KR20210034268A - 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치 - Google Patents

전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치 Download PDF

Info

Publication number
KR20210034268A
KR20210034268A KR1020190115978A KR20190115978A KR20210034268A KR 20210034268 A KR20210034268 A KR 20210034268A KR 1020190115978 A KR1020190115978 A KR 1020190115978A KR 20190115978 A KR20190115978 A KR 20190115978A KR 20210034268 A KR20210034268 A KR 20210034268A
Authority
KR
South Korea
Prior art keywords
information
virtual
charging station
charging
load
Prior art date
Application number
KR1020190115978A
Other languages
English (en)
Inventor
박재한
유재현
유재홍
차길환
Original Assignee
주식회사 알고리고
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 주식회사 알고리고 filed Critical 주식회사 알고리고
Priority to KR1020190115978A priority Critical patent/KR20210034268A/ko
Publication of KR20210034268A publication Critical patent/KR20210034268A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G06Q50/30—
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Water Supply & Treatment (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치 및 방법에 관한 것이다. 이를 위하여, 특정 지역의 적어도 일부의 충전소에 대한 위치 정보를 기초로 가상의 신규 충전소에 대한 가상 위치 정보를 생성하고, 적어도 일부의 충전소에 대한 충전건 정보를 추출하여 가상의 신규 충전소에 대한 가상 충전건 정보를 생성하며, 적어도 일부의 충전소의 추출된 충전건 정보에 의해 변화된 충전건 정보인 변화 충전건 정보를 생성하는 신규 충전소 생성 단계;를 포함할 수 있다. 이에 따르면, 분산 효과가 가장 큰 위치에 신규 충전소를 설치할 수 있도록 최적의 위치를 출력할 수 있게 되므로, 전기차 충전소의 충전 부하 문제를 액티브 하게 해결할 수 있는 효과가 발생된다.

Description

전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치{Apparatus for recommending installation position of new charging station using load distribution of electric car charging station by reinforcement learning}
본 발명은 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치 및 방법에 관한 것이다.
최근 노르웨이, 독일, 영국, 네덜란드 등의 유럽 국가와 중국 등지에서 향후 내연기관 차량의 판매를 금지하는 법안을 통과시키면서, 바야흐로 전기차의 시대가 도래했다. 현재 전세계적으로 전기차 보급에서 가장 앞서나가고 있는 국가는 노르웨이다. 노르웨이는 2017년 말 기준 전체 자동차 보유대수에서 전기차가 차지하는 비중이 39.2%에 이르고, 2019년 3월에 등록된 신차 중 전기차 비중이 58%에 달한다. 노르웨이 정부는 오는 2025년까지 모든 자동차의 이산화탄소 배출량을 ‘제로(0)’로 만들겠다고 발표한 바 있다. 사실상 이 시기까지 가솔린, 디젤 등 모든 내연기관차들의 판매를 금지하고 100% 전기차 보급을 달성하겠다는 의미다. 노르웨이는 이를 위해 전기차 구매자들에게 부가가치세와 등록세 등을 면제해 주고 고속도로를 무료로 이용하도록 하는 등 다양한 혜택을 주고 있다.
다른 유럽 국가들도 전기차 완전보급 시간표를 제시하며 자동차 시장을 내연기관차에서 전기차 중심으로 재편하고 있다. 독일과 네덜란드는 모든 신차의 판매를 전기차로 만드는 시점을 2030년으로 제시했다. 영국과 프랑스 정부 역시 늦어도 2040년까지는 완전 전기차 시대를 열겠다고 밝혔다.
매년 미세먼지를 비롯한 대기오염 문제로 골머리를 앓는 중국의 경우 정부도 자동차 업체들에게 전기차 제조 비율 의무화를 요구하는 등 강력한 정책을 펴고 있다. 중국 자동차 업체들은 올해 8%인 전기차 제조 비율을 내년 10%, 2020년에는 12%까지 끌어올려야 한다. 이에 따라 중국의 전기차 보급량은 2020년에는 500만대를 넘어설 것으로 전망된다.
이러한 전기차 시장의 성장에 전기차 인프라인 전기차 충전소에 대한 문제가 야기되고 있다. 전기차 충전소의 구축은 전기차의 충전 특성에 의해 기존 내연기관 차량의 주유소를 구축할 때의 문제점과 다른 문제를 가지고 있다.
전기차 충전소는 기존 화석연료 차량의 주유소와 달리 특정 충전소에 과도한 부하(Load)가 걸리는 경우, 전력계통 상의 문제, 충전 대기시간 증가에 따른 문제, 충전소의 전력 부족 문제 등을 야기할 수 있다.
대한민국 등록특허 10-1920058, 전기차 충전소 전력량 모니터링 시스템 및 방법, 서강대학교산학협력단
하지만, 현재의 기술로는 현실적으로 부하가 높은 특정 충전소에서 충전하는 전기차를 부하가 낮은 다른 충전소로 유도할 만한 기술은 도입하기가 쉽지 않은 실정이다. 이에 따라, 현재 기술로 전기차 충전소의 부하 분산을 달성하기 위해 가장 현실적인 방법은 신규 충전소를 설치할 때 적절한 위치에 설치함으로써 부하 분산을 유도하는 방안이다.
따라서, 본 발명의 목적은 새로운 충전소를 설치할 때 적절한 위치를 출력하여 부하 분산을 달성하기 위한 전기차 충전소의 부하 분산 장치 및 방법을 제공하는데에 있다.
이하 본 발명의 목적을 달성하기 위한 구체적 수단에 대하여 설명한다.
본 발명의 목적은, 복수의 전기차 충전소를 포함하는 특정 지역의 적어도 일부의 충전소에 대한 위치 정보를 기초로 가상의 신규 충전소에 대한 가상 위치 정보를 생성하고, 상기 적어도 일부의 충전소에 대한 충전건 정보를 추출하여 상기 가상의 신규 충전소에 대한 가상 충전건 정보를 생성하며, 상기 적어도 일부의 충전소의 추출된 상기 충전건 정보에 의해 변화된 상기 충전건 정보인 변화 충전건 정보를 생성하는 신규 충전소 생성 모듈; 상기 특정 지역의 각 충전소에 대한 상기 충전건 정보를 기초로 상기 각 충전소에 대한 시계열화 된 부하 정보를 생성하고, 상기 가상 충전건 정보 및 상기 변화 충전건 정보를 기초로 상기 가상의 신규 충정소를 포함하는 상기 각 충전소에 대한 시계열화 된 가상 부하 정보를 생성하는 부하 정보 생성 모듈; 상기 각 충전소의 상기 부하 정보 사이의 특정 기간 동안의 상관관계인 부하 상관관계 정보를 계산하고, 상기 가상의 신규 충전소를 포함한 상기 각 충전소의 상기 가상 부하 정보 사이의 상기 특정 기간 동안의 상관관계인 가상 부하 상관관계 정보를 계산하는 부하 상관관계 계산 모듈; 상기 부하 상관관계 정보에 상기 각 충전소들의 상기 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 문턱값 적용 상관관계 정보를 생성하고, 상기 가상 부하 상관관계 정보에 상기 가상 위치 정보 및 상기 각 충전소들의 상기 위치 정보를 기초로 계산된 상기 거리 기반의 문턱값 행렬을 적용하여 가상 문턱값 적용 상관관계 정보를 생성하는 문턱값 적용 모듈; 및 상기 문턱값 적용 상관관계 정보와 상기 가상의 문턱값 적용 상관관계 정보의 차이를 계산하여 부하 분산 변화 정보를 계산하고, 생성된 상기 부하 분산 변화 정보를 기초로 상기 가상의 문턱값 적용 상관관계 정보가 상기 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 나타내는 상기 가상의 신규 충전소의 상기 가상 위치 정보를 신규 충전소 최적 위치로 출력하는 최적위치 추천 모듈;을 포함하는, 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치를 제공하여 달성될 수 있다.
본 발명의 다른 목적은, 복수의 전기차 충전소를 포함하는 특정 지역에서 신규 충전소의 설치 위치 추천 프로그램을 포함하는 메모리; 상기 설치 위치 추천 프로그램을 처리하는 프로세서;를 포함하고, 상기 설치 위치 추천 프로그램은, 상기 특정 지역의 각 충전소에 대한 충전건 정보를 기초로 상기 각 충전소에 대한 시계열화 된 부하 정보를 생성하는 부하 정보 생성 단계; 상기 각 충전소의 상기 부하 정보 사이의 특정 기간 동안의 상관관계인 부하 상관관계 정보를 계산하는 부하 상관관계 계산 단계; 상기 부하 상관관계 정보에 상기 각 충전소들의 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 문턱값 적용 상관관계 정보를 생성하는 문턱값 적용 단계; 상기 특정 지역의 적어도 일부의 충전소에 대한 상기 위치 정보를 기초로 가상의 신규 충전소에 대한 가상 위치 정보를 생성하고, 상기 적어도 일부의 충전소에 대한 상기 충전건 정보를 추출하여 상기 가상의 신규 충전소에 대한 가상 충전건 정보를 생성하며, 상기 적어도 일부의 충전소의 추출된 상기 충전건 정보에 의해 변화된 상기 충전건 정보인 변화 충전건 정보를 생성하는 신규 충전소 생성 단계; 상기 가상 충전건 정보 및 상기 변화 충전건 정보를 기초로 상기 가상의 신규 충정소를 포함하는 상기 각 충전소에 대한 시계열화 된 가상 부하 정보를 생성하는 가상 부하 정보 생성 단계; 상기 가상의 신규 충전소를 포함한 상기 각 충전소의 상기 가상 부하 정보 사이의 상기 특정 기간 동안의 상관관계인 가상 부하 상관관계 정보를 계산하는 가상 부하 상관관계 계산 단계; 상기 가상 부하 상관관계 정보에 상기 가상 위치 정보 및 상기 각 충전소들의 상기 위치 정보를 기초로 계산된 상기 거리 기반의 문턱값 행렬을 적용하여 가상 문턱값 적용 상관관계 정보를 생성하는 가상 문턱값 적용 단계; 및 상기 문턱값 적용 상관관계 정보와 상기 가상의 문턱값 적용 상관관계 정보의 차이를 계산하여 부하 분산 변화 정보를 계산하고, 생성된 상기 부하 분산 변화 정보를 기초로 상기 가상의 문턱값 적용 상관관계 정보가 상기 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 나타내는 상기 가상의 신규 충전소의 상기 가상 위치 정보를 신규 충전소 최적 위치로 출력하는 최적위치 추천 단계;를 포함하는 단계를 컴퓨터 상에서 수행하도록 구성되는, 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치를 제공하여 달성될 수 있다.
본 발명의 다른 목적은, 부하 정보 생성 모듈이, 복수의 전기차 충전소를 포함하는 특정 지역의 각 충전소에 대한 충전건 정보를 기초로 상기 각 충전소에 대한 시계열화 된 부하 정보를 생성하는 부하 정보 생성 단계; 부하 상관관계 계산 모듈이, 상기 각 충전소의 상기 부하 정보 사이의 특정 기간 동안의 상관관계인 부하 상관관계 정보를 계산하는 부하 상관관계 계산 단계; 문턱값 적용 모듈이, 상기 부하 상관관계 정보에 상기 각 충전소들의 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 문턱값 적용 상관관계 정보를 생성하는 문턱값 적용 단계; 신규 충전소 생성 모듈이, 상기 특정 지역의 적어도 일부의 충전소에 대한 상기 위치 정보를 기초로 가상의 신규 충전소에 대한 가상 위치 정보를 생성하고, 상기 적어도 일부의 충전소에 대한 상기 충전건 정보를 추출하여 상기 가상의 신규 충전소에 대한 가상 충전건 정보를 생성하며, 상기 적어도 일부의 충전소의 추출된 상기 충전건 정보에 의해 변화된 상기 충전건 정보인 변화 충전건 정보를 생성하는 신규 충전소 생성 단계; 상기 부하 정보 생성 모듈이, 상기 가상 충전건 정보 및 상기 변화 충전건 정보를 기초로 상기 가상의 신규 충정소를 포함하는 상기 각 충전소에 대한 시계열화 된 가상 부하 정보를 생성하는 가상 부하 정보 생성 단계; 상기 부하 상관관계 계산 모듈이, 상기 가상의 신규 충전소를 포함한 상기 각 충전소의 상기 가상 부하 정보 사이의 상기 특정 기간 동안의 상관관계인 가상 부하 상관관계 정보를 계산하는 가상 부하 상관관계 계산 단계; 상기 문턱값 적용 모듈이, 상기 가상 부하 상관관계 정보에 상기 가상 위치 정보 및 상기 각 충전소들의 상기 위치 정보를 기초로 계산된 상기 거리 기반의 문턱값 행렬을 적용하여 가상 문턱값 적용 상관관계 정보를 생성하는 가상 문턱값 적용 단계; 및 상기 최적위치 추천 모듈이, 상기 문턱값 적용 상관관계 정보와 상기 가상의 문턱값 적용 상관관계 정보의 차이를 계산하여 부하 분산 변화 정보를 계산하고, 생성된 상기 부하 분산 변화 정보를 기초로 상기 가상의 문턱값 적용 상관관계 정보가 상기 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 나타내는 상기 가상의 신규 충전소의 상기 가상 위치 정보를 신규 충전소 최적 위치로 출력하는 최적위치 추천 단계;를 포함하는, 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 방법을 제공하여 달성될 수 있다.
상기한 바와 같이, 본 발명에 의하면 이하와 같은 효과가 있다.
첫째, 본 발명의 일실시예에 따르면, 분산 효과가 가장 큰 위치에 신규 충전소를 설치할 수 있도록 최적의 위치를 출력할 수 있게 되므로, 전기차 충전소의 충전 부하 문제를 액티브 하게 해결할 수 있는 효과가 발생된다.
둘째, 본 발명의 일실시예에 따르면, 기존에 정량화 하기 어려웠던 전기차 충전소의 분산 부하 문제를 정량화 하여 분석할 수 있게 되는 효과가 발생된다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명의 일실시예에 따른 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치의 구성을 도시한 모식도,
도 2는 본 발명의 일실시예의 부하 상관관계 계산 모듈(10)에 따른 충전소 간 부하 정보의 상관관계(부하 상관관계 정보)를 도시한 매트릭스,
도 3은 본 발명의 일실시예에 따른 거리 행렬과 본 발명의 일실시예의 문턱값 적용 모듈(20)에 따른 거리 기반의 문턱값 행렬의 일예를 도시한 매트릭스,
도 4는 본 발명의 일실시예에 따른 거리 기반의 문턱값 행렬을 부하 상관관계 정보에 적용한 문턱값 적용 상관관계 정보를 도시한 매트릭스,
도 5는 본 발명의 일실시예에 따른 최적위치 추천 모듈(30)에서 계산된 가상 충전소 추가 이전과 이후의 문턱값 적용 상관관계 정보의 차이인 역상관관계 변화를 도시한 매트릭스,
도 6은 본 발명의 일실시예에 따른 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 방법을 도시한 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 쉽게 실시할 수 있는 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예에 대한 동작원리를 상세하게 설명함에 있어서 관련된 공지기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
또한, 도면 전체에 걸쳐 유사한 기능 및 작용을 하는 부분에 대해서는 동일한 도면 부호를 사용한다. 명세서 전체에서, 특정 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고, 간접적으로 연결되어 있는 경우도 포함한다. 또한, 특정 구성요소를 포함한다는 것은 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치
도 1은 본 발명의 일실시예에 따른 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치의 구성을 도시한 모식도이다. 도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 신규 충전소의 설치 위치 추천 장치(1)는 부하 정보 생성 모듈(2), 부하 상관관계 계산 모듈(10), 문턱값 적용 모듈(20), 신규 충전소 생성 모듈(3), 최적위치 추천 모듈(30)을 포함할 수 있다.
부하 정보 생성 모듈(2)은 충전소 정보와 충전건 정보를 수신하고, 충전소 정보와 충전건 정보를 기초로 특정 지역의 각 충전소에 대한 시계열화 된 부하 정보를 생성하는 모듈이다. 본 발명의 일실시예에 따른 부하 정보는 일일 총 충전량, 일일 총 충전 시간, 일일 총 충전 건수, 일일 최고 단일 시간 내 충전 건수 등의 시계열화 된 부하 요소 중 적어도 하나 이상을 포함할 수 있다.
부하 정보의 생성과 관련하여, 전기차 충전소에서 수집할 수 있는 정보는 충전소 별 위치 정보, 충전기 정보(완속, 급속, DC콤보, AC3상, DC차데모 등), 충전기 수 정보, 오너(owner) 정보, 충전소 아이디 정보, 충전 액티브 여부 정보를 포함하는 충전소 정보와 특정 충전소내의 개별 충전 건에 대한 정보(충전량, 충전 시작 시간, 충전소 아이디 정보, 충전 시간 등)인 충전건 정보에 한정되어 있다. 본 발명의 일실시예에 따른 부하 정보 생성 모듈(2)은 이러한 충전소 정보와 충전건 정보를 기초로 시계열적인 부하 정보를 생성한다.
정규화된 부하 정보의 생성과 관련하여, 본 발명의 일실시예에 따른 부하 정보 생성 모듈(2)은 각각의 부하 요소를 충전기의 수로 나누어 정규화(normalization)을 거친 뒤 각 정규화된 부하 요소에 기설정된 가중치를 곱해 합하여 부하 정보를 생성 할 수 있다. 아래 수학식 1은 부하 정보 생성 모듈(2)에서 각각의 부하 요소를 정규화하여 부하 정보를 생성하는 계산식이다.
Figure pat00001
위 수학식 1에서, Load는 부하 정보, Ck는 부하 요소 별 가중치, LCk는 부하 요소, n은 충전기의 수를 의미한다. 이에 따르면, 충전소 별로 충전기의 수가 달라 부하 수용량이 다르므로 이를 반영하기 위해 충전기의 수로 정규화 과정을 거쳐야 충전소간의 상대적 분산정도 뿐만 아니라 절대적 부하도 구할 수 있는 효과가 발생된다.
부하 상관관계 계산 모듈(10)은 상기 부하 정보 생성 모듈(2)에서 생성된 특정 지역의 각 충전소에 대한 부하 정보를 수신하고, 각 충전소의 부하 정보를 기초로 각 충전소의 부하 정보 사이의 특정 기간 동안의 상관관계인 부하 상관관계 정보를 계산하는 모듈이다. 본 발명의 일실시예에 따르면, 각 충전소에 대한 복수개의 부하 정보들 사이에 최소한 한번씩을 조합하는 페어와이즈 조합 방식, Flat 조합 방식 등이 적용될 수 있다.
부하 상관관계 정보의 계산과 관련하여, 본 발명의 일실시예에 따른 부하 상관관계 계산 모듈(10)은 피어슨 상관계수(Pearson correlation coefficient)를 이용하여 부하 상관관계 정보를 계산할 수 있다. 피어슨 상관계수는 두 연속형 자료 사이의 선형 관계를 나타내는 상관계수이며, -1 부터 1 사이의 값을 가지고, -1에 가까울수록 음의 상관관계, 1에 가까울수록 양의 상관관계를 가지는 것을 의미한다. 본 발명의 다른 실시예에 따르면, 비선형적인 상관 관계를 나타내는 상관계수를 이용하여 부하 상관관계 정보를 계산할 수 있다.
도 2는 본 발명의 일실시예의 부하 상관관계 계산 모듈(10)에 따른 충전소 간 부하 정보의 상관관계(부하 상관관계 정보)를 도시한 매트릭스이다. 도 2에서 x축과 y축은 각 충전소의 일련번호를 의미하고, 도 2에서의 매트릭스는 모든 충전소에 대한 충전소 사이의 부하 정보의 상관관계를 페어와이즈하게 표현한 것이다. 도 2에 도시된 바와 같이, 모든 충전소에 대해 페어와이즈(Pair-wise) 하게 충전소 활성화 기간이 같은 범위(range)에 대해 상관관계를 계산했을 때, 어떤 충전소끼리는 양의 상관관계가 발생하고, 다른 어떤 충전소끼리는 음의 상관관계가 발생하는 것을 확인할 수 있다. 즉, 본 발명의 일실시예에 따른 부하 상관관계 계산 모듈(10)에서 부하(Load, L)의 분산은, 특정 충전소 사이의 부하 정보의 상관관계가 negative인 경우(역상관관계)에 두 충전소가 특정 수준의 분산 관계에 있는 것으로 구성될 수 있다.
아래 수학식 2는 부하 상관관계 계산 모듈(10)에서의 부하 분산을 정의하는 계산식이다.
Figure pat00002
위 수학식 2에서, ρ는 상관관계, LA, LB는 각각 충전소 A와 충전소 B의 부하 정보를 의미한다. 위 수학식 2에 기재된 바와 같이, 본 발명의 일실시예에 따르면, 특정 충전소 사이의 부하 정보의 상관관계가 서로 음의 상관관계, 역상관관계에 있을 때 부하 분산이 되는 것으로 구성될 수 있다.
본 발명의 다른 실시예에 따르면, 부하 상관관계 계산 모듈(10)은 A 충전소와 B 충전소 사이에 서로 충전소 활성화 기간이 상이한 경우, 충전소 활성화 기간이 서로 겹치는 기간에 대해서만 부하 상관관계 정보를 계산하도록 구성될 수 있다. 이에 따르면, 각각의 충전소들의 충전소 활성화 기간이 서로 상이한 경우에도 부하 상관관계 정보의 계산에 주는 영향이 감소되는 효과가 발생된다. 많은 경우 전기차 충전소는 주차장과 연계되어 있고, 주차장의 경우 운영하지 않는 날짜나 운영하지 않는 시간이 존재하는 경우가 많다. 따라서, 특정 충전소끼리 충전소 활성화 기간이 서로 상이한 경우에 상호 분산관계(역상관관계)를 구성하는 것 처럼 오인될 수 있다. 본 발명의 다른 실시예에 따르면 이러한 오인이 해소되는 효과가 발생된다.
문턱값 적용 모듈(20)은 부하 상관관계 계산 모듈(10)에서 계산된 각 충전소 사이의 부하 정보의 상관관계인 부하 상관관계 정보에 특정 지역의 충전소들의 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 문턱값 적용 상관관계 정보를 생성하는 모듈이다. 본 발명의 일실시예에 따른 문턱값 적용 모듈(20)은 각 충전소간의 거리를 계산하여 행렬화 시킨 뒤, 일정 지정 거리 이하인 경우는 상관관계에 가중치 1을 곱하여 보존하고, 나머지는 지수함수로 거리에 따라 곱하는 가중치의 값이 감소하여 상관관계를 반감(Decay)시키는 방법으로 부하 상관관계 정보에 거리 기반의 문턱값을 적용할 수 있다. 또는, 본 발명의 다른 실시예에 따르면, 문턱값 적용 모듈(20)이 각 충전소간의 거리의 n제곱에 반비례한 가중치를 상기 부하 상관관계 정보에 적용하는 방법으로 부하 상관관계 정보에 거리 기반의 문턱값을 적용할 수 있다. 이외에도, 본 발명의 범위는 다양한 방법으로 상대적으로 가까운 거리에 있는 충전소 사이의 부하 상관관계 정보에 대해 상대적으로 높은 가중치를 부여하고, 상대적으로 먼 거리에 있는 충전소 사이의 부하 상관관계 정보에 낮은 가중치를 부여하는 구성을 포함할 수 있다.
도 3은 본 발명의 일실시예에 따른 거리 행렬과 본 발명의 일실시예의 문턱값 적용 모듈(20)에 따른 거리 기반의 문턱값 행렬의 일예를 도시한 매트릭스이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 거리 행렬은 각 충전소 사이의 거리를 계산하여 행렬화 또는 매트릭스화 시킨 것을 의미한다. 또한, 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 거리기반의 문턱값 행렬은, 일정 지정 거리 이하인 경우 상관관계가 보존되도록 1의 가중치를 적용하고, 일정 지정 거리 초과인 경우 지수함수로 거리에 따라 상관관계가 반감되도록 가중치를 적용하는 행렬 또는 매트릭스로 구성될 수 있다.
도 4는 본 발명의 일실시예에 따른 거리 기반의 문턱값 행렬을 부하 상관관계 정보에 적용한 문턱값 적용 상관관계 정보를 도시한 매트릭스이다. 도 4에 도시된 바와 같이, 상관관계 매트릭스(문턱값 적용 상관관계 정보)에서 거리가 멀어 부하 분산의 의미가 없는 충전소들에 대한 상관관계가 제외된 것을 확인할 수 있다.
도 2에 도시된 부하 상관관계 정보와 같이 모든 충전소에 대해 페어와이즈(Pair-wise) 하게 충전소 활성화 기간이 같은 범위(range)에 대해 상관관계를 계산했을 때, 실제 거리가 멀리있는 충전소도 높은 상관관계를 보일 수 있다. 이는 해당 충전소끼리 실제로는 거리가 지나치게 멀어서 상호 영향력(또는, 부하 상관관계)이 없지만 우연 등으로 인해 두 충전소 사이의 변화가 연관된 것처럼 일어나는 경우이므로 본 발명의 일실시예에 따른 문턱값 적용 모듈(20)에 따르면 이러한 문제가 제외되는 효과가 발생된다.
신규 충전소 생성 모듈(3)은 가상의 신규 충전소에 대한 가상 충전소 정보(가상 위치 정보 및 가상 충전기 수 정보 포함) 및 가상 충전건 정보를 생성하고, 이를 부하 정보 생성 모듈(2)에 입력하는 모듈이다. 이후, 부하 정보 생성 모듈(2)에서는 특정 지역의 가상의 신규 충전소 및 각 충전소에 대한 시계열의 가상 부하 정보를 생성하고, 부하 상관관계 계산 모듈(10)에서는 생성된 각 충전소의 가상 부하 정보를 기초로 가상의 신규 충전소를 포함한 특정 지역의 충전소에 대한 부하 상관관계 정보인 가상의 부하 상관관계 정보를 생성하며, 문턱값 적용 모듈(20)에서 가상의 신규 충전소를 포함한 특정 지역의 충전소에 대한 문턱값 적용 상관관계 정보인 가상의 문턱값 적용 상관관계 정보를 생성하여 최적위치 추천 모듈(30)에 입력한다.
이때, 부하 상관관계 계산 모듈(10)은 특정 지역의 가상의 신규 충전소 및 각 충전소에 대한 시계열의 가상 부하 정보를 입력받고(수신하고) 각 충전소의 가상 부하 정보 및 가상의 신규 충전소의 가상 부하 정보 전체에 대하여 페어와이즈(Pair-wise)하게 특정 기간 동안의 상관관계인 가상의 부하 상관관계 정보를 계산(생성)하고 문턱값 적용 모듈(20)에 입력한다. 이후, 문턱값 적용 모듈(20)은 가상의 부하 상관관계 정보를 입력받고(수신하고) 가상 위치 정보와 특정 지역의 충전소들의 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 가상의 문턱값 적용 상관관계 정보를 계산(생성)한다. 신규 충전소 생성 모듈(3)에 의해 가상의 신규 충전소가 새롭게 생성될 수 있고, 새로운 가상의 신규 충전소에 대해 각각 가상의 문턱값 적용 상관관계 정보가 생성되어, 복수개의 가상의 신규 충전소에 각각 대응되는 가상의 문턱값 적용 상관관계 정보가 생성될 수 있다.
가상의 신규 충전소에 대한 정보의 생성과 관련하여, 본 발명의 일실시예에 따른 신규 충전소 생성 모듈(3)은 임의로 n개의 충전소를 선정하여 해당 충전소들에게서 일정 비율로 각 부하 요소(충전건 정보)에 대한 정보를 추출하는 방식으로 가상의 신규 충전소 및 나머지 기존의 충전소의 가상 부하 정보를 생성할 수 있다. 또한, 이때의 가상의 신규 충전소의 가상 위치 정보는 상기 임의로 선정된 n개의 충전소의 위치 정보를 평균한 값 또는 상기 가상 부하 정보에 적용한 일정 비율로 가중치를 적용한 값으로 생성할 수 있다.
또한, 본 발명의 다른 실시예에 따르면, 신규 충전소 생성 모듈(3)은 n개의 충전소를 선정함에 있어서 교통량을 기반으로 특정 범위를 지정하고 해당 범위 내의 복수의 충전소를 선정하도록 구성될 수 있다. 이에 따르면, 교통량에 따라 부하 분산 영향 범위가 달라지는 것을 반영할 수 있는 효과가 발생된다.
또한, 본 발명의 다른 실시예에 따르면, 충전소의 선정 개수를 기학습된 강화학습 모듈이 결정하도록 구성될 수 있다. 본 발명의 일실시예에 따라 기학습된 강화학습 모듈은, Agent가 신규 충전소 생성 모듈, Action이 충전소 선정 개수의 결정, Environment가 해당 특정 지역의 넓이, 교통량, 해당 특정 지역의 충전소 개수, 해당 특정 지역의 충전건 정보 등으로 구성될 수 있고, Reward는 부하 분산 변화 정보의 크기에 따라 적용되도록 구성될 수 있다. 이러한 기학습된 강화학습 모듈에 따르면, 가상의 신규 충전소의 개수를 합리적으로 생성하여 최적의 위치를 출력하기 위한 컴퓨팅 파워를 저감시킬 수 있는 효과가 발생된다.
또한, 본 발명의 다른 실시예에 따르면, 인공신경망을 활용하여 부하 분산 효과가 뛰어날 것으로 예상되는 가상의 신규 충전소 위치를 먼저 선정하고, 해당 위치에 근접한 충전소들의 충전건 정보 일부를 추출하여 가상의 신규 충전소의 충전건 정보로 생성하도록 구성될 수 있다. 이에 따르면, 부하 분산 효과를 극대화하기 위한 신규 충전소 위치를 빠르게 서치할 수 있는 효과가 발생된다. 구체적으로, 특정 지역의 각 충전소의 위치 정보, 충전건 정보를 임베딩하여 벡터화 한 뒤, 임베딩 벡터와 부하 분산 효과가 특정 값 이상으로 계산되는 가상의 신규 충전소의 가상 위치 정보를 병합하여 부하 분산 효과가 큰 클래스으로 레이블링하고, 임베딩 벡터와 부하 분산 효과가 특정 값 미만으로 계산되는 가상의 신규 충전소의 가상 위치 정보를 병합하여 부하 분산 효과가 작은 클래스로 레이블링한다. 인공신경망의 입력데이터는 임베딩 벡터와 가상 위치 정보가 병합된 벡터로 구성하고, 출력 레이어는 2개의 노드로 구성하여 2개의 클래스를 출력 데이터로 구성한다. 2가지 클래스로 레이블링된 데이터를 입력하여 인공신경망을 학습시키고, 기학습된 인공신경망에 특정 지역에 대한 임베딩 벡터와 서로 다른 가상 위치 정보가 병합된 복수개의 입력 데이터를 입력하여 각각의 가상 위치 정보를 해당 특정 지역에 대해 부하 분산 효과가 큰 클래스와 부하 분산 효과가 작은 클래스로 분류한다. 부하 분산 효과가 큰 클래스에 해당되는 가상 위치 정보를 기초로 신규 충전소를 생성한다.
또한, 본 발명의 다른 실시예에 따르면, 신규 충전소 생성 모듈(3)은 가상의 신규 충전소를 포함한 특정 지역 내의 각 충전소의 특정 부하 요소의 편차가 최소값을 갖도록 특정 충전소의 충전건 정보를 추출하여 가상의 신규 충전소의 충전건 정보를 생성할 수 있다. 이에 따르면, 생성된 가상의 신규 충전소에 대해 최대로 부하 분산이 일어난 경우를 상정할 수 있게 되므로, 부하 분산의 정규화가 가능해지는 효과가 발생된다.
구체적으로, 아래와 같은 단계로 가상의 신규 충전소에 대한 정보 및 이에 의해 변경되는 기존 충전소에 대한 정보가 생성되고 이후 모듈 및 단계에 적용될 수 있다.
(1) 임의의 n개의 충전소를 선정
(2) 선정된 n개의 충전소의 충전소 정보 중 위치 정보를 기초로 가상의 신규 충전소의 가상 위치 정보를 생성(임의로 선정된 n개의 충전소의 위치 정보를 평균하는 방식 또는 교통량 가중치를 더 적용하는 방식 등)
(3) 선정된 n개의 충전소의 충전소 정보 중 충전기 수 정보를 기초로 가상의 신규 충전소의 가상 충전기 수 정보를 생성(임의로 선정된 n개의 충전소의 위치 정보를 평균하는 방식 또는 교통량 가중치를 더 적용하는 방식 등)
(4) 선정된 n개의 충전소의 충전건 정보 중 적어도 일부를 가상의 신규 충전소로 이전(추출)하여 충전건 분배하고, 가상의 신규 충전소에 대한 가상 충전건 정보 생성(가상의 신규 충전소로 이전한 충전건 정보는 기존의 충전소에서 삭제)
(5) 부하 정보 생성 모듈(2)에서 가상의 신규 충전소에 대한 가상 충전기 수 정보 및 가상 충전건 정보를 기초로 가상의 신규 충전소에 대한 가상 부하 정보(시계열) 생성하고, 기존의 각 충전소에 대하여 변화된 충전건 정보를 기초로 기존의 각 충전소에 대한 가상 부하 정보(시계열)를 생성
(6) 부하 상관관계 계산 모듈(10)에서 가상의 신규 충전소에 대한 가상 부하 정보 및 기존의 각 충전소에 대한 가상 부하 정보를 기초로 가상의 부하 상관관계 정보 생성
(7) 문턱값 적용 모듈(20)에서 가상의 부하 상관관계 정보를 기초로 가상의 문턱값 적용 상관관계 정보 생성
(8) 최적위치 추천 모듈(30)에서 가상의 신규 충전소를 포함하지 않는 기존의 문턱값 적용 상관관계 정보와 가상의 문턱값 적용 상관관계 정보의 차이를 계산하여 부하 분산 변화 정보 계산
(9) 1단계 부터 8단계까지 반복하여 새로운 가상의 신규 충전소를 생성하고 새로운 가상의 신규 충전소에 대한 부하 분산 변화 정보를 생성하여 복수개의 가상의 신규 충전소에 대응되는 복수개의 부하 분산 변화 정보 생성
(9) 최적위치 추천 모듈(30)에서 부하 분산 변화 정보를 기초로 신규 충전소 최적 위치 출력
이때, 본 발명의 다른 실시예에 따르면, 신규 충전소 생성 모듈(3)에서 추가되는 가상의 신규 충전소에 대한 가상 충전소 정보 및 가상 충전건 정보는 임의로 n개의 충전소를 선정하여 해당 충전소들에게서 교통량의 비율로 각 부하 요소에 대한 정보를 추출하는 방식으로 생성할 수 있다. 임의로 데이터량을 정해 가져오면 개발자가 정하는 임의 비율에 따라 분산 효과가 달라지며 이는 분산 분석의 근거를 약화시키게 되는데, 본 발명의 다른 실시예에 따라 해당 충전소들에게서 교통량의 비율로 부하 정보를 추출하게 되면 분산 분석의 근거가 정교해지는 효과가 발생된다. 가상의 신규 충전소의 가상 위치 정보도 선정된 충전소들의 위치 정보에 교통량의 비율을 가중치로 적용하여 가상 위치 정보를 생성할 수 있다.
최적위치 추천 모듈(30)은 신규 충전소 생성 모듈(3)에서 생성된 가상의 신규 충전소에 대한 가상 위치 정보, 가상 부하 정보 및 기존의 각 충전소에 대한 가상 부하 정보들을 기초로 문턱값 적용 모듈(20)에서 생성된 가상의 문턱값 적용 상관관계 정보와 가상의 신규 충전소에 대한 정보를 생성하지 않은 기존의 부하 정보들을 기초로 문턱값 적용 모듈(20)에서 생성된 문턱값 적용 상관관계 정보와의 차이를 계산하여 부하 분산 변화 정보를 계산하고, 생성된 부하 분산 변화 정보를 기초로 충전소 사이의 부하 분산을 특정 값 이상으로 향상시킨(가상의 문턱값 적용 상관관계 정보가 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 보이는) 또는 특정 순위 이상으로 향상시킨(특정 순위 이상의 역상관관계를 보이는) 가상의 신규 충전소의 가상 위치 정보를 신규 충전소로 설치하기에 최적인 위치를 의미하는 신규 충전소 최적 위치로 출력하는 모듈이다.
구체적으로, 최적위치 추천 모듈(30)은 가상의 신규 충전소에 대한 정보를 포함한 가상의 부하 상관관계 정보를 기초로 생성된 가상의 문턱값 적용 상관관계 정보와 가상의 신규 충전소에 대한 정보를 추가하기 이전의 문턱값 적용 상관관계 정보와의 차이를 기초로 부하 분산 변화 정보를 계산하고, 생성된 부하 분산 변화 정보를 기초로 충전소 사이의 부하 분산을 특정 값 이상으로 향상시킨(가상의 문턱값 적용 상관관계 정보가 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 보이는) 가상의 신규 충전소의 가상 위치 정보를 신규 충전소 최적 위치로 출력하는 모듈이다.
다시 말해, 최적위치 추천 모듈(30)은 특정 지역(area) 내에서 가상의 신규 충전소의 위치를 특정 그리드(grid)에 따라 변경하였을 때 가상의 신규 충전소를 추가하여 주변 충전소에 미치는 영향인 부하 분산 변화 정보를 계산하고, 생성된 부하 분산 변화 정보를 기초로 신규 충전소의 최적 위치를 추천해주는 모듈이다. 본 발명의 일실시예에 따른 부하 분산 변화 정보는 가상 충전소 추가 이전과 이후의 문턱값 적용 상관관계 정보의 차이인 역상관관계 변화의 특정 지역 충전소들에 대한 합계(또는 평균값)으로 계산될 수 있다.
본 발명의 일실시예에 따른 최적위치 추천 모듈(30)은 특정 위치에 가상 신규 충전소 추가 시에 negative 상관관계(역상관관계) 변화 합인 부하 분산 변화 정보가 가장 큰 위치를 분산 효과가 가장 큰 위치라고 판단하고, 해당 위치를 신규 충전소 최적 위치로서 충전소 사업자의 클라이언트(모바일, PC, 태블릿 등)에 출력(추천)하게 된다.
도 5는 본 발명의 일실시예에 따른 최적위치 추천 모듈(30)에서 계산된 가상 충전소 추가 이전과 이후의 문턱값 적용 상관관계 정보의 차이인 역상관관계 변화를 도시한 매트릭스이다. 도 5에 도시된 바와 같이, 가상의 신규 충전소를 추가하게 되면 주변 충전소의 충전 부하가 분산되어 부하 정보 및 상관관계에 영향을 주게 되며, 본 발명의 일실시예에 따른 최적위치 추천 모듈(30)에 의해 이러한 부하 분산이 정량화되어 계산되게 된다. 예를 들어, 특정 지역(area) 내에서 가상의 신규 충전소를 추가하기 이전의 해당 지역 내의 복수의 충전소에 대한 문턱값 적용 상관관계 정보의 상관관계 평균값(또는, 상관관계 총합)이 -0.5 이고, 가상의 신규 충전소를 추가한 이후의 해당 지역 내의 해당 복수의 충전소에 대한 문턱값 적용 상관관계 정보의 상관관계 평균값(또는, 상관관계 총합)이 -0.8 일 때, -0.3의 상관관계 변화(0.3 만큼의 역상관관계 변화)가 있다고 판단하고, 상기 역상관관계 변화의 크기가 가장 큰(또는, 특정 크기 이상이거나 특정 순위 이상인) 가상의 신규 충전소의 위치에 대하여 신규 충전소 최적 위치로서 출력하게 되는 것이다.
본 발명의 일실시예에 따른 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치는 특정 웹서버, 클라우드 서버와 같은 가상 서버, 스마트폰, 태블릿 PC, 데스크탑 PC 등의 컴퓨팅 장치의 처리모듈에 의해 처리되고, 각 장치의 메모리 모듈에 저장되도록 구성될 수 있다.
전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 방법
도 6은 본 발명의 일실시예에 따른 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 방법을 도시한 흐름도이다. 도 6에 도시된 바와 같이, 본 발명의 일실시예에 따른 신규 충전소의 설치 위치 추천 방법은, 부하 정보 생성 단계(S10), 부하 상관관계 계산 단계(S20), 문턱값 적용 단계(S30), 신규 충전소 생성 단계(S40), 최적위치 추천 단계(S50)을 포함할 수 있다.
부하 정보 생성 단계(S10)는 부하 정보 생성 모듈(2)이 충전소 정보와 충전건 정보를 수신하고, 충전소 정보와 충전건 정보를 기초로 특정 지역의 각 충전소에 대한 시계열화 된 부하 정보를 생성하는 단계이다.
부하 상관관계 계산 단계(S20)는 부하 상관관계 계산 모듈(10)이 상기 부하 정보 생성 모듈(2)에서 생성된 특정 지역의 각 충전소에 대한 부하 정보를 수신하고, 각 충전소의 부하 정보를 기초로 각 충전소의 부하 정보 사이의 특정 기간 동안의 상관관계인 부하 상관관계 정보를 계산하는 단계이다.
문턱값 적용 단계(S30)는 문턱값 적용 모듈(20)이 부하 상관관계 계산 모듈(10)에서 계산된 각 충전소 사이의 부하 정보의 상관관계인 부하 상관관계 정보에 특정 지역의 충전소들의 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 문턱값 적용 상관관계 정보를 생성하는 단계이다.
신규 충전소 생성 단계(S40)는 신규 충전소 생성 모듈(3)이 가상의 신규 충전소에 대한 가상 충전소 정보(가상 위치 정보 및 가상 충전기 수 정보 포함) 및 기존의 충전소 중 일부에서 추출된 가상 충전건 정보를 생성하고, 가상의 신규 충전소에 대한 가상 충전건 정보 및 기존의 각 충전소들에 대해 변경된 충전건 정보를 부하 정보 생성 모듈(2)에 입력하는 단계이다. 부하 정보 생성 모듈(2)에서는 각 충전소에 대한 가상 부하 정보를 생성하고, 가상의 신규 충전소에 대한 가상 부하 정보와 특정 지역(S10 또는 S20에서의 특정 지역과 동일한 지역)의 각 충전소들의 가상 부하 정보를 부하 상관관계 계산 모듈(10)에 입력하며, 부하 상관관계 계산 모듈(10)에서 가상의 신규 충전소를 포함한 특정 지역의 각 충전소에 대한 부하 상관관계 정보인 가상의 부하 상관관계 정보를 생성하고, 문턱값 적용 모듈(20)에서 가상의 신규 충전소를 포함한 특정 지역의 각 충전소에 대한 문턱값 적용 상관관계 정보인 가상의 문턱값 적용 상관관계 정보를 생성하여 취적위치 추천 모듈(30)에 입력하는 단계이다. 신규 충전소 생성 단계(S40)에서는 신규 충전소 생성 모듈(3)에 의해 가상의 신규 충전소가 복수개 생성될 수 있고, 복수개의 가상의 신규 충전소에 대해 각각 가상의 문턱값 적용 상관관계 정보가 생성될 수 있다.
최적위치 추천 단계(S50)는 최적위치 추천 모듈(30)이 신규 충전소 생성 단계(S40)에서 생성된 가상의 문턱값 적용 상관관계 정보와 문턱값 적용 단계(S30)의 문턱값 적용 상관관계 정보와의 차이를 계산하여 부하 분산 변화 정보를 계산하고, 생성된 부하 분산 변화 정보를 기초로 충전소 사이의 부하 분산을 특정 값 이상으로 향상시킨(가상의 문턱값 적용 상관관계 정보가 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 보이는) 또는 특정 순위 이상으로 향상시킨(특정 순위 이상의 역상관관계를 보이는) 가상의 신규 충전소의 가상 위치 정보를 신규 충전소 최적 위치로 출력하는 단계이다. 즉, 최적위치 추천 모듈(30)이 특정 지역(area) 내에서 가상의 신규 충전소의 위치를 특정 그리드(grid)에 따라 변경하였을 때 가상의 신규 충전소를 추가하여 주변 충전소에 미치는 영향인 부하 분산 변화 정보를 계산하고, 생성된 부하 분산 변화 정보를 기초로 신규 충전소의 최적 위치를 추천해주는 단계이다. 본 발명의 일실시예에 따른 부하 분산 변화 정보는 가상 충전소 추가 이전과 이후의 문턱값 적용 상관관계 정보의 차이인 역상관관계 변화의 특정 지역 충전소들에 대한 합계(또는 평균값)으로 계산될 수 있다.
이상에서 설명한 바와 같이, 본 발명이 속하는 기술 분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 상술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함하는 것으로 해석되어야 한다.
본 명세서 내에 기술된 특징들 및 장점들은 모두를 포함하지 않으며, 특히 많은 추가적인 특징들 및 장점들이 도면들, 명세서, 및 청구항들을 고려하여 당업자에게 명백해질 것이다. 더욱이, 본 명세서에 사용된 언어는 주로 읽기 쉽도록 그리고 교시의 목적으로 선택되었고, 본 발명의 주제를 묘사하거나 제한하기 위해 선택되지 않을 수도 있다는 것을 주의해야 한다.
본 발명의 실시예들의 상기한 설명은 예시의 목적으로 제시되었다. 이는 개시된 정확한 형태로 본 발명을 제한하거나, 빠뜨리는 것 없이 만들려고 의도한 것이 아니다. 당업자는 상기한 개시에 비추어 많은 수정 및 변형이 가능하다는 것을 이해할 수 있다.
그러므로 본 발명의 범위는 상세한 설명에 의해 한정되지 않고, 이를 기반으로 하는 출원의 임의의 청구항들에 의해 한정된다. 따라서, 본 발명의 실시예들의 개시는 예시적인 것이며, 이하의 청구항에 기재된 본 발명의 범위를 제한하는 것은 아니다.
1: 신규 충전소의 설치 위치 추천 장치
2: 부하 정보 생성 모듈
3: 신규 충전소 생성 모듈
10: 부하 상관관계 계산 모듈
20: 문턱값 적용 모듈
30: 최적위치 추천 모듈

Claims (1)

  1. 복수의 전기차 충전소를 포함하는 특정 지역의 적어도 일부의 충전소에 대한 위치 정보를 기초로 가상의 신규 충전소에 대한 가상 위치 정보를 생성하고, 상기 적어도 일부의 충전소에 대한 충전건 정보를 추출하여 상기 가상의 신규 충전소에 대한 가상 충전건 정보를 생성하며, 상기 적어도 일부의 충전소의 추출된 상기 충전건 정보에 의해 변화된 상기 충전건 정보인 변화 충전건 정보를 생성하는 신규 충전소 생성 모듈;
    상기 특정 지역의 각 충전소에 대한 상기 충전건 정보를 기초로 상기 각 충전소에 대한 시계열화 된 부하 정보를 생성하고, 상기 가상 충전건 정보 및 상기 변화 충전건 정보를 기초로 상기 가상의 신규 충정소를 포함하는 상기 각 충전소에 대한 시계열화 된 가상 부하 정보를 생성하는 부하 정보 생성 모듈;
    상기 각 충전소의 상기 부하 정보 사이의 특정 기간 동안의 상관관계인 부하 상관관계 정보를 계산하고, 상기 가상의 신규 충전소를 포함한 상기 각 충전소의 상기 가상 부하 정보 사이의 상기 특정 기간 동안의 상관관계인 가상 부하 상관관계 정보를 계산하는 부하 상관관계 계산 모듈;
    상기 부하 상관관계 정보에 상기 각 충전소들의 상기 위치 정보를 기초로 계산된 거리 기반의 문턱값 행렬(Distance-based threshold matrix)을 적용하여 문턱값 적용 상관관계 정보를 생성하고, 상기 가상 부하 상관관계 정보에 상기 가상 위치 정보 및 상기 각 충전소들의 상기 위치 정보를 기초로 계산된 상기 거리 기반의 문턱값 행렬을 적용하여 가상 문턱값 적용 상관관계 정보를 생성하는 문턱값 적용 모듈; 및
    상기 문턱값 적용 상관관계 정보와 상기 가상의 문턱값 적용 상관관계 정보의 차이를 계산하여 부하 분산 변화 정보를 계산하고, 생성된 상기 부하 분산 변화 정보를 기초로 상기 가상의 문턱값 적용 상관관계 정보가 상기 문턱값 적용 상관관계 정보에 비해 특정 값 이상의 역상관관계를 나타내는 상기 가상의 신규 충전소의 상기 가상 위치 정보를 신규 충전소 최적 위치로 출력하는 최적위치 추천 모듈;
    을 포함하고,
    상기 신규 충전소 생성 모듈의 상기 적어도 일부의 충전소의 개수의 결정은 기학습된 강화학습 모듈이 결정하도록 구성되며,
    상기 기학습된 강화학습 모듈은, Agent가 상기 신규 충전소 생성 모듈로 구성되고, Action이 상기 적어도 일부의 충전소의 개수의 결정으로 구성되며, Environment가 상기 특정 지역의 넓이, 상기 각 충전소의 교통량, 상기 특정 지역의 충전소 개수 및 상기 특정 지역의 전체 충전건 정보 중 적어도 일부를 포함하고, Reward는 부하 분산 변화 정보의 크기로 구성되는 것을 특징으로 하는,
    전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치.
KR1020190115978A 2019-09-20 2019-09-20 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치 KR20210034268A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190115978A KR20210034268A (ko) 2019-09-20 2019-09-20 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190115978A KR20210034268A (ko) 2019-09-20 2019-09-20 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치

Publications (1)

Publication Number Publication Date
KR20210034268A true KR20210034268A (ko) 2021-03-30

Family

ID=75264986

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190115978A KR20210034268A (ko) 2019-09-20 2019-09-20 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치

Country Status (1)

Country Link
KR (1) KR20210034268A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11775872B1 (en) 2022-12-01 2023-10-03 Recentive Analytics, Inc. Techniques for identifying optimal EV charging station locations

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101920058B1 (ko) 2017-08-31 2018-11-19 서강대학교 산학협력단 전기차 충전소 전력량 모니터링 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101920058B1 (ko) 2017-08-31 2018-11-19 서강대학교 산학협력단 전기차 충전소 전력량 모니터링 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11775872B1 (en) 2022-12-01 2023-10-03 Recentive Analytics, Inc. Techniques for identifying optimal EV charging station locations

Similar Documents

Publication Publication Date Title
KR20210034269A (ko) 전기차 충전소의 부하 분산 및 인공신경망을 이용한 신규 충전소의 설치 위치 추천 장치
KR20210034267A (ko) 전기차 충전소의 부하 분산을 이용한 신규 충전소의 설치 위치 추천 장치 및 방법
Yao et al. Vehicle fuel consumption prediction method based on driving behavior data collected from smartphones
Novosel et al. Agent based modelling and energy planning–Utilization of MATSim for transport energy demand modelling
Saarenpää et al. Geodemographic analysis and estimation of early plug-in hybrid electric vehicle adoption
CN110782042A (zh) 横向联邦和纵向联邦联合方法、装置、设备及介质
Dezhkam et al. Simulating the urban growth dimensions and scenario prediction through sleuth model: A case study of Rasht County, Guilan, Iran
Fukushima et al. Prediction of energy consumption for new electric vehicle models by machine learning
Li et al. GIS-based probabilistic modeling of BEV charging load for Australia
Xydas et al. Electric vehicle load forecasting using data mining methods
CN110222893B (zh) 共享交通资源的投放地点推荐方法、装置与电子设备
CN101853291A (zh) 基于数据流的车辆故障诊断方法
CN104951834A (zh) 基于遗传算法和粒子群集成的lssvm风速预测方法
Andrenacci et al. Determination of the level of service and customer crowding for electric charging stations through fuzzy models and simulation techniques
Yang A framework for allocating greenhouse gas emissions from electricity generation to plug-in electric vehicle charging
CN110992307A (zh) 基于yolo的绝缘子定位识别方法及装置
CN116776208B (zh) 地震波分类模型的训练方法、地震选波方法、设备及介质
CN115829124A (zh) 充电桩选址方法、装置、设备及存储介质
Zhang et al. Analyzing the effects of stochastic perturbation and fuzzy distance transformation on Wuhan urban growth simulation
KR20210034268A (ko) 전기차 충전소의 부하 분산 및 강화학습을 이용한 신규 충전소의 설치 위치 추천 장치
CN113221216B (zh) Bim的数据校验方法、装置、电子设备及存储介质
Zhao et al. LandSys II: Agent-based land use–forecast model with artificial neural networks and multiagent model
Awang et al. A fusion of decision-making method and neutrosophic linguistic considering multiplicative inverse matrix for coastal erosion problem
CN111292106A (zh) 一种业务需求影响因素确定方法以及装置
CN115130570A (zh) 一种脉冲星搜索模型的训练方法、应用方法、装置及设备