KR20170060361A

KR20170060361A - 전력 수요 분석 장치 및 이를 포함하는 전력 관리 시스템

Info

Publication number: KR20170060361A
Application number: KR1020150164735A
Authority: KR
Inventors: 어수행; 이혜리; 김설기; 이효섭; 최종웅
Original assignee: 주식회사 인코어드 테크놀로지스
Priority date: 2015-11-24
Filing date: 2015-11-24
Publication date: 2017-06-01
Anticipated expiration: 2035-11-24
Also published as: KR102617331B1; KR20230174207A

Abstract

전력 수요 분석 장치 및 이를 포함하는 전력 관리 시스템이 제공된다. 전력 수요 분석 장치는, 프로세서, 및 프로세서를 이용하여 수행되는 회귀계수 추정기와 분류 변수 결정기가 저장된 저장부를 포함하되, 회귀 계수 추정기와 분류 변수 결정기는, 건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 제공받아, 외부 데이터 중 적어도 하나를 분류 변수로 하는 회귀 나무(Regression Tree) 모형을 생성한다.

Description

전력 수요 분석 장치 및 이를 포함하는 전력 관리 시스템{Device for analyzing power demands and system comprising the same}

본 발명은 전력 수요 분석 장치 및 이를 포함하는 전력 관리 시스템에 관한 것이다. 구체적으로, 분위수 회귀 나무(quantile regression tree) 모형을 이용하여 전력 수요를 분석하는 전력 수요 분석 장치와, 이를 포함하는 전력 관리 시스템에 관한 것이다.

빌딩, 공장 등의 건물의 효율적인 전력 운용과 운용 비용 절감을 위해서는, 건물에 대한 정확한 전력 사용량 예측이 필요하다. 건물 내에서 전력 소비와 관련된 그룹(예를 들어, 전열 기구, 전등 기구, 냉난방 기구 등)은 각 그룹별로 서로 다른 전력 소비 패턴을 가질 수 있다. 이에, 이러한 다른 전력 소비 패턴을 고려하면서 건물에 대한 정확한 전력 사용량 예측이 가능한 기술에 대해 연구가 진행되고 있다.

대한민국공개특허 제2015-0115063호 (2015. 10. 14. 공개)

본 발명이 해결하고자 하는 기술적 과제는, 건물에 대한 정확한 전력 사용량 예측이 가능한 전력 수요 분석 장치를 제공하는 것이다.

본 발명이 해결하고자 하는 다른 기술적 과제는, 건물의 효율적인 전력 운용이 가능한 전력 관리 시스템을 제공하는 것이다.

본 발명이 해결하고자 하는 또 다른 기술적 과제는, 건물의 효율적인 전력 운용이 가능한 전력 수요 분석 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 전력 수요 분석 장치는, 프로세서, 및 프로세서를 이용하여 수행되는 회귀계수 추정기와 분류 변수 결정기가 저장된 저장부를 포함하되, 회귀 계수 추정기와 분류 변수 결정기는, 건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 제공받아, 외부 데이터 중 적어도 하나를 분류 변수로 하는 회귀 나무(Regression Tree) 모형을 생성한다.

실시예에서, 상기 회귀 나무(Regression Tree) 모형은, 분위수(quantile) 회귀 나무 모형을 포함할 수 있다.

실시예에서, 상기 분류 변수는 연속형 분류 변수와 범주형 분류 변수를 포함하고, 상기 분류 변수 결정기는, 상기 연속형 분류 변수와 상기 범주형 분류 변수에 대해 서로 다른 방법을 사용하여 상기 분류 변수를 결정할 수 있다.

실시예에서, 상기 분류 변수 결정기는, 상기 분류 변수가 결정되면, 상기 결정된 분류 변수에 대해 분류 지점을 선택할 수 있다.

실시예에서, 상기 회귀 나무 모형을 생성하는 것은, 대상 노드에 대해 분위수 회귀 계수를 추정하는 것과, 상기 대상 노드에 대해 상기 분류 변수를 선택하는 것과, 상기 분류 변수에 대한 분류 지점을 선택하는 것을 포함할 수 있다.

실시예에서, 상기 회귀 나무 모형을 생성하는 것은, 상기 대상 노드가 정지 조건을 만족할 때까지, 상기 분위수 회귀 계수 추정, 상기 분류 변수 선택, 및 상기 분류 지점을 선택하는 것을 반복하는 것을 더 포함할 수 있다.

실시예에서, 상기 건물의 전력 사용량 데이터는, 요일, 시간, 및 상기 기상 정보에 따라 분류되어 상기 회귀 나무 모형을 생성하는데에 이용될 수 있다.

상기 다른 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 전력 관리 시스템은, 건물의 전력 사용량 데이터와 기상 정보를 포함하는 제1 외부 데이터를 제공받아, 상기 제1 외부 데이터 중 적어도 하나를 분류 변수로 분위수 회귀 나무 모형을 생성하는 전력 수요 분석 장치, 및 상기 분위수 회귀 나무 모형을 이용하여 예측된 전력 수요 예측 정보를 바탕으로 건물 에너지 관리를 수행하는 건물 에너지 관리 장치를 포함한다.

몇몇 실시예에서, 상기 전력 수요 분석 장치는, 상기 제1 외부 데이터와 다르고 기상 정보를 포함하는 제2 외부 데이터를 제공받고, 상기 제1 외부 데이터를 바탕으로 생성된 분위수 회귀 나무 모형을 이용하여 상기 제2 외부 데이터에 부합되는 상기 전력 수요 예측 정보를 생성할 수 있다.

몇몇 실시예에서, 상기 제1 외부 데이터와 상기 제2 외부 데이터는, 서로 다른 시간 단위로 구분되어 이용될 수 있다.

몇몇 실시예에서, 상기 건물의 전력 사용량 데이터는 상기 건물 내에서 전력 소비와 관련된 그룹 별로 제공될 수 있다.

상기 다른 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 전력 관리 시스템은, 전력 소모 기구와 건물 내의 배선이 만나는 접점에 설치되어 상기 건물의 전력 사용량 데이터를 측정하는 전력 측정기, 및 특정 시점의 상기 건물의 전력 수요 예측 정보를 바탕으로 상기 전력 소모 기구를 제어하는 건물 에너지 관리 장치를 포함하되, 상기 건물의 전력 수요 예측 정보는, 상기 건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 바탕으로 분위수 회귀 나무 모형을 생성함으로써 결정된다.

몇몇 실시예에서, 상기 건물의 전력 사용량 데이터는, 과거 일정 기간 동안의 상기 건물의 전력 사용량 데이터를 포함하고, 상기 외부 데이터는, 상기 과거 일정 기간 동안의 기상 정보를 포함하는 제1 외부 데이터와, 상기 특정 시점의 기상 정보를 포함하는 제2 외부 데이터를 포함할 수 있다.

상기 또 다른 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 전력 수요 분석 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체는, 건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 바탕으로 회귀 나무 모형을 생성하는 전력 수요 분석 프로그램으로서, (a) 대상 노드에 대해 회귀 계수를 추정하는 단계와, (b) 상기 대상 노드에 대해 상기 분류 변수를 선택하는 단계와, (c) 상기 분류 변수에 대한 분류 지점을 선택하는 단계를 포함한다.

몇몇 실시예에서, 상기 대상 노드에 대해 회귀 계수를 추정하는 단계는, 상기 대상 노드에 대해 분위수 회귀 계수를 추정하는 단계를 포함하고, 상기 회귀 나무 모형은, 분위수 회귀 나무 모형을 포함할 수 있다.

몇몇 실시예에서, 상기 대상 노드가 정지 조건을 만족할 때까지, 상기 (a) 내지 (c) 단계를 반복하는 단계를 더 포함할 수 있다.

기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 실시예들에 따를 경우, 건물 전체에 대한 전력 총 사용량이 아닌, 건물 내에서 전력 소비와 관련된 그룹(예를 들어, 전열 기구, 전등 기구, 냉난방 기구 등) 별 정확한 전력 사용량 예측이 가능하여, 건물의 효율적인 전력 운용이 가능할 수 있다.

또한, 전력 회사 중심의 탑-다운(top-down) 전력 수요 예측 방식과 다른 바텀-업(bottom-up) 수요 예측 방식을 사용함으로써, 보다 전력 사용량에 대한 예측 정확성을 높일 수 있다.

도 1은 건물에 대한 전력 수요 예측 모형의 문제점을 설명하기 위한 도면이다.
도 2는 건물 전열기기의 온도에 대한 전력 사용량으로 전력 수요 예측모형의 문제점을 설명하기 위한 도면이다.
도 3은 건물 조명기기의 온도에 대한 전력 사용량으로 전력 수요 예측모형의 문제점을 설명하기 위한 도면이다.
도 4는 건물 냉난방기기의 온도에 대한 전력 사용량으로 전력 수요 예측모형의 문제점을 설명하기 위한 도면이다.
도 5는 건물에서 온도에 대한 시간대별 전력 사용량으로 전력 수요 예측 모형의 문제점을 설명하기 위한 도면이다.
도 6은 본 발명의 몇몇 실시예에 따른 전력 관리 시스템의 개념도이다.
도 7은 도 6에 도시된 전력 수요 분석 장치의 블록도이다.
도 8은 도 6에 도시된 전력 관리 시스템의 동작을 설명하기 위한 순서도이다.
도 9는 도 6에 도시된 전력 수요 분석 장치가 생성한 분위수 회귀 나무 모형의 일 예를 도시한 도면이다.
도 10은 도 6에 도시된 전력 수요 분석 장치가 제공받는 예측 시점의 외부 데이터의 일 예이다.
도 11은 도 6에 도시된 전력 수요 분석 장치가 수행하는 전력 수요 예측의 일 예를 도시한 도면이다.
도 12는 도 6에 도시된 전력 수요 분석 장치의 분위수 회귀 나무 모형 생성 동작을 설명하기 위한 순서도이다.
도 13은 도 7에 도시된 회귀 계수 추정기의 동작을 설명하기 위한 도면이다.
도 14는 도 6에 도시된 전력 측정기의 예시적인 설치를 나타낸 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면에서 표시된 구성요소의 크기 및 상대적인 크기는 설명의 명료성을 위해 과장된 것일 수 있다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하며, "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

비록 제1, 제2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자나 구성요소는 본 발명의 기술적 사상 내에서 제2 소자나 구성요소 일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

후술하는 상세한 설명은 한정적인 의미로써 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

도 1은 건물에 대한 전력 수요 예측 모형의 문제점을 설명하기 위한 도면이다.

도 1은 특정 건물의 1년 간 시간별 총 전력 사용량과 건물 주변온도와의 관계를 나타낸 그래프이다. 그래프의 X축은 온도를 나타내고, Y축은 시간별 전력 사용량을 나타내며, 각 점들은 1년 동안 온도별 시간별 총 전력 사용량의 분포를 나타낸 것이다. 그래프에 도시된 실선은 LOWESS(LOcally WEighted Scatterplot Smoothing) 방법을 이용하여 추정한 비선형 회귀 추정량(RL)이다.

도 1을 참조하면, A로 표시된 구간과 같이, 온도가 온화할 때는 전력 사용량의 분포가 작으나, B나 C로 표시된 구간과 같이, 온도가 매우 높거나 낮을 때는 건물의 시간별 전력 사용량에 편차가 큼을 알 수 있다. 즉, 건물의 시간별 전력 사용량에 이분산성(Heteroscedasticity)이 있음을 알 수 있다.

따라서, 단순히 건물의 시간별 전력 사용량에 대해 회귀 추정량(RL)을 생성할 경우, 이를 이용하여 건물의 전력 수요 예측을 정확히 할 수 없는 문제점이 있다. 예컨데, 생성된 회귀 추정량(RL)은 B로 표시된 구간에서 건물의 총 전력 사용량을 대표하지 못할 가능성이 높다.

나아가 이러한 이분산성은, 건물의 전력 사용량을 예측하는 데에, 온도 이외 다른 변수를 고려해야 함을 의미한다고 볼 수 있는데, 이를 고려하지 않은 도 1의 모형은 건물의 전력 수요 예측을 정확히 수행할 수 있다고 볼 수 없다.

또한, 도 2 내지 도 4와 같이 건물 내에서 전력 소비와 관련된 그룹(예를 들어, 전열 기기(도 2), 조명 기기(도 3), 냉난방 기기(도 4) 등)의 각 그룹별 전력 소비 패턴은 서로 다르고, 도 5와 같이 요일별, 시간별로 서로 다르기에, 도 1과 같이 건물의 총 전력 사용량만으로 소비 패턴을 정확하게 예측할 수 없다는 문제점이 있다.

이하, 이러한 문제점들을 해결할 수 있는 본 발명의 실시예들에 따른 전력 수요 분석 장치 및 이를 포함하는 전력 관리 시스템에 대해 설명한다.

도 6는 본 발명의 몇몇 실시예에 따른 전력 관리 시스템의 개념도이다. 도 7은 도 6에 도시된 전력 수요 분석 장치의 블록도이다.

도 6를 참조하면, 전력 관리 시스템은 건물 에너지 관리 장치(400)로서, 건물 에너지 관리 장치(400)는 전력 수요 분석 장치(100) 및 전력 측정기(410)를 포함한다.

본 발명의 일 실시예에 따르면, 건물 에너지 관리 장치(400)는 실시간 클라우드 서버 시스템으로서, 네트워크(300)를 통해 상시 접속이 가능하다. 다만, 본 발명의 사상은 이에 한정되지 않으며, 건물 내부에 전력 수요 분석 장치(100)을 설치하고, 건물 내부에서 발생한 데이터를 이용한 시스템 구현도 가능하다.

전력 수요 분석 장치(100)는, 전력 소모 기기(510)로부터 기인한 건물(500)의 전력 사용량 데이터와, 예를 들어, 외부 데이터 제공 장치(200)로부터 외부 데이터를 제공받아, 분위수 회귀 나무 모형(quantile regression tree)을 생성할 수 있다.

그리고, 전력 수요 분석 장치(100)는 생성된 분위수 회귀 나무 모형을 바탕으로, 전력 수요 예측이 필요한 시점의 외부 데이터에 부합하는 전력 수요 예측 정보를 예를 들어, 건물 에너지 관리 장치(400) 등에 제공할 수 있다.

본 실시예에서, 외부 데이터는 예를 들어, 기상 정보를 포함할 수 있다. 구체적으로, 외부 데이터는 예를 들어, 온도, 습도 풍속 등을 포함할 수 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. 이 밖에도 외부 데이터는 전력 사용량에 영향을 줄 수 있는 모든 요소, 예를 들어, 공휴일 여부, 불쾌지수, 체감온도 또는 당일 기상 상태(눈, 비, 흐림, 맑음 등), 대기 오염 지수, 광 공해 지수 등을 포함할 수 있다.

도 7을 참조하면, 전력 수요 분석 장치(100)는 컨트롤러(110), 회귀 계수 추정기(120) 및 분류 변수 결정기(130)를 포함할 수 있다. 컨트롤러(110)는 회귀 계수 추정기(120)와 분류 변수 결정기(130)의 동작을 제어할 수 있다.

몇몇 실시예에서, 전력 수요 분석 장치(100)는 예를 들어, 서버(server) 형태의 컴퓨팅 시스템으로 구현될 수 있다. 이 경우, 컨트롤러(110)는 연산을 수행하는 프로세서(processor)의 형태로 구현될 수 있고, 회귀 계수 추정기(120)와 분류 변수 결정기(130)는 예를 들어, 소프트웨어의 형태로 구현될 수 있다.

이처럼 회귀 계수 추정기(120)와 분류 변수 결정기(130)가 소프트웨어 형태로 구현될 경우, 회귀 계수 추정기(120)와 분류 변수 결정기(130)는 모듈화되어 저장부(140)에 저장될 수 있다. 즉, 회귀 계수 추정기(120)와 분류 변수 결정기(130)는 프로세서 형태로 구현된 컨트롤러(110)를 이용하여 후술할 동작을 수행할 수 있다.

비록 도면에서는 설명의 편의를 위해, 회귀 계수 추정기(120)와 분류 변수 결정기(130)를 별도로 도시하였으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다. 필요에 따라, 회귀 계수 추정기(120)와 분류 변수 결정기(130)는 하나의 소프트웨어 모듈로 구현될 수도 있다. 또한, 반대로, 회귀 계수 추정기(120)와 분류 변수 결정기(130)는 필요에 따라 더 세부적인 기능을 구현하기 위한 소프트웨어 모듈로 분리되어 구현될 수도 있다.

회귀 계수 추정기(120)는, 건물(500)의 전력 사용량 데이터와 외부 데이터를 제공받고 이를 이용하여 대상 노드에 대한 분위수 회귀 계수를 추정할 수 있다.

분류 변수 결정기(130)는, 건물(500)의 전력 사용량 데이터와 외부 데이터를 제공받고 이를 이용하여 대상 노드에 대한 분류 변수를 결정하고, 나아가 분류 변수에 대한 분류 지점을 결정할 수 있다. 따라서, 몇몇 실시예에서, 분류 변수 결정기(130)는, 분류 변수 결정 모듈과, 분류 지점 결정 모듈로 세분화되어 구현될 수도 있다.

이러한 회귀 계수 추정기(120) 및 분류 변수 결정기(130)의 보다 구체적인 동작은 후술한다.

추가적으로, 전력 수요 분석 장치(100)는 제어 신호 발생기(150)를 더 포함할 수 있다. 제어 신호 발생기(150)는 건물 내의 전력 제어 장치(520)과 연동되며, 전력 제어 장치(520)의 원격 제어에 필요한 신호를 생성할 수 있다. 제어 신호 발생기(150)는 예를 들어, 조명의 전원을 차단하거나, 에어컨, 전열 기구를 제어하여 실내 온도를 낮추는 등의 전력 소모 기기(510)의 제어를 위한 신호를 발생시킨다.

발생된 제어 신호는 네트워크(300)를 통하여 건물(500)의 전력 제어 장치(520)가 수신한다. 전력 제어 장치(520)는 수신된 제어 신호에 기초하여 전력 소모 기기(510)를 제어할 수 있다.

다시 도 6을 참조하면, 건물 에너지 관리 장치(400)는 건물(500)에 대한 에너지 관리를 수행할 수 있다. 몇몇 실시예에서, 건물 에너지 관리 장치(400)는 건물(500)의 전력 소모 기구(510)에서 사용한 전력량을 측정하는 전력 측정기(410)를 포함할 수 있다.

본 발명의 일 실시예에 따르면, 전력 측정기(410)는 전력 소모 기기(510)와 건물(500) 내의 배선이 만나는 접점(예를 들어, 콘센트 등) 또는 건물(500) 또는 건물(500)의 각 층에 전력이 인입되는 지점(예를 들어, 분전반)에 설치될 수 있다.

도 14를 참조하면, 전력 측정기(410)는 분전반(1000) 내에 설치될 수 있다.

일반적으로 분전반(1000)은 주차단기(1010), 분기차단기(1020) 및 부스바(1030)로 구성된다. 이 경우, 분기 차단기(1020)는 주차단기(1010)로부터 전원을 공급하는 부스바(1030)의 하나의 분기(1031)와 연결되어 있다.

본 발명의 일 실시예에서는, 전력 측정기(410)가 분기 차단기(1020)가 설치될 수 있는 위치에 분기 차단기(1020) 대신 설치되며, 정밀한 전력 측정을 위하여 전류 센서(1040)가 주차단기(1010)와 연결된 도선에 설치된다. 다만, 본 발명의 기술적 사상은 위 실시예에 한정되는 것은 아니며, 전력 측정기(410)는 다양한 위치, 예를 들어, 주차단기(1010)의 위치 또는 콘센트 등의 전력 소모 기기(510)와 건물의 배선이 만나는 지점에 설치될 수도 있다.

다시 도 6을 참조하면, 전력 소모 기기(510)는 예를 들어, 전열 기기 그룹, 조명 기기 그룹, 냉난방 기기 그룹 등과 같이 몇 개의 그룹으로 분류될 수 있다. 이 때, 전력 측정기(410)가 그룹별로 따로 배치되어 각 그룹 전력 사용량을 측정할 수도 있다.

예를 들어, 제1 전력 측정기(410)는 전열 기기 그룹에서 사용한 전력량을 측정하고, 제2 전력 측정기(410)는 조명 기기 그룹에서 사용한 전력량을 측정하고, 제3 전력 측정기(410)는 냉난방 기기 그룹에서 사용한 전력량을 측정할 수 있다. 이렇게 측정된 각 그룹 별 전력 사용량은 전력 수요 분석 장치(100)에 제공될 수 있다.

본 발명의 일 실시예에 따르면, 건물 에너지 관리 장치(400)는 실시간 클라우드 시스템으로서 상시 접속이 가능하다. 따라서, 전력 측정기(410)에서 측정된 각 그룹별 전력 사용량이 네트워크(300)을 통해 물리적으로 떨어져 있는 전력 수요 분석 장치(100)에 전송될 수 있다.

또한, 건물 에너지 관리 장치(400)는, 전력 수요 분석 장치(100)로부터, 네트워크(300)를 통해 건물(500) 내 전력 소비와 관련된 그룹(예를 들어, 전열 기기, 조명 기기, 냉난방 기기 등) 별 전력 사용량 예측 정보를 받아, 이를 사용자 단말(600) 등에 제공할 수 있다.

여기서, 사용자 단말(600)은 휴대폰, 태블릿 컴퓨터, PC, PDA, 스마트 와치 등의 웨어러블 디바이스 등 다양한 형태의 디스플레이를 제공하는 단말을 모두 포함할 수 있다.

도면에 비록 상세하기 도시하지는 않았으나, 건물 에너지 관리 장치(400)는 건물(500)의 사용 전력에 대한 각종 정보를 사용자 단말(600)에 제공하기 위한 인터페이스(interface), 예컨대, 그래픽 유저인터페이스를 제공하는 웹서버 등을 포함할 수 있다.

또한, 건물 에너지 관리 장치(400)는 건물 내의 전력 제어 장치(520)와 연동하여 전력 수요 분석 장치(100)로부터, 네트워크(300)를 통해 건물(500) 내 전력 소비와 관련된 그룹(예를 들어, 전열 기기, 조명 기기, 냉난방 기기 등) 별 전력 사용량 예측 정보를 받아, 이를 바탕으로 건물(500)의 전력 소모 기구(510)의 전력 소모를 제어할 수도 있다.

한편, 다른 몇몇 실시예에서, 건물 에너지 관리 장치(400)는 전력 수요 분석 장치(100)와 네트워크(300)를 통하지 않고 직접 접속되거나, 하나의 시스템으로 통합되어 구현될 수도 있다. 즉, 본 발명의 기술적 사상이 도시된 사항에 제한되는 것은 아니다.

외부 데이터 제공 장치(200)는, 예를 들어, 외부 데이터 제공 서버를 포함할 수 있다. 이러한 외부 데이터 제공 장치(200)의 예로는, 기상청에서 제공하는 API를 이용하여 접근할 수 있는 서버, 캘린더 API를 이용하여 접근할 수 있는 서버 등을 들 수 있으나, 역시 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.

외부 데이터 제공 장치(200)로부터 전력 수요 분석 장치(100)에 제공되는 예를 들어, 기상 정보 등을 포함하는 외부 데이터는, 도시된 것과 같이 네트워크(300)를 통해 전달될 수 있다. 하지만, 역시 본 발명의 기술적 사상이 이에 제한되는 것은 아니며, 필요에 따라, 외부 데이터 제공 장치(200)와 전력 수요 분석 장치(100)는 하나로 통합되어 구현되거나, 외부 데이터 제공 장치(200)와 전력 수요 분석 장치(100)가 네트워크(300)를 통하지 않고 직접 접속될 수도 있다.

이하, 도 6 및 도 8 내지 도 11을 참조하여, 본 발명의 몇몇 실시예에 따른 전력 관리 시스템의 동작에 대해 설명한다.

도 8은 도 6에 도시된 전력 관리 시스템의 동작을 설명하기 위한 순서도이다. 도 9는 도 6에 도시된 전력 수요 분석 장치가 생성한 분위수 회귀 나무 모형의 일 예를 도시한 도면이다. 도 10은 도 6에 도시된 전력 수요 분석 장치가 제공받는 예측 시점의 외부 데이터의 일 예이다. 도 11은 도 6에 도시된 전력 수요 분석 장치가 수행하는 전력 수요 예측의 일 예를 도시한 도면이다.

도 8을 참조하면, 분위수 회귀 나무 모형을 생성한다(S100). 구체적으로, 예를 들어, 전력 수요 분석 장치(100)는, 건물(500)의 전력 사용량 데이터와, 기상 정보 등을 포함하는 외부 데이터를 제공받아 분위수 회귀 나무 모형을 생성할 수 있다.

여기서, 건물(500)의 전력 사용량 데이터는 예를 들어, 건물 에너지 관리 장치(400)로부터 제공될 수 있다. 구체적으로, 건물(500)의 전력 사용량 데이터는 예를 들어, 건물 에너지 관리 장치(400)에 포함된 전력 측정기(410)로부터 제공될 수 있다. 더욱 구체적으로, 전력 측정기(410)는 건물(500) 내에서 전력 소비와 관련된 그룹(예를 들어, 전열 기기, 조명 기기, 냉난방 기기 등)별로 전력 사용량을 측정하고, 이를 전력 수요 분석 장치(100)에 제공할 수 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.

몇몇 실시예에서, 전력 수요 분석 장치(100)는 분위수 회귀 나무 모형을 생성하기 위해, 제공 받은 전력 사용량 데이터를 예를 들어, 15분 단위로 구분해서 저장할 수 있다. 또한, 다른 몇몇 실시예에서, 전력 수요 분석 장치(100)에 제공되는 전력 사용량 데이터는 예를 들어, 15분 단위로 구분되어 제공될 수 있다. 또한, 또 다른 몇몇 실시예에서, 전력 수요 분석 장치(100)에 제공되는 전력 사용량 데이터는, 예를 들어, 1 시간 단위로 구분되어 제공될 수 있다. 또한, 또 다른 몇몇 실시예에서, 전력 수요 분석 장치(100)에 제공되는 전력 사용량 데이터는, 예를 들어, 요일 별로 구분되어 저장될 수 있다.

전력 수요 분석 장치(100)에 제공되는 외부 데이터는 예를 들어, 외부 데이터 제공 장치(200)로부터 제공될 수 있다. 이러한 외부 데이터는 예를 들어, 온도(관측기온), 습도, 풍속, 예상 강수량, 하늘 상태 등의 정보를 포함할 수 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.

몇몇 실시예에서, 이러한 기상 정보는 예를 들어, 1시간 또는 3 시간 단위로 제공될 수 있다. 이렇게 외부 데이터가 1 시간 또는 3 시간 단위로 제공될 경우, 전력 수요 분석 장치(100)는, 분위수 회귀 나무 모형을 생성하기 위해, 제공 받은 외부 데이터를 예를 들어, 보간법 등을 이용하여 15분 단위로 구분해서 저장할 수 있다. 다른 몇몇 실시예에서, 전력 수요 분석 장치(100)에 제공되는 외부데이터는, 예를 들어, 1 시간 단위로 구분해서 저장할 수 있다. 다른 몇몇 실시예에서, 전력 수요 분석 장치(100)에 제공되는 외부 데이터는, 예를 들어, 요일 별로 구분되어 저장될 수 있다.

여기서는, 전력 수요 분석 장치(100)가 건물(500)의 전력 사용량 데이터와, 기상 정보 등을 포함하는 외부 데이터를 제공받아 도 9에 도시된 분위수 회귀 나무 모형을 생성하였다고 가정하고, 설명을 이어가도록 한다. 즉, 전력 수요 분석 장치(100)가 예를 들어, 2014년 12월 1일부터 2015년 5월 31일까지 건물(500)에 대한 전력 상용량 데이터와, 동 기간의 기상 정보를 포함하는 외부 데이터를 바탕으로, 도 9에 도시된 분위수 회귀 나무 모형이 생성되었다고 가정하고 설명을 이어가도록 한다.

도 9를 참조하면, 분위수 회귀 나무 모형은, 복수의 노드(1~11)를 포함할 수 있다. 복수의 노드(1~11)들은 서로 부모-자식 간의 관계를 가질 수 있다. 예를 들어, 노드(1)는, 노드(2)와 노드(9)의 부모 노드가 되며, 노드(2)와 노드(9)는 노드(1)의 자식 노드가 될 수 있다. 다른 노드들에 대해서도 이와 같은 관계가 성립한다.

부모가 없는 노드(1)는 뿌리(root) 노드가 되며, 자식이 없는 노드(4, 6, 7, 8, 10, 11)는 잎(leaf) 노드가 될 수 있다.

노드(1)가 포함하는 전량 사용량 데이터는 온도라는 분할 변수로 분할되어 노드(2)와 노드(9)로 분할될 수 있다. 구체적으로, 노드(2)는 노드(1)가 포함하는 전력 사용량 데이터 중에서 온도가 14.1℃ 이하인 전력 사용량 데이터를 포함하고, 노드(9)는 노드(1)가 포함하는 전력 사용량 데이터 중에서 온도가 14.1℃ 초과인 전력 사용량 데이터를 포함할 수 있다.

또한, 노드(3)는 노드(2)가 포함하는 전력 사용량 데이터 중에서 온도가 5℃ 이하인 전력 사용량 데이터를 포함하고, 노드(8)는 노드(2)가 포함하는 전력 사용량 데이터 중에서 온도가 5℃ 초과인 전력 사용량 데이터를 포함할 수 있다.

또한, 노드(4)는 노드(3)가 포함하는 전력 사용량 데이터 중에서 습도가 48％ 이하인 전력 사용량 데이터를 포함하고, 노드(5)는 노드(3)가 포함하는 전력 사용량 데이터 중에서 습도가 48％ 초과인 전력 사용량 데이터를 포함할 수 있다.

또한, 노드(6)는 노드(5)가 포함하는 전력 사용량 데이터 중에서 풍속이 2.1m/s 이하인 전력 사용량 데이터를 포함하고, 노드(7)는 노드(5)가 포함하는 전력 사용량 데이터 중에서 풍속이 2.1m/s 초과인 전력 사용량 데이터를 포함할 수 있다.

또한, 노드(10)는 노드(9)가 포함하는 전력 사용량 데이터 중에서 습도가 86％ 이하인 전력 사용량 데이터를 포함하고, 노드(11)는 노드(9)가 포함하는 전력 사용량 데이터 중에서 습도가 86％ 초과인 전력 사용량 데이터를 포함할 수 있다.

이렇게 자식이 없는 잎 노드(4, 6, 7, 8, 10, 11)가 모두 결정되면, 각 잎 노드(4, 6, 7, 8, 10, 11)에 포함된 전력 사용량 데이터에 대해 분위수 회귀 계수를 추정할 수 있다.

이렇게 수집한 건물(500)의 전력 사용량 데이터와 외부 데이터를 바탕으로 분위수 회귀 나무 모형을 생성하는 구체적인 동작은 후술한다.

다음 다시 도 8을 참조하면, 예측에 필요한 데이터를 입수한다(S200). 구체적으로, 예를 들어, 전력 수요 분석 장치(100)는, 예측이 필요한 시점의 기상 정보를 포함하는 외부 데이터를 예를 들어, 외부 데이터 제공 장치(200)로부터 제공받을 수 있다.

이 때에도, 제공되는 외부 데이터가 1시간 또는 3 시간 단위로 구분될 경우, 전력 수요 분석 장치(100)는, 제공 받은 외부 데이터를 예를 들어, 보간법 등을 이용하여 1시간 단위로 구분해서 저장할 수 있다. 그리고, 제공된 외부 데이터는 요일별로 구분되어 저장될 수 있다. 혹은, 제공된 외부데이터는 시간별로 구분되어 저장할 수 있다. 도 10에는 이렇게 외부 데이터 제공 장치(200)로부터 제공된 외부 데이터의 예시가 도시되어 있으나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.

예를 들어, 전력 사용량 예측이 필요한 시점이 2015년 10월 15일 15시 30분이라고 하면, 전력 수요 분석 장치(100)는 예측 시점의 기상 정보를 포함하는 외부 데이터를 외부 데이터 제공 장치(200)로부터 제공받을 수 있다. 이 때, 예측이 필요한 시점의 온도는 18℃, 습도는 50%로 예상된다고 가정하고 설명을 이어가도록 한다.

한편, 도 8에서는 설명의 편의를 위해, 분위수 회귀 나무 모형을 생성하는 동작(S100) 뒤에 예측에 필요한 데이터를 입수하는 동작(S200)을 도시하였으나, 본 발명의 기술적 사상이 도시된 사항에 제한되는 것은 아니다. 다른 몇몇 실시예에서, 예측에 필요한 데이터를 입수하는 동작(S200)은 분위수 회귀 나무 모형을 생성하는 동작(S100) 앞에 수행될 수도 있으며, 예측에 필요한 데이터를 입수하는 동작(S200)은 분위수 회귀 나무 모형을 생성하는 동작(S100)과 같이 수행될 수도 있다.

다음 다시 도 8을 참조하면, 전력 수요 예측을 수행한다(S300). 구체적으로, 전력 수요 분석 장치(100)는 생성된 분위수 회귀 나무 모형(예를 들어, 도 9)에서, 예측이 필요한 시점의 외부 데이터와 부합되는 잎 노드(4, 6, 7, 8, 10, 11)를 선택할 수 있다.

여기서는, 예측이 필요한 시점의 온도는 18℃, 습도는 50%로 예상되므로, 잎 노드(4, 6, 7, 8, 10, 11) 중에서 노드(10)이 선택될 수 있다. 그리고, 노드(10)의 회귀 추정량을 이용하여, 전력 수요 예측을 수행할 수 있다.

구체적으로, 도 11을 참조하면, 노드(10)에 포함된 전력 사용 데이터를 바탕으로 추정한 분위수 회귀 추정량(QRL)을 이용하여, 전력 사용량 예측이 필요한 시점인 2015년 10월 15일 15시 30분에 98Wh의 전력이 사용될 것으로 예측됨을 알 수 있다.

다음 다시 도 8을 참조하면, 전력 수요 예측 정보를 바탕으로 사용자 단말(600)에 정보를 제공하거나, 전력 소모 기구를 제어할 수 있다(S400).

예를 들어, 전력 수요 분석 장치(100)는 이렇게 예측된 전력 사용 정보를 건물 에너지 관리 장치(400)에 제공하고, 건물 에너지 관리 장치(400)는 이를 사용자 단말(600)에 제공할 수 있다.

또한, 건물 에너지 관리 장치(400)는 제공받은 전력 사용 예측 정보를 바탕으로 전력 소모 기구(510)의 전력 소모량을 제어할 수 있다. 예를 들어, 건물 에너지 관리 장치(400)는 실내 적정 온도를 고려할 경우, 냉방기에 대해서는 약 5% 전력을 줄이고, 전등 사용은 10% 정도 줄임으로써 건물(500)의 전력 사용량이 최소화되도록 전력 소모 기구(510)를 제어할 수 있는 제어 신호를 생성할 수 있다.

몇몇 실시예에서, 건물 에너지 관리 장치는 전력 소모 기구(510)가 소모하는 전력의 피크 시간을 예측할 수도 있다. 이에 관한 구체적인 설명은 대한민국 특허출원 제10-2015-0122845호에 개시되어 있으며, 상기 개시 내용은 여기에 참조로 포함될 수 있다.

이처럼 본 발명의 실시예들에 따른 전력 관리 시스템의 경우, 분위수 회귀 나무 모형을 생성하고 이를 이용함으로써 건물(500)에 대한 정확한 전력 사용량 예측이 가능할 수 있다. 또한, 이를 바탕으로 건물(500)의 전력 소모 기구(510)를 제어함으로써, 건물(500)의 효율적인 전력 운용이 가능할 수 있다.

이하, 도 6, 도 9 및 도 12 내지 도 13을 참조하여, 전력 수요 분석 장치(100)가 분위수 회귀 나무 모형을 생성하는 동작(도 4의 S100)에 대해 보다 구체적으로 설명한다.

도 12은 도 6에 도시된 전력 수요 분석 장치의 분위수 회귀 나무 모형 생성 동작을 설명하기 위한 순서도이다. 도 13은 도 7에 도시된 회귀 계수 추정기의 동작을 설명하기 위한 도면이다.

도 12를 참조하면, 전력 수요 모형의 학습에 필요한 자료를 제공한다(S110).

예를 들어, 전력 수요 분석 장치(100)는, 건물 에너지 관리 장치(400)로부터 건물(500)의 전력 사용량 데이터를 제공받고, 외부 데이터 제공 장치(200)로부터 기상 정보 등을 포함하는 외부 데이터를 제공받을 수 있다. 그리고, 전력 수요 분석 장치(100)는, 제공받은 데이터를 분위수 회귀 나무 모형 생성에 필요한 형태로 저장할 수 있다.

몇몇 실시예에서, 건물(500)의 전력 사용량 데이터는 건물(500)의 전력 사용량 예측일 직전의 충분한 기간(예를 들어, 3개월 이상) 동안의 건물(500)의 전력 사용량 데이터를 포함할 수 있다.

그리고, 동 기간 동안의 외부 데이터도, 건물(500)의 전력 사용량 예측일 직전의 충분한 기간(예를 들어, 3개월 이상) 동안의 기상 정보를 포함할 수 있다.

만약 기상 정보가 1시간 또는 3시간 단위로 제공될 경우, 이러한 기상 정보는 예를 들어, 보간법 등을 이용하여 15분 단위로 구분해서 저장될 수 있다.

몇몇 실시예에서, 전력 사용량 데이터는 요일별로 구분되어 저장될 수도 있다. 도 12에는 분위수 회귀 나무 모형을 생성하기 위해, 전력 수요 분석 장치(100)에 제공된 데이터의 예를 도시하였으나, 본 발명의 기술적 사상이 이러한 예시에 제한되는 것은 아니다.

다시 도 12를 참조하면, 대상 노드에 대해 분위수 회귀 계수를 추정한다(S120).

이하의 과정을 설명하기 전에, 먼저 아래와 같이 용어를 정의한다.

Y: 반응변수(유클리디안 공간에 정의된 15분 단위 전력사용량)

X: 적합변수(각 노드에서 분위수 회귀모형에 사용되는

차원 설명변수, 예를 들어, 1차원 온도)

Z: 분할변수(자료 분류에 사용되는 d차원 설명변수, 예를 들어, 기상 정보 및 요일정보 등)

t: 모형 내 임의의 노드, (예를 들어, 뿌리 노드의 경우 t=1)

&

: 노드 t의 자식노드들 (예를 들어, 도 5에서 1번 노드의 t_L은 2번 노드, t_R은 9번 노드)

N: 뿌리노드의 총 관측치 수 (분석 대상 전체 샘플수)

: 노드 t에서의 관측치 수 (해당 노드의 샘플수)

: 노드 t에서 분위수 τ에 대한 회귀 추정량

먼저, 전력 수요 분석 장치(100)의 회귀 계수 추정기(도 7의 120)는 도 9의 노드(1)에 대해 분위수 회귀 계수를 추정할 수 있다. 구체적으로, 몇몇 실시예에서, 전력 수요 분석 장치(100)의 회귀 계수 추정기(도 7의 120)는 노드(1)에 포함된 전력 사용 데이터에 대해 분위수 회귀 계수를 추정할 수 있다.

구체적으로, 회귀 계수 추정기(120)는 노드(1)에서 분위수회귀계수

를 추정할 수 있다.

노드 t에서 p차원 적합변수 X(예를 들어, 온도)와 반응변수 Y(예를 들어, 전력 사용량)에 대한 100τ% 조건부 분위수 함수 (conditional quantile function of Y given X)는 아래 <수학식1>과 같이 정의될 수 있다.

<수학식1>

여기서, 선형 분위수 함수는 아래 <수학식2>와 같이 정의될 수 있다.

<수학식2>

=

목적함수(objective function)는 아래 <수학식3>과 같으며, 체크 손실함수(check loss function)는 <수학식4>와 같을 수 있다.

<수학식3>

<수학식4>

예를 들어, 분위수

를 0.1으로 결정할 경우, 분위수회귀계수

은 도 13의 ②가 될 수 있고, 분위수

를 0.5로 결정할 경우, 분위수회귀계수

은 도 13의 ①이 될 수 있고 분위수

를 0.9로 결정할 경우, 분위수회귀계수

은 도 13의 ③이 될 수 있다.

다시 도 12를 참조하면, 대상 노드가 정지 조건을 만족하는지 판단한다(S130).

구체적으로, 대상 노드가 아래 규칙 중 어느 하나를 만족하는지 판단한다.

규칙 1: 노드 t의 샘플사이즈

가 자료 적합이 되지 않을만큼 충분히 작은 경우

(예를 들어, 여기서 충분히 작은 경우는 샘플 사이즈의 5%를 의미할 수 있으며, 샘플 사이즈가 클 경우 1%를 사용할 수도 있음)

규칙 2: 노드 t의 모형 설명력이 자료를 충분히 설명한 만큼 큰 경우

(예를 들어, 설명력의 척도인 결정계수(R-squared) 값(range: 0~1)이 0.8 이상인 경우, 또는 경험적 확률분포를 이용할 수 있음)

규칙 3: 노드 t에서 선택된 분류변수의 유의확률이 미리 정의된 유의수준 α보다 큰 경우

판단 결과, 만약 노드 t가 정지 조건을 만족한다면, 분위수 회귀 나무 모형 생성을 끝내고, 만약 노드 t가 정지 조건을 만족하지 않는다면, 다음 단계를 수행한다.

노드(1)은 정지 조건을 만족하지 않으므로, 다음 단계를 수행한다.

다시 도 12를 참조하면, 대상 노드에 대한 분류 변수를 선택한다(S140). 예를 들어, 전력 수요 분석 장치(100)의 분류 변수 결정기(130)는 모든 분할변수

에 대해 회귀계수의 안정성 검정을 실시하고, 이 중 가장 불안정한 분할변수를 자료 분류변수로 지정할 수 있다.

구체적으로, 분류 변수 결정기(130)는 아래와 같은 과정을 통해 노드 t에서 분할 가능한 모든 분할변수

에 대해

의 변동성을 검정하여 가장 변동이 심한 분할변수 Z_j를 해당 노드의 분류변수로 지정할 수 있다. (여기서, Z_j는 습도, 풍속 등의 기상상황 또는 불쾌지수, 체감온도, 당일기상상태 또는 공휴일 여부 등의 기타 상태 정보를 포함할 수 있다.)

질레이스와 호닉(Zeileis and Hornik (2007))이 제안한 점수기반 변동성검정(score-based fluctuation test)을 이용하여 임의의 분할변수

에 대한 변동성의 정도를 아래 <수학식5>의 경험 변동 프로세스(empirical fluctuation process)를 이용하여 측정할 수 있다.

<수학식5>

(여기서,

는 목적함수의 스코어함수(score function),

는

번째 분할변수의

번째 관측치,

는 그래디언트 추정량의 외적 (outer-product-of gradient estimates))

그리고 변동성 검정의 귀무가설 아래에서 W_j(t)는 k-차원 브라우니안 브릿지(k-dimensional Brownian bridge)에 수렴하므로 유의확률이 가장 작은 분할변수는 노드 t에서의 변동이 가장 큰 변수를 의미할 수 있다.

변동성 검정에서 가장 유의한 변수를 선택하여 나무 구조를 키우면 노드 간에는 이질적이며 노드 내에서는 동질적인 자료로 전체자료를 분할 가능한 장점이 있다.

유의확률은 검정 통계량을 이용해서 연산하며, 연속형 분할변수(예를 들어 습도 등)의 검정 통계량은 앤드류(Andrew (1993))의 supLM 통계량(supLM statistic of Andrew)을 이용하여 <수학식6>과 같이 계산할 수 있다.

<수학식6>

.

(

의 극한분포(limiting distribution)는 타이드-다운 베셀 프로세스(tied-down Bessel process)의 상한에 대한 분포이기에 유의확률 계산 가능)

j번째 분할변수가 범주형인 경우 (즉, 범주형 분할변수

가

개의 카테고리를 가진 경우, (예를 들어 공휴일 여부 등 등)), <수학식7>과 같이 카이제곱 통계량을 이용하여 계산할 수 있다.

<수학식7>

(여기서

는

번째 카테고리에서의 경험 변동 프로세스의 증분(increment),

의 극한분포(limiting distribution)는 자유도

의 자유도를 가진 카이제곱 분포이므로 유의확률 계산 가능)

이와 같은 과정을 통해, 모든 분할변수중 유의확률이 가장 작은 분할변수

를 노드 t의 분류변수로 지정할 수 있다.

여기서, 본 실시예에 따른 분류 변수 결정기(130)는 분할 변수가 연속형 분할변수 인지 아니면 범주형 분류 변수인지에 따라, 서로 구분하여 분류 변수를 선택할 수 있다.

다시 도 12를 참조하면, 분류 변수에 대한 분류 지점을 선택한다(S150).

예를 들어, 전력 수요 분석 장치(100)의 분류 변수 결정기(130)는 노드 t를 자식노드

과

로 나누기 위해 국소 최적화 방법론을 이용하여 자료 분류지점을 선택할 수 있다.

여기서는, 자료의 해석 및 계산 편의성을 위해 2개의 자식노드

과

로 나누기 위한 이진분류(binary segmentation)에 기반한 분류지점 선택 알고리즘에 초점을 맞추나, 본 발명의 기술적 사상이 이에 제한되는 것은 아니다.

노드 t에서의 오차함수(impurity function)는 아래 <수학식8>과 같이 정의될 수 있다.

<수학식8>

그리고, <수학식9>와 같은 노드 t와 자식노드

과

간의 오차함수의 감소량

를 평가하여 가장 큰 오차 감소를 보이는 분류 규칙

(연속형 분류변수) 혹은

(범주형 분류변수) 선택할 수 있다.

<수학식9>

이를 위해 모든 가능한 경우를 탐색하여 자식 노드

과

의 후보 분류점 C 혹은 분류집합 A를 구성할 수 있다.

다시 도 12를 참조하면, 이와 같이 분류 변수와 분류 지점이 선택되면 대상 노드를 자식 노드들로 분할하고 자식 노드들을 대상 노드로 설정할 수 있다. (S160). 그리고, 대상 노드가 정지 조건을 만족(S130)할 때까지, S120 내지 S160의 과정을 반복할 수 있다.

앞서 설명한 본 발명의 실시예들 중 적어도 일부는, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능할 수 있다. 예를 들어, 도 6에 도시된 전력 수요 분석 장치(100)가 분위수 회귀 나무 모형을 생성하는 동작(도 8의 S110 내지 S160)은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능할 수 있다.

컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함할 수 있다.

컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함할 수 있다.

또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 구현됨으로써, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였으나, 본 발명은 상기 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 제조될 수 있으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

100: 전력 수요 분석 장치
200: 외부 데이터 제공 장치
300: 네트워크
400: 건물 에너지 관리 장치

Claims

프로세서; 및
상기 프로세서를 이용하여 수행되는 회귀계수 추정기와 분류 변수 결정기가 저장된 저장부를 포함하되,
상기 회귀 계수 추정기와 분류 변수 결정기는,
건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 제공받아, 상기 외부 데이터 중 적어도 하나를 분류 변수로 하는 회귀 나무(Regression Tree) 모형을 생성하는 전력 수요 분석 장치.
제 1항에 있어서,
상기 회귀 나무(Regression Tree) 모형은, 분위수(quantile) 회귀 나무 모형을 포함하는 전력 수요 분석 장치.
제 1항에 있어서,
상기 분류 변수는 연속형 분류 변수와 범주형 분류 변수를 포함하고,
상기 분류 변수 결정기는, 상기 연속형 분류 변수와 상기 범주형 분류 변수에 대해 서로 다른 방법을 사용하여 상기 분류 변수를 결정하는 전력 수요 분석 장치.
제 3항에 있어서,
상기 분류 변수 결정기는, 상기 분류 변수가 결정되면, 상기 결정된 분류 변수에 대해 분류 지점을 선택하는 전력 수요 분석 장치.
제 1항에 있어서,
상기 회귀 나무 모형을 생성하는 것은,
대상 노드에 대해 분위수 회귀 계수를 추정하는 것과,
상기 대상 노드에 대해 상기 분류 변수를 선택하는 것과,
상기 분류 변수에 대한 분류 지점을 선택하는 것을 포함하는 전력 수요 분석 장치.
제 5항에 있어서,
상기 회귀 나무 모형을 생성하는 것은,
상기 대상 노드가 정지 조건을 만족할 때까지, 상기 분위수 회귀 계수 추정, 상기 분류 변수 선택, 및 상기 분류 지점을 선택하는 것을 반복하는 것을 더 포함하는 전력 수요 분석 장치.
제 1항에 있어서,
상기 건물의 전력 사용량 데이터는, 요일, 시간, 및 상기 기상 정보에 따라 분류되어 상기 회귀 나무 모형을 생성하는데에 이용되는 전력 수요 분석 장치.
건물의 전력 사용량 데이터와 기상 정보를 포함하는 제1 외부 데이터를 제공받아, 상기 제1 외부 데이터 중 적어도 하나를 분류 변수로 분위수 회귀 나무 모형을 생성하는 전력 수요 분석 장치; 및
상기 분위수 회귀 나무 모형을 이용하여 예측된 전력 수요 예측 정보를 바탕으로 건물 에너지 관리를 수행하는 건물 에너지 관리 장치를 포함하는 전력 관리 시스템.
제 8항에 있어서,
상기 전력 수요 분석 장치는, 상기 제1 외부 데이터와 다르고 기상 정보를 포함하는 제2 외부 데이터를 제공받고, 상기 제1 외부 데이터를 바탕으로 생성된 분위수 회귀 나무 모형을 이용하여 상기 제2 외부 데이터에 부합되는 상기 전력 수요 예측 정보를 생성하는 전력 관리 시스템.
제 9항에 있어서,
상기 제1 외부 데이터와 상기 제2 외부 데이터는, 서로 다른 시간 단위로 구분되어 이용되는 전력 관리 시스템.
제 8항에 있어서,
상기 건물의 전력 사용량 데이터는 상기 건물 내에서 전력 소비와 관련된 그룹 별로 제공되는 전력 관리 시스템.
전력 소모 기구와 건물 내의 배선이 만나는 접점에 설치되어 상기 건물의 전력 사용량 데이터를 측정하는 전력 측정기; 및
특정 시점의 상기 건물의 전력 수요 예측 정보를 바탕으로 상기 전력 소모 기구를 제어하는 건물 에너지 관리 장치를 포함하되,
상기 건물의 전력 수요 예측 정보는, 상기 건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 바탕으로 분위수 회귀 나무 모형을 생성함으로써 결정되는 전력 관리 시스템.
제 12항에 있어서,
상기 건물의 전력 사용량 데이터는, 과거 일정 기간 동안의 상기 건물의 전력 사용량 데이터를 포함하고,
상기 외부 데이터는, 상기 과거 일정 기간 동안의 기상 정보를 포함하는 제1 외부 데이터와, 상기 특정 시점의 기상 정보를 포함하는 제2 외부 데이터를 포함하는 전력 관리 시스템.
건물의 전력 사용량 데이터와 기상 정보를 포함하는 외부 데이터를 바탕으로 회귀 나무 모형을 생성하는 전력 수요 분석 프로그램으로서,
(a) 대상 노드에 대해 회귀 계수를 추정하는 단계와,
(b) 상기 대상 노드에 대해 분류 변수를 선택하는 단계와,
(c) 상기 분류 변수에 대한 분류 지점을 선택하는 단계를 포함하는 전력 수요 분석 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체.
제 14항에 있어서,
상기 대상 노드에 대해 회귀 계수를 추정하는 단계는, 상기 대상 노드에 대해 분위수 회귀 계수를 추정하는 단계를 포함하고,
상기 회귀 나무 모형은, 분위수 회귀 나무 모형을 포함하는 전력 수요 분석 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체.
제 14항에 있어서,
상기 대상 노드가 정지 조건을 만족할 때까지, 상기 (a) 내지 (c) 단계를 반복하는 단계를 더 포함하는 전력 수요 분석 프로그램이 저장된 컴퓨터로 판독 가능한 기록 매체.