• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.571-573
• /
• 2020

현재의 센서네트워크 환경은 자원사용의 효율화를 위한 제어시스템의 지원이 필수적으로 요구된다. 본 논문은 이동에이전트 기반의 데이터 획득기능, Zigbee 기반 데이터 통신기능, 연산 및 능동규칙 처리기능 등을 지원하는 분산제어 프레임워크를 제안함으로써, 센서네트워크 환경에서 무선방식의 분산된 장치들의 자율제어를 통한 효율적 분산제어시스템 구축에 적용하도록 한다. 제안 프레임워크는 환경 변화, 사용자의 행동 변화 및 이상 패턴 탐지 등에 따른 최적 제어를 기반으로 하는 스마트 전력서비스 개발과 수요자의 요구에 자율적 지능적으로 반응하는 수요반응 서비스 개발에 적용이 가능하다.

• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 1998.05a
• /
• pp.179-184
• /
• 1998

'90년대 이후 전기에너지의 효율적 이용에 따른 절약과 전력사용패턴의 개선을 목적으로 하는 수요관리 즉 DSM(Demand Side Management)의 중요성이 증대되고 있다. 하지만 전기소비량의 약 60%를 차지하는 산업용에 대해서는 전동기 보급율 조사, 냉방수요 행태 조사 및 조명기기 보급실태 조사와 같이 단일기기나 온도에 대한 조사 및 분석만이 이루어져 왔으며, 산업용 전체를 대상으로 업종별 End-Use별 사용실태 조사, 분석, 예측 등 체계적 분석이 이루어지지 않았다. (중략)

• Electronics and Telecommunications Trends
• /
• v.28 no.3
• /
• pp.115-124
• /
• 2013

모빌리티 수요의 증가, 클라우드 서비스의 급증, 트래픽 패턴의 변화, 새로운 네트워크 아키텍처에 대한 수요는 네트워크 가상화와 SDN(Software Defined Network)에 많은 관심을 불러 일으키고 있다. 네트워크 가상화란 가용 대역폭을 채널로 종합하는 하나 이상의 논리적 네트워크로 물리적인 네트워크를 세분화하는 것을 말한다. 사업자들이 직면한 많은 문제 해결의 솔루션으로 네트워크 가상화가 대두되면서 폭발적인 성장세를 보이고 있으며 산업 생태계에 많은 변화를 예고하고 있다. 사업자들은 서로의 영역을 존중하던 기조에서 벗어나 영역을 침범하기 시작하고 치열한 경쟁이 예상된다. 본 연구를 통해 네트워크 가상화의 등장 배경과 트렌드를 조망하고, 네트워크 가상화 및 SDN으로 인한 산업동향을 분석함으로써 향후 발전방향 및 대응전략을 살펴보고 시사점을 도출하고자 하였다.

• Journal of the Korean Institute of Landscape Architecture
• /
• v.48 no.1
• /
• pp.1-14
• /
• 2020

Various policies and studies regarding use of PBSS (Public Bike Sharing System) and Programs (PBSP) have been conducted worldwide as the number systems or programs has increased. Although various phenomena and demands have been generated by the use of PBSS in everyday life, the majority of research and the policies in South Korea have been implemented focused on commuting life. The purpose of this study aimed to understand various PBSS demands using PBSS usage data in 2018 in the Yeouido districts through classifying usage patterns and analyzing features. The rental stations were classified into three types based on weekday/weekend usage rates. The usage of Yeouido's PBSS accounted for 4.3% of the total usage in Seoul Metropolitan City, while the number of PBSS rental stations accounted for 2% of all rental stations in the Seoul urban areas. Rental stations with a higher weekday utilization rates showed high utilization rates in all four seasons and were mainly distributed in work and residential areas. Other stations showed a concentrated usage pattern in spring (April-May) and autumn (September-October) seasons, and their locations were close to the entrance of nearby parks. Besides, renting and returning were often concentrated at certain rental stations for high weekend utilization as compared to the pattern of high weekday usage. Therefore, PBSS management and programs should be operated to reflect various usage demands rather than uniform PBSS operations. The result of this study is meaningful to provide basic data for effective PBSS operation by monitoring the demand for PBSS usage in spatio-temporal terms.

• Journal of Korean Society of Transportation
• /
• v.24 no.1 s.87
• /
• pp.97-108
• /
• 2006

At present, Korean many cities depend on subjective judgements of experts to estimate the number of bus-stops and inter-stop space. To get reliable results by using more objective procedure, we search for old studies and models, but they don't concern alighting demands and a random demand distributions. Our study recognize and overcome these limitation. We devide the demand into boarding and alighting demands, and define the model that can estimate flexibly optimal number of bus-stop and inter-stop space on each segment by the demand distribution. Also we apply this new model to a simple example route having various demand distributions As a result, the number of bus-stop on each segment can be estimate flexibly in proportion to boarding or alighting demand by using this model.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.37 no.8C
• /
• pp.741-749
• /
• 2012

Since introduction of smart phone in Korean mobile telecommunication market, mobile internet service market has changed dramatically. Although there have been many heated discussion of pro and cons of recent tremendous growth of mobile traffic, mobile data service market has contributed to re-development of whole telecommunication market. This paper is aimed at empirically test and confirms the occurrence of induced demand resulted from LTE service launching. In conclusion, we suggest the direction of regulation and policy for sustainable development of mobile internet service.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.200-203
• /
• 2008

최근 전력산업에서의 에너지 가격 및 공급과 수요의 변동, 그리고 기후의 변화에 의해서 부하 예측은 전력회사 경영방침 계획에 있어 중요한 요소가 되었다. 이 논문에서 전력계통의 최적 운용 계획을 위하여 우리가 제안한 기법은 다차원 분석이 가능한 3D 큐브 마이닝과 시간의 변화에 따른 패턴 예측이 가능한 캘린더 기반 시간 데이터 마이닝 기법이다. 이를 통하여 무선 부하 감시 시스템의 부하 데이터의 다차원 분석이 가능하고, 시간 변화에 따른 서로 다른 부하 패턴의 예측이 가능하도록 한다.

• The Korean Journal of Applied Statistics
• /
• v.32 no.6
• /
• pp.795-835
• /
• 2019

Big data has been generated in various fields. Many companies have now tried to make profits by building a system capable of analyzing big data based on artificial intelligence (AI) techniques. Integrating AI technology has made analyzing and utilizing vast amounts of data increasingly valuable. In particular, demand forecasting with maximum accuracy is critical to government and business management in various fields such as finance, procurement, production and marketing. In this case, it is important to apply an appropriate model that considers the demand pattern for each field. It is possible to analyze complex patterns of real data that can also be enlarged by a traditional time series model or regression model. However, choosing the right model among the various models is difficult without prior knowledge. Many studies based on AI techniques such as machine learning and deep learning have been proven to overcome these problems. In addition, demand forecasting through the analysis of stereotyped data and unstructured data of images or texts has also shown high accuracy. This paper introduces important areas where demand forecasts are relatively active as well as introduces machine learning and deep learning techniques that consider the characteristics of each field.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.279-280
• /
• 2009

최근 경세성장과 함께 생활수준의 향상으로 인하여 에너지 수요는 매년 증가하고 있으며 그 중에서 하나인 전력수요도 역시 급격히 늘어나고 있는 추세이다. 이와 더불어 투자자원 및 입지확보의 어려움, 환경제약의 문제로 전력 공급의 어려움은 날로 증가되고 있다. 따라서 수요증가를 전력공급 능력의 증진뿐만 아니라 수요관리 측면에서도 필요성이 대두되고 있다. 전력선 통신은 전력선을 매체로 하기 때문에 신규선로의 포설 없이 가전기기 및 정보화 서비스 모뎀들의 네트워크화에 용이할 뿐만 아니라 커버리지 확장에도 뛰어나서 디지털 가전, 원격검침, 전력설비 감시제어, 국가 재난 감시 시스템 등의 기본 통신 방식으로 가장 유력한 기술로써 디지털 가전을 포함한 유비쿼터스 전기설비 네트워크 구성에서 필수적 기술로 채택되고 있기 때문에 지능형 홈 네트워크, 전력IT 부가서비스, 설비감시 네트워크, 유비쿼터스 네트워크 관련 기술에 대한 파급 효과가 매우 크며, 디지털 가전의 기본 통신 방식으로 가장 유력한 기술로써 디지털 가전 구성에서 필수적 기술로 채택되고 있기 때문에 지능형 홈 네트워크 관련 기술에 대한 파급 효과가 매우 크다. 본 연구에서는 전력선통신모뎀을 이용하여 가전기기의 전력 소비를 감지할 수 있는 센서를 내장한 전력선 통신기반의 전력 감시 모듈을 개발하여 실시간 원격 모니터링을 통해 소비전력 패턴을 작성한다. 그리고 전력감시 모듈에 연결된 가전기기의 소비전력 패턴 분석을 통해 전력소비 이상 유무를 감지할 수 있는 알고리즘을 개발, 탑재하여 이상유무를 판단하고 전력소비가 급증할 시 자동으로 전력을 차단하여 화재나 누전의 위험을 방지한다. 이에 본 연구는 전력선통신을 이용하여 전력소비감시 및 이상전력차단에 관한 연구에 관한 것이다.

• Journal of IKEEE
• /
• v.23 no.1
• /
• pp.134-142
• /
• 2019

As the development of internet of energy (IoE) technologies and spread of various electronic devices have diversified patterns of energy consumption, the reliability of demand prediction has decreased, causing problems in optimization of power generation and stabilization of power supply. In this study, we propose a deep learning method, 1-Dimention-Convolution and Bidirectional Long Short-Term Memory (1D-ConvBLSTM), that combines a convolution neural network (CNN) and a Bidirectional Long Short-Term Memory(BLSTM) for highly reliable demand forecasting by effectively extracting the energy consumption pattern. In experimental results, the demand is predicted with the proposed deep learning method for various number of learning iterations and feature maps, and it is verified that the test data is predicted with a small number of iterations.