전기차 급속 충전 전력 수요 예측을 수행하는 수요 예측 장치에 있어서, 급속 충전을 지원하는 적어도 하나의 전기차 충전소의 전기차 충전과 관련한 충전소 관련 데이터를 수신하는 서버 통신 회로;상기 서버 통신 회로와 통신 채널을 형성하는 서버 프로세서;를 포함하고,상기 서버 프로세서는, 상기 전기차의 급속 충전과 관련한 복수의 충전소 관련 데이터를 수집하고,상기 수집된 복수의 충전소 관련 데이터에 대한 전처리를 수행하고,Long Short-Term Memory(LSTM) 모델을 이용하여 상기 전처리된 데이터에 대한 학습을 수행하여 예측 모델을 생성하도록 설정되고,상기 서버 프로세서는, 상기 전기차의 급속 충전에 소용된 충전소요시간 및 상기 전기차의 급속 충전의 충전량을 포함하는 2차원 원본 데이터를 예측 길이와 시퀀스 길이 및 특징 형태를 포함하며 , 상기 예측 모델의 입력으로 사용되는 3차원 구조의 데이터로 재배열하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

제1항에 있어서,상기 서버 프로세서는, 상기 전처리 수행과 관련하여,상기 복수의 충전소 관련 데이터 중 사전 정의된 이상 데이터 조건에 해당하는 이상 데이터를 검출하고, 검출된 이상 데이터를 제거하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

제2항에 있어서,상기 서버 프로세서는, 상기 충전소요시간이 음수 값을 가진 데이터 및 상기 충전량이 사전 정의된 기준 값을 넘는 데이터 중 적어도 하나를 상기 이상 데이터로 검출하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

제1항에 있어서,상기 서버 프로세서는, 상기 시퀀스 길이에 대한 그리드서치를 기반으로 상기 LSTM 모델의 하이퍼 파라미터를 도출하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

삭제

제1항에 있어서,상기 서버 프로세서는, 상기 3차원 구조의 데이터로 재배열된 데이터의 최대 값과 최솟 값을 검출하고, 검출된 상기 최대 값과 최솟 값을 기반으로 상기 재배열된 데이터를 정규화하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

제1항에 있어서,상기 서버 프로세서는, 최대 예측 오차와 평균 예측 오차를 포함하는 손실 함수를 상기 LSTM 모델에 적용하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

제7항에 있어서,상기 서버 프로세서는 상기 평균 예측 오차와 상기 최대 예측 오차에 적용되는 최적 가중치를 산출하되, 0~1 범위 중 임의의 값들에 대한 그리드서치를 기반으로 상기 최적 가중치를 산출하도록 설정된 것을 특징으로 하는 전기차 충전 전력 수요 예측을 지원하는 수요 예측 장치.

전기차 급속 충전 전력 수요 예측을 수행하는 방법에 있어서, 수요 예측 장치의 서버 프로세서가, 급속 충전을 지원하는 적어도 하나의 전기차 충전소를 통해 전기차 충전과 관련한 복수의 충전소 관련 데이터를 수집하는 단계; 상기 수집된 복수의 충전소 관련 데이터에 대한 전처리를 수행하는 단계; Long Short-Term Memory(LSTM) 모델을 이용하여 상기 전처리된 데이터에 대한 학습을 수행하여 예측 모델을 생성하는 단계;를 포함하고,상기 전기차의 급속 충전에 소용된 충전소요시간 및 상기 전기차의 급속 충전의 충전량을 포함하는 2차원 원본 데이터를 예측 길이와 시퀀스 길이 및 특징 형태를 포함하며 , 상기 예측 모델의 입력으로 사용되는 3차원 구조의 데이터로 재배열하는 단계;를 더 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.

제9항에 있어서,상기 전처리를 수행하는 단계는, 상기 복수의 충전소 관련 데이터 중 사전 정의된 이상 데이터 조건에 해당하는 이상 데이터를 검출하는 단계;상기 검출된 이상 데이터를 제거하는 단계;를 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.

제10항에 있어서,상기 이상 데이터를 검출하는 단계는, 상기 충전소요시간이 음수 값을 가진 데이터 및 상기 충전량이 사전 정의된 기준 값을 넘는 데이터 중 적어도 하나를 상기 이상 데이터로 검출하는 단계;를 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.

제10항에 있어서,상기 시퀀스 길이에 대한 그리드서치를 기반으로 상기 LSTM 모델의 하이퍼 파라미터를 도출하는 단계;를 더 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.

삭제

제9항에 있어서,상기 3차원 구조의 데이터로 재배열된 데이터의 최대 값과 최솟 값을 검출하고, 검출된 상기 최대 값과 최솟 값을 기반으로 상기 재배열된 데이터를 정규화하는 단계;를 더 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.

제9항에 있어서,최대 예측 오차와 평균 예측 오차를 포함하는 손실 함수를 상기 LSTM 모델에 적용하는 단계;를 더 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.

제15항에 있어서,상기 손실 함수를 상기 LSTM 모델에 적용하는 단계는, 상기 평균 예측 오차와 상기 최대 예측 오차에 적용되는 최적 가중치를 산출하되, 0~1 범위 중 임의의 값들에 대한 그리드서치를 기반으로 상기 최적 가중치를 산출하는 단계;를 포함하는 것을 특징으로 하는 전기차 충전 전력 수요 예측 방법.