1 |
1
입력 데이터 셋을 수신하고 상기 입력 데이터 셋을 특정 분류기준에 따라 서브 데이터 셋으로 분류하는 데이터 분류부;상기 서브 데이터 셋에 대한 데이터 분포에 따라 전처리를 수행하여 프로퍼 피쳐를 생성하는 피쳐 스케일링 수행부;상기 프로퍼 피쳐 중 일사량 예측에 필요한 서브 프로퍼 피쳐를 기초로 일사량을 예측하는 일사량 예측부; 및상기 프로퍼 피쳐, 상기 일사량 및 상기 특정 분류기준에 해당하는 전운량을 포함하는 학습 데이터를 통해 발전량 예측 모델을 생성하고 상기 발전량 예측 모델을 기초로 발전량을 예측하는 발전량 예측부를 포함하는 태양광 발전 출력 예측 장치
|
2 |
2
청구항 1에 있어서,상기 데이터 분류부는,상기 전운량의 값을 기초로 상기 서브 데이터 셋을 분류하는, 태양광 발전 출력 예측 장치
|
3 |
3
청구항 1에 있어서,상기 입력 데이터 셋은,대기질 정보를 포함하는, 태양광 발전 출력 예측 장치
|
4 |
4
청구항 1에 있어서,상기 피쳐 스케일링 수행부는,상기 서브 데이터 셋의 데이터 분포를 검출하는 제1 단계, 상기 데이터 분포가 중간 값으로부터 특정 범위 내인지 판단하는 제2 단계, 상기 제2 단계의 판단에 따라 상기 전처리의 순서를 결정하여 전처리 오더를 생성하는 제3 단계 및 상기 서브 데이터 셋에 대해 상기 전처리 오더에 따른 전처리를 수행하여 프로퍼 피쳐를 생성하는 제4 단계를 통해 상기 전처리를 수행하는, 태양광 발전 출력 예측 장치
|
5 |
5
청구항 1에 있어서,상기 일사량 예측부는,태양광 수신 위치를 기초로 직달 일사와 산란 일사로 나누어서 상기 일사량을 예측하는, 태양광 발전 출력 예측 장치
|
6 |
6
청구항 1에 있어서,상기 발전량 예측부는,상기 특정 분류기준 각각에 대해 상기 발전량 예측 모델을 생성하는, 태양광 발전 출력 예측 장치
|
7 |
7
청구항 6에 있어서,상기 발전량 예측부는,상기 전운량에 따라서 각각 상기 발전량 예측 모델을 생성하는, 태양광 발전 출력 예측 장치
|
8 |
8
청구항 1에 있어서,상기 발전량 예측 모델은,상기 학습 데이터를 네트워크 함수에 입력시키고, 상기 네트워크 함수의 출력 데이터와 상기 학습 데이터에 대응하는 라벨을 비교하여 오차를 도출하고, 상기 오차에 기초하여 상기 네트워크 함수의 가중치를 역전파(backpropagation) 방식으로 조정하는, 태양광 발전 출력 예측 장치
|
9 |
9
청구항 8에 있어서,상기 발전량 예측 모델은,특정 기준의 에폭 이상 수행된 경우 검증 데이터를 이용하여 학습의 중단 여부를 결정하는, 태양광 발전 출력 예측 장치
|
10 |
10
청구항 1에 있어서,상기 발전량 예측부는,상기 발전량 예측 모델을 생성하는 과정에서, 상기 학습 데이터 각각과 네트워크 함수에 상기 학습 데이터를 입력하여 도출된 출력 데이터 간의 상관도를 결정하고 상기 상관도에 따라 상기 발전량 예측 모델의 변수 수정 여부를 결정하는, 태양광 발전 출력 예측 장치
|
11 |
11
입력 데이터 셋을 수신하고 상기 입력 데이터 셋을 특정 분류기준에 따라 서브 데이터 셋으로 분류하는 데이터 분류 단계;상기 서브 데이터 셋에 대한 데이터 분포에 따라 전처리를 수행하여 프로퍼 피쳐를 생성하는 피쳐 스케일링 수행 단계;상기 프로퍼 피쳐에 대한 일사량 예측 모델을 생성하여 일사량을 예측하는 일사량 예측 단계; 및상기 프로퍼 피쳐, 상기 일사량 및 상기 특정 분류기준에 해당하는 전운량을 포함하는 학습 데이터를 통해 발전량 예측 모델을 생성하고 상기 발전량 예측 모델을 기초로 발전량을 예측하는 발전량 예측 단계를 포함하는, 태양광 발전 출력 예측 방법
|
12 |
12
청구항 11에 있어서,상기 데이터 분류 단계는,상기 전운량의 값을 기초로 상기 서브 데이터 셋을 분류하는, 태양광 발전 출력 예측 방법
|
13 |
13
청구항 11에 있어서,상기 입력 데이터 셋은,대기질 정보를 포함하는, 태양광 발전 출력 예측 방법
|
14 |
14
청구항 11에 있어서,상기 피쳐 스케일링 수행 단계는,상기 서브 데이터 셋의 데이터 분포를 검출하는 제1 단계;상기 데이터 분포가 중간 값으로부터 특정 범위 내인지 판단하는 제2 단계;상기 제2 단계의 판단에 따라 상기 전처리의 순서를 결정하여 전처리 오더를 생성하는 제3 단계; 및상기 서브 데이터 셋에 대해 상기 전처리 오더에 따른 전처리를 수행하여 프로퍼 피쳐를 생성하는 제4 단계를 포함하는, 태양광 발전 출력 예측 방법
|
15 |
15
청구항 11에 있어서,상기 일사량 예측 단계는,태양광 수신 위치를 기초로 직달 일사와 산란 일사로 나누어서 상기 일사량을 예측하는, 태양광 발전 출력 예측 방법
|
16 |
16
청구항 11에 있어서,상기 발전량 예측 단계는,상기 특정 분류기준 각각에 대해 상기 발전량 예측 모델을 생성하는, 태양광 발전 출력 예측 방법
|
17 |
17
청구항 16에 있어서,상기 발전량 예측 단계는,상기 전운량에 따라서 각각 상기 발전량 예측 모델을 생성하는, 태양광 발전 출력 예측 방법
|
18 |
18
청구항 11에 있어서,상기 발전량 예측 단계는,상기 학습 데이터를 네트워크 함수에 입력시키는 단계;상기 네트워크 함수의 출력 데이터와 상기 학습 데이터에 대응하는 라벨을 비교하여 오차를 도출하는 단계; 및상기 오차에 기초하여 상기 네트워크 함수의 가중치를 역전파(backpropagation) 방식으로 조정하는 단계를 포함하는, 태양광 발전 출력 예측 방법
|
19 |
19
청구항 18에 있어서,상기 발전량 예측 모델은,특정 기준의 에폭 이상 수행된 경우 검증 데이터를 이용하여 학습의 중단 여부를 결정하는, 태양광 발전 출력 예측 방법
|
20 |
20
청구항 11에 있어서,상기 발전량 예측 단계는,상기 발전량 예측 모델을 생성하는 과정에서, 상기 학습 데이터 각각과 네트워크 함수에 상기 학습 데이터를 입력하여 도출된 출력 데이터 간의 상관도를 결정하고, 상기 상관도에 따라 상기 발전량 예측 모델의 변수 수정 여부를 결정하는, 태양광 발전 출력 예측 방법
|