| 1 |
1
단위시간 전력사용량을 지속적으로 수집하는 데이터 수집부;상기 수집된 단위시간 전력사용량을 이용하여 일주일 단위의 일일 전력사용량 예측값을 생성할 수 있도록 신경망을 훈련시키는 신경망 훈련부; 및상기 신경망 훈련부 및 상기 수집된 단위시간 전력사용량을 이용하여 다음 일주일간의 임시 전력사용량 예측값을 생성하고, 수집된 지난 일주일간의 일일 전력사용량 및 예측된 지난 일주일간의 일일 전력사용량을 이용하여 보정계수를 생성하고, 상기 보정 계수가 기 설정된 보정계수 범위에 포함되는 경우에 상기 보정계수를 적용하여 다음 일주일간의 전력사용량 예측값을 생성하는 예측값 생성부를 포함하고,상기 데이터 수집부는, 적어도 1년 이상의 기간 동안의 단위시간 전력사용량을 수집하며,상기 신경망 훈련부는,상기 수집된 단위시간 전력사용량을 이용하여 일일 전력사용량을 계산하고, 이전 일주일 간의 일일 전력사용량을 신경망의 입력으로, 이후 일주일간의 일일 전력사용량을 상기 신경망의 출력으로 하여, 소정 훈련기간에 포함된 모든 수집된 단위시간 전력사용량을 반복적으로 상기 신경망에 훈련시키며,일주일이 경과함에 따라 상기 단위시간 전력사용량이 추가로 수집되면, 상기 추가로 수집된 전력사용량을 이용하여 일주일마다 상기 신경망을 재훈련하는 것인 주간 부하 예측장치
|
| 2 |
2
제1항에 있어서, 상기 신경망 훈련부는,상기 생성된 보정계수가 기 설정된 보정계수 범위를 벗어나는 경우, 기 훈련된 신경망을 삭제하고, 상기 훈련기간 중, 일정 비율의 최선(最先) 훈련 기간을 삭제함으로써 상기 훈련기간을 재설정하고, 다시 신경망을 훈련하는 주간 부하 예측장치
|
| 3 |
3
제1항에 있어서,상기 수집된 단위시간 전력사용량을 이용하여 평균 단위시간 부하곡선을 생성하고, 상기 전력사용량 예측값 및 상기 평균 단위시간 부하곡선을 이용하여, 상기 다음 일주일간의 단위시간 부하곡선을 예측하는 부하곡선 생성부를 더 포함하는 주간 부하 예측장치
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 예측값 생성부는,상기 수집된 지난 일주일간의 일일 전력사용량을 상기 예측된 지난 일주일간의 일일 전력사용량으로 나누어 상기 보정계수를 생성하고, 상기 임시 전력사용량 예측값에 상기 보정계수를 곱하여, 상기 전력사용량 예측값을 생성하는 주간 부하 예측장치
|
| 7 |
7
제3항에 있어서,상기 부하곡선 생성부는,상기 전력사용량 예측값을 상기 평균 단위시간 부하곡선에 대입하고, 부하곡선의 전력사용량의 합이 상기 전력사용량 예측값과 동일하도록 변형함으로써 상기 다음 일주일간의 단위시간 부하곡선을 예측하는 주간 부하 예측장치
|
| 8 |
8
제3항에 있어서,상기 부하곡선 생성부는,상기 단위시간 전력사용량을 이용하여 각각의 요일별로 전력사용량 평균값을 계산하고, 상기 계산된 요일별 전력사용량 평균값을 통하여 각각의 요일별 부하량 값을 포함하는 평균 부하곡선을 생성하고, 각각의 요일별 부하량 값을 포함하는 상기 다음 일주일간의 단위시간 부하곡선을 예측하는 주간 부하 예측장치
|
| 9 |
9
삭제
|
| 10 |
10
제1항에 있어서,상기 예측값 생성부는,상기 예측된 지난 일주일간의 일일 전력사용량이 존재하지 않는 경우, ‘1’의 값을 가지는 보정계수를 생성하는 주간 부하 예측장치
|
| 11 |
11
데이터 수집부, 신경망 훈련부, 및 예측값 생성부를 포함하는 디바이스에서 주간 부하를 예측하는 방법에 있어서, 상기 데이터 수집부에서 일정 기간 동안 단위시간 전력사용량을 지속적으로 수집하는 단계;상기 수집된 단위시간 전력사용량을 이용하여 일주일 단위의 일일 전력사용량 예측값을 생성할 수 있도록, 상기 신경망 훈련부가 신경망을 훈련시키는 단계; 및상기 예측값 생성부가, 상기 훈련된 신경망 및 상기 수집된 단위시간 전력사용량을 이용하여 다음 일주일간의 임시 전력사용량 예측값을 생성하고, 수집된 지난 일주일간의 일일 전력사용량 및 예측된 지난 일주일간의 일일 전력사용량을 이용하여 보정계수를 생성하고, 상기 보정 계수가 기 설정된 보정계수 범위에 포함되는 경우에 상기 보정계수를 적용하여 다음 일주일간의 전력사용량 예측값을 생성하는 단계를 포함하고,상기 단위시간 전력사용량을 지속적으로 수집하는 단계는,상기 데이터 수집부가 적어도 1년 이상의 기간 동안의 단위시간 전력사용량을 수집하는 단계를 포함하며,상기 신경망을 훈련시키는 단계는, 상기 수집된 단위시간 전력사용량을 이용하여 일일 전력사용량을 계산하고, 이전 일주일 간의 일일 전력사용량을 신경망의 입력으로, 이후 일주일간의 일일 전력사용량을 상기 신경망의 출력으로 하여, 상기 신경망 훈련부가 소정 훈련기간에 포함된 모든 수집된 단위시간 전력사용량을 반복적으로 상기 신경망에 훈련시키는 단계를 포함하고,상기 신경망을 훈련시키는 단계는, 일주일이 경과함에 따라 상기 단위시간 전력사용량이 추가로 수집되면, 상기 신경망 훈련부는 상기 추가로 수집된 전력사용량을 이용하여 일주일마다 상기 신경망을 재훈련하는 단계를 더 포함하는 주간 부하 예측 방법
|
| 12 |
12
제11항에 있어서, 상기 신경망을 훈련시키는 단계는, 상기 생성된 보정계수가 기 설정된 보정계수 범위를 벗어나는 경우, 상기 신경망 훈련부는, 기 훈련된 신경망을 삭제하고, 상기 훈련기간 중, 일정 비율의 최선(最先) 훈련 기간을 삭제함으로써 상기 훈련기간을 재설정하고, 다시 신경망을 훈련하는 단계를 포함하는 주간 부하 예측방법
|
| 13 |
13
제11항에 있어서,상기 디바이스는 부하곡선 생성부를 더 포함하고,상기 부하곡선 생성부가 상기 수집된 단위시간 전력사용량을 이용하여 평균 단위시간 부하곡선을 생성하고, 상기 전력사용량 예측값 및 상기 평균 단위시간 부하곡선을 이용하여, 상기 다음 일주일간의 단위시간 부하곡선을 예측하는 단계를 더 포함하는 주간 부하 예측방법
|
| 14 |
14
삭제
|
| 15 |
15
삭제
|
| 16 |
16
제11항에 있어서,상기 전력사용량 예측값을 생성하는 단계는,상기 예측값 생성부가, 상기 수집된 지난 일주일간의 일일 전력사용량을 상기 예측된 지난 일주일간의 일일 전력사용량으로 나누어 상기 보정계수를 생성하고, 상기 임시 전력사용량 예측값에 상기 보정계수를 곱하여, 상기 전력사용량 예측값을 생성하는 단계를 포함하는 주간 부하 예측방법
|
| 17 |
17
제13항에 있어서,상기 다음 일주일간의 단위시간 부하곡선을 예측하는 단계는,상기 부하곡선 생성부가, 상기 전력사용량 예측값을 상기 평균 단위시간 부하곡선에 대입하고, 부하곡선의 전력사용량의 합이 상기 전력사용량 예측값과 동일하도록 변형함으로써 상기 다음 일주일간의 단위시간 부하곡선을 예측하는 단계를 포함하는 주간 부하 예측방법
|
| 18 |
18
제13항에 있어서,상기 다음 일주일간의 단위시간 부하곡선을 예측하는 단계는,상기 부하곡선 생성부가, 상기 단위시간 전력사용량을 이용하여 각각의 요일별로 전력사용량 평균값을 계산하고, 상기 계산된 요일별 전력사용량 평균값을 통하여 각각의 요일별 부하량 값을 포함하는 평균 부하곡선을 생성하고, 각각의 요일별 부하량 값을 포함하는 상기 다음 일주일간의 단위시간 부하곡선을 예측하는 단계를 포함하는 주간 부하 예측방법
|
| 19 |
19
제11항에 있어서,상기 전력사용량 예측값을 생성하는 단계는,상기 예측된 지난 일주일간의 일일 전력사용량이 존재하지 않는 경우, 상기 예측값 생성부는, ‘1’의 값을 가지는 보정계수를 생성하는 단계를 포함하는 주간 부하 예측방법
|
| 20 |
20
삭제
|
