신한 예측치에 대한 실측치 확률분포를 추정하는 조건부 분포 추정부 및 전력거래소의 전력시장운영규칙에 기반하여 기설정된 수익정산기준과 상기 추정된 실측치 확률분포를 이용하여 기대수익을 최대화시키는 입찰값을 산출하고, 산출된 입찰값을 최종 입찰값으로 결정하는 입찰값 결정부를 더 포함할 수 있다.In addition, when the final predicted amount of power generation is received, a conditional distribution estimator for estimating a probability distribution of the actual measured value for the received predicted value from past power generation data including previously collected predicted values and measured values for new and renewable power generation, and the power of the power exchange It may further include a bid value determination unit that calculates a bid value maximizing an expected profit using a predetermined profit calculation standard based on market operation rules and the estimated actual value probability distribution, and determines the calculated bid value as a final bid value. can

또한, 상기 조건부 분포 추정부는, 특정기간의 과거 발전량 데이터에 대해, 예측치를 이산화하여 동일값을 가지는 이산화된 예측치를 그룹으로 설정하는 예측값 이산화부, 기설정된 분포의 종류 및 최대우도추정법을 기반으로 각 그룹에 대한 실측치들의 최적 분포 파라미터를 산출하는 분포 파라미터 추정부 및 상기 산출된 최적 분포 파라미터를 이용하여 상기 기설정된 분포에 따른 각 그룹별 실측치 분포를 추정하는 실제값 분포 추정부를 포함할 수 있다.In addition, the conditional distribution estimation unit discretizes the predicted value for the past power generation data of a specific period and sets the discretized predicted value having the same value as a group, each based on a preset distribution type and maximum likelihood estimation method. It may include a distribution parameter estimator that calculates an optimal distribution parameter of measured values for a group and an actual value distribution estimator that estimates a measured value distribution for each group according to the preset distribution using the calculated optimal distribution parameter.

또한, 상기 조건부 분포 추정부는, 상기 수신한 예측치가 포함되는 해당 그룹의 실측치 확률분포를 상기 수신한 예측치에 대한 실측치 확률분포로 추정할 수 있다.In addition, the conditional distribution estimator may estimate a probability distribution of actual values of a corresponding group including the received predicted values as a probability distribution of actual values for the received predicted values.

또한, 상기 RTU에서 수집된 신재생에너지 발전 실측치 및 상기 기계학습 연산부에서 산출된 예측치 중에서, 검증기간 및 비교기간의 실측치 및 예측치를 기설정 시간단위로 추출하는 샘플추출부 및 추출된 검증기간의 실측치와 예측치에 대한 잔차분포 및 비교기간의 실측치와 예측치에 대한 잔차분포의 통계량 검증을 수행하여, 비교기간의 잔차분포와 검증기간의 잔차분포가 동일하지 않으면 상기 검증기간에 신재생에너지 발전 이상이 발생한 것으로 판단하는 이상 감지부를 더 포함할 수 있다.In addition, among the measured values of new and renewable energy generation collected by the RTU and the predicted values calculated by the machine learning operation unit, a sample extracting unit extracting the actual values and predicted values of the verification period and comparison period in a preset time unit and the extracted actual values of the verification period Statistical verification of the residual distribution for the predicted value and the measured value for the comparison period and the predicted value for the comparison period is performed. It may further include an anomaly detection unit that determines that it is.

또한 상기 이상 감지부는, 상기 잔차분포들에 대한 각각의 누적분포함수를 산출하고, 산출된 누적분포함수들 사이의 상한노름을 나타내는 통계량을 산출하는 산출부 및 상기 산출된 통계량에 기반하여 상기 비교기간의 잔차분포와 검증기간의 잔차분포가 동일 분포라는 귀무가설에 대한 검증을 수행하는 판단부를 포함할 수 있다.In addition, the anomaly detecting unit calculates each of the cumulative distribution functions for the residual distributions, and calculates a statistic representing an upper limit norm between the calculated cumulative distribution functions, and the comparison period based on the calculated statistic. It may include a determination unit that performs verification of the null hypothesis that the residual distribution of and the residual distribution of the verification period are the same distribution.

또한, 상기 판단부는, 상기 산출된 통계량이 기설정 수준(α)에 대해 다음의 기각조건을 성립하면, 상기 비교기간의 잔차분포와 검증기간의 잔차분포가 동일 분포가 아닌 것으로 판단할 수 있다.In addition, the determination unit may determine that the residual distribution of the comparison period and the verification period are not the same distribution if the calculated statistic meets the following rejection condition for the predetermined level (α).

Figure 112022095321895-pat00003
Figure 112022095321895-pat00003

여기서, Dn,m은 통계량, n은 상기 비교기간의 잔차분포에 포함된 단위시간별 잔차값들의 개수, m은 상기 검증기간의 잔차분포에 포함된 단위시간별 잔차값들의 개수임.Here, D n,m is a statistic, n is the number of residual values per unit time included in the residual distribution of the comparison period, and m is the number of residual values per unit time included in the residual distribution of the verification period.

또한, 상기 이상 감지부는, 검증기간의 잔차분포 및 비교기간의 잔차분포를 무작위 순열하여 기설정 개수의 잔차값을 포함하는 두개의 잔차분포를 생성하는 순열부를 더 포함하고, 상기 산출부는, 상기 순열부에서 생성된 두개의 잔차분포에 대한 각각의 누적분포함수를 산출하고, 산출된 누적분포함수들 사이의 상한노름을 나타내는 통계량을 산출할 수 있다.The anomaly detection unit further includes a permutation unit generating two residual distributions including a predetermined number of residual values by randomly permuting the residual distribution of the verification period and the residual distribution of the comparison period, and the calculation unit performs the permutation It is possible to calculate each cumulative distribution function for the two residual distributions generated in the section, and to calculate a statistic representing an upper limit norm between the calculated cumulative distribution functions.

또한, 복수 개의 발전 사이트의 지리적 위치를 기반으로 벤치마킹그룹을 설정하고, 벤치마킹그룹별 벤치마킹 사이트를 설정하는 사이트 설정부, 상기 벤치마킹 사이트에 대해 RTU에서 수집된 실시간 발전량 실측치를 기반으로 기설정된 예측모델을 이용하여 해당 벤치마킹그룹에 포함된 사이트 중 상기 벤치마킹 사이트를 제외한 사이트 각각에 대한 실시간 발전량 예측치를 산출하는 사이트 발전량 산출부 및 상기 산출된 사이트 각각에 대한 실시간 발전량 예측치 및 상기 벤치마킹 사이트에 대한 실시간 발전량 실측치를 합산하여 전체 사이트에 대한 실시간 전체 발전량을 추정하는 전체 발전량 추정부를 더 포함할 수 있다.In addition, a site setting unit for setting benchmarking groups based on the geographical locations of a plurality of power generation sites and setting benchmarking sites for each benchmarking group, and a predictive model preset based on real-time measured values of power generation collected from the RTU for the benchmarking sites a site power generation calculation unit that calculates a real-time power generation estimate for each of the sites included in the benchmarking group, excluding the benchmarking site, and the real-time power generation estimate for each of the calculated sites and the real-time power generation actual measurement for the benchmarking site It may further include a total generation amount estimator for estimating the total amount of power generation in real time for all sites by adding up.

또한, 상기 예측모델의 입력데이터는, 현재 시점에 대한 벤치마킹 사이트의 정규화된 발전량, 기상요소, 일사량 추정치, 기준 DC/AC 전력, DC/AC 전력 추정치 및 시간정보가 될 수 있다.In addition, the input data of the prediction model may be normalized power generation, meteorological factors, insolation estimates, reference DC/AC power, DC/AC power estimates, and time information of the benchmarking site at the current time point.

또한, 상기 사이트 발전량 산출부는, 상기 실시간 발전량 예측치 산출 대상인 특정 사이트에서 가장 인접한 벤치마킹 사이트를 선택하여 해당 용량을 획득하고, 상기 선택된 벤치마킹 사이트의 현재시점의 발전량 실측치를 상기 해당 용량으로 나누어 상기 벤치마킹 사이트의 정규화된 발전량을 산출할 수 있다.In addition, the site power generation calculation unit selects a benchmarking site closest to a specific site to be calculated for the real-time power generation estimate, obtains the corresponding capacity, and divides the measured power generation amount at the current time of the selected benchmarking site by the corresponding capacity to obtain the benchmarking site. Normalized power generation can be calculated.

기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.Other embodiment specifics are included in the detailed description and drawings.

본 발명의 일 실시 예에 따른 신재생에너지 발전 관리 시스템은, 발전 설비 및 RTU의 고장/오류 등으로 인한 분석서버의 제어오류 발생시 기설정된 레벨의 QoS에 따른 제어명령을 링토폴로지를 기반으로 전송하여 오류대상(제어대상)을 제어할 수 있다.Renewable energy generation management system according to an embodiment of the present invention transmits a control command according to a predetermined level of QoS based on a ring topology when a control error occurs in an analysis server due to a failure / error of power generation facilities and RTU The error target (control target) can be controlled.

또한, 알림 조치율을 기반으로 인버터(13a 내지 13n)의 이상 판단 기준을 RTU별로 적응적으로 조정함으로써 알림이 과도 또는 과소하게 발생되는 것을 방지하여 알림발생이 필요한 상황에만 알림이 발생될 수 있게 할 수 있다.In addition, based on the notification action rate, the abnormality judgment criteria of the inverters 13a to 13n are adaptively adjusted for each RTU to prevent excessive or insufficient notification, so that notification can be generated only in situations where notification is required. can

또한, 안정적이고 신뢰성있는 발전량 데이터(실측치) 수집을 기반으로, 사이트별 발전량을 정확하게 예측할 수 있다.In addition, based on the stable and reliable collection of power generation data (measured values), it is possible to accurately predict the amount of power generation for each site.

또한, 수집된 과거 발전량 기록으로부터 예측치와 실측치 관계를 파악하여, 주어진 예측치에 대한 실측치의 확률분포를 산출하고, 산출된 실측치의 확률분포와 수익정산기준을 이용하여 최적 입찰값을 결정함으로써 최대 수익을 기대할 수 있다. In addition, the relationship between the predicted value and the measured value is identified from the collected past power generation records, the probability distribution of the measured value for the given predicted value is calculated, and the optimal bid value is determined using the calculated probability distribution of the measured value and the profit calculation standard, thereby maximizing profits. can be expected

또한, 수집된 실측치 및 예측치를 활용하여 발전 이상여부를 판단하고, 전체 사이트에 대한 실시간 발전량을 예측하는데 활용할 수도 있다.In addition, it can be used to determine whether or not there is an abnormality in power generation by using the collected measured values and predicted values, and to predict the amount of power generation in real time for the entire site.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.Effects according to the present invention are not limited by the contents exemplified above, and more various effects are included in the present specification.

도 1은 본 발명의 실 시예에 따른 신재생에너지 발전 관리시스템의 개략적인 구성을 설명하기 위한 도면이다.
도 2는 도 1의 RTU의 개략적인 구성을 나타내는 구성 블록도이다.
도 3은 도 2의 수집부의 구성을 나타내는 구성 블록도이다.
도 4는 도 3의 수집부의 프로세서 구성을 나타내는 구성 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 링토폴로지를 이용한 RTU의 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 QoS에 따른 제어명령의 레벨을 나타내는 도면이다.
도 7은 도 5의 링토폴로지 기반의 RTU 합의 동작을 설명하기 위한 도면이다.
도 8은 도 2의 리셋모듈의 일 실시 예에 따른 구성을 나타내는 도면이다.
도 9는 도 8의 결합부의 리셋 회로도이다.
도 10은 도 1의 분석서버의 구성을 나타내는 구성 블록도이다.
도 11은 도 1의 예측서버의 구성을 나타내는 구성 블록도이다.
도 12는 도 1의 입찰값 결정 서버의 구성을 나타내는 구성 블록도이다.
도 13은 도 12의 입찰값 결정 서버의 단가함수를 설명하기 위한 그래프이다.
도 14는 도 1의 이상감지서버의 구성을 나타내는 구성 블록도이다.
도 15는 도 14의 이상감지서버의 일 실시 예에 따른 이상감지 판단을 설명하기 위한 도면이다.
도 16은 도 14의 이상감지서버의 다른 실시 예에 따른 순열을 설명하기 위한 도면이다.
도 17은 도 1의 실시간 발전량 추정서버의 구성을 나타내는 구성 블록도이다.
도 18은 도 17의 실시간 발전량 추정서버의 지리적 위치기반 벤치마킹그룹 설정을 설명하기 위한 도면이다.1 is a diagram for explaining a schematic configuration of a new and renewable energy generation management system according to an embodiment of the present invention.
2 is a configuration block diagram showing a schematic configuration of the RTU of FIG. 1;
FIG. 3 is a configuration block diagram showing the configuration of the collection unit of FIG. 2 .
FIG. 4 is a configuration block diagram showing a processor configuration of the collection unit of FIG. 3 .
5 is a diagram for explaining an operation of an RTU using a ring topology according to an embodiment of the present invention.
6 is a diagram illustrating levels of control commands according to QoS according to an embodiment of the present invention.
FIG. 7 is a diagram for explaining an operation of RTU agreement based on the ring topology of FIG. 5 .
8 is a diagram illustrating a configuration of the reset module of FIG. 2 according to an embodiment.
9 is a reset circuit diagram of the coupling unit of FIG. 8 .
10 is a configuration block diagram showing the configuration of the analysis server of FIG. 1;
11 is a configuration block diagram showing the configuration of the prediction server of FIG. 1;
FIG. 12 is a configuration block diagram showing the configuration of the bid value determination server of FIG. 1 .
FIG. 13 is a graph for explaining a unit price function of the bid value determination server of FIG. 12 .
14 is a configuration block diagram showing the configuration of the anomaly detection server of FIG. 1;
FIG. 15 is a diagram for explaining an anomaly detection determination according to an embodiment of the anomaly detection server of FIG. 14 .
16 is a diagram for explaining a permutation of the anomaly detection server of FIG. 14 according to another embodiment.
FIG. 17 is a configuration block diagram showing the configuration of the real-time generation amount estimation server of FIG. 1 .
FIG. 18 is a diagram for explaining the geographical location-based benchmarking group setting of the real-time generation amount estimation server of FIG. 17 .

이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다. The following merely illustrates the principle of the invention. Therefore, those skilled in the art can invent various devices that embody the principles of the invention and fall within the concept and scope of the invention, even though not explicitly described or shown herein. In addition, it should be understood that all conditional terms and embodiments listed in this specification are, in principle, expressly intended only for the purpose of making the concept of the invention understood, and not limited to such specifically listed embodiments and conditions. do.

또한, 이하의 설명에서 제1, 제2 등과 같은 서수식 표현은 서로 동등하고 독립된 객체를 설명하기 위한 것이며, 그 순서에 주(main)/부(sub) 또는 주(master)/종(slave)의 의미는 없는 것으로 이해되어야 한다.In addition, in the following description, ordinal expression expressions such as first and second are intended to describe objects that are equivalent and independent of each other, and in the order of main / sub or master / slave It should be understood as having no meaning.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. The above objects, features and advantages will become more apparent through the following detailed description in conjunction with the accompanying drawings, and accordingly, those skilled in the art to which the invention belongs will be able to easily implement the technical idea of the invention. .

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.Each feature of the various embodiments of the present invention can be partially or entirely combined or combined with each other, and as those skilled in the art can fully understand, various interlocking and driving operations are possible, and each embodiment can be implemented independently of each other. It may be possible to implement together in an association relationship.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들을 상세히 설명한다.Hereinafter, various embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 실 시예에 따른 신재생에너지 발전 관리시스템의 개략적인 구성을 설명하기 위한 도면이다. 본 발명의 신재생에너지 발전 관리시스템은 신재생에너지 발전을 효과적으로 관리하기 위한 시스템으로, 설명의 이해를 위해 일 예로, 태양광 발전에 대하여 설명할 수 있다. 하지만, 태양광 발전으로 한정되는 것은 아니며, 이외에 바이오, 풍력, 수력, 연료 등의 신재생에너지 발전 관리 및 응용에도 이용될 수 있다. 1 is a diagram for explaining a schematic configuration of a new and renewable energy generation management system according to an embodiment of the present invention. The new and renewable energy generation management system of the present invention is a system for effectively managing new and renewable energy generation, and solar power generation can be described as an example for understanding of the description. However, it is not limited to photovoltaic power generation, and can also be used for management and application of renewable energy generation such as bio, wind power, hydropower, and fuel.

도 1에 따르면, 본 발명의 일 실시예에 따른 신재생에너지 발전 관리시스템은, 태양광 발전에 적용되는 경우, 태양광 발전 설비(10), 태양광 발전 설비(10)로부터 수집되는 실제 태양광 발전 데이터를 수신할 수 있는 RTU(100-1 내지 100n), 분석서버(200), 데이터베이스(300) 및 태양광 모듈 어레이(11) 근방에 설치된 각종 센서류(350)를 포함할 수 있다.According to FIG. 1, the renewable energy generation management system according to an embodiment of the present invention, when applied to photovoltaic power generation, the photovoltaic power generation facility 10, the actual sunlight collected from the photovoltaic power generation facility 10 RTUs 100-1 to 100n capable of receiving power generation data, an analysis server 200, a database 300, and various sensors 350 installed near the solar module array 11 may be included.

또한, 분석서버(200)는 제어서버(210), 예측서버(220), 입찰값 결정 서버(230), 이상감지서버(240) 및 실시간 발전량 추정서버(250)를 포함할 수 있다.In addition, the analysis server 200 may include a control server 210, a prediction server 220, a bid value determination server 230, an anomaly detection server 240, and a real-time generation amount estimation server 250.

여기서, 태양광 발전 데이터는, 태양광 발전 설비(10)의 태양광 모듈 어레이(11), 접속반(12) 및 인버터(13) 각각으로부터 수집되는 정보로, 발전량(실제값), 선간전압(line voltage)과 선전류(line current), 위상, 누적발전량, 가동/비가동 상태 등의 다양한 정보들이 될 수 있다. 또한, 센서(350)로부터 수집되는 정보들도 포함할 수 있다.Here, the photovoltaic power generation data is information collected from each of the photovoltaic module array 11, the connection board 12, and the inverter 13 of the photovoltaic power generation facility 10, and the amount of power generation (actual value), line voltage ( It can be various information such as line voltage), line current, phase, cumulative power generation, operation/non-operation status, etc. Also, information collected from the sensor 350 may be included.

태양광 발전 설비(10)는 태양광 모듈 어레이(11), 접속반(12) 및 인버터(13)를 포함할 수 있으며, 본 발명의 일 실시 예에서는 도 1과 같이 도시하였으나 각 구성의 결합방식은 설계자에 의해 용이하게 변경될 수 있다. The photovoltaic power generation facility 10 may include a photovoltaic module array 11, a connection board 12, and an inverter 13, and in an embodiment of the present invention, although shown in FIG. 1, the coupling method of each component can be easily changed by the designer.

태양광 모듈 어레이(11)는 표면으로 입사되는 태양광을 전기에너지로 변환하는 복수 개의 태양전지 모듈이 직렬 또는 병렬로 연결되어 있다. 태양광 모듈 어레이(11)는 직류전류를 출력하여 접속반(12)에 제공할 수 있으며, 하나의 접속반(12)에 복수 개의 태양광 모듈 어레이(11)가 연결될 수 있다. In the photovoltaic module array 11, a plurality of solar cell modules that convert sunlight incident on the surface into electrical energy are connected in series or parallel. The photovoltaic module array 11 may output DC current and provide it to the connecting board 12, and a plurality of photovoltaic module arrays 11 may be connected to one connecting board 12.

접속반(12)은 태양광 모듈별, 시간대별 전압 정보 및 전류 정보를 측정할 수 있다. 접속반(12)에는 복수 개의 태양광 모듈 어레이(11)가 병렬로 연결될 수 있다. 접속반(12)은 태양광 모듈 어레이(11)와 인버터(13-1)를 연결하여 태양광 모듈 어레이(11)에서 발생되는 직류 전력을 직/병렬로 연결하여 수집할 수 있다. 하나의 인버터(13-1)에는 적어도 하나 이상의 접속반(12)이 연결될 수 있다.The connection panel 12 may measure voltage information and current information for each solar module and for each time period. A plurality of photovoltaic module arrays 11 may be connected in parallel to the connecting board 12 . The connecting board 12 may connect the photovoltaic module array 11 and the inverter 13-1 to collect DC power generated from the photovoltaic module array 11 by connecting them in series/parallel. At least one connection board 12 may be connected to one inverter 13-1.

인버터(13)는 복수 개의 접속반(12)과 케이블 등으로 연결되어 직류 전력을 공급받을 수 있다. 또한, 인버터(13-1)는 접속반(12)에서 직류 형태로 제공되는 발전 전력을 교류로 변환시켜 계통전원을 통하여 송전할 수 있도록 한다. 이때 인버터에서 생성한 교류 전력에 관한 정보는 사이트별로 RTU(Remote Terminal Unit, 100-1 내지 100-n)를 통하여 분석서버(200)에서 실시간 분석될 수 있다. The inverter 13 may be connected to a plurality of connection boards 12 and cables to receive DC power. In addition, the inverter 13-1 converts the generated power provided in the form of direct current from the connection board 12 into alternating current so that power can be transmitted through the grid power. At this time, information on AC power generated by the inverter may be analyzed in real time by the analysis server 200 through RTU (Remote Terminal Unit, 100-1 to 100-n) for each site.

이때, 분석서버(200)는 각 RTU로부터 수신되는 태양광 발전 데이터를 기반으로, 제어서버(210)를 통해 이상판단 기준을 조정하며, 태양광 발전 데이터의 실측치를 기반으로 이상탐지(제1이상감지)시 제어명령을 통해 태양광 발전 설비(10)를 제어할 수 있게 하고, 예측 서버(220)를 통해 발전량 데이터의 실측치인 실제값기반의 예측치를 예측하며, 입찰값 결정 서버(230)를 통해 예측값에 기반한 최적 입찰값을 결정하고, 이상감지서버(240)를 통해 태양광 발전 설비에 대해 실측치와 예측치에 기반하여 이상여부를 감지를 하며(제2이상감지), 실시간 발전량 추정서버(250)를 통해 전체 발전 사이트에 대한 실시간 발전량을 추정하는 등의 다양한 분석을 통해 전반적인 태양광 발전을 모니터링할 수 있는 AI기반 분석시스템이 될 수 있다. At this time, the analysis server 200 adjusts the anomaly judgment criterion through the control server 210 based on the photovoltaic power generation data received from each RTU, and detects anomaly (first anomaly) based on the measured value of the photovoltaic power generation data. detection), the photovoltaic power generation facility 10 can be controlled through a control command, the predicted value based on the actual value, which is the actual measured value of the power generation data, is predicted through the prediction server 220, and the bid value decision server 230 Determines the optimal bid value based on the predicted value through the anomaly detection server 240, detects whether or not there is an anomaly in the photovoltaic power generation facility based on the measured value and the predicted value through the anomaly detection server 240 (second anomaly detection), and real-time generation amount estimation server 250 ), it can become an AI-based analysis system that can monitor overall solar power generation through various analyzes, such as estimating real-time power generation for the entire power generation site.

서버들(210 내지 250)은 각각의 시스템으로 구성될 수도 있다. 각 서버의 동작은 각 실시 예에 따른 도면과 함께 설명하도록 한다.The servers 210 to 250 may be configured as individual systems. The operation of each server will be described with drawings according to each embodiment.

도 1을 참고하면, RTU(100-1)는 분석서버(200)에서 분석시 필요한 태양광 발전 데이터를 DB(300)에 저장할 수 있고, RTU(100-1)와 인버터(13-1)는 RS-485 통신 등이 가능한 케이블로 연결될 수 있다. 이때, RTU는 RS-485 통신 등을 통해 태양광 발전 데이터를 수집하고, 제어서버(210)의 실제값 기반의 이상감지에 따른 제어명령(관리자 조치에 따른 설비 제어명령 등)을 제어서버(210)로부터 수신하여 태양광 발전 설비를 제어할 수 있다.Referring to FIG. 1, the RTU (100-1) can store photovoltaic power generation data necessary for analysis in the analysis server (200) in the DB (300), and the RTU (100-1) and the inverter (13-1) It can be connected with a cable capable of RS-485 communication. At this time, the RTU collects photovoltaic power generation data through RS-485 communication, etc., and sends control commands (facility control commands according to administrator actions, etc.) according to the actual value-based abnormality detection of the control server 210 to the control server 210. ) to control the photovoltaic power plant.

태양광 발전에 대한 전반적인 제어 및 관리는 분석서버(200)를 통해 통제될 수 있으며, RTU(100-1)의 하드웨어적 또는 소프웨어적 오류 발생이나 태양광 발전 설비(10)의 하드웨어 오류 등으로 인해 분석서버(200)의 제어오류(분석서버(200) 제어명령에 따른 조치에도 발전 이상이 감지되는 경우)가 발생될 경우, 본 발명의 일 실시 예에 따른 태양광 발전을 위한 RTU(100)는 제어오류에 대한 레벨별 QoS를 제공하여 제어오류의 원인인 제어대상을 제어함으로써 태양광 발전 시스템을 정상화시킬 수 있다.The overall control and management of solar power generation can be controlled through the analysis server 200, and due to hardware or software errors in the RTU (100-1) or hardware errors in the solar power generation facility (10). When a control error of the analysis server 200 occurs (when power generation abnormality is detected even in response to the control command of the analysis server 200), the RTU 100 for photovoltaic power generation according to an embodiment of the present invention It is possible to normalize the photovoltaic power generation system by controlling the control target, which is the cause of the control error, by providing QoS for each level for control errors.

여기서, 제어오류는 제어서버(210)에서 이상탐지로 인해 태양광 발전 설비(10)를 제어시 정상복구되지 않고 이상발생으로 확인될 시 또는 필요(일예로, RTU의 소프트웨어 업데이트로 인한 제어오류 발생시)에 따라 분석서버(200)가 해당 제어오류에 대한 알림을 RTU(100-1)로 제공할 수 있고, 본 발명의 일 실시 예에 따른 RTU(100-1)는 링토폴로지를 기반으로 해당 제어오류에 대한 통제를 수행할 수 있다. Here, the control error is when the control server 210 is not restored to normal when controlling the photovoltaic power plant 10 due to abnormality detection, and when it is confirmed as an abnormality or necessary (eg, when a control error occurs due to RTU software update) ), the analysis server 200 may provide notification of the control error to the RTU 100-1, and the RTU 100-1 according to an embodiment of the present invention controls the control based on the ring topology. Error control can be performed.

도 2는 본 발명의 일 실시 예에 따른 RTU의 개략적인 구성을 나타내는 구성 블록도이다. 도 3은 도 2의 수집부의 구성을 나타내는 구성 블록도이다.2 is a configuration block diagram showing a schematic configuration of an RTU according to an embodiment of the present invention. FIG. 3 is a configuration block diagram showing the configuration of the collection unit of FIG. 2 .

도 2를 참고하면, 본 발명의 일 실시 예에 따른 RTU(100)는 수집모듈(110), 통신모듈(120), 보안모듈(130)을 포함할 수 있고, 리셋모듈(140)을 더 포함할 수 있다. 또한, 도 3을 참고하면, 수집부(110)는 제1통신부(111), 제2통신부(112), 메모리부(113) 및 프로세서(114)를 포함할 수 있고, 프로세서(114)는 도 4와 같이 제1제어부(114-1) 및 제2제어부(114-2)를 포함할 수 있다, Referring to FIG. 2 , the RTU 100 according to an embodiment of the present invention may include a collection module 110, a communication module 120, and a security module 130, and further includes a reset module 140. can do. In addition, referring to FIG. 3 , the collection unit 110 may include a first communication unit 111, a second communication unit 112, a memory unit 113, and a processor 114, and the processor 114 may include a 4, may include a first control unit 114-1 and a second control unit 114-2,

또한, 도 1의 복수의 RTU(100-1 내지 100-n)은 도 2의 RTU(100)의 구성을 포함할 수 있고, 동일한 기능을 구현할 수 있다.Also, the plurality of RTUs 100-1 to 100-n of FIG. 1 may include the configuration of the RTU 100 of FIG. 2 and implement the same functions.

또한, 도 5를 참고하면, 수집모듈(110), 통신모듈(120), 보안모듈(130)은 기설정된 링토폴로지를 기반으로 토큰(T)을 순환하는 링토폴로지를 형성할 수 있다.Also, referring to FIG. 5 , the collection module 110, the communication module 120, and the security module 130 may form a ring topology in which tokens T are circulated based on a preset ring topology.

여기서, 수집모듈(110)는 제1제어부(114-1)를 통해 링통신을 수행하고, 수집모듈(110) 내의 각 구성들로부터 발생되는 데이터들을 링토폴로지를 기반으로 목적지(분석서버(200), 태양광설비(10), 외부 통제센터(400) 중 어느 하나)로 전송할 수 있다. Here, the collection module 110 performs ring communication through the first control unit 114-1, and sends data generated from each component in the collection module 110 to the destination (analysis server 200) based on the ring topology. , the photovoltaic facility 10, or any one of the external control center 400).

각 모듈(110 내지 130)은 하나의 물리적 송수신 포트를 구비할 수 있으나, 논리적으로는 제1방향의 링토폴로지(a) 및 제1방향의 역방향인 제2방향의 링토폴로지(b)를 구비하여 양방향 링토폴로지를 형성할 수 있다. Each module 110 to 130 may have one physical transmit/receive port, but logically, it has a first-direction ring topology (a) and a second-direction ring topology (b) that is reverse to the first direction. A bidirectional ring topology can be formed.

각 모듈(110 내지 130)은 기설정된 링토폴로지를 기반으로 순환되는 토큰을 수신하며, 자신의 차례에 토큰에 정보데이터, 목적지모듈, 우선권 정보 등을 포함시켜 전송할 수 있다. 이때, 특정모듈 즉, 모듈(110 내지 130) 중 하나의 모듈에서 정보데이터가 포함된 토큰을 수신시, 목적지 모듈이 자신이면 정보데이터를 수신하고, 목적지 모듈이 자신이 아니면 기설정된 링토폴로지를 기반으로 다음 모듈로 수신된 토큰을 전송할 수 있다. 또한, 목적지 모듈에서 정보데이터를 포함한 토큰의 수신이 확인되면 해당 토큰에서 정보가 삭제되고 프리토큰이 링토폴로지를 기반으로 다시 순환될 수 있다.Each module 110 to 130 receives a token that is circulated based on a preset ring topology, and may transmit information data, destination module, priority information, etc. to the token in its own turn. At this time, when a token including information data is received by a specific module, that is, one of the modules 110 to 130, information data is received if the destination module is itself, and if the destination module is not itself, it receives the information data based on the preset ring topology. to transfer the received token to the next module. In addition, when reception of the token including information data is confirmed in the destination module, the information is deleted from the corresponding token, and the free token can be circulated again based on the ring topology.

수집모듈(110)은 태양광 발전 설비(10)로부터 기설정주기로 태양광 발전 데이터를 수집하여 태양광 발전 이상 발생을 감지하는 분석서버(200)로 전송하고, 분석서버(200)로부터 수신되는 서버제어명령에 따라 태양광 발전 설비를 제어할 수 있다. 이때, 서버제어명령은 관리자의 조치에 따른 제어값 또는 직접 조치를 위한 알림 등이 될 수 있다.The collection module 110 collects photovoltaic power generation data from the photovoltaic power generation facility 10 at a preset cycle, transmits the data to the analysis server 200 that detects the occurrence of an abnormality in photovoltaic power generation, and the server received from the analysis server 200. The solar power plant can be controlled according to the control command. In this case, the server control command may be a control value according to an administrator's action or a notification for direct action.

또한, 본 발명의 일 실시 예에 따른 수집모듈(110)은 분석서버(200)로부터 제어오류를 수신시 기설정된 링토폴로지를 기반으로 제어오류를 외부의 통제센터(400)로 송신할 수 있다.In addition, when receiving a control error from the analysis server 200, the collection module 110 according to an embodiment of the present invention may transmit the control error to the external control center 400 based on a preset ring topology.

이를 위해, 수집모듈(110)은 데이터의 수집, 저장, 전송, 처리 등을 수행할 수 있는 복수 개의 소프트웨어가 설치되어 프로세서(114)의 제1제어부(111-1)에 의해 제어될 수 있으며, 각 구성이 모듈로 포함될 수도 있다.To this end, the collection module 110 may be controlled by the first control unit 111-1 of the processor 114 by installing a plurality of software capable of collecting, storing, transmitting, processing, etc. of data, Each component may be included as a module.

통신모듈(120)은 링토폴로지를 기반으로 수집모듈(110)로부터 제어오류를 수신시 외부 통제센터(400)로 송신하고, 제어오류에 대응하여 기설정된 제어명령을 수신할 수 있다.Upon receiving a control error from the collection module 110 based on the ring topology, the communication module 120 may transmit the message to the external control center 400 and receive a preset control command in response to the control error.

보안모듈(130)은 링토폴로지를 기반으로 제어명령에 대한 무결성을 실시간 클럭(RTC)을 기반으로 검증할 수 있다. The security module 130 may verify the integrity of the control command based on the ring topology based on the real time clock (RTC).

이때, 각 모듈(110 내지 130) 중 적어도 하나는, 링토폴로지를 기반으로 제어명령을 수신시 제어명령에 따라 제어대상 즉, 오류 대상을 제어할 수 있다.At this time, when at least one of the modules 110 to 130 receives a control command based on the ring topology, it may control a control target, that is, an error target, according to the control command.

본 발명의 일 실시 예에 따른 RTU(100)는 제어오류에 따라 기설정된 레벨별 QoS를 기반으로 제어명령을 수행할 수 있다. 일 예로, 하기와 같이 정의될 수 있으며, 이에 한정되지 않으며 설계자에 의해 보다 세부 구분되거나 추가될 수도 있다.The RTU 100 according to an embodiment of the present invention may perform a control command based on QoS for each level preset according to a control error. For example, it may be defined as follows, but is not limited thereto and may be further divided or added by a designer.

Figure 112022095321895-pat00004
Figure 112022095321895-pat00004

이때, 각 제어레벨(Level1 내지 Level4)은 수집모듈(110)에 의한 안정성, 보안모듈(120)에 의한 보안성 및 통신모듈(130)에 의한 원격제어를 기반으로 제어오류에 대한 통제를 구분할 수 있으며, 우선시되는 요소(안정성, 보안성 및 원격제어)에 따라 레벨이 구분될 수 있다. At this time, each control level (Level 1 to Level 4) can be divided into control for control errors based on stability by the collection module 110, security by the security module 120, and remote control by the communication module 130. Levels can be divided according to prioritized elements (stability, security, and remote control).

여기서, 안정성은 태양광 발전 시스템의 안정화를 위해 수집모듈(110)의 정상동작 유지가 될 수 있다.Here, the stability may be maintaining the normal operation of the collection module 110 for stabilization of the photovoltaic power generation system.

보안성은 참여자들의 무결성 및 인증을 통한 보안유지가 될 수 있다.Security can be security maintenance through integrity and authentication of participants.

원격제어는 제어수행에 참여하는 참여자(Owner : 통제센터(400), 서비스 관리 단말(500) 및 사용자 단말(600))들의 합의에 따른 제어대상의 제어가 될 수 있다.Remote control may be control of a control object according to an agreement among participants (Owner: the control center 400, the service management terminal 500, and the user terminal 600) participating in the control.

각 레벨에서 우선시되는 요소(안정성, 보안성 및 원격제어)는 도 6을 통해 확인할 수 있다. Priority factors (stability, security, and remote control) at each level can be confirmed through FIG. 6 .

도 6은 본 발명의 일 실시 예에 따른 QoS에 따른 제어명령의 레벨을 나타내는 도면이다. 도 6을 참고하면, 각 레벨별 QoS에 따른 제어명령의 우선시되는 요소를 확인할 수 있다. 이때, 각 레벨은 모든 요소를 기반으로 하나, 특히 우선시 되는 요소를 구분한 것이다.6 is a diagram illustrating levels of control commands according to QoS according to an embodiment of the present invention. Referring to FIG. 6 , prioritized elements of control commands according to QoS for each level can be confirmed. At this time, each level is based on all elements, but the elements with particular priority are distinguished.

가장 높은 레벨인 레벨4는 모든 요소에 대한 최대 확보를 기반으로 하며, 특히 원격제어에 중점을 둘 수 있다. 또한, 레벨3은 안정성에 중점을 두고, 레벨2는 보안성, 레벨1은 각 요소의 최소지원이 될 수 있다.Level 4, the highest level, is based on maximal securing of all elements, and can focus on remote control in particular. In addition, level 3 focuses on stability, level 2 can be security, and level 1 can be the minimum support of each element.

한편, 각 레벨에 따른 제어명령은 도 5와 같은 링토폴로지를 기반으로 목적지모듈로 전송되어 제어대상을 제어할 수 있으며, 이때 제어명령은 도 7과 같은 합의 및 무결성 검증이 완료된 후 링토폴로지를 통해 전송될 수 있다.On the other hand, control commands according to each level can be transmitted to the destination module based on the ring topology as shown in FIG. 5 to control the control target. At this time, the control commands are sent through the ring topology after the agreement and integrity verification as shown in FIG. 7 are completed. can be transmitted

도 5 내지 도 7을 통해, 본 발명의 일 실시 예에 따른 각 레벨별 QoS를 기반으로 제어명령을 수행하는 과정을 설명할 수 있다.5 to 7, a process of performing a control command based on QoS for each level according to an embodiment of the present invention can be described.

본 발명의 일 실시 예에 따른 RTU(100)의 보안모듈(130)은 실시간 클럭(RTC)을 기반으로 기설정주기로 링토폴로지를 순환하는 최초 토큰을 생성하여 다음모듈로 전송할 수 있다. 이때 토큰은 프리토큰이 될 수 있으며, 각 모듈(110 내지 130)은 링토폴로지를 기반으로 기설정주기로 순환하는 토큰을 자신의 차례에 수신하면, 토큰에 송신하고자 하는 정보 데이터를 실어 목적지 모듈로 전송할 수 있다. The security module 130 of the RTU 100 according to an embodiment of the present invention may generate an initial token that circulates the ring topology at a predetermined cycle based on a real-time clock (RTC) and transmit it to the next module. At this time, the token may be a free token, and when each module 110 to 130 receives a token that circulates at a predetermined cycle based on the ring topology in its own turn, the token is loaded with information data to be transmitted and transmitted to the destination module. can

여기서, 정보 데이터는 제어오류, 기설정된 레벨의 QoS에 따른 제어명령, 제어명령을 수행한 결과 중 하나가 될 수 있다. 즉, 각 레벨에 따른 QoS제공을 위해 해당 모듈(110 내지 130)에서 기능수행에 따른 정보데이터를 실을 수 있다.Here, the information data may be one of a control error, a control command according to a predetermined level of QoS, and a result of executing a control command. That is, in order to provide QoS according to each level, information data according to function execution in the corresponding module 110 to 130 can be loaded.

또한, 제어오류는 태양광 발전 설비(사이트)의 이상, RTU 링토폴로지 이상, 수집모듈(110)의 소프트웨어 업데이트에 따른 제어오류 및 수집모듈(110)의 특정기능 이상에 따른 오류 등이 될 수 있다. 제어오류는 분석서버(200)의 태양광 발전 이상여부, 태양광 발전 데이터(발전량 실측치 등) 등의 분석에 따라 태양광 발전의 이상인지, RTU의 이상인지 등이 결정 또는 예측되어 분석서버(200)로부터 수신될 수 있다. In addition, the control error may be a photovoltaic power generation facility (site) error, an RTU ring topology error, a control error due to software update of the collection module 110, and an error due to a specific function error of the collection module 110. . The control error is determined or predicted by the analysis server 200 to determine whether it is an error in solar power generation or an error in RTU according to the analysis of photovoltaic power generation data (measured value of power generation, etc.), etc. ) can be received from

또한, 제어명령은 태양광 발전 설비에 대한 제어, RTU 링토폴로지 이상에 대한 제어, 수집모듈의 소프트웨어 업데이트 제어 및 수집모듈의 특정기능오류에 대한 제어 등이 될 수 있다.In addition, the control commands may be control of photovoltaic power generation facilities, control of RTU ring topology abnormalities, control of software update of collection modules, and control of specific functional errors of collection modules.

가장 높은 레벨인 레벨4는 모든 요소에 대한 최대 확보를 기반으로 하며, 특히 원격제어에 중점을 둘 수 있다. 일 예로, 제1방향의 토폴로지(a)를 기반으로 링토폴로지가 수행되는 경우, 수집모듈(110)은 분석서버(200)로부터 제어오류를 수신시, 자신의 차례에 수신되는 토큰에 제어오류를 실어 송신할 수 있다. 이때, 토큰에는 목적지 모듈이 통신모듈(120)로 지정되고 제어오류가 태양광 발전 이상인 경우 레벨4가 우선권 정보로 포함될 수 있다.Level 4, the highest level, is based on maximal securing of all elements, and can focus on remote control in particular. For example, when the ring topology is performed based on the first-direction topology (a), the collection module 110, upon receiving a control error from the analysis server 200, assigns a control error to a token received in its own turn. can be loaded and sent. At this time, the token may include level 4 as priority information when the destination module is designated as the communication module 120 and the control error is more than solar power generation.

제1방향의 토폴로지(a)를 기반으로 수집모듈(110)은 정보데이터를 포함하는 토큰을 보안모듈(130)로 전송하며, 보안모듈(130)은 목적지모듈을 확인하여 자신이 아니므로 다음모듈인 통신모듈(120)로 수신된 정보데이터가 포함된 토큰을 전송할 수 있다. Based on the topology (a) of the first direction, the collection module 110 transmits a token including information data to the security module 130, and the security module 130 checks the destination module, and since it is not itself, the next module A token including information data received through the communication module 120 may be transmitted.

통신모듈(120)은 목적지모듈이 자신이므로 정보데이터의 제어오류를 통제센터(400)로 전송하고 제어오류에 대응되는 제어명령을 수신하여 제어명령에 대응하는 QoS를 제공할 수 있다. 즉, 도 7과 같이 참여자들(서비스 관리 단말(500) 및 사용자 단말(600))의 제어명령 수행에 대한 합의를 요청하고, 모든 참여자 단말이 합의한 경우 보안모듈(120)로 무결성 검증을 요청하는 정보데이터를 토큰에 실어 전송할 수 있다. Since the communication module 120 is the destination module itself, it can transmit a control error of information data to the control center 400, receive a control command corresponding to the control error, and provide QoS corresponding to the control command. That is, as shown in FIG. 7, requesting agreement on the execution of a control command by participants (service management terminal 500 and user terminal 600), and requesting integrity verification to the security module 120 when all participant terminals agree. Information data can be loaded on tokens and transmitted.

보안모듈(120)이 링토폴로지(a)를 기반으로 토큰을 수신시 참여자 단말들에 대한 인증을 수행하여 무결성을 검증하고, 검증이 완료되면 통신모듈(110)은 수집모듈(120)로 제어명령 즉, 레벨4에 따른 태양광 발전 설비 제어(일 예로, 설비의 일부 또는 전체의 전원을 리셋)하는 명령을 전송할 수 있다.When the security module 120 receives a token based on the ring topology (a), it verifies integrity by performing authentication on the participant terminals, and when the verification is completed, the communication module 110 sends a control command to the collection module 120. That is, a command for controlling solar power generation facilities according to level 4 (for example, resetting the power of some or all of the facilities) may be transmitted.

수집모듈(120)은 제어명령을 수신시 제어대상인 태양광 발전 설비로 제어명령을 전송하여 제어할 수 있으며, 제어명령 결과를 확인하여 태양광 발전 설비의 정상동작을 토큰에 실어 통제센터(400)로 알림할 수 있다. When receiving a control command, the collection module 120 transmits a control command to the photovoltaic facility to be controlled for control, checks the result of the control command, and loads the normal operation of the photovoltaic facility to the control center 400 can be notified by

여기서 정상동작 확인은 제어명령 이후 태양광 발전 설비로부터 수신되는 태양광 발전 데이터에 이상이 없음을 확인하는 동작 등을 통해 확인 할 수 있으며, 기설정된 시간내에 통제센터(400)로 알림되어야 한다. 이에 따라, 레벨4에 따른 QoS는 제어명령의 무결성과 제어명령 수행결과에 대한 응답확인을 통한 신뢰성을 확보할 수 있다. Here, the normal operation confirmation can be confirmed through an operation to confirm that there is no abnormality in the photovoltaic power generation data received from the photovoltaic power generation facility after the control command, and must be notified to the control center 400 within a preset time. Accordingly, QoS according to level 4 can secure reliability through the integrity of control commands and the confirmation of responses to control command execution results.

이때, 레벨4에 따른 제어오류 전송부터 제어명령 수행결과에 대한 응답확인까지의 과정동안 링토폴로지는 레벨4에 따른 QoS가 제공되도록 보장될 수 있다.In this case, the ring topology can be guaranteed to provide QoS according to level 4 during a process from transmitting a control error according to level 4 to confirming a response to a control command execution result.

또한, 레벨3은 모든 요소(원격제어, 보안 및 안정성)를 기반으로 하되, 특히 안정성에 중점을 두며 즉각적인 처리를 위해 시간요소를 우선으로 할 수 있다. 일 예로, 도 5를 참고하면, 수집모듈(110), 보안모듈(120) 및 통신모듈(130)은 기설정된 링토폴로지(a)를 기반으로 기설정주기로 순환되는 토큰의 전송을 이용하여 이전 모듈의 통신상태를 감지할 수 있다.In addition, Level 3 is based on all factors (remote control, security, and stability), but particularly focuses on stability, and may prioritize time factors for immediate processing. As an example, referring to FIG. 5 , the collection module 110, the security module 120, and the communication module 130 use the transmission of a token circulated at a preset cycle based on a preset ring topology (a) to transfer the previous module. communication status can be detected.

구체적으로, 각 모듈(110 내지 130)은 보안모듈(120)의 실시간 클럭에 동기화하여 타이머를 구동하여 실시간으로 기설정주기를 체크할 수 있다. 이때, 각 모듈(110 내지 130)은 기설정 주기내에 이전 모듈로부터 순환 중인 토큰이 수신되지 않으면 이전 모듈에 이상이 발생한 것으로 판단할 수 있다.Specifically, each of the modules 110 to 130 may check a predetermined period in real time by driving a timer in synchronization with the real time clock of the security module 120 . At this time, each module 110 to 130 may determine that an error has occurred in the previous module if the token in circulation is not received from the previous module within a predetermined period.

이때, 이전 모듈의 이상을 판단한 특정모듈(110 내지 130 중 하나의 모듈)은 해당 모듈의 이상을 통제센터(400)로 알림하고, 통제센터(400)로부터 제어명령 즉, 이상발생 모듈의 전원 스위치를 리셋시키는 제어명령을 수신시 리셋모듈(140)로 전송하여 이상발생 모듈의 스위치를 리셋시킬 수 있다. At this time, the specific module (one module among 110 to 130) that has determined the abnormality of the previous module notifies the control center 400 of the abnormality of the module, and gives a control command from the control center 400, that is, the power switch of the abnormal module. When a control command for resetting is received, it may be transmitted to the reset module 140 to reset the switch of the abnormal module.

한편, 즉각적인 처리를 위해 통제센터(400)로 제어오류(이상발생모듈)의 감지를 알림하는 대신 이상발생모듈을 판단한 특정모듈에서 제어명령(이상발생모듈의 전원 스위치 리셋명령)을 직접적으로 리셋모듈(140)로 전송할 수도 있다. 즉, 이 경우 제어명령에 대한 합의과정을 생략할 수 있다.On the other hand, instead of notifying the control center 400 of the detection of a control error (abnormal module) for immediate processing, a control command (power switch reset command of the abnormal module) is directly sent to the reset module in a specific module that determines the abnormal module It can also be sent to (140). That is, in this case, the process of agreement on the control command can be omitted.

또는 리셋모듈(140)은 일 예로, 도 8 및 도 9와 같이 구성될 수도 있다. 도 8은 도 2의 리셋모듈의 일 실시 예에 따른 구성을 나타내는 도면이다. 도 9는 도 8의 결합부의 리셋 회로도이다.Alternatively, the reset module 140 may be configured as shown in FIGS. 8 and 9, for example. 8 is a diagram illustrating a configuration of the reset module of FIG. 2 according to an embodiment. 9 is a reset circuit diagram of the coupling unit of FIG. 8 .

복수 개의 모듈(110 내지 130) 중 특정 모듈에서 이전 모듈의 이상 발생을 감지하면, 이상발생모듈을 리셋시키기 위한 제어신호를 리셋모듈(140)로 출력할 수있다. 이때, 복수 개의 모듈(110 내지 130)은 리셋모듈(140)로 제어신호를 출력하기 위한 2개의 출력단을 구비할 수 있으며, 이전 모듈의 이상 발생을 감지한 특정모듈은 링토폴로지를 기반으로 즉, 제1방향 링토폴로지(a)인지 제2방향 링토폴로지(b)인지에 따라 특정 제1출력단(P1) 또는 제2출력단(P1)로 제어신호를 출력할 수 있다. 이때, 제어신호는 기설정 전압의 펄스신호가 될 수 있다. When a specific module among the plurality of modules 110 to 130 detects the occurrence of an abnormality in the previous module, a control signal for resetting the abnormal module may be output to the reset module 140 . At this time, the plurality of modules 110 to 130 may have two output terminals for outputting control signals to the reset module 140, and the specific module that detects the occurrence of an abnormality in the previous module is based on the ring topology, that is, Depending on whether the first-direction ring topology (a) or the second-direction ring topology (b) is selected, a control signal may be output to a specific first output terminal P1 or a second output terminal P1. At this time, the control signal may be a pulse signal of a preset voltage.

또한, 복수 개의 모듈(110 내지 130)은 링토폴로지를 기반으로 이상 발생시, 이웃하는 모듈로부터 리셋신호를 수신하기 위한 리셋입력단이 구비될 수 있다.In addition, the plurality of modules 110 to 130 may be provided with a reset input terminal for receiving a reset signal from a neighboring module when an error occurs based on the ring topology.

리셋모듈(140)은 이전 모듈의 이상 발생을 감지한 특정모듈로부터 이상발생모듈을 리셋시키기 위한 제어신호를 수신시 이상발생모듈로 리셋신호를 출력할 수 있다.The reset module 140 may output a reset signal to the abnormality generating module when receiving a control signal for resetting the abnormality generating module from a specific module that detects the abnormality of the previous module.

도 8을 참고하면, 리셋모듈(140)은 결합기(151 내지 153), 스위치(161 내지 163) 및 XOR게이트(171 내지 173)를 포함할 수 있다.Referring to FIG. 8 , the reset module 140 may include couplers 151 to 153 , switches 161 to 163 , and XOR gates 171 to 173 .

이때, 결합기(151 내지 153)는 복수 개의 모듈(110 내지 130)에 일대일로 연결되며, 연결된 해당 모듈로부터 제어신호를 수신시 반전시켜 리셋신호를 출력할 수 있다. 또한, 결합기(151 내지 153)는 다른 모듈의 결합기로부터 출력된 리셋신호를 수신시 연결된 해당모듈로 리셋신호를 출력할 수 있다.At this time, the couplers 151 to 153 are connected to the plurality of modules 110 to 130 one-to-one, and upon receiving a control signal from the connected module, it is inverted to output a reset signal. In addition, the couplers 151 to 153 may output a reset signal to the connected module when receiving a reset signal output from a coupler of another module.

즉, 각 결합기(151 내지 153)는 각 모듈(110 내지 130)에 구비된 제1출력단(P1) 및 제2출력단(P2)과 연결되어 하나의 출력단으로부터 제어신호를 수신하고, 다른 모듈의 결합기로부터 출력된 리셋신호를 수신시 연결된 해당모듈의 리셋입력단으로 리셋신호를 출력할 수 있다.That is, each coupler 151 to 153 is connected to the first output terminal P1 and the second output terminal P2 provided in each module 110 to 130 to receive a control signal from one output terminal and combiner of another module. When receiving the reset signal output from , the reset signal can be output to the reset input terminal of the connected module.

스위치(171 내지 173)는 결합기들(151 내지 153) 사이의 경로를 연결 또는 절체시켜 링토폴로지를 기반으로 특정 결합기에서 발생된 리셋신호를 이상발생모듈의 결합기를 통해 출력될 수 있도록, 경로를 형성할 수 있다.The switches 171 to 173 connect or switch paths between the couplers 151 to 153 to form a path so that a reset signal generated in a specific coupler can be output through the coupler of the abnormality generating module based on the ring topology. can do.

이때, 결합기(152)는 제1신호변환부(181), 제2신호변환부(182), 신호전송부(183) 및 리셋방지부(184)를 포함할 수 있으며, 도 9와 같은 회로로 설계될 수 있다. 이때, 도 9의 회로는 하나의 일 실시 예이며, 각 구성의 기능을 구현하는 다양한 소자들로 대체하여 구현될 수도 있다.At this time, the combiner 152 may include a first signal conversion unit 181, a second signal conversion unit 182, a signal transmission unit 183, and a reset prevention unit 184, and the circuit shown in FIG. can be designed At this time, the circuit of FIG. 9 is one embodiment, and may be implemented by replacing with various elements that implement the function of each component.

제1신호변환부(181)는 연결된 모듈의 제1출력단(P1)으로부터 출력되는 제어신호를 반전시켜 이웃하는 결합기 사이에 연결된 스위치로 출력할 수 있다. 또한, 제2신호변환부(182)는 연결된 모듈의 제2출력단(P2)으로부터 출력되는 제어신호를 반전시켜 이웃하는 결합기 사이에 연결된 스위치로 출력할 수 있다.The first signal conversion unit 181 may invert the control signal output from the first output terminal P1 of the connected module and output the inverted control signal to a switch connected between adjacent couplers. In addition, the second signal conversion unit 182 may invert the control signal output from the second output terminal P2 of the connected module and output it to a switch connected between adjacent couplers.

이때, 제어신호는 제1출력단(P1) 또는 제2출력단(P2) 중 하나의 출력단을 통해 결합기에 수신되며, 제어신호를 출력할 출력단은 링토폴로지를 기반으로 설계자에 의해 결정될 수 있다.At this time, the control signal is received by the combiner through one of the first output terminal P1 or the second output terminal P2, and the output terminal to output the control signal may be determined by a designer based on the ring topology.

도 9를 살펴보면, 제1신호변환부(181) 및 제2신호변환부(182)는 트랜지스터(TR)로 구현될 수 있으며, 바이어스 저항이 베이스(2,5)에 연결되고, 전원(VCC)과 콜렉트(3,6) 사이에 풀업저항이 연결될 수 있다. Referring to FIG. 9, the first signal conversion unit 181 and the second signal conversion unit 182 may be implemented as a transistor TR, a bias resistor is connected to the bases 2 and 5, and a power supply VCC A pull-up resistor may be connected between and the collectors 3 and 6.

제1신호변환부(181)는 연결된 모듈의 제1출력단(P1)과 베이스(2)가 직렬연결되고, 콜렉트(3)가 이웃하는 제1결합기(일 예로, 자신을 기준으로 링토폴로지의 제1방향(도 3에서 a)으로 이웃하는 결합기) 사이의 경로를 연결 또는 절체시키는 제1스위치에 직렬연결된 제1TR이 될 수 있다.The first signal conversion unit 181 has a first coupler (for example, a ring topology based on itself) in which the first output terminal P1 of the connected module and the base 2 are connected in series, and the collector 3 is adjacent to the first coupler. It may be a first TR connected in series to a first switch that connects or switches paths between adjacent couplers in one direction (a in FIG. 3).

또한, 제2신호변환부(181)는 연결된 모듈의 제2출력단(P2)과 베이스(5)가 직렬연결되고 콜렉트(6)가 이웃하는 제2결합기(일 예로, 자신을 기준으로 링토폴로지의 제2방향(도 3에서 b)으로 이웃하는 결합기) 사이의 경로를 연결 또는 절체시키는 제2스위치에 직렬연결된 제2TR이 될 수 있다.In addition, the second signal conversion unit 181 is a second coupler in which the second output terminal P2 of the connected module and the base 5 are connected in series and the collector 6 is adjacent (for example, of the ring topology based on itself) It may be a second TR connected in series to a second switch that connects or switches paths between neighboring couplers in the second direction (b in FIG. 3).

이때, 제1신호변환부(181) 및 제2신호변환부(182)의 콜렉트(6)는 연결된 모듈의 리셋 입력단에 연결되어, 리셋입력단에 전원(Vcc)을 공급할 수 있다.At this time, the collector 6 of the first signal conversion unit 181 and the second signal conversion unit 182 is connected to the reset input terminal of the connected module, and can supply power (Vcc) to the reset input terminal.

제1신호변환부(181)의 동작을 살펴보면, 제어신호 즉, 하이신호가 베이스(2)로 입력되면 제1TR이 온됨으로써 전원(Vcc)으로부터 공급되는 전압이 풀업저항을 통해 접지되어 제1TR의 콜렉트(3)로 반전된 로우신호 즉, 리셋신호가 출력될 수 있다. 제2신호변환부(182)도 동일하게 동작될 수 있다.Looking at the operation of the first signal conversion unit 181, when a control signal, that is, a high signal is input to the base 2, the first TR is turned on, so that the voltage supplied from the power source Vcc is grounded through a pull-up resistor to generate the power of the first TR. An inverted low signal, that is, a reset signal may be output to the collector 3. The second signal conversion unit 182 may also operate in the same way.

또한, 제어신호 입력에 의해 제1신호변환부(181) 및 제2신호변환부(182)의 TR이 온되는 경우에도 리셋입력단의 하이신호를 유지시키기 위해, 본 발명의 일 실시 예에서는 제1출력단(P1) 또는 제2출력단(P2)으로부터 입력되는 제어신호(하이신호)가 리셋입력단으로 출력될 수 있도록 제1출력단(P1)과 리셋입력단 사이에 제1순방향 다이오드(185)를 병렬연결하고, 제2출력단(P2)과 리셋입력단 사이에 제2순방향 다이오드(186)를 병렬연결할 수 있다. In addition, in order to maintain the high signal of the reset input terminal even when the TRs of the first signal conversion unit 181 and the second signal conversion unit 182 are turned on by the control signal input, in one embodiment of the present invention, the first A first forward diode 185 is connected in parallel between the first output terminal P1 and the reset input terminal so that the control signal (high signal) input from the output terminal P1 or the second output terminal P2 can be output to the reset input terminal, , A second forward diode 186 may be connected in parallel between the second output terminal P2 and the reset input terminal.

이때, 제1순방향 다이오드(185)의 캐소드(-)에 제2순방향 다이오드(186)의 애노드(+)가 직렬연결될 수 있다.In this case, the anode (+) of the second forward diode 186 may be connected in series to the cathode (-) of the first forward diode 185 .

신호전송부(183)는 이웃하는 제1결합기 및 제2결합기 사이에 구비된 스위치즉, 제1스위치 또는 제2스위치로부터 수신되는 리셋신호를 연결된 모듈의 리셋 입력단으로 출력할 수 있다. 이에, 신호전송부(183)는 리셋 입력단과 스위치 연결단 사이에 구비될 수 있고, 제1신호변환부(181) 및 제2신호변환부(182)의 콜렉트와 연결될 수 있다. The signal transmitter 183 may output a reset signal received from a switch provided between adjacent first couplers and second couplers, that is, the first switch or the second switch to a reset input terminal of a connected module. Accordingly, the signal transmission unit 183 may be provided between the reset input terminal and the switch connection terminal, and may be connected to the collectors of the first signal conversion unit 181 and the second signal conversion unit 182 .

여기서, 신호전송부(183)는 쇼트키 다이오드가 될 수 있다. 쇼트키 다이오드는 매우 좁은 쇼트키 장벽 내에서 전류제어작용이 행하여지기 때문에 고속 스위칭 전환에 적합하고, 순방향 및 역방향 전압특성이 낮은 특성이 있다. 이에, 리셋신호 수신시 연결된 모듈을 고속으로 리셋시킬 수 있다.Here, the signal transmission unit 183 may be a Schottky diode. Schottky diodes are suitable for high-speed switching and have low forward and reverse voltage characteristics because current control is performed within a very narrow Schottky barrier. Accordingly, when receiving a reset signal, the connected module can be reset at high speed.

이에, 신호전송부(183)는, 제1TR의 콜렉트, 제2TR의 콜렉트 및 이웃하는 결합기 사이에 구비된 스위치 중 하나로부터 리셋신호를 수신하게 되므로, 제1TR의 콜렉트, 제2TR의 콜렉트 즉, 제1신호변환부(181) 및 제2신호변환부(182)의 출력에 의해 연결된 모듈이 리셋되는 것을 방지할 필요가 있다.Accordingly, since the signal transmission unit 183 receives a reset signal from one of switches provided between the first TR collect, the second TR collect, and the adjacent couplers, the first TR collect, the second TR collect, that is, the second TR collect. It is necessary to prevent the modules connected by the outputs of the first signal conversion unit 181 and the second signal conversion unit 182 from being reset.

이를 위해, 본 발명의 일 실시 예에 따른 결합기(151 내지 153)는 제1순방향 다이오드(185) 및 제2순방향 다이오드(186)를 리셋방지부(184)로 이용할 수 있다. 제1출력단(P1)과 리셋입력단 사이에 병렬연결되는 제1순방향 다이오드(185)와, 제2출력단(P2)과 리셋입력단 사이에 병렬연결되는 제2순방향 다이오드(186)를 신호전송부(183)와 연결할 수 있다.To this end, the couplers 151 to 153 according to an embodiment of the present invention may use the first forward diode 185 and the second forward diode 186 as the reset preventing unit 184 . The signal transmission unit 183 includes a first forward diode 185 connected in parallel between the first output terminal P1 and the reset input terminal, and a second forward diode 186 connected in parallel between the second output terminal P2 and the reset input terminal. ) can be connected.

따라서, 제1신호변환부(181) 또는 제2신호변환부(182)에서 출력되는 리셋신호에 의해 쇼트키 다이오드(183)에 인가되는 전압과 제어신호에 의해 제1순방향 다이오드(185) 또는 제2순방향 다이오드(186)에 인가되는 전압이 서로 상쇄됨으로써 해당 모듈에서 출력한 제어신호에 의해 해당 모듈이 리셋되는 것을 방지할 수 있다.Therefore, the first forward diode 185 or the first forward diode 185 is formed by the control signal and the voltage applied to the Schottky diode 183 by the reset signal output from the first signal conversion unit 181 or the second signal conversion unit 182. Since the voltages applied to the two forward diodes 186 cancel each other, it is possible to prevent the corresponding module from being reset by the control signal output from the corresponding module.

결합기(151 내지 153)에서 출력되는 리셋신호는 스위치(161 내지 163)를 통해 이상이 발생한 이전모듈의 리셋입력단으로 출력될 수 있다.The reset signal output from the combiners 151 to 153 may be output to the reset input terminal of the previous module where the error occurred through the switches 161 to 163.

일 예로, 도 8에서 이전 모듈의 이상발생을 감지한 특정모듈이 통신모듈(120)이고, 링토폴로지의 방향에 따라 이전 모듈이 수집모듈(110)인 경우, 통신모듈(120)은 연결된 결합기2(151)로 제어신호를 출력하되 링토폴로지 방향에 따라 해당 출력단으로 출력할 수 있다. 또한, 결합기2를 통해 출력된 리셋신호는 이웃하는 결합기(152)와의 경로를 연결해주는 스위치1(161)을 통해 수집모듈(110)의 리셋입력단으로 입력될 수 있다.For example, in FIG. 8 , when the specific module detecting the occurrence of an abnormality in the previous module is the communication module 120 and the previous module is the collection module 110 according to the direction of the ring topology, the communication module 120 is connected to the coupler 2 The control signal is output to 151, but can be output to the corresponding output terminal according to the ring topology direction. In addition, the reset signal output through the coupler 2 may be input to the reset input terminal of the collection module 110 through the switch 1 (161) connecting a path to the adjacent coupler (152).

도 9에서, 링토폴로지의 방향에 따라 이전 모듈인 수집모듈(110)로 리셋신호를 출력하기 위해서는 결합기2(152)가 결합기1(151)와 연결되어야 하며, 결합기2(152)와 결합기3(153) 사이의 경로는 폐쇄되어야 한다. 이때, 스위치 제어를 통해 결합기들간의 경로를 연결 또는 절체할 수 있다. In FIG. 9, in order to output a reset signal to the previous module, the collection module 110, according to the direction of the ring topology, the coupler 2 (152) must be connected to the coupler 1 (151), and the coupler 2 (152) and the coupler 3 ( 153) must be closed. At this time, a path between couplers may be connected or switched through switch control.

본 발명의 일 실시 예에서는 XOR게이트(171 내지 173)를 이용하여 리셋모듈(140) 내에서의 링토폴로지를 구성할 수 있다. 이때, 리셋모듈(140)의 링토폴로지는 도 3의 모듈간의 링토폴로지와는 별개로 구성되며, 스위치(161 내지 163)의 온오프를 통해 리셋신호의 경로를 설정하기 위함이다. 다만, 리셋모듈(140)의 링토폴로지 방향(도 5의 제1방향제어, 제2방향제어)은 모듈간의 링토폴로지 방향 및 모듈(110 내지 130)의 출력단(P1,P2) 설정에 따라 결정될 수 있다.In an embodiment of the present invention, a ring topology in the reset module 140 may be configured using the XOR gates 171 to 173. At this time, the ring topology of the reset module 140 is configured separately from the inter-module ring topology of FIG. 3, and is for setting the path of the reset signal through the on/off of the switches 161 to 163. However, the ring topology direction of the reset module 140 (first direction control and second direction control in FIG. 5) may be determined according to the ring topology direction between modules and the setting of the output terminals P1 and P2 of the modules 110 to 130. there is.

XOR 게이트(171 내지 173)는 링토폴로지를 기반으로 이웃하는 모듈들의 출력단으로부터 출력되는 제어신호를 입력으로 수신하여 스위치(161 내지 163)의 온오프를 제어할 수 있다. 즉, XOR 게이트(171 내지 173)의 출력에 따라 이웃하는 모듈에 연결된 결합기들 사이의 경로를 스위칭하는 스위치가 온 또는 오프될 수 있다.The XOR gates 171 to 173 may control on/off of the switches 161 to 163 by receiving control signals output from output terminals of neighboring modules as inputs based on the ring topology. That is, switches for switching paths between combiners connected to neighboring modules may be turned on or off according to the outputs of the XOR gates 171 to 173 .

또한, 특정모듈은 이전 모듈의 이상 발생을 감지시 현재 토큰 전송방향의 역방향인 링토폴로지(b)를 기반으로 토큰을 전송하여 지속적으로 QoS를 제공할 수 있다. In addition, a specific module can continuously provide QoS by transmitting a token based on the ring topology (b), which is the reverse direction of the current token transmission direction, upon detecting an abnormal occurrence of the previous module.

한편, 수집모듈(110), 통신모듈(120) 및 보안모듈(130) 중 하나의 모듈은, 스위치 리셋 후에도 이전모듈(이상발생모듈)의 이상발생이 감지되면 통제센터(400)로 알림하여 점검을 요청할 수 있다. 이때, 이상발생이 감지된 이전모듈이 통신모듈(120)이면, 수집모듈(110)은 내부무선통신(인터넷 등)을 이용하여 통제센터(400)로 통신모듈(120)의 이상을 알림할 수 있다.On the other hand, if one of the collection module 110, communication module 120, and security module 130 detects an error in the previous module (abnormal occurrence module) even after the switch is reset, it notifies the control center 400 for inspection. can request At this time, if the previous module in which the abnormal occurrence is detected is the communication module 120, the collection module 110 may notify the control center 400 of the abnormality of the communication module 120 using internal wireless communication (Internet, etc.). there is.

수집모듈(110), 통신모듈(120) 및 보안모듈(130)의 주기적 상태확인을 통해 이상발생에 따른 제어오류를 즉각적으로 처리하여 레벨3의 제어에 따른 안정성을 제공할 수 있다. 또한, 양방량 토폴로지를 이용함으로써 특정모듈의 이상발생시에도 지속적으로 QoS를 제공할 수 있다.Through periodic state checks of the collection module 110, the communication module 120, and the security module 130, a control error due to an abnormal occurrence can be immediately processed to provide stability according to the level 3 control. In addition, by using a bidirectional topology, QoS can be continuously provided even when an error occurs in a specific module.

또한, 레벨2는 보안성을 중점으로 하며, 수집모듈(110)의 기능(수집, 저장, 전송, 처리 등)을 구현하는 소프트웨어 등의 변경 등으로 인해 제어오류가 발생되는 경우로 이때의 제어오류는 분석서버로부터 소프트웨어 업데이트 등의 알림이 수신되는 경우가 될 수 있다. In addition, level 2 focuses on security, and is a case where a control error occurs due to a change in software that implements the functions (collection, storage, transmission, processing, etc.) of the collection module 110. may be a case where a notification such as a software update is received from the analysis server.

이때, 수집모듈(110)은 제어오류를 링토폴로지기반으로 통제센터(400)로 전송하고, 통제센터(400)는 제어명령 즉, 해당 소프트웨어 업데이트에 대한 제어명령을 통신모듈(120)로 전송하고, 제어명령에 따라 통신모듈(120)은 링토폴로지를 기반으로 보안모듈(130)로 소프트웨어에 대한 무결성 검증을 요청하고 보안모듈(130)의 무결성 검증시 통신모듈(120)은 소프트웨어 제어명령을 수집모듈(110)로 전송하여 해당 소프트웨어의 업데이트가 수행될 수 있게 한다.At this time, the collection module 110 transmits the control error to the control center 400 based on the ring topology, and the control center 400 transmits a control command, that is, a control command for the software update to the communication module 120, , According to the control command, the communication module 120 requests the security module 130 to verify the integrity of the software based on the ring topology, and upon verifying the integrity of the security module 130, the communication module 120 collects the software control command. It is transmitted to the module 110 so that the update of the corresponding software can be performed.

또한, 레벨1은 각 요소의 최소지원을 통해 QoS를 제공할 수 있다. 구체적으로, 수집모듈(110)은 특정 기능에 의한 오류 발생시 제어오류를 토큰에 실어 전송할 수 있으며, 통제센터(400)로부터 링토폴로지를 기반으로 제어명령 즉, 특정 기능을 구현하는 소프트웨어를 재 기동시키는 제어명령을 수신하여 해당 소프트웨어를 재기동 시킬 수 있다.In addition, level 1 can provide QoS through minimum support of each element. Specifically, the collection module 110 can transmit a control error on a token when an error occurs due to a specific function, and restarts the control command based on the ring topology from the control center 400, that is, the software implementing the specific function. The software can be restarted by receiving a control command.

이때, 각 모듈(110 내지 130)은 기설정된 레벨을 우선권 정보로 수신된 토큰에 포함시키고, 수신된 토큰에 우선권 정보가 있으면 자신의 우선권 정보와 비교하여 수신된 토큰에 포함된 우선권 정보가 더 낮은 레벨이면, 수신된 토큰에 기저장된 정보 데이터를 삭제하고 자신의 특정 이벤트에 대한 정보 데이터를 실어 전송함으로써 레벨이 높은 제어명령을 우선적으로 처리할 수 있다.At this time, each module 110 to 130 includes the preset level as priority information in the received token, and if the received token has priority information, each module 110 to 130 compares it with its own priority information so that the priority information included in the received token is lower. level, it is possible to process a control command with a higher level with priority by deleting information data pre-stored in the received token and transmitting information data for a specific event of the token.

이와 같이, 본 발명의 일 실시 예에 따른 RTU(100)는 링토폴로지를 통해 제어오류에 따라 기설정된 레벨별 QoS를 기반으로 제어명령을 수행함으로써 분석서버(200)의 시스템 안정화를 도모할 수 있으며 합의 및 무결성 검증 등을 통해 신뢰할 수 있는 QoS를 제공할 수 있다.As such, the RTU 100 according to an embodiment of the present invention can promote system stabilization of the analysis server 200 by performing a control command based on QoS for each level preset according to a control error through a ring topology, Reliable QoS can be provided through consensus and integrity verification.

또한, 본 발명의 일 실시 예에 따른 제어서버(210)는 RTU(100-1 내지 100-n)를 통해 수집되는 태양광 발전량 데이터 즉, 실제값을 기반으로 태양광 설비의 이상을 탐지할 수 있다. 일 예로, 제어서버(210)는 기설정된 이상판단기준으로 기반으로 이상 탐지된 해당 인버터에 대한 알림을 발생시켜, 이상 알림이 발생된 해당 인버터 라인을 확인하여 이상발생부분에 대처할 수 있게 한다. 이때, 제어서버(210)는 RTU(100)를 통해 서버제어명령(제어서버에서 RTU를 통해 태양광 발전 설비를 제어시키는 명령)을 제공하여 인버터를 제어하는 직접 조치 및 관리자가 조치를 취하도록 알림메시지를 제공하는 간접 조치를 제공할 수 있다. In addition, the control server 210 according to an embodiment of the present invention can detect anomalies in solar facilities based on photovoltaic power generation data, that is, actual values, collected through RTUs 100-1 to 100-n. there is. For example, the control server 210 generates a notification for a corresponding inverter in which an abnormality has been detected based on a predetermined abnormality determination criterion, and identifies the corresponding inverter line in which the abnormality notification has occurred to deal with the abnormal occurrence part. At this time, the control server 210 provides a server control command through the RTU 100 (a command for the control server to control the photovoltaic power plant through the RTU) to take direct action to control the inverter and notify the manager to take action. You can provide an indirect action to provide a message.

특히, 본 발명의 일 실시 예에 따른 제어서버(210)는 알림 조치율을 기반으로 인버터의 이상 판단 기준을 조정함으로써 알림이 과도 또는 과소하게 발생되는 것을 방지하여 알림발생이 필요한 상황에만 알림이 발생될 수 있게 한다.In particular, the control server 210 according to an embodiment of the present invention adjusts the criteria for determining the abnormality of the inverter based on the notification action rate to prevent excessive or excessive notifications, so that notifications occur only when notifications are required. make it possible

이를 위해, RTU(100)는 복수 개의 인버터(13a 내지 13n)를 포함하는 기설정된 인버터 그룹(13)으로부터 발전량을 수집할 수 있다. 이때, RTU(100)는 연결된 해당 인버터 그룹(13)의 개별 인버터들(13a 내지 13n)로부터 기설정주기로 발전량을 각각 수집하며, 수집된 개별 인버터(13a 내지 13n)의 발전량을 기반으로 개별 인버터의 이상 여부를 판단하여 이상 판단시 서버(200)로 알림을 발생할 수 있다.To this end, the RTU 100 may collect power generation from a preset inverter group 13 including a plurality of inverters 13a to 13n. At this time, the RTU 100 collects the amount of power generation from the individual inverters 13a to 13n of the connected inverter group 13 at a predetermined cycle, and generates the individual inverters based on the collected amount of power generation of the individual inverters 13a to 13n. An abnormality may be determined and a notification may be generated to the server 200 when an abnormality is determined.

이때, 인버터의 이상여부를 판단하는 이상판단규칙 및 이상여부판단규칙의 적절성에 따라 적용되는 조정값은 제어서버(210)로부터 수신받아 설정될 수 있다. 이에 대한 설명은 도 2 내지 4를 통해 설명할 수 있다.In this case, the abnormality determination rule for determining whether the inverter is abnormal and the adjustment value applied according to the appropriateness of the abnormality determination rule may be received from the control server 210 and set. This can be explained through FIGS. 2 to 4 .

도 2는 도 1의 RTU의 개략적인 구성을 나타내는 구성 블록도이다. 도 2를 참고하면, 본 발명의 일 실시 예에 따른 RTU의 수집부(110)는 제1통신부(111), 제2통신부(112), 메모리부(113) 및 프로세서(114)를 포함할 수 있다. 도 1의 RTU(100a 내지 100n)는 도 2의 RTU(100)와 동일한 구성을 포함하며 동일한 기능을 수행할 수 있다. 또한, 프로세서(114)는 상기에서 설명한 링토폴로지기반 제어를 위한 제1제어부(114-1)와 이상알림제어를 위한 제2제어부(114-2)를 포함할 수 있다.2 is a configuration block diagram showing a schematic configuration of the RTU of FIG. 1; Referring to FIG. 2 , the RTU collection unit 110 according to an embodiment of the present invention may include a first communication unit 111, a second communication unit 112, a memory unit 113, and a processor 114. there is. The RTUs 100a to 100n of FIG. 1 include the same configuration as the RTU 100 of FIG. 2 and may perform the same functions. In addition, the processor 114 may include a first control unit 114-1 for ring topology-based control and a second control unit 114-2 for abnormal notification control.

제1통신부(111)는 각 인버터(13a 내지 13n)와 RS-485 통신을 수행하는 RS-485 통신모듈 등이 될 수 있다. 이에, 제1통신부(110)는 각 인버터(13a 내지 13n)의 발전 출력으로부터 인버터 데이터를 수집할 수 있다.The first communication unit 111 may be an RS-485 communication module or the like that performs RS-485 communication with each of the inverters 13a to 13n. Accordingly, the first communication unit 110 may collect inverter data from the generated output of each inverter 13a to 13n.

제1통신부(111)는 해당 인버터 그룹(13)에 포함된 각 인버터(13a 내지 13n)로부터 동시점 일예로, 동시간대의 발전량을 포함하는 인버터 데이터를 수집할 수 있다. 이때, 수집되는 인버터 데이터는 인버터ID, 측정시간, 발전량 등이 포함될 수 있다.The first communication unit 111 may collect inverter data including, for example, the amount of power generation at the same time period, from each of the inverters 13a to 13n included in the corresponding inverter group 13 . At this time, the collected inverter data may include inverter ID, measurement time, power generation amount, and the like.

제2통신부(112)는 서버(200)와의 통신을 수행하는 wifi, LTE 등의 통신모듈이 될 수 있고, 제어서버(210)로 각 인버터별 발전량 및 알림을 전송하고, 서버(210)로부터 이상판단규칙 및 조정값을 수신할 수 있다. The second communication unit 112 may be a communication module such as wifi or LTE that communicates with the server 200, transmits the power generation amount and notification for each inverter to the control server 210, and sends a notification from the server 210 to the abnormality. Decision rules and adjustment values may be received.

메모리부(113)는 각 인버터(13a 내지 13n)별로 수집된 동시점의 발전량 및 서버(210)로부터 수신된 이상판단규칙 및 조정값을 저장할 수 있다.The memory unit 113 may store the power generation amount at the same point collected for each inverter 13a to 13n and an abnormality determination rule and an adjustment value received from the server 210 .

여기서, 이상판단규칙은 인버터별 이상 판단을 위한 알고리즘으로 서버(210)로부터 수신하여 설정될 수 있으며, 조정값은 이상판단규칙에 의한 알림의 과도한 발생 또는 과소한 발생을 방지하기 위해 이상 판단의 기준이 되는 기준값을 조정하는 값으로, 알림 조치율을 기반으로 설정될 수 있다.Here, the abnormality determination rule is an algorithm for determining abnormality for each inverter and may be received from the server 210 and set. This is a value that adjusts the reference value that becomes, and can be set based on the notification action rate.

이때, 조정값은 서버(210)에서 산출되며 제2통신부(112)를 통해 수신되면 메모리부(113)에 기저장된 조정값은 새로 수신된 조정값으로 업데이트되고, 이후 RTU(100)는 이상판단시 업데이트된 조정값을 적용할 수 있다. At this time, the adjustment value is calculated by the server 210 and when received through the second communication unit 112, the adjustment value previously stored in the memory unit 113 is updated with the newly received adjustment value, and then the RTU 100 determines an abnormality. The updated adjustment value can be applied when

프로세서(114)의 제2제어부(114-2)는 서버(210)에 의해 설정된 이상판단규칙 즉, 이상 판단을 위한 알고리즘에 따라 각 인버터의 이상여부를 판단할 수 있다. 구체적으로, 제2제어부(114-2)는 동시점에 수집된 각 인버터별 발전량을 정규화하여 중앙값을 산출하고, 산출된 중앙값에 메모리부(113)에 저장된 조정값을 곱한 기준값을 산출하여 각 인버터별 정규화된 발전량과 비교함으로써 이상여부를 판단할 수 있다. The second control unit 114 - 2 of the processor 114 may determine whether or not each inverter has an abnormality according to an abnormality determination rule set by the server 210 , that is, an abnormality determination algorithm. Specifically, the second control unit 114-2 normalizes the amount of power generated by each inverter collected at the same point to calculate a median value, and calculates a reference value obtained by multiplying the calculated median value by the adjusted value stored in the memory unit 113 to calculate a reference value for each inverter. It is possible to determine whether or not there is an abnormality by comparing with the normalized generation amount for each.

도 4는 도 2의 프로세서의 개략적인 구성을 나타내는 구성 블록도이다. 본 발명의 일 실시 예에 따른 프로세서(114)는 링토폴로지기반 제어를 위한 제1제어부(114-1)와, 정규화부(141), 중앙값 산출부(142), 이상여부 판단부(143) 및 알림부(144)를 포함하는 제2제어부(114-2)를 포함할 수 있다. 이하, 제2제어부(114-2)에 대하여 구체적으로 설명하도록 한다. FIG. 4 is a configuration block diagram showing a schematic configuration of the processor of FIG. 2 . The processor 114 according to an embodiment of the present invention includes a first control unit 114-1 for ring topology-based control, a normalization unit 141, a median calculation unit 142, an anomaly determination unit 143, and A second control unit 114-2 including a notification unit 144 may be included. Hereinafter, the second controller 114-2 will be described in detail.

정규화부(141)는 수집된 각 인버터별 발전량을 해당 인버터 용량으로 나눈 정규화된 발전량을 산출할 수 있다. 즉, 제1인버터(13a)로부터 수집된 발전량을 제1인버터(13a)의 용량으로 나눠 정규화된 발전량을 산출할 수 있으며, 이외의 인버터(13b 내지 13n)도 동일한 방법으로 정규화된 발전량을 산출할 수 있다.The normalization unit 141 may calculate the normalized generation amount by dividing the collected generation amount for each inverter by the corresponding inverter capacity. That is, the normalized generation amount can be calculated by dividing the amount of power generation collected from the first inverter 13a by the capacity of the first inverter 13a, and the normalized amount of power generation can be calculated for the other inverters 13b to 13n in the same way. can

중앙값 산출부(142)는 정규화부(141)에서 산출된 각 인버터별 정규화된 발전량들의 중앙값을 산출할 수 있다. 중앙값 산출부(142)는 인버터(13a 내지 13n)들의 정규화된 발전량을 크기순으로 나열한 후 가장 중앙에 위치하는 발전량을 중앙값으로 산출할 수 있다. The median calculation unit 142 may calculate a median value of the normalized generation amounts for each inverter calculated by the normalization unit 141 . The median value calculating unit 142 may calculate the amount of power generation located at the center as the median value after arranging the normalized amounts of power generation of the inverters 13a to 13n in order of size.

이때, 인버터(13a 내지 13n)의 개수(n)가 홀수이면 (n+1)/2번째 정규화된 발전량이 중앙값이 되고, 인버터(13a 내지 13n)의 개수(n)가 짝수이면 (n/2)번째 정규화된 발전량과 (n/2)+1번째 정규화된 발전량의 평균값이 중앙값이 될 수 있다. At this time, if the number n of inverters 13a to 13n is an odd number, the (n+1)/2th normalized generation amount becomes the median value, and if the number n of inverters 13a to 13n is even, then (n/2 The average value of the )th normalized power generation and the (n/2)+1th normalized power generation may be the median value.

이상여부 판단부(143)는 중앙값 산출부(142)에서 산출된 중앙값에 메모리부(130)에 저장된 조정값을 곱하여 이상여부 판단을 위한 기준값을 산출할 수 있다. The abnormality determination unit 143 may calculate a reference value for determining abnormality by multiplying the median value calculated by the median value calculating unit 142 by the adjustment value stored in the memory unit 130 .

여기서, 기준값은 기설정주기로 수집되는 인버터의 발전량에 따라 적응적으로 산출될 수 있으며, 이에 더하여 조치율을 기반한 조정값을 적용함으로써 조치율에 따라 적응적으로 기준값을 산출할 수 있다. 이에, RTU(200)는 신뢰할 수 있는 이상 여부 판단에 따른 알림을 발생시킬 수 있다.Here, the reference value may be adaptively calculated according to the amount of power generated by the inverter collected at a preset period, and in addition, the reference value may be adaptively calculated according to the action rate by applying an adjustment value based on the action rate. Accordingly, the RTU 200 may generate a notification according to reliable abnormality determination.

이상여부 판단부(143)는 산출된 기준값과 정규화부(141)에서 산출한 인버터별 정규화된 발전량을 비교하여, 각 인버터(13a 내지 13n)에 대한 이상여부를 판단할 수 있다. 이상여부 판단부(143)는 인버터의 정규화된 발전량이 기준값보다 작으면 해당 인버터의 이상 발생으로 판단할 수 있다.The abnormality determining unit 143 may compare the calculated reference value with the normalized generation amount for each inverter calculated by the normalizing unit 141 to determine whether or not each of the inverters 13a to 13n has an abnormality. If the normalized power generation amount of the inverter is less than the reference value, the abnormality determining unit 143 may determine that the inverter has an abnormality.

알림부(144)는 이상여부 판단부(143)에서 이상 판단된 인버터 정보를 포함하는 목록을 제2통신부(120)를 통해 서버(200)로 알림할 수 있다. 이때, 인버터 정보는 인버터ID, 발전량 등을 포함할 수 있다.The notification unit 144 may notify the server 200 of a list including inverter information determined abnormally by the abnormality determination unit 143 through the second communication unit 120 . At this time, the inverter information may include an inverter ID, power generation amount, and the like.

서버(210)는 RTU(100a 내지 100n)로부터 알림을 수신하고, RTU별로 수신된 알림에 대한 조치율을 기반으로 해당 RTU(100a 내지 100n)의 이상판단규칙의 적절성을 판단할 수 있으며 규칙의 엄격판단시 기준값을 낮추도록 조정값을 산출하고, 규칙의 비엄격판단시 기준값을 높이도록 조정값을 산출할 수 있다.The server 210 receives a notification from the RTUs 100a to 100n, and determines the appropriateness of the abnormality determination rule of the corresponding RTU 100a to 100n based on the action rate for the notification received for each RTU, and the strictness of the rule. An adjustment value may be calculated to lower the reference value when determining, and an adjustment value may be calculated to increase the reference value when non-strict judgment of the rule is made.

즉, 서버(210)는 조치율을 기반으로, RTU별 인버터에 대한 이상 여부를 판단하는 기준값을 조정하는 조정값을 산출할 수 있다. 서버(210)는 기설정주기로 조정값을 산출하여 조정값에 변동이 있는 경우 해당 RTU(100a 내지 100n)로 전송하여 조정값을 업데이트 시킬 수 있다.That is, the server 210 may calculate an adjustment value for adjusting a reference value for determining whether an inverter for each RTU is abnormal based on the action rate. The server 210 may update the adjustment value by calculating the adjustment value at a predetermined period and transmitting the change to the corresponding RTUs 100a to 100n when there is a change in the adjustment value.

도 10은 도 1의 제어서버의 개략적인 구성을 나타내는 구성 블록도이다. 도 10을 참고하면, 본 발명의 일 실시 예에 따른 제어서버(210)는 통신부(211), 조치율 산출부(212) 및 조정값 산출부(213)를 포함할 수 있다. 이때, 조치율 산출부(212) 및 조정값 산출부(213)는 하나의 프로세서로 구현될 수 있다.10 is a configuration block diagram showing a schematic configuration of the control server of FIG. 1; Referring to FIG. 10 , the control server 210 according to an embodiment of the present invention may include a communication unit 211, an action rate calculation unit 212, and an adjustment value calculation unit 213. In this case, the action rate calculation unit 212 and the adjustment value calculation unit 213 may be implemented as one processor.

통신부(211)는 RTU(100)의 제2통신부(112)와 데이터를 송수신할 수 있는 wifi, LTE 등의 통신모듈이 될 수 있고, RTU(100a 내지 100n)로부터 알림을 수신하며, 조정값의 업데이트가 필요한 해당 RTU로 업데이트될 조정값을 전송할 수 있다.The communication unit 211 may be a communication module such as wifi or LTE capable of transmitting and receiving data with the second communication unit 112 of the RTU 100, receives a notification from the RTUs 100a to 100n, and adjusts the value of the adjusted value. An adjustment value to be updated may be transmitted to a corresponding RTU requiring an update.

조치율 산출부(212)는 RTU별로 수신된 알림을 구분하여 RTU별로 기설정 주기동안 수신된 알림 개수 대비 관리자에 의해 조치된 알림 개수인 조치율(T)을 산출할 수 있다. The action rate calculation unit 212 may classify notifications received for each RTU and calculate an action rate T, which is the number of notifications taken by the manager compared to the number of notifications received during a preset period for each RTU.

조정값 산출부(213)는 조치율 산출부(212)에서 산출된 조치율(T)과 기설정된 기준 조치율(Td)을 비교하여 업데이트될 조정값(Vn)을 산출할 수 있다. 여기서, 기설정된 기준 조치율(Td)은 이상판단규칙의 엄격 또는 비엄격(느슨)을 판단하기 위한 기준으로 특정비율 또는 비율범위로 설정될 수 있다. 일 예로, 80% 또는 75% 내지 85%로 설정될 수 있다. 또한, 기준 조치율은 태양광 발전 설비(10)의 발전량 등에 따라 관리자에 의해 일정범위 내에서 변경될 수도 있다.The adjustment value calculation unit 213 may calculate the adjustment value Vn to be updated by comparing the action rate T calculated by the action rate calculation unit 212 with the preset reference action rate Td. Here, the preset standard action rate Td may be set to a specific ratio or ratio range as a criterion for determining whether the abnormality determination rule is strict or non-strict (loose). For example, it may be set to 80% or 75% to 85%. In addition, the standard action rate may be changed within a certain range by a manager according to the amount of power generated by the photovoltaic power generation facility 10 .

여기서, 이상판단규칙이 엄격함은 알림이 과도하게 발생되어 불필요한 알림이 발생하는 경우이며, 이상판단규칙이 비엄격(느슨)함은 알림이 과소하게 발생되어 필요한 알림이 발생되지 않는 경우가 될 수 있다.Here, the abnormal decision rule is strict when excessive notifications occur and unnecessary notifications occur, and the abnormal decision rule is non-strict (loose) when notifications are generated too little and necessary notifications do not occur. .

서버(210)는 조치율(T)이 기준조치율(Td) 대비 낮으면 이상판단규칙이 엄격한 것으로 판단하여 이전의 조정값(Vn-1)이 높으므로 조정값을 낮추는 조정을 할 수 있다. If the action rate T is lower than the reference action rate Td, the server 210 determines that the abnormality determination rule is strict, and since the previous adjustment value V n−1 is high, the adjustment value can be lowered. .

또한, 서버(210)는 조치율(T)이 기준조치율(Td) 대비 높으면 이상판단규칙이 느슨한 것으로 판단하여 이전의 조정값(Vn-1)이 낮으므로 조정값을 높이는 조정을 할 수 있다. 이때, 조정값(Vn)의 조정은 수학식1을 이용하여 조정값 산출부(213)에 의해 산출될 수 있다.In addition, if the action rate (T) is higher than the reference action rate (Td), the server 210 determines that the abnormal decision rule is loose, and since the previous adjustment value (V n-1 ) is low, an adjustment to increase the adjustment value can be performed. there is. At this time, the adjustment of the adjustment value Vn may be calculated by the adjustment value calculator 213 using Equation 1.

조정값 산출부(213)는 조치율 산출부(212)에서 산출된 조치율(T)이 기설정된 기준 조치율(Td)과 다르면 즉, 산출된 조치율(T)이 기설정된 기준 조치율(Td)보다 크거나 작으면, 불필요한 알림이 과도 또는 과소하게 발생(즉, 이상판단규칙이 엄격 또는 느슨)한 것으로 판단하여 하기의 수학식1을 이용하여 업데이트될 조정값(Vn)을 산출할 수 있다. The adjustment value calculation unit 213 determines if the action rate T calculated by the action rate calculation unit 212 is different from the preset standard action rate Td, that is, the calculated action rate T is the preset standard action rate ( If it is greater than or less than Td), it is determined that unnecessary notifications are excessively or insufficiently generated (ie, the abnormality determination rule is strict or loose), and the adjustment value (Vn) to be updated can be calculated using Equation 1 below. there is.

Figure 112022095321895-pat00005
Figure 112022095321895-pat00005

상기 수학식1에 의해, 이전 주기동안의 조정값(Vn-1)이 조정될 수 있다. 이에 따라, 수학식1에 의해 산출된 조정값(Vn)을 이용하여 이상판단규칙에 따른 기준값을 적응적으로 조정함으로써 과대 또는 과소한 알림을 방지하고 필요한 알림을 발생시킬 수 있다.According to Equation 1 above, the adjustment value (V n-1 ) during the previous period can be adjusted. Accordingly, by adaptively adjusting the reference value according to the abnormality determination rule using the adjustment value Vn calculated by Equation 1, excessive or insufficient notification can be prevented and necessary notification can be generated.

한편, 일시적인 이벤트 발생 등에 의해 알림이 과대 또는 과소하게 발생되는 경우, 이전 주기동안의 조정값(Vn-1)과 수학식1에 의해 산출된 조정값(Vn)의 변동폭이 커져 조정값이 급변동될 수 있다. On the other hand, when notification is excessively or insufficiently generated due to a temporary event, etc., the range of change between the adjustment value (V n-1 ) during the previous period and the adjustment value (Vn) calculated by Equation 1 increases, and the adjustment value rapidly increases. may fluctuate.

이러한, 조정값(Vn)의 급변동을 방지하기 위해, 조정값 산출부(213)는 수학식1을 통해 산출된 조정값(Vn)을 이전 주기동안의 조정값(Vn-1)의 기설정 비율범위 내의 값(이하, 기설정범위라 함)으로 조정하여 최종 조정값을 결정할 수 있다.In order to prevent the sudden change of the adjustment value Vn, the adjustment value calculating unit 213 converts the adjustment value Vn calculated through Equation 1 to the base of the adjustment value V n-1 during the previous period. A final adjustment value may be determined by adjusting to a value within a set ratio range (hereinafter referred to as a preset range).

일 예로, 기설정 비율범위가 10%이면 상기 기설정범위는 (Vn-1)-(0.1*(Vn-1)) 내지 (Vn-1)+(0.1*(Vn-1))가 될 수 있다. 이때, 기설정 비율범위는 관리자에 의해 변경될 수 있다.For example, if the preset ratio range is 10%, the preset range is (V n-1 )-(0.1*(V n-1 )) to (V n-1 )+(0.1*(V n-1 ) ) can be At this time, the preset ratio range may be changed by a manager.

조정값 산출부(213)는 수학식1을 통해 산출된 조정값(Vn)이 기설정범위에 포함되지 않으면, 산출된 조정값(Vn)에 가장 인접한 기설정범위의 값으로 최종 조정값을 결정할 수 있다. If the adjustment value Vn calculated through Equation 1 is not included in the preset range, the adjustment value calculator 213 determines the final adjustment value as a value in the preset range closest to the calculated adjustment value Vn. can

구체적으로, 조정값 산출부(213)는 수학식1을 통해 산출된 조정값(Vn)이 기설정범위의 최소값보다 작으면 기설정범위의 최소값((Vn-1)-(0.1*(Vn-1)))을 최종 조정값으로 결정할 수 있다. Specifically, the adjustment value calculator 213 calculates the minimum value of the preset range ((V n−1 )-(0.1*(V n-1 ))) can be determined as the final adjustment value.

조정값 산출부(213)는 수학식1을 통해 산출된 조정값(Vn)이 기설정범위의 최대값보다 크면 기설정범위의 최대값((Vn-1)+(0.1*(Vn-1)))을 최종 조정값으로 결정할 수 있다. 최종 조정값의 결정은 최소값 또는 최대값이 아닌 기설정범위내에 포함되는 특정값으로 변경할 수도 있다. The adjustment value calculation unit 213 calculates the maximum value of the preset range ((V n−1 )+(0.1*(V n− 1 ))) can be determined as the final adjustment value. The determination of the final adjustment value may be changed to a specific value included in a preset range other than the minimum or maximum value.

또한, 조정값 산출부(213)는 수학식1을 통해 산출된 조정값(Vn)이 기설정범위에 포함되면 산출된 조정값(Vn)을 최종 조정값으로 결정할 수 있다.In addition, the adjustment value calculation unit 213 may determine the calculated adjustment value Vn as the final adjustment value when the adjustment value Vn calculated through Equation 1 is included in the preset range.

한편, 조정값 산출부(213)는 조치율 산출부(212)에서 산출된 조치율(T)이 기설정된 기준 조치율(Td)과 같으면, 이전 조정값(Vn-1)을 조정값(Vn)으로 유지할 수 있다.On the other hand, if the action rate T calculated by the action rate calculation unit 212 is equal to the preset reference action rate Td, the adjustment value calculation unit 213 calculates the previous adjustment value V n-1 as the adjustment value ( Vn) can be maintained.

조정값 산출부(213)는 기설정주기 동안의 조정값(Vn)이 이전 주기동안의 조정값(Vn-1)과 다르면, 통신부(211)를 통해 조정된 조정값(Vn)을 해당 RTU(100)로 전송하여 업데이트시킬 수 있다. 이에, RTU(100a 내지 100n)에 저장되는 조정값(Vn)은 동일하거나 다르게 적용될 수 있다.If the adjustment value Vn during the preset cycle is different from the adjustment value V n-1 during the previous cycle, the adjustment value calculator 213 converts the adjustment value Vn adjusted through the communication unit 211 to the corresponding RTU. It can be updated by sending it to (100). Accordingly, the same or different adjustment values Vn stored in the RTUs 100a to 100n may be applied.

이때, 새로운 조정값(Vn)을 수신한 RTU(100)는 메모리부(113)에 기저장된 조정값(Vn-1)을 새로운 조정값(Vn)으로 업데이트할 수 있으며, 조정값(Vn)의 업데이트시 업데이트된 조정값(Vn)을 적용하여 이상판단을 수행할 수 있다.At this time, the RTU 100 receiving the new adjustment value Vn may update the adjustment value V n-1 previously stored in the memory unit 113 to the new adjustment value Vn, and the adjustment value Vn Anomaly determination may be performed by applying the updated adjustment value (Vn) when updating .

이에 따라, 알림 조치율을 기반으로 인버터(13a 내지 13n)의 이상 판단 기준을 적응적으로 조정함으로써 알림이 과도 또는 과소하게 발생되는 것을 방지하여 알림발생이 필요한 상황에만 알림이 발생될 수 있게 할 수 있다.Accordingly, by adaptively adjusting the abnormality judgment criteria of the inverters 13a to 13n based on the notification action rate, excessive or under-generation of notifications can be prevented so that notifications can be generated only in situations where notifications are required. there is.

한편, 이상판단규칙에 따른 알림발생을 주요하게 설명하였으나, RTU(100)는 각 인버터(13a 내지 13n)의 전력으로부터 수집되는 발전량, 선간전압(line voltage)과 선전류(line current), 위상, 누적발전량, 가동/비가동 상태 등의 다양한 정보를 포함하는 인버터 데이터를 분석서버(200)로 전송할 수 있고, 서버(200)에서는 다양한 정보들을 모니터링하여 활용할 수 있다.On the other hand, although notification generation according to the abnormality determination rule has been mainly described, the RTU 100 includes the amount of power collected from the power of each inverter 13a to 13n, line voltage and line current, phase, Inverter data including various information such as cumulative power generation, operation/non-operation status, etc. may be transmitted to the analysis server 200, and the server 200 may monitor and utilize various information.

본 발명의 일 실시 예에 따른 분석서버(200)는 예측서버(220)를 통해 RTU(100)에서 수집되는 실측치를 이용하여, 태양광 발전 설비(10) 즉, 사이트에 대한 예측치를 예측할 수 있다.The analysis server 200 according to an embodiment of the present invention can predict the predicted value for the photovoltaic power generation facility 10, that is, the site, using the measured values collected from the RTU 100 through the prediction server 220. .

도 11은 본 발명의 일 실시 예에 따른 예측서버의 구성을 나타내는 구성 블록도이다. 본 발명의 일 실시 예에 따른 예측서버(220)는, 데이터베이스(300)로부터 기온, 일사량 등의 태양광 발전량 예측에 필요한 데이터를 입력받아. 특정 시간/지역의 태양광 발전량을 예측하고, 가상 발전소(VPP)에 태양광 발전량 예측치를 제공하는 기능을 수행할 수 있다. 11 is a configuration block diagram showing the configuration of a prediction server according to an embodiment of the present invention. The prediction server 220 according to an embodiment of the present invention receives data necessary for predicting solar power generation such as temperature and solar radiation from the database 300 . It can predict the amount of photovoltaic power generation in a specific time/region and provide the predicted amount of photovoltaic power generation to a virtual power plant (VPP).

여기서, VPP는 예컨대, 가정용 태양광과 같이 분산되어 있는 소규모 에너지 발전, 축전지, 연료전지 등 발전 설비와 전력 수요를 클라우드 기반으로 소프트웨어적으로 통합 관리하는 가상의 발전소를 의미한다. VPP는 관련한 발전 설비에서의 발전량을 예측하여 전력 수요를 만족시키는 전력량을 공급해야 하기 때문에 정확한 발전량을 예측하는 것이 필수적이다. Here, the VPP refers to a virtual power plant that integrates and manages power generation facilities and power demand, such as distributed small-scale energy generation such as household solar power, storage batteries, and fuel cells, through cloud-based software. It is essential to accurately predict the amount of power generation because VPP needs to supply the amount of power that satisfies the power demand by estimating the amount of power generation from related power generation facilities.

본 발명의 예측서버(220)는 물리적/수학적 모델링을 통해 처리된 데이터를 기계 학습의 입력으로 활용하여 가상발전소(VPP) 또는 분산형전원/분산자원(DERMS) 등에 상업적으로 활용가능한 정확한 발전량 예측을 제공하는 것을 목적으로 한다.The prediction server 220 of the present invention utilizes the data processed through physical/mathematical modeling as an input for machine learning to accurately predict the amount of power generation commercially available for virtual power plants (VPP) or distributed power sources/distributed resources (DERMS). intended to provide

도 11에 따르면, 본 발명의 일 실시예에 따른 예측 서버(220)는 예측부(1210), 프로세서(1220), 통신부(1230)을 포함하고, 예측부(1210)는 데이터 수집부(1211), 데이터 전처리부(1212), 물리 모델 연산부(1213), 발전량 추정 연산부(1214), 기계학습연산부(1215) 및 제어부(1216)를 포함할 수 있다.According to FIG. 11, the prediction server 220 according to an embodiment of the present invention includes a prediction unit 1210, a processor 1220, and a communication unit 1230, and the prediction unit 1210 includes a data collection unit 1211 , A data pre-processing unit 1212, a physical model calculation unit 1213, a generation amount estimation calculation unit 1214, a machine learning calculation unit 1215, and a control unit 1216 may be included.

예측부(1210)는 예측시 필요한 데이터들을 수집하고, 각종 물리 모델 및 발전량 추정치를 연산하고 기계 학습을 통하여 최종적인 사이트별 발전량 예측을 수행한다.The prediction unit 1210 collects data necessary for prediction, calculates various physical models and estimated amounts of power generation, and performs final prediction of the amount of power generation for each site through machine learning.

보다 구체적으로, 예측부(1210)의 데이터 수집부(1211)는 발전량 예측시 필요한 데이터를 데이터베이스(300) 또는 기상청 등의 외부 서버로부터 수집한다. 이 경우, 예측시 필요한 데이터들은 외기온도, 일사량, 습도 등과 관련된 다양한 기후요소와 모듈과 관련된 각종 상수 및 태양광 모듈의 셀온도 등과 같은 태양광 모듈 어레이(11)의 물리적 특성 및 RTU(100-1)로부터 실제 연결된 태양광 모듈 어레이(11)에서 생성된 발전량을 포함한다. 여기서 태양광 모듈의 셀온도는 센서를 통하여 측정한 데이터 뿐만 아니라, 물리 모델을 통하여 연산된 셀온도 추정값을 활용할 수 있다.More specifically, the data collection unit 1211 of the prediction unit 1210 collects data necessary for predicting the amount of power generation from the database 300 or an external server such as the Korea Meteorological Administration. In this case, the data necessary for prediction are various climatic factors related to outdoor temperature, solar radiation, humidity, etc., various constants related to the module, physical characteristics of the solar module array 11 such as cell temperature of the solar module, and RTU (100-1 It includes the amount of power generation generated from the actually connected solar module array 11 from ). Here, the cell temperature of the photovoltaic module may utilize not only data measured through a sensor but also an estimated cell temperature calculated through a physical model.

한편, 데이터 전처리부(1212)는 예측에 사용할 특성을 선택하고, 수집된 데이터 중 이상값을 제거하거나, 또는 누락값을 채울 수 있다. 또는, 데이터 전처리부(212)는 각 특성에 맞는 스케일링 예컨대, 발전량을 용량으로 나누어 용량당 발전량을 구하거나, 0과 1 사이의 구간으로 선형변환, 평균과 분산으로 정규화 등의 다양한 데이터 전처리 작업을 수행할 수 있다. Meanwhile, the data preprocessor 1212 may select characteristics to be used for prediction, remove outliers from collected data, or fill in missing values. Alternatively, the data preprocessing unit 212 performs various data preprocessing tasks, such as scaling suitable for each characteristic, for example, dividing power generation by capacity to obtain power generation per capacity, linear transformation into a range between 0 and 1, and normalization with average and variance. can be done

물리 모델 연산부(1213)는 태양광 모듈 어레이(11)의 패널에 직접적으로 인가되는 경사면 일사량 추정치(PoA, Plane of Array) 및 유효일사량(Effective Irradiance) 등의 물리 모델값들을 산출하는 모듈이다. The physical model calculation unit 1213 is a module that calculates physical model values, such as a Plane of Array (PoA) and Effective Irradiance, which are directly applied to the panel of the solar module array 11.

발전량 추정 연산부(1214)는 태양광 모듈 셀 온도 및 유효일사량에 기초하여 및 DC 또는 AC 전력의 추정치(발전량 추정치)를 연산한다. The generation amount estimation calculation unit 1214 calculates an estimated value of DC or AC power (estimated amount of generation) based on the solar module cell temperature and the amount of effective solar radiation.

기계학습연산부(1215)는 랜덤 포레스트(Random Forest, 1215-1) 또는 LSTM 모델(1215-2) 등의 기계 학습 모델을 사용하여 사이트별 예측 모델을 생성하고, 예측 모델을 통하여 기계 학습 예측치를 생성할 수 있다. 예를 들어, 기계학습연산부(215)는 기계 학습부에서 학습된 데이터, 예컨데, 뉴럴 네트워크를 통하여 학습된 신경망을 통하여 입력 데이터를 입력하여 예측값을 연산할 수 있다. 또는 기존 데이터들을 이용하여 복수 개의 트리 모형을 생성하고, 여러 개의 트리 모형에서 생성한 예측값을 평균하여 최종적인 예측치를 생성할 수 있다. The machine learning operation unit 1215 generates a prediction model for each site using a machine learning model such as a random forest (1215-1) or an LSTM model (1215-2), and generates a machine learning prediction value through the prediction model can do. For example, the machine learning operation unit 215 may calculate a predicted value by inputting input data through data learned in the machine learning unit, for example, a neural network learned through a neural network. Alternatively, a plurality of tree models may be generated using existing data, and a final predicted value may be generated by averaging predicted values generated from the plurality of tree models.

제어부(1216)는 예측 모델의 기계 학습과 추론에 사용할 설정값들을 별도로 설정할 수 있다. 또한, 학습과 추론에 사용할 설정값들은 학습에 사용할 기간, 사용할 예측 모델 및 예측에 사용할 기간을 포함한다. 사이트별 사용할 예측 모델은 예컨대, 사용할 예측 모델의 경우에는 해당 사용할 기간의 해당 사이트에서의 예측치와 실제 생산 전력의 차이에 기초하여 결정될 수 있다. The control unit 1216 may separately set setting values to be used for machine learning and inference of the predictive model. In addition, setting values to be used for learning and inference include a period to be used for learning, a prediction model to be used, and a period to be used for prediction. The predictive model to be used for each site may be determined based on a difference between a predicted value and actual generated power at the site in the corresponding use period, for example, in the case of the predictive model to be used.

이 경우, 데이터 수집부(1211), 데이터 전처리부(1212), 물리 모델 연산부(1213), 발전량 추정 연산부(1214), 기계학습연산부(1215) 및 제어부(1216)는 소프트웨어 모듈, 하드웨어 모듈 또는 소프트웨어 모듈 및 하드웨어 모듈의 결합으로 구현될 수 있다. 프로세서(1220)는 데이터 수집부(1211), 데이터 전처리부(1212), 물리 모델 연산부(1213), 발전량 추정 연산부(1214) 또는 기계학습연산부(1215)가 소프트웨어 모듈 또는 소프트웨어 모듈 및 하드웨어 모듈의 결합인 경우에 적어도 일부의 소프트웨어를 실행할 수 있다.In this case, the data collection unit 1211, the data pre-processing unit 1212, the physical model operation unit 1213, the generation amount estimation operation unit 1214, the machine learning operation unit 1215, and the control unit 1216 are software modules, hardware modules, or software modules. It can be implemented as a combination of modules and hardware modules. The processor 1220 includes a data collection unit 1211, a data pre-processing unit 1212, a physical model operation unit 1213, a power generation estimation operation unit 1214, or a machine learning operation unit 1215 as a software module or a combination of a software module and a hardware module. In the case of , at least part of the software may be executed.

통신부(1230)는 외부 서버 또는 데이터 베이스(300)로부터의 데이터를 수집하고, 입찰값 결정 서버(230)에 예측치를 전송할 수 있다.The communication unit 1230 may collect data from an external server or database 300 and transmit predicted values to the bid value determination server 230 .

이하에서는 도 11을 참조하여, 본 발명의 일 실시예에 따른 예측서버(220)의 태양광 발전량 예측 동작에 대하여 상세하게 설명한다.Hereinafter, with reference to FIG. 11, an operation of predicting the solar power generation amount of the prediction server 220 according to an embodiment of the present invention will be described in detail.

도 3을 참조하면, 먼저 데이터 수집부(1211)는 발전량 데이터 및 주요 기상 데이터를 수집한다. 보다 상세하게, 예측 서버(220)의 데이터 수집부(1211)는 정해진 시간 간격의 발전량 데이터, 예컨대, 15분 또는 1시간 간격의 발전량 데이터를 RTU(100)를 통하여 획득할 수 있다. Referring to FIG. 3 , first, the data collection unit 1211 collects power generation data and main meteorological data. In more detail, the data collection unit 1211 of the prediction server 220 may acquire power generation data at a predetermined time interval, for example, power generation data at an interval of 15 minutes or 1 hour through the RTU 100 .

또한, 데이터 수집부(1211)는 주요 기상 요소 값을 획득할 수 있다. 이 때, 데이터 수집부(1211)는 기상청 서버로부터 또는 각종 센서류(350)로부터 주요 기상 요소 값을 획득할 수 있다. 예컨대, 기상요소값은 기온, 습도, 운량, 풍속, 풍향 등의 요소를 포함하며, 기상청 서버의 경우에는 관측 뿐 아니라 예보 데이터도 제공하므로 추론 과정에는 예보값을 사용할 수도 있다. Also, the data collection unit 1211 may acquire values of major meteorological factors. At this time, the data collection unit 1211 may obtain values of major meteorological factors from the Korea Meteorological Administration server or from various types of sensors 350 . For example, weather element values include factors such as temperature, humidity, cloudiness, wind speed, wind direction, and the like. In the case of the Korea Meteorological Administration server, not only observation but also forecast data are provided, so forecast values may be used in an inference process.

그 후, 물리 모델 연산부(1213)는 관측 지점(즉, 태양광 모듈 어레이 설치 지점)에 대한 물리 모델을 연산한다. 보다 상세하게, 물리 모델 연산부(213)는 기상요소 값과 관측지점에 대한 지리적 정보, 대상 시점에 대한 정보로부터 해당 태양광 모듈 어레이(11)에 직접적으로 인가될 일사량 추정치를 연산한다. After that, the physical model calculation unit 1213 calculates a physical model for an observation point (ie, a solar module array installation point). In more detail, the physical model calculation unit 213 calculates an estimate of solar radiation to be directly applied to the corresponding photovoltaic module array 11 from meteorological factor values, geographic information about an observation point, and information about a target time point.

다음으로, 물리 모델 연산부(1213)는 지리적 위치정보와 시간정보에 기반하여 태양의 위치와 관련된 천문 요소값을 계산한다. 이 때 사용되는 천문 요소 값들은 태양시(local solar time), 균시차(equation of time), 방위각(azimuth angle), 천정각(zenith angle), 고도각(elevation angle), AOI (Angle of Incidence), 에어매스(air mass) 등이다. Next, the physical model calculation unit 1213 calculates an astronomical element value related to the position of the sun based on the geographical location information and the time information. The astronomical element values used at this time are local solar time, equation of time, azimuth angle, zenith angle, elevation angle, AOI (Angle of Incidence), air air mass, etc.

한편, 물리 모델 연산부(1213)는 천문 요소값들이 연산되면, 기상 요소값과 이론적 천문 요소 값으로부터 전천일사(GHI, Global Horizontal Irradiance) 추정치를 계산한다. 구체적으로는 추정치 연산은 기온, 습도, 풍속, 운량 등의 기상요소 값에 계수를 곱하여 합산한 선형결합으로 계산한다. 사용되는 계수는 해당 태양광 모듈 어레이(11)의 설치 지역에서 실험적으로 얻어낸 값을 사용한다.Meanwhile, when the astronomical element values are calculated, the physical model calculation unit 1213 calculates a Global Horizontal Irradiance (GHI) estimate from meteorological element values and theoretical astronomical element values. Specifically, the estimate calculation is calculated as a linear combination of meteorological factor values such as temperature, humidity, wind speed, and cloudiness multiplied by coefficients and summed. The coefficient used is a value obtained experimentally in the installation area of the corresponding photovoltaic module array 11.

Figure 112022095321895-pat00006
Figure 112022095321895-pat00006

(이 때, C0 내지 C5 및 D는 연산하고자 하는 태양광 모듈 어레이(11)의 위치에 따라 미리 결정된 지역에서 실험적으로 얻어낸 계수)(At this time, C 0 to C 5 and D are coefficients experimentally obtained in a region predetermined according to the location of the photovoltaic module array 11 to be calculated)

그리고, 물리 모델 연산부(1213)는 이론적 천문 요소값과 전천일사 추정치로부터 직달일사(DNI, Direct Normal Irradiance) 추정치 및 수평면확산일사(DHI, Diffuse Horizontal Irradiance) 추정치를 계산한다. 구체적으로는 물리 모델 연산부(213)는 청명계수와 청명기준계수를 구하고, 이 두 값의 관계에 따라 날씨가 맑은지(청천공) 아니면 흐린지(담천공) 인지를 판단하고, 이에 따라 산란일사율을 계산한다. 또한, 물리 모델 연산부(213)는 청명계수와 청명기준계수를 이용하여 산란일사율을 구하고, 산란일사율에 기초하여 직달일사 및 수평면확산일사의 추정치를 계산한다.In addition, the physical model calculation unit 1213 calculates a direct normal irradiance (DNI) estimate and a diffuse horizontal irradiance (DHI) estimate from the theoretical astronomical element values and the total celestial insolation estimate. Specifically, the physical model calculation unit 213 obtains the clearness coefficient and the clearness reference coefficient, and determines whether the weather is clear (clear sky) or cloudy (light sky) according to the relationship between the two values, and spawning date accordingly. calculate the rate In addition, the physical model calculation unit 213 calculates the scattered solar radiation rate using the clearness coefficient and the clearness reference coefficient, and calculates estimates of direct solar radiation and horizontal surface diffuse solar radiation based on the scattered solar radiation rate.

Figure 112022095321895-pat00007
Figure 112022095321895-pat00007

여기서, 산란일사율은 하기 (수학식 4) 또는 (수학식 5)와 같이 구한다.Here, the scattering solar radiation is obtained as follows (Equation 4) or (Equation 5).

Figure 112022095321895-pat00008
Figure 112022095321895-pat00008

Figure 112022095321895-pat00009
Figure 112022095321895-pat00009

직달일사 및 수평면확산일사의 추정치는 하기 수학식 6 및 수학식 7과 같이 구한다. Estimates of direct solar radiation and horizontal surface diffuse solar radiation are obtained as shown in Equations 6 and 7 below.

Figure 112022095321895-pat00010
Figure 112022095321895-pat00010

Figure 112022095321895-pat00011
Figure 112022095321895-pat00011

그리고, 물리 모델 연산부(213)는 전천일사, 직달일사 및 수평면확산일사의 추정치와 이론적 천문요소값, 태양광 패널의 설치 방향과 각도 정보 등을 이용하여 경사면 일사량 (PoA, Plane of Array) 요소들(PoA beam, PoA sky diffuse, PoA ground reflected 등)의 추정치를 계산한다.In addition, the physical model calculation unit 213 determines the plane of array (PoA) elements by using estimated values of total solar radiation, direct solar radiation, and horizontal surface diffuse solar radiation, theoretical astronomical element values, and information on the installation direction and angle of the solar panel. Calculate the estimate of (PoA beam, PoA sky diffuse, PoA ground reflected, etc.)

경사면 일사량(EPoA)는 하기 수학식과 같이 구할 수 있다.The slope solar radiation (E PoA ) can be obtained by the following equation.

Figure 112022095321895-pat00012
Figure 112022095321895-pat00012

여기서, Eb는 경사면 일사량 빔(PoA Beam) 요소, Eg는 경사면 일사량 지상 반사(PoA ground reflected) 요소, Ed는 경사면 일사량 공중 확산(PoA Sky-diffuse) 요소이다.Here, Eb is a PoA Beam element, Eg is a PoA ground reflected element, and Ed is a PoA Sky-diffuse element.

Eb는 예컨대, 하기와 같이 직달일사 및 입사각(AOI)에 기초하여 산출할 수 있다. E b can be calculated based on direct solar radiation and an angle of incidence (AOI), for example, as follows.

Figure 112022095321895-pat00013
Figure 112022095321895-pat00013

이 때,

Figure 112022095321895-pat00014
A 및
Figure 112022095321895-pat00015
z는 각각 태양의 방위각 및 천정각이고,
Figure 112022095321895-pat00016
T 및
Figure 112022095321895-pat00017
A,array는 태양광 모듈 어레이(11)의 경사 및 방위각이다.At this time,
Figure 112022095321895-pat00014
A and
Figure 112022095321895-pat00015
z is the azimuth and zenith angles of the sun, respectively;
Figure 112022095321895-pat00016
T and
Figure 112022095321895-pat00017
A, array is the inclination and azimuth of the photovoltaic module array 11.

한편, 경사면 일사량 지상 반사 요소는 하기 수학식 10과 같이 구할 수 있다.On the other hand, the slope solar radiation ground reflection factor can be obtained as shown in Equation 10 below.

Figure 112022095321895-pat00018
Figure 112022095321895-pat00018

여기서,

Figure 112022095321895-pat00019
T.surf는 지표면과 태양광 모듈 어레이(11)가 이루는 각이다. here,
Figure 112022095321895-pat00019
T.surf is an angle between the ground surface and the photovoltaic module array 11 .

한편. Ed는 하기 수학식 11과 같이 연산될 수 있다.Meanwhile. Ed can be calculated as in Equation 11 below.

Figure 112022095321895-pat00020
Figure 112022095321895-pat00020

Figure 112022095321895-pat00021
Figure 112022095321895-pat00021

Figure 112022095321895-pat00022
Figure 112022095321895-pat00022

Figure 112022095321895-pat00023
Figure 112022095321895-pat00023

Figure 112022095321895-pat00024
Figure 112022095321895-pat00024

이 경우,

Figure 112022095321895-pat00025
값은 라디언 단위로는 1.041, 도(degree) 단위로는 5.535*10-6인 상수이다. in this case,
Figure 112022095321895-pat00025
The value is a constant equal to 1.041 in radians and 5.535*10-6 in degrees.

한편,

Figure 112022095321895-pat00026
값은 아래 수학식 13과 같이 정의된다.Meanwhile,
Figure 112022095321895-pat00026
The value is defined as in Equation 13 below.

Figure 112022095321895-pat00027
Figure 112022095321895-pat00027

이 경우, AMa는 에어매스값을 의미하고, Ea는 외계 방사선을 의미한다.In this case, AM a means an air mass value, and E a means extraterrestrial radiation.

또한, f11 내지 f23의 계수는 청명 정도(bins of clearness(ε))에 따라 아래와 같이 정해진다. 청명 정도는 ε값에 따라 아래와 같이 구간이 정해진다.In addition, coefficients of f 11 to f 23 are determined as follows according to bins of clearness (ε). The degree of clearness is determined according to the value of ε as follows.

Figure 112022095321895-pat00028
구간
Figure 112022095321895-pat00028
section 최소값minimum 최대값max value 1 흐림1 cloudy 1One 1.0651.065 22 1.0651.065 1.2301.230 33 1.2301.230 1.5001.500 44 1.5001.500 1.9501.950 55 1.9501.950 2.8002.800 66 2.8002.800 4.5004.500 77 4.5004.500 6.2006.200 8 맑음8 Sunny 6.2006.200 ―—

또한, 구간 별로 f11 내지 f23의 계수는 아래와 같이 정해진다.In addition, coefficients of f 11 to f 23 for each section are determined as follows.

Figure 112022095321895-pat00029
구간
Figure 112022095321895-pat00029
section f11 f 11 f12 f 12 f13 f 13 f21 f 21 f22 f 22 f23 f 23 1One -0.008-0.008 0.5880.588 -0.062-0.062 -0.06-0.06 0.0720.072 -0.022-0.022 22 0.130.13 0.6830.683 -0.151-0.151 -0.019-0.019 0.0660.066 -0.029-0.029 33 0.330.33 0.4870.487 -0.221-0.221 0.0550.055 -0.064-0.064 -0.026-0.026 44 0.5680.568 0.1870.187 -0.295-0.295 0.1090.109 -0.152-0.152 -0.014-0.014 55 0.8730.873 -0.392-0.392 -0.362-0.362 0.2260.226 -0.462-0.462 0.0010.001 66 1.1321.132 -1.237-1.237 -0.412-0.412 0.2880.288 -0.823-0.823 0.0560.056 77 1.061.06 -1.6-1.6 -0.359-0.359 0.2640.264 -1.127-1.127 0.1310.131 88 0.6780.678 -0.327-0.327 -0.25-0.25 0.1560.156 -1.377-1.377 0.2510.251

그리고, PoA 추정치(EPOA)에 기초하여 하기 수학식과 같이 유효일사량(Effective Irradiance, Ee)을 연산한다.Then, based on the estimated value of PoA (E POA ), effective solar radiation (E e ) is calculated as in the following equation.

Figure 112022095321895-pat00030
Figure 112022095321895-pat00030

여기서, aoi_modifier는 태양광 모듈 어레이(11)를 직접적으로 실험하여 구하는 값으로 경험칙상의 상수이다. Here, aoi_modifier is a value obtained by directly experimenting with the photovoltaic module array 11 and is an empirical constant.

또한, 유효일사량 및 태양광 모듈 어레이(11)의 셀 온도 추정치에 기초하여 DC 전력 추정치가 연산된다.In addition, a DC power estimate is calculated based on the effective solar radiation and the cell temperature estimate of the solar module array 11 .

Figure 112022095321895-pat00031
Figure 112022095321895-pat00031

이 때, E0 은 1000W/m2, Pmp는 DC 전력 추정치, Pmp0는 DC 정격 출력 전압에서의 기준 전력, γ는 태양광 모듈 어레이(11)에서 실험으로 결정되는 상수, Tc는 표면온도, T0는 기준온도 (섭씨 25도)를 의미한다. 그리고, DC파워 추정치와 인버터 정보 (효율, 손실율 등) 로부터 AC 전력 추정치를 연산한다. At this time, E 0 is 1000W/m 2 , P mp is the DC power estimate, P mp0 is the reference power at the DC rated output voltage, γ is a constant determined experimentally in the solar module array 11, and T c is the surface Temperature, T 0 means the reference temperature (25 degrees Celsius). Then, an AC power estimate is calculated from the DC power estimate and inverter information (efficiency, loss factor, etc.).

또한, 연산된 각종 물리 모델 및 발전량 예측 모델에 시간 정보를 추가한다. 이 경우, 시간 정보는 DoY(Day of Year) 및 ToD(Time of Day)를 포함할 수 있다. In addition, time information is added to various calculated physical models and power generation prediction models. In this case, the time information may include Day of Year (DoY) and Time of Day (ToD).

연산된 각종 물리 모델에 기초한 발전량 예측치들은 기계 학습을 위하여 데이터 전처리 과정이 진행된다. Estimated values of power generation based on various calculated physical models are subjected to data pre-processing for machine learning.

예컨대, 데이터 전처리 과정에서는 예측에 사용할 특성을 선택하거나, 이상값을 제거하거나, 누락값을 채우거나 또는 각 기계 학습의 입력데이터의 특성에 맞는 스케일링을 진행할 수 있다. 상술한 스케일링은 예컨대 발전량을 용량으로 나누어 스케일링 하거나 또는 0-1 구간으로 선형변환 하거나 또는 평균과 분산으로 정규화는 과정을 거칠 수 있다. 또는 상술한 데이터 전처리 과정에서는 원 핫 인코딩 등의 필요에 따른 변환이 이루어질 수 있다.For example, in the data preprocessing process, characteristics to be used for prediction may be selected, outliers may be removed, missing values may be filled in, or scaling may be performed according to characteristics of input data of each machine learning. The above-described scaling may be performed by, for example, scaling by dividing power generation by capacity, linear conversion in a 0-1 interval, or normalization with average and variance. Alternatively, in the above-described data pre-processing process, necessary conversion such as one-hot encoding may be performed.

한편, 데이터의 전처리가 이루어진 후에는, 연산된 데이터들을 입력으로 사용하여 예측 모델을 기계 학습한 후 발전량을 예측한다. 이 때, 예측 모델은 사이트 별로 생성할 수 있으며, 이 때, 제어부(1216)는 사이트별 예측 모델의 학습과 추론에 사용할 설정 값들을 별도로 설정할 수 있다. 또한, 학습과 추론에 사용할 설정값들은 학습에 사용할 기간, 사용할 예측 모델 및 추론에 사용할 기간을 포함한다. 또한, 제어부(1216)는 사이트별로 사용할 예측 모델을 선택할 수 있다. 이 경우, 선택은 실제 태양광 모듈 어레이(11)의 발전량과 예측치의 차이에 기초하여 결정할 수 있다.Meanwhile, after preprocessing of the data is performed, the amount of power generation is predicted after machine learning of a prediction model using the calculated data as an input. In this case, the predictive model may be generated for each site, and at this time, the control unit 1216 may separately set setting values to be used for learning and reasoning of the predictive model for each site. In addition, setting values to be used for learning and inference include a period to be used for learning, a prediction model to be used, and a period to be used for inference. Also, the control unit 1216 may select a predictive model to be used for each site. In this case, the selection may be determined based on the difference between the actual generation amount of the photovoltaic module array 11 and the predicted value.

이 경우, 사용할 모델의 경우에는 예컨대, 랜덤 포레스트(Random Forest) 및 LSTM 모델을 포함할 수 있다. 예측 대상 시점의 여러 입력 요소의 값으로 부터 동일한 시점의 발전량 예측값을 추론한다. 인접한 시점 간의 관계는 고려하지 않고, 특정 시점의 입력 데이터와 출력 데이터의 관계만을 고려한다. 과거 데이터로부터 이러한 관계를 설명하는 나무 형태의 반복적인 판단 기준(트리 모델)을 학습한다. 새로운 입력 데이터에 대해서 학습된 나무 형태의 반복적인 판단 기준에 따라 여러 노드 중 하나로 분류하고, 분류된 노드의 대표값으로 예측값을 추론한다. 여러 개의 나무 형태의 판단 기준을 사용하여 예측 값을 여러번 생성한 후 이들의 평균값을 사용하여 과적합을 막는다. 즉, 상기 입력 데이터와 상기 출력 데이터의 관계로부터 복수의 트리 모델을 생성하고, 복수의 트리 모델에 따라 예측된 발전량 예측값에 기초하여 최종 발전량 예측값을 예측한다. 이 경우, 입력 데이터는 과거 발전량, 주요 기상요소, 일사량 추정치, 기준적인 DC/AC 전력, 시간 정보 및 발전량추정치 등일 수 있으며, 출력 데이터는 물리 모델에 기초한 발전량예측치이다. In this case, the model to be used may include, for example, a random forest and an LSTM model. From the values of various input factors at the time of prediction, the predicted value of power generation at the same point in time is inferred. Relationships between adjacent views are not considered, but only the relationship between input data and output data at a specific point in time is considered. It learns a tree-like iterative decision criterion (tree model) that describes these relationships from past data. New input data is classified into one of several nodes according to the learned tree-like repetitive decision criterion, and the predicted value is inferred from the representative value of the classified node. Overfitting is prevented by using the average value after generating multiple predicted values using multiple tree-type criteria. That is, a plurality of tree models are generated from the relationship between the input data and the output data, and a final generation amount prediction value is predicted based on the generation amount prediction values predicted according to the plurality of tree models. In this case, the input data may be past power generation, major meteorological factors, insolation estimates, standard DC/AC power, time information, and power generation estimates, and the output data is power generation prediction based on a physical model.

LSTM은 예측 대상 시점을 포함한 직전 k 스텝(단, k는 자연수)의 입력 요소의 값을 시간적인 연결관계(시계열적인)가 있는 인공신경망 구조를 이용하여 기계학습에 근거한 예측값을 연산한다. 입력 요소는 과거 발전량, 주요 기상요소, 일사량 추정치, 기준적인 DC/AC 전력, 물리 모델에 기초한 발전량 추정치, 시간 정보 등에 대한 k 스텝 시계열 값이다. 출력 요소는 단일한 시점 또는 연속한 t 스텝(단, t는 자연수)에 대한 발전량 예측값이다.LSTM calculates a predicted value based on machine learning using an artificial neural network structure in which the values of input elements of the previous k steps (where k is a natural number) including the prediction target time point are temporally connected (time-series). The input elements are k-step time series values for past power generation, major meteorological factors, insolation estimates, standard DC/AC power, power generation estimates based on physical models, and time information. The output element is an estimated value of generation amount for a single point in time or t consecutive steps (where t is a natural number).

예측값이 생성되면, 사용자별, 사이트별 필요에 따라 예컨대, 스케일링 되돌리기 등의 후처리 과정을 거쳐서 예측된 발전량값을 적절한 형식과 절차로 전송할 수 있다. 따라서, 본 발명에 따르면, 태양광 모듈 어레이의 사이트별 발전량을 정확하게 예측할 수 있다. When the predicted value is generated, the predicted power generation value may be transmitted in an appropriate format and procedure through a post-processing process such as scaling back, for example, according to the needs of each user and each site. Therefore, according to the present invention, it is possible to accurately predict the amount of power generation for each site of the solar module array.

또한, 본 발명의 실시예들에 따르면, 물리 모델을 입력으로 활용하여 기존 인공지능 기반 기계 학습을 통한 예측의 정확도를 현저하게 향상시킬 수 있다.In addition, according to embodiments of the present invention, the accuracy of prediction through existing artificial intelligence-based machine learning can be remarkably improved by using a physical model as an input.

특히, 종래 기술에 따르면, 입력데이터에 대한 노이즈 제거, 데이터 정규화, 포맷의 변경 등의 간략한 데이터 전처리를 통하여 입력하고 예측 알고리즘에 대해서는 별도의 고민 없이 뉴럴 네트워크 등의 기계 학습의 최적화에 의존하여 예측을 실행하였다. 이러한 경우에 기계 학습에 의한 예측의 성능이 매우 떨어지기 때문에 상업적으로 활용하기가 매우 어려웠다. 특히, 정밀한 예측값을 기반으로 동작해야 하는 가상발전소(VPP) 또는 분산형전원/분산자원(DERMS) 등에서 기계 학습에 의한 예측을 상업적으로 활용하기에는 예측의 정확도가 크게 떨어졌다. In particular, according to the prior art, input data is input through simple data preprocessing such as noise removal, data normalization, format change, etc., and prediction is made by relying on optimization of machine learning such as neural networks without additional consideration for prediction algorithms. Executed. In this case, it is very difficult to use commercially because the performance of prediction by machine learning is very poor. In particular, the accuracy of prediction is greatly reduced for commercial use of prediction by machine learning in virtual power plants (VPP) or distributed power supply/distributed resources (DERMS), which must operate based on precise predicted values.

그러나, 본 발명에 따르면, 물리적/수학적 모델링을 통해 처리된 데이터를 기계 학습의 입력으로 활용하여 가상발전소(VPP) 또는 분산형전원/ 분산자원(DERMS) 등에 상업적으로 활용가능한 정확한 발전량 예측이 제공될 수 있다. However, according to the present invention, by using data processed through physical/mathematical modeling as an input for machine learning, accurate power generation prediction that can be commercially used for virtual power plants (VPP) or distributed power sources/distributed resources (DERMS) can be provided. can

또한, 본 발명의 분석서버(200)는 예측 서버(220)에서 예측된 예측치를 이용하여 입찰값 결정 서버(230)를 통해 최적 입찰값을 결정할 수 있다.In addition, the analysis server 200 of the present invention may determine an optimal bid value through the bid value determination server 230 using the predicted value predicted by the prediction server 220 .

또한, 본 발명에서는 도 11의 예측서버(220) 등과 같은 예측 알고리즘을 이용하여 예측된 발전량 이하, 예측값(예측치)이라하고, 실제 측정된 발전량은 실제값(실측치)이라하며, 입찰 참여를 위한 예측값(예측치)을 입찰값으로 정의할 수 있다.In addition, in the present invention, the amount of power generation predicted using a prediction algorithm such as the prediction server 220 of FIG. (predicted value) can be defined as a bid value.

본 발명의 일 실시 예에 따른 입찰값 결정서버(230)는 예측값을 기반으로 최대 수익을 도출할 수 있는 입찰값을 결정할 수 있다. 도 12는 도 1의 입찰값 결정서버의 구성을 설명하기 위한 블록도이다. 도 12를 참고하면, 입찰값 결정서버(230)는 설정부(251), 조건부 분포 추정부(252), 입찰값 결정부(253)를 포함할 수 있으며, 조건부 분포 추정부(252)는 예측값 이산화부(2521), 분포 파라미터 추정부(2522) 및 실제값 분포 추정부(2523)를 포함할 수 있다.The bid value determination server 230 according to an embodiment of the present invention may determine a bid value capable of deriving maximum profit based on the predicted value. FIG. 12 is a block diagram for explaining the configuration of the bid value determination server of FIG. 1 . Referring to FIG. 12 , the bid value determination server 230 may include a setting unit 251, a conditional distribution estimation unit 252, and a bid value determination unit 253, and the conditional distribution estimation unit 252 may include a predicted value A discretization unit 2521, a distribution parameter estimation unit 2522, and a real value distribution estimation unit 2523 may be included.

설정부(251)는 최적 입찰값 산출을 위해 DB(300)로부터 예측서버(220)에서 생성한 예측값과 실제값에 대한 과거 발전량 데이터를 수집할 수 있으며, 이때 수집을 위한 특정기간은 사용자(관리자 등)로부터 설정받을 수 있다.The setting unit 251 may collect past power generation data for the predicted value generated by the prediction server 220 and the actual value from the DB 300 in order to calculate the optimal bid value. etc.) can be set.

또한, 설정부(251)는 사용자로부터 분포 추정을 위한 분포의 종류, 예측값 이산화를 위한 구간설정, 그룹 개수 등을 입력받을 수 있다. 이때, 분포의 종류는 정규분포, 감마분포, 베이불분포 등이 될 수 있다.In addition, the setting unit 251 may receive input of a distribution type for distribution estimation, interval setting for prediction value discretization, and the number of groups from the user. In this case, the type of distribution may be a normal distribution, a gamma distribution, a Weibull distribution, or the like.

조건부 분포 추정부(252)는 예측시스템(200)으로부터 신재생 발전에 대한 예측값이 수신되면 기수집된 신재생 발전에 대한 예측값 및 실제값을 포함하는 과거 발전량 데이터로부터, 입찰을 위해 수신된 예측값에 대한 실제값 확률분포를 추정할 수 있다. 이때, 실제값 확률분포는 예측값이 조건으로 주어졌을 때, 실제값이 따르는 조건부 확률분포가 될 수 있다. When the predicted value for new and renewable power generation is received from the prediction system 200, the conditional distribution estimator 252 calculates the predicted value received for bidding from past power generation data including previously collected predicted values and actual values for new and renewable power generation. We can estimate the true value probability distribution for In this case, the actual value probability distribution may be a conditional probability distribution followed by an actual value when a predicted value is given as a condition.

본 발명의 실시 예에서는, 예측알고리즘이 과소 예측하는 경향이 있는지 예측 경향성을 파악하기 위해, 조건부 확률분포 추정을 수행할 수 있다. 즉, 예측알고리즘에 의해 예측된 예측값(수신된 예측값)과 실제값간의 관계로부터 예측알고리즘의 경향성을 판단하여, 알고리즘이 과소 예측하는 경우, 수신된 예측값보다 더 큰 수익을 얻을 수 있는 최적 입찰을 위한 예측값을 입찰값으로 찾을 수 있다. In an embodiment of the present invention, conditional probability distribution estimation may be performed in order to determine whether the prediction algorithm tends to underpredict or not. That is, the tendency of the prediction algorithm is determined from the relationship between the predicted value predicted by the prediction algorithm (received prediction value) and the actual value, and when the algorithm under-predicts, an optimal bid that can obtain a larger profit than the received predicted value You can find the predicted value as the bid value.

이를 위해, 조건부 분포 추정부(252)는 예측값 이산화 및 이산화된 예측값 그룹별 실제값 확률분포를 추정할 수 있다.To this end, the conditional distribution estimator 252 may discretize the predicted value and estimate the actual value probability distribution for each discretized predicted value group.

구체적으로, 예측값 이산화부(2521)는 특정기간의 과거 발전량 데이터에 대해, 예측값을 이산화하여 동일값을 가지는 이산화된 예측값을 그룹으로 설정할 수 있다. 이때, 설정부(251)에서 입력받은 예측값 이산화를 위한 구간설정, 그룹 개수 등에 따라 그룹이 결정될 수 있다. Specifically, the predictive value discretization unit 2521 may set the discretized predicted values having the same value as a group by discretizing the predicted values for past power generation data of a specific period. At this time, the group may be determined according to the interval setting for the discretization of the predicted value input from the setting unit 251, the number of groups, and the like.

일 예로, 0~설비용량 범위를 10등분하는 구간으로 설정한 경우, 각 예측값에 대해 10분위 구간 중 해당 예측값들이 포함되는 구간으로 변환하여 이산화시킬 수 있다. 이에, 동일한 구간에 포함되는 이산화된 예측값들은 하나의 그룹으로 구성되어, n개의 그룹으로 예측값들이 이산화될 수 있다.For example, when the range of 0 to installed capacity is set as an interval divided into 10 equal parts, each predicted value may be discretized by converting it into an interval including the predicted values among 10th quartile intervals. Thus, the discretized prediction values included in the same interval may be configured as one group, and the prediction values may be discretized in n groups.

분포 파라미터 추정부(2522)는 설정부(2521)에서 선택받은 분포 종류 및 최대우도추정법을 기반으로 각 그룹에 대한 실제값들의 최적 분포 파라미터를 산출할 수 있다. 이때, 최적 분포 파라미터는 실제값 데이터들을 가장 잘 설명하는 분포 파라미터로 확률분포의 모양을 결정하는 중요한 값이 될 수 있다.The distribution parameter estimator 2522 may calculate optimal distribution parameters of actual values for each group based on the distribution type selected by the setting unit 2521 and the maximum likelihood estimation method. In this case, the optimal distribution parameter is a distribution parameter that best describes the actual value data and may be an important value for determining the shape of the probability distribution.

최대우도추정법은 모수적인 데이터 밀도 추정방법으로, 파라미터로 구성되어 있는 어떤 확률 밀도 함수에서 관측된 표본 데이터 집합이 있을 때, 이 표본들이 가장 등장할 확률이 높은 파라미터를 추정하는 방법이다.The maximum likelihood estimation method is a parametric data density estimation method. When there is a sample data set observed in a certain probability density function composed of parameters, it is a method of estimating parameters with the highest probability of these samples appearing.

구체적으로, 어떤 모수(

Figure 112022095321895-pat00032
)로 표현되는 확률변수 X의 확률밀도함수가
Figure 112022095321895-pat00033
이고, 이 확률변수로부터 독립시행을 반복하여 값
Figure 112022095321895-pat00034
을 얻었다고 하면, 이때의 우도(likelihood: 어떤 모수가 주어졌을때 해당 관측값들이 나올 가능성)는
Figure 112022095321895-pat00035
로 정의된다. 여기서 우도를 최대로 만드는
Figure 112022095321895-pat00036
를 찾을 수 있다면, 이 값이 바로 최대우도추정법을 통해 추정된 분포 파라미터가 된다.Specifically, which parameters (
Figure 112022095321895-pat00032
), the probability density function of the random variable X is
Figure 112022095321895-pat00033
And, by repeating independent trials from this random variable, the value
Figure 112022095321895-pat00034
, the likelihood (probability of corresponding observations given a given parameter) at this time is
Figure 112022095321895-pat00035
is defined as where the likelihood is maximized
Figure 112022095321895-pat00036
If can be found, this value becomes the distribution parameter estimated through the maximum likelihood estimation method.

이때, 분포 종류에 따라 해당 분포 파라미터가 결정되며, 태양광 및 풍력 발전 등의 경우, 하한(0) 및 상한(설비용량)이 있어 감마분포나 베이불 분포 등이 적합할 수 있다. 또한, 사용자의 설정에 따라 정규분포가 설정될 수도 있다.At this time, a corresponding distribution parameter is determined according to the distribution type, and in the case of solar and wind power generation, etc., a gamma distribution or a Weibull distribution may be suitable because there is a lower limit (0) and an upper limit (equipment capacity). In addition, a normal distribution may be set according to user settings.

실제값 분포 추정부(2523)는 산출된 최적 분포 파라미터를 이용하여 기설정된 분포 종류에 따른 각 그룹별 실제값 분포를 추정하여, 이산화된 예측값에 대한 n개 그룹 및 n개의 실제값 확률분포를 설정해 놓을 수 있다. 이때, 각 그룹별로 분포 종류가 다르게 설정될 수도 있다.The actual value distribution estimator 2523 estimates the actual value distribution for each group according to the preset distribution type using the calculated optimal distribution parameter, and sets n groups and n actual value probability distributions for the discretized predicted values. can be put In this case, the distribution type may be set differently for each group.

또한, 실제값 분포 추정부(2523)는 예측시스템(200)으로부터 입찰을 위한 예측값을 수신시, 수신된 예측값이 포함되는 해당 그룹의 실제값 확률분포를 추출하여 수신된 예측값에 대한 실제값 확률분포로 추정할 수 있다.In addition, upon receiving the predicted value for bidding from the prediction system 200, the actual value distribution estimator 2523 extracts the actual value probability distribution of the corresponding group including the received predicted value, and calculates the actual value probability distribution for the received predicted value. can be estimated as

입찰값 결정부(253)는 실제값 분포 추정부(2523)에서 추정된 주어진 예측값을 따르는 실제값 확률분포와 수익정산기준이 되는 수익함수를 이용하여 기대수익을 최대화시키는 입찰값을 산출하고, 산출된 입찰값을 최종 입찰값으로 결정할 수 있다.The bid value determination unit 253 calculates a bid value maximizing an expected profit by using an actual value probability distribution following a given predicted value estimated by the actual value distribution estimation unit 2523 and a profit function serving as a profit calculation standard. The bid price may be determined as the final bid price.

이때, 수익정산기준은 전력거래소의 전력시장운영규칙에 기반한 수익함수로 생성될 수 있으며, 본 발명에서는 수익계산적용여부, 실제 발전량인 실제값 및 적용단가의 곱이 될 수 있다.In this case, the revenue calculation standard may be generated as a revenue function based on the power market operating rules of the Power Exchange, and in the present invention, it may be a product of whether revenue calculation is applied, an actual value that is the actual amount of power generation, and an applied unit price.

여기서, 수익계산적용여부는 신재생 발전 용량 대비 실제값이 최저이용률을 넘는 경우 조건이 성립되며, 조건성립시 1을 조건미성립시 0을 적용할 수 있다. 또한, 적용단가는 전력거래소의 전력시장운영규칙에 기반한 실제값과 입찰값의 오차율에 따라 결정될 수 있다.Here, whether or not to apply revenue calculation is a condition when the actual value compared to renewable power generation capacity exceeds the minimum utilization rate, and 1 when the condition is met and 0 when the condition is not met can be applied. In addition, the applied unit price may be determined according to the error rate between the actual value and the bid value based on the power market operation rules of the Power Exchange.

한국전력거래소의 전력시장운영규칙을 따르는 수익함수의 일 예로, 하기 수학식1과 같은 수익함수를 수익정산기준으로 이용할 수 있다.As an example of a profit function that follows the power market operation rules of the Korea Power Exchange, a profit function such as Equation 1 below can be used as a profit calculation standard.

Figure 112022095321895-pat00037
Figure 112022095321895-pat00037

여기서, C는 설비용량(고정값), 1은 indicator function(조건을 만족하면 1, 아니면 0), g는 오차율에 따른 적용단가함수. g(x) := 4원/kWh if 0<= x <= 0.06, 3원/kWh if 0.06 < x <= 0.08, 0원/kWh 나머지 경우가 될 수 있다. 또한,

Figure 112022095321895-pat00038
는 실제값,
Figure 112022095321895-pat00039
는 입찰값이 된다.Here, C is the facility capacity (fixed value), 1 is the indicator function (1 if the condition is satisfied, 0 otherwise), and g is the applied unit price function according to the error rate. g(x) := 4 won/kWh if 0<= x <= 0.06, 3 won/kWh if 0.06 < x <= 0.08, 0 won/kWh The rest can be the case. also,
Figure 112022095321895-pat00038
is the actual value,
Figure 112022095321895-pat00039
is the bid price.

또는, 하기의 수학식17과 같은 수익함수를 적용할 수도 있다. Alternatively, a profit function such as Equation 17 below may be applied.

Figure 112022095321895-pat00040
Figure 112022095321895-pat00040

여기서, h(x; x_0, C)는 적용단가함수로 g(|x - x_0| / C)와 동일하며, 4원/kWh if x_0 - 0.06 * C <= x <= x_0 + 0.06 *C, 3원/kWh if x_0 - 0.08 * C <= x < x_0 - 0.06 * C or x_0 + 0.06 * C < x <= x_0 + 0.08 * C, 이외에는 0이 될 수 있다.Here, h(x; x_0, C) is the applied unit price function and is equal to g(|x - x_0| / C), and 4 won/kWh if x_0 - 0.06 * C <= x <= x_0 + 0.06 *C, 3 won/kWh if x_0 - 0.08 * C <= x < x_0 - 0.06 * C or x_0 + 0.06 * C < x <= x_0 + 0.08 * C, otherwise it can be zero.

이때, 수학식17에 따른 단가함수는 도 13과 같이 그래프로 표현될 수 있다. 이와 같이 실제값과 입찰시 제시된 입찰값과의 오차가 적을수록 수익(P)이 커지는 경향이 있다. At this time, the unit price function according to Equation 17 may be expressed as a graph as shown in FIG. 13 . As such, the smaller the error between the actual value and the bid value presented at the time of bidding, the larger the profit P tends to be.

한편, 수학식16 및 수학식17의 일 실시 예에서는 적용단가 함수가 1차함수인 경우를 예시하였으나, 전력거래소의 전력시장운영규칙(발전량 예측제도)에 기반한 다양한 함수로 변경될 수도 있다.Meanwhile, in one embodiment of Equations 16 and 17, the case where the applied unit price function is a primary function is exemplified, but it may be changed to various functions based on the power market operation rules (generation amount prediction system) of the Power Exchange.

입찰값 결정부(253)는 수익정산기준과 수신된 예측값이 주어질때 추정된 실제값 확률분포의 곱을 적분하여 산출될 수 있다. 본 발명의 일 실시 예에 따른 기대수익은 하기의 수학식18과 같이 정의할 수 있다.The bid value determination unit 253 may be calculated by integrating the product of the estimated actual value probability distribution when the revenue calculation standard and the received predicted value are given. Expected revenue according to an embodiment of the present invention can be defined as in Equation 18 below.

Figure 112022095321895-pat00041
Figure 112022095321895-pat00041

여기서,

Figure 112022095321895-pat00042
는 상기 수학식2의 수익정산기준인 수익함수,
Figure 112022095321895-pat00043
는 조건부 실제값 추정부(252)에서 예측값이 주어졌을때 추정된 실제값 확률분포함수가 될 수 있다.here,
Figure 112022095321895-pat00042
Is the profit function that is the profit calculation standard of Equation 2 above,
Figure 112022095321895-pat00043
may be an estimated actual value probability distribution function when the predicted value is given in the conditional actual value estimator 252.

일 예로, 예측값(예측시스템(200)에서 수신된 예측값)이 주어졌을때 추정된 실제값 확률분포함수가 정규분포를 따른다고 가정하면, 추정된 실제값 확률분포함수는 하기의 수학식19가 될 수 있다.As an example, if it is assumed that the estimated actual value probability distribution function follows a normal distribution given the predicted value (the predicted value received from the prediction system 200), the estimated actual value probability distribution function becomes Equation 19 below. can

Figure 112022095321895-pat00044
Figure 112022095321895-pat00044

여기서,

Figure 112022095321895-pat00045
는 평균,
Figure 112022095321895-pat00046
는 표준편차가 된다.here,
Figure 112022095321895-pat00045
is the mean,
Figure 112022095321895-pat00046
is the standard deviation.

상기 수학식19의 기대수익에, 수학식17의 수익함수와 수학식19의 확률분포함수를 적용하면 기대수익은 하기의 수학식 20와 같이 산출될 수 있다.When the return function of Equation 17 and the probability distribution function of Equation 19 are applied to the expected return of Equation 19, the expected return can be calculated as shown in Equation 20 below.

Figure 112022095321895-pat00047
Figure 112022095321895-pat00047

이와 같이, 본 발명의 일 실시 예에 따른 기대수익은 적분계산을 이산화하여 합으로 근사시킬 수 있다. 이때, 기대수익은 입찰값에 대한 계단함수(step function)가 될 수 있다. As such, the expected profit according to an embodiment of the present invention can be approximated as a sum by discretizing the integral calculation. In this case, the expected profit may be a step function for the bid value.

입찰값 결정부(253)는 기대수익을 입찰값(

Figure 112022095321895-pat00048
)에 대한 함수로 바라보고, 기대수익을 최대화시키는 입찰값을 최종 입찰을 위한 최적 입찰값으로 결정할 수 있다.The bid value determination unit 253 converts the expected profit to the bid value (
Figure 112022095321895-pat00048
), the bid value maximizing the expected profit can be determined as the optimal bid value for the final bid.

본 발명의 최적 발전 입찰값 결정방법은 도 12 및 도 13의 최적 발전 입찰값 결정시스템에 의해 수행될 수 있으며, 구체적인 동작 및 수학식들은 시스템 설명에서 설명하였으므로, 이하에서는 간략히 설명하며 방법중심으로 설명하도록 한다.The method for determining the optimal power generation bid value of the present invention can be performed by the optimal power generation bid value determination system of FIGS. 12 and 13, and specific operations and equations have been described in the system description. let it do

도 11에 따르면, 예측서버(220)으로부터 입찰을 위한 태양광 발전에 대한 예측값을 수신하면, 기수집된 태양광 발전에 대한 예측값 및 실제값을 포함하는 과거 발전량 데이터로부터, 수신한 예측값에 대한 실제값 확률분포를 추정할 수 있다.According to FIG. 11, when a predicted value for solar power generation for bidding is received from the prediction server 220, the actual value for the received predicted value is obtained from past power generation data including previously collected predicted values and actual values for solar power generation. The probability distribution of values can be estimated.

이를 위해, 예측값이 수신되기 이전 단계에서, 과거기록의 예측값들을 구간으로 구분하여 이산화하고, 이산화된 예측값들의 그룹화를 통해 각 그룹별 실제값 분포를 추정하여 마련해둘 수 있다. To this end, in a step before the predicted values are received, the predicted values of the past record are divided into sections and discretized, and the actual value distribution for each group can be estimated and prepared through grouping of the discretized predicted values.

구체적으로, 최적 입찰값 산출을 위해 DB(300)로부터 예측서버(220)에서 생성한 예측값과 실제값에 대한 과거 발전량 데이터를 수집할 수 있으며, 이때 수집을 위한 특정기간을 사용자(관리자 등)로부터 설정받을 수 있다. 또한, 사용자로부터 분포 추정을 위한 분포의 종류, 예측값 이산화를 위한 구간설정, 그룹 개수 등을 입력받을 수 있다. Specifically, in order to calculate the optimal bid value, it is possible to collect past power generation data for the predicted value generated by the prediction server 220 and the actual value from the DB 300. can be set. In addition, the type of distribution for distribution estimation, interval setting for discretization of predicted values, and the number of groups may be received from the user.

다음으로, 예측값 이산화 및 그룹화를 수행할 수 있다. 구체적으로, 사용자에 의해 설정된 특정기간의 과거 발전량 데이터에 대해, 예측값을 이산화하여 동일값(동일 구간)을 가지는 이산화된 예측값을 그룹으로 설정할 수 있다.Next, discretization and grouping of predictions can be performed. Specifically, for the past power generation data set by the user, the predicted values are discretized, and the discretized predicted values having the same value (same interval) may be set as a group.

이에, 동일한 구간에 포함되는 이산화된 예측값들은 하나의 그룹으로 구성되어, n개의 그룹으로 예측값들이 이산화될 수 있다.Thus, the discretized prediction values included in the same interval may be configured as one group, and the prediction values may be discretized in n groups.

다음으로, 각 그룹에 대한 실제값들의 최적 분포 파라미터를 산출할 수 있다. 구체적으로, 사용자로부터 선택받은 분포 종류 및 최대우도추정법을 기반으로 각 그룹에 대한 실제값들의 최적 분포 파라미터를 산출할 수 있다. Next, an optimal distribution parameter of actual values for each group may be calculated. Specifically, an optimal distribution parameter of actual values for each group may be calculated based on the distribution type selected by the user and the maximum likelihood estimation method.

다음으로, 산출된 해당 그룹의 최적 분포 파라미터를 이용하여 기설정된 분포 종류에 따른 각 그룹별 실제값 분포를 추정할 수 있다. 이에, 이산화된 예측값에 대한 n개 그룹 및 n개의 실제값 확률분포를 설정해 놓을 수 있다. 이때, 각 그룹별로 분포 종류가 다르게 설정될 수도 있다.Next, an actual value distribution for each group according to a predetermined distribution type may be estimated using the calculated optimal distribution parameter of the corresponding group. Accordingly, n groups and n actual value probability distributions for the discretized predicted values may be set. In this case, the distribution type may be set differently for each group.

이를 기반으로, 예측서버(220)로부터 입찰을 위한 예측값이 수신되면, 수신된 예측값이 포함되는 해당 그룹의 실제값 확률분포를 추출하여 수신된 예측값에 대한 실제값 확률분포로 추정할 수 있다.Based on this, when a predicted value for bidding is received from the prediction server 220, an actual value probability distribution of a corresponding group including the received predicted value may be extracted and estimated as an actual value probability distribution for the received predicted value.

다음으로, 추정된 주어진 예측값을 따르는 실제값 확률분포와 수익정산기준이 되는 수익함수를 이용하여 기대수익을 최대화시키는 입찰값을 산출하고, 산출된 입찰값을 최종 입찰값으로 결정할 수 있다.Next, a bid value maximizing an expected profit may be calculated using an actual value probability distribution following the estimated predicted value and a profit function serving as a profit calculation criterion, and the calculated bid value may be determined as a final bid value.

이때, 기대수익은 수익정산기준과 수신된 예측값이 주어질때 추정된 실제값 확률분포의 곱을 적분하여 산출될 수 있으며, 입찰값에 대한 계단함수가 될 수 있다. 이에, 기대수익을 입찰값에 대한 함수로 바라보고, 기대수익을 최대화시키는 입찰값을 최종 입찰을 위한 최적 입찰값으로 결정할 수 있다.In this case, the expected profit may be calculated by integrating the product of the probability distribution of the actual value estimated when the revenue calculation standard and the received predicted value are given, and may be a step function for the bid value. Accordingly, the expected profit may be viewed as a function of the bid value, and a bid value maximizing the expected profit may be determined as an optimal bid value for the final bid.

또한, 본 발명의 일 실시 예에 따른 분석서버(200)는 이상감지서버(240)를 통해, RTU(100)에서 수집한 실측치(실제값)과 예측서버(220)에서 예측한 예측치(예측값)을 이용한 태양광 발전 설비(사이트)에 대한 제2이상감지를 할 수 있다.In addition, the analysis server 200 according to an embodiment of the present invention, through the anomaly detection server 240, the measured value (actual value) collected by the RTU 100 and the predicted value (predicted value) predicted by the prediction server 220 It is possible to detect the second anomaly for the photovoltaic power generation facility (site) using.

즉, 제1이상감지는 발전량 실측치를 이용한 RTU에서의 태양광 발전 설비의 이상감지이며, 제2이상감지는 발전량 실측치 및 발전량 예측치를 이용한 서버(200)에서의 태양광 발전 설비의 이상감지가 될 수 있다. 이때, 이상 감지에 따른 이상감지서버(240)의 태양광 발전 설비에 대한 서버제어명령은, 상기 도 2에서 설명하고 있는 본 발명의 분석서버(200)의 서버제어명령이 될 수 있으며, 경고알림 형태로 제공될 수도 있다.That is, the first abnormality detection is the abnormality detection of the photovoltaic power generation facility in the RTU using the actual power generation value, and the second abnormality detection is the abnormality detection of the solar power generation facility in the server 200 using the actual power generation value and the estimated power generation value. can At this time, the server control command for the photovoltaic power generation facility of the anomaly detection server 240 according to the abnormality detection may be a server control command of the analysis server 200 of the present invention described in FIG. 2, and a warning notification It may also be provided in a form.

도 14는 본 발명의 일 실시 예에 따른 도 1의 이상감지서버(240)의 구성을 나타내는 구성 블록도이다. 도 15는 도 14의 이상감지서버의 이상감지 판단을 설명하기 위한 도면이다.14 is a configuration block diagram showing the configuration of the anomaly detection server 240 of FIG. 1 according to an embodiment of the present invention. FIG. 15 is a diagram for explaining the abnormality detection determination of the anomaly detection server of FIG. 14 .

도 14에 따르면, 본 발명의 일 실시예에 따른 이상감지서버(200)는 설정부(4210), 샘플추출부(4220), 이상감지부(4230)를 포함하고, 이상감지부(4230)는 산출부(4240) 및 판단부(4250)를 포함할 수 있다. 또한, 산출부(4240)는 잔차분포 산출부(4241), 누적분포함수 산출부(4242) 및 통계량 산출부(4243)를 포함하는 제1실시예로 구성될 수 있다. 또한, 제1실시예의 구성에 순열부(2460)을 더 포함하는 제2실시예로 구성될 수도 있다.According to FIG. 14, the anomaly detection server 200 according to an embodiment of the present invention includes a setting unit 4210, a sample extraction unit 4220, and an anomaly detection unit 4230, and the anomaly detection unit 4230 A calculation unit 4240 and a determination unit 4250 may be included. In addition, the calculator 4240 may be configured according to the first embodiment including a residual distribution calculator 4241, a cumulative distribution function calculator 4242, and a statistic calculator 4243. In addition, it may be configured as a second embodiment further including a permutation unit 2460 in addition to the configuration of the first embodiment.

제1실시예에 따른 이상감지서버(420)Anomaly detection server 420 according to the first embodiment

설정부(4210)는 이상감지 판단 대상이 되는 기설정기간의 검증기간, 이상감지 판단을 위한 기준으로 이용되는 기설정기간의 비교기간, 검증기간 및 비교기간의 샘플추출을 위한 시간단위, 이상감지 판단에 이용되는 각종 설정(유의수준, 순열수행시 순열횟수, 기각 조건 등) 등을 관리자로부터 입력받아 설정할 수 있다.The setting unit 4210 determines the verification period of the preset period subject to abnormality detection determination, the comparison period of the preset period used as a criterion for determining the abnormality detection, the verification period and time unit for sample extraction of the comparison period, and the anomaly detection Various settings used for judgment (significance level, number of permutations, rejection conditions, etc.) can be set after receiving input from the administrator.

샘플추출부(4220)는 DB(300)에 기저장된 태양광 발전량의 실측치 및 예측치 중에서, 검증기간 및 비교기간의 실측치 및 예측치를 기설정된 시간단위로 추출할 수 있다. The sample extraction unit 4220 may extract the measured value and predicted value of the verification period and the comparison period in a preset time unit from the measured value and predicted value of the solar power generation previously stored in the DB 300 .

샘플 추출부(4220)에서 추출된 검증기간의 실측치 및 예측치는 현재 시점을 포함하는 기설정 기간의 시계열 데이터가 되고, 상기 비교기간의 실측치 및 예측치는 상기 검증기간 대비 과거 시점을 포함하는 기설정 기간의 시계열 데이터가 될 수 있다.The measured values and predicted values of the verification period extracted by the sample extraction unit 4220 become time series data of a preset period including the present time, and the measured values and predicted values of the comparison period are the preset period including the past time compared to the verification period. can be time series data of

일예로, 대상기간은 현재시점을 포함하는 일주일 기간으로 설정할 수 있고 비교기간은 대상기간 보다 과거 시점을 포함하는 한달 기간으로 설정하여 샘플을 설정할 수 있다. 이때, 샘플추출부(4220)는 도 15과 같이 검증기간 및 비교기간의 실측치와 예측치의 시계열 데이터 중 기설정 시간단위(일예로, 15분 또는 1시간 간격)로 각 기간별(a:비교기간, c:검증기간) 실측치와 예측치를 추출할 수 있다. For example, the target period may be set to a one-week period including the current time point, and the comparison period may be set to a one-month period including a point in the past than the target period to set the sample. At this time, as shown in FIG. 15, the sample extraction unit 4220 performs each period (a: comparison period, c: Validation period) Measured values and predicted values can be extracted.

이상감지부(4230)는 추출된 검증기간의 실측치와 예측치에 대한 잔차분포 및 비교기간의 실측치와 예측치에 대한 잔차분포의 통계량 검증을 수행하여 두 잔차분포들이 서로 동일하지 않으면 검증기간에 태양광 발전 이상이 발생한 것으로 판단하여 경고 알림을 발생시킬 수 있다.The anomaly detection unit 4230 performs statistical verification of the extracted residual distributions for the measured values and predicted values for the verification period and for the measured values and predicted values for the comparison period. It is determined that an abnormality has occurred and a warning notification may be generated.

이상감지부(4230)는 잔차분포 산출부(4241), 누적분포함수 산출부(4242) 및 통계량 산출부(4243)를 포함하는 산출부(4240) 및 판단부(4250)를 포함할 수 있다.The anomaly detection unit 4230 may include a residual distribution calculating unit 4241 , a calculating unit 4240 including a cumulative distribution function calculating unit 4242 and a statistic calculating unit 4243 , and a determination unit 4250 .

또한, 잔차분포 산출부(4241)는 샘플추출부(4220)에서 추출된 각 시간 포인트에서 비교기간의 실측치 및 예측치의 차이값인 잔차를 산출하여 도 15와 같이 비교기간의 잔차분포인 제1잔차분포와 검증기간의 잔차분포인 제2잔차분포를 구할 수 있다. 도 15에서 잔차분포는 x축을 기설정된 시간단위 간격으로 하는 시간축으로 하고, y축을 해당 시점의 잔차로 하여 시각화할 수 있다.In addition, the residual distribution calculation unit 4241 calculates the residual, which is the difference between the measured value and the predicted value of the comparison period at each time point extracted by the sample extraction unit 4220, and as shown in FIG. 15, a first residual distribution of the comparison period The second residual distribution, which is the residual distribution between the distribution and the validation period, can be obtained. In FIG. 15, the residual distribution can be visualized with the x-axis as the time axis with preset time unit intervals and the y-axis as the residual at the corresponding point in time.

누적분포함수 산출부(4242)는 잔차분포 산출부(4241)에서 산출된 검증기간 및 비교기간의 잔차분포 각각에 대한 누적분포함수를 산출할 수 있다. 이때, 누적분포함수는 하기의 수식을 이용하여 비교기간에 대한 누적분포함수(Fn(x)) 및 검증기간에 대한 누적분포함수(Fnm(x))를 산출할 수 있다.The cumulative distribution function calculating unit 4242 may calculate the cumulative distribution function for each of the residual distributions of the verification period and the comparison period calculated by the residual distribution calculating unit 4241 . At this time, the cumulative distribution function for the comparison period (F n (x)) and the cumulative distribution function for the verification period (F nm (x)) can be calculated using the following formula.

Figure 112022095321895-pat00049
Figure 112022095321895-pat00049

(여기서,

Figure 112022095321895-pat00050
는 지시 함수이고,
Figure 112022095321895-pat00051
이면 1, 그렇지 않으면 0)(here,
Figure 112022095321895-pat00050
is an indicator function,
Figure 112022095321895-pat00051
1 if yes, 0 otherwise)

또한, Xn은 비교기간의 잔차값들의 목록, n은 Xn에 들어있는 값들의 개수, Xm은 검증기간의 잔차값들의 목록, m은 Xm에 들어있는 값들의 개수가 될 수 있다.In addition, Xn may be a list of residual values of the comparison period, n may be the number of values included in Xn, Xm may be a list of residual values of the verification period, and m may be the number of values included in Xm.

통계량 산출부(4243)는 하기의 수학식2를 이용하여 비교기간의 누적분포함수(Fn(x)) 및 검증기간에 대한 누적분포함수(Fnm(x))들 사이의 거리 집합 상한(상한노름) 즉, 통계량(

Figure 112022095321895-pat00052
)을 산출할 수 있다.The statistic calculation unit 4243 uses the following Equation 2 to determine the upper limit of the distance set (F n (x)) between the cumulative distribution function (F n (x)) of the comparison period and the cumulative distribution function (F nm (x)) of the verification period. upper bound norm), that is, the statistic (
Figure 112022095321895-pat00052
) can be calculated.

Figure 112022095321895-pat00053
Figure 112022095321895-pat00053

일 예로, 도 15를 참고하면, 통계량 산출부(243)에서 산출되는 통계량은 비교기간의 누적분포함수(Fn(x) : 파란선) 및 검증기간에 대한 누적분포함수(Fnm(x) : 빨간선) 사이의 거리 집합의 상한(상한노름 : 두 누적분포함수 사이의 화살표)이 될 수 있다. 이때, 통계그래프의 x축은 잔차가 되고, y축은 누적확률(cumulative probability)이 될 수 있다.As an example, referring to FIG. 15 , the statistics calculated by the statistic calculation unit 243 are the cumulative distribution function for the comparison period (F n (x): blue line) and the cumulative distribution function for the verification period (F nm (x) : red line) can be the upper bound of the set of distances (upper bound norm: arrow between two cumulative distribution functions). In this case, the x-axis of the statistical graph may be a residual, and the y-axis may be a cumulative probability.

판단부(4250)는 통계량 산출부(243)에서 산출된 통계량에 기반하여 비교기간 및 검증기간의 잔차분포들이 동일 분포라는 귀무가설에 대한 검증을 수행할 수 있다. 이때, 판단부(4250)는 산출된 통계량이 기설정 수준(α)에 대해 다음의 수학식3과 같은 기각조건을 성립하면, 비교기간의 잔차분포와 검증기간의 잔차분포가 동일 분포가 아닌 것으로 판단할 수 있다.The determination unit 4250 may verify the null hypothesis that residual distributions of the comparison period and the verification period are the same distribution based on the statistics calculated by the statistic calculation unit 243 . At this time, the determination unit 4250 determines that the residual distribution of the comparison period and the residual distribution of the verification period are not the same distribution if the calculated statistic meets the rejection condition as shown in Equation 3 for the preset level (α). can judge

Figure 112022095321895-pat00054
Figure 112022095321895-pat00054

여기서, Dn,m은 통계량, n은 비교기간의 잔차분포에 포함된 단위시간별 잔차값들의 개수, m은 검증기간의 잔차분포에 포함된 단위시간별 잔차값들의 개수가 될 수 있다. 일 예로, 수준(α)은 0.05로 설정할 수 있고, 이는 관리자에 의해 변경될 수 있다.Here, D n,m may be a statistic, n may be the number of residual values per unit time included in the residual distribution of the comparison period, and m may be the number of residual values per unit time included in the residual distribution of the verification period. For example, the level (α) may be set to 0.05, which may be changed by an administrator.

판단부(4250)는 비교기간의 잔차분포와 검증기간의 잔차분포가 동일하지 않은 것으로 판단되면, 태양광 발전 설비(10)에 이상이 발생한 것으로 판단하여 경고알림을 발생시켜 관리자가 확인할 수 있게 한다.If it is determined that the residual distribution of the comparison period and the residual distribution of the verification period are not the same, the judgment unit 4250 determines that an error has occurred in the photovoltaic power generation facility 10 and generates a warning notification so that the manager can check it. .

제2실시예에 따른 이상감지서버(240)Anomaly detection server 240 according to the second embodiment

도 16은 도 14의 이상감지서버의 순열부(4260)의 순열을 설명하기 위한 도면이다. 도 16를 참고하면, 제2실시예에 따른 이상감지서버(240)는 제1실시예의 이상감지서버의 구성에 순열부(4260)를 더 포함할 수 있다. 제1실시예 및 제2실시예의 설정부(4210), 샘플추출부(4220)는 구성 및 기능이 동일하게 동작될 수 있고, 제2실시예의 이상감지부(4230)는 제1실시예의 이상감지부(230)의 구성 및 기능을 기반으로 하나, 순열부(4260)의 동작에 따라 산출부(4240) 및 판단부(4250)의 동작이 추가 및 일부 변형될 수 있다. 하기에서는 이를 중심으로 설명하도록 한다.FIG. 16 is a diagram for explaining the permutation of the permutation unit 4260 of the anomaly detection server of FIG. 14 . Referring to FIG. 16 , the anomaly detection server 240 according to the second embodiment may further include a permutation unit 4260 in the structure of the anomaly detection server of the first embodiment. The setting unit 4210 and the sample extracting unit 4220 of the first and second embodiments may operate in the same configuration and function, and the anomaly detection unit 4230 of the second embodiment detects the anomaly of the first embodiment. Based on the configuration and function of the unit 230, operations of the calculation unit 4240 and the determination unit 4250 may be added or partially modified according to the operation of the permutation unit 4260. In the following, this will be mainly explained.

순열부(4260)는 검증기간의 잔차분포 및 비교기간의 잔차분포를 무작위 순열하여 기설정 개수의 잔차값을 포함하는 두개의 잔차분포를 생성할 수 있다. The permutation unit 4260 may randomly permutate the residual distribution of the verification period and the residual distribution of the comparison period to generate two residual distributions including a preset number of residual values.

이때, 산출부(4240)는, 순열부(4260)에서 생성된 두개의 잔차분포에 대한 각각의 누적분포함수를 산출하고, 산출된 누적분포함수들 사이의 상한노름을 나타내는 통계량을 산출할 수 있다.At this time, the calculation unit 4240 may calculate each cumulative distribution function for the two residual distributions generated by the permutation unit 4260, and calculate a statistic indicating an upper limit norm between the calculated cumulative distribution functions. .

도 16을 참고하면, 본 발명의 제2실시예에 따른 순열부(4260)의 순열과정은 도 3과 같이 산출된 비교기간의 잔차분포(도 5에서 Xn 잔차분포) 및 검증기간의 잔차분포(도 5에서 Xm 잔차분포)를 무작위 순열하여 다음 잔차분포(제XXn잔차분포 및 제XXm잔차분포)를 생성할 수 있으며, 기설정된 횟수만큼 반복 생성할 수 있다. 즉, 무작위 순열은 도 16의 실시 예와 같이, 최초 잔차분포를 이용하여 수행될 수 있다.Referring to FIG. 16, the permutation process of the permutation unit 4260 according to the second embodiment of the present invention is based on the residual distribution of the comparison period (Xn residual distribution in FIG. 5) and the residual distribution of the verification period ( The following residual distributions (XXnth residual distribution and XXmth residual distribution) may be generated by randomly permuting the Xm residual distribution in FIG. 5 , and may be repeatedly generated a predetermined number of times. That is, the random permutation may be performed using the initial residual distribution as in the embodiment of FIG. 16 .

이때, 두 분포에 포함된 잔차값들 중에서 순서를 무작위로 추출하여, 비교기간의 잔차분포로 m개의 잔차값을 추출하고, 검증기간의 잔차분포로 n개의 잔차값을 추출할 수 있다. At this time, the order may be randomly extracted from the residual values included in the two distributions, and m residual values may be extracted from the residual distribution of the comparison period, and n residual values may be extracted from the residual distribution of the verification period.

순열부(4260)는 기설정 횟수만큼 무작위 순열을 수행하고, 산출부(4240)는 무작위 순열시마다 통계량을 산출하여 순열 통계량(2)들의 분포를 산출할 수 있다.The permutation unit 4260 may perform a random permutation a predetermined number of times, and the calculator 4240 may calculate a distribution of the permutation statistics 2 by calculating a statistic for each random permutation.

판단부(4250)는 기설정 횟수만큼 무작위 순열 후 산출된 통계량들(도16에서 2a)의 분포에서, 무작위 순열 전의 초기 통계량(도 16에서 1a)이 위치하는 비율(%)이 기설정된 기각역보다 작으면, 검증기간에 태양광 발전 이상이 발생한 것으로 판단할 수 있다. In the distribution of statistics (2a in FIG. 16) calculated after random permutation by a predetermined number of times, the determination unit 4250 determines the rejection region in which the percentage (%) in which the initial statistic before random permutation (1a in FIG. 16) is located is a preset rejection region. If it is smaller than this, it can be determined that an abnormality in solar power generation occurred during the verification period.

여기서, 기각역은 0.05로 설정될 수 있으며 변경 설정될 수도 있다. 또한, 상기 비율(%)은 초기 통계량(1a)이 순열 통계량의 분포(2a)에서 상위 몇 %에 해당되는지를 나타낼 수 있다.Here, the rejection area may be set to 0.05 or may be changed. In addition, the ratio (%) may represent the top percentage of the initial statistic 1a in the distribution 2a of the permutation statistic.

이때, 비교기간의 최초 잔차분포(도 16에서 Xn 잔차분포) 및 검증기간의 최초 잔차분포(도 16에서 Xm 잔차분포)가 동일한 분포라면, 순열의 반복을 통한 통계량검정시에도 두 분포가 동일분포로 판단될 수 있다.At this time, if the initial residual distribution of the comparison period (Xn residual distribution in FIG. 16) and the initial residual distribution of the verification period (Xm residual distribution in FIG. can be judged as

반면, 비교기간의 최초 잔차분포(도 5에서 Xn 잔차분포) 및 검증기간의 최초 잔차분포(도 16에서 Xm 잔차분포)가 동일하지 않은 분포라면, 순열의 반복을 통한 통계량검증시에도 두 분포가 동일하지 않은 분포로 판단될 수 있다. 이에, 순열의 반복을 통해 판단부(4250)의 이상여부 판단에 대한 신뢰성을 높일 수 있다.On the other hand, if the initial residual distribution of the comparison period (Xn residual distribution in FIG. 5) and the initial residual distribution of the validation period (Xm residual distribution in FIG. It can be judged as an unequal distribution. Accordingly, reliability of the judgment unit 4250 for determining whether or not there is an abnormality may be increased through repetition of the permutations.

또한, 본 발명의 일 실시 예에 따른 분석서버(200)는 실시간 발전량 추정서버(250)를 통해, RTU(100)로부터 실시간 수집되는 실시간 발전량 실측치 및 예측서버(200)의 예측알고리즘을 이용하여 실시간 예측되는 실시간 발전량 예측치를 활용하여, 전체 발전 사이트에 대한 실시간 발전량을 추정할 수 있다.In addition, the analysis server 200 according to an embodiment of the present invention uses the real-time measurement of real-time power generation collected from the RTU 100 in real time through the real-time power generation estimation server 250 and the prediction algorithm of the prediction server 200 in real time. The real-time generation amount for the entire generation site may be estimated using the predicted real-time generation amount prediction value.

도 17을 참고하면, 본 발명의 일 실시 예에 따른 실시간 발전량 추정서버(250)는 사이트 설정부(5210), 사이트 발전량 산출부(5220), 전체 발전량 추정부(5230), 프로세서(5240) 및 통신부(5250)을 포함할 수 있다.Referring to FIG. 17, the real-time generation amount estimation server 250 according to an embodiment of the present invention includes a site setting unit 5210, a site generation amount calculation unit 5220, a total generation amount estimation unit 5230, a processor 5240, and A communication unit 5250 may be included.

사이트 설정부(5210)는 복수 개의 발전 사이트의 지리적 위치를 기반으로 벤치마킹그룹을 설정하고, 벤치마킹그룹별 벤치마킹 사이트를 설정할 수 있다. 이때, 사이트 설정부(5210)는 전체 사이트에 대하여 기설정된 군집 알고리즘을 적용하여 각 벤치마킹그룹의 중심위치를 설정하고, 각 벤치마킹그룹에 포함된 발전 사이트 중 해당 벤치마킹그룹의 중심위치로부터 최단거리 이격된 사이트를 해당 벤치마킹그룹의 벤치마킹 사이트로 설정할 수 있다.The site setting unit 5210 may set benchmarking groups based on the geographical locations of a plurality of power generation sites, and may set benchmarking sites for each benchmarking group. At this time, the site setting unit 5210 sets the central position of each benchmarking group by applying a preset clustering algorithm to all sites, and sets the shortest distance from the central position of the benchmarking group among power generation sites included in each benchmarking group. You can set the site as the benchmarking site for the benchmarking group.

구체적으로, 임의의 k 개 중심위치를 랜덤하게 선택하고, k개의 벤치마킹 그룹을 생성할 수 있다. 이때, 각 사이트에 대하여 랜덤 선택된 중심위치와의 직선 거리를 산출하고, 가장 가까운 거리의 중심위치가 포함되는 벤치마킹 그룹에 포함시키고, 각 벤치마킹 그룹 내 사이트들과의 거리의 합이 최소가 되는 위치를 새로운 중심위치로 설정하는 과정을 중심위치 및 벤치마킹그룹의 경계(도 18의 실선)가 바뀌지 않을 때까지 반복 수행할 수 있다. 이를 통해, 최종적으로 벤치마킹 그룹 및 각 벤치마킹 그룹의 중심위치를 설정할 수 있고, 각 벤치마킹 그룹에 대하여 중심위치에서 최단거리에 위치하는 사이트를 벤치마킹 사이트로 선정할 수 있다.Specifically, k center positions may be randomly selected and k benchmarking groups may be generated. At this time, for each site, a straight-line distance from a randomly selected center location is calculated, included in a benchmarking group that includes the center location of the closest distance, and a location where the sum of the distances to sites in each benchmarking group is minimized. The process of setting the new center position may be repeated until the center position and the boundary of the benchmarking group (solid line in FIG. 18) do not change. Through this, it is possible to finally set the benchmarking group and the central location of each benchmarking group, and select a site located at the shortest distance from the central location for each benchmarking group as the benchmarking site.

도 18을 참고하면, 전체 사이트들의 지리적 위치를 기반으로 기설정된 개수의 벤치마킹그룹(a 내지 i)으로 구분되고, 각 벤치마킹그룹(a 내지 i)의 중심위치(1)가 설정될 수 있다.Referring to FIG. 18, all sites are divided into a predetermined number of benchmarking groups (a to i) based on their geographical locations, and the central location (1) of each benchmarking group (a to i) may be set.

이때, 각 벤치마킹그룹(a 내지 i)에 포함된 복수 개의 발전 사이트들 중, 중심위치(1)에 가장 가까운 사이트가 벤치마킹 사이트(3)로 설정될 수 있다. 즉, 각 벤치마킹그룹(a 내지 i)은 중심위치(1)가 설정되고, 하나의 벤치마킹 사이트(3)와 적어도 하나의 특정 사이트(2)를 포함하는 군집이 될 수 있다. At this time, among the plurality of power generation sites included in each benchmarking group (a to i), a site closest to the central location (1) may be set as the benchmarking site (3). That is, each benchmarking group (a to i) may be a cluster including a central location (1), one benchmarking site (3) and at least one specific site (2).

실시간 발전량 추정서버(250)는 벤치마킹그룹 각각에 대하여, 벤치마킹 사이트(1)의 실시간 발전량 실측치를 획득하고, 획득한 벤치마킹 사이트(1)의 실시간 발전량 실측치를 기반으로 적어도 하나의 특정 사이트(2: 벤치마킹 사이트를 제외한 해당 벤치마킹그룹 내의 다른 사이트들)에 대한 실시간 발전량 예측치를 예측하여, 전체 사이트에 대한 실시간 전체 발전량을 추정할 수 있다.The real-time power generation estimation server 250 obtains the measured real-time power generation amount of the benchmarking site 1 for each benchmarking group, and at least one specific site (2: benchmarking Real-time total power generation for all sites may be estimated by predicting real-time power generation predicted values for other sites in the corresponding benchmarking group except for the site.

이때, 각 벤치마킹그룹에 포함된 벤치마킹 사이트(1)를 제외한 특정 사이트들(2)에 대한 실시간 발전량 예측치는 사이트 발전량 산출부(5220)를 통해 산출될 수 있고, 사이트 발전량 산출부(5220)는 예측 서버(220)를 통해 실시간 발전량 예측치를 얻거나, 예측 서버(220)와 동일한 예측알고리즘을 이용하여 실시간 발전량 예측치를 얻을 수도 있다. At this time, real-time power generation prediction values for specific sites 2 other than the benchmarking site 1 included in each benchmarking group may be calculated through the site power generation calculation unit 5220, and the site power generation calculation unit 5220 predicts A real-time predicted amount of power generation may be obtained through the server 220 or a predicted amount of real-time power generation may be obtained using the same prediction algorithm as the prediction server 220 .

예측 서버(220)를 통해 실시간 발전량 예측치를 얻는 경우, 사이트 발전량 산출부(1220)를 통해, 예측시 필요한 데이터들을 수집하고, 각종 물리 모델 및 발전량 추정치를 연산하고 기계 학습을 통하여 최종적인 사이트별 실시간 발전량 예측치를 산출할 수 있다. 이때, 수집되는 데이터들은 실시간 발전량 예측을 위한 현재시점의 데이터들을 포함할 수 있다.When obtaining a real-time power generation estimate through the prediction server 220, through the site power generation calculation unit 1220, data necessary for prediction is collected, various physical models and power generation estimates are calculated, and the final real-time site-specific real-time power generation estimate is calculated through machine learning. An estimate of the amount of power generation can be calculated. At this time, the collected data may include data at the current point in time for real-time prediction of power generation.

또한, 데이터 전처리부(1222)를 통해, 예측에 사용할 특성을 선택하고, 수집된 데이터 중 이상값을 제거하거나, 또는 누락값을 채울 수 있다. 또한, 데이터 전처리부(1222)는 각 벤치마킹그룹의 벤치마킹 사이트에 대해 수집된 실시간 발전량 실측치를 해당 벤치마킹 사이트의 용량으로 나누어 용량당 발전량 즉, 정규화된 실시간 발전량으로 변환할 수 있다.In addition, through the data pre-processing unit 1222, characteristics to be used for prediction may be selected, and outliers may be removed from collected data or missing values may be filled in. In addition, the data pre-processing unit 1222 may divide the measured real-time power generation amount collected for the benchmarking site of each benchmarking group by the capacity of the corresponding benchmarking site to convert the power generation per capacity, that is, the normalized real-time power generation amount.

또한, 데이터 전처리부(1222)는 각 특성에 맞는 스케일링 예컨대, 0과 1 사이의 구간으로 선형변환, 평균과 분산으로 정규화 등의 다양한 데이터 전처리 작업을 수행할 수도 있다. In addition, the data preprocessing unit 1222 may perform various data preprocessing tasks, such as scaling suitable for each characteristic, for example, linear transformation into a range between 0 and 1, and normalization using a mean and variance.

물리 모델 연산부(1223)를 통해 태양광 모듈 어레이(11)의 패널에 직접적으로 인가되는 경사면 일사량 추정치(PoA, Plane of Array) 및 유효일사량(Effective Irradiance) 등의 물리 모델값들을 산출하고, 발전량 추정 연산부(1224)를 통해 태양광 모듈 셀 온도 및 유효일사량에 기초하여 및 DC 또는 AC 전력의 추정치를 연산할 수 있다.Calculate physical model values such as Plane of Array (PoA) and Effective Irradiance directly applied to the panel of the solar module array 11 through the physical model calculation unit 1223, and estimate power generation Through the calculation unit 1224, an estimate of DC or AC power may be calculated based on the solar module cell temperature and the amount of effective solar radiation.

또한, 기계학습연산부(1225)를 통해 랜덤 포레스트(Random Forest, 1225-1) 또는 LSTM 모델(1225-2) 등의 기계 학습 모델을 사용하여 사이트별 예측 모델을 생성하고, 예측 모델을 통하여 기계 학습 예측치를 생성할 수 있다. In addition, a site-specific prediction model is generated using a machine learning model such as a random forest (1225-1) or an LSTM model (1225-2) through the machine learning operation unit 1225, and machine learning is performed through the prediction model. forecasts can be generated.

이때, 기계학습연산부(1225)에서 생성되는 최종적인 예측치는 현재시점의 벤치마킹 사이트의 정규화된 발전량을 기반으로 예측된, 현재 시점의 특정사이트의 정규화된 발전량 예측치가 될 수 있다.In this case, the final predicted value generated by the machine learning operation unit 1225 may be a predicted normalized power generation amount of a specific site at the current time point, which is predicted based on the normalized power generation amount of the benchmarking site at the current time point.

이에, 사이트 발전량 산출부(5220)는 기계학습연산부(1225)을 통해 산출된 현재 시점의 특정사이트의 정규화된 발전량 예측치에 해당 특정사이트의 용량을 곱하여 최종 실시간 발전량 예측치를 산출할 수 있다.Accordingly, the site generation amount calculation unit 5220 multiplies the normalized generation amount prediction value of the specific site at the current time calculated through the machine learning operation unit 1225 by the capacity of the specific site to calculate the final real-time generation amount prediction value.

전체 발전량 추정부(5230)는 산출된 사이트 각각에 대한 실시간 발전량 예측치 및 벤치마킹 사이트에 대한 실시간 발전량 실측치를 합산하여 전체 사이트에 대한 실시간 전체 발전량을 추정할 수 있다.The total amount of power generation estimator 5230 may estimate the total amount of power generation in real time for all sites by summing up the estimated real-time amount of power generation for each of the calculated sites and the measured value of the real-time amount of power generation for the benchmarking site.

이 경우, 사이트 설정부(5210), 사이트 발전량 산출부(5220) 및 전체 발전량 추정부(5230)는 소프트웨어 모듈, 하드웨어 모듈 또는 소프트웨어 모듈 및 하드웨어 모듈의 결합으로 구현될 수 있다. In this case, the site setting unit 5210, the site generation amount calculation unit 5220, and the total generation amount estimation unit 5230 may be implemented as a software module, a hardware module, or a combination of a software module and a hardware module.

통신부(5250)는 외부 서버 또는 데이터 베이스(300)로부터의 데이터를 수집하거나, 사이트 발전량 산출부(5220)에서 사이트별 실시간 발전량 예측치 및 전체 발전량 추정부(5230)에서 추정된 전체 사이트에 대한 실시간 전체 발전량 추정치를 전력 판매 및 구매 시스템(미도시)에 전송할 수 있다.The communication unit 5250 collects data from an external server or database 300, or the real-time power generation estimate for each site in the site power generation calculation unit 5220 and the real-time total for all sites estimated by the total power generation estimation unit 5230 The estimated generation amount may be transmitted to a power sales and purchase system (not shown).

이하에서는 도 17 및 도 18을 참고하여, 본 발명의 일 실시예에 따른 실시간 전체 발전량 추정 동작에 대하여 상세하게 설명할 수 있다. 구체적으로, 서버(250)의 사이트 설정부(5210)는 벤치마킹그룹 개수를 설정하고, 기설정된 군집 알고리즘을 적용하여 각 벤치마킹그룹의 중심위치를 설정하여 벤치마킹그룹을 설정할 수 있다. 구체적으로, 도 18을 참고하면 임의의 k 개 중심위치를 랜덤하게 선택하고, k개의 벤치마킹 그룹을 생성할 수 있다. Hereinafter, with reference to FIGS. 17 and 18, an operation of estimating the total generation amount in real time according to an embodiment of the present invention will be described in detail. Specifically, the site setting unit 5210 of the server 250 may set the benchmarking groups by setting the number of benchmarking groups and setting the central location of each benchmarking group by applying a preset clustering algorithm. Specifically, referring to FIG. 18 , k center positions may be randomly selected and k benchmarking groups may be generated.

다음으로, 각 사이트에 대하여 랜덤 선택된 중심위치와의 직선 거리를 산출하고, 가장 가까운 거리의 중심위치가 포함되는 벤치마킹 그룹에 포함시킬 수 있고, 각 벤치마킹 그룹 내 사이트들과의 거리의 합이 최소가 되는 위치를 새로운 중심위치로 설정할 수 있다. 이때, 중심위치가 바뀌지 않을 때까지 이를 반복 수행할 수 있다. 최종적으로 벤치마킹 그룹 및 각 벤치마킹 그룹의 중심위치를 설정할 수 있다. Next, for each site, a straight-line distance from a randomly selected center location can be calculated, and it can be included in a benchmarking group that includes the center location of the closest distance, and the sum of the distances to sites in each benchmarking group is the minimum. You can set the location to be the new center location. At this time, this may be repeatedly performed until the center position does not change. Finally, benchmarking groups and center positions of each benchmarking group may be set.

다음으로, 사이트 설정부(5210)는 각 벤치마킹그룹의 중심위치로부터 최단거리 이격된 사이트를 해당 벤치마킹그룹의 벤치마킹 사이트로 설정할 수 있다. 다음으로 각 벤치마킹 사이트에 대해, 실시간 발전량 실측치를 획득하고, 벤치마킹 사이트가 아닌 벤치마킹그룹내 다른 특정사이트들에 대해서는 실시간 발전량 예측치를 산출할 수 있다. Next, the site setting unit 5210 may set a site spaced the shortest distance from the central location of each benchmarking group as a benchmarking site of the corresponding benchmarking group. Next, with respect to each benchmarking site, a real-time measured value of power generation may be obtained, and real-time predicted values of power generation may be calculated for specific sites other than the benchmarking site in the benchmarking group.

구체적으로, 추정서버(520)는 발전량 데이터 및 주요 기상 데이터를 수집할 수 있다. 보다 상세하게, 추정서버(520)는 정해진 시간 간격의 발전량 데이터를 실시간 발전량 데이터로 RTU(100)를 통하여 획득할 수 있다. 또한, RTU(100)로부터 각 사이트들에 대한 용량 정보도 수집할 수 있다.Specifically, the estimation server 520 may collect power generation data and key meteorological data. More specifically, the estimating server 520 may obtain power generation data of a predetermined time interval as real-time power generation data through the RTU 100 . Also, capacity information on each site may be collected from the RTU 100 .

특히, 각 벤치마킹그룹내의 벤치마킹 사이트가 아닌 특정 사이트들에 대한 실시간 개별 발전량 예측을 위해, 예측 대상인 특정 사이트에 대하여 가장 가까운 거리에 있는 벤치마킹 사이트를 선택하고, 데이터 수집부(1221)에서 수집된 상기 선택된 벤치마킹 사이트의 현재시점 또는 현재시점을 포함한 최근 k시점의 발전량 시계열 데이터를 선택된 벤치마킹 사이트의 용량 정보로 나누어 정규화된 발전량으로 변환할 수 있다.In particular, in order to predict individual generation amount in real time for specific sites other than the benchmarking site within each benchmarking group, a benchmarking site closest to the specific site to be predicted is selected, and the selected site collected by the data collection unit 1221 is selected. The current time of the benchmarking site or the power generation amount time series data of the latest k time points including the current time point may be converted into normalized power generation by dividing the capacity information of the selected benchmarking site.

한편, 데이터의 전처리가 이루어진 후에는, 연산된 데이터들을 입력으로 사용하여 예측 모델을 기계 학습한 후 사이트별 기계 학습 모델을 선택하여 각 벤치마킹그룹내의 특정사이트들에 대한 실시간 정규화된 발전량 예측치를 예측할 수 있다.On the other hand, after pre-processing of the data, a predictive model is machine-learned using the calculated data as input, and then a machine-learning model for each site is selected to predict real-time normalized power generation forecasts for specific sites within each benchmarking group. there is.

이때, 예측 모델은 사이트 별로 생성할 수 있으며, 사이트별 예측 모델의 학습과 추론에 사용할 설정 값들을 별도로 설정할 수 있다. 또한, 학습과 추론에 사용할 설정값들은 학습에 사용할 기간, 사용할 예측 모델 및 추론에 사용할 기간을 포함한다. 또한, 사이트별로 사용할 예측 모델을 선택할 수 있다. 이 경우, 선택은 실제 태양광 모듈 어레이(11)의 발전량과 예측치의 차이에 기초하여 결정할 수 있다.In this case, the predictive model may be generated for each site, and setting values to be used for learning and reasoning of the predictive model for each site may be separately set. In addition, setting values to be used for learning and inference include a period to be used for learning, a prediction model to be used, and a period to be used for inference. In addition, you can select a predictive model to use for each site. In this case, the selection may be determined based on the difference between the actual generation amount of the photovoltaic module array 11 and the predicted value.

이 경우, 사용할 모델의 경우에는 예컨대, 랜덤 포레스트(Random Forest) 및 LSTM 모델을 포함할 수 있다. 예측 대상 시점의 여러 입력 요소의 값으로 부터 동일한 시점의 발전량 예측치를 추론한다. 인접한 시점 간의 관계는 고려하지 않고, 특정 시점의 입력 데이터와 출력 데이터의 관계만을 고려한다. In this case, the model to be used may include, for example, a random forest and an LSTM model. From the values of various input factors at the time of prediction, the predicted value of the generation amount at the same point in time is inferred. Relationships between adjacent views are not considered, but only the relationship between input data and output data at a specific point in time is considered.

과거 데이터로부터 이러한 관계를 설명하는 나무 형태의 반복적인 판단 기준(트리 모델)을 학습한다. 새로운 입력 데이터에 대해서 학습된 나무 형태의 반복적인 판단 기준에 따라 여러 노드 중 하나로 분류하고, 분류된 노드의 대표값으로 예측치를 추론한다. It learns a tree-like iterative decision criterion (tree model) that describes these relationships from past data. New input data is classified into one of several nodes according to the learned tree-like repetitive decision criterion, and the predicted value is inferred from the representative value of the classified node.

여러 개의 나무 형태의 판단 기준을 사용하여 예측 값을 여러 번 생성한 후 이들의 평균값을 사용하여 과적합을 막는다. 즉, 랜덤 포레스트 모델은 입력 데이터와 출력 데이터의 관계로부터 복수의 트리 모델을 생성하고, 각각 트리 모델에 따라 예측된 발전량 예측치에 기초하여 현재 시점의 해당 특정사이트의 정규화된 발전량 예측치를 예측할 수 있다.Overfitting is prevented by using the average value after generating predicted values several times using multiple tree-type decision criteria. That is, the random forest model generates a plurality of tree models from the relationship between input data and output data, and predicts the normalized power generation estimate of the specific site at the current time based on the predicted power generation estimate according to each tree model.

이 경우, 입력 데이터는 현재 시점에 대한 벤치마킹 사이트의 정규화된 발전량, 주요 기상요소, 일사량 추정치, 기준적인 DC/AC 전력, 시간 정보 및 발전량추정치(DC/AC 전력 추정치) 등일 수 있으며, 출력 데이터는 현재 시점의 해당 특정사이트의 정규화된 발전량 예측치이다. In this case, the input data may be the normalized generation amount of the benchmarking site at the current point in time, major meteorological factors, solar radiation estimates, standard DC/AC power, time information, and power generation estimates (DC/AC power estimates), and the output data is It is the predicted value of the normalized power generation of the specific site at the current time.

또한, LSTM은 예측 대상 시점 즉, 현재시점 또는 현재시점을 포함한 k 스텝(단, k는 자연수)의 입력 요소의 값을 시간적인 연결관계(시계열적인)가 있는 인공신경망 구조를 이용하여 기계학습에 근거한 예측치를 연산한다. In addition, LSTM uses an artificial neural network structure with a temporal connection (time-series) of the input element value of k steps (where k is a natural number) including the current time point, that is, the current time point, to be predicted. Calculate based predictions.

이 경우, 벤치마킹 사이트의 정규화된 발전량, 기상요소, 일사량 추정치, 기준 DC/AC 전력, 물리 모델에 기초한 DC/AC 전력 추정치 및 시간 정보에 대한 k 스텝 시계열 값이고, 출력 요소는 현재 시점의 해당 특정사이트의 정규화된 발전량 예측치이다.In this case, the normalized power generation of the benchmarking site, the meteorological factor, the solar radiation estimate, the reference DC/AC power, the DC/AC power estimate based on the physical model, and the k-step time series values for the time information, and the output elements are the corresponding specific values at the current point in time. It is an estimate of the site's normalized power generation.

또한, 필요에 따라 하이퍼파라미터 최적화(HPO)를 통해 사용하는 예측모델에 대한 최적의 하이퍼파라미터를 설정하여 적용할 수 있다. 이때, 하이퍼파라미터는, 학습률(learning rate), 반복횟수(iterations), LSTM의 히든 노드 개수, LSTM 셀에서의 시퀀스 길이(Sequence length), 활성화 함수(activation function) 종류, 모델의 깊이정도(depth), 모델 입력 종류 등이 될 수 있다.In addition, if necessary, optimal hyperparameters for the predictive model to be used can be set and applied through hyperparameter optimization (HPO). At this time, the hyperparameters are the learning rate, the number of iterations, the number of hidden nodes in the LSTM, the sequence length in the LSTM cell, the type of activation function, and the depth of the model. , model input type, etc.

인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징을 포함할 수 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요할 수 있다.The learning speed and accuracy of an artificial neural network may include features that greatly depend on hyperparameters as well as the structure of the artificial neural network and the type of learning optimization algorithm. Therefore, in order to obtain a good learning model, it may be important to set appropriate hyperparameters as well as determining an appropriate artificial neural network structure and learning algorithm.

하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정할 수 있다. 이를 통해 예측이 더욱 정교해질 수 있다.Hyperparameters can be experimentally set to various values to train the artificial neural network, and as a result of learning, it can be set to the optimal value that provides stable learning speed and accuracy. This allows for more sophisticated predictions.

또한, 현재 시점의 해당 특정사이트의 정규화된 발전량 예측치가 생성되면, 사용자별, 사이트별 필요에 따라 예컨대, 스케일링 되돌리기 등의 후처리 과정을 거쳐서 예측된 발전량 값을 적절한 형식과 절차로 전송할 수 있다.In addition, when the predicted normalized power generation amount of the specific site at the current time is generated, the predicted power generation value can be transmitted in an appropriate format and procedure through a post-processing process such as rescaling, for example, according to the needs of each user and site.

다음으로, 예측모델을 통해 산출된 현재 시점의 특정사이트의 정규화된 발전량 예측치에 해당 특정사이트의 용량을 곱하여 최종 실시간 발전량 예측치를 산출할 수 있다.Next, a final real-time predicted amount of power generation may be calculated by multiplying the predicted normalized amount of power generation of a specific site at the current time calculated through the prediction model by the capacity of the corresponding specific site.

각 벤치마킹그룹에 포함된 모든 특정사이트(2)들에 대한 실시간 발전량 예측치가 산출되면, 각 벤치마킹 사이트의 실시간 발전량 실측치와 합산하여 전체 사이트에 대한 실시간 전체 발전량을 추정할 수 있다. When the predicted real-time generation amount for all specific sites 2 included in each benchmarking group is calculated, the real-time total generation amount for all sites can be estimated by adding the measured value of the real-time generation amount of each benchmarking site.

따라서, 본 발명에 따르면, 태양광 모듈 어레이의 사이트별 발전량 및 전체 사이트의 실시간 발전량을 정확하게 추정할 수 있는 추정시스템이 제공된다. Accordingly, according to the present invention, an estimation system capable of accurately estimating the amount of power generation for each site of the photovoltaic module array and the amount of power generation for all sites in real time is provided.

또한, 본 발명의 실시예들에 따르면, 벤치마킹그룹별 벤치마킹 사이트의 정규화된 실시간 발전량 실측치 및 물리 모델을 입력으로 활용하여 기존 인공지능 기반 기계 학습을 통한 예측의 정확도를 현저하게 향상시킬 수 있다.In addition, according to the embodiments of the present invention, it is possible to remarkably improve the accuracy of prediction through conventional artificial intelligence-based machine learning by using real-time normalized power generation measurement values and physical models of benchmarking sites for each benchmarking group as inputs.

특히, 종래 기술에 따르면, 입력데이터에 대한 노이즈 제거, 데이터 정규화, 포맷의 변경 등의 간략한 데이터 전처리를 통하여 입력하고 예측 알고리즘에 대해서는 별도의 고민 없이 뉴럴 네트워크 등의 기계 학습의 최적화에 의존하여 예측을 실행하였다. 이러한 경우에 기계 학습에 의한 예측의 성능이 매우 떨어지기 때문에 상업적으로 활용하기가 매우 어려웠다. 특히, 정밀한 추정치를 기반으로 동작해야 하는 가상발전소(VPP), 분산형전원/분산자원(DERMS), 전력거래소 등에서 기계 학습에 의한 예측을 상업적으로 활용하기에는 예측의 정확도가 크게 떨어졌으며 실시간 전체 사이트 발전량에 대한 예측이 어려웠다. In particular, according to the prior art, input data is input through simple data preprocessing such as noise removal, data normalization, format change, etc., and prediction is made by relying on optimization of machine learning such as neural networks without additional consideration for prediction algorithms. Executed. In this case, it is very difficult to use commercially because the performance of prediction by machine learning is very poor. In particular, in virtual power plants (VPP), distributed power sources/distributed resources (DERMS), power exchanges, etc., which must operate based on precise estimates, the accuracy of prediction is significantly poor for commercial use of prediction by machine learning, and the total power generation amount of the entire site in real time was difficult to predict.

그러나, 본 발명에 따르면, 벤치마킹그룹을 기반으로 벤치마킹 사이트들의 정규화된 실시간 발전량 및 물리적/수학적 모델링을 통해 처리된 데이터를 기계 학습의 입력으로 활용하여 가상발전소(VPP) 또는 분산형전원/ 분산자원(DERMS), 전력거래소 등에 상업적으로 활용가능한 정확한 발전량 예측이 제공될 수 있다. However, according to the present invention, virtual power plant (VPP) or distributed power supply/distributed resources ( DERMS), power exchanges, etc., commercially usable and accurate predictions of power generation can be provided.

결과적으로, 본 발명의 일 실시 예에 따른 태양광 발전 시스템은 제어서버(210)를 통해 안정적이고 신뢰성있는 발전량 데이터를 수집하고, 수집된 발전량 데이터를 기반으로 발전량을 예측하여 최적 입찰값을 결정할 수 있으며, 예측치와 실측치를 이용하여 태양광발전 설비의 이상을 감지할 수 있다.As a result, the photovoltaic power generation system according to an embodiment of the present invention collects stable and reliable power generation data through the control server 210, predicts the power generation based on the collected power generation data, and determines the optimal bid value. In addition, it is possible to detect anomalies in photovoltaic power generation facilities using predicted values and actual values.

이상 첨부된 도면을 참고하여 본 발명의 실시예들을 설명하였으나, 본 발명은 상기 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 제조될 수 있으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.Although the embodiments of the present invention have been described with reference to the accompanying drawings, the present invention is not limited to the above embodiments and can be manufactured in various different forms, and those skilled in the art in the art to which the present invention belongs A person will understand that the present invention may be embodied in other specific forms without changing the technical spirit or essential features. Therefore, the embodiments described above should be understood as illustrative in all respects and not limiting.

100, 100-1 내지 100-n : RTU, 200 : 분석서버
210 : 제어서버 220 : 예측서버
230 : 입찰값 결정 서버 240 : 이상감지서버
250 : 실시간 발전량 추정서버 10 : 태양광 발전 설비
300 : DB 350 : 센서
400 : 통제센터 500 : 서비스 관리 단말
600 : 사용자 단말 100, 100-1 to 100-n: RTU, 200: analysis server
210: control server 220: prediction server
230: Bid value determination server 240: Anomaly detection server
250: Real-time generation amount estimation server 10: Solar power generation facility
300: DB 350: sensor
400: control center 500: service management terminal
600: user terminal

Claims (19)

신재생에너지의 발전 실측치를 수집하는 복수 개의 RTU 및 상기 발전 실측치를 모니터링하여 신재생에너지의 발전을 제어하는 분석서버를 포함하고,
상기 RTU는, 상기 발전 실측치를 수집하여, 개별 인버터의 이상 여부를 판단하고, 이상 판단시 상기 분석서버로 알림을 전송하는 제1제어부 및 상기 알림에 대한 상기 분석서버의 서버제어명령에 따라 발전 설비를 제어하되, 상기 분석서버로부터 제어오류를 수신시 외부 통제센터로 전송하여 상기 제어오류에 대응하여 기설정된 제어명령을 수신하여 제어대상을 제어하는 제2제어부를 포함하며,
상기 분석서버는, 상기 수신된 알림에 대한 조치율을 기반으로 상기 인버터의 이상 여부를 판단하는 기준값을 조정하는 조정값을 산출하여 해당 RTU로 전송하는 제어서버, 상기 실측치를 기반으로 예측치를 예측하는 예측서버 및 상기 실측치 및 예측치를 기반으로 발전이상을 판단하는 이상감지서버를 포함하고,
상기 이상감지서버는,
수집된 실측치 및 예측치 중에서, 검증기간 및 비교기간의 실측치 및 예측치를 기설정 시간단위로 추출하는 샘플추출부, 추출된 검증기간의 실측치와 예측치에 대한 잔차분포 및 비교기간의 실측치와 예측치에 대한 잔차분포에 대한 각각의 누적분포함수를 산출하고, 산출된 누적분포함수들 사이의 상한노름을 나타내는 통계량을 산출하는 산출부 및 상기 산출된 통계량에 기반하여 상기 비교기간의 잔차분포와 검증기간의 잔차분포가 동일 분포라는 귀무가설에 대한 검증을 수행하여, 검증기간의 발전이상을 판단하는 판단부를 포함하고,
상기 판단부는,
상기 산출된 통계량이 기설정 수준(α)에 대해 다음의 기각조건을 성립하면, 상기 비교기간의 잔차분포와 검증기간의 잔차분포가 동일 분포가 아닌 것으로 판단하는, 신재생에너지 발전 관리 시스템.
Figure 112022109084381-pat00075

여기서, Dn,m은 통계량, n은 상기 비교기간의 잔차분포에 포함된 단위시간별 잔차값들의 개수, m은 상기 검증기간의 잔차분포에 포함된 단위시간별 잔차값들의 개수임.It includes a plurality of RTUs that collect the actual power generation values of new and renewable energy and an analysis server that controls the power generation of new and renewable energy by monitoring the actual power generation values,
The RTU collects the measured power generation value, determines whether an individual inverter has an abnormality, and upon determining an abnormality, a first control unit that transmits a notification to the analysis server and a power generation facility according to a server control command of the analysis server for the notification And a second control unit for controlling a control target by transmitting a control error to an external control center when receiving a control error from the analysis server and receiving a preset control command in response to the control error,
The analysis server calculates an adjustment value for adjusting a reference value for determining whether the inverter is abnormal based on the action rate for the received notification, and transmits the adjusted value to the corresponding RTU. A prediction server and an anomaly detection server for determining an abnormality in power generation based on the measured value and the predicted value,
The anomaly detection server,
Among the collected measured values and predicted values, a sample extraction unit that extracts the actual measured values and predicted values of the verification period and comparison period in a preset time unit, the residual distribution of the extracted actual measured values and predicted values of the verified period, and the residuals of the actual measured values and predicted values of the comparison period A calculation unit that calculates each cumulative distribution function for the distribution and calculates a statistic representing an upper limit between the calculated cumulative distribution functions, and a residual distribution of the comparison period and a residual distribution of the verification period based on the calculated statistic It includes a judgment unit that performs verification of the null hypothesis that is the same distribution and judges the development abnormality of the verification period,
The judge,
If the calculated statistic meets the following rejection condition for the preset level (α), the residual distribution of the comparison period and the residual distribution of the verification period determine that the distribution is not the same, the renewable energy generation management system.
Figure 112022109084381-pat00075

Here, D n,m is a statistic, n is the number of residual values per unit time included in the residual distribution of the comparison period, and m is the number of residual values per unit time included in the residual distribution of the verification period. 제1항에 있어서,
상기 RTU는,
상기 제1제어부 및 제2제어부를 포함하고, 상기 분석서버로부터 제어오류를 수신시 기설정된 링토폴로지를 기반으로 상기 제어오류를 송신하는 수집모듈;
상기 링토폴로지를 기반으로 수집모듈로부터 제어오류를 수신시 외부 통제센터로 송신하고, 상기 제어오류에 대응하여 기설정된 제어명령을 수신하는 통신모듈; 및
상기 링토폴로지를 기반으로 상기 제어명령에 대한 무결성을 검증하는 보안모듈을 포함하며,
상기 수집모듈, 통신모듈 및 보안모듈은,
상기 제어오류에 따라 기설정된 레벨별 QoS를 기반으로 제어명령을 수행하는, 신재생에너지 발전 관리 시스템.According to claim 1,
The RTU is
a collecting module including the first control unit and the second control unit and transmitting the control error based on a preset ring topology upon receiving a control error from the analysis server;
a communication module for transmitting to an external control center when a control error is received from the collection module based on the ring topology and receiving a preset control command in response to the control error; and
A security module verifying the integrity of the control command based on the ring topology,
The collection module, communication module and security module,
Renewable energy generation management system that performs a control command based on the QoS for each level preset according to the control error. 제2항에 있어서,
상기 수집모듈, 통신모듈 및 보안모듈은,
상기 링토폴로지를 기반으로 기설정주기로 순환하는 토큰을 수신시, 상기 토큰에 송신하고자 하는 정보 데이터를 실어 목적지 모듈로 전송하고,
상기 정보 데이터는 상기 제어오류, 기설정된 레벨의 QoS에 따른 제어명령, 상기 제어명령을 수행한 결과 중 하나가 되는, 신재생에너지 발전 관리 시스템. According to claim 2,
The collection module, communication module and security module,
Upon receiving a token that circulates at a predetermined cycle based on the ring topology, the token is loaded with information data to be transmitted and transmitted to a destination module;
The information data is one of the control error, a control command according to a predetermined level of QoS, and a result of performing the control command, the new and renewable energy generation management system. 제2항에 있어서,
상기 제어명령은, 상기 발전 설비에 대한 제어, RTU 링토폴로지 이상에 대한 제어, 수집모듈의 소프트웨어 업데이트 제어 및 수집모듈의 특정기능오류에 대한 제어 중 하나가 되는, 신재생에너지 발전 관리시스템.According to claim 2,
The control command is one of control for the power generation facility, control for RTU ring topology abnormality, control for software update of the collection module, and control for specific functional errors of the collection module, new and renewable energy generation management system. 제4항에 있어서,
상기 수집모듈, 통신모듈 및 보안모듈 중에서 이상이 발생된 이상발생모듈로 리셋신호를 출력하는 리셋모듈을 포함하고,
상기 수집모듈, 통신모듈 및 보안모듈 중 어느 하나의 모듈은,
상기 링토폴로지를 기반으로 기설정주기내에 이전 모듈로부터 토큰이 수신되지 않으면 상기 이전 모듈에 이상이 발생한 것으로 판단하는, 신재생에너지 발전 관리 시스템.According to claim 4,
Includes a reset module that outputs a reset signal to an abnormality generating module among the collection module, communication module, and security module;
Any one of the collection module, communication module and security module,
Based on the ring topology, if the token is not received from the previous module within a preset period, it is determined that an error has occurred in the previous module. 제5항에 있어서,
상기 리셋모듈은,
상기 수집모듈, 통신모듈 및 보안모듈에 각각 연결되되, 연결된 모듈로부터 제어신호를 수신시 반전시켜 리셋신호를 출력하고, 리셋신호를 수신시 연결된 모듈로 리셋신호를 출력하는 결합기; 및
상기 링토폴로지를 기반으로 이웃하는 결합기들 사이의 경로를 연결 또는 절체시키는 복수 개의 스위치를 포함하고,
상기 이전 모듈의 이상 발생을 감지한 모듈의 제어신호에 의해 상기 이전 모듈의 이상 발생을 감지한 모듈 및 상기 이상발생모듈에 연결된 결합기들 간의 경로가 연결되는, 신재생에너지 발전 관리 시스템.According to claim 5,
The reset module,
a combiner connected to the collection module, the communication module, and the security module, respectively, outputting a reset signal by inverting a control signal when receiving a control signal from the connected module, and outputting a reset signal to the connected module when receiving the reset signal; and
Includes a plurality of switches for connecting or switching paths between neighboring couplers based on the ring topology,
A new and renewable energy generation management system in which a path between the module that detects the abnormal occurrence of the previous module and the combiner connected to the abnormal occurrence module is connected by a control signal of the module that detects the abnormal occurrence of the previous module. 제1항에 있어서,
상기 제어서버는,
적어도 하나의 RTU로부터 알림을 수신하며, 해당 RTU로 업데이트될 조정값(Vn)을 전송하는 통신부;
RTU별로 구분하여, 기설정 주기동안 수신된 알림 개수 대비 관리자에 의해 조치된 알림 개수인 조치율(T)을 산출하는 조치율 산출부; 및
상기 산출된 조치율(T)과 기설정된 기준 조치율(Td)을 비교하여 조정값(Vn)을 산출하는 조정값 산출부;를 포함하는, 신재생에너지 발전 관리 시스템.According to claim 1,
The control server,
a communication unit for receiving a notification from at least one RTU and transmitting an adjustment value (Vn) to be updated to the corresponding RTU;
an action rate calculator calculating an action rate (T), that is, the number of notifications taken by a manager against the number of notifications received during a predetermined period by classifying each RTU; and
An adjustment value calculation unit for calculating an adjustment value (Vn) by comparing the calculated action rate (T) with a preset reference action rate (Td); including, new and renewable energy generation management system. 제7항에 있어서,
상기 조정값 산출부는,
하기의 수학식을 이용하여 업데이트될 조정값(Vn)을 산출하는, 신재생에너지 발전 관리 시스템.
조정값(Vn) = 이전 주기동안의 조정값(Vn-1) × (조치율(T)/기준조치율(Td))According to claim 7,
The adjustment value calculation unit,
Renewable energy generation management system that calculates the adjustment value (Vn) to be updated using the following equation.
Adjustment value (Vn) = Adjustment value during the previous cycle (V n-1 ) × (Action rate (T) / Standard action rate (Td)) 제1항에 있어서,
상기 예측서버는,
기후요소데이터 및 사이트들의 위치 데이터를 포함하는 필요 데이터를 수집하는 데이터 수집부;
상기 위치 데이터에 기초하여 연산된 천문 요소값에 기초하여 물리 모델값들을 산출하는 물리 모델 연산부;
상기 물리 모델값들에 기초하여 발전량 추정치를 연산하는 발전량 추정 연산부;
상기 발전량 추정치를 입력으로 하는 기계학습을 수행하고 기계학습의 결과에 기초하여 최종 발전량 예측치를 산출하는 기계학습 연산부; 및
상기 기계학습에 대한 설정값들을 설정하는 제어부를 더 포함하는, 신재생에너지 발전 관리 시스템.According to claim 1,
The prediction server,
a data collection unit that collects necessary data including climate factor data and location data of sites;
a physical model calculation unit calculating physical model values based on astronomical element values calculated based on the location data;
a power generation estimation calculation unit for calculating an estimated power generation amount based on the physical model values;
a machine learning operation unit that performs machine learning with the estimated amount of power generation as an input and calculates a final predicted amount of power generation based on a result of the machine learning; and
Further comprising a control unit for setting the set values for the machine learning, renewable energy generation management system. 제9항에 있어서,
상기 발전 설비가 태양광 발전이면, 상기 물리 모델값들은 경사면 일사량(PoA, Plane of Array) 및 유효일사량(Effective Irradiance)을 포함하고,
상기 물리 모델 연산부는, 하기 수학식에 따라 상기 유효일사량을 결정하며,
상기 경사면 일사량은 경사면 일사량 빔(PoA Beam) 요소, 경사면 일사량 지상 반사(PoA ground reflected) 요소, 경사면 일사량 공중 확산(PoA Sky-diffuse) 요소를 포함하는, 신재생에너지 발전 관리 시스템.
Ee= Eb * aoi_modifier +Eg + Ed
(여기서, Ee= 는 유효일사량, Eb 는 경사면 일사량 빔 요소, Eg는 경사면 일사량 지상 반사 요소, 또한, Ed는 경사면 일사량 공중 확산 요소이고, aoi_modifier는 태양광 모듈 어레이를 실험하여 구한 상수)According to claim 9,
If the power generation facility is photovoltaic, the physical model values include Plane of Array (PoA) and Effective Irradiance,
The physical model calculation unit determines the effective solar radiation amount according to the following equation,
The slope solar radiation includes a slope solar radiation beam (PoA Beam) element, a slope solar radiation ground reflection (PoA ground reflected) element, a slope solar radiation air diffusion (PoA Sky-diffuse) element, renewable energy generation management system.
E e = E b * aoi_modifier +E g + E d
(Where, E e = is the effective solar radiation, E b is the slope solar radiation beam component, E g is the slope solar radiation ground reflection component, and E d is the slope solar radiation air diffusion component, and aoi_modifier is a constant obtained by experimenting with the solar module array ) 제10항에 있어서,
상기 발전량 추정 연산부는,
하기 수학식에 따라 상기 발전량 추정치를 결정하는, 신재생에너지 발전 관리 시스템.
Figure 112022095321895-pat00055

(여기서, Ee는 유효일사량, E0 은 1000W/m2, Pmp는 DC 전력 추정치, Pmp0는 DC 정격 출력 전압에서의 기준 전력, γ는 태양광 모듈 어레이에서 실험으로 결정되는 상수, Tc는 표면온도, T0는 기준온도 (섭씨 25도))According to claim 10,
The power generation estimation calculation unit,
New and renewable energy generation management system for determining the estimated amount of power generation according to the following equation.
Figure 112022095321895-pat00055

(Where E e is effective solar radiation, E 0 is 1000 W/m 2 , P mp is DC power estimate, P mp0 is the reference power at DC rated output voltage, γ is a constant determined experimentally in the solar module array, T c is the surface temperature, T 0 is the reference temperature (25 degrees Celsius)) 제9항에 있어서,
입찰값 결정서버를 더 포함하고,
상기 입찰값 결정서버는,
상기 최종 발전량 예측치를 수신하면, 기수집된 신재생 발전에 대한 예측치 및 실측치를 포함하는 과거 발전량 데이터로부터, 수신한 예측치에 대한 실측치 확률분포를 추정하는 조건부 분포 추정부; 및
전력거래소의 전력시장운영규칙에 기반하여 기설정된 수익정산기준과 상기 추정된 실측치 확률분포를 이용하여 기대수익을 최대화시키는 입찰값을 산출하고, 산출된 입찰값을 최종 입찰값으로 결정하는 입찰값 결정부를 더 포함하는, 신재생에너지 발전 관리 시스템.According to claim 9,
Further comprising a bid value determining server,
The bid value determination server,
a conditional distribution estimator for estimating an actual measurement probability distribution of the received prediction value from past generation data including previously collected predicted values and actual values of new and renewable power generation when the final predicted amount of power generation is received; and
Based on the electricity market operation rules of the Korea Power Exchange, a bid value that maximizes expected revenue is calculated using a predetermined profit calculation standard and the estimated actual value probability distribution, and the calculated bid value is determined as the final bid value. Renewable energy generation management system that further includes wealth. 제12항에 있어서,
상기 조건부 분포 추정부는,
특정기간의 과거 발전량 데이터에 대해, 예측치를 이산화하여 동일값을 가지는 이산화된 예측치를 그룹으로 설정하는 예측값 이산화부;
기설정된 분포의 종류 및 최대우도추정법을 기반으로 각 그룹에 대한 실측치들의 최적 분포 파라미터를 산출하는 분포 파라미터 추정부; 및
상기 산출된 최적 분포 파라미터를 이용하여 상기 기설정된 분포에 따른 각 그룹별 실측치 분포를 추정하는 실제값 분포 추정부를 포함하는, 신재생에너지 발전 관리 시스템.According to claim 12,
The conditional distribution estimation unit,
A predicted value discretization unit for discretizing the predicted value of the past power generation data of a specific period and setting the discretized predicted value having the same value as a group;
a distribution parameter estimator calculating optimal distribution parameters of measured values for each group based on a preset distribution type and a maximum likelihood estimation method; and
A new and renewable energy generation management system comprising an actual value distribution estimator for estimating an actual value distribution for each group according to the preset distribution using the calculated optimal distribution parameter. 제13항에 있어서,
상기 조건부 분포 추정부는,
상기 수신한 예측치가 포함되는 해당 그룹의 실측치 확률분포를 상기 수신한 예측치에 대한 실측치 확률분포로 추정하는, 신재생에너지 발전 관리 시스템.According to claim 13,
The conditional distribution estimation unit,
The new and renewable energy generation management system that estimates the actual value probability distribution of the group including the received predicted value as the actual value probability distribution for the received predicted value. 제1항에 있어서,
상기 판단부는, 비교기간의 잔차분포와 검증기간의 잔차분포가 동일하지 않으면 상기 검증기간에 발전 이상이 발생한 것으로 판단하는 신재생에너지 발전 관리 시스템.According to claim 1,
The determination unit, if the residual distribution of the comparison period and the residual distribution of the verification period are not the same, the new and renewable energy generation management system for determining that a power generation abnormality has occurred in the verification period. 삭제delete 제1항에 있어서,
상기 이상 감지 서버는,
검증기간의 잔차분포 및 비교기간의 잔차분포를 무작위 순열하여 기설정 개수의 잔차값을 포함하는 두개의 잔차분포를 생성하는 순열부를 더 포함하고,
상기 산출부는,
상기 순열부에서 생성된 두개의 잔차분포에 대한 각각의 누적분포함수를 산출하고, 산출된 누적분포함수들 사이의 상한노름을 나타내는 통계량을 산출하는, 신재생에너지 발전 관리 시스템.According to claim 1,
The anomaly detection server,
Further comprising a permutation unit generating two residual distributions including a predetermined number of residual values by permuting the residual distribution of the verification period and the residual distribution of the comparison period at random;
The calculator,
A new and renewable energy generation management system that calculates each cumulative distribution function for the two residual distributions generated in the permutation unit and calculates a statistic representing an upper limit norm between the calculated cumulative distribution functions. 제1항에 있어서,
실시간 발전량 추정서버를 더 포함하고,
상기 실시간 발전량 추정서버는,
복수 개의 발전 사이트의 지리적 위치를 기반으로 벤치마킹그룹을 설정하고, 벤치마킹그룹별 벤치마킹 사이트를 설정하는 사이트 설정부;
상기 벤치마킹 사이트에 대해 RTU에서 수집된 실시간 발전량 실측치를 기반으로 기설정된 예측모델을 이용하여 해당 벤치마킹그룹에 포함된 사이트 중 상기 벤치마킹 사이트를 제외한 사이트 각각에 대한 실시간 발전량 예측치를 산출하는 사이트 발전량 산출부; 및
상기 산출된 사이트 각각에 대한 실시간 발전량 예측치 및 상기 벤치마킹 사이트에 대한 실시간 발전량 실측치를 합산하여 전체 사이트에 대한 실시간 전체 발전량을 추정하는 전체 발전량 추정부를 포함하는, 신재생에너지 발전 관리 시스템.According to claim 1,
Further comprising a real-time power generation estimation server,
The real-time generation amount estimation server,
a site setting unit that sets benchmarking groups based on the geographical locations of the plurality of power generation sites and sets benchmarking sites for each benchmarking group;
A site power generation calculation unit for calculating a real-time power generation predicted value for each of the sites included in the benchmarking group, excluding the benchmarking site, using a preset prediction model based on the real-time power generation measurement values collected at the RTU for the benchmarking site; and
A total generation amount estimation unit for estimating the total amount of power generation in real time for all sites by summing the predicted value of the amount of power generation in real time for each of the calculated sites and the actual measured value of the amount of power generation in real time for the benchmarking site, Renewable energy generation management system. 제18항에 있어서,
상기 사이트 발전량 산출부는,
상기 실시간 발전량 예측치 산출 대상인 특정 사이트에서 가장 인접한 벤치마킹 사이트를 선택하여 해당 용량을 획득하고, 상기 선택된 벤치마킹 사이트의 현재시점의 발전량 실측치를 상기 해당 용량으로 나누어 상기 벤치마킹 사이트의 정규화된 발전량을 산출하는, 신재생에너지 발전 관리 시스템.
According to claim 18,
The site generation amount calculation unit,
Selecting the benchmarking site closest to the specific site to be calculated for the real-time predicted value of power generation, obtaining the corresponding capacity, and dividing the measured value of the power generation at the current time of the selected benchmarking site by the corresponding capacity to calculate the normalized power generation of the benchmarking site. Renewable energy generation management system.
KR1020220114672A 2022-03-24 2022-09-13 System for managing renewable energy generator KR102498535B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220114672A KR102498535B1 (en) 2022-03-24 2022-09-13 System for managing renewable energy generator

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220036528A KR20230085051A (en) 2021-12-06 2022-03-24 System for managing renewable energy generator
KR1020220114672A KR102498535B1 (en) 2022-03-24 2022-09-13 System for managing renewable energy generator

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020220036528A Division KR20230085051A (en) 2021-12-06 2022-03-24 System for managing renewable energy generator

Publications (1)

Publication Number Publication Date
KR102498535B1 true KR102498535B1 (en) 2023-02-10

Family

ID=85223539

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220114672A KR102498535B1 (en) 2022-03-24 2022-09-13 System for managing renewable energy generator

Country Status (1)

Country Link
KR (1) KR102498535B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116816578A (en) * 2023-08-24 2023-09-29 青岛科技大学 Impact turbine wave energy power generation system

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101492528B1 (en) 2013-06-10 2015-02-12 주식회사 하이메틱스 Method for monitoring photovoltaic power generation by using rtu and wireless rtu device therefor
KR20150063228A (en) * 2013-11-29 2015-06-09 한국전기연구원 Method and apparatus for deciding output power lowering of solar cell generator
JP2016091312A (en) * 2014-11-05 2016-05-23 株式会社東芝 Fault diagnosis apparatus and fault diagnosis method
KR20200063884A (en) * 2018-11-28 2020-06-05 주식회사 보아스에스이 Method of Detecting Error For Power Generation Of New Renewable Energy
KR20200102649A (en) * 2019-02-22 2020-09-01 최일용 Guiding system and managemennt server for production maximization of renewable energy generatiors
KR20200126766A (en) * 2019-04-30 2020-11-09 한국전자통신연구원 Operation management apparatus and method in ict infrastructure
KR20210066642A (en) * 2019-11-28 2021-06-07 주식회사 인포마인드 Consulting system through big data based prediction of solar power generation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101492528B1 (en) 2013-06-10 2015-02-12 주식회사 하이메틱스 Method for monitoring photovoltaic power generation by using rtu and wireless rtu device therefor
KR20150063228A (en) * 2013-11-29 2015-06-09 한국전기연구원 Method and apparatus for deciding output power lowering of solar cell generator
JP2016091312A (en) * 2014-11-05 2016-05-23 株式会社東芝 Fault diagnosis apparatus and fault diagnosis method
KR20200063884A (en) * 2018-11-28 2020-06-05 주식회사 보아스에스이 Method of Detecting Error For Power Generation Of New Renewable Energy
KR20200102649A (en) * 2019-02-22 2020-09-01 최일용 Guiding system and managemennt server for production maximization of renewable energy generatiors
KR20200126766A (en) * 2019-04-30 2020-11-09 한국전자통신연구원 Operation management apparatus and method in ict infrastructure
KR20210066642A (en) * 2019-11-28 2021-06-07 주식회사 인포마인드 Consulting system through big data based prediction of solar power generation

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116816578A (en) * 2023-08-24 2023-09-29 青岛科技大学 Impact turbine wave energy power generation system
CN116816578B (en) * 2023-08-24 2023-12-22 青岛科技大学 Impact turbine wave energy power generation system

Similar Documents

Publication Publication Date Title
US10962576B2 (en) Estimation of shading losses for photovoltaic systems from measured and modeled inputs
US20210104975A1 (en) Systems and methods for power management
Kim et al. Daily prediction of solar power generation based on weather forecast information in Korea
US8606416B2 (en) Energy generating system and control thereof
Kanase-Patil et al. A review of artificial intelligence-based optimization techniques for the sizing of integrated renewable energy systems in smart cities
Arriagada et al. A probabilistic economic dispatch model and methodology considering renewable energy, demand and generator uncertainties
Guo et al. An ensemble solar power output forecasting model through statistical learning of historical weather dataset
KR102230548B1 (en) Power generation prediction and efficiency diagnosis system of solar power generation facilities using FRBFNN model
KR102338515B1 (en) A System For Forecasting Solar Power Generation Based On Artificial Intelligence
Ghaedi et al. Incorporating Large Photovoltaic Farms in Power‎ Generation System Adequacy Assessment
Tabar et al. Increasing resiliency against information vulnerability of renewable resources in the operation of smart multi-area microgrid
KR102498535B1 (en) System for managing renewable energy generator
Oprea et al. Mind the gap between PV generation and residential load curves: Maximizing the roof-top PV usage for prosumers with an IoT-based adaptive optimization and control module
Manur et al. Smart solar home system with solar forecasting
Fan et al. Spatial-temporal genetic-based attention networks for short-term photovoltaic power forecasting
Tikkiwal et al. Multi-objective optimisation of a grid-connected hybrid PV-battery system considering battery degradation
KR102379984B1 (en) System for managing renewable energy generator
US11158007B2 (en) Dynamic energy consumption and harvesting with feedback
KR20230085051A (en) System for managing renewable energy generator
Deng et al. A Survey of the Researches on Grid-Connected Solar Power Generation Systems and Power Forecasting Methods Based on Ground-Based Cloud Atlas
US20220352714A1 (en) System for estimating renewable energy generation quantity in real-time
KR102338511B1 (en) A system for monitering abnormality of solar power generation
Veysi Raygani Robust unit commitment with characterised solar PV systems
Ma et al. A simple and reliable photovoltaic forecast for reliable power system operation control
Tasdemir et al. International Journal of Intelligent Systems and Applications in Engineering

Legal Events

Date Code Title Description
GRNT Written decision to grant