• 한국신재생에너지학회:학술대회논문집
• /
• 2011.11a
• /
• pp.131-131
• /
• 2011

태양광 및 태양열 설비의 효율적인 관리를 위해서는 관련 일사정보가 사전정보로 제공되어 시스템 운용을 위한 입력인자로 활용되어야 한다. 특히 전력그리드에 연계되어 설비가 활용된다고 하면, 그 에너지 공급이 불규칙적인 신재생에너지원의 특성으로 인해 에너지 공급량의 예측이 선행되어 기존의 전력공급체계가 이를 지원할 수 있는 모델과 시스템이 구비되어야 한다. 기존의 다양한 연구들이 한정된 국소지점에 대해 다양한 예측기법을 적용하여 평가를 실시하였지만, 장기간의 결과 축적이 이루어지지 못해 그 신뢰성 확보에 어려움을 겪고 있다. 본 연구에서는 현재 한국에너지기술연구원에서 관리되는 일사정보를 활용하여 청명한 날의 표준 일사 데이터베이스를 생성하고, 기상청에서 RSS(Rich Site Summary) 형태로 지원하는 운량정보를 이용하여 3시간 이상의 미래정보를 계속적으로 산출할 수 있는 시스템을 제작하고자 하였다.

• 에너지협의회보
• /
• s.30
• /
• pp.22-27
• /
• 1994

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.6
• /
• pp.883-888
• /
• 2023

Since data centers are places that provide IT services 24 hours a day, 365 days a year, data center power consumption is expected to increase to approximately 10% by 2030, and the introduction of high-density IT equipment will gradually increase. In order to ensure the stable operation of IT equipment, various types of research are required to conserve energy in cooling and improve energy management. This study proposes the following process for energy saving in data centers. We conducted CFD modeling of the data center, proposed an artificial intelligence-based thermal environment prediction model, compared actual measured data, the predicted model, and the CFD results, and finally evaluated the data center's thermal management performance. It can be seen that the predicted values of RCI, RTI, and PUE are also similar according to the normalization used in the normalization method. Therefore, it is judged that the algorithm proposed in this study can be applied and provided as a thermal environment prediction model applied to data centers.

• The Journal of Bigdata
• /
• v.6 no.1
• /
• pp.127-132
• /
• 2021

Korea is both a resource-poor country and a energy-consuming country. In addition, the use and dependence on electricity is very high, and more than 20% of total energy use is consumed in buildings. As research on deep learning and machine learning is active, research is underway to apply various algorithms to energy efficiency fields, and the introduction of building energy management systems (BEMS) for efficient energy management is increasing. In this paper, we constructed a database based on energy usage by device per household directly collected using smart plugs. We also implement algorithms that effectively analyze and predict the data collected using RNN and LSTM models. In the future, this data can be applied to analysis of power consumption patterns beyond prediction of energy consumption. This can help improve energy efficiency and is expected to help manage effective power usage through prediction of future data.

• 한국신재생에너지학회:학술대회논문집
• /
• 2010.11a
• /
• pp.181.2-181.2
• /
• 2010

탄소함유 에너지원의 고갈과 가격상승, 이들 에너지 사용에 수반되는 지구 온난화 문제들로 세계는 새로운 에너지원을 도입하고자 노력하고 있다. 그 중 풍력에너지는 자원이 풍부하고 끊임없이 재생되며 광범위한 지역에 분포되어 있고, 운전 중에 온실가스의 배출이 없다는 점에서 가장 경제성이 있고 유용한 에너지원으로 인식되고 있다. 풍력발전기는 선진 국가에서부터 꾸준히 성장해 왔으며, 그 성능을 개선시키기 위하여 많은 연구가 진행되고 있다. 풍력발전기를 설치하여 발전단지를 조성함에 있어서 발전량을 예측하기 위해서 발전기가 세워질 모든 지점에 허브높이의 실측타워를 세워 풍황데이터를 측정하여야 하지만 이런 방법은 재정적인 부담이 매우 크다. 따라서 본 논문에서는 서산기상대에서 측정된 기상데이터를 이용하여 태안해안국립공원내 만리포해수욕장 지역의 풍황 및 발전량을 예측하였다. 이 때 풍황 및 발전량 예측은 풍력단지 설계를 목적으로 사용되고 있는 WindPRO Basic과 WAsP-Interface 모듈을 이용하였다. 이렇게 예측된 풍황을 이용하여 발전단지를 조성하고, PARK 모듈을 사용하여 발전단지의 에너지를 계산하였으며, WindBANK 모듈을 이용하여 단지의 경제성을 평가하였다.

• Journal of Internet Computing and Services
• /
• v.9 no.5
• /
• pp.165-173
• /
• 2008

Hybrid ad hoc networks are integrated networks referred to Home Networks, Telematics and Sensor networks can offer various services. Specially, in ad hoc network where each node is responsible for forwarding neighbor nodes' data packets, it should net only reduce the overall energy consumption but also balance individual battery power. Unbalanced energy usage will result in earlier node failure in overloaded nodes. it leads to network partitioning and reduces network lifetime. Therefore, this paper studied the routing protocol considering efficiency of energy. The suggested algorithm can predict the status of energy in each node using the energy prediction model. This can reduce the overload of establishing route path and balance individual battery power. The suggested algorithm can reduce power consumption as well as increase network lifetime.

• Smart Media Journal
• /
• v.9 no.1
• /
• pp.84-91
• /
• 2020

Along with increasing the renewable energy utilization, many researches have paid attention on the utilization and efficiency of energy storage systems. Especially, it is required an operational model in order to actively respond with each system's failure of sub-systems in the solar energy storage system. This paper proposes an energy management scheme by estimating the newly generated power based on the solar power generation samples. With comparing the estimated battery charging power in real time and the total charging power of the battery rack, a charge model is applied to adjust the charging power, As a result, the stability of energy storage system would be improved by suppressing the battery heat while maintaining battery C-Rate.

• Journal of Energy Engineering
• /
• v.4 no.3
• /
• pp.387-393
• /
• 1995

본 연구에서는 단기 전력수요예측에 있어서 필요한 데이터의 수와 계산시간을 경감하면서 보다 정확성을 기할 수 있는 앨고리즘의 개발을 위하여 이에 적합한 칼만필터링 앨고리즘을 고찰하였다. 또한 칼만필터 앨고리즘을 토대로 필터의 모형화를 통하여 단기 전력수요를 예측할 수 있는 실시간 동적예측 모형을 구축하고 그 적용 가능성을 시험하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.571-574
• /
• 2016

최근 에너지 효율을 최적화하는 차세대 지능형 전력망인 스마트 그리드 시스템(Smart Grid System)이 국내외에 널리 보급되고 있다. 그로 인해 그리드 시스템의 효율적인 운영을 위해 적용되는 EMS(Energy Management System) 기술의 중요성이 커지고 있다. EMS는 에너지 사용량 예측의 높은 정확성이 요구되며, 예측이 정확하게 수행될수록 에너지의 활용성이 높아진다. 본 논문은 전력 사용량 예측의 정확성 향상을 위한 새로운 기법을 제안한다. 구체적으로, 먼저 사용량에 영향을 미치는 환경적인 요인들을 분석한다. 분석된 요인들을 적용하여 유사한 환경을 가지는 전력 사용량 데이터의 사전 군집화를 수행한다. 그리고 예측 일에 관련된 환경 정보와 가장 유사한 군집의 전력 사용량 데이터를 기반으로 전력 사용량을 예측한다. 제안하는 기법의 성능을 평가하기 위해, 다양한 실험을 통하여 일간 전력 사용량을 예측하고 그 정확성을 측정하였다. 결과적으로, 기존의 기법들과 비교했을 때, 최대 52.88% 향상된 전력 사용량 예측 정확성을 보였다.

• Journal of Internet Computing and Services
• /
• v.24 no.2
• /
• pp.57-66
• /
• 2023

Currently, a new energy system is emerging that implements consumption reduction by improving energy efficiency. Accordingly, as smart grids spread, the rate system by timing is expanding. The rate system by timing is a rate system that applies different rates by season/hour to pay according to usage. In this study, external factors such as temperature/day/time/season are considered and the time series prediction model, LSTM, is used to predict energy power usage data. Based on this energy usage prediction model, energy usage charges are reduced by analyzing usage patterns for each device and transferring power energy from the maximum load time to the light load time. In order to analyze the usage pattern for each device, a clustering technique is used to learn and classify the usage pattern of the device by time. In summary, this study predicts usage and usage fees based on the user's power data usage, analyzes usage patterns by device, and provides customized demand transfer services based on analysis, resulting in cost reduction for users.