WO2022004955A1 - 전력사용량 기반 신용평가 시스템 및 방법 - Google Patents

전력사용량 기반 신용평가 시스템 및 방법 Download PDF

Info

Publication number
WO2022004955A1
WO2022004955A1 PCT/KR2020/014910 KR2020014910W WO2022004955A1 WO 2022004955 A1 WO2022004955 A1 WO 2022004955A1 KR 2020014910 W KR2020014910 W KR 2020014910W WO 2022004955 A1 WO2022004955 A1 WO 2022004955A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
power usage
credit
power
unit
Prior art date
Application number
PCT/KR2020/014910
Other languages
English (en)
French (fr)
Inventor
조광재
신봉조
김영상
홍기훈
Original Assignee
(주)띵스파이어
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)띵스파이어 filed Critical (주)띵스파이어
Publication of WO2022004955A1 publication Critical patent/WO2022004955A1/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G01R22/10—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods using digital techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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

Definitions

  • the present invention relates to a credit rating system and method for evaluating consumer credit, and more particularly, to a credit rating system and method capable of evaluating consumer credit based on electricity consumption.
  • financial institutions such as banks
  • have a credit rating system that evaluates the credit of transaction companies, etc., or receives credit and evaluation results from an external credit rating institution for loan execution or loan management, that is, credit management.
  • the credit assessment method is carried out in consideration of the collateral status provided by the company, the company's assets, the 'credit status', or the representative's 'credit status'.
  • An object of the present invention is to provide a credit evaluation system and method that can evaluate the credit status of consumers including collateral in real time, and can save management costs of collateral.
  • a measurement unit for obtaining first power usage information including the power usage of the consumer and the second power usage information including the power usage of the collateral in the consumer; a storage unit for storing the first power usage information and the second power usage information, and for storing a setting value inputted from the outside; and a rule-based credit evaluation unit generating first credit evaluation information by evaluating the credit of the customer in a rule-based manner based on the set value, the first power use information, and the second power usage information.
  • a second credit evaluation unit that generates second credit evaluation information in an artificial intelligence manner for the customer based on the first power usage information, the second power usage information, and an algorithm updated by learning and a learning unit that corrects the algorithm through learning.
  • the rule-based credit evaluation unit performs a credit evaluation of the consumer in consideration of the ratio of the consumer's power consumption included in the first power usage information and the power usage included in the second power usage information. do.
  • the set value is set for each unit time section.
  • the learning unit learns the first power use information, the second power use information, the first credit evaluation information, and the second credit evaluation information, and corrects the algorithm based on the learning .
  • the storage unit receives and stores additional information including power usage information in the same industry and sales information of the consumer from the outside, and the learning unit modifies the algorithm in consideration of the additional information.
  • the learning unit corrects the algorithm by calculating a set value for each period in consideration of characteristics of each industry.
  • a measurement unit for obtaining power usage information including the power consumption of consumers; a storage unit that stores the power usage information and stores a setting value input from the outside; and a first credit rating unit generating first credit rating information for the customer based on the set value and the power use information.
  • a second credit evaluation unit that generates second credit evaluation information in an artificial intelligence manner for the customer based on the power use information, an algorithm updated by learning, and modifying the algorithm through learning It further includes a study section.
  • a data collection process of collecting first power usage information related to power usage of a consumer and second power usage information related to a second power usage amount of collateral in the consumer a data storage process of storing the collected first power usage information, second power usage information, and setting values; and generating first credit evaluation information in a rule-based manner based on the first power usage information, the second power usage information, and the set value, and using the first power usage information, the second power usage information, and an algorithm.
  • Power usage-based credit evaluation method a data collection process of collecting power usage information related to the power usage of consumers; a data storage process of storing the collected power use information and setting values; and a credit evaluation step of generating first credit rating information in a rule-based manner based on the electric power use information and the set value, and generating second rating information in an artificial intelligence manner based on the electric power use information and algorithm.
  • the present invention by evaluating the consumer's credit based on the consumer's total electricity consumption and the electric power usage of collateral, it is possible to more accurately determine the consumer's credit level including the movable property collateral.
  • more accurate credit evaluation information can be provided to creditors by concurrently performing rule-based credit evaluation and AI-based credit evaluation.
  • FIG. 1 is a diagram for explaining a credit rating system based on power consumption according to a first embodiment of the present invention.
  • FIG. 2 is a view for explaining the rule-based credit evaluation unit of FIG. 1 .
  • 3 is a view for explaining an example of a credit evaluation method of the credit evaluation unit.
  • 4 is a diagram for explaining a process of updating an algorithm.
  • FIG. 5 is a view for explaining a credit evaluation method based on power consumption according to the first embodiment of the present invention.
  • FIG. 6 is a diagram for explaining a credit rating system based on power consumption according to a second embodiment of the present invention.
  • FIG. 7 is a view for explaining the credit evaluation unit of FIG. 6 .
  • FIG. 8 is a diagram for explaining a credit evaluation method based on power consumption according to a second embodiment of the present invention.
  • FIG. 1 is a diagram for explaining a credit rating system based on power consumption according to an embodiment of the present invention.
  • the power usage-based credit evaluation system 1 includes a measurement unit 110 , a storage unit 120 , and a credit evaluation unit 130 .
  • the measurement unit 110 collects first power usage information including the power consumption of the consumer 20, and collects the second power usage information including the power usage amount of the movable property security 22 in the consumer.
  • the measuring unit 110 includes the first power usage measuring device 111 for collecting first power usage information including the consumer's power usage and the second power usage including the power usage of the movable property security 22 in the consumer. and at least one second power usage measuring device 112 for collecting information.
  • the second power usage measuring device 112 installed in the movable property security 22 in the consumer may be installed under the consent of the consumer.
  • the movable property collateral 22 is an object that can be credit evaluated using electricity consumption.
  • the movable collateral 22 may be a specific facility that consumes electricity as collateral for the bond by the creditor and contributes to the productivity of the consumer.
  • the first and second power usage measuring devices 111 and 112 measure the consumer's power usage and the power usage of the movable property security 22 at preset measurement periods.
  • the power usage measuring cycle of the power usage measuring device 110 may be in minutes, hours, daily units, weekly units, or monthly units.
  • Each of the first and second power usage information includes basic information and meta information.
  • the basic information is time series power usage information, and includes power usage amount and time series information.
  • the meta information includes customer identification (ID) information or movable property identification (ID) information.
  • the storage unit 120 receives the first power usage information and the second power usage information from the measurement unit 110 , and stores the first power usage information and the second power usage information. Also, the storage unit 120 receives a set value from the outside and stores the set value. In addition, the storage unit 120 may receive and store additional information such as electric power consumption in the same industry and sales information of consumers from the outside. In addition, the storage unit 120 may pre-process and process the first power usage information and the second power usage information to enable the credit evaluation of the credit evaluation unit 130 .
  • the set value is the unit time for credit evaluation, the upper limit of power use per unit time, the lower limit of power use per unit time, the average power use per unit time range, the operating time range, the non-operating time range, the operating day, the non-operating day, and the power consumption of the consumer.
  • the relative demand includes at least one of the ratio of power usage of personal property collateral, permissible range of power usage per unit time, upper limit of maximum power use, lower limit of minimum power use, and permissible range of variation of power usage per unit time.
  • the set value may be set differently for each unit time section as shown in FIG. 3 . For example, set values within the operating time range and set values within the non-operating time range may be set differently, and even within the operating time range, set values may be set differently for each unit time.
  • the storage unit 120 pre-processes and processes data when a data error occurs.
  • the storage unit 120 may determine that the amount of power consumption exceeding the upper limit of the maximum power use exceeds the maximum power usage that can be used by the consumer or movable property collateral, and it may be determined that the data is abnormal, and the power usage that is less than the lower limit of the minimum power use is the consumer or movable property collateral. It can be judged as more than data because it did not exceed the minimum power consumption that should be used. In addition, the storage unit 120 determines that when the amount of change in power consumption per unit time exceeds the allowable limit, when the amount of power consumption fluctuates multiple times with a large difference for a short period of time, or when the amount of power consumption is '0' or a negative value exceeds the set number of times If it occurs, it can be judged as data anomaly.
  • the storage unit 120 processes the data by excluding the section in which the abnormality occurs among the first and second power use information, or by modifying the portion exceeding the maximum power use upper limit or less than the minimum power use lower limit to a preset value in the corresponding section or you can keep it as is. And the storage unit 120 causes the notification unit 134 of the credit evaluation unit 130 to notify the judgment result to the creditor 40 or the credit evaluation agency 30 of the corresponding result.
  • the additional information may be input and stored in the storage unit 120 through an external input.
  • the additional information input and stored in the storage unit 120 may include at least one of power usage information of the same industry and sales information of consumers.
  • the storage unit may store additional information useful for credit evaluation.
  • the additional information may be used for the learning unit 133 to modify the algorithm used in the AI-based credit evaluation unit 132 for evaluating credit based on artificial intelligence.
  • FIG. 2 is a view for explaining the credit evaluation unit of FIG. 1 .
  • the credit evaluation unit 130 includes a rule-based credit evaluation unit 131 , an artificial intelligence-based credit evaluation unit 132 , a learning unit 133 , and a notification unit 134 .
  • the power consumption is proportional to the productivity of the corresponding consumer, it can be determined that the consumer's credit rating increases when the power consumption increases. Conversely, if the amount of electricity used decreases, productivity may decrease and it may be determined that the customer's credit is reduced.
  • the rule-based credit evaluation unit 131 generates the first credit evaluation information by evaluating the consumer's credit in a rule-based manner based on the first power usage information, the second power usage information, and a set value. At this time, the setting value is kept constant unless it is changed by the user or the outside. Since the rule-based credit evaluation unit 131 evaluates the consumer's credit based on the set value, it is possible to quickly evaluate the consumer's credit regardless of the internal and external fluctuations of the consumer. On the other hand, the AI-based credit evaluation method requires a period to learn when internal and external fluctuations occur in the consumer, making it impossible to accurately evaluate credit within a short period of time.
  • the rule-based credit evaluation unit 131 analyzes power usage information for a unit time.
  • the rule-based credit evaluation unit 131 determines whether the amount of power consumption for a unit time exceeds the upper limit of power use, whether the amount of power usage for a unit time is below the lower limit of power use, and whether the power consumption for a unit time is per unit time. Analyze whether or not the average used power range is satisfied.
  • the rule-based credit evaluation unit 131 calculates the power usage ratio of the second power usage information to the power usage amount of the first power usage information, and the power usage ratio of the movable property collateral is the power usage ratio of the movable property among the credit evaluation set values. It can be determined whether it is located within the range.
  • the power usage of the second power usage information is very low, so that the ratio of the power usage of the second power usage information to the power usage of the first power usage information is movable property collateralized power If the usage ratio is less than the range, it may mean breakdown, loss, theft, etc. of movable collateral. Conversely, if the ratio of the power usage of the second power usage information to the power usage of the first power usage information exceeds the range of the movable property collateral power usage ratio range, it may mean failure, loss, theft, etc. of other facilities in addition to the movable property collateral. .
  • the ratio of the power usage of the second power usage information to the power usage of the first power usage information makes it easier to understand the credit status of the consumer 20 including the movable property security 22, and the status of the movable property security 22 It is also possible to monitor the security of the movable property, eliminating the need for the creditor to periodically visit the customer directly to check the status of the movable property collateral, thereby reducing the management cost of the movable property security.
  • the algorithm used in the AI-based credit evaluation unit 132 also considers the ratio of the power usage of the second power usage information to the power usage of the first power usage information.
  • rule-based credit evaluation unit 131 may determine the credit status of the consumer as shown in Table 1 below.
  • the rule-based credit evaluation unit 131 may set a unit period and perform a credit evaluation using an increase/decrease ratio of the amount of electricity for the current unit period to the amount of electricity for the immediately preceding unit period. For example, the rule-based credit evaluation unit 131 analyzes how much electricity consumption has increased or decreased compared to the previous day, how much electricity consumption has increased or decreased compared to the previous week, and how much electricity consumption has increased or decreased compared to the previous month. degree can be assessed. Also, the rule-based credit evaluation unit 131 may separate and analyze the power consumption within the operating time range and the power usage within the non-operating time range. In addition, the rule-based credit evaluation unit 131 may check and analyze the power consumption on the days of operation as well as days of non-operation. In addition, the rule-based credit evaluation unit 131 may set the business hours to perform a credit evaluation based on power consumption based on the business hours. Also, the rule-based credit evaluation unit 131 may perform a power consumption-based credit evaluation in consideration of seasonal characteristics.
  • 3 is a view for explaining an example of a credit evaluation method of the credit evaluation unit.
  • the horizontal axis is a time axis, which is a unit of week, and the vertical axis is kw/h, indicating the amount of power used.
  • the set value appears as set value 1, which is the upper limit set value, and set value 2, which is the lower limit set value.
  • the set value may be set differently every week in consideration of seasonal characteristics.
  • the credit evaluation unit 130 of FIG. 3 may be a rule-based credit evaluation unit 131 or an artificial intelligence-based credit evaluation unit 132 .
  • the rule-based credit evaluation unit 131 may evaluate the consumer's credit based on the range of the set value 1 corresponding to the upper limit of power use and the set value 2 which is the lower limit of power use. For example, when the amount of power used exceeds the set value 1 or does not reach the set value 2, it may be determined that a credit change has occurred.
  • the artificial intelligence-based credit evaluation unit 132 like the rule-based credit evaluation unit 131, may evaluate the consumer's credit based on the range of the set value 1 corresponding to the upper limit of power use and the set value 2 which is the lower limit of power use. At this time, the set value 1 and set value 2 of the artificial intelligence-based credit evaluation unit 132 are updated by learning as internal set values. Accordingly, the set value 1 and the set value 2 of the AI-based credit evaluation unit 132 may be different from the set value 1 and the set value 2 of the rule-based credit evaluation unit 131 .
  • rule-based credit evaluation unit 131 may perform a credit evaluation based on the amount of change in the amount of electric power used per unit time, the accumulated change amount of the electric power used per unit time, the change pattern of the electric energy used per unit time, and the like.
  • the AI-based credit evaluation unit 132 generates second credit evaluation information using an algorithm updated by the learning unit 133 . Specifically, the AI-based credit evaluation unit 132 generates the second credit evaluation information by evaluating the consumer's credit in an artificial intelligence method based on the first power usage information and the second power usage information based on an algorithm. At this time, the AI-based credit evaluation unit 132 puts the first credit evaluation information of the rule-based credit evaluation unit together with the first electricity use information and the second electricity use information into an algorithm to generate the second credit evaluation information based on artificial intelligence. may be
  • the artificial intelligence-based credit evaluation unit 132 needs first and second power usage information and credit evaluation information for a predetermined period or more to initially generate an algorithm for credit evaluation.
  • the internal setting values constituting the algorithm are updated or corrected by the learning unit using the first and second power usage information newly stored in the storage unit and additional information newly input from the outside.
  • 4 is a diagram for explaining a process of updating an algorithm.
  • S1 electric energy collection process
  • S2 abnormal symptom standard setting process
  • S3 abnormal symptom determination process
  • S4 abnormal symptom standard update process
  • the first watt-hour measurement device installed in the customer is used to collect the first electricity usage information related to the total electricity consumption of the customer
  • the second watt-hour measuring device installed in the movable property collateral in the customer is used to collect the customer Collect the second power usage information related to the power usage of my personal property collateral.
  • the algorithm to be used is set as the algorithm updated by the learning unit.
  • the abnormal symptom determination process (S3) using the updated algorithm, the first and second power use information are analyzed to determine the abnormal symptom.
  • the first credit rating information and additional information generated by the rule-based credit evaluation unit may be used.
  • An abnormal symptom occurs when it is determined that the second credit rating information generated by the current algorithm needs to be corrected in light of the customer's sales information and the electricity usage information of the same industry.
  • the notification unit 134 notifies the creditor or credit rating agency of the abnormal symptom, and the learning unit 133 provides a new The first and second power usage information and data including additional information are collected and learned, and the algorithm is modified.
  • the modified algorithm returns to the abnormal symptom setting process (S2), replaces the current algorithm with the modified algorithm, and performs the abnormal symptom determination process (S3) again.
  • all the results determined in the abnormal symptom determination process (S3) performed again are also learned.
  • the learning unit 133 receives and learns the first power usage information, the second power usage information, the set value, the first credit evaluation information, and the second credit evaluation information, and uses the algorithm of the artificial intelligence-based credit evaluation unit 132 . make corrections At this time, the learning unit 133 modifies the algorithm in consideration of the additional information when additional information including the same industry power use information and the sales information of the customer is stored in the storage unit 120 .
  • the learning unit 133 receives the first power usage information, the second power usage information, and a setting value from the storage unit 120 , and if the additional information exists, the additional information is also provided. In addition, the learning unit 133 receives the first credit evaluation information from the rule-based credit evaluation unit 131 and the second credit evaluation information from the AI-based credit evaluation unit 320 .
  • the learning unit 133 includes an artificial neural network, a support vector machine (SVM), and machine learning. It learns using algorithms such as deep learning and revises the algorithms.
  • the learning unit 133 may calculate an internal set value for each period in consideration of the characteristics of each industry, and apply this to the algorithm to modify the algorithm. For example, if the consumer's industry is an industry in which production varies by season, such as an air conditioner manufacturer, a fan manufacturer, or an ice cream manufacturer, the algorithm may be modified to vary the credit rating level for each season. In addition, when the characteristics of each industry vary in production for each period, the algorithm can be modified by calculating an internal set value for each base and applying it to the algorithm.
  • the learning unit 133 may reflect the power usage of the same industry in the credit evaluation by modifying an algorithm related to the consumer's power usage to correspond thereto.
  • the learning unit 133 may adjust the credit rating information by changing the internal setting value in the algorithm based on the additional information indicating the rise or fall of electricity consumption in the same industry.
  • the learning unit 133 may adjust the credit rating information by changing the internal setting value in the algorithm based on the increase/decrease rate of electricity consumption in the same industry and the increase/decrease rate of electricity consumption by consumers for a certain period of time. For example, if the electricity consumption of the same industry has increased, but the consumer's electricity consumption remains the same, it is judged that the consumer's competitiveness is lower than that of the same industry. can be adjusted.
  • the learning unit 133 may adjust the credit rating information by changing the internal set value in the algorithm based on the customer's sales information. For example, when the calculated consumer credit rises even though the consumer's sales have fallen, the learning unit 133 may modify the algorithm to lower the consumer's credit compared to the input power consumption. Conversely, when the calculated consumer credit falls despite an increase in the consumer's sales, the learning unit 133 may modify the algorithm to increase the consumer's credit compared to the input power consumption.
  • the notification unit 134 performs a function of notifying a creditor or a credit rating agency of data abnormality or a credit evaluation result.
  • the notification unit 134 when it is determined that the first and second power usage information stored in the storage unit 120 are data abnormality, the notification unit 134 notifies the creditor that the data abnormality has occurred. For example, the notification unit 134 notifies the creditors or credit rating agencies of the first credit rating information from the first rating unit 131 and the second rating information from the second rating unit 132 . do.
  • the rule-based credit evaluation unit 131 evaluates the consumer's credit based on the set value, it is possible to quickly evaluate the consumer's credit regardless of the internal and external fluctuations of the consumer.
  • the artificial intelligence-based credit evaluation unit 132 requires data for a certain period of time, for example, about a week, during which the algorithm can be modified by the learning unit, so it is not possible to quickly evaluate the customer's internal and external fluctuations. not.
  • the AI-based credit evaluation unit 132 evaluates the consumer's credit based on the algorithm updated by the learning unit 133, accurate credit evaluation is possible by reflecting the surrounding circumstances.
  • the creditor is the creditor of the consumer. It is easy to understand the extent
  • the consumer's credit evaluation based on the consumer's electricity consumption and the electric power usage of the movable property collateral in the consumer, the credit level in the consumer can be more accurately evaluated, and the status of the movable property collateral can be monitored. have.
  • the present invention evaluates the credit based on both the total electricity consumption of the consumer 20 and the electric power consumption of the secured movable property 22, so that the credit level of the consumer 20 including the movable property security 22 can be more accurately identified. have.
  • FIG. 5 is a view for explaining a credit evaluation method based on power consumption according to an embodiment of the present invention.
  • the power usage-based credit evaluation method includes a data collection process ( S10 ), a data storage process ( S20 ), and a credit evaluation process ( S30 ).
  • first power usage information related to the consumer's power usage and second power usage information related to the second power usage of the collateral in the consumer are collected. Since the detailed process is the same as that described in the measurement unit, a description thereof will be omitted.
  • the storage unit stores the collected first and second power use information.
  • the storage unit may receive and store a set value and additional information. Since the detailed process is the same as that described in the storage unit, a description thereof will be omitted.
  • the credit evaluation process (S30) generates first credit evaluation information by performing a credit evaluation based on a first rule based on the first and second power usage information and set values, and based on the first and second power usage information and algorithms to create artificial intelligence-based second credit rating information.
  • FIG. 6 is a diagram for explaining a credit rating system based on power consumption according to a second embodiment of the present invention.
  • the power usage-based credit evaluation system 2 includes a measurement unit 210 , a storage unit 220 , and a credit evaluation unit 230 .
  • the measurement unit 210 collects first power usage information including the power usage of the consumer 20 .
  • the measuring unit 210 includes a first power consumption measuring device 221 for collecting first power usage information including the consumer's power usage.
  • the credit rating system based on the power consumption of this embodiment does not collect the second power usage information including the power usage of the movable property security 22 in the consumer, but collects only the first power usage of the consumer, We do not use the power consumption of collateral property in the customer in the credit evaluation.
  • the first power use information includes basic information and meta information.
  • the basic information is time series power usage information, and includes power usage amount and time series information.
  • the meta information includes customer identification (ID) information.
  • the storage unit 220 receives a set value from the outside, and stores the set value.
  • the storage unit 220 may receive and store additional information such as electric power consumption in the same industry and sales information of consumers from the outside.
  • the storage unit 120 may pre-process and process the first power usage information to enable the credit evaluation of the credit evaluation unit 130 .
  • the additional information stored in the storage unit 220 may additionally include power consumption information of facilities within a company of the same industry, facility information within a company of the same industry, and sales information of consumers.
  • the information on the power consumption of facilities within a company of the same industry is information that can be obtained when a power consumption measuring device is separately installed in facilities within a company of the same industry.
  • the credit evaluation unit 230 provides credit based on the type of equipment installed in the consumer, the number of equipment, the first electricity use information of the consumer, the type of equipment in the company in the same industry, the number of facilities, and the power use information of the equipment in the company in the same industry can be evaluated
  • the credit evaluation unit 230 may evaluate the credit of the consumer by using the power usage information of the facilities within the same industry as the information on the power usage of the facilities within the consumer. Specifically, the credit evaluation unit 230 uses the number of facilities within the company of the same industry to convert the power usage information of the facilities within the company of the same industry to the number of facilities within the consumer, and converts the power usage into virtual power usage, and virtual power The consumer's credit can be evaluated by using the usage as information on the electricity consumption of facilities in the consumer.
  • the virtual power consumption can be calculated by multiplying the power consumption of A facility by company B by X/Y.
  • the credit evaluation unit may set the virtual power consumption as the power usage of the facility as collateral for movable property in the consumer, and reflect the ratio of the virtual power consumption and the electric power in the consumer into the credit evaluation of the consumer.
  • the credit evaluation unit 230 calculates the virtual power consumption for each power usage information of the facilities within the company in the same industry, and then averages the calculated virtual power usage to use the average virtual power consumption , and the average virtual power consumption is set as the power consumption of facilities within the consumer to evaluate the consumer's credit.
  • FIG. 7 is a view for explaining the credit evaluation unit of FIG. 6 .
  • the credit evaluation unit 230 includes a rule-based credit evaluation unit 231 , an artificial intelligence-based credit evaluation unit 232 , a learning unit 233 , and a notification unit 234 .
  • the power consumption is proportional to the productivity of the corresponding consumer, it can be determined that the consumer's credit rating increases when the power consumption increases. Conversely, if the amount of electricity used decreases, productivity may decrease and it may be determined that the customer's credit is reduced.
  • the rule-based credit evaluation unit 231 generates the first credit evaluation information by evaluating the customer's credit in a rule-based manner based on the first power use information and a set value. At this time, the setting value is kept constant unless it is changed by the user or the outside. Since the rule-based credit evaluation unit 231 evaluates the consumer's credit based on the set value, it is possible to quickly evaluate the consumer's credit regardless of the internal and external fluctuations of the consumer.
  • the rule-based credit evaluation unit 231 does not calculate the ratio of the power usage of the second power usage information to the power usage of the first power usage information, but the first power usage information is compared with the set value to generate credit rating information for the customer.
  • the description of the rule-based credit evaluation unit 231 is omitted because it overlaps with the first embodiment.
  • the AI-based credit evaluation unit 232 generates second credit evaluation information using an algorithm updated by the learning unit 233 . Specifically, the AI-based credit evaluation unit 232 generates second credit evaluation information by evaluating the customer's credit in an artificial intelligence method based on the first power usage information algorithm. At this time, the AI-based credit evaluation unit 132 may also generate the second credit evaluation information based on artificial intelligence by putting the first credit evaluation information of the rule-based credit evaluation unit together with the first electricity use information into the algorithm. Unlike the first embodiment, in the present embodiment, the AI-based credit evaluation unit 232 generates credit evaluation information for the consumer in an artificial intelligence method using the first power usage information and an algorithm. Other than that, the description of the AI-based credit evaluation unit 232 in this embodiment is the same as that described in the first embodiment except for the configuration using the second power use information.
  • the learning unit 233 receives and learns the first power usage information, the set value, additional information, the first credit evaluation information, and the second credit evaluation information, and modifies the algorithm used in the artificial intelligence-based credit evaluation unit 232 . do.
  • the description of the learning unit 233 in the present embodiment is the same except for the configuration using the second power use information among the descriptions of the learning unit 233 described in the first embodiment.
  • FIG. 8 is a view for explaining a credit evaluation method based on power consumption according to a second embodiment of the present invention.
  • the power usage-based credit evaluation method includes a data collection process (S110) of collecting the consumer's first power usage information, a data storage process (S120) of storing the first power usage information, and using the first power usage information. , a process of generating first credit evaluation information by performing a credit evaluation based on rules, and generating second credit evaluation information by performing a credit evaluation based on artificial intelligence (S130).
  • credit rating information is generated by a rule-based method and an artificial intelligence method, respectively, so that the creditor can more accurately determine the credit level.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 발명은 실시간 신용평가 가능하고 담보 관리비용을 절감할 수 있는 전력사용량 기반 신용평가 시스템 및 방법에 관한 것으로서, 수용가의 전력사용량을 포함하는 제1 전력사용정보 및 상기 수용가 내 동산담보의 전력사용량을 포함하는 제2 전력사용정보를 획득하기 위한 계측부; 상기 제1 전력사용정보 및 상기 제2 전력사용정보를 저장하고, 외부로부터 입력받은 설정값을 저장하는 저장부; 및 상기 설정값, 상기 제1 전력사용정보 및 상기 제2 전력사용정보를 기반으로 상기 수용가에 대해 규칙기반방식으로 신용을 평가하여 제1 신용평가정보를 생성하는 규칙기반 신용평가부를 포함한다.

Description

전력사용량 기반 신용평가 시스템 및 방법
본 발명은 수용가 신용을 평가하기 위한 신용평가 시스템 및 방법에 관한 것으로서, 구체적으로 전력사용량을 기반으로 수용가의 신용을 평가할 수 있는 신용평가 시스템 및 그 방법에 관한 것이다.
일반적으로 은행 등과 같은 금융기관에서는 대출 실행 또는 기 대출한 자금, 즉 여신 관리를 위해 거래 기업 등에 대한　신용을　평가하는　신용　평가　시스템을 보유하거나 또는 외부　신용　평가　기관으로부터　신용　평가　결과를 제공받는다.
*일반적으로　신용　평가　방법은 일반적으로 해당 기업이 제공한 담보 상태나 기업의 자산 또는　신용　상태 또는 대표자의　신용　상태 등을 고려하여 이루어지고 있다.
신용평가를 위해서는 방법으로는 생산량의 직접 측정 방법 또는 재무제표 확인방식이 가장 효과적이지만, 생산량의 직접 측정 방법은 실시간 측정 및 기업비밀 노출에 대한 부담, 담보관리 비용 증가로 용이하지 않다. 또한 재무제표 확인 방식은 해당 결과 공표에 수개월이 소요되어 실시간 신용을 평가하기에 적합하지 않다.
본 발명은 담보물을 포함한 수용가의 신용상태를 실시간으로 평가 가능하며, 담보물의 관리비용을 절약할 수 있는 신용평가 시스템 및 방법을 제공하고자 한다.
본 발명의 실시예에 따른 전력사용량 기반 신용평가 시스템은, 수용가의 전력사용량을 포함하는 제1 전력사용정보 및 상기 수용가 내 동산담보의 전력사용량을 포함하는 제2 전력사용정보를 획득하기 위한 계측부; 상기 제1 전력사용정보 및 상기 제2 전력사용정보를 저장하고, 외부로부터 입력받은 설정값을 저장하는 저장부; 및 상기 설정값, 상기 제1 전력사용정보 및 상기 제2 전력사용정보를 기반으로 상기 수용가에 대해 규칙기반방식으로 신용을 평가하여 제1 신용평가정보를 생성하는 규칙기반 신용평가부를 포함한다.
또한 실시예에 있어서, 상기 제1 전력사용정보, 상기 제2 전력사용정보 및 학습에 의해 갱신되는 알고리즘에 기반하여 상기 수용가에 대해 인공지능방식으로 제2 신용평가정보를 생성하는 제2 신용평가부 및 학습을 통해 상기 알고리즘을 수정하는 학습부를 더 포함한다.
또한 실시예에 있어서, 상기 규칙기반 신용평가부는, 상기 제1 전력사용정보에 포함된 수용가의 전력사용량 및 상기 제2 전력사용정보에 포함된 전력사용량의 비율을 고려하여 상기 수용가의 신용평가를 수행한다.
또한 실시예에 있어서, 상기 설정값은 단위시간 구간별로 설정된다.
또한 실시예에 있어서, 상기 학습부는, 상기 제1 전력사용정보, 제2 전력사용정보, 상기 제1 신용평가정보, 상기 제2 신용평가정보를 학습하고, 상기 학습에 기반하여 상기 알고리즘을 수정한다.
또한 실시예에 있어서, 상기 저장부는, 외부로부터 동종업계 전력사용정보, 상기 수용가의 매출정보를 포함하는 부가정보를 입력받아 저장하고, 상기 학습부는, 상기 부가정보를 고려하여 상기 알고리즘을 수정한다.
또한 실시예에 있어서, 상기 학습부는, 업종별 특성을 고려하여 기간별 설정값을 산출하여 상기 알고리즘을 수정한다.
본 발명의 다른 실시예에 따른 전력사용량 기반 신용평가 시스템은, 수용가의 전력사용량을 포함하는 전력사용정보를 획득하기 위한 계측부; 상기 전력사용정보를 저장하고, 외부로부터 입력받은 설정값을 저장하는 저장부; 및 상기 설정값, 상기 전력사용정보를 기반으로 상기 수용가에 대한 제1 신용평가정보를 생성하는 제1 신용평가부를 포함한다.
또한 실시예에 있어서, 상기 전력사용정보, 학습에 의해 갱신되는 알고리즘에 기반하여 상기 수용가에 대해 인공지능방식으로 제2 신용평가정보를 생성하는 제2 신용평가부 및 학습을 통해 상기 알고리즘을 수정하는 학습부를 더 포함한다.
본 발명의 실시예에 따른 전력사용량 기반 신용평가방법은, 수용가의 전력사용량과 관련된 제1 전력사용정보 및 상기 수용가 내 동산담보의 제2 전력사용량과 관련된 제2 전력사용정보를 수집하는 데이터 수집과정; 상기 수집된 제1 전력사용정보, 제2 전력사용정보, 설정값을 저장하는 데이터 저장과정; 및 상기 제1 전력사용정보, 상기 제2 전력사용정보, 상기 설정값을 기반으로 규칙기반방식으로 제1 신용평가정보를 생성하고, 상기 제1 전력사용정보, 상기 제2 전력사용정보 및 알고리즘을 기반으로 인공지능방식으로 제2 신용평가정보를 생성하는 신용평가단계를 포함한다.
본 발명의 다른 실시예에 따른 전력사용량 기반 신용평가방법은, 수용가의 전력사용량과 관련된 전력사용정보를 수집하는 데이터 수집과정; 상기 수집된 전력사용정보, 설정값을 저장하는 데이터 저장과정; 및 상기 전력사용정보 및 상기 설정값을 기반으로 규칙기반방식으로 제1 신용평가정보를 생성하고, 상기 전력사용정보 및 알고리즘을 기반으로 인공지능방식으로 제2 신용평가정보를 생성하는 신용평가단계를 포함한다.
본 발명에 따르면, 수용가의 전체전력사용량 및 담보동산의 전력사용량을 기반으로 수용가의 신용을 평가함으로써, 동산담보를 포함하는 수용가의 신용정도를 더욱 정확하게 파악할 수 있다.
본 발명에 따르면, 규칙기반 신용평가 및 인공지능기반 신용평가를 병행함으로써, 채권자에게 더욱 정확한 신용평가정보를 제공할 수 있다.
도 1은 본 발명의 제1 실시예에 따른 전력사용량 기반 신용평가 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 규칙기반 신용평가부를 설명하기 위한 도면이다.
도 3은 신용평가부의 신용평가방법의 예시를 설명하기 위한 도면이다.
도 4는 알고리즘이 갱신되는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 제1 실시예에 따른 전력사용량 기반 신용평가방법을 설명하기 위한 도면이다.
도 6은 본 발명의 제2 실시예에 따른 전력사용량 기반 신용평가 시스템을 설명하기 위한 도면이다.
도 7은 도 6의 신용평가부를 설명하기 위한 도면이다.
도 8은 본 발명의 제2 실시예에 따른 전력사용량 기반 신용평가방법을 설명하기 위한 도면이다.
도 1은 본 발명의 일실시예에 따른 전력사용량 기반 신용평가 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 전력사용량 기반 신용평가 시스템(1)은 계측부(110), 저장부(120), 신용평가부(130)를 포함한다.
계측부(110)는 수용가(20)의 전력사용량을 포함하는 제1 전력사용정보를 수집하고, 수용가 내 동산담보(22)의 전력사용량을 포함하는 제2 전력사용정보를 수집한다. 이를 위해 계측부(110)는 수용가의 전력사용량을 포함하는 제1 전력사용정보를 수집하기 위한 제1 전력사용량 계측장치(111) 및 수용가 내 동산담보(22)의 전력사용량을 포함하는 제2 전력사용정보를 수집하기 위한 적어도 하나의 제2 전력사용량 계측장치(112)를 포함한다. 수용가 내 동산담보(22)에 설치되는 제2 전력사용량 계측장치(112)는 수용가의 동의 하에 설치될 수 있다.
상기 동산담보(22)는 전력사용량을 이용하여 신용평가가 가능한 목적물이다. 예를 들어, 동산담보(22)는 채권자에 의해 채권을 담보하기 위한 것으로서 전력을 소모하며 수요자의 생산성에 기여하는 특정 설비일 수 있다.
제1 및 제2 전력사용량 계측장치(111, 112)는 수용가의 전력사용량 및 동산담보(22)의 전력사용량을 미리 설정된 측정주기마다 측정한다. 전력사용량 계측장치(110)의 전력사용량 측정주기는 분단위, 시단위, 일단위, 주단위 또는 월단위일 수 있다.
제1 및 제2 전력사용정보 각각은 기본정보 및 메타정보를 포함한다. 기본정보는 시계열 전력사용정보로서, 전력사용량 및 시계열정보를 포함한다. 그리고 메타정보는 수용가 식별(ID)정보 또는 동산담보 식별(ID)정보를 포함한다.
저장부(120)는 계측부(110)로부터 제1 전력사용정보 및 제2 전력사용정보를 수신하고, 제1 전력사용정보 및 제2 전력사용정보를 저장한다. 또한 저장부(120)는 외부로부터 설정값을 입력받고, 설정값을 저장한다. 이외에도 저장부(120)는 외부로부터 동종업계 전력사용량, 수요가의 매출정보 등의 부가정보를 입력받아 저장할 수 있다. 그리고 저장부(120)는 신용평가부(130)의 신용평가 가능하도록 제1 전력사용정보 및 제2 전력사용정보를 전처리, 가공할 수 있다.
이때 설정값은, 신용평가를 위한 단위시간, 단위시간당 전력사용상한치, 단위시간당 전력사용하한치, 단위시간당 평균전력사용범위, 가동시간범위, 비가동시간범위, 가동일, 비가동일, 수용가의 전력사용량 대비 수요가 내 동산담보의 전력사용량 비율, 단위시간당 전력사용량 변동허용범위, 최대전력사용 상한치, 최소전력사용 하한치, 단위시간당 전력사용량 변동허용범위 중 적어도 하나를 포함한다. 상기 설정값은 도 3과 같이 단위시간 구간별로 다르게 설정될 수 있다. 예를 들어 가동시간범위 내의 설정값들과 비가동시간범위 내의 설정값들과 상이하게 설정될 수 있으며, 가동시간범위 내에서도 설정값들은 단위시간별로 서로 다르게 설정될 수 있다.
저장부(120)는 데이터 이상 발생 시, 데이터를 전처리, 가공한다.
저장부(120)는 최대전력사용 상한치를 초과한 전력사용량은 수용가 또는 동산담보에서 사용할 수 있는 최대전력사용량을 넘어선 것으로 데이터 이상으로 판단될 수 있고, 최소전력사용 하한치 미만인 전력사용량은 수용가 또는 동산담보에서 사용해야하는 최소전력사용량을 넘지 못한 것으로 데이터 이상으로 판단될 수 있다. 또한 저장부(120)는 단위시간당 전력사용량의 변동량이 허용한계를 초과한 경우, 짧은 시간동안 전력사용량이 큰 차이로 다수회 변동하는 경우 또는 전력사용량이 '0' 또는 음수값이 설정횟수 이상으로 발생하는 경우, 데이터이상으로 판단할 수 있다.
저장부(120)는 제1 및 제2 전력사용정보 중 이상이 발생한 해당구간을 제외하거나, 해당구간에서 최대전력사용 상한치 초과 부분 또는 최소전력사용 하한치 미만 부분을 미리 설정된 값으로 수정하여 데이터를 가공하거나, 그대로 유지할 수 있다. 그리고 저장부(120)는 신용평가부(130)의 통지부(134)로 하여금 해당결과를 채권자(40) 또는 신용평가기관(30)에 판단결과를 통보하도록 한다.
부가정보는 외부입력을 통해 저장부(120)에 입력 및 저장될 수 있다. 저장부(120)에 입력되어 저장되는 부가정보는, 동종업계의 전력사용정보, 수용가의 매출정보 중 적어도 하나를 포함할 수 있다. 이외에도 저장부는, 신용평가에 도움이 되는 부가정보를 저장할 수 있다. 부가정보는 인공지능 기반으로 신용을 평가하는 인공지능기반 신용평가부(132)에서 사용되는 알고리즘을 학습부(133)가 수정하기 위해 이용될 수 있다.
도 2는 도 1의 신용평가부를 설명하기 위한 도면이다.
도 2를 참조하면, 신용평가부(130)는 규칙기반 신용평가부(131), 인공지능기반 신용평가부(132), 학습부(133), 통지부(134)를 포함한다.
전력사용량은 해당 수용가의 생산성에 비례하므로, 전력사용량이 증가하게 되면, 수용가의 신용도 증가하는 것으로 판단될 수 있다. 이와 반대로, 전력사용량이 감소하게 되면, 생산성이 떨어져서 수용가의 신용도 감소하는 것으로 판단될 수 있다.
규칙기반 신용평가부(131)는 제1 전력사용정보, 제2 전력사용정보, 설정값에 기반하여 규칙기반 방식으로 수용가의 신용을 평가하여 제1 신용평가정보를 생성한다. 이때 설정값은 사용자 또는 외부에서 변경하지 않는 한 일정하게 유지된다. 규칙기반 신용평가부(131)가 설정값에 기반하여 수용가의 신용을 평가하므로, 수용가의 내적 및 외적 변동상황과 무관하게 수용가에 대한 신속한 신용평가가 가능하다. 이에 비해 인공지능 방식의 신용평가방법은 수용가에 내적 및 외적 변동상황이 발생한 경우, 학습할 기간이 필요하기 때문에, 단기간 내 정확한 신용평가가 불가능하다.
규칙기반 신용평가부(131)는 단위시간 동안의 전력사용정보를 분석한다. 규칙기반 신용평가부(131)는, 단위시간 동안 전력사용량이 전력사용상한치 대비 얼마나 초과하는 지 여부, 단위시간 동안 전력사용량이 전력사용하한치 대비 얼마나 밑도는지 여부, 단위시간 동안의 전력사용량이 단위시간당 평균사용전력범위를 만족하는지 여부를 분석한다.
이때 규칙기반 신용평가부(131)는 제1 전력사용정보의 전력사용량 대비 제2 전력사용정보의 전력사용량 비율을 산출하고, 동산담보의 전력사용량 비율이 신용정도평가 설정값 중 동산담보 전력사용량 비율범위 내에 위치하는지 여부를 판단할 수 있다.
예를 들어, 제1 전력사용정보의 전력사용량은 변화가 없지만, 제2 전력사용정보의 전력사용이 매우 낮아 제1 전력사용정보의 전력사용량 대비 제2 전력사용정보의 전력사용량 비율이 동산담보 전력사용량 비율범위 미만인 경우는 동산담보의 고장, 멸실, 도난 등을 의미할 수 있다. 또한 이와는 반대로 제1 전력사용정보의 전력사용량 대비 제2 전력사용정보의 전력사용량 비율이 동산담보 전력사용량 비율범위를 초과하는 경우는 동산담보 외에 다른 설비의 고장, 멸실, 도난 등을 의미할 수 있다. 동산담보에 문제가 발생한 경우, 수리비, 복원비 등의 비용지출이 예상되므로, 수용가의 신용 하락이 예상된다. 따라서 제1 전력사용정보의 전력사용량 대비 제2 전력사용정보의 전력사용량 비율은 동산담보(22)를 포함하는 수용가(20)의 신용상태의 파악을 더욱 용이하게 하며, 동산담보(22)의 상태를 감시도 가능하게 되어, 채권자가 주기적으로 수용가를 직접 방문하여 동산담보의 상태를 확인할 필요가 없게 되어, 동산담보의 관리비용을 절감할 수 있게 된다. 인공지능기반 신용평가부(132)에서 아용되는 알고리즘도 제1 전력사용정보의 전력사용량 대비 제2 전력사용정보의 전력사용량 비율이 고려된다.
또한 규칙기반 신용평가부(131)는 아래 표 1과 같이 수용가의 신용상태를 판단할 수 있다.
설정 신용평가지표
하루기준: 전력량 50% 이상 감소한주 기준: 전력량 50% 이상 감소,
한달 기준: 전력량 30% 이상 감소		 심각
하루기준: 전력량 30%~50% 감소한주기준: 전력량 30%~50% 감소
한달기준: 전력량 30% 이하 감소		 경계
하루기준: 전력량 30%이하 감소한주기준: 전력량 10%~30% 감소
한달기준: 전력량 증감없음		 주의
이외 양호
위 표 1과 같이, 규칙기반 신용평가부(131)는 단위기간을 설정하고, 바로 직전 단위기간 동안의 전력량 대비 현재 단위기간 동안의 전력량의 증감비율을 이용하여 신용평가를 수행할 수 있다. 예를 들어, 규칙기반 신용평가부(131)는 전날에 비해 전력사용량이 얼마나 증감되었는지, 저번주에 비해 전력사용량이 얼마나 증감되었는지, 저번달에 비해 전력사용량이 얼마나 증감되었는지 분석하여, 수용가에 대한 신용정도를 평가할 수 있다. 또한 규칙기반 신용평가부(131)는 가동시간범위 내의 전력사용량과 비가동시간범위 내의 전력사용량을 분리하여 분석할 수 있다. 또한 규칙기반 신용평가부(131)는 가동일은 물론, 비가동일에도 전력사용량을 확인하여 분석할 수 있다. 또한 규칙기반 신용평가부(131)는 업무시간대를 설정하여, 업무시간대를 기준으로 전력사용량 기반 신용평가를 수행할 수 있다. 또한 규칙기반 신용평가부(131)는, 계절특성을 고려하여, 전력사용량 기반 신용평가를 수행할 수 있다.
도 3은 신용평가부의 신용평가방법의 예시를 설명하기 위한 도면이다.
도 3을 참조하면, 가로축은 시간축으로서 주단위이고, 세로축은 kw/h로서 사용전력량을 나타낸다. 이때 설정값은 상한 설정값인 설정값 1과, 하한 설정값인 설정값 2로 나타난다. 설정값은 계절특성 등을 고려하여 매주 다르게 설정될 수 있다.
이때 도 3의 신용평가부(130)는 규칙기반 신용평가부(131)이거나 또는 인공지능기반 신용평가부(132)일 수 있다.
규칙기반 신용평가부(131)는 전력사용 상한치에 해당되는 설정값 1 및 전력사용 하한치인 설정값 2의 범위를 기반으로 수용가의 신용을 평가할 수 있다. 예를 들어, 사용전력량이 설정값1을 초과하거나 설정값2에 미치지 못하는 경우, 신용변동이 발생한 것으로 판단될 수 있다. 인공지능기반 신용평가부(132)는 규칙기반 신용평가부(131)와 마찬가지로 전력사용 상한치에 해당되는 설정값 1 및 전력사용 하한치인 설정값 2의 범위를 기반으로 수용가의 신용을 평가할 수 있다. 이때 인공지능기반 신용평가부(132)의 설정값 1 및 설정값 2는 내부설정값으로서 학습에 의해 갱신된다. 따라서 인공지능기반 신용평가부(132)의 설정값 1 및 설정값 2는 규칙기반 신용평가부(131)의 설정값1 및 설정값2와는 상이할 수 있다.
또한 규칙기반 신용평가부(131)는 단위시간당 사용전력량 변화량, 단위시간당 사용전력의 누적변화량, 단위시간당 사용전량의 변화패턴 등을 기반으로 신용평가를 수행할 수 있다.
인공지능기반 신용평가부(132)는 학습부(133)에 의해 갱신되는 알고리즘을 이용하여 제2 신용평가정보를 생성한다. 구체적으로 인공지능기반 신용평가부(132)는 제1 전력사용정보, 제2 전력사용정보를 알고리즘에 기반하여 인공지능 방식으로 수용가의 신용을 평가하여 제2 신용평가정보를 생성한다. 이때 인공지능기반 신용평가부(132)는 규칙기반 신용평가부의 제1 신용평가정보를 제1 전력사용정보, 제2 전력사용정보와 함께 알고리즘에 넣어 인공지능 기반으로 제2 신용평가정보를 생성할 수도 있다.
인공지능기반 신용평가부(132)는, 최초에 신용평가를 위한 알고리즘을 생성하기 위해, 일정기간 이상의 제1 및 제2 전력사용정보 및 신용평가정보 등이 필요하다. 저장부에 새로 저장되는 제1 및 제2 전력사용정보 및 외부에서 새로 입력되는 부가정보를 이용하여 알고리즘을 구성하는 내부설정값들이 학습부에 의해 갱신 또는 수정된다.
도 4는 알고리즘이 갱신되는 과정을 설명하기 위한 도면이다.
전력량 수집과정(S1), 이상징후기준 설정과정(S2), 이상징후 판단과정(S3), 이상징후기준 갱신과정(S4)을 포함한다.
전력량 수집과정(S1)에서, 수용가에 설치된 제1 전력량 계측장치를 이용하여 수용가의 전체 전력사용량과 관련된 제1 전력사용정보를 수집하고, 수용가 내 동산담보에 설치된 제2 전력량 계측장치를 이용하여 수용가 내 동산담보의 전력사용량과 관련된 제2 전력사용정보를 수집한다.
이상징후기준 설정과정(S2)에서, 현재 사용하려는 알고리즘을 학습부에 의해 갱신된 알고리즘으로 설정한다.
이상징후 판단과정(S3)은, 갱신된 알고리즘을 이용하여, 제1 및 제2 전력사용정보를 분석하여 이상징후를 판단한다. 이상징후 판단과정(S3)에서는, 규칙기반 신용평가부에 의해 생성되는 제1 신용평가정보 및 부가정보에 속하는 수용가의 매출정보, 동종업계의 전력사용정보가 이용될 수 있다. 이상징후가 발생한 경우란, 현재 알고리즘에 의해 생성되는 제2 신용평가정보가 수용가의 매출정보, 동종업계의 전력사용정보 등에 비추어 수정이 필요한 것으로 판단되는 경우이다.
이상징후 갱신과정(S4)는 이상징후 판단과정(S3)에서 이상징후가 발생한 것으로 판단되면, 통지부(134)가 이상징후를 채권자 또는 신용평가기관에 통지하고, 학습부(133)는 새로운 제1 및 제2 전력사용정보, 부가정보를 포함하는 데이터를 수집하여 학습하고 알고리즘을 수정한다. 이때 수정된 알고리즘은 다시 이상징후 설정과정(S2)으로 되돌아가서 수정된 알고리즘으로 현재 알고리즘을 대체하고, 다시 이상징후 판단과정(S3)을 수행한다. 이때 다시 수행되는 이상징후 판단과정(S3)에서 판단된 결과도 모두 학습된다.
학습부(133)는 제1 전력사용정보, 제2 전력사용정보, 설정값, 제1 신용평가정보, 제2 신용평가정보를 입력받아 학습하고, 인공지능기반 신용평가부(132)의 알고리즘을 수정한다. 이때 학습부(133)는 동종업계 전력사용정보, 상기 수용가의 매출정보를 포함하는 부가정보가 저장부(120)에 저장되어 있는 경우, 부가정보도 함께 고려하여 알고리즘을 수정한다.
구체적으로 학습부(133)는 저장부(120)로부터 제1 전력사용정보, 제2 전력사용정보, 설정값을 제공받고, 부가정보가 존재하면 부가정보도 제공받는다. 또한 학습부(133)는 규칙기반 신용평가부(131)로부터 제1 신용평가정보, 인공지능 기반 신용평가부(320)로부터 제2 신용평가정보를 제공받는다. 학습부(133)는 인공신경망, SVM(support vector machine), 머신러닝. 딥러닝 등과 같은 알고리즘을 이용하여 학습을 하고, 알고리즘을 수정한다.
학습부(133)는 업종별 특성을 고려하여 기간별 내부설정값을 산출하고, 이를 알고리즘에 적용하여 알고리즘을 수정할 수 있다. 예를 들어, 수용가의 업종이 에어컨 제조업체, 선풍기 제조업체, 아이스크림 제조업체 등과 같이 계절별로 생산량이 달라지는 업종인 경우, 계절별로 신용평가정도를 달리하도록 알고리즘을 수정할 수 있다. 그 외에도, 업종별 특성이 기간별로 생산량이 달라지는 경우, 기반별 내부설정값을 산출하고, 이를 알고리즘에 적용하여 알고리즘을 수정할 수 있다.
동종업계의 전력사용량이 상승 또는 하락한 경우, 학습부(133)는 이에 대응되도록 수용가의 전력사용량과 관련된 알고리즘을 수정하여 동종업계의 전력사용량을 신용평가에 반영할 수 있다. 동종업계의 전력사용량이 상승한 경우, 해당 업계의 호황을 예측할 수 있고, 동종업계의 전력사용량이 하락한 경우, 해당 업계의 불황을 예측할 수 있다. 따라서 학습부(133)는 동종업계의 전력사용량의 상승 또는 하락을 나타내는 부가정보를 기반으로 알고리즘 내 내부설정값을 변경하여 신용평가정보를 조정할 수 있다. 또한 학습부(133)는 일정기간 동안 동종업계의 전력사용량 증감비율과 수용가의 전력사용량 증감비율을 기반으로 알고리즘 내 내부설정값을 변경하여 신용평가정보를 조정할 수 있다. 예를 들어, 동종업계의 전력사용량이 증가되었는데, 수용가의 전력사용량은 그대로 유지되는 경우, 수용가의 경쟁력이 동종업계의 경쟁력보다 낮아진 것으로 판단하여, 학습부는 알고리즘 내 내부설정값을 변경하여 신용평가정보를 조정할 수 있다.
또한 학습부(133)는 수용가의 매출정보를 기반으로 알고리즘 내 내부설정값을 변경하여 신용평가정보를 조정할 수 있다. 예를 들어 수용가의 매출이 떨어졌음에도 산출된 수용가의 신용이 상승한 경우, 학습부(133)는 입력된 전력사용량 대비 수용가의 신용을 낮추도록 알고리즘을 수정할 수 있다. 이와 반대로, 수용가의 매출이 상승하였음에도 불구하고 산출된 수용가의 신용이 하락한 경우, 학습부(133)는 입력된 전력사용량 대비 수용가의 신용을 높이도록 알고리즘을 수정할 수 있다.
통지부(134)는 데이터 이상 또는 신용평가결과를 채권자 또는 신용평가기관에 통지하는 기능을 수행한다.
예를 들어, 저장부(120)에서 저장된 제1 및 제2 전력사용정보가 데이터 이상으로 판단한 경우, 통지부(134)는 데이터 이상이 발생하였음을 채권자에게 통지한다. 예를 들어, 통지부(134)는 제1 신용평가부(131)로부터의 제1 신용평가정보와, 제2 신용평가부(132)로부터의 제2 신용평가정보를 채권자 또는 신용평가기관에 통지한다.
규칙기반 신용평가부(131)는 설정값에 기반하여 수용가의 신용을 평가하므로, 수용가의 내적 및 외적 변동상황과 무관하게 수용가에 대한 신속한 신용평가가 가능하다. 이에 비해 인공지능기반 신용평가부(132)는 학습부에 의해 알고리즘이 수정될 수 있는 일정기간, 예를 들어 일주일정도의 데이터가 필요하므로, 수용가의 내적 및 외적 변동상황에 신속한 신용평가가 가능하지 않다. 하지만 인공지능기반 신용평가부(132)는 학습부(133)에 의해 갱신되는 알고리즘에 기반하여 수용가의 신용을 평가하므로, 주변상황을 반영하여 정확한 신용평가가 가능하다.
본 발명에 따르면, 수용가의 내적, 외적변동에 무관한 규칙기반 제1 신용평가정보와 수용가의 내적, 외적변동을 고려한 인공지능기반 제2 신용평가정보가 채권자에게 모두 제공되므로, 채권자가 수용가의 신용정도를 파악하기 용이하다.
또한 본 발명에 따르면, 수용가의 전력사용량과, 수용가 내 동산담보의 전력사용량을 기반으로, 수용가의 신용평가를 수행함으로써 수용가 내 신용정도를 더욱 정확히 평가할 수 있을 뿐 아니라 동산담보의 상태를 감시할 수 있다.
수용가(20)의 전체 전력사용량만을 기반으로 동산담보(22)를 포함하는 수용가(20)의 신용정도를 파악하는 경우, 동산담보(22)의 가치하락, 멸실, 훼손이 정확하게 반영되지 않을 수 있다. 따라서 본 발명은 수용가(20)의 전체전력사용량 및 담보동산(22)의 전력사용량 모두를 기반으로 신용을 평가함으로서, 동산담보(22)를 포함하는 수용가(20)의 신용정도를 더욱 정확하게 파악할 수 있다.
도 5는 본 발명의 실시예에 따른 전력사용량 기반 신용평가방법을 설명하기 위한 도면이다.
도 5를 참조하면, 전력사용량 기반 신용평가방법은 데이터 수집과정(S10), 데이터 저장과정(S20), 신용평가과정(S30)을 포함한다.
데이터 수집과정(S10)에서, 수용가의 전력사용량과 관련된 제1 전력사용정보 및 상기 수용가 내 동산담보의 제2 전력사용량과 관련된 제2 전력사용정보를 수집한다. 상세한 과정은 계측부에서 설명한 바와 같으므로, 설명을 생략한다.
데이터 저장과정(S20)에서, 저장부가 수집된 제1 및 제2 전력사용정보를 저장한다. 이외에 저장부는 설정값 및 부가정보를 입력받아 저장할 수 있다. 상세한 과정은 저장부에서 설명한 바와 같으므로, 설명을 생략한다.
신용평가과정(S30)은 제1 및 제2 전력사용정보 및 설정값을 기반으로 제1 규칙기반으로 신용평가하여 제1 신용평가정보를 생성하고, 제1 및 제2 전력사용정보 및 알고리즘을 기반으로 인공지능 기반 제2 신용평가정보를 생성한다.
이하 본 발명의 제2 실시예에 따른 전력사용량 기반 신용평가 시스템을 설명한다. 제2 실시예에 따른 전력사용량 기반 신용평가 시스템에 대한 설명 중 제1 실시예의 설명과 중복되는 설명은 생략한다.
도 6은 본 발명의 제2 실시예에 따른 전력사용량 기반 신용평가 시스템을 설명하기 위한 도면이다.
도 6을 참조하면, 전력사용량 기반 신용평가 시스템(2)은 계측부(210), 저장부(220), 신용평가부(230)를 포함한다.
계측부(210)는 수용가(20)의 전력사용량을 포함하는 제1 전력사용정보를 수집한다. 이를 위해 계측부(210)는 수용가의 전력사용량을 포함하는 제1 전력사용정보를 수집하기 위한 제1 전력사용량 계측장치(221)를 포함한다.
제1 실시예와는 달리 본 실시예의 전력사용량 기반 신용평가시스템은 수용가 내 동산담보(22)의 전력사용량을 포함하는 제2 전력사용정보를 수집하지 않고, 수용가의 제1 전력사용량만을 수집하므로, 신용평가에 있어서 수용가 내 담보동산의 전력사용량을 이용하지 않는다.
제1 전력사용정보는 기본정보 및 메타정보를 포함한다. 기본정보는 시계열 전력사용정보로서, 전력사용량 및 시계열정보를 포함한다. 그리고 메타정보는 수용가 식별(ID)정보를 포함한다. 또한 저장부(220)는 외부로부터 설정값을 입력받고, 설정값을 저장한다. 이외에도 저장부(220)는 외부로부터 동종업계 전력사용량, 수요가의 매출정보 등의 부가정보를 입력받아 저장할 수 있다. 그리고 저장부(120)는 신용평가부(130)의 신용평가 가능하도록 제1 전력사용정보를 전처리, 가공할 수 있다.
특히 저장부(220)에 저장되는 부가정보는 동종업계의 업체 내 설비의 전력사용량 정보, 해당 동종업계의 업체 내 설비정보, 수용가의 매출정보 등을 추가로 포함할 수 있다.
동종업계의 업체 내 설비의 전력사용량 정보는 업체의 전력사용량과는 달리 동종업계의 업체 내 설비에 전력사용량 계측장치를 별도로 설치한 경우에 획득될 수 있는 정보이다. 그리고 동종업계의 해당 업체 내 설비정보는 복수일 수 있으며, 복수의 설비정보는 동종업계의 업체 내 설치된 설비종류, 설비대수를 포함한다.
신용평가부(230)는 수용가 내 설치된 설비종류, 설비대수, 수용가의 제1 전력사용정보, 동종업계 업체 내 설비종류, 설비대수, 및 동종업계의 업체 내 설비의 전력사용정보에 기반하여 신용을 평가할 수 있다.
본 실시예에서, 신용평가부(230)는 동종업계의 업체 내 설비의 전력사용량 정보를 수용가 내 설비의 전력사용량에 대한 정보로 이용하여 수용가에 대한 신용을 평가할 수 있다. 구체적으로, 신용평가부(230)는 동종업계의 업체 내 설비대수를 이용하여 동종업계의 업체 내 설비의 전력사용량 정보를 수용가 내 설비대수에 대응되도록 전력사용량을 가상전력사용량으로 변환하고, 가상전력사용량을 수용가 내 설비의 전력사용량에 대한 정보로 이용하여 수용가의 신용을 평가할 수 있다.
예를 들어, 수용가 내 동산담보인 A설비가 X대 있는 경우, 동종업계인 B 업체에도 A설비가 Y대 있는 경우, 동종업계 업체인 B업체의 A설비의 전력사용량을 수용가의 A설비의 설비대수에 대응되도록 B업체의 A설비 전력사용량에 X/Y를 곱하여 가상전력사용량을 산출할 수 있다. 신용평가부는 상기 가상전력사용량을 수용가 내 동산담보인 설비의 전력사용량으로 설정하고, 가상전력사용량과 수용가 내 전력사용량의 비율을 고려하여 수용가의 신용평가에 반영할 수 있다.
이때 동종업계의 업체가 복수인 경우, 신용평가부(230)는 동종업계의 업체 내 설비의 전력사용량 정보 각각에 대해 가상전력사용량을 산출한 뒤, 산출된 가상전력사용량을 평균하여 평균가상전력사용량을 산출하고, 평균가상전력사용량을 수용가 내 설비의 전력사용량으로 설정하여 수용가의 신용을 평가할 수 있다.
도 7는 도 6의 신용평가부를 설명하기 위한 도면이다.
도 6을 참조하면, 신용평가부(230)는 규칙기반 신용평가부(231), 인공지능기반 신용평가부(232), 학습부(233), 통지부(234)를 포함한다.
전력사용량은 해당 수용가의 생산성에 비례하므로, 전력사용량이 증가하게 되면, 수용가의 신용도 증가하는 것으로 판단될 수 있다. 이와 반대로, 전력사용량이 감소하게 되면, 생산성이 떨어져서 수용가의 신용도 감소하는 것으로 판단될 수 있다.
규칙기반 신용평가부(231)는, 제1 전력사용정보, 설정값에 기반하여 규칙기반 방식으로 수용가의 신용을 평가하여 제1 신용평가정보를 생성한다. 이때 설정값은 사용자 또는 외부에서 변경하지 않는 한 일정하게 유지된다. 규칙기반 신용평가부(231)가 설정값에 기반하여 수용가의 신용을 평가하므로, 수용가의 내적 및 외적 변동상황과 무관하게 수용가에 대한 신속한 신용평가가 가능하다.
제1 실시예와는 달리, 본 실시예에서 규칙기반 신용평가부(231)는, 제1 전력사용정보의 전력사용량 대비 제2 전력사용정보의 전력사용량 비율을 산출하지 않고, 제1 전력사용정보를 설정값과 비교하여 수용가에 대한 신용평가정보를 생성한다. 본 실시예에서 규칙기반 신용평가부(231)에 대한 설명은 제1 실시예와 중복되므로 생략한다.
인공지능기반 신용평가부(232)는 학습부(233)에 의해 갱신되는 알고리즘을 이용하여 제2 신용평가정보를 생성한다. 구체적으로 인공지능기반 신용평가부(232)는 제1 전력사용정보를 알고리즘에 기반하여 인공지능 방식으로 수용가의 신용을 평가하여 제2 신용평가정보를 생성한다. 이때 인공지능기반 신용평가부(132)는 규칙기반 신용평가부의 제1 신용평가정보도 제1 전력사용정보와 함께 알고리즘에 넣어 인공지능 기반으로 제2 신용평가정보를 생성할 수도 있다. 제1 실시예와는 달리, 본 실시예에서 인공지능기반 신용평가부(232)는, 제1 전력사용정보 및 알고리즘을 이용하여 수용가에 대한 신용평가정보를 인공지능 방식으로 생성한다. 그 외 본 실시예에서 인공지능기반 신용평가부(232)에 대한 설명은 제2 전력사용정보를 이용하는 구성을 제외하고는 제1 실시예에서 설명한 바와 동일하다.
학습부(233)는 제1 전력사용정보, 설정값, 부가정보, 제1 신용평가정보, 제2 신용평가정보를 입력받아 학습하고, 인공지능 기반 신용평가부(232)에서 사용되는 알고리즘을 수정한다. 본 실시예에서 학습부(233)에 대한 설명은, 제1 실시예에서 설명한 학습부(233)에 대한 설명 중 제2 전력사용정보를 이용하는 구성을 제외하고는 동일하다.
도 8는 본 발명의 제2 실시예에 따른 전력사용량 기반 신용평가방법을 설명하기 위한 도면이다.
전력사용량 기반 신용평가방법은, 수용가의 제1 전력사용정보를 수집하는 데이터 수집과정(S110)과, 제1 전력사용정보를 저장하는 데이터 저장과정(S120)과, 제1 전력사용정보를 이용하여, 규칙기반으로 신용평가하여 제1 신용평가정보를 생성하고, 인공지능기반으로 신용평가하여 제2 신용평가정보를 생성하는 과정(S130)을 포함한다.
본 실시예에서의 전력사용량 기반 신용평가방법은, 제1 실시예에서 제2 전력사용정보를 이용하는 구성을 제외하고는 동일하므로 상세한 설명은 생략한다.
본 발명에 의하면, 전력사용량을 기반으로 수용가의 신용을 간단하게 평가할 수 있다.
또한 본 발명에 의하면, 규칙기반 방식 및 인공지능 방식으로 각각 신용평가정보를 생성함으로써 채권자로 하여금 신용정도를 더욱 정확하게 파악할 수 있게 한다.
이상에서 본 발명의 바람직한 실시예가 상세히 기술되었지만, 본 발명의 범위는 이에 한정되지 않고, 다양한 변형 및 균등한 타 실시예가 가능하다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해서 정해져야 할 것이다.

Claims (11)

  1. 수용가의 전력사용량을 포함하는 제1 전력사용정보 및 상기 수용가 내 동산담보의 전력사용량을 포함하는 제2 전력사용정보를 획득하기 위한 계측부;
    상기 제1 전력사용정보 및 상기 제2 전력사용정보를 저장하고, 외부로부터 입력받은 설정값을 저장하는 저장부;
    상기 설정값, 상기 제1 전력사용정보 및 상기 제2 전력사용정보를 기반으로 상기 수용가에 대해 규칙기반방식으로 신용을 평가하여 제1 신용평가정보를 생성하는 규칙기반 신용평가부를 포함하는 전력사용량 기반 신용평가시스템.
  2. 제1항에 있어서,
    상기 제1 전력사용정보, 상기 제2 전력사용정보 및 학습에 의해 갱신되는 알고리즘에 기반하여 상기 수용가에 대해 인공지능방식으로 제2 신용평가정보를 생성하는 제2 신용평가부 및
    학습을 통해 상기 알고리즘을 수정하는 학습부를 더 포함하는 전력사용량 기반 신용평가시스템.
  3. 제1항에 있어서,
    상기 규칙기반 신용평가부는,
    상기 제1 전력사용정보에 포함된 상기 수용가의 전력사용량 및 상기 제2 전력사용정보에 포함된 상기 동산담보의 전력사용량의 비율을 고려하여 상기 수용가의 신용평가를 수행하는 것을 특징으로 하는 전력사용량 기반 신용평가시스템.
  4. 제1항에 있어서,
    상기 설정값은 단위시간 구간별로 설정되는 것을 특징으로 하는 전력사용량 기반 신용평가시스템.
  5. 제2항에 있어서,
    상기 학습부는, 상기 제1 전력사용정보, 제2 전력사용정보, 상기 제1 신용평가정보, 상기 제2 신용평가정보를 학습하고, 상기 학습에 기반하여 상기 알고리즘을 수정하는 것을 특징으로 하는 전력사용량 기반 신용평가시스템.
  6. 제5항에 있어서,
    상기 저장부는, 외부로부터 동종업계 전력사용정보, 상기 수용가의 매출정보를 포함하는 부가정보를 입력받아 저장하고,
    상기 학습부는, 상기 부가정보를 고려하여 상기 알고리즘을 수정하는 것을 특징으로 하는 전력사용량 기반 신용평가시스템.
  7. 제2항에 있어서,
    상기 학습부는,
    업종별 특성을 고려하여 기간별 설정값을 산출하여 상기 알고리즘을 수정하는 것을 특징으로 하는 전력사용량 기반 신용평가시스템.
  8. 수용가의 전력사용량을 포함하는 전력사용정보를 획득하기 위한 계측부;
    상기 전력사용정보를 저장하고, 외부로부터 입력받은 설정값을 저장하는 저장부;
    상기 설정값, 상기 전력사용정보를 기반으로 상기 수용가에 대한 제1 신용평가정보를 생성하는 제1 신용평가부를 포함하는 전력사용량 기반 신용평가시스템.
  9. 제8항에 있어서,
    상기 전력사용정보, 학습에 의해 갱신되는 알고리즘에 기반하여 상기 수용가에 대해 인공지능방식으로 제2 신용평가정보를 생성하는 제2 신용평가부 및
    학습을 통해 상기 알고리즘을 수정하는 학습부를 더 포함하는 전력사용량 기반 신용평가시스템.
  10. 수용가의 전력사용량과 관련된 제1 전력사용정보 및 상기 수용가 내 동산담보의 제2 전력사용량과 관련된 제2 전력사용정보를 수집하는 데이터 수집과정;
    상기 수집된 제1 전력사용정보, 제2 전력사용정보, 설정값을 저장하는 데이터 저장과정; 및
    상기 제1 전력사용정보, 상기 제2 전력사용정보, 상기 설정값을 기반으로 규칙기반방식으로 제1 신용평가정보를 생성하고, 상기 제1 전력사용정보, 상기 제2 전력사용정보 및 알고리즘을 기반으로 인공지능방식으로 제2 신용평가정보를 생성하는 신용평가단계를 포함하는 전력사용량 기반 신용평가 방법.
  11. 수용가의 전력사용량과 관련된 전력사용정보를 수집하는 데이터 수집과정;
    상기 수집된 전력사용정보, 설정값을 저장하는 데이터 저장과정; 및
    상기 전력사용정보 및 상기 설정값을 기반으로 규칙기반방식으로 제1 신용평가정보를 생성하고, 상기 전력사용정보 및 알고리즘을 기반으로 인공지능방식으로 제2 신용평가정보를 생성하는 신용평가단계를 포함하는 전력사용량 기반 신용평가 방법.
PCT/KR2020/014910 2020-07-02 2020-10-29 전력사용량 기반 신용평가 시스템 및 방법 WO2022004955A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0081607 2020-07-02
KR1020200081607A KR102273041B1 (ko) 2020-07-02 2020-07-02 전력사용량 기반 신용평가 시스템 및 방법

Publications (1)

Publication Number Publication Date
WO2022004955A1 true WO2022004955A1 (ko) 2022-01-06

Family

ID=76860532

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/014910 WO2022004955A1 (ko) 2020-07-02 2020-10-29 전력사용량 기반 신용평가 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102273041B1 (ko)
WO (1) WO2022004955A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120072306A (ko) * 2010-12-23 2012-07-03 그린베일 주식회사 공간별 전력사용량 비교 모니터링 시스템 및 방법
JP2012168842A (ja) * 2011-02-16 2012-09-06 Nec Corp 多店舗型施設の設備運用システムとその処理方法とプログラム
KR101928290B1 (ko) * 2018-04-05 2018-12-12 현대오일뱅크 주식회사 신용 평가 방법 및 시스템
KR101935684B1 (ko) * 2017-08-25 2019-01-04 주식회사 더작 전력기기의 고유 전력신호를 이용한 전력 관리 시스템
KR20190088395A (ko) * 2017-12-26 2019-07-26 주식회사 인코어드 테크놀로지스 전력 사용량 기반의 매출 예측 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120072306A (ko) * 2010-12-23 2012-07-03 그린베일 주식회사 공간별 전력사용량 비교 모니터링 시스템 및 방법
JP2012168842A (ja) * 2011-02-16 2012-09-06 Nec Corp 多店舗型施設の設備運用システムとその処理方法とプログラム
KR101935684B1 (ko) * 2017-08-25 2019-01-04 주식회사 더작 전력기기의 고유 전력신호를 이용한 전력 관리 시스템
KR20190088395A (ko) * 2017-12-26 2019-07-26 주식회사 인코어드 테크놀로지스 전력 사용량 기반의 매출 예측 시스템 및 그 방법
KR101928290B1 (ko) * 2018-04-05 2018-12-12 현대오일뱅크 주식회사 신용 평가 방법 및 시스템

Also Published As

Publication number Publication date
KR102273041B1 (ko) 2021-07-06

Similar Documents

Publication Publication Date Title
WO2018186537A1 (ko) 전력용 변압기 자산 관리 장치 및 그 방법
US11443610B2 (en) Systems and methods for managing smart alarms
CN110690697B (zh) 用于管理电气系统中的电能质量事件的系统和方法
JP2010526352A (ja) 統計的な分析を利用した性能障害管理システム及びその方法
CN110276511A (zh) 一种基于电量与线损关联性的线变关系异常判别方法
CN111553563A (zh) 企业欺诈风险的确定方法及装置
CN110675018B (zh) 一种基于专家规则的线损异常分析与闭环管理的方法
CN116822967A (zh) 一种工程项目造价风险管理方法及管理系统
US7366933B1 (en) Power event analysis
CN112434942A (zh) 一种反窃电智能预警及用户用电行为分析方法
US11394237B2 (en) Substation asset management method and apparatus based on power system reliability index
CN118226179B (zh) 一种配网自动化继电保护测试系统
WO2022004955A1 (ko) 전력사용량 기반 신용평가 시스템 및 방법
WO2021141219A1 (ko) 주가 예측 장치 및 방법
CN118074314A (zh) 一种输配电网动态脆弱性监测系统
WO2022025326A1 (ko) 공용부 ess를 이용한 개별 수용가의 에너지 절감 방법 및 장치
Romero et al. Web based management system for power quality assessment and detection of critical zones
Tiwari et al. Contingency assessment for voltage dip and short term voltage stability analysis
WO2021215705A1 (ko) 최대 전력 부하 관리를 위한 정보 시스템
JP5322868B2 (ja) 電源設備導入支援装置
CN111856385A (zh) 一种电量突变故障检测方法、装置和设备
Weng et al. An optimal control-based cascading failure risk assessment method
WO2022270959A1 (ko) 집합형 투자 상품에 대한 맞춤형 투자 위험 분석 장치 및 방법
WO2018124400A1 (ko) 신규 사업의 예측 매출액 추정 장치 및 방법
CN113447712B (zh) 一种多维度结合发现专变计量装置窃电的方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20942890

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20942890

Country of ref document: EP

Kind code of ref document: A1