• 한국융합학회논문지
• /
• 제8권1호
• /
• pp.19-23
• /
• 2017

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수(coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.421-424
• /
• 2013

최근 문제가 되고 있는 전력 문제를 효율적으로 관리하기 위해 건물 에너지 관리 시스템이 주목받고 있다. 건물 에너지 관리 시스템은 관리자가 건물의 전력 소비량을 효율적으로 관리할 수 있도록 전력 소비량에 대한 모니터링 기능을 제공하는 시스템이다. 기존의 건물 에너지 관리 시스템은 과거, 현재, 미래의 전력 소비량을 통계 자료로 제공하고, 이를 토대로 전력 과부하 발생을 방지하였다. 그렇지만 기존의 시스템에 반응형 웹 디자인을 적용한 사례를 찾아보기 힘들며 온도 변화에 따른 전력 소비량을 고려하지 않기 때문에 정확한 부하 예측을 하기 어렵다는 단점이 있다. 본 논문에서 제안한 건물 에너지 관리 시스템은 반응형 웹 디자인을 적용하여 여러 모바일 기기로도 편리하고 효율적으로 건물을 관리할 수 있게 하였다. 또한, 건물에서 유지되어야 할 목표 온도, 건물 전력 소비량에 대한 과거 데이터와 기상청에서 제공하는 데이터를 통하여 부하 예측을 하고, 다양한 전력 소비량 통계 자료를 제공한다. 이를 통해 관리자는 효율적인 건물 에너지 관리를 할 수 있다.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.822-828
• /
• 2018

최근 전력 사용량의 증가로 인한 대규모 블랙아웃 등 에너지 문제가 대두되고 있으며, 이 문제들로 인해 전력 소비량 예측에 대한 정확도를 개선할 필요성이 부각되었다. 본 연구에서는 딥 러닝 기반의 전력 사용량 예측 실험을 통해서 실제 전력 소비량과 예측된 전력 소비량의 차이를 계산하고, 이를 통해서 전력 예비율을 기존 대비 하향 조정할 수 있는 가능성에 대해서 살펴본다. 예비 전력은 사용하지 않으면 손실되는 전력으로, 본 논문에서의 딥 러닝 기반 전력 소비량 예측을 통해서 여분의 전력을 과도하게 생산하지 않도록 오차범위 내에서 전력 예비율을 감소시킬 수 있는 기반을 마련할 수 있다. 본 논문에서 사용하는 딥 러닝 기법은 시계열 데이터를 처리하는 Long-Short-Term-Memory(LSTM) 구조의 학습 모델을 이용한다. 컴퓨터 시뮬레이션에서는 임의 생성한 전력 소비 데이터를 토대로 모델을 학습시키고, 학습된 모델을 토대로 전력 사용 예측값을 구하고 실제 전력 소비량 간에 오차를 계산한 결과 오차율 21.37%를 얻을 수 있었다. 이는 최근의 전력 예비율 45.9%를 고려할 때, 본 연구에서 제안한 전력 소비량 예측 알고리즘을 적용하는 경우 20% 포인트 정도의 예비율 감축이 가능하다.

• 한국재난정보학회 논문집
• /
• 제18권3호
• /
• pp.532-541
• /
• 2022

연구목적: 본 연구의 목적은 대기의 미세먼지로 인해 공기의 질을 개선하고자 공기청정기를 사용함으로써, 발생하는 가정용 전력소비량을 확인해 기존의 전력 수요예측 방식에 미세먼지에 따른 전력수요를 포함하여 예측할 것을 제안하고자 한다. 연구방법: 연구의 방법은 서울지역의 3년간 미세먼지의 농도, 가정용 전력소비량, 기후관측 데이터를 활용하여 비교분석하였고, 4월과 10월을 대상으로 미세먼지가 서울지역 전력소비량에 미치는 영향을 파악하였다. 연구결과: 연구의 결과는 4월과 10월의 미세먼지 차이에 의한 서울지역 가정용 공기청정기 전력소비량이 2,141MWh로 산정되어, 4월과 10월의 가전기기 사용의 전체 차이의 3.4%에 해당한다. 결론: 미세먼지가 가정용 전력소비량에 미치는 영향을 확인하였으며, 전력 수요예측은 경제적인 계통 운영과 안정적인 전력 수급에 필수적이므로, 기존의 냉·난방기의 전력 소비에 중점을 두어 예측하는 것뿐만 아니라, 미세먼지로 인한 전력 소비도 고려해야 한다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.18-26
• /
• 2023

빌딩에너지관리시스템(BEMS: Building Energy Management System)은 생산 및 소비되는 에너지를 효율적으로 관리하는 시스템이다. 그러나 건물 내 전력소비는 물리적인 특성상으로 인해 생산 및 소비가 일정하지 않아 안정적인 전력 공급이 필수적이다. 이에 따라 건물의 안정적인 전력 공급을 위해서는 정확한 건물 내 전력 소비 예측이 중요하다. 최근에는 시계열분석, 통계분석, 인공지능 등 다양한 방법을 이용하여 전력소비예측에 관한 연구가 진행되고 있다. 본 논문은 Prophet 모델의 장점과 단점을 분석하여 장점인 growth, seasonality, holidays를 선택하였고, Prophet 모델의 단점인 데이터의 복잡성과 외부변수(기후 데이터)의 제한성을 해결하기 위하여 GRU을 조합하여 단기(2일) 및 중기(7일, 15일, 30일) 전력소비량 예측 알고리즘을 제안한다. 실험결과, 제안한 방법은 기존 GRU 및 Prophet 모델보다 성능이 우수하였다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2003년도 한국우주과학회보 제12권2호
• /
• pp.72-72
• /
• 2003

위성체 열설계의 기본 목적은 가혹한 우주 열환경 하에서 위성체를 보호하며, 위성이 임무를 보호하며, 위성이 임무를 수행하는 동안에 어떠한 우주 열환경 하에서도 모든 위성 부품이 허용되는 온도 내에서 작동하도록 하는 것이다. 발사시 열해석은 궤도상에서의 열해석과 달리 초기 조건인 발사시간을 기준으로 열해석을 수행하게 된다. 열해석에서는 위성체가 발사체에 탑재되기까지의 과정과 발사 후에 발사체와 분리되는 시점까지 고려하게 된다. 위성체의 형상은 태양전지판이 접혀있으며, 배터리만이 위성체에 전력을 공급하는 역할을 하게 된다. 발사시에 전력소비량을 감소시키는 유일한 방법은 히터소비량을 줄이는 것이며, 이 점에서 발사시 열해석이 중요해진다. 본 연구에서는 저궤도 위성 발사시에 최대 히터소비량을 예측하기 위하여 저온 조건을 가정하고 열모델을 작성하고 열해석을 수행하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.720-722
• /
• 2009

경제 성장에 따른 국내 산업분야의 발달 및 국민 생활수준의 향상으로 전력 소비가 지속적으로 증가하고 있다. 전력을 안정적으로 공급하기 위해서는 전력 수요에 대한 중 단기 예측이 중요하며, 정확한 예측에 따라 안정적인 수급 계획을 확립할 수 있다. 본 논문에서는 부산시에서 공급되는 부산지역의 전력 데이터와 기후 관련 자료를 1995년 1월부터 2007년 12월까지의 측정치를 가지고 시계열 데이터를 수집하여 분석하고 신경회로망의 구조를 설계하여 실험을 통하여 실제 데이터와 예측 데이터를 비교 분석하고 평가한다.

• 한국시뮬레이션학회논문지
• /
• 제30권4호
• /
• pp.1-8
• /
• 2021

복잡하고 비선형적인 특징을 갖는 시계열 데이터를 예측하기 위해 딥러닝 기법이 널리 사용되고 있다. 본 연구에서는 최근에 개발된 WaveNet을 개선하고 워크포워드 검증 기법을 적용하여 전력 소비량 데이터를 24시간 이전에 예측하고자 한다. 원래 WaveNet은 오디오 데이터 예측에 사용하고자 고안되었으며, 장기간의 데이터를 효과적으로 예측하기 위해 1차원 팽창인과 합성곱(1D dilated causal convolution)을 사용한다. 먼저, WaveNet이 부호화된 정수 값이 아니라 실수 값을 출력하여 전력 데이터를 예측하기 적합하도록 개선하였다. 다음으로 학습 과정에 적용된 하이퍼파라미터(입력 기간, 배치 크기, WaveNet 블록 개수, 팽창 비율, 학습률 변경)를 조정하여 적절한 성능을 나타내도록 하였다. 마지막으로 성능 평가를 통해 전통적인 홀드아웃 검증 기법보다 본 연구에서 사용한 워크포워드 검증 기법이 전력 소비량 데이터 예측에 우수함 성능을 나타냄을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.886-889
• /
• 2010

센서 네트워크에서 소비전력 측정은 실제 필드에서 실측을 통해 수행하기 어렵기 때문에 시뮬레이션을 통하여, 소비전력을 예측하고, 노드들의 교체시기를 결정하게 된다. 시뮬레이션 툴은 센서 네트워크의 여러 요소들을 시뮬레이션 하는데 이 요소들은 전력 소비량, 패킷 전송 트래픽, 네트워크 구성 형태 등이 있다. 본 논문에서는 센서 네트워크의 시뮬레이션 요소 중 큰 비중을 차지하는 전력 소모를 시뮬레이션하기 위한 센서 노드의 전력 모델을 제안한다. 본 논문에서 제안하는 전력 모델은 시뮬레이션 시 연산을 최소화하기 위하여 센서 노드의 기능별 전력 소모 특성에 따라 기존에 실측된 데이터가 연산을 대체 할 수 있는 부분은 수식 계산을 생략한다. 이러한 경우 전력 소모 예측의 정확도는 떨어지지만 연산량이 감소하여 빠른 시뮬레이션이 가능하다. 제안하는 모델은 정밀한 시뮬레이션보다는 빠른 시뮬레이션 속도를 이용하여 두 개 이상의 센서 네트워크 알고리즘 간의 전력 소모차를 분석하는데 적합한 모델이다.

• 대한전자공학회논문지TC
• /
• 제43권1호
• /
• pp.57-70
• /
• 2006

센싱, 데이터 가공, 통신이 가능한 소형의 센서 노드로 구성된 무선 센서 네트워크는 다양한 환경 변화를 측정할 수 있는 유용한 수단이다. 센서 노드에서 측정된 데이터는 모든 데이터를 수집, 처리하며 사용자에게 전달하는 기능을 가진 프로세싱 센터에 전송된다. 이러한 과정은 에너지 제약을 가진 센서 노드를 고려하여 설계되어야 한다. 일반적으로 인접한 센서 노드는 유사한 정보를 가지므로, 로컬 클러스터를 형성하고 클러스터 헤드에 의해 집약된 데이터를 프로세싱 센터에 전송하는 클러스터링 기법이 저전력 구동에 효과적이다. 자동 구성능력을 지닌 기존의 다중 홉 클러스터 에너지 소비량 모델링 기법은 개별 센서 노드의 정확한 에너지 소비량을 예측할 수 없는 문제를 가지고 있었다. 따라서 본 논문에서는 이러한 문제를 보완한 새로운 클러스터 에너지 소비량 모델링 기법을 제안한다. 제안된 모델링 기법은 보로노이 배열(Voronoi tessellation)을 이용하여 클러스터 헤드의 수에 따른 에너지 소비량을 모델링한다. 즉, 센서 필드의 면적, 분포된 센서 노드의 수와 통신 범위를 이용하여 전체 네트워크의 에너지 소비량을 클러스터 헤드의 수에 따라 정량적으로 나타낸다. 본 모델링 기법을 통해 전체 네트워크의 에너지 소비량이 최소가 되는 클러스터의 수를 예측함으로써 저전력을 실현할 수 있다. 본 논문에서 제안하는 모델링 기법은 시뮬레이션을 통해 구성한 실제 네트워크의 에너지 소비량과 $90\%$ 이상의 정확도를 가지며, 기존 모델링의 $60\%$대에 비춰볼 때 상당히 우수한 정확도를 지니고 있다. 또한, 센서 노드의 밀도가 증가할수록 에너지 소비량 정확도가 증가하는 효과를 확인하였다.