KR20210011745A - 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 - Google Patents

제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 Download PDF

Info

Publication number
KR20210011745A
KR20210011745A KR1020190089011A KR20190089011A KR20210011745A KR 20210011745 A KR20210011745 A KR 20210011745A KR 1020190089011 A KR1020190089011 A KR 1020190089011A KR 20190089011 A KR20190089011 A KR 20190089011A KR 20210011745 A KR20210011745 A KR 20210011745A
Authority
KR
South Korea
Prior art keywords
energy
supply
factor
town
energy demand
Prior art date
Application number
KR1020190089011A
Other languages
English (en)
Inventor
정대수
안주현
이우영
Original Assignee
(주) 씨이랩
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) 씨이랩 filed Critical (주) 씨이랩
Priority to KR1020190089011A priority Critical patent/KR20210011745A/ko
Publication of KR20210011745A publication Critical patent/KR20210011745A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법에 관한 것으로서, 여러 개의 건물과 설비로 구성된 타운이 소비하는 에너지와 타운 내 신재생 에너지 발전량이 동일하거나 이들의 합이 0에 근접하는 제로에너지 타운 구축을 위하여 빅데이터 기반의 딥러닝을 이용해 에너지 수요 및 공급 예측을 수행하는 시스템 및 방법에 관한 것이다.

Description

제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법{BIG DATA BASED ENERGY DEMAND AND SUPPLY FORECASTING SYSTEM AND METHOD FOR ZERO-ENERGY TOWN BUILDING}
본 발명은 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법에 관한 것으로서, 여러 개의 건물과 설비로 구성된 타운이 소비하는 에너지와 타운 내 신재생 에너지 발전량이 동일하거나 이들의 합이 0에 근접하는 제로에너지 타운을 구축하기 위하여, 빅데이터 기반의 딥러닝을 이용해 에너지 공급 및 소비 패턴 분석 및 에너지 소비 진단을 수반하는 에너지 수요 및 공급 예측을 수행하는 시스템 및 방법에 관한 것이다.
일반적으로 제로 에너지 빌딩(Zero Energy Building, ZEB)이란 빌딩 운영을 위하여 소비하는 에너지와 빌딩 내 구비되는 신재생 에너지 설비에 의한 발전량의 합산이 0(Zero)이 되는 빌딩을 의미한다. 즉, 에너지를 자급자족할 수 있는 빌딩을 의미하지만 기술적, 경제적 한계가 존재하므로 에너지 소비량과 발전량의 합산이 0에 근접하는 것을 제로 에너지 빌딩으로 규정하고 있다.
상기한 바와 같은 제로 에너지 빌딩을 구축하기 위한 방법에는 크게 '패시브(Passive) 기술'과 '액티브(Active) 기술' 두 가지를 들 수 있으며, 패시브 기술이란 단열재, 이중창 등을 적용하여 건물 외피를 통하여 외부로 유출되는 에너지 양을 최소화하는 것이며, 액티브 기술은 지열, 태양광 같은 신재생 에너지를 활용하여 전력 공급, 냉난방, 취사 등 모든 에너지 소비를 자체적으로 해결하는 것을 의미한다.
이는 에너지 절감은 물론 온실가스 감축에도 기여하는 바가 크기에 현재 전 세계적으로 제로 에너지 빌딩에 대한 관심이 크게 높아져 증가 추세를 보일 뿐 아니라 국가 차원의 금융 지원 및 기술 개발, 시장 선점을 위한 다양한 정책과 지원을 확대시키고 있다.
이러한 제로에너지 빌딩 또는 제로에너지 빌딩들로 구성되는 제로에너지 타운을 구축하기 위해서는 에너지의 수요량 및 공급량을 정확히 예측하는 것이 중요하며, 에너지 흐름에 대한 정확한 예측을 위해서는 다양하게 존재하는 요인에 대한 분석, 진단 및 관리가 수반되어야 한다.
위와 관련하여, 관련문헌 한국공개특허 제10-2019-0043976호는 에너지 수요 예측 방법 및 그 시스템에 대해서 기재되어 있으며, 상기 시스템은 환경정보와 기상예보정보를 수집하고 수집한 정보에 기초하여 오차를 산출하는 오차 산출부; 에너지 정보를 수집하고, 수집한 에너지 정보와 상기 오차 산출부로부터 획득한 오차에 기초하여 비선형 에너지 예측 모델을 생성하는 에너지 예측 모델 생성부; 및 상기 비선형 에너지 예측 모델을 통해 에너지 수요 정보를 예측하는 에너지 정보 예측부;의 구성을 통해서 전력 에너지에 대한 수요를 예측하는 부분을 언급하고 있다.
그러나, 온도 및 습도 등을 포함하는 환경 데이터를 토대로 전력 수요를 예측하는 구성으로, 제로에너지 빌딩 또는 타운에서 실질적으로 에너지가 공급되거나 소비되는 형태와 요인에 대해서 면밀히 분석하거나 더 나아가 해결 방안을 제시하지는 못한다는 문제점이 있다.
또한, 각각의 건물을 제로 에너지화하는 경우 높은 건축 비용이 소요되며, 기축된 건물을 제로 에너지화하는 경우 건물 구조나 건물이 위치한 지역 등 다양한 요인에 따라 제한이 따르는 문제점이 있다.
이에 따라서, 개별 건물이 아닌 행정 구역이나 면적 등에 의하여 분류된 복수의 건물과 에너지 설비로 구성되는 타운을 제로 에너지화하는 경우 상기한 바와 같은 제한이 비교적 덜 하므로 국내외에서 활발하게 제로에너지 타운을 이미 구축하여 시범 단지로 운영하거나 개발 중에 있으며, 이러한 제로에너지 타운에 적용할 수 있는 에너지 관련 예측 및 진단 시스템의 중요성이 대두되고 있다.
한국공개특허 제10-2019-0043976호
본 발명은 상술한 문제점을 해결하기 위해 고안된 것으로서, 하나 이상의 건물 및 에너지 설비를 포함하는 타운에 대한 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈; 수집된 상기 에너지 소비 및 생산 요인 데이터를 각 요인 별로 분류하여 관리하는 빅데이터 플랫폼; 상기 각 요인 별로 분류된 데이터를 토대로 각 요인 별 변화량을 예측하는 요인 분석 모듈; 및 예측된 상기 각 요인 별 변화량을 토대로 상기 타운 전체 또는 상기 타운에 포함되는 건물 및 에너지 설비 각각의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈;의 구성을 통해서 하나 이상의 건물과 에너지 설비를 포함하는 타운 내에서 소비되는 에너지와 생산되는 에너지가 동일하거나 이들의 합이 0에 근접하는 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법을 제공하고자 한다.
또한, 본 발명은 빅데이터 기반의 딥러닝 분석을 사용함으로써, 제로에너지 타운의 에너지 흐름을 다양한 요인 별로 분류하고 분석할 수 있으며, 또한 보다 세부적이고 정확한 에너지 수요 및 공급량을 예측하고, 에너지 소비 형태를 진단 및 관리할 수 있는 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법을 제공하고자 한다.
본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템은 하나 이상의 건물 및 에너지 설비를 포함하는 타운에 대한 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈; 수집된 상기 에너지 소비 및 생산 요인 데이터를 각 요인 별로 분류 및 관리하는 빅데이터 플랫폼; 상기 각 요인 별로 분류된 데이터를 토대로 각 요인 별 변화량을 예측하는 요인 분석 모듈; 및 예측된 상기 각 요인 별 변화량을 토대로 상기 타운 전체 또는 상기 타운에 포함되는 건물 및 에너지 설비 각각의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈;을 포함할 수 있다.
일 실시예에서, 상기 요인 분석 모듈은 분류된 에너지 소비 요인 데이터를 토대로 에너지 소비 요인을 분석할 수 있다.
일 실시예에서, 상기 요인 분석 모듈은 분류된 에너지 소비 및 생산 요인 데이터를 토대로 에너지 공급 및 소비 패턴을 분석할 수 있다.
일 실시예에서, 상기 예측된 에너지 수요 및 공급량을 실측된 에너지 수요 및 공급량과 비교하여 에너지 소비 상태를 진단하고, 예측된 에너지 수요 및 공급량과 실측된 에너지 수요 및 공급량의 오차가 임계값 이상이 되거나 에너지 수요량이 급증하는 경우에 대해서 에너지 관리 서비스를 지원하는 진단 관리 모듈;을 더 포함할 수 있다.
일 실시예에서, 상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 하나 이상 도출하는 에너지 서비스 지원 모듈; 및 상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 모듈;을 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법은 하나 이상의 건물 및 에너지 설비를 포함하는 타운에 대한 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 단계; 수집된 상기 에너지 소비 및 생산 요인 데이터를 각 요인 별로 분류 및 관리하는 빅데이터 플랫폼 구축 단계; 상기 각 요인 별로 분류된 데이터를 토대로 각 요인 별 변화량을 예측하는 요인 분석 단계; 및 예측된 상기 각 요인 별 변화량을 토대로 상기 타운 전체 또는 상기 타운에 포함되는 건물 및 에너지 설비 각각의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 단계;를 포함할 수 있다.
일 실시예에서, 상기 요인 분석 단계는 분류된 에너지 소비 요인 데이터를 토대로 에너지 소비 요인을 분석하는 단계;를 포함할 수 있다.
일 실시예에서, 상기 요인 분석 단계는 분류된 에너지 소비 및 생산 요인 데이터를 토대로 에너지 공급 및 소비 패턴을 분석하는 단계;를 포함할 수 있다.
일 실시예에서, 상기 예측된 에너지 수요 및 공급량을 실측된 에너지 수요 및 공급량과 비교하여 에너지 소비 상태를 진단하고, 예측된 에너지 수요 및 공급량과 실측된 에너지 수요 및 공급량의 오차가 임계값 이상이 되거나 에너지 수요량이 급증하는 경우에 대해서 에너지 관리 서비스를 지원하는 진단 관리 단계;를 더 포함할 수 있다.
일 실시예에서, 상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 하나 이상 도출하는 에너지 서비스 지원 단계; 및 상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 단계;를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법은 하나 이상의 건물과 에너지 설비를 포함하는 타운 내에서 소비되는 에너지와 생산되는 에너지가 동일하거나 이들의 합이 0에 근접하는 제로에너지 타운 구축을 위한 것으로서, 빅데이터 기반의 딥러닝 분석을 기초로 하여 제로에너지 타운의 에너지 흐름을 다양한 요인 별로 분류하고 분석할 수 있다. 또한, 상기 분석 결과를 통해 보다 세부적이고 정확한 에너지 수요 및 공급량을 예측할 수 있으며, 더 나아가 에너지 소비 형태를 진단하고 개선 방안을 도출해냄으로써, 지속적으로 에너지 관리가 가능한 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 빅데이터 플랫폼 개념도이다.
도 3은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 상세 구성도이다.
도 4의 a, b는 각각 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템에 의한 에너지 소비 데이터 테이블 및 에너지 생산 데이터 테이블이다.
도 5a 내지 5e는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템에 의한 에너지 소비 요인 및 패턴 분석 결과와 이를 토대로 하는 에너지 수요 및 공급 예측 결과를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법의 순서도이다.
도 7은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법의 상세 순서도이다.
본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
또한, 명세서에 기재된 "...부"의 용어는 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 구성도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 구성을 설명하면 하기와 같다.
적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈(100);과 수집된 상기 에너지 소비 및 생산 요인 데이터를 각 요인 별로 분류 및 관리하되, 상기 에너지 소비 및 생산 요인 데이터를 저장하는 데이터 저장부(210) 및 이들 데이터를 적어도 하나 이상의 요인 별로 분류하는 데이터 분류부(220)를 포함하는 빅데이터 플랫폼(200);과 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 요인별 변화량을 예측하는 요인 분석 모듈(300); 및 상기 요인 분석 모듈(300)에서 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈(400);을 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템이다.
이때, 타운은 지역의 면적, 행정구역, 건물 및 에너지 설비의 개수 등 다양한 기준에 의하여 정의될 수 있다.
그리고, 상기 상기 타운의 에너지 소비 및 생산 요인 데이터는 상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;와 상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;와 상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및 상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함하는 것을 특징으로 한다.
또한, 상기 데이터 수집 모듈(100);은 센서, BAS(Building Automation System), BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 어느 하나 이상으로 구성되며, 각각 15분 주기로 데이터를 수집하는 것을 특징으로 한다.
보다 상세하게는 상기 사용자 요인 데이터는 진단 대상인 타운을 구성하는 건물과 에너지 설비 및 실외에 각종 센서를 설치하고 이를 통해 감지되는 데이터를 수집할 수 있다. 사물 인터넷을 적용하여 각종 센서에서 감지되는 데이터를 유무선으로 직접 빅데이터 플랫폼(200)으로 전송하여 저장되도록 설정할 수 있음은 물론이다.
그리고, 상기 공간 및 건물 요인 데이터는 진단 대상인 타운을 구성하는 건물과 에너지 설비와 이를 제외한 공간에 면적, 체적, 공간, 건물 용도 등은 모바일 기기나 PC를 통하여 직접 입력할 수 있다. 이때, 상기 타운을 구성하는 건물의 벽체 정보, 구조 정보 등도 포함될 수 있다.
또한, 상기 지역 및 환경 요인 데이터는 국토지리정보원의 GIS(Geographic Information System), 환경공단의 API(Application Program Interface), 기상청의 API(Application Program Interface) 등과 같은 다양한 서버나 데이터베이스에 인터넷에 의한 연결로 수집될 수 있으며, 이외에도 공지되어 있는 다양한 데이터 수집을 위한 수단이 적용될 수 있음은 물론이다.
그리고, 상기 빅데이터 플랫폼(200)은 대규모 이종 데이터를 수집, 저장, 관리 체계 구축을 위하여 하둡 플랫폼을 위한 공개 비관계형 분산 데이터 베이스인 Apache Hbase, 오픈 소스 클러스터 컴퓨팅 프레임워크인 Apache Spark, 소프트웨어 시스템 간 데이터 흐름을 자동화하는 Apache Nifi, 대량의 자료를 처리할 수 있는 큰 컴퓨터 클러스터에서 동작하는 분산 응용 프로그램을 지원하는 프리웨어 자바 소프트웨어 프레임워크인 Apache Hadoop 등을 통하여 구성할 수 있으며 이외에도 공지되어 있는 다양한 빅데이터 플랫폼을 적용할 수 있음은 물론이다.
또한, 상기 요인 분석 모듈(300)은 각 요인 별로 분류된 데이터를 토대로 각 요인 별 변화량을 예측하고, 에너지 수요 및 공급 분석 모듈(400)은 요인 분석 모듈(300)에서 예측된 각 요인 별 변화량을 토대로 상기 타운 전체 또는 상기 타운에 포함되는 건물 및 에너지 설비 각각의 에너지 수요 및 공급량을 예측할 수 있다. 또한, 에너지 수요 및 공급 분석 모듈(400)은 TensorFlow, keras, Jupyter, CUDA(Compute Unified Device Architecture), cuDNN 등과 같이 딥 러닝(Deep Learning)과 머신 러닝(Machine Learning)에 활용할 수 있는 공지되어 있는 다양한 기술의 적용이 가능하다.
또한, 요인 분석 모듈(300)은 분류된 에너지 소비 요인 데이터를 토대로 에너지 소비 요인을 분석할 수 있으며, 에너지 공급 및 소비 패턴을 분석할 수 있다. 이러한 요인 분석 모듈(300)의 분석 결과를 토대로 에너지 수요 및 공급 분석 모듈(400)은 각 건물 또는 설비에 대한 에너지 수요 및 공급량을 예측할 수 있다.
도 2는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 박데이터 플랫폼 개념도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 작동 개념은 하기와 같다.
각각의 요인별 데이터는 각 요인에 포함되는 항목에 따라 분류되고 분류된 데이터에 의하여 각각의 요인별 데이터 맵이 형성된다. 이후, 상기 요인 분석 모듈(300)에서 기 형성된 데이터 맵에 대응되는 각 요인별 데이터에 따른 각각의 변화량을 예측한다.
그리고, 상기 에너지 수요 및 공급 분석 모듈(400)에서 상기 예측된 변화량을 통하여 진단 대상인 타운 전체 또는 타운을 구성하는 건물 및 에너지 설비 각각에 대한 에너지 수요 및 공급량을 예측한다.
이때, 상기 상기 에너지 수요 및 공급 분석 모듈(400);은 LSTM(Long Short Term Memory) 기반의 CNN(Convolution Neural Network)으로 구현되는 인공신경망에 의하여 에너지 소비 유형 및 생산 유형을 도출하는 것을 특징으로 한다.
또한, 상기 요인 분석 모듈(300); 역시 LSTM(Long Short Term Memory) 기반의 CNN(Convolution Neural Network)으로 구현되는 인공신경망에 의하여 요인별 변화량을 도출할 수 있다. 이후, 컴퓨팅 장치나 모바일 기기를 통하여 상기 예측된 요인별 변화량과 에너지 수요 및 공급량이 출력되도록 구성할 수 있음은 물론이다.
이때, LSTM(Long Short Term Memory)은 RNN(Recurrent Neural Network)의 일종으로 RNN에 비해 오래 전 시간에 발생한 정보들이 현재의 의사결정에 미치는 영향력을 학습하는 것이 가능하며 특히, 시간에 따라 변하는 현상을 나타내는 타임 시리즈(time series)문제들에 대하여 주로 적용되며, 보다 상세하게는 초기 타임 스텝(time step)에서의 관측 값으로부터 현재 값들을 결정하기 위한 스테이트(state)들을 각 타임 스텝 별로 생성되는 히든 벡터들을 통해서 요인별 변화량과 에너지 수요 및 공급량을 예측할 수 있으므로 본 시스템에 적합하다.
도 3은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 상세 구성도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템의 추가 구성을 설명하면 하기와 같다.
상기 에너지 수요 및 공급 분석 모듈(400)에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 모듈(500);을 더 포함할 수 있다.
그리고, 상기 에너지 수요 및 공급 분석 모듈(400)에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 모듈(600);을 더 포함할 수도 있다.
도 4의 a, b는 각각 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템에 의한 예너지 소비 데이터 데이블 및 에너지 생산 데이터 테이블이며, 도 5는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템에 의한 예측 소비 전력량 및 실제 소비 전력량 데이터 그래프로서 이와 같이 각각의 데이터들이 15분 주기로 각각 테이블화 되어 정리된다.
또한, 상기 에너지 수요 및 공급 분석 모듈(400)에서 예측된 에너지 수요 및 공급량을 실측된 에너지 수요 및 공급량과 비교하여 에너지 소비 상태를 진단하고, 예측된 에너지 수요 및 공급량과 실측된 에너지 수요 및 공급량의 오차가 임계값 이상이 되거나 에너지 수요량이 급증하는 경우에 대해서 에너지 관리 서비스를 지원하는 진단 관리 모듈(700)을 더 포함할 수 있다.
그리고, 도 5a 내지 5e는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템에 의한 에너지 소비 요인 및 패턴 분석 결과와 이를 토대로 하는 에너지 수요 및 공급 예측 결과를 나타내는 도면이다.
먼저, 도 5a는 요인 분석 모듈(300)의 분류된 에너지 소비 요인 데이터를 토대로 한 에너지 소비 요인 분석 결과의 일 예를 나타나고 있으며, 일 실시예에서는 타운 또는 각 건물 및 설비에 대한 에너지 소비 측면에서 환경 요인의 영향력을 분석하였다.
도 5b는 요인 분석 모듈(300)의 분류된 에너지 소비 요인 데이터를 토대로 한 에너지 소비 패턴 분석 결과의 일 예를 나타내고 있으며, 일 실시예에서는 제로에너지 타운 내의 각 건물에 설치되는 설비에서 사용되는 3종 에너지(전기, 가스, 열)의 소비 패턴을 분석하였다.
도 5c는 요인 분석 모듈(300)의 에너지 소비 요인 및 에너지 소비 패턴 분석을 토대로 하여 에너지 수요 및 공급 분석 모듈(400)이 각 설비 별로 에너지 수요량을 예측한 결과의 일 예를 나타내는 도면이다.
도 5d는 전체 에너지 수요량과 에너지 수요 예측 결과를 비교한 그래프이며, 도 5e는 예측 에너지 수요량과 실제 에너지 수요량의 상관 관계를 기간(월) 별로 나타낸 그래프이다.
여기에서 도시된 그래프의 가로축은 시간이며 세로축은 사용량으로, 도 5e의 주황색은 상기 에너지 수요 및 공급 분석 모듈(400)을 통하여 예측된 에너지 수요량이 시간에 따라 변화하는 것을 나타낸 것이며, 푸른색은 실제 에너지 수요량이 시간에 따라 변화하는 것을 나타낸 것이다.
이를 통하여 본 발명에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템을 통한 에너지 수용량의 예측값과 실제 수요량의 상관도는 96%의 일치를 보이는 것을 알 수 있다.
도 6은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법의 순서도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법을 설명하면 하기와 같다.
적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 단계(S100);와 상기 에너지 소비 및 생산 요인 데이터를 저장하고 이를 각 요인별로 분류하는 빅데이터 플랫폼 구축 단계(S200);와 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 각각의 요인별 변화량을 예측하는 요인 분석 단계(S300); 및 상기 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 단계(S400);를 포함하는 제로에너지 타운 구축을 위한 에너지 진단 방법이다.
이때, 상기 타운의 에너지 소비 및 생산 요인 데이터는 상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;와 상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;와 상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및 상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함한다.
그리고, 상기 데이터 수집 단계(S100)는 타운 내에 설치된 센서, 기 구축된 BAS(Building Automation System), 기 구축된 BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 적어도 어느 하나 이상의 수단에 의하여 15분 주기로 수집되는 것을 특징으로 한다.
도 7은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법의 상세 순서도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법을 보다 상세하게 설명하면 하기와 같다.
상기 빅데이터 플랫폼 구축 단계(S200);는 에너지 소비 및 생산 요인 데이터를 각각 저장하는 데이터 저장 단계(S210);와 상기 저장된 에너지 소비 및 생산 요인 데이터를 각각 요인별로 분류하고 이를 데이터 간의 관계를 정의하여 에너지 수요 및 공급량을 예측 모델 생성을 위한 데이터 학습 단계(S220); 및 상기 학습을 통하여 예측 모델을 생성하는 예측 모델 생성 단계(S230);를 더 포함할 수 있다.
보다 바람직하게는 상기 빅데이터 플랫폼 구축 단계(S200)를 통하여 구축되는 타운 에너지 관련 빅데이터 플랫폼은 CNN(Convolutional Neural Network) 등과 같이 공지되어 있는 적어도 하나 이상의 콘볼루션 계층(convolution layer)와 통합 계층(pooling layer) 및 완전하게 연결된 계층(fully connected layer)들로 구성된 신경망으로 구성되는 것이 바람직하다.
그리고, 상기 에너지 수요 및 공급 분석 단계(S400)에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 단계(S500)를 더 포함할 수 있다.
또한, 상기 상기 에너지 수요 및 공급 분석 단계(S400)에서 예측된 에너지 수요 및 공급량과 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 단계(S600)을 더 포함할 수도 있다.
전술한 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법은 도면에 제시된 순서도를 참조로 하여 설명되었다. 간단히 설명하기 위하여 상기 방법은 일련의 블록들로 도시되고 설명되었으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 다른 블록들과 본 명세서에서 도시되고 기술된 것과 상이한 순서로 또는 동시에 일어날 수도 있으며, 동일한 또는 유사한 결과를 달성하는 다양한 다른 분기, 흐름 경로, 및 블록의 순서들이 구현될 수 있다. 또한, 본 명세서에서 기술되는 방법의 구현을 위하여 도시된 모든 블록들이 요구되지 않을 수도 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 데이터 수집 모듈
200: 빅데이터 플랫폼
210: 데이터 저장부
220: 데이터 분류부
300: 요인 분석 모듈
400: 에너지 수요 및 공급 분석 모듈
500: 에너지 서비스 지원 모듈
600: 검증 모듈
S100: 데이터 수집 단계
S200: 빅데이터 플랫폼 구축
S300: 요인 분석 단계
S400: 에너지 수요 및 공급 분석 단계
S500: 에너지 서비스 지원 단계
S600: 검증 단계

Claims (10)

  1. 하나 이상의 건물 및 에너지 설비를 포함하는 타운에 대한 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈;
    수집된 상기 에너지 소비 및 생산 요인 데이터를 각 요인 별로 분류 및 관리하는 빅데이터 플랫폼;
    상기 각 요인 별로 분류된 데이터를 토대로 각 요인 별 변화량을 예측하는 요인 분석 모듈; 및
    예측된 상기 각 요인 별 변화량을 토대로 상기 타운 전체 또는 상기 타운에 포함되는 건물 및 에너지 설비 각각의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈;을 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템.
  2. 제1항에 있어서,
    상기 요인 분석 모듈은,
    분류된 에너지 소비 요인 데이터를 토대로 에너지 소비 요인을 분석하는 것을 특징으로 하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템.
  3. 제1항에 있어서,
    상기 요인 분석 모듈은,
    분류된 에너지 소비 및 생산 요인 데이터를 토대로 에너지 공급 및 소비 패턴을 분석하는 것을 특징으로 하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템.
  4. 제1항에 있어서,
    상기 예측된 에너지 수요 및 공급량을 실측된 에너지 수요 및 공급량과 비교하여 에너지 소비 상태를 진단하고, 예측된 에너지 수요 및 공급량과 실측된 에너지 수요 및 공급량의 오차가 임계값 이상이 되거나 에너지 수요량이 급증하는 경우에 대해서 에너지 관리 서비스를 지원하는 진단 관리 모듈;을 더 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템.
  5. 제1항에 있어서,
    상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 하나 이상 도출하는 에너지 서비스 지원 모듈; 및
    상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 모듈;을 더 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템.
  6. 하나 이상의 건물 및 에너지 설비를 포함하는 타운에 대한 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 단계;
    수집된 상기 에너지 소비 및 생산 요인 데이터를 각 요인 별로 분류 및 관리하는 빅데이터 플랫폼 구축 단계;
    상기 각 요인 별로 분류된 데이터를 토대로 각 요인 별 변화량을 예측하는 요인 분석 단계; 및
    예측된 상기 각 요인 별 변화량을 토대로 상기 타운 전체 또는 상기 타운에 포함되는 건물 및 에너지 설비 각각의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 단계;를 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법.
  7. 제6항에 있어서,
    상기 요인 분석 단계는,
    분류된 에너지 소비 요인 데이터를 토대로 에너지 소비 요인을 분석하는 단계;를 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법.
  8. 제6항에 있어서,
    상기 요인 분석 단계는,
    분류된 에너지 소비 및 생산 요인 데이터를 토대로 에너지 공급 및 소비 패턴을 분석하는 단계;를 포함하는 것을 특징으로 하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법.
  9. 제1항에 있어서,
    상기 예측된 에너지 수요 및 공급량을 실측된 에너지 수요 및 공급량과 비교하여 에너지 소비 상태를 진단하고, 예측된 에너지 수요 및 공급량과 실측된 에너지 수요 및 공급량의 오차가 임계값 이상이 되거나 에너지 수요량이 급증하는 경우에 대해서 에너지 관리 서비스를 지원하는 진단 관리 단계;를 더 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법.
  10. 제1항에 있어서,
    상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 하나 이상 도출하는 에너지 서비스 지원 단계; 및
    상기 에너지 수요 및 공급 분석 모듈에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 단계;를 더 포함하는, 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 방법.
KR1020190089011A 2019-07-23 2019-07-23 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 KR20210011745A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190089011A KR20210011745A (ko) 2019-07-23 2019-07-23 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190089011A KR20210011745A (ko) 2019-07-23 2019-07-23 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법

Publications (1)

Publication Number Publication Date
KR20210011745A true KR20210011745A (ko) 2021-02-02

Family

ID=74559778

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190089011A KR20210011745A (ko) 2019-07-23 2019-07-23 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법

Country Status (1)

Country Link
KR (1) KR20210011745A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350667B1 (ko) * 2021-04-08 2022-01-12 주식회사 신의테크 송전 전력 계통 기반의 전력 계통 관제 시스템
CN116226263A (zh) * 2023-01-03 2023-06-06 大唐可再生能源试验研究院有限公司 一种可再生能源可视化智能管控制方法及系统
KR102585859B1 (ko) * 2022-08-10 2023-10-10 유비스 주식회사 빅데이터 분석 기반 빌딩 관리 시스템 및 방법
KR102593813B1 (ko) 2023-04-20 2023-10-24 경희대학교 산학협력단 건물용도별 딥러닝 분위회귀모델기반 건물에너지 비교평가시스템 및 비교평가방법
CN117235173A (zh) * 2023-11-14 2023-12-15 睿至科技集团有限公司 一种基于数字能源的分析方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190043976A (ko) 2017-10-19 2019-04-29 광주과학기술원 에너지 수요 예측 방법 및 그 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190043976A (ko) 2017-10-19 2019-04-29 광주과학기술원 에너지 수요 예측 방법 및 그 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350667B1 (ko) * 2021-04-08 2022-01-12 주식회사 신의테크 송전 전력 계통 기반의 전력 계통 관제 시스템
KR102585859B1 (ko) * 2022-08-10 2023-10-10 유비스 주식회사 빅데이터 분석 기반 빌딩 관리 시스템 및 방법
CN116226263A (zh) * 2023-01-03 2023-06-06 大唐可再生能源试验研究院有限公司 一种可再生能源可视化智能管控制方法及系统
KR102593813B1 (ko) 2023-04-20 2023-10-24 경희대학교 산학협력단 건물용도별 딥러닝 분위회귀모델기반 건물에너지 비교평가시스템 및 비교평가방법
CN117235173A (zh) * 2023-11-14 2023-12-15 睿至科技集团有限公司 一种基于数字能源的分析方法及系统
CN117235173B (zh) * 2023-11-14 2024-02-20 睿至科技集团有限公司 一种基于数字能源的分析方法及系统

Similar Documents

Publication Publication Date Title
Amasyali et al. A review of data-driven building energy consumption prediction studies
Wang et al. Practical issues in implementing machine-learning models for building energy efficiency: Moving beyond obstacles
Ali et al. Review of urban building energy modeling (UBEM) approaches, methods and tools using qualitative and quantitative analysis
Ferrando et al. Urban building energy modeling (UBEM) tools: A state-of-the-art review of bottom-up physics-based approaches
Pallonetto et al. Demand response algorithms for smart-grid ready residential buildings using machine learning models
Wang et al. Data fusion in predicting internal heat gains for office buildings through a deep learning approach
Wang et al. Adaptive learning based data-driven models for predicting hourly building energy use
Ma et al. Modeling of district load forecasting for distributed energy system
KR20210011745A (ko) 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법
Allegrini et al. A review of modelling approaches and tools for the simulation of district-scale energy systems
Quan et al. Urban data and building energy modeling: A GIS-based urban building energy modeling system using the urban-EPC engine
TWI642019B (zh) 發電系統效能估測方法
KR20200057820A (ko) 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법
Zhang et al. Urban micro-climate prediction through long short-term memory network with long-term monitoring for on-site building energy estimation
KR20200055503A (ko) 기축 건물의 에너지 데이터 처리장치 및 방법
Suryono et al. A fuzzy rule-based fog–cloud computing for solar panel disturbance investigation
Sesana et al. Geomapping methodology for the GeoCluster Mapping Tool to assess deployment potential of technologies for energy efficiency in buildings
Park et al. Stacking deep transfer learning for short-term cross building energy prediction with different seasonality and occupant schedule
Alyakoob et al. Estimating cooling loads of Arizona State University buildings using microclimate data and machine learning
Sapnken et al. Modeling energy-efficient building loads using machine-learning algorithms for the design phase
Ahmad et al. Novel deep regression and stump tree-based ensemble models for real-time load demand planning and management
Rafiq et al. Analysis of residential electricity consumption patterns utilizing smart-meter data: Dubai as a case study
KR102067110B1 (ko) 높은 정확도를 가지는 기축 건물의 에너지 데이터 처리장치 및 방법
Bâra et al. Electricity consumption and generation forecasting with artificial neural networks
US11158007B2 (en) Dynamic energy consumption and harvesting with feedback

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application