Data-Driven Energy Management and Uncertainty-Aware Control for Microgrids and ESS
연구 내용
신재생 변동성과 복잡한 전기요금 환경을 고려해 마이크로그리드와 에너지저장장치의 비용을 최소화하는 데이터 기반 에너지 관리 및 최적 제어 연구
김장겸 연구실은 마이크로그리드와 배전 단계 에너지저장장치 운영을 대상으로 데이터 기반 예측과 최적화 제어를 결합한 연구를 수행합니다. 전기요금 구조의 복잡성에 대응하기 위해 단기 수요를 통계 기반으로 추정하고, Min–Max 형태의 선형 최적화를 통해 운영 임계값을 설정합니다. 또한 실시간 제어에는 PPO 기반 강화학습을 적용하여 충방전 전략을 반복 갱신합니다. 더불어 편향된 신재생 예측을 반영한 불확실성 인지 제어를 통해 변동성 환경에서도 안정적인 운영을 가능하게 하는 차별성을 확보하고 있습니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 캠퍼스 마이크로그리드에서 비용을 목표로 하는 에너지 관리 모델을 구성하고, 운영 변수와 전력 흐름 특성을 반영한 최적화 틀을 확보하였습니다. 이후에는 복잡 전기요금 환경에서 피크 소비를 억제하면서 전체 운영 비용을 줄이기 위해 수요 예측-최적화-실시간 제어로 이어지는 2단계 구조로 확장했습니다. 최근에는 신재생 변동성과 예측 편향이 존재하는 조건에서 불확실성을 인지한 에너지저장장치 제어로 연구 범위를 심화하여, 예측 오차가 운영 성능에 미치는 영향을 줄이는 방향으로 발전시키고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Learning based cost optimal energy management model for campus microgrid systems
Reinforcement learning-based energy management system in the complex electric tariff environment
Robust uncertainty-aware control of energy storage systems using biased renewable energy forecast