1 |
1
참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받는 데이터 입력부; 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하는 운영 환경 설정부;상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 고객 부하 특성화부;상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화하는 고객 부하 그룹부;상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하는 수요반응 잠재량 추정부;상기 고객 부하 그룹부내 입력벡터 구성부에서 구성된 입력벡터와 군집화부에서 계산된 그룹을 라벨링하여 입출력 데이터를 구성하는 입출력 데이터 구성부; 상기 입출력 데이터 구성부에서 구성된 입출력 데이터를 이용하여 딥러닝 모델을 설계하고 학습을 통해 모델을 구축하는 모델 구축부; 상기 모델 구축부에서 구축된 딥러닝 모델을 이용하여 고객을 분류하는 고객 분류부; 상기 고객 분류부에서 분류된 참여고객에 대해 참여고객 스스로 전기 소비 패턴을 변경할 수 있도록 추천하는 고객 추천부를 포함하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
2 |
2
제 1항에 있어서, 상기 데이터 입력부는 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는 분산자원의 이력 정보 및 기상정보 데이터를 입력받으며, 참여고객의 인구통계 정보 및 부하 이력 정보, PV, EV, ESS를 포함하는 분산자원의 보유 유무 및 설비 정보, 운영 정보를 포함하는 이력 정보, 그리고 기온, 일사량, 운량, 풍향, 풍력 정보를 포함하는 기상 정보의 이력 정보를 포함하는 이력 정보 데이터베이스와 장기, 중기, 단기 예측을 통한 부하 예측 정보, 분산자원 예측 정보 및 기상 예측 정보를 포함하는 예측 정보 데이터베이스로부터 데이터를 입력받는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
3 |
3
제 1항에 있어서, 상기 운영 환경 설정부는 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하되, 참여고객 및 분산자원의 선택, 분산자원의 설치 지역, 분산자원의 이력 정보, 선택된 지역의 기상정보 및 운영 기간과 날짜 및 시간을 설정할 수 있는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
4 |
4
제 1항에 있어서, 상기 고객 부하 특성화부는 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량 계산부, 일일 사용량 변동계수 계산부, 패턴 변동계수 계산부를 통해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
5 |
5
제 4항에 있어서,일일 사용량(Uj)은 전기 소비가 많은지 적은 지를 측정하는 지표이고, 해당 기간 동안에서 하루에 소비하는 사용량의 평균을 측정하며, 수학식 1과 같이 계산할 수 있고,[수학식 1](여기서, Pjd는 j(j=1,2,
|
6 |
6
제 1항에 있어서, 상기 고객 부하 그룹부는 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터 구성부를 통해 입력벡터를 구성하고 군집화부를 통해 군집화를 수행하여 고객 부하를 그룹화하되, 입력벡터는 해당 기간 동안의 고객 부하에 대해 프로파일을 구성하고, 상기 고객 부하 특성화부에서 계산된 특성화 지표를 상기 프로파일에 추가하여 구성할 수 있으며, 군집화부에서는 상기 입력 벡터를 이용하여 군집화 알고리즘을 이용하여 고객을 군집별로 분류하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
7 |
7
제 1항에 있어서, 상기 수요반응 잠재량 추정부는 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하되, 상기 그룹화된 고객 부하에 대해 시간대별 전기 소비 패턴들에 대해 사분범위로 잠재량을 계산할 수 있는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
8 |
8
제 7항에 있어서, 상기 수요반응 잠재량 추정부는 상기 그룹화된 고객 부하에 대해 간혹 발생할 수 있는 극단적인 최대/최소 소비량에 인한 잠재량을 과대하게 추정하는 문제를 해결하기 위해 정규분포, 백분위수의 방법을 통해 극단적이고 이상적인 소비량(이상치)을 제거하여 수요반응 잠재량을 계산할 수 있는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
9 |
9
제 8항에 있어서, 정규분포를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 정규분포를 이용하여 (여기서 m:평균, σ: 표준편차, α:임의의 상수)구간을 벗어나는 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있으며, 백분위수를 이용한 최소 소비량 이상치 제거는 해당 기간 동안에 일일 시간대별 소비량에 대해 α백분위수(여기서, α:임의의 상수)를 이용하여 백분위수 보다 작은 값을 이상치로 판단하여 제거하여 수요반응 잠재량을 계산할 수 있는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
10 |
10
제 1항에 있어서, 상기 수요반응 잠재량 추정부는 시간대별 수요반응 잠재량 확률 분포 및 누적 확률 분포를 추정하며, 각각 해당 시간에서 전기 소비량의 잠재량을 계산하여 분포를 추정하며, 해당 시간에서의 시간대별 확률 분포를 누적하여 누적 확률 분포를 추정하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
11 |
11
제 1항에 있어서, 상기 입출력 데이터 구성부는 상기 고객 부하 그룹부내 입력벡터 구성부에서 구성된 입력벡터와 군집화부에서 계산된 그룹을 라벨링하여 입출력 데이터를 구성하며, 입력 데이터는 상기 고객 부하 그룹부내 입력벡터 구성부에서 구성된 입력벡터인 시간대별 프로파일 및 특성화 지표로 입력벡터를 구성하여 입력 데이터를 구성하고, 출력 데이터는 상기 고객 부하 그룹부내 군집화부에서 계산된 각 입력데이터에 따른 그룹 결과를 숫자로 변환하여 구성하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
12 |
12
제 1항에 있어서, 상기 모델 구축부는 상기 입출력 데이터 구성부에서 구성된 입출력 데이터를 이용하여 딥러닝 모델을 설계하고 학습을 통해 모델을 구축하되, 입력 데이터를 정규화하고 입출력 데이터를 학습용, 검증용, 테스트용으로 분할하며, 딥러닝 모델 구조를 선정하고, 이에 따른 은닉층의 개수 및 각 층의 뉴런 개수, 활성함수, 드롭아웁, 가중치 초기화, 학습률, 학습 횟수, 목적함수, 배치 크기의 하이퍼파라미터를 선정하며, 딥러닝 모델을 학습하고 모델을 평가하여 모델을 구축하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
13 |
13
제 1항에 있어서, 상기 고객 분류부는 상기 모델 구축부에서 구축된 딥러닝 모델을 이용하여 고객을 분류하며, 더욱 상세하게 실시 예를 들어 설명하면, 기존 및 신규 참여고객의 전기 소비 데이터를 이용하여 프로파일을 생성하고, 특성화 지표를 계산하여 입력 데이터를 구성하고, 상기 입력 데이터를 구축된 딥러닝 모델에 입력으로 주어 결과를 출력하고, 출력된 결과로부터 해당 참여고객을 하나의 그룹으로 할당하여 분류하는 것을 포함하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
14 |
14
제 1항에 있어서, 상기 고객 추천부는 상기 고객 분류부에서 분류된 참여고객에 대해 참여고객 스스로 전기 소비 패턴을 변경할 수 있도록 추천하며, 참여고객의 전기 소비 데이터로부터 특성화 정보, 시간대별 프로파일 정보, 그룹 정보, 수요반응 잠재량 및 확률 분포 정보를 제공함으로써 참여고객 스스로 전기소비패턴을 이해함으로써 전기 소비 패턴을 변경할 수 있도록 추천하는 것을 특징으로 하는 수요반응을 위한 딥러닝 기반 고객 분류 장치
|
15 |
15
데이터 입력부를 통해 참여고객의 부하 이력 정보와 PV, EV, ESS를 포함하는분산자원의 이력 정보 및 기상정보 데이터를 입력받는 제1 단계;운영 환경 설정부를 통해 상기 데이터 입력부에서 입력된 정보로부터 운영 환경 설정에서 운영 지역 및 기간을 포함하여 운영 분석에 필요한 환경을 설정하는 제2 단계;고객 부하 특성화부를 통해 상기 운영 환경 설정부에서 설정된 환경에 따라 참여 고객의 부하에 대해 일일 사용량, 일일 사용량 변동계수, 패턴 변동계수를 계산하여 특성화를 지표화하는 제3 단계;고객 부하 그룹부를 통해 상기 고객 부하 특성화부에서 계산된 특성화 지표와 고객 부하 패턴을 이용하여 입력벡터를 구성하고 군집화를 수행하여 고객 부하를 그룹화하는 제4 단계;수요반응 잠재량 추정부를 통해 상기 고객 부하 그룹부에서 계산된 각 군집에 속한 고객 부하에 대해 그룹별 수요반응 잠재량을 추정하며
|