자율 최적화를 통한 마이크로그리드 ESS 스케줄링
불확실한 수요·공급 환경에서 ESS의 최적 운전을 위해 예측 기반 스케줄링과 강화학습을 적용하여, 환경 변화에 자동 적응하는 자율 최적화 시스템을 구현한 사례입니다.
문제점
수요·공급 예측 불확실성
마이크로그리드 내의 수요와 공급의 불확실성을 고려하여 배터리의 최적 운전 스케줄을 도출할 수 있어야함
운전 조건별 비용 최적화 필요성
최적 운전은 계통에 연계되었을 때는 전력 비용을 최소화할 수 있어야하고, 디젤발전에 연계된 독립운전 시에는 디젤발전 연료를 최소화할 수 있어야 함
환경 변화 대응과 지속적 최적화 요구
시스템의 변경없이 지속적인 최적화가 필요하고, 요금제 등 환경 요인이 변경되었을 때에 대한 대응이 가능해야함
해결책
기상 기반 예측 스케줄링
24시간 전에 날씨예측에 기반하여 부하와 재생에너지 발전량을 예측하여 기본 스케줄을 생성하고, 매시간 가장 최신의 기상예보에 기반하여 예측값을 갱신하여 스케줄을 재생성을 지원
실시간 편차 추적 및 스케줄 갱신
매 15분 단위로 실측값과 부하 및 재생에너지 발전량 예측의 차이를 추적하며 해당 차이를 감안하여 최적의 ESS 스케줄을 재생성
강화학습 기반 자율 최적화
강화학습 기반의 방법론을 적용하여 요금제 등 환경 변화에 따라 최적화 솔루션을 전문가가 다시 계산하지 않고 시스템이 자체 학습할 수 있도록 개발
적용 효과
“강화학습 기반의 머신러닝 솔루션이 제안한 스케줄은 최적화 엔진을 통해 계산된 결과와 거의 동일한 수준의 결과를 보여주며, 이를 통해 ESS 최적화 운전의 안정성과 효율성을 크게 향상시켰습니다.”
- 강화학습 기반의 머신러닝 기반의 솔루션이 제안한 스줄이 최적화 엔진을 통해 계산된 결과와 거의 동일한 수준의 결과를 보임
- TOU 요금제를 명시적으로 넣지 않고도 요금제 정보를 정확히 판단함하여 운전하는 것이 확인되며, 향후 요금제 변경 혹은 디젤 효율과 같은 타 목적함수에 대해서도 자체적으로 학습될 수 있음을 보여줌
관련 제품 바로가기
