1 |
1
원격 계측 데이터 수집단계;
상기 원격계측 데이터에서 층화표본을 추출하고 표본 데이터에서 오류 및 이상치를 제외 처리하는 절차를 포함하는 데이터 전처리 단계;
상기 전처리된 데이터를 분석하고자 하는 주기 단위로 벡터를 구성하고 원격계측값이 특정 범위 내에 분포하도록 원격계측값 데이터의 정규화 작업을 행하는 정규화 단계;
상기 정규화 단계에서 정규화된 원격계측값 데이터를 군집화하여 대표 부하패턴을 생성하는 군집화 단계;
계측 설비 속성정보에 기초하여 분류하는 단계;
미계측 설비 속성에 기초하여 군집을 할당하고 미계측 설비 부하패턴을 예측하는 단계를 포함하는, 원격계측 전력 부하패턴의 분류 및 예측 방법
|
2 |
2
제1항에 있어서, 상기 군집화 단계는 정규화 데이터를 훈련 데이터와 시험 데이터로 분할하고 휴리스틱 방법론에 따라 예상 k값(여기서, k값은 군집의 수를 의미함)을 입력한 다음 군집화 모델을 적용하여 교차분류표를 생성하고 최적의 k값을 결정하는 재현성 평가 방법으로 군집분석을 처리하는, 원격계측 전력 부하패턴의 분류 및 예측 방법
|
3 |
3
제1항에 있어서, 상기 분류 단계는 군집화 결과와 계측 설비 정보를 이용하여 의사결정나무 구조의 분류를 포함하는, 원격계측 전력 부하패턴의 분류 및 예측 방법
|
4 |
4
제3항에 있어서, 상기 계측 설비 속성은 원격검침 데이터의 경우 고객 특성정보로서 계약종별, 계약전력, 전기사용용도, 산업분류, 공급방식, 지역구분, 월검침량을 포함하고, 변압기 무선부하감시 데이터의 경우는 변압기 특성정보로서 용량, 전등수용호수, 동력수용호수, 부하지역특성과 해당 변압기에서 공급하고 있는 고객의 계약종별, 계약전력, 전기사용용도, 고압 또는 저압 구분, 그리고 월사용량을 포함하는, 원격계측 전력 부하패턴의 분류 및 예측 방법
|
5 |
5
제1항에 있어서, 상기 미계측 설비 부하패턴의 예측은 군집화 결과와 계측 설비 속성과 동일한 형태로 미계측 설비 속성을 분류 모델의 결과인 의사결정나무에 군집을 할당하고, 할당된 군집의 정규화된 대표 부하패턴을 원래의 부하량으로 복원하여 미계측 설비의 부하패턴을 예측하는, 원격계측 전력 부하패턴의 분류 및 예측 방법
|