1 |
1
병렬 가중 모델들에 훈련 집합으로 사용되는 훈련 데이터들을 벡터 쌍으로 분리하는 단계;상기 분리된 벡터 쌍의 개수에 대응하여 전날의 에너지 사용량에 따라 상기 전날의 다음날에 대한 에너지 사용량을 예측하는 복수의 병렬 가중 모델들을 생성하는 단계; 상기 분리된 벡터 쌍을 상기 생성된 복수의 병렬 가중 모델들 각각에 적용하여 에너지 사용량을 학습하는 단계;상기 학습된 복수의 병렬 가중 모델들 각각에 특정일의 에너지 사용량을 입력함으로써 상기 특정일의 다음날에 대한 에너지 사용량을 예측하는 단계; 및상기 특정일의 다음날에 대한 예측된 에너지 사용량과 상기 특정일의 다음날에 대한 실측된 에너지 사용량을 이용하여 상기 복수의 병렬 가중 모델들 각각에 대한 가중치를 결정하는 단계를 포함하는 에너지 사용량 예측 방법
|
2 |
2
제1항에 있어서,상기 훈련 집합으로 사용되는 훈련 데이터들의 변동폭을 감소시키기 위하여 전처리를 수행하는 단계를 더 포함하는 에너지 사용량 예측 방법
|
3 |
3
제2항에 있어서,상기 전처리를 수행하는 단계는,지수 평균 이동(Exponential Moving Average, EMA)를 사용하는 에너지 사용량 예측 방법
|
4 |
4
제1항에 있어서,상기 가중치를 결정하는 단계는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이의 차이를 식별하는 단계; 및상기 식별된 차이의 역수를 이용하여 상기 복수의 병렬 가중 모델들 각각에 대한 가중치를 설정하는 단계를 포함하는 에너지 사용량 예측 방법
|
5 |
5
제4항에 있어서,상기 차이를 식별하는 단계는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이의 평균 제곱근 오차(Root Mean Square Error, RMSE)를 계산하는 에너지 사용량 예측 방법
|
6 |
6
타겟일에 대한 에너지 사용량을 예측하기 위하여 상기 타겟일 전날의 에너지 사용량을 복수의 병렬 가중 모델들 각각에 입력하여 상기 타겟일에 대한 에너지 사용량을 예측하는 단계;상기 복수의 병렬 가중 모델들 각각을 통해 예측된 타겟일에 대한 에너지 사용량에 상기 복수의 병렬 가중 모델들 각각에 대한 가중치를 적용하는 단계; 및상기 가중치가 적용된 에너지 사용량을 모두 합산하여 상기 타겟일에 대한 최종 에너지 사용량을 결정하는 단계를 포함하고,상기 복수의 병렬 가중 모델들 각각은,훈련 집합으로 사용되는 훈련 데이터들을 벡터 쌍으로 분리하고, 상기 분리된 벡터 쌍을 상기 복수의 병렬 가중 모델들 각각에 적용함으로써 전날의 에너지 사용량을 이용하여 상기 전날의 다음날에 대한 에너지 사용량을 예측하도록 학습된 에너지 사용량 예측 방법
|
7 |
7
제6항에 있어서,상기 훈련 집합으로 사용되는 훈련 데이터들은,변동폭을 감소시키기 위하여 전처리가 수행되는 에너지 사용량 예측 방법
|
8 |
8
제7항에 있어서,상기 전처리는,지수 평균 이동(Exponential Moving Average, EMA)이 사용되는 에너지 사용량 예측 방법
|
9 |
9
제6항에 있어서,상기 복수의 병렬 모델들 각각에 대한 가중치는,상기 학습된 복수의 병렬 가중 모델들 각각에 특정일의 에너지 사용량을 입력함으로써 상기 특정일의 다음날에 대한 에너지 사용량을 예측하고, 상기 특정일의 다음날에 대한 예측된 에너지 사용량과 상기 특정일의 다음날에 대한 실측된 에너지 사용량을 이용함으로써 결정되는 에너지 사용량 예측 방법
|
10 |
10
제9항에 있어서,상기 복수의 병렬 모델들 각각에 대한 가중치는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이에서 식별된 차이의 역수를 이용함으로써 결정되는 에너지 사용량 예측 방법
|
11 |
11
제10항에 있어서,상기 식별된 차이는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이의 평균 제곱근 오차(Root Mean Square Error, RMSE)를 통해 계산되는 에너지 사용량 예측 방법
|
12 |
12
에너지 사용량 예측 장치에 있어서,상기 에너지 사용량 예측 장치는, 프로세서를 포함하고,상기 프로세서는,병렬 가중 모델들에 훈련 집합으로 사용되는 훈련 데이터들을 벡터 쌍으로 분리하고, 상기 분리된 벡터 쌍의 개수에 대응하여 전날의 에너지 사용량에 따라 상기 전날의 다음날에 대한 에너지 사용량을 예측하는 복수의 병렬 가중 모델들을 생성하며, 상기 분리된 벡터 쌍을 상기 생성된 복수의 병렬 가중 모델들 각각에 적용하여 에너지 사용량을 학습하고, 상기 학습된 복수의 병렬 가중 모델들 각각에 특정일의 에너지 사용량을 입력함으로써 상기 특정일의 다음날에 대한 에너지 사용량을 예측하며, 상기 특정일의 다음날에 대한 예측된 에너지 사용량과 상기 특정일의 다음날에 대한 실측된 에너지 사용량을 이용하여 상기 복수의 병렬 가중 모델들 각각에 대한 가중치를 결정하는 에너지 사용량 예측 장치
|
13 |
13
제12항에 있어서,상기 프로세서는, 상기 훈련 집합으로 사용되는 훈련 데이터들의 변동폭을 감소시키기 위해 지수 평균 이동(Exponential Moving Average, EMA)를 사용하여 전처리를 수행하는 에너지 사용량 예측 장치
|
14 |
14
제12항에 있어서,상기 프로세서는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이의 차이를 식별하고, 상기 식별된 차이의 역수를 이용하여 상기 복수의 병렬 가중 모델들 각각에 대한 가중치를 결정하는 에너지 사용량 예측 장치
|
15 |
15
제14항에 있어서,상기 프로세서는,평균 제곱근 오차(Root Mean Square Error, RMSE)를 이용하여 상기 예측된 에너지 사용량과 실측된 사용량 사이의 차이를 식별하는 에너지 사용량 예측 장치
|
16 |
16
에너지 사용량 예측 장치에 있어서,상기 에너지 사용량 예측 장치는, 프로세서를 포함하고,상기 프로세서는,타겟일에 대한 에너지 사용량을 예측하기 위하여 상기 타겟일 전날의 에너지 사용량을 복수의 병렬 가중 모델들 각각에 입력하여 상기 타겟일에 대한 에너지 사용량을 예측하고, 상기 복수의 병렬 가중 모델들 각각을 통해 예측된 타겟일에 대한 에너지 사용량에 상기 복수의 병렬 가중 모델들 각각에 대한 가중치를 적용하며, 상기 가중치가 적용된 에너지 사용량을 모두 합산하여 상기 타겟일에 대한 최종 에너지 사용량을 결정하고, 상기 복수의 병렬 가중 모델들 각각은 훈련 집합으로 사용되는 훈련 데이터들을 벡터 쌍으로 분리하고, 상기 분리된 벡터 쌍을 상기 복수의 병렬 가중 모델들 각각에 적용함으로써 전날의 에너지 사용량을 이용하여 상기 전날의 다음날에 대한 에너지 사용량을 예측하도록 학습된 에너지 사용량 예측 장치
|
17 |
17
제16항에 있어서,상기 훈련 집합으로 사용되는 훈련 데이터들은,변동폭을 감소시키기 위해 지수 평균 이동(Exponential Moving Average, EMA)를 사용하여 전처리가 수행되는 에너지 사용량 예측 장치
|
18 |
18
제16항에 있어서,상기 복수의 병렬 모델들 각각에 대한 가중치는,상기 학습된 복수의 병렬 가중 모델들 각각에 특정일의 에너지 사용량을 입력함으로써 상기 특정일의 다음날에 대한 에너지 사용량을 예측하고, 상기 특정일의 다음날에 대한 예측된 에너지 사용량과 상기 특정일의 다음날에 대한 실측된 에너지 사용량을 이용함으로써 결정되는 에너지 사용량 예측 장치
|
19 |
19
제16항에 있어서,상기 복수의 병렬 모델들 각각에 대한 가중치는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이에서 식별된 차이의 역수를 이용함으로써 결정되는 에너지 사용량 예측 장치
|
20 |
20
제19항에 있어서,상기 식별된 차이는,상기 예측된 에너지 사용량과 실측된 에너지 사용량 사이의 평균 제곱근 오차(Root Mean Square Error, RMSE)를 통해 계산되는 에너지 사용량 예측 장치
|