빅데이터 처리기술·AI기반 배전선로 부하예측 정확도 90%
예측 정확도 개선으로 연간 투자비용 약 80억원 절감 기대

[에너지신문] 한전 전력연구원이 배전계통 부하예측 및 상태진단 정확도 향상을 위한 '빅데이터·인공지능 전력부하예측 및 상태진단 시스템' 개발을 완료하고, 지난달 전국 1만여개 배전선로에 실증 및 확대 적용했다고 9일 밝혔다.

전력연구원에 따르면 그동안 부하예측을 포함, 전력분야에 인공지능을 접목하기 위한 시도가 있었으나, 전력데이터 확보 및 실증의 어려움으로 확대 적용 및 상용화에 한계가 있었다.

전력연구원은 풍부한 전력데이터를 기반으로 인공지능을 접목, 부하예측 및 상태진단 기술개발을 지난해 완료했다. 그 후 지속적인 기술 고도화를 통해 세계 최대규모의 '빅데이터·인공지능 전력부하예측 및 상태진단 시스템'을 전국 1만여개 선로에 확대 적용했다.

▲ 개발시스템 메인 웹화면.
▲ 개발시스템 메인 웹화면.

이 시스템은 태양광발전, 전기자동차 등에 의해 복잡·다변화하는 배전계통의 부하를 인공지능을 기반으로 능동적으로 예측하고, 배전계통의 상태를 진단하는 시스템이다.

인공지능 기반 부하예측 기법은 데이터의 건전성에 따라서 산출물의 신뢰도가 달라질 수 있다. 수집된 전력 데이터의 신뢰도 확보를 위헤 별도의 군집화 알고리즘 및 심화학습 알고리즘 등의 인공지능 기술을 접목했다. 수집데이터를 자동으로 학습, 전력 데이터의 정상 및 이상 여부를 능동적으로 판단한다.

신뢰도가 확보된 전력 데이터를 활용, 인공지능 기반 배전선로의 부하를 예측하며 이를 토대로 과부하 횟수와 빈도 등 배전선로의 투자 우선순위를 계산할 수 있다. 이 기술을 세계 최대규모로 전국 1만여개 배전선로에 적용, 부하예측 및 상태분석 평균 정확도 90%를 달성했다는 게 전력연구원의 설명이다.

▲ 이상 데이터(부하 절체) 탐지 예시.
▲ 이상 데이터(부하 절체) 탐지 예시.

또한 복잡한 계통에 대한 특화분석이 가능하도록 수집된 데이터로부터 대표패턴을 추출하는 기능을 갖췄으며, 배전계통의 구간 부하 등의 정보를 효율적으로 제공하고 모의할 수 있다. 전국 1만여개 선로 내의 약 10만여 개별 구간에 대해 실시간 부하를 예측하고 상태를 진단, 부하패턴 변화에 능동적인 선제적 조치가 가능하다.

분산전원 연계비중 증가에 따라 배전계통 해석 난이도가 높아지므로 인공지능 기반의 포괄적 배전계통 해석은 필수적이다. 인공지능 특화형 전력 빅데이터 처리 및 관리기술을 통해 배전선로 부하예측 정확도를 기존 70%에서 90%까지 향상시켰다. 이를 통해 배전계통 운영·계획 측면의 투자효율 개선으로 연간 투자비용을 약 80억원 절감할 수 있을 것으로 기대된다.

한전 전력연구원 관계자는 "전력 빅데이터 실측 및 예측 데이터베이스 구축을 통해 데이터 자산을 확보할 예정"이라며 "분산전원 수용분석 등 부각되는 배전계통의 현안 사항을 해소하는 통합 시스템으로 활용할 것"이라고 밝혔다.

저작권자 © 에너지신문 무단전재 및 재배포 금지