1 |
1
태양광 발전 설비에 설치된 복수개의 센서로부터 감지 데이터를 획득하는 단계; 상기 태양광 발전 설비가 설치된 지역에 대한 날씨 데이터를 획득하는 단계; 및 상기 감지 데이터 및 상기 날씨 데이터를 포함하는 데이터셋을 딥러닝 모델에 입력하여 상기 태양광 발전 설비의 발전량을 예측하는 단계;를 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 방법
|
2 |
2
제 1 항에 있어서,상기 감지 데이터는 상기 태양광 발전 설비의 태양광 패널에서 측정한 전력량, 상기 태양광 패널의 수직 일사량, 상기 태양광 패널의 경사 일사량 및 상기 태양광 패널의 외기 온도 및 상기 태양광 패널의 모듈 온도를 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 방법
|
3 |
3
제 1 항에 있어서,상기 날씨 데이터는 상기 태양광 발전 설비가 설치된 지역의 지상온도, 일사량 및 전운량을 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 방법
|
4 |
4
제 1 항에 있어서,상기 딥러닝 모델은 상기 태양광 발전 설비의 발전량을 예측하는 복수개의 하이퍼 파라미터를 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 방법
|
5 |
5
제 4 항에 있어서,상기 복수개의 하이퍼 파라미터는 시점(Time steps), 은닉층(Hidden layer), 노드(Node), 학습률(Learning rate), 배치 크기(Batch size), 데이터셋 학습 횟수(Epochs), 옵티마이저(Optimizer) 및 활성화 함수(Activation function)을 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 방법
|
6 |
6
태양광 발전 설비에 설치되어 복수개의 감지 데이터를 획득하는 센서모듈; 상기 태양광 발전 설비가 설치된 지역에 대한 날씨 데이터를 수신하는 통신장치; 태양광 발전 설비의 발전량을 예측하기 위해 사전에 학습된 딥러닝 모델을 저장하는 저장장치; 및 상기 감지 데이터 및 상기 날씨 데이터를 토대로 딥러닝 모델에 입력 가능한 형태의 데이터셋을 생성하고, 상기 데이터셋을 딥러닝 모델에 입력하고 상기 딥러닝 모델의 예측 결과를 토대로 상기 태양광 발전 설비의 발전량을 판단하는 연산장치;를 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 장치
|
7 |
7
제 6 항에 있어서,상기 감지 데이터는 상기 태양광 발전 설비의 태양광 패널에서 측정한 전력량, 상기 태양광 패널의 수직 일사량, 상기 태양광 패널의 경사 일사량 및 상기 태양광 패널의 외기 온도 및 상기 태양광 패널의 모듈 온도를 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 장치
|
8 |
8
제 6 항에 있어서,상기 날씨 데이터는 상기 태양광 발전 설비가 설치된 지역의 지상온도, 일사량 및 전운량을 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 장치
|
9 |
9
제 6 항에 있어서,상기 딥러닝 모델은 상기 태양광 발전 설비의 발전량을 예측하는 복수개의 하이퍼 파라미터를 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 장치
|
10 |
10
제 9 항에 있어서,상기 복수개의 하이퍼 파라미터는 시점(Time steps), 은닉층(Hidden layer), 노드(Node), 학습률(Learning rate), 배치 크기(Batch size), 데이터셋 학습 횟수(Epochs), 옵티마이저(Optimizer) 및 활성화 함수(Activation function)을 포함하는 순환신경망 기반 영농형 태양광 발전량 예측 장치
|