KR20220117336A - 소비 전력을 예측하기 위한 방법 및 장치, 디바이스 및 판독 가능한 저장 매체 - Google Patents

Abstract

소비 전력을 예측하는 방법 및 장치, 디바이스와 판독 가능한 저장 매체가 제공된다. 상기 방법은 이력 기간에 생성된 기준 변수를 획득하는 단계; 및 소비 전력 예측 모델에 변수 특성을 입력하여 목표 기간의 예측 소비 전력을 획득하는 단계를 포함하며, 목표 기간과 이력 시간은 대응 관계를 가지며, 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련하여 획득된다. 상기 방법에서, 이력 기간에서 이산 기준 변수 및 연속 기준 변수를 포함하는 기준 변수가 획득되고, 획득된 기준 변수의 특성이 획득되며; 추출된 변수 특성은 가변 예측 모델에 입력되어 목표 기간의 예측 소비 전력을 출력한다.

Description

소비 전력을 예측하기 위한 방법 및 장치, 디바이스 및 판독 가능한 저장 매체

본 발명은 소비 전력 예측 분야에 관한 것으로, 특히 소비 전력을 예측하기 위한 방법 및 장치, 디바이스 및 판독 가능한 저장 매체에 관한 것이다.

사회가 발전함에 따라, 사용자의 전기 에너지 사용에 대한 관심이 높아지고 있으며, 소비 전력 예측은 사용자의 전기 에너지 사용을 평가하는 중요한 방법이다.

종래의 사용자의 소비 전력은 일반적으로 경험에 기초하여 추정된다. 즉, 사용자의 소비 전력 이력을 시간에 따라 분할하며, 미래 목표 기간 내 소비 전력은 시간대별 소비 전력 이력의 변화 추세 및 절대값을 기반으로 예측된다. 사용자가 현재 연도의 소비 전력을 기반으로 내년 1/4분기의 소비 전력을 예측하는 예에서, 사용자는 현재 연도의 소비 전력을 현재 연도의 4분기 소비 전력으로 분할하며, 현재 연도의 4분기 소비 전력의 변화 추세 및 절대값에 기초하여 내년 1분기 소비 전력을 예측한다.

그러나, 종래의 추정 방법에서, 미래 소비 전력은 오직 현재 연도의 소비 전력 및 분할된 소비 전력만으로 추정된다. 추정을 위한 파라미터가 적기 때문에, 미래 소비 전력에 대한 예측은 정확하지 않다.

본 발명은 소비 전력을 예측하는 방법 및 장치, 디바이스 및 판독 가능한 저장 매체에 관한 것이다. 소비 전력을 예측하는 동안, 다양한 파라미터를 기반으로 다양한 관점에서 목표 시간대의 소비 전력이 예측되며, 이에 따라 소비 전력 예측의 정확도를 높일 수 있다. 기술적 솔루션은 다음과 같다.

한 측면에서, 소비 전력을 예측하는 방법이 제공된다. 상기 방법은:

이력 기간에 전기 장치에 의해 생성된 기준 변수를 획득하는 단계, 상기 기준 변수는 이산 기준 변수와 연속 기준 변수를 포함하고, 상기 이산 기준 변수는 상기 이력 기간의 미리 설정된 구간에 따라 수집되고, 상기 연속 기준 변수는 상기 이력 기간 동안 연속적으로 수집된다;

소비 전력 예측 모델로 상기 기준 변수의 특성을 추출하여 변수 특성을 획득하는 단계, 상기 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련함으로써 획득되고, 상기 샘플 기준 변수는 샘플 이산 변수 및 샘플 연속 변수를 포함한다; 그리고

상기 변수 특성에 기초한 소비 전력 예측 모델로 예측하여 목표 기간에 예측된 소비 전력을 획득하는 단계, 상기 목표 기간 및 상기 이력 기간은 대응 관계를 가진다

를 포함한다.

선택적인 실시예에서, 상기 기준 변수의 특성을 추출하여 변수 특성을 획득하는 단계는,

상기 소비 전력 예측 모델로 이산 기준 변수의 특성을 추출하여 이산 변수 특성을 획득하는 단계;

상기 소비 전력 예측 모델로 상기 연속 기준 변수의 특성을 추출하여 연속 변수 특성을 획득하는 단계; 그리고

상기 연속 변수 특성과 상기 이산 변수 특성을 참조하여 상기 변수 특성을 획득하는 단계를 포함한다.

선택적인 실시예에서, 상기 소비 전력 예측 모델로 이산 기준 변수의 특성을 추출하여 이산 변수 특성을 획득하는 단계는,

상기 소비 전력 예측 모델을 이용하여 제1 기설정된 데이터 범위 내의 이산 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 이산 변수를 획득하는 단계;

상기 정규화된 이산 변수에 대응하는 이산 특성 행렬을 구축하는 단계; 그리고

상기 이산 특성 행렬을 참조하여 계산에 의해 상기 이산 기준 변수에 대응하는 이산 변수 특성을 획득하는 단계를 포함한다.

선택적인 실시예에서, 상기 소비 전력 예측 모델을 이용하여 제1 기설정된 데이터 범위 내의 이산 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 이산 변수를 획득하는 단계는,

상기 소비 전력 예측 모델을 사용하여 상기 이산 기준 변수를 상기 제1 기설정된 데이터 범위에 매핑하여 정규화된 이산 변수를 획득하는 단계를 포함한다.

선택적인 실시예에서, 상기 이산 기준 변수는 시간 기준 변수, 계절 기준 변수 및 휴일 기준 변수 중 적어도 하나를 포함하고;

상기 시간 기준 변수는 상기 이력 기간에 해당하는 날짜를 포함하며;

상기 계절 기준 변수는 상기 이력 기간에 해당하는 계절을 포함하고;

상기 휴일 기준 변수는 상기 이력 기간에 해당하는 휴일의 성격을 포함한다.

선택적인 실시예에서, 상기 소비 전력 예측 모델로 상기 연속 기준 변수의 특성을 추출하여 연속 변수 특성을 획득하는 단계는,

상기 소비 전력 예측 모델을 이용하여 제2 기설정된 데이터 범위의 연속 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 연속 변수를 획득하는 단계;

상기 정규화된 연속 변수를 기반으로 연속 특성 행렬을 구축하는 단계; 그리고

상기 연속 특성 행렬을 계산하여 상기 연속 기준 변수에 해당하는 연속 변수 특성을 획득하는 단계를 포함한다.

선택적인 실시예에서, 상기 소비 전력 예측 모델을 이용하여 제2 기설정된 데이터 범위의 연속 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 연속 변수를 획득하는 단계는,

상기 소비 전력 예측 모델을 이용하여 상기 연속 기준 변수를 상기 제2 기설정된 데이터 범위에 매핑하여 상기 정규화된 연속 변수를 획득하는 단계를 포함한다.

선택적인 실시예에서, 상기 연속 기준 변수는 온도 기준 변수, 소비 전력 기준 변수 및 습도 기준 변수 중 적어도 하나를 포함하고;

상기 온도 기준 변수는 상기 이력 기간의 온도를 나타내고;

상기 소비 전력 기준 변수는 상기 이력 기간의 총 소비 전력을 나타내며;

상기 습도 기준 변수는 상기 이력 기간의 공기 습도를 나타낸다.

다른 측면에서, 소비 전력을 예측하는 장치가 제공된다. 상기 장치는:

이력 기간에 생성된 기준 변수를 획득하도록 설정된 획득 모듈, 상기 기준 변수는 이산 기준 변수와 연속 기준 변수를 포함하고, 상기 이산 기준 변수는 상기 이력 기간의 미리 설정된 구간에 따라 수집되고, 상기 연속 기준 변수는 상기 이력 기간 동안 연속적으로 수집된다;

소비 전력 예측 모델로 상기 기준 변수의 특성을 추출하여 변수 특성을 획득하도록 설정된 추출 모듈, 상기 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련함으로써 획득되고, 상기 샘플 기준 변수는 샘플 이산 변수 및 샘플 연속 변수를 포함한다; 그리고

상기 변수 특성에 기초한 소비 전력 예측 모델로 예측하여 목표 기간에 예측된 소비 전력을 획득하도록 설정된 예측 모듈, 상기 목표 기간 및 상기 이력 기간은 대응 관계를 가진다

를 포함한다.

선택적인 실시예에서, 추출 모듈은 이산 변수 특성을 획득하기 위해 소비 전력 예측 모델로 이산 기준 변수의 특성을 추출하도록 설정되고;

추출 모듈은 연속 변수 특성을 획득하기 위해 소비 전력 예측 모델로 연속 기준 변수의 특성을 추출하도록 설정된다.

장치는 연속 변수 특성과 이산 변수 특성을 참조함으로써 변수 특성을 획득하도록 설정된 참조 모듈을 더 포함한다.

선택적인 실시예에서, 장치는 정규화된 이산 변수를 획득하기 위해 소비 전력 예측 모델을 사용하여 제1 기설정 데이터 범위 내의 이산 기준 변수에 대한 데이터 정규화를 수행하도록 설정된 처리 모듈, 여기서 제1 기설정 데이터 범위는 이산 기준 변수에 대한 데이터 정규화를 수행하기 위한 데이터 범위를 나타낸다;

정규화된 이산 변수에 기초하여 이산 특성 행렬을 구축하도록 설정된 구축 모듈; 그리고

이산 특성 행렬을 계산하여 이산 기준 변수에 대응하는 이산 변수 특성을 획득하도록 설정된 계산 모듈을 더 포함한다.

선택적인 실시예에서, 장치는 정규화된 이산 변수를 획득하기 위해 소비 전력 예측 모델을 이용하여 제1 기설정 데이터 범위로 이산 기준 변수를 매핑하도록 설정된 매핑 모듈을 더 포함한다.

선택적인 실시예에서, 이산 기준 변수는 시간 기준 변수, 계절 기준 변수 및 휴일 기준 변수 중 적어도 하나를 포함하고;

시간 기준 변수는 이력 기간에 대응하는 날짜를 포함하고;

계절 기준 변수는 이력 기간에 대응하는 계절을 포함하며;

휴일 기준 변수는 이력 기간에 대응하는 휴일의 성격을 포함한다.

선택적인 실시예에서, 장치는 정규화된 연속 변수를 획득하기 위해 소비 전력 예측 모델을 사용하여 제2 기설정 데이터 범위의 연속 기준 변수에 대한 데이터 정규화를 수행하도록 설정되는 처리 모듈;

정규화된 연속 변수에 기초하여 연속 특성 행렬을 구축하도록 설정되는 구축 모듈; 그리고

연속 기준 변수에 대응하는 연속 변수 특성을 획득하기 위해 연속 특성 행렬을 계산하도록 설정되는 계산 모듈을 포함한다.

선택적인 실시예에서, 매핑 모듈은 정규화된 연속 변수를 획득하기 위해 소비 전력 예측 모델과 함께 제2 기설정 데이터 범위로 연속 기준 변수를 매핑하도록 설정된다.

선택적인 실시예에서, 연속 기준 변수는 온도 기준 변수, 소비 전력 기준 변수 및 습도 기준 변수 중 적어도 하나를 포함하고;

온도 기준 변수는 이력 기간의 온도를 나타내며;

소비 전력 기준 변수는 이력 기간의 총 소비 전력을 나타내고;

습도 기준 변수는 이력 기간의 공기 습도를 나타낸다.

또 다른 측면에서, 컴퓨터 장치가 제공된다. 상기 컴퓨터 장치는 적어도 하나의 명령어, 적어도 하나의 프로그램, 적어도 하나의 코드 세트 또는 명령어 세트를 내부에 저장하는 메모리 및 프로세서를 포함한다. 상기 프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 적어도 하나의 코드 세트 또는 명령어 세트는 상기 프로세서가 본 발명의 전술한 실시예에 따른 소비 전력을 예측하는 방법을 구현하도록 한다.

또 다른 측면에서, 컴퓨터 판독 가능한 저장 매체가 제공된다. 컴퓨터 판독가능한 저장 매체는 적어도 하나의 명령어, 적어도 하나의 프로그램, 적어도 하나의 코드 세트 또는 명령어 세트를 내부에 저장한다. 프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 적어도 하나의 코드 세트 또는 명령어 세트는 상기 프로세서가 본 발명의 전술한 실시예에 따른 소비 전력을 예측하는 방법을 구현하도록 한다.

또 다른 측면에서, 컴퓨터 프로그램 제품이 제공된다. 컴퓨터 프로그램 제품은, 컴퓨터 상에서 실행될 때, 컴퓨터가 본 발명의 실시예 중 어느 하나에 따른 소비 전력 예측 방법을 구현하도록 한다.

본 발명에 의해 제공되는 기술적 해결 수단은 적어도 다음과 같은 유익한 효과를 갖는다.

소비 전력 예측 동안, 이산 기준 변수 및 연속 기준 변수를 포함하는 기준 변수를 이력 기간 동안 획득하고, 기준 변수의 특성을 추출하며, 추출된 변수 특성을 가변 예측 모델에 입력하여 목표 기간의 예측 소비 전력을 출력함으로써, 목표 기간의 소비 전력이 다양한 파라미터를 기반으로 서로 다른 관점에서 예측되며, 이에 따라 소비 전력 예측의 정확도가 개선된다.

본 발명의 실시예의 기술적 솔루션을 보다 명확하게 설명하기 위하여, 이하에서는 실시예를 설명하는데 필요한 첨부 도면을 간략히 소개한다. 명백하게, 다음 설명에서 첨부된 도면은 단지 본 개시내용의 일부 실시예를 도시하는 것이고, 당업자는 창의적 노력 없이 이들 첨부된 도면으로부터 다른 도면을 도출할 수도 있다.
도 1은 종래 기술의 GRU(Gated Recurrent Unit)의 구조적인 개략도이다;
도 2는 본 발명의 한 실시예에 따른 소비전력 예측 방법의 순서도이다;
도 3은 본 발명의 한 실시예에 따라 이산 기준 변수를 추출하여 이산 변수 특성을 획득하는 순서도이다;
도 4는 본 발명의 한 실시예에 따라 이산 기준 변수에 기초하여 이산 특성 행렬을 구축하기 위한 방법의 개략도이다;
도 5는 본 발명의 한 실시예에 따른 연속 기준 변수를 추출하여 연속 변수 특성을 획득하는 순서도이다;
도 6은 본 발명의 한 실시예에 따라 컨볼루션 커널 계산에 의해 연속 변수 특성을 획득하는 개략도이다;
도 7은 본 발명의 한 실시예에 따른 컨볼루션 커널의 트레이닝을 도시하는 개략도이다;
도 8은 본 발명의 한 실시예에 따른 소비 전력 예측 방법의 순서도이다.
도 9는 본 발명의 한 실시예에 따라 소비 전력 예측 모델에 변수 특성을 입력하여 목표 기간의 예측 소비 전력을 획득하는 개략도이다;
도 10은 본 발명의 한 실시예에 따른 소비 전력 예측 장치의 구조적 블록도이다; 그리고
도 11은 본 발명의 한 실시예에 따른 서버의 구조도이다.

본 발명의 목적, 기술적 솔루션 및 이점을 보다 명확하게 제시하기 위하여, 본 발명의 실시예는 첨부된 도면을 참조하여 더욱 상세하게 설명된다.

먼저, 본 발명의 실시예와 관련된 용어를 간략히 소개한다.

인공지능(AI)은 인간의 지능을 컴퓨터 프로그램으로 표현하는 기술이며, 나아가 인간의 지능적 행동을 기계가 학습하는 것으로 나타낼 수도 있다. AI는 컴퓨터 과학의 한 분야이며 다양한 지능형 기계의 설계 원리와 구현 방법을 연구하여 기계가 인식, 추론 및 의사 결정 기능을 갖도록 한다. AI 기술은 하드웨어 수준의 기술과 소프트웨어 수준의 기술을 모두 포함하는, 광범위한 분야를 포괄하는 포괄적인 주제이다. AI 소프트웨어 기술은 주로 컴퓨터 비전 기술, 음성 처리 기술, 자연어 처리 기술 및 기계 학습/딥 러닝을 포함하며, 본 실시예는 주로 기계 학습 기술을 포함한다.

기계 학습(ML)은 확률 이론, 통계, 근사 이론, 볼록 분석(convex analysis), 알고리즘 복잡도 이론 및 기타 과목을 포함하는 다분야 학제간 과목이며, 새로운 지식이나 기술을 습득하고, 기존의 지식 구조를 재구성하여 자신의 성과를 지속적으로 향상시키기 위한 인간 학습 행동을 컴퓨터가 어떻게 시뮬레이션하는지 또는 구현하는지를 연구하는데 주로 사용된다. 기계 학습과 딥 러닝은 일반적으로 인공 신경망(artificial neural networks), 신념 네트워크(belief networks), 강화 학습(reinforcement learning), 전이 학습(transfer learning), 귀납 학습(inductive learning), 교수 학습(teaching learning) 및 기타 기술을 포함하며, 본 실시예는 주로 인공 신경망 기술을 포함한다.

GRU(Gated Recurrent Unit)는 LSTM(Long Short-Term Memory)의 변형이다. GRU의 구조는 LSTM의 구조와 매우 유사하다. LSTM에는 3개의 게이트가 있는 반면 GRU에는 2개의 게이트만 있고 셀룰러 상태가 아니므로, LSTM의 구조를 단순화한다. 도 1은 종래의 GRU의 구조적 개략도이다. 도 1을 참조하면, GRU의 2개의 게이트는 업데이트 게이트(z101) 및 리셋 게이트(r102)이다. "업데이트 게이트"는 이전 순간의 유닛 상태의 정보 번호를 현재 상태로 가져올 수 있는 정도를 제어하는 기능이고 "리셋 게이트"는 이전 상태로부터 현재 상태로 기재될 수 있는 정보 번호를 제어하는 기능을 수행한다.

사회가 발전함에 따라, 사용자의 전기 에너지 사용에 대한 관심이 점점 높아지고 있으며, 소비 전력의 예측은 사용자의 전기 에너지 사용을 평가하는 중요한 방법이다.

그러나, 종래의 추정 방법에서, 추정을 위한 파라미터가 거의 없고, 전체 전력 소모량만 추정을 위한 파라미터로 취해진다. 따라서, 미래의 소비 전력에 대한 예측은 정확하지 않다.

도 2는 본 발명의 한 실시예에 따른 소비 전력 예측 방법의 순서도이다. 설명을 위해 서버에 적용한 방법을 예로 들면 다음과 같은 단계를 포함한다.

단계 201에서, 이력 기간에 전기 장치에 의해 생성된 기준 변수가 획득된다. 기준 변수는 이력 기간에 생성된 변수이며, 기준 변수는 이산 기준 변수와 연속 기준 변수를 포함한다.

선택적으로, 전기 장치는 이력 기간 동안 전기 에너지로 동작하고, 다른 장치에 의한 자체 소비 전력을 기록하는 장치이다.

선택적으로, 소비 전력을 예측하는 서버는 이력 기간의 소비 전력 및 이력 기간에 생성된 기준 변수를 저장한다. 선택적으로, 이력 기간의 소비 전력은 서버가 수신한, 이력 기간의 사용자의 총 소비 전력을 나타낸다. 선택적으로, 서버는 이력 기간에 복수의 기준 변수를 수신할 수 있고, 복수의 기준 변수는 모두 이력 기간에 생성된 변수이다. 예를 들어, 사용자는 하나의 시간 구간 동안의 소비 전력을 기록하고, 지능형 전력량계를 이용하여 주변 온도와 전기 사용 일자를 동시에 기록하며, 기록된 데이터를 서버로 전송하여 서버가 저장하도록 한다. 선택적으로, 이러한 데이터는 실시간으로 업데이트되는 동안 전체 기간 저장 방식으로 서버에 저장된다. 사용자가 이력 기간 동안 정보를 추출해야 하는 경우, 서버는 이 기간의 데이터를 이력 기간의 소비 전력 및 이력 기간에 생성된 기준 변수로 받게 된다.

선택적으로, 기준 변수는 이산 기준 변수를 포함한다.

선택적으로, 이산 기준 변수는 이력 기간 내 미리 설정된 구간에 따라 수집된 기준 변수이다. 선택적으로 하나의 미리 설정된 구간은 하나의 이산 기준 변수가 기록되는 기간이다. 예를 들어, 미리 설정된 구간이 1일이고 이산 기준 변수가 날짜인 경우, 이산 기준 변수는 하나의 미리 설정된 구간, 즉 하루 내에 한 번만 기록된다. 예를 들어, 기록된 날짜는 당월 10일이고 이산 기준 변수는 하루 후에 두 번째로 기록된다. 즉, 날짜는 해당 월의 11번째 자연일이다.

선택적으로, 기준 변수는 연속 기준 변수를 포함한다.

선택적으로, 연속 기준 변수는 이력 기간 동안 연속적으로 수집되는 변수이다. 선택적으로 연속 기준 변수는 실시간으로 변경되므로 실시간으로 기록해야 한다. 예를 들어, 연속 기준 변수는 전력 소비를 기록하는 데 사용되는 계량기 주변의 온도이다. 온도는 실시간으로 변하는 변수이므로, 실시간으로 온도의 변화를 기록할 필요가 있다. 선택적으로, 사용자의 주변 온도를 수집한 후, 주변 온도의 변화 곡선을 생성하여 서버로 보낸다.

단계 202에서, 기준 변수의 특성은 변수 특성을 획득하기 위해 소비 전력 예측 모델을 이용하여 추출된다. 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련하여 획득되며, 샘플 기준 변수는 샘플 이산 변수와 샘플 연속 변수를 포함한다.

선택적으로, 하나의 기준 변수에 대응하는 특성 값은 복수의 특성 차원으로부터 유도되며, 즉, 하나의 기준 변수는 상이한 특성 차원에서 상이한 특성 값을 갖는다.

선택적으로, 기준 변수의 특성을 추출하는 프로세스는 예측된 소비 전력을 획득하도록 설정된 소비 전력 예측 모델에서 구현된다.

선택적으로, 하나의 기준 변수의 복수의 특성 차원의 특성 값이 획득된 후, 특성 행렬은 복수의 차원의 특성 값을 기반으로 구축될 수 있으며, 기준 변수에 해당하는 변수 특성은 특성 행렬을 처리하는 것에 의해 획득된다. 예를 들어, 기준 변수는 연속 기준 변수이고, 기준 변수는 소비 전력을 기록하는데 사용되는 전기 계량기 주변의 온도이다. 기준 변수의 특성을 추출할 때, 서버에서 미리 설정된 복수의 차원에서 변수의 특성값이 먼저 추출된다. 본 실시예에서, 서버는 총 20개의 서로 다른 차원에서 특성값을 추출하고, 각 차원에서의 특성값은 수치값의 형태로 구현된다. 1행 20열 특성 행렬은 20차원의 특성값을 기반으로 구성되며, 특성 행렬은 소비 전력을 기록하는데 사용되는 전기 계량기 주변의 온도인 해당 기준 변수의 특성 행렬이다. 이 특성 행렬을 처리함으로써, 최종적으로 소비 전력을 기록하는데 사용되는 전기 계량기 주변 온도의 변수 특성을 얻을 수 있다. 본 실시예에서 특성 행렬의 처리는 서버에 미리 설정된 20행 1열행렬과 특성 행렬을 곱하여 최종적으로 하나의 수치 값을 획득하고, 그 수치 값은 기준 변수에 대응하는 변수 특성이며, 즉, 소비 전력을 기록하는데 사용되는 전기 계량기 주변의 온도이다.

선택적으로, 연속 변수 특성 및 이산 변수 특성을 획득한 후, 소비 전력 예측 모델은 변수 특성을 획득하기 위해 이들에 대해 가중 합산 계산을 수행한다. 선택적으로, 연속 변수 특성과 이산 변수 특성의 가중치는 소비 전력 예측 모델을 훈련하여 획득한다.

단계 203에서, 변수 특성에 기초한 소비 전력 예측 모델을 이용한 예측에 의해 목표 기간 예측에서의 예측 소비 전력이 획득되고, 목표 기간과 이력 기간은 대응 관계를 갖는다.

선택적으로, 단계 202에서 설명된 바와 같이, 소비 전력 예측 모델은 예측된 소비 전력을 획득하도록 설정된다. 선택적으로, 하나의 목표 기간에 복수의 파라미터 변수의 변수 특성이 있고, 변수 특성의 수치 값은 가중 합산에 의해 계산된다. 선택적으로, 소비 전력 예측 모델에서 변수 특성에 의한 변수 특성의 획득이 완료될 수도 있다. 즉, 하나의 이력 기간에 대응하는 복수의 변수 특성이 소비 전력 예측 모델로 입력되고, 변수 특성을 획득하기 위하여 소비 전력 예측 모듈에서 이들 변수 특성에 대한 가중 합이 수행된다.

선택적으로, 상기 단계에서 설명된 연속 변수 특성 및 이산 변수 특성의 가중치는 훈련에 의해 획득된다. 훈련 방법은 최소 손실 함수에 따른 훈련 결과를 획득하는 단계와 훈련 결과를 참조하여 신경망 역전파 계산 방법에 의해 연속 변수 특성 및 이산 변수 특성에 대응하는 가중치를 보정하는 단계를 포함한다. 예를 들어, 최소 손실 함수는 수학식 1과 같다.

수학식 1:

여기서, m은 총 훈련 횟수, i는 훈련 시간의 일련번호,

는 훈련 시 출력되는 샘플 예측 소비 전력,

는 훈련 시 실제 이력 소비 전력이다. 신경망 역전파 계산 방법에 의해 최소 손실 함수에 따라 소비 전력 예측 모델을 훈련시킨 후, 이산 변수 특성과 연속 변수 특성에 해당하는 가중치를 점진적으로 결정할 수 있고, 이력 기간에 해당하는 변수 특성은 이산 변수 특성과 연속 변수 특성을 참조하여 가중치를 기반으로 최종적으로 구해진다.

선택적으로, 목표 기간은 미래의 기간, 즉 소비 전력이 예측될 필요가 있는 추정 기간이다. 선택적으로, 목표 기간과 이력 기간 사이에 대응 관계가 있다. 선택적으로, 목표 기간과 이력 기간은 동일한 시간 길이를 갖는다. 예를 들어, 목표 기간 및 이력 기간은 모두 24시간의 시간 길이를 갖는 기간이다. 선택적으로, 목표 기간과 이력 기간은 서로 다른 시간 사이클의 동일한 단계에 있다. 예를 들어, 시간 사이클은 1주일이고, 목표 기간은 두 번째 주의 세 번째 날이며, 이력 기간은 첫 번째 주의 세 번째 날이다. 이력 기간과 목표 기간이 두 개의 다른 시간 사이클에 있다. 즉, 이력 기간과 목표 기간은 두 개의 다른 주(week)에 있으나, 이력 기간과 목표 기간은 다른 시간 사이클의 동일한 기간에 있다. 예를 들어, 목표 기간은 두 번째 주의 수요일이고 이력 기간은 첫 번째 주의 수요일이다. 서버가 목표 기간 동안의 소비 전력을 예측해야 하는 경우, 이력 기간의 기준 변수를 획득한다.

선택적으로, 소비 전력 예측 모델은 다중 GRU가 연결된 후 특성 값을 인코딩 및 디코딩하는 순환 메모리 신경망 모델이다. 선택적으로, 하나의 GRU에 하나의 변수 특성이 입력되거나, 하나의 GRU에 하나의 이력 기간에 해당하는 모든 변수 특성이 입력된다. 즉, 각 GRU에 입력되는 변수 특성이 하나의 이력 시간 범위에 해당한다. 선택적으로, 소비 전력 예측 모델은 적어도 하나의 변수 특성에 기초하여 적어도 하나의 목표 기간에 예측된 소비 전력을 출력할 수 있다. 선택적으로, 목표 기간의 수는 적어도 하나이다.

선택적으로, 후속 목표 기간의 예측 소비 전력은 하나의 목표 기간의 예측 소비 전력에 기초하여 예측될 수 있다. 예를 들어, 세 개의 목표 기간이 있다. 제1 목표 기간에 대응하는 예측 소비 전력은, 획득 후 제2 목표 기간에 대응하는 예측 소비 전력을 획득하기 위하여 소비 전력 예측 모델에 입력되고, 제2 목표 기간에 대응하는 예측 소비 전력은 제3 목표 기간에 대응하는 예측 소비 전력을 획득하기 위하여 소비 전력 예측 모델에 입력된다. 선택적으로, 목표 기간이 복수인 경우, 목표 기간의 소비 전력 예측 순서는 더 빠른 목표 기간에 대응하는 소비 전력을 먼저 예측하고, 더 빠른 목표 기간에 대응하는 예측 소비 전력은 다음 목표 기간에 대응하는 예측 소비 전력을 획득하기 위하여 소비 전력 예측 모델로 재입력된다.

선택적으로, 소비 전력 예측 모델은 기계 학습 모델이고, 샘플 소비 전력으로 표시된 샘플 기준 변수에 의해 지도 학습(supervised training)을 수행한다. 선택적으로, 샘플 기준 변수는 샘플 이산 변수와 샘플 연속 변수를 포함한다. 샘플 기준 변수와 샘플 연속 변수는 모두 샘플 변수 특성을 가지고 있다. 소비 전력 예측 모델은 샘플 변수 특성을 소비 전력 예측 모델에 입력하여 학습된다. 선택적으로, 샘플 기준 변수는 소비 전력 예측 모델에 대한 예비 훈련을 수행하기 위해 시뮬레이션 값에서 획득될 수도 있다. 예비 훈련 후, 이력 기간의 실제 이력 소비 전력을 기반으로 추가 훈련이 수행된다.

선택적으로, 서버에 저장된 이력 기간은 샘플 목표 기간으로 선택되고, 해당 소비 전력은 실제 이력 소비 전력으로 간주되며, 샘플 이력 기간 및 샘플 목표 기간에 대응하는 샘플 기준 변수가 획득된다. 선택적으로, 샘플 기준 변수는 소비 전력 예측 모델에 입력되고, 획득된 샘플 예측 소비 전력은 실제 이력 소비 전력과 비교되며, 소비 전력 예측 모델은 비교 결과를 기반으로 학습된다. 선택적으로, 실제 이력 소비 전력과 샘플 예측 소비 전력을 손실 함수에 대입하여, 소비 전력 예측 모델의 파라미터가 조정되며, 샘플 예측 소비 전력의 값이 실제 이력 소비 전력의 값에 최대한 근접하여 소비 전력 예측 모델의 훈련을 완료한다.

선택적으로, 샘플 기준 변수에 의해 예측되는 샘플 목표 기간의 샘플 예측 소비 전력은 실제로 서버에 저장된 이력 기간의 소비 전력이다. 선택적으로, 샘플 목표 기간에 대응하는 이력 기간의 소비 전력은 훈련용 샘플 기준 변수의 비교 값으로 선택되고, 전력 모델은 비교 값을 샘플 예측 소비 전력과 비교하여 훈련된다.

요약하면, 본 실시예에 의해 제공되는 방법에 따르면, 이산 기준 변수 및 연속 기준 변수를 포함하는 기준 변수를 이력 기간에 획득하고, 기준 변수의 특성을 추출하며, 추출된 변수 특성을 가변 예측 모델로 입력함으로써 목표 기간의 예측 소비 전력을 출력한다. 소비 전력 예측 동안, 목표 기간의 소비 전력은 다양한 매개변수를 기반으로 다양한 관점에서 예측되며, 소비 전력의 예측 정확도가 개선된다.

도 3은 본 발명의 한 실시예에 따른 이산 기준 변수를 추출하여 이산 변수 특성을 획득하는 순서도이다. 설명을 위해 서버에 적용한 방법을 예로 들면 다음과 같은 단계를 포함한다.

단계 301에서, 정규화된 이산 기준 변수는 제1 기설정 데이터 범위에 따라 이산 기준 변수에 대한 데이터 정규화를 수행함으로써 획득된다.

선택적으로, 본 실시예에서 설명된 이산 변수 특성을 추출하는 방법은 단계 202에서 설명된 바와 같이 소비 전력 예측 모델에서 완료된다.

단계 201에서 설명된 바와 같이, 이산 기준 변수는 이력 기간의 미리 설정된 구간에 따라 수집된다.

선택적으로, 이산 기준 변수는 시간 기준 변수, 계절 기준 변수 및 휴일 기준 변수 중 적어도 하나를 포함한다. 시간 기준 변수는 이력 기간에 해당하는 날짜를 포함하고; 계절 기준 변수는 이력 기간에 해당하는 계절을 포함하고; 휴일 기준 변수는 이력 기간에 해당하는 휴일의 성격을 포함한다. 선택적으로, 서버가 기준 변수를 획득할 때, 이력 기간에 대응하는 복수의 이산 시간 변수를 한번에 획득할 수 있다. 예를 들어, 이력 기간은 하루의 자정부터 24시까지이고, 서버는 기준 변수를 획득할 때 이력 기간에 대응하는 날짜, 이력 기간에 대응하는 계절 및 이력 기간이 휴일인지를 획득할 수 있다.

예를 들어, 이산 기준 변수는 이력 기간에 해당하는 휴일의 특성에 의해 생성되는 휴일 기준 변수이고, 휴일 기준 변수는 휴무일 기준 변수 및 근무일 기준 변수를 포함한다. 이 경우, 휴무일 기준 변수와 근무일 기준 변수 각각은 적어도 하나의 차원에서 해당 특성값을 가져야 한다.

선택적으로, 기준 변수의 큰 값 차이로 인해, 이산 기준 변수로부터 추출된 적어도 하나의 차원의 특성 값도 큰 값 차이를 가지며, 이는 특성 매트릭스의 구축 및 후속 계산에 불편을 야기한다. 그래서, 데이터 정규화는 정규화된 이산 기준 변수를 획득하기 위해 제1 기설정 데이터 범위에 따라 이산 기준 변수에 대해 수행된다. 선택적으로, 제1 기설정 데이터 범위는 이산 기준 변수에 대한 데이터 정규화를 수행하기 위한 데이터 범위이고, 정규화된 이산 기준 변수는 제1 기설정 데이터 범위에서 이산 기준 변수의 매핑이다. 예를 들어, 이산 기준 변수는 날짜 기준 변수이고, 날짜 기준 변수에 해당하는 데이터 값은 자연일의 배열에 따라 1 내지 31이어야 하며, 0 내지 1로 제1 기설정 데이터 범위를 설정하는 것에 의해 원래 데이터 값인 1 내지 31에 대해 데이터 정규화가 수행될 수 있다. 선택적으로, 데이터 정규화 후, 처리된 정규화된 이산 기준 변수의 각 차원의 특성 값도 정규화된 특성 값이다.

단계 302에서, 이산 기준 변수에 대응하는 특성 행렬은 정규화된 이산 기준 변수에 기초하여 구축된다.

선택적으로, 각 이산 기준 변수의 각 변수 유형에 대응하는 이산 특성 행렬이 구축된다.

선택적으로, 정규화된 이산 기준 변수에 기초하여 이산 기준 변수에 대응하는 이산 특성 행렬을 구축하는 것은 모든 차원에서 정규화된 특성 값에 기초하여 이산 특성 행렬을 구축하거나 일부 차원의 정규화된 특성 값에 기초하여 이산 특성 행렬을 구축하는 것을 포함한다.

예를 들어, 이산 기준 변수는 휴일 기준 변수, 즉 이력 기간에 해당하는 휴일의 성격에 의해 생성된 이산 기준 변수이고, 휴일 기준 변수는 휴무일 기준 변수 및 근무일 기준 변수를 포함한다. 이 경우, 휴무일 기준 변수와 근무일 기준 변수 각각은 적어도 하나의 차원에서 대응하는 특성 값을 가져야 한다. 0 내지 1의 제1 기설정 데이터 범위에 따라, 휴무일 기준 변수의 값은 0으로 설정되고, 근무일 기준 변수의 값은 1로 설정되며 이산 특성 행렬이 6 차원 특성에 기초하여 각각 구축된다.

도 4는 본 발명의 한 실시예에 따른 이산 특성 행렬을 구축하기 위한 방법의 개략도이다. 도 4를 참조하면, 이산 기준 변수는 휴무일 기준 변수와 근무일 기준 변수를 포함하며, 이들 각각은 6차원 특성을 갖는다. 휴무일 기준 변수의 6차원 특성은 A1, B1, C1, D1, E1, F1이며, 근무일 기준 변수의 6차원 특성은 A2, B2, C2, D2, E2, F2이다. 휴무일 기준 변수에 대응하여 생성된 특성 행렬은 1행 6열 특성 행렬(401)은 [A1,B1,C1,D1,E1,F1]이고, 근무일 기준 변수에 대응하여 생성된 특성 행렬(402)은 [A2, B2, C2, D2, E2, F2]이다.

단계 303에서, 이산 기준 변수에 대응하는 이산 변수 특성이 이산 특성 행렬에 기초하여 결정된다.

전술한 실시예에서, 이산 특성 행렬(401) 및 이산 특성 행렬(402) 각각은 6개의 정규화된 특성 값을 갖는다. 선택적으로, 대응하는 이산 변수 특성은 이산 특성 행렬을 계산하여 획득된다.

선택적인 실시예에서, 이산 변수 특성은 특성 획득 행렬과 이산 특성 행렬을 교차 곱함으로써 획득된다. 선택적으로, 특성 획득 행렬은 서버에 의해 미리 설정되거나 이산 특성 변수를 기반으로 실시간으로 조정될 수 있다. 선택적으로, 모든 이산 특성 행렬은 동일한 특성 획득 행렬에 의해 그에 대응하는 이산 변수 특성을 획득한다. 선택적으로, 서로 다른 특성 획득 행렬에 대응하는 이산 특성 행렬은 서로 다르며, 최종적으로 획득되는 이산 변수 특성은 서로 다르다.

요약하면, 본 실시예에 의해 제공된 방법에 따르면, 이산 기준 변수를 정규화하고, 이산 특성 행렬을 구축하고, 특성 획득 행렬에 의해 이산 특성 행렬을 처리하여 최종적으로 이산 변수 특성을 획득하는 것에 의하여, 특성 행렬은 각각의 이산 기준 변수의 각각의 결과에 대해 독립적으로 생성되고, 처리된 이산 변수 특성은 소비 전력 예측 모델에 입력된다. 따라서, 소비 전력 예측의 정확도가 개선된다.

도 5는 본 발명의 한 실시예에 따른 연속 기준 변수를 추출하여 연속 변수 특성을 획득하는 순서도이다. 설명을 위해 서버에 적용한 방법을 예로 들면 다음과 같은 단계를 포함한다.

단계 501에서, 정규화된 연속 기준 변수는 제2 기설정 데이터 범위에 따라 연속 기준 변수에 대한 데이터 정규화를 수행함으로써 획득된다.

선택적으로, 본 실시예에서 설명된 연속 변수 특성을 추출하는 방법은 단계 202에서 설명된 바와 같이 소비 전력 예측 모델에서 완료된다.

단계 201에서 설명된 바와 같이, 연속 기준 변수는 이력 기간에 연속 변수에 의해 연속적으로 수집된다.

선택적으로, 연속 기준 변수는 온도 기준 변수, 소비 전력 기준 변수 및 습도 기준 변수 중 적어도 하나를 포함한다. 온도 기준 변수는 이력 기간의 온도를 나타내는 데 사용된다. 소비 전력 기준 변수는 이력 기간의 총 소비 전력을 나타내는 데 사용된다. 습도 기준 변수는 이력 기간의 공기 습도를 나타내는 데 사용된다.

예를 들어, 연속 기준 변수는 소비 전력 기준 변수, 즉 이력 기간에 대응하는 총 소비 전력이다. 선택적으로, 서버는 해당 이력 기간의 누적 총 소비 전력을 호출하고, 이력 기간 종료 시의 누적 총 소비 전력에서 이력 기간 시작 시의 누적 총 소비 전력을 빼서 이력 기간 내 소비 전력 기준 변수를 획득한다.

선택적으로, 데이터 정규화는 정규화된 연속 기준 변수를 얻기 위해 제2 기설정 데이터 범위에 따라 연속 기준 변수에 대해 수행된다. 선택적으로, 제2 기설정 데이터 범위는 연속 기준 변수에 대한 데이터 정규화를 수행하기 위한 데이터 범위이고, 정규화된 연속 기준 변수는 제2 기설정 데이터 범위에서 연속 기준 변수의 매핑이다. 예를 들어, 연속 기준 변수는 온도 기준 변수이며, 이력 기간 변화에 따른 한 장소의 온도 변화 범위는 10℃~30℃이다. 즉, 온도 변화에 대응하는 데이터 값은 10~30이어야 하며, 데이터 정규화는 제2 기설정 데이터 범위 0~1을 기준으로 원래 데이터 값 10~30에 대해 수행될 수 있다. 선택적으로, 데이터 정규화 후, 처리된 정규화된 연속 기준 변수의 각 차원의 특성 값도 정규화된 특성 값이다.

단계 502에서, 연속 기준 변수에 대응하는 특성 행렬은 정규화된 연속 기준 변수에 기초하여 구축된다.

선택적으로, 하나의 이력 기간의 모든 연속 기준 변수는 고유한 연속 특성 행렬을 구축하기 위해 선택된다. 대안으로, 하나의 이력 기간에서 적어도 하나의 연속 기준 변수는 고유한 연속 특성 행렬을 구축하기 위해 모든 연속 기준 변수의 대표로서 선택된다.

선택적으로, 정규화된 연속 기준 변수에 기반한 연속 기준 변수에 대응하는 특성 행렬을 구축하는 것은 모든 차원에서 정규화된 특성 값에 기반한 연속 특성 행렬의 구축, 일부 차원에서 정규화된 특성 값에 기반한 이산 특성 행렬 구축을 포함한다.

예를 들어, 연속 기준 변수는 온도 기준 변수 및 소비 전력 기준 변수이다. 제2 변수 범위에 따라 온도 기준 변수와 소비 전력 기준 변수를 정규화하고, 온도 기준 변수와 소비 전력 기준 변수의 특성을 획득한 후, 온도 기준 변수의 16차원 특성과 소비 전력 기준 변수의 16차원 특성이 획득되며, 1행 32열 특성 행렬을 획득하기 위해 하나의 열에 배열된다. 특성 행렬에 대해 컨볼루션 커널 계산을 수행하는 것에 의하여, 특성 행렬에 해당하는 연속 변수 특성을 얻는다.

단계 503에서, 연속 기준 변수에 대응하는 연속 변수 특성은 연속 특성 행렬에 기초하여 결정된다.

도 6은 본 발명의 한 실시예에 따른 컨볼루션 커널 계산에 의해 연속 변수 특성을 획득하는 개략도이다. 선택적으로, 각 연속 기준 변수의 서로 다른 차원의 특성 값(601)이 획득되고, 특성 값(601)에 의해 1행 32열 연속 특성 행렬(602)이 생성되며, 서로 다른 크기의 컨볼루션 커널의 계산 결과는 컨볼루션 커널(603)과 연속 특성 행렬(602)의 적어도 하나의 항목의 교차 곱 계산에 의한 연속 변수 특성의 특성 행렬(604)로 획득된다. 도 6을 참조하면, 연속 특성 행렬(602)에서 특성값 A1과 특성값 A2의 연속 변수 특성을 나타내는 특성 행렬(604)은 연속 특성 행렬(602)의 처음 두 항목과 컨볼루션 커널(603)의 교차 곱 계산에 의해 획득된다. 선택적으로, 컨볼루션 커널(603)은 1열 행렬이다. 연속 변수 특성의 특성 행렬의 항목 수는 컨볼루션 커널을 사용한 계산을 위한 연속 특성 행렬(602)의 항목 수에 의해 제어될 수 있다. 컨볼루션 커널과 연속 특성 행렬의 모든 항목을 계산하면, 연속 기준 변수에 해당하는 연속 변수 특성을 결정할 수 있다.

선택적으로, 훈련은 연속 특성 행렬(602)의 적어도 하나의 항목으로 구성된 특성 벡터와 컨볼루션 커널(603)을 교차 곱함으로써 수행된다. 도 7은 본 발명의 한 실시예에 따른 컨볼루션 커널의 트레이닝을 나타내는 개략도이다. 도 7을 참조하면, 제1 컨볼루션 레이어(6301)에서 하나의 컨볼루션 커널은 인접한 두 항목의 특성 벡터만 나타낼 수 있다. 즉, 제1 컨볼루션 레이어에서 컨볼루션 커널의 크기는 두 항목이고, 제2 컨볼루션 레이어(6302)에 의해 훈련된 컨벌루션 커널의 크기는 4개의 항목이 된다. 또한, 제3 컨볼루션 레이어(6303) 및 제4 컨볼루션 레이어(6304)에 의해 훈련된 최종 컨볼루션 커널은 전체 특성 행렬의 특성을 나타낼 수 있으며, 컨볼루션 커널을 통해 최종 연속 변수 특성을 획득할 수 있다.

요약하면, 본 실시예에 의해 제공된 방법에 따르면, 연속 기준 변수를 정규화하고, 연속 특성 행렬을 구축하며, 컨볼루션 커널 및 연속 특성 행렬을 훈련함으로써, 모든 연속 기준 변수에 대응하는 연속 변수 특성이 최종적으로 획득된다. 처리된 연속 변수 특성은 소비 전력 예측 모델에 입력된다. 따라서, 소비 전력 예측의 정확도가 개선된다.

도 8은 본 발명의 실시예에 따른 소비 전력을 예측하기 위한 방법의 순서도이다. 설명을 위해 서버에 적용한 방법을 예로 들면 다음과 같은 단계를 포함한다.

단계 701에서, 이력 기간에 생성된 기준 변수가 획득된다.

선택적으로, 이력 기간의 수는 하나 이상이다. 선택적으로, 서버는 각 이력 기간에 기준 변수를 획득할 때 동일한 기준 변수를 획득한다.

기준 변수가 획득된 후, 기준 변수가 이산 기준 변수인지 연속 기준 변수인지가 결정되고, 단계 702 내지 704 및 단계 705 내지 707이 동시에 수행된다.

단계 702에서, 정규화된 이산 기준 변수를 획득하기 위해 제1 기설정 데이터 범위에 따라 이산 기준 변수에 대해 데이터 정규화가 수행된다.

선택적으로, 이산 기준 변수가 획득된 후, 획득된 정규화된 이산 기준 변수 및 그로부터 추출된 특성 값이 제1 기설정 데이터 범위 내에 있도록 이산 기준 변수가 제1 기설정 데이터 범위에 따라 정규화된다.

단계 703에서, 이산 기준 변수에 대응하는 특성 행렬은 정규화된 이산 기준 변수에 기초하여 구축된다.

선택적으로, 이산 기준 변수에 대응하는 특성 행렬은 단계 302에서 특성 행렬을 구축하는 방법에 의해 구축된다.

단계 704에서, 이산 기준 변수에 대응하는 이산 변수 특성이 이산 특성 행렬에 기초하여 결정된다.

선택적으로, 이산 기준 변수에 대응하는 이산 변수 특성은 단계 303에서 이산 변수 특성을 결정하는 방법에 의해 결정된다.

단계 705에서, 데이터 정규화가 제2 기설정 데이터 범위에 따라 연속 기준 변수에 대해 수행되어 정규화된 연속 기준 변수를 획득한다.

단계 706에서, 연속 기준 변수에 대응하는 특성 행렬은 정규화된 연속 기준 변수에 기초하여 구축된다.

단계 707에서, 연속 기준 변수에 대응하는 연속 변수 특성은 연속 특성 행렬에 따라 결정된다.

선택적으로, 단계 705 내지 707은 단계 501 내지 503에 대응하고, 연속 기준 변수에 대응하는 연속 변수 특성은 단계 501 내지 503의 상세한 실시예의 방법에 의해 결정된다.

선택적으로, 단계 702 내지 707에서 설명된 특성 e를 추출하는 방법은 소비 전력 예측 모델에서 완료되는 다음 단계 708에서 설명된 변수 특성을 획득하기 위한 방법과 동일하다.

단계 708에서, 이산 변수 특성 및 연속 변수 특성에 기초하여 변수 특성이 획득된다.

선택적으로, 변수 특성의 수치 값은 각 변수 특성에 대한 가중 합산에 의해 계산된다. 선택적으로, 소비 전력 예측 모델에서 변수 특성에 기반한 변수 특성의 획득이 완료될 수 있다. 즉, 하나의 이력 기간에 대응하는 다중 변수 특성이 소비 전력 예측 모델에 모두 입력되고, 소비 전력 예측 모델에서 이들 변수 특성에 대한 가중 합산이 수행되어 변수 특성이 얻어진다.

단계 709에서, 변수 특성을 참조하여 소비 전력 예측 모델로 예측을 수행하여 목표 기간에서 예측 소비 전력을 획득한다.

도 9는 본 발명의 한 실시예에 따른 소비 전력 예측 모델에 변수 특성을 입력하여 목표 기간의 예측 소비 전력을 획득하는 개략도이다. 도 9를 참조하면, 이 예에서는 3개의 상이한 변수 특성, 즉 변수 특성(801), 변수 특성(802) 및 변수 특성(803)이 3개의 상이한 이력 기간에 기초하여 생성되어 훈련된 소비 전력 예측 모델의 GRU(811), GRU(812) 및 GRU(813)에 입력된다. 목표 기간에 대응하는 예측 소비 전력(804)은 인코딩 및 디코딩에 의해 획득된다. 목표 기간에 대응하는 예측 소비 전력(804)을 획득한 후, 예측 소비 전력(804)에 기초하여 다음 목표 기간에 대한 예측 소비 전력(805)이 획득될 수 있다.

요약하면, 본 실시예에 의해 제공되는 방법에 따르면, 이산 기준 변수 및 연속 기준 변수를 포함하는 기준 변수가 이력 기간에 획득되고, 획득된 기준 변수의 특성이 추출되며, 추출된 변수 특성은 가변 예측 모델에 입력되어 목표 기간의 예측 소비 전력을 출력한다. 소비 전력 예측 시, 다양한 파라미터를 기반으로 다양한 관점에서 목표 기간의 소비 전력을 예측함으로써, 소비 전력 예측의 정확도가 개선될 수 있다.

이산 기준 변수를 정규화하고, 이산 특성 행렬을 구축하고, 특성 획득 행렬에 의해 이산 특성 행렬을 처리하여 최종적으로 이산 변수 특성을 획득함으로써, 특성 행렬은 각 이산 기준 변수의 각 결과에 대해 독립적으로 생성되며, 대응하는 이산 변수 특성을 얻기 위해 처리된다. 처리된 이산 변수 특성은 소비 전력 예측 모델에 입력되어 소비 전력 예측의 정확도를 개선한다.

연속 기준 변수를 정규화하고, 연속 특성 행렬을 구축하고, 컨볼루션 커널과 연속 특성 행렬을 훈련하여 최종적으로 모든 연속 기준 변수에 대응하는 연속 변수 특성을 최종적으로 획득한다. 처리된 연속 변수 특성은 소비 전력 예측 모델에 입력되어 소비 전력 예측의 정확도를 개선한다.

이산 변수 특성 및 연속 변수 특성을 처리함으로써, 이력 기간의 특성을 반영할 수 있는 변수 특성이 얻어지며, 소비 전력 예측 모델에 입력된 값이 이력 기간의 특성을 더욱 포괄적으로 나타낼 수 있다. 따라서, 소비 전력 예측의 정확도가 개선된다.

도 10은 본 발명의 한 실시예에 따른 소비 전력 예측 장치의 구조 블록도이다. 장치는 다음을 포함한다:

이력 기간에 생성된 기준 변수를 획득하도록 설정된 획득 모듈(901), 상기 기준 변수는 이산 기준 변수와 연속 기준 변수를 포함하고, 상기 이산 기준 변수는 미리 설정된 구간에 따라 상기 이력 기간에 따라 수집된 변수이고, 상기 연속 기준 변수는 상기 이력 기간에 연속적으로 수집된 변수이다;

소비 전력 예측 모델로 상기 기준 변수의 특성을 추출하여 변수 특성을 획득하도록 설정된 추출 모듈(902), 상기 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련함으로써 획득되고, 상기 샘플 기준 변수는 샘플 이산 변수 및 샘플 연속 변수를 포함한다; 그리고

상기 변수 특성에 기초한 소비 전력 예측 모델로 예측하여 목표 기간에 예측된 소비 전력을 획득하도록 설정된 예측 모듈(903), 상기 목표 기간 및 상기 이력 기간은 대응 관계를 가진다.

선택적인 실시예에서, 추출 모듈은 이산 변수 특성을 획득하기 위해 소비 전력 예측 모델로 이산 기준 변수의 특성을 추출하도록 설정된다.

추출 모듈(902)은 연속 변수 특성을 획득하기 위해 소비 전력 예측 모델로 연속 기준 변수의 특성을 추출하도록 설정된다.

장치는 연속 변수 특성과 이산 변수 특성을 참조함으로써 변수 특성을 획득하도록 설정된 참조 모듈(904)을 더 포함한다.

선택적인 실시예에서, 장치는 정규화된 이산 변수를 획득하기 위해 소비 전력 예측 모델을 사용하여 제1 기설정 데이터 범위 내의 이산 기준 변수에 대한 데이터 정규화를 수행하도록 설정된 처리 모듈(905);

정규화된 이산 변수에 기초하여 이산 특성 행렬을 구축하도록 설정된 구축 모듈(906); 그리고

이산 특성 행렬을 참조하는 계산에 의해 이산 기준 변수에 대응하는 이산 변수 특성을 획득하도록 설정된 계산 모듈(907)을 더 포함한다.

선택적인 실시예에서, 장치는 정규화된 이산 변수를 획득하기 위해 소비 전력 예측 모델로 제1 기설정 데이터 범위 내에서 이산 기준 변수를 매핑하도록 설정된 매핑 모듈(908)을 더 포함한다.

선택적인 실시예에서, 이산 기준 변수는 시간 기준 변수, 계절 기준 변수 및 휴일 기준 변수 중 적어도 하나를 포함하고;

시간 기준 변수는 이력 기간에 대응하는 날짜를 포함하고;

계절 기준 변수는 이력 기간에 대응하는 계절을 포함하며;

휴일 기준 변수는 이력 기간에 대응하는 휴일의 성격을 포함한다.

선택적인 실시예에서, 처리 모듈(905)은 정규화된 연속 변수를 획득하기 위해 소비 전력 예측 모델을 사용하여 제2 기설정 데이터 범위의 연속 기준 변수에 대한 데이터 정규화를 수행하도록 설정되고;

구축 모듈(906)은 정규화된 연속 변수에 기초하여 연속 특성 행렬을 구축하도록 설정되며;

계산 모듈(907)은 연속 기준 변수에 대응하는 연속 변수 특성을 획득하기 위해 연속 특성 행렬을 계산하도록 설정된다.

선택적인 실시예에서, 매핑 모듈(908)은 정규화된 연속 변수를 획득하기 위해 소비 전력 예측 모델과 함께 제2 기설정 데이터 범위 내에 있도록 연속 기준 변수를 매핑하도록 설정된다.

선택적인 실시예에서, 연속 기준 변수는 온도 기준 변수, 소비 전력 기준 변수 및 습도 기준 변수 중 적어도 하나를 포함하고;

온도 기준 변수는 이력 기간의 온도를 나타내며;

소비 전력 기준 변수는 이력 기간의 총 소비 전력을 나타내고; 습도 기준 변수는 이력 기간의 공기 습도를 나타낸다.

위의 실시예에 의해 제공되는 소비 전력 예측 장치는 설명을 위한 예로서 모든 기능 모듈의 분할을 취한다는 점에 유의해야 한다. 실제로, 위의 기능은 필요에 따라 다른 기능 모듈에 의해 완료되도록 할당될 수 있다. 즉, 장치의 내부 구조를 서로 다른 기능 모듈로 나누어 상술한 기능의 전부 또는 일부를 완성한다.

본 개시는 서버를 더 제공한다. 서버는 서버는 프로세서 및 적어도 하나의 명령어를 저장하는 메모리를 포함한다. 프로세서에 의해 로드되고 실행될 때, 적어도 하나의 명령어는 프로세서로 하여금 전술한 방법 실시예에서 제공된 전력 소비를 예측하기 위한 방법을 구현하게 한다. 서버는 도 11에서 제공된 서버일 수 있음에 유의해야 한다.

도 11을 참조하면. 본 개시내용의 예시적인 실시예에 따른 서버의 개략적인 구조도를 도시한다. 구체적으로, 서버(1300)는 CPU(Central Processing Unit)(1301), RAM(Random Access Memory)(1302) 및 ROM(Read-Only Memory)(1303)을 포함하는 시스템 메모리(1304), 및 시스템 메모리(1304) 및 CPU(1301)와 연결되는 시스템 버스(1305)를 포함한다. 서버(1300)는 컴퓨터의 다양한 구성요소 간의 정보 전송을 돕는 기본 입/출력(I/O) 시스템(1306) 및 운영 체제(1313), 애플리케이션(1314)과 기타 프로그램 모듈(1315)을 저장하도록 설정된 대용량 저장 장치(1307)를 더 포함한다.

기본 I/O 시스템(1306)은 정보를 표시하도록 설정된 디스플레이(1308) 및 사용자에 의해 정보를 입력하도록 설정된 마우스 또는 키보드와 같은 입력 장치(1309)를 포함한다. 디스플레이(1308) 및 입력 장치(1309)는 모두 시스템 버스(1305)에 연결된 입출력 컨트롤러(1310)를 통해 CPU(1301)에 연결된다. 기본 I/O 시스템(1306)은 또한 키보드, 마우스 또는 전자 스타일러스와 같은 복수의 다른 장치로부터 입력을 수신하고 처리하기 위한 입/출력 컨트롤러(1310)를 포함할 수 있다. 유사하게, 입/출력 컨트롤러(1310)는 디스플레이 스크린, 프린터 또는 다른 유형의 출력 장치에 출력을 더 제공한다.

대용량 저장 장치(1307)는 시스템 버스(1305)에 연결된 대용량 저장 컨트롤러(미도시)를 통해 CPU(1301)에 연결된다. 대용량 저장 장치(1307) 및 이와 관련된 컴퓨터 판독 가능 매체는 서버에 대한 비휘발성 저장을 제공한다. 즉, 대용량 저장 장치(1307)는 하드 디스크 또는 CD-ROM 드라이버와 같은 컴퓨터 판독 가능 매체(미도시)를 포함할 수 있다.

일반성의 손실 없이, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 임의의 방법 또는 기술에 의해 구현되고 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하도록 설정된 휘발성 및 비휘발성, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체에는 RAM, ROM, EPROM(Erasable Programmable Read Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시 메모리 또는 기타 솔리드 상태 저장 기술; CD-ROM, DVD(디지털 비디오 디스크) 또는 기타 광학 저장 장치; 및 테이프 카트리지, 자기 테이프, 디스크 저장 장치 또는 기타 자기 저장 장치를 포함한다. 물론, 컴퓨터 저장매체가 이에 한정되지 않음은 당업자에게 자명할 것이다. 상기 시스템 메모리(1304)와 대용량 저장 장치(1307)를 통칭하여 메모리라고 할 수 있다.

메모리는 하나 이상의 프로그램을 저장한다. 하나 이상의 프로그램은 하나 이상의 CPU(1301)에 의해 실행되도록 설정된다. 하나 이상의 프로그램은 소비 전력을 예측하기 위한 상기 방법을 구현하기 위한 명령을 포함한다. CPU(1301)는 상기 방법 실시예에서 제공된 소비 전력 예측 방법을 구현하기 위해 하나 이상의 프로그램을 수행한다.

본 개시의 다양한 실시예에 따르면, 서버(1300)는 동작을 위해, 인터넷과 같은 네트워크를 통해 네트워크 상의 원격 컴퓨터에 연결될 수도 있다. 즉, 서버(1300)는 시스템 버스(1305)와 연결된 네트워크 인터페이스부(1311)를 통해 네트워크(1312)에 연결되거나, 네트워크 인터페이스부(1311)를 통해 다른 종류의 네트워크 또는 원격 컴퓨터 시스템(미도시)에 연결될 수 있다.

메모리는 내부에 저장된 하나 이상의 프로그램을 더 포함하고, 하나 이상의 프로그램은 본 개시의 실시예에서 제공되는 소비 전력 예측 방법의 서버에 의해 수행되는 단계를 포함한다.

당업자는 상기 실시예에서 제공된 방법의 단계의 전부 또는 일부가 프로그램에 의해 지시되는 관련 하드웨어에 의해 완료될 수 있고, 프로그램은 컴퓨터 판독 가능한 저장 매체에 저장될 수 있음을 인식할 것이다. 이는 전술한 실시예의 메모리에 포함된 컴퓨터 판독 가능한 저장 매체일 수도 있고, 단말기에 조립되지 않고 단독으로 존재하는 컴퓨터 판독 가능한 저장 매체일 수도 있다. 컴퓨터 판독 가능한 저장 매체는 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트 또는 명령어 세트를 저장하고, 적어도 하나의 명령어, 적어도 하나의 프로그램, 코드 세트 또는 명령어 세트는 전술한 소비 전력 예측 방법을 구현하기 위하여 프로세서에 의해 로드되며 실행된다.

선택적으로, 컴퓨터 판독 가능한 저장 매체는 ROM(Read-Only Memory), RAM(Random Access Memory), SSD(Solid Status Drives), 광 디스크 등을 포함할 수 있다. RAM은 ReRAM(Resistance Random Access Memory) 및 DRAM(Dynamic Random Access Memory)을 포함할 수 있다. 본 발명의 실시예의 일련번호는 단지 설명을 위한 것이며, 실시예의 우선순위를 나타내는 것은 아니다.

당업자는 위의 실시예에서 설명된 단계의 전부 또는 일부가 하드웨어를 통해, 또는 읽기 전용 메모리, 디스크, CD 등과 같은 컴퓨터 판독 가능한 저장 매체에 저장된 프로그램에 의해 지시되는 관련 하드웨어를 통해 완료될 수 있음을 이해할 수 있다.

전술한 설명은 단지 본 개시의 선택적인 실시예일 뿐이며, 본 개시를 제한하려는 의도는 아니다. 본 개시의 사상 및 원칙 내에서, 임의의 수정, 균등한 대체, 개선 등은 본 개시의 보호 범위 내에 있어야 한다.

Claims (11)

1. 소비 전력을 예측하는 방법에 있어서,
   이력 기간에 전기 장치에 의해 생성된 기준 변수를 획득하는 단계, 상기 기준 변수는 이산 기준 변수와 연속 기준 변수를 포함하고, 상기 이산 기준 변수는 상기 이력 기간의 미리 설정된 구간에 따라 수집되고, 상기 연속 기준 변수는 상기 이력 기간 동안 연속적으로 수집된다;
   소비 전력 예측 모델로 상기 기준 변수의 특성을 추출하여 변수 특성을 획득하는 단계, 상기 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련함으로써 획득되고, 상기 샘플 기준 변수는 샘플 이산 변수 및 샘플 연속 변수를 포함한다; 그리고
   상기 변수 특성에 기초하여 소비 전력 예측 모델로 단정하여 목표 기간에 예측된 소비 전력을 획득하는 단계, 상기 목표 기간 및 상기 이력 기간은 대응 관계를 가진다
   를 포함하는 방법.
2. 제1항에 있어서,
   상기 기준 변수의 특성을 추출하여 변수 특성을 획득하는 단계는,
   상기 소비 전력 예측 모델로 이산 기준 변수의 특성을 추출하여 이산 변수 특성을 획득하는 단계;
   상기 소비 전력 예측 모델로 상기 연속 기준 변수의 특성을 추출하여 연속 변수 특성을 획득하는 단계; 그리고
   상기 연속 변수 특성과 상기 이산 변수 특성을 참조하여 상기 변수 특성을 획득하는 단계를 포함하는 방법.
3. 제2항에 있어서,
   상기 소비 전력 예측 모델로 이산 기준 변수의 특성을 추출하여 이산 변수 특성을 획득하는 단계는,
   상기 소비 전력 예측 모델을 이용하여 제1 기설정된 데이터 범위 내의 이산 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 이산 변수를 획득하는 단계;
   상기 정규화된 이산 변수에 대응하는 이산 특성 행렬을 구축하는 단계; 그리고
   상기 이산 특성 행렬을 참조하여 계산에 의해 상기 이산 기준 변수에 대응하는 이산 변수 특성을 획득하는 단계를 포함하는 방법.
4. 제3항에 있어서,
   상기 소비 전력 예측 모델을 이용하여 제1 기설정된 데이터 범위 내의 이산 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 이산 변수를 획득하는 단계는,
   상기 소비 전력 예측 모델을 사용하여 상기 이산 기준 변수를 상기 제1 기설정된 데이터 범위에 매핑하여 정규화된 이산 변수를 획득하는 단계를 포함하는 방법.
5. 제3항에 있어서,
   상기 이산 기준 변수는 시간 기준 변수, 계절 기준 변수 및 휴일 기준 변수 중 적어도 하나를 포함하고;
   상기 시간 기준 변수는 상기 이력 기간에 해당하는 날짜를 포함하며;
   상기 계절 기준 변수는 상기 이력 기간에 해당하는 계절을 포함하고;
   상기 휴일 기준 변수는 상기 이력 기간에 해당하는 휴일의 성격을 포함하는 방법.
6. 제2항에 있어서,
   상기 소비 전력 예측 모델로 상기 연속 기준 변수의 특성을 추출하여 연속 변수 특성을 획득하는 단계는,
   상기 소비 전력 예측 모델을 이용하여 제2 기설정된 데이터 범위의 연속 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 연속 변수를 획득하는 단계;
   상기 정규화된 연속 변수를 기반으로 연속 특성 행렬을 구축하는 단계; 그리고
   상기 연속 특성 행렬을 계산하여 상기 연속 기준 변수에 해당하는 연속 변수 특성을 획득하는 단계를 포함하는 방법.
7. 제6항에 있어서,
   상기 소비 전력 예측 모델을 이용하여 제2 기설정된 데이터 범위의 연속 기준 변수에 대해 데이터 정규화를 수행하여 정규화된 연속 변수를 획득하는 단계는,
   상기 소비 전력 예측 모델을 이용하여 상기 연속 기준 변수를 상기 제2 기설정된 데이터 범위에 매핑하여 상기 정규화된 연속 변수를 획득하는 단계를 포함하는 방법.
8. 제6항에 있어서,
   상기 연속 기준 변수는 온도 기준 변수, 소비 전력 기준 변수 및 습도 기준 변수 중 적어도 하나를 포함하고;
   상기 온도 기준 변수는 상기 이력 기간의 온도를 나타내고;
   상기 소비 전력 기준 변수는 상기 이력 기간의 총 소비 전력을 나타내며;
   상기 습도 기준 변수는 상기 이력 기간의 공기 습도를 나타내는 방법.
9. 소비 전력을 예측하는 장치에 있어서,
   이력 기간에 생성된 기준 변수를 획득하도록 설정된 획득 모듈, 상기 기준 변수는 이산 기준 변수와 연속 기준 변수를 포함하고, 상기 이산 기준 변수는 상기 이력 기간의 미리 설정된 구간에 따라 수집되고, 상기 연속 기준 변수는 상기 이력 기간 동안 연속적으로 수집된다;
   소비 전력 예측 모델로 상기 기준 변수의 특성을 추출하여 변수 특성을 획득하도록 설정된 추출 모듈, 상기 소비 전력 예측 모델은 샘플 소비 전력으로 표시된 샘플 기준 변수를 훈련함으로써 획득되고, 상기 샘플 기준 변수는 샘플 이산 변수 및 샘플 연속 변수를 포함한다; 그리고
   상기 변수 특성에 기초한 소비 전력 예측 모델로 예측하여 목표 기간에 예측된 소비 전력을 획득하도록 설정된 예측 모듈, 상기 목표 기간 및 상기 이력 기간은 대응 관계를 가진다
   를 포함하는 장치.
10. 적어도 하나의 명령어, 적어도 하나의 프로그램, 적어도 하나의 코드 세트 또는 명령어 세트를 내부에 저장하는 메모리 및 프로세서를 포함하는 컴퓨터 장치에 있어서, 상기 프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 적어도 하나의 코드 세트 또는 명령어 세트는 상기 프로세서가 제1항 내지 제8항 중 어느 한 항에 따른 소비 전력을 예측하는 방법을 구현하도록 하는 컴퓨터 장치.
11. 적어도 하나의 명령어, 적어도 하나의 프로그램, 적어도 하나의 코드 세트 또는 명령어 세트를 내부에 저장하는 컴퓨터 판독 가능한 저장 매체에 있어서, 프로세서에 의해 로드 및 실행될 때, 상기 적어도 하나의 명령어, 상기 적어도 하나의 프로그램, 상기 적어도 하나의 코드 세트 또는 명령어 세트는 상기 프로세서가 제1항 내지 제8항 중 어느 한 항에 따른 소비 전력을 예측하는 방법을 구현하도록 하는 컴퓨터 판독 가능한 저장 매체.

Images