• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.15 no.12
• /
• pp.2582-2589
• /
• 2011

This Paper proposed the prediction method of fuel consumption from vehicle diagnosis informations through OBD-II Interface. We assumed mass air flow (MAF), shor-term fuel trim (STFT), and long-term fuel trim (LTFT) had a relationship with fuel consumption. We got the output as fuel-consumption from MAF, STFT, and LTFT as input variables. We had modelling as combustion reaction equation with OBD-II data and fuel consumption data supported by automotive company in real. In order to verify the effectiveness of proposed method, 5 km real road-test was performed. The results showed that the proposed method can estimate precisely the fuel consumption from vehicle data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.106-106
• /
• 2011

소수력은 온실가스 배출량이 적은 친환경 청정에너지원이면서 지역의 분산전원에 기여할 수 있는 유용한 자원으로 평가되고 있다. 이러한 여건은 소수력발전 사업이 전력의 smart grid 구축 효과로 인해 가장 큰 효율성을 달성할 수 있을 것으로 기대된다. 국내 소수력발전은 1500Mw의 부존량을 가진 것으로 평가되고 있으나 계절적 편중으로 인한 가동률 부족, 경제성 부족 등으로 활발한 보급이 이루어지지 않고 있다. 특히 신재생에너지 확대 전략에도 불구하고 지원금 등 경제적 인센티브 부족으로 인해 민간부문의 참여는 상당히 저조하다. 그럼에도 불구하고 수력에너지는 환경친화적이고 잠재성이 큰 신재생에너지로 온실가스 저감과 에너지 확보에 기여할 수 있다. 특히 수력에너지는 민간투자의 어려움이 존재하므로 정부의 장기적인 기술개발투자 및 효율성 확대 정책이 중요하다. 본 연구에서는 소수력 확대의 경제 환경적 효과를 평가해보기 위해 연산일반균형모형 (CGE :Computable General Equilibrium Model)을 구축한다. 본 연구는 다음과 같이 수행되었다. 첫째, 수력발전부문과 수도사업을 구분하고 사회회계행렬을 작성하였으며, 전력부문에서 수력발전을 포함한 다단계 생산구조를 가정하였다. 둘째, 일반균형모형 방정식 체계를 작성하고 모형의 파라미터 추정 등 보정(Calibration) 작업을 수행하였다. 셋째, 국가 중기 온실가스저감 시나리오를 적용한 전망을 수행하고 소수력 확대(투자지원) 시나리오를 구축한다. 본 연구는 저감수단으로 탄소세를 부과하였다. 끝으로, 소수력 발전 보급 확대의 경제적, 환경적 파급효과를 계산하였다. 분석결과, 소수력 발전 잠재 성장을 반영한 수력에너지 비중은 약 2020년에 약 4.5% 까지 증가하는 것으로 나타났다. 이로 인한 온실가스 저감 기여분은 약 3%에 이르는 것으로 계산 되었다. 또한 수도사업과 비에너지 제조업의 산업비중은 증가하였다. 이러한 결과는 소수력 발전 확대가 화석연료 대체를 통한 지속가능한 에너지 수요에 기여하고 지역개발과 물산업 발전 등 경제적 파급효과 등을 유발할 수 있음을 시사한다. 또한 본 연구에서 고려하지 못한 소수력 기술 개발은 에너지 대체 촉진으로 인한 온실가스 저감과 녹색성장에 기여할 것이다.

• Korean Journal of Remote Sensing
• /
• v.37 no.2
• /
• pp.275-290
• /
• 2021

Sulfur dioxide (SO2) in the atmosphere is mainly generated from anthropogenic emission sources. It forms ultra-fine particulate matter through chemical reaction and has harmful effect on both the environment and human health. In particular, ground-level SO2 concentrations are closely related to human activities. Satellite observations such as TROPOMI (TROPOspheric Monitoring Instrument)-derived column density data can provide spatially continuous monitoring of ground-level SO2 concentrations. This study aims to propose a 2-step residual corrected model to estimate ground-level SO2 concentrations through the synergistic use of satellite data and numerical model output. Random forest machine learning was adopted in the 2-step residual corrected model. The proposed model was evaluated through three cross-validations (i.e., random, spatial and temporal). The results showed that the model produced slopes of 1.14-1.25, R values of 0.55-0.65, and relative root-mean-square-error of 58-63%, which were improved by 10% for slopes and 3% for R and rRMSE when compared to the model without residual correction. The model performance by country was slightly reduced in Japan, often resulting in overestimation, where the sample size was small, and the concentration level was relatively low. The spatial and temporal distributions of SO2 produced by the model agreed with those of the in-situ measurements, especially over Yangtze River Delta in China and Seoul Metropolitan Area in South Korea, which are highly dependent on the characteristics of anthropogenic emission sources. The model proposed in this study can be used for long-term monitoring of ground-level SO2 concentrations on both the spatial and temporal domains.