• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 2000.11a
• /
• pp.3-14
• /
• 2000

미래를 예측하는 것은 어떤 의미에선 힘들지 않다. 그것은 미래를 예측하는 데는 상상할 수 없을 정도로 우리가 고려해야 할 인자가 많아 완전한 예측은 불가능함으로 별로 주저하지 않고 불확실한 사실도 예언하고 책임을 지지 않는데 우리는 익숙해 있기 때문이다. 과거에 누구도 오늘의 인류문명을 내다보지 못했으며 더구나 앞으로 일어날 변화를 확신을 갖고 예측하는 것은 점점 더 힘들어지고 있다. 로마클럽의 보고서 "성장의 한계"도 출판 당시는 세계를 떠들석하게 했지만, 지금에 와서는 과거의 기념비적 사건으로 묻혀버리고 만 것을 보아도 알 수 있다.(중략) 수 있다.(중략)

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.8
• /
• pp.1005-1012
• /
• 2021

Recently, the use of various location-based services-based location information systems using maps on the web has been expanding, and there is a need for a monitoring system that can check power demand in real time as an alternative to energy saving. In this study, we developed a deep learning real-time virtual power demand prediction web system using open source-based mapping service to analyze and predict the characteristics of power demand data using deep learning. In particular, the proposed system uses the LSTM(Long Short-Term Memory) deep learning model to enable power demand and predictive analysis locally, and provides visualization of analyzed information. Future proposed systems will not only be utilized to identify and analyze the supply and demand and forecast status of energy by region, but also apply to other industrial energies.

• Smart Media Journal
• /
• v.9 no.1
• /
• pp.84-91
• /
• 2020

Along with increasing the renewable energy utilization, many researches have paid attention on the utilization and efficiency of energy storage systems. Especially, it is required an operational model in order to actively respond with each system's failure of sub-systems in the solar energy storage system. This paper proposes an energy management scheme by estimating the newly generated power based on the solar power generation samples. With comparing the estimated battery charging power in real time and the total charging power of the battery rack, a charge model is applied to adjust the charging power, As a result, the stability of energy storage system would be improved by suppressing the battery heat while maintaining battery C-Rate.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.845-848
• /
• 2021

최근 화석연료의 급격한 사용에 따른 자원고갈이나 환경오염과 같은 문제들이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 높아지고 있다. 태양광 에너지는 다른 에너지원에 비해 고갈의 우려가 없고, 부지 선정의 제약이 크지 않아 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효과적으로 사용하기 위해서는 태양광 발전량에 대한 정확한 예측 모델이 필요하다. 이를 위한 다양한 딥러닝 기반의 예측 모델들이 제안되었지만, 이러한 모델들은 모델 내부에서 일어나는 의사결정 과정을 들여다보기가 어렵다. 의사결정에 대한 설명이 없다면 예측 모델의 결과를 완전히 신뢰하고 사용하는 데 제약이 따른다. 이런 문제를 위해서 최근 주목을 받는 설명 가능한 인공지능 기술을 사용한다면, 예측 모델의 결과 도출에 대한 해석을 제공할 수 있어 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 모델의 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 Long Short-Term Memory(LSTM)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHapley Additive exPlanation(SHAP)을 통하여 설명하는 태양광 발전량 예측 기법을 제안한다.

• Journal of Korea Multimedia Society
• /
• v.10 no.1
• /
• pp.139-146
• /
• 2007

Many researches had been gone about method to track moving object using wireless sensor network. We examined tradeoffs that exist between quantity of energy and correctness of tracking, and we confirmed that can get more energy sayings through improved motion prediction method. The consumed energy in the tracking is used by sensor node for sensing the object, and tracking correctness is a differ once of actual object position from calculated value by sensing. Some tracking methods and controlling parameters causes a variation of tracking correctness and energy consuming, we can get best energy effectiveness by motion prediction algorithm. Furthermore, we get better tracking quality and energy effectiveness through using a motion prediction algorithm that consider acceleration. By the simulation, we know that if we use an accurate motion prediction algorithm, node activation range that is used for target's predicted position should be restricted to sensing range of sensor is better.

• 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.

• Proceeding of EDISON Challenge
• /
• 2015.03a
• /
• pp.124-131
• /
• 2015

단백질의 구조를 예측하기 위해서 구조가 알려져 있는 단백질 중 진화적으로 유사한 단백질의 구조 정보를 이용하는 Template Based Modeling (TBM) 방법이 현재까지 가장 효과적으로 많이 사용되고 있다. 단백질의 삼차 구조를 이루는 단위 중에서도 고리 부분은 효소 활성 부위 또는 리간드 결합 부위 등으로 작용하여 단백질의 생물학적 기능에 연관되어 있다. 하지만 진화적으로 가까운 단백질이어도 고리 부분은 서열이 잘 보존되지 않아 충분한 구조 정보를 주지 못하고 TBM 방법으로 고리 구조까지 정확히 예측을 할 수 없다. 따라서 TBM 방법으로 예측한 구조의 고리 부분을 주형 정보에 의존하지 않고 다시 예측하여 전체 구조를 정밀화하는 과정이 중요하다. 이번 연구에서는 이를 위해 자유 에너지를 고려한 고리 구조 예측 방법을 적용하여 그 효과를 검증해보았다.

• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.25 no.2
• /
• pp.77-83
• /
• 2002

본 연구에서는 가솔린 시계열 예측전문가들이 수요를 예측하고, 더 나아가 직감적으로 행하고 있는 보정과정을 자동화하기 위해 신경망을 사용한다. 가솔린 수요 예측분야에서 보정을 위해 사용되는 전형적인 판단요소는 정부 에너지 절약 정책, 에너지 산업의 파업, 공휴일 등이 있다. 주요 추세가 순환신경망에 의해 예측되고 이들 판단요소의 효과가 다층신경망에 의해 탐지되어 보정된다. 가솔린 수요에 대한 실험결과는 보정과정을 갖는 예측구조가 하나의 신경망을 사용하는 예측구조 보다 더 나은 예측력을 보였다. 그리고 본 연구에서 제시한 접근방법이 순환신경망이나 ARIMA 모델을 사용하는 것보다 더 나은 결과를 가졌다.

• 한국신재생에너지학회:학술대회논문집
• /
• 2011.05a
• /
• pp.88.1-88.1
• /
• 2011

본 연구에서는 SOFC 시스템 설계기술 개발을 위한 기초 연구로서 전산해석을 이용한 SOFC 성능예측 기법을 개발하였다. 기본설계 단계에서 SOFC의 성능을 개략적으로 예측할 수 있는 1차원 예측 모델을 정립하였으며, 온도, 조성, 전해질, 전극 두께 등을 비롯한 다양한 조건 변화에 따른 성능예측을 수행하여 실험값과 비교한 결과 최대전력밀도 조건에서 23%의 오차를 갖는 것으로 나타났다. 또한 Stack 제작단계에서 다양한 운전조건과 형상변화에 따른 SOFC 성능 변화를 예측할 수 있는 3차원 해석기법을 정립하였으며, 최대전력밀도에서 5.1%의 오차를 보였다. 포괄적인 열 및 물질 전달 현상과 전기화학반응을 3차원적으로 해석함으로써 보다 정확한 예측이 가능하였다. 또한 수소와 적당량의 수분을 함께 공급할 경우 SOFC 성능이 향상되는 것으로 나타났다. 본 연구에서 개발된 기술을 활용할 경우 시제품 제작 전에 전지시스템의 성능을 미리 예측할 수 있으므로, 향후 제품 개발시 제작비용 절감과 설계기간 단축에 기여할 수 있을 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.25-28
• /
• 2014

에너지 자립섬은 외부 전력의 유입이 어려운 상황에서 풍력/태양광 발전과 같은 재생 에너지를 주요 발전원으로 운영하는 섬이다. 에너지 자립섬의 운영을 위해서는 전력 수요와 공급량을 예측하여 발전기, 송배전 시스템, ESS 등의 운영 계획 수립이 필요한데 수요 및 공급의 예측은 기상 상황 및 시간 등의 다양한 요소에 영향을 받으므로 예측이 어렵다. 이러한 특성을 감안하여 효율적인 전력망 운영을 위해 기계 학습을 기반으로 한 스마트 그리드 운영 프레임워크의 활용을 통해 이 문제를 해결하고자 한다. 본 논문에서는 자립섬 운영 계획 수립에 필요한 구성 요소를 파악하고 요소들 간의 연계 관계를 분석하여 운영 시스템의 프레임워크 설계안을 제시한다.