1 |
1
단일 모델인 GRU(Gated Recurrent Unit)의 dense layer를 ANN(Artificial Neural Network)으로 대체한 하이브리드(hybrid) 모델인, GRU-ANN 모델을 포함하는 메모리; 및상기 GRU-ANN 모델로부터 미세먼지 입자를 포함한 태양광에 대한 발전량을 획득하는 프로세서;를 포함하는, 전자 장치의 제어 방법에 있어서,일사량, 일조 시간, 기압, 기온, 습도, 풍속, 풍향, 적설량, 강수량, PM10(Particulate Matter 10, 미세먼지) 인자(factor), 및 PM2
|
2 |
2
제1 항에 있어서,상기 전자 장치의 제어 방법은,일정 기간 획득된 일사량, 일조 시간, 기압, 기온, 습도, 풍속, 풍향, 적설량, 강수량, PM10 인자(factor), 및 PM2
|
3 |
3
제2 항에 있어서,상기 GRU-ANN 모델이 태양광 발전량을 출력하도록 학습시키는 단계는,하나의 학습 데이터에 대한 학습 반복 횟수는 8회 이상으로 하되, 드롭아웃(Drop out) 미사용, 페이션스(Patience) 5, 및 검증 분할 0
|
4 |
4
제1 항에 있어서,상기 환경 데이터를 획득하는 단계는,상기 일사량이 임계치 미만인 경우, 상기 일사량이 임계치 미만이 된 제1 시점 및 상기 제1 시점 이후 획득된, 상기 일사량이 임계치 이상이 된 제2 시점을 모니터링하고,상기 제1 시점 및 상기 제2 시점을 바탕으로 일자 별 태양광 발전 시간대를 산출하고,상기 산출된 일자 별 태양광 발전 시간대를 바탕으로 일자 별 일조 시간을 업데이트하되, 상기 일조 시간을 바탕으로 환경 데이터의 획득 시간을 제한하는, 전자 장치의 제어 방법
|
5 |
5
제1 항에 있어서,상기 환경 데이터를 획득하는 단계는,상기 환경 데이터에 포함된 데이터 중 결측치가 발생한 경우, 상기 결측치가 발생한 시점을 식별하고,상기 결측치가 발생한 시점을 포함하는 일정 시간 범위 이내에 획득된, 상기 결측치가 발생한 데이터의 평균값을 산출하고,상기 산출된 평균값을 상기 결측치에 대해 업로드하는, 전자 장치의 제어 방법
|
6 |
6
제1 항에 있어서,상기 GRU-ANN 모델로부터 태양광 발전량을 획득하는 단계는,상기 태양광 발전량이 실 발전량인 제1 발전량과 임계치 이상 차이가 발생한 경우, 상기 환경 데이터를 제1 발전량에 대한 제1 환경 데이터로 저장하고,상기 제1 발전량이 발생한 시점을 포함하는 시간 범위에 대해, 상기 제1 발전량과 동일한 출력값을 상기 GRU-ANN 모델로부터 획득하도록 입력된 환경 데이터를 제2 환경 데이터로 저장하고,상기 제2 환경 데이터 중 상기 제1 환경 데이터와 일정 비율 이상 차이가 발생한 적어도 하나의 비교 데이터가 존재하는 경우, 상기 비교 데이터에 따른 상기 GRU-ANN 모델의 출력값 변화량을 시뮬레이션하여, 상기 제1 환경 데이터로부터 상기 제1 발전량과 임계치 미만 차이가 발생되도록 하는, 상기 GRU-ANN 모델의 학습 조건을 획득하고,상기 획득된 학습 조건을 바탕으로, 상기 비교 데이터로 상기 GRU-ANN 모델을 재학습시키는, 전자 장치의 제어 방법
|
7 |
7
제6 항에 있어서,상기 GRU-ANN 모델로부터 태양광 발전량을 획득하는 단계는,상기 제2 환경 데이터 중 상기 제1 환경 데이터와 일정 비율 이상 차이가 발생한 적어도 하나의 비교 데이터가 미존재하는 경우, 상기 제1 환경 데이터와 동일한 데이터로 구성된 제3 환경 데이터를 식별하고,상기 제3 환경 데이터에 의한 상기 GRU-ANN 모델의 출력값이 상기 제1 발전량과 임계치 이상 유사한 경우, 상기 제1 환경 데이터에 대한 출력값을 상기 제1 발전량으로 저장하여, 상기 제1 환경 데이터에 대한 데이터 구성이 입력값으로 획득되면, 상기 제1 발전량이 출력되도록 제한하는, 전자 장치의 제어 방법
|
8 |
8
제7 항에 있어서,상기 GRU-ANN 모델로부터 태양광 발전량을 획득하는 단계는,상기 제3 환경 데이터에 의한 상기 GRU-ANN 모델의 출력값이 상기 제1 환경 데이터에 대한 태양광 발전량과 임계치 이상 유사한 경우, 상기 제3 환경 데이터에 의한 출력값이 발생한 시점의 제2 발전량과 임계치 이상 유사하면, 상기 제1 환경 데이터에 결측치가 발생한 것으로 판단하고,상기 제1 환경 데이터가 발생한 시점을 포함하는 일정 시간 범위 이내에 획득된, 상기 제1 환경 데이터에 포함된 각각의 데이터에 대한 평균값을 산출하고,상기 각각의 데이터에 대해 산출된 평균값으로 제1-1 환경 데이터를 생성하여, 상기 제1-1 환경 데이터를 상기 GRU-ANN 모델에 입력하고,상기 제1-1 환경 데이터에 대한 출력값이 상기 제1 발전량과 임계치 이상 유사한 경우, 상기 제1 환경 데이터를 상기 제1-1 환경 데이터로 저장하고,상기 제1-1 환경 데이터에 대한 출력값이 상기 제1 발전량과 임계치 미만 유사한 경우, 상기 제1 환경 데이터에 대한 출력값 및 상기 제1 발전량을 오류 데이터로 저장하는, 전자 장치의 제어 방법
|
9 |
9
단일 모델인 GRU(Gated Recurrent Unit)의 dense layer를 ANN(Artificial Neural Network)으로 대체한 하이브리드(hybrid) 모델인, GRU-ANN 모델을 포함하는 메모리; 및상기 GRU-ANN 모델로부터 미세먼지 입자를 포함한 태양광에 대한 발전량을 획득하는 프로세서;를 포함하고,상기 프로세서는,일사량, 일조 시간, 기압, 기온, 습도, 풍속, 풍향, 적설량, 강수량, PM10 인자(factor), 및 PM2
|
10 |
10
제9 항에 있어서,상기 프로세서는,일정 기간 획득된 일사량, 일조 시간, 기압, 기온, 습도, 풍속, 풍향, 적설량, 강수량, PM10 인자(factor), 및 PM2
|
11 |
11
하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램
|