| 1 |
1
태양광 발전 시스템을 구성하는 복수의 센서로부터, 상기 태양광 발전 시스템 내외부의 복수의 센싱 데이터 셋을 획득하는 데이터 획득부;상기 복수의 센싱 데이터 셋에 기초하여 학습되는 회귀 모델을 이용하여 상기 태양광 발전 시스템의 예상 발전량을 추정하는 발전량 추정부;상기 태양광 발전 시스템의 실제 발전량과 상기 예상 발전량 사이의 잔차(Residual)에 기초하여, 상기 복수의 센싱 데이터 셋을 정상 데이터 셋과 이상 데이터 셋으로 분류하는 라벨링부; 및상기 정상 데이터 셋과 상기 이상 데이터 셋에 기초하여 학습되는 분류 모델에 현재 시점의 센싱 데이터 셋을 입력하여, 현재 시점의 상기 태양광 발전 시스템의 이상을 감지하는 이상 감지부를 포함하는, 태양광 발전 시스템 이상 감지 장치
|
| 2 |
2
청구항 1항에 있어서,상기 태양광 발전 시스템은,복수의 태양광 패널로 구성된 태양광 모듈; 및상기 태양광 모듈과 연결되어 상기 태양광 발전 시스템에서 발생하는 전류 및 전압을 측정 및 제어하는 전력 변환 장치를 포함하는, 태양광 발전 시스템 이상 감지 장치
|
| 3 |
3
청구항 1항에 있어서,상기 복수의 센싱 데이터 셋은,상기 태양광 발전 시스템 내 태양광 모듈의 발생 전력, 상기 태양광 모듈의 직류 전압 값, 상기 태양광 모듈의 직류 전류 값, 상기 태양광 모듈이 받는 일사량, 상기 태양광 모듈의 온도 및 상기 태양광 모듈로부터 기 설정된 거리만큼 이격된 지점에서 측정된 주변부 온도 중 적어도 하나를 포함하는, 태양광 발전 시스템 이상 감지 장치
|
| 4 |
4
청구항 1항에 있어서,상기 회귀 모델은,릿지 회귀(Ridge Regression) 메커니즘에 기초하여 학습되는, 태양광 발전 시스템 이상 감지 장치
|
| 5 |
5
청구항 4항에 있어서,상기 회귀 모델은,상기 실제 발전량과 상기 예상 발전량 사이의 잔차에 기초하여 정의된 손실 함수의 값이 최소가 되도록 하는 최적 벡터를 구하고, 상기 릿지 회귀에 사용되는 회귀 계수 벡터를 상기 최적 벡터로 갱신하는, 태양광 발전 시스템 이상 감지 장치
|
| 6 |
6
청구항 1항에 있어서,상기 라벨링부는,상기 태양광 발전 시스템의 특정 시점의 실제 발전량과 상기 특정 시점의 예상 발전량 사이의 잔차가 기 설정된 임계치 이상인 경우, 상기 특정 시점의 센싱 데이터 셋을 이상 데이터 셋으로 분류하는, 태양광 발전 시스템 이상 감지 장치
|
| 7 |
7
청구항 1항에 있어서,상기 분류 모델은,상기 정상 데이터 셋과 상기 이상 데이터 셋을 이진 분류하는 초평면(Hyperplane)을 구축하는 서포트 벡터 머신(SVM; Support Vector Machine)인, 태양광 발전 시스템 이상 감지 장치
|
| 8 |
8
청구항 1항에 있어서,현재 장소에서의 위도(Latitude), 경도(Longitude) 및 태양의 적위(Declination)에 기초하여 현재 장소에서의 일광시간대를 추정하고, 상기 데이터 획득부, 상기 발전량 추정부, 상기 라벨링부 및 상기 이상 감지부가 상기 일광시간대 내에서만 구동하도록 제어하는 제어부를 더 포함하는, 태양광 발전 시스템 이상 감지 장치
|
| 9 |
9
청구항 1항에 있어서,상기 복수의 센싱 데이터 셋을 구성하는 데이터의 종류에 각각 대응되는 복수의 데이터 변수에 대해, 상기 복수의 데이터 변수 각각의 단위 변화량에 따른 상기 이상 감지부의 감지 오차율 증감폭에 기초하여 변수 중요도를 각각 부여하고, 상기 복수의 센싱 데이터 셋을 구성하는 데이터 중 기 설정된 임계치 이상의 변수 중요도를 갖는 데이터 변수에 대응되는 데이터만으로 구성된 복수의 중요 데이터 셋을 추출하는 데이터 추출부를 더 포함하고,상기 발전량 추정부, 상기 라벨링부 및 상기 이상 감지부는 상기 복수의 센싱 데이터 셋 대신 상기 복수의 중요 데이터 셋에 기초하여 구동하는, 태양광 발전 시스템 이상 감지 장치
|
| 10 |
10
태양광 발전 시스템을 구성하는 복수의 센서로부터, 상기 태양광 발전 시스템 내외부의 복수의 센싱 데이터 셋을 획득하는 단계;상기 복수의 센싱 데이터 셋에 기초하여 학습되는 회귀 모델을 이용하여 상기 태양광 발전 시스템의 예상 발전량을 추정하는 단계;상기 태양광 발전 시스템의 실제 발전량과 상기 예상 발전량 사이의 잔차(Residual)에 기초하여, 상기 복수의 센싱 데이터 셋을 정상 데이터 셋과 이상 데이터 셋으로 분류하는 단계; 및상기 정상 데이터 셋과 상기 이상 데이터 셋에 기초하여 학습되는 분류 모델에 현재 시점의 센싱 데이터 셋을 입력하여, 현재 시점의 상기 태양광 발전 시스템의 이상을 감지하는 단계를 포함하는, 태양광 발전 시스템 이상 감지 방법
|
| 11 |
11
청구항 10항에 있어서,상기 태양광 발전 시스템은,복수의 태양광 패널로 구성된 태양광 모듈; 및상기 태양광 모듈과 연결되어 상기 태양광 발전 시스템에서 발생하는 전류 및 전압을 측정 및 제어하는 전력 변환 장치를 포함하는, 태양광 발전 시스템 이상 감지 방법
|
| 12 |
12
청구항 10항에 있어서,상기 복수의 센싱 데이터 셋은,상기 태양광 발전 시스템 내 태양광 모듈의 발생 전력, 상기 태양광 모듈의 직류 전압 값, 상기 태양광 모듈의 직류 전류 값, 상기 태양광 모듈이 받는 일사량, 상기 태양광 모듈의 온도 및 상기 태양광 모듈로부터 기 설정된 거리만큼 이격된 지점에서 측정된 주변부 온도 중 적어도 하나를 포함하는, 태양광 발전 시스템 이상 감지 방법
|
| 13 |
13
청구항 10항에 있어서,상기 회귀 모델은,릿지 회귀(Ridge Regression) 메커니즘에 기초하여 학습되는, 태양광 발전 시스템 이상 감지 방법
|
| 14 |
14
청구항 13항에 있어서,상기 회귀 모델은,상기 실제 발전량과 상기 예상 발전량 사이의 잔차에 기초하여 정의된 손실 함수의 값이 최소가 되도록 하는 최적 벡터를 구하고, 상기 릿지 회귀에 사용되는 회귀 계수 벡터를 상기 최적 벡터로 갱신하는, 태양광 발전 시스템 이상 감지 방법
|
| 15 |
15
청구항 10항에 있어서,상기 분류하는 단계는,상기 태양광 발전 시스템의 특정 시점의 실제 발전량과 상기 특정 시점의 예상 발전량 사이의 잔차가 기 설정된 임계치 이상인 경우, 상기 특정 시점의 센싱 데이터 셋을 이상 데이터 셋으로 분류하는, 태양광 발전 시스템 이상 감지 방법
|
| 16 |
16
청구항 10항에 있어서,상기 분류 모델은,상기 정상 데이터 셋과 상기 이상 데이터 셋을 이진 분류하는 초평면(Hyperplane)을 구축하는 서포트 벡터 머신(SVM; Support Vector Machine)인, 태양광 발전 시스템 이상 감지 방법
|
| 17 |
17
청구항 10항에 있어서,현재 장소에서의 위도(Latitude), 경도(Longitude) 및 태양의 적위(Declination)에 기초하여 현재 장소에서의 일광시간대를 추정하고, 상기 데이터 획득부, 상기 발전량 추정부, 상기 라벨링부 및 상기 이상 감지부가 상기 일광시간대 내에서만 구동하도록 제어하는 단계를 더 포함하는, 태양광 발전 시스템 이상 감지 방법
|
| 18 |
18
청구항 10항에 있어서,상기 복수의 센싱 데이터 셋을 구성하는 데이터의 종류에 각각 대응되는 복수의 데이터 변수에 대해, 상기 복수의 데이터 변수 각각의 단위 변화량에 따른 상기 이상 감지부의 감지 오차율 증감폭에 기초하여 변수 중요도를 각각 부여하는 단계; 및상기 복수의 센싱 데이터 셋을 구성하는 데이터 중 기 설정된 임계치 이상의 변수 중요도를 갖는 데이터 변수에 대응되는 데이터만으로 구성된 복수의 중요 데이터 셋을 추출하는 단계를 더 포함하고,상기 추정하는 단계, 상기 분류하는 단계 및 상기 감지하는 단계는 상기 복수의 센싱 데이터 셋 대신 상기 복수의 중요 데이터 셋에 기초하여 수행되는, 태양광 발전 시스템 이상 감지 방법
|
