| 1 |
1
수용가의 전력 수요 예측을 위해 기상 데이터와, 과거 일별 전력 사용량 데이터 및 상기 과거 일별 전력 사용량 데이터에 대한 일자 데이터를 수집하는 데이터 수집부;상기 기상 데이터, 상기 과거 일별 전력 사용량 데이터 및 상기 일자 데이터를 근거로 학습 데이터 세트를 생성하는 데이터 가공부;상기 학습 데이터 세트를 근거로 기초 심층 신경망을 생성하고, 설정된 학습 알고리즘을 상기 기초 심층 신경망에 적용함으로써 심층 신경망 기반 수용가 전력 수요 예측 모델을 생성하는 모델 학습부; 및상기 심층 신경망 기반 수용가 전력 수요 예측 모델을 기초로 상기 수용가의 전력 수요를 예측하는 수요 예측부를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 2 |
2
제1항에 있어서,상기 심층 신경망 기반 수용가 전력 수요 예측 모델은 RBM(Restricted Boltzmann Machine)을 통한 선행 학습을 통해, 또는 ReLU((Rectified Linear Unit)를 활성 함수로 사용함으로써 생성되는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 3 |
3
제1항에 있어서,상기 모델 학습부는 상기 학습 데이터 세트 중 적어도 일부를 근거로 학습 파라미터를 선정하고, 선정한 학습 파라미터를 기초로 기초 심층 신경망을 생성하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 4 |
4
제3항에 있어서,상기 모델 학습부는 상기 학습 데이터 세트에 대한 K겹 교차 검증 유무를 결정하고, K겹 교차 검증을 수행할 시 상기 학습 데이터 세트 중 적어도 일부로 구성된 검증 데이터 세트를 생성하며, 상기 학습 파라미터는 상기 검증 데이터 세트를 기반으로 선정되는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 5 |
5
제1항에 있어서,상기 데이터 가공부는 과거 데이터들 중 상기 학습에 이용되는 과거 데이터의 기간을 결정하는데 이용되는 학습 윈도우를 결정하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 6 |
6
제5항에 있어서,상기 학습 데이터 세트는 레이블과 학습 데이터로 구분되고, 상기 레이블은 예측하고자 하는 기간에 해당하는 로드 프로파일을 나타내며, 상기 학습 데이터는 상기 학습 윈도우의 크기에 대응하는 기상 데이터, 과거 일별 전력 사용량 데이터 및 일자 데이터를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 7 |
7
제1항에 있어서,상기 데이터 가공부는 상기 기상 데이터, 상기 과거 일별 전력 사용량 데이터 및 상기 일자 데이터를 분석함으로써 이상 데이터의 존재 여부를 판단하는 데이터 전처리 모듈을 포함하고,상기 데이터 전처리 모듈은 이상 데이터가 존재할 시 상기 이상 데이터 보다 더 과거 시점의 데이터를 기초로 상기 이상 데이터를 보정하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 8 |
8
제1항에 있어서,상기 기상 데이터는 평균 온도, 평균 습도, 평균 풍속, 일사합 및 전운량 중 적어도 하나를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 9 |
9
제1항에 있어서,상기 기초 심층 신경망은 입력층, 은닉층 및 출력층으로 구성되고, 상기 입력층, 은닉층 및 출력층은 각각 인공 신경으로 구성되는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 장치
|
| 10 |
10
데이터 수집부에 의해, 수용가의 전력 수요 예측을 위해 기상 데이터와, 과거 일별 전력 사용량 데이터 및 상기 과거 일별 전력 사용량 데이터에 대한 일자 데이터를 수집하는 단계;데이터 가공부에 의해, 상기 기상 데이터, 상기 과거 일별 전력 사용량 데이터 및 상기 일자 데이터를 근거로 학습 데이터 세트를 생성하는 단계;모델 학습부에 의해, 상기 학습 데이터 세트를 근거로 기초 심층 신경망을 생성하고, 설정된 학습 알고리즘을 상기 기초 심층 신경망에 적용함으로써 심층 신경망 기반 수용가 전력 수요 예측 모델을 생성하는 단계; 및수요 예측부에 의해, 상기 심층 신경망 기반 수용가 전력 수요 예측 모델을 기초로 상기 수용가의 전력 수요를 예측하는 단계를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 11 |
11
제10항에 있어서,상기 심층 신경망 기반 수용가 전력 수요 예측 모델은 RBM을 통한 선행 학습을 통해, 또는 ReLU를 활성 함수로 사용함으로써 생성되는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 12 |
12
제10항에 있어서,상기 심층 신경망 기반 수용가 전력 수요 예측 모델을 생성하는 단계는, 상기 학습 데이터 세트 중 적어도 일부를 근거로 학습 파라미터를 선정하는 단계; 및선정한 학습 파라미터를 기초로 기초 심층 신경망을 생성하는 단계를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 13 |
13
제12항에 있어서,상기 심층 신경망 기반 수용가 전력 수요 예측 모델을 생성하는 단계는, 상기 학습 데이터 세트에 대한 K겹 교차 검증 유무를 결정하는 단계; 및K겹 교차 검증을 수행할 시 상기 학습 데이터 세트 중 적어도 일부로 구성된 검증 데이터 세트를 생성하는 단계를 포함하고, 상기 학습 파라미터는 상기 검증 데이터 세트를 기반으로 선정되는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 14 |
14
제10항에 있어서,상기 학습 데이터 세트를 생성하는 단계는 과거 데이터들 중 상기 학습에 이용되는 과거 데이터의 기간을 결정하는데 이용되는 학습 윈도우를 결정하는 단계를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 15 |
15
제14항에 있어서,상기 학습 데이터 세트는 레이블과 학습 데이터로 구분되고, 상기 레이블은 예측하고자 하는 기간에 해당하는 로드 프로파일을 나타내며, 상기 학습 데이터는 상기 학습 윈도우의 크기에 대응하는 기상 데이터, 과거 일별 전력 사용량 데이터 및 일자 데이터를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 16 |
16
제10항에 있어서,상기 학습 데이터 세트를 생성하는 단계 이전, 상기 데이터 가공부에 의해, 상기 기상 데이터, 상기 과거 일별 전력 사용량 데이터 및 상기 일자 데이터를 분석함으로써 이상 데이터의 존재 여부를 판단하는 단계; 및이상 데이터가 존재할 시 상기 이상 데이터 보다 더 과거 시점의 데이터를 기초로 상기 이상 데이터를 보정하는 단계를 더 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 17 |
17
제10항에 있어서,상기 기상 데이터는 평균 온도, 평균 습도, 평균 풍속, 일사합 및 전운량 중 적어도 하나를 포함하는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
| 18 |
18
제10항에 있어서,상기 기초 심층 신경망은 입력층, 은닉층 및 출력층으로 구성되고, 상기 입력층, 은닉층 및 출력층은 각각 인공 신경으로 구성되는 것을 특징으로 하는 심층 신경망 기반 수용가 전력 수요 예측 방법
|
