| 1 |
1
요일 데이터, 날씨 데이터, 및 누적 전력소비 데이터를 수집하여 단기 전력수요 예측 모델 생성을 위한 적어도 9개의 입력 변수들을 구성하여 출력하는 데이터 집합 생성부; 및상기 입력 변수들을 바탕으로, 복수의 단기 전력수요 예측 모델 중, 기 설정된 복수의 요일조건에 따라 유사 패턴으로 구분된 전력수요 데이터에 대하여 실제 전력수요와 비교한 전력수요 예측 오차가 가장 적은 단기 전력수요 예측 모델을 선별적으로 조합하여 구축하는 단기 전력수요 예측 모델 생성부;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 2 |
2
제 1항에 있어서, 상기 데이터 집합 생성부는,데이터 제공부로부터 제공하는 지정된 소정 기간의 기상 정보 및 과거에 누적된 전력수요 데이터를 수집하는 데이터 수집부;상기 데이터 수집부를 통해 수집된 데이터들 중 누적 전력수요 데이터를 입력받아 기 지정된 LSTM 네트워크 모델을 통해 주 단위로 다음 요일의 전력수요를 예측하는 LSTM(Long Short-Term Memory) 네트워크 모델부;상기 데이터 수집부를 통해 수집한 누적 전력수요 데이터, 날씨 데이터, 및 요일 데이터를 입력받아, 주간 패턴 학습을 위한 전력수요량 예측 데이터, 연간 패턴 학습을 위한 전력수요량 예측 데이터, 및 연간 평균 기온에서 요일별 평균 기온을 차감한 후의 절대값 기온 데이터를 전처리하여 출력하는 데이터 전처리부; 및상기 데이터 전처리부에서 전처리하여 출력하는 8개의 데이터에 상기 LSTM 네트워크 모델부에서 예측한 1주일 후의 현재와 동일한 요일의 전력수요 예측 데이터를 포함하는 총 9개의 데이터에 대한 입력 변수를 구성하여 출력하는 입력 변수 구성부;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 3 |
3
제 2항에 있어서, 상기 8개의 데이터는,월, 일, 주, 휴일 및 일정을 포함한 5개의 요일 데이터;상기 주간 패턴 학습을 위한 전력수요량 예측 데이터;상기 연간 패턴 학습을 위한 전력수요량 예측 데이터; 및상기 연간 평균 기온에서 요일별 평균 기온을 차감한 후의 절대값 기온 데이터;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 4 |
4
제 2항에 있어서, 상기 주간 패턴 학습을 위한 전력수요량 예측 데이터는, 지난 주의 1주일간의 평일 전력부하 평균 데이터를 바탕으로 현재요일로부터 1주일 후의 요일에 대한 전력수요량을 예측한 데이터인 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 5 |
5
제 2항에 있어서, 상기 연간 패턴 학습을 위한 전력수요량 예측 데이터는,지난 1년 전의 현재요일로부터 1주일 후의 예측요일에 해당하는 동일한 주간의 휴일 전력부하 평균 데이터를 바탕으로 현재요일로부터 1주일 후의 요일에 대한 전력수요량을 예측한 데이터인 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 6 |
6
제 1항에 있어서, 상기 단기 전력수요 예측 모델 생성부는,기 설정된 복수의 요일조건에 따라 요일로 구분된 전력수요 데이터의 패턴 유사성에 의해 전력부하를 분류하는 전력부하 데이터 분류부; 및기 준비된 복수의 단기 전력수요 예측 모델 중, 상기 패턴 유사성에 의해 분류된 전력부하에 대하여 상기 복수의 단기 전력수요 예측 모델에 대한 단기 전력수요 예측 정확성을 각기 검증하여, 상기 패턴 유사성에 의해 분류된 각 전력부하에 대하여 각기 실제 전력수요와 전력수요 예측 오차가 가장 적은 단기 전력수요 예측 모델을 선별적으로 조합하여 구축하는 하이브리드 단기 전력수요 예측 모델 구축부;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 7 |
7
제 6항에 있어서, 상기 기 준비된 복수의 단기 전력수요 예측 모델은,랜덤 포레스트(RF) 및 다층 퍼셉트론(Multi Layer Perceptron) 모델을 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 장치
|
| 8 |
8
데이터 집합 생성부가 요일 데이터, 날씨 데이터, 및 누적 전력소비 데이터를 수집하여 단기 전력수요 예측 모델 생성을 위한 적어도 9개의 입력 변수들을 구성하여 출력하는 단계; 및 단기 전력수요 예측 모델 생성부가 상기 입력 변수들을 바탕으로, 복수의 단기 전력수요 예측 모델 중, 기 설정된 복수의 요일조건에 따라 유사 패턴으로 구분된 전력수요 데이터에 대하여 실제 전력수요와 비교한 전력수요 예측 오차가 가장 적은 단기 전력수요 예측 모델을 선별적으로 조합하여 하이브리드 타입 단기 전력수요 예측 장치를 구축하는 단계;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
| 9 |
9
제 8항에 있어서, 상기 데이터 집합 생성부에 의해 수행되는 단계는, 데이터 수집부가 데이터 제공부로부터 제공하는 지정된 소정 기간의 기상 정보 및 과거에 누적된 전력수요 데이터를 수집하는 단계;LSTM(Long Short-Term Memory) 네트워크 모델부가 상기 데이터 수집부를 통해 수집된 데이터들 중 누적 전력수요 데이터를 입력받아 기 지정된 LSTM 네트워크 모델을 통해 주 단위로 다음 요일의 전력수요를 예측하는 단계;데이터 전처리부가 상기 데이터 수집부를 통해 수집한 누적 전력수요 데이터, 날씨 데이터, 및 요일 데이터를 입력받아, 주간 패턴 학습을 위한 전력수요량 예측 데이터, 연간 패턴 학습을 위한 전력수요량 예측 데이터, 및 연간 평균 기온에서 요일별 평균 기온을 차감한 후의 절대값 기온 데이터를 전처리하여 출력하는 단계; 및입력 변수 구성부가 상기 데이터 전처리부에서 전처리하여 출력하는 8개의 데이터에 상기 LSTM 네트워크 모델부에서 예측한 1주일 후의 현재와 동일한 요일의 전력수요 예측 데이터를 포함하는 총 9개의 데이터에 대한 입력 변수를 구성하여 출력하는 단계;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
| 10 |
10
제 9항에 있어서, 상기 8개의 데이터는,월, 일, 주, 휴일 및 일정을 포함한 5개의 요일 데이터;상기 주간 패턴 학습을 위한 전력수요량 예측 데이터;상기 연간 패턴 학습을 위한 전력수요량 예측 데이터; 및상기 연간 평균 기온에서 요일별 평균 기온을 차감한 후의 절대값 기온 데이터;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
| 11 |
11
제 9항에 있어서, 상기 주간 패턴 학습을 위한 전력수요량 예측 데이터는, 지난 주의 1주일간의 평일 전력부하 평균 데이터를 바탕으로 현재요일로부터 1주일 후의 요일에 대한 전력수요량을 예측한 데이터인 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
| 12 |
12
제 9항에 있어서, 상기 연간 패턴 학습을 위한 전력수요량 예측 데이터는,지난 1년 전의 현재요일로부터 1주일 후의 예측요일에 해당하는 동일한 주간의 휴일 전력부하 평균 데이터를 바탕으로 현재요일로부터 1주일 후의 요일에 대한 전력수요량을 예측한 데이터인 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
| 13 |
13
제 8항에 있어서, 상기 단기 전력수요 예측 모델 생성부에 의해 수행되는 단계는,전력부하 데이터 분류부가 기 설정된 복수의 요일조건에 따라 요일로 구분된 전력수요 데이터의 패턴 유사성에 의해 전력부하를 분류하는 단계; 및하이브리드 단기 전력수요 예측 모델 구축부가 기 준비된 복수의 단기 전력수요 예측 모델 중, 상기 패턴 유사성에 의해 분류된 전력부하에 대하여 상기 복수의 단기 전력수요 예측 모델에 대한 단기 전력수요 예측 정확성을 각기 검증하여, 상기 패턴 유사성에 의해 분류된 각 전력부하에 대하여 각기 실제 전력수요와 전력수요 예측 오차가 가장 적은 단기 전력수요 예측 모델을 선별적으로 조합하여 구축하는 단계;를 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
| 14 |
14
제 13항에 있어서, 상기 기 준비된 복수의 단기 전력수요 예측 모델은,랜덤 포레스트(RF) 및 다층 퍼셉트론(Multi Layer Perceptron) 모델을 포함하는 것을 특징으로 하는 하이브리드 타입 단기 전력수요 예측 방법
|
