KR102202643B1 - 에너지 사용량 예측 방법 - Google Patents

에너지 사용량 예측 방법 Download PDF

Info

Publication number
KR102202643B1
KR102202643B1 KR1020190156353A KR20190156353A KR102202643B1 KR 102202643 B1 KR102202643 B1 KR 102202643B1 KR 1020190156353 A KR1020190156353 A KR 1020190156353A KR 20190156353 A KR20190156353 A KR 20190156353A KR 102202643 B1 KR102202643 B1 KR 102202643B1
Authority
KR
South Korea
Prior art keywords
model
equation
usage
average
energy consumption
Prior art date
Application number
KR1020190156353A
Other languages
English (en)
Inventor
지영민
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020190156353A priority Critical patent/KR102202643B1/ko
Application granted granted Critical
Publication of KR102202643B1 publication Critical patent/KR102202643B1/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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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"
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (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

과거의 기온, 습도, 재실, 환경, 에너지 사용량 등의 데이터를 기반으로 각 에너지를 소비하는 대상의 특성에 따른 다차원의 예측 모델을 적용하여 에너지 사용량을 예측하는 방법이 제공된다. 본 발명의 실시예에 따른 에너지 사용량 예측 방법은, 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 단계;를 포함한다. 이에 의해, 정확한 에너지 수요 예측을 통한 수요관리 정책의 기반 데이터로 활용할 수 있다. 더불어, 에너지 수요 관리를 위한 각 가정 및 사무실의 에너지 소비 예측을 통한 수요 관리시 사전에 이를 예측하여 대응할 수 있다.

Description

에너지 사용량 예측 방법{Method for energy usage forecast}
본 발명은 에너지 사용량 예측 방법에 관한 것으로, 더욱 상세하게는 과거의 기온, 습도, 재실, 환경, 에너지 사용량 등의 데이터를 기반으로 각 에너지를 소비하는 대상의 특성에 따른 다차원의 예측 모델을 적용하여 에너지 사용량을 예측하는 방법에 관한 것이다.
각 가정은 생활 패턴이 거주자의 특성에 따른 에너지 소비에 대한 패턴이 다르게 나타나기 때문에 한 가지 예측 알고리즘을 활용하여 불특정 다수의 에너지 소비를 예측하는 경우, 정확도가 낮은 문제를 가지고 있다.
따라서, 불특정 다수의 가정 내 에너지 소비 패턴을 정확하게 에측하기 위한 방안의 모색이 요구된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 다차원 환경 변수를 활용하여, 공동 주택, 거주자 특성이 상이한 곳의 에너지 소비 패턴을 정확하게 예측할 수 있는 에너지 사용량 예측 방법을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 에너지 사용량 예측 방법은, 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 단계;를 포함한다.
그리고 이때, 서로 다른 타입의 모델들은, 온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델을 포함할 수 있다.
또한, 예측 단계에서는, 온도 단일 회귀모델을 적용하여 일별 예측 월간 에너지 사용량인
Figure 112019123314075-pat00001
를 예측하는 경우, 월초부터 현재시점까지의 총 전력사용량이
Figure 112019123314075-pat00002
이고, 현재 일이
Figure 112019123314075-pat00003
이고, 현재 월의 총 일 수가
Figure 112019123314075-pat00004
이며, 예측 평균 에너지 사용량이
Figure 112019123314075-pat00005
인 경우, 하기의 수식 1을 이용하여 예측할 수 있다.
(수식 1)
Figure 112019123314075-pat00006
그리고 예측 평균 에너지 사용량(
Figure 112019123314075-pat00007
)은, 현재 일이
Figure 112019123314075-pat00008
이고, 현재 월의 총 일 수가
Figure 112019123314075-pat00009
이며, 현재 일별 에너지 평균 사용량이
Figure 112019123314075-pat00010
이고, 과거 일별 에너지 평균 사용량이
Figure 112019123314075-pat00011
이고, 과거와 현재의 기온 차에 따른 예측 사용량이
Figure 112019123314075-pat00012
인 경우, 하기의 수식 2를 이용하여 산출할 수 있다.
(수식 2)
Figure 112019123314075-pat00013
또한, 과거와 현재의 기온 차에 따른 예측 사용량(
Figure 112019123314075-pat00014
)은, 월초부터 현재까지의 평균 기온이
Figure 112019123314075-pat00015
이며, 과거 동일 기간의 평균 기온이
Figure 112019123314075-pat00016
이고, 과거 데이터 기반 회귀 분석 기울기가
Figure 112019123314075-pat00017
인 경우, 하기의 수식 3을 이용하여 산출할 수 있다.
(수식 3)
Figure 112019123314075-pat00018
그리고 과거 일별 에너지 평균 사용량(
Figure 112019123314075-pat00019
)는, 작년 같은 달 평균 사용량이
Figure 112019123314075-pat00020
이며, 전 달 사용량 기반 가중치가
Figure 112019123314075-pat00021
인 경우, 하기의 수식 4를 이용하여 산출할 수 있다.
(수식 4)
Figure 112019123314075-pat00022
또한, 전 달 사용량 기반 가중치(
Figure 112019123314075-pat00023
)는, 올해 전 달 평균 사용량이
Figure 112019123314075-pat00024
이고, 작년 전 달 평균 사용량이
Figure 112019123314075-pat00025
인 경우, 하기의 수식 5를 이용하여 산출할 수 있다.
(수식 5)
Figure 112019123314075-pat00026
그리고 결정 단계는, 적용할 모델 결정 시, 적합성 판단기준에 따라 회귀 모형의 기울기가 음수인 모델을 제외하고, 회귀 모형의 독립변수들이 유의미한지를 나타내는 지표인 p-value가 0.05를 초과하는 모델을 제외하며, 회귀 모형의 조정된
Figure 112019123314075-pat00027
가 0.3미만인 모델을 제외할 수 있다.
그리고 결정 단계는, 적용할 모델 결정 시, 적합성 판단기준을 만족하는 모델이 존재하지 않는 경우, 세대별 분석이 아닌 전체 세대의 평균에 대한 회귀분석 결과를 적용할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 에너지 사용량 예측 방법을 수행하는 컴퓨터 프로그램이 수록된 컴퓨터로 읽을 수 있는 기록매체는 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 단계;를 포함하는 방법을 수행하는 컴퓨터 프로그램이 수록된다.
또한, 본 발명의 다른 실시예에 따른, 에너지 사용량 예측 시스템은, 온도 데이터 및 습도 데이터를 수집하는 데이터 수집부; 및 수집된 데이터들을 기반으로 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하고, 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 프로세서;를 포함한다.
그리고 본 발명의 다른 실시예에 따른, 에너지 사용량 예측 방법은, 온도 데이터 및 습도 데이터를 수집하는 단계; 수집된 데이터들을 기반으로 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 단계;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 정확한 에너지 수요 예측을 통한 수요관리 정책의 기반 데이터로 활용할 수 있다.
더불어, 본 발명의 실시예들에 따르면, 에너지 수요 관리를 위한 각 가정 및 사무실의 에너지 소비 예측을 통한 수요 관리시 사전에 이를 예측하여 대응할 수 있다.
도 1은 본 발명의 일 실시예에 따른 에너지 사용량 예측 방법의 설명에 제공된 도면,
도 2는 과거 데이터 기반 사용량 예측 개념의 설명에 제공된 도면,
도 3은 과거 데이터가 예시된 도면,
도 4는, 선형 회귀분석 결과 그래프가 예시된 도면,
도 5 내지 도 6은 기온 회귀모델을 적용한 에너지 사용량 예측 실험의 결과가 예시된 도면,
도 7은 온도, 습도, 온도/습도 회귀모델을 적용한 에너지 사용량 예측 결과가 예시된 도면, 그리고
도 8은 본 발명의 일 실시예에 따른 에너지 사용량 예측 시스템의 설명에 제공된 도면이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 에너지 사용량 예측 방법의 설명에 제공된 도면이며, 도 2는 과거 데이터 기반 사용량 예측 개념의 설명에 제공된 도면이고, 도 3은 과거 데이터가 예시된 도면이다.
본 실시예에 따른 에너지 사용량 예측 방법은, 다차원 환경 변수를 활용하여, 공동 주택, 거주자 특성이 상이한 곳의 에너지 소비 패턴을 정확하게 예측할 수 있다.
이를 위해, 본 에너지 사용량 예측 방법은, 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 예측 단계(S110) 및 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 결정 단계(S120)로 구성될 수 있다.
적용할 모델들의 설명에 앞서, 과거의 에너지 사용량 패턴과 현재 시점의 에너지 사용량 패턴을 기준으로 월말의 총 에너지 사용량을 예측을 설명하면, 에너지 사용량 예측 식은 하기와 같다.
Figure 112019123314075-pat00028
이때, 예측 평균 에너지 사용량은 예측 시점의 날짜를 기준으로 과거 패턴과 현재 패턴 중 어느 쪽에 더 많은 가중치를 줄지를 판단한다.
예측 날짜가 월초에 가까울수록 과거 패턴에 더 큰 가중치를 주고, 월말에 가까울수록 현재 패턴에 더 큰 가중치를 줄 수 있다.
서로 다른 타입의 모델들은, 온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델을 의미한다.
예측 단계에서는, 온도 단일 회귀모델을 적용하여 일별 예측 월간 에너지 사용량인
Figure 112019123314075-pat00029
를 예측하는 경우, 월초부터 현재시점까지의 총 전력사용량이
Figure 112019123314075-pat00030
이고, 현재 일이
Figure 112019123314075-pat00031
이고, 현재 월의 총 일 수가
Figure 112019123314075-pat00032
이며, 예측 평균 에너지 사용량이
Figure 112019123314075-pat00033
인 경우, 하기의 수식 1을 이용하여 예측할 수 있다.
(수식 1)
Figure 112019123314075-pat00034
예측 평균 에너지 사용량(
Figure 112019123314075-pat00035
)은, 현재 일이
Figure 112019123314075-pat00036
이고, 현재 월의 총 일 수가
Figure 112019123314075-pat00037
이며, 현재 일별 에너지 평균 사용량이
Figure 112019123314075-pat00038
이고, 과거 일별 에너지 평균 사용량이
Figure 112019123314075-pat00039
이고, 과거와 현재의 기온 차에 따른 예측 사용량이
Figure 112019123314075-pat00040
인 경우, 하기의 수식 2를 이용하여 산출할 수 있다.
(수식 2)
Figure 112019123314075-pat00041
과거와 현재의 기온 차에 따른 예측 사용량(
Figure 112019123314075-pat00042
)은, 월초부터 현재까지의 평균 기온이
Figure 112019123314075-pat00043
이며, 과거 동일 기간의 평균 기온이
Figure 112019123314075-pat00044
이고, 과거 데이터 기반 회귀 분석 기울기가
Figure 112019123314075-pat00045
인 경우, 하기의 수식 3을 이용하여 산출할 수 있다.
(수식 3)
Figure 112019123314075-pat00046
과거 일별 에너지 평균 사용량(
Figure 112019123314075-pat00047
)는, 작년 같은 달 평균 사용량이
Figure 112019123314075-pat00048
이며, 전 달 사용량 기반 가중치가
Figure 112019123314075-pat00049
인 경우, 하기의 수식 4를 이용하여 산출할 수 있다.
(수식 4)
Figure 112019123314075-pat00050
전 달 사용량 기반 가중치(
Figure 112019123314075-pat00051
)는, 올해 전 달 평균 사용량이
Figure 112019123314075-pat00052
이고, 작년 전 달 평균 사용량이
Figure 112019123314075-pat00053
인 경우, 하기의 수식 5를 이용하여 산출할 수 있다.
(수식 5)
Figure 112019123314075-pat00054
첨언하면, 2017년과 2018년의 기온과 전력사용량의 상관관계를 분석한 결과, 평균 기온별 전력사용량 그래프와 선형 회귀분석 결과 그래프인, 도 3 내지 도 4에 나타난 바와 같이, 2018년 하계 평균 기온이 2017년에 비해 섭씨 2도 가량 높고, 전력사용량도 이에 비례하여 높은 추세를 보이는 경우, 외기 온도에 따른 전력사용량의 변화를 수요 예측 알고리즘에 반영하기 위해서 2017년 150가구에 대해 해당 지역 평균 기온에 따른 전력사용량에 대해 선형 회귀 분석을 수행하여 회귀 분석 결과를 산출하였다.
회귀 분석 결과, 기울기 0.16256, 절편 상수 -2.64613으로 회귀식이 산출되었으며 회귀식이 유의미한지를 판단하는 p-value는 8.83E-12로 통상적인 기준인 0.05보다 작게 나타났기 때문에 온도 단일 회귀 모델을 기존 알고리즘에 적용하여 전력 수요 예측을 수행한 결과, 도 5 내지 도 6에 예시된 바와 같이 예측 정확도가 각각 88.35%, 91.28%로 나타나는 것을 확인할 수 있었다.
더불어, 세대별 2019년 7월의 온도 단일 회귀모델, 습도 단일 회귀모델, 그리고 온/습도 다중 회귀모델을 적용하여 예측한 결과가 예시된 도 7를 참조하면, 전력사용량 예측 정확도를 높이기 위해서 기온 뿐 아니라 세대별로 하계 전력사용량에 큰 영향을 미치는 외부 요인, 즉 온도, 습도, 온/습도 세 가지 형태의 모델에 대해 전력사용량을 예측하고 예측 정확도를 비교해본 결과, 세대별로 전력사용량이 외부 온도에 민감한 세대, 외부 습도에 민감한 세대, 온도와 습도 모두에 민감하게 반응하여 전력 소비가 증가하는 세대가 모두 다르게 나타났다.
따라서, 전력사용량 예측 시 세 가지 회귀모델을 적용하여 전력사용량을 예측하고 그 중 가장 적합하다고 판단되는 모델을 사용하여 전력사용량을 예측하는 것이 정확도를 가장 높일 수 있음을 확인할 수 있다.
즉, 결정 단계에서는, 각각의 모델의 예측 정확도를 비교하여, 가장 적합하다고 판단되는 모델을 결정함으로써, 에너지 사용량 예측하는데 적용할 모델을 결정하는 것이다.
구체적으로 예를 들면, 결정 단계에서는, 적용할 모델 결정 시, 적합성 판단기준에 따라 회귀 모형의 기울기가 음수인 모델을 제외하고, 회귀 모형의 독립변수들이 유의미한지를 나타내는 지표인 p-value가 0.05를 초과하는 모델을 제외하며, 회귀 모형의 조정된
Figure 112019123314075-pat00055
가 0.3미만인 모델을 제외할 수 있다.
이는, 회귀 모형의 기울기가 음수일 경우 온도가 올라갈수록 에너지를 적게 사용한다는 의미이며, 이는 적절하지 않으며 유의미한 모델이 아니기 때문에 제외하는 것이 바람직하다.
더불어, 회귀 모형의 p-value는 회귀 식에서 독립변수들이 유의미한지를 나타내는 지표로서, 수치가 낮을수록 해당 변수가 유의미하다는 것을 나타냄에 따라, 0.05를 초과하는 모델을 제외하는 것이 바람직하다.
그리고 회귀 모형의 조정된
Figure 112019123314075-pat00056
는, 회귀모형의 설명력을 나타내는 지표로서, 수치가 높을수록 회귀분석이 잘 이루어졌다는 것을 의미함에 따라, 0.3미만인 모델을 제외하는 것이 바람직하다.
예를 들면, 위의 세 가지 조건을 토대로 적합하다고 판단된 모델들 중에 조정된
Figure 112019123314075-pat00057
가 가장 높은 모델을 채택할 수 있다.
만약 세 모델이 모두 위 적합성 판단기준을 만족하지 못한다면, 세대별 분석이 아닌 전체 세대의 평균에 대한 회귀분석 결과를 적용하며, 전체 세대 평균에 대한 온도 단일 회귀의 기울기는 0.16256이다.
도 8은 본 발명의 일 실시예에 따른 에너지 사용량 예측 시스템의 설명에 제공된 도면이다.
도 8을 참조하면, 본 실시예에 따른 에너지 사용량 예측 시스템은, 데이터 수집부(110), 프로세서(120) 및 저장부(130)를 포함할 수 있다.
데이터 수집부(110)는, 온도 데이터 및 습도 데이터를 수집하기 위해 마련된다.
데이터 수집부(110)는, 온도 데이터 및 습도 데이터를 수집하는 온도 센서 및 습도 센서를 구비하거나 또는 별도의 온도 센서 및 습도 센서로부터 데이터들을 수신할 수 있는 통신 수단을 구비할 수 있다.
프로세서(120)는, 수집된 데이터들을 기반으로 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하고, 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정할 수 있다.
저장부(130)는, 프로세서(120)가 동작함에 있어 필요한 프로그램 및 데이터를 저장하는 저장매체이다.
구체적으로, 저장부(130)는, 수집된 데이터들과 온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델에 대한 정보들을 저장할 수 있다.
이를 통해, 정확한 에너지 수요 예측을 통한 수요관리 정책의 기반 데이터로 활용할 수 있으며, 에너지 수요 관리를 위한 각 가정 및 사무실의 에너지 소비 예측을 통한 수요 관리시 사전에 이를 예측하여 대응할 수 있다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
110 : 데이터 수집부
120 : 프로세서
130 : 저장부

Claims (12)

  1. 에너지 사용량 예측 시스템이, 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및
    에너지 사용량 예측 시스템이, 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량을 예측하는데 적용할 모델을 결정하는 단계;를 포함하고,
    서로 다른 타입의 모델들은,
    온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델을 포함하며,
    예측 단계에서는,
    온도 단일 회귀모델을 적용하여 일별 예측 월간 에너지 사용량인
    Figure 112020126936159-pat00093
    를 예측하는 경우, 월초부터 현재시점까지의 총 전력사용량이
    Figure 112020126936159-pat00094
    이고, 현재 일이
    Figure 112020126936159-pat00095
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00096
    이며, 예측 평균 에너지 사용량이
    Figure 112020126936159-pat00097
    인 경우, 하기의 수식 1을 이용하여 예측하며,
    (수식 1)
    Figure 112020126936159-pat00098

    예측 평균 에너지 사용량(
    Figure 112020126936159-pat00099
    )은,
    현재 일이
    Figure 112020126936159-pat00100
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00101
    이며, 현재 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00102
    이고, 과거 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00103
    이고, 과거와 현재의 기온 차에 따른 예측 사용량이
    Figure 112020126936159-pat00104
    인 경우, 하기의 수식 2를 이용하여 산출하고,
    (수식 2)
    Figure 112020126936159-pat00105

    과거와 현재의 기온 차에 따른 예측 사용량(
    Figure 112020126936159-pat00106
    )은,
    월초부터 현재까지의 평균 기온이
    Figure 112020126936159-pat00107
    이며, 과거 동일 기간의 평균 기온이
    Figure 112020126936159-pat00108
    이고, 과거 데이터 기반 회귀 분석 기울기가
    Figure 112020126936159-pat00109
    인 경우, 하기의 수식 3을 이용하여 산출하고,
    (수식 3)
    Figure 112020126936159-pat00110

    과거 일별 에너지 평균 사용량(
    Figure 112020126936159-pat00111
    )는,
    작년 같은 달 평균 사용량이
    Figure 112020126936159-pat00112
    이며, 전 달 사용량 기반 가중치가
    Figure 112020126936159-pat00113
    인 경우, 하기의 수식 4를 이용하여 산출하며,
    (수식 4)
    Figure 112020126936159-pat00114

    전 달 사용량 기반 가중치(
    Figure 112020126936159-pat00115
    )는,
    올해 전 달 평균 사용량이
    Figure 112020126936159-pat00116
    이고, 작년 전 달 평균 사용량이
    Figure 112020126936159-pat00117
    인 경우, 하기의 수식 5를 이용하여 산출하고,
    (수식 5)
    Figure 112020126936159-pat00118

    결정 단계는,
    적용할 모델 결정 시, 적합성 판단기준에 따라 회귀 모형의 기울기가 음수인 모델을 제외하고, 회귀 모형의 독립변수들이 유의미한지를 나타내는 지표인 p-value가 0.05를 초과하는 모델을 제외하며, 회귀 모형의 조정된
    Figure 112020126936159-pat00119
    가 0.3미만인 모델을 제외하고,
    결정 단계는,
    적용할 모델 결정 시, 적합성 판단기준을 만족하는 모델이 존재하지 않는 경우, 세대별 분석이 아닌 전체 세대의 평균에 대한 회귀분석 결과를 적용하고,
    결정 단계는,
    적합성 판단기준에 따라, 적합하다고 판단된 모델들 중에 조정된
    Figure 112020126936159-pat00120
    가 가장 높은 모델을 결정하는 것을 특징으로 하는 에너지 사용량 예측 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 에너지 사용량 예측 시스템이, 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및
    에너지 사용량 예측 시스템이, 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 단계;를 포함하고,
    서로 다른 타입의 모델들은,
    온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델을 포함하며,
    예측 단계에서는,
    온도 단일 회귀모델을 적용하여 일별 예측 월간 에너지 사용량인
    Figure 112020126936159-pat00121
    를 예측하는 경우, 월초부터 현재시점까지의 총 전력사용량이
    Figure 112020126936159-pat00122
    이고, 현재 일이
    Figure 112020126936159-pat00123
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00124
    이며, 예측 평균 에너지 사용량이
    Figure 112020126936159-pat00125
    인 경우, 하기의 수식 1을 이용하여 예측하며,
    (수식 1)
    Figure 112020126936159-pat00126

    예측 평균 에너지 사용량(
    Figure 112020126936159-pat00127
    )은,
    현재 일이
    Figure 112020126936159-pat00128
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00129
    이며, 현재 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00130
    이고, 과거 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00131
    이고, 과거와 현재의 기온 차에 따른 예측 사용량이
    Figure 112020126936159-pat00132
    인 경우, 하기의 수식 2를 이용하여 산출하고,
    (수식 2)
    Figure 112020126936159-pat00133

    과거와 현재의 기온 차에 따른 예측 사용량(
    Figure 112020126936159-pat00134
    )은,
    월초부터 현재까지의 평균 기온이
    Figure 112020126936159-pat00135
    이며, 과거 동일 기간의 평균 기온이
    Figure 112020126936159-pat00136
    이고, 과거 데이터 기반 회귀 분석 기울기가
    Figure 112020126936159-pat00137
    인 경우, 하기의 수식 3을 이용하여 산출하고,
    (수식 3)
    Figure 112020126936159-pat00138

    과거 일별 에너지 평균 사용량(
    Figure 112020126936159-pat00139
    )는,
    작년 같은 달 평균 사용량이
    Figure 112020126936159-pat00140
    이며, 전 달 사용량 기반 가중치가
    Figure 112020126936159-pat00141
    인 경우, 하기의 수식 4를 이용하여 산출하며,
    (수식 4)
    Figure 112020126936159-pat00142

    전 달 사용량 기반 가중치(
    Figure 112020126936159-pat00143
    )는,
    올해 전 달 평균 사용량이
    Figure 112020126936159-pat00144
    이고, 작년 전 달 평균 사용량이
    Figure 112020126936159-pat00145
    인 경우, 하기의 수식 5를 이용하여 산출하고,
    (수식 5)
    Figure 112020126936159-pat00146

    결정 단계는,
    적용할 모델 결정 시, 적합성 판단기준에 따라 회귀 모형의 기울기가 음수인 모델을 제외하고, 회귀 모형의 독립변수들이 유의미한지를 나타내는 지표인 p-value가 0.05를 초과하는 모델을 제외하며, 회귀 모형의 조정된
    Figure 112020126936159-pat00147
    가 0.3미만인 모델을 제외하고,
    결정 단계는,
    적용할 모델 결정 시, 적합성 판단기준을 만족하는 모델이 존재하지 않는 경우, 세대별 분석이 아닌 전체 세대의 평균에 대한 회귀분석 결과를 적용하고,
    결정 단계는,
    적합성 판단기준에 따라, 적합하다고 판단된 모델들 중에 조정된
    Figure 112020126936159-pat00148
    가 가장 높은 모델을 결정하는 것을 특징으로 하는 에너지 사용량 예측 방법을 수행하는 컴퓨터 프로그램이 수록된 컴퓨터로 읽을 수 있는 기록매체.
  11. 온도 데이터 및 습도 데이터를 수집하는 데이터 수집부; 및
    수집된 데이터들을 기반으로 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하고, 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 프로세서;를 포함하고,
    서로 다른 타입의 모델들은,
    온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델을 포함하며,
    프로세서는,
    온도 단일 회귀모델을 적용하여 일별 예측 월간 에너지 사용량인
    Figure 112020126936159-pat00149
    를 예측하는 경우, 월초부터 현재시점까지의 총 전력사용량이
    Figure 112020126936159-pat00150
    이고, 현재 일이
    Figure 112020126936159-pat00151
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00152
    이며, 예측 평균 에너지 사용량이
    Figure 112020126936159-pat00153
    인 경우, 하기의 수식 1을 이용하여 예측하며,
    (수식 1)
    Figure 112020126936159-pat00154

    예측 평균 에너지 사용량(
    Figure 112020126936159-pat00155
    )은,
    현재 일이
    Figure 112020126936159-pat00156
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00157
    이며, 현재 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00158
    이고, 과거 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00159
    이고, 과거와 현재의 기온 차에 따른 예측 사용량이
    Figure 112020126936159-pat00160
    인 경우, 하기의 수식 2를 이용하여 산출하고,
    (수식 2)
    Figure 112020126936159-pat00161

    과거와 현재의 기온 차에 따른 예측 사용량(
    Figure 112020126936159-pat00162
    )은,
    월초부터 현재까지의 평균 기온이
    Figure 112020126936159-pat00163
    이며, 과거 동일 기간의 평균 기온이
    Figure 112020126936159-pat00164
    이고, 과거 데이터 기반 회귀 분석 기울기가
    Figure 112020126936159-pat00165
    인 경우, 하기의 수식 3을 이용하여 산출하고,
    (수식 3)
    Figure 112020126936159-pat00166

    과거 일별 에너지 평균 사용량(
    Figure 112020126936159-pat00167
    )는,
    작년 같은 달 평균 사용량이
    Figure 112020126936159-pat00168
    이며, 전 달 사용량 기반 가중치가
    Figure 112020126936159-pat00169
    인 경우, 하기의 수식 4를 이용하여 산출하며,
    (수식 4)
    Figure 112020126936159-pat00170

    전 달 사용량 기반 가중치(
    Figure 112020126936159-pat00171
    )는,
    올해 전 달 평균 사용량이
    Figure 112020126936159-pat00172
    이고, 작년 전 달 평균 사용량이
    Figure 112020126936159-pat00173
    인 경우, 하기의 수식 5를 이용하여 산출하고,
    (수식 5)
    Figure 112020126936159-pat00174

    프로세서는,
    적용할 모델 결정 시, 적합성 판단기준에 따라 회귀 모형의 기울기가 음수인 모델을 제외하고, 회귀 모형의 독립변수들이 유의미한지를 나타내는 지표인 p-value가 0.05를 초과하는 모델을 제외하며, 회귀 모형의 조정된
    Figure 112020126936159-pat00175
    가 0.3미만인 모델을 제외하고,
    프로세서는,
    적용할 모델 결정 시, 적합성 판단기준을 만족하는 모델이 존재하지 않는 경우, 세대별 분석이 아닌 전체 세대의 평균에 대한 회귀분석 결과를 적용하고,
    프로세서는,
    적합성 판단기준에 따라, 적합하다고 판단된 모델들 중에 조정된
    Figure 112020126936159-pat00176
    가 가장 높은 모델을 결정하는 것을 특징으로 하는 에너지 사용량 예측 시스템.
  12. 에너지 사용량 예측 시스템이, 온도 데이터 및 습도 데이터를 수집하는 단계;
    에너지 사용량 예측 시스템이, 수집된 데이터들을 기반으로 서로 다른 타입의 모델들을 적용하여 에너지 사용량을 각각 예측하는 단계; 및
    에너지 사용량 예측 시스템이, 각각의 모델의 예측 정확도를 비교하여, 에너지 사용량 예측하는데 적용할 모델을 결정하는 단계;를 포함하고,
    서로 다른 타입의 모델들은,
    온도 단일 회귀모델, 습도 단일 회귀모델 및 온도/습도 다중 회귀모델을 포함하며,
    예측 단계에서는,
    온도 단일 회귀모델을 적용하여 일별 예측 월간 에너지 사용량인
    Figure 112020126936159-pat00177
    를 예측하는 경우, 월초부터 현재시점까지의 총 전력사용량이
    Figure 112020126936159-pat00178
    이고, 현재 일이
    Figure 112020126936159-pat00179
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00180
    이며, 예측 평균 에너지 사용량이
    Figure 112020126936159-pat00181
    인 경우, 하기의 수식 1을 이용하여 예측하며,
    (수식 1)
    Figure 112020126936159-pat00182

    예측 평균 에너지 사용량(
    Figure 112020126936159-pat00183
    )은,
    현재 일이
    Figure 112020126936159-pat00184
    이고, 현재 월의 총 일 수가
    Figure 112020126936159-pat00185
    이며, 현재 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00186
    이고, 과거 일별 에너지 평균 사용량이
    Figure 112020126936159-pat00187
    이고, 과거와 현재의 기온 차에 따른 예측 사용량이
    Figure 112020126936159-pat00188
    인 경우, 하기의 수식 2를 이용하여 산출하고,
    (수식 2)
    Figure 112020126936159-pat00189

    과거와 현재의 기온 차에 따른 예측 사용량(
    Figure 112020126936159-pat00190
    )은,
    월초부터 현재까지의 평균 기온이
    Figure 112020126936159-pat00191
    이며, 과거 동일 기간의 평균 기온이
    Figure 112020126936159-pat00192
    이고, 과거 데이터 기반 회귀 분석 기울기가
    Figure 112020126936159-pat00193
    인 경우, 하기의 수식 3을 이용하여 산출하고,
    (수식 3)
    Figure 112020126936159-pat00194

    과거 일별 에너지 평균 사용량(
    Figure 112020126936159-pat00195
    )는,
    작년 같은 달 평균 사용량이
    Figure 112020126936159-pat00196
    이며, 전 달 사용량 기반 가중치가
    Figure 112020126936159-pat00197
    인 경우, 하기의 수식 4를 이용하여 산출하며,
    (수식 4)
    Figure 112020126936159-pat00198

    전 달 사용량 기반 가중치(
    Figure 112020126936159-pat00199
    )는,
    올해 전 달 평균 사용량이
    Figure 112020126936159-pat00200
    이고, 작년 전 달 평균 사용량이
    Figure 112020126936159-pat00201
    인 경우, 하기의 수식 5를 이용하여 산출하고,
    (수식 5)
    Figure 112020126936159-pat00202

    결정 단계는,
    적용할 모델 결정 시, 적합성 판단기준에 따라 회귀 모형의 기울기가 음수인 모델을 제외하고, 회귀 모형의 독립변수들이 유의미한지를 나타내는 지표인 p-value가 0.05를 초과하는 모델을 제외하며, 회귀 모형의 조정된
    Figure 112020126936159-pat00203
    가 0.3미만인 모델을 제외하고,
    결정 단계는,
    적용할 모델 결정 시, 적합성 판단기준을 만족하는 모델이 존재하지 않는 경우, 세대별 분석이 아닌 전체 세대의 평균에 대한 회귀분석 결과를 적용하고,
    결정 단계는,
    적합성 판단기준에 따라, 적합하다고 판단된 모델들 중에 조정된
    Figure 112020126936159-pat00204
    가 가장 높은 모델을 결정하는 것을 특징으로 하는 에너지 사용량 예측 방법.
KR1020190156353A 2019-11-29 2019-11-29 에너지 사용량 예측 방법 KR102202643B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190156353A KR102202643B1 (ko) 2019-11-29 2019-11-29 에너지 사용량 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190156353A KR102202643B1 (ko) 2019-11-29 2019-11-29 에너지 사용량 예측 방법

Publications (1)

Publication Number Publication Date
KR102202643B1 true KR102202643B1 (ko) 2021-01-13

Family

ID=74142275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190156353A KR102202643B1 (ko) 2019-11-29 2019-11-29 에너지 사용량 예측 방법

Country Status (1)

Country Link
KR (1) KR102202643B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114879770A (zh) * 2022-04-29 2022-08-09 广东迅扬科技股份有限公司 一种基于线性回归预测的恒温控制方法
KR102455121B1 (ko) * 2021-12-31 2022-10-17 한국전자기술연구원 기온 보정 기반 전월 대비 가스 사용량 제공 방법
KR102493457B1 (ko) 2021-10-13 2023-01-27 한국토지주택공사 도시 단위 에너지 사용량 추정 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170035261A (ko) * 2015-09-22 2017-03-30 주식회사 에코시안 건물 에너지 효율화 평가 방법 및 장치
KR20170106686A (ko) * 2016-03-14 2017-09-22 삼성에스디에스 주식회사 가정의 에너지 사용량 예측 방법 및 장치
KR102028601B1 (ko) * 2019-03-20 2019-10-04 영남이공대학교 산학협력단 시설물의 에너지 사용량 예측 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170035261A (ko) * 2015-09-22 2017-03-30 주식회사 에코시안 건물 에너지 효율화 평가 방법 및 장치
KR20170106686A (ko) * 2016-03-14 2017-09-22 삼성에스디에스 주식회사 가정의 에너지 사용량 예측 방법 및 장치
KR102028601B1 (ko) * 2019-03-20 2019-10-04 영남이공대학교 산학협력단 시설물의 에너지 사용량 예측 방법 및 장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102493457B1 (ko) 2021-10-13 2023-01-27 한국토지주택공사 도시 단위 에너지 사용량 추정 시스템
KR102455121B1 (ko) * 2021-12-31 2022-10-17 한국전자기술연구원 기온 보정 기반 전월 대비 가스 사용량 제공 방법
CN114879770A (zh) * 2022-04-29 2022-08-09 广东迅扬科技股份有限公司 一种基于线性回归预测的恒温控制方法
CN114879770B (zh) * 2022-04-29 2024-02-20 广东迅扬科技股份有限公司 一种基于线性回归预测的恒温控制方法

Similar Documents

Publication Publication Date Title
KR102202643B1 (ko) 에너지 사용량 예측 방법
Braunisch et al. Predicting species distributions based on incomplete survey data: the trade‐off between precision and scale
Liu et al. A hybrid ICT-solution for smart meter data analytics
US7225089B2 (en) System and method for remote identification of energy consumption systems and components
AU2010206063B2 (en) System and method for electric patterns discovery
KR20140043184A (ko) 에너지 소비량 예측 장치 및 방법
KR102358798B1 (ko) 에너지 수요 예측 방법 및 그 시스템
Xu et al. Prediction of thermal energy inside smart homes using IoT and classifier ensemble techniques
WO2013099323A1 (ja) 電力管理システム及び電力管理方法
KR20180028583A (ko) 지능형 전력사용 환경에서 수용가 맞춤형 전력량 스케쥴링 시스템
KR20190051243A (ko) 전력 수요 예측 방법 및 그 시스템
US20210025611A1 (en) Detecting diagnostic events in a thermal system
WO2020250648A1 (ja) 電力管理システム、電力管理方法及び電力管理プログラム
KR101942331B1 (ko) 에너지 관리 시스템 및 그 에너지 관리 방법
Azizi et al. Residential energy flexibility characterization using non-intrusive load monitoring
KR20190109773A (ko) 지역별 특성에 기초한 전력 수요 예측 장치 및 방법
TWI489725B (zh) 建立一用電模型之裝置、方法及其電腦程式產品
KR101867222B1 (ko) 복합 센서의 기기상태 영향도 기반 비접촉 가전기기 식별방법 및 장치
KR101941003B1 (ko) 전력 수요 예측 방법 및 그 시스템
KR20190088395A (ko) 전력 사용량 기반의 매출 예측 시스템 및 그 방법
CN116266247A (zh) 风力发电机组的发电性能评估方法和装置
Bovornkeeratiroj et al. Peaktk: An open source toolkit for peak forecasting in energy systems
KR20190041263A (ko) 단위 가구 피크 전력 수요량 예측 방법 및 시스템
JP2015231328A (ja) 予測装置、予測方法及び予測プログラム
Wu et al. Prediction of occupancy level and energy consumption in office building using blind system identification and neural networks

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant