인공지능모델 기반의 기업 맞춤형 태양광 PPA솔루션 제공 방법에 있어서,(a) 재생에너지공급자가 태양광 패널에 대한 각종 데이터를 입력받고 태양광 패널 상태 예측 서버를 이용하여 딥러닝 알고리즘을 통해 미리 학습된 데이터를 근거로 현재 태양광 패널에 대한 고장 예측 판단을 하며, 태양광 패널에 이상 징후가 있을 경우 경보신호를 출력하고, 에러사항이 없을 경우 재생에너지공급자에 데이터 전송 준비를 진행하는 단계와;(b) PPA 솔루션 제공장치가 기업 단말로부터 기업 정보를 수신하고, 재생에너지공급자로부터 공급자 정보를 수신하는 단계;(c) 기 설정된 알고리즘에 따라 학습된 인공지능모델에 상기 기업 정보 및 상기 공급자 정보를 입력하여 출력된 출력 값을 기반으로, 현재 한국전력에서 제공하고 있는 복수의 PPA 요금 계획 중, 상기 기업 정보에 대응하는 적어도 하나 이상의 PPA(Power Purchase Agreement) 요금 계획을 선별하는 단계; 및(d) 상기 기업 단말로, 해당 기업의 현행 전기요금제와, 상기 (b)단계에서 선별된 PPA 요금 계획에 따르는 전력구매 요금을 비교하여 절감액 정보를 제공하는 단계를 포함하고;상기 (a)단계에서 태양광 패널 고장 예측 판단 단계는,태양광 패널의 유형에 따라 서지전압, 서지전류, 낙뢰, 유도 노이즈의 검출을 위한 시구간을 결정하고, 태양광 패널의 유형에 따라 기존 학습된 데이터와 비교하는 오버래핑 구간을 [수학식]에 따라 파악하고, 상기 오버래핑 구간의 길이에 따라서 이상징후 가능성을 예측하는 것을 특징으로 하는 인공지능모델 기반의 기업 맞춤형 태양광 PPA솔루션 제공 방법.[수학식]Range_overlap = Interval_Max * (S_aftern/S_beforem)(여기에서, Range_overlap는 오버래핑의 구간, (S_aftern/S_beforem)는 태양광 패널의 기준 이상상태 신호 대비 현재 태양광 패널 신호의 변화율(또는 변화량)에 대한 값에 해당하고, S_before는 학습된 태양광 패널 이상상태 출력신호 이고, S_after는 현재 태양광 패널 출력신호에 해당하고, n은 태양광 패널 설치후 기간경과에 따른 변수를 적용한 전압 및 전류 감소 비율이며, m은 태양광 패널 출력신호 학습당시 태양광 패널의 연식에 따른 변수를 적용한 전압 및 전류 감소비율이고, Interval_Max는 태양광 패널의 출력신호 수집 시구간이 최대로 오버래핑될 수 있는 최대 오버래핑 구간에 해당한다.)

삭제