KR101855248B1 - 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법 - Google Patents

트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법 Download PDF

Info

Publication number
KR101855248B1
KR101855248B1 KR1020170126717A KR20170126717A KR101855248B1 KR 101855248 B1 KR101855248 B1 KR 101855248B1 KR 1020170126717 A KR1020170126717 A KR 1020170126717A KR 20170126717 A KR20170126717 A KR 20170126717A KR 101855248 B1 KR101855248 B1 KR 101855248B1
Authority
KR
South Korea
Prior art keywords
linear regression
period
thermal energy
extracting
data
Prior art date
Application number
KR1020170126717A
Other languages
English (en)
Inventor
최정원
이유리
윤지혜
권동명
Original Assignee
(주)에코센스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)에코센스 filed Critical (주)에코센스
Application granted granted Critical
Publication of KR101855248B1 publication Critical patent/KR101855248B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 에너지절감 성과평가 방법에 관한 것이다. 본 발명은 과거의 기준기간 동안 어느 하나의 건물에서 소비된 기준기간 열에너지 사용량데이터를 선형의 데이터로 나타내는 (a)단계, 기준기간 열에너지 사용량데이터에 영향을 주는 변수를 수집하는 (b)단계, 변수에 곱연산된 가중치상수와 적어도 하나의 고정계수를 포함하여 열에너지사용량을 종속변수로 하는 1차 함수의 선형회귀분석모델식 추출하는 (c)단계, (a)단계에서 나타난 선형의 데이터에 선형회귀분석모델식을 적용하여, 선형회귀분석모델식에 적용되는 가중치상수의 값 및 고정계수의 값을 추출하는 (d)단계, (d)단계에서 추출된 가중치상수의 값과 고정계수의 값이 적용된 선형회귀식을 추출하는 (e)단계, (e)단계에서 추출된 선형회귀식을 통해 나타나는 선형회귀선을 추출하고, 선형회귀선과 (a)단계에서 나타나는 선형의 데이터를 대비하여 평균차이값을 산출하고, 평균차이값을 기준기간 이하의 기간으로 나누어 보정계수를 추출하는 (f)단계, 보정계수를 선형회귀식에 곱연산해 보정선형회귀식을 추출하여, 기준기간 이후, 미래의 예측기간 동안 소비될 미래 열에너지 사용량데이터를 추정하는 (g)단계, 예측기간 동안에 실제 발생된 실제 열에너지 사용량데이터를 추출하여, 예측기간 열에너지 사용량데이터와 대비하여 에너지 절감량데이터를 추출하는 (h)단계를 일련의 단계로 진행한다.

Description

트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법{Method of energy saving performance evaluation using the truncated linear regression model}
본 발명은 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법에 관한 것이다. 더욱 상세하게는 건물의 일정기간 동안 축적된 열에너지 사용량의 데이터를 기반으로 선형회귀모델식을 추출하고 추출된 선형회귀모델식으로 부터 축적되지 않은 시점의 열에너지 사용량을 예측하여, 에너지 절감 비용을 산출하는 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법에 관한 것이다.
최근 들어 사물 인터넷(IoT; Internet of Things)과 홈 네트워킹(Home Networking)에 관련된 기술이 발달하고 있다. 이러한 기술이 발달 됨에 따라, 아파트와 같은 주거 시설에는 주거 시설의 각종 장치를 네트워킹하여 각 장치로부터 사용되는 에너지량을 파악할 수 있는 시스템 적용이 활발히 이루어지고 있다.
이를테면, 대규모 주거 시설의 가스 및 전기 장치들을 네트워킹시켜, 각 장치를 통해 소비되는 에너지량을 실시간으로 집계하고, 월별로 취합할 수 있는 에너지 사용량 측정 시스템이 주거 시설에 적용되고 있다.
현재, 적용된 에너지 사용량 측정 시스템은 대규모 주거 시설에서 소비한 실제 사용량을 취합하고, 취합된 데이터를 이용하여 과거와 현재의 에너지 소비량 변화를 파악하는 특징을 포함하고 있다. 그리고 각 세대 간 소비한 에너지 사용량을 각각 파악하여, 세대별 에너지 사용 차이량을 파악하는 특징을 포함하고 있다.
그러나 이와 같은 에너지 사용량 측정 시스템은 취합한 데이터를 활용해 미래의 사용될 에너지 예측 및 에너지 사용 데이터가 없는 과거의 사용된 에너지를 추측할 수 없는 한계, 그리고 단순 절대치로 에너지 절감을 평가하여, 주거 시설의 환경의 다양한 변수에 대한 에너지 사용량 변화를 정확하게 파악할 수 없는 한계를 가지고 있다.
따라서, 이러한 에너지 사용량 측정 시스템은 현재 대비 미래에 얼마만큼 에너지가 절감되었는지 파악 가능하게 하는 정보를 제공하지 못하고 있으며, 사용자에게 에너지 절감에 따른 에너지 절감액에 대한 정보를 제공할 수 없다는 문제를 지적받아 왔다.
대한민국 공개특허 제10-2013-0048140호 (2013.05.09)
이에, 본 발명이 이루고자 하는 기술적 과제는 이러한 문제점을 해결하기 위한 것으로서, 단순 절대치로 평가되는 절감이 아닌 에너지 절감에 영향을 주는 변수가 고려된 에너지 절감량 또는 에너지 절감액을 제안하여 수용가가 고려된 정보를 제공하고자 하는 것이다.
또한, 일정기간 동안 축적된 건물의 열에너지 사용량 데이터를 이용하여 선형회귀모델식을 추출하고, 추출된 선형회귀모델식과 축적된 열에너지 사용량 데이터로부터 절기에 따라 보정계수를 산출해 열에너지 사용량 데이터가 축적되지 않은 시점 즉, 일정기간 이외의 시점의 열에너지 사용량 대한 예측의 정확도를 높이고자 하는 것이다.
이를 통해, 예측된 열에너지 사용량 데이터를 기반으로, 열에너지 사용량의 절감액을 신뢰도 높게 산출하고자 하는 것이다.
아울러, 최소한의 일정기간 동안 축적된 열에너지 사용량 데이터를 이용해, 건물의 상태 변화 예를 들어, 건물에 EPIA가 적용되어 열에너지 소비 상태가 변경되었을 때에 대한 열에너지 소비량을 정교하게 평가할 수 있도록 하는 것이다.
본 발명의 기술적 과제는 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법은 과거의 기준기간 동안 어느 하나의 건물에서 소비된 기준기간 열에너지 사용량데이터를 선형의 데이터로 나타내는 (a)단계, 상기 기준기간 열에너지 사용량데이터에 영향을 주는 변수를 수집하는 (b)단계, 상기 변수에 곱연산된 가중치상수와 적어도 하나의 고정계수를 포함하여 열에너지사용량을 종속변수로 하는 1차 함수의 선형회귀분석모델식 추출하는 (c)단계, 상기 (a)단계에서 나타난 상기 선형의 데이터에 상기 선형회귀분석모델식을 적용하여, 상기 선형회귀분석모델식에 적용되는 상기 가중치상수의 값 및 상기 고정계수의 값을 추출하는 (d)단계, 상기 (d)단계에서 추출된 상기 가중치상수의 값과 상기 고정계수의 값이 적용된 선형회귀식을 추출하는 (e)단계, 상기 (e)단계에서 추출된 상기 선형회귀식을 통해 나타나는 선형회귀선을 추출하고, 상기 선형회귀선과 상기 (a)단계에서 나타나는 선형의 데이터를 대비하여 평균차이값을 산출하고, 상기 평균차이값을 상기 기준기간 이하의 기간으로 나누어 보정계수를 추출하는 (f)단계, 상기 보정계수를 상기 선형회귀식에 곱연산해 보정선형회귀식을 추출하여, 상기 기준기간외의, 예측기간 동안의 예측기간 열에너지 사용량데이터를 추정하는 (g)단계 및 상기 예측기간 동안에 실제 발생된 실제 열에너지 사용량데이터를 추출하여, 상기 예측기간 열에너지 사용량데이터와 대비하여 에너지 절감량데이터를 추출하는 (h)단계를 포함한다.
상기 (f)단계에서 추출된 상기 선형회귀선의 일단은, 추출된 다른 하나의 상기 선형회귀선의 타단과 연결될 수 있다.
상기 변수는 상대습도, 난방도일, 냉방도일, 체감온도, 주택용전력판매단가, 실질열판매단가, 경상수지, 소비자물가지수, 열효율 중 적어도 하나가 될 수 있다.
상기 기준기간은 하나의 춘절기, 하나의 하절기, 하나의 추절기 및 하나의 동절기를 포함하는 기간이 되며, 상기 예측기간은 춘절기, 하절기, 추절기 및 동절기 가운데 복수 개의 절기를 포함할 수 있다.
상기 평균차이값을 상기 예측기간에 포함된 절기로 나누어 서로 다른 상기 보정계수를 추출할 수 있다.
본 발명에 따른 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법은 과거의 일정기간 동안 축적된 데이터를 기반으로 선형회귀모델식을 산출하고, 축적된 데이터로부터 선형회귀모델식에 적용될 절기별 가중치를 추출하여 예측하고자 하는 시점의 열에너지 소비량의 예측의 정확도를 높일 수 있다. 이를 통해, 예측 하고자 하는 시점의 에너지 절감량 및 절감량에 따른 에너지 절감액을 정교하게 평가할 수 있다.
도 1은 본 발명의 일 실시예에 의한 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법에 대한 순서도이다.
도 2 내지 도 5는 에너지 성능 향상 행위(EPIA)가 미적용된 건물에서 추출된 기준기간 동안의 열에너지 사용량 데이터에 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법을 적용하여 절감된 열에너지 상태를 도출하는 과정을 나타낸 도면들이다.
도 6은 선형회귀식에 보정계수가 적용되지 않은 상태에서 나타나는 데이터에 의한 선형의 그래프로와 보정계수가 적용된 상태에서 나타나는 데이터에 의한 선형의 그래프로 나타낸 도면이다.
도 7 내지 도 9는 에너지 성능 향상 행위(EPIA)가 적용된 건물에서 추출된 기준기간 동안의 열에너지 사용량 데이터에 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법을 적용한 상태를 나타낸 도면들이다.
본 발명의 이점 및 특징 그리고 그것들을 달성하기 위한 방법들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 다만, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것은 아니며, 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 일례일 뿐이다.
또한, 본 발명은 청구항을 비롯해 발명을 실시하기 위한 구체적인 내용에 기재된 내용을 기반하여 용이하게 유추될 수 있는 것을 포괄한다. 그리고 본 발명이 기술된 명세서 전체에 걸쳐 동일 기재된 참조부호는 동일 구성요소를 지칭한다.
본 발명이 되는 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법이 개발되기 이전에는 다년간 사용했던 에너지 사용량을 평균치로 하여 내년 에너지 사용량을 추정하고, 추정된 에너지 사용량에 에너지 가격 인상률 연산하는 에너지절감 성과 평가방법이 많이 사용되어 왔다.
이러한 에너지절감 성과 평가방법은 사용되는 에너지가 소비되는 주변환경 및 계절에 따른 다양한 요소들을 고려하고 있지 않다. 이에, 이러한 에너지절감 성과평가방법에 환경 변화에 따라 추정되는 에너지 사용량에 대한 예측의 신뢰도가 낮은 문제가 있었다.
본 발명의 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은컴퓨터를 이용해 건물에 축적된 기준기간 동안의 열에너지 사용량 데이터로부터 트런케티드(Truncated)선을 추출하는 선형회귀모델식을 추출한다. 그리고 추출된 선형회귀모델식의 가중치상수, 오차 및 보정계수 등에 대한 값을 추출하여 기준기간 이전의 사용된 열에너지 사용량 및 기준기간 이후의 사용될 열에너지 사용량을 정교하게 예측한다.
이를 통해, 본 발명의 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 예측된 열에너지 사용량 데이터와 예측하는 시점의 실제 열에너지 사용량의 비교를 통해 예측하는 시점의 열에너지 사용량의 절감액을 신뢰성 있게 산출하고자 하는 것이다.
아울러, EPIA가 적용 전 및 적용 후의 건물에서 어느 한 절기 동안에 추출된 데이터를 이용해 적용 전 이전의 동일한 절기에 소비된 열에너지 사용량 및 적용 후 돌아올 절기에 소비될 열에너지의 사용량을 정교하게 평가하고자 하는 것이다. 나아가, 이 평가를 통해 다양한 영향 변수를 고려하여, EPIA 적용 전/ 후의 효율성 파악하며 다양한 건물에서의 적용 가능성도 미리 판가름해 보고자 하는 것이다.
즉, 본 발명의 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 종래의 에너지절감 성과평가방법이 가지고 있는 문제 및 한계를 해결하고자 하는 것이다.
이와 같은 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 후술할 복수 개의 단계를 일련의 단계로 진행된다.
본 명세서상에서 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법에 대한 설명이 간결하고 명확해 질 수 있도록 복수 개의 단계에 대해 개괄적으로 설명한 후, 도면을 참조하여 개괄적으로 설명된 단계에 대해 상세히 설명하도록 한다.
또한, 본 명세서 상에서는 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법에 대해 EPIA가 적용되지 않은 건물에 적용되어 선형회귀분석모델식이 추출되는 것을 하나의 기준으로 설명하고, 설명된 방법과 동일한 원리 및 동일한 단계로 EPIA가 적용된 건물에 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법이 적용되는 것을 설명하도록 한다.
다만, EPIA가 적용된 건물에 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법이 적용되는 설명에 있어서는 전술한 설명과 설명의 중복을 피하고자 설명을 간략화하도록 한다.
이하, 도 1을 참조하면 본 발명의 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 과거 기준기간 동안 사용된 열에너지 사용데이터를 선형의 데이터로 변환하는 (a)단계(S110)를 시작으로, 기준기간 열에너지 사용데이터에 영향을 주는 변수 즉, 독립변수를 수집하는 (b)단계(S120), 1차 함수의 선형회귀분석 모델식을 추출하는 (c)단계(S130)로 진행된다.
이후, 1차 함수의 선형회귀분석모델식의 가중치 상수와 고정계수의 값을 추출하는 (d)단계(S140), 가중치상수 값과 고정계수의 값이 적용된 선형회귀식을 추출하는 (e)단계(S150)로 진행된다. 그리고 선형회귀선을 추출하고, 추출된 선형회귀선을 통해 보정계수를 추출하는 (f)단계(S160), 기준기간외의 예측기간 동안의 열에너지 사용량데이터를 추정하는 (g)단계(S170)로 진행된다.
그리고 예측기간 동안의 열에너지와 실제 소비된 열에너지로부터 에너지 절감데이터를 추출하는 (h)단계(S180)를 끝으로 일련의 단계가 완료된다.
이와 같은 복수 개의 단계 가운데, 도 2 및 도 3을 참조하여 기준기간의 열에너지 사용데이터를 선형의 데이터로 변환하는 단계, 기준기간의 열에너지 사용데이터에 영향을 주는 변수 즉, 독립변수를 수집하는 단계, 1차 함수의 선형회귀분석 모델식을 추출하는 단계 그리고 추출된 선형회귀선과 선형의 데이터를 비교하여 평균차이값을 산출하고, 이를 통해 보정계수를 추출하는 단계에 대해 구체적으로 설명한다.
트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 가장 먼저, 과거의 기준기간 동안 어느 하나의 건물에서 소비된 기준기간 열에너지 사용량데이터를 획득하고, 획득된 과거 열에너지 사용량데이터를 선형의 데이터(L1)로 가공하여 나타낸다(S110). 이때, 과거의 기준기간은 건물의 열에너지 사용량 데이터가 축적된 베이스라인 기간이 된다. 이러한 베이스라인 기간은 하나의 동절기(12월~2월 및 TL1~TL2), 하나의 춘절기(3월~5월 및 TL2~TL3), 하나의 하절기(6월~8월 및 및 TL3~TL4) 및 하나의 추절기(9월~11월 및 TL4~TL1)중 어느 하나의 절기 기간이 되거나 사절기를 모두 포함하는 기간이 될 수 있다. 다만, 본 명세서에서는 설명의 편의상 베이스라인 기간을 사절기를 모두 포함하는 십이 개월의 기간으로 한다.
사절기의 기준기간 즉, 베이스라인 기간에 선형의 데이터(L1)가 나타나면, 형성된 선형의 데이터(L1)에 영향을 주는 변수를 수집한다(S120). 이때, 변수는 하기에 표시된 표 1과 같은 상대습도, 난방도일, 냉방도일, 체감온도, 주택용 전력판매단가, 실질열판매단가, 경상수지, 소비자물가지수, 열효율 중 적어도 하나가 될 수 있다.
구분 변수명 변수설명
변수 상대습도 현재 포함한 수증기량과 공기가 최대로 포함할 수 있는 수증기량의 비를 퍼센트로 나타낸 지표 값.
난방도일 평균기온이 18℃ 이하인 날의 온도와 18℃와의 온도차의 종합 값.
냉방도일 평균기온이 24℃를 기준으로 일정기준의 온도보다 초과한 온도의 합계 값.
체감온도 덥거나 춥다고 느끼는 체감의 정도로 풍속, 습도, 일사 등 기상요인이 종합되어 작용된 값.
주택용 전력판매단가 전력은 지역난방열의 가장 큰 대체제로
대체제의 가격 변수로 활용된 값.
실질열판매단가 사업소별 판매금액을 열판매량으로 나눈 가격 지표된 값.
경상수지 경제지표로 활용, GRDP 및 가계소득 등 여타 경제지표들은 분기 혹은 연단위로 산출되어 경상수지로 대체된 값.
소비자물가지수 소비자가 구입하는 상품이나 서비스의 가격변동을 나타내는 지수로 물가변동을 추적하는 중요 경제지표 값.
열효율 열기관이 하는 유효한 일과 이것에 공급한 열량 또는 연료의 발열량과의 비.
이와 같은 변수들은 기상청 및 통계청에 기록된 당시의 날씨, 습도, 체감온도, 물가지수 등으로부터 수집가능 한다. 또한, 수집된 실측값을 활용하여 열효율 등을 산출 가능하다.
이와 같이 변수가 수집 및 산출되면 각 변수를 독립변수, 각 독립변수에 곱연산된 가중치상수 및 고정계수를 포함하고 열에너지사용량을 종속변수로 하는 1차함수의 선형회귀분석모델식을 추출할 수 있다(S130).
즉, 수집 및 산출된 독립변수 와 열네너지사용량의 종속변수를 통해 Y(열에너지사용량)=b0(고정계수)+b1(제1가중치상수)*X1(제1독립변수)+b2(제2가중치상수)*X2(제2독립변수)+b3(제3가중치상수)*X3(제3독립변수)+...+bn(제n가중치상수)*Xn(제n독립변수)+e(잔여오차)가 되는 선형회귀분석모델식이 추출될 수 있다.
여기서, 잔여오차는 다양한 독립변수의 영향을 설명한 후 설명되지 않은 체 남아 있는 오차로서, 제곱된 잔여오차항목을 최소화하는 가중치 상수에 의해 결정될 수 있다. 이와 같은 선형회귀분석모델식 즉, Y= b0+b1*X1+b2*X2+b3*X3+...+bn*Xn+e를 앞서 나타난 하나의 절기의 선형의 데이터(L1)에 플로팅(Ploting)한다.
이때, 종속변수가 선형의 데이터에 근사하도록 기상청 및 통계청으로부터 수집된 독립변수들의 값을 넣고, 고정계수 및 잔여오차 값 그리고 가중치상수의 값을 변경하며 종속변수를 선형의 데이터에 플로팅시켜 종속변수가 선형의 데이터와 근사하게 플로팅되는 가중치상수의 값, 고정계수의 값 및 잔여오차의 값을 추출한다(S140).
추출된 가중치상수 값, 고정계수 값 및 잔여오차 값을 선형회귀분석모델식에 적용하여 선형회귀식을 추출한다. 일례로, XX건물에서 기준기간 해의 동절기 기간 동안 사용된 열에너지 사용량에 대해 플로팅 하는 선형회귀분석모델식 추정할 때, 제1독립변수가 습도, 제2독립변수가 난방도일, 제3독립변수가 경상수지, 제4독립변수가 실질열판매단가일 경우, 각 독립변수의 값을 통계청 및 기상청의 데이터로부터 넣으면, 제1독립변수에 곱연산되는 제1가중치상수에 대해 1.51655로 추출할 수 있고, 제2독립변수에 곱연산되는 제2가중치상수에 대해 1.83750으로 추출할 수 있으며, 제3독립변수에 곱연산되는 제3가중치상수에 대해 -0.00401, 제4독립변수에 곱연산되는 제4가중치상수에 대해 -3.65563으로 추출할 수 있다.
그리고 고정계수값에 대해 474.03842로 추출할 수 있다. 이와 같이 추출된 값을 선형회귀분석모델식에 넣어, 동절기에 대한 선형회귀식을 추출할 수 있다.
추출된 선형회귀식은 Y= 1.51655*X1+1.83750*X2+-0.00401*X3+...+-3.65563*X4+474.03842가 될 수 있다.
이와 같은 동절기에 대한 선형회귀식외에도, XX건물에서 특정 해(年)의 춘절기, 하절기 및 추절기 기간동안 사용된 열에너지 사용량에 대해 플로팅 하여, 각 독립변수에 대한 각 가중치 상수 및 고정계수를 추출해 춘절기 선형회귀식(reg_L2), 하절기 선형회귀식(reg_L3) 및 추절기 선형회귀식(reg_L4)을 추출할 수 있다.
그리고 추출된 선형회귀식을 기반으로 각 절기에 대응하는 선형회귀선(reg_L1~reg_L4)을 추출한다(S150). 이와 같이 추출된 선형회귀선(reg_L1~reg_L4)은 베이스 라인 기간 보고시간 사이에 있는 성과검증기간을 통해 조정될 수 있다. 그리고 일단이 추출된 다른 하나의 선형회귀선의 타단과 연결되며 연속적인 그래프로 나타날 수 있다.
선형회귀선(reg_L1~reg_L4)이 추출되면, 선형회귀선(reg_L1~ reg_L4)과 선형의 데이터(L1)를 비교하여 나타나는 전체 차이값에 대한 평균값 즉, 평균차이값을 산출한다. 그리고 평균차이값을 과거의 기준기간에 포함되는 하나의 절기 기간으로 나누어 보정계수 즉, 계절별 가중치계수를 추출한다(S160). 이때, 가중치계수는 동절기 때 a, 춘절기 때 b, 하절기 때 c 및 추절기 때 d가 될 수 있다.
이러한, 보정계수 다시 말해, 가중치계수는 절기마다 서로 다른 값으로 형성될 수 있다.
이렇게 추출된 가중치계수는 선형회귀식에 곱연산 된다. 가중치계수가 곱해진 선형회귀식은 보정선형회귀식(α)이 된다. 이러한 보정선형회귀식(α)은 일례로, 동절기 때 α1= (1.51655*X1+1.83750*X2+-0.00401*X3+...+-3.65563*X4+474.03842)*a로 추출될 수 있다.
이하, 도 4 내지 도 6을 참조하여 보정계수가 적용된 보정선형회귀식을 이용해 예측기간 동안 소비되었거나, 소비될 열에너지 사용량 데이터를 추정하는 단계 및 예측기간의 소비된 및 소비될 열에너지와 실제 소비된 열에너지로부터 에너지 절감데이터를 추출하는 단계에 대해 구체적으로 설명한다.
그리고 선형회귀식에 보정계수가 적용된 상태와 보정계수가 적용되지 않은 상태에서 나타나는 데이터를 구체적으로 설명한다.
도 4에 도시된 바와 같이 추출된 보정선형회귀식(α1~α4)으로부터 과거의 기준기간 이전(backcast) 즉, 역방향 예측 보고기간 동안 소비되었던 열에너지 사용량데이터 및 과거의 기준기간 이후의 예측기간(forecast) 즉, 순방향 예측 보고기간 동안 소비될 열에너지 사용량데이터가 추정된 선형의 그래프가 나타난다.
이와 같은 보정선형회귀식을 통해 추정되는 예측기간 동안의 열에너지 사용량 데이터에 대해, 본 명세서상에서는 예측기간 동안 예측되는 열에너지 사용량 데이터의 추출에 대한 설명이 간결해 질 수 있도록, 순방향 예측 보고기간 동안 추출되는 열에너지 사용량데이터를 예측기간 동안 추출되는 열에너지 사용량데이터의 일례로 하여 설명하도록 한다.
보정선형회귀식(α1~α4)을 통해 예측기간 동안 소비될 열에너지 사용량데이터가 선형의 그래프(αfpL)로 나타낸다(S170). 이때, 예측기간은 보고기간이 되며, 적어도 춘절기, 하절기, 추절기 및 동절기 중 하나를 포함하는 기간이 될 수 있다.
다만, 본 명세서 상에서의 예측기간은 전술한 과거의 기준기간과 동일하도록 춘절기 내지 동절기를 모두 포함하는 기간으로 한다. 이후, 예측기간 동안에 실제 발생된 실제 열에너지 사용량 데이터를 추출하여 예측기간 동안의 열에너지 사용량데이터와 비교하여, 에너지 절감량데이터를 추출할 수 있다.
즉, 예측기간 동안의 열에너지 사용량데이터로부터 가공된 선형의 그래프(αfpL)-실제 열에너지 사용량 데이터로부터 가공된 선형의 그래프(RdL)에 의해 에너지 절감량데이터(sd)를 추출할 수 있다.
도 6의 (A)는 선형회귀식이 보정계수에 의해 보정되지 않고, 미래 열에너지 사용량 데이터에 의한 선형의 그래프(fpL) 그리고 실제 열에너지 사용량 데이터로부터 가공된 선형의 그래프(RdL) 및 에너지 절감량데이터(sd)를 나타내고 있다.
도시된 바와 같이, 선형회귀식에 대한 보정없이 예측기간 동안의 열에너지 사용량 데이터를 추정함에 따라, 예측기간 동안의 열에너지 사용량 데이터에 의한 선형의 그래프(fpL)와 실제 열에너지 사용량 데이터가 가공된 선형의 그래프(RdL)간 큰 차이가 나타난다.
다시 말해, 보정 없는 선형회귀식은 오차가 큰 미래의 열에너지 사용량을 예측한다. 이와 같은 선형회귀식은 오차가 큰 미래의 열에너지 사용량 데이터를 통해 큰 절감량데이터(sd)를 추출한다. 이와 같이 추출된 절감데이터(sd)는 실제 열에너지 사용이 절감되어 크게 나온 것인지 아니면, 추정된 미래의 열에너지 사용량의 데이터가 커 절감량데이터가 크게 추출되었는지를 판단할 수 없도록 하여, 추출된 데이터를 신뢰할 수 없게끔 한다.
도 6의 (B)는 도 5에 도시된 바와 동일한 도면이다. 도 6의 (B)는 보정계수가 적용된 보정선형회귀식에 의해 예측기간 동안의 열에너지 사용량 데이터가 추정되고, 추정된 열에너지 사용량 데이터에 의한 선형의 그래프(αfpL) 그리고 실제 열에너지 사용량 데이터로부터 가공된 선형의 그래프(RdL) 및 에너지 절감량데이터(sd')를 나타낸 그래프를 나타내고 있다.
도시된 바와 같이, 선형회귀식이 보정계수에 의해 1차 보정되고, 보정된 선형회귀식 즉, 보정선형회귀식(α1~α4)에 의해 예측기간 동안의 열에너지 사용량 데이터를 추정하며, 예측기간 동안의 열에너지 사용량 데이터를 보다 정교하게 추정한다. 이와 같이 추정된 예측기간 동안의 열에너지 사용량은 실제 열에너지 사용량 데이터와 근사하게 도출된다.
이때, 추정된 예측기간 동안의 열에너지 사용량 데이터로부터 추출된 선형의 그래프(αfpL)를 실제 열에너지 사용량 데이터로부터 추출된 선형의 그래프(RdL)와 감산 연산하여 신뢰도 있는 에너지 절감량 데이터(sd')가 추출될 수 있다.
도 6의 (B)에 나타난 그래프를 도 6의 (A)에 나타난 그래프와 대비하였을 때, 도 6의 (B)에 나타난 그래프의 보정된 선형회귀식에 의해 추출된 선형의 그래프(αfpL)는 실제 열에너지를 얼마나 절감했는지를 정교하게 파악할 수 있도록 한다.
이하, 도 7 내지 도 9를 참조하여, 에너지 성능 향상 행위(EPIA)가 적용된 건물에서 추출된 과거 열에너지 사용량 데이터에 트런케티드 선형회귀모델을 이용한 에너지절감 성광평가방법을 적용한 상태에 대해 설명한다.
EPIA가 적용된 건물은 EPIA가 적용되지 않은 건물에 비해 상대적으로 열에너지 사용량이 적으며, 절기에 따른 열에너지 사용량의 변동폭이 적다. 따라서, 트런케티드 선형회귀모델을 이용한 에너지절감 성광평가방법(1)은 과거 열에너지 사용량 데이터에 의한 선형의 그래프에 선형회귀모델식에 적용되는 독립변수들의 값이 변동폭이 적다. 이를 통해, 보다 정교한 가중치상수의 값, 고정계수의 값을 추출한다.
추출된 가중치상수와 고정계수를 선형회귀모델식에 적용하여 하나의 선형회귀식(reg_L1'~reg_L4')을 추출하고, 선형회귀식을 기준기간 동안의 열에너지 사용량 데이터와 전체 대비하여, 전체 차이값에 대한 평균값 즉, 평균차이값을 산출한다.
그리고 전술한 바와 같이 평균차이값을 과거의 기준기간에 포함되는 하나의 절기 기간으로 나누어 보정계수(β, EPIA가 적용된 건물의 보정계수)를 추출하고, 보정계수(β)를 선형회귀식에 곱연산하여 보정된 선형회귀식 즉, 보정선형회귀식(reg_βL1'~reg_βL4')을 추출한다. 추출된 보정선형회귀식(reg_βL1'~reg_βL4')으로부터 예측기간 동안의 열에너지 사용데이터를 정교하게 추정한다.
그리고 이로부터 예측기간 동안의 열에너지 사용데이터에 의한 선형그래프(βfpL)를 추출한다. 그리고 추출된 예측기간 동안의 열에너지 사용데이터의 선형그래프(βfpL)와 실제 열에너지 사용데이터의 선형 그래프(RdL)의 대소비교하여 에너지 절감량(sd')을 정교하게 산출한다. 나아가, 산출된 에너지 절감량(sd')에 면적당 기본요금을 곱하여, 에너지 절감 요금을 신뢰성 있게 산출한다.
더욱이, 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 건물에 EPIA가 장시간 적용되지 않아, 충분한 과거 열에너지 사용데이터를 확보하고 있지 않더라도, 확보된 데이터의 절기기간 동안만큼, 과거의 동일 절기 동안 소비된 열에너지 사용데이터를 추정한다. 또한, 미래의 동일 절기 동안 소비될 열에너지 사용데이터를 정교하게 추정한다.
그리고 추정된 열에너지 사용데이터를 기반으로 실제 열에너지가 얼마나 절감되었는지, 나아가 얼마나 요금이 절감되었는지를 정교하게 산출한다.
또한, 트런케디트 선형회귀모델을 이용한 에너지절감 성과평가방법(1)은 EPIA 가 적용되기 전과 후의 열에너지 절감량을 정교하게 산출하여, EPIA에 적용되었을 때의 에너지절감량 및 에너지 절감 요금을 신뢰성 있게 산출한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야 한다.
1: 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법
S110: (a)단계 S120: (b)단계
S130: (c)단계 S140: (d)단계
S150: (e)단계 S160: (f)단계
S170: (g)단계 S180: (h)단계

Claims (5)

  1. 컴퓨터를 이용해 일련의 단계를 처리하는 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법에 있어서,
    과거의 기준기간 동안 어느 하나의 건물에서 소비된 기준기간 열에너지 사용량데이터를 선형의 데이터로 나타내는 (a)단계;
    상기 기준기간 열에너지 사용량데이터에 영향을 주는 변수를 수집하는 (b)단계;
    상기 변수에 곱연산된 가중치상수와 적어도 하나의 고정계수를 포함하여 열에너지사용량을 종속변수로 하는 1차 함수의 선형회귀분석모델식 추출하는 (c)단계;
    상기 (a)단계에서 나타난 상기 선형의 데이터에 상기 선형회귀분석모델식을 적용하여, 상기 선형회귀분석모델식에 적용되는 상기 가중치상수의 값 및 상기 고정계수의 값을 추출하는 (d)단계;
    상기 (d)단계에서 추출된 상기 가중치상수의 값과 상기 고정계수의 값이 적용된 선형회귀식을 추출하는 (e)단계;
    상기 (e)단계에서 추출된 상기 선형회귀식을 통해 나타나는 선형회귀선을 추출하고, 상기 선형회귀선과 상기 (a)단계에서 나타나는 선형의 데이터를 대비하여 평균차이값을 산출하고, 상기 평균차이값을 상기 기준기간 이하의 기간으로 나누어 보정계수를 추출하는 (f)단계;
    상기 보정계수를 상기 선형회귀식에 곱연산해 보정선형회귀식을 추출하여, 상기 기준기간외의예측기간 동안의 예측기간 열에너지 사용량데이터를 추정하는 (g)단계;
    상기 예측기간 동안에 실제 발생된 실제 열에너지 사용량데이터를 추출하여, 상기 예측기간 열에너지 사용량데이터와 대비하여 에너지 절감량데이터를 추출하는 (h)단계를 포함하되,
    상기 (c)단계의 상기 선형회귀분석모델식은 Y(열에너지사용량)=b0(고정계수)+b1(제1가중치상수)*X1(제1독립변수)+b2(제2가중치상수)*X2(제2독립변수)+b3(제3가중치상수)*X3(제3독립변수)+...+bn(제n가중치상수)*Xn(제n독립변수)+e(잔여오차)가 되며,
    상기 제1독립변수, 상기 제2독립변수, 상기 제3독립변수 및 상기 제n독립변수 중 어느 하나는 상대습도, 난방도일, 냉방도일, 체감온도, 주택용전력판매단가, 실질열판매단가, 경상수지, 소비자물가지수, 열효율을 포함하고, 상기 선형회귀분석모델식의 잔여오차는 상기 제1독립변수, 상기 제2독립변수, 상기 제3독립변수 및 상기 제n독립변수의 영향으로 설명되지 않은 체 남아 있는 값이 되며, 상기 고정계수와 합 연산되고,
    상기 기준기간은 하나의 춘절기, 하나의 하절기, 하나의 추절기 및 하나의 동절기를 포함하는 기간이 되며, 상기 예측기간은 춘절기, 하절기, 추절기 및 동절기 가운데 복수 개의 절기를 포함하고,
    상기 보정계수는 상기 평균차이값을 상기 예측기간에 포함된 절기로 나누어 상기 춘절기, 상기 하절기, 상기 추절기 및 상기 동절기에 대응하는 서로 다르게 추출되는 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법.
  2. 제1항에 있어서,
    상기 (f)단계에서 추출된 상기 선형회귀선의 일단은, 추출된 다른 하나의 상기 선형회귀선의 타단과 연결되는 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법.
  3. 삭제
  4. 삭제
  5. 삭제
KR1020170126717A 2017-04-20 2017-09-29 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법 KR101855248B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20170051183 2017-04-20
KR1020170051183 2017-04-20

Publications (1)

Publication Number Publication Date
KR101855248B1 true KR101855248B1 (ko) 2018-05-08

Family

ID=62187231

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170126717A KR101855248B1 (ko) 2017-04-20 2017-09-29 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법

Country Status (1)

Country Link
KR (1) KR101855248B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814389A (zh) * 2020-06-17 2020-10-23 新奥数能科技有限公司 一种制冷系统制冷系数预测方法及装置
CN113673864A (zh) * 2021-08-19 2021-11-19 中国石油化工股份有限公司 一种能源自动分输方法
CN113837420A (zh) * 2020-06-23 2021-12-24 三菱电机(中国)有限公司 电力消耗预测方法、电力消耗预测系统及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001282889A (ja) * 2000-03-30 2001-10-12 Tokyo Gas Co Ltd 省エネルギ・サービス支援システム及び省エネルギ・サービス対価計算方法
KR20150009375A (ko) * 2013-07-16 2015-01-26 한국전자통신연구원 전력 사용량 예측 방법 및 그 장치
KR20150051727A (ko) * 2013-11-05 2015-05-13 동국대학교 산학협력단 온도에 따른 에너지 관리 방법 및 장치
KR20160027481A (ko) * 2014-08-29 2016-03-10 주식회사 에코시안 건물 에너지 효율화 및 서비스 평가 시스템 및 그의 처리 방법
KR20160136965A (ko) * 2015-05-21 2016-11-30 주식회사 케이티 열 에너지 수요 예측에 기반한 복합 설비 최적 운영 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001282889A (ja) * 2000-03-30 2001-10-12 Tokyo Gas Co Ltd 省エネルギ・サービス支援システム及び省エネルギ・サービス対価計算方法
KR20150009375A (ko) * 2013-07-16 2015-01-26 한국전자통신연구원 전력 사용량 예측 방법 및 그 장치
KR20150051727A (ko) * 2013-11-05 2015-05-13 동국대학교 산학협력단 온도에 따른 에너지 관리 방법 및 장치
KR20160027481A (ko) * 2014-08-29 2016-03-10 주식회사 에코시안 건물 에너지 효율화 및 서비스 평가 시스템 및 그의 처리 방법
KR20160136965A (ko) * 2015-05-21 2016-11-30 주식회사 케이티 열 에너지 수요 예측에 기반한 복합 설비 최적 운영 시스템 및 그 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814389A (zh) * 2020-06-17 2020-10-23 新奥数能科技有限公司 一种制冷系统制冷系数预测方法及装置
CN113837420A (zh) * 2020-06-23 2021-12-24 三菱电机(中国)有限公司 电力消耗预测方法、电力消耗预测系统及计算机可读存储介质
CN113673864A (zh) * 2021-08-19 2021-11-19 中国石油化工股份有限公司 一种能源自动分输方法

Similar Documents

Publication Publication Date Title
Chung et al. Comparison of building energy demand for hotels, hospitals, and offices in Korea
Galvin et al. Quantification of (p) rebound effects in retrofit policies–Why does it matter?
Ballarini et al. Application of energy rating methods to the existing building stock: Analysis of some residential buildings in Turin
Iamarino et al. High‐resolution (space, time) anthropogenic heat emissions: London 1970–2025
Lam et al. Seasonal variations in residential and commercial sector electricity consumption in Hong Kong
Ghiaus Experimental estimation of building energy performance by robust regression
Panão et al. Modelling aggregate hourly electricity consumption based on bottom-up building stock
Lam et al. Principal component analysis of electricity use in office buildings
Lee et al. Probabilistic risk assessment of the energy saving shortfall in energy performance contracting projects–A case study
Yang et al. A combined GIS-archetype approach to model residential space heating energy: A case study for the Netherlands including validation
KR101855248B1 (ko) 트런케티드 선형회귀모델을 이용한 에너지절감 성과평가방법
Kipping et al. Modeling and disaggregating hourly electricity consumption in Norwegian dwellings based on smart meter data
Friedrich et al. Mid-term forecasting of urban electricity load to isolate air-conditioning impact
Jimenez-Bescos et al. Implementing user behaviour on dynamic building simulations for energy consumption
Alcázar-Ortega et al. Methodology for validating technical tools to assess customer Demand Response: Application to a commercial customer
Afshari et al. Inverse modeling of the urban energy system using hourly electricity demand and weather measurements, Part 1: Black-box model
Flores-Larsen et al. New metrics for thermal resilience of passive buildings during heat events
Lam et al. An analysis of climatic influences on chiller plant electricity consumption
Koene et al. Simplified building model of districts
Heimar Andersen et al. Further development and validation of the" PROFet" energy demand load profiles estimator
US11221639B2 (en) Method and system for rating building energy performance
Zhang et al. Ground heat exchanger design subject to uncertainties arising from thermal response test parameter estimation
Rohdin et al. On the use of change-point models to describe the energy performance of historic buildings
Bagge Energy use in multi-family dwellings: measurements and methods of analysis
CN106557867B (zh) 适用中长时间尺度电网分析的光伏发电概率模型建模方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant