| 1 |
1
건물의 메타 데이터 및 상기 건물이 위치한 지역의 기상 데이터를 우편 주소에 대응하는 표준 변수에 따라 병합함으로써 에너지 예측 모델을 생성하는데 필요한 데이터 세트를 생성하는 단계;T-GAN(Tabular Generative Adversarial Networks)의 생성자가 LSTM(Long Short-Term Memory)을 이용하여 상기 데이터 세트에 존재 가능한 손실 데이터의 예측 값을 생성하고, 상기 T-GAN의 판별자가 생성된 예측 값을 평가함으로써, 상기 데이터 세트에 존재 가능한 손실 데이터를 대체하는 단계; 및상기 손실 데이터가 대체된 데이터 세트를 LSTM기반의 에너지 예측 모델에 적용함으로써 상기 건물의 에너지 소비량을 예측하는 단계를 포함하고,상기 데이터 세트는,상기 메타 데이터 및 기상 데이터에 포함된 변수들을 독립 매개변수로 분류하고, 상기 분류된 독립 매개변수 및 해당 독립 매개변수에 대응하는 종속 매개변수들인 데이터 타입, 에너지 데이터의 평균(Mean), 표준 편차(Standard Deviation), 최소값(Minimum) 및 최대값(Maximum)이 하나의 행으로 구성되고,상기 T-GAN의 판별자는,상기 생성된 예측 값이 예상 범위 내에 존재하지 않는 경우, 상기 생성된 예측 값을 버리는 에너지 소비량 예측 방법
|
| 2 |
2
제1항에 있어서,상기 건물의 메타 데이터는,상대적 조밀도(Relative Compactness), 표면적(Surface Area), 벽면적(Wall Area), 지붕면적(Roof Area), 전체높이(Overall Height), 집의 방향(Orientation), 유리창 면적(Glazing Area), 유리창 방향(Glazing Area Distribution), 난방부하(Heating Load) 및 냉방부하(Cooling Load) 중 적어도 하나의 독립 매개변수를 포함하는 에너지 소비량 예측 방법
|
| 3 |
3
제1항에 있어서,상기 기상 데이터는,온도(Temperature), 풍속(Wind Speed) 및 기압(Pressure) 중 적어도 하나의 독립 매개변수를 포함하는 에너지 소비량 예측 방법
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 LSTM 기반의 에너지 예측 모델은,LSTM을 구성하는 입력 게이트, 망각 게이트 및 출력 게이트를 모두 사용하여 상기 건물의 연간 에너지 소비량을 예측하는 에너지 소비량 예측 방법
|
| 7 |
7
건물의 너지 소비량 예측 방법을 수행하는 컴퓨팅 장치에 있어서,프로세서;상기 프로세서에 의해 실행되는 프로그램을 로드(load)하는 메모리; 및상기 프로그램을 저장하는 스토리지를 포함하되,상기 프로그램은,건물의 메타 데이터 및 상기 건물이 위치한 지역의 기상 데이터를 우편 주소에 대응하는 표준 변수에 따라 병합함으로써 에너지 예측 모델을 생성하는데 필요한 데이터 세트를 생성하는 동작, T-GAN(Tabular Generative Adversarial Networks)의 생성자가 LSTM(Long Short-Term Memory)을 이용하여 상기 데이터 세트에 존재 가능한 손실 데이터의 예측 값을 생성하고, 상기 T-GAN의 판별자가 생성된 예측 값을 평가함으로써, 상기 데이터 세트에 존재 가능한 손실 데이터를 대체하는 동작 및 상기 손실 데이터가 대체된 데이터 세트를 LSTM 기반의 에너지 예측 모델에 적용함으로써 상기 건물의 에너지 소비량을 예측하는 동작을 수행하도록 하는 인스트럭션들을 포함하고,상기 데이터 세트는,상기 메타 데이터 및 기상 데이터에 포함된 변수들을 독립 매개변수로 분류하고, 상기 분류된 독립 매개변수 및 해당 독립 매개변수에 대응하는 종속 매개변수들인 데이터 타입, 에너지 데이터의 평균(Mean), 표준 편차(Standard Deviation), 최소값(Minimum) 및 최대값(Maximum)이 하나의 행으로 구성되고,상기 T-GAN의 판별자는,상기 생성된 예측 값이 예상 범위 내에 존재하지 않는 경우, 상기 생성된 예측 값을 버리는 컴퓨팅 장치
|
| 8 |
8
제7항에 있어서,상기 건물의 메타 데이터는,상대적 조밀도(Relative Compactness), 표면적(Surface Area), 벽면적(Wall Area), 지붕면적(Roof Area), 전체높이(Overall Height), 집의 방향(Orientation), 유리창 면적(Glazing Area), 유리창 방향(Glazing Area Distribution), 난방부하(Heating Load) 및 냉방부하(Cooling Load) 중 적어도 하나의 독립 매개변수를 포함하는 컴퓨팅 장치
|
| 9 |
9
제7항에 있어서,상기 기상 데이터는,온도(Temperature), 풍속(Wind Speed) 및 기압(Pressure) 중 적어도 하나의 독립 매개변수를 포함하는 컴퓨팅 장치
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
제7항에 있어서,상기 LSTM 기반의 에너지 예측 모델은,LSTM을 구성하는 입력 게이트, 망각 게이트 및 출력 게이트를 모두 사용하여 상기 건물의 연간 에너지 소비량을 예측하는 컴퓨팅 장치
|
