KR102250258B1 - A server sharing contens and providing prediction service based on sky images - Google Patents

A server sharing contens and providing prediction service based on sky images Download PDF

Info

Publication number
KR102250258B1
KR102250258B1 KR1020200133847A KR20200133847A KR102250258B1 KR 102250258 B1 KR102250258 B1 KR 102250258B1 KR 1020200133847 A KR1020200133847 A KR 1020200133847A KR 20200133847 A KR20200133847 A KR 20200133847A KR 102250258 B1 KR102250258 B1 KR 102250258B1
Authority
KR
South Korea
Prior art keywords
content
prediction
data set
insolation
service
Prior art date
Application number
KR1020200133847A
Other languages
Korean (ko)
Inventor
윤현수
한병율
최우현
Original Assignee
(주)엘테크
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)엘테크 filed Critical (주)엘테크
Priority to KR1020200133847A priority Critical patent/KR102250258B1/en
Application granted granted Critical
Publication of KR102250258B1 publication Critical patent/KR102250258B1/en

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
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/27—Server based end-user applications
    • H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a server for providing a content sharing and prediction service based on a whole sky photo. The server of the present invention comprises: a content DB for storing a normalized whole-sky data set and a prediction algorithm; a normalization unit for converting a whole-sky photo received from a specific user terminal into a gray image; a content management unit for storing the normalized whole-sky photo in the content DB when the whole-sky photo received from the specific user terminal is converted into the gray image through the normalization unit; a prediction unit for calculating cloud cover on the basis of the converted gray image to predict the amount of insolation and solar power generation; and a service providing unit for providing at least one of a downloading service of content stored in the content DB or a prediction service by the prediction unit in response to a user request input by the specific user terminal. Accordingly, the accuracy of a prediction service is improved.

Description

전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버{A SERVER SHARING CONTENS AND PROVIDING PREDICTION SERVICE BASED ON SKY IMAGES}All-cheon photo-based content sharing and prediction service provision server {A SERVER SHARING CONTENS AND PROVIDING PREDICTION SERVICE BASED ON SKY IMAGES}

본 발명은 전천사진기반 콘텐츠 공유 및 예측서비스제공 서버에 관한 것이다. 보다 구체적으로, 정규화된 전천사진 데이터 셋 및 예측 알고리즘을 저장하는 콘텐츠 DB, 특정 사용자 단말기로부터 수신된 전천사진을 그레이 이미지로 변환하는 정규화부, 특정 사용자 단말기로부터 수신된 전천사진이 정규화부를 통해 그레이 이미지로 변환되면 정규화된 전천사진으로 상기 콘텐츠 DB에 저장하는 콘텐츠 관리부, 변환된 그레이 이미지를 기반으로 운량을 계산하여 일사량 및 태양광 발전량을 예측하는 예측부 및 특정 사용자 단말기로부터 입력되는 사용자 요청에 따라 콘텐츠 DB에 저장된 콘텐츠의 다운로드 서비스 또는 예측부에 의한 예측 서비스 중 적어도 하나를 제공하는 서비스 제공부를 포함하는 것을 특징으로 하는 전천사진기반 콘텐츠 공유 및 예측 서비스 제공 서버에 관한 것이다. The present invention relates to a server for providing content sharing and prediction service based on all-cheon photos. More specifically, a content DB storing the normalized all-picture data set and prediction algorithm, a normalization unit that converts all-nature photos received from a specific user terminal into gray images, and a gray image received from a specific user terminal through the normalization unit. When converted to, the content management unit stores the normalized all-scene photos in the content DB, the prediction unit that calculates the cloud amount based on the converted gray image to predict the amount of insolation and solar power generation, and the content according to the user's request input from a specific user terminal. It relates to a content sharing and prediction service providing server based on all photos, comprising a service providing unit that provides at least one of a download service of a content stored in a DB or a prediction service by a prediction unit.

일반적으로 태양광 발전은 무공해, 무한정의 태양광을 이용하고, 환경에 미치는 악영향이 거의 없기 때문에 신재생에너지 발전 기술로 각광받고 있으며, 온실가스에 대한 배출규제가 구체화되면서 선진국을 중심으로 태양광을 비롯한 신재생에너지 발전설비의 보급이 늘어나고 있다.In general, solar power generation is in the spotlight as a new and renewable energy generation technology because it uses zero-pollution, unlimited sunlight, and has little adverse effect on the environment. The spread of new and renewable energy power generation facilities is increasing.

그러나 태양광 발전량은 시간적, 공간적 변수로 인해 불확실성이 크며, 위경도 등 지역 특성, 시간에 따른 태양 고도와 대기 상태 등에 따라 변하기 때문에 그 예측이 매우 어렵다.However, the amount of solar power generation is highly uncertain due to temporal and spatial variables, and it is very difficult to predict because it changes according to local characteristics such as latitude and longitude, solar altitude over time, and atmospheric conditions.

이처럼 발전량을 정확하게 예측하지 못하면 발전단지를 효율적으로 운영할 수 없고, 생산된 전력의 분담 등에 대한 계획을 제대로 수립할 수 없어 태양광 발전을 통한 경제적 효과를 거둘 수 없으며 전력 수급의 불균형을 초래하게 된다.If the amount of power generation is not accurately predicted, the power generation complex cannot be efficiently operated, and plans for the distribution of generated power cannot be properly established, resulting in an economical effect through solar power generation, resulting in an imbalance in the supply and demand of electricity. .

이에, 정확한 발전량의 예측을 위해서는 각 변수에 따른 빅데이터가 요구된다. 최근 인공 지능, 머신 러닝, 유전자 분석, 질병 예측, 미래 예측 등의 각종 분야에서 빅데이터(Big Data)가 필수적으로 활용되고 있으며, 일사량 예측 및 태양광 발전량 예측에도 빅데이터가 이용되고 있다. Therefore, in order to accurately predict the amount of power generation, big data according to each variable is required. In recent years, big data is essential in various fields such as artificial intelligence, machine learning, genetic analysis, disease prediction, and future prediction, and big data is also used for insolation prediction and solar power generation prediction.

하지만, 우리나라의 일사량 예측 및 태양광 발전량 예측에 이용되는 데이터들은 대부분 고창 지역에서 수집된 일사량 정보를 기반으로 예측함으로써, 지역 환경요인의 차이 등에 의해 다른 위치에서 이용할 시 오차가 크게 발생하여 정확도가 낮다는 문제가 있다.However, most of the data used in Korea's insolation prediction and solar power generation are predicted based on the insolation information collected in Gochang area, so when used in other locations due to differences in regional environmental factors, errors are large and accuracy is low. Has a problem.

이에, 해당 지역의 환경정보를 기반한 빅데이터의 중요성은 더욱 커지고 있으며 이와 더불어 예측 정확도를 위한 빅데이터 처리 알고리즘의 중요성도 커지고 있다. Accordingly, the importance of big data based on environmental information of a corresponding region is increasing, and the importance of big data processing algorithms for prediction accuracy is also increasing.

하지만, 이러한 빅데이터 및 알고리즘을 연구 개발하는데에는 많은 시간과 비용이 소요되며, 일사량이나 태양광 발전량의 예측서비스만 필요로 하는 경우도 있어 고창지역의 기존 정보들만 활용하고 있는 경우가 대부분이다. However, research and development of such big data and algorithms takes a lot of time and cost, and in some cases, only the prediction service of the amount of insolation or solar power generation is required, so that only the existing information of the Gochang area is used in most cases.

이에, 본 출원인은 전천사진을 기반으로 위치별 일사량이나 태양광 발전량 등의 예측서비스를 선택적으로 제공하되, 사용자간의 콘텐츠 공유를 통해 데이터 셋 및 알고리즘셋을 구축함으로써 예측서비스의 정확도를 향상시키고 사용자목적에 따른 콘텐츠의 공유서비스를 제공하고자 한다.Accordingly, the applicant of the present invention selectively provides prediction services such as solar radiation or solar power generation by location based on all the photos, but improves the accuracy of the prediction service and improves the accuracy of the prediction service by constructing a data set and an algorithm set through content sharing between users. We intend to provide a content sharing service according to the following.

본 발명의 목적은, 사용자 단말기로부터 전천사진을 수집하고, 수집된 전천사진을 기반으로 위치별 일사량이나 태양광 발전량 등의 예측서비스를 선택적으로 제공하되, 사용자간의 콘텐츠 공유를 통해 데이터 셋 및 알고리즘셋을 구축함으로써 예측서비스의 정확도를 향상시키고 사용자목적에 따른 콘텐츠의 공유서비스를 제공할 수 있는, 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버를 제공하는 데 있다.An object of the present invention is to collect all the photos from a user terminal, and selectively provide a prediction service such as solar radiation or solar power generation by location based on the collected photos, but the data set and algorithm set through content sharing between users It is to improve the accuracy of prediction services and provide a content sharing and prediction service providing server based on all photos, which can provide a sharing service of content according to the user's purpose.

상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버는, 정규화된 전천사진 데이터 셋 및 예측 알고리즘을 저장하는 콘텐츠 DB, 특정 사용자 단말기로부터 수신된 전천사진을 그레이 이미지로 변환하는 정규화부, 상기 특정 사용자 단말기로부터 수신된 전천사진이 상기 정규화부를 통해 그레이 이미지로 변환되면 상기 정규화된 전천사진으로 상기 콘텐츠 DB에 저장하는 콘텐츠 관리부, 상기 변환된 그레이 이미지를 기반으로 운량을 계산하여 일사량 및 태양광 발전량을 예측하는 예측부 및 상기 특정 사용자 단말기로부터 입력되는 사용자 요청에 따라 상기 콘텐츠 DB에 저장된 콘텐츠의 다운로드 서비스 또는 상기 예측부에 의한 예측 서비스 중 적어도 하나를 제공하는 서비스 제공부를 포함할 수 있다.The server for providing a content sharing and prediction service based on all-nature photos according to an embodiment of the present invention for achieving the above object includes a content DB storing a normalized all-photo data set and a prediction algorithm, and received from a specific user terminal. A normalization unit for converting all pictures into gray images, a content management unit that stores the normalized pictures in the contents DB when the pictures received from the specific user terminal are converted to gray images through the normalization unit, and the converted gray image At least one of a prediction unit for predicting the amount of insolation and solar power generation by calculating cloud amount based on and a download service of the content stored in the content DB or a prediction service by the prediction unit according to a user request input from the specific user terminal. It may include a service provider to provide.

또한, 상기 수신된 전천사진은 위치정보 및 시간정보를 포함하며, 상기 콘텐츠 관리부는, 상기 변환된 그레이 이미지를 상기 위치정보 및 시간정보를 기반으로 위치별 시계열적으로 분류된 전천사진 데이터 셋에 업데이트할 수 있다.In addition, the received all-scene photo includes location information and time information, and the content management unit updates the converted gray image to a data set of all-nature photos classified in time series by location based on the location information and time information. can do.

또한, 상기 서비스 제공부는, 상기 전천사진을 전송한 특정 사용자 단말기로부터 일사량 예측 서비스가 요청되면, 상기 수신된 전천사진의 위치정보에 매칭되는 해당 전천사진 데이터 셋을 상기 콘텐츠 DB로부터 추출하고, 특정 일사량 예측 알고리즘을 기반으로 해당 위치의 일사량을 예측하여 상기 특정 사용자 단말기로 제공할 수 있다. 이때, 상기 콘텐츠 관리부는, 상기 예측된 해당위치의 일사량을 상기 콘텐츠 DB의 일사량 데이터 셋에 업데이트할 수 있다.In addition, the service provider, when a request for an insolation amount prediction service from a specific user terminal that has transmitted the all-nature photo, extracts a corresponding all-nature photo data set matching the location information of the received all-nature photo from the content DB, and provides a specific amount of insolation. Based on a prediction algorithm, the amount of insolation at a corresponding location may be predicted and provided to the specific user terminal. In this case, the content management unit may update the predicted insolation amount of the corresponding location to the insolation amount data set of the content DB.

또한, 상기 서비스 제공부는, 상기 전천사진을 전송한 특정 사용자 단말기로부터 태양광 발전량 예측 서비스가 요청되면 상기 수신된 전천사진의 위치정보에 매칭되는 해당 전천사진 데이터 셋을 상기 콘텐츠 DB로부터 추출하고, 특정 일사량 예측 알고리즘을 이용하여 예측된 일사량과 상기 특정 사용자 단말기로부터 입력된 태양광 패널수를 이용하여 태양광 발전량을 예측하여 상기 특정 사용자 단말기로 제공할 수 있다. 이때, 상기 콘텐츠 관리부는, 상기 예측된 해당위치의 태양광 발전량을 상기 콘텐츠 DB의 태양광 발전량 데이터 셋에 업데이트할 수 있다.In addition, the service provider, when a solar power generation amount prediction service is requested from a specific user terminal that has transmitted the all-nature photo, extracts a corresponding all-nature photo data set matching the location information of the received all-nature photo from the content DB, and specifies The solar power generation amount may be predicted using the solar radiation amount predicted using the solar radiation amount prediction algorithm and the number of solar panels input from the specific user terminal and provided to the specific user terminal. In this case, the content management unit may update the predicted solar power generation amount of the corresponding location to the solar power generation amount data set of the content DB.

또한, 상기 콘텐츠 DB는, 정규화된 전천사진 데이터 셋, 일사량 데이터 셋, 태양광 발전량 데이터 셋 및 기상 데이터 셋을 분류한 데이터 셋DB와, 일사량 예측알고리즘 및 태양광 발전량 예측 알고리즘을 분류한 알고리즘셋 DB를 포함할 수 있다.In addition, the content DB is a data set DB that classifies a normalized all-photography data set, an insolation data set, a solar power generation data set, and a meteorological data set, and an algorithm set DB that classifies an insolation amount prediction algorithm and a solar power generation amount prediction algorithm. It may include.

또한, 상기 서비스 제공부는, 상기 콘텐츠 DB에 데이터 셋DB의 데이터를 이용횟수 순서로 제공하고, 동일 데이터 셋을 이용한 학습 정확도 순서로 알고리즘셋을 제공할 수 있다.In addition, the service providing unit may provide the data of the data set DB to the content DB in the order of the number of times of use and the algorithm set in the order of learning accuracy using the same data set.

이상에서 설명한 바와 같이, 본 발명의 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버는 사용자간의 콘텐츠 공유를 통해 데이터 셋 및 알고리즘셋을 구축함으로써 예측서비스의 정확도를 향상시키고 사용자목적에 따른 콘텐츠의 공유서비스 및 예측서비스를 제공할 수 있다.As described above, the content sharing and prediction service providing server based on all photos of the present invention improves the accuracy of the prediction service by constructing a data set and an algorithm set through content sharing between users, and a content sharing service according to the user's purpose, and Can provide prediction service.

특히, 사용자 단말기를 통해 촬영된 전천사진을 수집하여 정규화된 데이터를 이용함으로써, 위치별 시계열적 일사량 데이터를 예측할 수 있고, 예측된 일사량데이터를 이용하여 태양광 발전량도 예측하여 제공할 수 있다.In particular, by collecting all the photos taken through the user terminal and using normalized data, time-series insolation data for each location can be predicted, and solar power generation can be predicted and provided using the predicted insolation data.

또한, 전천사진을 제공한 사용자 단말기로 사용자 목적에 따른 콘텐츠 즉, 특정지역의 전천사진, 일사량, 태양광 발전량 등의 데이터 셋 및 예측을 위한 알고리즘 등을 선택적으로 다운로드 및 공유할 수 있는 공유서비스를 제공할 수 있다. 이에, 일사량 및 태양광 발전량 예측을 위한 위치별 시간별 전천사진을 확보할 수 있고 이를 이용한 정확한 예측을 제공할 수 있다.In addition, a sharing service that allows users to selectively download and share content according to the user's purpose, that is, data sets such as all-nature photos, solar radiation, and solar power generation amount, and algorithms for prediction, with a user terminal that provides all-scene photos. Can provide. Accordingly, it is possible to secure all-time photos for each location for predicting the amount of insolation and solar power generation, and an accurate prediction using the same can be provided.

도 1은 본 발명의 일 실시 예에 따른 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버를 포함하는 시스템의 개략적인 구성을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버의 개략적인 구성을 나타내는 구성 블록도이다.
도 3 및 도 4는 도 2의 서비스 제공부의 UI를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 일사량 예측 서비스를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 서비스를 설명하기 위한 도면이다.FIG. 1 is a diagram for explaining a schematic configuration of a system including a server for sharing and predicting content based on all photos according to an embodiment of the present invention.
FIG. 2 is a block diagram showing a schematic configuration of a server for sharing and predicting content based on all-scene photos according to an embodiment of the present invention.
3 and 4 show the UI of the service provider of FIG. 2.
5 is a diagram illustrating an insolation prediction service according to an embodiment of the present invention.
6 is a diagram illustrating a solar power generation amount prediction service according to an embodiment of the present invention.

이하에서는 본 발명에 따른 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버에 관하여 첨부된 도면과 함께 더불어 상세히 설명하기로 한다.Hereinafter, a server for providing a content sharing and prediction service based on all photos according to the present invention will be described in detail together with the accompanying drawings.

도 1은 본 발명의 일 실시 예에 따른 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버를 포함하는 시스템의 개략적인 구성을 설명하기 위한 도면이다. 본 발명은 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버에 관한 것이나, 도 1과 같이 서버를 중심으로 시스템을 구축할 수 있다. 도 1을 참고하여, 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버(이하, 서버라 함)의 동작 및 기능을 설명할 수 있다.FIG. 1 is a diagram for explaining a schematic configuration of a system including a server for sharing and predicting content based on all-scene photos according to an embodiment of the present invention. The present invention relates to a server for providing content sharing and prediction service based on all-scene photos, but as shown in FIG. 1, a system can be built around the server. With reference to FIG. 1, the operation and function of a server (hereinafter referred to as a server) for providing content sharing and prediction service based on all photos can be described.

본 발명의 서버(100) 및 이를 포함하는 시스템은 사용자의 스마트폰(50a~50n)로부터 전천사진을 수집하여 데이터 셋을 구축하며, 전천사진을 업로드한 사용자에게 콘텐츠 공유서비스 및 예측서비스를 사용자목적에 맞게 이용할 수 있게 제공한다.The server 100 of the present invention and a system including the same collects all photos from the user's smartphone (50a to 50n) to build a data set, and provides a content sharing service and prediction service to users who upload all photos. Provided to be used according to

구체적으로, 본 발명의 서버(100)는 수집된 전천사진을 기반으로 일사량 및 태양광 발전을 예측하는 예측서비스를 제공할 수 있다. 또한, 서버(100)는 복수의 사용자 단말기(50a~50n, 60a~60n)들이 전천사진 데이터 셋을 학습할 수 있는 일사량 예측 알고리즘 및 태양광 예측 알고리즘을 콘텐츠DB(160)에 업로드하여 알고리즘을 공유하거나 데이터 셋을 공유할 수 있는 공유서비스를 제공할 수 있다.Specifically, the server 100 of the present invention may provide a prediction service for predicting solar radiation and solar power based on the collected all-day photos. In addition, the server 100 uploads an insolation prediction algorithm and a sunlight prediction algorithm through which a plurality of user terminals 50a to 50n, 60a to 60n can learn an all-photography data set to the content DB 160 to share the algorithm. Or, you can provide a sharing service to share data sets.

도 1을 참고하면, 본 발명의 시스템은 복수의 사용자 단말기(50a~50n, 60a~60n) 및 서버(100)를 포함할 수 있다. 복수의 사용자 단말기(50a~50n, 60a~60n)는 서버(100)의 데이터/알고리즘 공유서비스 및 예측서비스를 제공받을 수 있는 사용자의 단말기로 사용목적에 따라 서버(100)에 콘텐츠(전천사진, 알고리즘)를 업로드하는 업로드 사용자 단말기, 콘텐츠를 다운로드하는 다운로드 사용자 단말기가 될 수 있다. Referring to FIG. 1, the system of the present invention may include a plurality of user terminals 50a to 50n and 60a to 60n and a server 100. The plurality of user terminals 50a to 50n, 60a to 60n are terminals of users that can receive data/algorithm sharing services and prediction services of the server 100, and contents (all pictures, Algorithm) can be an upload user terminal for uploading, and a download user terminal for downloading content.

복수의 사용자 단말기(50a~50n, 60a~60n)는 사용자가 이용하는 스마트폰, PC, 노트북, 탭북 등의 다양한 단말기가 될 수 있으며, 네트워크 연결을 통해 클라우드 서버(100)의 콘텐츠 공유서비스 및 예측서비스를 제공받을 수 있는 단말기가 될 수 있다. The plurality of user terminals 50a-50n, 60a-60n can be various terminals such as smartphones, PCs, notebooks, and tabbooks used by the user, and content sharing services and prediction services of the cloud server 100 through a network connection. It can be a terminal that can be provided with.

이때, 복수의 사용자 단말기(50a~50n, 60a~60n) 중에서, 전천사진을 업로드하는 사용자 단말기는 스마트폰(50a~50n)인 것이 바람직하다. 스마트폰의 경우, 대상물을 촬영시 이미지, 촬영하는 위치정보 및 시간정보를 포함하는 사진이 생성된다. 이에, 본 발명에서는 데이터 셋의 분류시 위치정보 및 시간정보를 활용할 수 있다. At this time, among the plurality of user terminals 50a to 50n and 60a to 60n, it is preferable that the user terminal for uploading all photos is a smartphone 50a to 50n. In the case of a smartphone, a photograph including an image, location information, and time information when photographing an object is generated. Accordingly, in the present invention, location information and time information can be used when classifying a data set.

이에, 도 1의 실시 예에서는 스마트폰(50a~50n)에서만 전천사진을 송부하는 것을 도시하였으나, 복수의 사용자 단말기(50a~50n, 60a~60n)가 위치정보 및 시간정보를 포함하는 전천사진을 서버(100)로 송부한다면 상기와 같이 스마트폰으로 한정되지 않아도 된다.Accordingly, in the embodiment of FIG. 1, it is illustrated that all photos are transmitted only from smartphones 50a to 50n, but a plurality of user terminals 50a to 50n and 60a to 60n provide all photos including location information and time information. If it is sent to the server 100, it does not have to be limited to a smartphone as described above.

도 2는 본 발명의 일 실시 예에 따른 전천사진기반 콘텐츠 공유 및 예측 서비스제공 서버의 개략적인 구성을 나타내는 구성 블록도이다. 도 2를 참고하면, 본 발명의 서버(100)는 콘텐츠 송수신부(110), 정규화부(120), 콘텐츠 관리부(130), 예측부(140), 서비스 제공부(150) 및 콘텐츠 DB(160)를 포함할 수 있다. 여기서, 콘텐츠 DB(160)는 별도의 스토리지 장치가 될 수도 있다.FIG. 2 is a block diagram showing a schematic configuration of a server for sharing and predicting content based on all-scene photos according to an embodiment of the present invention. Referring to FIG. 2, the server 100 of the present invention includes a content transmission/reception unit 110, a normalization unit 120, a content management unit 130, a prediction unit 140, a service providing unit 150, and a content DB 160 ) Can be included. Here, the content DB 160 may be a separate storage device.

또한, 콘텐츠 DB(160)는 데이터 셋 DB(161) 및 알고리즘셋 DB(162)로 구분될 수 있다. 여기서, 데이터 셋 DB(161)는 기상 데이터 셋, 전천사진 데이터 셋, 일사량 데이터 셋 및 태양광 발전량 데이터 셋으로 구성될 수 있고, 알고리즘셋 DB(162)는 일사량 예측 알고리즘 및 태양광 발전량 예측 알고리즘으로 구성될 수 있다. 콘텐츠 DB(160)에 저장되는 데이터 셋은 위치를 기반으로 시계열적으로 데이터들이 저장될 수 있다. 즉, 데이터 셋 DB(151)의 각 데이터 셋은 위치별 시계열적 데이터 셋으로 저장될 수 있다.In addition, the content DB 160 may be divided into a data set DB 161 and an algorithm set DB 162. Here, the data set DB 161 may be composed of a meteorological data set, an all-day photo data set, an insolation data set, and a solar power generation data set, and the algorithm set DB 162 is an insolation prediction algorithm and a solar power generation amount prediction algorithm. Can be configured. The data set stored in the content DB 160 may store data in a time series based on a location. That is, each data set of the data set DB 151 may be stored as a time series data set for each location.

여기서, 기상 데이터 셋은 기상청으로부터 수집되는 기상 데이터 정보가 될 수 있으며, 전천사진 데이터는 사용자 단말기(50a~50n)로부터 수집되는 전천사진을 그레이 스케일 이미지로 정규화한 데이터가 될 수 있다. Here, the meteorological data set may be meteorological data information collected from the Korea Meteorological Agency, and the all-day photo data may be data obtained by normalizing all the heavenly photos collected from the user terminals 50a to 50n into a gray scale image.

또한, 일사량 데이터 셋은 계측기를 이용하여 측정한 실측 일사량 데이터와 전천사진을 기반으로 예측된 예측 일사량 데이터가 될 수 있다. 또한, 태양광 발전량 데이터 셋은 일사량 데이터 셋을 기반으로 예측된 단위 태양패널에 따른 태양광 발전량 데이터가 될 수 있다.In addition, the insolation data set may be measured insolation data measured by using a measuring instrument and predicted insolation data predicted based on all the photos. In addition, the solar power generation data set may be solar power generation amount data according to a unit solar panel predicted based on the solar radiation data set.

일사량 예측 알고리즘 및 태양광 발전량 예측 알고리즘은 사용자 단말기(50a~50n, 60a~60n)로부터 업로드될 수 있으며, 초기 예측서비스 제공을 위한 표준 일사량 예측 알고리즘 및 표준 태양광 발전량 예측 알고리즘이 기저장될 수 있다.Insolation prediction algorithm and solar power generation prediction algorithm may be uploaded from user terminals 50a-50n, 60a-60n, and a standard insolation prediction algorithm and a standard solar power generation prediction algorithm for providing an initial prediction service may be previously stored. .

콘텐츠 송수신부(110)는 사용자 단말기(50a~50n, 60a~60n)로부터 업로드 요청되는 콘텐츠를 수신시, 수신된 콘텐츠가 전천사진이면 정규화부(120)로 전송할 수 있고, 예측 알고리즘이면 콘텐츠 관리부(130)로 전송할 수 있다. 또한, 콘텐츠 송수신부(110)는 전천사진을 송부한 사용자ID에 매칭되는 사용자 단말기(50a~50n, 60a~60n)로부터 콘텐츠 DB(160)에 저장된 콘텐츠의 다운로드가 요청되면 서비스 제공부(150)를 통해 요청된 콘텐츠를 수신하여 해당 사용자 단말기로 전송할 수 있다.When the content transmission/reception unit 110 receives the content requested to be uploaded from the user terminals 50a-50n, 60a-60n, if the received content is all photos, it can be transmitted to the normalization unit 120, and if it is a prediction algorithm, the content management unit ( 130). In addition, the content transmitting and receiving unit 110, when a download of the content stored in the content DB 160 is requested from the user terminals 50a-50n, 60a-60n matching the user ID that sent the all-scene photo, the service providing unit 150 The content requested through may be received and transmitted to a corresponding user terminal.

여기서, 콘텐츠는 콘텐츠 DB(160)에 저장된 위치별 시계열적 데이터 셋(기상데이터 셋, 전천사진 데이터 셋, 일사량 데이터 셋, 태양광 발전량 데이터 셋), 일사량 예측 알고리즘 및 태양광 발전량 예측 알고리즘이 될 수 있다.Here, the content may be a time-series data set for each location stored in the content DB 160 (weather data set, all-photography data set, solar radiation data set, solar power generation data set), solar radiation predicting algorithm, and solar power generation predicting algorithm. have.

사용자 단말기(50a~50n, 60a~60n)로부터 수신된 전천사진들은 해상도, 사이즈 등의 이미지 사양이 서로 상이할 수 있다. 이에, 정규화부(120)는 전천사진 이미지를 그레이 스케일 이미지로 변환하여 정규화된 전천사진 데이터로 변환할 수 있다.All photos received from the user terminals 50a to 50n and 60a to 60n may have different image specifications such as resolution and size. Accordingly, the normalization unit 120 may convert the all heaven picture image into a gray scale image and convert it into normalized all heaven picture data.

콘텐츠 관리부(130)는 정규화부(120)를 통해 정규화된 전천사진(그레이 스케일 이미지)을 콘텐츠 DB(160)의 전천사진 데이터 셋에 저장할 수 있다. 이때, 콘텐츠 관리부(130)는 수신된 전천사진에 포함된 위치정보 및 시간정보를 기반으로 위치별 시계열적으로 분류된 전천사진 데이터 셋에 정규화된 전천사진을 저장하여 업데이트시킬 수 있다.The content management unit 130 may store all the pictures (gray scale images) normalized through the normalization unit 120 in the all pictures data set of the content DB 160. In this case, the content management unit 130 may store and update the normalized all-nature photos in the all-nature photo data set classified in a time series for each location based on location information and time information included in the received all-nature photos.

예측부(140)는 변환된 그레이 스케일 이미지를 기반으로 운량을 계산하여 일사량 및 태양광 발전량을 예측할 수 있다. 이때, 예측부는 표준 일사량 예측 알고리즘 및 표준 태양광 발전량 예측 알고리즘을 이용하여 예측하고, 예측된 일사량 데이터 및 태양광 발전량 데이터를 콘텐츠 DB(160)에 저장할 수 있다. 한편, 예측부(140)에 대한 설명은 서비스 제공부(150)의 예측 서비스 설명시 구체적으로 설명하도록 한다.The predictor 140 may calculate the amount of cloud cover based on the converted gray scale image to predict the amount of insolation and the amount of solar power generation. At this time, the prediction unit may make predictions using a standard insolation prediction algorithm and a standard solar power generation prediction algorithm, and store the predicted insolation data and solar power generation data in the content DB 160. Meanwhile, the description of the prediction unit 140 will be described in detail when the service provider 150 describes the prediction service.

서비스 제공부(150)는 전천사진을 전송한 특정 사용자 단말기로부터 입력되는 사용자 요청에 따라 콘텐츠 DB(160)에 저장된 콘텐츠의 다운로드 서비스 또는 예측부(140)에 의한 예측 서비스 중 적어도 하나를 제공할 수 있다. The service provider 150 may provide at least one of a download service of a content stored in the content DB 160 or a prediction service by the prediction unit 140 according to a user request input from a specific user terminal that has transmitted all photos. have.

서비스 제공부(150)는 콘텐츠 다운로드 서비스를 제공하기 위해 도 3 및 도 4와 같은 UI를 제공할 수 있다. 도 3 및 도 4는 도 2의 서비스 제공부의 UI를 나타낸다.The service provider 150 may provide a UI as shown in FIGS. 3 and 4 to provide a content download service. 3 and 4 show the UI of the service provider of FIG. 2.

서비스 제공부(150)는 사용자 단말기(50a~50n, 60a~60n)에서 콘텐츠를 업로드 또는 다운로드하기 위한 UI를 제공하며, 콘텐츠에 대한 관련정보들을 확인할 수 있는 다양한 정보들을 제공할 수 있다. The service providing unit 150 provides a UI for uploading or downloading content from the user terminals 50a to 50n and 60a to 60n, and may provide various pieces of information for checking related information on the content.

도 3을 참고하면, 서비스 제공부(150)는 검색창(10), 카테고리창(20) 및 카테고리 콘텐츠 정보창(30)을 UI를 통해 제공할 수 있으며, 도 4와 같이 사용자들의 소통을 위한 정보공유창(40)을 더 제공할 수도 있다.Referring to FIG. 3, the service provider 150 may provide a search window 10, a category window 20, and a category content information window 30 through a UI, and information for user communication as shown in FIG. 4 A sharing window 40 may be further provided.

검색창(10)은 사용자가 업로드 또는 다운로드하고자 하는 콘텐츠의 키워드를 검색할 수 있는 창으로, 키워드를 기반으로 서비스 제공부(150)는 관련 카테고리를 추출하고, 추출된 카테고리를 카테고리창(20)에 표시하며, 관련 콘텐츠 정보를 정보창(30)에 제공할 수 있다. The search window 10 is a window in which a user can search for a keyword of the content to be uploaded or downloaded. Based on the keyword, the service provider 150 extracts a related category, and the extracted category is a category window 20. And related content information may be provided to the information window 30.

이때, 카테고리창(20)은 해당 카테고리의 콘텐츠 수를 표시하며, 해당 콘텐츠를 업로드할 수 있는 콘텐츠(데이터 셋, 알고리즘셋) 업로드(21) 버튼 및 해당 콘텐츠(데이서셋, 알고리즘셋) 보기(22) 버튼을 제공하여 사용자 명령을 입력받을 수 있다. At this time, the category window 20 displays the number of contents in the category, and a button for uploading the contents (data set, algorithm set) for uploading the corresponding contents (21) and the contents (data set, algorithm set) view (22). ) Button to receive user commands.

정보창(30)은 해당 카테고리관련 콘텐츠 정보를 제공하되, 데이터 셋에 대한 초기 화면에 해당 카테고리의 이용횟수(기설정기간동안 다운로드된 횟수) 순서로 데이터 셋을 제공하여 사용자의 콘텐츠 다운로드시 참고할 수 있게 한다. 한편, 사용자에 의해 특정 데이터 셋이 검색되면 정보창(30)을 통해 해당 데이터 셋을 표시하고 사용자 선택에 따라 다운로드할 수 있게 한다.The information window 30 provides content information related to a corresponding category, but provides a data set in the order of the number of uses of the category (the number of times downloaded during a preset period) on the initial screen for the data set so that the user can refer to it when downloading the content. do. Meanwhile, when a specific data set is searched by the user, the data set is displayed through the information window 30 and can be downloaded according to the user's selection.

또한, 정보창(30)은 알고리즘에 대한 초기화면으로 해당 카테고리의 알고리즘셋을 정확도 순서로 제공하여 다운로드시 참고할 수 있게 한다. 이때, 알고리즘셋의 정확도는 동일한 데이터 셋을 이용하여 학습을 수행하고, 수행결과에 따라 평가된 정확도가 될 수 있다. 이에, 알고리즘에 대한 신뢰성을 제공할 수 있다.In addition, the information window 30 is an initial screen for an algorithm and provides an algorithm set of a corresponding category in order of accuracy so that it can be referred to when downloading. In this case, the accuracy of the algorithm set may be the accuracy evaluated according to the result of performing learning using the same data set. Thus, it is possible to provide reliability for the algorithm.

정보공유창(40)은 사용자들이 사용목적에 따라 필요한 알고리즘이나 데이터를 요청할 수 있는 소통창으로 콘텐츠의 공유를 활성화시킬 수 있다.The information sharing window 40 is a communication window through which users can request necessary algorithms or data according to the purpose of use, and can activate content sharing.

사용자 단말기(50a~50n, 60a~60n)는 앱 또는 서버(100) 접속을 통해 도 3 및 4와 같은 UI를 제공받고, 이를 통해 콘텐츠를 업로드 또는 다운로드할 수 있다. 한편, 도 3 및 도 4는 설명의 이해를 위한 일 실시예이며, UI 구조 및 UI를 통해 제공되는 정보들은 설계자에 의해 다양한 형태로 변형 실시될 수 있다.The user terminals 50a to 50n and 60a to 60n are provided with a UI as shown in FIGS. 3 and 4 through an app or server 100 access, and may upload or download content through this. Meanwhile, FIGS. 3 and 4 are exemplary embodiments for understanding the description, and the UI structure and information provided through the UI may be modified in various forms by a designer.

다음으로, 서비스 제공부(150)의 일사량 예측 서비스는 도 5를 통해 설명할 수 있다. 도 5는 본 발명의 일 실시 예에 따른 일사량 예측 서비스를 설명하기 위한 도면이다. Next, the insolation prediction service of the service provider 150 may be described with reference to FIG. 5. 5 is a diagram for explaining an insolation prediction service according to an embodiment of the present invention.

본 발명의 예측부(140)는 일사량 예측부 및 태양광 발전량 예측부를 포함할 수 있다. 일사량 예측부는 일사량 예측 모델을 이용하여 일사량을 예측할 수 있다.The predictor 140 of the present invention may include an insolation predictor and a solar power predictor. The insolation predictor may predict insolation by using the insolation predicting model.

여기서, 일사량 예측모델은 표준 일사량 알고리즘(관리자에 의해 초기 알고리즘으로 업로드된 일사량 예측 알고리즘)을 이용하여 생성된 예측모델 또는 사용자에 의해 선택된 알고리즘셋 DB(162)에 저장된 특정 일사량 예측 알고리즘을 이용하여 생성된 예측모델이 될 수 있다.Here, the insolation prediction model is generated using a prediction model generated using a standard insolation algorithm (an insolation prediction algorithm uploaded as an initial algorithm by the administrator) or a specific insolation prediction algorithm stored in the algorithm set DB 162 selected by the user. It can be a predictive model.

표준 일사량 예측모델은 특정위치에서 스마트폰(a)을 이용하여 수집된 전천사진 및 동일 특정위치에서 일사량 계측기(b)를 이용하여 실측된 실측 일사량을 데이터 셋으로 표준 일사량 예측 알고리즘을 기반으로 학습하여 생성된 예측모델이 될 수 있다. The standard insolation prediction model is based on the standard insolation prediction algorithm based on the standard insolation prediction algorithm based on the data set of all the photos collected using the smartphone (a) at a specific location and the measured insolation measured using the insolation meter (b) at the same specific location. It can be a generated predictive model.

도 5를 참고하면, 사용자 단말기(50)로부터 전천사진이 수집되면 그레이 스케일 이미지로 변환하여 일사량 예측모델을 통해 일사량을 예측하고, 예측된 일사량을 일사량 데이터 셋에 업데이트할 수 있다. 또한, 그레이 스케일 이미지의 정규화된 전천사진을 전천사진 데이터 셋에 업데이트할 수 있다. Referring to FIG. 5, when all the photos are collected from the user terminal 50, it is converted into a gray scale image to predict the amount of insolation through an insolation prediction model, and the predicted amount of insolation may be updated in the insolation amount data set. In addition, it is possible to update the normalized all-nature photo of the gray scale image to the all-nature photo data set.

다음으로, 서비스 제공부(150)의 태양광 발전량 예측 서비스는 도 6을 통해 설명할 수 있다. 도 6은 본 발명의 일 실시 예에 따른 태양광 발전량 예측 서비스를 설명하기 위한 도면이다.Next, the solar power generation amount prediction service of the service provider 150 may be described with reference to FIG. 6. 6 is a diagram illustrating a solar power generation amount prediction service according to an embodiment of the present invention.

본 발명의 예측부(140)의 태양광 발전량 예측부는 태양광 발전량 예측 모델을 이용하여 태양광 발전량을 예측할 수 있다. 이때, 태양광 발전량 예측 모델은 복수의 예측모델을 앙상블 학습을 통해 최적의 태양광 발전량을 예측하는 앙상블모델이 될 수 있다.The solar power generation amount predicting unit of the predicting unit 140 of the present invention may predict the amount of solar power generation using the photovoltaic power generation amount prediction model. In this case, the solar power generation amount prediction model may be an ensemble model that predicts an optimal amount of photovoltaic power generation through ensemble learning of a plurality of prediction models.

여기서, 태양광 발전량 예측모델은 복수의 표준 태양광 발전량 알고리즘을 이용하여 생성된 앙상블모델 또는 사용자에 의해 선택된 알고리즘셋 DB(162)에 저장된 복수의 태양광 발전량 예측 알고리즘을 이용하여 생성된 앙상블모델이 될 수 있다.Here, the solar power generation prediction model is an ensemble model generated using a plurality of standard photovoltaic power generation algorithms or an ensemble model generated using a plurality of photovoltaic power generation prediction algorithms stored in the algorithm set DB 162 selected by the user. Can be.

여기서, 표준 태양광 발전량 예측모델은 도 5의 표준 일사량 예측 알고리즘에 의해 예측된 일사량 및 태양광 패널수를 입력으로 다양한 분석 알고리즘 기반의 예측모델을 앙상블 학습하여 생성된 앙상블모델이 될 수 있다. 이때, 다양한 분석 알고리즘은 자기회귀이동평균(ARMA ; Auto Regressive Moving Average), 순환 신경망(RNN ; Recurrent Nueral Network), LSTM(Long Short-Term Memory), 지원 벡터 회귀분석 (SVR ; Support Vector Regression), 결정 트리(decision tree) 등에 기반한 태양광 발전량 예측 모델이 될 수 있다.Here, the standard solar power generation prediction model may be an ensemble model generated by ensemble learning a prediction model based on various analysis algorithms by inputting the insolation amount and the number of solar panels predicted by the standard insolation amount prediction algorithm of FIG. 5. At this time, various analysis algorithms include Auto Regressive Moving Average (ARMA), Recurrent Nueral Network (RNN), Long Short-Term Memory (LSTM) , Support Vector Regression (SVR), and Support Vector Regression (SVR). It can be a model for predicting solar power generation based on a decision tree or the like.

도 6을 참고하면, 도 5에서 예측된 일사량 및 사용자에 의해 입력된 태양광 패널수가 입력값으로 입력되면 앙상블 모델을 통해 태양광 발전량이 예측되고, 예측된 태양광 발전량은 태양광 발전량 데이터 셋에 업데이트될 수 있다. Referring to FIG. 6, when the amount of solar radiation predicted in FIG. 5 and the number of solar panels input by the user are input as input values, the solar power generation amount is predicted through the ensemble model, and the predicted solar power generation amount is calculated in the solar power generation amount data set. Can be updated.

결과적으로, 서비스 제공부(150)는 사용자 목적에 따라 요청된 콘텐츠 공유서비스 및 예측서비스를 해당 사용자 단말기로 제공할 수 있으며, 사용자는 데이터 셋, 예측 알고리즘 또는 예측 서비스 중 적어도 하나를 제공받아 사용목적에 따라 활용할 수 있다.As a result, the service provider 150 may provide the content sharing service and prediction service requested according to the user's purpose to the corresponding user terminal, and the user receives at least one of a data set, a prediction algorithm, or a prediction service for the purpose of use. Can be utilized according to.

본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.Since the embodiments described in the present specification and the configurations shown in the drawings are only the most preferred embodiment of the present invention and do not represent all the technical spirit of the present invention, various equivalents that can replace them at the time of the present application It should be understood that there may be variations and variations.

100 : 전천사진기반 콘텐츠 공유 및 예측 서비스 제공 서버
110 : 콘텐츠 송수신부 120 : 정규화부
130 : 콘텐츠 관리부 140 : 예측부
150 : 서비스 제공부 160 : 콘텐츠 DB
161 : 데이터 셋 DB 162 : 알고리즘셋 DB100: All-cheon photo-based content sharing and prediction service provision server
110: content transmission/reception unit 120: normalization unit
130: content management unit 140: prediction unit
150: service provider 160: content DB
161: Data set DB 162: Algorithm set DB

Claims (5)

정규화된 전천사진 데이터 셋, 일사량 데이터 셋, 태양광 발전량 데이터 셋 및 기상 데이터 셋을 분류하여 구성되는 데이터 셋DB와, 일사량 예측알고리즘 및 태양광 발전량 예측 알고리즘을 분류하여 구성되는 알고리즘셋 DB를 포함하되 위치를 기반으로 시계열적으로 데이터들이 저장되는 콘텐츠 DB;
복수의 특정 사용자 단말기로부터 수신되며 촬영 위치정보 및 시간정보를 포함하는 전천사진을 그레이 이미지로 변환하는 정규화부;
상기 특정 사용자 단말기로부터 수신된 전천사진이 상기 정규화부를 통해 그레이 이미지로 변환되면 상기 정규화된 전천사진으로 상기 콘텐츠 DB에 저장하되, 상기 변환된 그레이 이미지를 상기 위치정보 및 시간정보를 기반으로 위치별 시계열적으로 분류된 전천사진 데이터 셋에 업데이트하는 콘텐츠 관리부;
상기 변환된 그레이 이미지를 기반으로 운량을 계산하여 일사량 및 태양광 발전량을 예측하는 예측부; 및
상기 특정 사용자 단말기로부터 입력되는 사용자 요청에 따라 상기 콘텐츠 DB에 저장된 콘텐츠의 다운로드 서비스 또는 상기 예측부에 의한 예측 서비스 중 적어도 하나를 제공하는 서비스 제공부; 를 포함하는 것을 특징으로 하는 전천사진기반 콘텐츠 공유 및 예측 서비스 제공 서버.
It includes a data set DB composed by classifying the normalized all-photo data set, insolation data set, solar power generation data set, and meteorological data set, and an algorithm set DB composed by classifying an insolation forecasting algorithm and solar power generation forecasting algorithm. A content DB in which data is stored in a time series based on location;
A normalization unit that is received from a plurality of specific user terminals and converts all the photographs including photographing location information and time information into a gray image;
When all the photos received from the specific user terminal are converted to gray images through the normalization unit, the normalized all photos are stored in the content DB, and the converted gray image is stored in the content DB based on the location information and time information. A content management unit for updating the thermally classified data set of all photos;
A prediction unit for predicting an amount of insolation and solar power by calculating a cloud amount based on the converted gray image; And
A service providing unit that provides at least one of a download service of a content stored in the content DB or a prediction service by the prediction unit according to a user request input from the specific user terminal; All-cheon photo-based content sharing and prediction service providing server comprising a.
 삭제delete 제1항에 있어서,
상기 서비스 제공부는,
상기 전천사진을 전송한 특정 사용자 단말기로부터 일사량 예측 서비스가 요청되면, 상기 수신된 전천사진의 위치정보에 매칭되는 해당 전천사진 데이터 셋을 상기 콘텐츠 DB로부터 추출하고, 특정 일사량 예측 알고리즘을 기반으로 해당 위치의 일사량을 예측하여 상기 특정 사용자 단말기로 제공하며,
상기 콘텐츠 관리부는, 상기 예측된 해당위치의 일사량을 상기 콘텐츠 DB의 일사량 데이터 셋에 업데이트하는 것을 특징으로 하는 전천사진기반 콘텐츠 공유 및 예측 서비스 제공 서버.
The method of claim 1,
The service provider,
When an insolation prediction service is requested from a specific user terminal that has transmitted the all-nature photo, the corresponding all-nature photo data set matching the location information of the received all-nature photo is extracted from the content DB, and the location is based on a specific insolation prediction algorithm. Predicts the amount of insolation and provides it to the specific user terminal,
The content management unit updates the predicted insolation amount of the corresponding location to the insolation amount data set of the content DB.
 제1항에 있어서,
상기 서비스 제공부는,
상기 전천사진을 전송한 특정 사용자 단말기로부터 태양광 발전량 예측 서비스가 요청되면 상기 수신된 전천사진의 위치정보에 매칭되는 해당 전천사진 데이터 셋을 상기 콘텐츠 DB로부터 추출하고, 특정 일사량 예측 알고리즘을 이용하여 예측된 일사량과 상기 특정 사용자 단말기로부터 입력된 태양광 패널수를 이용하여 태양광 발전량을 예측하여 상기 특정 사용자 단말기로 제공하며,
상기 콘텐츠 관리부는, 상기 예측된 해당위치의 태양광 발전량을 상기 콘텐츠 DB의 태양광 발전량 데이터 셋에 업데이트하는 것을 특징으로 하는 전천사진기반 콘텐츠 공유 및 예측 서비스 제공 서버.
The method of claim 1,
The service provider,
When a solar power generation amount prediction service is requested from a specific user terminal that has transmitted the all-nature photo, the corresponding all-nature photo data set matching the location information of the received all-nature photo is extracted from the content DB, and is predicted using a specific insolation prediction algorithm. The amount of solar power generated is predicted using the amount of solar irradiation and the number of solar panels input from the specific user terminal and provided to the specific user terminal,
The content management unit updates the predicted solar power generation amount of the corresponding location to the photovoltaic power generation amount data set of the content DB.
 제1항에 있어서,
상기 서비스 제공부는,
상기 콘텐츠 DB에 데이터 셋DB의 데이터를 이용횟수 순서로 제공하고, 동일 데이터 셋을 이용한 학습 정확도 순서로 알고리즘셋을 제공하는 것을 특징으로 하는 전천사진기반 콘텐츠 공유 및 예측 서비스 제공 서버.The method of claim 1,
The service provider,
A server for sharing and predicting content based on all photos, comprising providing the data of the data set DB to the content DB in the order of the number of times of use, and providing the algorithm set in the order of learning accuracy using the same data set.
KR1020200133847A 2020-10-16 2020-10-16 A server sharing contens and providing prediction service based on sky images KR102250258B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200133847A KR102250258B1 (en) 2020-10-16 2020-10-16 A server sharing contens and providing prediction service based on sky images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200133847A KR102250258B1 (en) 2020-10-16 2020-10-16 A server sharing contens and providing prediction service based on sky images

Publications (1)

Publication Number Publication Date
KR102250258B1 true KR102250258B1 (en) 2021-05-10

Family

ID=75917084

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200133847A KR102250258B1 (en) 2020-10-16 2020-10-16 A server sharing contens and providing prediction service based on sky images

Country Status (1)

Country Link
KR (1) KR102250258B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570277A (en) * 2021-08-06 2021-10-29 中国建设银行股份有限公司 Power capacity management method and device

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017200360A (en) * 2016-04-28 2017-11-02 清水建設株式会社 Photovoltaic power generation amount prediction system, photovoltaic power generation amount prediction method, and program
KR20190079981A (en) * 2017-12-28 2019-07-08 한국남동발전 주식회사 Farming type photovoltaic generation forecasting system and method for forecasting power generation amount and profitability using thereof

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017200360A (en) * 2016-04-28 2017-11-02 清水建設株式会社 Photovoltaic power generation amount prediction system, photovoltaic power generation amount prediction method, and program
KR20190079981A (en) * 2017-12-28 2019-07-08 한국남동발전 주식회사 Farming type photovoltaic generation forecasting system and method for forecasting power generation amount and profitability using thereof

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570277A (en) * 2021-08-06 2021-10-29 中国建设银行股份有限公司 Power capacity management method and device

Similar Documents

Publication Publication Date Title
US9069103B2 (en) Localized weather prediction through utilization of cameras
CN111033318A (en) Local weather prediction
Bottaccioli et al. GIS-based software infrastructure to model PV generation in fine-grained spatio-temporal domain
Nwokolo et al. Machine learning and analytical model hybridization to assess the impact of climate change on solar PV energy production
PT109213A (en) METHOD AND SYSTEM FOR THE PREDICTION OF THE OUTPUT POWER OF A GROUP OF PHOTOVOLTAIC ELECTRO-POWER SUPPLY CENTERS AND THE MANAGEMENT OF THE INTEGRATION OF THE REFERENCE OUTPUT POWER IN AN ELECTRICAL NETWORK
KR20210066642A (en) Consulting system through big data based prediction of solar power generation
US11830090B2 (en) Methods and systems for an enhanced energy grid system
CN115347571B (en) Photovoltaic power generation short-term prediction method and device based on transfer learning
KR102250258B1 (en) A server sharing contens and providing prediction service based on sky images
KR20200055503A (en) Energy Data Processing Apparatus And Method For Constructed Building
KR20220094523A (en) Solar power generation forecasting system for participation in the photovoltaic power generation brokerage market
US20230289489A1 (en) Methods for designing, manufacturing, installing, and/or maintenance of roofing accessories and systems of use thereof
CN114418243B (en) Distributed new energy cloud grid prediction method and system
US11158007B2 (en) Dynamic energy consumption and harvesting with feedback
CN116720156A (en) Weather element forecasting method based on graph neural network multi-mode weather data fusion
CN113407596B (en) Meteorological remote sensing data precision inspection analysis system based on cross radiometric calibration
Huertas-Tato et al. Predicting global irradiance combining forecasting models through machine learning
Steckler et al. Analysis and synthesis of load forecasting data for renewable integration studies
US11604305B2 (en) Classifying land use using satellite temperature data
Xia et al. Accurate nowcasting of cloud cover at solar photovoltaic plants using geostationary satellite images
Nummikoski et al. Adaptive rule generation for solar forecasting: Interfacing with a knowledge-base library
Kociok et al. Design and implementation of a micrometeorological weather station for ground-based swarm environments
Du Renewable Forecast
CA3231095A1 (en) Systems and methods for load forecasting for improved forecast results based on tuned weather data
Acosta Cevallos Artificial intelligence for energetic potential analysis in Colombia

Legal Events

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