맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

공동주택의 에너지 사용량 예측 기술

  • 기술번호 : KST2014047495
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명의 일 예에 따른 공동주택의 에너지 사용량 예측 시스템(100)은 공동주택의 에너지 사용량 데이터가 저장되어 있는 데이터 서버(110), 데이터 서버(110)에서 공동주택 단지별 에너지 사용량 데이터를 수집하는 데이터 수집 모듈(120), 데이터 수집 모듈(120)에서 수집된 에너지 사용량 데이터에 대하여 사례기반추론 모델, 인공신경망 모델, 다중회귀분석 모델 및 유전자알고리즘을 복합 적용하여 공동주택의 에너지 사용량을 예측하는 에너지 사용량 예측 모듈(130)을 포함한다.본 발명을 통해 공동주택의 유지관리단계에서 에너지 사용량을 예측하고, 에너지 사용량 예측값을 근거로 시설물의 개선 여부를 판단할 수 있다.
Int. CL G06N 3/00 (2006.01) G06F 19/00 (2011.01) G06N 5/04 (2006.01)
CPC G06N 5/04(2013.01) G06N 5/04(2013.01) G06N 5/04(2013.01) G06N 5/04(2013.01)
출원번호/일자 1020110065394 (2011.07.01)
출원인 연세대학교 산학협력단
등록번호/일자 10-1173823-0000 (2012.08.07)
공개번호/일자
공고번호/일자 (20120820) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2011.07.01)
심사청구항수 25

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 대한민국 서울특별시 서대문구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 홍태훈 대한민국 서울특별시 서초구
2 구충완 대한민국 경기도 부천시 원미구
3 김지민 대한민국 서울특별시 서대문구
4 김현중 대한민국 서울특별시 동작구
5 박성기 대한민국 경기도 성남시 중원구
6 정광복 대한민국 경기도 남양주시 미금로 **-
7 지창윤 대한민국 경기도 부천시 원미구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김인철 대한민국 서울특별시 서초구 반포대로**길 **, 매강빌딩*층 에이치앤에이치 H&H 국제특허법률사무소 (서초동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 연세대학교 산학협력단 서울특별시 서대문구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2011.07.01 수리 (Accepted) 1-1-2011-0504826-45
2 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)		 2011.11.01 수리 (Accepted) 1-1-2011-0858058-44
3 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2011.12.15 수리 (Accepted) 4-1-2011-5252006-10
4 선행기술조사의뢰서
Request for Prior Art Search		 2012.02.13 수리 (Accepted) 9-1-9999-9999999-89
5 선행기술조사보고서
Report of Prior Art Search		 2012.03.21 수리 (Accepted) 9-1-2012-0021378-39
6 등록결정서
Decision to grant		 2012.07.23 발송처리완료 (Completion of Transmission) 9-5-2012-0421009-72
7 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2013.04.24 수리 (Accepted) 4-1-2013-5062749-37
8 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2013.06.24 수리 (Accepted) 4-1-2013-5088566-87
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.09.25 수리 (Accepted) 4-1-2014-5114224-78
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
공동주택의 에너지 사용량 데이터가 저장되어 있는 데이터 서버;상기 데이터 서버에서 공동주택 단지별 에너지 사용량 데이터를 수집하는 데이터 수집 모듈;상기 데이터 수집 모듈에서 수집된 에너지 사용량 데이터에 대하여 사례기반추론 모델, 인공신경망 모델, 다중회귀분석 모델 및 유전자알고리즘을 복합 적용하여 공동주택의 에너지 사용량을 예측하는 에너지 사용량 예측 모듈을 포함하는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
2 2
제1항에 있어서,상기 데이터 수집 모듈이 수집한 에너지 사용량 데이터를 이용하여 군집을 형성하는 군집화 모듈을 더 포함하고,상기 에너지 사용량 예측 모듈은 상기 군집화 모듈에서 형성된 군집별로 에너지 사용량을 예측하는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
3 3
제2항에 있어서,상기 군집화 모듈은 종속 변수인 에너지 사용량과 통계적 상관 지수가 0
4 4
제1항에 있어서,상기 에너지 사용량 예측 모듈은사례기반추론 모델을 이용하여 사례 유사도를 산출하는 사례 유사도 산출부;상기 사례 유사도 산출부에서 산출된 사례 유사도를 통해 예측되는 에너지 사용량 예측값을 인공신경망 모델 및 다중회귀분석 모델을 이용하여 필터링하는 예측값 필터링부; 및상기 에너지 사용량 값에 영향을 주는 종속 파라미터를 유전자알고리즘을 이용하여 최적화하는 파라미터 최적화부를 포함하는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
5 5
제4항에 있어서,상기 사례 유사도 산출부는 속성 유사도 및 속성 가중치를 이용하여 아래의 수학식으로 표현되는 사례 유사도를 산출하는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
6 6
제5항에 있어서,상기 fAS는 최근이웃조회방법(nearest-neighbor retrieval method)을 이용하여 속성 유사도가 연산되는 것으로, 아래의 수학식으로 표현되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
7 7
제6항에 있어서,상기 MCAS는 상기 파라미터 최적화부에서 유전자 알고리즘을 사용하여 0 ~ 100% 범위로 설정되고, 검색 사례의 개수는 상기 파라미터 최적화부에서 유전자 알고리즘을 사용하여 0 ~ 100% 범위를 갖는 특정 영역인 사례 선택 범위(RCS)에 의해 결정되며, 상기 속성 가중치는 상기 파라미터 최적화부에서 유전자 알고리즘을 사용하여 0
8 8
제4항에 있어서,상기 예측값 필터링부는인공신경망 모델을 적용하여 예측되는 값과 다중회귀분석 모델을 적용하여 예측되는 값이 교차하는 유효 예측 범위를 이용하여 상기 에너지 사용량 예측값을 필터링하는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
9 9
제8항에 있어서,상기 인공신경망 모델을 적용하여 예측되는 값(PRANN)은 아래의 수학식으로 표현되는 범위인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
10 10
제8항에 있어서,상기 다중회귀분석 모델을 적용하여 예측되는 값(PRMRA)은 아래의 수학식으로 표현되 범위인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
11 11
제8항에 있어서,상기 유효 예측 범위(CRMA)는 아래의 수학식으로 표현되는 범위인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
12 12
제11항에 있어서,상기 유효 예측 범위는 허용 오차 유효 예측 범위(TRCRMA)를 이용하여 아래의 수학식과 같이 필터링된 값(CRMA*)인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
13 13
제12항에 있어서,상기 TRCRMA는 상기 파라미터 최적화부에서 유전자 알고리즘을 사용하여 0 ~ 100% 범위로 설정되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 시스템
14 14
공동주택의 에너지 사용량에 대한 테스트 사례 데이터 및 검색 사례 데이터가 입력되는 S10 단계;상기 S10 단계에서 입력된 테스트 사례 데이터 및 검색 사례 데이터에 사례기반 추론 모델을 적용하여 사례 유사도가 산출되는 S20 단계;상기 S20 단계에서 사례 유사도가 연산된 사례 중 사례 선택 범위(RCS)에 속한 사례가 선택되는 S30 단계;상기 S30 단계에서 선택된 사례에 대해 상기 S20 단계에서 산출된 사례 유사도를 통해 예측되는 에너지 사용량 예측값이 인공신경망 모델 및 다중회귀분석 모델을 이용하여 필터링되는 S40 단계; 및상기 S30 단계에서 선택된 사례에 대해 상기 S40 단계에서 필터링된 에너지 사용량 예측값에 대한 평균 예측 정확도가 산출되는 S50 단계를 포함하되,상기 S50 단계에서 산출되는 평균 예측 정확도가 기준 정확도 미만인 경우, 상기 에너지 사용량 예측값에 영향을 주는 종속 파라미터가 유전자알고리즘을 통하여 최적화되는 S60 단계를 더 포함하고, 상기 최적화된 종속 파라미터를 이용하여 상기 S20 단계부터 상기 S50 단계가 반복 수행되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
15 15
제14항에 있어서,상기 S10 단계에서 입력된 사례 데이터를 이용하여 군집이 형성되는 S15 단계를 더 포함하고, 상기 에너지 사용량 예측값은 상기 군집별로 예측되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
16 16
제15항에 있어서,상기 S15 단계는 종속 변수인 에너지 사용량과 통계적 상관 지수가 0
17 17
제14항에 있어서,상기 S20 단계는 속성 유사도 및 속성 가중치를 이용하여 아래의 수학식으로 표현되는 사례 유사도가 산출되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
18 18
제17항에 있어서,상기 fAS는 최근이웃조회방법(nearest-neighbor retrieval method)을 이용하여 속성 유사도가 연산되는 것으로, 아래의 수학식으로 표현되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
19 19
제14항에 있어서,상기 S40 단계는인공신경망 모델을 적용하여 예측되는 값과 다중회귀분석 모델을 적용하여 예측되는 값이 교차하는 유효 예측 범위를 이용하여 상기 에너지 사용량 예측값이 필터링 되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
20 20
제19항에 있어서,상기 인공신경망 모델을 적용하여 예측되는 값(PRANN)은 아래의 수학식으로 표현되는 범위인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
21 21
제19항에 있어서,상기 다중회귀분석 모델을 적용하여 예측되는 값(PRMRA)은 아래의 수학식으로 표현되 범위인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
22 22
제14항에 있어서,상기 유효 예측 범위(CRMA)는 아래의 수학식으로 표현되는 범위인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
23 23
제22항에 있어서,상기 유효 예측 범위는 허용 오차 유효 예측 범위(TRCRMA)를 이용하여 아래의 수학식과 같이 필터링된 값(CRMA*)인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
24 24
제14항에 있어서,상기 S50 단계에서 평균 예측 정확도는 각 사례에 대한 예측 정확도의 평균으로서, 각 사례에 대한 예측 정확도는 아래의 수학식을 이용하여 연산되는 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
25 25
제14항에 있어서,상기 S60 단계에서 유전자알고리즘을 통하여 최적화되는 종속 파라미터는상기 S20 단계에서 사례 유사도 연산에 사용되는 속성 유사도를 결정하기 위한 최소 기준값(MCAS), 상기 S20 단계에서 사례 유사도 연산에 사용되는 속성 가중치의 범위(RAW), 상기 S30 단계에서의 사례 선택 범위(RCS), 상기 S40 단계에서 인공신경망 모델을 적용하여 예측되는 값과 다중회귀분석 모델을 적용하여 예측되는 값이 교차하는 유효 예측 범위(CRMA) 또는 상기 CRMA에 허용 오차를 부가한 허용 오차 유효 예측 범위(TRCRMA) 중 하나 이상인 것을 특징으로 하는 공동주택의 에너지 사용량 예측 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 국토해양부 연세대학교산학협력단 첨단도시개발사업 온실가스 저감을 위한 공공아파트 시설물 유지관리 프로세스 개발