• 전기학회논문지
• /
• 제65권4호
• /
• pp.547-554
• /
• 2016

Analyze the customer daily load patterns, be used to determine the optimal charging and discharging schedule which can minimize the electrical charges through the battery energy storage system(BESS) installed in consumers is an object of this paper. BESS, which analyzes the load characteristics of customer and reduce the peak load, is essential for optimal charging and discharging scheduling to save electricity charges. This thesis proposes optimal charging and discharging scheduling method, using particle swarm optimization (PSO) and penalty function method, of BESS for reducing energy charge. Since PSO is a global optimization algorithm, best charging and discharging scheduling can be found effectively. In addition, penalty function method was combined with PSO in order to handle many constraint conditions. After analysing the load patterns of target BESS, PSO based on penalty function method was applied to get optimal charging and discharging schedule.

• 한국지능시스템학회논문지
• /
• 제21권6호
• /
• pp.792-797
• /
• 2011

본 논문은 배전망에서의 PV (photovoltaic) 발전 시스템의 최적 배치 문제를 이산 입자 군집 최적화 (DPSO, discrete particle swarm optimization)를 이용하여 해를 구할 때 DPSO에 포함되어야 하는 이산화 단계를 위한 하이브리드 이산화 기법의 적용에 대하여 논한다. 이를 위해 PSO 반복단계에서 목적 함수 값과 최적화 속도를 입력 파라미터로 하는 규칙 기반 전문가 시스템을 제안하고 이산 변수를 포함하여 표현되는 PV 시스템 배치 문제의 최적해를 구하는데 적용하였다. 다수준 이산화를 위하여 간단한 라운딩과 sigmoid 함수를 이용한 3단계 및 5단계 이산화 기법을 하이브리드 형태로 적용하였다. 규칙 기반 전문가 시스템을 적용하여 각 PSO 과정에서 적절한 이산화 기법을 선택함으로써 기존의 DPSO보다 좋은 성능의 최적화가 가능하도록 하였다.

• 한국산업융합학회 논문집
• /
• 제19권4호
• /
• pp.167-175
• /
• 2016

We present a method for improving adaptability of Learning from Demonstration (LfD) strategy by combining the LfD and Particle Swarm Optimization (PSO). A trajectory generated from an LfD is modified with PSO by minimizing a fitness function that considers constraints. Finally, the final trajectory is suitable for a task and adapted for constraints. The effectiveness of the method is shown with a target reaching task with a manipulator in three-dimensional space.

• 대한조선학회 특별논문집
• /
• 대한조선학회 2015년도 특별논문집
• /
• pp.93-95
• /
• 2015

In case of crude oil tanker, loading condition must be satisfied MARPOL damage stability criteria (Reg.28). But some specific demands are hard to content the criteria. So, it takes a lot of time and efforts to make loading condition reflecting these demands. In this study, PSO (Particle Swarm Optimization) is used to make loading condition to be satisfied the criteria. Study result is applied 'CROSSWAY (160,000 DWT Crude Oil Tanker)' in NAPA. The result shows that satisfy the criteria and other constraints and limitation.

• 전기학회논문지
• /
• 제60권2호
• /
• pp.398-406
• /
• 2011

In this paper, we introduce a new architecture of PSO-based Polynomial Neural Networks (PNN) and discuss its comprehensive design methodology. The conventional PNN is based on a extended Group Method of Data Handling (GMDH) method, and utilized the polynomial order (viz. linear, quadratic, and modified quadratic) as well as the number of node inputs fixed (selected in advance by designer) at Polynomial Neurons located in each layer through a growth process of the network. Moreover it does not guarantee that the conventional PNN generated through learning results in the optimal network architecture. The PSO-based PNN results in a structurally optimized structure and comes with a higher level of flexibility that the one encountered in the conventional PNN. The PSO-based design procedure being applied at each layer of PNN leads to the selection of preferred PNs with specific local characteristics (such as the number of input variables, input variables, and the order of the polynomial) available within the PNN. In the sequel, two general optimization mechanisms of the PSO-based PNN are explored: the structural optimization is realized via PSO whereas in case of the parametric optimization we proceed with a standard least square method-based learning. To evaluate the performance of the PSO-based PNN, the model is experimented with using Gas furnace process data, and pH neutralization process data. For the characteristic analysis of the given entire data with non-linearity and the construction of efficient model, the given entire system data is partitioned into two type such as Division I(Training dataset and Testing dataset) and Division II(Training dataset, Validation dataset, and Testing dataset). A comparative analysis shows that the proposed PSO-based PNN is model with higher accuracy as well as more superb predictive capability than other intelligent models presented previously.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.

• 반도체디스플레이기술학회지
• /
• 제21권3호
• /
• pp.45-49
• /
• 2022

The fourth industrial revolution, internet of things, and the expansion of online web services have increased an exponential growth and deployment in the number of cloud data centers (CDC). The cloud is emerging as new paradigm for delivering the Internet-based computing services. Due to the dynamic and non-linear workload and availability of the resources is a critical problem for efficient workload and resource management. In this paper, we propose the particle swarm optimization (PSO) based gated recurrent unit (GRU) neural network for efficient prediction the future value of the CPU and memory usage in the cloud data centers. We investigate the hyper-parameters of the GRU for better model to effectively predict the cloud resources. We use the Google Cluster traces to evaluate the aforementioned PSO-GRU prediction. The experimental shows the effectiveness of the proposed algorithm.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.1966-1967
• /
• 2011

본 연구에서는 방사형 기저 함수를 이용한 다항식 신경회로망(Polynomial Neural Network) 분류기를 제안한다. 제안된 모델은 PNN을 기본 구조로 하여 1층의 다항식 노드 대신에 다중 출력 형태의 방사형 기저 함수를 사용하여 각 노드가 방사형 기저 함수 신경회로망(RBFNN)을 형성한다. RBFNN의 은닉층에는 fuzzy 클러스터링을 사용하여 입력 데이터의 특성을 고려한 적합도를 사용하였다. 제안된 분류기는 입력변수의 수와 다항식 차수가 모델의 성능을 결정함으로 최적화가 필요하며 본 논문에서는 Multiobjective Particle Swarm Optimization(MoPSO)을 사용하여 모델의 성능뿐만 아니라 모델의 복잡성 및 해석력을 고려하였다. 패턴 분류기로써의 제안된 모델을 평가하기 위해 Iris 데이터를 이용하였다.

• 한국항공우주학회지
• /
• 제41권7호
• /
• pp.524-531
• /
• 2013

본 연구에서는 헬리콥터 로터 블레이드의 제작 과정 및 여러 가지 요인으로 인해 발생하는 불균형성을 해소하기 위한 RTB(Rotor Track and Balance) 알고리즘을 개발하였다. 비행 시험 결과로부터 RTB 조절 값과 트랙 및 기체 진동 사이의 상호관계를 선형모델을 이용한 회귀분석을 통하여 RTB 모델을 구축하였다. 개발된 RTB 알고리즘을 실기 시험 결과에 적용하여 RTB 모델을 검증하였고 선형화 모델만으로도 비교적 정확한 모델링이 가능함을 확인하였다. RTB 조절값 설정을 위해 최적화 문제를 정식화하고 유전자 알고리즘에 입자 군집 최적화(PSO) 알고리즘을 결합하여 빠른 수렴성을 갖는 최신의 최적화 기법을 적용하였다. 또한 최적화 해석을 통하여 얻은 RTB 조절값을 이용하여 트랙 편차와 기체 진동을 허용 기준치 아래로 감소시키고, 다양한 비행 조건에 대하여 효율적인 RTB를 수행할 수 있음을 보였다.

• 한국전자파학회논문지
• /
• 제29권8호
• /
• pp.624-631
• /
• 2018

위성 탑재체 합성 개구면 레이다(synthetic aperture radar: SAR) 시스템에서는 다양한 SAR 성능 변수의 제약조건을 충족하기 위해 안테나의 요구되는 특성을 분석하여야 한다. 본 논문에서는 결함 안테나 소자 존재 시 위성 SAR 안테나 빔 패턴을 최적화함으로써 SAR 시스템 성능변수를 최적화를 수행한다. SAR 시스템 성능변수 제약조건에 맞는 마스크 패턴을 설계한 후, 입자 군집 최적화(particle swarm optimization: PSO) 기법을 통해 마스크 패턴에 들어맞는 안테나 패턴 최적화 재합성을 수행한다. 시뮬레이션에서는 실제 위성 SAR 시스템 성능변수를 기반으로 안테나 빔 패턴 재합성을 수행하여 제안한 알고리즘의 성능을 확인한다.