Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지
DOI QR코드

DOI QR Code

The Development of an Aggregate Power Resource Configuration Model Based on the Renewable Energy Generation Forecasting System

재생에너지 발전량 예측제도 기반 집합전력자원 구성모델 개발

  • Eunkyung Kang (Department of Big Data Analytics, Kyung Hee University) ;
  • Ha-Ryeom Jang (Department of Big Data Analytics, Kyung Hee University) ;
  • Seonuk Yang (Department of Big Data Analytics, Kyung Hee University) ;
  • Sung-Byung Yang (Department of Business Administration/Big Data Analytics, Kyung Hee University)
  • 강은경 (경희대학교 일반대학원 빅데이터응용학과) ;
  • 장하렴 (경희대학교 일반대학원 빅데이터응용학과) ;
  • 양선욱 (경희대학교 일반대학원 빅데이터응용학과) ;
  • 양성병 (경희대학교 일반대학원 경영학과 & 빅데이터응용학과)
  • Received : 2023.12.08
  • Accepted : 2023.12.16
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

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.

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.

Keywords

References

  1. 강은경, 양선욱, 권지윤, 양성병. (2023). 철도 유휴부지 활용방안: 군집분석을 활용한 태양광 발전 입지 제안. 지능정보연구, 29(1), 79-105. https://doi.org/10.13088/jiis.2023.29.1.079.
  2. 고준택, 유영훈, 조근식. (2009). 한정 용량 차량 경로 탐색 문제에서 이분 시드 검출 법에 의한 발견적 해법. 지능정보연구, 15(1), 1-14.
  3. 권승일, 강상길. (2021). XGBoost-LSTM 앙상블을 이용한 태양광 발전량 예측. 한국지능시스템학회 논문지, 31(6), 475-479. https://doi.org/10.5391/JKIIS.2021.31.6.475.
  4. 권오극, 홍현표, 조현식, 차한주. (2023). 기상예보를 이용한 수상태양광 발전량 예측. 전기학회논문지, 72(8), 904-911. https://doi.org/10.5370/KIEE.2023.72.8.904.
  5. 김상진, 유재혁, 장병훈, 우성민. (2022). 머신러닝 기반의 예측 시장 참여를 위한 태양광 발전량 예측 알고리즘 및 수익성에 관한 연구. 한국태양에너지학회 논문집, 42(6), 173-183. https://doi.org/10.7836/kses.2022.42.6.173.
  6. 김영주, 정민아, 손남례. (2017). 풍향과 풍속의 특징을 이용한 SVR 기반 단기풍력발전량 예측. 한국통신학회논문지, 42(5), 1085-1092. https://doi.org/10.7840/kics.2017.42.5.1085.
  7. 김용수, 이상현, 김호원. (2019). 기상정보를 활용한 LSTM 기반 태양광 발전량 예측 기법. 한국통신학회논문지, 44(12), 2231-2238. https://doi.org/10.7840/kics.2019.44.12.2231.
  8. 김은지, 이택기, 김규호. (2021). 기상 테이터를 이용한 딥러닝 기반 풍력 발전량 예측에 관한 연구. 전기학회논문지, 70(5), 735-741. https://doi.org/10.5370/KIEE.2021.70.5.735.
  9. 나혜지, 김경석. (2022). 과거 일사량 자료를 활용한 수상태양광 발전량 예측 연구. 대한토목학회 학술대회, 544-545. https://doi.org/10.12652/Ksce.2023.43.2.0249.
  10. 박병언, 임규건. (2015). 일반영향요인과 댓글기반 콘텐츠 네트워크 분석을 통합한 유튜브 (Youtube) 상의 콘텐츠 확산 영향요인 연구. 지능정보연구, 21(3), 19-36. https://doi.org/10.13088/jiis.2015.21.3.19.
  11. 박성우, 정승민, 문재욱, 황인준. (2022). BiLSTM 기반의 설명 가능한 태양광 발전량 예측 기법. 정보처리학회논문지. 소프트웨어 및 데이터 공학, 11(8), 339-346. https://doi.org/10.3745/KTSDE.2022.11.8.339.
  12. 유재혁, 김상진, 장병훈, 우성민. (2022). 신재생에너지 예측시장 참여형 태양광 발전량 예측 모델 개발. 한국태양에너지학회 논문집, 42(6), 1-13. https://doi.org/10.7836/kses.2022.42.6.001.
  13. 유환욱, 김산, 위영민, 이재희. (2022). 재생에너지 발전량 예측제도를 고려한 ESS 연계형 태양광 발전의 발전량 입찰 계획 기법. 전기학회논문지, 71(8), 1076-1083. https://doi.org/10.5370/KIEE.2022.71.8.1076.
  14. 이문석, 정건희. (2018). K-평균 알고리즘을 이용한 적설관측소 군집분석. J. Korean Soc. Hazard Mitig, 18(2), 55-62. https://doi.org/10.9798/KOSHAM.2018.18.2.55.
  15. 이정인, 박완기, 이일우, 김상하. (2022). 통계적 및 인공지능 모형 기반 태양광 발전량 예측 모델 비교 및 재생에너지 발전량 예측제도 정산금 분석. 전기전자학회논문지, 26(3), 23-31. https://doi.org/10.7471/ikeee.2022.26.3.355.
  16. 이정인, 이일우. (2019). ICT 기반 신재생에너지 발전량 예측기술 동향. 한국통신학회지 (정보와통신), 36(11), 3-8.
  17. 이유수. (2020). 재생에너지 확대에 따른 전력시장 제도의 문제점 및 개선방향. 전기저널, 525, 34-39.
  18. 전력거래소. (2023). 전력시장운영규칙(20230630, 공고).
  19. 정희원, 구본희, 차준민. (2016). 제주계통의 기온변화 민감도를 반영한 주말 전력수요예측. 전기학회논문지, 65(5), 718-723. https://doi.org/10.5370/KIEE.2016.65.5.718.
  20. 최정곤, 최효상. (2021). 딥러닝을 이용한 풍력 발전량 예측. 한국전자통신학회 논문지, 16(2), 329-338. https://doi.org/10.13067/JKIECS.2021.16.2.329.
  21. 한국태양광발전학회 편집부. (2016). OCI (주) 고효율 태양광 발전 및태양전지 개발 현황. 한국태양광발전학회지. 2(1), 54-57.
  22. 황민우, 하예림, 박상욱. (2023). 머신러닝 기반 수소충전소 에너지 수요 예측 모델. Journal of Korean Society for Internet Information, 24(2), 47-56. https://doi.org/10.7472/jksii.2023.24.2.47. 
  23. Muzaffar, S., & Afshari, A. (2019). Short-term load forecasts using LSTM networks. Energy Procedia, 158, 2922-2927. https://doi.org/10.1016/j.egypro.2019.01.952.
  24. Nespoli, A., Ogliari, E., Leva, S., Massi Pavan, A., Mellit, A., Lughi, V., & Dolara, A. (2019). Day-ahead photovoltaic forecasting: A comparison of the most effective techniques. Energies, 12(9), 1621. https://doi.org/10.3390/en12091621.
  25. O'Leary, D., & Kubby, J. (2017). Feature selection and ANN solar power prediction. Journal of Renewable Energy, 2017. https://doi.org/10.1155/2017/2437387. 
  26. 권선형. (2022, 02. 07). 정확한 발전량 예측으로 안정적 계통운영과 전력수요예측 실현한다. 인더스트리 뉴스. https://www.industrynews.co.kr/news/articleView.html?idxno=45105.
  27. 박상돈. (2022, 09. 20). 신재생 발전설비 비중 20% 첫 돌파... 태양광은 15% 상회. 연합뉴스. https://www.yna.co.kr/view/AKR20220919154800003.
  28. 박현익. (2023, 08. 23). [단독]작년 글로벌 태양광 설치 1TW 첫 돌파... "韓, 수출 주력 키워야". 동아일보. https://www.donga.com/news/Economy/article/all/20230822/120816032/1.
  29. 산업통상자원부. (2004. 12. 31). 신에너지 및 재생에너지 개발 이용 보급촉진법. 법제처 국가법령정보센터. https://law.go.kr/LSW/lsInfoP.do?lsiSeq=66131#0000.
  30. 재생에너지클라우드플랫폼. (2023). 발전소 현황. 재생에너지 클라우드플랫폼.
  31. https://recloud.energy.or.kr/main/main.do.
  32. Chadwick, M. (2021). 10분만에 읽는 '파리협정' A to Z, GreenPeace. https://www.greenpeace.org/korea/update/17235/blog-ce-paris-climate-agreement-a-to-z/.