에너지 저장시스템은 원하는 시기에 전력을 충전/방전할 수 있는 시스템으로 신재생 에너지 발전시스템 등을 보조하는 역할로 쓰인다. 이에 따른 종속성으로 에너지 저장시스템의 비효율성이 생기는데 만약 에너지 저장시스템을 외부 시스템과 독립적으로 활용할 수 있다면 효율을 높일 수 있을 것이다. 본 논문은 에너지 저장시스템의 효율을 높이기 위해 독립적으로 활용 가능한, 에너지 저장시스템의 충/방전을 통해 전기요금을 절감하는 ...
에너지 저장시스템은 원하는 시기에 전력을 충전/방전할 수 있는 시스템으로 신재생 에너지 발전시스템 등을 보조하는 역할로 쓰인다. 이에 따른 종속성으로 에너지 저장시스템의 비효율성이 생기는데 만약 에너지 저장시스템을 외부 시스템과 독립적으로 활용할 수 있다면 효율을 높일 수 있을 것이다. 본 논문은 에너지 저장시스템의 효율을 높이기 위해 독립적으로 활용 가능한, 에너지 저장시스템의 충/방전을 통해 전기요금을 절감하는 알고리즘을 제안한다. 에너지 저장시스템은 미래의 전력 상황을 대비해 충전과 방전을 해야 하기에 전력사용량을 예측해야 하고 이를 위해 AI 알고리즘의 한 종류인 딥러닝을 활용하였다. 딥러닝 모델 중 연속 데이터 패턴 분석에 강점이 있는 RNN(Recurrent Neural Network) 계열의 LSTM(Long-Short Term Memory) 모델로 15분 뒤 전력사용량을 예측하였다. 이후 예측한 전력사용량, 부하 시간, 에너지 저장시스템의 충전량을 통해 충전, 방전, 대기를 결정하는 알고리즘을 설계하였다. 위 세 가지 요소에 각 3가지 CASE를 설정하였고 총 27가지 상황에 해당하는 충전/방전/대기 알고리즘을 설계하였으며 이를 구현, 성능을 평가하였다. 실험결과 제안하는 알고리즘을 포함하는 시스템을 적용했을 경우 12.8%의 경제적 효과가 있음을 확인하였다.
에너지 저장시스템은 원하는 시기에 전력을 충전/방전할 수 있는 시스템으로 신재생 에너지 발전시스템 등을 보조하는 역할로 쓰인다. 이에 따른 종속성으로 에너지 저장시스템의 비효율성이 생기는데 만약 에너지 저장시스템을 외부 시스템과 독립적으로 활용할 수 있다면 효율을 높일 수 있을 것이다. 본 논문은 에너지 저장시스템의 효율을 높이기 위해 독립적으로 활용 가능한, 에너지 저장시스템의 충/방전을 통해 전기요금을 절감하는 알고리즘을 제안한다. 에너지 저장시스템은 미래의 전력 상황을 대비해 충전과 방전을 해야 하기에 전력사용량을 예측해야 하고 이를 위해 AI 알고리즘의 한 종류인 딥러닝을 활용하였다. 딥러닝 모델 중 연속 데이터 패턴 분석에 강점이 있는 RNN(Recurrent Neural Network) 계열의 LSTM(Long-Short Term Memory) 모델로 15분 뒤 전력사용량을 예측하였다. 이후 예측한 전력사용량, 부하 시간, 에너지 저장시스템의 충전량을 통해 충전, 방전, 대기를 결정하는 알고리즘을 설계하였다. 위 세 가지 요소에 각 3가지 CASE를 설정하였고 총 27가지 상황에 해당하는 충전/방전/대기 알고리즘을 설계하였으며 이를 구현, 성능을 평가하였다. 실험결과 제안하는 알고리즘을 포함하는 시스템을 적용했을 경우 12.8%의 경제적 효과가 있음을 확인하였다.
The energy storage system(ESS) is a system that can charge, discharge electric power at a desired time and is used to assist the renewable energy generation system. If the ESS can be used independently of the external system, efficiency will be increased. In this paper, we propose an algorithm that ...
The energy storage system(ESS) is a system that can charge, discharge electric power at a desired time and is used to assist the renewable energy generation system. If the ESS can be used independently of the external system, efficiency will be increased. In this paper, we propose an algorithm that can reduce the electricity bill through charge, discharge of the ESS that can be used independently to increase the efficiency of the ESS. The ESS has to predict the power usage in order to charge and discharge in preparation for the future power situation and utilize the deep running which is one kind of AI algorithm. We predicted the power usage after 15 minutes by using a LSTM(Long-Short Term Memory) model of the RNN(Recurrent Neural Network) series. We then designed an algorithm that determines the charging, discharging, and waiting states based on the predicted power consumption, load time, and ESS charge. We set up 3 CASE for each of the above three factors, and design a charging, discharging, waiting algorithm corresponding to 27 situations, and implemented and evaluated the performance. Experimental results show that 12.8% economic efficiency is obtained when a system including the proposed algorithm is applied.
The energy storage system(ESS) is a system that can charge, discharge electric power at a desired time and is used to assist the renewable energy generation system. If the ESS can be used independently of the external system, efficiency will be increased. In this paper, we propose an algorithm that can reduce the electricity bill through charge, discharge of the ESS that can be used independently to increase the efficiency of the ESS. The ESS has to predict the power usage in order to charge and discharge in preparation for the future power situation and utilize the deep running which is one kind of AI algorithm. We predicted the power usage after 15 minutes by using a LSTM(Long-Short Term Memory) model of the RNN(Recurrent Neural Network) series. We then designed an algorithm that determines the charging, discharging, and waiting states based on the predicted power consumption, load time, and ESS charge. We set up 3 CASE for each of the above three factors, and design a charging, discharging, waiting algorithm corresponding to 27 situations, and implemented and evaluated the performance. Experimental results show that 12.8% economic efficiency is obtained when a system including the proposed algorithm is applied.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.