분산 에너지 자원의 통합이 확대되면서 전력 시스템은 기존의 일방향 구조에서 양방향 상호작용 네트워크로 변화하고 있다. 이에 대응하여 배전 수준에서 에너지 저장 시스템을 구축하는 움직임이 급속히 가속되고 있는데, 이는 빠른 충·방전 능력 때문이다. 전기 요금 체계가 점차 복잡해짐에 따라 이러한 조건에서 에너지 저장 시스템의 운용을 최적화하는 것은 에너지 관리 시스템의 핵심적인 과제로 부상하였다. 본 논문에서는 복잡한 요금 구조 하에서 운용 비용을 최소화하기 위한 2단계 배터리 관리 시스템을 제안한다. 1단계에서는 통계적 접근을 통해 단기 전력 수요를 예측하며, 예측 정확도 94.59%를 달성하여 딥러닝 기법을 능가하면서도 예측 및 적합 시간이 1초 미만으로 빠르다. 이러한 예측을 바탕으로 Min–Max 선형 최적화 기법을 적용하여 적절한 임계값을 설정하고, 피크 소비를 효과적으로 감소시킨다. 2단계에서는 근접 정책 최적화(proximal policy optimization, PPO) 알고리즘 기반의 배터리 관리 시스템을 실시간 운용 기법으로 도입하여, 시간대별 요금(time-of-use price), 기준 페널티(baseline penalty), 배터리 열화 비용(battery degradation cost)을 고려하면서 전체 운용 비용을 최소화하도록 충·방전 전략을 실시간으로 지속적으로 조정한다. 시뮬레이션 결과, 대한민국의 실제 전력 소비 데이터를 사용했을 때 제안된 방법은 기존 배터리 관리 시스템에 비해 전체 운용 비용을 4.43% 감소시키는 것으로 나타났다. 본 결과는 복잡한 전기 요금 구조 하에서 실시간 배터리 관리를 위한 제안 프레임워크의 실용성과 효과를 검증한다. • 남한에서 전기요금을 최소화하기 위한 새로운 BMS 알고리즘을 제안한다. • ARIMA 기반 예측 모델을 적용하여 단기 수요 예측을 수행한다. • Min-Max 최적화로 일일 상한을 설정하여 피크 수요를 효율적으로 감소시킨다. • PPO 기반 강화학습을 제안하여 동적 실시간 배터리 제어를 수행한다. • RL 에이전트가 가격, 기준 비용, 열화에 적응하여 비용을 4.43% 절감한다.

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