KR20180130945A - 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 - Google Patents
에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 Download PDFInfo
- Publication number
- KR20180130945A KR20180130945A KR1020170067311A KR20170067311A KR20180130945A KR 20180130945 A KR20180130945 A KR 20180130945A KR 1020170067311 A KR1020170067311 A KR 1020170067311A KR 20170067311 A KR20170067311 A KR 20170067311A KR 20180130945 A KR20180130945 A KR 20180130945A
- Authority
- KR
- South Korea
- Prior art keywords
- energy
- prediction model
- data
- energy consumption
- term
- Prior art date
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims description 22
- 230000007774 longterm Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 206010024264 Lethargy Diseases 0.000 claims 1
- 238000005286 illumination Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
본 발명은 각 가정의 에너지사용량 빅 데이터를 수집 및 적재하여 분석하는 에너지관리시스템을 통해 적재된 빅 데이터를 주기적으로 예측분석하여 그 결과를 제공하는 에너지 사용량 및 전기요금 예측안내 시스템에 관한 것으로, 본 발명에 따르면 에너지사용량 빅 데이터를 주기별 특성에 따라 그에 맞는 최적의 예측 분석기법을 적용함으로써 에너지관리시스템을 사용하는 사용자가 에너지 사용량 및 전기요금을 주기에 맞게 파악하고 그에 따른 절약 방법을 사전에 준비할 수 있다.
Description
본 발명은 에너지 사용량 및 전기요금 예측안내 시스템에 관한 것으로, 더욱 상세하게는 각 가정의 에너지사용량 빅 데이터를 수집 및 적재하여 분석하는 에너지관리시스템을 통해 적재된 빅 데이터를 주기적으로 예측분석하여 그 결과를 제공하는 가정내 에너지 사용량 및 전기요금 예측안내 시스템에 관한 것이다.
최근 기후 변화와 에너지 문제가 글로벌 도전 과제로 등장하면서 여러 분야에서 전력 소비 및 탄소 배출이 핵심이슈로 부상하고 있다.
기존의 에너지 소비 형태는 특별한 제어나 관리 기능 없이 단순히 사용자와 공급자간의 초기 계약에 의해 소비 및 요금부과가 이루어지기 때문에 공급과 수요의 균형을 이루기가 어려우며 특히 사용자의 입장에서는 계획적으로 에너지를 소비하는 것이 불가능하였다. 따라서, 자원이 부족한 우리나라에서 에너지 관리 정책을 수립하는 데 많은 애로 사항이 되고 있는 실정이다.
최근에는 시간대별 차등요금제, 실시간 요금제와 같이 제한된 에너지를 효율적으로 소비할 수 있는 방안들이 제안되어 에너지 수급문제를 해결하기 위한 노력이 행해지고 있다. 그러나, 기존의 에너지 수요 측정 및 에너지 관리를 위해 설치된 전력 계량기, 수도량계, 가스계량기와 이들을 공급하는 공급 업체의 운영관리 서버는 주로 부하관리 및 요금산정을 목적으로 개발된 알고리즘을 사용하고 있다.
국내등록특허 제10-0586931호는 실 사용량을 실시간으로 체크하여 실제 사용되는 에너지 소비량을 근거로 에너지 소비 패턴을 분석하는 에너지 관리 기술이 개시되어 있다. 그러나 기존의 에너지 관리 기술은 계량기를 통해서 각 가정이나 건물 등에서 사용되는 에너지 사용량을 시간, 일, 월별로 표시하는 것으로, 에너지 사용 추이를 수집 및 도열함으로써 단순히 에너지 사용 증감만을 확인하고 있다. 따라서, 종래의 에너지 관리 기술은 사용자가 에너지 사용량을 예측하여 그에 따른 절약 방법을 사전에 준비할 수 없다.
상기와 같은 종래기술의 문제점을 해결하기 위한 목적은 에너지관리시스템의 저장소에 축적된 에너지사용량 빅 데이터를 주기별 특성에 맞는 최적의 예측 분석기법으로 분석하여 사용자에게 향후 단기, 중기, 장기의 사용량 예측 데이터를 하나의 시스템에서 종합적으로 제공하는 에너지 사용량 및 전기요금 예측안내 시스템을 제공하는 데 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템은 가정에서 수집되는 에너지사용량 데이터와 온도, 습도, 조도, 소음, 재실여부의 센싱데이터가 적재되어 있는 에너지사용량 빅 데이터 저장소; 가구별로 예측 기능을 실행하기 위한 명령 실행을 사전에 등록한 스케줄에 맞춰 예측모델 실행부를 호출하는 에너지관리시스템; 이동평균법 알고리즘을 적용하여 모델이 동작하는 시점의 전일부터 7일전까지의 에너지사용량 데이터를 주중, 주말의 특성을 반영해 기준일로부터 7일간의 에너지사용량 예측모델을 학습하는 단기 에너지사용량 예측모델 학습부; K-최근점 이웃(K-Nearest neighbor) 알고리즘을 적용하여 모델이 동작하는 시점의 전일부터 최근 3개월간의 에너지사용 증감률, 각 가구의 구성원 수, 거주 지역 및 평수를 인자로 하여 대상 가구와 가장 유사한 가구의 에너지사용량 증감률 데이터를 추출한 뒤 이 데이터를 기반으로 예측하려는 대상가구의 3개월간 에너지사용량을 예측하는 예측모델을 학습하는 중기 에너지사용량 예측모델 학습부; 시계열 값의 비 주기적 변화를 모델링하는 성장형 알고리즘인 Prophet 알고리즘과 계절성이 반영되고 예측모델의 곡선 적합(curve-fitting)을 가능하게 해주는 Harvey&Peters의 증가(Growth), 계절성(Seasonality), 및 휴일(Holidays) 알고리즘을 혼합하여 적용해 대상가구의 1년간의 에너지사용량을 예측하는 예측모델을 학습하는 장기 에너지사용량 예측모델 학습부; 상기 단기 에너지사용량 예측모델 학습부, 상기 중기 에너지사용량 예측모델 학습부, 및 상기 장기 에너지사용량 예측모델 학습부에서 학습한 알고리즘을 결과 데이터형식으로 추출하고, 한국전력공사의 전기요금 산출 공식에 따라 전기요금을 산출한 뒤 예측 사용량과 예측 전기요금 두 데이터를 데이터베이스에 전달하는 예측 에너지 사용량 및 전기요금 산출부; 및 상기 데이터베이스에 적재된 예측 사용량 및 전기요금을 에너지관리시스템의 웹 포털에 게이지 및 디지털카운터, 그래프의 다양한 행태로 시각화하여 사용자에게 제공하는 시각화부;를 포함하는 것을 특징으로 한다.
상기 예측모델 실행부는 단기, 중기, 장기 에너지사용량 예측모델 학습부를 가구 아이디를 인자로 하여 호출하는 것을 특징으로 한다.
상기 데이터베이스는 상기 예측 에너지 사용량 및 전기요금 산출부에서 전달된 데이터를 스키마에 맞게 적재하는 것을 특징으로 한다.
이상과 같이, 본 발명에 따르면 에너지사용량 빅 데이터를 주기별 특성에 따라 그에 맞는 최적의 예측 분석기법을 적용함으로써, 에너지관리시스템을 사용하는 사용자가 에너지 사용량 및 전기요금을 주기에 맞게 파악하고 그에 따른 절약 방법을 사전에 준비할 수 있다.
도 1은 본 발명의 일 실시예에 따른 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템의 블럭도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
그러면, 본 발명에 따른 에너지사용량 빅데이터의 주기적 특성별 머신러닝 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템의 블럭도이다.
도 1을 참고로 하면, 본 발명에 따른 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템은, 에너지사용량 빅 데이터 저장소(100), 에너지관리시스템(110), 예측모델 실행부(120), 단기 에너지사용량 예측모델 학습부(130), 중기 에너지사용량 예측모델 학습부(140), 장기 에너지사용량 예측모델 학습부(150), 예측 에너지 사용량 및 전기요금 산출부(160), 데이터베이스(170), 및 시각화부(180)를 포함하여 구성된다.
상기 에너지 사용량 빅 데이터 저장소(100)는 가정에서 수집되는 에너지사용량 데이터와 온도, 습도, 조도, 소음, 재실여부 등의 센싱데이터가 적재되어 있는 저장소이다.
상기 에너지관리시스템(110)은 가구별로 예측 기능을 실행하기 위한 명령 실행을 사전에 등록한 스케줄에 맞춰 예측모델 실행부(120)를 호출한다.
상기 예측모델 실행부(120)는 단기, 중기, 장기 에너지사용량 예측모델 학습부를 가구 아이디를 인자로 하여 호출한다.
상기 단기 에너지사용량 예측모델 학습부(130)는 이동평균법 알고리즘을 적용하여 모델이 동작하는 시점의 전일부터 7일전까지의 에너지사용량 데이터를 주중, 주말의 특성을 반영해 기준일로부터 7일간의 에너지사용량 예측모델을 학습한다.
상기 중기 에너지사용량 예측모델 학습부(140)는 K-최근점 이웃(K-Nearest neighbor) 알고리즘을 적용하여 모델이 동작하는 시점의 전일부터 최근 3개월간의 에너지사용 증감률, 각 가구의 구성원 수, 거주 지역 및 평수를 인자로 하여 대상 가구와 가장 유사한 가구의 에너지사용량 증감률 데이터를 추출한 뒤 이 데이터를 기반으로 예측하려는 대상가구의 3개월간 에너지사용량을 예측하는 예측모델을 학습한다.
상기 장기 에너지사용량 예측모델 학습부(150)는 시계열 값의 비 주기적 변화를 모델링 하는 성장형 알고리즘인 Prophet 알고리즘과 계절성이 반영되고 예측모델의 고선 적합(curve-fitting)을 가능하게 해주는 Harvey&Peters 증가(Growth), 계절성(Seasonality), 및 휴일(Holidays) 알고리즘을 혼합하여 적용해 대상가구의 1년간의 에너지사용량을 예측하는 예측모델을 학습한다.
상기 예측 에너지 사용량 및 전기요금 산출부(160)는 단기 에너지사용량 예측모델 학습부(130), 중기 에너지사용량 예측모델 학습부(140), 장기 에너지사용량 예측모델 학습부(150)에서 학습한 알고리즘을 결과 데이터형식으로 추출하고, 한국전력공사의 전기요금 산출 공식에 따라 전기요금을 산출한 뒤 예측 사용량과 예측 전기요금의 두 데이터를 데이터베이스(170) 에 전달한다.
상기 데이터베이스(170)는 예측 에너지 사용량 및 전기요금 산출부(160) 에서 전달된 데이터를 스키마에 맞게 적재한다.
상기 시각화부(180)는 데이터베이스(170)에 적재된 예측 사용량 및 전기요금을 에너지관리시스템의 웹 포털에 게이지 및 디지털카운터, 그래프의 다양한 행태로 시각화하여 사용자에게 제공한다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
100: 에너지 사용량 빅 데이터 저장소
110: 에너지관리 시스템
120: 예측모델 실행부
130: 단기 에너지사용량 예측모델 학습부
140: 중기 에너지사용량 예측모델 학습부
150: 장기 에너지사용량 예측모델 학습부
160: 예측 에너지사용량 및 전기요금 산출부
170: 데이터베이스
180: 시각화부
110: 에너지관리 시스템
120: 예측모델 실행부
130: 단기 에너지사용량 예측모델 학습부
140: 중기 에너지사용량 예측모델 학습부
150: 장기 에너지사용량 예측모델 학습부
160: 예측 에너지사용량 및 전기요금 산출부
170: 데이터베이스
180: 시각화부
Claims (3)
- 가정에서 수집되는 에너지사용량 데이터와 온도, 습도, 조도, 소음, 재실여부의 센싱데이터가 적재되어 있는 에너지사용량 빅 데이터 저장소;
가구별로 예측 기능을 실행하기 위한 명령 실행을 사전에 등록한 스케줄에 맞춰 예측모델 실행부를 호출하는 에너지관리시스템;
이동평균법 알고리즘을 적용하여 모델이 동작하는 시점의 전일부터 7일전까지의 에너지사용량 데이터를 주중, 주말의 특성을 반영해 기준일로부터 7일간의 에너지사용량 예측모델을 학습하는 단기 에너지사용량 예측모델 학습부;
K-최근점 이웃(K-Nearest neighbor) 알고리즘을 적용하여 모델이 동작하는 시점의 전일부터 최근 3개월간의 에너지사용 증감률, 각 가구의 구성원 수, 거주 지역 및 평수를 인자로 하여 대상 가구와 가장 유사한 가구의 에너지사용량 증감률 데이터를 추출한 뒤 이 데이터를 기반으로 예측하려는 대상가구의 3개월간 에너지사용량을 예측하는 예측모델을 학습하는 중기 에너지사용량 예측모델 학습부;
시계열 값의 비 주기적 변화를 모델링하는 성장형 알고리즘인 Prophet 알고리즘과 계절성이 반영되고 예측모델의 곡선 적합(curve-fitting)을 가능하게 해주는 Harvey&Peters의 증가(Growth), 계절성(Seasonality), 및 휴일(Holidays) 알고리즘을 혼합하여 적용해 대상가구의 1년간의 에너지사용량을 예측하는 예측모델을 학습하는 장기 에너지사용량 예측모델 학습부;
상기 단기 에너지사용량 예측모델 학습부, 상기 중기 에너지사용량 예측모델 학습부, 및 상기 장기 에너지사용량 예측모델 학습부에서 학습한 알고리즘을 결과 데이터형식으로 추출하고, 한국전력공사의 전기요금 산출 공식에 따라 전기요금을 산출한 뒤 예측 사용량과 예측 전기요금 두 데이터를 데이터베이스에 전달하는 예측 에너지 사용량 및 전기요금 산출부; 및
상기 데이터베이스에 적재된 예측 사용량 및 전기요금을 에너지관리시스템의 웹 포털에 게이지 및 디지털카운터, 그래프의 다양한 행태로 시각화하여 사용자에게 제공하는 시각화부;를 포함하는 것을 특징으로 하는 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템. - 제1항에 있어서,
상기 예측모델 실행부는 단기, 중기, 장기 에너지사용량 예측모델 학습부를 가구 아이디를 인자로 하여 호출하는 것을 특징으로 하는 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템. - 제1항에 있어서,
상기 데이터베이스는 상기 예측 에너지 사용량 및 전기요금 산출부에서 전달된 데이터를 스키마에 맞게 적재하는 것을 특징으로 하는 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170067311A KR20180130945A (ko) | 2017-05-31 | 2017-05-31 | 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170067311A KR20180130945A (ko) | 2017-05-31 | 2017-05-31 | 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180130945A true KR20180130945A (ko) | 2018-12-10 |
Family
ID=64670603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170067311A KR20180130945A (ko) | 2017-05-31 | 2017-05-31 | 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180130945A (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858776A (zh) * | 2019-01-11 | 2019-06-07 | 平安科技（深圳）有限公司 | 一种基于大数据的智能化交接班管理方法及相关设备 |
| CN110675060A (zh) * | 2019-09-24 | 2020-01-10 | 国网冀北电力有限公司信息通信分公司 | 基于大数据应用的能源供需分析预测平台 |
| KR20200141905A (ko) * | 2019-06-10 | 2020-12-21 | 숭실대학교산학협력단 | 전력 소비량 예측 및 전력 공급 방법 및 장치 |
| WO2021006368A1 (ko) * | 2019-07-05 | 2021-01-14 | 엘지전자 주식회사 | 인공지능 기반의 에너지 사용량 예측 장치 및 예측 방법 |
| KR20210036030A (ko) | 2019-09-25 | 2021-04-02 | 인하대학교 산학협력단 | 효율적 발전을 위한 계획 데이터 장치 및 방법 |
| CN114648178A (zh) * | 2022-05-12 | 2022-06-21 | 武汉格蓝若智能技术有限公司 | 一种基于ddpg算法的电能计量装置运维策略优化方法 |
| KR20220096568A (ko) * | 2020-12-31 | 2022-07-07 | 현대일렉트릭앤에너지시스템(주) | 전력 사용량 예측 장치 및 방법 |
-
2017
- 2017-05-31 KR KR1020170067311A patent/KR20180130945A/ko not_active Application Discontinuation
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858776A (zh) * | 2019-01-11 | 2019-06-07 | 平安科技（深圳）有限公司 | 一种基于大数据的智能化交接班管理方法及相关设备 |
| CN109858776B (zh) * | 2019-01-11 | 2024-05-10 | 平安科技（深圳）有限公司 | 一种基于大数据的智能化交接班管理方法及相关设备 |
| KR20200141905A (ko) * | 2019-06-10 | 2020-12-21 | 숭실대학교산학협력단 | 전력 소비량 예측 및 전력 공급 방법 및 장치 |
| WO2021006368A1 (ko) * | 2019-07-05 | 2021-01-14 | 엘지전자 주식회사 | 인공지능 기반의 에너지 사용량 예측 장치 및 예측 방법 |
| US11397020B2 (en) | 2019-07-05 | 2022-07-26 | Lg Electronics Inc. | Artificial intelligence based apparatus and method for forecasting energy usage |
| CN110675060A (zh) * | 2019-09-24 | 2020-01-10 | 国网冀北电力有限公司信息通信分公司 | 基于大数据应用的能源供需分析预测平台 |
| KR20210036030A (ko) | 2019-09-25 | 2021-04-02 | 인하대학교 산학협력단 | 효율적 발전을 위한 계획 데이터 장치 및 방법 |
| KR20220096568A (ko) * | 2020-12-31 | 2022-07-07 | 현대일렉트릭앤에너지시스템(주) | 전력 사용량 예측 장치 및 방법 |
| CN114648178A (zh) * | 2022-05-12 | 2022-06-21 | 武汉格蓝若智能技术有限公司 | 一种基于ddpg算法的电能计量装置运维策略优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180130945A (ko) | 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템 | |
| Schmidt et al. | Smart buildings as Cyber-Physical Systems: Data-driven predictive control strategies for energy efficiency | |
| Kohlhepp et al. | Large-scale grid integration of residential thermal energy storages as demand-side flexibility resource: A review of international field studies | |
| Meng et al. | A profit maximization approach to demand response management with customers behavior learning in smart grid | |
| Oprea et al. | Flattening the electricity consumption peak and reducing the electricity payment for residential consumers in the context of smart grid by means of shifting optimization algorithm | |
| US10223167B2 (en) | Discrete resource management | |
| Cherchi et al. | Energy and water quality management systems for water utility's operations: A review | |
| JP2020501491A (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
| EP3343128A1 (en) | Profiling of hot water use from electrical thermal storage vessels | |
| JP2014124065A (ja) | 電力需要予測装置、プログラム | |
| JP2015002588A (ja) | 電力消費管理システムおよび方法 | |
| CN102307125A (zh) | 网络化智能家居全景用电信息综合管理方法 | |
| KR20120076662A (ko) | 에너지 자원 관리장치 및 방법 | |
| Jochem et al. | An efficient two-stage algorithm for decentralized scheduling of micro-CHP units | |
| Claessen et al. | Comparative analysis of tertiary control systems for smart grids using the Flex Street model | |
| Sun et al. | Regional difference of household electricity consumption: An empirical study of Jiangsu, China | |
| Putz et al. | The true value of a forecast: Assessing the impact of accuracy on local energy communities | |
| González Alonso et al. | A holistic approach to energy efficiency systems through consumption management and big data analytics | |
| KR20150087986A (ko) | 가우시안 프로세스 모델링기반 에너지 사용량 예측 방법 | |
| Batbaatar et al. | DeepEnergy: Prediction of appliances energy with long-short term memory recurrent neural network | |
| Golovinski et al. | Electricity consumption forecast of clusters of buildings based on recurrent neural networks | |
| Nakabi et al. | Computational intelligence for demand side management and demand response programs in smart grids | |
| Xu et al. | Novel economic models for advancing urban energy management and transition: Simulation of urban energy system in digital twin | |
| Alaraj et al. | Occupancy-based one-year-ahead heating, ventilation, and air-conditioning electricity consumption optimization using machine learning | |
| Brito et al. | Forecasting of Energy Consumption: Artificial Intelligence Methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |