요약
건물별 에너지 수요 예측은 데이터 부족과 높은 개발 비용에 막힌다. 이 연구는 비지도 대조학습 인코더 TS2Vec으로 시계열 유사도를 재고, 영국 케임브리지 건물들의 익명화된 전력 데이터로 효과를 보였다.
표현 벡터를 뽑는 시간 창을 유연하게 조절해, 단순 평균 유사도보다 유사도 높은 구간을 더 잘 찾는다. 주성분 분석과 이동 창 코사인 유사도로 복잡한 다변량 시계열의 유사도를 읽기 쉽게 만들었다.
- 동적 유사도는 건물 에너지 사용 패턴의 복잡함을 잘 잡는다.
- 가장 알맞은 원본 데이터를 자동으로 찾아 전이학습을 최적화할 수 있다.
- 시간에 따른 유사도 변화로 모델을 고르거나 앙상블하는 길을 연다.
이 연구는 Applied Energy에 실린 개인정보 보호 전이학습 프레임워크로 이어졌다.
저자
최원준, 이상원, Max Langtry, Ruchi Choudhary