가정용 전력 모니터링을 위한 전력신호 분석 알고리즘 개발

국문 초록 (Abstract)

본 연구에서는 가정 내 모든 기기가 연결된 하나의 전력선을 모니터링 하여 그 전력선에 연결된 기기 각각의 젼력 소비 상황을 모니터링 하는 NILM(Non-Intrusive Load Monitoring) 시스템 구축에 필요한 신호 분석 알고리즘에 대한 연구를 수행하였다. 본 연구에서 제안한 신호 분석 알고리즘은 전력선에서 관찰된 여러 기기의 전력 소비 패턴이 혼합된 혼합 전력 패턴을 복수개의 시간 구간으로 분리하고, 연속된 시간 구간 사이의 신호 차이를 구한 후, 이 차이 신호를 분석하여 어떤 장치가 현재 시간 구간에서 동작 중인지를 알아낸다. 이 때 시간 구간을 충분히 작게 하고, 신호 분석에 사용되는 특징들이 독립적이고 additivity특징을 가지도록 선정한다면, 이 차이 신호에는 한 장치의 특징만이 남아 있으므로, 동시에 동작할 수 있는 장치 조합의 수 2<SUP>N</SUP>개가 아닌 장치 N 개에 해당하는 특징만을 이용하여 혼합 신호를 분석할 수 있다. 이를 통하여 장치 개수가 증가하더라도 연산량 역시 산술적으로 증가하는 합리적인 확장성을 확보할 수 있다. 실제 가정에서 각 장치의 데이터 패턴을 채집한 후 이를 인위적으로 조합하여 만든 실험 데이터를 활용하여 제안한 방법을 검증하였다. 검증 결과 4개의 장치가 동시에 동작하고 그 장치의 특징들이 제안한 알고리즘에서 제시한 기준을 만족하는 경우, 비록 제한된 실험이었지만 완벽한 분류 성공률을 보였다. 제안된 알고리즘을 실제 사용하기 위해서는 장치의 수를 증가하고, 시간 구간을 조정하며, 신호 혼합 패턴을 다양하게 한 실증적인 연구가 더 필요하다. 하지만 이 경우 본 연구에서 제안한 기준을 만족하는 특징을 선택한다면, 그렇지 않은 경우에 비하여, 일정 정도 성능이 보장되는 NILM 시스템을 구축할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This paper presents an algorithm identifying devices that generate observed mixed signals that are collected at main power-supply line. The proposed algorithm, which is necessary for low cost electric power monitoring system at appliance-level, that is non-intrusive load monitoring system, divides incoming mixed signal into multiple time intervals, calculating difference-signals between consecutive time interval, and identifies which device is operating at the time interval by analysing the difference-signals. Since the features of one device can remain when the time interval is short enough and the features are independent and additive, well-known classification algorithms can be used to classify the difference-signals with features of N individual devices, otherwise 2<SUP>N</SUP> features might be necessary. The proposed algorithm was verified using data mixed in a laboratory with individual devices’s data collected from field. When maximum 4 devices operate or stop sequentially and when features satisfy the requirements of proposed algorithm, the proposed algorithm resulted nearly 100% success rate under the constrained test condition. In order to apply the proposed algorithm in real world, the number devices shall increase, the time interval shall be smaller and the pattern of mixture shall be more diverse. However we can expect, if features used follow guidelines of proposed algorithm, future system could have certain level of performance without the guideline.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 기존 연구
• 3. 장치 분석 알고리즘 제안 및 분석
• 참고문헌

참고문헌 (Reference)

1 전력IT사업단, "한국형 스마트그리드 비전" 2009

2 박성욱, "기기별 전력 모니터링 시스템 개발에 관한 연구" 한국지능시스템학회 20 (20): 638-644, 2010

3 박성욱, "가정용 전력 모니터링 시스템 및 장치식별 알고리즘 개발" 한국지능시스템학회 21 (21): 407-413, 2011

4 Jeffey W. Chapman, "The Economics of Advanced Metering Infrastructure (AMI) Market In the United States" 2010

5 B. Neenan, "Residential electricity use feedback: A research synthesis and economic framework" Electric Power Research Institute 2009

6 "Nonintrusive load monitoring"

7 George W. Hart, "Nonintrusive appliance load monitoring" 80 (80): 1992

8 GE Energy, "Leveraging load as a resource" 2010

9 Mario Berges, "Learning Systems for Electric Consumption of Buildings" 2009

10 Primen, Inc., "Final Report-California Information Display Pilot Technology Assessment" 2004

11 S. N. Patel, "At the flick of a switch: Detecting and classifying unique electrical events on the residential power line" 2007

12 C. Laughman, "Advanced non-intrusive monitoring of electric loads" IEEE Power and Energy 2003

13 Jeff Lee, "AMI-Lessons learnt, It is all about the customer" 2010