• Journal of Internet Computing and Services
• /
• v.24 no.2
• /
• pp.57-66
• /
• 2023

Currently, a new energy system is emerging that implements consumption reduction by improving energy efficiency. Accordingly, as smart grids spread, the rate system by timing is expanding. The rate system by timing is a rate system that applies different rates by season/hour to pay according to usage. In this study, external factors such as temperature/day/time/season are considered and the time series prediction model, LSTM, is used to predict energy power usage data. Based on this energy usage prediction model, energy usage charges are reduced by analyzing usage patterns for each device and transferring power energy from the maximum load time to the light load time. In order to analyze the usage pattern for each device, a clustering technique is used to learn and classify the usage pattern of the device by time. In summary, this study predicts usage and usage fees based on the user's power data usage, analyzes usage patterns by device, and provides customized demand transfer services based on analysis, resulting in cost reduction for users.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.49 no.12
• /
• pp.989-996
• /
• 2021

In the case of an unmanned aerial vehicle using a battery as a power source, there are restrictions in performing the mission because the battery capacity is limited. To extend the mission capability, it is important to minimize battery usage while the flight to the mission area. In addition, by using the battery usage prediction model, the possibility of mission completeness can be determined and it can be a criterion for selecting an emergent landing point in the mission planning stage. In this paper, we propose a battery usage prediction model considering as one of the environmental factors in the three-dimensional space. The required power is calculated according to the flight geometry of an unmanned aerial vehicle. True battery usage which is predicted from the required power is verified through the comparison with the battery usage prediction model. The optimal flight trajectory that minimizes battery usage is produced and compared with the shortest travel distance.

• The Journal of Bigdata
• /
• v.6 no.1
• /
• pp.127-132
• /
• 2021

Korea is both a resource-poor country and a energy-consuming country. In addition, the use and dependence on electricity is very high, and more than 20% of total energy use is consumed in buildings. As research on deep learning and machine learning is active, research is underway to apply various algorithms to energy efficiency fields, and the introduction of building energy management systems (BEMS) for efficient energy management is increasing. In this paper, we constructed a database based on energy usage by device per household directly collected using smart plugs. We also implement algorithms that effectively analyze and predict the data collected using RNN and LSTM models. In the future, this data can be applied to analysis of power consumption patterns beyond prediction of energy consumption. This can help improve energy efficiency and is expected to help manage effective power usage through prediction of future data.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.5
• /
• pp.93-99
• /
• 2019

In this paper, we propose a smart meter that uses GRU model, which is one of artificial neural networks, for the efficient energy management. We collected power consumption data that train GRU model through the proposed smart meter. The implemented smart meter has automatic power measurement and real-time observation function and load control function through power consumption prediction. We determined a reference value to control the load by using Root Mean Squared Error (RMS), which is one of performance evaluation indexes, with 20% margin. We confirmed that the smart meter with automatic load control increases the efficiency of energy management.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.394-394
• /
• 2022

최근 스마트 수도미터의 보급을 통해 수용가구별 물 사용 자료를 수집할 수 있다. 이런 수용가구별 물 사용 패턴은 주말, 날씨 등 다양한 요인으로 인해 비선형적 특성을 가지고 있다. 그로인해 전통적인 시계열 예측 모형인 ARIMA 모형으로 적용하기 어렵다. 따라서 본 연구에서는 딥러닝 기반의 LSTM 모형을 통해 수용가구별 물 소비량 예측 모형을 개발하였다. 이 모형은 비선형적인 물 소비 패턴을 학습하기 위해 다양한 변수를 고려하였다. 서로 다른 종류의 4개 type (A : 단독주택, B: 아파트, C: 음식점, D : 초등학교)의 수용가구에 대한 ARIMA 모형과 LSTM 모형을 개발하였고, 학습에 사용되지 않은 새로운 데이터를 적용하여 정량적으로 예측성능을 비교했다. 그 결과, 모든 수용가구에서 LSTM 모형이 ARIMA 모형보다 성능이 우수하였다 (상관계수 : 평균89% | RMSE : 평균 5.60m³). 따라서 본 연구에서 제안한 모형은 수용가구별 물 사용량을 예측하는데 높은 활용도를 보일 것으로 기대된다.

• The Korean Journal of Applied Statistics
• /
• v.32 no.3
• /
• pp.405-421
• /
• 2019

Predicting how much energy to use is an important issue in society. However, it is more difficult to capture the usage characteristics of residential buildings than other buildings. This paper provides time series analysis methods for electricity consumption in a residential building. Temperature is closely related to electricity demand. An error correction model, which is a method of adjusting the error with time, is applied when a cointegration relation is established between variables. Therefore, we analyze data via ECMs with consideration of the temperature effect.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.419-419
• /
• 2021

수자원 관리 패러다임은 공급 위주에서 수요관리로 전환되고 있다. 가용한 수자원은 한정적이나 급속한 인구증가와 도시화로 인한 물 수요의 증가로 수요관리의 효율성이 중시되고 있기 때문이다. 기존 상수도시스템은 노후화로 가동효율이 점차 낮아지고 있으며, 인력으로 월 또는 격월로 소비자의 물 사용량을 검침해 실시간 관리가 불가능하여 수요와 공급의 불균형을 초래한다. 이러한 문제를 해결할 대안으로 IT 기술과 전통적인 물관리 기술을 접목한 Smart Water Grid는 양방향 통신장치를 이용해 실시간으로 소비자의 물 사용량을 모니터링한다. 물 사용 특성을 잘 파악하면 보다 정확한 물 수요 예측이 가능하다. 특히 소비자들의 시간별, 평일, 주말, 그리고 주별 물 사용 특성을 파악하면 미래 물 수요 예측에 도움이 된다. 예측된 물 수요량에 따라 물 공급 배분 계획을 수립하여 운영 효율성을 높일 수 있다. 물 수요예측 방법 중 k-mean 군집분석은 시간별 물 사용량을 이용해 서로 유사한 여러 개의 부분집합으로 할당하여 분류하는 Machine learing 방법으로 물 사용의 유사성을 파악할 수 있다. SWG 연구단은 2019년 Vietnam Hai Duong province에 SWG Pilot plant를 구축하고 27개의 Smart water meter를 설치하여 운영하고 있다. 이에 본 연구에서는 소비자의 물 사용 특성을 분석하기 위해 27개 SWM로부터 수신된 2019년 11월 14일부터 2020년 12월 3일까지 1시간 단위의 물 사용량 데이터를 수집하였다. 그리고 k-mean 군집 방법을 이용해 시간별, 평일, 주말, 그리고 주별 물 사용 특성을 분석하였다. 이 때 최적의 군집 개수 결정을 위해 Elbow 방법을 적용하였다. 분석 결과 각 소비자의 물 사용량 특성에 따라 평균 물 수요패턴 추정이 가능하며, 향후 물 수요 예측에 도움이 될 것으로 사료된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.467-470
• /
• 2003

한 개의 자바 프로그램은 다수 개의 클래스 파일로 구성된다. 자바 프로그램이 실행되기 위해서는 클래스 파일이 메모리에 적재되어져야 하는데, 본 논문에서는 개별 클래스들이 어느 정도의 메모리를 사용할지를 정적으로 예측할 수 있게 하는 방법에 대해 알아보았다. 본 논문의 관심은 클래스 영역의 메모리, 즉 정적 메모리에 맞추어져 있으며, 힙 영역의 메모리 등 동적 메모리에 대한 예측은 향후 연구로 남겨 두었다. 클래스를 이루는 필드와 메소드 등의 값들이 메모리 사용량에 미치는 영향을 수식으로 유도하였으며, 이 수식의 유효성을 실제 실험을 통해 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.253-255
• /
• 2016

본 논문에서는 H.264의 화면 내 예측 모드를 적용한 변형된 선택 보간법을 채택함으로써 고화질 DMB 시청시 사용자의 모바일 데이터 사용량과 전력사용량을 줄이는 것을 목적으로 하는 시스템을 제안한다. 스마트 DMB는 T-DMB망으로 전송되는 QVGA급 영상(기본영상)에 모바일 데이터망을 통해 전송되는 추가정보를 더하여 화질을 개선하는 방식이다. 제안 방법은 원본 고화질 영상과 T-DMB망으로 전송되는 기본영상의 오차를 효과적으로 줄이면 사용자 시스템의 부하와 데이터 사용량을 줄이면서 화질을 유지할 수 있다.

• Journal of Environmental Impact Assessment
• /
• v.24 no.5
• /
• pp.487-498
• /
• 2015

The energy problem has occurred because of the effects of rising temperature and growing population and GDP. Prediction for the energy demand is required to respond these problems. Therefore, this study will predict heating and cooling energy consumption in residential sector to be helpful in energy demand management, particularly heating and cooling energy demand management. The AIM/end-use model was used to estimate energy consumption, and service demand was needed in the AIM/end-use model. Service demand was estimated on the basis of formula, and energy consumption was estimated using the AIM/end-use model. As a result, heating and cooling service demand tended to increase in 2050. But in energy consumption, heating decreased and cooling increased.