• 한국수소및신에너지학회논문집
• /
• 제34권6호
• /
• pp.773-784
• /
• 2023

In this study, a comparative analysis between an electric heat pump cooling system and a hybrid desiccant cooling system is conducted. Desiccant cooling is a thermal driven system with potentially lower electric power consumption than electric heat pump. Hybrid desiccant cooling system simulation includes components such as a desiccant rotor, direct and indirect evaporative coolers, heat exchangers, fans, and a heat pump system. Using dynamic simulations by climate conditions, house cooling temperatures and power consumption for both systems are analyzed for 16 days period in the summer season under climate scenarios for the year 2100 prediction. The results reveal that the hybrid desiccant cooling system exhibits a 5-18% reduction in electric consumption compared to the heat pump system.

• Journal of Biosystems Engineering
• /
• 제16권2호
• /
• pp.142-147
• /
• 1991

곡물을 수확하는데 필요로하는 동력의 상당부분이 탈곡부 급동에서 소요된다. 예취된 작물 전부가 탈곡부에 투입되는 콤바인의 경우 급동 소요동력이 전체 소요동력의 80%까지 되기도 하며, 축류식의 경우가 보통형인 경우보다 높은 급동 소요동력을 보인다. 수확된 곡물의 가치가 작업기의 동력비 및 운영비 보다 커야하므로, 급동 소요동력모델은 경제성을 고려한 콤바인의 설계 및 작동을 유도해 내는데 기본이 된다. 본 논문에서는 콤바인 급동의 소요동력을 예측하기 위해 탈곡현상에 기초를 둔 수학적 모델을 개발하였다. 급동에 부착된 라습바(rasp-bak)의 수, 수망과 급동의 간격, 수망의 길이, 공급물의 두께, 공급율, 급동회전속도 둥의 변수들을 포함한 수식이 개발되었으며 급동의 크기에 의한 영향도 고려되었다. 개발된 모델은 측정된 자료와 잘 일치했으며 ($R^2$=0.9) 높은 신뢰도를 보였다.

• KIEAE Journal
• /
• 제12권1호
• /
• pp.127-132
• /
• 2012

The energy consumption in the world is growing rapidly. And the environmental issues of climate become a important task. The interest in renewable energy like wind and solar is increasing now. Especially, by reducing power transmission loss, a small wind power is getting attention at the residential areas and campus of university. In this study, we attempted to estimate and compare the wind energy density using wind data of AWS (Automatic Weather Station) of H University. In this case of a campus, the weibull distribution parameter C is 2.27, and K is 0.88. According to the data, the energy density of the small wind power is 12.7 W/m2. We did CFD(Computational Fluid Dynamics) simulations at H University campus by 7 wind directions(ENE, ESE, SE, NW, WNW, W, WSW). In the results, we suggest 4 small wind powers. The small wind power generating system can produce 4,514kWh annually.

• 한국생산제조학회지
• /
• 제24권5호
• /
• pp.541-547
• /
• 2015

In this study, the performance of a low-floor midsize bus under development is predicted through simulations. To predict the vehicle's acceleration, maximum speed, and uphill driving performance, a forward simulator which calculates the vehicle power is developed. Also we verify the forward simulator by comparing simulations and test result for benchmarking vehicle. To predict the fuel consumption, we use a backward simulator for a specified road cycle. However, to predict the fuel consumption using the backward simulation the engine fuel-consumption map is needed. The engine fuel-consumption map extracting data from a similar sized diesel engine is used by re-scaling the maximum torque. As a result, we simulate the vehicle's forward performance with a new engine. Further, we simulated the backward performance to optimize the fuel efficiency and gearshift timing.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.374-388
• /
• 2022

Cloud computing has been one of the most critical technology in the last few decades. It has been invented for several purposes as an example meeting the user requirements and is to satisfy the needs of the user in simple ways. Since cloud computing has been invented, it had followed the traditional approaches in elasticity, which is the key characteristic of cloud computing. Elasticity is that feature in cloud computing which is seeking to meet the needs of the user's with no interruption at run time. There are traditional approaches to do elasticity which have been conducted for several years and have been done with different modelling of mathematical. Even though mathematical modellings have done a forward step in meeting the user's needs, there is still a lack in the optimisation of elasticity. To optimise the elasticity in the cloud, it could be better to benefit of Machine Learning algorithms to predict upcoming workloads and assign them to the scheduling algorithm which would achieve an excellent provision of the cloud services and would improve the Quality of Service (QoS) and save power consumption. Therefore, this paper aims to investigate the use of machine learning techniques in order to predict the workload of Physical Hosts (PH) on the cloud and their energy consumption. The environment of the cloud will be the school of computing cloud testbed (SoC) which will host the experiments. The experiments will take on real applications with different behaviours, by changing workloads over time. The results of the experiments demonstrate that our machine learning techniques used in scheduling algorithm is able to predict the workload of physical hosts (CPU utilisation) and that would contribute to reducing power consumption by scheduling the upcoming virtual machines to the lowest CPU utilisation in the environment of physical hosts. Additionally, there are a number of tools, which are used and explored in this paper, such as the WEKA tool to train the real data to explore Machine learning algorithms and the Zabbix tool to monitor the power consumption before and after scheduling the virtual machines to physical hosts. Moreover, the methodology of the paper is the agile approach that helps us in achieving our solution and managing our paper effectively.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.63-70
• /
• 2023

최근 스마트팜 에너지 비용 중 35% 낸난방비 에너지 소비가 증가되어 에너지 소비 효율화가 요구되며, 전기료 현실화에 대한 우려로 신재생 에너지 중요성이 증가하고 있다. 신재생 에너지는 수력, 풍력, 태양광 등에 속하며, 이중 태양광 에너지는 전기에너지로 변환하는 발전기술로, 이 기술은 에너지원이 환경에 미치는 영향이 적고, 유지 보수가 간편하다는 특징을 갖고 있다. 본 연구에서는 온실 축열조, 히트펌프 데이터 기반으로 축열조 영향을 많이 미치는 요소를 선정하고 축열조 공급 온도예측 모델을 개발하고자 한다. 시계열 데이터 분석 및 예측에 효과적인 LSTM(Long Short-Term Memory)과 다른 앙상블 학습 기법보다 뛰어난 XGBoost 모델을 이용하여 예측한다. 히트펌프 축열조 온도를 예측함으로써 에너지 소비를 최적화하여 시스템 운영을 최적화할 수 있다. 또한, 태양광 활용에 따른 냉난방비 절감 및 농가의 에너지 자립도 개선 등 스마트팜 에너지 통합 운영 시스템에 연계하고자 한다. 플랫폼을 통해 폐열 에너지의 공급을 관리하고 최대 난방부하 및 계절, 시간별 작물생장에 필요한 에너지값을 도출하여 이를 기반으로 최적 에너지 운용방안을 도출하고자 한다.

• 설비공학논문집
• /
• 제11권2호
• /
• pp.193-204
• /
• 1999

Performance of a variable-speed, roller-type vane compressor was evaluated at low evaporating temperature. First, an experimental investigation was conducted to examine the performance variation as functions of both outdoor temperature and rotating speed. For this purpose, a typical heat pump was implemented as a test apparatus to measure mass flow rate and power input. Secondly, computational investigations corresponding to the heat pump test conditions were performed to predict compressor performance using ORNL Map-Based compressor model. Results obtained from the heat-pump experiments showed that both mass flow rate and power consumption were sensitively dependent on both evaporating temperature and compressor speed as was predicted from the computational results. From the comparisons of both experimental and computational results, it was well recognized that the ORNL model was subjected to larger error in the accuracy of prediction as outdoor temperature decreased. When the outdoor temperature was above $-5^{\cire}C$, errors of predicted values corresponding to both mass flow rate and power consumption were estimated as $\pm$10% and $\pm$ 15%, respectively. Finally, it is suggested that the ORNL model needs to be re-evaluated if compressor map data tested below $-5^{\cire}C$(in evaporating temperature) are available.

• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.943-950
• /
• 2019

머신 러닝은 인력을 대체함으로써 업무 효율성을 크게 높일 수 있다. 특히 4차 산업혁명 시대의 요청에 따라 인공지능을 포함한 머신 러닝의 중요성은 점점 커지고 있다. 본 논문은 MLP, RNN, LSTM, ANFIS 신경망 알고리즘 이용하여, 월별 전력 거래량을 예측한다. 본 논문에서는 통계청에서 제공하는 월별 전력 거래량과 월별 전력 거래금액, 최종에너지 소비량, 자동차용 경유 가격에 대한 2001~2017년까지의 공공 데이터를 사용하였다. 본 논문은 제시하는 각각의 알고리즘들을 학습시키고, 알고리즘이 예측하는 시계열 그래프를 이용하여 예측 결과를 보여주고 RMSE를 이용하여 이들 중에서 가장 우수한 알고리즘 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.419-430
• /
• 2020

본 연구는 기존 전력량 예측 모델의 구조를 변경하여 모델의 예측 능력을 향상 시킬 수 있는 방법에 관하여 연구하였다. 전기에 대한 수요는 그 어느 때보다 증가하고 있다. 산업 부문에서는 그 어느 부문 보다 전기 소모량이 많음으로, 더욱 정확한 공장 지역의 전력량 소모 예측 모델이 잉여 에너지 생산을 줄이기 위해 주목을 받고 있다. 우리는 2개의 개별 encoder와 한개의 decoder를 사용하여, 장기와 단기 데이터를 모두 사용하는 double encoder-decoder 모델을 제안한다. 우리는 제안된 모델을 세홍(주)의 생산 구역에서 2019년 1월 1일부터 2019년 6월 30일 까지 모집된 전력 소모량 데이터에서 평가 하였다. double encoder-decoder 모델은 기존의 encoder-decoder 모델을 사용했을 때와 비교하여 약 10 %의 평균 절대 비율 오차의 감소를 기록 하였다. 본 결과는 제안한 모델이 encoder-decoder 모델에 비해 생산 지역의 전력 사용량의 예측을 더 정확하게 하는 모델임을 보여준다.

• 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.