맞춤기술찾기

이전대상기술

기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법

  • 기술번호 : KST2020003683
  • 담당센터 : 광주기술혁신센터
  • 전화번호 : 062-360-4654
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 과거의 일기 예보 데이터와 태양광 발전량 데이터를 기반으로 학습모델을 생성한 후, 미래의 일기 예보 데이터를 학습모델에 입력하여 미래 시점의 태양광 발전량을 예측할 수 있도록 하는 기계학습을 이용한 단계적 태양광 발전량 예측 장치 및 방법에 관한 것으로서, 본 발명의 일 실시예는, 과거의 장기 일기 예보 데이터와 과거의 장기 태양광 발전량 데이터를 입력 받아 기계 학습을 통해 장기 과거 예측 모델을 생성한 후, 생성된 장기 과거 예측 모델에 미래의 장기 일기 예보 데이터를 입력하여 미래의 장기 태양광 발전량 예측 데이터를 출력하는 제 1 기계학습부(20); 과거의 단기 일기 예보 데이터, 과거의 단기 태양광 발전량 데이터 및 상기 제 1 기계학습부(20)에서 출력된 미래의 장기 태양광 발전량 예측 데이터를 입력받아 기계 학습을 통해 단기 과거 예측 모델을 생성한 후, 생성된 단기 과거 예측 모델에 과거의 단기 일기 예보 데이터와 과거의 단기 태양광 발전량 데이터 및 상기 제 1 기계학습부(20)에서 출력된 미래의 장기 태양광 발전량 예측 데이터를 입력하여 미래의 단기 태양광 발전량 예측 데이터를 출력하는 제 2 기계학습부(30); 및 상기 제 1 기계학습부(20)와 제 2 기계학습부(30)로 상기 일기 예보 데이터들과 상기 태양광 발전량 데이터들을 입력하는 입력부(10);를 포함하는 태양광 발전량 예측 장치를 제공한다.
Int. CL H02S 50/00 (2014.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC H02S 50/00(2013.01) H02S 50/00(2013.01) H02S 50/00(2013.01) H02S 50/00(2013.01)
출원번호/일자 1020180108435 (2018.09.11)
출원인 광주과학기술원
등록번호/일자
공개번호/일자 10-2020-0034015 (2020.03.31) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 11

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 광주과학기술원 대한민국 광주광역시 북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김윤수 광주광역시 북구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 한상수 대한민국 서울시 서초구 효령로**길 ** *층 (브릿지웰빌딩)(에이치앤피국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2018.09.11 수리 (Accepted) 1-1-2018-0902874-14
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
경제적 운영을 위한 예측 기간 대응 과거의 장기 일기 예보 데이터와 과거의 장기 태양광 발전량 데이터를 입력 받아 기계 학습을 통해 장기 과거 예측 모델을 생성한 후, 생성된 장기 과거 예측 모델에 미래의 장기 일기 예보 데이터를 입력하여 미래의 장기 태양광 발전량 예측 데이터를 출력하는 제 1 기계학습부(20);예측 오차를 줄이기 위한 예측 기간 대응 과거의 단기 일기 예보 데이터, 과거의 단기 태양광 발전량 데이터 및 상기 제 1 기계학습부(20)에서 출력된 미래의 장기 태양광 발전량 예측 데이터를 입력받아 기계 학습을 통해 단기 과거 예측 모델을 생성한 후, 생성된 단기 과거 예측 모델에 과거의 단기 일기 예보 데이터와 과거의 단기 태양광 발전량 데이터 및 상기 제 1 기계학습부(20)에서 출력된 미래의 장기 태양광 발전량 예측 데이터를 입력하여 미래의 단기 태양광 발전량 예측 데이터를 출력하는 제 2 기계학습부(30); 및상기 제 1 기계학습부(20)와 제 2 기계학습부(30)로 상기 일기 예보 데이터들과 상기 태양광 발전량 데이터들을 입력하는 입력부(10);를 포함하는 태양광 발전량 예측 장치
2 2
제 1 항에 있어서,상기 과거의 장기 일기 예보 데이터는 태양광 발전 시스템 설치 지역을 포함하는 국지지역에 대한 태양광 발전량 예측 시점 전 1 내지 2 일 동안의 0
3 3
제 1 항에 있어서,상기 과거의 장기 태양광 발전량 데이터는 태양광 발전량 예측 시점 전 1 내지 2 일 동안의 0
4 4
제 1 항에 있어서,상기 미래의 장기 일기 예보 데이터는 태양광 발전량 예측 시점 후 1 내지 2일의 0
5 5
제 1 항에 있어서,상기 과거의 단기 일기 예보 데이터는 태양광 발전 시스템 설치 지역을 포함하는 국지지역에 대한 태양광 발전량 예측 시점 전 0
6 6
제 1 항에 있어서,상기 미래의 단기 태양광 발전량 예측은 태양광 발전량 예측 시점 후 0
7 7
제 1 항에 있어서, 상기 제 1 기계학습부(20)는,피드-포워드 신경망(feed forward neural network) 알고리즘을 적용한 기계학습에 의해 학습된 예측 모델인 상기 과거 장기 예측 모델을 생성하도록 구성되는 태양광 발전량 예측 장치
8 8
제 1 항에 있어서, 상기 제 2 기계학습부(30)는,외부 입력을 가지는 비 선형 오토 리그레시브 신경망(non-linear autoregressive neural network with external input) 알고리즘을 적용한 기계학습에 의해 학습된 예측 모델인 상기 과거 단기 예측 모델을 생성하도록 구성되는 태양광 발전량 예측 장치
9 9
입력부(10)와 제 1 기계학습부(20)와 제 2 기계학습부(30)를 포함하는 태양광 발전량 예측 장치에 의한 태양광 발전량 예측 방법에 있어서,상기 제 1 기계학습부(20)가 입력부(10)로부터 경제적 운영을 위한 예측 기간 대응 과거의 장기 일기 예보 데이터와 과거의 장기 태양광 발전량 데이터를 입력 받아 기계 학습을 통해 장기 과거 예측 모델을 생성한 후, 생성된 장기 과거 예측 모델에 미래의 장기 일기 예보 데이터를 입력하여 미래의 장기 태양광 발전량 예측 데이터를 출력하는 단계(S100); 및 상기 제 2 기계학습부(30)가 상기 입력부(10)로부터 예측 오차를 줄이기 위한 예측 기간 대응 과거의 단기 일기 예보 데이터, 과거의 단기 태양광 발전량 데이터 및 상기 제 1 기계학습부(20)에서 출력된 미래의 장기 태양광 발전량 예측 데이터를 입력받아 기계 학습을 통해 단기 과거 예측 모델을 생성한 후, 생성된 단기 과거 예측 모델에 과거의 단기 일기 예보 데이터와 과거의 단기 태양광 발전량 데이터 및 상기 제 1 기계학습부(20)에서 출력된 미래의 장기 태양광 발전량 예측 데이터를 입력하여 미래의 단기 태양광 발전량 예측 데이터를 출력하는 단계(S200)를 포함하는 태양광 발전량 예측 방법
10 10
제 9 항에 있어서,상기 과거의 장기 일기 예보 데이터는 태양광 발전 시스템 설치 지역을 포함하는 국지지역에 대한 태양광 발전량 예측 시점 전 1 내지 2 일 동안의 0
11 11
제 9 항에 있어서,상기 과거의 장기 태양광 발전량 데이터는 태양광 발전량 예측 시점 전 1 내지 2 일 동안의 0
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 없음 광주과학기술원 GIST 개발과제 인공지능 기반의 전력계통 운영 및 태양광발전 예측 알고리즘 개발