• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.571-574
• /
• 2016

최근 에너지 효율을 최적화하는 차세대 지능형 전력망인 스마트 그리드 시스템(Smart Grid System)이 국내외에 널리 보급되고 있다. 그로 인해 그리드 시스템의 효율적인 운영을 위해 적용되는 EMS(Energy Management System) 기술의 중요성이 커지고 있다. EMS는 에너지 사용량 예측의 높은 정확성이 요구되며, 예측이 정확하게 수행될수록 에너지의 활용성이 높아진다. 본 논문은 전력 사용량 예측의 정확성 향상을 위한 새로운 기법을 제안한다. 구체적으로, 먼저 사용량에 영향을 미치는 환경적인 요인들을 분석한다. 분석된 요인들을 적용하여 유사한 환경을 가지는 전력 사용량 데이터의 사전 군집화를 수행한다. 그리고 예측 일에 관련된 환경 정보와 가장 유사한 군집의 전력 사용량 데이터를 기반으로 전력 사용량을 예측한다. 제안하는 기법의 성능을 평가하기 위해, 다양한 실험을 통하여 일간 전력 사용량을 예측하고 그 정확성을 측정하였다. 결과적으로, 기존의 기법들과 비교했을 때, 최대 52.88% 향상된 전력 사용량 예측 정확성을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06b
• /
• pp.355-360
• /
• 2008

대부분의 임베디드 시스템들은 유선 및 무선 네트워크에 연결되어 있으며 이들이 생성하는 데이터는 개인, 기관, 또는 국가에 상당히 중요한 정보일 수 있다. 따라서 통신 시 보안에 대한 요구는 향후 더욱 크게 증가할 것으로 전망된다. 임베디드 시스템에서의 또 다른 중요한 요구사항 중의 하나는 저전력 특성이다. 따라서 중요 데이터의 안전한 전송을 위한 암호화 및 복호화 그리고 네트워크 프로토콜 스택의 수행에 따른 전력 사용량 정보는 차세대 저전력 임베디드 시스템을 설계 및 개발하기 위해서 필수적으로 요구될 것이다. 하지만 기존 연구들은 단편적인 전력 사용량만을 분석하고 있다. 본 논문은 보안 데이터를 위한 암호화, 복호화, 그리고 데이터 송수신을 위한 네트워크 프로토콜 스택의 수행에 걸리는 전력 사용량과 오버헤드를 함께 측정하고 분석한다. 측정 결과 3DES 기반의 암호화 및 복호화 작업 동안의 전력 사용량이 TCP/IP 통신을 위한 전력 사용량 보다 데이터 크기가 증가함에 따라 더욱 크게 측정되었다. 해당 작업의 수행 오버헤드 역시 유사한 성향을 보였다. 그리고 프로세서 코어의 전력 사용량은 시스템 전체 사용량의 $10{\sim}22%$ 정도를 차지하는 것으로 측정되었다. 이러한 연구 결과는 임베디드 시스템에서 저전력 보안 데이터 전송을 위해 고려할 사항들을 정량적으로 제시하여 해당 연구 분야에 기여할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.263-263
• /
• 2022

지속적이고 안정적인 물의 수요와 공급을 유지하기 위해서는 하천의 유량도 중요하지만 좀 더 정확한 물의 흐름을 파악하기 위해서는 하천수 사용량 파악이 중요하다. 하천수 사용량 계측기술의 검증 및 표준화를 통해 실측기반의 하천수 사용량 자료 수집 및 활용체계가 필요하다. 본 연구에서는 직·간접적 사용량 측정 및 월 단위 보고체계를 개선할 목적으로 기존의 측정방법에 대한 평가를 실시하고, 하천수 사용량의 표준화된 계측 및 자료수집 체계 개선 방안과 실시간 계측자료 기반의 관리체계를 마련하여 자료를 관리할 수 있는 방안을 제시하였다. 하천수 사용량 파악을 위한 사용시설 현황을 검토하기 위해 제원정보 및 허가량이 유효한 14,575건 중 농업용 하천수 사용시설은 12,745개소로 전체의 88.9%, 허가량 대비 81.3%(생활·농업·공업용수 대상)를 차지하고 있다. 이중 하천수 사용량 보고대상인 8,000 m³/일 이상의 1,696건에 대한 자료의 수집이 수행된다면, 전체 농업용수의 86.0%에 해당하는 사용량 자료를 파악할 수 있다. 하천수 사용량 수집체계 개선 우선 대상인 1,696개소는 양수장 1,196개소(70.5%), 취수보 500개소(29.5%)로 보고규모 이상의 시설을 우선적으로 개선하는 것이 적용 초기에 많은 사용량을 파악할 수 있을 것이라고 판단된다. 전력량-사용량관계 곡선식을 이용한 환산유량은 하류단 양수의 영향을 받지 않고 초기설치 비용을 줄일 수 있으며, 오차율도 양호하여 만족할 만한 정확도와 경제성을 갖는 방법이라고 판단된다. 전국에 위치한 농업용수 사용량 자료의 확보는 현실적으로 어렵고, 하천수 보고유량은 초기설치비용이 들지 않지만 가동시간을 수기로 기록함에 있어 인건비 등의 연간운영비가 많이 소모되는 것으로 나타났다. 실시간 전력량자료 수집이 가능한 양수장의 경우, 전력량-사용량관계곡선식을 활용한 방법으로 실시간 하천수 사용량 자료 수집을 통해 보다 경제적이고 정확한 자료수집이 가능할 것으로 판단된다. 이는 실시간 하천수 사용량 계측자료의 활용성 향상을 위한 기반을 마련할 수 있을 것이라 기대한다.

• 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 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.

• KIPS Transactions on Computer and Communication Systems
• /
• v.5 no.10
• /
• pp.293-302
• /
• 2016

Since the electricity is produced and consumed simultaneously, predicting the electric load and securing affordable electric power are necessary for reliable electric power supply. In particular, a university campus is one of the highest power consuming institutions and tends to have a wide variation of electric load depending on time and environment. For these reasons, an accurate electric load forecasting method that can predict power consumption in real-time is required for efficient power supply and management. Even though various influencing factors of power consumption have been discovered for the educational institutions by analyzing power consumption patterns and usage cases, further studies are required for the quantitative prediction of electric load. In this paper, we build an electric load forecasting model by implementing and evaluating various machine learning algorithms. To do that, we consider three building clusters in a campus and collect their power consumption every 15 minutes for more than one year. In the preprocessing, features are represented by considering periodic characteristic of the data and principal component analysis is performed for the features. In order to train the electric load forecasting model, we employ both artificial neural network and support vector machine. We evaluate the prediction performance of each forecasting model by 5-fold cross-validation and compare the prediction result to real electric load.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.400-401
• /
• 2011

본 논문은 오피스 빌딩에서 최대 피크를 나타내는 여름철과 겨울철에 대한 부하사용량에 대해 신경회로망 알고리즘을 적용하여 일주일 단위를 예측하기 위한 단기예측 모델을 제시하였다. 2010년 7월~8월 사이의 최대전력사용량과 2010년 12월~2011년 1월 사이의 최대전력 사용량을 나타내는 시기에 온도, 습도, 풍속과의 연관성을 파악하기 위해 기후변화요소의 변수를 고려했을 때와 고려하지 않았을 때의 출력모델 비교를 통해 실제 전력사용 모델과 근접한 모델을 확인하였고 향후 최대부하 사용과 연관된 사용량 제어를 위한 알고리즘을 적용하여 전력사용량을 절약할 수 있는 방법을 시도하고자 한다.

• Journal of KIISE
• /
• v.44 no.9
• /
• pp.954-965
• /
• 2017

A stable power supply is very important for the maintenance and operation of the power infrastructure. Accurate power consumption prediction is therefore needed. In particular, a university campus is an institution with one of the highest power consumptions and tends to have a wide variation of electrical load depending on time and environment. For this reason, a model that can accurately predict power consumption is required for the effective operation of the power system. The disadvantage of the existing time series prediction technique is that the prediction performance is greatly degraded because the width of the prediction interval increases as the difference between the learning time and the prediction time increases. In this paper, we first classify power data with similar time series patterns considering the date, day of the week, holiday, and semester. Next, each ARIMA model is constructed based on the classified data set and a daily power consumption forecasting method of the university campus is proposed through the time series cross-validation of the predicted time. In order to evaluate the accuracy of the prediction, we confirmed the validity of the proposed method by applying performance indicators.

• The Korean Journal of Applied Statistics
• /
• v.33 no.6
• /
• pp.791-804
• /
• 2020

Residential electricity consumption can be predicted more accurately by utilizing the realtime household electricity consumption reference that can be collected by the AMI as the ICT developed under the smart grid circumstance. This paper studied the model that predicts residential power load using the ARIMA, TBATS, NNAR model based on the data of hour unit amount of household electricity consumption, and unlike forecasting the consumption of the whole households at once, it computed the anticipated amount of the electricity consumption by aggregating the predictive value of each established model of cluster that was collected by the households which show the similiar load profile. Especially, as the typical time series data, the electricity consumption data chose the clustering analysis method that is appropriate to the time series data. Therefore, Dynamic Time Warping and Periodogram based method is used in this paper. By the result, forecasting the residential elecrtricity consumption by clustering the similiar household showed better performance than forecasting at once and in summertime, NNAR model performed best, and in wintertime, it was TBATS model. Lastly, clustering method showed most improvements in forecasting capability when the DTW method that was manifested the difference between the patterns of each cluster was used.

• Electronics and Telecommunications Trends
• /
• v.24 no.4
• /
• pp.99-111
• /
• 2009

최근의 경제난과 에너지 가격의 급격한 변동은 세계 각국의 에너지 정책이 지속 가능한 미래 에너지의 개발에 관심을 가지게 만들었다. 또한 나날이 심각해지는 지구온난화 현상은 이러한 세계 각국의 위기감을 실제적인 행동으로 이끌어 내고 있다. 이러한 행동의 하나로 태양력과 수력 등의 청청에너지 개발과 에너지 사용량을 줄이기 위한 노력과 기술개발을 들 수 있다 기존의 서버 컴퓨팅 시스템의 화두는 단연 성능과 안정성이었다. 즉 가격대비 성능과 안정성이 높기만 하면 전력사용량은 별 문제가 되지 않았다. 또한 절력절감 기술은 전력을 항상 공급받지 못하는 랩톱과 같은 이동형 컴퓨팅 장치에만 적용되었다. 하지만 최근의 경향은 모바일에만 적용되던 전력절감 기술을 서버 컴퓨팅 분야에도 적용하여 전체 시스템의 전력사용량을 낮추는 것을 목표로 한다. 그린 운영체제란 운영체제 수준에서 시스템의 전력사용량을 낮추는 모든 기술을 포괄한다고 볼 수 있다.