KR20190136300A

KR20190136300A - Hour-ahead price based energy management method and system for industrial facilities

Info

Publication number: KR20190136300A
Application number: KR1020180061823A
Authority: KR
Inventors: 홍승호; 황쉬에페이; 루렌지
Original assignee: 한양대학교 에리카산학협력단
Priority date: 2018-05-30
Filing date: 2018-05-30
Publication date: 2019-12-10
Also published as: KR102181879B1; KR102181879B9

Abstract

The present invention relates to a method and a system for managing energy based on a real-time price for an industrial facility. According to the present invention, a price-based demand response provides a significant opportunity for an electric consumer to actively adjust balance of energy demand in response to an electricity price which is changed over time, thereby reducing the grid burden of a peak time. However, a real-time price-based demand response has been rarely studied in an industrial facility. According to the present invention, a one hour-ahead real-time price-based demand response method applied to an industrial facility, is provided. According to the present invention, optimization of the entire time section is supported by predicting an unknown future price using an artificial neural network-based price prediction model. Also, an energy cost optimization problem is formulated by mixed integer linear programming on the basis of a predicted price. In addition, according to the present invention, a steel powder manufacturing process for performance analysis is simulated, thereby checking balance of energy demand and reduction in energy costs while satisfying a production goal.

Description

산업 시설을 위한 실시간 가격 기반 에너지 관리 방법 및 시스템{Hour-ahead price based energy management method and system for industrial facilities}Real-time price based energy management method and system for industrial facilities

본 발명은 실시간 가격 기반 에너지 관리 방법 및 시스템에 관한 것으로서, 상세하게는 가격 예측 모델을 사용하여 1시간 전에 전기 가격을 예측함으로써 산업 시설의 제조 과정에서 전체 시간 구간의 에너지 최적화를 제공할 수 있는 산업 시설을 위한 실시간 가격 기반 에너지 관리 방법 및 시스템에 관한 것이다. The present invention relates to a method and system for real-time price-based energy management, and more specifically, an industry that can provide energy optimization of an entire time interval in the manufacturing process of an industrial facility by predicting electricity prices one hour ago using a price prediction model. A real time price based energy management method and system for a facility.

제조 산업이 주요한 에너지 소비자임에도 산업 시설에서 수요응답을 구현하기 위한 연구가 거의 없었다. 우선, 거주나 상업적 에너지 소비와 달리, 어떠한 산업 공정도 다수의 자원(전기 사용 태스크, 원료, 중간생산물 등) 사용을 고려해야 한다. 두 번째, 매우 복합적인 다양한 산업 시설이 존재하여, 전체 제조 공정에 대한 모델을 생성하는 것이 어렵다. 세 번째, 실시간 기반 수요반응(DR)을 위한 효과적인 에너지 관리 방법이 부족하다. Although the manufacturing industry is a major energy consumer, few studies have been conducted to implement demand response in industrial facilities. First of all, unlike residential or commercial energy consumption, any industrial process should consider the use of multiple resources (electricity tasks, raw materials, intermediates, etc.). Second, there are a variety of very complex industrial facilities, making it difficult to create models for the entire manufacturing process. Third, there is a lack of effective energy management methods for real-time demand response (DR).

거주지역 수요반응 에너지 관리 방법은 전력 그리드의 부하 및 소비자의 에너지 비용을 감소키는 목표를 가진다. 그러나 종래 방법은 독립 가구 부하 간의 에너지 관리에 초점을 맞추었다. 부하의 종류가 서로 달라 산업적 소비자가 종래 거주지역 수요반응 에너지 관리 방법을 바로 적용하는 것은 어려웠다. 제조 공정은 상호 연관되고 연속적인 태스크로 구성되어 있다. 그리고 이러한 태스크는 본래 함께 동작하고 독립적으로 취급될 수 없다. Residential demand response energy management methods aim to reduce the load on the power grid and the energy costs of consumers. However, conventional methods have focused on energy management between independent household loads. Due to the different types of loads, it was difficult for industrial consumers to apply the energy management method of demand response in the existing residential area. The manufacturing process consists of correlated and continuous tasks. And these tasks inherently work together and cannot be handled independently.

거주지역 부문과 비교할 때, 산업 부문에서 수요반응을 적용하려는 시도는 거의 없었다. 어떤 수요반응 프로그램은 단위 투입 최적화 문제로 발전소와 동시에 고려될 수 있는 매매 가능한 상품으로서 모델화된다. 다른 연구에서, 일주일을 네 종류의 날로 나누고 일주일 동안 날의 종류에 따라 각 날에 다른 사용 시간(Time of Use)을 할당하였다. 다른 연구에서, 하루 전 실시간 가격(Day-Ahead Real-Time Price)을 고려하여 정유시설에 대한 자동 수요반응 방법을 제안하였다. 다른 연구에서, 수요반응 영향을 평가하는 도구를 제안했고, 상세한 경제적, 기술적, 환경적 평가를 제공하였다. 다른 연구에서, 자원 태스크 네트워크 스케줄링 프로세스와 확률 동적 프로그래밍을 이용하여 산업 부문의 수요반응 모델화 방법을 제안했다. 다른 연구에서, 하루 전 실시간 가격하에 자동 에너지 관리 방법을 제시했으며, 이 방법은 산업 공정을 스케줄 조정 불가 태스크와 스케줄 조정 가능 태스크로 분류하여 분산 에너지 자원의 이점이 있다. Compared to the residential sector, few attempts were made to apply demand response in the industrial sector. Some demand response programs are modeled as tradable commodities that can be considered simultaneously with the plant due to unit input optimization issues. In another study, a week was divided into four types of days and a different time of use was allocated for each day, depending on the type of day during the week. In another study, we proposed an automated demand response method for refineries, taking into account day-ahead real-time prices. In another study, a tool was proposed to assess the impact of demand response and provided detailed economic, technical and environmental assessments. In another study, we proposed a method for modeling demand response in the industrial sector using the resource task network scheduling process and stochastic dynamic programming. In another study, an automated energy management method was presented a day ago at a real-time price, which categorized industrial processes into non-schedulable and reschedulable tasks to take advantage of distributed energy resources.

상술한 모든 연구들은 하루 전체의 가격이 인정된다는 가정에 근거했다. 대부분 하루 전 실시간 가격이나 사용 시간에 의존했다. 이러한 가격들은 다음날 가격으로서 에너지 생산자와 소비자 간의 균형 유지를 위해 이력 데이터에 근거해 지역 송전 기관에 의해 계산된다. 그러나 실제 상황에서 이러한 방법들이 사용될 때 모든 가능한 에너지 소비자는 동일한 시간대(전기 가격이 싼 시간)에 전력 수요를 이동하려고 하여 결국 새로운 피크 수요가 발생한다는 명백한 문제점이 있다. All of the above studies are based on the assumption that prices for the entire day are acceptable. Most depended on real-time prices or hours of use a day ago. These prices are calculated by the local transmission agency based on historical data to balance energy producers and consumers as prices for the next day. In practice, however, there is a clear problem that when these methods are used, all possible energy consumers try to shift power demand in the same time frame (when electricity prices are low), resulting in a new peak demand.

상술한 가격 방식과 달리 1시간 전 실시간 가격(Hour-Ahead Real-Time Price) 방식은 효력 발생 60분 전에 산출된 가격에 의해 전력 그리드의 실시간 상태를 더욱 현실적으로 반영한다. Unlike the price method described above, the hour-hour real-time price method more realistically reflects the real-time state of the power grid by the price calculated 60 minutes before the effective time.

예를 들어, 도 1은 2014년 7월 11일 하루 전 실시간 가격과 1시간 전 실시간 가격 간의 가격 정보를 나타낸다. 하루 전 실시간 가격은 14:00-19:00 사이에서 1시간 전 실시간 가격보다 훨씬 높다. 이것은 그 시간대에서 예상하지 못한 수요 피크가 발생했다는 것을 의미한다. 이러한 환경하에서, 하루 전 실시간 가격하에서 얻은 제조 스케줄이 여전히 적용된다면, 그러한 가격 차이로 인해 부가적 에너지 비용이 발생하고 전력 그리드의 부하가 증가할 것이다. For example, FIG. 1 shows price information between a real-time price a day before July 11, 2014 and a real-time price an hour ago. The real-time price a day ago is much higher than the real-time price of one hour between 14:00 and 19:00. This means that there was an unexpected demand peak at that time. Under these circumstances, if a manufacturing schedule obtained at a real time price a day ago is still applied, such a price difference will incur additional energy costs and increase the load on the power grid.

(선행문헌 1) 미국공개특허 제2015-0206083호(Previous Document 1) US Patent Publication No. 2015-0206083 (선행문헌 2) 일본등록특허 제6096735호(Previous Document 2) Japanese Patent No. 6096735

이러한 문제점을 해결하기 위해, 본 발명은 산업 시설을 위한 1시간 전 실시간 가격 기반 에너지 관리 방법을 제공한다. In order to solve this problem, the present invention provides a real time price based energy management method 1 hour ago for industrial facilities.

특별히, 1시간 전 실시간 가격의 본래 메커니즘에 기인하여, 소비자는 1시간마다 하나의 가격정보만을 받을 수 있다. 이러한 미래 가격 즉 미지의 상황에 대처하기 위해, 확률 및 인공지능 접근법에 근거한 안정적 가격 예측 모델이 제안되었다. 이러한 가격 예측 모델은 인공 신경망을 사용하여 구현할 수 있다. In particular, due to the inherent mechanism of real time pricing an hour ago, a consumer can only receive one price information every hour. In order to cope with these future prices, or unknowns, stable price prediction models based on probabilistic and artificial intelligence approaches have been proposed. Such a price prediction model can be implemented using an artificial neural network.

새로운 가격을 받을 때마다 가격 예측 모델은 미지의 미래 가격을 예측하고, 이러한 동작이 제조 종료까지 시간마다 반복될 것이다. 또한, 예측 가격을 사용하여, 제조/에너지 공정 모델이 혼합 정수 선형 프로그래밍(Mixed Integer Linear Programming)에서 공식화된다. 이 프로그래밍에서 목적 함수는 생산 목표를 만족시키면서 전체 에너지 비용을 최소화하도록 정의된다. Each time a new price is received, the price prediction model predicts an unknown future price and this operation will be repeated hourly until the end of manufacturing. In addition, using predicted prices, manufacturing / energy process models are formulated in Mixed Integer Linear Programming. In this programming, the objective function is defined to minimize the overall energy cost while meeting the production target.

또한, 본 발명에 따른 방법의 실현 가능성은 실제 케이스 즉, 시뮬레이션 환경의 강철 분말 제조 공정에 의해 확인되었다. In addition, the feasibility of the method according to the invention has been confirmed by the actual case, i.e. the steel powder manufacturing process in the simulation environment.

이를 위해, 본 발명에 따른 에너지 관리 방법은, 유틸리티 회사로부터 실시간 가격을 수신하여 산업시설의 각 장비의 에너지 수요를 제어하는 에너지 관리 시스템의 산업 시설을 위한 실시간 가격 기반 에너지 관리 방법으로서, To this end, the energy management method according to the present invention is a real-time price-based energy management method for the industrial facilities of the energy management system that receives the real-time price from the utility company to control the energy demand of each equipment of the industrial facility,

상기 유틸리티 회사로부터 시간 구간 t의 가격을 수신하는 단계와,Receiving a price of a time interval t from the utility company;

시간 구간 t의 가격을 수신한 후 시간 구간 t+1부터 하루의 마지막 시간 구간까지의 시간 구간별 예측 가격을 산출하는 단계와, Calculating a predicted price for each time interval from the time interval t + 1 to the last time interval of the day after receiving the price of the time interval t;

시간 구간 t의 가격 및 시간 구간 t+1부터 하루의 마지막 시간 구간까지의 시간 구간별 예측 가격과 시간 구간 t부터 하루의 마지막 시간 구간까지의 시간 구간별 에너지 수요로부터 시간 구간 t부터 하루의 마지막 시간 구간까지의 총 에너지 비용을 산출하고 총 에너지 비용이 최소가 되도록 하는 시간 구간별 에너지 수요를 산출하는 단계와,The price of time interval t and the forecast price by time interval from time interval t + 1 to the last time interval of the day and the energy demand by time interval from time interval t to the last time interval of the day from time interval t to the last time of the day Calculating the total energy cost to the interval and calculating the energy demand for each time interval such that the total energy cost is minimal;

상기 산출한 시간 구간별 에너지 수요에 근거하여 시간 구간별 각 장비의 동작점을 선택하여 산업 시설의 동작 스케줄을 생성하는 단계를 포함한다. Generating an operation schedule of an industrial facility by selecting an operating point of each piece of equipment based on the calculated energy demand for each time interval.

또한, 본 발명에 따른 에너지 관리 방법은, 유틸리티 회사로부터 실시간 가격을 수신하여 산업시설의 각 장비의 에너지 수요를 제어하는 에너지 관리 시스템의 산업 시설을 위한 실시간 가격 기반 에너지 관리 방법으로서, In addition, the energy management method according to the present invention is a real-time price-based energy management method for the industrial facilities of the energy management system that receives the real-time price from the utility company to control the energy demand of each equipment of the industrial facility,

상기 유틸리티 회사로부터 일정 시간 구간마다 실제 가격을 수신하는 단계와,Receiving an actual price at a predetermined time interval from the utility company;

특정 시간 구간에서 실제 가격을 수신하면 다음 시간 구간부터 마지막 시간 구간까지 예측 가격들을 산출하는 단계와,Calculating the predicted prices from the next time interval to the last time interval when receiving the actual price in a specific time interval;

실제 가격 및 예측 가격들과 특정 시간 구간부터 마지막 시간 구간까지 각 장비의 에너지 수요에 근거하여 총 에너지 비용을 산출하는 단계와,Calculating a total energy cost based on the actual price and the predicted prices and the energy demand of each equipment from a specific time interval to the last time interval,

상기 산출한 총 에너지 비용이 최소가 되도록 하는 각 장비의 에너지 수요를 결정하는 단계와, Determining the energy demand of each equipment such that the calculated total energy cost is minimal;

상기 결정된 각 장비의 에너지 수요에 근거하여 각 장비의 동작점을 결정하고 결정한 동작점에 따른 산업 시설의 동작 스케줄을 생성하는 단계를 포함한다. Determining an operating point of each equipment based on the determined energy demand of each equipment, and generating an operation schedule of the industrial facility according to the determined operating point.

또한, 본 발명에 따른 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템은 복수의 동작점을 가진 장비들의 동작을 제어하는 에너지 관리 제어기와,In addition, the real-time price-based energy management system for an industrial facility according to the present invention is an energy management controller for controlling the operation of the equipment having a plurality of operating points;

유틸리티 회사로부터 수신한 실제 가격 및 가격 예측 모델을 사용하여 산출한 예측 가격들과 상기 장비들의 에너지 수요에 근거하여 총 에너지 비용을 산출하고, 총 에너지 비용이 최소화되도록 상기 장비들의 에너지 수요를 결정하는 에너지 관리 장치를 포함한다. Energy that calculates the total energy cost based on the forecast prices calculated using the actual price and price prediction model received from the utility company and the energy demand of the equipment, and determines the energy demand of the equipment so that the total energy cost is minimized. It includes a management device.

또한, 본 발명에 따른 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템은 복수의 동작점을 가진 장비들과, In addition, the real-time price-based energy management system for an industrial facility according to the present invention is a device having a plurality of operating points,

상기 장비들의 동작을 제어하는 에너지 관리 제어기와,An energy management controller for controlling the operation of the equipment;

일정한 시간 구간마다 유틸리티 회사로부터 실제 가격이 수신되면 가격 예측 모델을 사용하여 실제 가격이 수신된 시간 구간의 다음 시간 구간부터 마지막 시간 구간까지의 시간 구간별 예측 가격들을 산출하고, 실제 가격 및 예측 가격들과 상기 장비들의 에너지 수요에 근거하여 총 에너지 비용을 산출하고, 총 에너지 비용이 최소화되도록 상기 장비들의 에너지 수요를 결정하는 에너지 관리 장치를 포함한다. When the actual price is received from the utility company in each time interval, the price prediction model is used to calculate the forecast prices for each time interval from the next time interval to the last time interval of the time interval at which the actual price is received, and the actual price and the forecast prices. And an energy management device for calculating a total energy cost based on the energy demand of the equipments and determining the energy demand of the equipments so that the total energy cost is minimized.

또한, 본 발명에 따른 실시간 가격 기반 에너지 관리를 위한 프로그램은, 일정한 시간 구간마다 특정 시간 구간의 다음 시간 구간부터 마지막 시간 구간까지의 예측 가격을 산출하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램으로서, In addition, the program for real-time price-based energy management according to the present invention is a program stored in a computer-readable recording medium for calculating the predicted price from the next time interval to the last time interval of a specific time interval in a certain time interval,

시간 구간 t에서 유틸리티 회사의 실제 가격이 수신되었을 때 상기 프로그램이 구동하여,The program runs when the actual price of the utility company is received in time interval t,

시간 구간 t에서의 유틸리티 회사의 실제 가격과 시간 구간 t 이전의 가격 이력 정보로부터 시간 구간 t+1의 예측 가격을 산출하고, From the utility company's actual price in the time interval t and the price history information before the time interval t, the estimated price of the time interval t + 1,

상기 산출한 시간 구간 t+1의 예측 가격, 시간 구간 t의 실제 가격과 시간 구간 t 이전의 가격 이력 정보로부터 시간 구간 t+2의 예측 가격을 산출하고, Calculating the predicted price of the time interval t + 1 from the calculated predicted price of the time interval t + 1, the actual price of the time interval t and the price history information before the time interval t,

상기 산출한 시간 구간 t+1의 예측 가격, 시간 구간 t+2의 예측 가격, 시간 구간 t의 실제 가격과 시간 구간 t 이전의 가격 이력 정보로부터 시간 구간 t+3의 예측 가격을 산출하는 방식으로,By calculating the predicted price of the time interval t + 1, the predicted price of the time interval t + 2, the actual price of the time interval t + and the price history information before the time interval t + 3 ,

시간 구간 t에서 시간 구간 t+1부터 마지막 시간 구간까지의 시간 구간별 예측 가격을 산출하는 것을 특징으로 한다. The time interval t from the time interval t + 1 to the last time interval from the time interval predicted price is characterized in that it is calculated.

또한, 본 발명에 따른 실시간 가격 기반 에너지 관리를 위한 프로그램은, 일정한 시간 구간마다 산업 시설의 장비들의 동작을 제어하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램으로서, In addition, the program for real-time price-based energy management according to the present invention is a program stored in a computer-readable recording medium for controlling the operation of the equipment of an industrial facility at regular time intervals,

특정 시간 구간의 실제 가격 및 다음 시간 구간부터 마지막 시간 구간까지의 시간 구간별 예측 가격들을 입력받고, 실제 가격 및 예측 가격들과 특정 시간 구간부터 마지막 시간 구간까지 각 장비의 에너지 수요에 근거하여 총 에너지 비용을 산출하는 단계와,It receives the actual price of a specific time interval and forecast prices for each time interval from the next time interval to the last time interval, and the total energy based on the actual price and forecast prices and the energy demand of each equipment from the specific time interval to the last time interval. Calculating the cost,

상술한 바와 같이, 본 발명은 일정 시간 구간마다 인공신경망 기반 가격 예측 모델을 사용하여 현 시간 구간을 기준으로 다음 시간 구간부터 마지막 시간 구간까지의 시간 구간별 전기 가격을 예측하고, 예측한 전기 가격과 장비들의 에너지 수요에 근거한 총 에너지 비용의 최소화 문제를 구함으로써, 산업 시설의 제조 과정에서 실시간으로 전체 시간 구간의 에너지 최적화를 제공할 수 있는 효과가 있다. As described above, the present invention uses the neural network-based price prediction model for each time interval to predict the electricity price for each time interval from the next time interval to the last time interval based on the current time interval, By solving the problem of minimizing the total energy cost based on the energy demand of the equipment, it is possible to provide energy optimization of the entire time interval in real time in the manufacturing process of an industrial facility.

도 1은 하루 전 실시간 가격과 1시간 전 실시간 가격의 차이를 나타내는 그래프 도면.
도 2는 본 발명에 따른 산업 시설의 에너지 관리 모델로서 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템을 나타낸 도면.
도 3은 장비와 자원 저장의 관계를 나타낸 도면.
도 4는 인공신경망의 구조를 나타낸 도면.
도 5는 강철분말 제조의 주요 공정을 나타낸 도면.
도 6은 강철분말 제조 시뮬레이션 모델의 모니터 인터페이스를 나타낸 도면.
도 7은 실제 가격과 예측 가격 간의 비교를 나타낸 도면.
도 8은 동작 조절 가능 장비와 동작 중지 가능 장비의 총 에너지 수요를 나타낸 도면.
도 9는 냉각수와 질소 저장의 변화 추이를 나타낸 도면.
도 10은 각 구간에서의 에너지 저장 장치의 에너지 수요를 나타낸 도면.
도 11은 케이스별 에너지 수요 비교를 나타낸 도면.
도 12는 에너지 비용 비교를 나타낸 도면.
도 13은 본 발명의 수요반응에서 사용되는 표기법을 나타낸 도면.
도 14는 인공신경망의 입력 정보를 나타낸 도면.
도 16-24는 본 발명의 강철분말 제조 시뮬레이션을 위한 장비 정보를 나타낸 도면.
도 25는 본 발명에 따른 실시간 가격 기반 에너지 관리 방법의 처리 과정을 나타낸 플로차트. 1 is a graph showing the difference between the real-time price one day ago and the real-time price one hour ago.
2 is a diagram illustrating a real-time price-based energy management system for an industrial facility as an energy management model of the industrial facility according to the present invention.
3 is a diagram illustrating a relationship between equipment and resource storage.
Figure 4 is a view showing the structure of the artificial neural network.
5 is a view showing the main process of manufacturing steel powder.
6 shows a monitor interface of a steel powder manufacturing simulation model.
7 shows a comparison between actual prices and forecast prices.
8 shows the total energy demand of the motion controllable equipment and the motion stop equipment.
9 is a view showing a change in cooling water and nitrogen storage.
10 is a view showing the energy demand of the energy storage device in each section.
11 shows a comparison of energy demand by case.
12 shows a comparison of energy costs.
Figure 13 shows the notation used in the demand response of the present invention.
14 shows input information of an artificial neural network;
16-24 is a view showing the equipment information for the steel powder manufacturing simulation of the present invention.
25 is a flowchart showing a process of real-time price-based energy management method according to the present invention.

이하, 첨부된 도면을 참조하여 본 발명에 따른 실시 예를 상세하게 설명한다. 본 발명의 구성 및 그에 따른 작용 효과는 이하의 상세한 설명을 통해 명확히 이해될 것이다. Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. The configuration of the present invention and the resulting effects will be clearly understood through the following detailed description.

본 발명의 상세한 설명에 앞서, 공지된 구성에 대해서는 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 구체적인 설명은 생략하기로 함에 유의한다.Before the detailed description of the present invention, it is noted that a detailed description thereof will be omitted when it is determined that the well-known configuration may obscure the gist of the present invention.

1. 1시간 전 실시간 가격(HA-1. 1 hour ago live price (HA- RTPRTP ) 기반 에너지 관리 Based energy management

도 2는 산업시설 장비의 에너지 소비를 관리할 수 있는 수요반응(DR) 시스템의 구성을 나타낸 것이다. Figure 2 shows the configuration of the demand response (DR) system that can manage the energy consumption of industrial facility equipment.

산업시설은 스마트 미터(Smart Meter)(10), 에너지 관리 장치(Energy Management System)(20), 에너지 저장 장치(Energy Storage System)(30), 복수의 에너지 관리 제어기(Energy Management Controller)(40), 복수의 산업 장비(50) 등을 포함한다. Industrial facilities include smart meters (10), energy management systems (Energy Management System) 20, energy storage system (Energy Storage System) 30, a plurality of Energy Management Controller (40) , A plurality of industrial equipments 50 and the like.

스마트 미터(10)는 외부의 유틸리티 회사(60)와 인터페이스 기능을 수행하며, 전기 소비를 기록하고, 감시(monitoring) 및 요금 부과를 위해 유틸리티 회사(60)로 정보를 제공한다. The smart meter 10 functions as an interface with an external utility company 60, records electricity consumption, and provides information to the utility company 60 for monitoring and charging.

에너지 관리 장치(20)는 수요반응 시스템의 핵심 기능을 수행하며, 전체 산업시설의 에너지 관리를 담당한다. 본 발명에 따른 수요반응 프로그램은 에너지 관리 장치(20)에 저장되어 있다. The energy management device 20 performs a core function of the demand response system and is in charge of energy management of the entire industrial facility. The demand response program according to the present invention is stored in the energy management device 20.

에너지 저장 장치(30)는 피크 가격 시간에 산업 부하로 전기를 공급할 수 있는 보조 장비를 구비하고 있다. The energy storage device 30 is provided with auxiliary equipment that can supply electricity to an industrial load at peak price times.

수요반응 시스템의 아래에 있는 산업 장비(50)는 3가지 유형으로 분류된다. 첫 번째 유형은 항시 작동 장비(Non-Shiftable Equipment)이다. 항시 작동 장비의 에너지 수요는 전기 가격의 싸고 비쌈에 상관없이 무조건 충족되어야 한다. The industrial equipment 50 underneath the demand response system is classified into three types. The first type is Non-Shiftable Equipment. The energy demand of the operating equipment at all times must be met without regard to the cheap and expensive electricity prices.

두 번째 유형은 작동 정지 가능 장비(Shiftable Equipment)이다. 작동 정지 가능 장비는 전체적인 에너지 수요 균형을 위해 작동 또는 미작동 에너지 수요를 가진다. The second type is Shuttable Equipment. Shutdownable equipment has operating or non-operating energy needs to balance the overall energy demand.

세 번째 유형은 작동 조절 가능 장비(Controllable Equipment)이다. 작동 조절 가능 장비는 복수의 동작점(OP)을 선택하여 조절 가능한 에너지 수요를 가진다. 또한, 각 장비(50)는 에너지 관리 장치(20)와 양방향 통신하며 실시간 상태를 업로드 하고 동작점 선택을 다운로드 하는 에너지 관리 제어기(40)를 가진다. The third type is Controllable Equipment. Operationally adjustable equipment has an adjustable energy demand by selecting a plurality of operating points (OP). Each equipment 50 also has an energy management controller 40 which bidirectionally communicates with the energy management device 20 and uploads a real-time state and downloads an operating point selection.

이와 같이 구성된 실시간 가격 기반 에너지 관리 시스템은 산업 시설의 장비들의 에너지 수요를 관리함으로써 에너지 측면에서 산업 시설의 제조 공정을 최적화한다. The real-time price-based energy management system configured as described above optimizes the manufacturing process of the industrial facility in terms of energy by managing the energy demand of the equipment of the industrial facility.

에너지 관리 장치(20)는 일정한 시간 구간마다 유틸리티 회사(60)로부터 전기 가격을 수신하며, 실제 전기 가격이 수신되면, 인공신경망 기반 가격 예측 모델을 사용하여 실제 가격이 수신된 시간 구간의 다음 시간 구간부터 마지막 시간 구간까지의 시간 구간별 예측 가격들을 산출한다. 그리고 실제 가격 및 예측 가격들과 산업 장비들(50)의 에너지 수요에 근거하여 총 에너지 비용을 산출하고, 총 에너지 비용이 최소화되도록 산업 장비들(50)의 에너지 수요를 결정하게 된다. The energy management apparatus 20 receives the electricity price from the utility company 60 at a predetermined time interval, and when the actual electricity price is received, the next time interval of the time interval at which the actual price is received using the artificial neural network based price prediction model. To calculate the forecast prices for each time interval from to the last time interval. The total energy cost is calculated based on the actual price and the predicted prices and the energy demand of the industrial equipment 50, and the energy demand of the industrial equipment 50 is determined to minimize the total energy cost.

각 산업 장비(50)의 에너지 수요가 결정되면, 에너지 관리 장치(20)는 그 결정된 에너지 수요에 따라 작동 정지 가능 장비 및 작동 조절 가능 장비의 동작점을 결정하고, 작동 정지 가능 장비 및 작동 조절 가능 장비에 대해 결정한 동작점들로 구성된 동작 스케줄을 생성한다. 에너지 관리 장치(20)는 에너지 관리 제어기(40)로 동작 스케줄을 전송한다. Once the energy demand of each industrial equipment 50 is determined, the energy management device 20 determines the operating point of the stopable equipment and the adjustable operation equipment according to the determined energy demand, and the stopable equipment and the adjustable operation Create an operation schedule consisting of the operating points determined for the equipment. The energy management device 20 transmits an operation schedule to the energy management controller 40.

에너지 관리 제어기(40)는 작동 정지 가능 장비 및 작동 조절 가능 장비에 대응하여 설치된다. 에너지 관리 제어기(40)는 에너지 관리 장치(20)로부터 수신한 동작 스케줄에 따라 작동 정지 가능 장비 및 작동 조절 가능 장비의 동작점을 선택하여 작동 정지 가능 장비 및 작동 조절 가능 장비의 동작을 제어하게 된다. The energy management controller 40 is installed corresponding to the stopable equipment and the adjustable operation equipment. The energy management controller 40 selects an operating point of the stopable device and the operation adjustable device according to the operation schedule received from the energy management device 20 to control the operation of the stopable device and the operation adjustable device. .

본 발명에 따른 실시간 에너지 관리 방법은 제조/에너지 프로세스 모델과 가격 예측 모델을 포함한다. 제조/에너지 프로세스 모델은 장비와 제조 프로세스의 유형을 모델화한 일반적 방법을 제안하므로, 각 장비의 에너지 수요는 동적으로 관리될 수 있다. 반면, 가격 예측 모델은 미래 1시간 전 실시간 가격을 예측하는데 사용되어 전체 시간 구간을 지원한다. The real-time energy management method according to the present invention includes a manufacturing / energy process model and a price prediction model. The manufacturing / energy process model suggests a general way to model equipment and types of manufacturing processes, so that the energy demand of each piece of equipment can be managed dynamically. Price prediction models, on the other hand, are used to predict real-time prices one hour before the future and support the entire time interval.

본 발명에 따른 실시간 에너지 관리 방법은 유틸리티 회사에 의해 한 시간마다 공표되는 전기 가격에 기초하며, 그 수요반응(DR) 프로그램은 이산 형태로 제공된다. 따라서, 장비 동작의 시간단위는 한 시간 단위로서 현재시간의 시작점에 시작하여 다음 시간의 시작점에 종료되는 1시간 구간(hourly stage)으로 표기된다. 따라서 하루에 24개의 구간이 있다. The real-time energy management method according to the present invention is based on the electricity price published by the utility company every hour, and the demand response (DR) program is provided in discrete form. Therefore, the time unit of the operation of the equipment is expressed as an hourly stage starting at the beginning of the present time and ending at the beginning of the next time as an hour unit. Therefore, there are 24 sections per day.

예를 들어, 0:00부터 1:00까지 기간이 구간 1, 1:00부터 2:00까지 기간이 구간 2 등이다. 제조 스케줄링을 위한 시간 영역은 하루로 가정하여 0:00(구간 1의 시작)부터 24:00(구간 24의 끝)까지이다. For example, the period from 0:00 to 1:00 is interval 1, and the period from 1:00 to 2:00 is interval 2. The time domain for manufacturing scheduling is assumed to be one day from 0:00 (start of segment 1) to 24:00 (end of segment 24).

각 구간의 시작에서, 새로운 가격 정보가 수신되면, 본 발명에 따른 가격 예측 모델이 구동하여 나머지 구간에 대한 가격을 예측한다. 예를 들어, 가격 예측 모델은 구간 t+1부터 24까지의 예측 가격을 생성한다. At the beginning of each section, when new price information is received, the price prediction model according to the present invention is driven to predict prices for the remaining sections. For example, the price prediction model generates forecast prices for the interval t + 1 to 24.

반면에, 각 에너지 관리 제어기(40)는 각 장비의 실시간 상태를 에너지 관리 장치(20)로 업로드 한다. 에너지 관리 장치(20)가 예측 가격 및 장비 상태를 포함한 모든 정보를 획득한 후, 기설정한 혼합 정수 선형 프로그래밍 문제를 풀어 전체 시설을 위한 새로운 스케줄을 생성한다. 그 결과는 각 작동 중지 가능 장비와 작동 조절 가능 장비의 최적 동작점, 에너지 저장 장치(30)의 충전 및 방전량, 전체 에너지 비용으로 구성된다. On the other hand, each energy management controller 40 uploads the real-time state of each equipment to the energy management device 20. After the energy management device 20 obtains all the information including the predicted price and the equipment status, it solves a predetermined mixed integer linear programming problem to generate a new schedule for the entire facility. The result consists of the optimal operating point of each of the deactivable and tunable equipment, the amount of charge and discharge of the energy storage device 30, and the total energy cost.

2. 수학적 모델 2. Mathematical Model

본 발명에 따른 방법의 수학적 모델에 대해 설명한다. 먼저, 제조/에너지 프로세스를 모델화하는 일반적 방법을 설명한 다음, 가격 예측 모델을 설명한다. 본 발명에서 표기법은 도 13과 같다. A mathematical model of the method according to the invention is described. First, a general method of modeling manufacturing / energy processes is described, followed by a price prediction model. Notation in the present invention is as shown in FIG.

본 발명에 따른 제조/에너지 프로세스 모델은 혼합 정수 선형 프로그래밍을 사용하여 공식화되고 최적화 문제로서 구성된다. 산업시설의 실제 상황에 근거하여 모델은 산업 장비, 자원 저장, 동작 제약조건 및 생산 목표를 고려한다. 본 발명에 따른 모델화 방법은 일련의 선형 방정식으로 공식화된다. The manufacturing / energy process model according to the invention is formulated using mixed integer linear programming and constructed as an optimization problem. Based on the actual situation of the industrial facility, the model considers industrial equipment, resource storage, operating constraints and production targets. The modeling method according to the invention is formulated into a series of linear equations.

이하, 장비 에너지 수요 모델화, 자원 저장 모델화, 에너지 저장 장치 모델화, 목적 함수에 대해 설명한다.Hereinafter, equipment energy demand modeling, resource storage modeling, energy storage device modeling, and objective function will be described.

장비 에너지 수요 모델화Model Equipment Energy Demand

<장비의 동작점 선택><Selection of operating point of equipment>

하나의 동작점(OP)만을 가진 장비(항시 동작 장비)는 고정 에너지 수요를 가지고, 복수의 동작점을 가진 장비(동작 조절 가능 장비, 동작 중지 가능 장비)는 동작점의 선택에 따라 유동적인 에너지 수요를 가진다. Equipment with only one operating point (always operating equipment) has a fixed energy demand, and equipment with a plurality of operating points (adjustable motion stop equipment) can move energy according to the selection of the operating point. Have demand.

λ_i ^j는 장비의 OP에 대한 이진화 수이다. 여기서 j(j∈[1, J])는 OP의 인덱스이고 i(i∈[1, N)는 장비의 인덱스이다. 구간 t에서, OP j가 선택되면, λ_i,t ^j는 1이다. 그렇지 않으면 λ_i,t ^j는 0이다. 또한, 한 구간 동안, 어느 장비는 오직 하나의 동작 상태를 선택할 수 있다. 따라서 J 개의 OP를 가진 장비 i에 대해 OP 선택은 수학식 1과 같이 주어진다. λ _i ^j is the binarization number for the OP of the equipment. Where j (j∈ [1, J]) is the index of OP and i (i∈ [1, N) is the index of the equipment. In the period t, if OP j is selected, λ _{i, t} ^j is 1. Otherwise λ _{i, t} ^j is zero. In addition, during an interval, a device can select only one operating state. Therefore, for the device i having J OPs, the OP selection is given by Equation 1.

<단일 장비의 에너지 수요>Energy demand for single equipment

OP를 선택한 후에, 각 장비의 에너지 수요는 수학식 2를 사용하여 결정될 수 있다. 여기서, E_i,t는 구간 t에서 장비 i의 에너지 수요를 나타내고, e_t ^j는 OP j의 에너지 수요를 나타내고, J는 OP의 총 개수를 나타낸다. After selecting the OP, the energy demand of each equipment can be determined using Equation 2. Here, E _{i, t} represents the energy demand of the equipment i in the interval t, e _t ^j represents the energy demand of OP j, J represents the total number of OP.

<전체 제조 프로세스의 에너지 수요>Energy demand of the entire manufacturing process

상기 표현을 사용하여 각 장비의 에너지 수요를 결정할 수 있고, 따라서 수학식 3을 사용하여 제조 프로세스의 전체 에너지 수요(E_t ^D)를 합산할 수 있다. The expression can be used to determine the energy demand of each piece of equipment, and thus Equation 3 can be used to sum up the total energy demand E _t ^D of the manufacturing process.

여기서, N은 전체 장비 수를 의미한다. Here, N means the total number of equipment.

자원 저장 모델화Resource storage modeling

중간 자원의 저장은 다른 장비 간 협동 기회를 제공하는 버퍼에서 수행한다. The storage of intermediate resources is performed in buffers that provide cooperative opportunities between different equipment.

예를 들어, 도 3은 2개의 장비(장비 1, 2)와 하나의 자원 저장 유닛을 가진 제조에서 일반적 시나리오를 보여준다. 제조주기 동안, 장비 1의 생산율이 장비 2의 소비율보다 크면, 잉여 자원이 미래 사용을 위해 중간 저장 유닛에 저장될 것이다. 반대로, 장비 1의 생산율이 장비 2의 소비율보다 낮으면 충분한 자원이 저장 유닛에 축적될 때까지 장비 2가 대기할 것이다. For example, FIG. 3 shows a typical scenario in manufacturing with two equipment (equipment 1, 2) and one resource storage unit. During the manufacturing cycle, if the production rate of equipment 1 is greater than the consumption rate of equipment 2, surplus resources will be stored in the intermediate storage unit for future use. Conversely, if the production rate of equipment 1 is lower than the consumption rate of equipment 2, equipment 2 will wait until sufficient resources are accumulated in the storage unit.

다음 설명에서 x는 다른 자원에 대한 인덱스를 나타낸다. In the following description, x represents an index to another resource.

<자원 소비와 생산의 균형>Balance of resource consumption and production

g_i ^j,t는 장비 i에서 OP j의 자원 x의 생산율이고, c_i ^j,x는 장비 i 에서 OP j의 자원 x의 소비율이다. 따라서, 구간 t에서 자원 x의 생성(G_t ^x) 및 소비(C_t ^x)의 총량은 각각 수학식 4 및 5를 사용하여 합산된다. 여기서, J는 장비 i의 총 OP 개수를 나타내고, N은 제조 라인에서 총 장비 개수를 나타낸다. g _i ^{j, t} is the production rate of resource x of OP j on equipment i and c _i ^{j, x} is the consumption rate of resource x of OP j on equipment i. Therefore, the total amount of generation (G _t ^x ) and consumption (C _t ^x ) of resource x in the interval t are summed using Equations 4 and 5, respectively. Where J represents the total number of OPs in equipment i and N represents the total number of equipment in the production line.

<자원 저장의 잉여><Surplus of resource storage>

S_t ^x는 구간 t의 종료 시점에서 자원 저장의 잉여로서 수학식 6과 같이 표현될 수 있다. 이것은 이전 구간 종료 시점의 잉여와 현재 구간 t에서의 새로운 생성 및 소비와 관련이 있다. S _t ^x may be expressed as Equation 6 as surplus of resource storage at the end of the interval t. This relates to the surplus at the end of the previous section and the new generation and consumption in the current section t.

어느 자원의 저장 용량은 한정되어 있으며 자원 저장 유닛의 잉여는 마이너스가 될 수 없다. 수학식 7은 이러한 제약조건을 나타내며, 여기서 F^x는 최대 용량을 나타낸다. The storage capacity of a resource is limited and the surplus of the resource storage unit cannot be negative. Equation 7 represents this constraint, where F ^x represents the maximum capacity.

<생산 목표의 제약조건><Constraints of Production Targets>

S^F는 최종 산물의 저장을 나타낸다. 수학식 8은 하루당 목표 출력을 유지해야 하는 제약조건을 나타낸다. 이것은 마지막 구간(구간 24)의 종료 시점에서 최종 산물 저장 유닛의 잔여량(S₂₄ ^F)이 기설정한 목표 출력 이상이어야 한다는 것을 의미한다. S ^F represents storage of the final product. Equation 8 shows a constraint of maintaining a target output per day. This means that at the end of the last section (section 24), the residual amount S ₂₄ ^F of the final product storage unit must be equal to or greater than the preset target output.

에너지 저장 장치 모델화Energy storage modeling

자원 저장과 유사하게, S^ESS는 에너지 저장 장치의 잔여량을 나타낸다. λ_c, ^ESS는 에너지 저장 장치의 충전을 위한 이진화 수이다. 만약 에너지 저장 장치가 구간 t에서 충전되면, λ_c,t ^ESS는 1이고, 충전되지 않는다면 λ_c,t ^ESS는 0이다. Similar to resource storage, S ^ESS represents the remaining amount of energy storage. λ _c, ^ESS is the binarization number for charging the energy storage device. If the energy storage device is charged in the interval t, then λ _{c, t} ^ESS is 1, and if not, λ _{c, t} ^ESS is 0.

유사하게, λ_d, ^ESS는 에너지 저장 장치의 방전을 위한 이진화 수이다. 만약 에너지 저장 장치가 구간 t에서 방전되면, λ_d,t ^ESS는 1이고, 충전되지 않는다면 λ_d,t ^ESS는 0이다. Similarly, λ _d, ^ESS is the binarization number for the discharge of the energy storage device. If the energy storage device is discharged in the interval t, λ _{d, t} ^ESS is 1, and if not charged λ _{d, t} ^ESS is 0.

에너지 저장 장치가 단일 구간에서 충전 및 방전이 될 수 없는데, 수학식 9는 이러한 제약조건을 나타낸다. The energy storage device cannot be charged and discharged in a single interval, where Equation 9 represents this constraint.

E_c,t ^ESS는 구간 t에서 에너지 저장 장치로 충전되는 에너지량이고, 는 E_d,t ^ESS는 구간 t에서 에너지 저장 장치로 방전되는 에너지량이다. α와 β는 에너지 저장 장치의 충전 및 방전 효율을 각각 나타낸다. 따라서, 에너지 저장 장치의 잔여량은 수학식 10과 같이 나타낼 수 있다. E _{c, t} ^ESS is the amount of energy to be charged to the energy storage device in the interval t, is E _{d, t} ^ESS is the amount of energy discharged to the energy storage device in the interval t. α and β represent the charging and discharging efficiencies of the energy storage device, respectively. Therefore, the remaining amount of the energy storage device can be represented by Equation 10.

수학식 11은 에너지 저장 장치의 제한 용량에 기인한 제약조건을 나타낸다. F^ESS는 에너지 저장 장치의 최고 용량을 나타낸다. Equation 11 represents a constraint due to the limited capacity of the energy storage device. F ^ESS represents the highest capacity of the energy storage device.

목적 함수Objective function

함수 필요조건에 의하면, 본 발명의 목적은 생산 필요조건을 만족시키면서 잔여 구간의 에너지 비용을 최소화하는 것이다. 예를 들어, 구간 t에서, 에너지 비용은 두 부분을 포함하며, 두 부분은 현재 구간 t에서의 에너지 비용과 구간 t+1부터 구간 24까지 잔여 구간의 미래 에너지 비용이다. According to the functional requirements, the object of the present invention is to minimize the energy costs of the remaining sections while satisfying the production requirements. For example, in interval t, the energy cost comprises two parts, the two parts being the energy cost in the current interval t and the future energy costs of the remaining intervals from interval t + 1 to interval 24.

<가격 배열><Price arrangement>

수학식 12의 P_t는 에너지 비용을 계산하는데 사용되는 가격 배열을 나타낸다. 여기서 RTP_t는 유틸리티 회사로부터 수신한 구간 t의 실제 전기 가격을 나타내고, RTP_t ^f는 가격 예측 모델에 의해 산출된 구간 t의 예측 전기 가격을 나타낸다. P _t in Equation 12 represents an array of prices used to calculate energy costs. The RTP _t represents the actual value of the electric period t received from the utility company, RTP _t ^f indicates the predicted electricity price of the interval t calculated by the price prediction model.

<에너지 비용><Energy cost>

에너지 저장 장치를 고려하면, 구간 t에서 그리드에 요구되는 총 에너지 수요(E_t ^G)는 수학식 13과 같이 표현될 수 있다. 이것은 전체 제조 프로세스의 에너지 수요(E_t ^D)와 에너지 저장 장치의 에너지 수요(E_t ^ESS)를 포함한다. Considering the energy storage device, the total energy demand (E _t ^G ) required for the grid in the interval t can be expressed by Equation 13. This includes the energy demand E _t ^D of the entire manufacturing process and the energy demand E _t ^ESS of the energy storage device.

에너지 저장 장치를 고려하지 않으면, E_t ^G는 수학식 15와 같이 전체 제조 라인의 에너지 수요(E_t ^D)와 동일하다. Without considering the energy storage device, E _t ^G is equal to the energy demand (E _t ^D ) of the entire manufacturing line, as shown in equation (15).

따라서, 전체 에너지 비용을 최소화하기 위해 정의된 목적 함수는 수학식 16과 같이 표현될 수 있다. Therefore, the objective function defined to minimize the overall energy cost may be expressed as in Equation 16 below.

본 발명에 따른 수요반응은 하루 전 실시간 가격에 근거하기 때문에, 한 번에 하나의 가격 정보만 수신될 수 있다. 그러나 수학식 12 및 16에서, 전체 에너지 비용을 계산하기 위해 미래 가격 정보가 필요하다. 이러한 상황에 대처하기 위해, 인공 신경망 기반 가격 예측 모델을 사용한다. Since the demand response according to the present invention is based on the real-time price a day ago, only one price information can be received at a time. However, in Equations 12 and 16, future price information is needed to calculate the total energy cost. To cope with this situation, we use artificial neural network based price prediction model.

인공 신경망은 상호 연결된 처리 요소들로 구성되는 컴퓨팅 시스템이다. 이것은 풍력 발전 예측이나 버스 부하 예측과 같은 전기 분야에서 널리 사용되었다. 인공 신경망은 네트워크를 통해 흐르는 정보가 인공신경망의 구조에 영향을 준다는 점에서 종래 프로그래밍과 다르다. 따라서 인공신경망의 상세한 내부 구조를 결정할 필요가 없고, 대신 목표 입력 및 목표 출력을 설정하고 시스템이 스스로 학습하도록 한다. 특별히, 네트워크 학습 기간에 목표 입력의 시뮬레이션 하에서 인공신경망은 현재 네트워크 구조에 근거하여 실제 출력을 계산할 것이다. 그리고 실제 출력은 목표 출력과 비교하여 현재 네트워크 성능 오차와 미래 네트워크 최적화를 위한 핵심 인자(key parameter)를 계산할 것이다. Artificial neural networks are computing systems that consist of interconnected processing elements. This has been widely used in the electrical sector, such as wind power forecasting and bus load forecasting. Artificial neural networks differ from conventional programming in that the information flowing through the network affects the structure of the artificial neural network. Therefore, it is not necessary to determine the detailed internal structure of the neural network, but instead set the target input and target output and let the system learn by itself. In particular, under the simulation of the target input during the network learning period, the neural network will calculate the actual output based on the current network structure. The actual output will then be compared to the target output to calculate key network errors for current network performance errors and future network optimizations.

인공신경망은 뉴런의 시뮬레이션인 퍼셉트론(perceptron)의 집합체로 구성된다. 인공신경망의 퍼셉트론은 하나의 입력층, 1개 이상의 숨은 층, 하나의 출력층과 같이 여러 층으로 되어 있다. 퍼셉트론은 동적 가중치를 갖고 다른 층 사이에서 상호 연결된다. Artificial neural networks consist of a collection of perceptrons, which are simulations of neurons. The perceptron of an artificial neural network has several layers, such as one input layer, one or more hidden layers, and one output layer. Perceptrons have dynamic weights and are interconnected between different layers.

도 4는 인공신경망의 일반적 구조를 나타낸다. W_i와 W_j는 층들 간 연결을 위한 가중치 집합을 나타낸다. 4 shows a general structure of an artificial neural network. W _i and W _j represent a set of weights for connection between layers.

예측 정확도를 보장하기 위해, 본 발명에 따른 가격 예측 모델은 반복 접근법을 사용한다. 이것은 한 번에 하나의 예측 값만을 산출하도록 정의된다. 예를 들어, 구간 t의 실시간 가격(RTP_t)을 수신한 후, 본 발명에 따른 가격 예측 모델은 구간 t+1의 예측 가격(RTP_t ₊₁ ^f)만을 예측할 것이다. 그리고 RTP_t ₊₁ ^f는 다른 예측을 위해 사용되어 RTP_t ₊₂ ^f를 산출한다. 이러한 과정이 마지막 구간의 예측 가격(RTP₂₄ ^f)을 얻을 때까지 계속된다. To ensure prediction accuracy, the price prediction model according to the present invention uses an iterative approach. It is defined to yield only one prediction value at a time. For example, after receiving the real time price (RTP _t ) of the interval t, the price prediction model according to the present invention will predict only the predicted price (RTP _t ₊₁ ^f ) of the interval t + 1. And RTP _t ₊₁ ^f is used for other predictions to yield RTP _t ₊₂ ^f . This process continues until the predicted price (RTP ₂₄ ^f ) of the last interval is obtained.

네트워크 훈련 데이터 선택Select network training data

상술한 바와 같이, 네트워크의 내부 구조는 학습 과정에서 구축된다. 따라서, 입력에 근거하여 원하는 결과를 출력할 수 있는 네트워크를 얻기 위해, 네트워크 학습을 위한 적절한 훈련 데이터가 준비되어야 한다. 훈련 데이터는 항상 많은 그룹으로 구성되며, 각 그룹은 명시적으로 정의되어야 하는 목표 입력과 목표 출력을 포함한다. As described above, the internal structure of the network is built up during the learning process. Therefore, in order to obtain a network capable of outputting the desired result based on the input, appropriate training data for network learning must be prepared. Training data always consists of many groups, each containing a goal input and a goal output that must be explicitly defined.

본 발명에 따른 가격 예측 모델에서, 목표 출력은 다음 시간의 실시간 가격으로서 정의된다. 따라서, 목표 출력에 대해 가장 관련 있는 데이터는 목표 입력을 만들기 위해 추출된 유용한 정보를 이용해 선택되어야 한다. 이력 가격 정보는 여기서 필수적이고, 근접 및 장기 가격 정보가 고려된다. 관련 있는 근접 가격 정보는 1시간, 2시간, 3시간 전의 가격을 포함한다. 관련 있는 장기 가격 정보는 하루 전의 동일한 시간의 가격, 1시간 전 가격, 2시간 전 가격, 일주일 전의 동일한 시간의 가격, 1시간 전의 가격, 2시간 전 가격, 그리고 4주 전의 동일한 시간 가격을 포함한다. In the price prediction model according to the invention, the target output is defined as the real time price of the next time. Therefore, the most relevant data for the target output should be selected using the useful information extracted to make the target input. Historical price information is essential here, and close and long term price information is considered. Relevant proximity price information includes prices for one hour, two hours, and three hours ago. Relevant long-term price information includes the price of the same hour before the day, the price before the hour, the price before the hour, the price at the same hour before the week, the price before the hour, the price before the hour, and the price at the same time before the four weeks. .

예측 정확도를 향상시키기 위해, 어떤 연관 정보가 훈련 데이터에 포함될 수 있다. 연관 정보는 전기 가격과 밀접하게 관련 있는 그리드 부하를 포함한다. 여기서, 다음 시간의 예측 부하와 현재시간과 다음 시간 간의 부하 차이가 선택된다. 고려될 수 있는 다른 연관 정보는 일주일(1일-7일)과 하루 구간(1시간-24시간)을 포함하는 시간 정보이다. 입력 정보의 16개 카테고리는 도 14에 도시되어 있다. In order to improve prediction accuracy, some association information may be included in the training data. Association information includes grid loads that are closely related to electricity prices. Here, the predicted load of the next time and the load difference between the current time and the next time are selected. Other relevant information that may be considered is time information including a week (1 day-7 days) and a day interval (1 hour-24 hours). Sixteen categories of input information are shown in FIG. 14.

인공신경망 구축Artificial Neural Network

본 발명에 따른 가격 예측 모델에서, 다수의 정확도 시험에 따라, 본 발명에 따른 인공신경망은 4개의 층을 포함한다. 4개의 층은 16개의 퍼셉트론을 가진 입력층, 각각 16개 및 8개 퍼셉트론을 가진 2개의 숨은 층, 1개의 퍼셉트론을 가진 출력층으로 구성된다. 각 퍼셉트론의 활성화 함수로서 시그모이드(sigmoid) 함수가 사용되었다. 역 전달(back propagation) 알고리즘이 본 발명에 따른 인공신경망을 훈련하는데 사용되었다. In the price prediction model according to the invention, according to a number of accuracy tests, the neural network according to the invention comprises four layers. The four layers consist of an input layer with 16 perceptrons, two hidden layers with 16 and 8 perceptrons each, and an output layer with one perceptron. As the activation function of each perceptron, a sigmoid function was used. A back propagation algorithm was used to train the artificial neural network according to the present invention.

본 모델에서 사용되는 데이터는 유틸리티 회사(Commonwealth Edison)로부터 획득하였다. 특별히, 가격 정보와 예측 부하 정보를 획득하였으며, 이러한 데이터 집합에 근거하여, 2013년 1월 1일부터 2014년 7월 31일까지의 이력 데이터를 사용하여 인공신경망을 훈련하였고, 본 모델은 2014년 8월 1시간 전 실시간 가격을 예측하는데 사용되었다. Data used in this model was obtained from a utility company (Commonwealth Edison). Specifically, price information and predictive load information were obtained, and based on this data set, artificial neural networks were trained using historical data from January 1, 2013 to July 31, 2014. It was used to forecast real-time prices 1 hour before August.

3. 구현 일반성 3. Implementation Generality

수학적 모델에 근거하여 본 발명에 따른 수요반응은 산업 프로세스에 응용될 수 있다. 본 발명에 따른 방법을 일반적인 산업 프로세스에 응용하는 과정에 대해 상세히 설명한다. Based on the mathematical model, the demand response according to the present invention can be applied to industrial processes. The process of applying the method according to the invention to a general industrial process is described in detail.

에너지 수요 모델화 Energy demand modeling

산업 프로세스의 에너지 수요를 모델화하기 위해, 각 장비의 에너지 소비가 우선 결정될 필요가 있다. 따라서 다른 특성에 따라, 산업 프로세스의 현장 장비는 상술한 바와 같이 3가지 종류로 분류되어야 한다. In order to model the energy demand of industrial processes, the energy consumption of each equipment needs to be determined first. Therefore, according to other characteristics, the field equipment of the industrial process should be classified into three kinds as described above.

제1종류는 항시 동작 장비이다. 항시 동작 장비의 에너지 수요는 전기 가격의 싸고 비쌈에 상관없이 항상 만족하여야 한다. 제2종류는 동작 중지 가능 장비이다. 동작 중지 가능 장비는 전체 에너지 수요의 균형을 위해 동작하거나 동작 중지될 수 있는 에너지 수요를 가진다. 제3종류는 동작 조절 가능 장비이다. 동작 조절 가능 장비는 기설정한 복수의 동작점을 선택하여 에너지 수요를 조절할 수 있다. The first kind is always operational equipment. The energy demand of operating equipment at all times must always be satisfied, regardless of the cheap and expensive electricity price. The second type is equipment that can be stopped. Downtimeable equipment has an energy demand that can be turned on or off to balance the overall energy demand. The third kind is a device capable of adjusting motion. Motion control equipment can adjust the energy demand by selecting a plurality of preset operating points.

따라서, 이러한 분류에 따라, 항시 동작 장비는 동작점이 하나이기 때문에 에너지 수요가 일정한 반면, 동작 조절 가능 장비와 동작 중지 가능 장비는 다른 구간에서 동작점을 선택하여 가변하는 에너지 수요를 가진다. Accordingly, according to this classification, the energy demand is constant because the operation equipment is one operation point at all times, while the operation controllable equipment and the operation stop equipment have a variable energy demand by selecting the operation point in different sections.

이러한 근거에 의해, 본 발명은 전체 제조 프로세스의 에너지 수요 모델을 수학식 1-3에서 공식화하였다. 특별히, 수학식 1은 각 장비의 동작점 선택의 제약조건을 나타낸다. 이것은 어느 한 구간에서 선택될 수 있는 동작점은 오직 하나라는 것을 의미한다. 그리고 수학식 2는 각 장비의 실제 에너지 소비를 결정한다. 또한, 수학식 3은 각 장비의 에너지 수요를 합산하여 전체 제조 프로세스의 에너지 수요를 계산하는데 사용된다. On this basis, the present invention formulated the energy demand model of the entire manufacturing process in Equation 1-3. In particular, Equation 1 represents a constraint of operating point selection of each device. This means that only one operating point can be selected in any one section. And Equation 2 determines the actual energy consumption of each equipment. Equation 3 is also used to calculate the energy demand of the entire manufacturing process by summing up the energy demand of each piece of equipment.

자원 저장 모델화 Resource storage modeling

에너지 수요 모델이 완성된 후, 수학식 4-7에 따라 공식화된 자원 저장을 위한 모델은 전체 생산 라인 속으로 장비들을 직렬 연결하여 구축되어야 한다. 특별히, 주어진 자원에 대해, 수학식 4 및 5는 하나의 구간에서 관련 장비에 의한 자원 생산량과 소비량을 나타낸다. 수학식 6은 저장 잔여량을 결정하며, 이것은 이전 구간의 잔여량과 다음 구간의 새로운 생산과 소비와 관련된다. 수학식 7은 용량 제한의 제약조건을 나타낸다. 용량 제한 제약조건은 0보다 크고 최대 용량보다 작아야 한다. After the energy demand model is completed, a model for resource storage, formulated according to Equation 4-7, must be built by cascading equipment into the entire production line. Specifically, for a given resource, Equations 4 and 5 represent the resource production and consumption by the associated equipment in one interval. Equation 6 determines the remaining storage amount, which is related to the remaining amount of the previous section and the new production and consumption of the next section. Equation 7 shows a constraint of capacity limitation. The capacity limit constraint must be greater than zero and less than the maximum capacity.

목적 함수와 제약조건Objective Functions and Constraints

본 발명의 목적은 생산 목표 달성이라는 조건을 만족시키면서 전체 제조 프로세스의 에너지 비용을 최소화하는 것이다. It is an object of the present invention to minimize the energy costs of the entire manufacturing process while meeting the conditions of achieving the production target.

한편, 생산 목표는 수학식 8에 의해 보증되며, 여기서 목표 출력은 하루 내 최소로 원하는 수율을 나타낸다. 또한, 전체 에너지 수요를 결정한 후, 그리드에 요구한 실제 에너지 수요는 수학식 12-15에 따라 확인되어야 한다. 특별히, 에너지저장 장치가 고려되지 않으면, 그리드에 요구한 전체 에너지 수요는 수학식 15와 같이 전체 제조 프로세스의 에너지 수요와 동일하다. 만약 에너지 저장 장치가 고려되면, 에너지 저장 장치에 대한 모델은 수학식 9-11에 따라 만들어져야 한다. 이러한 근거에 따라, 그리드에 요구되는 전체 에너지 수요는 전체 제조 프로세스의 에너지 수요와 에너지 저장 장치의 에너지 수요와 관련되어, 수학식 13 및 14에 의해 계산되어야 한다. On the other hand, the production target is guaranteed by Equation 8, where the target output represents the minimum desired yield in one day. In addition, after determining the total energy demand, the actual energy demand required for the grid should be confirmed according to Equation 12-15. In particular, if the energy storage device is not considered, the total energy demand for the grid is equal to the energy demand of the entire manufacturing process, as shown in equation (15). If an energy storage device is considered, a model for the energy storage device should be made according to Equation 9-11. Based on this basis, the total energy demand required for the grid should be calculated by equations (13) and (14) in relation to the energy demand of the overall manufacturing process and the energy demand of the energy storage device.

또한, 수학식 12의 가격 배열은 전체 에너지 비용을 계산하는데 사용되는 가격 예측 모델에 의해 생성된다. 따라서 목적 함수는 수학식 16에 의해 공식화되어 전체 에너지 비용의 최소화를 나타낸다. In addition, the price array of Equation 12 is generated by a price prediction model used to calculate the overall energy cost. Thus the objective function is formulated by equation (16) to represent the minimization of the overall energy cost.

이와 같이, 1시간 전 실시간 가격 기반의 에너지 관리, 수학적 모델 및 구현 일반성에 대한 설명을 통해 본 발명에 따른 실시간 가격 기반 에너지 관리 방법이 산업 시설의 제조 공정에 응용될 수 있음을 알 수 있다. As such, it can be seen that the real-time price-based energy management method according to the present invention can be applied to the manufacturing process of an industrial facility through the description of the real-time price-based energy management, a mathematical model, and the generality of implementation 1 hour ago.

도 25는 본 발명에 따른 실시간 가격 기반 에너지 관리 방법의 개략적 플로차트를 나타낸 것이다. 25 is a schematic flowchart of a real-time price-based energy management method according to the present invention.

도 25에 도시된 처리 과정은 실시간 가격 기반 에너지 관리 시스템의 에너지 관리 장치(20)에서 수행된다. The process shown in FIG. 25 is performed in the energy management device 20 of the real time price based energy management system.

에너지 관리 장치(20)는 인공신경망 기반의 가격 예측 모델을 사용하여 전기 가격을 예측하고, 혼합 정수 선형 프로그래밍(Mixed Integer Linear Programming)에 의해 총 에너지 비용의 최소화 문제를 풀어 산업 장비의 에너지 수요를 결정하게 된다. The energy management apparatus 20 estimates the price of electricity using an artificial neural network based price prediction model and determines the energy demand of industrial equipment by solving the problem of minimizing the total energy cost by using mixed integer linear programming. Done.

도 25를 참조하면, 먼저 에너지 관리 장치(20)는 유틸리티 회사(60)로부터 특정 시간 구간 t에서 실제 전기 가격을 수신한다(S10).Referring to FIG. 25, first, the energy management apparatus 20 receives an actual electricity price at a specific time interval t from the utility company 60 (S10).

시간 구간 t에서 실제 가격을 수신하면, 에너지 관리 장치(20)는 시간 구간 t의 다음 시간 구간인 t+1부터 하루의 마지막 시간 구간 24까지의 시간 구간별 가격을 예측하여 예측 가격들을 산출한다(S20).When the actual price is received in the time interval t, the energy management apparatus 20 calculates the predicted prices by predicting the time interval price from the next time interval t + 1 of the time interval t to the last time interval 24 of the day ( S20).

다음, 에너지 관리 장치(20)는 시간 구간 t의 가격 및 시간 구간 t+1부터 하루의 마지막 시간 구간 24까지의 시간 구간별 예측 가격과 시간 구간 t부터 시간 구간 24까지의 시간 구간별 에너지 수요로부터 시간 구간 t부터 시간 구간 24까지의 총 에너지 비용을 산출하고 총 에너지 비용의 최소화 문제를 푼다(S30).Next, the energy management device 20 is determined from the price of the time interval t and the forecast price for each time period from the time interval t + 1 to the last time interval 24 of the day and the energy demand for the time interval from the time interval t to the time interval 24 The total energy cost is calculated from the time interval t to the time interval 24 and solves the problem of minimizing the total energy cost (S30).

즉, 에너지 관리 장치(20)는 수학식 16에 따라 유틸리티 회사의 실제 가격(구간 t의 가격) 및 기산출한 예측 가격들(구간 t+1부터 구간 24까지의 예측 가격)에 대응하는 시간 구간별 산업 장비들의 에너지 수요를 곱한 값들의 총합이 최소화되는 값을 구한다. 총 에너지 비용이 최소화되는 값으로부터 각 산업 장비의 에너지 수요를 결정한다(S40).That is, the energy management apparatus 20 corresponds to the actual price of the utility company (the price of the section t) and the calculated time periods corresponding to the estimated prices (the forecast price from the section t + 1 to the section 24) according to Equation 16. Find the value that minimizes the sum of the products multiplied by the energy demand of the star industrial equipment. The energy demand of each industrial equipment is determined from a value at which the total energy cost is minimized (S40).

이렇게 각 산업 장비의 에너지 수요가 결정되면, 그 결정된 에너지 수요에 근거하여 각 산업 장비의 동작점을 결정하고, 그 결정된 동작점으로 구성된 동작 스케줄을 생성한다(S50).When the energy demand of each industrial equipment is determined as described above, an operating point of each industrial equipment is determined based on the determined energy demand, and an operation schedule composed of the determined operating points is generated (S50).

에너지 관리 장치(20)는 생성한 동작 스케줄을 에너지 관리 제어기(40)로 전달하고, 에너지 관리 제어기(40)는 동작 스케줄에 따라 자신의 산업 장비(50)의 동작을 제어하게 된다. The energy management device 20 transfers the generated operation schedule to the energy management controller 40, and the energy management controller 40 controls the operation of its industrial equipment 50 according to the operation schedule.

4. 강철 분말 제조 4. steel powder manufacturing

본 발명에 따른 방법의 실현 가능성을 검증하기 위해, 실제 경우로서 강철 분말 제조 공정을 한 예로 선택하였다. 우선, 강철분말 제조에 대해 상세히 설명한 후, 강철분말 제조에 구현된 본 발명에 따른 방법에 대해 상세히 설명한다. In order to verify the feasibility of the method according to the invention, as an actual case a steel powder manufacturing process was chosen as an example. First, the steel powder production will be described in detail, and then the method according to the present invention embodied in steel powder production will be described in detail.

강철분말 제조 공정의 상세Details of steel powder manufacturing process

분말 금속공학 기술은 현대 금속 분야 제조에서 중요한 역할을 한다. 분말 금속공학 기술은 잉곳(ingot) 기반 금속의 원치않는 특성을 감소시키고 금속 또는 비금속 물질을 혼합하여 원하는 특성을 얻을 수 있다. 미립자 화(atomization)는 금속 및 철로부터 전처리 합금(pre-alloyed) 분말을 생산하는데 월등한 방법이며, 북미에서 생산되는 모든 금속 분말의 70%가 이 방법을 이용한다. Powder metallurgy technology plays an important role in the manufacturing of modern metals. Powder metallurgy techniques reduce the unwanted properties of ingot-based metals and can be blended with metal or nonmetallic materials to achieve the desired properties. Atomization is a superior method for producing pre-alloyed powders from metals and iron, and 70% of all metal powders produced in North America use this method.

도 5는 주요 금속분말 공정을 나타낸다. 금속분말 공정은 선형적이고 공정 단계마다 엄격한 조건들이 있다. 원료(철 물)부터 최종 산물(철 분말)까지, 전체 금속분말 공정은 10개의 공정과 8종류의 장비를 포함한다. 8종류의 장비는 분무기(atomizer), 탈수기(dehydrator), 건조기, 2개의 분쇄기, 2개의 분류기, 자기 분리기, 환원로(reduction furnace), 혼합기를 포함한다. 5 shows the main metal powder process. The metal powder process is linear and there are stringent conditions for each process step. From raw materials (iron) to final products (iron powder), the entire metal powder process includes ten processes and eight types of equipment. The eight types of equipment include atomizers, dehydrators, dryers, two mills, two fractionators, magnetic separators, reduction furnaces, and mixers.

다른 중간생산물에 따라, 전체 공정은 3개의 단계로 분류될 수 있다. According to different intermediates, the whole process can be divided into three stages.

첫 번째 단계는 강철 분말 형성(fabrication) 단계이다. 전체 공정의 핵심 부분으로서, 분무기는 용융된 철을 응고된 방울(droplet)로 변형시키는 출구 노즐이 장착된 특정 장비이다. 용융된 철이 아래로 떨어질 때 고압 물 분사가 되면서 액체 철이 금속 방울로 형성된다. 그러면 분말 슬러리는 특수한 탈수기에서 수분이 걸러지고(sieve), 남아 있는 응고 방울은 건조기에서 가열되어 잔류하는 수분이 증발된다. The first step is the steel powder fabrication step. As a key part of the overall process, the nebulizer is a specific piece of equipment equipped with an outlet nozzle that transforms the molten iron into a solidified droplet. When molten iron falls down, high-pressure water jets form the liquid iron into metal droplets. The powder slurry then sieves moisture in a special dehydrator, and any remaining coagulation droplets are heated in a dryer to evaporate the remaining moisture.

두 번째 단계는 강철 분말 생성(making) 단계이다. 분무기는 금속 방울의 크기를 보장할 수 없기 때문에, 이전 단계에서 생성된 건조 분말은 분말 크기 균일성을 보장하기 위해 분쇄기 및 분류기에서 균질화되어야 한다. 그 후, 반 처리된 철 분말을 자기 분리기에 부어 남아있는 혼합 찌꺼기(slag)를 제거한다. 그 다음, 철 분말은 환원로에서 처리되어 산화물 및 탄소 함량을 감소시키고 강철 분말을 생성한다.The second step is the steel powder making step. Since the nebulizer cannot guarantee the size of the metal droplets, the dry powder produced in the previous step must be homogenized in the grinder and classifier to ensure powder size uniformity. The semi-treated iron powder is then poured into a magnetic separator to remove any remaining mixed slag. The iron powder is then treated in a reduction furnace to reduce oxide and carbon content and produce steel powder.

세 번째 단계는 최종 제품 제조(manufacture) 단계이다. 분말 응축은 환원로의 고온으로 인한 일반적인 문제이다. 따라서, 분쇄기 및 분류기에 의해 입자 지름을 제어하기 위해 강철 분말을 더 정제해야 한다. 이것이 강철분말 프로세스의 완성이다. 그러나 시장 수요를 충족시키기 위해 혼합기를 사용하여 다른 물질을 분말에 혼합할 수 있다.The third stage is the final product manufacturing stage. Powder condensation is a common problem due to the high temperatures of the reduction furnaces. Therefore, the steel powder must be further refined in order to control the particle diameter by the grinder and classifier. This is the completion of the steel powder process. However, a mixer can be used to mix different materials into the powder to meet market demand.

주요 제조 공정 외에도, 어쩐 보조적 장비들이 고려되어야 한다. 그 하나가 냉각수를 생성하는 냉각 타워이다. 냉각수는 금속 미립자화에 필수적이다. 냉각수는 건조기나 환원로에서 냉각(chilling)하는데 중요하다. 다른 하나는 환원로에 순수 질소를 제공하여 산소가 부족한 환경을 보장하는 질소 생성기다. In addition to the main manufacturing process, any auxiliary equipment should be considered. One is a cooling tower that produces cooling water. Cooling water is essential for metal atomization. Cooling water is important for cooling in dryers or reduction furnaces. The other is a nitrogen generator that provides pure nitrogen to the reduction furnace to ensure an oxygen deficient environment.

다음 시뮬레이션 모델은 강철분말 제조의 모는 구성요소를 포함하고 있다. The following simulation model includes the driving components of steel powder manufacturing.

강철분말 제조의 구현Implementation of Steel Powder Manufacturing

수학식 1-16과 상기 구현 일반성에서 설명한 단계는 강철분말 제조에 대해서 다음과 같이 적용된다. The steps described in Equation 1-16 and the general implementation above are applied as follows for steel powder production.

1) 에너지 수요 모델화 1) Energy demand modeling

도 15는 강철분말 제조와 관련된 모든 장비를 나열한다. 장비에는 분무기(atomizer), 탈수기(dehydrator), 건조기, 분쇄기, 분류기, 자기 분리기, 환원로(reduction furnace), 혼합기, 냉각 타워, 질소 생성기가 포함된다. 상술한 바와 같이, 모든 장비들은 3가지 종류로 분류된다. 15 lists all the equipment associated with steel powder production. Equipment includes atomizers, dehydrators, dryers, mills, classifiers, magnetic separators, reduction furnaces, mixers, cooling towers, and nitrogen generators. As mentioned above, all equipments are classified into three types.

환원로는 전기 가격과 상관없이 동작해야 하기 때문에 동작점이 하나인 항시 동작 장비(NSE)이다. 반면, 분무기, 탈수기, 건조기, 자기 분리기는 2개의 상태를 가지므로 동작 중지 가능 장비(SE)로 분류된다. 분쇄기, 분류기, 혼합기, 냉각 타워는 다른 자원 처리 속도를 가진 복수의 동작 상태를 가지므로 동작 조절 가능 장비(CE)로 분류된다. Reduction furnaces are always operating equipment (NSE) with one operating point because they must operate regardless of the price of electricity. On the other hand, the nebulizer, the dehydrator, the dryer, and the magnetic separator have two states, and thus are classified as stop equipment (SE). Mills, classifiers, mixers, and cooling towers are classified as motion control equipment (CE) because they have multiple operating states with different resource processing rates.

이러한 분류결과에 근거하여, 도 15는 에너지 수요 모델화를 구축하기 위해 각 장비에 대한 동작점의 상세 정보를 나타낸다.Based on this classification result, FIG. 15 shows detailed information of the operating point for each equipment to build the energy demand modeling.

예를 들어, 건조기는 2개의 동작점(OP)을 가진다. 수학식 2와 도 15의 매개변수에 따라, e¹ _dryer는 0kWh, e² _dryer는 30kWh이다. 구간 t에서, 동작점 1(OP#1)이 선택되면, λ¹ _dryer,t는 1이고, 건조기의 에너지 수요 E_dryer,t는 0kWh이다. 반면, 동작점 2(OP#2)이 선택되면, λ² _dryer,t는 1이고, 건조기의 에너지 수요 E_dryer,t는 30kWh이다. For example, the dryer has two operating points OP. According to Equation 2 and the parameters of FIG. 15, e ¹ _dryer is 0 kWh and e ² _dryer is 30 kWh. In interval t, if operating point 1 (OP # 1) is selected, λ ¹ _{dryer, t} is 1 and the energy demand of the _dryer E _{dryer, t} is 0 kWh. On the other hand, if operating point 2 (OP # 2) is selected, λ ² _{dryer, t} is 1 and the energy demand of the _dryer E _{dryer, t} is 30 kWh.

다른 장비에 대한 에너지 수요 모델도 유사하게 구축될 수 있다. 수학식 3은 전체 강철분말 제조의 에너지 수요를 나타낸다. Energy demand models for other equipment can be similarly constructed. Equation 3 shows the energy demand of the entire steel powder production.

2) 자원 저장 모델화2) Resource Storage Modeling

도 16-21은 강철분말 제조와 관련된 자원 저장에 대한 모든 정보를 제공하고 있다. 도 16은 주요 공정의 자원 저장 매개변수를 나타낸다. 여기에는 자원 이름, 저장용량, 입구 장비, 출구 장비가 포함된다. 도 17은 관련 장비의 처리 능력을 나타내고, 도 18-21은 냉각수 저장과 순수 질소 저장에 관한 상세 정보를 나타낸다. 강철분말 제조 내의 자원 저장 모델은 이러한 매개변수들에 근거하여 구축된다. Figures 16-21 provide all information on resource storage related to steel powder manufacturing. 16 shows the resource storage parameters of the main process. This includes resource names, storage, inlet equipment, and outlet equipment. 17 shows the processing capacity of the associated equipment, and FIGS. 18-21 show detailed information on cooling water storage and pure nitrogen storage. A resource storage model in steel powder manufacturing is built on these parameters.

예를 들어, 도 16에서 건조 분말을 저장하는 입구 장비가 건조기이고 출구 장비가 분쇄기이다. 따라서, 수학식 4-7에 따라 건조 분말 저장의 잔여량의 변화는 건조기 및 분쇄기의 동작점 선택에 의존한다. For example, in FIG. 16 the inlet equipment for storing dry powder is a dryer and the outlet equipment is a grinder. Thus, the change in the residual amount of dry powder storage according to equation 4-7 depends on the operating point selection of the dryer and the grinder.

상세하게, 도 17에 도시된 바와 같이, 건조기는 2개의 동작점을 가지고 분쇄기는 3개의 동작점을 가진다. In detail, as shown in FIG. 17, the dryer has two operating points and the grinder has three operating points.

따라서 수학식 4 및 5에 의하여, g^1,dry ^powder _dryer는 0 ton/h, g^2,dry ^powder _dryer는 15 ton/h이고, c^1,dry ^powder _crusher는 0 ton/h, c^2,dry ^powder _crusher는 10 ton/h, c^3,dry ^powder _crusher는 15 ton/h이다. Thus, by equations (4) and (5), g ^{1, dry} ^powder _dryer is 0 ton / h, g ^{2, dry} ^powder _dryer is 15 ton / h, c ^{1, dry} ^powder _crusher is 0 ton / h, c ^{2, dry} ^powder _crusher is 10 ton / h, c ^{3, dry} ^{The powder} _crusher is 15 ton / h.

구간 t에서, 건조기가 동작점 1에서 동작하고 분쇄기가 동작점 2에서 동작하면, 건조기에 의한 건조 분말의 생산량(G_t ^dry ^powder)은 0톤이고 분쇄기에 의한 건조 분말의 소비량(C_t ^dry ^powder)은 10톤이다. 다음, 건조 분말의 잔여 저장량은 10톤 감소할 것이다. 또는 건조기가 동작점 2에서 동작하고 분쇄기가 동작점 1에서 동작하면, 건조기에 의한 건조 분말의 생산량은 15톤이고, 분쇄기에 의한 건조 분말의 소비량은 0톤이다. In the interval t, if the dryer is operated at operating point 1 and the grinder is operated at operating point 2, the production amount of dry powder by the dryer (G _t ^dry ^powder ) is 0 tons and the consumption of dry powder by the grinder (C _t ^dry ^powder). ) Is 10 tons. Then, the remaining stock of dry powder will be reduced by 10 tons. Alternatively, if the dryer is operated at operating point 2 and the grinder is operated at operating point 1, the production amount of dry powder by the dryer is 15 tons and the consumption of dry powder by the grinder is 0 tons.

3) 목적함수와 제약조건3) Objective Functions and Constraints

본 발명의 목적은 생산 목표 달성이라는 조건을 만족시키면서 전체 에너지 비용을 최소화하는 것이다. 따라서 실제 산업적 출력에 의하면, 수학식 8의 목표 출력은 60으로 설정되었다. 이것은 생산 목표가 하루 강철분말 60톤임을 의미한다. 또한, 전체 강철분말 공정의 에너지 수요 및 가격 예측 모델에 의해 생성된 예측 가격에 근거하여, 목적함수는 현재 구간에서 하루의 종료까지 전체 에너지 비용을 최소화하기 위해 설정되었다. The object of the present invention is to minimize the overall energy cost while satisfying the condition of achieving the production target. Therefore, according to the actual industrial output, the target output of Equation 8 is set to 60. This means that the production target is 60 tons of steel powder per day. In addition, based on the energy demand of the entire steel powder process and the predicted price generated by the price prediction model, the objective function was set to minimize the total energy cost from the current interval to the end of the day.

비교 케이스를 포함하여, 에너지 저장 장치의 모델은 도 22의 매개변수에 따라 구축되었다. 즉, 최대 용량은 300 kWh 이고, 충전 및 방전 효율은 90%로서 충전 또는 방전 시 10% 에너지 손실이 있다. 최대 충전율 및 방전율은 50 kWh 이며, 이것은 1시간 동안 충전 또는 방전되는 최대 에너지를 나타낸다. Including the comparison case, a model of the energy storage device was constructed according to the parameters of FIG. 22. That is, the maximum capacity is 300 kWh, the charging and discharging efficiency is 90%, there is a 10% energy loss during charging or discharging. The maximum charge rate and discharge rate is 50 kWh, which represents the maximum energy charged or discharged for 1 hour.

5. 강철분말 제조의 시뮬레이션 모델 5. Simulation Model of Steel Powder Manufacturing

강철분말 제조의 시뮬레이션 모델은 ARENA라는 산업 공정 모델화를 위한 시뮬레이션 도구를 사용하여 개발하였다. ARENA는 산업 공정의 범위를 구축하기 위한 다양한 모듈을 제공한다. 기능적 관점에서, 모듈은 플로차트 모듈과 데이터 모듈의 2가지 종류로 분류된다. Simulation models for steel powder manufacturing were developed using simulation tools for modeling industrial processes called ARENA. ARENA offers a variety of modules to build a range of industrial processes. From a functional point of view, modules are classified into two types: flowchart modules and data modules.

플로차트 모듈은 시뮬레이터의 백본으로 구체적인 동적 제조 공정을 표현하는데 사용될 수 있다. 예를 들어, 플로차트 모듈에서 정의되는 모듈들 중의 하나인 생성 모듈(Create module)은 원료 공급기를 시뮬레이션하거나 배치 모듈(Dispose module)은 생산물이 소비되는 장소를 시뮬레이션할 수 있다. The flowchart module can be used to represent a specific dynamic manufacturing process as the backbone of the simulator. For example, one of the modules defined in the flowchart module, Create module, can simulate the raw material feeder or Dispose module can simulate where the product is consumed.

한편, 데이터 모듈은 처리율 또는 실행 시간과 같이 다양한 처리 요소의 매개변수를 제어한다. 데이터 모듈은 변수, 다른 종류의 수치, 전체 시뮬레이션 모델에 속하는 수학식들을 설정할 수 있다. 대부분의 어떤 종류의 제조 공정의 모델이든 다른 종류의 모듈을 조합하고 할당하여 구축될 수 있다. On the other hand, the data module controls parameters of various processing elements such as throughput or execution time. The data module can set variables, other kinds of numerical values, and equations belonging to the entire simulation model. Most models of any kind of manufacturing process can be built by combining and assigning different types of modules.

시뮬레이션 모델에서, 각 장비는 다양한 모듈로 구성된 시뮬레이터를 가진다. 플로차트 모듈은 특정 논리 구조를 구축하는데 사용되었고, 시뮬레이터 속성은 데이터 모듈에 의해 다르게 설정되었다. 본 발명은 장비 시뮬레이터에 관한 상세한 설명은 생략하기로 한다. 대신에 강철분말 제조 시뮬레이션 모델의 모니터 인터페이스는 설명한다. 모니터 인터페이스에서 장비 시뮬레이터 안의 복잡한 구조는 애니메이션 아이콘과 플래그 텍스트로 대체하였다. 시뮬레이션을 더욱 실제적이고 쉽게 이해할 수 있게 하기 위해, 애니메이션 아이콘을 2개의 종류로 설계한다. 산업적 부하는 그 외관과 유사한 아이콘으로 표현하고 아이콘 위에 플래그 텍스트를 추가하여 그 산업적 부하의 현재 동작 상태(동작점 1, 2, 3 등)를 나타낸다. 저장은 레벨 마크와 숫자를 가진 직사각형으로 나타낸다. 시뮬레이션 동안, 레벨 마크와 수치는 대응하는 잔여 저장량에 근거하여 동적으로 변할 것이다. 또한, 튜브형 연결자는 다양한 장비와 저장 유닛 간의 재료 흐름을 지원하는 추상적 컨베이어를 표현하는데 사용된다. In the simulation model, each device has a simulator consisting of various modules. Flowchart modules were used to build specific logic structures, and simulator properties were set differently by data modules. Detailed description of the equipment simulator will be omitted. Instead, the monitor interface of the steel powder manufacturing simulation model is described. In the monitor interface, the complex structure inside the equipment simulator was replaced with animated icons and flag text. To make the simulation more realistic and easy to understand, we design two types of animated icons. The industrial load is represented by an icon similar to its appearance and a flag text is added above the icon to indicate the current operating state of the industrial load (operating points 1, 2, 3, etc.). Storage is represented by a rectangle with level marks and numbers. During the simulation, the level mark and numerical value will change dynamically based on the corresponding remaining storage amount. Tubular connectors are also used to represent abstract conveyors that support the flow of materials between various equipment and storage units.

도 6은 시뮬레이션 동안의 모니터 인터페이스를 나타낸 것이다. 6 shows the monitor interface during the simulation.

왼쪽 부분은 동작 동안의 컴퓨터 스크린 샷을 나타내고, 오른쪽 부분은 모니터 인터페이스의 상세를 나타낸다. 박스 처리로 구분되어 있는 것처럼, 전체 인터페이스는 메인 제조 공정(1), 냉각수 생성 시스템(2), 질소 생성 시스템(3), 에너지 저장 시스템(4), 시간(5), 전기 가격(6) 등 6개 부분으로 나누어진다. The left part shows the computer screen shot during the operation, and the right part shows the details of the monitor interface. As separated by the box treatment, the entire interface includes the main manufacturing process (1), cooling water generation system (2), nitrogen generation system (3), energy storage system (4), time (5), electricity price (6), etc. It is divided into six parts.

시간(5)은 강철분말 제조 시스템의 현재 시뮬레이션 시간을 나타낸다. Time 5 represents the current simulation time of the steel powder production system.

메인 제조 공정(1)에서 각 장비의 시뮬레이터는 상기 강철분말 제조 공정과 대응된다. 메인 제조 공정에서 장비 아이콘은 분무기, 분쇄기#1, 분리기#1, 자기 분리기, 환원로, 분쇄기#2, 분리기#2, 혼합기로 구성된다. 대표적인 저장 아이콘은 용융 철 탱크, 건조 분말 탱크, 반 가공(semi-finished) 분말 탱크, 열처리 탱크, 강철분말 탱크로 구성된다. In the main manufacturing process 1, the simulator of each equipment corresponds to the steel powder manufacturing process. In the main manufacturing process, the equipment icon consists of sprayer, grinder # 1, separator # 1, magnetic separator, reduction furnace, grinder # 2, separator # 2 and mixer. Representative storage icons consist of molten iron tanks, dry powder tanks, semi-finished powder tanks, heat treatment tanks and steel powder tanks.

도 6에서 도시된 바와 같이, 시간 04:51:29에서 탈수기 아이콘 위의 텍스트는 현재 작동 상태가 동작점 2임을 나타내며 건조 분말 탱크 안의 숫자는 현재 잔류 저장량이 12,875kg임을 나타낸다. 냉각수 생성 시스템(2)과 질소 생성 시스템(3)은 메인 제조 공정(1) 아래 배치하였고, 냉각수 생성 시스템은 냉각탑, 온수 저장 탱크 및 냉수 저장 탱크로 구성되며, 질소 생성 시스템은 질소 발생기 및 질소 탱크를 포함한다. 에너지 저장 시스템(4)과 전기 정보(5)는 맨 아래에 배치된다. 시뮬레이션 중에 가상 유틸리티 회사 시뮬레이터에서 제공되는 실시간 전기 가격이 플롯으로 표시된다. As shown in FIG. 6, the text above the dehydrator icon at time 04:51:29 indicates that the current operating state is operating point 2 and the number in the dry powder tank indicates that the current residual storage amount is 12,875 kg. The coolant generation system (2) and nitrogen generation system (3) were placed under the main manufacturing process (1), and the coolant generation system consists of a cooling tower, a hot water storage tank and a cold water storage tank, and the nitrogen generation system is a nitrogen generator and a nitrogen tank. It includes. The energy storage system 4 and the electrical information 5 are arranged at the bottom. During the simulation, real-time electricity prices provided by the virtual utility company simulator are plotted.

6. 결과 분석 6. Result Analysis

본 발명에 의한 1시간 전 실시간 가격 기반 수요반응 방법의 성능 평가에 대해 설명한다. 강철분말 제조에 대한 1시간 전 실시간 가격 기반 수요반응 시스템은 수학식 1-16에 따라 혼합 정수 선형 프로그래밍 문제로 모델화된다. 인공신경망에 의해 생성된 예측 가격과 협력하여 최적화 문제는 상용 솔루션(Gurobi)을 사용하여 풀었다. 강철분말 제조의 에너지 관리를 위한 최적화 문제의 결과는 각 구간에서의 장비의 동작점의 선택으로 나타난다. Performance evaluation of the real-time price-based demand response method 1 hour ago according to the present invention will be described. The real time price-based demand response system for the production of steel powder is modeled as a mixed integer linear programming problem according to Equation 1-16. In cooperation with the predicted price generated by the neural network, the optimization problem was solved using a commercial solution (Gurobi). The result of the optimization problem for energy management of steel powder manufacturing is the choice of the operating point of the equipment in each section.

가격 예측 모델의 성능Performance of Price Prediction Model

도 7은 2014년 8월에 일주일 단위로 측정한 1시간 전 실시간 가격 예측 결과로서 5개 부분으로 분류된 결과를 나타낸다. 각 그래프에서, 실제 값과 예측 값 간의 상세 가격 비교가 나와 있다. 여기서 점선은 실제 가격이고 실선은 예측 가격이다. 상세한 수치 해석을 위해, 수학식 17 및 18을 사용하여 실제 값과 예측 값 간의 평균 절대 오차(MAE)와 평균 절대 백분율 오차(MAPE)를 계산하였다. FIG. 7 shows the results classified into five parts as a result of real-time price prediction 1 hour ago measured in a weekly basis in August 2014. In each graph, a detailed price comparison is shown between actual and forecasted values. The dotted line here is the actual price and the solid line is the forecast price. For detailed numerical analysis, equations 17 and 18 were used to calculate the mean absolute error (MAE) and mean absolute percentage error (MAPE) between the actual and predicted values.

도 23은 이러한 계산 결과를 나타낸다. 평균 절대 오차의 최소는 2.76이었고, 최대는 4.43이었다. 반면, 평균 절대 백분율 오차의 최소는 8.42이었고, 최대는 16.04이었다. 따라서 본 발명에 따른 가격 예측 모델은 합리적이고 정확한 예측을 할 수 있다. Fig. 23 shows the result of this calculation. The minimum absolute mean error was 2.76 and the maximum was 4.43. On the other hand, the minimum absolute mean error was 8.42 and the maximum was 16.04. Therefore, the price prediction model according to the present invention can make a reasonable and accurate prediction.

수요반응 방법의 성능Performance of demand response method

본 발명에 따른 방법의 성능을 증명하기 위해, 2014년 8월 19일의 상세 시뮬레이션 결과를 설명한다. To demonstrate the performance of the method according to the invention, detailed simulation results of August 19, 2014 are described.

복수의 동작점이 있기 때문에, 동작 조절 가능 장비(CE)와 동작 중지 가능 장비(SE)는 동적 가격에 따라 다른 동작점 상태로 동작하도록 스케줄링 되었다. Since there are a plurality of operating points, the motion adjustable equipment CE and the downtime equipment SE are scheduled to operate in different operating point states depending on the dynamic price.

도 24는 각 구간에서 동작 조절 가능 장비와 동작 중지 가능 장비의 결정된 동작점을 나타낸다. 24 illustrates the determined operating points of the motion controllable equipment and the motion stop equipment in each section.

분류기 #1을 예로 들면, 이 장비는 구간 8(즉, 07:00-08:00 am)에서 동작점 3으로 동작하도록 스케줄링 되어, 25 kWh 전기를 사용하여 20톤의 중간생산물을 생산한다(도 15 및 도 17 참조)Using classifier # 1 as an example, this equipment is scheduled to operate at operating point 3 in interval 8 (ie 07: 00-08: 00 am), producing 20 tonnes of intermediate product using 25 kWh electricity (Figure 1). 15 and FIG. 17)

도 8은 각 구간에서 동작 조절 가능 장비와 동작 중지 가능 장비의 전체 에너지 수요를 나타낸 것이다. Figure 8 shows the overall energy demand of the motion controllable equipment and the motion stop equipment in each section.

냉각 타워와 질소 생성기를 예로 들면, 구간 3, 4, 5와 같이 전기 가격이 낮았을 때, 두 장비는 모두 높은 에너지 수요를 가진 동작점(도 24 참조)으로 동작하도록 스케줄링 되었고, 그에 따라 에너지 수요가 증가하였다. 그에 따라 도 9에 도시된 바와 같이 질소와 냉각수가 더 많이 생산되어 저장되었다. 반대로 구간 16, 17, 20처럼 전기 가격이 높았을 때 두 장비는 낮은 에너지 수요 동작점으로 동작하도록 스케줄링 되었다. 그에 따라, 도 9와 같이 질소와 냉각수의 저장이 감소하였다. Taking cooling towers and nitrogen generators as an example, when electricity prices are low, such as sections 3, 4, and 5, both equipment is scheduled to operate at operating points with high energy demands (see FIG. 24), and thus energy demands. Increased. Accordingly, as shown in FIG. 9, more nitrogen and cooling water were produced and stored. Conversely, when equipment prices were high, such as segments 16, 17, and 20, the two devices were scheduled to operate at lower energy demand operating points. As a result, storage of nitrogen and cooling water is reduced as shown in FIG. 9.

도 10은 각 구간에서 에너지 저장 장치의 전기 수요를 나타낸 것이다. 여기서 양수는 충전을 나타내고 음수는 방전을 나타낸다. 전기 가격이 낮았을 때, 에너지 저장 장치는 에너지 저장을 위한 전력 그리드로부터 충전을 했고, 전기 가격이 높았을 때 높은 가격의 에너지 소비를 줄이기 위해 산업 시설로 방전을 했다. 각 구간에서, 에너지 저장 장치의 충전/방전의 최대량은 50 kWh 이었고, 충전/방전량은 최대 충전/방전율(도 22 참조)에 의해 제한되었다. 충전/방전 동안 에너지 손실로 인해 전체 방전된 전기는 전체 충전된 전기보다 적었다. 10 shows the electricity demand of the energy storage device in each section. Positive numbers here represent charging and negative numbers represent discharge. When the price of electricity was low, the energy storage device was charged from the power grid for energy storage, and when the price of electricity was high, it discharged to industrial facilities to reduce the high cost of energy consumption. In each section, the maximum amount of charge / discharge of the energy storage device was 50 kWh, and the amount of charge / discharge was limited by the maximum charge / discharge rate (see FIG. 22). The total discharged electricity was less than the total charged electricity due to energy loss during charge / discharge.

도 11은 각 구간에서 전체 제조 공정의 총 에너지 수요를 비교한 것이다. 11 compares the total energy demand of the entire manufacturing process in each section.

케이스 1은 수요반응 알고리즘을 사용하지 않고 1시간 전 실시간 가격(HA-RTP)의 평균 가격인 고정 평탄 가격에 근거한 에너지 수요를 나타낸 것이다. Case 1 shows energy demand based on a fixed flat price, which is the average price of the real-time price (HA-RTP) one hour ago without using a demand response algorithm.

케이스 2는 에너지 저장 장치가 없고 수학식 16의 총 에너지 비용을 계산하는데 하루 전 실시간 가격(DA-RTP)을 사용한 하루 전 수요반응(DA-DR)에 근거한 에너지 수요를 나타낸 것이다. Case 2 shows the energy demand based on a one-day demand response (DA-DR) using no real-time storage and a one-day real-time price (DA-RTP) to calculate the total energy cost of Equation 16.

케이스 3은 에너지 저장 장치 없이 본 발명에 따른 1시간 전 수요반응(HR-DR)에 근거한 에너지 수요를 나타낸 것이다. Case 3 shows the energy demand based on 1 hour ago demand response (HR-DR) according to the present invention without an energy storage device.

케이스 4는 에너지 저장 장치를 사용하여 본 발명에 따른 1시간 전 수요반응(HR-DR)에 근거한 에너지 수요를 나타낸 것이다. Case 4 shows the energy demand based on the one-hour ago demand response (HR-DR) according to the present invention using an energy storage device.

삼각형 마크를 가진 회색 점선(dashed line)은 1시간 전 실시간 가격(HA-RTP)을 나타내고, 사각형 마크를 가진 적색 점선(dotted line)은 하루 전 실시간 가격(DA-RTP)를 나타낸다. The gray dashed line with the triangle mark represents the real time price (HA-RTP) one hour ago, and the red dotted line with the square mark represents the real time price (DA-RTP) one day ago.

HA-DR이 적용된 케이스 3에서 상대적으로 비싼 가격 구간(13, 16, 17, 20, 21)의 에너지 소비는 DR이 없는 케이스 1에 비해 상당히 감소하였다. 이것은 본 발명에 따른 방법이 피크 부하 제거와 관련하여 효과적인 수요반응 제어를 달성할 수 있음을 의미한다. 또한, 구간 14, 15, 18과 같이 실시간으로 예상치 못한 가격 변동이 발생할 때(HA-RTP가 DA-RTP보다 상당히 적다), 케이스 3은 케이스 2보다 더 많은 에너지 수요를 나타내어 상대적으로 낮은 가격 구간에서 이점을 가진다. 이것은 본 발명에 따른 HA-DR이 DA-DR보다 실시간 응답이 더 좋다는 것을 나타낸다. 또한, 본 발명에 따른 HA-DA 성능은 에너지 저장 장치가 포함되면 더욱 향상되어 더 많은 에너지 소비가 피크에서 비 피크 구간으로 이동하게 된다. In case 3 with HA-DR, the energy consumption of relatively expensive price segments (13, 16, 17, 20, 21) was significantly reduced compared to case 1 without DR. This means that the method according to the invention can achieve effective demand response control with respect to peak load removal. In addition, when unexpected price fluctuations occur in real time, such as intervals 14, 15, and 18 (HA-RTP is significantly less than DA-RTP), case 3 exhibits more energy demand than case 2, resulting in a relatively low price interval. Has an advantage. This indicates that the HA-DR according to the present invention has a better real time response than the DA-DR. In addition, HA-DA performance according to the present invention is further improved when the energy storage device is included so that more energy consumption is shifted from peak to non-peak period.

도 12는 총 비용 비교를 나타낸 것이다. HA-DR 알고리즘이 적용된 케이스 3의 총 에너지 비용은 DR 알고리즘이 적용되지 않은 케이스 1보다 9.8% 감소했고 DA-DR이 적용된 케이스 2에 비해 6.6% 감소했다. 에너지 저장 장치가 포함되면, 케이스 3에 비해 비용이 7.9% 감소했다. 이것은 본 발명에 따른 HA-DR 방법이 에너지 비용을 줄이는데 상당히 효과적이며 DA-DR보다 성능이 더 좋다는 것을 의미한다. 12 shows a total cost comparison. The total energy cost of Case 3 with the HA-DR algorithm was reduced by 9.8% compared to Case 1 without the DR algorithm and 6.6% compared with Case 2 with the DA-DR. The inclusion of an energy storage device reduced the cost by 7.9% compared to case 3. This means that the HA-DR method according to the present invention is quite effective in reducing energy costs and performs better than DA-DR.

이상의 설명은 본 발명을 예시적으로 설명한 것에 불과하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술적 사상에서 벗어나지 않는 범위에서 다양한 변형이 가능할 것이다. The above description is merely illustrative of the present invention, and various modifications may be made by those skilled in the art without departing from the technical spirit of the present invention.

따라서 본 발명의 명세서에 개시된 실시 예들은 본 발명을 한정하는 것이 아니다. 본 발명의 범위는 아래의 특허청구범위에 의해 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술도 본 발명의 범위에 포함되는 것으로 해석해야 할 것이다. Therefore, the embodiments disclosed in the specification of the present invention are not intended to limit the present invention. The scope of the present invention should be construed by the claims below, and all techniques within the scope equivalent thereto will be construed as being included in the scope of the present invention.

10: 스마트 미터 20: 에너지 관리 장치
30: 에너지 저장 장치 40: 에너지 관리 제어기
50: 산업장비 60: 유틸리티 회사10: smart meter 20: energy management device
30: energy storage device 40: energy management controller
50: industrial equipment 60: utility company

Claims

유틸리티 회사로부터 실시간 가격을 수신하여 산업시설의 각 장비의 에너지 수요를 제어하는 에너지 관리 시스템의 산업 시설을 위한 실시간 가격 기반 에너지 관리 방법으로서,
상기 유틸리티 회사로부터 시간 구간 t의 가격을 수신하는 단계와,
시간 구간 t의 가격을 수신한 후 시간 구간 t+1부터 하루의 마지막 시간 구간까지의 시간 구간별 예측 가격을 산출하는 단계와,
시간 구간 t의 가격 및 시간 구간 t+1부터 하루의 마지막 시간 구간까지의 시간 구간별 예측 가격과 시간 구간 t부터 하루의 마지막 시간 구간까지의 시간 구간별 에너지 수요로부터 시간 구간 t부터 하루의 마지막 시간 구간까지의 총 에너지 비용을 산출하고 총 에너지 비용이 최소가 되도록 하는 시간 구간별 에너지 수요를 산출하는 단계와,
상기 산출한 시간 구간별 에너지 수요에 근거하여 시간 구간별 각 장비의 동작점을 선택하여 산업 시설의 동작 스케줄을 생성하는 단계를 포함하는 방법.A real-time price-based energy management method for industrial facilities in energy management systems that receives real-time prices from utility companies to control the energy demand of each piece of equipment in the industrial facilities.
Receiving a price of a time interval t from the utility company;
Calculating a predicted price for each time interval from the time interval t + 1 to the last time interval of the day after receiving the price of the time interval t;
The price of time interval t and the forecast price by time interval from time interval t + 1 to the last time interval of the day and the energy demand by time interval from time interval t to the last time interval of the day from time interval t to the last time of the day Calculating the total energy cost to the interval and calculating the energy demand for each time interval such that the total energy cost is minimal;
Selecting an operating point of each piece of equipment for each time period based on the calculated energy demand for each time period, and generating an operation schedule of an industrial facility.

제1항에서,
상기 예측 가격을 산출하는 단계는 시간 구간 t의 가격을 포함하는 가격 이력 정보에 근거하여 시간 구간 t+1의 예측 가격을 산출하고, 시간 구간 t+1의 예측 가격을 포함하는 가격 이력 정보에 근거하여 시간 구간 t+2의 예측 가격을 산출하는 방식으로 시간 구간 t+1부터 하루의 마지막 시간 구간까지 예측 가격을 산출하는 것을 특징으로 하는 방법.In claim 1,
The calculating of the predicted price may include calculating a predicted price of the time interval t + 1 based on price history information including the price of the time interval t, and based on the price history information including the predicted price of the time interval t + 1. And calculating the forecast price from the time interval t + 1 to the last time interval of the day by calculating the forecast price of the time interval t + 2.

제1항에서,
상기 시간 구간별 에너지 수요는 시간 구간별 각 장비의 에너지 수요의 총합이며, 각 장비의 에너지 수요는 장비마다 선택된 동작점에 대응하는 에너지 수요인 것을 특징으로 하는 방법. In claim 1,
The energy demand for each time period is a sum of energy demands of each device for each time period, and the energy demand of each device is energy demand corresponding to an operating point selected for each device.

유틸리티 회사로부터 실시간 가격을 수신하여 산업시설의 각 장비의 에너지 수요를 제어하는 에너지 관리 시스템의 산업 시설을 위한 실시간 가격 기반 에너지 관리 방법으로서,
상기 유틸리티 회사로부터 일정 시간 구간마다 실제 가격을 수신하는 단계와,
특정 시간 구간에서 실제 가격을 수신하면 다음 시간 구간부터 마지막 시간 구간까지 예측 가격들을 산출하는 단계와,
실제 가격 및 예측 가격들과 특정 시간 구간부터 마지막 시간 구간까지 각 장비의 에너지 수요에 근거하여 총 에너지 비용을 산출하는 단계와,
상기 산출한 총 에너지 비용이 최소가 되도록 하는 각 장비의 에너지 수요를 결정하는 단계와,
상기 결정된 각 장비의 에너지 수요에 근거하여 각 장비의 동작점을 결정하고 결정한 동작점에 따른 산업 시설의 동작 스케줄을 생성하는 단계를 포함하는 방법. A real-time price-based energy management method for industrial facilities in energy management systems that receives real-time prices from utility companies to control the energy demand of each piece of equipment in the industrial facilities.
Receiving an actual price at a predetermined time interval from the utility company;
Calculating the predicted prices from the next time interval to the last time interval when receiving the actual price in a specific time interval;
Calculating a total energy cost based on the actual price and the predicted prices and the energy demand of each equipment from a specific time interval to the last time interval,
Determining the energy demand of each equipment such that the calculated total energy cost is minimal;
Determining an operating point of each equipment based on the determined energy demand of each equipment and generating an operation schedule of the industrial facility according to the determined operating point.

제4항에서,
상기 예측 가격을 산출하는 단계는 다음 시간 구간부터 마지막 시간 구간까지 시간 구간마다 반복 접근법에 따른 인공신경망 기반 가격 예측 모델을 사용하여 해당 시간 구간의 예측 가격만을 계산하는 것을 특징으로 하는 방법.In claim 4,
The calculating of the predicted price may include calculating only the predicted price of the corresponding time interval using an artificial neural network based price prediction model according to an iterative approach for each time interval from the next time interval to the last time interval.

제4항에서,
상기 각 장비의 에너지 수요를 결정하는 단계는 혼합 정수 선형 프로그래밍(Mixed Integer Linear Programming)에 의해 실제 가격 및 예측 가격들과 이에 대응하는 시간 구간별 각 장비의 에너지 수요를 곱한 값들의 총합이 최소화되는 각 장비의 에너지 수요 값을 구하는 것을 특징으로 하는 방법. In claim 4,
Determining the energy demand of each device is performed by the mixed integer linear programming (Mixed Integer Linear Programming), the sum of the product of the actual price and the predicted prices and the value multiplied by the energy demand of each device for each corresponding time interval is minimized Obtaining the energy demand value of the equipment.

복수의 동작점을 가진 장비들의 동작을 제어하는 에너지 관리 제어기와,
유틸리티 회사로부터 수신한 실제 가격 및 가격 예측 모델을 사용하여 산출한 예측 가격들과 상기 장비들의 에너지 수요에 근거하여 총 에너지 비용을 산출하고, 총 에너지 비용이 최소화되도록 상기 장비들의 에너지 수요를 결정하는 에너지 관리 장치를 포함하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.An energy management controller for controlling the operation of equipment having a plurality of operating points;
Energy that calculates the total energy cost based on the forecast prices calculated using the actual price and price prediction model received from the utility company and the energy demand of the equipment, and determines the energy demand of the equipment so that the total energy cost is minimized. Real-time price-based energy management system for industrial facilities, including management devices.

제7항에서,
상기 에너지 관리 장치는 상기 결정한 장비들의 에너지 수요에 따라 각 장비의 동작점을 결정하고 장비마다 결정한 동작점들로 구성된 동작 스케줄을 생성하여 상기 에너지 관리 제어기로 동작 스케줄을 전송하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.In claim 7,
The energy management device determines an operating point of each device according to the determined energy demand of the equipment, generates an operation schedule composed of the operating points determined for each device, and transmits the operation schedule to the energy management controller. Real time price based energy management system.

제8항에서,
상기 에너지 관리 제어기는 장비마다 설치되며 상기 에너지 관리 장치로부터 수신한 동작 스케줄에 따라 각 장비의 동작점을 선택하여 장비들의 동작을 제어하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.In claim 8,
The energy management controller is installed for each equipment, real-time price-based energy management system for an industrial facility, characterized in that for controlling the operation of the equipment by selecting the operating point of each equipment according to the operation schedule received from the energy management device.

제7항에서,
상기 에너지 관리 장치는 일정 시간 구간마다 유틸리티 회사로부터 실제 가격을 수신하면, 다음 시간 구간부터 마지막 시간 구간까지 시간 구간마다 반복 접근법에 따른 인공신경망 기반 가격 예측 모델을 사용하여 해당 시간 구간의 예측 가격만을 계산하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.In claim 7,
When the energy management device receives the actual price from the utility company for each predetermined time interval, it calculates only the predicted price of the corresponding time interval using an artificial neural network based price prediction model according to the iterative approach for each time interval from the next time interval to the last time interval. Real-time price-based energy management system for industrial facilities, characterized in that.

제7항에서,
상기 에너지 관리 장치는 혼합 정수 선형 프로그래밍(Mixed Integer Linear Programming)에 의해 실제 가격 및 예측 가격들과 이에 대응하는 시간 구간별 각 장비의 에너지 수요를 곱한 값들의 총합이 최소화되는 각 장비의 에너지 수요 값을 구하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템. In claim 7,
The energy management device calculates an energy demand value of each device by minimizing the sum of actual and predicted prices multiplied by the energy demand of each device for each time interval by a mixed integer linear programming. Real-time price-based energy management system for industrial facilities, characterized in that obtained.

일정한 시간 구간마다 특정 시간 구간의 다음 시간 구간부터 마지막 시간 구간까지의 예측 가격을 산출하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램으로서,
시간 구간 t에서 유틸리티 회사의 실제 가격이 수신되었을 때 상기 프로그램이 구동하여,
시간 구간 t에서의 유틸리티 회사의 실제 가격과 시간 구간 t 이전의 가격 이력 정보로부터 시간 구간 t+1의 예측 가격을 산출하고,
상기 산출한 시간 구간 t+1의 예측 가격, 시간 구간 t의 실제 가격과 시간 구간 t 이전의 가격 이력 정보로부터 시간 구간 t+2의 예측 가격을 산출하고,
상기 산출한 시간 구간 t+1의 예측 가격, 시간 구간 t+2의 예측 가격, 시간 구간 t의 실제 가격과 시간 구간 t 이전의 가격 이력 정보로부터 시간 구간 t+3의 예측 가격을 산출하는 방식으로,
시간 구간 t에서 시간 구간 t+1부터 마지막 시간 구간까지의 시간 구간별 예측 가격을 산출하는 것을 특징으로 하는 프로그램. A program stored in a computer-readable recording medium for calculating a predicted price from a next time interval to a last time interval of a specific time interval in a certain time interval.
The program runs when the actual price of the utility company is received in time interval t,
From the utility company's actual price in the time interval t and the price history information before the time interval t, the estimated price of the time interval t + 1,
Calculating the predicted price of the time interval t + 1 from the calculated predicted price of the time interval t + 1, the actual price of the time interval t and the price history information before the time interval t,
By calculating the predicted price of the time interval t + 1, the predicted price of the time interval t + 2, the actual price of the time interval t + and the price history information before the time interval t + 3 ,
And calculating a predicted price for each time interval from the time interval t + 1 to the last time interval in the time interval t.

일정한 시간 구간마다 산업 시설의 장비들의 동작을 제어하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램으로서,
특정 시간 구간의 실제 가격 및 다음 시간 구간부터 마지막 시간 구간까지의 시간 구간별 예측 가격들을 입력받고, 실제 가격 및 예측 가격들과 특정 시간 구간부터 마지막 시간 구간까지 각 장비의 에너지 수요에 근거하여 총 에너지 비용을 산출하는 단계와,
상기 산출한 총 에너지 비용이 최소가 되도록 하는 각 장비의 에너지 수요를 결정하는 단계와,
상기 결정된 각 장비의 에너지 수요에 근거하여 각 장비의 동작점을 결정하고 결정한 동작점에 따른 산업 시설의 동작 스케줄을 생성하는 단계를 포함하는 프로그램. A program stored in a computer readable recording medium for controlling the operation of equipment of an industrial facility at regular time intervals.
It receives the actual price of a specific time interval and forecast prices for each time interval from the next time interval to the last time interval, and the total energy based on the actual price and forecast prices and the energy demand of each equipment from the specific time interval to the last time interval. Calculating the cost,
Determining the energy demand of each equipment such that the calculated total energy cost is minimal;
Determining an operating point of each equipment based on the determined energy demand of each equipment, and generating an operation schedule of an industrial facility according to the determined operating point.

제13항에서,
상기 각 장비의 에너지 수요를 결정하는 단계는 혼합 정수 선형 프로그래밍(Mixed Integer Linear Programming)에 의해 실제 가격 및 예측 가격들과 이에 대응하는 시간 구간별 각 장비의 에너지 수요를 곱한 값들의 총합이 최소화되는 각 장비의 에너지 수요 값을 구하는 것을 특징으로 하는 프로그램. In claim 13,
Determining the energy demand of each device is performed by the mixed integer linear programming (Mixed Integer Linear Programming), the sum of the product of the actual price and the predicted prices and the value multiplied by the energy demand of each device for each corresponding time interval is minimized Program for calculating the energy demand of the equipment.

복수의 동작점을 가진 장비들과,
상기 장비들의 동작을 제어하는 에너지 관리 제어기와,
일정한 시간 구간마다 유틸리티 회사로부터 실제 가격이 수신되면 가격 예측 모델을 사용하여 실제 가격이 수신된 시간 구간의 다음 시간 구간부터 마지막 시간 구간까지의 시간 구간별 예측 가격들을 산출하고, 실제 가격 및 예측 가격들과 상기 장비들의 에너지 수요에 근거하여 총 에너지 비용을 산출하고, 총 에너지 비용이 최소화되도록 상기 장비들의 에너지 수요를 결정하는 에너지 관리 장치를 포함하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.Equipment with multiple operating points,
An energy management controller for controlling the operation of the equipment;
When the actual price is received from the utility company in each time interval, the price prediction model is used to calculate the forecast prices for each time interval from the next time interval to the last time interval of the time interval at which the actual price is received, and the actual price and the forecast prices. And an energy management device for calculating a total energy cost based on the energy demand of the equipments and determining the energy demand of the equipments so that the total energy cost is minimized.

제15항에서,
상기 유틸리티 회사에서 공급하는 전기를 저장하거나 상기 복수의 장비들로 전기를 공급하는 에너지 저장 장치를 더 포함하여,
상기 에너지 관리 장치는 상기 에너지 저장 장치의 충전량 또는 방전량에 따른 에너지 수요와 상기 장비들의 에너지 수요로부터 전체 에너지 수요를 구하고, 전체 에너지 수요로부터 총 에너지 비용을 산출하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.The method of claim 15,
Further comprising an energy storage device for storing electricity supplied by the utility company or supplying electricity to the plurality of equipment,
The energy management device obtains the total energy demand from the energy demand according to the charge amount or discharge amount of the energy storage device and the energy demand of the equipment, and calculates the total energy cost from the total energy demand. Price based energy management system.

제15항에서,
상기 장비들은 하나의 동작점을 가진 항시 작동 장비(NSE), 동작하거나 동작하지 않는 2개의 동작점을 가진 작동 정지 가능 장비(SE) 및 에너지 수요가 다른 2개 이상의 동작점을 가진 작동 조절 장비(CE)로 구성된 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.The method of claim 15,
These equipments are always operating equipment (NSE) with one operating point, stopable equipment (SE) with two operating points, with or without operation, and operation control equipment with two or more operating points with different energy demands ( Real-time price-based energy management system for industrial facilities, characterized in that consisting of (CE).

제17항에서,
상기 에너지 관리 장치는 상기 결정한 장비들의 에너지 수요에 따라 상기 작동 정지 가능 장비 및 작동 조절 가능 장비의 동작점을 결정하고 상기 작동 정지 가능 장비 및 작동 조절 가능 장비에 대해 결정한 동작점들로 구성된 동작 스케줄을 생성하여 상기 에너지 관리 제어기로 동작 스케줄을 전송하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.The method of claim 17,
The energy management device determines an operation point of the stopable device and the operation adjustable device according to the energy demand of the determined equipment, and sets an operation schedule including the operation points determined for the stopable device and the operation adjustable device. And generate and transmit an operation schedule to the energy management controller.

제18항에서,
상기 에너지 관리 제어기는 상기 작동 정지 가능 장비 및 작동 조절 가능 장비에 설치되며 상기 에너지 관리 장치로부터 수신한 동작 스케줄에 따라 상기 작동 정지 가능 장비 및 작동 조절 가능 장비의 동작점을 선택하여 상기 작동 정지 가능 장비 및 작동 조절 가능 장비의 동작을 제어하는 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.The method of claim 18,
The energy management controller is installed in the stopable equipment and the controllable equipment and selects the operating points of the stopable equipment and the controllable equipment according to the operation schedule received from the energy management device. And controlling the operation of the operation adjustable equipment.

제15항에서,
상기 장비들은 강철분말 제조에 사용되는 장비들인 것을 특징으로 하는 산업 시설을 위한 실시간 가격 기반 에너지 관리 시스템.The method of claim 15,
The equipment is a real-time price-based energy management system for industrial facilities, characterized in that the equipment used in the manufacture of steel powder.