기존의 NIALM 연구들은 부하 식별을 위해 전압 변동은 무시할 수 있고 식별 결과에 영향을 주지 않는다고 가정하기 때문에 일반적으로 전압과 관련된 PF나, 고조파 신호는 부하 식별을 위한 매개 변수로 고려되지 않았으나, 실제 이러한 조건은 스마트 홈 분야에서 NIALM의 응용성이 제한되는 어려움이 만든다. 본 논문의 실험을 통해 부하 모니터링 시스템의 정확성과 신뢰성을 향상시키기 위해 전압과 관련된 매개 변수와 고조파의 특성을 사용해야 한다고 결론을 내렸다. 따라서, 본 논문에서는 홈 네트워크 환경에서 가전기기의 종류 및 전기 에너지 사용량을 효율적으로 분석할 수 있는 개선된 NIALM 방식을 제안한다. 제안된 방식은 가전기기 고유의 특징 및 동작 특성을 분석하고, 일부 가전기기가 가지고 있는 고조파 특성을 인식 매개변수로 활용함으로써 전력 에너지 사용 패턴 분석 및 추적할 수 있게 된다. 본 논문에서 제안된 방식을 통해 홈 네트워크에서 실제 운용되는 가전 에너지 효율성 증대와 스마트그리드 전력 수요관리 시장에 서비스를 제공할 수 있을 것으로 기대한다.
기존의 NIALM 연구들은 부하 식별을 위해 전압 변동은 무시할 수 있고 식별 결과에 영향을 주지 않는다고 가정하기 때문에 일반적으로 전압과 관련된 PF나, 고조파 신호는 부하 식별을 위한 매개 변수로 고려되지 않았으나, 실제 이러한 조건은 스마트 홈 분야에서 NIALM의 응용성이 제한되는 어려움이 만든다. 본 논문의 실험을 통해 부하 모니터링 시스템의 정확성과 신뢰성을 향상시키기 위해 전압과 관련된 매개 변수와 고조파의 특성을 사용해야 한다고 결론을 내렸다. 따라서, 본 논문에서는 홈 네트워크 환경에서 가전기기의 종류 및 전기 에너지 사용량을 효율적으로 분석할 수 있는 개선된 NIALM 방식을 제안한다. 제안된 방식은 가전기기 고유의 특징 및 동작 특성을 분석하고, 일부 가전기기가 가지고 있는 고조파 특성을 인식 매개변수로 활용함으로써 전력 에너지 사용 패턴 분석 및 추적할 수 있게 된다. 본 논문에서 제안된 방식을 통해 홈 네트워크에서 실제 운용되는 가전 에너지 효율성 증대와 스마트그리드 전력 수요관리 시장에 서비스를 제공할 수 있을 것으로 기대한다.
Since existing nonintrusive appliance load monitoring (NIALM) studies assume that voltage fluctuations are negligible for load identification, and do not affect the identification results, the power factor or harmonic signals associated with voltage are generally not considered parameters for load i...
Since existing nonintrusive appliance load monitoring (NIALM) studies assume that voltage fluctuations are negligible for load identification, and do not affect the identification results, the power factor or harmonic signals associated with voltage are generally not considered parameters for load identification, which limits the application of NIALM in the Smart Home sector. Experiments in this paper indicate that the parameters related to voltage and the characteristics of harmonics should be used to improve the accuracy and reliability of the load monitoring system. Therefore, in this paper, we propose an improved NIALM method that can efficiently analyze the types of household appliances and electrical energy usage in a home network environment. The proposed method is able to analyze the energy usage pattern by analyzing operation characteristics inherent to household appliances using harmonic characteristics of some household appliances as recognition parameters. Through the proposed method, we expect to be able to provide services to the smart grid electric power demand management market and increase the energy efficiency of home appliances actually operating in a home network.
Since existing nonintrusive appliance load monitoring (NIALM) studies assume that voltage fluctuations are negligible for load identification, and do not affect the identification results, the power factor or harmonic signals associated with voltage are generally not considered parameters for load identification, which limits the application of NIALM in the Smart Home sector. Experiments in this paper indicate that the parameters related to voltage and the characteristics of harmonics should be used to improve the accuracy and reliability of the load monitoring system. Therefore, in this paper, we propose an improved NIALM method that can efficiently analyze the types of household appliances and electrical energy usage in a home network environment. The proposed method is able to analyze the energy usage pattern by analyzing operation characteristics inherent to household appliances using harmonic characteristics of some household appliances as recognition parameters. Through the proposed method, we expect to be able to provide services to the smart grid electric power demand management market and increase the energy efficiency of home appliances actually operating in a home network.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 이러한 문제를 고려하여 주거건물 에너지 관리시스템을 위한 개선된 실시간 NIALM을 제안한다.
전기 에너지의 관리 및 절감은 현재 국내 뿐 아니라 해외에서도 가장 중요한 과제로 인식되어 많은 연구가 이루어지고 있으며, 이러한 노력의 일환으로 IT와 결합된 스마트그리드(Smart Grid) 구축에 많은 투자와 개발이 이루어지고 있다. 국가 차원에서는 이러한 스마트그리드를 이용하여 전력의 수요와 공급을 원활하게 조절하여 전력 부족으로 인한 문제를 예방하고자 한다. 또한, 추가적으로 건설되는 발전소의 량을 줄여 국가적 예산을 줄이고자 하는 노력을 기울이고 있다[1].
본 연구에서는 NIALM을 기반으로 한 전력 에너지 모니터링을 수행하기 위해, 기존 스마트홈내에서 운영되는 가전기기들의 동작특성 및 부하특성을 측정하였다.
본 논문에서는 선행 사례에서 살펴본 내용을 토대로 개선된 시스템의 성능 검증을 위해 실험 환경을 마련하고 테스트를 수행하였다.
본 연구에서는 연구 대상인 NIALM의 적합한 전기 매개 변수를 적용함으로써 실제 고조파 특성을 지닌 가전기기의 인식률을 높은 수준으로 끌어 올릴 수 있었다. FI와 PF가 고려되지 않은 상태에서의 고조파 성분을 갖는 부하기기의 인식률은 60% 수준에 미치지 못하는 결과를 보였고, 동일한 기기에 대해 FI와 PF를 고려한 다중적 다중 알고리즘이 90% 이상의 인식 성공률을 보임을 확인하였다.
가설 설정
NIALM은 공간적인 문제와 비용적인 문제를 개선하기 위한 방안으로서 적절히 사용될 수 있으며, 상대적으로 높은 효율성을 가져올 수 있다. 또한, 각각의 가전기기가 고유한 실제 전력 및 무효전력을 소비한다고 가정한 후, 실제 전력 및 무효 전력이 소비되는 양을 관찰함으로써 어떤 가전기기가 동작 중인지 식별할 수 있다고하였다[4].
제안 방법
따라서 본 논문에서는 이러한 문제를 고려하여 주거건물 에너지 관리시스템을 위한 개선된 실시간 NIALM을 제안한다. 제안하는 방식의 신뢰성을 높이기 위한 방안으로 가전기기의 운용 상태까지 식별할 수 있는 모니터링 알고리즘을 설계하였다.
제안하는 시스템의 특성평가를 위해 냉장고, 형광등, 진공청소기, 전자레인지를 대상으로 하였다. 본 논문에서는 스마트 홈내에서의 가전기기에 대한 모니터링을 수행하기 위해 기존의 스마트 홈에서 구성되어 있는 전기배선을 적용하였다. 가전기기의 운용 상태를 식별할 수 있는 모니터링 수행을 위해 분전반 내의 주차단기(MCCB 52AF, 50A) 부하 선에 시스템을 연결하여 [Fig.
본 논문에서는 스마트 홈내에서의 가전기기에 대한 모니터링을 수행하기 위해 기존의 스마트 홈에서 구성되어 있는 전기배선을 적용하였다. 가전기기의 운용 상태를 식별할 수 있는 모니터링 수행을 위해 분전반 내의 주차단기(MCCB 52AF, 50A) 부하 선에 시스템을 연결하여 [Fig. 4]와 같은 시스템을 구성하였다.
주차단기를 거쳐 분기 차단기로 분배되는 배선에 NIALM을 위한 센서를 설치하였으며, 센서는 Current Transformer(1:1000)를 사용하였고, 부하기기를 보호하기 위해 기존 스마트 홈내에서 구축된 구조와 동일하게 ELCB(Earth Leakage Circuit Breaker)를 사용하였다.
전압의 변화를 측정하기 위해 출력 PT(Potential Transfomer, 0∼20mA)과 전류를 측정하기 위해 CT(Current Transformer, 1000:1)을 사용하였으며, 사용하였으며 이러한 센서를 통해 나온 출력은 DAQ (NIUSB-6009) Differential Channel로 공급되어 16비트 분해능으로 디지털로 변환된다.
이렇게 산출된 각종 전기 관련 파라미터들은 PF(Power Factor), DC(Duty Cycle), SO(Slop of On state), VO(Variation On state), ZC(Zero Crossing), DC, VO 및 ZC의 조합과 FI(Fourier Index)의 8가지 특징으로 표시되며, KNN(K-Nearest Neighbor) 분류자와 NB(Naïve Bayesian) 분류자를 사용하여, 14개의 후보군을 유도해내고, 다중적 다중 알고리즘 방법을 사용하여 이러한 잠재적 솔루션을 평가하였다.
2개의 DAQ 채널은 120kS/s의 변환 속도와 ±200mV의 Full Scale로 구성하였고, 이 구성을 사용하여 7mVRMS분해능으로 최대 230VRMS의 전압을 측정하고 458ARMS분해능으로 최대 15ARMS의 전류를 측정하였다.
[표 1]처럼 위의 FFT Processing을 거친 4가지 가전기기로 선별하였으며, 가전기기별 20번의 반복 인식률 시험을 진행하였고 인식된 예측치를 비교하여 그 정확도를 분석하였다.
대상 데이터
제안하는 시스템의 특성평가를 위해 냉장고, 형광등, 진공청소기, 전자레인지를 대상으로 하였다. 본 논문에서는 스마트 홈내에서의 가전기기에 대한 모니터링을 수행하기 위해 기존의 스마트 홈에서 구성되어 있는 전기배선을 적용하였다.
데이터처리
측정된 데이터가 LabVIEW를 통해 [Fig. 6]과 같이 프로세싱이 끝나면 MATLAB 스크립트를 사용하여 RMS 전압, RMS 전류, 능동, 반응 및 피상 전력, 역률 및 현재 신호의 1차 고조파를 최대 25까지 계산하였다.
이론/모형
설비 단위의 측정을 위해서는 개별 설비에 에너지 계측기를 부착하는 것이 가장 확실한 방법이지만, 비용적인 측면이나 관리적인 측면에서 어려움이 많이 따른다. 이를 해결하기 위해 연구된 방법이 NILM(Non-Intrusive Load Monitoring) 혹은 NIALM(Non-Intrusive Appliance Load Monitoring)이다.
NIALM을 수행하기 위한 계측 DAQ(Data Acquisition)의 세부 구성은 전압 및 전류 파형을 얻기 위해 NI에서 개발한 데이터 수집 모듈 (DAQ) NIUSB-6009과 데이터 수집, 가공, 처리하기 위한 모니터링 PC로 구성하였으며, 관련 데이터 처리 프로그램을 구현하기 위해 LABVIEW 2015와 MATLAB을 이용하였다. 데이터 처리 구성의 상세도는 [Fig.
전류 신호의 고조파 성분의 유효 값은 Discrete Fourier Transform의 고전적 방정식을 기반으로 한 공식을 사용하여 계산하였으며, 수식은 다음과 같다 [7].
성능/효과
이러한 가전기기로서는 냉장고, 진공청소기, 형광등, 전자레인지 등이 대표적이다. 이러한 가전기기들의 부하 특성은 기존 표준 기기에 대한 성분만을 고려한 NIALM에서 제안한 방안들이 다소 효과적이지 못함을 보여주는 결과를 나타낸다.
위의 결과를 분석하면, 각각의 가전기기가 독특한 고조파 특성을 지니고 있는데, 이 특성을 이용하면 고조파 특성을 가진 제품의 종류 및 전기 에너지 사용량을 인식할 수 있다. 즉, 고조파 특성을 가지는 가전기기에 대해 FFT를 통한 고조파 특성 분석 파라미터로서 그 기기의 종류를 인식할 수 있다는 것을 나타낸다.
위의 결과를 분석하면, 각각의 가전기기가 독특한 고조파 특성을 지니고 있는데, 이 특성을 이용하면 고조파 특성을 가진 제품의 종류 및 전기 에너지 사용량을 인식할 수 있다. 즉, 고조파 특성을 가지는 가전기기에 대해 FFT를 통한 고조파 특성 분석 파라미터로서 그 기기의 종류를 인식할 수 있다는 것을 나타낸다.
실험결과에서 보듯이 NIALM에 있어서 고조파 성분을 지니고 있는 가전기기의 인식과 에너지 사용량을 분석하기 위해서는 고조파의 영향 및 분석이 수행되어야 하며, 파라미터는 인식률 향상에 반드시 필요한 요소라는 것을 확인 할 수 있다.
따라서 본 논문에서는 FFT 처리를 통해 나온 결과 데이터를 기반으로 기존 NIALM 방식에 적용함으로써 개선된 시스템을 구현할 수 있었다.
본 장에서는 FI(Fourier Index)와 PF(Power Factor)를 고려하지 않는 것과 주요 파라미터로 사용하여 테스트한 결과 데이터를 비교함으로써 제안하는 논문의 적정성 및 신뢰성을 검증할 수 있었다.
[Table 3]은 FI(Fourier Index)와 PF(Power Factor)를 주요 파라미터로 사용한 결과로서 시험 대상들이 가지는 고유 고조파 특성을 고려하여 분류된 데이터다. 결과에서 보듯이 유사한 패턴을 보이는 진공청소기와 전자레인지에서도 인식률이 뚜렷해지는 결과를 만들어 냈다.
실험결과에서 보듯이 NIALM에 있어서 고조파 성분을 지니고 있는 가전기기의 인식과 에너지 사용량을 분석하기 위해서는 고조파의 영향 및 분석이 수행되어야하며, 파라미터는 인식률 향상에 반드시 필요한 요소라는 것을 확인 할 수 있었다. 즉, FI와 PF가 고려되지 않은 상태에서의 고조파 성분을 갖는 부하기기의 인식률은 60% 수준에 미치지 못하는 결과를 보인 반면에 FI와 PF를 고려한 다중적 다중 알고리즘이 90% 이상의 인식 성공률을 확인하였다.
실험결과에서 보듯이 NIALM에 있어서 고조파 성분을 지니고 있는 가전기기의 인식과 에너지 사용량을 분석하기 위해서는 고조파의 영향 및 분석이 수행되어야하며, 파라미터는 인식률 향상에 반드시 필요한 요소라는 것을 확인 할 수 있었다. 즉, FI와 PF가 고려되지 않은 상태에서의 고조파 성분을 갖는 부하기기의 인식률은 60% 수준에 미치지 못하는 결과를 보인 반면에 FI와 PF를 고려한 다중적 다중 알고리즘이 90% 이상의 인식 성공률을 확인하였다.
그러나 본 실험에서 그것이 사실이 아니며 전압 신호의 변화와 고조파의 존재로 인해 부하의 식별이 어려워지는 것을 확인할 수 있었다. 또한, 부하 모니터링 시스템의 정확성과 신뢰성을 향상시키기 위해 전압과 관련된 매개 변수와 고조파의 특성을 사용해야 한다는 결론을 내렸다.
그러나 본 실험에서 그것이 사실이 아니며 전압 신호의 변화와 고조파의 존재로 인해 부하의 식별이 어려워지는 것을 확인할 수 있었다. 또한, 부하 모니터링 시스템의 정확성과 신뢰성을 향상시키기 위해 전압과 관련된 매개 변수와 고조파의 특성을 사용해야 한다는 결론을 내렸다. 즉, 실질적이고 효과적인 NIALM을 구축하기 위해서는 반드시 고조파 성분과 전압의 변동 성분을 반영하여야만 실질적인 NIALM이 구축될 수 있다.
본 연구에서는 연구 대상인 NIALM의 적합한 전기 매개 변수를 적용함으로써 실제 고조파 특성을 지닌 가전기기의 인식률을 높은 수준으로 끌어 올릴 수 있었다. FI와 PF가 고려되지 않은 상태에서의 고조파 성분을 갖는 부하기기의 인식률은 60% 수준에 미치지 못하는 결과를 보였고, 동일한 기기에 대해 FI와 PF를 고려한 다중적 다중 알고리즘이 90% 이상의 인식 성공률을 보임을 확인하였다.
후속연구
따라서 본 논문에서 제안하는 FFT 처리를 통해 나온 결과 데이터를 기반으로 기존 NIALM 방식에 적용함으로써 홈 네트워크에서 실제 운용되는 가전 에너지 효율성 증대와 스마트그리드 전력 수요관리 시장에 서비스를 제공할 수 있을 것으로 기대한다.
향후, 에너지 절감 효과를 기대할 수 있는 홈 네트워크 시스템을 구축하기 위해서는 본 논문에서 제안하는 개선된 NIALM 방식을 기반으로 다양한 측면에서의 연구가 뒷받침 되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
가전기기 에너지 소비를 모니터링 하는 기술은 어떻게 구분할 수 있는가?
기본적으로 건물의 가전기기 에너지 소비를 모니터링하는 기술은 IALM(Intrusive Appliance Load Monitoring)과 NIALM(Non-Intrusive appliance Load Monitoring) 두 방식으로 구분할 수 있다.
IALM은 어떤 방식인가?
IALM은 각 기기마다 부착된 장치를 이용하여 모든 기기의 소비를 측정하는 방식으로서, 복잡하고 많은 비용과 시간이 소요된다. NIALM은 회로 패널 레벨에서 측정한 것만으로 필수정보를 모니터링하고 탐지 및 추출하는 방식으로서 각 분기별 측정방법과 주회로 측정방법으로 구분할 수 있다.
스마트그리드의 소비자 부문에서 요구되는 전력 수요량이 매년 증가하며 어떤 문제가 발생하고 있는가?
매년 전력 수요량이 최고치를 갱신하고 있는 실정이다. 또한, 늘어나는 전기 수요량을 맞추기 위해 사용되는 석유, 천연가스 및 석탄 등 주요 에너지원은 유한한 자원으로서 고갈될 수밖에 없는 상황에 처해 있다[2]. 뿐만 아니라, 대기 중 오염을 방지하기 위해 많은 국가에서 에너지 보존 및 절감을 위한 법 개정과 인프라 구축 등 세계적으로 중요한 이슈로 부상하고 있다. 이러한 각국의 법 개정 움직임과 같이 산업계에서는 여러 가지 솔루션을 개발하고 있으며, 마이크로 그리드(Micro Grid) 및 에너지 수요 최적화에 많은 관심이 집중되고 있다.
참고문헌 (8)
Chan-Kuk, Park "Trends and Implications of Smart Grid in Major Countries," The Energy & Climate Change. Energy Management Corporation, Korea, 2013.
Bureau of Energy "Long-Term Demand Forecast and Energy Report," Technical Report for Ministry of Economic Affairs: Taipei, Taiwan, 2011.
G. W. Hart, "Nonintrusive appliance load monitoring," Proc. IEEE,vol.80, no. 12, pp. 1870-1891, USA. 1992. DOI: https://doi.org/10.1109/5.192069
Building Energy Data Book; United States Department of Energy: Washington, DC, USA, 2009.
Lu-Lulu, Sung-Wook Park "Electric Load Signature Analysis for Home Energy Monitoring System," International Journal of Fuzzy Logic and Intelligent Systems, vol. 12, no. 3, pp. 193-197, Korea 2012. DOI: http://doi.org/10.5391/IJFIS.2012.12.3.193
Ducange, P.; Marcelloni, F.; Michela, A. A Novel "Approach Based on Finite-State Machines with Fuzzy Transitions for Noninstrusive Home Appliance Monitoring," IEEE Trans. Ind. Appl, 1185-1197, Itary, 2014. DOI: https://doi.org/10.1109/TII.2014.2304781
Hsueh-Hsien Chang, "Non-Intrusive Demand Monitoring and Load Identification for Energy Management Systems Based on Transient Feature Analyses," Energies 4569-4589, Taiwan, 2012.
Mario Berges, Ethan Goldman, H.Scott Matthews, Lucio Soibelman, "Learning System for Electric Consumption of Building," Carnegic Mellon University, 2007.
이 논문을 인용한 문헌
저자의 다른 논문 :
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.