Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
1
에너지인공지능솔루션
신재생자원관리
무인모니터링으로O&M 비용과발전손실최소화
Solar’s hidden secret : 데이터
• 1GW화석연료발전소는약 1만개의데이터스트림을생성함.
• 같은규모의풍력발전단지는 51,000개, 5배더많이생성함.
• 태양광발전소의경우 436,000개로 44배더많이생산함.
대규모화석발전소와 풍력발전단지는일반적으로 상대적으로 적은수의큰자산(부품)을 중심으로 구축되는 반면, 태양광발전소는 다량의작은자산을중심으로 구축됨.
(예시)
• 풍력발전단지총 141MW 용량 88 개터빈으로 구성됨.
• 대조적으로 태양광발전소는 62MW또는절반이하의전력을생산하기위해 144,000개태양광패널이필요함.
• 각패널은전력생산량, 온도및기타매개변수에대한정보를생성할뿐만아니라인버터, 트래커, 접속배선함등은현재상태 또는가능한문제에대한연속스트림을생성함.
Renewable Energy WorldBy Michael Kanellos and Steve Hanawalt | 11.27.19
태양광발전은타발전원보다압도적으로많은양의데이터를생성하고있어, 데이터관리/처리기술을활용하여운영및유지보수를효율적으
로개설할수있는여지가큽니다. 타발전원은상대적으로적은데이터로판단을해야하므로사람의개입이필수적입니다.
2
배경
태양광발전은많은양의데이터를기반한개별판단이결정적인영향을미치지는않는특징으로,
사람의개입을최소화하기위한AI 인공지능기술을활용하는데적합합니다.
3
태양광시장의디지털 O&M트렌드: 태양광O&M의가격압박이점점디지털솔루션의채택으로방향리드
※유지보수관리자 1인이관리가능한태양광용량은? Big Data Approach로As Is 20 MW To Be 40~60 MW (2배이상의효율향상)
빅데이터기반AI를사용하여무인모니터링을가능하게하고,판단에사람의개입을최소화함으로써
O&M의노동생산성을두배이상높일수았으며, 이를위한데이터수집과통합의중요성이강조되고있습니다.
Data integration
Time-Averaged
dataAll Data
Value dataonly
Real-timedata
배경
Wood MackenzieThe increasing role of digital in the solar PV O&M space / 10.10.19
인코어드솔루션 : i-DERMS
4
“ 인공지능기반
통합분산에너지자원
관리시스템“
데이터취득인공지능 AI
분석
신청
행동가능한메시지
수익증가
서비스프로세스
완전한호환성 정확한진단
휴먼인터페이스 즉각적인알람
Seamless프로세스 확장성
특징
예측, 알람, 최적화AI 알고리즘을기반으로고객의O & M 프로세스를학습하여인적개입및오류최소화, O & M 효율성개선,
더높은수익을제공하는고객맞춤형AI 모니터링솔루션을제공합니다.
인코어드의AI 시스템은사람대신 AI가발전현황을모니터링하고O&M 관리자는알람시스템에만의존할수있도록지원합니다.
시간
정확도
머신러닝& 딥러닝
학습및고객맞춤
들어가며
인코어드의 AI 알고리즘 (1)
5
가. 태양광발전량예측알고리즘
우리는다양한예측모델의알고리즘을개발했습니다. 또한예측정확도를향상시키기위해특정 PV 사이트에대한
최상의알고리즘의조합을반복적으로학습및선택하는진화된딥러닝알고리즘을추가적용합니다.
핵심기술
Training Model Selection
Prediction
Data
+
Store the best model
지원 예측 모델
• statsmodels
• Ordinary Least Square method
• Quantile regression method
• Generalized Additive Model
• Holt-winters
• sklearn
• Support Vector Machine algorithm
• Kernel Ridge
• Deep learning
• Long Short-Term Model
• ETC
• Prophet
• Multivariate Adaptive Regression Splines
6
B. 이상탐지알람알고리즘
• 인버터, 스트링또는설치된별도계측장치그룹 (데이터단위) 별고장진단및발전량예측알고리즘실행
• 각고객의판단프로세스에 따른맞춤형 AI 알고리즘을 사용,
개별인버터또는스트링단위자가학습이상 (Fault) 진단진행
• 발전소내모든장치에특정기준을일괄적으로 적용하지않으며각모니터링장치, 즉인버터또는스트링그룹별각각자체진단기준을도출, 적용하도록 함.
개별인버터 or스트링기반비정상의기준을자동으로정확/신속하게설정하고, 편차분포를기반으로한이상판단AI 알고리즘을적용합니다.
개별데이터단위에대한AI 알고리즘가동
이상진단임계치에대한
자가학습
행동지침알림발송
핵심기술
• 태양광발전량실제측정치와예측치의편차를활용한이상탐지
• 예측편차의분포를확인후, 99%오차범위에대한알림
• 시각별, 일별설정에따른비정상알림발송
Period C : 비정상
인코어드의 AI 알고리즘 (2)
7
C. ESS 최적화알고리즘
기존의단순한시간단위고정스케줄링에따른반복적인제어로부터벗어나, 하루의시작전 24 시간의충방전스케줄을도출하는
머신러닝기반알고리즘으로, 개별사이트또는 ESS 장비의수익을극대화하고, 운영비용을최소화합니다.
기존 EMS 이용대비평균 8-10% 추가수익 창출
핵심기술
출간논문 : Kim, et al. (2019). Practical Operation Strategies for Energy Storage System under Uncertainty, Energies, 12(6), p.1098.
최적화엔진
• 목표는아래의총량인결과값(V)의최소화
배터리수명비용의합
전기가격의합
피크수요강제고려
Problem formulation Solution
• 상태변경을통한결과값계산
Bellman의방정식사용
피크제어를위한페널티항목개선
인코어드의 AI 알고리즘 (3)
8
주요적용사례
한국수력원자력
한국동서발전
하와이주정부
한국동서발전의 신규및기존 ESS시설에인코어드충·방전 최적화
알고리즘적용을성공적으로 완료하였으며, 2020년 6월까지
기존및추가사이트에대한통합관리및제어시스템구축및개발진행중
한수원의보유신재생시설에대한통합관리시스템개발프로젝트로
현재인코어드의 에너지플랫폼과 AI 알고리즘을 사용하여진행중
하와이섬데이터기반 AI 기반도서형마이크로그리드
작업진행중, 상용화준비과정
고객현황
우리는유틸리티및정부기관이분산된에너지자원의증가와수요통제의필요성에서비롯된모든문제를해결하도록돕습니다.
인공지능기반신재생에너지자원관리솔루션 i-DERMS는분산된지리적장소의여러자원을관리하는데매우유용합니다.
1차: 2018년 1월 ~ 2019년 3월 / 2차: 2019년 11월 ~ 2020년 6월
2019년 10월 ~ 2020년 8월 (10개월)
2018년 11월 ~ 2021년 4월 (30개월)
9
프로젝트. 한국동서발전
주요 Benefit
사례분석
프로젝트. 한국수력원자력
• i-DERMS의최적화알고리즘 가동결과전통적인 운전방식과대
비 10% 이상더많은수익창출
• AI 기반모니터링 솔루션을 활용한수익극대화
• 총 17개소 PV (41MW)+ESS(170MWh) 사이트운영을위한
i-DERMS 시스템구축
• AI 기반모니터링 솔루션을 활용하여 O&M 관리인력 2명이최소
15개사업소또는그이상을 관리할수있도록 지원함.
• 고객사는 2019년 28MW에서 2030년 5.4GW로태양광발전용량
증설하면서 i-DERMS를활용하여 인력증가최소화계획함.
• i-DERMS의통합기능으로 각 site의로컬모니터링 기능을최소화
하여용량증설에따른연결비용을 절감계획임.
O&M 인건비 최소화 Load-ESS 최적화를 통한 수익 극대화
(단위 : $1K)
구분 Year0 Year+10 Year+20 비고
기존 운전 1,569.78 7,726.91 10,422.77 Site A(ESS Only)
ESS 15MWh
PCS 3MW
인코어드 1,836.74 8,845.77 11,690.51
추가 수익266.96(17%)
1118.86(14.5%)
1,267.74 (12.2%)
구분 Year0 Year+10 Year+20 비고
기존 운전 1,569.78 7,726.91 10,422.77Site B
(ESS Only)
ESS 15MWh
PCS 3MW
인코어드 1,828.26 8,809.72 11,648.39
추가 수익258.48 (16.5%)
1,082.81(14%)
1,225.62(11.8%)
기존솔루션
2명, 15개소
28 MW 5.4 GW2019년 2030년
N
무인모니터링“
”
i-DERMS를활용하여
O&M 인력 ½ 절감
10
주요 Benefit
사례분석
• 전력중개사업에 특화된 1-day ahead 시각별발전량예측서비스
• 거래시간 1일전최초제출, 1시간전변경제출가능
• 예상추가수익년약 400만원기대 (정산금단가 3원/kWh, 10%이상이용률 3.7h, 1MW 기준)
태양광 예측 인센티브 추가 수익 (2020.04 시행 예정)
인코어드발전량예측알고리즘
• 다양한 예측 모델 학습 및조합
• 자가 학습 및커스터마이징하여예측정확도증가 (평균MAPE X%)
• 정산금 수익 극대화
시각별발전량예측데이터제공
예측제고 정산금 서비스 구조
계측데이터 정산급지급
제출
시간대별전력계량기설치
전력자원보유자
정산급지급조건
가. 시간 단위 오차율 8% 이내
나. 이용률 10% 이상인 시간대
다. 1개월 평균오차율 10% 미만
(정산금 지급 Pool 요건)
등록자격요건
가) 일정규모 이상
나) 집합자원 1MW 이상
11
인코어드회사소개
회사소개
인코어드는미국캘리포니아산호세에서 2013년설립된 "Energy AI"를추구하는스타트업입니다.
인코어는차세대에너지기술에투자를선도하는 George Soros와 SoftBank의투자를받았으며, AI 및 Big-Data
알고리즘을사용하여에너지산업에서혁신적인솔루션을제공하고있습니다. 인코어드의임무는 DER과소비자사
이를유기적으로연결하고, 에너지생산과소비의효율성을극대화하여, 인류의에너지고민을없애는것입니다.
Hyoseop LeeCSO
Bell Lab
Univ. of Wyoming
Ph. D. Seoul National Univ.
John ChoeCEO & Founder, Encored
President, LS IS
IEC-ACTAD International Expert
Busan Univ.
Jin LeeCMO
Intel
Ph.D. Stanford Univ.
Seoul National Univ.
KyoungIl ShinCTO
Choirock Contents Factory
Nexon
Seoul National Univ.
투자자
Frank HowleyVice President
Head of University-Industry
Foundation, UC Santa Cruz
Seyong LeeVice President
Hyosung
Younsei Univ.
Seonjeong LeeSenior Data Scientist
National Institute for Math Science
Ph.D. Seoul National Univ.
멤버
Quantum Strategic Partners
12
I United States I3031 Tisch Way, 110 PlazaWest
San Jose, CA United States 95128
I South Korea I서울시강남구봉은사로 215
KTS빌딩 8,9층, 06109 대한민국
I Japan I
27F, Shiodome Sumitomo Bldg. 1-9-2
Higashi-Shimbashi, Minato-ku, Tokyo, Japan
인코어드회사소개
지사위치
사업분야
AI 기반
분산자원관리
에너지
데이터서비스
수요반응
플랫폼운영
스마트홈
& 가족케어
본사
마이크로그리드
회사소개
인코어드의인공지능기반신재생자원모니터링및관리시스템에대한
더많은정보가필요하시다면 [email protected]으로
문의해주시기바랍니다.
Encored, Inc.
3031 Tisch Way, 110 PlazaWest
San Jose, CA
United States, 95128
Encored Technologies, Inc.
8F KTS Bldg. 215 Bongeunsa-ro
Gangnam-gu, Seoul
South Korea, 06109
www.encoredtech.com
132