재생에너지 발전량 예측제도 기반 집합전력자원 구성모델 개발

강은경; 장하렴; 양선욱; 양성병

추천

검색

질문

자료유형: 학술저널

저자정보: 강은경 (경희대학교) 장하렴 (경희대학교) 양선욱 (경희대학교) 양성병 (경희대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제29권 제4호

발행연도: 2023.12

수록면: 229 - 256 (28page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2023

재생에너지 발전량 예측제도 기반 집합전력자원 구성모델 개발

강은경 , 장하렴 , 양선욱 외 1명 지능정보연구 2023.12 학술저널

재생에너지 발전량 예측제도 기반 집합전력자원 구성모델 개발

강은경 , 장하렴 , 양선욱 외 1명 한국지능정보시스템학회 학술대회논문집 2023.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

팬데믹으로 인한 재택근무와 가정용 전력수요의 증가는 전력수요 패턴에 상당한 변화를 불러왔다. 이로 인해 한전 PPA(전력구매계약) 및 자가용 태양광 발전량 파악이 어려워지고, 전력거래소의 전력수요예측과 계통운영에 어려움이 가중되고 있다. 전기에너지는 다른 에너지 자원과 달리 저장이 어려워, 생산된 에너지와 소비 사이의 균형을 유지하는 것이 매우 중요하다. 전기에너지의 부족이나 과잉 생산은 에너지 시스템에 큰 불안정성을 초래할 수 있으므로, 전력 수급을 효과적으로 관리하는 것이 필수적이다. 특히, 4차 산업혁명 시대에는 데이터의 중요성이 더욱 커져 대규모 화재나 정전과 같은 문제가 심각한 영향을 미칠 수 있다. 이에 따라, 전기에너지 분야에서 정확한 전력수요와 함께 재생에너지와 같은 발전량을 정확하게 예측하여 적절한 발전 관리를 하는 것이 중요하며, 이는 불필요한 전력 생산을 줄이고 에너지 자원을 효율적으로 활용하는데 도움이 된다. 이에, 본 연구에서는 산업통상자원부에서 제공한 169개 발전소의 데이터를 활용하여 최적의 집합전력자원을 구성하기 위해 (1) 재생에너지 발전량 예측제도와 목표, 그리고 실제 적용에 대해 검토하고, (2) 예측제도 정산을 고려한 집합구성 알고리즘을 개발한 후, (3) 분석 로직에 이를 적용하여 결과를 종합하고 해석하였다. 본 연구는 최적의 집합구성 알고리즘을 개발하여, 최대 정산금 대비 80.66%에 달하는 집합구성(Result_Number 546)을 도출하였으며, 발전소 집합을 구성하였을 때 정산금을 증가시키는 발전소(B1783, B1729, N6002, S5044, B1782, N6006)와 정산금을 감소시키는 발전소(S5034, S5023, S5031)를 확인하였다. 집합전력자원을 연구단위로 설정하여 최적의 집합구성 알고리즘을 개발한 최초의 연구로서 의의가 있으며, 본 연구결과의 활용으로 전력시스템의 안정성을 향상시키고 에너지 자원이 효율적으로 활용될 수 있기를 기대한다.

The increase in telecommuting and household electricity demand due to the pandemic has led to significant changes in electricity demand patterns. This has led to difficulties in identifying KEPCO’s PPA (power purchase agreements) and residential solar power generation and has added to the challenges of electricity demand forecasting and grid operation for power exchanges. Unlike other energy resources, electricity is difficult to store, so it is essential to maintain a balance between energy production and consumption. A shortage or overproduction of electricity can cause significant instability in the energy system, so it is necessary to manage the supply and demand of electricity effectively. Especially in the Fourth Industrial Revolution, the importance of data has increased, and problems such as large-scale fires and power outages can have a severe impact. Therefore, in the field of electricity, it is crucial to accurately predict the amount of power generation, such as renewable energy, along with the exact demand for electricity, for proper power generation management, which helps to reduce unnecessary power production and efficiently utilize energy resources. In this study, we reviewed the renewable energy generation forecasting system, its objectives, and practical applications to construct optimal aggregated power resources using data from 169 power plants provided by the Ministry of Trade, Industry, and Energy, developed an aggregation algorithm considering the settlement of the forecasting system, and applied it to the analytical logic to synthesize and interpret the results. This study developed an optimal aggregation algorithm and derived an aggregation configuration (Result_Number 546) that reached 80.66% of the maximum settlement amount and identified plants that increase the settlement amount (B1783, B1729, N6002, S5044, B1782, N6006) and plants that decrease the settlement amount (S5034, S5023, S5031) when aggregating plants. This study is significant as the first study to develop an optimal aggregation algorithm using aggregated power resources as a research unit, and we expect that the results of this study can be used to improve the stability of the power system and efficiently utilize energy resources.

#재생에너지 #집합전력자원 #집합구성 알고리즘 #재생에너지 발전량 예측제도 #태양광 발전량 #Renewable Energy #Aggregate Power Resource #Aggregate Configuration Algorithm #Renewable Energy Generation Forecasting System #Solar Power Capacity

참고문헌 (32)

참고문헌 신청

강은경, 양선욱, 권지윤, 양성병. (2023). 철도 유휴 부지 활용방안: 군집분석을 활용한 태양광 발전 입지 제안. 지능정보연구, 29(1), 79-105.https://doi.org/10.13088/jiis.2023.29.1.079.

고준택, 유영훈, 조근식. (2009). 한정 용량 차량 경로 탐색 문제에서 이분 시드 검출법에 의한 발견적 해법. 지능정보연구, 15(1), 1-14.

권승일, 강상길. (2021). XGBoost-LSTM 앙상블을 이용한 태양광 발전량 예측. 한국지능시스템 학회 논문지, 31(6), 475-479. https://doi.org/10.5391/JKIIS.2021.31.6.475.

권오극, 홍현표, 조현식, 차한주. (2023). 기상예보를 이용한 수상태양광 발전량 예측. 전기 학회논문지, 72(8), 904-911. https://doi.org/10.5370/KIEE.2023.72.8.904.

김상진, 유재혁, 장병훈, 우성민. (2022). 머신러닝 기반의 예측 시장 참여를 위한 태양광 발전 량 예측 알고리즘 및 수익성에 관한 연구. 한국태양에너지학회 논문집, 42(6), 173-183.https://doi.org/10.7836/kses.2022.42.6.173.

이 논문의 저자 정보

강은경

소속기관 경희대학교

주요연구분야 공학 > 산업공학 TOP 5%

논문수 10 이용수 2,421

장하렴

소속기관 경희대학교

주요연구분야 공학 > 산업공학 TOP 10%

논문수 4 이용수 539

양선욱

소속기관 경희대학교

주요연구분야 공학 > 산업공학 TOP 5% 사회과학 > 경영학

논문수 10 이용수 2,843

Sung-Byung Yang

소속기관 Kyung Hee University

주요연구분야 공학 > 산업공학 TOP 0.5% 사회과학 > 경영학 TOP 0.5%

논문수 72 이용수 23,536

이 논문과 함께 이용한 논문

에너지 데이터를 활용한 서비스 및 플랫폼 개발에 대한 연구

김범주 , 김대환 , 권광균 외 2명 한국에너지기후변화학회 학술대회 2023 .11

신재생에너지 직접 전력구매계약(PPA)의 송전 이용요금 산정 방법

김동현 , 박채운 , 박종배 외 1명 전기학회논문지 2023 .07

머신러닝 기반의 예측 시장 참여를 위한 태양광 발전량 예측 알고리즘 및 수익성에 관한 연구

김상진 , 유재혁 , 장병훈 외 1명 한국태양에너지학회 논문집 2022 .12

MIS Quarterly 연구동향 탐색: 토픽모델링 및 키워드 네트워크 분석 활용

강은경 , 정연식 , 양선욱 외 2명 지능정보연구 2022 .06

에너지 빅데이터 플랫폼 서비스 기획 연구

강동주 , 서종관 , 김휘강 대한전기학회 학술대회 논문집 2020 .07

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089215103

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (32)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)