| 1 |
1
에너지 저장 장치를 위한 강화학습 기반의 제어 방법에 있어서,상기 에너지 저장 장치가 에너지를 공급하는 시설의 미래 전력 수요량을 예측하는 단계;상기 에너지 저장 장치의 현재 충전량, 상기 예측된 미래 전력 수요량, 시간대 별 전기 요금 및 상기 에너지 저장 장치의 사용에 의한 감가상각 예측 비용을 입력으로 하는 강화학습 기반의 제어 모델에 기초하여 상기 에너지 저장 장치의 충방전을 위한 제어 신호를 결정하는 단계; 및상기 제어 신호에 기초하여 상기 에너지 저장 장치를 충전 또는 방전하는 단계를 포함하는,제어 방법
|
| 2 |
2
제1항에 있어서,상기 제어 신호를 결정하는 단계는,상기 에너지 저장 장치를 충전할 때 소요되는 전기에 대한 총 전기 요금과 상기 에너지 저장 장치의 사용에 의한 감가상각 예측 비용의 합이 최소가 되도록 상기 에너지 저장 장치의 충방전을 제어하는 상기 제어 신호를 생성하는 단계를 포함하는,제어 방법
|
| 3 |
3
제2항에 있어서,상기 제어 신호를 생성하는 단계는,제어 모델을 이용하여, 현재 에너지 저장 장치의 잔여수명, 에너지 저장 장치의 노화 요인, 에너지 저장 장치의 현재 충전량 및 에너지 저장 장치의 스트레스 요인에 기초하여 상기 에너지 저장 장치의 사용에 의한 감가상각 예측 비용을 산출하는 단계;예측된 미래 전력 수요량 및 시간대 별 전기 요금에 기초하여 상기 총 전기 요금을 산출하는 단계; 및상기 에너지 저장 장치의 사용에 의한 감가상각 예측 비용과 상기 총 전기 요금의 합이 최소값이 되도록 하는 시간대 별 상기 에너지 저장 장치의 충방전을 제어하는 상기 제어 신호를 생성하는 단계를 포함하는,제어 방법
|
| 4 |
4
제1항에 있어서,상기 제어 모델은,상기 에너지 저장 장치의 현재 충전량, 상기 예측된 미래 전력 수요량, 상기 시간대 별 전기 요금 및 상기 에너지 저장 장치의 사용에 의한 감가상각 예측 비용에 기초하여, 충방전의 양을 결정하는 강화학습 에이전트를 학습시키는,제어 방법
|
| 5 |
5
제1항에 있어서,상기 제어 모델은,DQN(Deep Q-learning Network), dbl-DQN(Double Deep Q-learning Network) 및 duel-DQN(Dueling Deep Q-learning Network) 중 적어도 하나의 심층신경망을 이용하여 충방전의 양을 결정하는,제어 방법
|
