KR20230093874A - 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법 - Google Patents

보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법 Download PDF

Info

Publication number
KR20230093874A
KR20230093874A KR1020210182862A KR20210182862A KR20230093874A KR 20230093874 A KR20230093874 A KR 20230093874A KR 1020210182862 A KR1020210182862 A KR 1020210182862A KR 20210182862 A KR20210182862 A KR 20210182862A KR 20230093874 A KR20230093874 A KR 20230093874A
Authority
KR
South Korea
Prior art keywords
boiler
data
indoor temperature
time
prediction model
Prior art date
Application number
KR1020210182862A
Other languages
English (en)
Inventor
이성훈
박소민
Original Assignee
주식회사 경동나비엔
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 경동나비엔 filed Critical 주식회사 경동나비엔
Priority to KR1020210182862A priority Critical patent/KR20230093874A/ko
Publication of KR20230093874A publication Critical patent/KR20230093874A/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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/10—Control of fluid heaters characterised by the purpose of the control
    • F24H15/144—Measuring or calculating energy consumption
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/20—Control of fluid heaters characterised by control inputs
    • F24H15/254—Room temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/20—Control of fluid heaters characterised by control inputs
    • F24H15/262—Weather information or forecast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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

Abstract

본 발명은 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법에 관한 것으로, 본 발명에 따른 장치는, 복수의 보일러 상태 데이터 및 일기예보 데이터를 수집하는 데이터 수집부, 및 상기 복수의 보일러 상태 데이터에 대해 군집화를 수행하고, 군집화 데이터 및 일기예보 데이터의 외기온도에 따른 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성하는 학습부를 포함한다.

Description

보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법{BOILER MANAGEMENT APPARATUS AND METHOD FOR GENERATING PREDICTION MODEL OF BOILER BASED ON BIG-DATA}
본 발명은 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법에 관한 것이다.
일반적으로, 보일러 시스템은 보일러 작동 시의 상태 데이터를 보일러 또는 제어 단말이 서버로 전송하면, 서버에서 보일러의 상태 데이터를 관리하며, 요청이 있는 경우에 보일러 사용에 따른 데이터를 제공할 수 있다.
한편, 고객의 보일러 사용에 따른 비용 산출을 위해서는 지역의 도시가스 사업자가 고객의 주소지에 찾아가 가스 사용량을 직접 계측해야 하며, 도시가스 사업자가 계측한 정보에 따라 가스 사용 비용을 계산하고, 계산된 비용을 고객에게 청구할 수 있다.
따라서, 고객은 비용 청구서를 받기 전에는 보일러 사용에 따른 가스 사용 비용을 확인할 수 없었으며, 보일러 사용에 따른 가스 사용 비용을 예측하기도 쉽지 않았다.
본 발명의 목적은, 빅데이터를 기반으로 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성함으로써 일기예보에 따른 실내온도 하강 기울기를 예측하고, 예측된 실내온도 하강 기울기를 통해 단열 등급 파악이 용이하도록 한, 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법을 제공함에 있다.
본 발명의 다른 목적은, 빅데이터를 기반으로 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성함으로써 일기예보 및 단열 등급에 따른 가스 사용량 예측이 용이하도록 한, 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법을 제공함에 있다.
본 발명의 또 다른 목적은, 일기예보 및 단열 등급에 따른 가스 사용량에 대해 가스 사용 예상 비용을 계산하여 고객에게 제공함으로써 고객의 편의성이 향상되도록 한, 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법을 제공함에 있다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위한 본 발명의 일 실시예에 따른 보일러 관리 장치는, 복수의 보일러 상태 데이터 및 일기예보 데이터를 수집하는 데이터 수집부, 및 상기 복수의 보일러 상태 데이터에 대해 군집화를 수행하고, 군집화 데이터 및 일기예보 데이터의 외기온도에 따른 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성하는 학습부를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 학습부는, 소정 주기 마다 수집된 복수의 보일러 상태 데이터를 유사한 사용 패턴을 갖는 데이터들을 기준으로 군집화를 수행하는 것을 특징으로 한다.
일 실시예에서, 상기 학습부는, 상기 보일러 상태 데이터들로부터 보일러 중단 시점과 상기 보일러 중단 시점의 실내 온도 및 보일러 재가동 시점과 상기 보일러 재가동 시점의 실내 온도를 획득하고, 상기 보일러 중단 시점으로부터 상기 보일러 재가동 시점 사이의 시간, 그리고 상기 보일러 중단 시점의 실내 온도 및 상기 보일러 재가동 시점의 실내 온도 간 차이에 기초하여 상기 실내온도 하강 기울기를 계산하는 것을 특징으로 한다.
일 실시예에서, 상기 데이터 수집부는, 상기 복수의 보일러 상태 데이터들로부터 가스 사용량 데이터를 수집하는 것을 특징으로 한다.
일 실시예에서, 상기 학습부는, 상기 군집화 데이터, 상기 일기예보 데이터의 외기온도 및 상기 실내온도 하강 기울기에 따른 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성하는 것을 특징으로 한다.
일 실시예에서, 본 발명에 따른 장치는, 상기 실내온도 하강 기울기 예측 모델 및 상기 가스 사용량 예측 모델을 기반으로 현재 시점 이후의 소정 기간에 대한 가스 사용량을 예측하는 제어부를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는, 상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도를 상기 실내온도 하강 기울기 예측 모델에 반영하여 실내온도 하강 기울기 예측 데이터를 획득하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는, 상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도와, 상기 실내온도 하강 기울기 예측 데이터를 상기 가스 사용량 예측 모델에 반영하여 현재 시점 이후의 소정 기간에 대한 가스 사용량 예측 데이터를 획득하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는, 상기 가스 사용량 예측 데이터에 기초하여 현재 시점 이후의 소정 기간에 대한 가스 사용 예상 비용을 계산하는 것을 특징으로 한다.
일 실시예에서, 상기 제어부는, 고객으로부터 요청이 있는 경우에 상기 고객의 정보에 대응되는 가스 사용량 예측 데이터에 기초하여 계산된 가스 사용 예상 비용을 고객 단말로 제공하도록 하는 것을 특징으로 한다.
또한, 상기의 목적을 달성하기 위한 본 발명의 일 실시예에 따른 빅데이터 기반 보일러의 예측 모델 생성 방법은, 복수의 보일러 상태 데이터 및 일기예보 데이터를 수집하는 단계, 상기 복수의 보일러 상태 데이터에 대해 군집화를 수행하는 단계, 및 군집화 데이터 및 일기예보 데이터의 외기온도에 따른 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성하는 단계를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 군집화를 수행하는 단계는, 소정 주기 마다 수집된 복수의 보일러 상태 데이터를 유사한 사용 패턴을 갖는 데이터들을 기준으로 군집화를 수행하는 단계를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 실내온도 하강 기울기 예측 모델을 생성하는 단계는, 상기 보일러 상태 데이터들로부터 보일러 중단 시점과 상기 보일러 중단 시점의 실내 온도 및 보일러 재가동 시점과 상기 보일러 재가동 시점의 실내 온도를 획득하는 단계, 및 상기 보일러 중단 시점으로부터 상기 보일러 재가동 시점 사이의 시간, 그리고 상기 보일러 중단 시점의 실내 온도 및 상기 보일러 재가동 시점의 실내 온도 간 차이에 기초하여 상기 실내온도 하강 기울기를 계산하는 단계를 포함하는 것을 특징으로 한다.
일 실시예에서, 본 발명에 따른 방법은, 상기 복수의 보일러 상태 데이터들로부터 가스 사용량 데이터를 수집하는 단계를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 본 발명에 따른 방법은, 상기 군집화 데이터, 상기 일기예보 데이터의 외기온도 및 상기 실내온도 하강 기울기에 따른 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성하는 단계를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 본 발명에 따른 방법은, 상기 실내온도 하강 기울기 예측 모델 및 상기 가스 사용량 예측 모델을 기반으로 현재 시점 이후의 소정 기간에 대한 가스 사용량을 예측하는 단계를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 가스 사용량을 예측하는 단계는, 상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도를 상기 실내온도 하강 기울기 예측 모델에 반영하여 실내온도 하강 기울기 예측 데이터를 획득하는 단계를 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 가스 사용량을 예측하는 단계는, 상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도와, 상기 실내온도 하강 기울기 예측 데이터를 상기 가스 사용량 예측 모델에 반영하여 현재 시점 이후의 소정 기간에 대한 가스 사용량 예측 데이터를 획득하는 단계를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 상기 가스 사용량을 예측하는 단계는, 상기 가스 사용량 예측 데이터에 기초하여 현재 시점 이후의 소정 기간에 대한 가스 사용 예상 비용을 계산하는 단계를 더 포함하는 것을 특징으로 한다.
일 실시예에서, 본 발명에 따른 방법은, 고객으로부터 요청이 있는 경우에 상기 고객의 정보에 대응되는 가스 사용량 예측 데이터에 기초하여 계산된 가스 사용 예상 비용을 고객 단말로 제공하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명에 따르면, 빅데이터를 기반으로 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성함으로써 일기예보에 따른 실내온도 하강 기울기를 예측하고, 예측된 실내온도 하강 기울기를 통해 단열 등급 파악이 용이하도록 하는 효과가 있다.
또한, 본 발명에 따르면, 빅데이터를 기반으로 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성함으로써 일기예보 및 단열 등급에 따른 가스 사용량 예측이 용이하도록 하는 효과가 있다.
또한, 본 발명에 따르면, 일기예보 및 단열 등급에 따른 가스 사용량에 대해 가스 사용 예상 비용을 계산하여 고객에게 제공함으로써 고객의 편의성이 향상되도록 하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 보일러 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반 예측 모델 생성 장치의 구성을 도시한 도면이다.
도 3 내지 도 6은 본 발명의 일 실시예에 따른 실내온도 하강 기울기 예측 모델을 생성하는 동작을 설명하는데 참조되는 예시도이다.
도 7 및 도 8은 본 발명의 일 실시예에 따른 가스 사용량 예측 모델을 생성하는 동작을 설명하는데 참조되는 예시도이다.
도 9 및 도 10은 본 발명의 일 실시예에 따른 가스 사용량 예측 동작을 설명하는데 참조되는 예시도이다.
도 11은 본 발명의 일 실시예에 따른 예상 가스 비용을 제공하는 동작을 설명하는데 참조되는 예시도이다.
도 12는 본 발명의 일 실시예에 따른 실내온도 하강 기울기 예측 모델 생성 방법에 대한 동작 흐름을 도시한 도면이다.
도 13은 본 발명의 일 실시예에 따른 가스 사용량 예측 모델 생성 방법에 대한 동작 흐름을 도시한 도면이다.
도 14는 본 발명의 일 실시예에 따른 예에 따른 가스 사용량 예측 방법에 대한 동작 흐름을 도시한 도면이다.
도 15는 본 발명의 일 실시예에 따른 가스 사용량 예상 비용을 제공하는 방법에 대한 동작 흐름을 도시한 도면이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일 실시예에 따른 보일러 시스템을 도시한 도면이다.
도 1을 참조하면, 보일러 시스템은 제어 단말(10) 및 보일러 관리 장치(100)를 포함할 수 있다. 도 1에는 도시하지 않았으나, 보일러 시스템은 제어 단말(10)에 연결된 보일러를 더 포함할 수 있다.
제어 단말(10)은 보일러의 전반적인 동작을 제어하는 단말로서, 고객이 생활하는 실내 공간에 설치되는 실내 온도 제어기일 수 있다.
제어 단말(10)은 고객의 스위치 조작에 따라 보일러의 전원 온/오프를 제어할 수 있다. 또한, 제어 단말(10)은 보일러의 동작 온도 등을 설정할 수 있으며, 설정된 온도에 기초하여 보일러의 동작을 제어할 수 있다.
또한, 제어 단말(10)은 보일러에 설치된 센서들에 의해 측정된 상태 정보들을 수신하고, 수신된 상태 정보들에 기초하여 보일러의 동작을 제어할 수도 있다.
일 예로, 보일러는 제어 단말(10)로부터의 제어 신호에 기초하여 난방을 수행할 수 있다. 이때, 보일러는 연료를 연소시켜 배관을 통해 유입된 난방수의 온도를 승온시키고, 승온된 난방수를 배관을 통해 공급함으로써 건물 전체 혹은 소정의 실내 공간에 대한 난방을 수행할 수 있다.
제어 단말(10)은 보일러 관리 장치(100)와 통신 연결되어 소정의 신호를 송수신할 수 있다. 일 예로, 제어 단말(10)은 보일러의 상태 정보들을 포함하는 상태 데이터를 보일러 관리 장치(100)로 송신할 수 있다.
여기서, 보일러 상태 데이터는 보일러가 동작하는 동안에 센서들에 의해 측정된 상태 정보를 포함할 수 있으며, 보일러 미작동시에 측정된 상태 정보들을 포함할 수도 있다.
보일러 관리 장치(100)는 복수의 제어 단말(제어 단말1,…, 제어 단말N)(10)과 통신 연결될 수 있다. 보일러 관리 장치(100)는 복수의 제어 단말(10)들로부터 각 고객별 보일러 상태 데이터를 수신할 수 있다.
그 외에도, 보일러 관리 장치(100)는 기상청 서버(미도시)와도 연결될 수도 있다. 보일러 관리 장치(100)는 기상청 서버로부터 소정 기간에 대한 일기예보 데이터를 수신할 수 있다. 이때, 기상청 서버로부터 수신된 일기예보 데이터는 추후 실내온도 하강 기울기 예측 모델 및/또는 가스 사용량 예측 모델을 생성하거나, 가스 사용량을 예측하는데 활용될 수 있다.
보일러 관리 장치(100)는 복수의 제어 단말(10)들로부터 소정 주기 마다 수신된 보일러 상태 데이터를 데이터베이스부(150)에 저장하고, 저장된 보일러 상태 데이터들에 대해 미리 설정된 조건에 따라 군집화를 수행할 수 있다. 이때, 보일러 관리 장치(100)는 군집화 데이터와 기상청 서버로부터의 일기예보 데이터를 이용하여 실내온도 하강 기울기 예측 모델을 생성할 수 있다. 또한, 보일러 관리 장치(100)는 군집화 데이터와 기상청 서버로부터의 일기예보 데이터, 그리고 실내온도 하강 기울기를 이용하여 가스 사용량 예측 모델을 생성할 수 있다.
이때, 보일러 관리 장치(100)는 실내온도 하강 기울기 예측 모델 및 가스 사용량 예측 모델을 이용하여 이후의 소정 기간에 대한 가스 사용량을 예측하고, 예측된 가스 사용량을 기초로 하여 고객의 가스 사용 예상 비용을 계산하여 고객 단말로 제공할 수 있다.
이에, 보일러 관리 장치(100)의 세부 구성 및 동작에 대해서는 도 2의 실시예를 참조하여 상세히 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 보일러 관리 장치의 구성을 도시한 도면이다.
도 2를 참조하면, 보일러 관리 장치(100)는 제어부(110), 통신부(120), 데이터 수집부(130), 학습부(140) 및 데이터베이스부(150)를 포함할 수 있다.
제어부(110)는 프로세서(processor)나 CPU(Central Processing Unit)와 같은 하드웨어 장치이거나, 또는 프로세서에 의하여 구현되는 프로그램일 수 있다. 제어부(110)는 보일러 관리 장치(100)의 각 구성들과 연결되어 보일러 관리 장치(100)의 전반적인 기능을 수행할 수 있다.
통신부(120)는 복수의 제어 단말(10)들로부터 각 고객별 보일러 상태 데이터를 수신할 수 있다. 이때, 통신부(120)는 소정 주기 마다 복수의 제어 단말(10)들로부터 각 고객별 보일러 상태 데이터를 수신할 수 있다. 여기서, 각 고객별 보일러 상태 데이터는 데이터베이스부(150)의 고객 DB(155)에 저장될 수 있다.
여기서, 데이터베이스부(150)는 학습 DB(151) 및 고객 DB(155)를 포함할 수 있다. 학습 DB(151)는 실내온도 하강 기울기 예측 모델 및 가스 사용량 예측 모델을 학습하는데 필요한 데이터들 및/또는 알고리즘 등이 저장될 수 있다. 또한, 학습 DB(151)는 학습부(140)에 의해 학습된 실내온도 하강 기울기 예측 모델 및/또는 가스 사용량 예측 모델이 저장될 수도 있다.
고객 DB(155)는 각 고객별로 수신된 보일러 상태 데이터가 저장될 수 있다. 여기서, 보일러 상태 데이터는 보일러의 제품 아이디, 현재실내온도, 난방설정온도, 난방연소 누적시간 및 지역정보 등의 정보를 포함할 수 있다.
또한, 고객 DB(155)는 각 고객별 가스 사용량 예측 데이터가 저장될 수 있으며, 가스 사용량 예측 데이터에 기초하여 계산된 가스 사용 예상 비용이 저장될 수도 있다.
데이터 수집부(130)는 고객 DB(155)에 저장된 복수의 보일러 상태 데이터들을 수집하여 군집화를 수행할 수 있다. 여기서, 데이터 군집화는 저장된 복수의 보일러 상태 데이터들이 갖는 값들에 대해 유사한 값들의 분포 특성을 분석하여 임의의 그룹으로 나누는 작업을 의미한다. 이에, 데이터 수집부(130)는 복수의 보일러 상태 데이터들 중 유사한 사용 패턴을 갖는 데이터들을 기준으로 군집화를 수행할 수 있다. 데이터 수집부(130)는 고객 DB(155)에 저장된 복수의 보일러 상태 데이터들 중 소정 기간 내의 보일러 상태 데이터들을 수집하여 군집화를 수행할 수도 있다.
데이터 수집부(130)는 군집화 데이터를 학습 DB(151)에 저장할 수 있다. 군집화 데이터에 대한 실시예는 도 3을 참조하도록 한다.
또한, 데이터 수집부(130)는 기상청 서버로부터 일기예보 데이터를 수집할 수 있다. 이때, 데이터 수집부(130)는 일기예보 데이터로부터 외기온도를 획득하여 학습 DB(151)에 저장할 수 있다. 일 예로, 데이터 수집부(130)는 보일러 상태 데이터가 전송된 시점의 일기예보 데이터로부터 외기온도를 획득하여 저장할 수 있다.
데이터 수집부(130)는 획득된 외기온도를 군집화 데이터에 매칭시켜 저장할 수 있다. 외기온도가 학습 DB(151)에 저장되는 실시예는 도 4를 참조하도록 한다.
학습부(140)는 데이터 수집부(130)에 의해 수집된 보일러 상태 데이터들로부터 실내온도 하강 기울기를 계산한다. 실내온도 하강 기울기를 계산하는 실시예는 도 5a를 참조하도록 한다.
도 5a를 참조하면, 학습부(140)는 데이터 수집부(130)에 의해 수집된 보일러 상태 데이터들로부터 보일러 중단 시점(x1)과 보일러 중단 시점(x1)의 실내 온도(T2) 및 보일러 재가동 시점(x2)과 보일러 재가동 시점(x2)의 실내 온도(T1)를 획득한다.
학습부(140)는 보일러 중단 시점으로부터 보일러 재가동 시점 사이의 시간(x2-x1), 그리고 보일러 중단 시점의 실내 온도 및 보일러 재가동 시점의 실내 온도 간 차이(T2-T1)에 기초하여 실내온도 하강 기울기를 계산할 수 있다. 여기서, 보일러 재가동 시점은 보일러가 중단된 이후에 고객이 설정한 온도에 도달하거나 혹은 보일러의 동작 초기 온도에 도달하여 보일러가 재가동되는 시점을 의미할 수 있다.
학습부(140)에 의해 계산된 실내온도 하강 기울기는 학습 DB(151)에 저장될 수 있다. 이때, 학습부(140)는 실내온도 하강 기울기를 군집화 데이터 및 외기온도에 매칭시켜 저장할 수 있다. 실내온도 하강 기울기가 학습 DB(151)에 저장되는 실시예는 도 5b를 참조하도록 한다.
학습부(140)는 학습 DB(151)에 저장된 군집화 데이터, 외기온도 및 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성할 수 있다. 이에, 실내온도 하강 기울기 예측 모델을 생성하는 동작에 대한 실시예는 도 6을 참조하도록 한다.
도 6을 참조하면, 학습부(140)는 학습 DB(151)에 저장된 군집화 데이터, 외기온도 및 실내온도 하강 기울기를 학습한다. 이때, 학습부(140)는 머신러닝 알고리즘을 이용하여 군집화 데이터 및 외기온도에 따른 실내온도 하강 기울기를 학습할 수 있다.
이에, 학습부(140)는 머신러닝 알고리즘을 통한 실내온도 하강 기울기의 학습 결과를 토대로 실내온도 하강 기울기 예측 모델(model 1)을 생성하여, 학습 DB(151)에 저장한다.
학습 DB(151)에 저장된 실내온도 하강 기울기 예측 모델은 가스 사용량 예측 모델, 가스 요금 예측 모델, 난방 자동화 모델 등 다양한 모델을 구축하는데 활용될 수 있다.
한편, 데이터 수집부(130)는 학습부(140)는 고객들의 제어 단말(10)들로부터 수신된 보일러 상태 데이터들에 기초하여 가스 사용량 데이터를 수집할 수 있다. 데이터 수집부(130)는 소정 주기 마다 가스 사용량 데이터를 수집할 수도 있다.
여기서, 데이터 수집부(130)에 의해 수집된 가스 사용량 데이터는 학습 DB(151)에 저장될 수 있다. 이때, 가스 사용량은 군집화 데이터, 외기온도 및 실내온도 하강 기울기와 서로 매칭되어 저장될 수 있다. 가스 사용량이 학습 DB(151)에 저장되는 실시예는 도 7을 참조하도록 한다.
한편, 학습부(140)는 학습 DB(151)에 저장된 군집화 데이터, 외기온도, 실내온도 하강 기울기 및 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성할 수 있다. 이에, 가스 사용량 예측 모델을 생성하는 동작에 대한 실시예는 도 8을 참조하도록 한다.
도 8을 참조하면, 학습부(140)는 학습 DB(151)에 저장된 군집화 데이터, 외기온도, 실내온도 하강 기울기 및 가스 사용량을 학습한다. 이때, 학습부(140)는 머신러닝 알고리즘을 이용하여 군집화 데이터, 외기온도 및 실내온도 하강 기울기에 따른 가스 사용량을 학습할 수 있다.
이에, 학습부(140)는 머신러닝 알고리즘을 통한 가스 사용량의 학습 결과를 토대로 가스 사용량 예측 모델(model 2)을 생성하여, 학습 DB(151)에 저장한다.
제어부(110)는 학습부(140)에 의해 생성된 실내온도 하강 기울기 예측 모델에 기초하여 실내온도 하강 기울기 예측 데이터를 획득할 수 있다. 또한, 제어부(110)는 학습부(140)에 의해 생성된 가스 사용량 예측 모델에 기초하여 가스 사용량 예측 데이터를 획득할 수 있다.
이에, 실내온도 하강 기울기 예측 모델 및 가스 사용량 예측 모델에 기초하여 실내온도 하강 기울기 예측 데이터 및 가스 사용량 예측 데이터를 획득하는 동작에 대한 실시예는 도 9를 참조하도록 한다.
도 9를 참조하면, 실내온도 하강 기울기 예측 모델(model 1)은 군집화 데이터 및 외기온도에 따른 실내온도 하강 기울기를 학습하여 생성된 것이다. 이에, 제어부(110)는 학습 DB(151)에 저장된 군집화 데이터를 실내온도 하강 기울기 예측 모델의 제1 입력값으로 추출할 수 있다.
또한, 제어부(110)는 기상청 서버로부터 수신된 일기예보 데이터 중 외기온도를 실내온도 하강 기울기 예측 모델의 제2 입력값으로 추출할 수 있다. 여기서, 일기예보 데이터는 현재 시점 이후의 소정 기간에 대한 일기예보 데이터일 수 있다. 일 예로, 일기예보 데이터는 현재 시점 이후 한 달 동안의 외기온도 정보를 포함할 수 있다.
제어부(110)는 추출된 군집화 데이터 및 외기온도를 실내온도 하강 기울기 예측 모델에 입력한다. 이에, 실내온도 하강 기울기 예측 모델은 입력된 군집화 데이터 및 외기온도에 따른 실내온도 하강 기울기 예측 데이터를 출력할 수 있다.
따라서, 실내온도 하강 기울기 예측 모델에 기초하여 실내온도 하강 기울기 예측 데이터를 획득하고, 획득된 실내온도 하강 기울기 예측 데이터를 학습 DB(151)에 저장한다. 이때, 실내온도 하강 기울기 예측 데이터는 군집화 데이터 및 외기온도에 매칭되어 저장될 수 있다. 실내온도 하강 기울기 예측 데이터가 학습 DB(151)에 저장되는 실시예는 도 10을 참조하도록 한다.
도 10과 같이, 실내온도 하강 기울기 예측 데이터는 예상 단열 등급 정보로서 인식될 수 있다. 여기서, 단열 등급은 실내온도 하강 기울기를 크기 순으로 정렬하고, 전체 기울기 크기를 소정 단위로 분류하고, 분류된 각 기울기 크기마다 단열 등급이 부여될 수 있다. 따라서, 실내온도 하강 기울기에 기초하여 단열 등급을 예상할 수 있기 때문에, 실내온도 하강 기울기 예측 데이터를 예상 단열 등급으로 인식할 수 있다.
또한, 제어부(110)는 학습 DB(151)에 저장된 군집화 데이터를 가스 사용량 예측 모델(model 2)의 제1 입력값으로 추출하고, 기상청 서버로부터 수신된 일기예보 데이터 중 외기온도를 가스 사용량 예측 모델의 제2 입력값으로 추출하고, 실내온도 하강 기울기 예측 모델에 의해 획득된 실내온도 하강 기울기를 가스 사용량 예측 모델의 제3 입력값으로 추출할 수 있다. 여기서, 일기예보 데이터는 현재 시점 이후의 소정 기간에 대한 일기예보 데이터일 수 있다. 일 예로, 일기예보 데이터는 현재 시점 이후 한달 동안의 외기온도 정보를 포함할 수 있다.
제어부(110)는 추출된 군집화 데이터, 외기온도 및 실내온도 하강 기울기 예측 모델에 의해 예측된 실내온도 하강 기울기를 가스 사용량 예측 모델에 입력한다. 이에, 가스 사용량 예측 모델은 입력된 군집화 데이터, 외기온도 및 실내온도 하강 기울기에 따른 가스 사용량 예측 데이터를 출력할 수 있다.
따라서, 제어부(110)는 가스 사용량 예측 모델에 기초하여 가스 사용량 예측 데이터를 획득하고, 획득된 가스 사용량 예측 데이터를 학습 DB(151)에 저장할 수 있다.
한편, 제어부(110)는 고객으로부터 가스 사용 예상 비용에 대한 요청이 있으면, 학습 DB(151)에 저장된 가스 사용량 예측 데이터로부터 가스 사용 예상 비용을 계산하여 고객 단말로 제공할 수 있다. 이에, 고객 단말로 가스 사용 예상 비용을 제공하는 동작에 대한 실시예는 도 11을 참조하도록 한다.
도 11을 참조하면, 제어부(110)는 학습 DB(151)에 저장된 가스 사용량 예측 데이터를 추출한다. 이때, 제어부(110)는 학습 DB(151)에 저장된 가스 사용량 예측 데이터 중 고객의 정보에 대응되는 가스 사용량 예측 데이터를 추출할 수도 있다.
제어부(110)는 가스 사용량 예측 데이터가 추출되면, 추출된 가스 사용량 예측 데이터를 이용하여 가스 사용 예상 비용을 계산한다. 여기서, 가스 사용 예상 비용은 아래 [수학식 1]을 참조하여 계산될 수 있다.
Figure pat00001
제어부(110)는 [수학식 1]을 이용하여 가스 사용 예상 비용을 계산하고, 계산된 가스 사용 예상 비용을 고객 단말로 송신할 수 있다.
따라서, 고객 단말은 보일러 관리 장치(100)로부터 수신된 가스 사용 예상 비용을 출력할 수 있다. 이에, 고객은 고객 단말을 통해 이후 소정 기간에 대한 가스 사용 예상 비용을 사전에 확인함에 따라 보일러 작동에 따른 가스 사용량을 조절할 수 있게 된다.
상기와 같이 구성되는 본 발명에 따른 보일러 관리 장치의 동작 흐름을 보다 상세히 설명하면 다음과 같다.
도 12는 본 발명의 일 실시예에 따른 실내온도 하강 기울기 예측 모델 생성 방법에 대한 동작 흐름을 도시한 도면이다.
도 12를 참조하면, 고객들의 제어 단말(10)들은 보일러 관리 장치(100)로 보일러 상태 데이터를 전송한다(S110). 여기서, 고객들의 제어 단말(10)들은 기 설정된 주기 마다 보일러 상태 데이터를 보일러 관리 장치(100)로 전송할 수 있으며, 특정 이벤트가 있을 때마다 해당 이벤트에 대한 보일러 상태 데이터를 보일러 관리 장치(100)로 전송할 수도 있다.
도 12의 실시예에서는, 고객들의 제어 단말(10)들이 보일러 상태 데이터를 전송하는 것으로 도시하였으나, 실시 형태에 따라 각 보일러가 직접 보일러 상태 데이터를 전송할 수도 있다.
보일러 관리 장치(100)는 고객들의 제어 단말(10)들로부터 보일러 상태 데이터들이 수신될 때마다 해당 보일러 상태 데이터들을 저장할 수 있다. 이때, 보일러 관리 장치(100)는 저장된 복수의 보일러 상태 데이터들에 대해 데이터 군집화를 수행할 수 있다(S120).
이때, 보일러 관리 장치(100)는 복수의 보일러 상태 데이터들에 대해 군집화 알고리즘을 실행하여 군집화를 수행할 수 있다. 여기서, 보일러 관리 장치(100)는 복수의 보일러 상태 데이터들 중 유사한 사용 패턴을 갖는 데이터들을 기준으로 군집화를 수행할 수 있다.
군집화 데이터는 데이터베이스부(150)의 학습 DB(151)에 저장될 수 있다. 이때, 학습 DB(151)에 저장된 군집화 데이터는 추후 실내온도 하강 기울기 예측 모델 및 가스 사용량 예측 모델을 생성하는데 활용될 수 있다.
또한, 보일러 관리 장치(100)는 외기온도 데이터를 수집할 수 있다(S130). 여기서, 보일러 관리 장치(100)는 기상청 서버로부터 수신된 일기예보 데이터로부터 외기온도 데이터를 수집할 수 있다. 'S130' 과정에서 수집된 외기온도 데이터는 데이터베이스부(150)의 학습 DB(151)에 저장될 수 있다. 이때, 외기온도 데이터는 'S120' 과정의 군집화 데이터에 매칭되어 저장될 수 있다.
일 예로, 보일러 관리 장치(100)는 'S110' 과정에서 보일러 상태 데이터가 전송된 시점의 일기예보 데이터로부터 외기온도를 획득하고, 획득된 외기온도를 해당 군집화 데이터에 매칭시켜 저장할 수도 있다.
또한, 보일러 관리 장치(100)는 'S110' 과정에서 수신된 보일러 상태 데이터에 기초하여 실내온도 하강 기울기를 계산할 수 있다(S140). 이때, 보일러 관리 장치(100)는 보일러 상태 데이터들에 포함된 실내온도들을 추출하고, 추출된 실내온도들의 변화에 기초하여 실내온도 하강 기울기를 계산할 수 있다.
일 예로, 보일러 관리 장치(100)는 보일러 중단 시점의 제1 실내 온도 및 보일러 재가동 시점의 제2 실내 온도 간 차이에 기초하여 실내온도 하강 기울기를 계산할 수 있다. 여기서, 보일러 재가동 시점은 보일러가 중단된 이루에 고객이 설정한 온도에 도달하거나 혹은 보일러의 동작 초기 온도에 도달하여 보일러가 재가동되는 시점을 의미할 수 있다.
'S140' 과정에서 계산된 실내온도 하강 기울기는 데이터베이스부(150)의 학습 DB(151)에 저장될 수 있다. 이때, 실내온도 하강 기울기는 군집화 데이터 및 외기온도에 매칭되어 저장될 수 있다.
이후, 보일러 관리 장치(100)는 'S120' 과정의 군집화 데이터, 'S130' 과정에서 수집된 외기온도 및 'S140' 과정에서 계산된 실내온도 하강 기울기를 이용하여, 군집화 데이터 및 외기온도에 따른 실내온도 하강 기울기를 학습하고(S150), 학습 결과를 토대로 실내온도 하강 기울기 예측 모델을 생성한다(S160).
이때, 보일러 관리 장치(100)는 'S160' 과정에서 생성된 실내온도 하강 기울기 예측 모델을 데이터베이스부(150)의 학습 DB(151)에 저장할 수 있다(S170).
도 13은 본 발명의 일 실시예에 따른 가스 사용량 예측 모델 생성 방법에 대한 동작 흐름을 도시한 도면이다.
도 13을 참조하면, 고객들의 제어 단말(10)들은 보일러 관리 장치(100)로 보일러 상태 데이터를 전송한다(S210). 여기서, 고객들의 제어 단말(10)들은 기 설정된 주기 마다 보일러 상태 데이터를 보일러 관리 장치(100)로 전송할 수 있으며, 특정 이벤트가 있을 때마다 해당 이벤트에 대한 보일러 상태 데이터를 보일러 관리 장치(100)로 전송할 수도 있다.
도 13의 실시예에서는, 고객들의 제어 단말(10)들이 보일러 상태 데이터를 전송하는 것으로 도시하였으나, 실시 형태에 따라 각 보일러가 직접 보일러 상태 데이터를 전송할 수도 있다.
보일러 관리 장치(100)는 고객들의 제어 단말(10)들로부터 보일러 상태 데이터들이 수신될 때마다 해당 보일러 상태 데이터들을 저장할 수 있다.
보일러 관리 장치(100)는 'S210' 과정에서 수신된 보일러 상태 데이터 중 각 고객의 가스 사용량 데이터를 수집한다(S220).
'S220' 과정에서 수집된 가스 사용량은 데이터베이스부(150)의 학습 DB(151)에 저장될 수 있다. 이때, 실내온도 하강 기울기는 군집화 데이터 및 외기온도에 매칭되어 저장될 수 있다.
이후, 보일러 관리 장치(100)는 도 12의 'S120' 내지 'S140' 과정들을 통해 학습 DB(151)에 저장된 군집화 데이터, 외기 온도 및 실내온도 하강 기울기에 따른 가스 사용량 데이터를 학습하고(S230), 학습 결과에 따라 가스 사용량 예측 모델을 생성한다(S240).
이때, 보일러 관리 장치(100)는 'S240' 과정에서 생성된 가스 사용량 예측 모델을 데이터베이스부(150)의 학습 DB(151)에 저장할 수 있다(S250).
도 14는 본 발명의 일 실시예에 따른 예에 따른 가스 사용량 예측 방법에 대한 동작 흐름을 도시한 도면이다.
도 14를 참조하면, 보일러 관리 장치(100)는 기상청으로부터 일기예보 데이터를 수집할 수 있다(S310). 일기예보 데이터는 현재를 기준으로 이후 소정 기간 동안 예상되는 일기 정보를 포함할 수 있다. 일 예로, 일기예보 데이터는 현재부터 이후 1달 동안의 날씨, 외기온도, 습도, 강수량 등의 정보를 포함할 수 있다.
여기서, 보일러 관리 장치(100)는 'S310' 과정에서 수집된 일기예보 데이터 중 외기온도 정보를 획득할 수 있다. 이때, 보일러 관리 장치(100)는 획득된 외기온도 정보를 실내온도 하강 기울기 예측 모델 또는 가스 사용량 예측 모델에 적용할 수 있다.
먼저, 보일러 관리 장치(100)는 실내온도 하강 기울기 예측 모델을 기반으로 실내온도 하강 기울기 예측 데이터를 획득할 수 있다(S320).
'S320' 과정에서, 실내온도 하강 기울기 예측 모델은 군집화 데이터 및 외기온도에 따른 실내온도 하강 기울기를 학습하여 생성된 모델이다. 따라서, 보일러 관리 장치(100)는 도 12의 과정들을 통해 학습 DB(151)에 저장된 군집화 데이터, 및 'S310' 과정에서 수집된 일기예보 데이터로부터 획득된 외기온도 정보를 실내온도 하강 기울기 예측 모델에 반영하여, 이후 소정 기간 동안의 실내온도 하강 기울기 예측 데이터를 획득할 수 있다.
이때, 보일러 관리 장치(100)는 'S320' 과정에서 획득된 실내온도 하강 기울기 예측 데이터를 기반으로 예상 단열 등급을 획득할 수 있다(S330).
여기서, 단열 등급은 실내온도 하강 기울기를 크기에 따라 정렬했을 때, 정렬된 실내온도 하강 기울기의 일정 단위마다 단열 등급이 부여될 수 있다. 따라서, 보일러 관리 장치(100)는 단열 등급이 정의된 테이블에 기초하여 'S320' 과정에서 획득된 실내온도 하강 기울기 예측 데이터에 대응되는 예상 단열 등급을 획득할 수 있다.
이후, 보일러 관리 장치(100)는 가스 사용량 예측 모델을 기반으로 가스 사용량 예측 데이터를 획득할 수 있다(S340).
'S340' 과정에서, 가스 사용량 예측 모델은 군집화 데이터, 외기온도 및 실내온도 하강 기울기에 따른 가스 사용량을 학습하여 생성된 모델이다. 따라서, 보일러 관리 장치(100)는 도 12의 과정들을 통해 학습 DB(151)에 저장된 군집화 데이터, 'S310' 과정에서 수집된 일기예보 데이터로부터 획득된 외기온도 및 'S320' 과정에서 획득된 실내온도 하강 기울기 예측 데이터를 가스 사용량 예측 모델에 반영하여, 이후 소정 기간 동안의 가스 사용량 예측 데이터를 획득할 수 있다.
'S310' 내지 'S340' 과정들은 보일러 관리 장치(100)에 의해 사전에 수행될 수 있으며, 고객으로부터 요청이 있는 경우에 수행될 수도 있다.
도 15는 본 발명의 일 실시예에 따른 가스 사용량 예상 비용을 제공하는 방법에 대한 동작 흐름을 도시한 도면이다.
도 15를 참조하면, 보일러 관리 장치(100)는 고객으로부터 가스 사용 예상 비용의 요청이 있으면(S410), 해당 고객에 대한 가스 사용량 예측 데이터를 추출한다(S420). 여기서, 해당 고객의 가스 사용량 예측 데이터는 사전에 도 14의 과정들을 통해 획득된 가스 사용량 예측 데이터 중 고객의 데이터에 매칭되는 가스 사용량 예측 데이터를 추출할 수 있다. 물론, 보일러 관리 장치(100)는 'S410' 과정에서 고객으로부터의 요청이 있는 경우에 도 14의 과정들을 통해 가스 사용량 예측 데이터를 획득하여 추출할 수도 있다.
이후, 보일러 관리 장치(100)는 'S420' 과정에서 추출된 가스 사용량 예측 데이터에 기초하여 가스 사용 예상 비용을 계산한다(S430). 여기서, 가스 사용 예상 비용은 앞서 설명한 [수학식 1]을 참조하여 계산할 수 있다.
보일러 관리 장치(100)는 'S430' 과정에서 가스 사용 예상 비용의 계산이 완료되면, 계산된 가스 사용 예상 비용을 고객 단말로 전송한다(S440).
이로써, 고객은 고객 단말을 통해 이후의 소정 기간에 대한 가스 사용 예상 비용을 미리 확인할 수 있게 된다. 일 예로, 고객은 한 달 후 가스 사용 예상 비용을 미리 확인할 수 있다. 이와 같이, 고객은 소정 기간에 대한 가스 사용 예상 비용을 미리 확인함으로써 보일러 작동을 관리하는 것이 가능하게 된다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 제어 단말 100: 보일러 관리 장치
110: 제어부 120: 통신부
130: 데이터 수집부 140: 학습부
150: 데이터베이스부 151: 학습 DB
155: 고객 DB

Claims (20)

  1. 복수의 보일러 상태 데이터 및 일기예보 데이터를 수집하는 데이터 수집부; 및
    상기 복수의 보일러 상태 데이터에 대해 군집화를 수행하고, 군집화 데이터 및 일기예보 데이터의 외기온도에 따른 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성하는 학습부;
    를 포함하는 것을 특징으로 하는 보일러 관리 장치.
  2. 청구항 1에 있어서,
    상기 학습부는,
    소정 주기 마다 수집된 복수의 보일러 상태 데이터를 유사한 사용 패턴을 갖는 데이터들을 기준으로 군집화를 수행하는 것을 특징으로 하는 보일러 관리 장치.
  3. 청구항 1에 있어서,
    상기 학습부는,
    상기 복수의 보일러 상태 데이터로부터 보일러 중단 시점과 상기 보일러 중단 시점의 실내 온도 및 보일러 재가동 시점과 상기 보일러 재가동 시점의 실내 온도를 획득하고, 상기 보일러 중단 시점으로부터 상기 보일러 재가동 시점 사이의 시간, 그리고 상기 보일러 중단 시점의 실내 온도 및 상기 보일러 재가동 시점의 실내 온도 간 차이에 기초하여 상기 실내온도 하강 기울기를 계산하는 것을 특징으로 하는 보일러 관리 장치.
  4. 청구항 1에 있어서,
    상기 데이터 수집부는,
    상기 복수의 보일러 상태 데이터로부터 가스 사용량 데이터를 수집하는 것을 특징으로 하는 보일러 관리 장치.
  5. 청구항 4에 있어서,
    상기 학습부는,
    상기 군집화 데이터, 상기 일기예보 데이터의 외기온도 및 상기 실내온도 하강 기울기에 따른 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성하는 것을 특징으로 하는 보일러 관리 장치.
  6. 청구항 5에 있어서,
    상기 실내온도 하강 기울기 예측 모델 및 상기 가스 사용량 예측 모델을 기반으로 현재 시점 이후의 소정 기간에 대한 가스 사용량을 예측하는 제어부를 더 포함하는 것을 특징으로 하는 보일러 관리 장치.
  7. 청구항 6에 있어서,
    상기 제어부는,
    상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도를 상기 실내온도 하강 기울기 예측 모델에 반영하여 실내온도 하강 기울기 예측 데이터를 획득하는 것을 특징으로 하는 보일러 관리 장치.
  8. 청구항 7에 있어서,
    상기 제어부는,
    상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도와, 상기 실내온도 하강 기울기 예측 데이터를 상기 가스 사용량 예측 모델에 반영하여 현재 시점 이후의 소정 기간에 대한 가스 사용량 예측 데이터를 획득하는 것을 특징으로 하는 보일러 관리 장치.
  9. 청구항 8에 있어서,
    상기 제어부는,
    상기 가스 사용량 예측 데이터에 기초하여 현재 시점 이후의 소정 기간에 대한 가스 사용 예상 비용을 계산하는 것을 특징으로 하는 보일러 관리 장치.
  10. 청구항 9에 있어서,
    상기 제어부는,
    고객으로부터 요청이 있는 경우에 상기 고객의 정보에 대응되는 가스 사용량 예측 데이터에 기초하여 계산된 가스 사용 예상 비용을 고객 단말로 제공하도록 하는 것을 특징으로 하는 보일러 관리 장치.
  11. 복수의 보일러 상태 데이터 및 일기예보 데이터를 수집하는 단계;
    상기 복수의 보일러 상태 데이터에 대해 군집화를 수행하는 단계; 및
    군집화 데이터 및 일기예보 데이터의 외기온도에 따른 실내온도 하강 기울기를 학습하여 실내온도 하강 기울기 예측 모델을 생성하는 단계;
    를 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  12. 청구항 11에 있어서,
    상기 군집화를 수행하는 단계는,
    소정 주기 마다 수집된 복수의 보일러 상태 데이터를 유사한 사용 패턴을 갖는 데이터들을 기준으로 군집화를 수행하는 단계를 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  13. 청구항 11에 있어서,
    상기 실내온도 하강 기울기 예측 모델을 생성하는 단계는,
    상기 복수의 보일러 상태 데이터로부터 보일러 중단 시점과 상기 보일러 중단 시점의 실내 온도 및 보일러 재가동 시점과 상기 보일러 재가동 시점의 실내 온도를 획득하는 단계; 및
    상기 보일러 중단 시점으로부터 상기 보일러 재가동 시점 사이의 시간, 그리고 상기 보일러 중단 시점의 실내 온도 및 상기 보일러 재가동 시점의 실내 온도 간 차이에 기초하여 상기 실내온도 하강 기울기를 계산하는 단계를 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  14. 청구항 11에 있어서,
    상기 복수의 보일러 상태 데이터로부터 가스 사용량 데이터를 수집하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  15. 청구항 14에 있어서,
    상기 군집화 데이터, 상기 일기예보 데이터의 외기온도 및 상기 실내온도 하강 기울기에 따른 가스 사용량을 학습하여 가스 사용량 예측 모델을 생성하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  16. 청구항 15에 있어서,
    상기 실내온도 하강 기울기 예측 모델 및 상기 가스 사용량 예측 모델을 기반으로 현재 시점 이후의 소정 기간에 대한 가스 사용량을 예측하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  17. 청구항 16에 있어서,
    상기 가스 사용량을 예측하는 단계는,
    상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도를 상기 실내온도 하강 기울기 예측 모델에 반영하여 실내온도 하강 기울기 예측 데이터를 획득하는 단계를 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  18. 청구항 17에 있어서,
    상기 가스 사용량을 예측하는 단계는,
    상기 군집화 데이터 및 현재 시점 이후의 소정 기간에 대해 수집된 일기예보 데이터의 외기온도와, 상기 실내온도 하강 기울기 예측 데이터를 상기 가스 사용량 예측 모델에 반영하여 현재 시점 이후의 소정 기간에 대한 가스 사용량 예측 데이터를 획득하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  19. 청구항 18에 있어서,
    상기 가스 사용량을 예측하는 단계는,
    상기 가스 사용량 예측 데이터에 기초하여 현재 시점 이후의 소정 기간에 대한 가스 사용 예상 비용을 계산하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
  20. 청구항 19에 있어서,
    고객으로부터 요청이 있는 경우에 상기 고객의 정보에 대응되는 가스 사용량 예측 데이터에 기초하여 계산된 가스 사용 예상 비용을 고객 단말로 제공하는 단계를 더 포함하는 것을 특징으로 하는 빅데이터 기반 보일러의 예측 모델 생성 방법.
KR1020210182862A 2021-12-20 2021-12-20 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법 KR20230093874A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210182862A KR20230093874A (ko) 2021-12-20 2021-12-20 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210182862A KR20230093874A (ko) 2021-12-20 2021-12-20 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법

Publications (1)

Publication Number Publication Date
KR20230093874A true KR20230093874A (ko) 2023-06-27

Family

ID=86946858

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210182862A KR20230093874A (ko) 2021-12-20 2021-12-20 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법

Country Status (1)

Country Link
KR (1) KR20230093874A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117249471A (zh) * 2023-11-20 2023-12-19 哈尔滨哈东新春锅炉有限公司 一种锅炉负荷调节方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117249471A (zh) * 2023-11-20 2023-12-19 哈尔滨哈东新春锅炉有限公司 一种锅炉负荷调节方法及系统
CN117249471B (zh) * 2023-11-20 2024-01-16 哈尔滨哈东新春锅炉有限公司 一种锅炉负荷调节方法及系统

Similar Documents

Publication Publication Date Title
JP7034209B2 (ja) 空調機を管理する方法及び装置
Kleiminger et al. Occupancy detection from electricity consumption data
US11808473B2 (en) Action optimization device, method and program
CN108518804A (zh) 一种机房温湿度环境预测方法及系统
CN106461252B (zh) 加热、通风或空气调节系统空气过滤器诊断和监视
KR101660487B1 (ko) 소비 특성에 따른 전력 소비량 예측 방법 및 장치
CN111353911A (zh) 电力设备运维方法、系统、设备和存储介质
CN109288384B (zh) 一种用于蒸汽发生器的水量预测方法及烹饪装置
WO2018112352A1 (en) Techniques of automated fault detection and related systems and methods
JP6610281B2 (ja) 情報処理装置、制御方法及び制御プログラム
US10254319B2 (en) Apparatus, server, system and method for energy measuring
JP6400834B2 (ja) 推薦装置、推薦決定方法、およびコンピュータプログラム
JPWO2015087470A1 (ja) 需要予測装置、プログラム
CN106255987A (zh) 建筑物围层和内部分级系统和方法
KR20230093874A (ko) 보일러 관리 장치 및 빅데이터 기반 보일러의 예측 모델 생성 방법
JP2015122825A (ja) 配電系統の負荷予測装置および配電系統の負荷予測方法
JP6437862B2 (ja) 在宅状況判定装置、方法及びプログラム
US11482861B2 (en) Apparatus, server, system and method for energy measuring
US20160275407A1 (en) Diagnostic device, estimation method, non-transitory computer readable medium, and diagnostic system
KR20140109596A (ko) 미검침 구간의 검침 데이터 예측 및 보정 방법과 그 장치
EP3859544B1 (en) Server device, data distribution system, data provision method, and program
CN113434690B (zh) 基于聚类算法的用电预测评估方法、装置、系统及介质
KR20210023077A (ko) 자기 반추 및 머신러닝을 이용한 태양광 발전 접속반 및 태양광 발전 접속반의 예측진단 방법
CA3070670C (en) A method and system for automatic detection of inefficient household thermal insulation
US20230032081A1 (en) Server, communicating device and system having function of managing power demand and method of managing power usage thereof