1 |
1
기상 데이터, 전력 데이터 및 시간 데이터를 수집하는 데이터 수집부;상기 기상 데이터, 상기 전력 데이터 및 상기 시간 데이터에 대한 전처리 동작을 수행하는 데이터 전처리부;변분 오토인코더를 통하여 구현되며, 상기 전처리된 전력 데이터를 이상 데이터와 정상 데이터로 분류하는 이상치 탐지부;랜덤 포레스트 모델을 통하여 구현되며, 상기 이상 데이터를 복원하여 복원 데이터를 생성하는 이상치 복원부; 및슬라이딩 윈도우 기반의 LightGBM 모델을 통하여 구현되며, 상기 정상 데이터와 상기 복원 데이터에 기초하여 예측 모델을 학습하고 전력 수요량을 예측하는 전력 수요 예측부를 포함하는, 전력 수요량 예측 장치
|
2 |
2
제1 항에 있어서,상기 데이터 전처리부는 상기 기상 데이터에 대한 정규화 동작을 수행하는 기상 데이터 전처리부; 상기 전력 데이터에 대한 정규화 동작을 수행하는 전력 데이터 전처리부; 및상기 시간 데이터를 2차원의 시간 데이터로 변환하는 시간 데이터 전처리부를 포함하는, 전력 수요량 예측 장치
|
3 |
3
제2 항에 있어서, 상기 기상 데이터 전처리부는 상기 기상 데이터 중 기온, 습도, 풍속 데이터에 기초하여 체감 온도 데이터와 불쾌지수 데이터를 생성하고, 생성된 체감 온도 데이터와 불쾌지수 데이터에 대한 정규화 동작을 수행하는, 전력 수요량 예측 장치
|
4 |
4
제2 항에 있어서,상기 시간 데이터 전처리부는 주기 함수를 이용하여 상기 시간 데이터를 서로 다른 두 개의 2차원 시간 데이터로 변환하는, 전력 수요량 예측 장치
|
5 |
5
제1 항에 있어서,상기 데이터 수집부가 수집하는 기상 데이터는 기상 예보 데이터 및 측정 기상 데이터 중 어느 하나인, 전략 수요량 예측 장치
|
6 |
6
제1 항에 있어서,상기 전력 수요 예측부는 7의 윈도우 사이즈를 갖는, 전력 수요량 예측 장치
|
7 |
7
데이터 수집부에서, 기상 데이터, 시간 데이터 및 전력 데이터를 수집하는 단계;데이터 전처리부에서, 상기 기상 데이터, 상기 시간 데이터 및 상기 전력 데이터에 대한 전처리 동작을 수행하는 단계;이상치 탐지부에서, 상기 전처리된 전력 데이터 중 이상치를 탐지하는 단계;이상치 복원부에서, 상기 이상치를 복원하여 복원 데이터를 생성하는 단계; 및전력 수요 예측부에서, 상기 복원 데이터를 학습 데이터로 하여 예측 모델을 학습하고, 상기 학습된 예측 모델에 기초하여 전력 수요량을 예측하는 단계를 포함하는, 전력 수요량 예측 방법
|
8 |
8
제7 항에 있어서,상기 전처리 동작을 수행하는 단계는상기 기상 데이터 및 상기 전력 데이터를 정규화하는 단계; 및상기 시간 데이터를 주기함수를 이용하여 서로 다른 두 개의 시간 데이터로 변환하는 단계를 포함하는, 전력 수요량 예측 방법
|
9 |
9
제8 항에 있어서,상기 기상 데이터를 정규화하는 단계는 상기 기상 데이터 중 기온, 습도, 풍속 데이터에 기초하여 체감 온도 데이터와 불쾌지수 데이터를 생성하는 단계; 및상기 생성된 체감 온도 데이터와 상기 생성된 불쾌지수 데이터에 대한 정규화 동작을 수행하는 단계를 포함하는, 전력 수요량 예측 방법
|
10 |
10
제9 항에 있어서,상기 기상 데이터는 기상 예보 데이터 및 측정 기상 데이터 중 어느 하나인, 전력 수요량 예측 방법
|
11 |
11
제7 항에 있어서,상기 이상치 탐지부는 변분 오토인코더를 통하여 구현되는, 전력 수요량 예측 방법
|
12 |
12
제7 항에 있어서,상기 이상치 복원부는 랜덤 포레스트 모델을 통하여 구현되는, 전력 수요량 예측 방법
|
13 |
13
제7 항에 있어서,상기 전력 수요량 예측부는 슬라이딩 윈도우 기반의 LightGBM을 통하여 구현되는, 전력 수요량 예측 방법
|
14 |
14
제13 항에 있어서,상기 전력 수요량 예측부는 7의 윈도우 사이즈를 갖는, 전력 수요량 예측 방법
|