APPARATUS METHOD AND COMPUTER PROGRAM FOR DECIDING ENERGY OPERATION POLICY OF TARGET BUILDING

• Main Authors: HWANG BEOM, KIM YOUNG JIN, KIM YONG BEEN
• Format: Patent
• Language: English; Korean
• Published: 17.05.2022
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; CONTROL OR REGULATING SYSTEMS IN GENERAL; CONTROLLING; COUNTING; DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FORADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORYOR FORECASTING PURPOSES; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS ORELEMENTS; PHYSICS; REGULATING; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE,COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTINGPURPOSES, NOT OTHERWISE PROVIDED FOR

The present invention relates to an apparatus, method, and computer program for determining an energy operation policy of a target building to provide probabilistic prediction results. According to the present invention, the apparatus comprises: a receiving unit receiving, from a plurality of manager terminals, a plurality of pieces of setting information related to an unknown parameter of a deep learning model learned on the basis of simulation model-based training data built for a target building; a learning unit estimating a prior probability distribution for the unknown parameter from the plurality of setting information on the basis of a preset algorithm and inputting the estimated prior probability distribution to a Bayesian machine learning model to estimate a posterior probability distribution for the unknown parameter; and an energy management policy determination unit determining an energy management policy for the target building on the basis of the estimated posterior probability distribution and a plurality of control criteria related to energy management of the target building. 대상 건물의 에너지 운용 정책을 결정하는 장치는 상기 대상 건물에 대해 기구축된 시뮬레이션 모델 기반 학습 데이터에 기초하여 학습된 딥러닝 모델의 미지 파라미터와 관련된 복수의 설정 정보를 복수의 관리자 단말로부터 수신하는 수신부, 기설정된 알고리즘에 기초하여 상기 복수의 설정 정보로부터 상기 미지 파라미터에 대한 사전 확률 분포를 추정하고, 상기 추정된 사전 확률 분포를 베이지안 기계 학습 모델에 입력하여 상기 미지 파라미터에 대한 사후 확률 분포를 추정하는 학습부, 상기 추정된 사후 확률 분포 및 상기 대상 건물의 에너지 운용과 관련된 복수의 제어 기준에 기초하여 상기 대상 건물에 대한 에너지 운용 정책을 결정하는 에너지 운용 정책 결정부를 포함한다.