• 태양에너지
• /
• 제20권3호
• /
• pp.21-30
• /
• 2000

It is necessary to estimate the regression coefficients in order to predict the monthly mean daily global radiation on a horizontal surface. Therefore many different equations have proposed to evaluate them for certain areas. In this work, a new correlation has been made to predict the solar radiation for any area over Korea by estimating the regression coefficients taking into account percentage of possible sunshine, and cloud cover. Particularly, the multiple linear regression model proposed shows reliable results for estimating the global radiation with average deviation of -1 to 3 % from the measured values.

• 한국태양에너지학회 논문집
• /
• 제22권3호
• /
• pp.77-87
• /
• 2002

그 열흐름의 방향이 인위적으로 조절 가능한 열다이오드 시스템에 관하여 일차원적 열전달 모델을 통하여 시스템의 열성능을 분석하였다. 열다이오드 시스템은 다수의 폐회로 유체 순환 루프로 구성되었으며 루프의 양단은 각각 태양열 흡열판과 방열판에 부착되었다. 한편, 열흐름의 방향 조절을 위하여 루프를 구성하는 튜브재의 연결 부위는 회전 가능한 조인트로 연결하였으며 열매체포는 물을 사용하였다. 본 연구에서는 열다이오드 시스템에 대하여 간단한 1차원 모델을 이용하여 시스템의 열성능을 평가하였으며 아울러 실측 결과와의 비교를 통하여 본 모델의 적용을 통한 시스템의 장기 예측에 대한 가능성을 확인하였다.

• 한국화재소방학회논문지
• /
• 제11권2호
• /
• pp.3-10
• /
• 1997

열량과 열발화이론의 개념을 근거로 최소발화에너지의 온도의폰성에 대한 이론적 고찰을 시도하였 다. 이 이론적 근거를 바탕으로 통계학적 및 수학적 방법을 기초로 하여 용도 변화에 의한 최소발화에 너지를 예측하는 식을 제시하였다. 본 연구에서 제시한 방법론에 의해 탄화수소인 프로판과 노말펜탄 에 적용한 결과 제시한 예측식과 문헌값이 거의 일치함을 알 수 있다.

• 한국에너지공학회:학술대회논문집
• /
• 한국에너지공학회 1994년도 추계학술발표회 초록집
• /
• pp.17-22
• /
• 1994

오류역전파 신경망을 인산형 연료전지의 조업변수인 산소 및 수소 유량, 작동온도에 대하여 학습시켜 연료전지 모델을 구성하였다. 또한 구성된 모델을 이용하여 다양한 조업조건에서의 단위전지 성능을 예측하여 이를 실험결과와 비교하였으며, 학습된 신경망을 ASPEN PLUS의 단위공정으로 도입하여 50kW 출력의 연료전지 공정을 구성한 후 조업변수에 대한 영향을 살펴보았다. 3개의 층으로 구성된 오류역전파 신경망은 학습단계상수와 모멘텀이 각각 0.7 및 0.9인 경우 단위전지 성능곡선을 가장 정확히 학습하였으며, 이에 의하여 구성된 신경망 모델은 수소 및 산소의 유량, 온도의 변화에 따른 단위전지 성능곡선의 변화를 정확히 예측하였다. 연료전지 전체공정의 모사에서는 개질기의 경우 $600^{\circ}C$의 상압에서 수증기/탄화수소 비율이 2.6일 때, 연료전지의 경우 작동온도가 190~20$0^{\circ}C$일 때 연료전지의 출력이 최대값을 나타내었으며, 단위전지의 전기화학적 효율은 약 45%, 수소이용률은 약 61%, 발전시스템 전체의 효율은 18%이었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.250-252
• /
• 2019

국내의 전력 산업은 부정확한 전력수요 예측으로 전력부족과 공급과잉의 주기적 반복이 발생하여 전력 과생산, 에너지 낭비, 전력 과소비와 요금 체납 등의 문제가 발생하고 있다. 이를 해결하기 위해 본 논문에서는 LSTM 알고리즘을 사용하여 전력사용량 예측하고, 정량의 전력을 선구입 할 수 있도록 설계하였다. 제안하는 시스템은 스마트그리드 환경과 인공지능으로 정량의 전기를 구입 할 수 없는 기존의 전력 산업 문제를 보완하여 소비자의 전기요금 절감과 에너지 절약이 가능하다.

• EDISON SW 활용 경진대회 논문집
• /
• 제3회(2014년)
• /
• pp.211-224
• /
• 2014

금속을 포함한 분자에 대한 양자계산은 정확하고 일관된 결과를 얻기가 힘들 뿐만 아니라 상당한 컴퓨터 자원을 소비하며 많은 시간이 소요된다. 본 연구에서는 복잡한 양자계산의 근사를 위한 방법으로 본래 정성적인 구조 예측에 사용되는 닮은 궤도함수분석(Isolobal Analysis)을 정량적인 측면에서 접근해보고, 이를 통해 닮은 궤도(Isolobal) 구조를 가지고 있는 단위들(radical 등)에 대해서 계산을 근사할 수 있는 방법에 대해 논의한다. $CH_3$, $CH_2$와 닮은 궤도 구조를 가진 전형 원소를 중심으로 하는 분자들에 대해 가장 기초적인 근사계산인 Hartree-Fock 양자계산을 수행하였다. $(CUH_5){_2}^{2-}$를 표적으로 결합 구조를 예측하기 위한 경향성을 계산한 결합 성질로부터 파악한다. 분석 결과 동일한 주기에 대해서는 원자반지름(Atomic radii)에 대해 조화 형태의 결합에너지가 얻어졌으며, 동일한 족에 대해서는 좋은 근사가 되지 않았다. 파악된 경향성을 바탕으로 금속의 결합을 근사한 에너지에 대해서는 -1054.1875 kJ/mol로 비교적 큰 오차를 보였으나, 오차 항에 대한 분석이 가능해 추가적인 계들에 대한 계산으로 근사를 교정할 수 있을 것으로 보인다.

• 신재생에너지
• /
• 제18권2호
• /
• pp.18-25
• /
• 2022

In this study, we propose a wind power generation prediction system that applies machine learning and data mining to predict wind power generation. This system increases the utilization rate of new and renewable energy sources. For time-series data, the data set was established by measuring wind speed, wind generation, and environmental factors influencing the wind speed. The data set was pre-processed so that it could be applied appropriately to the model. The prediction system applied the CNN (Convolutional Neural Network) to the data mining process and then used the LSTM (Long Short-Term Memory) to learn and make predictions. The preciseness of the proposed system is verified by comparing the prediction data with the actual data, according to the presence or absence of data mining in the model of the prediction system.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.286-289
• /
• 2009

센서 네트워크 구조에서는 많은 수의 센서 노드들이 지속적으로 센서 데이터를 베이스 스테이션(Base Station)으로 전송한다. 각 노드의 샘플링 주기는 베이스 스테이션으로 전송되는 길목의 네트워크 자원인 대역폭, 계산 비용 등에 지대한 영향을 끼친다. 본 논문에서는 샘플링 대상의 스트림 데이터 특성에 따른 각 노드의 샘플링 주기에 관련된 새로운 적응적 샘플링 기법을 제안한다. 본 논문에서는 KF(Kalman-Filter) 에 기반을 둔 예측 기법을 사용하였다. 이는 각 노드는 KF의 예측값과 실측값의 차를 사용하여 허용된 범위 안에서 자동적으로 샘플링 주기를 조정하는 방식이다. 따라서, 우리는 샘플링 대상의 데이터 특성에 따른 우선순위에 기반 네트워크 자원을 효과적으로 사용하고 Dual Kalman Filter(DKF) 기법과 결합하여 센서 네트워크에서의 가장 큰 문제 중 하나인 에너지 소비의 최소화하면서 효과적으로 근사 데이터 전송하도록 하여 에너지 소비량을 줄였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.583-584
• /
• 2020

본 논문은 신재생에너지와 전기자동차의 보급이 활발한 제주시에서 태양광 발전량과 기후변화 기록들을 활용할 수 있는 데이터처리 프레임워크를 구축하고 인공신경망으로 태양광 발전량 예측모델을 구축한다. 이 인공신경망 모델은 일조시간, 일사량, 전운량 등을 입력 노드로 설정하고 일별 생산량을 출력 노드로 설정한다. 가장 상관관계가 높은 발전기 3개에서 학습 패턴을 추출하였으며, 모든 대상 발전기에 대해 최대 평균 오류율은 평균 36.7 %를 보이고 있다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.130-132
• /
• 2020

배터리 시스템은 어플리케이션의 대영화에 따른 데이터 저장공간 문제 및 연속적인 배터리 신뢰성 문제 해결을 위한 건전성 예측 및 관리기술 접목에 관한 문제에 직면해 있으며, 이러한 문제 해결을 위해서는 배터리 시스템 신호를 통해 추출 가능한 건전성 지표 수립이 중요하다. 본 논문은 건전성 지표를 물리적, 간접적 지표로써 정의하고, 사이클 노화 데이터를 통해 건전성 지표로써의 성능을 검증하였다.