1 |
1
복수의 객체에 대한 전체 에너지 소비를 측정하는 소비 측정부;상기 소비 측정부의 측정 데이터를 분석 및 분류하는 제1 계층; 및상기 제1 계층의 분석 및 분류 데이터를 기반으로 상기 객체의 동작 스케쥴을 결정하는 제2 계층;을 포함하는 공장 에너지 관리 장치
|
2 |
2
제1항에 있어서,상기 객체는 이동 불가능 부하, 시간 이동 가능 부하, 전력 이동 가능 부하, 발전 및 에너지 저장 시스템 설비를 갖는 단일 공장 내의 복수의 부하 장비 또는 상기 단일 공장을 하나의 객체로 설정한 복수의 공장인 것을 특징으로 하는 공장 에너지 관리 장치
|
3 |
3
제1항에 있어서, 상기 소비 측정부는 하나의 스마트 미터를 이용하여 생산 및 소비되는 모든 에너지는 측정하는 것을 특징으로 하는 공장 에너지 관리 장치
|
4 |
4
제1항에 있어서,상기 제1 계층은,상기 객체에서 과거 생산 또는 소비한 에너지 데이터를 기반으로 기 학습된 깊은 신경망(Deep Neural Network)모델을 이용하여 상기 객체의 에너지 소비량을 분석 및 분류하는 것을 특징으로 하는 공장 에너지 관리 장치
|
5 |
5
제4항에 있어서, 상기 제2 계층은 상기 객체 별 에너지 소비량의 분석 및 분류 결과와 사용 전력 가격, 발전 및 에너지 저장 시스템의 상태 정보를 이용하여 향후 상기 공장의 에너지 발전 및 소비 추세를 동적으로 예측하는 것을 특징으로 하는 공장 에너지 관리 장치
|
6 |
6
제1항에 있어서,상기 제2 계층은 다중 에이전트 깊은 강화 학습(Deep Reinforcement Learning)으로 구성되며, 상기 에이전트는 각각의 상기 객체에 대해 복수의 시간 슬롯에서의 에너지 생산 및 소비에 관한 스케쥴링을 설정하는 것을 특징으로 하는 공장 에너지 관리 장치
|
7 |
7
복수의 객체의 에너지 소비를 측정하는 단계;제1 계층에서 상기 객체 별 에너지 소비를 분석 및 분류하는 단계;상기 복수의 객체 별로 설정된 객체 에이전트가 각각 상기 객체의 상태를 관찰하고 작업을 선택하는 단계;상기 객체 에이전트가 다음 예정된 작업을 검출하는 단계;상기 예정된 작업에 대해 상기 제1 계층으로부터 분석 결과를 획득하는 단계; 및상기 객체 에이전트가 상기 분석 결과를 기반으로 상기 예정된 작업에 대한 에너지 소비 스케쥴을 설정하는 단계;를 포함하는 공장 에너지 관리 방법
|
8 |
8
제7항에 있어서, 상기 복수의 객체는 하나의 스마트 미터를 이용하여 에너지 소비를 측정하는 것을 특징으로 하는 공장 에너지 관리 방법
|
9 |
9
제8항에 있어서,상기 제1 계층은 깊은 신경망(Deep Neural Network)모델로 구성되며, 상기 복수의 객체에서 과거 생산 또는 소비한 에너지 데이터를 기반으로 측정한 상기 객체의 에너지 소비량을 분석하여 상기 복수의 객체 별로 에너지 소비량을 분류하는 것을 특징으로 하는 공장 에너지 관리 방법
|
10 |
10
제7항에 있어서,상기 객체는 이동 불가능 부하, 시간 이동 가능 부하, 전력 이동 가능 부하, 발전 및 에너지 저장 시스템 설비를 포함하는 것을 특징으로 하는 공장 에너지 관리 방법
|
11 |
11
제7항에 있어서, 상기 에너지 소비 스케쥴을 설정하는 단계는다중 에이전트 깊은 강화 학습(Deep Reinforcement Learning)을 이용하여 소비 스케쥴을 설정하는 것을 특징으로 하는 공장 에너지 관리 방법
|