이 연구는 산업 시설에서 부하 예측 불확실성, 배터리 열화, 그리고 비용 효율적인 운영을 함께 다루는 에너지 저장 시스템의 일일(전일) 단위 사전 스케줄링(day-ahead scheduling)을 위한 통합 프레임워크를 제안한다. 부하 예측을 위해 하이브리드 CNN-LSTM 모델을 개발하였으며, 예측 오류를 4개 시간 구간에 걸쳐 분석하여 절단 정규분포(truncated normal distributions)를 사용함으로써 현실적인 부하 시나리오를 생성한다. 이러한 시나리오는 시간대별 전기요금과 배터리 열화 비용을 최소화하는 강건 최적화 프레임워크에 통합된다. 본 접근은 경제적 효율성과 운영 안정성 간의 균형을 보장한다. 한국의 실제 산업 데이터를 사용한 시뮬레이션 결과, 제안된 프레임워크는 에너지 저장 시스템이 없는 경우와 비교하여 총 전기 비용을 12.78% 감소시키는 것으로 나타났으며, 이는 강건 ESS 스케줄링에서의 실용성을 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.