Power Consumption Prediction and Scheduling Schemes for Microgrid

Abstract

스마트그리드에서 가장 주목하는 것은 전력 사용의 피크를 평준화하는 것이다 [Mady et al. 2010]. 그만큼 피크 시 전력 사용이 집중되면 전력 계통은 위협을 받게 되고, 이로 인해 발생되는 블랙아웃은 국가 경제에도 큰 손실을 가져온다. 따라서 안정적인 전력 계통을 운용하기 위해 전력 수요에 대한 보다 정확한 예측을 통해 전력 수급 계획을 세우고, 전력 사용량을 분산시켜 피크를 감소할 수 있어야 한다. 따라서 본 논문은 마이크로그리드에서의 전력 수요 예측과 특정 시간대에 전력 기기들의 사용 순서를 조정하는 효율적인 전력 스케줄링 기법들을 제안하고 그 성능을 분석한다. 논문은 크게 세 개의 주제, 즉 전력 소비 수요에 대한 예측, 백트래킹 기반의 전력 소비 스케줄링, 유전 알고리즘 기반의 멀티 쓰레드 전력 소비 스케줄링으로 구성된다.

첫 번째 파트에서는 제주대학교의 전력 사용 데이터를 토대로 자기회귀 이동평균(ARIMA; Auto Regressive Integrated Moving Average) 모형을 사용하여 월별, 15분별 전력 사용량을 예측하였다. 또한 15분별 예측은 1일치 뿐만 아니라 70일치까지의 전력 사용량 예측과 요일별 예측을 함께 진행하였으며, 예측 오차를 구한 후 모형의 성능을 평가하였다. 예측의 범위가 넓어질수록 예측 오차는 커지기는 하지만 예측값은 실제값과 상당히 일치한다.

두 번째 파트에서는 실질적인 전력 부하 프로파일을 기반으로 태스크 모델을 생성하고 전력 소비 스케줄러를 설계한다. 전력 소비 스케줄러는 태스크들을 의 할당 테이블로 할당하는데 비선점형의 태스크는 프로파일 엔트리는 단지 할당 테이블로 하나씩 차례차례 복사하고, 반면 선점형 태스크는 프로파일이 바로 복사되는 게 아니라 조합 벡터들을 이용하면서 할당 테이블로 사상(mapping)된다. 슬롯 당 각 태스크의 총합은 스케줄이 되어지는 전력 수요량이 되며, 총합 중 가장 높은 값인 전력 소비 스케줄의 피크로드를 줄일 수 있도록 각각의 타임 슬롯에서 전체 소비량을 고려하여 스케줄링한다. 백트래킹 기반의 전력 소비 스케줄링 기법은 전력 소비 동작을 태스크 모델로 변환하여 태스크 셋의 가능한 모든 할당을 순회하기 위해 서치 스페이스를 반복적으로 확장해 나가며 피크로드를 줄일 수 있는 스케줄을 찾는다. 확장해 가는 동안 하나의 단말 노드에 도달했을 때 계산되어진 이 스케줄의 피크 소비량과 현재의 최적의 피크로드의 값과 비교해가며 현재 최적 피크로드를 업데이트한다. 불필요한 확장을 줄여 스케줄링의 속도를 향상시키기 위해 부분적인 솔루션에 해당하는 각각의 중간 노드에서 이미 최적 피크값을 넘었는지를 체크하고, 그렇지 않으면 남은 서브 트리는 제거한다. 또한 선점형 태스크의 경우는 가능한 조합을 미리 구해 놓고 스케줄링함으로써 수행 시간을 대폭 감소시킬 수 있다. 성능 평가 결과 제안된 기법은 스케줄링 전보다 피크 부하를 23.1%까지 줄일 수 있었고, 서치 스페이스 가지치기 효과에 따라 수행 시간이 단축되었다.

세 번째 파트에서는 유전 알고리즘을 이용하여 멀티 쓰레드 전력 소비 스케줄링 기법을 제안한다. 유전 알고리즘을 이용한 전력 소비 스케줄링 기법은 염색체를 정수의 엘리먼트를 포함하는 벡터로 구성하고, 이 벡터들로 구성된 해 집단이 생성되면 이 해 집단에 대해 선택, 교차, 대치 연산을 이용하여 새로운 자식 해와 다음 세대를 생성할 수 있다. 세대를 거듭하면서 반복하면 점점 최적의 해에 가까워지게 된다. 전력 소비 스케줄의 피크로드에 대한 평가를 위해 적합도 함수는 슬롯 당 전력 소비의 합을 계산하고 그 중 가장 큰 값 피크로드를 찾는다. 유전 알고리즘 기반의 멀티 쓰레드 전력 소비 스케줄링은 프로파일의 정보들을 만족할 수 있는 스케줄링의 결과들의 조합에 해당하는 해 집단을 생성할 수 있고, 이로부터 랜덤하게 초기 해 집단을 선택하게 되는데, 이 때 초기 해 집단을 다양하게 한 후 각각의 쓰레드에 그 해 집단을 할당하게 하여 각각의 쓰레드가 유전 알고리즘 프로시저를 독립적으로 작동하게 한다. 상이한 초기해 집합으로부터 각각 진화하게 함으로써 솔루션의 다양성을 만족 시키고, 멀티 쓰레드를 통해 스케줄러의 수행 시간을 단축시킬 수 있다. 실험 결과 태스크의 수가 적을수록, 해 집단의 크기가 작을수록, 유전 알고리즘의 반복 횟수(iteration)의 수가 1,000회 정도일 때 멀티 쓰레드는 매우 효과적으로 작동한다.