1 |
1
딥러닝 기반 마스크 추정 방법을 이용한 건물 부하 식별 방법에 있어서:전력 신호를 수집하는 단계;전력과 온도의 상관 관계를 통해 상기 전력 신호를 전처리 하는 단계;상기 전처리된 전력 신호로부터 전력 신호의 특징을 추출하는 단계;DNN(deep neural network)을 이용하여 상기 추출된 전력 신호로부터 마스크를 생성하는 단계; 및상기 마스크와 상기 전처리된 전력 신호를 합성함으로써 상기 전력 신호를 분해하는 단계를 포함하는 상기 전력 신호를 분해하는 단계는,시간-주파수 도메인에서 상기 수집된 전력 신호에 상기 마스크를 덮어 씌움으로써 분리하고자 하는 타겟 신호를 추출하는 단계를 더 포함하는 방법
|
2 |
2
제 1 항에 있어서,온도 데이터를 수집하는 단계를 더 포함하는 방법
|
3 |
3
제 1 항에 있어서,상기 전처리 하는 단계는,온도 영향이 큰 부하와 온도 영향이 작은 부하를 분류기를 통해 구분하는 단계를 포함하는 방법
|
4 |
4
제 3 항에 있어서,상기 분류기는 SVM(support vector machine)을 이용하는 것을 특징으로 하는 방법
|
5 |
5
제 3 항에 있어서,상기 전처리된 신호는 gammatone filter를 통과하는 단계를 더 포함하는 방법
|
6 |
6
제 1 항에 있어서,상기 전처리 하는 단계는,day type도 고려하여 분류하는 단계를 더 포함하는 방법
|
7 |
7
제 1 항에 있어서,상기 전력 신호의 특징을 추출하는 단계는,DCT(discrete cosine transform)에 의해 상기 전력 신호의 특징을 추출하는 단계를 포함하는 방법
|
8 |
8
제 1 항에 있어서,상기 마스크를 생성하는 단계는,트레이닝 셋을 통하여 학습된 DNN 모델을 이용하여 테스트 셋에서 분리하고자 하는 신호의 마스크를 추정하는 단계를 포함하는 방법
|
9 |
9
삭제
|
10 |
10
제 1 항에 있어서,상기 마스크는 IBM(ideal binary mask), IRM(ideal ratio mask), ORM(optimal ratio mask), TBM(target binary mask), PSM(phase sensitive mask) 중에서 어느 하나인 것을 특징으로 하는 방법
|