KR20220096568A - 전력 사용량 예측 장치 및 방법 - Google Patents

전력 사용량 예측 장치 및 방법 Download PDF

Info

Publication number
KR20220096568A
KR20220096568A KR1020200189137A KR20200189137A KR20220096568A KR 20220096568 A KR20220096568 A KR 20220096568A KR 1020200189137 A KR1020200189137 A KR 1020200189137A KR 20200189137 A KR20200189137 A KR 20200189137A KR 20220096568 A KR20220096568 A KR 20220096568A
Authority
KR
South Korea
Prior art keywords
data
power usage
trend
unit
periodicity
Prior art date
Application number
KR1020200189137A
Other languages
English (en)
Other versions
KR102501857B1 (ko
Inventor
정무구
정호용
Original Assignee
현대일렉트릭앤에너지시스템(주)
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 현대일렉트릭앤에너지시스템(주) filed Critical 현대일렉트릭앤에너지시스템(주)
Priority to KR1020200189137A priority Critical patent/KR102501857B1/ko
Publication of KR20220096568A publication Critical patent/KR20220096568A/ko
Application granted granted Critical
Publication of KR102501857B1 publication Critical patent/KR102501857B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

본 발명의 일 실시예에 따른 전력 사용량 예측 장치는 수용가의 전력 사용량 데이터를 수집하는 데이터 수집부, 사전에 설정된 기간 동안 상기 데이터 수집부에 의해 수집된 수용가의 전력 사용량 데이터를 저장하는 데이터 저장부, 상기 데이터 저장부에 저장된 전력 사용량 데이터를 전처리하여 상기 기간 동안의 전력 사용량 추세를 나타내는 추세 데이터, 상기 기간 동안 중 일정 주기의 전력 사용량을 나타내는 주기성 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차 데이터로 구분하는 전처리부, 상기 전처리부로부터의 상기 추세 데이터 및 상기 주기성 데이터에 기초하여 상기 수용가의 전력 사용량을 예측하는 예측부를 포함할 수 있고, 본 발명의 일 실시예에 따른 전력 사용량 예측 방법은 전처리부가 데이터 저장부에 저장된 전력 사용량 데이터를 전처리하여 상기 기간 동안의 전력 사용량 추세를 나타내는 추세 데이터, 상기 기간 동안 중 일정 주기의 전력 사용량을 나타내는 주기성 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차 데이터로 구분하는 단계, 예측부가 상기 전처리부로부터의 상기 추세 데이터 및 상기 주기성 데이터에 기초하여 상기 수용가의 전력 사용량을 예측하는 단계를 포함할 수 있다.

Description

전력 사용량 예측 장치 및 방법{APPARATUS AND METHOD FOR PREDICTING POWER COMSUMPTION}
본 발명은 전력 사용량 예측 장치 및 방법에 관한 것이다.
최근 들어, 전력의 사용량이 증가하고 있다. 그러나, 증가하는 사용량을 모두 발전의 용량을 증대하여 해결하는 것은 자원의 낭비 및 환경 오염을 초래하게 될 수 있다. 또한, 전력 수요 예측 실패는 발전량 설정 실패로 이어질 수 있으며, 이는 대정전 등 큰 재해를 불러일으키는 원인이 될 수 있다. 이에 따라 알맞은 발전량을 설정하기 위해서는 전력의 사용량을 예측하는 것이 매우 중요하다.
종래에는, 과거의 전력 사용량 데이터를 평균내어 이를 기초로 전력의 사용량을 예측하는데, 장기적으로 이상 데이터가 입력된 경우 이상 데이터를 기반으로 평균을 생성하기 때문에 적절한 전력 사용량을 예측할 수 없는 문제점이 있다
대한민국 등록특허공보 제10-1989493호
본 발명의 일 실시예에 따르면, 전력 사용량 데이터를 추세, 주기성 및 잔차 데이터로 구분하고, 잔차 데이터 중 정상 데이터를 추세 데이터에 합산하여, 수용가의 전력 사용량을 예측하는 전력 사용량 예측 장치 및 방법이 제공된다.
상술한 본 발명의 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 전력 사용량 예측 장치는 수용가의 전력 사용량 데이터를 수집하는 데이터 수집부, 사전에 설정된 기간 동안 상기 데이터 수집부에 의해 수집된 수용가의 전력 사용량 데이터를 저장하는 데이터 저장부, 상기 데이터 저장부에 저장된 전력 사용량 데이터를 전처리하여 상기 기간 동안의 전력 사용량 추세를 나타내는 추세 데이터, 상기 기간 동안 중 일정 주기의 전력 사용량을 나타내는 주기성 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차 데이터로 구분하는 전처리부, 상기 전처리부로부터의 상기 추세 데이터 및 상기 주기성 데이터에 기초하여 상기 수용가의 전력 사용량을 예측하는 예측부를 포함할 수 있다.
본 발명의 일 실시예에 따른 전력 사용량 예측 방법은 전처리부가 데이터 저장부에 저장된 전력 사용량 데이터를 전처리하여 상기 기간 동안의 전력 사용량 추세를 나타내는 추세 데이터, 상기 기간 동안 중 일정 주기의 전력 사용량을 나타내는 주기성 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차 데이터로 구분하는 단계, 예측부가 상기 전처리부로부터의 상기 추세 데이터 및 상기 주기성 데이터에 기초하여 상기 수용가의 전력 사용량을 예측하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 전력사용량 예측 정확도를 개선할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 전력 사용량 예측 방법의 개략적인 플로우챠트이다.
도 3은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치의 전처리부 동작을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법에 따른 전력 사용량 데이터의 처리를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법의 잔차 데이터의 처리를 나타내는 도면이다.
도 6은 정상적인 전력 사용량 데이터와 유휴일의 전력 사용량 데이터를 비교하는 그래프이다.
도 7은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법의 가중치에 따른 데이터 처리를 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법에 따른 전력량 예측을 나타내는 그래프이다.
도 9는 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치의 개략적인 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 전력 사용량 예측 장치(100)는 데이터 수집부(110), 데이터 저장부(120), 전처리부(130) 및 예측부(140)를 포함할 수 있다.
데이터 수집부(110)는 전력을 사용하는 수용가의 전력 사용량 데이터를 수집할 수 있다.
데이터 저장부(120)는 사전에 설정된 기간 동안 데이터 수집부(110)에 수집한 수용가의 전력 사용량 데이터를 저장할 수 있다.
전처리부(130)는 데이터 저장부(120)에 저장된 수용가의 전력 사용량 데이터를 필터링하여 상기 기간 동안의 전력 사용량의 증가, 감소, 유지 등의 추세를 나타내는 추세(trend) 데이터, 상기 기간 동안 중 예를 들어, 주말, 월요일 오전, 금요일 오후 등 작업량이 주기적으로 변하는 특징을 갖는 일정 주기의 전력 사용량을 나타내는 주기성(seasonal) 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차(residual) 데이터로 구분할 수 있다.
전처리부(130)는 구분부(131), 분석부(132) 및 합산부(133)를 포함할 수 있다.
구분부(131)는 데이터 저장부(120)에 저장된 수용가의 전력 사용량 데이터를 사전에 설정된 L1 트렌드 필터링(trend filtering) 방식으로 필터링하여 하기의 수식1에 따라 데이터 저장부(120)에 저장된 수용가의 전력 사용량 데이터를 상기 추세 데이터 및 상기 주기성 데이터로 구분할 수 있으며, 하기의 수식 2에 따라 상기 잔차 데이터로 구분할 수 있다.
(수식1)
Figure pat00001
여기서, yk,t는 k일 t시간 전력 사용량, xk,t는 k일 t시간 추세 데이터, xk-1,t는 k-1일 t시간 추세 데이터, sk,t는 k일 t시간 주기성 데이터, Sk-c,t는 k일의 c주기 전 t시간 주기성 데이터, rk,t는 k일 t시간 잔차 데이터, wx는 추세 가중치, ws는 주기성 가중치, c는 설정된 주기, k는 자연수일 수 있다.
rk,t는 하기의 수식2에 따라 계산될 수 있다.
(수식2)
rk,t= yk,t-xk,t-sk,t
분석부(132)는 상기 잔차 데이터 중 사전에 설정된 기준 범위에 해당하는 정상 장차 데이터가 포함되어 있는 지 분석할 수 있다. 분석부(132)는 상기 잔차 데이터에서 상기 정상 잔차 데이터로 분석되지 않는 데이터는 이상 데이터로 분석할 수 있다.
합산부(133)는 상기 정상 잔차 데이터와 상기 추세 데이터를 합산하여 예측부(140)에 전달할 수 있다.
예측부(140)는 상기 주기성 데이터와 상기 합산부(133)로부터의 상기 정상 잔차 데이터와 상기 추세 데이터를 합산한 데이터에 기초하여 상기 수용가의 전력 사용량을 예측할 수 있다.
도 2는 본 발명의 일 실시예에 따른 전력 사용량 예측 방법의 개략적인 플로우챠트이다.
도 1과 함께, 도 2를 참조하면, 본 발명의 일 실시예에 따른 전력 사용량 예측 방법은 데이터 수집부(110)가 전력을 사용하는 수용가의 전력 사용량 데이터를 수집하여, 데이터 저장부(120)가 사전에 설정된 기간 동안 데이터 수집부(110)에서 수집한 수용가의 전력 사용량 데이터를 저장할 수 있다(S11).
한편, 전력 사용량을 예측하는 예측 알고리즘은 이상 데이터나 결측 데이터가 발생할 경우 예측 모델을 형성할 때뿐만 아니라 전력 사용량의 예측을 수행할 때도 영향을 미치기 때문에 예측 결과가 악화될 수 있다.
이를 해결하기 위해 종래에는 주로 이상 데이터나 결측 데이터를 처리하는 방식으로 주변 데이터를 기반으로 평균을 추정해서 하는 방식을 활용하나, 해당 방식은 순시적으로 발생한 이상 데이터를 처리하기에는 적합하지만 장기적으로 이상 데이터가 입력된 경우 이상 데이터를 기반으로 평균을 생성하기 때문에 적절하게 이상 데이터를 처리할 수가 없다.
즉, 대규모 전력설비 전력사용량의 경우 다수의 수용가의 전력사용량을 포함하기 때문에 개별 수용가의 장기적인 휴무, 정비 일정, 공정 변화를 이상 데이터로 취급할 필요가 없어 단기적인 이상데이터만 발생하기 때문에 평균 기반 처리방식을 적용할 수 있으나, 개별 수용가 전력사용량은 장기적인 휴무나 정비 등을 이상 데이터로 고려해야 하기 때문에 평균을 이용한 방법을 사용하면 정확한 전력 사용량을 예측하기 어려울 수 있다. 또한, 개별 수용가에 따라 주말, 월요일 오전, 금요일 오후 등 작업량이 주기적으로 변하는 특징에 대해 고려하는 것이 부족할 수 있다.
이를 해소하기 위해, 전처리부(130)의 구분부(131)는 데이터 저장부(120)에 저장된 수용가의 전력 사용량 데이터를 상기 L1 트렌드 필터링 방식으로 필터링하여 상기 추세 데이터, 상기 주기성 데이터 및 상기 잔차 데이터로 구분할 수 있다(S12).
상기 L1 트렌드 필터링은 전체 관측 이력에서 추세 성분을 추정하기 위한 방법으로, 기본 조각별 선형 추세를 사용하여 시계열 분석에 적합하며 부분 선형이라는 점에서 부드러운 추세 추정치를 생성할 수 있다는 장점이 있다.
도 3은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치의 전처리부 동작을 나타내는 도면이고, 도 4는 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법에 따른 전력 사용량 데이터의 처리를 나타내는 도면이다.
도 1 및 도 2와 함께, 도 3을 참조하면, 데이터 저장부(120)에 저장된 전력 사용량 데이터는 예를 들어 시간대별로 나누어질 수 있고, 시간대별로 나눠진 전력 사용량 데이터는 구분부(131)가 L1 트렌드 필터링 방식으로 추세 데이터, 주기성 데이터 및 잔차 데이터로 구분할 수 있다.
도 1 및 도 2와 함께, 도 4를 참조하면, 전처리부(130)의 구분부(131)는 상기 L1 트렌드 필터링 방식에 따라 왼쪽 상단에 도시된 그래프와 같은 수용가의 전력 사용량 데이터를 각각 우측 상단, 좌측 하단 및 우측 하단의 그래프와 같이, 상기 추세 데이터, 상기 주기성 데이터(a) 및 상기 잔차 데이터로 구분할 수 있다(S12).
도 5는 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법의 잔차 데이터의 처리를 나타내는 도면이다.
도 1 및 도 2와 함께, 도 5를 참조하면, 분석부(132)는 상기 잔차 데이터 중 상기 기준 범위에 포함되는 정상 잔차 데이터가 포함되는지 분석할 수 있다(S13).
수용가는 가정, 사업체, 건물, 공장 등 다양할 수 있으며, 수용가의 전력 사용량 데이터는 장기적인 휴무, 정비 등의 유휴 기간에 따른 전력 사용량을 상기 이상 잔차 데이터로 분석할 수 있다. 즉, 상기 잔차 데이터 중 상기 기준 범위에 해당하지 않는, 예를 들어 개별 사업체나 공장에서 실질적으로 쉬는 날인 유휴일의 전력 사용량을 이상 잔차 데이터로 분석할 수 있다. 분석된 이상 잔차 데이터는 특수일로 처리될 수 있다(S16).
예를 들어, 이상 잔차가 발생한 날을 쉬는 날이라 가정하고 해당 날짜에 대해 클러스터링(Clustering) 기법을 적용하여 하기의 표 와 같이 쉬는 날을 그룹화할 수 있다.
(표)
Figure pat00002
도 6은 정상적인 전력 사용량 데이터와 유휴일의 전력 사용량 데이터를 비교하는 그래프이다.
도 6을 참조하면, 상기한 표와 같이 그룹별 전력 사용량 패턴을 확인할 수 있다.
다시, 도 1, 도 2 및 도 4를 참조하면, 합산부(133)는 상기 추세 데이터와 분석부(132)로부터의 정상 잔차 데이터를 합산한 합산 데이터를 예측부(140)에 전달할 수 있다(S14).
도 7은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법의 가중치에 따른 데이터 처리를 나타내는 도면이다.
도 1, 도 2 및 도 4와 함께, 도 7을 참조하면, 구분부(131)는 데이터 저장부(120)에 저장된 수용가의 전력 사용량 데이터를 상기 추세 데이터 및 상기 주기성 데이터로 구분할 수 있는데, 이때, 상기 수식1과 같이 가중치(wx는 추세 가중치, ws는 주기성 가중치)를 선정할 수 있다. 추세 가중치가 증가함에 따라 장기적인 이상 데이터 처리가 용이하나 전체적인 추세가 평탄해지기 때문에 수용가의 이상 데이터의 전력량에 따른 가중치 선정이 필요할 수 있다.
도 8은 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법에 따른 전력량 예측을 나타내는 그래프이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 전력 사용량 예측 장치 및 방법에 따라 전력량 예측의 정확도가 상승한 것으로 볼 수 있다.
도 9는 본 명세서에 개진된 전력 사용량 예측 장치 및 방법의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.
컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다.
또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다.
또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다. 여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다.
또한, 컴퓨팅 디바이스(1100)는 네트워크(1200)을 통하여 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다. 여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다.
상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크에 의해 상호접속될 수도 있다.
본 명세서에서 사용되는 "데이터 수집부", "데이터 저장부", "전처리부", "예측부", "구분부", "분석부", "합산부" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다. 예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.
상술한 바와 같이, 본 발명에 따르면, 전력 사용량 예측 정확도를 개선시킬 수 있으며, 전력 사용량 예측 정확도 개선으로 인해 이를 이용한 에너지관리 시스템의 성능을 향상시킬 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고 후술하는 특허청구범위에 의해 한정되며, 본 발명의 구성은 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 그 구성을 다양하게 변경 및 개조할 수 있다는 것을 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 쉽게 알 수 있다.
100: 전력 사용량 예측 장치
110: 데이터 수집부
120: 데이터 저장부
130: 전처리부
131: 구분부
132: 이상 데이터 분석부
133: 합산부
140: 예측부

Claims (6)

  1. 수용가의 전력 사용량 데이터를 수집하는 데이터 수집부;
    사전에 설정된 기간 동안 상기 데이터 수집부에 의해 수집된 수용가의 전력 사용량 데이터를 저장하는 데이터 저장부;
    상기 데이터 저장부에 저장된 전력 사용량 데이터를 전처리하여 상기 기간 동안의 전력 사용량 추세를 나타내는 추세 데이터, 상기 기간 동안 중 일정 주기의 전력 사용량을 나타내는 주기성 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차 데이터로 구분하는 전처리부; 및
    상기 전처리부로부터의 상기 추세 데이터 및 상기 주기성 데이터에 기초하여 상기 수용가의 전력 사용량을 예측하는 예측부
    를 포함하는 전력 사용량 예측 장치.
  2. 제1항에 있어서,
    상기 전처리부는
    상기 저장된 전력 사용량 데이터를 필터링하여 상기 추세 데이터, 상기 주기성 데이터 및 상기 잔차 데이터로 구분하는 구분부;
    상기 잔차 데이터 중 사전에 설정된 기준 범위에 해당하는 정상 잔차 데이터가 포함되어 있는 지 분석하는 분석부; 및
    상기 정상 잔차 데이터와 상기 추세 데이터를 합산하는 합산부
    를 포함하는 전력 사용량 예측 장치.
  3. 제2항에 있어서,
    상기 구분부는
    수식 1
    Figure pat00003

    에 따라 상기 저장된 전력 사용량 데이터를 필터링하여 상기 추세 데이터 및 상기 주기성 데이터로 구분하고,
    수식 2
    rk,t= yk,t-xk,t-sk,t
    에 따라 상기 잔차 데이터로 구분하는 전력 사용량 예측 장치
    (여기서, yk,t는 k일 t시간 전력 사용량, xk,t는 k일 t시간 추세 데이터, xk-1,t는 k-1일 t시간 추세 데이터, sk,t는 k일 t시간 주기성 데이터, Sk-c,t는 k일의 c주기 전 t시간 주기성 데이터, rk,t는 k일 t시간 잔차 데이터, wx는 추세 가중치, ws는 주기성 가중치, c는 설정된 주기, k는 자연수).
  4. 전처리부가 데이터 저장부에 저장된 전력 사용량 데이터를 전처리하여 상기 기간 동안의 전력 사용량 추세를 나타내는 추세 데이터, 상기 기간 동안 중 일정 주기의 전력 사용량을 나타내는 주기성 데이터와, 상기 추세 데이터 및 상기 주기성 데이터로 분류되지 않은 잔차 데이터로 구분하는 단계; 및
    예측부가 상기 전처리부로부터의 상기 추세 데이터 및 상기 주기성 데이터에 기초하여 상기 수용가의 전력 사용량을 예측하는 단계
    를 포함하는 전력 사용량 예측 방법.
  5. 제4항에 있어서,
    상기 구분하는 단계는
    상기 전처리부의 구분부가 상기 저장된 전력 사용량 데이터를 필터링하여 상기 추세 데이터, 상기 주기성 데이터 및 상기 잔차 데이터로 구분하는 단계;
    상기 전처리부의 분석부가 상기 잔차 데이터 중 사전에 설정된 기준 범위에 해당하는 정상 잔차 데이터가 포함되어 있는 지 분석하는 단계; 및
    상기 전처리부의 합산부가 상기 정상 잔차 데이터와 상기 추세 데이터를 합산하는 단계
    를 포함하는 전력 사용량 예측 방법.
  6. 제5항에 있어서,
    상기 추세 데이터, 상기 주기성 데이터 및 상기 잔차 데이터로 구분하는 단계는 상기 구분부가
    수식 1
    Figure pat00004

    에 따라 상기 저장된 전력 사용량 데이터를 필터링하여 상기 추세 데이터 및 상기 주기성 데이터로 구분하고,
    수식 2
    rk,t= yk,t-xk,t-sk,t
    에 따라 상기 잔차 데이터로 구분하는 전력 사용량 예측 방법
    (여기서, yk,t는 k일 t시간 전력 사용량, xk,t는 k일 t시간 추세 데이터, xk-1,t는 k-1일 t시간 추세 데이터, sk,t는 k일 t시간 주기성 데이터, Sk-c,t는 k일의 c주기 전 t시간 주기성 데이터, rk,t는 k일 t시간 잔차 데이터, wx는 추세 가중치, ws는 주기성 가중치, c는 설정된 주기, k는 자연수).
KR1020200189137A 2020-12-31 2020-12-31 전력 사용량 예측 장치 및 방법 KR102501857B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200189137A KR102501857B1 (ko) 2020-12-31 2020-12-31 전력 사용량 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200189137A KR102501857B1 (ko) 2020-12-31 2020-12-31 전력 사용량 예측 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220096568A true KR20220096568A (ko) 2022-07-07
KR102501857B1 KR102501857B1 (ko) 2023-02-21

Family

ID=82398202

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200189137A KR102501857B1 (ko) 2020-12-31 2020-12-31 전력 사용량 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102501857B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102650227B1 (ko) * 2023-09-26 2024-03-20 전남대학교산학협력단 말단 엣지 디바이스 기반 데이터 이상 탐지 및 결손 데이터 보완을 통한 전력소비 예측 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130074043A (ko) * 2011-12-26 2013-07-04 주식회사 케이티 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
KR20180130945A (ko) * 2017-05-31 2018-12-10 세림티에스지(주) 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템
KR101941854B1 (ko) * 2018-11-08 2019-01-24 문경훈 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법
KR101989493B1 (ko) 2018-03-05 2019-06-14 숭실대학교산학협력단 전력 사용량 예측 시스템 및 방법
KR101960487B1 (ko) * 2017-09-20 2019-07-17 가천대학교 산학협력단 구성원 일정정보를 활용한 에너지 수요예측 개선방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130074043A (ko) * 2011-12-26 2013-07-04 주식회사 케이티 오차 보정 알고리즘을 이용한 수용가 수요전력 예측 방법 및 시스템
KR20180130945A (ko) * 2017-05-31 2018-12-10 세림티에스지(주) 에너지사용량 빅 데이터의 주기적 특성별 예측 분석을 통한 가정내 에너지 사용량 및 전기요금 예측안내 시스템
KR101960487B1 (ko) * 2017-09-20 2019-07-17 가천대학교 산학협력단 구성원 일정정보를 활용한 에너지 수요예측 개선방법
KR101989493B1 (ko) 2018-03-05 2019-06-14 숭실대학교산학협력단 전력 사용량 예측 시스템 및 방법
KR101941854B1 (ko) * 2018-11-08 2019-01-24 문경훈 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102650227B1 (ko) * 2023-09-26 2024-03-20 전남대학교산학협력단 말단 엣지 디바이스 기반 데이터 이상 탐지 및 결손 데이터 보완을 통한 전력소비 예측 장치 및 방법

Also Published As

Publication number Publication date
KR102501857B1 (ko) 2023-02-21

Similar Documents

Publication Publication Date Title
CN111221702B (zh) 基于日志分析的异常处理方法、系统、终端及介质
CN110708204B (zh) 一种基于运维知识库的异常处理方法、系统、终端及介质
Janardhanan et al. CPU workload forecasting of machines in data centers using LSTM recurrent neural networks and ARIMA models
US10645022B2 (en) Methods and systems providing a scalable process for anomaly identification and information technology infrastructure resource optimization
Kavulya et al. An analysis of traces from a production mapreduce cluster
US11010696B2 (en) Job allocation
EP3528087A1 (en) Power optimization for distributed computing system
Ali-Eldin et al. Workload classification for efficient auto-scaling of cloud resources
KR20170060031A (ko) 머신 러닝을 이용한 비-기술적인 손실의 식별
EP4123987A1 (en) Enhanced selection of cloud architecture profiles
Xue et al. Spatial–temporal prediction models for active ticket managing in data centers
WO2010049732A1 (en) Capacity control
US20170076216A1 (en) Maintenance event planning using adaptive predictive methodologies
CN114138625A (zh) 服务器健康状态的评估方法、系统、电子设备和存储介质
CN112559305B (zh) 不间断电源系统内部关键模块性能预测方法、装置和设备
CN113919655A (zh) 执法人员调度方法、系统、计算机装置及存储介质
KR20220096568A (ko) 전력 사용량 예측 장치 및 방법
US11651271B1 (en) Artificial intelligence system incorporating automatic model updates based on change point detection using likelihood ratios
Lee et al. Detecting anomaly teletraffic using stochastic self-similarity based on Hadoop
Grishina et al. DC energy data measurement and analysis for productivity and waste energy assessment
EP3826233A1 (en) Enhanced selection of cloud architecture profiles
JP2013156941A (ja) 在宅管理装置、在宅管理方法および在宅管理プログラム
Nwanganga et al. Statistical Analysis and Modeling of Heterogeneous Workloads on Amazon's Public Cloud Infrastructure
US11526381B2 (en) System and method for infrastructure resource optimization
CN111752706B (zh) 资源配置方法、装置及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant