시계열 데이터의 패턴을 분석하기 위해서는 주성분 분석이나 오토인코더와 같은 통계적 기법을 사용하거나 순환신경망 같은 딥러닝 모델을 기반으로 시계열 데이터의 특징을 활용한다. 그러나 데이터가 기록되는 환경 및 원인이 단순하지 않고 다양한 변인이 영향을 미치기 때문에 간단한 통계적 기법 또는 순환신경망 기반 딥러닝 모델만으로 좋은 성능을 기대하기 어렵다. 본 논문에서는 시계열 데이터를 이미지화시켜서 대표적인 이미지의 이진(Binary) 분류 모델인 컨볼루션 신경망 기반의 딥러닝 모델을 사용하여 전력 데이터를 분류하는 방법을 제안했다. 모델을 학습하기 위해 빌딩별 전력 소모 데이터를 하루마다 이미지로 만들어서 총 85개의 이미지를 사용했고, 주중 혹은 주말 데이터로 이진 분류했다. 이미지화를 위한 방법으로 RP (Recurrence Plot), GAF (Gramian Angular Field), MTF (Markov Transition Field) 알고리즘을 사용했다. 모든 시계열 이미지 모델이 기존 LSTM (Long Short-Term Memory) 기반 모델보다 동등하거나 더 높은 정확도를 보여줬고, 이미지화 기반 컨볼루션 신경망 모델 중에서 MTF 알고리즘으로 이미지화한 방법이 0.96의 F1-Score를 도출하여 가장 정확한 결과를 보여줬다.