VGEN - 딥러닝과 머신러닝을 사용한 가상 발전소 개발 사례
“MATLAB 덕분에 우리는 현재 시장의 요구를 충족할 뿐만 아니라 무효 전력 지원의 도입과 같은 미래의 시장 변화에도 적용할 수 있는 확장 가능한 VPP 응용 프로그램의 개발 속도를 높일 수 있었습니다.”
과제
가상 발전소의 상용 EMS 소프트웨어 개발 가속화
솔루션
MATLAB, Deep Learning Toolbox 및 Optimization Toolbox를 사용하여 재생 에너지 예측 정보를 생성하고 에너지 시장 거래를 최적화하는 응용 프로그램 개발
결과
- 개발 시간 50% 단축
- 대규모 데이터셋의 훈련 시간 90% 단축
- 상용 응용 프로그램 개발 및 배포
한국 KPX를 통해 전력 시장에서 거래할 수 있도록 DER과 통합된 VGEN의 VPP.
대한민국 정부는 한국형 재생에너지 3020 이행계획의 일환으로 2030년까지 국내 에너지 생산량의 20%를 재생 에너지원에서 확보한다는 목표를 수립했습니다. 그러나 태양광, 풍력 및 기타 재생 에너지원의 발전량은 예측이 어려울 수 있으며, 이러한 에너지원을 도입하면 전력망이 불안정해질 수 있습니다.
VPP(가상 발전소)는 태양광 발전 설비 같은 독립적인 분산 에너지원과 에너지 저장 시스템을 하나의 발전 프로파일로 결합함으로써 이러한 난제에 대응합니다. VGEN은 한국의 발전 회사에서 이미 사용 중인 VPP를 위한 EMS(에너지 관리 시스템) 소프트웨어를 개발했습니다. MATLAB®에서 전부 구축된 이 소프트웨어는 딥러닝을 사용하여 재생 에너지 예측 정보를 생성하고 고급 최적화를 적용하여 에너지 시장에서 수익을 극대화합니다.
VGEN의 백승엽 대표는 “우리는 MATLAB 덕분에 소규모 그룹으로 초기 개념부터 생산에 이르는 과정을 거쳐 혁신적인 소프트웨어를 신속히 개발할 수 있었습니다. MATLAB과 함께 제공되는 최첨단 딥러닝 및 최적화 기능이 없었다면 성공하지 못했을 것입니다.”라고 말합니다.
과제
VGEN은 발전, 전력 수요 및 시장 가격을 정확히 예측할 수 있는 모델을 개발해야 했습니다. 또한 이러한 요소들을 거래 제약 조건 및 저장 용량과 함께 고려하는 최적화 알고리즘도 개발해야 했습니다. 그 후에 VGEN은 이런 모델과 알고리즘을 사용과 배포가 간편한 상용 소프트웨어로 패키징해야 했습니다.
VGEN은 Python®으로 VPP를 위한 EMS 소프트웨어 개발을 시작했지만 회사의 첫 주요 고객은 촉박한 기한 내에 납품을 요청했습니다. VGEN 팀은 Python으로 작업을 계속할 경우 이 기한을 맞추지 못할 것으로 판단했습니다. 개발 속도를 높여줄 툴이 필요했습니다.
솔루션
VGEN 팀은 MATLAB으로 시장 가격, 발전 및 수요 기록, 기상 데이터 등 다양한 데이터의 집계와 전처리를 자동화하는 알고리즘을 개발했습니다.
팀원들은 Deep Learning Toolbox™와 Statistics and Machine Learning Toolbox™를 사용해서 다변량 선형 회귀와 인공 신경망 등 여러 머신러닝 및 딥러닝 접근법을 평가했습니다. 이들은 머신러닝 및 딥러닝 모델을 결합한 하이브리드 접근법을 선택했습니다.
VGEN 팀은 모델 훈련 시간을 단축하기 위해 Parallel Computing Toolbox™를 사용하여 멀티코어 워크스테이션에서 훈련을 수행했습니다.
그리고 Optimization Toolbox™를 사용하여 장중 시장 가격이 낮을 때는 생산된 전기를 ESS에 저장하고 가격이 높을 때는 판매하는 방식으로 최적 거래 전략을 실행하는 알고리즘을 개발했습니다. 최적화에 사용되는 데이터는 MariaDB® 데이터베이스에서 관리되며, 알고리즘은 Database Toolbox™를 통해 이 데이터베이스에 액세스합니다.
팀원들은 앱 디자이너로 사용자 인터페이스를 만들고 MATLAB Compiler™를 사용하여 모델과 인터페이스를 독립형 응용 프로그램으로 패키징해서 MATLAB을 설치하지 않은 VGEN 고객도 사용할 수 있도록 했습니다.
VPP에 대한 VGEN의 EMS 소프트웨어는 현재 한국에서 상용화된 상태입니다. 현재 VGEN 팀은 더 큰 규모의 VPP와 추가적인 분산 에너지원을 지원할 차세대 소프트웨어를 개발 중입니다.
결과
- 개발 시간 50% 단축. “소규모 개발 팀으로 불과 7개월 만에 여러 예측 및 최적화 응용 프로그램을 개발하고 패키징했습니다. MATLAB 덕분에 머신러닝 모델, 최적화 알고리즘, 사용자 인터페이스를 단일 환경에서 개발할 수 있었고, 결국 개발 시간이 약 50%나 줄었습니다.”라고 백 대표는 말합니다.
- 대규모 데이터셋의 훈련 시간 90% 단축. “우리 데이터셋은 대부분 메모리에 담기엔 너무 컸습니다. 따라서 MATLAB 데이터저장소를 사용하여 이러한 대규모 데이터셋을 읽고 처리했으며, Parallel Computing Toolbox와 멀티코어 프로세서를 사용하여 훈련 속도를 10배로 높였습니다.”라고 백 대표는 말합니다.
- 상용 응용 프로그램 개발 및 배포. “우리의 주요 목표는 고객이 당사 VPP 소프트웨어를 간편히 사용할 수 있도록 돕는 것이었습니다. MATLAB 덕분에 고객이 예측과 최적화를 설정, 실행하고 결과를 시각화할 수 있도록 해주는 독립형 응용 프로그램을 만들어 이 목표를 달성할 수 있었습니다.”라고 백 대표는 말합니다.
