• Proceedings of the KIEE Conference
• /
• 2005.07c
• /
• pp.2456-2458
• /
• 2005

게임이론에서의 기본적인 Cournot Model과 같은 형태는 실제 전력 시장에서의 복잡성을 모두 반영하지는 못한다. Pool 기반 전력시장에서의 송전과 가격결정은 명백하게 전송 제약뿐만 아니라 ancillary service의 상호간의 최적화도 고려되어야하기 때문이다. 이 논문은 다중재화의 상호간 최적화를 다루는 다중시장의 Cournot Model을 확장시킨 모델의 해석과 사례연구를 논한다. 사례연구로는 제주도 전력 시장의 형태를 적용시켜 2개 발전사업자가 2개의 상품을 가지고 경쟁할 때의 최적화를 MATLAB을 이용하여 구현해본다.

• Proceedings of the KIEE Conference
• /
• 2005.07b
• /
• pp.1814-1816
• /
• 2005

게임이론에서의 기본적인 Cournot Model과 같은 형태는 실제 전력 시장에서의 복잡성을 모두 반영하지는 못한다. Pool 기반 전력시장에서의 송전과 가격결정은 명백하게 전송 제약뿐만 아니라 ancillary service의 상호간의 최적화도 고려되어야하기 때문이다. 이 논문은 다중재화의 상호간 최적화를 다루는 다중시장의 Cournot Model을 확장시킨 모델의 해석과 사례연구를 논한다. 사례연구로는 제주도 전력 시장의 형태를 적용시켜 2개 발전사업자가 2개의 상품을 가지고 경쟁할 때의 최적화를 MATLAB을 이용하여 구현해본다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2010.08a
• /
• pp.146-146
• /
• 2010

진공이나 특정 가스 분위기 또는 플라즈마를 이용하여 박막을 제조하는 방법은 공정 조건에 따라 그 특성이 현저히 달라지며 대부분의 경우 제조된 박막에 대한 성분 및 조직의 분석과 박막이 구현하는 특성을 파악한 후 공정 조건을 최적화하게 되는 번거로움이 있다. 특히, 박막 제조 시스템에 따라 제조되는 박막이 특성이 달라지거나 원하는 공정조건에서 원하는 특성의 박막을 얻지 못하는 경우가 종종 발생하고 있다. 한편, 최근의 박막 제조 기술은 결정립 미세화 및 나노화, 다층화, 다성분계 박막 등을 통해 다기능을 구현하는 연구가 활발히 진행되고 있다, 이러한 다기능성 박막을 제조하기 위해서는 박막의 조직제어 기술과 함께 특성을 예측하고 제어하는 기술이 필요하게 된다. 본 연구에서는 상기의 문제점을 근본적으로 해결하고 다기능성 박막의 특성을 예측하고 제어하기 위한 코팅 수식모델을 개발하고 이를 응용하는데 필요한 시스템 구성에 대한 연구를 진행하였다. 코팅 수식 모델은 정해진 물질계의 각 공정별 특성 데이터를 이용하여 내삽 또는 외삽을 통해 수식화하였으며 이를 바탕으로 특성을 예측하는 프로그램을 개발하였고, 시스템에 따른 차이를 줄이기 위해 플라즈마 진단장치를 이용하여 시스템을 동기화시키는 작업을 진행하였다. 이러한 수식 모델을 바탕으로 TiN 피막의 특성예측 및 제어에 대한 기초연구를 소개한다.

• Journal of Internet Computing and Services
• /
• v.25 no.1
• /
• pp.57-67
• /
• 2024

This research investigates training methods for large language models to accurately identify sentiments and comprehend information about increasing and decreasing fluctuations in the financial domain. The main goal is to identify suitable datasets that enable these models to effectively understand expressions related to financial increases and decreases. For this purpose, we selected sentences from Wall Street Journal that included relevant financial terms and sentences generated by GPT-3.5-turbo-1106 for post-training. We assessed the impact of these datasets on language model performance using Financial PhraseBank, a benchmark dataset for financial sentiment analysis. Our findings demonstrate that post-training FinBERT, a model specialized in finance, outperformed the similarly post-trained BERT, a general domain model. Moreover, post-training with actual financial news proved to be more effective than using generated sentences, though in scenarios requiring higher generalization, models trained on generated sentences performed better. This suggests that aligning the model's domain with the domain of the area intended for improvement and choosing the right dataset are crucial for enhancing a language model's understanding and sentiment prediction accuracy. These results offer a methodology for optimizing language model performance in financial sentiment analysis tasks and suggest future research directions for more nuanced language understanding and sentiment analysis in finance. This research provides valuable insights not only for the financial sector but also for language model training across various domains.

• Journal of the Korea Society for Simulation
• /
• v.26 no.4
• /
• pp.11-21
• /
• 2017

This paper discusses the design parameter sensitivity analysis and multi-objective function optimization for improving the impact performance of an auto-sensing breaker based on the analytical model of the same, which secured reliability in a previous research. The study aims to improve both impact power and stability by complementing the existing research that only improved the impact power. The study sequence is as follows: first, the analysis scenarios for the accurate sensitivity analysis and optimization are set up. Second, the sensitivity of the design parameter of the auto-sensing breaker is analyzed, and the variables with high sensitivity are extracted. Third, the extracted variables are used to optimize the multi-objective functions, and the optimized performance is compared with the initial performance to see how the impact performance on the existing auto-sensing breaker has improved. This study is based on domestic technology, and will allow the development of products with a better blowing performance than their existing overseas counterparts.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.395-395
• /
• 2022

본 연구는 머신러닝 기반의 상수도 모니터링 시스템의 예측 모델을 개발하고, 예측 모델의 적용이 가능성을 검토하였다. 상수도모니터링 시스템은 상수관망에 설치된 센서에서 수집된 자료를 모니터링 할 수 있어 운영자의 상수도 시설물의 관리 편의성을 높일 수 있다. 특히 수리학적 모델을 적용하여 계산된 값과 측정된 값을 비교해 이상치가 발생하면 운영자에게 이를 알려주므로 시스템내의 문제점을 빠르게 확인할 수 있다. 그러나 수리학적 모델은 입력자료가 증가됨에 따라 계산시간이 많이 소요되는 문제가 있고, 계산된 값의 정확도가 낮아지므로. 이러한 문제를 보완하기 위해 머신러닝 기반의 예측 모델을 개발하여 이를 해결하고자 하였다. 예측 모델은 GS 이니마 브라질(GS Inima Brazil)에서 운영중인 아라사투바(Aracatuba) 지역 주사라(Jussara) DMA(District Metered Area)의 2018년 1월에서 7월까지의 운영자료를 이용하였으며, 상수도 모니터링 시스템에서 상수관로 수압에 영향을 미치는 영향 인자들을 분석하고, 하이퍼파라미터 최적화를 통한 수압 예측 모델을 개선하였다. 금회 연구는 머신러닝 기반의 모델을 통하여 상수관망의 시간변화에 따른 장래 예측 수압을 검토할 수 있었다는데 큰 의의가 있다.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.34 no.2
• /
• pp.191-201
• /
• 2010

This paper presents a new global optimization algorithm based on the branch-and-bound principle using Bspline approximation techniques. It describes the algorithmic components and details on their implementation. The key components include the subdivision of a design space into mutually disjoint subspaces and the bound calculation of the subspaces, which are all established by a real-valued B-spline volume model. The proposed approach was demonstrated with various test problems to reveal computational performances such as the solution accuracy, number of function evaluations, running time, memory usage, and algorithm convergence. The results showed that the proposed algorithm is complete without using heuristics and has a good possibility for application in large-scale NP-hard optimization.

• 한국신재생에너지학회:학술대회논문집
• /
• 2011.11a
• /
• pp.138-138
• /
• 2011

GTL(Gas to Liquid) 합성유 생산 공정은 크게 합성가스 개질공정(reformer), FT 반응공정, upgrading 공정으로 구성된다. 본 연구에서는 FT 반응기에 유입되는 합성가스의 생산공정인 개질공정 최적화 시뮬레이션을 수행하였다. 기존에 HYSYS 공정 모사 tool로 구현한 개질공정 모델에 dynamic simulation을 적용하여 공정 운전 시간 변화에 따른 온도/압력/조성의 일정범위 별 생산 가스의 성분비를 모사하고자 한다. Dynamic 공정 시뮬레이션은 모사 대상 공정의 운전 시간 별 결과값 변화를 산출할 수 있는 방법으로 기존 정상상태(steady-state) 시뮬레이션에 비해 현실 공정의 운전 변수를 보다 더 정확하게 반영할 수 있는 장점이 있다. 본 시뮬레이션은 1bpd급 GTL 파일럿 플랜트의 설계 자료를 근거로 수행되었으며, 향후 운전 데이터를 feedback하여 최적의 운전 매뉴얼 도출자료로 활용코자 한다. 아울러, 다음의 시간 변화별 모사 결과 데이터들을 산출하고 공정의 최적운전 조건을 분석하고자 한다. - 시간에 따른 공정의 온도/압력 변화, 이에 연동되는 반응기 출구의 1) $H_2$/CO 비율, 2) $CH_4$ conversion, 3) $CO_2$ conversion 본 연구의 결과 데이터를 1bpd급 GTL 플랜트 내 합성가스 개질공정의 운전조건 최적화에 적용코자 하며, 이는 개질반응기의 안정적인 연속운전을 통한 GTL 통합공정의 운전 효율향상에 기여 가능하리라 기대된다. 향후 개질공정의 후단공정인 FT 합성공정 시뮬레이션 과업과 연계하여 GTL 통합공정 시뮬레이션 및 최적화에 따른 실증 규모의 스케일업 기반 데이터를 마련할 수 있을 것이다.

• Journal of Korean Association for Spatial Structures
• /
• v.12 no.1
• /
• pp.43-50
• /
• 2012

Recently, due to the advanced computer technology, momental architectures have been designed and built using features that are very sophisticated. People's interest in free-form structural system has increased steadily not only nationwide, but also worldwide. However, there were many difficulties in the materialization of free-form structural system owing to the lack of technique and research. To solve this problem, this study performs the interface between the 3D modeling program and the optimization program. In the 3D modeling program, it is possible to automatic mesh generation and immediately to information extraction. It performs the shape optimization. Consequently, this research designs the example model and performs optimization in order to verify the developed interface module.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.483-483
• /
• 2022

댐과 저수지의 운영 최적화를 위한 수문학적 예보는 현재 수동적인 댐 운영이 주를 이루면서 활용도가 높지 않다. 불확실한 기후변화나 기후재난 상황에서 우리 사회에 악영향을 최소화하기 위해 선제적으로 대응/대비할 수 있는 댐 운영 방안이 불가피하다. 강우량 예측 기술은 기후변화로 인해 제한적인 상황이다. 실례로, 2020년 8월에 섬진강의 댐이 극심한 집중 강우로 인해 무너지는 사태가 발생하였고 이로 인해 지역사회에 막대한 경제적 피해가 발생하였다. 선제적 댐 방류량 운영 기술은 또한 환경적인 변화로 인한 영향을 완화하기 위해 필요한 것이다. 제한적인 기상 예보 기술을 극복하고자 심화학습이나 강화학습 같은 인공지능 모델들의 활용성에 대한 연구가 시도되고 있다. 따라서 본 연구는 섬진강 댐의 시간당 수문 데이터를 이용하여 댐 운영을 위한 심화학습 모델을 개발하고 그 활용도를 평가하였다. 댐 운영을 위한 심화학습 모델로서 시계열 데이터 예측에 적합한 Long Sort Term Memory(LSTM)과 Gated Recurrent Unit(GRU) 알고리즘을 구축하고 댐 수위를 예측하였다. 분석 자료는 WAMIS에서 제공하는 2000년부터 2021년까지의 시간당 데이터를 사용하였다. 입력 데이터로서 시간당 유입량, 강우량과 방류량을, 출력 데이터로서 시간당 수위 자료를 각각 사용하였으며. 결정계수(R2 Score)를 통해 모델의 예측 성능을 평가하였다. 댐 수위 예측값 개선을 위해 하이퍼파라미터의 '최적값'이 존재하는 범위를 줄여나가는 하이퍼파라미터 최적화를 두 가지 방법으로 진행하였다. 첫 번째 방법은 수동적 탐색(Manual Search) 방법으로 Sequence Length를 24, 48, 72시간, Hidden Layer를 1, 3, 5개로 설정하여 하이퍼파라미터의 조합에 따른 LSTM와 GRU의 민감도를 평가하였다. 두 번째 방법은 Grid Search로 최적의 하이퍼파라미터를 찾았다. 이 두가지 방법에서는 같은 하이퍼파라미터 안에서 GRU가 LSTM에 비해 더 높은 예측 정확도를 보였고 Sequence Length가 높을수록 정확도가 높아지는 경향을 보였다. Manual Search 방법의 경우 R2가 최대 0.72의 정확도를 보였고 Grid Search 방법의 경우 R2가 0.79의 정확도를 보였다. 본 연구 결과는 가뭄과 홍수와 같은 물 재해에 사전 대응하고 기후변화에 적응할 수 있는 댐 운영 개선에 도움을 줄 수 있을 것으로 판단된다.