건물 모니터링 데이터의 결측값 대치 시스템에 있어서,건물 모니터링 데이터를 수집하고 결측값 발생 메커니즘, 결측값 발생 구간 및 결측 발생 빈도를 판단하여 결측값 발생 유형을 판단하는 결측값 발생 유형 판단부; 및데이터 특성, 결측값 발생 유형 및 결측값 대치 방법을 고려하여 대치값을 생성하는 대치 데이터 생성부;를 포함하는 건물 모니터링 데이터의 결측값 대치 시스템.

제1항에 있어서,상기 건물 모니터링 데이터는 용도별 에너지 사용량 데이터, 재실자 행태 데이터 및 환경 데이터를 포함하고,상기 용도별 에너지 사용량 데이터는 건물 전체 전력 데이터, 환기 데이터, 조명 데이터, 취사 데이터, 플러그 부하 데이터 및 냉방 데이터를 포함하며,상기 건물 전체 전력 데이터는 건물 전체에서 사용되는 전기 에너지의 소비량을 포함하고, 상기 환기 데이터는 건물 내 설치된 전열 교환기 가동 시 소비되는 전력을 포함하며, 상기 조명 데이터는 건물 전체에서 사용되고 있는 조명의 소비 전력 합계를 포함하고, 상기 취사 데이터는 주방에서 사용되는 인덕션의 소비 전력을 포함하며, 상기 플러그 부하 데이터는 건물 내 전열기기 사용으로 소비되는 전력량을 포함하고, 상기 냉방 데이터는 각 층에 설치된 실내기와 외부에 설치된 실외기의 전력 사용량이 합산된 값을 포함하며,상기 재실자 행태 데이터는 특정 지점에 대한 재실자의 시간당 공간 점유율을 포함하고,상기 환경 데이터는 실내 온도, 실내 상대습도를 포함하는 실내 환경 정보 및 외부 온도, 외부 상대습도를 포함하는 외부 환경정보를 포함하는 건물 모니터링 데이터의 결측값 대치 시스템.

제1항에 있어서,상기 결측값 발생 유형 판단부는,상기 결측값이 발생하는 데 있어 임의성의 정도에 따라 상기 결측값 발생 메커니즘을 판단하고, 상기 결측값의 연속성 여부에 따라 상기 결측값 발생 구간을 구분하며,데이터세트에서 결측값이 차지하는 정도에 따른 상기 결측 발생 빈도를 구분하는 건물 모니터링 데이터의 결측값 대치 시스템.

제1항에 있어서,상기 대치 데이터 생성부는,데이터의 변동성과 데이터 항목 간의 관계 여부를 분석하는 데이터 특성 분석부;상기 데이터 특성에 따라 상기 결측값 대치 방법을 선택하는 대치 방법 선택부; 및선택한 상기 결측값 대치 방법에 따라 대치값을 생성하는 대치값 생성부;를 포함하는 건물 모니터링 데이터의 결측값 대치 시스템.

제4항에 있어서,상기 결측값 대치 방법은,데이터 계열의 평균값으로 상기 결측값을 대치하는 평균 대치 방법, 결측 구간의 인접한 값을 선형으로 연결하여 결측 구간의 길이와 인접한 두 값의 차이를 계산해 대치값을 보간하는 선형보간 방법, 한 개 이상의 독립변수를 활용해 종속변수를 추정하는 다중 선형 회귀(MLR) 방법, 인공신경망의 피드포워드 방식 중 하나로 입력층, 출력층, 그리고 하나 이상의 은닉층으로 구성된 다층 퍼셉트론(MLP) 방법, 초평면을 통해 데이터를 분류 및 회귀 분석하는 기계학습 기법인 서포트 벡터 머신(SVM) 및 다수의 CART(Classification and regression tree)로 구성된 앙상블 예측 알고리즘인 랜덤 포레스트(RF) 방법을 포함하는 건물 모니터링 데이터의 결측값 대치 시스템.

제1항에 따른 건물 모니터링 데이터의 결측값 대치 시스템의 동작 방법으로서,건물 모니터링 데이터를 수집하는 데이터 수집 단계;결측값 발생 메커니즘, 결측값 발생 구간 및 결측 발생 빈도를 판단하여 결측값 발생 유형을 판단하는 결측값 발생 유형 판단 단계; 및데이터 특성, 결측값 발생 유형 및 결측값 대치 방법을 고려하여 대치값을 생성하는 대치 데이터 생성 단계;를 포함하는 건물 모니터링 데이터의 결측값 대치 방법.

제6항에 있어서,상기 건물 모니터링 데이터는 용도별 에너지 사용량 데이터, 재실자 행태 데이터 및 환경 데이터를 포함하고,상기 용도별 에너지 사용량 데이터는 건물 전체 전력 데이터, 환기 데이터, 조명 데이터, 취사 데이터, 플러그 부하 데이터 및 냉방 데이터를 포함하며,상기 환기 데이터는 건물 내 설치된 전열 교환기 가동 시 소비되는 전력을 포함하고, 상기 조명 데이터는 건물 전체에서 사용되고 있는 조명의 소비 전력 합계를 포함하며, 상기 취사 데이터는 주방에서 사용되는 인덕션의 소비 전력을 포함하고, 상기 플러그 부하 데이터는 건물 내 전열기기 사용으로 소비되는 전력량을 포함하며, 상기 냉방 데이터는 각 층에 설치된 실내기와 외부에 설치된 실외기의 전력 사용량이 합산된 값을 포함하고,상기 재실자 행태 데이터는 특정 지점에 대한 재실자의 시간당 공간 점유율을 포함하며,상기 환경 데이터는 실내 온도, 실내 상대습도를 포함하는 실내 환경 정보 및 외부 온도, 외부 상대습도를 포함하는 외부 환경정보를 포함하는 건물 모니터링 데이터의 결측값 대치 방법.

제6항에 있어서,상기 결측값 발생 유형 판단 단계는,상기 결측값이 발생하는 데 있어 임의성의 정도에 따라 상기 결측값 발생 메커니즘을 판단하고, 상기 결측값의 연속성 여부에 따라 상기 결측값 발생 구간을 구분하며, 데이터세트에서 결측값이 차지하는 정도에 따른 상기 결측 발생 빈도를 구분하는 건물 모니터링 데이터의 결측값 대치 방법.

제6항에 있어서,상기 대치 데이터 생성 단계는,데이터의 변동성과 데이터 항목 간의 관계 여부를 분석하는 데이터 특성 분석 단계;상기 데이터 특성에 따라 상기 결측값 대치 방법을 선택하는 대치 방법 선택 단계; 및선택한 상기 결측값 대치 방법에 따라 대치값을 생성하는 대치값 생성 단계;를 포함하는 건물 모니터링 데이터의 결측값 대치 방법.

제9항에 있어서,상기 결측값 대치 방법은,데이터 계열의 평균값으로 상기 결측값을 대치하는 평균 대치 방법, 결측 구간의 인접한 값을 선형으로 연결하여 결측 구간의 길이와 인접한 두 값의 차이를 계산해 대치값을 보간하는 선형보간 방법, 한 개 이상의 독립변수를 활용해 종속변수를 추정하는 다중 선형 회귀(MLR) 방법, 인공신경망의 피드포워드 방식 중 하나로 입력층, 출력층, 그리고 하나 이상의 은닉층으로 구성된 다층 퍼셉트론(MLP) 방법, 초평면을 통해 데이터를 분류 및 회귀 분석하는 기계학습 기법인 서포트 벡터 머신(SVM) 및 다수의 CART(Classification and regression tree)로 구성된 앙상블 예측 알고리즘 중 하나인 랜덤 포레스트(RF) 방법을 포함하는 건물 모니터링 데이터의 결측값 대치 방법.