ANN-based Short-term Load Forecasting for Rolling horizon Operation of Microgrids = ANN-based Short-term Load Forecasting for Rolling horizon Operation of Microgrids
저자
발행사항
광주 : 전남대학교 대학원, 2019
학위논문사항
학위논문(박사)-- 전남대학교 대학원 : 전기공학과 2019. 2
발행연도
2019
작성언어
영어
주제어
DDC
621.3
발행국(도시)
광주
형태사항
96 ; 26 cm
일반주기명
지도교수: 안선주
UCI식별코드
I804:24010-000000060117
소장기관
소규모 분산 전원은 기존의 대형 중앙집중형 발전기를 대체하는 수단으로써 최근 설치가 지속적으로 증가하고 있다. 분산 전원은 온실 가스 배출 감소, 에너지 변환 효율 향상, 계통 운영 비용 감소, 송배전 계통의 손실 감소 등과 같은 다양한 장점을 가지고 있다. 이러한 분산 전원의 장점을 극대화하기 위하여 분산 전원과 부하를 하나의 셀처럼 운영하는 개념인 마이크로그리드가 제안되었고 최근 많은 마이크로그리드가 실증 및 상용 운전되고 있다.
마이크로그리드 운영 시스템 (EMS)에서 단기 부하 예측은 가장 중요한 입력 데이터 중의 하나이다. 전력 부하는 요일, 계절, 온도 등 다양한 요소의 영향을 받기 때문에 단기 부하 예측은 매우 어렵고 복잡한 문제이다. 특히, 마이크로그리의 규모가 개별 건물 단위와 같이 작은 경우 부하의 변동성이 크고 부하와 다른 요소 사이의 비선형성이 커서 예측이 더욱 어렵다. 또한 계측기의 불량, 통신 오류 등으로 인한 부하 데이터의 손실과 비정상적인 데이터는 과거 부하 이력 데이터를 이용해야 하는 부하 예측을 더욱 어렵게 만드는 요인이 된다.
본 논문에서는 인공신경망 (artificial neural network, ANN)과 데이터 클러스터링 기법을 이용한 소규모 마이크로그리드 부하의 단기 예측 기법을 다루고 있다. 부하와 온도 및 기상 데이터를 분석하여 인공신경망의 입력 특성 변수 (input feature)를 선정하였고, 이에 따라 신경망의 구조 및 최적 뉴런의 수를 결정하였다. 이러한 기본적인 절차 외에 ANN 기반 단기 부하예측 기법을 구현하기 위한 데이터 전처리 과정에서 두 가지 방안을 제안하였다. 첫 째, 결손 데이터와 이상 데이터를 검출하고 이를 정상데이터로 대체하는 기법을 개발하였다. 기존 방법은 모든 데이터의 평균값을 이용하거나 내삽법 (interpolation)을 이용하였다. 본 논문에서 제안하는 방법은 gradient를 이용하여 결손 및 이상 데이터를 검출한 후 이러한 데이터를 포함한 하루의 부하 패턴과 유사한 부하를 갖는 데이터를 선택하여 이상 및 결손 데이터를 대체하였다. 둘 째, 이진 특성 변수 (binary feature)의 값을 클러스터링 기반으로 자동으로 결정하는 방법을 제안하였다. 기존의 방법은 데이터를 시각화하여 사람의 판단으로 변수의 값을 정하는 방식이었다. 본 논문에서 제안하는 방법은 이력 데이터를 클러스터링을 이용하여 두 개의 그룹으로 구분하여 이진 변수의 값을 결정하는 것이다. 이렇게 함으로써 사람의 개입없이 자동적으로 구현할 수 있으며, 예측의 정확도도 향상 시킬 수 있다.
에너지 저장 장치 (ESS)는 마이크로그리드의 에너지 관리에서 가장 중요한 구성 요소이다. ESS의 운영 스케줄 도출 시 부하예측 오차의 영향을 줄이고 운영 효율을 향상 시키기 위하여 rolling-horizon 기반 운영 기법이 제안되어 적용되고 있다. 이 기법은 매 시간 새로운 계통 정보를 이용하여 새로운 운영 스케줄을 도출하는 것이다. 이와 같은 스케줄 기법을 적용하기 위해서는 입력 데이터인 단기 부하예측도 매 시간마다 새롭게 업데이트 되어 야 한다. 따라서 본 논문에서는 rolling-horizon 기반 ESS 스케줄링에 활용할 수 있도록, 매 시간 업데이트되는 부하를 이용하여 ANN 모델을 다시 도출하여 부하를 예측하는 방법을 구현하였다. 이상에서 제안된 ANN 기반 마이크로그리드 단기 부하 예측 기법은 우리 대학의 4개 건물에서 계측된 실제 데이터를 이용하여 검증하였다. 제안된 기법을 적용하면 기존 방법에 비해 오차의 평균과 표준편차가 모두 작아짐을 시뮬레이션을 통해서 확인할 수 있었다.
Distributed generation has rapidly grown in recent years as an alternative to traditional centralized electricity generation. This is mainly driven by the potential advantages of distributed energy resources, such as lower emission, higher conversion efficiency, and the potential to lower the costs and losses in the transmission and distribution system. To realize the advantages of distributed generation, a micorgrid concept is proposed, where generation and associated loads are considered as a subsystem.
Short-term load forecast (STLF) is a key input to microgrid energy management system (EMS) for optimal operation of a microgrid. Load forecasting in a short-term is very challenging and complex since the power demand depends on several factors, such as the day of the week, month of the year, temperature, etc. These difficulties are more complicated when the microgrid architecture changes from large-scale to small-scale, especially at the building level. At this level, forecasting the energy consumption is more challenging due to some problems. Building load profile is small and strongly nonlinear. This makes difficult in getting high accuracy of forecasting. The missing data and outliers is also raising as an important problem and needed to solve.
This thesis studies the STLF for a microgrid using the artificial neural network (ANN) combined with the clustering technique. Firstly, the input features are selected based on the data analysis. Then the model structure and the number of neurons in a hidden-layer is determined. The performance of the proposed ANN based approach and the conventional methods are compared. To implement the ANN based STLF approach, several methods are proposed for the data preprocessing. First, an algorithm to treat missing and outlier data is proposed. In this method, the gradient is used to detect the outlier data and a clustering based approach is used to replace the missing and outlier data with the approximated value. Second, a method to automatically assign the binary feature values is proposed. This can significantly reduce human intervention and increase accuracy, especially in case of data variation.
Energy storage system (ESS) is one of the essential components of microgrids, which plays an important role in energy management and power trading or sharing. To deal with the forecast uncertainty and to improve the operational efficiency, rolling-horizon strategy can be adopted for the ESS scheduling. In this approach, the ESS scheduled is determined every hour by using the latest system information. For this operation scheme, STLF should also be run every hour. Therefore, this thesis proposes an implementation process of ANN based STLF for the rolling-horizon concept. To do this, the load data of the last hour is updated and the model training process is repeated every hour. All the above proposed solutions have been evaluated with actual data of four buildings in our university. The simulation test shows that the proposed rolling-horizon approach with periodical model update can improved the forecast accuracy. The average mean absolute percentage error (MAPE) and the standard deviation of the MAPE is significantly reduced for all four buildings.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)