초록 ▼

□연구개요
1) 연구개발의 필요성
∙ 전력설비, 냉난방설비, 공조설비, 조명설비 등 빌딩 전체 부하량을 효율적으로 관리하기 위해서는 빌딩의 고유 부하사용 패턴 및 특징과 기온 및 날씨 등의 외부 요인들 또한 잘 반영할 수 있는 예측기법 개발이 필수적임
∙ 빌딩부하예측으로 얻을 수 있는 정보를 통해서 BEMS의 최적 충∘방전시점을 선택하여 ESS의 효율적인 관리가 필수적임
2) 연구개발의 최종 목표
∙ 딥 러닝 기반의 전력수요예측 모델 개발 및 BEMS 충∘방전 계획 수립을 위한 최적알고리즘 개발
∙

□연구개요
1) 연구개발의 필요성
∙ 전력설비, 냉난방설비, 공조설비, 조명설비 등 빌딩 전체 부하량을 효율적으로 관리하기 위해서는 빌딩의 고유 부하사용 패턴 및 특징과 기온 및 날씨 등의 외부 요인들 또한 잘 반영할 수 있는 예측기법 개발이 필수적임
∙ 빌딩부하예측으로 얻을 수 있는 정보를 통해서 BEMS의 최적 충∘방전시점을 선택하여 ESS의 효율적인 관리가 필수적임
2) 연구개발의 최종 목표
∙ 딥 러닝 기반의 전력수요예측 모델 개발 및 BEMS 충∘방전 계획 수립을 위한 최적알고리즘 개발
∙ 시뮬레이션을 통한 딥 러닝기반의 부하예측 및 ESS 충∘방전 계획 수립을 위한 최적알고리즘 유용성 평가

□연구 목표대비 연구결과
1) 전력 수요 예측 알고리즘 고도화를 위한 딥 러닝 기반 예측 모델 개발
∙ 모델 구현에 사용된 부하 데이터 : 2015년 1월~2017년 12월(1시간 단위데이터)
- 학습(80%) 및 검증(20%) 데이터 : 2015년 1월~2016년 12월
- 테스트 데이터 : 2017년 전체
∙ 딥 러닝 기반의 CNN 및 LSTM을 이용한 전력 부하 예측 모델
- 8개의 입력 변수 적용 : 기온(예측일), 달 유형(1~12month), 시간(1~24hour) 날 유형(1~7day), 휴일/ 주말 표시(0/1), 하루 전 부하, 일주일 전 부하
- 다음 날 예측(24hour)
① 딥 구조의 CNN 기반 예측 모델 개발
: 2017년 기준으로 ARMA 모델 대비 MAPE가 평균 0.5% 감소
② 딥 구조의 LSTM 기반 예측 모델 개발
: 2017년 기준으로 ARMA 모델 대비 MAPE가 평균 0.33% 감소
2) 전기요금 최적화를 위한 BEMS 충∘방전 계획 수립
∙ 한국전력 인재개발원의 2017년 전력부하 데이터를 적용
- 최대전력수요발생(17년 7월 19일)기준, ESS 최적 용량선정 및 전기요금 최소화
① 사양 : 정격 65KW, 기준용량 250KWh
② 절감된 요금 : 17년 7월 기준대비 연간 ￦ 554,350원 절감 (ESS 유지보수 비용 고려하지 않음)

□연구개발결과의 중요성
∙ 빌딩내 냉난방과 공조설비의 최적스케줄운전, 최대수요전력제어 등을 통한 에너지 제어기술에 적용하여 에너지 소비량을 절감효과를 기대
∙ 태양광발전시스템, 에너지저장시스템, 전기자동차충전시스템과 연동하여 건물 내의 에너지생산과 저장을 최적으로 관리할 수 있는 기반을 제공
∙ 에너지 사용량 분석을 통한 에너지효율화기능을 제공할 수 있으며, 스마트그리드 연계로 에너지 비용이 저렴한 시간대로 부하이동, 신재생에너지원연계, 전력거래 기능 등 스마트한 방식의 에너지 서비스 개발에 기여

(출처 : 요 약 문 2p)

목차 Contents

• 표지 ... 1연구결과 요약문 ... 2목차 ... 31. 연구개발과제의 개요 ... 4 가) 연구개발의 필요성 ... 4 나) 연구개발의 최종목표 ... 4 다) 연구개발 범위 ... 42. 연구수행내용 및 연구결과 ... 4 가) 수학적 기법을 적용한 기존 전력수요예측 모델 및 기존 머신 러닝기반의 전력수요예측 모델 성능 비교 ... 4 나) 딥 러닝 기반의 CNN 및 LSTM 을 이용한 전력수요 예측 모델 성능 비교 ... 5 다) 한국전력 인재개발원의 최대전력수요 절감에 따른 전기요금 최소화를 위한 ESS 사양 선정 ... 63. 연구개발결과의 중요성 ... 74. 참고문헌 ... 75. 연구성과 ... 8끝페이지 ... 9