맞춤기술찾기

이전대상기술

풍력 터빈의 요 제어를 위한 풍향 예측 방법 및 장치

  • 기술번호 : KST2019029750
  • 담당센터 : 광주기술혁신센터
  • 전화번호 : 062-360-4654
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 발명은 풍력 터빈의 요 제어를 위한 풍향 예측 방법 및 장치에 관한 것으로, 풍향 데이터를 n(n은 자연수)개의 시간 간격으로 평균화하여 n개 시계열 데이터를 획득하는 단계; 상기 n개 시계열 데이터를 기반으로 ARIMA 모델을 정의하는 단계; 상기 ARIMA 모델을 기반으로 KF 모델에 대한 시스템 모델링을 수행한 후, 상기 시스템 모델링 결과를 기반으로 상기 KF 모델의 관측 업데이트 모델과 시간 업데이트 모델을 결정하는 단계; 및 상기 KF 모델의 관측 업데이트 모델과 시간 업데이트 모델을 통해 상기 n개 시계열 데이터에 대응되는 n개의 풍향 예측값을 획득 및 출력하도록 하는 단계를 포함할 수 잇다.
Int. CL G06F 17/50 (2006.01.01)
CPC G06F 30/20(2013.01)
출원번호/일자 1020170111820 (2017.09.01)
출원인 군산대학교산학협력단
등록번호/일자 10-1956715-0000 (2019.03.05)
공개번호/일자
공고번호/일자 (20190311) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.09.01)
심사청구항수 2

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 군산대학교산학협력단 대한민국 전라북도 군산시 대학로 *** (

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 주영훈 대한민국 서울특별시 서초구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 다해 대한민국 서울시 서초구 서운로**, ***호(서초동, 중앙로얄오피스텔)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 군산대학교산학협력단 전라북도 군산시 대학로 *** (
2 한국전력공사 전라남도 나주시
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
2017.09.01 수리 (Accepted) 1-1-2017-0851076-76
2 선행기술조사의뢰서
Request for Prior Art Search
2018.04.09 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2018.07.09 수리 (Accepted) 9-1-2018-0033194-89
4 의견제출통지서
Notification of reason for refusal
2018.07.19 발송처리완료 (Completion of Transmission) 9-5-2018-0492318-35
5 협의요구서
Request for Consultation
2018.07.19 발송처리완료 (Completion of Transmission) 9-5-2018-0492317-90
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2018.09.19 무효 (Invalidation) 1-1-2018-0931713-41
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2018.09.19 수리 (Accepted) 1-1-2018-0931724-43
8 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2018.09.19 수리 (Accepted) 1-1-2018-0931714-97
9 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2018.09.19 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0931723-08
10 보정요구서
Request for Amendment
2018.10.01 발송처리완료 (Completion of Transmission) 1-5-2018-0152152-14
11 무효처분통지서
Notice for Disposition of Invalidation
2018.11.05 발송처리완료 (Completion of Transmission) 1-5-2018-0171284-22
12 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.02.27 수리 (Accepted) 4-1-2019-5038912-94
13 등록결정서
Decision to grant
2019.03.04 발송처리완료 (Completion of Transmission) 9-5-2019-0160251-67
14 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.07.09 수리 (Accepted) 4-1-2020-5153535-17
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
풍향 데이터를 n(n은 자연수)개의 시간 간격으로 평균화하여 n개 시계열 데이터를 획득하는 단계;상기 n개 시계열 데이터를 기반으로 ARIMA(Autoregressive integrated moving average) 모델을 정의하는 단계; 및상기 ARIMA 모델을 통해 상기 n개 시계열 데이터에 대응되는 n개의 풍향 예측값을 획득 및 출력하도록 하는 단계를 포함하며, 상기 ARIMA 모델을 정의하는 단계는 상기 n개 시계열 데이터가 정상 시계열이 될 때까지 차분한 후, ACF(Auto Correlation Function ) 및 PACF(Partial Auto Correlation Function) 챠트를 기반으로 AR(Auto-Regressive) 모형의 p차수와 MA(Moving Average)의 q차수를 결정하고, 상기 차분의 차수를 확인하여, ARIMA(p,d,q)를 결정하는 단계; 최소 제곱 추정 알고리즘을 통해 상기 ARIMA(p,d,q)의 모델 파라메타를 획득하는 단계; 및 잔차 확인을 통해, 상기 ARIMA 모델을 정의하는 단계의 반복 수행 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 풍향 예측 방법
2 2
삭제
3 3
삭제
4 4
삭제
5 5
삭제
6 6
풍향 데이터를 n(n은 자연수)개의 시간 간격으로 평균화하여 n개 시계열 데이터를 획득하는 풍향 시계열 데이터 획득부;상기 n개 시계열 데이터를 기반으로 ARIMA(Autoregressive integrated moving average) 모델을 정의하는 예측 모델 구축부; 및 상기 ARIMA 모델을 통해 상기 n개 시계열 데이터에 대응되는 n개의 풍향 예측값을 획득 및 출력하는 풍향 예측부를 포함하며, 상기 예측 모델 구축부는 상기 n개 시계열 데이터가 정상 시계열이 될 때까지 차분한 후, ACF(Auto Correlation Function) 및 PACF(Partial Auto Correlation Function) 챠트를 기반으로 AR(Auto-Regressive) 모형의 p차수와 MA(Moving Average)의 q차수를 결정하고, 상기 차분의 차수를 확인하여, ARIMA(p,d,q)를 결정한 후, 최소 제곱 추정 알고리즘을 통해 상기 ARIMA(p,d,q)의 모델 파라메타를 획득하고, 잔차 확인을 통해, 상기 ARIMA 모델을 정의하는 동작의 반복 수행 여부를 결정하는 풍향 예측 장치
7 7
삭제
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.