맞춤기술찾기

이전대상기술

전력 사용량 예측 장치 및 방법

  • 기술번호 : KST2019024222
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 프로세서로 구현되는 전력 예측 장치가 제공된다. 상기 전력 예측 장치는 선택된 전자 기기에 관한 전력 사용 패턴에 기초하여 K 개의 전력 부하 예측 모델 중 제1 예측 모델을 선택하는 선택부 및 상기 선택된 제1 예측 모델을 이용하여 소정 시간 이후의 수용가의 전력 사용량을 예측하는 예측부를 포함할 수 있다.
Int. CL H02J 3/00 (2006.01.01)
CPC H02J 3/00(2013.01) H02J 3/00(2013.01) H02J 3/00(2013.01)
출원번호/일자 1020170073294 (2017.06.12)
출원인 한국과학기술원, 주식회사 네오피스, 한국남동발전 주식회사
등록번호/일자 10-1875329-0000 (2018.06.29)
공개번호/일자
공고번호/일자 (20180705) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.06.12)
심사청구항수 12

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구
2 주식회사 네오피스 대한민국 경기도 안양시 만안구
3 한국남동발전 주식회사 대한민국 경상남도 진주시 사

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 성단근 대한민국 대전광역시 유성구
2 배국열 대한민국 대전광역시 유성구
3 장한승 대한민국 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 무한 대한민국 서울특별시 강남구 언주로 ***, *층(역삼동,화물재단빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술원 대한민국 대전광역시 유성구
2 주식회사 네오피스 대한민국 경기도 안양시 만안구
3 한국남동발전 주식회사 대한민국 경상남도 진주시 사
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
2017.06.12 수리 (Accepted) 1-1-2017-0557666-85
2 선행기술조사의뢰서
Request for Prior Art Search
2018.02.06 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2018.03.05 발송처리완료 (Completion of Transmission) 9-6-2018-0031979-27
4 의견제출통지서
Notification of reason for refusal
2018.03.07 발송처리완료 (Completion of Transmission) 9-5-2018-0160286-19
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2018.05.08 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0447509-68
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2018.05.08 수리 (Accepted) 1-1-2018-0447510-15
7 등록결정서
Decision to grant
2018.05.17 발송처리완료 (Completion of Transmission) 9-5-2018-0334548-68
8 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.04.24 수리 (Accepted) 4-1-2019-5081392-49
9 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.05.15 수리 (Accepted) 4-1-2020-5108396-12
10 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.06.12 수리 (Accepted) 4-1-2020-5131486-63
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
프로세서로 구현되는:선택된 전자 기기에 관한 전력 사용 패턴에 기초하여 K 개의 전력 부하 예측 모델 - 단 K는 자연수임 - 중 제1 예측 모델을 선택하는 선택부; 및상기 선택된 제1 예측 모델을 이용하여 소정 시간 이후의 수용가의 전력 사용량을 예측하는 예측부를 포함하고,상기 프로세서는 각각의 수용가에 관한 부하의 변동성을 계산하고, 상기 수용가의 부하의 변동성에 따라 결정된 예측 주기를 이용하여 반복적으로 상기 K 개의 전력 부하 예측 모델을 생성하고,상기 부하의 변동성은 상기 전력 사용량의 평균 예측값에 대한 상기 전력 사용량의 실제 변화량의 비율로 정의되는 전력 예측 장치
2 2
제1항에 있어서,상기 선택부는 상기 전자 기기에 관한 전력 사용량의 피크값이 존재하는 시간 구간에 따라 상기 제1 예측 모델을 선택하는 전력 예측 장치
3 3
제1항에 있어서,상기 선택부는 상기 전자 기기에 관한 소정 시간 동안의 평균 전력 사용량이 존재하는 전력 구간에 따라 상기 제1 예측 모델을 선택하는 전력 예측 장치
4 4
제1항에 있어서,상기 K 개의 전력 부하 예측 모델은 상기 전자 기기의 전력 사용 패턴에 따라 K 개로 클러스터링된 학습 데이터를 이용하여 기계 학습되고, 상기 학습 데이터는 소정의 측정 주기에 따른 복수의 수용가의 전력 사용량을 포함하는 전력 예측 장치
5 5
제4항에 있어서,상기 K는 시험 데이터를 통해 계산된 예측 정확도가 소정의 임계치 이상이 되도록 크기가 결정되고, 상기 K 개의 전력 부하 예측 모델은 결정된 K 개에 대응하는 클러스터링된 학습 데이터를 이용하여 기계 학습되는 전력 예측 장치
6 6
학습 데이터에 기초하여 전력 부하와 임계치 이상의 상관 계수(correlation coefficient)를 갖는 전자 기기를 식별하는 단계;상기 식별된 전자 기기에 기초하여 기설정된 측정 주기를 따르는 상기 학습 데이터를 K 개의 클러스터로 할당하는 단계; 및상기 K 개의 클러스터 각각에 대응하는 학습 데이터를 이용하여 K 개의 전력 부하 예측 모델을 생성하는 단계를 포함하고,상기 K 개의 전력 부하 예측 모델을 생성하는 단계는,각각의 수용가에 관한 부하의 변동성을 계산하는 단계; 및상기 수용가의 부하의 변동성에 따라 결정된 예측 주기를 이용하여 반복적으로 상기 K 개의 전력 부하 예측 모델을 생성하는 단계를 포함하고,상기 부하의 변동성은 전력 사용량의 평균 예측값에 대한 상기 전력 사용량의 실제 변화량의 비율로 정의되는 전력 예측 방법
7 7
제6항에 있어서,상기 K는 시험 데이터를 통해 계산된 각각의 전력 부하 예측 모델의 예측 정확도가 소정의 임계치 이상이 되도록 크기가 결정되는 전력 예측 방법
8 8
제6항에 있어서,상기 K 개의 전력 부하 예측 모델을 생성하는 단계는,상기 수용가의 부하 변동성이 증가하는 경우에 측정 주기를 감소시키는 단계를 더 포함하는 전력 예측 방법
9 9
제6항에 있어서,상기 K 개의 전력 부하 예측 모델을 생성하는 단계는,제1 예측 주기에 따라 생성된 K 개의 전력 부하 예측 모델의 예측 정확도를 계산하고, 상기 계산된 예측 정확도에 따라 변경된 제2 예측 주기를 이용하여 반복적으로 새로운 K 개의 전력 부하 예측 모델을 생성하는 단계를 포함하는 전력 예측 방법
10 10
제6항에 있어서,상기 K 개의 전력 부하 예측 모델이 적용되는 수용가의 전력 부하 변동성에 따라 측정 주기를 설정하는 단계; 및상기 기설정된 측정 주기에 따라 복수의 수용가의 전력 사용량에 관한 학습 데이터를 수집하는 단계를 포함하는 전력 예측 방법
11 11
제10항에 있어서,상기 측정 주기를 설정하는 단계는,제1 측정 주기에 따라 수집된 학습 데이터에 대응하는 K 개의 전력 부하 예측 모델의 예측 정확도를 계산하고, 상기 계산된 예측 정확도에 따라 제2 측정 주기를 새롭게 설정하는 단계를 더 포함하는 전력 예측 방법
12 12
제7항에 있어서,상기 전자 기기를 식별하는 단계는,특정 수용가에 연관되는 학습 데이터에서 우선 순위가 높은 순서대로 소정 범위 내에 존재하는 복수의 전자 기기를 식별하는 단계를 포함하는 전력 예측 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.