JP2017516247A - 電力消費の最適化のためのスマートシステムの動作方法及び装置 - Google Patents

Abstract

本開示は、センサネットワーク（Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ）、マシンツーマシン（Ｍａｃｈｉｎｅ ｔｏ Ｍａｃｈｉｎｅ、Ｍ２Ｍ）、ＭＴＣ（Ｍａｃｈｉｎｅ Ｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）及びモノのインターネット（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ、ＩｏＴ）のための技術に関する。本開示は、上記技術に基づく知能型サービス（スマートホーム、スマートビルディング、スマートシティ、スマートカー又はコネックテッドカー、ヘルスケア、デジタル教育、小売業、セキュリティ及びセキュリティ関連サービス等）に活用できる。スマートシステムにおけるサーバの動作方法及びサーバが提供される。上記方法は、電子装置の料金情報及び前記電子装置の電力使用情報のうち少なくとも１つに基づいて前記電子装置に対する電力料金制を決定する過程と、前記決定された電力料金制に関する情報を前記ユーザ装置に送信する過程と、を含むことができる。

Description

本発明は、電力消費の最適化及びそのための機器制御技術に関する。

インターネットは、人間が情報を生成して消費する人間中心の連結網から、事物などの分散された構成要素の間で情報を交換して処理するＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ、モノのインターネット）網に進化している。クラウドサーバなどとの接続によるビッグデータ（Ｂｉｇ ｄａｔａ）処理技術などがＩｏＴ技術に結合されたＩｏＥ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｅｖｅｒｙｔｈｉｎｇ）技術も台頭している。ＩｏＴを具現するために、センシング技術、有無線通信及びネットワークインフラ、サービスインタフェース技術、及びセキュリティ技術のような技術要素が求められ、最近ではモノ同士の接続のためのセンサネットワーク（ｓｅｎｓｏｒ ｎｅｔｗｏｒｋ）、マシンツーマシン（Ｍａｃｈｉｎｅ ｔｏ Ｍａｃｈｉｎｅ、Ｍ２Ｍ）、ＭＴＣ（Ｍａｃｈｉｎｅ Ｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）等の技術が研究されている。

ＩｏＴ環境では接続されたモノから生成されたデータを収集・分析して人間の生活に新たな価値を創出する知能型ＩＴ（Ｉｎｔｅｒｎｅｔ Ｔｅｃｈｎｏｌｏｇｙ）サービスが提供されることができる。ＩｏＴは従来のＩＴ（ｉｎｆｏｒｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ）技術と様々な産業の間の融合及び複合によってスマートホーム、スマートビルディング、スマートシティ、スマートカー又はコネックテッドカー、スマートグリッド、ヘルスケア、スマート家電、先端医療サービスなどの分野に応用されることができる。
上述のＩｏＴ環境におけるスマートシステムの電力消費を最適化する必要がある。

１つ以上の実施例は、ＩｏＴ環境のスマートシステムで様々なデータを収集及び分析して最適の電力料金制を決定及び推薦するための方法及び装置を提供する。

また、１つ以上の実施例は、ＩｏＴ環境のスマートシステムで契約電力最適化サービスを通じて気候パターン及び／又は電力使用パターンに基づいて最大出力予測及び契約電力を推奨するための方法及び装置を提供する。

また、１つ以上の実施例は、ＩｏＴ環境のスマートシステムで気候情報、リアルタイム電力使用情報、未来イベントに基づく電力予測モデルに基づいて低費用料金制を推薦するための方法及び装置を提供する。

また、１つ以上の実施例は、ＩｏＴ環境のスマートシステムでデータ学習によるモデリングに基づいて、電力消費機器を制御して電力消費を最適化するための方法及び装置を提供する。

一実施例によるスマートシステムのサーバの動作方法が提供され、上記方法は、電子装置の料金情報及び前記電子装置の電力使用情報のうち少なくとも１つに基づいて前記電子装置に対する電力料金制を決定する過程と、前記決定された電力料金制に関する情報を前記ユーザ装置に送信する過程と、を含む。

前記電力料金制を決定する過程は、前記料金情報及び前記電力使用情報のうち少なくとも１つに基づいて、Ｔｉｅｒ料金制、ＴＯＵ（Ｔｉｍｅ Ｏｆ Ｕｓｅ）料金制、ＣＰＰ（Ｃｒｉｔｉｃａｌ Ｐｅａｋ Ｐｒｉｃｉｎｇ）料金制、ＲＴＰ（Ｒｅａｌ−Ｔｉｍｅ Ｐｒｉｃｉｎｇ）料金制、プロモーション料金制、ペナルティ料金制のうち少なくとも１つを決定する過程を含み、前記料金情報は、前記電子装置の期間別料金領収書、及び料金振替情報のうち少なくとも１つを含み、前記電力使用情報は、前記電子装置の期間別電力消費データを含むことができる。

前記電力料金制を決定する過程は、気候情報を収集する過程と、前記料金情報及び前記電力使用情報のうち少なくとも１つと前記気候情報を用いて、前記電子装置に対する電力料金制を決定する過程と、を含むことができる。

前記電力料金制を決定する過程は、前記料金情報による過去の電力使用情報、前記電力使用情報、地域別電力料金制情報、及び気候情報のうち少なくとも１つに基づいて前記電子装置の電力消費費用を最小化する電力料金制を決定する過程を含むことができる。

前記電力料金制を決定する過程は、過去の料金、現在の料金、時間帯別気候情報、及び時間帯別エネルギー情報のうち少なくとも１つに基づいて、未来の電力使用による料金を予測する過程を含み、前記予測された料金に基づいて前記電子装置の前記電力料金制を決定する過程を含むことができる。

前記気候情報は、温度情報、湿度情報、及び日照量情報のうち少なくとも１つを含むことができ、前記温度情報、前記湿度情報及び前記日照量情報の各々に加重値が適用され、前記温度情報、前記湿度情報及び前記日照量情報の各々に適用される前記加重値は、外気温度が正常範囲内であるか否か及び気象予報が正常範囲内であるか否かのうち少なくとも１つに基づいて決定されることができる。

前記電力料金制を決定する過程は、エネルギー貯蔵装置（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報のうち少なくとも１つを収集する過程と、前記料金情報及び前記電力使用情報のうち少なくとも１つと前記エネルギー貯蔵装置情報及び前記再生可能エネルギー情報のうち少なくとも１つを用いて、前記電子装置に対する前記電力料金制を決定する過程を含むことができる。

前記電子装置に対する電力料金制を決定する過程は、外気温度、風速、日照量のうち少なくとも１つに基づいて再生可能エネルギーを決定する過程と、前記決定された再生可能エネルギー、電力率、一日間の予測消費電力、前記エネルギー貯蔵装置の寿命周期、前記エネルギー貯蔵装置の充電率のうち少なくとも１つに基づいて前記電力料金制を決定する過程を含むことができる。

上記方法は、前記決定された電力料金制に基づいて前記電子装置の電力消費の最小化のための電力消費パターンを決定する過程と、前記電力消費パターンに対応する装置制御情報を決定する過程と、前記決定された電力消費パターン及び前記機器制御情報のうち少なくとも１つを前記ユーザ装置及び前記電子装置のうち少なくとも１つに送信する過程と、をさらに含むことができる。

前記電力消費パターンは、電力料金制変数、契約電力変数、消費パターン変数のうち少なくとも１つに基づいて決定されることができ、前記電力消費パターンは、電力料金制最適化値、リアルタイム契約電力最適化値、及びリアルタイム消費パターン最適化値のうち少なくとも１つを含むことができる。

他の実施例による電力消費の最適化のためのスマートシステムのサーバ装置が提供され、前記サーバ装置は、電子装置の電力使用による料金情報及び前記電子装置の電力使用情報のうち少なくとも１つに基づいて前記電子装置に対応する電力料金制を決定するプロセッサと、前記電力料金制に関する情報をユーザ装置に送信する送受信部と、を含む。

前記プロセッサは、前記料金情報及び前記電力使用情報のうち少なくとも１つに基づいて、Ｔｉｅｒ料金制、ＴＯＵ（Ｔｉｍｅ Ｏｆ Ｕｓｅ）料金制、ＣＰＰ（Ｃｒｉｔｉｃａｌ Ｐｅａｋ Ｐｒｉｃｉｎｇ）料金制、ＲＴＰ（Ｒｅａｌ−Ｔｉｍｅ Ｐｒｉｃｉｎｇ）料金制、プロモーション料金制、ペナルティ料金制のうち少なくとも１つを前記電力料金制に決定することができ、前記料金情報は、前記電子装置の期間別料金領収書及び料金振替情報のうち少なくとも１つを含むことができ、前記電力使用情報は、前記電子装置の期間別電力消費データを含むことができる。

前記プロセッサは、気候情報を収集し、前記料金情報及び前記電力使用情報のうち少なくとも１つと前記気候情報を用いて、前記電子装置に対する前記電力料金制を決定できる。

前記プロセッサは、前記料金情報による過去の使用情報、前記電力使用情報、地域別電力料金制情報、及び気候情報のうち少なくとも１つに基づいて前記電子装置の電力消費費用を最小化する電力料金制を決定できる。

前記プロセッサは、過去の料金、現在の料金、時間帯別気候情報、及び時間帯別エネルギー情報のうち少なくとも１つに基づいて、未来の電力使用による料金を予測し、前記予測された料金に基づいて前記電子装置の前記電力料金制を決定できる。

前記気候情報は、温度情報、湿度情報、及び日照量情報のうち少なくとも１つを含むことができ、前記温度情報、前記湿度情報及び前記日照量情報の各々に加重値が適用され、前記温度情報、前記湿度情報及び前記日照量情報の各々に適用される前記加重値は、外気温度が正常範囲内であるか否か及び気象予報が正常範囲内であるか否かのうち少なくとも１つに基づいて決定される。

前記プロセッサは、エネルギー貯蔵装置（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報のうち少なくとも１つを収集し、前記料金情報及び前記電力使用情報のうち少なくとも１つと前記エネルギー貯蔵装置情報及び前記再生可能エネルギー情報のうち少なくとも１つを用いて、前記電子装置に対する前記電力料金制を決定できる。

前記プロセッサは、外気温度、風速、日照量のうち少なくとも１つに基づいて前記再生可能エネルギーを決定し、前記決定された再生可能エネルギー、電力率、一日間の予測消費電力、前記エネルギー貯蔵装置の寿命周期、前記エネルギー貯蔵装置の充電率のうち少なくとも１つに基づいて前記電力料金制を決定できる。

前記プロセッサは、前記決定された電力料金制に基づいて前記電子装置の電力消費の最小化のための電力消費パターンを決定し、前記電力消費パターンに対応する装置制御情報を決定し、前記決定された電力消費パターン及び前記装置制御情報のうち少なくとも１つを前記ユーザ装置及び前記電子装置のうち少なくとも１つに送信できる。

前記プロセッサは、電力料金制変数、契約電力変数、消費パターン変数のうち少なくとも１つに基づいて前記電力消費パターンを決定することができ、前記電力消費パターンは、電力料金制最適化値、リアルタイム契約電力最適化値、及びリアルタイム消費パターン最適化値のうち少なくとも１つを含むことができる。

他の実施例によるスマートシステムを最適化する方法が提供され、上記方法は、予め決定された時間周期に対する電子装置の料金情報及び前記電子装置の電力使用情報を収集する過程と、前記収集された料金情報及び前記収集された電力使用情報に基づいて、未来の時間周期に対する前記電子装置の電力消費量を予測する過程と、前記予測された電力消費量に基づいて、前記未来の時間周期に対する前記電子装置の前記電力消費量を最小化して最適の料金制を決定する過程と、を含む。

前記最適の料金制を決定する過程は、回帰モデルで前記料金情報と前記電力使用とを比較する過程をさらに含むことができる。

前記回帰モデルは、多項回帰、人工ニューラルネットワーク、及びサポートベクター回帰のうち少なくとも１つを含むことができる。

本発明及びその効果に対するより完壁な理解のために、添付される図面を参照して実施例の下記の説明が行われ、ここで、同じ符号は同じ部分を指す。
一実施例による電力消費の最適化のためのスマートシステムの動作を示す図である。 一実施例による消費者の料金情報による最適の料金制を決定するための過程を示す図である。 図２に示す料金制の決定によるシミュレーション結果を示す図である。 図２に示す料金制の決定によるシミュレーション結果を示す図である。 図２に示す料金制の決定によるシミュレーション結果を示す図である。 図２に示す料金制の決定によるシミュレーション結果を示す図である。 一実施例による消費者の料金情報による最適の料金制を決定するための過程を示す図である。 図４に示す料金制の決定によるシミュレーション結果を示す図である。 図４に示す料金制の決定によるシミュレーション結果を示す図である。 図４に示す料金制の決定によるシミュレーション結果を示す図である。 図４に示す料金制の決定によるシミュレーション結果を示す図である。 図４に示す料金制の決定によるシミュレーション結果を示す図である。 再生可能エネルギーに基づく最適の料金制を決定するための過程を示す図である。 図６に示す料金制の決定によるシミュレーション結果を示す図である。 図６に示す料金制の決定によるシミュレーション結果を示す図である。 図６に示す料金制の決定によるシミュレーション結果を示す図である。 図６に示す料金制の決定によるシミュレーション結果を示す図である。 図６に示す料金制の決定によるシミュレーション結果を示す図である。 図６に示す料金制の決定によるシミュレーション結果を示す図である。 一実施例による電力消費の最適化のためのモデリング方法を示す図である。 気候応答電力予測回帰モデルを示す一実施例のフローチャートである。 リアルタイム料金予測回帰モデルを示す図である。 リアルタイム料金予測回帰モデルを示す図である。 最適化モデルを示す図である。 一実施例による電力消費の最適化のためのスマートシステムの動作方法を示す一実施例のフローチャートである。 一実施例による電力消費の最適化のためのスマートシステムの動作装置を示す一実施例のブロック図である。

図１乃至図１３を参照して実施例が詳しく説明される。しかし、前記実施例は発明の範囲を制限するいかなるものとしても解釈されてはならない。当該分野における通常の知識を有する者は本発明の原理が様々な方式で具現されることができ、適切に配置された任意の有線又は無線通信システムにおいても具現されることができることを理解できる。構成要素のリストが先行する場合、「少なくとも１つの」のような表現は構成要素の全体リストを修正し、上記リストの各々構成要素は修正しない。

１つ以上の実施例は、気候及び電力使用履歴に基づくパターンモデリング、未来イベントに基づく電力使用量予測、及び電力消費の最適化のための料金制の推薦、及び電力料金制に基づく機器自動制御方法を提供する。

一実施例によれば、電力料金制は、基本的に固定料金制と変動料金制とに区分されることができる。例えば、固定料金制は、電力使用料金が使用量、及び／又は使用時期によって変動されず、気候、市場、経済状況による価格変動危険性から自由な特徴がある。固定料金制の例としては、Ｔｉｅｒ料金制がある。Ｔｉｅｒ料金制は、累積電力使用量を複数のステップに区分し、各ステップ毎に単位電力に対して異なる料金が予め決定されることができる。

変動料金制は、電力使用料金が使用時間及び／又は使用量などのような様々な要素によって変動する場合がある。一実施例による変動料金制は、ＴＯＵ（Ｔｉｍｅ Ｏｆ Ｕｓｅ）料金制、ＣＰＰ（Ｃｒｉｔｉｃａｌ Ｐｅａｋ Ｐｒｉｃｉｎｇ）料金制、ＲＴＰ（Ｒｅａｌ−Ｔｉｍｅ Ｐｒｉｃｉｎｇ）料金制に区分されることができる。ＴＯＵ料金制は、単位電力に対する料金が時間帯毎に変動可能な料金制を意味する場合がある。例えば、ＴＯＵ料金制は、週末料金と週中料金が異なったり、昼間料金と夜間料金が異なる場合がある。ＣＰＰ料金制は、単位電力に対する料金が累積された電力使用量に基づいて変動可能な料金制を意味する場合がある。例えば、ＣＰＰ料金制は、累積電力使用量に対するピーク電力量が存在し、累積された電力使用量がピーク電力量以下の区間の単位電力あたりの料金と累積された電力使用量がピーク電力量以上の区間の単位電力あたりの料金とが異なる場合がある。ＲＴＰ料金制は、単位電力に対する料金がリアルタイムで公示される料金制を意味する場合がある。例えば、ＲＴＰ料金制は、燃料費の変動、運営又は電力需給状況に基づいて特定の周期ごとに（例：時間毎、毎日、又は毎週）単位電力に対する料金が公示されることができる。

上記固定料金制及び変動料金制は、特定の時間区間を基準に単位電力に対する料金が変動されるか否かによって区分されたものである。例えば、一日に対応する２４時間の間に単位電力に対する料金が変動されない料金制を固定料金制と称し、２４時間の間に単位電力に対する料金が変動される料金制を変動料金制と称することができる。したがって、上記固定料金制及び変動料金制は、外部因子（例：原油価格の変動）によって単位電力に対する料金が変動する場合がある。

加えて、以下、本発明において、料金制は、上記料金制のうち少なくとも２つ以上が結合された形態の料金制である場合もある。また、各事業者によって設計された料金制（例：プロモーション料金制及び／又はペナルティ料金制などの様々な料金制）が結合された形態の料金制である場合がある。例えば、プロモーション料金制は、特定の時間帯に単位電力あたりの料金を割引する料金制である場合がある。また、ペナルティ料金制は、特定の時間帯に電力使用量がしきい量以上の場合、単位電力あたりの料金に追加料金を加算させる料金制である場合がある。また、ペナルティ料金制は、特定の期間の間の使用電力量が、消費者が選択したしきい量以下又は以上の場合、単位電力あたりの料金を割引したり、単位電力あたりの料金に追加料金を加算させる料金制である場合がある。

図１は、一実施例による電力消費の最適化のためのスマートシステムの動作を説明するための図である。図１に示すように、消費者端末１０は、ホーム／ビルディング／工場などの電力料金情報、使用料金制情報、消費者機器使用情報、エネルギー貯蔵装置（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ、ＥＳＳ）情報、再生可能エネルギー情報などをネットワーク４０を介してスマートシステム５０に提供する。また、電力会社２０は、各消費者に対する過去電力使用量、電力ピーク情報、契約電力情報などをネットワーク４０を介してスマートシステム５０に提供する。また、気象庁３０は、過去の気候情報、予想気候情報などをネットワーク４０を介してスマートシステム５０に提供する。スマートシステム５０は、消費者端末１０、電力会社２０、気象庁３０から各種情報を収集し、収集された情報に基づいて電力消費量を予測し、予測された電力消費量に基づいて消費者端末１００に契約電力量を推薦することができる。また、スマートシステム５０は、予測された電力消費量による最適料金制を決定し、決定された最適料金制を消費者端末１０に提供できる。また、スマートシステム５０は、決定された最適料金制に基づいて電力消費の最適化パターンを決定して消費者端末１０に提供できる。また、スマートシステム５０は、電力消費の最適化パターンに基づいてネットワークに基づく消費者機器６０の動作を制御する機器制御サービスを提供する。ここで、消費者機器６０は、例えば、ＴＶ、ゲートウェイ、モバイル端末、ネットワーク連動家電機器などを含むことができる。スマートシステム５０は、本一実施例によれば、少なくとも１つの消費者端末１０、及び／又は消費者機器６０の電力消費を最適化させるためのサーバであり得る。

図２は、消費者の料金情報による最適の料金制を決定するための過程を示す図である。図２に示すように、一実施例によるスマートシステムは、料金情報として、年間料金領収書２０２、月間料金領収書２０３、料金振替情報２０1、料金制テーブル情報２０５を用いてエネルギー使用量データ２０1を検出でき、検出されたエネルギー使用量データ２０６を用いた回帰モデル２０９によって過去のエネルギー消費と比較して月間／年間最適料金制を導出する（図２の２１０）ための最適化部２１２を含むことができる。スマートシステムは、マシンランニングステップ２０８に入力される天気データベース２０７を含むことができる。前記天気データベース２０７は、クリギング（Ｋｒｉｇｉｎｇ）モデル又は人工ニューラルネットワークである場合がある。また、スマートシステムは、後述のように、過去の気象データを含む気候情報（例：外気温度情報又は湿度情報）を追加的に用いて次週／次月の最適料金制を導出することができる（図２の２１１）。前記天気ＤＢは、前記気候情報を含む。一実施例において、料金制テーブルは消費者の地域情報に基づいて選択又は構成されることができる。例えば、料金制テーブルは、消費者の地域による事業者の料金制政策を含むことができる。ここで、料金制政策は、動的料金制及び固定料金制に対する詳細な料金制政策を含むことができる。一実施例によれば、スマートシステム５０は、図２に示す料金制決定方式によって、固定料金制に分類される料金制のうち１つの料金制を最適料金制に決定できる。また、一実施例によれば、スマートシステム５０は、プロモーション料金制及び／又はペナルティ料金制を追加的に考慮して最適料金制を決定できる。例えば、スマートシステム５０で決定された最適料金制は、プロモーション料金制及び／又はペナルティ料金制のうち少なくとも１つが適用された固定料金制である場合がある。

図３Ａ乃至図３Ｄは、図２に示す固定料金制の決定によるシミュレーション結果を示す図である。特に、図３Ａは、過去のエネルギー消費と比較して月間／年間最適料金制を決定したことによる年間エネルギー消費量を比較した結果を示す。例えば、従来の料金制のエネルギー消費量と一実施例によって決定された最適料金制のエネルギー消費量との差を月別（１年間）で比較・分析した結果である。

一方、図３Ｂ乃至図３Ｄは、過去の気象データに基づく次週／次月の最適料金制の決定による比較結果である。過去一年間のエネルギー消費データと気象データとを連係させて数理モデルの導出及びエネルギー消費の予測を行って最適料金制が決定される。図３Ｂは、気象データとエネルギー消費パターンとを分析及びモデリングするためのセットポイント（ｓｅｔｐｏｉｎｔ）２５における回帰モデルを示す図で、外部（例：屋外）温度による電力量に対する消費パターンを示す。図３Ｃは、モデリング検証に対する図で、予測されたデータが実際のデータと比較して５％未満のエラーを有することを示す。図３Ｄは、モデリングによる次週のエネルギー予測及び日別料金の分析に対する図である。図３Ｄは、火曜日及び水曜日に使用されると予測されるエネルギー量が他の曜日に比べて少ないことを示す。したがって、予測された使用エネルギー量が最小化される火曜日及び水曜日に電力を分散させて使用することができるように料金制を決定したり、エネルギー消費機器を制御することができる。

図４は、消費者の料金情報による最適の料金制を決定するための過程を示す図である。図４に示すように、一実施例によるスマートシステム５０は、料金情報として、リアルタイム電力使用量に関する情報、料金制テーブル２０５情報又は外部温度などの情報を用いて時間あたりエネルギー使用量データ４０４を検出できる。スマートシステム５０は、検出されたエネルギー使用量データを用いる回帰モデル２０９に基づいて過去のエネルギー消費２１０と比較して月間／年間最適料金制を導出するための最適化部２１２を含むことができる。スマートシステムは、マシンランニングステップ２０８に入力される天気データベース２０７を含むことができる。前記天気データベース２０７は、クリギング（Ｋｒｉｇｉｎｇ）モデル又は人工ニューラルネットワークである場合がある。また、スマートシステム５０は、気候情報を追加的に用いて、過去の気候情報２１１による次週／次月の最適料金制を導出することができる。また、リアルタイム電力使用量に関する情報は、スマートメータ（ｓｍａｒｔ ｍｅｔｅｒ）４０１、メータリング（ｍｅｔｅｒｉｎｇ）４０２、又はサーモスタット（Ｔｈｅｒｍｏｓｔａｔ）４０３によって消費される時間あたりエネルギー使用量２０１ を含むことができる。料金制テーブルは、消費者の地域情報に基づいて選択又は構成されることができる。例えば、料金制テーブル２０５は、消費者の地域による事業者の料金制政策を含むことができる。ここで、料金制政策は、動的料金制及び固定料金制に対する詳細な料金制政策を含むことができる。また、スマートシステム５０は、最適料金制に対応する最適のエネルギー消費パターンを決定し（図４の４０５）、最適のエネルギー消費パターンに基づいて機器の動作を制御するための連動制御情報を導出することができる（図４の４０６）。ここで、機器は、エネルギーを消費する全ての機器を意味することができる。一実施例によれば、スマートシステム５０は、図４に示す料金制決定方式によって、固定料金制及び／又は変動料金制のうち少なくとも１つの料金制を最適料金制に決定できる。また、一実施例によれば、スマートシステム５０は、プロモーション料金制及び／又はペナルティ料金制を追加的に考慮して最適料金制を決定できる。例えば、スマートシステム５０で決定された最適料金制はプロモーション料金制及び／又はペナルティ料金制のうち少なくとも１つが適用された固定料金制である場合もあり、プロモーション料金制及び／又はペナルティ料金制のうち少なくとも１つが適用された変動料金制である場合もある。

図５Ａ乃至図５Ｅは、図４に示す固定又は変動料金制の決定によるシミュレーション結果を示す図である。図５Ａは、決定された最適料金制による最適化された電力消費パターンを示す図である。例えば、決定された最適料金制による最適化された電力消費パターンは、従来の電力消費パターンに比べてピーク電力（又はＤＲ（Ｄｅｍａｎｄ Ｒｅｓｐｏｎｓｅ））を低減するように決定される。図５Ｂは、従来の電力消費パターンと比較して一実施例による最適化された電力消費パターンの時間別電力消費費用を示す。図５Ｂに示すように、最適化された電力消費パターンによって機器を制御する場合、従来の電力消費パターンによって機器が動作する場合に比べて、陰影部の分だけエネルギー費用が低減されることを確認することができる。

図５Ｃ乃至図５Ｅは、最適電力消費パターンによる機器連動制御を示す図で、過去一年又は所定期間のエネルギー消費データと気象データとを連係させたエネルギー数理モデル及び機器制御スケジューリングに基づくセットポイント（Ｓｅｔｐｏｉｎｔ）計算結果を示す図である。図５Ｃは、気象データとエネルギー消費パターンとを分析及びモデリングするためにセットポイント２５における回帰モデルを示す図で、図５Ｄは、モデリング検証を示す図であって、予測されたデータが実際のデータと比較して５％未満のエラーを有することを示す。図５Ｅは、モデリングに基づく機器動作制御を示す図で、時間帯毎に機器の温度制御によって斜線で表示された部分だけの電力を低減できることを示す。例えば、図５Ｅに示すように、最適化された電力消費パターンによって機器の温度を制御する場合、従来の設定温度で動作する場合に比べて、陰影部の分だけのエネルギー費用が低減されることを示すことができる。

図６は、再生可能エネルギーに基づく最適の料金制を決定するための過程を示す図である。図５の一部の構成要素については図２及び図４に関連付けてすでに説明したため、再度の説明は行われない。再生可能エネルギー６０２との連動のためにはエネルギー貯蔵のためのＥＳＳ（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）装備６０１が設置される。一般に、ＥＳＳと電源制御装置であるＰＣＳ（Ｐｏｗｅｒ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）、及びエネルギー管理システムであるＥＭＳ（Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）が共に構成される。ここで、ＥＳＳは、バッテリのような消耗品であって、充／放電回数、充／放電速度、バッテリ材料によって価格と寿命が左右されるため、実際に再生可能エネルギーと連係する際には、ＲＯＩ（Ｒｅｔｕｒｎ Ｏｎ Ｉｎｖｅｓｔｍｅｎｔ）を計算してシステムに適用される。すなわち、無条件に多くの充／放電及び迅速な充／放電が最善ということはなく、エネルギー料金及び投資額を考慮した最適制御が要求される。これを基に最大負荷（高費用）時にＥＳＳの使用でエネルギー費用節減効果を得ることができる。ここで、再生可能エネルギーの一例としては、太陽光エネルギーがある。

一実施例による、スマートシステム５０は、気候に基づく再生可能エネルギー回帰モデルを基に、ＥＳＳに充／放電時期、量及び速度を連係した費用最小化制御法によって再生可能エネルギーを活用する。例えば、一実施例によるスマートシステム５０は、ＥＥＳ６０１及び再生可能エネルギーデータ６０２を用いる回帰モデルに基づいて最適のエネルギー消費パターンを決定できる（図６の６０３）。また、スマートシステム５０は、料金情報として、リアルタイム電力使用量に関する情報、料金制テーブル情報及び外部温度などの情報を用いて時間あたりエネルギー使用量データを検出できる。スマートシステム５０は、検出されたエネルギー使用量データを用いる回帰モデルに基づいて過去のエネルギー消費と比較して月間／年間最適料金制を導出する。また、スマートシステム５０は、気候情報を追加的に用いて、過去の気候情報による次週／次月の最適料金制を導出することができる。リアルタイム電力使用量に関する情報は、スマートメータ（ｓｍａｒｔ ｍｅｔｅｒ）、メータリング（ｍｅｔｅｒｉｎｇ）、又はサーモスタット（Ｔｈｅｒｍｏｓｔａｔ）によって消費されるエネルギーである時間あたりエネルギー使用量を含むことができる。料金制テーブルは、消費者の地域情報に基づいて選択又は構成されることができる。例えば、料金制テーブルは消費者の地域による事業者の料金制政策を含むことができる。ここで、料金制政策は、動的料金制及び固定料金制に対する詳細な料金制政策を含むことができる。

また、図６のスマートシステム５０は、最適料金制に対応する最適のエネルギー消費パターンを決定し、最適のエネルギー消費パターンに基づいて機器の動作を制御するための連動制御情報を導出するための最適化部２１２を含むことができる。ここで、機器は、エネルギーを消費する全ての機器を意味することができる。一実施例によれば、スマートシステム５０は、図６に示す料金制決定方式によって、固定料金制及び／又は変動料金制のうち少なくとも１つの料金制を最適料金制に決定できる。また、一実施例によれば、スマートシステム５０は、プロモーション料金制及び／又はペナルティ料金制を追加的に考慮して最適料金制を決定できる。例えば、スマートシステム５０で決定された最適料金制は、プロモーション料金制及び／又はペナルティ料金制のうち少なくとも１つが適用された固定料金制である場合もあり、プロモーション料金制及び／又はペナルティ料金制のうち少なくとも１つが適用された変動料金制である場合もある。

図７Ａ乃至７Ｆは、図６に示す固定又は変動料金制の決定によるシミュレーション結果を示す図である。推薦された最適料金制に基づいて、ＥＳＳ（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）適用時の最適のエネルギー消費パターンを導出する。図７Ａは、最適のＥＳＳ充／放電スケジュールを示す図である。図７Ｂは、最適料金制に基づく時間別電力消費パターンを示す図で、図７Ｃは、図７Ｂによる時間別費用節減を説明するための図である。例えば、図７Ｂ及び図７Ｃは、昼の１２時程度に電力消費を最小化させ、費用節減効果を得ることができることを示すことができる。

一方、図７Ｄ乃至図７Ｆは、最適料金制の推薦に基づいて、ＥＳＳ及び再生可能エネルギー（ＰＶ）適用時の最適のエネルギー消費パターンを導出した図である。図７Ｄは、最適のＥＳＳ充／放電及びＰＶ（Ｐｈｏｔｏｖｏｌｔａｉｃ）エネルギースケジュールを示す図である。図７Ｅ及び図７Ｆは、最適料金制に基づく、時間別エネルギー消費パターン及び時間別費用を示すための図である。例えば、図７Ｅ及び図７Ｆは、昼の１２時程度に電力消費を最小化し、費用節減効果を得ることができることを示す。
以下、１つ以上の実施例による具現のためのアルゴリズムを説明する。

図８は、一実施例による電力消費の最適化のためのモデリング方法を示す図である。上記方法は、電力使用データ２０１、天気データ８０１、気象庁予報８０２、気象庁予報８０５、及び料金制データベース８０７を活用できる。図８によれば、気候応答電力予測回帰モデル８０３、リアルタイム料金予測回帰モデル８０４及び最適化モデル８１１に対してそれぞれ図示する。

気候応答電力予測回帰モデルは、異常気候、予報エラー及び誤差に対する不確実性に対する対応方法に関するものである。

気候応答電力予測回帰モデルは、気候に基づくビルディング消費電力量予測において発生する不確実性（Ｕｎｃｅｒｔａｉｎｔｙ）因子（例えば、温度、湿度及び日照量等）を考慮し、気候の敏感度（Ｓｅｎｓｉｔｉｖｉｔｙ）を減少させることによって電力量予測の正確度を向上させる。下記式１は、気候応答電力予測回帰モデルによる電力エネルギー予測値を求めるための数式である。

前記

は、前記電力予測回帰モデルによる次の時間帯の予測電力を意味し、前記

は、一日間の時間帯別電力予測回帰モデルによる予測電力を意味する。また、

は、現在時間帯の予測電力を意味する場合がある。また、

は、気候情報が適用された加重値を意味する場合がある。
一方、前記

は、温度を意味し、前記

は、湿度を意味し、前記

は、日照量を意味し、前記

は、温度加重値を意味し、前記

は、湿度加重値を意味し、前記

は、日照量加重値を意味する。

気候応答モデルに対する各変数の参照テーブルを図示すれば、次の表１の通りである。

表１を参照して、

を計算すれば、下記式２の通りである。

式２からそれぞれの加重値に該当する値を下記式３によって算出できる。

図９は、気候応答電力予測回帰モデルを示す一実施例のフローチャートである。図９で、気候関連加重値

過去の月／季節別気象庁情報

当日の気象庁情報

リアルタイム外気情報

過去の月／季節別気温履歴、３時間単位の当日の気象庁温度標準偏差

が定義される（Ｓ９０１）。

図９によれば、外気温度が正常範囲に該当しない場合は（Ｓ９０２:Ｎ）、気候応答電力予測回帰モデルに適用する加重値は異常気象による加重値が適用される（Ｓ９０５）。一方、外気温度が正常範囲に該当する場合（Ｓ９０２:Ｙ）、気象予報が正常範囲に属する場合は（Ｓ９０３:Ｙ）、気候応答電力予測回帰モデルに適用する加重値は気象庁予報誤差範囲に該当する加重値が適用される（Ｓ９０４）。また、気象予報が正常範囲から外れた場合は（Ｓ９０５:Ｎ）、気候応答電力予測回帰モデルに適用する加重値は気象庁予報エラー範囲に該当する加重値が適用される（Ｓ９０６）。様々な実施例によれば、外気温度の正常範囲を判断する過程と気象予報の正常範囲を判断する過程を遂行する順番を変更し、それぞれで異常気象の有無を判断することもでき、これによる加重値を異なるようにして気候応答電力予測回帰モデルを適用することもできる。

図８のリアルタイム料金予測回帰モデル８０４は、リアルタイム料金変動によるスケジューリング最適化方法に関する。短期（１時間）料金事前告知の場合、翌日の一日中の最適スケジューリングを予測することは困難な場合がある。そのため、リアルタイム料金予測回帰モデルは、スマートグリッド（Ｓｍａｒｔ Ｇｒｉｄ）の導入時に最適の料金制を具現するために必要なものであって、過去の時間帯別リアルタイム料金データ、その時の気候情報、燃料費情報８０６等によるリアルタイム料金予測を算出するために使用されることができる。そのために、統計モデル予測を使用する。下記式４は、リアルタイム料金予測回帰モデルによるリアルタイム料金予測値を獲得するための数式である。

前記

は、料金予測回帰モデルによる予測料金を意味し、ｄは、予測前日からの所定期間を意味し、

は、過去の時間帯別前記所定期間のリアルタイム料金を意味し、

は、現在のリアルタイム料金を意味し、

は、過去の時間帯及びリアルタイム時間帯別気候情報を意味し、

は、過去の電力会社時間帯別エネルギー情報を意味する。

また、下記式５は、リアルタイム料金予測統計モデルによるリアルタイム料金予測値を求めるための他の数式である。統計モデルに基づく予測値が所定範囲から外れバ場合、当日のリアルタイム料金に基づく料金予測技法として式５のリアルタイム予測料金統計モデルを適用する。

前記

は、料金予測統計モデルによる予測料金を意味し、

は、現在のリアルタイム料金を意味し、

は、現在の電力会社の時間帯別エネルギー情報を意味する。ｔは、

に該当する。

上述の式４又は５は、回帰モデルに基づく予測によるリアルタイム予測料金が所定範囲σ内にあるか否かによって適用する。

図１０は、リアルタイム料金予測回帰モデルを説明するための示す図である。図１０（ａ）は、回帰モデルに基づく予測値が所定範囲σ内に属する場合、過去の電力会社の時間帯別電力値及びリアルタイム料金値に基づく式４のリアルタイム料金予測回帰モデルを使用することを示す図で、図１０（ｂ）は、回帰モデルに基づく予測値が所定範囲σから外れた場合、当日のリアルタイム料金に基づく料金予測技法として、式５のリアルタイム料金予測統計モデルを使用することを示す図である。最適化モデルは、各変数に対する大域的最適（ｇｌｏｂａｌ ｏｐｔｉｍａｌ）を満足するようにする方法に関する。しかし、実施例は、従来の個別最適化、順次最適化又は短目的（ｓｉｎｇｌｅ ｏｂｊｅｃｔｉｖｅ）最適化とは違って、変数のうち影響力の大きい変数と優性因子との結合による最適変数値を算出できるようにする。これにより、最適化のための計算時間を短縮させることができる。例えば、３つの値（ｙ_１，ｙ_２，ｙ_３）を最適化するための方法を説明する。ここで、ｙ_１は、年間／月間低費用料金制最適化値８０８（図８）で、ｙ_２は、リアルタイム契約電力最適化値８０９（図８）で、ｙ_３は、リアルタイム低費用消費パターン最適化値８１０（図８）であると仮定する。同じドメイン上の変数のうち各ｙ_１，ｙ_２，ｙ_３に影響力が大きい変数と各ｙ_１，ｙ_２，ｙ_３の優性因子（ｙ_*１，ｙ_*２，ｙ_*３）の結合方法論である。

ここで、Ｙは、３つの値それぞれに対する最適化値を意味し、料金制変数は、［Ｔｉｅｒ（ｔ），ＴＯＵ（ｔ），ＣＰＰ（ｔ），ＲＴＰ（ｔ）]を示すことができ、これらの料金制の組み合わせも可能である。また、契約電力変数は、［時間帯別空調機器、照明装置、その他家電製品］に該当する[ＨＶＡＣ（ｔ），Ｌｉｇｈｔｉｎｇ（ｔ），Ａｐｐｌｉａｎｃｅ（ｔ）]を示すことができる。また、消費パターン変数は、［時間帯別在室者、それぞれの空間に適用された空調機器設定温度、それぞれの空間の室内温度に該当する［Ｏｃｃｕｐａｎｃｙ（ｔ），Ｚｏｎｅ Ｓｅｔｐｏｉｎｔ（ｔ），Ｒｏｏｍ Ｔｅｍｐ（ｔ）］を示すことができる。ここで、ｔは、

に該当する。

例えば、ｙ_１は、年間／月間低費用料金制最適化のための値で、ｙ_２は、リアルタイム契約電力最適化のための値で、ｙ_３は、リアルタイム低費用消費パターン最適化のための値である。式６によるｙ_１，ｙ_２，ｙ_３の算出式は下記式７の通りである。

ここで、ｔ，ｔ−１は、最適化アルゴリズムが動作するそれぞれのステップを意味する。

図１１は、上記式７による最適化モデルを説明するための示す図である。図１１に示すように、各時間で低費用料金制最適化値、契約電力最適化値、消費パターン最適化値を算出することによって、

を満足する値に収束することを確認することができる。すなわち、低費用料金制最適化ｙ_１＝ｍｉｎ（電力費用）=ｍｉｎ（ｆ（ＴＯＵ，ＣＰＰ，ＲＴＰ（ｔ））、エネルギーパターンに基づく契約電力最適化ｙ_２＝ｍｉｎ（契約電力）＝ｍｉｎ（ｆ（ＨＶＡＣ（ｔ），Ｌｉｇｈｔｉｎｇ（ｔ），Ａｐｐｌｉａｎｃｅ（ｔ））、機器制御に基づく低費用消費パターン最適化ｙ_３＝ｍｉｎ（低費用消費パターン）＝ｍｉｎ（ｆ（Ｏｃｃｕ．（ｔ），ＺｏｎｅＳ．Ｐ（ｔ），ＲＴｅｍｐ（ｔ））を繰り返し算出することによって、低費用料金制最適化値、契約電力最適化値、消費パターン最適化値をそれぞれ満足する値に収束する。

一方、商用電力の他にもＥＳＳ情報及び再生可能エネルギー情報を用いて最適の電力料金制を決定したり、最適の電力消費パターンを決定できる。そのために、下記式８のようなＥＳＳ情報及び再生可能エネルギー情報が用いられ得る。

ここで、

は、外部温度を意味し、Ｗｉｎｄ Ｓｐｅｅｄ（ｔ）は、風速を意味し、Ｒａｄｉａｔｉｏｎ（ｔ）は、日照量を意味し、Ｅｌｅｃｔｒｉｃｉｔｙ Ｒａｔｅ（ｔ）は、電力率を意味し、Ｅ_ｄａｙは、消費電力回帰モデルによる消費電力を意味し、ＥＳＳ_{ｌｉｆｅ ｃｙｃｌｅ}は、ＥＳＳの寿命周期を意味し、ＥＳＳ_{ｃｈａｒｇｉｎｇ ｒａｔｅ}は、ＥＳＳの充電率を意味する。

ここで、ＥＳＳは、バッテリのような消耗品である場合があり、充／放電回数、充／放電速度、バッテリ材料によって価格と寿命が左右されるため、実際に再生可能エネルギーと連係する際には、システムに適用されるＲＯＩ（Ｒｅｔｕｒｎ Ｏｎ Ｉｎｖｅｓｔｍｅｎｔ）を計算する。すなわち、エネルギー料金及び投資額を考慮した最適制御が要求され、気候に基づく再生可能エネルギー回帰モデルを基に、ＥＳＳに充／放電時期と量及び速度を連係した費用最小化制御法によって再生可能エネルギーを活用する。

一方、最適化モデルによって求めたリアルタイム低費用消費パターンを用いて、エネルギーサービスを提供する機器（例えば、空調機器）に対する機器制御情報を検出する。このような機器制御情報を検出する際には下記式９を使用する。

前記Ｓｅｔｐｏｉｎｔは、前記機器制御情報を意味し、ΔＴｅｍｐ．（ｔ）値は、外部温度と室内温度の差で、ΔＴｅｍｐ．（ｔ）によって冷暖房の調節が可能である。したがって、夏季にはΔＴｅｍｐ．（ｔ）値を適正正数以上になるように機器を制御し、冬季には適正負数以下になるように機器を制御する。

過去一年又は所定期間の外気温度に基づく消費電力回帰モデル及び導出された消費電力と室内温度、再室者情報、ΔＴｅｍｐ．（ｔ）との多変数（ｍｕｌｔｉｖａｒｉａｂｌｅ）回帰モデルを基に設定温度（Ｓｅｔｐｏｉｎｔ）を計算する。すなわち、マルチ回帰モデルによって消費パターンに基づく機器連動制御値を導出することができる。回帰モデルとしては、多項回帰（Ｐｏｌｙｎｏｍｉａｌ Ｒｅｇｒｅｓｓｉｏｎ）（例：クリギング（Ｋｒｉｇｉｎｇ）モデル）、ＡＮＮ（Ａｒｔｉｆｉｃａｉｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＳＶＲ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｒｅｇｒｅｓｓｉｏｎ）などのマシンランニング方法論が用いられ得る。

図１２は、一実施例による電力消費の最適化のためのスマートシステムの動作方法を説明するための一実施例のフローチャートである。

消費者の電力使用による料金情報及び前記消費者によって使用されるリアルタイム電力使用情報のうち少なくともいずれか１つ以上を含む電力消費情報に基づいて、前記消費者に対応する最適の電力料金制を決定する（Ｓ１００）。また、決定された前記電力料金制を用いて、前記消費者の電力消費の最小化のための最適電力消費パターンを決定する。また、前記決定された最適電力消費パターンを用いて、エネルギーサービスを提供する機器に対する機器制御情報を決定する。

前記料金情報は、前記消費者の期間別料金領収書及び料金振替情報などを含む。
また、前記電力消費情報として気候情報をさらに含むことができる。ここで、気候情報は、外気温度、風速、日照量などの気象庁などが提供する気象情報を含むことができる。

また、前記電力消費情報としてエネルギー貯蔵装置（ＥＳＳ：Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報のうち少なくともいずれか１つ以上をさらに含むことができる。ＥＳＳ情報及び再生可能エネルギー情報は上記式８の通りである。すなわち、ＥＳＳ情報及び再生可能エネルギー情報としてＯｕｔ Ｔｅｍｐ．（ｔ）は、外部温度を意味し、Ｗｉｎｄ Ｓｐｅｅｄ（ｔ）は、風速を意味し、Ｒａｄｉａｔｉｏｎ（ｔ）は、日照量を意味し、Ｅｌｅｃｔｒｉｃｉｔｙ Ｒａｔｅ（ｔ）は、電力率を意味し、Ｅ_ｄａｙは、消費電力回帰モデルによる消費電力を意味し、ＥＳＳ_{ｌｉｆｅ ｃｙｃｌｅ}は、ＥＳＳの寿命周期を意味し、ＥＳＳ_{ｃｈａｒｇｉｎｇ ｒａｔｅ}は、ＥＳＳの充電率を意味する。

最適の電力料金制の種類として、固定料金制又は変動料金制などを含む。固定料金制は、使用量、使用時期による価格変動がなく、気候、市場、経済による価格変動危険性から自由な特徴がある。固定料金制の例としてはＴｉｅｒ料金制がある。

変動料金制は、ＴＯＵ料金制、ＣＰＰ料金制、ＲＴＰ料金制のうち少なくとも１つであり得る。ＴＯＵ料金制は、電力需要によって、一日の時間帯毎に料金が異なる方式（２部制又は３部制等）と、週中と週末料金とが異なる方式などがある。このようなＴＯＵ料金制は、大規模施設に適用し、季節別電力需要によって適用する。ＣＰＰ料金制は、電力需要が高い時間帯にピーク水準電力価格を適用するもので、ＴＯＵと並行して年中の制限された時間に限って適用され得る。ＲＴＰ料金制は、リアルタイムで価格が変動して適用されるもので、電気料金が所定時間（例えば、最小５分、１時間又は前日等）単位で変動する。卸売／小売市場の価格変動（燃料費の変動、運営及び電力需給状況）に適用され、電気料金の変動性は高いが消費者が経済的に使用した場合、供給者・消費者ともに便益が増加する特徴がある。

一実施例による固定料金制及び変動料金制は、特定の時間区間を基準に単位電力に対する料金が変動されるか否かによって区分されたものである。例えば、一日に対応する２４時間の間に単位電力に対する料金が変動されない料金制を固定料金制と称し、２４時間の間に単位電力に対する料金が変動される料金制を変動料金制と称することができる。したがって、上記固定料金制及び変動料金制は、外部因子（例：原油価格の変動）によって単位電力に対する料金が変動される場合もある。

加えて、一実施例によれば、様々な回帰モデルによって決定される料金制は、上記固定料金制及び／又は変動料金制のうち少なくとも２つ以上が結合された形態の料金制である場合もある。また、一実施例によれば、様々な回帰モデルによって決定される料金制は、上記固定料金制及び／又は変動料金制に、各事業者によって設計されたプロモーション料金制及び／又はペナルティ料金制が結合された形態の料金制である場合がある。ここで、プロモーション料金制は、特定の時間帯に単位電力あたりの料金を割引する料金制である場合がある。また、ペナルティ料金制は、特定の時間帯に電力使用量がしきい量以上の場合、単位電力あたり料金に追加料金を加算させる料金制である場合がある。ペナルティ料金制は、特定の期間の間の使用電力量が消費者が選択したしきい量以下又は以上の場合、単位電力あたり料金を割引したり、単位電力あたりの料金に追加料金を加算させる料金制である場合がある。

電力料金制の決定は、前記料金情報として年間又は月間などの期間別電力消費データを用いて最適の電力料金制を決定する。また、前記電力料金制の決定は、前記リアルタイム電力使用情報を用いて料金予測回帰／統計モデルを構成し、構成された前記料金予測回帰／統計モデルに対応する最適の電力料金制を決定する。前記料金予測回帰／統計モデルは上記式４又は５を用いて構成する。ここで、前記

は、料金予測回帰モデルによる予測料金を意味し、ｄは、予測前日からの所定期間を意味し、

は、過去の時間帯別前記所定期間のリアルタイム料金を意味し、

は、現在のリアルタイム料金を意味し、

は、過去の時間帯及びリアルタイム時間帯別気候情報を意味し、

は、過去の電力会社時間帯別エネルギー情報を意味する。

上記式４又は５は、回帰／統計モデルに基づく予測によるリアルタイム予測料金が所定範囲σを満足するか否かによって適用する。図１０（ａ）は、回帰モデルに基づく予測値が所定範囲σ内に属する場合、過去の電力会社の時間帯別電力値及びリアルタイム料金値に基づく式４のリアルタイム料金予測回帰モデルを使用することを示す図で、図１０（ｂ）は、回帰モデルに基づく予測値が所定範囲σから外れた場合、当日のリアルタイム料金に基づく料金予測技法として式５のリアルタイム料金予測統計モデルを使用した図を示す。

電力消費情報として、気候情報が収集されると、収集された気候情報を用いて、前記電力料金制を決定する。そのために、前記気候情報を用いて、電力予測回帰モデルを構成し、構成された前記電力予測回帰モデルに対応する前記電力料金制を決定する。

前記電力予測回帰モデルは、上記式１を用いて構成する。ここで、前記

は、前記電力予測回帰モデルによる予測電力を意味し、前記

は、温度を意味し、前記

は、湿度を意味し、前記

は、日照量を意味し、前記

は、温度加重値を意味し、前記

は、湿度加重値を意味し、前記

は、日照量加重値を意味する。上記式２及び３によって、それぞれの加重値に該当する値を算出できる。

ここで、前記電力予測回帰モデルの前記温度加重値、前記湿度加重値及び前記日照量加重値は、外気温度が正常範囲内であるか否か及び気象予報が正常範囲内であるか否かのうち少なくともいずれか１つ以上を考慮して構成する。すなわち、上記図９に示すように、外気温度が正常範囲に該当しない場合は、気候応答電力予測回帰モデルに適用する加重値は異常気象による加重値が適用される。一方、外気温度が正常範囲に該当する条件下に、気象予報が正常範囲に属する場合は、気候応答電力予測回帰モデルに適用する加重値は気象庁予報誤差範囲に該当する加重値が適用される。また、気象予報が正常範囲から外れた場合は、気候応答電力予測回帰モデルに適用する加重値は気象庁予報エラーに該当する加重値が適用される。

また、電力消費情報として、エネルギー貯蔵装置（ＥＳＳ：Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報又は再生可能エネルギー情報が収集されると、前記ＥＳＳ情報又は前記再生可能エネルギー情報を含む前記電力消費情報を用いて、前記電力料金制を決定する。上記式８のようなＥＳＳ情報及び再生可能エネルギー情報を用いる。すなわち、ＥＳＳ情報及び再生可能エネルギー情報として、Ｏｕｔ Ｔｅｍｐ（ｔ）は、外部温度を意味し、Ｗｉｎｄ Ｓｐｅｅｄ（ｔ）は、風速を意味し、Ｒａｄｉａｔｉｏｎ（ｔ）は、日照量を意味し、Ｅｌｅｃｔｒｉｃｉｔｙ Ｒａｔｅ（ｔ）は、電力率を意味し、Ｅ_ｄａｙは、消費電力回帰モデルによる消費電力を意味し、ＥＳＳ_{ｌｉｆｅ ｃｙｃｌｅ}は、ＥＳＳの寿命周期を意味し、ＥＳＳ_{ｃｈａｒｇｉｎｇ ｒａｔｅ}は、ＥＳＳの充電率を意味する。

ＥＳＳは、バッテリのような消耗品である場合があり、充／放電回数、充／放電速度、バッテリ材料によって価格と寿命が左右されるため、実際に再生可能エネルギーと連係する際には、システムに適用されるＲＯＩ（Ｒｅｔｕｒｎ Ｏｎ Ｉｎｖｅｓｔｍｅｎｔ）を計算する。すなわち、エネルギー料金及び投資額を考慮した最適制御が要求され、気候に基づく再生可能エネルギー回帰モデルを基に、ＥＳＳに充／放電時期と量及び速度を連係した費用最小化制御法によって再生可能エネルギーを活用する。

その後、決定された前記電力料金制を用いて、前記消費者の電力消費の最小化のための最適電力消費パターンを決定する。前記最適電力消費パターンは上記式６を用いて決定する。ここで、Ｙは、電力料金制最適化値、リアルタイム契約電力最適化値及びリアルタイム消費パターン最適化値のうちいずれか１つに該当する。また、料金制変数は、［Ｔｉｅｒ（ｔ），ＴＯＵ（ｔ），ＣＰＰ（ｔ），ＲＴＰ（ｔ）］を示すことができ、これらの料金制の組み合わせも可能である。また、契約電力変数は、［時間帯別空調機器、照明装置、その他家電製品に該当する［ＨＶＡＣ（ｔ），Ｌｉｇｈｔｉｎｇ（ｔ），Ａｐｐｌｉａｎｃｅ（ｔ）］を示すことができる。また、消費パターン変数は、［時間帯別在室者、それぞれの空間に適用された空調機器設定温度、それぞれの空間の室内温度に該当する［Ｏｃｃｕｐａｎｃｙ（ｔ），Ｚｏｎｅ Ｓｅｔｐｏｉｎｔ（ｔ），Ｒｏｏｍ Ｔｅｍｐ（ｔ）］を図示することができる。ここで、ｔは、

に該当する。

前記Ｙは、前記電力料金制変数、前記契約電力変数及び前記消費パターン変数のうちいずれか１つを現在時間での変数に設定し、残りの変数に対しては以前時間での優性因子による常数値で代替して算出する。

例えば、３つの値（ｙ１，ｙ２，ｙ３）を最適化するための方法を説明する。ここで、ｙ_１は、年間／月間低費用料金制最適化値で、ｙ_２は、リアルタイム契約電力最適化値で、ｙ_３は、リアルタイム低費用消費パターン最適化値であると仮定する。式６によるｙ_１，ｙ_２，ｙ_３の算出式は上記式７の通りである。

図１１に示すように、各時間で低費用料金制最適化値、契約電力最適化値、消費パターン最適化値を算出することによって、

を満足する値に収束する。すなわち、低費用料金制最適化ｙ_１＝ｍｉｎ（電力費用）＝ｍｉｎ（ｆ（ＴＯＵ，ＣＰＰ，ＲＴＰ（ｔ））、エネルギーパターンに基づく契約電力最適化ｙ_２＝ｍｉｎ（契約電力）＝ｍｉｎ（ｆ（ＨＶＡＣ（ｔ），Ｌｉｇｈｔｉｎｇ（ｔ），Ａｐｐｌｉａｎｃｅ（ｔ））、機器制御に基づく低費用消費パターン最適化ｙ_３＝ｍｉｎ（低費用消費パターン）＝ｍｉｎ（ｆ（Ｏｃｃｕ．（ｔ），ＺｏｎｅＳ．Ｐ（ｔ），ＲＴｅｍｐ（ｔ））を繰り返し算出することによって、低費用料金制最適化値、契約電力最適化値、消費パターン最適化値をそれぞれ満足する値に収束する。ここで、ｔは、

に該当する。

その後、前記決定された最適電力消費パターンを用いて、エネルギーサービスを提供する機器に対する機器制御情報を決定する。例えば、過去一年又は所定期間の電力消費データと気候情報とを連係した電力回帰モデル及び機器制御スケジューリングに基づくセットポイント（Ｓｅｔｐｏｉｎｔ）計算結果を基に、空調機器（ＨＡＶＣ）の制御のための情報を決定できる。

機器制御情報を決定するために、上記式９が用いられ得る。ここで、前記Ｓｅｔｐｏｉｎｔは、前記機器制御情報を意味し、ΔＴｅｍｐ．（ｔ）値は、外部温度と室内温度の差で、ΔＴｅｍｐ．（ｔ）によって冷暖房調節が可能である。したがって、夏季にはΔＴｅｍｐ．（ｔ）値を適正正数以上になるように機器を制御し、冬季には適正負数以下になるように機器を制御する。過去一年又は所定期間の外気温度に基づく消費電力回帰モデル及び導出された消費電力と室内温度、再室者情報、ΔＴｅｍｐ．（ｔ）との多変数（ｍｕｌｔｉｖａｒｉａｂｌｅ）回帰モデルを基に設定温度（ｓｅｔｐｏｉｎｔ）を計算する。すなわち、マルチ回帰モデルによって消費パターンに基づく機器連動制御値を導出することができる。回帰モデルとしては、多項回帰（Ｐｏｌｙｎｏｍｉａｌ Ｒｅｇｒｅｓｓｉｏｎ）、ＡＮＮ、ＳＶＲなどのマシンランニング方法論が用いられる。

動作Ｓ１００の後、決定された最適の電力料金制、最適電力消費パターン及び機器制御情報を消費者端末又は消費者機器に送信する（Ｓ１０２）。決定された最適の電力料金制及び最適電力消費パターンを消費者端末に送信することによって、該当消費者がこのような情報を基に、電力消費を最小化するための料金制を選択したり、そのために機器制御を手動で行うことができるようにする。一方、消費者機器に対する機器制御情報を消費者機器（例えば、ＴＶ、エアコン、暖房機等）に送信することによって、該当消費者機器に対する電力最適化のための適切な制御を行うことができるようにする。
図１３は、一実施例による電力消費の最適化のためのスマートシステムの動作装置５０を説明するための一実施例のブロック図で、インタフェース部２００、データベース２１０、料金制決定部２２０、消費パターン決定部２３０、制御情報決定部２４０及び制御部２５０を含む。

インタフェース部２００は、図１に示すように、消費者端末１０、電力会社２０、気象庁３０、消費者機器６０などと有無線ネットワーク４０で接続されている。

インタフェース部２００は、消費者の電力使用による料金情報及び前記消費者によって使用されるリアルタイム電力使用情報のうち少なくともいずれか１つ以上を含む電力消費情報を受信する。

インタフェース部２００は、料金情報として前記消費者の期間別料金領収書及び料金振替情報などを受信し、そのためにインタフェース部２００は、消費者端末又は電力会社と有無線ネットワークを介して接続を試みる。

また、インタフェース部２００は、前記電力消費情報として気候情報を受信する。そのために、インタフェース部２００は、気象庁ネットワーク又はその他気候情報を提供する有無線ネットワークとの接続を試みる。ここで、気候情報は、外気温度、風速、日照量などの気象庁などに提供する気象情報を含む。

また、インタフェース部２００は、前記電力消費情報としてエネルギー貯蔵装置（ＥＳＳ：Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報のうち少なくともいずれか１つ以上を受信する。そのために、インタフェース部２００は、エネルギー貯蔵装置（ＥＳＳ：Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報サービス装置と有無線ネットワークで接続を試みる。ＥＳＳ情報及び再生可能エネルギー情報は、外気温度、風速、日照量、電力率、消費電力、ＥＳＳの寿命周期、ＥＳＳの充電率などの情報を含む。データベース２１０は、インタフェース部２００から受信された電力消費情報、すなわち、消費者の電力使用による料金情報、リアルタイム電力使用情報、気候情報、エネルギー貯蔵装置（ＥＳＳ：Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報などを保存する。

料金制決定部２２０は、受信された電力消費情報を用いて、前記消費者に対応する電力料金制を決定する。料金制決定部２２０は、前記電力料金制として固定料金制及び変動料金制のうちいずれか１つを決定する。料金制決定部２２０は、前記料金情報として年間又は月間などの期間別電力消費データを用いて最適の電力料金制を決定する。

料金制決定部２２０は、前記リアルタイム電力使用情報を用いて料金予測回帰モデルを構成し、構成された前記料金予測回帰モデルに対応する最適の電力料金制を決定する。前記料金予測回帰／統計モデルは、上記式４又は５を用いて構成する。

料金制決定部２２０は、回帰モデルに基づく予測によるリアルタイム予測料金が所定範囲σを満足するか否かによって上記式４又は５のうちどちらのモデルを適用するかを判断する。例えば、図１０（ａ）に示すように、回帰モデルに基づく予測値が所定範囲σ内に属する場合、料金制決定部２２０は、過去の電力会社の時間帯別電力値及びリアルタイム料金値に基づく式４のリアルタイム料金予測回帰モデルを使用し、図１０（ｂ）に示すように、回帰モデルに基づく予測値が所定範囲σから外れた場合、当日のリアルタイム料金に基づく料金予測技法として、式５のリアルタイム料金予測統計モデルを使用する。

料金制決定部２２０は、電力消費情報として、気候情報が収集されると、収集された気候情報を用いて、前記電力料金制を決定する。料金制決定部２２０は、前記気候情報を用いて電力予測回帰モデルを構成し、構成された前記電力予測回帰モデルに対応する前記電力料金制を決定する。

料金制決定部２２０は、前記電力予測回帰モデルを上記式１を用いて構成する。料金制決定部２２０は、電力予測回帰モデルの適用に用いられる温度加重値、湿度加重値及び日照量加重値に対して外気温度が正常範囲内であるか否か及び気象予報が正常範囲内であるか否かのうち少なくともいずれか１つ以上を考慮して構成する。すなわち、上記図９に示すように、料金制決定部２２０は、外気温度が正常範囲に該当しない場合は、気候応答電力予測回帰モデルに適用する加重値は、異常気象による加重値を適用する。一方、外気温度が正常範囲に該当する条件下に、気象予報が正常範囲に属する場合は、料金制決定部２２０は、気候応答電力予測回帰モデルに適用する加重値に対して気象庁予報誤差範囲内に該当する加重値を適用する。また、気象予報が正常範囲から外れた場合は、料金制決定部２２０は、気候応答電力予測回帰モデルに適用する加重値に対して気象庁予報エラーに該当する加重値を適用する。

また、電力消費情報として、エネルギー貯蔵装置（ＥＳＳ：Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報又は再生可能エネルギー情報が収集されると、料金制決定部２２０は、前記ＥＳＳ情報及び前記再生可能エネルギー情報を含む前記電力消費情報を用いて、前記電力料金制を決定する。料金制決定部２２０は、ＥＳＳの充／放電回数、充／放電速度、バッテリ材料のうち少なくとも１つによって再生可能エネルギーと連係してＲＯＩ（Ｒｅｔｕｒｎ Ｏｎ Ｉｎｖｅｓｔｍｅｎｔ）を計算して電力料金制を決定する。

料金制決定部２２０は、上記式８のようなＥＳＳ情報及び再生可能エネルギー情報を用いる。すなわち、ＥＳＳ情報及び再生可能エネルギー情報として、外気温度、風速、日照量、電力率、消費電力、ＥＳＳの寿命周期、ＥＳＳの充電率を用いて、気候に基づく再生可能エネルギー回帰モデルを基に、ＥＳＳに充／放電時期と量及び速度を連係した費用最小化のための電力料金制を決定する。

消費パターン決定部２３０は、決定された前記電力料金制を用いて、前記消費者の電力消費の最小化のための最適電力消費パターンを決定する。消費パターン決定部２３０は、上記式６及び７を用いて最適電力消費パターンを決定する。すなわち、消費パターン決定部２３０は、電力料金制最適化値、リアルタイム契約電力最適化値及びリアルタイム消費パターン最適化値のうち少なくとも１つを決定する。

消費パターン決定部２３０は、電力料金制変数、契約電力変数及び消費パターン変数のうちいずれか１つを現在時間での変数に設定し、残りの変数に対しては以前時間での優性因子による常数値で代替して算出した値によって最適電力消費パターンを決定する。

例えば、ｙ_１は、年間／月間低費用料金制最適化値で、ｙ_２は、リアルタイム契約電力最適化値で、ｙ_３は、リアルタイム低費用消費パターン最適化値であると仮定すれば、消費パターン決定部２３０は、

をｔ時間での消費パターン変数に定義し、

をｔ−１時間での電力料金制常数値に定義し、

をｔ−１時間での契約電力常数値に定義し、ｙ_３，ｔに該当する消費パターン最適化値を算出する。したがって、図１１に示すように、低費用料金制最適化ｙ_１＝ｍｉｎ（電力費用）＝ｍｉｎ（ｆ（ＴＯＵ，ＣＰＰ，ＲＴＰ（ｔ））、エネルギーパターンに基づく契約電力最適化ｙ_２＝ｍｉｎ（契約電力）＝ｍｉｎ（ｆ（ＨＶＡＣ（ｔ），Ｌｉｇｈｔｉｎｇ（ｔ），Ａｐｐｌｉａｎｃｅ（ｔ））、機器制御に基づく低費用.消費パターン最適化ｙ_３＝ｍｉｎ（低費用消費パターン）＝ｍｉｎ（ｆ（Ｏｃｃｕ．（ｔ），ＺｏｎｅＳ．Ｐ（ｔ），ＲＴｅｍｐ（ｔ））を繰り返し算出することによって、低費用料金制最適化値、契約電力最適化値、消費パターン最適化値をそれぞれ満足する値に収束するようにする。

制御情報決定部２４０は、前記決定された最適電力消費パターンを用いて、エネルギーサービスを提供する機器に対する機器制御情報を決定する。制御情報決定部２４０は、過去一年又は所定期間の電力消費データと気候情報とを連係した電力回帰モデル及び機器制御スケジューリングに基づくセットポイント（Ｓｅｔｐｏｉｎｔ）計算結果を基に、空調機器の制御のための情報を決定する。

制御情報決定部２４０は、機器制御情報を検出するために、上記式９を用いる。ここで、ΔＴｅｍｐ．（ｔ）値は、外部温度と室内温度の差で、制御情報決定部２４０は、ΔＴｅｍｐ．（ｔ）によって冷暖房調節を可能にする制御情報を検出する。例えば、制御情報決定部２４０は、夏季にはΔＴｅｍｐ．（ｔ）値を適正正数以上になるようにする制御情報を検出し、冬季には適正負数以下になるようにする機器制御情報を検出する。そのために、制御情報決定部２４０は、過去一年又は所定期間の外気温度に基づく消費電力回帰モデル及び導出された消費電力と（室内温度−設定温度）の回帰モデルを基に設定温度（ｓｅｔｐｏｉｎｔ）を計算する。すなわち、マルチ回帰モデルによって消費パターンに基づく機器連動制御値を決定する。制御情報決定部２４０は、回帰モデルとして多項回帰（Ｐｏｌｙｎｏｍｉａｌ Ｒｅｇｒｅｓｓｉｏｎ）、ＡＮＮ、ＳＶＲなどのマシンランニング方法を用いる。

制御部２５０は、インタフェース部２００、データベース２１０、料金制決定部２２０、消費パターン決定部２３０及び制御情報決定部２４０の全般的な動作を制御する。また、一実施例によれば、料金制決定部２２０、消費パターン決定部２３０、制御情報決定部２４０の動作は、制御部２５０で実行されることができる。制御部２５０は、少なくとも１つのプロセッサによって具現され得る。同様に、料金制決定部２２０、消費パターン決定部２３０、及び制御情報決定部２４０は、少なくとも１つのプロセッサによって具現され得る。また、インタフェース部２００は、信号を送受信する送受信部（ｔｒａｎｓｃｅｉｖｅｒ）を含むことができる。

上述のように、一実施例によれば、契約電力に基づいて消費者カスタマイズ型電力料金制の推薦によって電力料金を低減することができる。一実施例によれば、過去の電力データ、気候データ及び未来イベントに連係させた消費者カスタマイズ型低費用料金制を推薦し、電力使用による費用を節減できる。また、一実施例によれば、推薦された料金制に基づいて電力消費機器の動作を制御（例：温度制御、運転モード制御等）し、電力使用による料金を低減できる。

請求項及び／又は明細書に記載された実施例による方法は、ハードウェア、ソフトウェア、又はハードウェアとソフトウェアの組み合わせの形態で具現される（ｉｍｐｌｅｍｅｎｔｅｄ）ことができる。ソフトウェアで具現する場合、１つ以上のプログラム（ソフトウェアモジュール）を保存するコンピュータ読取可能記録媒体が提供され得る。コンピュータ読取可能記録媒体に保存される１つ以上のプログラムは、電子装置（ｄｅｖｉｃｅ）内の１つ以上のプロセッサによって実行可能に構成されることができる。１つ以上のプログラムは、電子装置に、本発明の請求項及び／又は明細書に記載された実施例による方法を実行させる命令（ｉｎｓｔｒｕｃｔｉｏｎｓ）を含むことができる。

このようなプログラム（ソフトウェアモジュール、ソフトウェア）はランダムアクセスメモリ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、フラッシュ（ｆｌａｓｈ）メモリを含む不揮発性（ｎｏｎ−ｖｏｌａｔｉｌｅ）メモリ、ロム（ＲＯＭ、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、電気的に消去可能なプログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ、Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、磁気ディスク記憶装置（ｍａｇｎｅｔｉｃ ｄｉｓｃ ｓｔｏｒａｇｅ ｄｅｖｉｃｅ）、コンパクト・ディスクロム（ＣＤ−ＲＯＭ、Ｃｏｍｐａｃｔ Ｄｉｓｃ−ＲＯＭ）、デジタル多目的ディスク（ＤＶＤｓ、Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃｓ）又は他の形態の光学記憶装置、マグネティックカセット（ｍａｇｎｅｔｉｃ ｃａｓｓｅｔｔｅ）に保存されることができる。又は、これらの一部又は全部の組み合わせで構成されたメモリに保存されることができる。また、それぞれの構成メモリは多数個が含まれることができる。

また、電子装置にインターネット（Ｉｎｔｅｒｎｅｔ）、イントラネット（Ｉｎｔｒａｎｅｔ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＬＡＮ（Ｗｉｄｅ ＬＡＮ）、又はＳＡＮ（Ｓｔｏｒａｇｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）のような通信ネットワーク、又はこれらの組み合わせで構成された通信ネットワークを介してアクセス（ａｃｃｅｓｓ）できる取り付け可能な（ａｔｔａｃｈａｂｌｅ）記憶装置（ｓｔｏｒａｇｅ ｄｅｖｉｃｅ）に保存されることができる。このような記憶装置は外部ポートを介して電子装置に接続できる。

１０ 消費者端末
２０ 電力会社
３０ 気象庁
４０ ネットワーク
５０ スマートシステム
６０ 消費者機器
２０１ 電力使用データ
２０２ 年間料金領収書
２０３ 月間料金領収書
２０５ 料金制テーブル
２０６ エネルギー使用量データ
２０７ 天気データベース
２０９ 回帰モデル
２１２ 最適化部
６０２ 再生可能エネルギー
８０１ 天気データ
８０２ 気象庁予報
８０３ 気候応答電力予測回帰モデル
８０４ リアルタイム料金予測回帰モデル
８０５ 気象庁予報
８０７ 料金制データベース
８１１ 最適化モデル

Claims (15)

1. スマートシステムのサーバの動作方法において、
   電子装置の料金情報及び前記電子装置の電力使用情報のうち少なくとも１つに基づいて前記電子装置に対する電力料金制を決定する過程と、
   前記決定された電力料金制に関する情報を前記電子装置に送信する過程と、を含む方法。
2. 前記電力料金制を決定する過程は、
   前記料金情報及び前記電力使用情報のうち少なくとも１つに基づいて、Ｔｉｅｒ料金制、ＴＯＵ（Ｔｉｍｅ Ｏｆ Ｕｓｅ）料金制、ＣＰＰ（Ｃｒｉｔｉｃａｌ Ｐｅａｋ Ｐｒｉｃｉｎｇ）料金制、ＲＴＰ（Ｒｅａｌ−Ｔｉｍｅ Ｐｒｉｃｉｎｇ）料金制、プロモーション料金制、ペナルティ料金制のうち少なくとも１つを決定する過程を含み、
   前記料金情報は、前記電子装置の期間別料金領収書、及び料金振替情報のうち少なくとも１つを含み、
   前記電力使用情報は、前記電子装置の期間別電力消費データを含む請求項１に記載の方法。
3. 前記電力料金制を決定する過程は、
   気候情報を収集する過程と、
   前記料金情報及び前記電力使用情報のうち少なくとも１つと前記気候情報を用いて、前記電子装置に対する電力料金制を決定する過程と、を含む請求項１に記載の方法。
4. 前記電力料金制を決定する過程は、
   前記料金情報による過去の電力使用情報、前記電力使用情報、地域別電力料金制情報、及び気候情報のうち少なくとも１つに基づいて前記電子装置の電力消費費用を最小化する電力料金制を決定する過程を含む請求項１に記載の方法。
5. 前記電力料金制を決定する過程は、
   過去の料金、現在の料金、時間帯別気候情報、及び時間帯別エネルギー情報のうち少なくとも１つに基づいて、未来の電力使用による料金を予測する過程を含み、
   前記予測された料金に基づいて前記電子装置の前記電力料金制を決定する過程を含む請求項４に記載の方法。
6. 前記気候情報は、温度情報、湿度情報、及び日照量情報のうち少なくとも１つを含み、
   前記温度情報、前記湿度情報及び前記日照量情報の各々に加重値が適用され、
   前記温度情報、前記湿度情報及び前記日照量情報の各々に適用される前記加重値は、外気温度が正常範囲内であるか否か及び気象予報が正常範囲内であるか否かのうち少なくとも１つに基づいて決定される請求項５に記載の方法。
7. 前記電力料金制を決定する過程は、
   エネルギー貯蔵装置（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ）情報及び再生可能エネルギー情報のうち少なくとも１つを収集する過程と、
   前記料金情報及び前記電力使用情報のうち少なくとも１つと前記エネルギー貯蔵装置情報及び前記再生可能エネルギー情報のうち少なくとも１つを用いて、前記電子装置に対する前記電力料金制を決定する過程と、を含む請求項１に記載の方法。
8. 前記料金情報及び前記電力使用情報のうち少なくとも１つと前記エネルギー貯蔵装置情報及び前記再生可能エネルギー情報のうち少なくとも１つを用いて、前記電子装置に対する電力料金制を決定する過程は、
   外気温度、風速、日照量のうち少なくとも１つに基づいて再生可能エネルギーを決定する過程と、
   前記決定された再生可能エネルギー、電力率、一日間の予測消費電力、前記エネルギー貯蔵装置の寿命周期、前記エネルギー貯蔵装置の充電率のうち少なくとも１つに基づいて前記電力料金制を決定する過程と、を含む請求項７に記載の方法。
9. 前記決定された電力料金制に基づいて前記電子装置の電力消費の最小化のための電力消費パターンを決定する過程と、
   前記電力消費パターンに対応する装置制御情報を決定する過程と、
   前記決定された電力消費パターン及び前記装置制御情報のうち少なくとも１つを前記ユーザ装置及び前記電子装置のうち少なくとも１つに送信する過程と、をさらに含む請求項１に記載の方法。
10. 前記電力消費パターンは、電力料金制変数、契約電力変数、消費パターン変数のうち少なくとも１つに基づいて決定され、
    前記電力消費パターンは、電力料金制最適化値、リアルタイム契約電力最適化値、及びリアルタイム消費パターン最適化値のうち少なくとも１つを含む請求項９に記載の方法。
11. 電力消費の最適化のためのスマートシステムのサーバ装置において、
    電子装置の電力使用による料金情報及び前記電子装置の電力使用情報のうち少なくとも１つに基づいて前記電子装置に対応する電力料金制を決定するプロセッサと、
    前記電力料金制に関する情報をユーザ装置に送信する送受信部と、を含む装置。
12. 前記プロセッサは、
    前記料金情報及び前記電力使用情報のうち少なくとも１つに基づいて、Ｔｉｅｒ料金制、ＴＯＵ（Ｔｉｍｅ Ｏｆ Ｕｓｅ）料金制、ＣＰＰ（Ｃｒｉｔｉｃａｌ Ｐｅａｋ Ｐｒｉｃｉｎｇ）料金制、ＲＴＰ（Ｒｅａｌ−Ｔｉｍｅ Ｐｒｉｃｉｎｇ）料金制、プロモーション料金制、ペナルティ料金制のうち少なくとも１つを前記電力料金制に決定し、
    前記料金情報は、前記電子装置の期間別料金領収書、及び料金振替情報のうち少なくとも１つを含み、
    前記電力使用情報は、前記電子装置の期間別電力消費データを含む請求項１１に記載の装置。
13. 前記プロセッサは、
    気候情報を収集し、
    前記料金情報及び前記電力使用情報のうち少なくとも１つと前記気候情報を用いて、前記電子装置に対する前記電力料金制を決定する請求項１１に記載の装置。
14. 前記サーバ装置は、請求項４乃至１０のいずれか一項に記載の方法を具現するように設定された請求項１１に記載の装置。
15. スマートシステムを最適化する方法において、
    予め決定された時間周期に対する電子装置の料金情報及び前記電子装置の電力使用情報を収集する過程と、
    前記収集された料金情報及び前記収集された電力使用情報に基づいて、未来の時間周期に対する前記電子装置の電力消費量を予測する過程と、
    前記予測された電力消費量に基づいて、前記未来の時間周期に対する前記電子装置の前記電力消費量を最小化して最適の料金制を決定する過程と、を含む方法。

Images