• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.157-159
• /
• 2006

본 논문에서는 차세대 비휘발성 메모리를 이용하여 기존 플래시 메모리 파일시스템의 마운트 시간을 단축시키고 메인 메모리 사용량과 전력소모량을 감소시킬 수 있는 기법을 제시한다. 제안된 기법은 소량의 비휘발성 메모리를 사용하여 블록의 상태 정보와 파일 메타데이터로 데이터의 주소를 저장한다. 제안된 기법은 내장형 보드 상에서 구현되었으며, 실험 및 분석 결과는 마운트 시간을 크게 단축시키고 메인 메모리 사용량을 현저히 감소시켰음을 검증한다. 본 연구는 소량의 차세대 비휘발성 메모리를 내장형 시스템에서 어떻게 활용할 수 있는지에 대한 실용적인 방안을 제시하였으며, 그 효과를 실제 구현과 실험을 통해 정량적으로 검증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.264-264
• /
• 2017

국외의 상수도 원격검침 시스템 내 데이터 전송방식은 도시 규모, 계량기의 밀도, 전력공급 여부 및 통신망의 설치 여부 등을 종합적으로 고려하여 결정되었다. 대부분의 스마트워터미터 제조업체들은 계량기의 부호기가 공급하는 판독 내용(데이터)을 전송할 검침단말기와 근거리 통신망(neighborhood area network)을 연계하여 개발 및 판매하였으며, 자체 소유 통신 프로토콜을 사용하여 라디오 주파수(RF) 통신 기술을 사용하고 있다. 광역통신망(wide area network)의 경우, 노드(말단의 계량기 및 센서)들과 이에 연결된 통신망 들을 포함한 네트웍의 배열이나 구성이 스타(star), 메쉬(mesh), 버스(bus), 나무(tree) 등의 형태로 통신망이 구성되어 있으나, 스타와 메쉬형 통신망 구성형태가 가장 널리 활용되는 것으로 조사되었다. 시스템 통합운영관리 업체들인 IBM, Oracle, Itron 등은 용수 인프라 관리 또는 통합네트워크 솔루션 등의 통합 물관리 시스템(integrated water management system)을 개발하여 현장적용을 하고 있으며, 원격검침 시스템을 통해 고객들의 현재 소비량과 과거 누적 소비량, 누수 감지 서비스 및 실시간 요금 고지 등을 실시간으로 웹 포털과 앱을 통해 제공하고 있다. 또한, 일부 제조업체들은 도시 용수공급/소비 관리자가 주민의 용수사용량을 모니터링하여 일평균 용수사용량 및 사용 경향을 파악하고, 누수를 검지하여 복구 및 용수 사용 지속가능성 지수를 제시하고, 실시간으로 주민의 용수사용량 관련 데이터를 모니터링하여 용수공급의 최적화를 위한 의사결정지원 서비스를 용수공급자에게 제공하고 있다. 최근에는 인공지능을 활용해 가정용수의 용도별(세탁용수, 화장실용수, 샤워용수, 식기세척용수 등) 사용량 곡선을 패터닝하여 profiling 기법을 도입해, 스마트워터미터에서 용수사용량이 통합되어 검지될 시 용수사용량의 세부 용도별 re-profiling 기법을 도입하여 가정용수내 과소비되는 지점을 도출 후 절감을 유도하는 기술이 개발 중이다. 또한, 미래 용수 사용량 예측을 위해 다양한 시계열 자료를 분석하는 선형 종속 모형(자기회귀모형, 자기회귀이동평균모형, 자기회귀적분이동평균모형 등)과 비선형 종속 모형(Fuzzy Logic, Neural Network, Genetic Algorithm 등)을 활용한 예측기능이 구축되어 상호 비교하여 최적의 용수사용량 예측 도구를 제공되고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.202-205
• /
• 2014

클라우드 컴퓨팅 환경에서, 서비스 이용자는 기존의 컴퓨터 및 스토리지 자원을 소유하지 않고도 클라우드 컴퓨팅 서비스에서 제공하는 서비스를 효율적으로 이용할 수 있다. 클라우드 컴퓨팅 서비스가 발달함에 따라 클라우드 컴퓨팅이 구축되어 있는 데이터센터에서 사용하는 전력량도 증가하게 된다. 소비되는 전력량이 증가함으로 인해 발생하는 전력 관리 문제들을 해결하기 위해서 보다 효율적인 전력 관리 방안이 필요하게 되었다. 본 논문에서는 가상의 클라우드 컴퓨팅 환경을 구축하여 소비되는 컴퓨팅 자원의 정보를 통해 사용되는 전력량을 시뮬레이터로 측정하고 수식을 이용하여 계산하는 방안을 제시한다. 측정된 전력량을 바탕으로 향후 사용될 전력량을 예측하고 대비한다면 보다 효율적으로 전력을 관리할 수 있을 것으로 기대된다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.334-335
• /
• 2011

국내에는 다양한 스마트 전력기기들이 충분히 개발되어 있는 상황으로 빌딩의 전력 관리 시스템(이하 BEMS)를 구축하고 효율적으로 사용하기 위한 인프라가 충분히 갖추어 있다. 하지만 기존 건물 내배선의 유연성 부족으로, 효율적인 운영을 위해서는 상태 정보를 취득하고 이를 바탕으로 전기 설비 구조 변경 공사를 통할 수밖에 없는 상황이다. 그리고 빌딩의 대형화에 따라 전력 사용량이 커짐으로, 운영을 통한 효율성 관리 여지가 커지고 있다. 따라서 본 문에서는 빌딩 내 전력 배분의 유연성을 가질 수 있는 전력 설비를 투자하고 이를 운영하기 위해 취득 데이터를 바탕으로 3상 급전 해석 코어를 설계하고 BEMS에 추가적으로 운영을 지원하는 시스템을 설계한다.

• 전기의세계
• /
• v.58 no.8
• /
• pp.51-60
• /
• 2009

지능형 전력망은 통신 기술을 통해 에너지 사용을 최적화 하고 안정성을 높이는 차세대 전력망으로서 그 내부에는 다양한 통신 환경과 특성이 존재한다. 지능형 전력망에서는 일반 수용가의 부하특성이나 전기 사용량 등 비실시간 정보뿐만 아니라 전력망의 안정적이고 지능적인 운영을 위한 다양한 감시제어 데이터와 같은 실시간 정보가 함께 전달된다. 이러한 정보들은 전달 과정에서 누출, 번조가 되지 않고 원하는 사용자에게 원히는 시간과 장소에 정상적으로 전달될 수 있도록 높은 수준의 정보 보안이 뒷받침 되어야 한다. 그러나 최근, 감시제어 정보 전달은 보통 인터넷과 같은 일반적인 통신보다 고품질을 요구하기 때문에, 통신 품질을 저하시킬 수 있는 보안 서비스를 지능형 전력망에 적용하기에는 제약이 따른다. 본 논문은 지능형 전력망의 주요 통신 환경별 요구사항을 살펴보고, 이러한 요구사항을 만족시키면서 높은 수준의 정보 보안을 제공하기 위해 어떠한 보안서비스가 제공되어야 하는지 알아본다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2124-2125
• /
• 2006

실세계의 복잡하고 종합적인 정보를 빠르고 효율적으로 분석 처리할 수 있는 지리정보시스템(GIS : Geographic Information System)의 효용성이 인식되면서 전력산업에서도 전국의 시설물 관리를 위해 수치 지리정보를 구축하였다. 한편, 약 10만호의 고압고객을 대상으로 15분 단위의 전력사용량을 무선통신망을 이용하여 자동원격검침(AMR: Automatic Meter Reading)하고 있다. 본 논문에서는 산재된 대용량의 AMR 시계열성 데이터와 공간성을 지니는 배전계통 지리정보 데이터를 이용하여 회선 및 구간별 상세한 부하패턴 분석, 공간적 부하분포 및 특성 분석을 할 수 있는 새로운 활용모델을 개발하고 그 결과를 제시하고자 한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.4
• /
• pp.587-594
• /
• 2018

The purpose of this study is to propose a power demand volatility evaluation system based on LSTM and not to verify the accuracy of the demand module which is a core module, but to recognize the sudden change of power pattern by using deeplearning in the actual power demand monitoring system. Then we confirm the availability of the module. Also, we tried to provide a visualized report so that the manager can determine the fluctuation of the power usage patten by applying it as a module to the web based system. It is confirmed that the power consumption data shows a certain pattern in the case of government offices and hospitals as a result of implementation of the volatility evaluation system. On the other hand, in areas with relatively low power consumption, such as residential facilities, it was not appropriate to evaluate the volatility.

• Journal of IKEEE
• /
• v.22 no.3
• /
• pp.822-828
• /
• 2018

Recently, energy issues such as massive blackout due to increase in power consumption have been emerged, and it is necessary to improve the accuracy of prediction of power consumption as a solution for these problems. In this study, we investigate the difference between the actual power consumption and the predicted power consumption through the deep learning- based power consumption forecasting experiment, and the possibility of adjusting the power reserve ratio. In this paper, the prediction of the power consumption based on the deep learning can be used as a basis to reduce the power reserve ratio so as not to excessively produce extra power. The deep learning method used in this paper uses a learning model of long-short-term-memory (LSTM) structure that processes time series data. In the computer simulation, the generated power consumption data was learned, and the power consumption was predicted based on the learned model. We calculate the error between the actual and predicted power consumption amount, resulting in an error rate of 21.37%. Considering the recent power reserve ratio of 45.9%, it is possible to reduce the reserve ratio by 20% when applying the power consumption prediction algorithm proposed in this study.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.4
• /
• pp.161-167
• /
• 2019

Recently, demand forecasting techniques have been actively studied due to interest in stable power supply with surging power demand, and increase in spread of smart meters that enable real-time power measurement. In this study, we proceeded the deep learning prediction model experiments which learns actual measured power usage data of home and outputs the forecasting result. And we proceeded pre-processing with moving average method. The predicted value made by the model is evaluated with the actual measured data. Through this forecasting, it is possible to lower the power supply reserve ratio and reduce the waste of the unused power. In this paper, we conducted experiments on three types of networks: Multi Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short Term Memory (LSTM) and we evaluate the results of each scheme. Evaluation is conducted with following method: MSE(Mean Squared Error) method and MAE(Mean Absolute Error).

• Journal of the Institute of Electronics and Information Engineers
• /
• v.53 no.10
• /
• pp.51-57
• /
• 2016

In this paper, we propose an optimal energy management system using the data inference scheme and the cloud hosting technique in order to improve the efficiency of the energy management. We have been interested in the issue that the energy-saving and efficient management techniques are very useful for reducing the production and supply of energy. The energy management system refers to the control and management system in order to enable the efficient use of energy and also to maintain a comfortable and functional working environment effectively with the help of a computer. The proposed system controls a variety of equipment for energy management, and also gets the data for the inference from the changes in energy consumption environment, which is implemented to enable efficient energy management by adapting and controlling the changes optimally in the working environment. In order to evaluate the performance of the implemented system, some experiments have been performed under consideration of the monthly electric power consumption on the server that the inference engine is operating for the target facilities. Finally, the results show that the proposed system has a good performance.