1 |
1
복수의 물리적 공간에 대한 에너지를 관리하는 시스템에 있어서,상기 공간에 관한 정보(공간정보)를 보유하거나 생성하는 복수의 공간정보장치;상기 공간에 귀속되어 에너지를 생산하거나 소비하는 복수의 공간에너지장치;상기 공간정보를 이용하여 상기 공간에 대한 적어도 하나의 에너지관리정보를 생성하고 상기 에너지관리정보에 따라 상기 공간에너지장치를 제어하는 복수의 공간에이전트; 및상기 에너지관리정보를 출력하고 상기 공간정보를 입력데이터로 포함하는 복수의 머신러닝모델을 각각의 공간에이전트별로 생성하고 학습시키며, 새로운 공간에이전트(신공간에이전트)가 인식되면, 상기 신공간에이전트의 공간정보를 상기 복수의 공간에이전트에 대한 공간정보와 비교하여 유사도가 높은 공간에이전트를 선택하고, 선택된 공간에이전트에 대한 머신러닝모델을 복사하여 상기 신공간에이전트에 대한 머신러닝모델로 배정하는 머신러닝장치를 포함하는 에너지관리시스템
|
2 |
2
제1항에 있어서,상기 머신러닝모델은 콘볼루션신경망모델(CNN: Convolutional Neural Network)이고,상기 머신러닝장치는 상기 콘볼루션신경망모델의 구조는 유지하여 복사하되, 일부 계층의 파라미터는 랜덤으로 초기화시켜서 상기 신공간에이전트에 대한 머신러닝모델을 배정하는 에너지관리시스템
|
3 |
3
제1항에 있어서,상기 머신러닝장치는,각 공간에이전트에 대하여 상기 공간정보로 작성되는 디스크립션데이터(description data)를 저장하고, 상기 신공간에이전트의 디스크립션데이터와 상기 복수의 공간에이전트의 디스크립션데이터를 비교하여 유사도가 높은 공간에이전트를 선택하는 에너지관리시스템
|
4 |
4
제3항에 있어서,상기 복수의 공간정보장치를 통해 획득되는 복수의 상기 공간정보 각각은, 상기 공간에서의 에너지사용량 혹은 상기 공간에서의 에너지생산량에 대한 민감도가 평가되고,상기 디스크립션데이터는, 복수의 상기 공간정보 중 상기 민감도가 높은 일정 개수의 상기 공간정보를 포함하여 작성되는 에너지관리시스템
|
5 |
5
제3항에 있어서,상기 디스크립션데이터에는 상기 공간정보의 항목, 상기 공간정보장치의 종류 혹은 상기 공간에너지장치의 종류가 더 기재되는 에너지관리시스템
|
6 |
6
복수의 구역으로 세분되는 복수의 건물이 위치하는 적어도 하나의 커뮤니티의 에너지를 관리하는 시스템에 있어서,복수의 에이전트가 상기 구역, 상기 건물 및 상기 커뮤니티에 대하여 계층적으로 배치되는 적어도 하나의 커뮤니티시스템; 및상기 에이전트로부터 수신되는 에이전트데이터를 입력데이터로 포함하는 복수의 머신러닝모델을 각각의 에이전트별로 생성하고 학습시키며, 새로운 에이전트(신에이전트)가 인식되면, 상기 신에이전트가 관리하는 공간에 관한 정보(공간정보)를 상기 복수의 에이전트 중 일부 에이전트의 공간정보와 비교하여 유사도가 높은 에이전트를 선택하고, 선택된 에이전트에 대한 머신러닝모델을 복사하여 상기 신에이전트에 대한 머신러닝모델로 배정하는 머신러닝장치를 포함하는 에너지관리시스템
|
7 |
7
제6항에 있어서,상기 머신러닝장치는 상기 구역에 배치되는 구역에이전트에 대하여 적어도 두 개 이상의 머신러닝모델을 생성하고, 새로운 구역에이전트(신구역에이전트)가 인식되면, 상기 적어도 두 개 이상의 머신러닝모델 중 제1머신러닝모델과 제2머신러닝모델에 대하여 서로 다른 공간정보를 이용하여 유사한 상기 구역에이전트를 선택하는 에너지관리시스템
|
8 |
8
제7항에 있어서,상기 제1머신러닝모델은 상기 구역의 재실자수를 예측하는 모델이고,상기 머신러닝장치는 상기 구역에 배치되는 센서의 종류를 포함하는 공간정보를 이용하여 유사한 상기 구역에이전트를 선택하는 에너지관리시스템
|
9 |
9
제8항에 있어서,상기 제2머신러닝모델은 상기 구역의 에너지수요를 예측하는 모델이고,상기 머신러닝장치는 상기 제1머신러닝모델에서 산출되는 재실자수의 평균값을 포함하는 공간정보를 이용하여 유사한 상기 구역에이전트를 선택하는 에너지관리시스템
|
10 |
10
제7항에 있어서,상기 제2머신러닝모델은 상기 구역의 에너지수요를 예측하는 모델이고,상기 머신러닝장치는 상기 구역에 배치되는 에너지장치의 종류 및 용량을 포함하는 공간정보를 이용하여 유사한 상기 구역에이전트를 선택하는 에너지관리시스템
|
11 |
11
제7항에 있어서,상기 머신러닝장치는 상기 건물에 배치되는 건물에이전트 및 상기 건물을 구성하는 상기 구역에 배치되는 구역에이전트에 대하여 새로운 건물에이전트(신건물에이전트)가 인식되면, 상기 신건물에이전트의 공간정보를 이용하여 머신러닝모델을 복사할 일 건물에이전트를 선택하고, 상기 신건물에이전트의 하층에 배치되는 신구역에이전트에는 상기 일 건물에이전트의 하층에 배치되는 일 구역에이전트의 머신러닝모델을 복사하여 배정하는 에너지관리시스템
|
12 |
12
복수의 구역으로 세분되는 복수의 건물이 위치하는 적어도 하나의 커뮤니티의 에너지를 관리하고 복수의 에이전트와 머신러닝장치를 포함하는 에너지관리시스템에 의해 수행되는 에너지관리방법에 있어서,상기 머신러닝장치가 상기 구역, 상기 건물 및 상기 커뮤니티에 대하여 계층적으로 배치되는 상기 복수의 에이전트의 디스크립션(description)데이터를 저장하는 단계;상기 머신러닝장치가 각각의 에이전트별로 적어도 하나의 머신러닝모델을 생성하고 학습시키는 단계;상기 머신러닝장치가 상기 에이전트로부터 수신되는 에이전트데이터를 상기 머신러닝모델에 입력하여 에너지관리정보를 산출하는 단계;상기 에이전트가 상기 에너지관리정보에 따라 상기 에이전트가 관리하는 에너지장치를 제어하는 단계;상기 머신러닝장치가 새로운 에이전트(신에이전트)를 인식하고 상기 신에이전트에 대한 디스크립션데이터를 확인하는 단계;상기 머신러닝장치가 상기 신에이전트에 대한 디스크립션데이터를 상기 복수의 에이전트 중 일부 에이전트의 디스크립션데이터와 비교하여 유사도가 높은 에이전트를 선택하는 단계; 및상기 머신러닝장치가 선택된 에이전트에 대응되는 머신러닝모델을 복사하여 상기 신에이전트에 대한 머신러닝모델로 배정하는 단계를 포함하는 에너지관리방법
|
13 |
13
◈청구항 13은(는) 설정등록료 납부시 포기되었습니다
|
14 |
14
◈청구항 14은(는) 설정등록료 납부시 포기되었습니다
|
15 |
15
◈청구항 15은(는) 설정등록료 납부시 포기되었습니다
|