• 한국태양에너지학회:학술대회논문집
• /
• 한국태양에너지학회 2009년도 춘계학술발표대회 논문집
• /
• pp.184-189
• /
• 2009

In order to improve the operation of energy systems, it is necessary for the urban communities to have reliable optimization routines, both computerized and manual, implemented in their organizations. However, before a production plan for the energy system units can be constructed, a prediction of the energy systems first needs to be determined. So, several methodologies have been proposed for energy demand prediction, but due to uncertainties in urban community, many of them will fail in practice. The main topic of this paper has been the development of a method for energy demand prediction at urban community. Energy demand prediction is important input parameters to plan for the energy planing. This paper presents a energy demand prediction method which estimates heat and electricity for various building categories. The method has been based on artificial neural networks(ANN). The advantage of ANN with respect to the other method is their ability of modeling a multivariable problem given by the complex relationships between the variables. Also, the ANN can extract the relationships among these variables by means of learning with training data. In this paper, the ANN have been applied in oder to correlate weather conditions, calendar data, schedules, etc. Space heating, cooling, hot water and HVAC electricity can be predicted using this method. This method can produce 10% of errors hourly load profile from individual building to urban community.

• 설비공학논문집
• /
• 제25권6호
• /
• pp.310-316
• /
• 2013

This study was designed to investigate a method for short-term, real-time energy demand prediction, to cope with changing loads for the effective operation and management of buildings. Through a case study, a novel methodology for real-time energy demand prediction with the use of weather forecasting data was suggested. To perform the input and output operations of weather data, and to calculate solar radiation and EnergyPlus, the BCVTB (Building Control Virtual Test Bed) was designed. Through the BCVTB, energy demand prediction for the next 24 hours was carried out, based on 4 real-time weather data and 2 solar radiation calculations. The weather parameters used in a model equation to calculate solar radiation were sourced from the weather data of the KMA (Korea Meteorological Administration). Depending on the local weather forecast data, the results showed their corresponding predicted values. Thus, this methodology was successfully applicable to anywhere that local weather forecast data is available.

• 한국태양에너지학회:학술대회논문집
• /
• 한국태양에너지학회 2008년도 춘계학술발표대회 논문집
• /
• pp.304-310
• /
• 2008

Currently energy use planning council system is mandatory especially for the urban development project planned on a specified scale or more. The goal of existing demand prediction was to calculate the maximum load by multiplying energy load per unit area by building size. The result of this method may be exaggerated and has a limit in the information of period load. The paper suggests a new forecasting process based on standard unit household in order to upgrade the limit in demand prediction method of multi-family housing complex. The new process was verified by comparing actual using amount of multi-family housing complex to forecasting value of energy use plan.

• 한국항행학회논문지
• /
• 제21권4호
• /
• pp.365-370
• /
• 2017

본 연구는 전력수요 패턴이 다른 평일과 특수일 데이터가 가지는 상관관계를 분석하여, 별도의 데이터 셋을 구축하고, 각 데이터 셋에 적합한 딥 러닝 네트워크를 이용하여, 전력수요예측 오차를 감소하는 방안을 제시하였다. 또한, 기본적인 전력수요 예측요소인 기상요소에 환경요소, 구분요소 등 다양한 예측요소를 추가하여 예측율을 향상하는 방안을 제시하였다. 전체데이터는 시계열 데이터 학습에 적합한 LSTM을 이용하여 전력수요예측을 하였으며, 특수일 데이터는 DNN을 이용하여 전력수요예측을 하였다. 실험결과 기상요소 이외의 예측요소 추가를 통해 예측율이 향상되었다. 전체 데이터 셋의 평균 RMSE는 LSTM이 0.2597이며, DNN이 0.5474로 LSTM이 우수한 예측율을 보였다. 특수일 데이터 셋의 평균 RMSE는 0.2201로 DNN이 LSTM보다 우수한 예측율을 보였다. 또한, 전체 데이터 셋의 LSTM의 MAPE는 2.74 %이며, 특수 일의 MAPE는 3.07 %를 나타냈다.

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2009년도 하계학술발표대회 논문집
• /
• pp.940-945
• /
• 2009

Energy planning for hybrid energy system is important to increase the flexibility in the urban community and national energy systems. Expected maximum loads, load profiles and yearly energy demands are important input parameters to plan for the technical and environmental optimal energy system for a planning area. The method for energy demand prediction has been based on artificial neural networks(ANN). The advantage of ANN with respect to the other method is their ability of modeling a multivariable problem given by the complex relationships between the variables. This method can produce 10% of errors hourly load profile from individual building to urban community. As the results of this paper, energy demand prediction system has been developed based on simulink.

• 문화기술의 융합
• /
• 제10권4호
• /
• pp.693-700
• /
• 2024

에너지 소비 문제가 전 세계적으로 주요한 이슈로 자리잡아 다양한 부문에서 에너지 소비 및 온실가스 배출 절감에 대한 관심이 크다. 2022년 3월 말 기준 국내 산업단지 총 면적은 606 km2로, 전체 국토면적의 약 0.6 %에 불과한다. 하지만 2018년 기준, 국내 산업단지의 연간 에너지 사용량은 국가 전체 에너지 사용량의 53.5 %, 전체 산업부문 에너지 사용량의 83.1 %를 차지하는 110,866.1천 TOE임으로 확인되었다. 더불어 국가 전체 온실가스 배출량의 45.1 %, 산업부문 온실가스 배출량의 76.8 %를 차지하여 환경에 미치고 있는 영향 또한 상당한 상황임이 확인하였다. 이러한 배경 하에 본 연구에서는 산업단지 차원의 에너지 효율화에 기여하고자, 국내 한 산업단지를 대상으로 에너지 수요 및 공급의 예측을 진행하였으며, 예측 결과값을 포함하여 에너지 모니터링을 위한 시뮬레이터 UI 화면을 설계하였다. 머신러닝 알고리즘 중 다층퍼셉트론 (Multi-Layer Perceptron; MLP)을 사용하였으며, 예측 모델의 최적화 기법으로서 베이지안 최적화 (Bayesian Optimization)를 적용하였다. 본 연구에서 구축한 예측 모델은 산업단지 내 압축공기 수요 유량의 경우는 87.90 %, 공용 공기압축기 공급 가능 유량의 경우는 99.54 %의 예측 정확도를 보였다.

• 신재생에너지
• /
• 제7권3호
• /
• pp.36-45
• /
• 2011

Prediction of demand for workforce in new and renewable energy is precondition for sustainable growth of an industry. The purpose of this research is to review prediction methods and case studies of workforce in new and renewable energy industry. This research compares the three methods in the focused on possibility of applying in renewable energy industry; survey, input-output and labor function estimation methods. Also, three cases are reviewed in the focused on applied method; Korea, America and Australia. As a result, the survey method was wildly used in the new and renewable industry. Also the improvement rates of work force are difference depending on the methodology. This result can be applied to set up the policy of human resource development of renewable energy.

• KEPCO Journal on Electric Power and Energy
• /
• 제5권3호
• /
• pp.157-163
• /
• 2019

현재까지 피크완화 및 에너지 절감을 위해 한국전력공사 120여개 사옥에 K-BEMS (KEPCO Building Energy Management System)가 운영 중이다. 이 시스템은 PV, PCS, BESS, EMS 등으로 구성되어 있으며 건물에너지 수요예측을 기반으로 BESS, PV 등을 활용하여 에너지 관리를 도모하고 있다. 이 시스템은 단기 과거데이터에 신경망기법을 단순 적용하여 수요를 예측함에 따라 예측 정확도가 높지 않고 운영자 수작업을 통한 BESS 충방전으로 피크 저감이 곤란하며 운영 경제성 제고가 어려운 실정이다. 이러한 문제를 해결하기 위해 전력연구원에서는 2016년부터 3년간 연구과제를 수행하였는데 이를 통해 에러를 최소화하며 높은 신뢰도를 가지는 실시간 수요예측기법과 이에 기반한 BESS충방전 최적화 자동화 기술 개발, 성능을 검증하였기에 이를 본 논문에서 소개하고자 한다.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.47-56
• /
• 2023

수소 에너지는 높은 에너지 효율로 열과 전기를 생산하면서도 온실가스와 미세먼지 등 유해물질 배출이 없는 친환경 에너지로서, 전 세계적으로 탄소중립으로의 전환을 위한 핵심으로 주목받고 있다. 특히 스마트 수소에너지는 경제적이고 지속 가능하며, 안전한 미래 스마트 수소에너지 서비스로써 수소 에너지의 기반 시설이 디지털로 통합되어 '데이터' 기반으로 안정적으로 운영되는 서비스를 의미한다. 본 논문에서는 데이터 기반 수소 충전소 수요예측 모델 구현을 위해 강원도 내 설치되어 있는 수소 충전소 3곳(춘천, 속초, 평창)을 선정, 수소 충전소의 수요공급 데이터를 확보하였고, 머신러닝 및 딥러닝 알고리즘 7개를 선정하여 총 27종 입력 데이터(기상데이터+수소 충전소 수요량)로 모델을 학습하였고, 평균 제곱근 오차(RMSE)로 모델을 평가하였다. 이를 통해 본 논문에서는 최적의 수소 에너지 수요공급을 위한 머신러닝 기반 수소 충전소 에너지 수요 예측 모델을 제안한다.

• 환경영향평가
• /
• 제24권5호
• /
• pp.487-498
• /
• 2015

기온상승과 인구 및 GDP 증가의 영향으로 인해 에너지 문제가 발생하고 있다. 이러한 문제에 대응하기 위해 에너지 수요에 대한 예측이 필요하다. 따라서 본 연구는 에너지 수요관리, 특히 전력부하를 유발하는 냉난방 에너지 수요 관리에 도움이 되고자 가정 부문 냉난방 에너지의 미래 사용량을 예측하고자 한다. 에너지 사용량을 산정하는데 있어 서비스 수요의 산출이 필요하다. 따라서 서비스 수요 산정식을 이용하여 이를 먼저 도출하고, AIM/end-use 모델을 이용하여 에너지 사용량을 산정하였다. 산정 결과 냉난방 서비스 수요는 2010년에 비해 2050년에 모두 증가하는 추세를 보였다. 하지만 에너지 사용량에서 난방은 감소하고, 냉방은 증가하는 것으로 예측되었다.