• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1208-1210
• /
• 2015

본 논문은 실제 사무용 빌딩의 전력 사용량 빅 데이터를 이용하여 효율적인 에너지 사용 및 빌딩 에너지 수요 반응 관리를 위해 전력 사용량 기준 클러스터링을 통한 분석결과를 제시하고 분석된 클러스터링 결과를 기반으로 전력 사용량 예측모델을 설계하였다. 예측모델을 통해 도출된 전력 사용량과 실제 빌딩의 실측 데이터 사이의 오차율을 계산하여 예측모델의 타당성을 보였으며 이를 토대로 에너지 예측 사용량 기반 효율적인 수요 반응 제어 알고리즘을 제시하였다.

• 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 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.

• The Journal of the Convergence on Culture Technology
• /
• v.10 no.4
• /
• pp.693-700
• /
• 2024

As of the end of March 2022, the total area of domestic industrial complexes is 606 km2, which is only about 0.6% of the total land area. However, as of 2018, the annual energy consumption of domestic industrial complexes is 110,866.1 thousand TOE, accounting for 53.5% of the country's total energy consumption and 83.1% of the entire industrial sector energy consumption. In addition, industrial complexes have a significant impact on the environment, accounting for 45.1% of the country's total greenhouse gas emissions and 76.8% of industrial sector greenhouse gas emissions. Under this background, in this study, in order to contribute to the energy efficiency of industrial complexes, a prediction study on energy demand and supply for an industrial complex in Korea using machine learning was conducted. In addition, a simulator UI screen was designed to more efficiently convey information on energy demand/supply prediction results and energy consumption status. Among the machine learning algorithms, Multi-Layer Perceptron (MLP) was used, and Bayesian Optimization was applied as an optimization technique for the prediction model. The energy prediction model for the industrial complex built in this study showed a prediction accuracy of 87.90% for compressed air demand and 99.54% for the flow rate available for the public air compressor.

• Journal of The Institute of Information and Telecommunication Facilities Engineering
• /
• v.9 no.3
• /
• pp.107-111
• /
• 2010

This paper is concerned with data center remote management service for demanding forecasting and reduction of energy usage. More particularly, intelligent server rack, mounted on inside of the data center, collects information about energy usage and temperature per server. Using this information, management platform forecasts energy demand in the future and automatically makes report according green environment raw. By providing the remote management service through remote terminals, users are not tied to a time and place to control device inside the data center. In this way, the data center remote management service enhances operability of the facility.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.89-90
• /
• 2019

본 논문에서는, 에너지 인터넷에서 정밀한 수요반응을 위한 인공지능 알고리즘 모델을 제안한다. 제안하는 인공지능 모델은 시계열 전력사용량 데이터 처리를 위해 딥러닝 기반 long-short term memory (LSTM) 네트워크를 사용한다. 시뮬레이션 결과를 통해 제안한 시스템 모델의 전력사용량 예측 정확도를 확인하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2005.11a
• /
• pp.77-83
• /
• 2005

기후변화협약에 의해 탄소세가 부과될 경우 한국의 에너지 집약 산업에 어떠한 영향을 미치며 그에 대한 대응방안이 어떻게 마련되어야 하는지에 대한 관심이 증대되고 있다. 이에 본 연구에서는 탄소세가 부과됨으로 인하여 에너지 다소비 업종인 시멘트산업의 각 에너지원별 사용량에 미치는 파급효과를 시스템 다이내믹스 방법론에 의한 시뮬레이션 모델을 이용하여 분석하였다. 시뮬레이션 모델은 환경모듈, 경제모듈, 에너지모듈로 구성하였고 모델의 예측력 검증을 위해 의태분석을 수행하였다. BAU 시나리오와 탄소세 부과 시나리오를 설정하여 각 시나리오의 총수요의 예측치, 이산화탄소 배출량의 추이, 에너지원의 사용변화를 분석하였다. 본 연구는 향후 기후변화협약의 부담이 큰 에너지 집약산업에 있어서 에너지원의 사용 및 수요를 예측하고 이를 평가하기 위한 지침을 제시할 수 있을 것으로 기대된다.

• Journal of IKEEE
• /
• v.23 no.1
• /
• pp.120-126
• /
• 2019

Recently, accurate prediction of power consumption based on machine learning techniques in Internet of Energy (IoE) has been actively studied using the large amount of electricity data acquired from advanced metering infrastructure (AMI). In this paper, we propose a deep learning model based on Gated Recurrent Unit (GRU) as an artificial intelligence (AI) network that can effectively perform pattern recognition of time series data such as the power consumption, and analyze performance of the prediction based on real household power usage data. In the performance analysis, performance comparison between the proposed GRU-based learning model and the conventional learning model of Long Short Term Memory (LSTM) is described. In the simulation results, mean squared error (MSE), mean absolute error (MAE), forecast skill score, normalized root mean square error (RMSE), and normalized mean bias error (NMBE) are used as performance evaluation indexes, and we confirm that the performance of the prediction of the proposed GRU-based learning model is greatly improved.

• The Journal of Korean Institute of Next Generation Computing
• /
• v.13 no.4
• /
• pp.7-18
• /
• 2017

Electrical energy is one of the most important energy sources in modern society. Therefore, it is very important to control the supply and demand of electric power. However, the power consumption data needed to predict power demand may include the information about the private behavior of an individual, the analysis of which may raise privacy issues. In this paper, we propose a secure power demand forecasting method where regression analyses on power consumption data are conducted in a trusted execution environment provided by Intel SGX, keeping the power usage pattern of users private. We performed experiments using various regression equations and selected an equation which has the least error rate. We show that the average error rate of the proposed method is lower than those of the previous forecasting methods with privacy protection functionality.

• Journal of Technology Innovation
• /
• v.2 no.1
• /
• pp.1-57
• /
• 1994

본 고는 지속적 개발 론에 입각한 적극적인 에너지수요 관리정책을 추진한다는 전제하에 2001년과 2006년의 우리 나라 가정부문 전력수요를 전망하고자 한다. 본 고는 지속적 개발 시나리오를 추정함에 있어서 기존의 계량모형보다 일종의 공학적 모형인 공정분석(process analysis)을 선호한다. 계량모형이 주로 과거 수요의 소득 및 가격 탄성 치를 바탕으로 미래의 수요를 예측하는데 비하여 공정분석모형은 기술발전에 따른 미래의 효율변화(향상)를 비교적 잘 반영할 수 있기 때문이다. 본 고는 덴마크공과대학교 Norgard 교수팀이 개발한 모형을 도입하여 분석모형(수식 (6))을 전력수요 = 기기 수 $\times$ 전력서비스$\times$ 전력집약도와 같이 설정하고 이를 사용하여 냉장고, 텔레비전, 조명 기기, 난방기기 등과 같은 전력사용 기기 별로 2001년과 2006년이 전력수요를 전망하였다. 본 고는 전력수요를 전력사용 기기의 사용용량(300리터 용량의 냉장고 등)과 사용시간을 나타내는 전력서비스와 전력 서비스당 필요 전력사용량을 나타내는 전력집약도로 나누어 구분하고 있는 모형을 이용함으로써 소득향상효과와 함께 기술발전에 따른 효율개선효과를 분석할 수 있다. 1) 생활수준 향상에 따라 전력서비스는 지금과 같이 증가한다, 2) 현실적으로 가능한 범위 내에서 전력사용 기기에 대한 최저 에너지 효율 제를 실시한다, 3) 현재 사용중인 기기 들은 원칙적으로 수명이 다한 후 고효율 기기 들로 자연 교체한다, 4) 최저 에너지 효율 제를 제외한 다른 제도 및 정책개선, 사용자의 에너지소비형태 개선에 따른 절전 잠재 량을 고려하지 않는다 등의 가정 하에 전력수요를 추정한 결과 1992년에 796 GWh(100)이었던 우리 나라 가정부문 전력수요는 2001년과 2006년에 29,237 GWh(134)와 33,118 GWh(152)로 각각 34%와 52%증가할 것으로 나타났다. 이 경우 1992년부터 2006년까지 가정용 전력수요 증가율은 연평균 3%로 추정된다. 기기의 서비스(가구수$\times$기기의 보급 율$\times$기기의 전력서비스)가 소득향상에 따라 증가하는데도 불구하고 전력수요의 증가율이 GDP(같은 기간 동안 연평균 증가율 5.7%)보다 매우 낮은 것은 기기의 대형화와 기기의 보급을 증가에 따른 전력의 추가수요가 기기의 에너지효율 개선으로 대부분 상쇄될 것이기 때문이다. 향후 10년 내에 기기에 따라 전력사용량을 25%~50%정도까지 줄일 수 있을 것으로 분석된다. 기술발전에 따른 기기의 에너지효율 개선효과는 본 고의 2006년도 가정용 전력수요의 전망치 33,118 GWh가 기존방식에 의한 한전의 전망치 61,155 GWh의 54%수준밖에 되지 않는데 서도 잘 나타나고 있다. 한편 본 고는 경제성장과 환경보존을 동시에 달성할 수 있는 지속적 개발의 실천방안으로서 에너지 수요관리를 논하고자 한다. 고효율 기기의 개발과 조기도입을 촉진시키는 에너지 수요관리 통하여 우리는 에너지효율을 대폭 개선시키며 대기오염 배출량도 대폭 줄일 수 있다. 본 고는 에너지 공급관리(공급확충)위주에서 에너지 수요관리위주로서의 에너지정책 전환은 불가피하다고 판단한다. 에너지 공급시스템보다 에너지 수요시스템위주로 전체 에너지시스템을 획기적으로 개선시키기 위해서는 최저 에너지효율제의 광범위한 실시와 함께 고효율 기기의 개발과 보급에 필요한 유인책의 도입, 고효율 기기와 에너지의 효율적 이용에 대한 정보 등이 필요시 되고 있다. 우리 나라의 경우 현재의 산업구조와 기술수준을 고려하여 에너지 효율의 기준을 미국보다 다소 낮게 설정한다면 최저 에너지효율제의 도입이 문제가 되지 않을 것으로 판단된다. 본 고는 고효율 기기의 개발과 조기도입을 지원하기 위한 가칭 대기환경보존 및 에너지 수요관리기금의 창설을 제안한다. 전력부문의 경우 기금은 1. 탄소세, 2. 전력소비에 대한 수요 관리 세의 도입 혹은 3. 한국전력공사 전력판매수입의 일정 분으로 조성될 수 있을 것으로 본다. 예를 들어 선진국들이 탄소세를 예정대로 도입한다는 전제하에 우리 나라가 2000년을 기준으로 탄소 톤당 8달러(석유 배럴 당 85센트)의 탄소세를 도입한다면 연간 7억 2,000만 달러(약5,760억 원)규모의 기금을 조성할 수 있다. 이 중 연간 2,000억 원 정도를 고효율 기기의 개발과 조기도입에 지원한다면 우리 나라 에너지 시스템 효율은 대폭 개선될 수 있을 것으로 예상된다.