미리 학습된 제1인공 신경망을 이용하여, 타겟 시간에 대한 타겟 전력 계통의 순부하량을, 최대값 및 최소값을 포함하는 구간 타입으로 예측하는 단계; 및상기 타겟 시간에 대한 구간 타입의 순부하량에 기반한 강화 학습을 수행하여, 상기 타겟 전력 계통에 포함된 발전소 및 ESS에 대한 운영 계획을 결정하는 단계를 포함하되, 상기 타겟 전력 계통의 순부하량을 예측하는 단계는상기 타겟 전력 계통에 대한 타겟 데이터를 상기 제1인공 신경망에 입력하여, 상기 구간 타입의 순부하량을 예측하며,상기 타겟 데이터는, 현재 및 과거에서 측정된 포인트 타입의 순부하량, 미리 학습된 제2인공 신경망을 통해 예측된 상기 타겟 시간에 대한 포인트 타입의 순부하량, 상기 포인트 타입의 순부하량이 측정 및 예측된 시간에 대한 환경 변수를 포함하고, 상기 제1인공 신경망은,훈련 데이터를 이용하여, 상기 타겟 시간에 대한 구간 타입의 순부하량을 예측하도록 학습된 신경망이며,상기 훈련 데이터는,상기 제2인공 신경망을 통해 예측된, 미리 설정된 예측 시간에 대한 포인트 타입의 제1훈련용 순부하량, 상기 예측 시간에서 측정된 포인트 타입의 제2훈련용 순부하량, 상기 제1 및 제2훈련용 순부하량의 오차값, 상기 제1 및 제2훈련용 순부하량이 예측 및 측정된 시간에 대한 환경 변수를 포함하는 강화학습 기반의 에너지 관리 방법.

삭제

삭제

제 1항에 있어서,상기 제1인공 신경망은상기 제1인공 신경망을 통해 출력된 상기 예측 시간에 대한 구간 타입의 순부하량에 상기 제2훈련용 순부하량이 포함되는지 여부를 나타내는 제1지표값, 상기 예측 시간에 대한 구간 타입의 순부하량에 대한 넓이를 나타내는 제2지표값을 포함하는 손실 함수를 이용하여, 학습된 신경망인강화학습 기반의 에너지 관리 방법.

제 4항에 있어서,상기 손실 함수는하기 수학식1과 같이 표현되는 손실 함수인강화학습 기반의 에너지 관리 방법.[수학식1]여기서, , 는 와 같이 계산되는 상기 제1지표값, 는 와 같이 계산되는 상기 제2지표값, n은 상기 훈련 데이터의 개수, 는 신뢰 수준(confidence level), 는 라그랑지안(Lagrangian)의 람다값, c(t)는 상기 예측 시간에 대한 구간 타입의 순부하량에 상기 제2훈련용 순부하량이 포함되는지 여부를 나타내는 이진값, c는 c(t)의 총개수, 및 는 상기 예측 시간 t에서의 상기 최대값 및 최소값을 나타냄.

제 5항에 있어서,상기 신뢰 수준은상기 오차값에 따라 결정되는 값인강화학습 기반의 에너지 관리 방법.

제 1항에 있어서,상기 타겟 전력 계통의 순부하량을 예측하는 단계는상기 타겟 전력 계통의 총부하량을, 최대값 및 최소값을 포함하는 구간 타입으로 예측하고, 상기 타겟 전력 계통에 포함된 신재생 에너지 발전기의 발전량을, 최대값 및 최소값을 포함하는 구간 타입으로 예측하는 단계; 및상기 총부하량에서 상기 발전량을 차감하여, 상기 타겟 시간에 대한 구간 타입의 순부하량을 계산하는 단계를 포함하는 강화학습 기반의 에너지 관리 방법.

제 1항에 있어서,상기 운영 계획을 결정하는 단계는상기 타겟 시간에 대한 구간 타입의 순부하량을 포함하는 상태 집합을 이용하는 강화 학습 모델을 이용하여, 상기 강화 학습 모델의 정책에 대응되는 상기 운영 계획을 결정하는강화학습 기반의 에너지 관리 방법.

제 1항에 있어서,상기 운영 계획을 결정하는 단계는상기 타겟 시간에 대한 구간 타입의 순부하량에 따라 결정되는 상기 타겟 전력 계통의 예비력 부족 정도를 고려하여, 상기 운영 계획을 결정하는강화학습 기반의 에너지 관리 방법.

제 9항에 있어서,상기 예비력 부족 정도는상기 타겟 시간에 대한 구간 타입의 순부하량의 최대값 및 최소값의 차이에 비례하여 증가하는강화학습 기반의 에너지 관리 방법.

제 9항에 있어서,상기 운영 계획을 결정하는 단계는하기 수학식2와 같이 표현되는 목적함수의 계산값이 최소가 되도록, 상기 운영 계획을 결정하는강화학습 기반의 에너지 관리 방법.[수학식 2]여기서, 는 상기 타겟 전력 계통의 부하에 대한 전력 수급 균형 여부를 나타내는 파라미터, 는 상기 타겟 전력 계통의 예비력 부족 정도를 나타내는 파라미터, 는 전력 생산 비용을 나타내는 파라미터, 는 가중치, 는 상기 타겟 시간의 간격을 나타냄.

제 1항에 있어서,상기 운영 계획을 결정하는 단계는상기 타겟 전력 계통에 대한 이상이 발생한 경우, 상기 운영 계획을 갱신하는강화학습 기반의 에너지 관리 방법.

삭제

삭제