KR20150123540A

KR20150123540A - 전력 소비 최적화를 위한 스마트 시스템의 동작방법 및 장치

Info

Publication number: KR20150123540A
Application number: KR1020140050053A
Authority: KR
Inventors: 이동섭; 서성목; 조혜정
Original assignee: 삼성전자주식회사
Priority date: 2014-04-25
Filing date: 2014-04-25
Publication date: 2015-11-04
Also published as: US20150310461A1; EP3134860A1; JP6671344B2; JP2017516247A; EP3134860A4; WO2015163732A1; CN106233321A

Abstract

본 발명의 일 실시예에 따른 소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나를 포함하는 전력 소비정보를 수집하는 과정; 상기 수집된 전력 소비정보를 이용하여, 상기 소비자에 대응하는 전력 요금제를 결정하는 과정; 및 상기 결정된 전력 요금제를 소비자 단말에게 전송하는 과정을 포함한다.

Description

전력 소비 최적화를 위한 스마트 시스템의 동작방법 및 장치{A method and an apparatus operating of a smart system for optimization of power consumption}

본 발명은 기후와 전력사용 이력 기반하여 전력 소비를 최적화하는 발명에 관한 것으로, 전력사용량 예측 및 저비용 요금제 최적화와 이에 따른 전력 소비 최적화와 이를 위한 기기 제어 기술에 관한 것이다.

종래에는 다수 전력회사, 다양한 전력 요금제 등이 존재함으로 인해 다음과 같은 문제점이 있다.

즉, 전력회사가 많고, 다양한 요금제로 인해, 소비자가 요금제 선택을 위한 어려움이 존재한다. 또한, 지역별 전력 요금 간 큰 편차가 존재하고, 요금제 선택에 따른 소비자의 에너지 비용 부담 편차가 크다.

또한, 현재 전 세계를 대상으로 하는 전력요금제 추천 서비스는 상용화되어 있지 않다. 과거 전력사용 이력을 기반으로 연간 전력 사용량을 예측하는 기술은 존재하지만, 전력 예측 정확도가 떨어지며, 기후 데이터와 연계한 패턴분석 및 이를 기반으로 하는 최적 요금제 추천 방법은 없다. 또한, 홈, 빌딩, 공장을 대상으로 하는 전력량 저감 및 전력비용 최소화할 수 있는 에너지 서비스가 존재하지 않는다.

본 발명이 해결하고자 하는 과제는 계약전력 최적화 서비스를 통해 기후/전력 패턴 기반 최대출력 예측 및 계약전력을 추천할 수 있도록 하고, 기후 정보, 실시간 전력 사용정보, 미래 이벤트 기반 최적화 모형 이용한 저비용 요금제를 추천할 수 있도록 하며, 데이터 학습을 통한 모델링을 통해 공조기기 제어를 수행할 수 있도록 하는 전력 소비의 최적화를 위한 스마트 시스템의 동작방법 및 장치에 관한 것이다.

본 발명의 일 실시예에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작방법은 소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나를 포함하는 전력 소비정보에 기반하여, 상기 소비자에 대응하는 전력 요금제를 결정하는 과정; 및 상기 결정된 전력 요금제에 대한 정보를 소비자 단말에게 전송하는 과정을 포함한다.

본 발명의 일 실시예에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작장치는 소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나 이상을 포함하는 전력 소비정보에 기반하여, 상기 소비자에 대응하는 전력 요금제를 결정하는 요금제 결정부; 및 상기 결정된 전력 요금제에 대한 정보를 소비자 단말에게 전송하는 인터페이스부를 포함한다.

본 발명에 따르면, 계약전력 기반 기본요금 산정에 대응하는 소비자 맞춤형 추천으로 전력요금 절감할 수 있다. 과거 전력 Data, 기후 Data 및 미래 이벤트 연계한 소비자 맞춤형 저비용 요금제 추천으로 전력비용 절감할 수 있다. 추천된 요금제에 부합하는 전력 소비패턴과 이를 위한 기기 운전 스케쥴 (온도, 운전모드 등) 제어로 전력요금 절감할 수 있다.

본 발명 및 그의 효과에 대한 보다 완벽한 이해를 위해, 첨부되는 도면들을 참조하여 하기의 설명들이 이루어질 것이고, 여기서 동일한 참조 부호들은 동일한 부분들을 나타낸다.
도 1은 본 발명에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작을 설명하기 위한 참조도이다.
도 2는 소비자의 요금 정보에 따른 최적의 고정 요금제를 결정하기 위한 과정을 예시한 참조도이다.
도 3a 내지 도 3d는 도 2에 도시된 고정 요금제의 결정에 따른 시뮬레이션 결과에 대한 참조도이다.
도 4는 소비자의 요금 정보에 따른 최적의 고정 또는 변동 요금제를 결정하기 위한 과정을 예시한 참조도이다.
도 5a 내지 도 5e는 도 4에 도시된 고정 또는 변동 요금제의 결정에 따른 시뮬레이션 결과에 대한 참조도이다.
도 6은 신재생 에너지 기반 최적의 고정 또는 변동 요금제를 결정하기 위한 과정을 예시한 참조도이다.
도 7a 내지 도 7f는 도 6에 도시된 고정 또는 변동 요금제의 결정에 따른 시뮬레이션 결과에 대한 참조도이다.
도 8은 본 발명에 따른 전력 소비의 최적화를 위한 모델링 방법을 설명하기 위한 참조도이다.
도 9는 기후 대응 전력 예측 회귀모델을 설명하기 위한 일 실시예의 플로차트이다.
도 10은 실시간 요금 예측 회귀모델을 설명하기 위한 예시적인 참조도이다.
도 11은 최적화 모델을 설명하기 위한 예시적인 참조도이다.
도 12는 본 발명에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작방법을 설명하기 위한 일 실시예의 플로차트이다.
도 13은 본 발명에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작장치를 설명하기 위한 일 실시예의 블록도이다.

본 특허 명세서에서 본 발명의 원리들을 설명하기 위해 사용되는 도 1 내지 도 13은 단지 예시를 위한 것인 바, 발명의 범위를 제한하는 어떠한 것으로도 해석되서는 안된다. 당해 분야에서 통상의 지식을 가진 자는 본 발명의 원리들이 적절하게 배치된 임의의 무선 통신시스템에서도 구현될 수 있음을 이해할 것이다.

본 발명은 기후와 전력사용 이력 기반 패턴 모델링, 미래 이벤트를 포함한 전력사용량 예측 및 저비용 요금제 최적화 및 추천된 요금제에 부합하는 기기 자동제어 방법을 제공한다.

본원발명을 기술하기에 앞서서 전력 요금제에 대해 설명하면 다음과 같다. 전력 요금제는 일반적으로 고정 요금제와 변동 요금제로 구분된다.

고정 요금제는 사용량, 사용 시기에 따른 가격 변동이 없으며, 기후, 시장, 경제에 따른 가격 변동 위험성으로부터 자유롭다는 특징이 있다.

한편, 변동 요금제는 다시 시간대 별 요금제(TOU), 피크 요금제(CPP), 실시간 요금제(RTP)로 구분된다.

도 1은 본 발명에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작을 설명하기 위한 참조도이다. 도 1에 도시된 바와 같이, 소비자 단말(10)은 홈/빌딩/공장 등의 전력 요금 정보, 사용 요금제 정보, 사용하는 소비자 기기정보, ESS 정보, 신재생 에너지 정보 등을 네트워크(40)을 통해 스마트 시스템(50)에 제공한다. 또한, 전력회사(20)는 각 소비자에 대한 과거 전력사용량, 전력 피크정보, 계약전력 정보 등을 네트워크(40)을 통해 스마트 시스템(50)에 제공한다. 또한, 기상청(30)은 과거 기후정보, 예상 기호정보 등을 네트워크(40)을 통해 스마트 시스템(50)에 제공한다. 스마트 시스템(50)은 소비자 단말(10), 전력회사(20), 기상청(30)에서 제공되는 정보를 수집하고, 전력 요금, 전력 사용량, 기상청 예보와 연동한 전력소비량 예측 및 그에 따른 최적 요금제 및 최적화된 요금제를 기반으로 전력 소비 최적화 패턴을 결정하여 소비자 단말(10)에게 제공하고, 한편, 네트워크 기반의 소비자 기기(60)에 대해 최적의 기기 제어 서비스를 제공한다. 여기서, 소비자 기기(60)의 일 예로서, TV, 게이트웨이, 모바일 단말기, 네트워크 연동 가전 기기 등을 포함한다.

도 2는 소비자의 요금 정보에 따른 최적의 고정 요금제를 결정하기 위한 과정을 예시한 참조도이다. 도 2에 도시된 바와 같이, 요금 정보로서, 연간 또는 월간 요금 영수증, 요금 이체정보, 요금제 테이블 정보를 이용하여 에너지 사용량 데이터를 검출할 수 있으며, 검출된 에너지 사용량 데이터를 이용한 회귀 모델을 통해 과거 에너지 소비 대비 월간/연간 최적 요금제를 도출한다. 또한, 후술하는 바와 같이, 과거 기상 데이터를 포함하는 기후정보를 이용하여 차주/차월 최적 요금제를 도출할 수 있다.

도 3은 도 2에 도시된 고정 요금제의 결정에 따른 시뮬레이션 결과에 대한 참조도이다. 도 3 (a)는 과거 에너지 소비 대비 월간/연간 최적 요금제 결정에 따른 비교 결과로서, 연간 에너지 소비 데이터를 사용하여 기존 요금제와 최적 요금제와의 차이를 월별(1년간) 요금 납부금액으로 비교 분석한 결과이다.

한편, 도 3 (b) 내지 (d)는 과거 기상 데이터를 기반으로 하여 차주/차월 최적 요금제 결정에 따른 비교결과이다. 과거 일년간의 에너지 소비 데이터와 기상 데이터를 연계하여 수학적 모형 도출 및 에너지 소비 예측으로 최적 요금제를 도출한다. 도 3 (b)는 기상 데이터와 에너지 소비 패턴 분석 및 모델링에 관한 참조도로서, 외기 온도에 따른 전력량에 대한 소비 패턴의 분석을 의미한다. 도 3 (c)는 모델링 검증에 대한 참조도에 해당하는 것으로, 예측 모형 검증에서 실제 데이터와 비교하여 5% 미만의 에러를 갖는 것에 대해 도시한 것이다. 도 3 (d)는 모델링을 통한 차주 에너지 예측 및 일별 요금 분석에 대한 참조도로서, 에너지 예측이 최소화되는 요일(예를 들어, 화요일 및 수요일)에 전력을 분산 사용할 수 있도록 한다.

도 4는 소비자의 요금 정보에 따른 최적의 고정 또는 변동 요금제를 결정하기 위한 과정을 예시한 참조도이다. 도 4에 도시된 바와 같이, 요금 정보로서, 실시간 전력사용량에 대한 정보, 요금제 테이블 정보 또는 외부 온도 등의 정보를 이용하여 시간당 에너지 사용량 데이터를 검출할 수 있으며, 이렇게 검출된 에너지 사용량 데이터를 이용한 회귀 모델을 통해 과거 에너지 소비 대비 월간/연간 최적 요금제를 도출한다. 또한, 기후정보를 이용함으로써, 과거 기후 정보에 따른 차주/차월 최적 요금제를 도출할 수 있다. 또한 후술하는 바와 같이, 최적 요금제에 대응하는 최적 에너지 소비 패턴 및 공조기기 연동 제어정보를 도출할 수 있다.

도 5는 도 4에 도시된 고정 또는 변동 요금제의 결정에 따른 시뮬레이션 결과에 대한 참조도이다. 도 5 (a)는 결정된 최적 요금제에 따른 맞춤형 전력 소비 패턴 최적화가 이루어진 것을 예시한 참조도이다. 즉 피크전력(DR)을 절감하도록 최적화한다. 도 5 (b)는 기존 대비 전력 소비 비용 절감효과를 설명하기 위한 참조도로서, 표시 부분만큼 에너지 비용의 절감이 됨을 확인할 수 있다.

도 5 (c) 내지 (e)는 최적 전력 소비 패턴에 맞는 기기 연동 제어를 설명하기 위한 것으로, 과거 일년 또는 일정기간의 에너지 소비 데이터와 기상 데이터를 연계한 에너지 수학적 모형 및 기기제어 스케줄링 기반 셋 포인트(Setpoint) 계산 결과를 예시한 참조도이다. 도 5 (c)는 기상 데이터와 에너지 소비 패턴 분석 및 모델링을 예시하는 참조도이고, 도 5 (d)는 모델링 검증을 예시한 참조도로서 에러율이 5% 이하에 해당함을 예시하며, 도 5 (e)는 모델링 (Setpoint) 기반 공조 시스템 제어를 예시하는 참조도로서, 시간대 별로 공조 시스템의 온도 제어를 통해 빗금친 표시 부분만큼의 전력을 절감할 수 있다.

도 6은 신재생 에너지 기반 최적의 고정 또는 변동 요금제를 결정하기 위한 과정을 예시한 참조도이다. 신 재생에너지와의 연동을 위해서는 에너지 저장을 위한 ESS(Energy Storage System) 장비가 필수적으로 설치된다. 일반적으로 ESS와 전원제어장치인 PCS(Power Control System) 그리고 에너지 관리 시스템인 EMS(Energy Management System)가 함께 구성된다. 여기서 ESS는 베터리와 같이 소모품으로써 충/방전 횟수, 충/방전 속도, 베터리 재료에 따라 가격과 수명이 좌우되어 실제로 신 재생에너지와 연계 시 ROI(Return On Investment)를 계산하여 시스템에 적용된다. 즉, 무조건 많은 충/방전과 빠른 충/방전이 최선이 아니라, 에너지 요금 및 투자비를 고려한 최적 제어가 요구 된다. 이를 바탕으로 최대부하(고비용)시 ESS 사용으로 에너지 비용 절감 효과를 볼 수 있다. 본 발명에서는 기후 기반 신 재생에너지 회귀모델을 바탕으로, ESS에 충/방전 시기와 양 및 속도를 연계한 비용최소화 제어기법을 통해 신 재생에너지를 활용한다.

도 7은 도 6에 도시된 고정 또는 변동 요금제의 결정에 따른 시뮬레이션 결과에 대한 참조도이다. 최적화 요금제 추천 기반 ESS(Energy Storage System) 적용 시 최적 에너지 소비 패턴을 도출한다. 도 7 (a)는 최적 ESS 충/방전 스케줄을 예시한 참조도이다. 도 7 (b) 는 최적 요금제 기반 시간별 전력 소비 패턴을 설명하기 위한 참조도이고, 도 7 (c)는 도 7 (b)에 따른 시간별 비용 절감을 설명하기 위한 참조도이다. 도 7 (b) 및 (c)에 도시된 바와 같이, 예를 들어, 낮 12시 정도에 전력 소비를 최소화하도록 함으로써, 비용 절감 효과를 얻을 수 있다.

한편, 도 7 (d) 내지 (f)는 최적화 요금제 추천 기반 ESS 및 신재생에너지(PV) 적용 시 최적 에너지 소비 패턴을 도출한 참조도이다. 도 7 (d)는 최적 ESS 충/방전 및 신재생 에너지(PV) 스케줄을 예시한 참조도이다. 도 7 (e) 및 (f)는 최적 요금제 기반 시간별 에너지 소비 패턴 및 시간별 비용 절감을 설명하기 위한 참조도이다. 도 7 (e) 및 (f)에 도시된 바와 같이, 예를 들어, 낮 12시 정도에 전력 소비를 최소화하도록 함으로써, 비용 절감 효과를 얻을 수 있다.

이하에서는 본원발명의 구현을 위한 알고리즘을 설명한다.

도 8은 본 발명에 따른 전력 소비의 최적화를 위한 모델링 방법을 설명하기 위한 참조도이다. 도 8에 따르면, 기후 대응 전력 예측 회귀모델, 실시간 요금 예측 회귀모델 및 최적화 모델에 대해 각각 예시한다.

기후 대응 전력 예측 회귀모델은 이상기후, 예보 오류 및 오차에 대한 불확실성 대응 방법에 관한 것이다.

기후 대응 전력 예측 회귀모델은 기후기반 빌딩소비 전력량 예측에 있어 발생하는 불확실성(Uncertainty) 인자(예를 들어, 온도, 습도 및 일조량 등)를 고려하여, 기후의 민감도(Sensitivity)를 감소시킴으로써 전력량 예측 정확도 향상시킨다. 다음의 수학식 1은 기후 대응 전력 예측 회귀모델에 따른 전력 에너지 예측값을 구하기 위한 수식이다.

상기 E_t ₊₁은 상기 전력 예측 회귀모델에 따른 다음 시간대의 예측 전력을 의미하고, 상기 E_day는 하루 동안의 시간대 별 전력 예측 회귀모델에 따른 예측 전력을 의미한다.

한편, 상기 X_T는 온도를 의미하고, 상기 X_H는 습도를 의미하고, 상기 X_R는 일조량을 의미하고, 상기 W_T는 온도 가중치를 의미하고, 상기 W_H는 습도 가중치를 의미하고, 상기 W_R는 일조량 가중치를 의미한다.

기후 대응 모델에 대한 각 변수의 참조 테이블을 예시하면 다음의 표 1과 같다.

	X_T	X_H	X_R
과거 월/계절별 기상청 정보	x_T1	x_H1	x_R1
당일 기상청 예보정보	x_T2	x_H2	x_R2
실시간 외기 정보	x_T3	x_H3	x_R3
과거 시간대별 기상청 정보	x_T4	x_H4	x_R4

표 1을 참조하여,

을 계산하면, 다음의 수학식 2와 같다.

수학식 2로부터 각각의 가중치에 해당하는 값을 다음의 수학식 3을 통해 산출할 수 있다.

도 9는 기후 대응 전력 예측 회귀모델을 설명하기 위한 일 실시예의 플로차트이다. 도 9에서, 기후 관련 가중치들

, 과거 월/계절별 기상청 정보

, 당일 기상청 정보

, 실시간 외기정보

,

, 과거 월/계절별 기온 이력, 3시간 단위 당일 기상청 온도 표준편차

를 정의한다.

도 9에 따르면, 외기 온도가 정상 범위에 해당하지 않는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 이상 기후에 따른 가중치가 적용된다. 한편, 외기 온도가 정상 범위에 해당한다는 조건 하에, 기상 예보가 정상 범위에 속하는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 기상청 예보 오차범위 내에 해당하는 가중치가 적용된다. 또한, 기상 예보가 정상 범위에서 벗어나는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 기상청 예보 오류에 해당하는 가중치가 적용된다. 한편, 외기 온도 정상범위를 판단하는 과정과 기상예보 정상범위를 판단하는 과정의 선후를 바꾸어 각각에서 이상 기후 여부를 판단할 수 있으며, 이에 따른 가중치를 달리하여 기후 대응 전력 예측 회귀모델을 적용할 수도 있다.

실시간 요금 예측 회귀모델은 실시간 요금변동에 따른 스케줄링 최적화 방법에 관한 것이다. 단기(1시간) 요금 사전 공지의 경우 다음날 하루 전체의 최적 스케줄링에 한계가 있다. 이에 따라, 실시간 요금 예측 회귀모델은 스마트 그리드(Smart Grid) 도입 시 적합한 요금제도의 구현을 위해 필요한 것으로, 과거 시간대별 실시간 요금 데이터, 그때의 기후정보, 연료비 정보 등을 통한 실시간 요금 예측을 산출하기 위한 것이다. 이를 위해, 통계 모델 예측을 사용한다. 다음의 수학식 4는 실시간 요금 예측 회귀모델에 따른 실시간 요금 예측값을 구하기 위한 수식이다.

상기 C_t _,d+ ₁는 요금 예측 회귀모델에 따른 예측 요금을 의미하고, d는 예측 전일부터 일정기간을 의미하고, C_t _,d는 과거 시간대별 상기 일정기간 실시간 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고,

는 과거 및 실시간 시간대별 기후정보를 의미하고, E_t _,d는 과거 전력회사 시간대별 에너지 정보를 의미한다.

또한, 다음의 수학식 5는 실시간 요금 예측 통계모델에 따른 실시간 요금 예측값을 구하기 위한 또 다른 수식이다. 통계 모델 기반의 예측값이 일정 범위를 벗어나는 경우에 당일의 실시간 요금에 기반한 요금 예측 기법으로써 수학식 5의 실시간 예측 요금 통계모델을 적용한다.

상기 C_t _,d+ ₁는 요금 예측 통계모델에 따른 예측 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고, E_t _,d+ ₁는 현재 전력회사 시간대별 에너지 정보를 의미한다. t는

에 해당한다.

전술한 수학식 4 또는 5는 회귀모델 기반 예측에 따른 실시간 예측 요금이 일정 범위 (σ)를 만족하는가 여부에 따라 적용한다.

도 10은 실시간 요금 예측 회귀모델을 설명하기 위한 예시적인 참조도이다. 도 10 (a)는 회귀모델 기반 예측값이 일정 범위 (σ) 내에 속하는 경우에 과거 전력회사의 시간대별 전력값 및 실시간 요금값에 기반한 수학식 4의 실시간 요금 예측 회귀모델을 사용하는 것을 예시한 것이며, 도 10 (b)는 회귀모델 기반 예측값이 일정 범위 (σ)를 벗어나는 경우에 당일의 실시간 요금에 기반한 요금 예측 기법으로써, 수학식 5의 실시간 요금 예측 통계모델을 사용함을 예시한 것이다.

최적화 모델은 각 변수에 대한 global optimal을 만족하도록 하는 방법에 관한 것이다. 그러나, 본 발명은 종래의 개별 최적화, 순차 최적화 또는 single objective 최적화와 달리, 변수 중 영향력이 큰 변수와 우성인자의 결합에 따른 최적 변수값을 산출할 수 있도록 한다. 이를 통해, 최적화를 위한 계산 시간을 단축시킬 수 있다.

예를 들어, 세가지 값(y₁, y₂, y₃)를 최적화하기 위한 방법을 설명한다. 여기서, y₁은 연간/월간 저비용 요금제 최적화 값이고, y₂는 실시간 계약전력 최적화 값이고, y₃은 실시간 저비용 소비패턴 최적화 값이라 가정한다. 동일 도메인 상의 변수 중 각 y₁, y₂, y₃에 영향력이 큰 변수와 각 y₁, y₂, y₃의 우성 인자(y*₁, y*₂, y*₃)의 결합 방법론이다.

여기서, Y는 세가지 값 각각에 대한 최적화 값을 의미하고, 요금제 변수는 [시간대별 요금제, 피크 요금제, 실시간 요금제]에 해당하는 [TOU(t), CPP(t), RTP(t)]를 예시할 수 있고, 이들 요금제의 조합도 가능하다. 또한, 계약전력 변수는 [시간대별 공조기기, 조명 장치, 기타 가전제품에 해당하는 [HVAC(t), Lighting(t), Appliance(t)]를 예시할 수 있다. 또한, 소비패턴 변수는 [시간대별 재실자, 각각의 공간에 적용된 공조기기 설정온도, 각각의 공간의 실내온도에 해당하는 [Occupancy(t), Zone Setpoint(t), Room Temp(t)]를 예시할 수 있다. 여기서, t는

에 해당한다.

예를 들어, y₁은 연간/월간 저비용 요금제 최적화를 위한 값이고, y₂는 실시간 계약전력 최적화를 위한 값이고, y₃는실시간 저비용 소비패턴 최적화를 위한 값이다. 수학식 6에 따른 y₁, y₂, y₃의 산출식은 다음의 수학식 7과 같다.

y₁ _,t는 저비용 요금제 최적화 값을 의미하고, x_1,t, x_2,t, x_3,t는 t시간에서의 요금제 변수에 해당하고, x*_4,t-1, x*_5,t-1, x*_6,t- ₁는 t-1시간에서의 계약전력 우성인자에 해당하는 상수값을 의미하고, x*_7,t-1, x*_8,t-1, x*_9,t- ₁는 t-1시간에서의 소비패턴 우성인자에 해당하는 상수값을 의미한다.

또한, y₂ _,t는 계약전력 최적화 값을 의미하고, x_4,t, x_5,t, x_6,t는 t시간에서의 계약전력 변수에 해당하고, x*_1,t-1, x*_2,t-1, x*_3,t- ₁는 t-1시간에서의 요금제 우성인자에 해당하는 상수값을 의미하고, x*_7,t-1, x*_8,t-1, x*_9,t- ₁는 t-1시간에서의 소비패턴 우성인자에 해당하는 상수값을 의미한다.

또한, y₃ _,t는 소비패턴 최적화 값을 의미하고, x_7,t, x_8,t, x_9,t는 t시간에서의 소비패턴 변수에 해당하고, x*_1,t-1, x*_2,t-1, x*_3,t- ₁는 t-1시간에서의 요금제 우성인자에 해당하는 상수값을 의미하고, x*_4,t-1, x*_5,t-1, x*_6,t- ₁는 t-1시간에서의 계약전력 우성인자에 해당하는 상수값을 의미한다.

여기서, t, t-1은 최적화 알고리즘이 동작하는 각각의 단계를 의미한다.

도 11은 수학식 7에 따른 최적화 모델을 설명하기 위한 예시적인 참조도이다. 도 11에 도시된 바와 같이, 각 시간에서 저비용 요금제 최적화 값, 계약전력 최적화 값, 소비패턴 최적화 값을 산출함으로써, y₁ _,t, y₂ _,t, y₃ _,t를 만족하는 값으로 수렴하는 것을 확인할 수 있다. 즉, 저비용 요금제 최적화 y₁=min(전력비용)=min(f(TOU, CPP, RTP(t)), 에너지 패턴기반 계약전력 최적화 y₂=min(계약전력)=min(f(HVAC(t), Lighting(t), Appliance(t)), 기기제어 기반 저비용 소비패턴 최적화 y₃=min(저비용 소비패턴) =min(f(Occu.(t), ZoneS.P(t), RTemp(t))을 반복적으로 산출함으로써, 저비용 요금제 최적화 값, 계약전력 최적화 값, 소비패턴 최적화 값을 각각 만족하는 값들로 수렴한다.

한편, 계통 전력 이외에 ESS 정보 및 신재생 에너지정보를 이용하여 최적의 전력 요금제를 결정하거나, 최적의 전력 소비패턴을 결정할 수 있다. 이를 위해 다음의 수학식 8과 같은 ESS 정보 및 신재생 에너지정보를 이용한다.

Out Temp(t)는 외부 온도를 의미하고, Wind Speed(t)는 바람의 속도를 의미하고, Radiation(t)는 일조량을 의미하고, Electricity Rate(t)는 전력율을 의미하고, E_day는 소비 전력 회귀모델에 따른 소비전력을 의미하고, ESS_lifecycle은 ESS의 수명 주기를 의미하고, ESS_charging _rate는 ESS의 충전율을 의미한다.

여기서 ESS는 베터리와 같이 소모품으로써 충/방전 횟수, 충/방전 속도, 베터리 재료에 따라 가격과 수명이 좌우되어 실제로 신 재생에너지와 연계 시 ROI(Return On Investment)를 계산하여 시스템에 적용된다. 즉, 에너지 요금 및 투자비를 고려한 최적 제어가 요구되며, 기후 기반 신 재생에너지 회귀모델을 바탕으로, ESS에 충/방전 시기와 양 및 속도를 연계한 비용최소화 제어기법을 통해 신 재생에너지를 활용한다.

한편, 최적화 모델을 통해 구해진 실시간 저비용 소비패턴을 이용하여, 에너지 서비스를 제공하는 기기(예를 들어, 공조 기기)에 대한 기기 제어정보를 검출한다. 이러한 기기 제어정보를 검출하는데 있어서는 다음의 수학식 9를 사용한다.

상기 Setpoint는 상기 기기 제어정보를 의미하고, Δ Temp.(t) 값은 외부온도와 실내 온도의 차로서, Δ Temp.(t) 에 따라 냉난방 조절이 가능하다. 따라서, 여름철에는 Δ Temp.(t)값을 적정 양수 이상이 되도록 기기를 제어하고, 겨울철은 적정 음수 이하가 되도록 기기를 제어한다.

과거 일년 또는 일정기간의 외기 온도 기반 소비전력 회귀모델 및 도출된 소비전력과 실내온도, 재실자 정보, Δ Temp.(t)와의 다변수(multivariable) 회귀모델을 바탕으로 설정온도(setpoint)를 계산한다. 즉 멀티 회귀모델을 통해 소비패턴 기반 기기 연동 제어 값을 도출할 수 있다. 회귀모델로는 Polynomial Regression과 ANN, SVR 등의 머신러닝 방법론이 쓰일 수 있다.

도 12는 본 발명에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작방법을 설명하기 위한 일 실시예의 플로차트이다.

소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나 이상을 포함하는 전력 소비정보에 기반하여, 상기 소비자에 대응하는 최적의 전력 요금제를 결정한다(S100). 또한, 결정된 상기 전력 요금제를 이용하여, 상기 소비자의 전력 소비 최소화를 위한 최적 전력 소비패턴을 결정한다. 또한, 상기 결정된 최적 전력 소비패턴을 이용하여, 에너지 서비스를 제공하는 기기에 대한 기기 제어정보를 결정한다.

상기 요금 정보는 상기 소비자의 기간별 요금 영수증 및 요금 이체정보 등을 포함한다.

또한, 상기 전력 소비정보로서 기후정보를 더 포함할 수 있다. 여기서, 기후정보는 외기 온도, 풍속, 일조량 등의 기상청 등에서 제공하는 기상 정보를 포함한다.

또한, 상기 전력 소비정보로서 에너지 저장장치(ESS:Energy Storage System) 정보 및 신재생 에너지정보 중 적어도 어느 하나 이상을 더 포함할 수 있다. ESS 정보 및 신재생 에너지정보는 전술한 수학식 8과 같다. 즉, ESS 정보 및 신재생 에너지정보로서 Out Temp(t)는 외부 온도를 의미하고, Wind Speed(t)는 풍속을 의미하고, Radiation(t)는 일조량을 의미하고, Electricity Rate(t)는 전력율을 의미하고, E_day는 소비 전력 회귀모델에 따른 소비전력을 의미하고, ESS_lifecycle은 ESS의 수명 주기를 의미하고, ESS_charging _rate는 ESS의 충전율을 의미한다.

최적의 전력 요금제의 종류로서, 고정 요금제 또는 변동 요금제 등을 포함한다. 고정 요금제는 사용량, 사용 시기에 따른 가격 변동이 없으며, 기후, 시장, 경제에 따른 가격 변동 위험성으로부터 자유롭다는 특징이 있다.

한편, 변동 요금제는 다시 시간대 별 요금제(TOU), 피크 요금제(CPP), 실시간 요금제(RTP)로 구분된다. 시간대 별 요금제(TOU: Time of Use)는 전력 수요에 따라, 하루의 시간대 별로 요금이 상이한 방식(2부제 또는 3부제 등)과, 주중 및 주말 요금이 상이한 방식 등이 있다. 이러한 시간대 별 요금제는 대규모 수용가에 적용하며, 계절별 전력수요에 따라 적용한다. 피크 요금제(CPP: Critical Peak Pricing)는 전력 수요가 높은 시간대에 피크 수준 전력가격을 적용하는 것으로, TOU와 병행하여 연중 제한된 시간에 한해서 적용한다. 실시간 요금제(RTP: Real-Time Pricing)는 실시간 단위로 가격이 변동하여 적용되는 것으로, 전기 요금이 일정 시간 (예를 들어, 최소 5분, 1시간 또는 전날 등) 단위로 변동한다. 도매/소매 시장의 가격변동(연료비 변동, 운영 및 전력수급상황)에 적용되며, 전기요금의 변동성은 높으나 소비자가 경제적으로 사용시, 공급자 소비자 모두 편익이 증가하는 특징이 있다.

전력 요금제의 결정은 상기 요금 정보로서 년간 또는 월간 등의 기간별 전력 소비 데이터를 이용하여 최적의 전력 요금제를 결정한다. 또한, 상기 전력 요금제의 결정은 상기 실시간 전력사용정보를 이용하여 요금 예측 회귀/통계모델을 구성하고, 구성된 상기 요금 예측 회귀/통계모델에 대응하는 최적의 전력 요금제를 결정한다. 상기 요금 예측 회귀/통계모델은 전술한 수학식 4 또는 5를 이용하여 구성한다. 여기서, 상기 C_t _,d+ ₁는 요금 예측 회귀모델에 따른 예측 요금을 의미하고, d는 예측 전일부터 일정기간을 의미하고, C_t _,d는 과거 시간대별 상기 일정기간 실시간 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고,

는 과거 및 실시간 시간대별 기후정보를 의미하고, E_t _,d는 과거 전력회사 시간대별 에너지 정보를 의미하고, E_t _,d+ ₁는 현재 전력회사 시간대별 에너지 정보를 의미한다.

전술한 수학식 4 또는 5는 회귀/통계모델 기반 예측에 따른 실시간 예측 요금이 일정 범위 (σ)를 만족하는가 여부에 따라 적용한다. 도 10 (a)는 회귀모델 기반 예측값이 일정 범위 (σ) 내에 속하는 경우에 과거 전력회사의 시간대별 전력값 및 실시간 요금값에 기반한 수학식 4의 실시간 요금 예측 회귀모델을 사용하는 것을 예시한 것이며, 도 10 (b)는 회귀모델 기반 예측값이 일정 범위 (σ)를 벗어나는 경우에 당일의 실시간 요금에 기반한 요금 예측 기법으로서 수학식 5의 실시간 요금 예측 통계모델을 사용함을 예시한 것이다.

한편, 전력 소비정보로서, 기후정보가 수집되면, 수집된 기후정보를 이용하여, 상기 전력 요금제를 결정한다. 이를 위해, 상기 기후정보를 이용하여, 전력 예측 회귀모델을 구성하고, 구성된 상기 전력 예측 회귀모델에 대응하는 상기 전력 요금제를 결정한다.

상기 전력 예측 회귀모델은 전술한 수학식 1을 이용하여 구성한다. 이때, E_t+1은 상기 전력 예측 회귀모델에 따른 예측 전력을 의미하고, 상기 X_T는 온도를 의미하고, 상기 X_H는 습도를 의미하고, 상기 X_R는 일조량을 의미하고, 상기 W_T는 온도 가중치를 의미하고, 상기 W_H는 습도 가중치를 의미하고, 상기 W_R는 일조량 가중치를 의미한다. 전술한 수학식 2 및 3을 통해, 각각의 가중치에 해당하는 값을 산출할 수 있다.

여기서, 상기 전력 예측 회귀모델의 상기 온도 가중치, 상기 습도 가중치 및 상기 일조량 가중치는 외기 온도 정상 범위 여부 및 기상 예보 정상 범위 여부 중 적어도 어느 하나 이상을 고려하여 구성한다. 즉, 전술한 도 9에 도시된 바와 같이, 외기 온도가 정상 범위에 해당하지 않는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 이상 기후에 따른 가중치가 적용된다. 한편, 외기 온도가 정상 범위에 해당한다는 조건 하에, 기상 예보가 정상 범위에 속하는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 기상청 예보 오차범위 내에 해당하는 가중치가 적용된다. 또한, 기상 예보가 정상 범위에서 벗어나는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 기상청 예보 오류에 해당하는 가중치가 적용된다.

또한, 전력 소비정보로서, 에너지 저장장치(ESS:Energy Storage System) 정보 또는 신재생 에너지정보가 수집되면, 상기 ESS 정보 또는 상기 신재생 에너지정보를 포함하는 상기 전력 소비정보를 이용하여, 상기 전력 요금제를 결정한다. 전술한 수학식 8과 같은 ESS 정보 및 신재생 에너지정보를 이용한다. 즉, ESS 정보 및 신재생 에너지정보로서, Out Temp(t)는 외부 온도를 의미하고, Wind Speed(t)는 바람의 속도를 의미하고, Radiation(t)는 일조량을 의미하고, Electricity Rate(t)는 전력율을 의미하고, E_day는 소비 전력 회귀모델에 따른 소비전력을 의미하고, ESS_lifecycle은 ESS의 수명 주기를 의미하고, ESS_charging _rate는 ESS의 충전율을 의미한다.

ESS 는 배터리와 같이 소모품으로써 충/방전 횟수, 충/방전 속도, 베터리 재료에 따라 가격과 수명이 좌우되어 실제로 신재생 에너지와 연계 시 ROI(Return On Investment)를 계산하여 시스템에 적용된다. 즉, 에너지 요금 및 투자비를 고려한 최적 제어가 요구되며, 기후 기반 신재생 에너지 회귀모델을 바탕으로, ESS에 충/방전 시기와 양 및 속도를 연계한 비용최소화 제어기법을 통해 신재생 에너지를 활용한다.

그 후, 결정된 상기 전력 요금제를 이용하여, 상기 소비자의 전력 소비 최소화를 위한 최적 전력 소비패턴을 결정한다. 상기 최적 전력 소비패턴은 전술한 수학식 6을 이용하여 결정한다. 여기서, Y는 전력 요금제 최적화값, 실시간 계약전력 최적화값 및 실시간 소비패턴 최적화값 중 어느 하나에 해당한다. 또한, 요금제 변수는 [시간대별 요금제, 피크 요금제, 실시간 요금제]에 해당하는 [TOU(t), CPP(t), RTP(t)]를 예시할 수 있고, 이들 요금제의 조합도 가능하다. 또한, 계약전력 변수는 [시간대별 공조기기, 조명 장치, 기타 가전제품에 해당하는 [HVAC(t), Lighting(t), Appliance(t)]를 예시할 수 있다. 또한, 소비패턴 변수는 [시간대별 재실자, 각각의 공간에 적용된 공조기기 설정온도, 각각의 공간의 실내온도에 해당하는 [Occupancy(t), Zone Setpoint(t), Room Temp(t)]를 예시할 수 있다. 여기서, t는

에 해당한다.

상기 Y는 상기 전력 요금제 변수, 상기 계약전력 변수 및 상기 소비패턴 변수 중 어느 하나를 현재 시간에서의 변수로 설정하고, 나머지 변수들에 대해서는 이전 시간에서의 우성인자에 따른 상수값으로 대체하여 산출한다.

예를 들어, 세가지 값(y₁, y₂, y₃)를 최적화하기 위한 방법을 설명한다. 여기서, y₁은 연간/월간 저비용 요금제 최적화 값이고, y₂는 실시간 계약전력 최적화 값이고, y₃은 실시간 저비용 소비패턴 최적화 값이라 가정한다. 수학식 6에 따른 y₁, y₂, y₃의 산출식은 전술한 수학식 7과 같다. y₁ _,t는 저비용 요금제 최적화 값을 의미하고, x_1,t, x_2,t, x_3,t는 t시간에서의 요금제 변수에 해당하고, x*_4,t-1, x*_5,t-1, x*_6,t- ₁는 t-1시간에서의 계약전력 우성인자에 해당하는 상수값을 의미하고, x*_7,t-1, x*_8,t-1, x*_9,t- ₁는 t-1시간에서의 소비패턴 우성인자에 해당하는 상수값을 의미한다. 또한, y₂ _,t는 계약전력 최적화 값을 의미하고, x_4,t, x_5,t, x_6,t는 t시간에서의 계약전력 변수에 해당하고, x*_1,t-1, x*_2,t-1, x*_3,t- ₁는 t-1시간에서의 요금제 우성인자에 해당하는 상수값을 의미하고, x*_7,t-1, x*_8,t-1, x*_9,t- ₁는 t-1시간에서의 소비패턴 우성인자에 해당하는 상수값을 의미한다. 또한, y₃ _,t는 소비패턴 최적화 값을 의미하고, x_7,t, x_8,t, x_9,t는 t시간에서의 소비패턴 변수에 해당하고, x*_1,t-1, x*_2,t-1, x*_3,t- ₁는 t-1시간에서의 요금제 우성인자에 해당하는 상수값을 의미하고, x*_4,t-1, x*_5,t-1, x*_6,t- ₁는 t-1시간에서의 계약전력 우성인자에 해당하는 상수값을 의미한다. 여기서, t, t-1은 최적화 알고리즘이 동작하는 각각의 단계를 의미한다.

도 11에 도시된 바와 같이, 각 시간에서 저비용 요금제 최적화 값, 계약전력 최적화 값, 소비패턴 최적화 값을 산출함으로써, y₁ _,t, y₂ _,t, y₃ _,t를 만족하는 값으로 수렴한다. 즉, 저비용 요금제 최적화 y₁=min(전력비용)=min(f(TOU, CPP, RTP(t)), 에너지 패턴기반 계약전력 최적화 y₂=min(계약전력)=min(f(HVAC(t), Lighting(t), Appliance(t)), 기기제어 기반 저비용 소비패턴 최적화 y₃=min(저비용 소비패턴) =min(f(Occu.(t), ZoneS.P(t), RTemp(t))을 반복적으로 산출함으로써, 저비용 요금제 최적화 값, 계약전력 최적화 값, 소비패턴 최적화 값을 각각 만족하는 값들로 수렴한다. 여기서, t는

에 해당한다.

그 후, 상기 결정된 최적 전력 소비패턴을 이용하여, 에너지 서비스를 제공하는 기기에 대한 기기 제어정보를 결정한다. 예를 들어, 과거 일년 또는 일정기간의 전력 소비 데이터와 기후 정보를 연계한 전력 회귀모델 및 기기제어 스케줄링 기반 셋 포인트(Setpoint) 계산 결과를 기초로 하여, 공조 기기의 제어를 위한 정보를 결정할 수 있다.

기기 제어정보를 결정하기 위해, 전술한 수학식 9를 이용한다. 여기서, 상기 Setpoint는 상기 기기 제어정보를 의미하고, Δ Temp.(t) 값은 외부온도와 실내 온도의 차로서, Δ Temp.(t) 에 따라 냉난방 조절이 가능하다. 따라서, 여름철에는 ΔTemp.(t)값을 적정 양수 이상이 되도록 기기를 제어하고, 겨울철은 적정 음수 이하가 되도록 기기를 제어한다. 과거 일년 또는 일정기간의 외기 온도 기반 소비전력 회귀모델 및 도출된 소비전력과 실내 온도, 재실자 정보, Δ Temp.(t)와의 다변수(multivariable) 회귀모델을 바탕으로 설정온도(setpoint)를 계산한다. 즉 멀티 회귀모델을 통해 소비패턴 기반 기기 연동 제어 값을 도출할 수 있다. 회귀모델로는 Polynomial Regression과 ANN, SVR 등의 머신러닝 방법론이 사용된다.

S100 단계 후에, 결정된 최적의 전력 요금제, 최적 전력 소비패턴 및 기기 제어정보를 소비자 단말 또는 소비자 기기로 전송한다(S102). 결정된 최적의 전력 요금제 및 최적 전력 소비패턴을 소비자 단말로 전송함으로써, 해당 소비자가 이러한 정보를 토대로, 전력 소비를 최소화하기 위한 요금제를 선택하거나, 이를 위한 기기 제어를 수동으로 수행할 수 있도록 한다. 한편, 소비자 기기에 대한 기기 제어정보를 소비자 기기(예를 들어, TV, 에어컨, 난방기, 등)로 전송함으로써, 해당 소비자 기기에 대한 전력 최적화를 위한 적절한 제어를 수행할 수 있도록 한다.

도 13은 본 발명에 따른 전력 소비의 최적화를 위한 스마트 시스템의 동작장치(50)를 설명하기 위한 일 실시예의 블록도로서, 인터페이스부(200), 데이터베이스(210), 요금제 결정부(220), 소비 패턴 결정부(230), 제어정보 결정부(240) 및 제어부(250)를 포함한다.

인터페이스부(200)는 도 1에 도시된 바와 같이, 소비자 단말(10), 전력회사(20), 기상청(30), 소비자 기기(60) 등과 유무선 네트워크(40)로 연결되어 있다.

인터페이스부(200)는 소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나 이상을 포함하는 전력 소비정보를 수신한다.

인터페이스부(200)는 요금 정보로서 상기 소비자의 기간별 요금 영수증 및 요금 이체정보 등을 수신하며, 이를 위해 인터페이스부(200)는 소비자 단말 또는 전력회사와 유무선 네트워크를 통해 접속을 시도한다.

또한, 인터페이스부(200)는 상기 전력 소비정보로서 기후정보를 수신한다. 이를 위해, 인터페이스부(200)는 기상청 네트워크 또는 기타 기후정보를 제공하는 유무선 네트워크와 접속을 시도한다. 여기서, 기후정보는 외기 온도, 풍속, 일조량 등의 기상청 등에서 제공하는 기상 정보를 포함한다.

또한, 인터페이스부(200)는 상기 전력 소비정보로서 에너지 저장장치(ESS:Energy Storage System) 정보 및 신재생 에너지정보 중 적어도 어느 하나 이상을 수신한다. 이를 위해, 인터페이스부(200)는 에너지 저장장치(ESS:Energy Storage System) 정보 및 신재생 에너지정보 서비스 장치와 유무선 네트워크로 접속을 시도한다. ESS 정보 및 신재생 에너지정보는 외기 온도, 풍속, 일조량, 전력율, 소비전력, ESS의 수명 주기, ESS의 충전율 등의 정보를 포함한다.

데이터베이스(210)는 인터페이스부(200)에서 수신된 전력 소비정보 즉, 소비자의 전력 사용에 따른 요금 정보, 실시간 전력사용정보, 기후 정보, 에너지 저장장치(ESS:Energy Storage System) 정보 및 신재생 에너지정보 등을 저장한다.

요금제 결정부(220)는 수신된 전력 소비정보를 이용하여, 상기 소비자에 대응하는 전력 요금제를 결정한다. 요금제 결정부(220)는 상기 전력 요금제로서 고정 요금제 및 변동 요금제 중 어느 하나를 결정한다. 요금제 결정부(220)는 상기 요금 정보로서 년간 또는 월간 등의 기간별 전력 소비 데이터를 이용하여 최적의 전력 요금제를 결정한다.

요금제 결정부(220)는 상기 실시간 전력사용정보를 이용하여 요금 예측 회귀모델을 구성하고, 구성된 상기 요금 예측 회귀모델에 대응하는 최적의 전력 요금제를 결정한다. 상기 요금 예측 회귀/통계모델은 전술한 수학식 4 또는 5를 이용하여 구성한다.

요금제 결정부(220)는 회귀모델 기반 예측에 따른 실시간 예측 요금이 일정 범위 (σ)를 만족하는가 여부에 따라 전술한 수학식 4 또는 5 중 어느 모델을 적용할 것인지를 판단한다. 예를 들어, 도 10 (a)에 도시된 바와 같이, 회귀모델 기반 예측값이 일정 범위 (σ) 내에 속하는 경우에, 요금제 결정부(220)는 과거 전력회사의 시간대별 전력값 및 실시간 요금값에 기반한 수학식 4의 실시간 요금 예측 회귀모델을 사용하며, 도 10 (b)에 도시된 바와 같이, 회귀모델 기반 예측값이 일정 범위 (σ)를 벗어나는 경우에 당일의 실시간 요금에 기반한 요금 예측 기법으로서, 수학식 5의 실시간 요금 예측 통계모델을 사용한다.

한편, 요금제 결정부(220)는 전력 소비정보로서, 기후정보가 수집되면, 수집된 기후정보를 이용하여, 상기 전력 요금제를 결정한다. 요금제 결정부(220)는 상기 기후정보를 이용하여, 전력 예측 회귀모델을 구성하고, 구성된 상기 전력 예측 회귀모델에 대응하는 상기 전력 요금제를 결정한다.

요금제 결정부(220)는 상기 전력 예측 회귀모델은 전술한 수학식 1을 이용하여 구성한다. 이때, 요금제 결정부(220)는 전력 예측 회귀모델의 적용에 이용되는 온도 가중치, 습도 가중치 및 일조량 가중치에 대해 외기 온도 정상 범위 여부 및 기상 예보 정상 범위 여부 중 적어도 어느 하나 이상을 고려하여 구성한다. 즉, 전술한 도 9에 도시된 바와 같이, 요금제 결정부(220)는 외기 온도가 정상 범위에 해당하지 않는 경우에는, 기후 대응 전력 예측 회귀모델에 적용하는 가중치는 이상 기후에 따른 가중치를 적용한다. 한편, 외기 온도가 정상 범위에 해당한다는 조건 하에, 기상 예보가 정상 범위에 속하는 경우에는, 요금제 결정부(220)는 기후 대응 전력 예측 회귀모델에 적용하는 가중치에 대해 기상청 예보 오차범위 내에 해당하는 가중치를 적용한다. 또한, 기상 예보가 정상 범위에서 벗어나는 경우에는, 요금제 결정부(220)는 기후 대응 전력 예측 회귀모델에 적용하는 가중치에 대해 기상청 예보 오류에 해당하는 가중치를 적용한다.

또한, 전력 소비정보로서, 에너지 저장장치(ESS:Energy Storage System) 정보 또는 신재생 에너지정보가 수집되면, 요금제 결정부(220)는 상기 ESS 정보 또는 상기 신재생 에너지정보를 포함하는 상기 전력 소비정보를 이용하여, 상기 전력 요금제를 결정한다. 요금제 결정부(220)는 ESS의 충/방전 횟수, 충/방전 속도, 베터리 재료에 따라 신재생 에너지와 연계하여 ROI(Return On Investment)를 계산하여 전력 요금제를 결정한다.

요금제 결정부(220)는 전술한 수학식 8과 같은 ESS 정보 및 신재생 에너지정보를 이용한다. 즉, ESS 정보 및 신재생 에너지정보로서, 외기 온도, 풍속, 일조량, 전력율, 소비전력, ESS의 수명 주기, ESS의 충전율을 이용하여, 기후 기반 신재생 에너지 회귀모델을 바탕으로, ESS에 충/방전 시기와 양 및 속도를 연계한 비용최소화를 위한 전력 요금제를 결정한다.

소비 패턴 결정부(230)는 결정된 상기 전력 요금제를 이용하여, 상기 소비자의 전력 소비 최소화를 위한 최적 전력 소비패턴을 결정한다. 소비 패턴 결정부(230)는 전술한 수학식 6 및 7을 이용하여 최적 전력 소비패턴을 결정한다. 즉, 소비 패턴 결정부(230)는 전력 요금제 최적화값, 실시간 계약전력 최적화값 또는 실시간 소비패턴 최적화값 중 어느 하나를 결정한다.

소비 패턴 결정부(230)는 전력 요금제 변수, 계약전력 변수 및 소비패턴 변수 중 어느 하나를 현재 시간에서의 변수로 설정하고, 나머지 변수들에 대해서는 이전 시간에서의 우성인자에 따른 상수값으로 대체하여 산출한 값을 통해 최적 전력 소비패턴을 결정한다.

예를 들어, y₁은 연간/월간 저비용 요금제 최적화 값이고, y₂는 실시간 계약전력 최적화 값이고, y₃은 실시간 저비용 소비패턴 최적화 값이라 가정하면, 소비 패턴 결정부(230)는 x_7,t, x_8,t, x_9,t을 t시간에서의 소비패턴 변수로 정의하고, x*_1,t-1, x*_2,t-1, x*_3,t-1을 t-1시간에서의 전력 요금제 상수값으로 정의하고, x*_4,t-1, x*_5,t-1, x*_6,t-1을 t-1시간에서의 계약전력 상수값으로 정의하여, y₃ _,t에 해당하는 소비패턴 최적화 값을 산출한다. 따라서, 도 11에 도시된 바와 같이, 저비용 요금제 최적화 y₁=min(전력비용)=min(f(TOU, CPP, RTP(t)), 에너지 패턴기반 계약전력 최적화 y₂=min(계약전력)=min(f(HVAC(t), Lighting(t), Appliance(t)), 기기제어 기반 저비용 소비패턴 최적화 y₃=min(저비용 소비패턴)=min(f(Occu.(t), ZoneS.P(t), RTemp(t))을 반복적으로 산출함으로써, 저비용 요금제 최적화 값, 계약전력 최적화 값, 소비패턴 최적화 값을 각각 만족하는 값들로 수렴하도록 한다.

제어정보 결정부(240)는 상기 결정된 최적 전력 소비패턴을 이용하여, 에너지 서비스를 제공하는 기기에 대한 기기 제어정보를 결정한다. 제어정보 결정부(240)는 과거 일년 또는 일정기간의 전력 소비 데이터와 기후 정보를 연계한 전력 회귀모델 및 기기제어 스케줄링 기반 셋 포인트(Setpoint) 계산 결과를 기초로 하여, 공조 기기의 제어를 위한 정보를 결정한다.

제어정보 결정부(240)는 기기 제어정보를 검출하기 위해, 전술한 수학식 9를 이용한다. 여기서, Δ Temp.(t) 값은 외부온도와 실내 온도의 차로서, 제어정보 결정부(240)는 Δ Temp.(t) 에 따라 냉난방 조절이 가능하도록 하는 제어정보를 검출한다. 예를 들어, 제어정보 결정부(240)는 여름철에는 Δ Temp.(t)값을 적정 양수 이상이 되도록 하는 제어정보를 검출하고, 겨울철은 적정 음수 이하가 되도록 하는 기기 제어정보를 검출한다. 이를 위해, 제어정보 결정부(240)는 과거 일년 또는 일정기간의 외기 온도 기반 소비전력 회귀모델 및 도출된 소비전력과 (실내온도-설정온도)의 회귀모델을 바탕으로 설정온도(setpoint)를 계산한다. 즉 멀티 회귀모델을 통해 소비패턴 기반 기기 연동 제어 값을 결정한다. 제어정보 결정부(240)는 회귀모델로는 Polynomial Regression과 ANN, SVR 등의 머신러닝 방법을 사용한다.

제어부(250)는 인터페이스부(200), 데이터베이스(210), 요금제 결정부(220), 소비 패턴 결정부(230) 및 제어정보 결정부(240)의 전반적인 동작을 제어한다.

본 발명의 청구항 및/또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다. 소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금, 본 발명의 청구항 및/또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.

이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(ROM, Read Only Memory), 전기적 삭제가능 프로그램가능 롬(EEPROM, Electrically Erasable Programmable Read Only Memory), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(CD-ROM, Compact Disc-ROM), 디지털 다목적 디스크(DVDs, Digital Versatile Discs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.

또한, 전자 장치에 인터넷(Internet), 인트라넷(Intranet), LAN(Local Area Network), WLAN(Wide LAN), 또는 SAN(Storage Area Network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 전자 장치에 접속할 수 있다.

200: 인터페이스부
210: 데이터베이스
220: 요금제 결정부
230: 소비 패턴 결정부
240: 제어정보 결정부
250: 제어부

Claims

전력 소비 최적화를 위한 스마트 시스템의 동작 방법에 있어서,
소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나를 포함하는 전력 소비정보에 기반하여, 상기 소비자에 대응하는 전력 요금제를 결정하는 과정; 및
상기 결정된 전력 요금제에 대한 정보를 소비자 단말에게 전송하는 과정을 포함하는 것을 특징으로 하는 방법.
제1항에 있어서,
상기 요금 정보는 상기 소비자의 기간별 요금 영수증 및 요금 이체정보 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는 방법.
제1항에 있어서, 상기 전력 요금제를 결정하는 과정은
고정 요금제 및 변동 요금제 중 어느 하나를 결정하는 것을 특징으로 하는 방법.
제1항에 있어서, 상기 전력 요금제를 결정하는 과정은
상기 요금 정보로서 기간별 전력 소비 데이터를 이용하여 상기 전력 요금제를 결정하는 것을 특징으로 하는 전력 소비의 최적화를 위한 동작방법.
제1항에 있어서, 상기 전력 요금제를 결정하는 과정은
상기 실시간 전력사용정보를 이용하여 요금 예측 회귀/통계모델을 구성하고, 상기 구성된 요금 예측 회귀/통계모델에 대응하는 상기 전력 요금제를 결정하는 것을 특징으로 하는 방법.
제5항에 있어서,
상기 요금 예측 회귀모델은 다음의 수학식을 이용하여 구성하는 것을 특징으로 하는 방법.

상기 C_t _,d+ ₁는 요금 예측 회귀모델에 따른 예측 요금을 의미하고, d는 예측 전일부터 일정기간을 의미하고, C_t _,d는 과거 시간대별 상기 일정기간 실시간 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고,
는 과거 및 실시간 시간대별 기후정보를 의미하고, E_t _,d는 과거 전력회사 시간대별 에너지 정보를 의미한다.
제5항에 있어서,
상기 요금 예측 통계모델은 다음의 수학식을 이용하여 구성하는 것을 특징으로 하는 방법.

상기 C_t _,d+ ₁는 요금 예측 회귀모델에 따른 예측 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고, E_t _,d+ ₁는 현재 전력회사 시간대별 에너지 정보를 의미한다.
제1항에 있어서, 상기 전력 요금제를 결정하는 과정은
상기 전력 소비정보로서 기후정보를 수집하고, 상기 기후정보를 포함하는 상기 전력 소비정보를 이용하여, 상기 전력 요금제를 결정하는 것을 특징으로 하는 방법.
제8항에 있어서, 상기 전력 요금제를 결정하는 과정은
상기 기후정보를 이용하여, 전력 예측 회귀모델을 구성하고, 상기 구성된 전력 예측 회귀모델에 대응하는 상기 전력 요금제를 결정하는 것을 특징으로 하는 방법.
제9항에 있어서,
상기 전력 예측 회귀모델은 다음의 수학식을 이용하여 구성하는 것을 특징으로 하는 방법.

상기 E_t ₊₁은 상기 전력 예측 회귀모델에 따른 예측 전력을 의미하고, 상기 X_T는 온도를 의미하고, 상기 X_H는 습도를 의미하고, 상기 X_R는 일조량을 의미하고, 상기 W_T는 온도 가중치를 의미하고, 상기 W_H는 습도 가중치를 의미하고, 상기 W_R는 일조량 가중치를 의미한다.
제10항에 있어서,
상기 전력 예측 회귀모델의 상기 온도 가중치, 상기 습도 가중치 및 상기 일조량 가중치는 외기 온도 정상 범위 여부 및 기상 예보 정상 범위 여부 중 적어도 어느 하나 이상을 고려하여 구성하는 것을 특징으로 하는 방법.
제1항에 있어서, 상기 전력 요금제를 결정하는 과정은
상기 전력 소비정보로서 에너지 저장장치(ESS:Energy Storage System) 정보 및 신재생 에너지정보 중 적어도 어느 하나 이상을 더 수집하고, 상기 ESS 정보 및 상기 신재생 에너지정보 중 어느 하나 이상을 포함하는 상기 전력 소비정보를 이용하여, 상기 전력 요금제를 결정하는 것을 특징으로 하는 방법.
제12항에 있어서, 상기 전력 요금제를 결정하는 과정은,
다음의 수학식에 대응하는 상기 ESS 정보 및 상기 신재생 에너지정보를 이용하여 상기 전력 요금제를 결정하는 것을 특징으로 하는 방법.

Out Temp(t)는 외부 온도를 의미하고, Wind Speed(t)는 바람의 속도를 의미하고, Radiation(t)는 일조량을 의미하고, Electricity Rate(t)는 전력율을 의미하고, E_day는 소비 전력 회귀모델에 따른 소비전력을 의미하고, ESS_lifecycle은 ESS의 수명 주기를 의미하고, ESS_charging _rate는 ESS의 충전율을 의미한다.
제1항, 제8항 및 제12항 중 어느 한 항에 있어서,
결정된 상기 전력 요금제를 이용하여, 상기 소비자의 전력 소비 최소화를 위한 최적 전력 소비패턴을 결정하는 과정; 및
상기 결정된 최적 전력 소비패턴을 상기 소비자 단말에게 전송하는 과정을 더 포함하는 것을 특징으로 하는 방법.
제14항에 있어서,
상기 최적 전력 소비패턴은 다음의 수학식을 이용하여 결정하는 것을 특징으로 하는 방법.

여기서, Y는 전력 요금제 최적화값, 실시간 계약전력 최적화값 및 실시간 소비패턴 최적화값 중 어느 하나에 해당한다.
제15항에 있어서,
상기 Y는 상기 전력 요금제 변수, 상기 계약전력 변수 및 상기 소비패턴 변수 중 어느 하나를 현재 단계에서의 변수로 설정하고, 나머지 변수들에 대해서는 이전 단계에서의 우성인자에 따른 상수값으로 대체하는 것을 특징으로 하는 방법.
제14항에 있어서,
상기 결정된 최적 전력 소비패턴을 이용하여, 에너지 서비스를 제공하는 소비자 기기에 대한 기기 제어정보를 결정하는 과정; 및
상기 결정된 기기 제어정보를 상기 소비자 기기로 전송하는 과정을 더 포함하는 것을 특징으로 하는 방법.
제17항에 있어서,
다음의 수학식을 이용하여 상기 기기 제어정보를 검출하는 것을 특징으로 하는 방법.

상기 Setpoint는 상기 기기 제어정보를 의미한다.
전력 소비 최적화를 위한 스마트 시스템의 동작 장치에 있어서,
소비자의 전력 사용에 따른 요금 정보 및 상기 소비자에 의해 사용되는 실시간 전력사용정보 중 적어도 어느 하나 이상을 포함하는 전력 소비정보에 기반하여, 상기 소비자에 대응하는 전력 요금제를 결정하는 요금제 결정부; 및
상기 결정된 전력 요금제에 대한 정보를 소비자 단말에게 전송하는 인터페이스부를 포함하는 것을 특징으로 하는 장치.
제19항에 있어서,
상기 요금 정보는 상기 소비자의 기간별 요금 영수증 및 요금 이체정보 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는 장치.
제19항에 있어서, 상기 요금제 결정부는
상기 전력 요금제로서 고정 요금제 및 변동 요금제 중 어느 하나를 결정하는 것을 특징으로 하는 장치.
제19항에 있어서, 상기 요금제 결정부는
상기 요금 정보로서 기간별 전력 소비 데이터를 이용하여 상기 전력 요금제를 결정하는 것을 특징으로 하는 장치.
제19항에 있어서, 상기 요금제 결정부는
상기 실시간 전력사용정보를 이용하여 요금 예측 회귀/통계모델을 구성하고, 상기 구성된 요금 예측 회귀/통계모델에 대응하는 상기 전력 요금제를 결정하는 것을 특징으로 하는 장치.
제23항에 있어서, 상기 요금제 결정부는
다음의 수학식을 이용하여 상기 요금 예측 회귀모델을 구성하는 것을 특징으로 하는 장치.

상기 C_t _,d+ ₁는 요금 예측 회귀모델에 따른 예측 요금을 의미하고, d는 예측 전일부터 일정기간을 의미하고, C_t _,d는 과거 시간대별 상기 일정기간 실시간 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고,
는 과거 및 실시간 시간대별 기후정보를 의미하고, E_t _,d는 과거 전력회사 시간대별 에너지 정보를 의미한다.
제23항에 있어서, 상기 요금제 결정부는
다음의 수학식을 이용하여 상기 요금 예측 통계모델을 구성하는 것을 특징으로 하는 장치.

상기 C_t _,d+ ₁는 요금 예측 통계모델에 따른 예측 요금을 의미하고, C_RTP _,d+ ₁는 현재의 실시간 요금을 의미하고, E_t _,d+ ₁는 현재 전력회사 시간대별 에너지 정보를 의미한다.
제19항에 있어서,
상기 요금제 결정부는 기후정보를 포함하는 상기 전력 소비정보를 이용하여, 상기 전력 요금제를 결정하는 것을 특징으로 하는 장치.
제26항에 있어서, 상기 요금제 결정부는
상기 기후정보를 이용하여, 전력 예측 회귀모델을 구성하고, 상기 구성된 전력 예측 회귀모델에 대응하는 상기 전력 요금제를 결정하는 것을 특징으로 하는 장치.
제27항에 있어서, 상기 요금제 결정부는
다음의 수학식을 이용하여 상기 전력 예측 회귀모델을 구성하는 것을 특징으로 하는 장치.

상기 E_t ₊₁은 상기 전력 예측 회귀모델에 따른 예측 전력을 의미하고, 상기 X_T는 온도를 의미하고, 상기 X_H는 습도를 의미하고, 상기 X_R는 일조량을 의미하고, 상기 W_T는 온도 가중치를 의미하고, 상기 W_H는 습도 가중치를 의미하고, 상기 W_R는 일조량 가중치를 의미한다.
제28항에 있어서, 상기 요금제 결정부는
상기 전력 예측 회귀모델의 상기 온도 가중치, 상기 습도 가중치 및 상기 일조량 가중치는 외기 온도 정상 범위 여부 및 기상 예보 정상 범위 여부 중 적어도 어느 하나 이상을 고려하여 구성하는 것을 특징으로 하는 장치.
제19항에 있어서,
상기 요금제 결정부는 에너지 저장장치(ESS:Energy Storage System) 정보 및 신재생 에너지정보 중 어느 하나 이상을 포함하는 상기 전력 소비정보를 이용하여, 상기 전력 요금제를 결정하는 것을 특징으로 하는 장치.
제30항에 있어서, 상기 요금제 결정부는
다음의 수학식에 대응하는 상기 ESS 정보 및 상기 신재생 에너지정보를 이용하여 상기 전력 요금제를 결정하는 것을 특징으로 하는 장치.

Out Temp(t)는 외부 온도를 의미하고, Wind Speed(t)는 바람의 속도를 의미하고, Radiation(t)는 일조량을 의미하고, Electricity Rate(t)는 전력율을 의미하고, E_day는 소비 전력 회귀모델에 따른 소비전력을 의미하고, ESS_lifecycle은 ESS의 수명 주기를 의미하고, ESS_charging _rate는 ESS의 충전율을 의미한다.
제19항, 제26항 및 제30항 중 어느 한 항에 있어서,
상기 결정된 전력 요금제를 이용하여, 상기 소비자의 전력 소비 최소화를 위한 최적 전력 소비패턴을 결정하는 소비패턴 결정부를 더 포함하고
상기 인터페이스부가 상기 결정된 최적 전력 소비패턴을 상기 소비자 단말에게 전송하는 것을 특징으로 하는 장치.
제32항에 있어서, 상기 소비패턴 결정부는
다음의 수학식을 이용하여 상기 최적 전력 소비패턴을 결정하는 것을 특징으로 하는 장치.

여기서, Y는 전력 요금제 최적화값, 실시간 계약전력 최적화값 및 실시간 소비패턴 최적화값 중 어느 하나에 해당한다.
제33항에 있어서, 상기 소비패턴 결정부는
상기 전력 요금제 변수, 상기 계약전력 변수 및 상기 소비패턴 변수 중 어느 하나를 현재 단계에서의 변수로 설정하고, 나머지 변수들에 대해서는 이전 단계에서의 우성인자에 따른 상수값으로 대체하여 상기 Y를 산출하는 것을 특징으로 하는 장치.
제32항에 있어서,
상기 결정된 최적 전력 소비패턴을 이용하여, 에너지 서비스를 제공하는 소비자 기기에 대한 기기 제어정보를 결정하는 제어정보 결정부를 더 포함하고,
상기 인터페이스부가 상기 결정된 기기 제어정보를 상기 소비자 기기로 전송하는 것을 특징으로 하는 장치.
제35항에 있어서, 상기 제어정보 결정부는
다음의 수학식을 이용하여 상기 기기 제어정보를 검출하는 것을 특징으로 하는 장치.

상기 Setpoint는 상기 기기 제어정보를 의미한다.