• Proceedings of the KIEE Conference
• /
• 1999.07c
• /
• pp.1259-1261
• /
• 1999

The paper proposes a simple method to calculate the portion of real power losses allocated to individual loads. The method is implemented by loss distribution factors, and analyses the share of loads in transmission line losses. Effectiveness of the algorithm is verified by a computer simulation. The results can be used to compute the cost of ancillary services under deregulated environment in electric power industries.

• The Magazine for Energy Service Companies
• /
• s.16
• /
• pp.62-67
• /
• 2002

이 보고서는 미국 에너지부(DOE)의 지원 아래 작성되어 지난 2001년 6월 30일 NAESCO에 의해 제출되었다. 이 보고서의 목표는 시장에서 표준성과배분계약(SPC)이 어떻게 이해되고 있는가를 밝히는데 있으며, NAESCO회원사들이 실제 시장에서 수행한 자료들을 통계원으로 삼고 있다. 또한 실제 프로그램을 실시한 4개주(뉴저지, 캘리포니아, 뉴욕, 텍사스)에서의 상황을 묘사하고 있다.

• The Magazine of the IEIE
• /
• v.29 no.9
• /
• pp.1089-1089
• /
• 2002

실시간 시스템은 응용 프로그램의 수행에 있어서 프로세서의 동작이나 자료의 흐름에 대해서 시한성이 매우 엄격한 시스템이다. 따라서 실시간 운영체제는 이러한 응용프로그램의 요구에 대처하여 시스템의 자원을 적절히 배분하여 그 시한성을 엄격히 만족시켜 줄 수 있어야 한다. 자원의 배분에 있어서 특히 중요한 고려 사항은 태스크들의 스케줄링과 관계가 있다. 본 논문에서는 상용 실시간 운영체제에서 구현되어 서비스하고 있는 널리 알려진 실시간 스케줄링 기법에 대해서 연구하고, 또한 최근 실시간 스케줄링에서 고려되고 있는 사항들에 대한 현황을 파악한다.

• The Magazine of the IEIE
• /
• v.29 no.9
• /
• pp.87-100
• /
• 2002

실시간 시스템은 응용 프로그램의 수행에 있어서 프로세서의 동작이나 자료의 흐름에 대해서 시한성이 매우 엄격한 시스템이다. 따라서 실시간 운영체제는 이러한 응용 프로그램의 요구에 대처하여 시스템의 자원을 적절히 배분하여 그 시한성을 엄격히 만족시켜 줄 수 있어야 한다. 자원의 배분에 있어서 특히 중요한 고려사항은 태스크들의 스케쥴링과 관계가 있다. 본 논문에서는 상용 실시간 운영체제에서 구현되어 서비스하고 있는 널리 알려진 실시간 스케쥴링 기법에 대해서 연구하고, 또한 최근 실시간 스케쥴링에서 고려되고 있는 사항들에 대한 현황을 파악한다.

• Proceedings of KOSOMES biannual meeting
• /
• 2017.11a
• /
• pp.144-144
• /
• 2017

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 1999.11c
• /
• pp.359-376
• /
• 1999

상호접속고시기준에 따라 2000년부터 "유선전화 가입자로부터 이동전화 가입자로의 착신통화(이하 LM통화라 한다)"의 접속료를 현행 수익배분방식에서 원가검증을 통한 전산방식으로 전환하여야 한다. 이에 따라 수익배분 하에서는 문제가 되지 않았던 LM통화의 접속경로 설정방법이 사업자간에 쟁점사항으로 대두될 전망이다. 이는 접속경로를 어떻게 설정하느냐가 접속원가산정에 상당한 영향을 미치기 때문이다. 본 고에서는 영국, 호주, 일본에서의 LM통화 접속경로 설정사례와 국내 현황을 살펴보고 현행제도의 개선방안을 검토해 보고자 한다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.29-30
• /
• 2007

본 논문에서는 배전계통의 정상상태 운용 목적중 하나인 부하의 균등 배분에 관하여 연구하였다. 배전계통의 재구성이라 함은 위의 목적식에 따라 시스템 내에 존재하는 개폐기의 On/Off 상태를 변경하여 구성을 바꾸는 것이다. 이를 통하여 해당 전력계통의 부하가 평준화 되는 것을 보이도록 한다. 또한, 부하의 균등 배분이라는 목적으로 계통을 재구성한 결과와 손실의 최소화를 목적으로 재구성한 결과를 비교하여 보다 효율적인 방법을 제안하고, 그 해가 지역해에 빠지지 않고, 좀 더 빠른 시간에 최적해에 도달할 수 있는 방안을 구현하고자 한다.

• Journal of Intelligence and Information Systems
• /
• v.26 no.1
• /
• pp.135-149
• /
• 2020

Artificial intelligences are changing world. Financial market is also not an exception. Robo-Advisor is actively being developed, making up the weakness of traditional asset allocation methods and replacing the parts that are difficult for the traditional methods. It makes automated investment decisions with artificial intelligence algorithms and is used with various asset allocation models such as mean-variance model, Black-Litterman model and risk parity model. Risk parity model is a typical risk-based asset allocation model which is focused on the volatility of assets. It avoids investment risk structurally. So it has stability in the management of large size fund and it has been widely used in financial field. XGBoost model is a parallel tree-boosting method. It is an optimized gradient boosting model designed to be highly efficient and flexible. It not only makes billions of examples in limited memory environments but is also very fast to learn compared to traditional boosting methods. It is frequently used in various fields of data analysis and has a lot of advantages. So in this study, we propose a new asset allocation model that combines risk parity model and XGBoost machine learning model. This model uses XGBoost to predict the risk of assets and applies the predictive risk to the process of covariance estimation. There are estimated errors between the estimation period and the actual investment period because the optimized asset allocation model estimates the proportion of investments based on historical data. these estimated errors adversely affect the optimized portfolio performance. This study aims to improve the stability and portfolio performance of the model by predicting the volatility of the next investment period and reducing estimated errors of optimized asset allocation model. As a result, it narrows the gap between theory and practice and proposes a more advanced asset allocation model. In this study, we used the Korean stock market price data for a total of 17 years from 2003 to 2019 for the empirical test of the suggested model. The data sets are specifically composed of energy, finance, IT, industrial, material, telecommunication, utility, consumer, health care and staple sectors. We accumulated the value of prediction using moving-window method by 1,000 in-sample and 20 out-of-sample, so we produced a total of 154 rebalancing back-testing results. We analyzed portfolio performance in terms of cumulative rate of return and got a lot of sample data because of long period results. Comparing with traditional risk parity model, this experiment recorded improvements in both cumulative yield and reduction of estimated errors. The total cumulative return is 45.748%, about 5% higher than that of risk parity model and also the estimated errors are reduced in 9 out of 10 industry sectors. The reduction of estimated errors increases stability of the model and makes it easy to apply in practical investment. The results of the experiment showed improvement of portfolio performance by reducing the estimated errors of the optimized asset allocation model. Many financial models and asset allocation models are limited in practical investment because of the most fundamental question of whether the past characteristics of assets will continue into the future in the changing financial market. However, this study not only takes advantage of traditional asset allocation models, but also supplements the limitations of traditional methods and increases stability by predicting the risks of assets with the latest algorithm. There are various studies on parametric estimation methods to reduce the estimated errors in the portfolio optimization. We also suggested a new method to reduce estimated errors in optimized asset allocation model using machine learning. So this study is meaningful in that it proposes an advanced artificial intelligence asset allocation model for the fast-developing financial markets.

• 대학교육
• /
• s.49
• /
• pp.58-63
• /
• 1991

• Water for future
• /
• v.46 no.8
• /
• pp.66-69
• /
• 2013