• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.57-66
• /
• 2023

현재, 에너지 효율 향상으로 소비감축을 시행하는 새로운 에너지 시스템이 대두되고 있다. 이에 스마트그리드가 확산되면서 계시별 요금제가 확대되고 있다. 계시별 요금제는 계절별 / 시간별로 요금을 다르게 적용해 사용량에 따라 요금을 내는 요금제이다. 본 연구에서는 에너지 전력 사용량 데이터를 예측하기 위해, 온도/요일/시간/계절 등 외부 요인을 고려하고 시계열 예측 모델인 LSTM을 활용한다. 이러한 에너지 사용량 예측 모델을 기반으로 기기별 사용패턴을 분석하여 전력 에너지를 최대부하시간대에서 경부하시간대로 수요이전 함으로써 에너지 사용요금을 절감한다. 기기별 사용패턴을 분석하기 위해서는 시간대별로 기기의 사용량 패턴을 학습 및 분류하는 clustering 기법을 사용한다. 정리하자면, 본 연구에서는 사용자의 전력 데이터 사용량을 기반으로 사용량과 사용 요금을 예측 및 기기별 사용패턴을 분석하고 분석 기반의 맞춤형 수요이전 서비스를 제공함으로써 사용자에게 요금 절감 효과를 가져다 준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.766-769
• /
• 2016

산업시설 가운데 화력발전소에 스마트 부하관제 시스템을 이용하여 메탈 조명을 LED 조명으로 대체하여 전력을 절감하였다. LED 조명의 빛의 세기를 조절 할 수 있는 디밍을 통해서 사용자의 다양한 요구사항을 반영할 수 있다. 수요 예측은 전력 사용량이 많은 시간대의 전력사용량을 분산시키는 시스템이다. 수요 예측 스케줄에 의해서 목표전력량에 도달하기 위해 설정된 시간대에 디밍으로 LED 조명의 전력량을 조절하여, 기존 LED 조명 대비 전력량을 27.8% 절감하였다. 외부에 눈과 비가 오거나 밤에 실내가 어두워져서 작업 환경에 영향을 미치는 경우가 있다. 실시간으로 조도를 측정하여 작업 환경이 원활한 기준조도에 맞도록 LED 조명을 디밍 하여 작업환경을 개선하였다.

• 한국융합학회논문지
• /
• 제8권1호
• /
• pp.19-23
• /
• 2017

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수(coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 추계학술대회 논문집 전기설비전문위원
• /
• pp.83-86
• /
• 2008

국내 한국진력에서 관리 운영하고 있는 전자식 전력량계는 약 55만 여대이며, 이중 약 15만 여대가 고안용 전자식 전력량계로 2000년대 초반부터 원격검침을 통해 전력사용량을 측정하고 고객 측에 대해서는 역률과 누적전력량 등의 기타 부가서비스를 제공하고 있다. 전력량계와 원격통신을 이용한 전력부가서비스는 전력회사의 입장에서는 고객의 부하사용에 대한 다양한 정보를 효율적으로 수집하여 피크부하 제어 등의 수요관리를 효과적으로 시행할 수 있고 고객의 입장에서는 과거는 물론 미래의 사용량을 예측하고 기타 전력사용패턴 등을 관찰함으로서 고객의 능동적인 참여로 전력사용량을 절약하는 효과를 가져 올 수 있다. 현 시점에서의 국내 전력부가서비스의 활용수준은 초기단계로 매우 기본적인 정보에 한해서 활용이 되고 있다. 이에 본 논문에서는 기존의 국내외 관련 연구사례와 적용사례, 그리고 시행현황의 조사 분석을 통해 향후의 국내 전력부가서비스 적용전망과 발전방향을 모색해 보고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.817-819
• /
• 2019

다양한 학습 모델이 발전하고 있는 지금, 학습을 통한 다양한 시도가 진행되고 있다. 이중 에너지 분야에서 많은 연구가 진행 중에 있으며, 대표적으로 BEMS(Building energy Management System)를 볼 수 있다. BEMS의 경우 건물을 기준으로 건물에서 생성되는 다양한 DATA를 이용하여, 에너지 예측 및 제어하는 다양한 기술이 발전해가고 있다. 하지만 FEMS(Factory Energy Management System)에 관련된 연구는 많이 발전하지 못했으며, 이는 BEMS와 FEAMS의 차이에서 비롯된다. 본 연구에서는 실제 공장에서 수집한 DATA를 기반으로 하여, 전력량 예측을 하였으며 예측을 위한 기술로 시계열 DATA 분석 방법인 LSTM 알고리즘을 이용하여 진행하였다.

• 미래기술융합논문지
• /
• 제2권4호
• /
• pp.43-48
• /
• 2023

전세계적으로 기후변화 대응을 위한 글로벌 탄소중립을 공조하고 있다. 한국의 경우 온실가스 배출량이 빠른 속도로 증가하고 있어 해결이 시급한 상황이다. 이에 본 연구는 스팀트랩이라는 열 에너지 수집 디바이스를 개발하고, 스팀트랩으로 에너지 사용량을 데이터로 수집하여 향후 전력 사용량에 대해서 예측이 가능한 AI 모델을 개발하였다. 해당 AI 모델의 전력 사용량 예측 정확도 평균은 96.7%로 높은 정확도를 보여주었다. 따라서 해당 AI 모델을 통해 어느날 전력 사용량이 높은지와 어떤 설비에서 전력 사용량이 높은지를 예측하고 관리 할 수 있게 되었다. 향후 연구는 스팀트랩의 이상탐지를 통한 효율적인 장비 운용과 에너지 관리 시스템의 표준화를 통해 에너지 소비 효율을 최적화하여 온실가스 배출을 줄이고자 한다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.127-132
• /
• 2021

우리나라는 자원 빈국인 동시에 에너지 다소비 국가이다. 또한 전기 에너지에 대한 사용량 및 의존도가 매우 높고, 총 에너지 사용의 20% 이상은 건물에서 소비된다. 딥러닝과 머신러닝에 대한 연구가 활발해지면서 다양한 알고리즘을 에너지 효율 분야에 적용하려는 연구가 진행되고 있으며, 에너지의 효율적인 관리를 위한 건물에너지관리시스템(BEMS)의 도입이 늘어가는 추세이다. 본 논문에서는 스마트플러그를 이용하여 직접 수집한 가구당 기기별 에너지 사용량을 바탕으로 데이터베이스를 구축하였다. 또한 RNN과 LSTM 모델을 이용하여 수집한 데이터를 효과적으로 분석 및 예측하는 알고리즘을 구현하였다. 추후 이 데이터는 에너지 사용량 예측을 넘어 전력 소비 패턴 분석 등에 적용할 수 있다. 이는 에너지 효율 개선에 도움이 될 수 있으며, 미래 데이터의 예측을 통해 효과적인 전력 사용량 관리에 도움을 줄 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제16권12호
• /
• pp.8576-8584
• /
• 2015

전력수요의 예측은 안정적인 전력공급을 위한 수급계획수립을 위해서 그리고 전력계통의 최적운영계획수립을 위해서도 필요하다. 특히 안정적인 전력수급확보를 위해서는 중장기 전력수요예측이 중요하고 공급안정성 강화를 위해서는 지역별 전력수요예측이 중요하다. 지역별 전력수요예측은 지역에 소요되는 부하를 충족시킬 수 있도록 송전선로 및 변전소 등의 계통망의 최적상태 구성 및 유지를 위한 필수적인 과정으로 알려져 있다. 따라서 본 논문은 12개월(중장기)동안 대한민국 시도별 16개 지역의 전력사용량을 SARIMA 모형을 이용하여 예측하는 방법을 제안한다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.120-126
• /
• 2019

최근 에너지 인터넷에서 지능형 원격검침 인프라를 이용하여 확보된 대량의 전력사용데이터를 기반으로 효과적인 전력수요 예측을 위해 다양한 기계학습기법에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 전력량 데이터와 같은 시계열 데이터에 대해 효율적으로 패턴인식을 수행하는 인공지능 네트워크인 Gated Recurrent Unit(GRU)을 기반으로 딥 러닝 모델을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 제안한 학습 모델의 예측 성능과 기존의 Long Short Term Memory (LSTM) 인공지능 네트워크 기반의 전력량 예측 성능을 비교하며, 성능평가 지표로써 Mean Squared Error (MSE), Mean Absolute Error (MAE), Forecast Skill Score, Normalized Root Mean Squared Error (RMSE), Normalized Mean Bias Error (NMBE)를 이용한다. 실험 결과에서 GRU기반의 제안한 시계열 데이터 예측 모델의 전력량 수요 예측 성능이 개선되는 것을 확인한다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1373-1380
• /
• 2019

에너지의 생산 효율성을 증가시키기 위해 최근 스마트그리드 기술 중 지능형 검침 시스템(AMI, advanced metering infrastructure)의 개발이 활발히 진행되고 있다. 전력 소비 데이터를 분석하고 소비 패턴을 예측하는 일은 AMI에서 핵심적인 부분이다. 본 논문에서는 수집된 전력 소비 데이터를 분석하고 발생할 수 있는 오류들을 정리하였으며 소비 패턴을 월별로 k-means 군집화 알고리즘을 사용하여 분석하였다. 또한 deep neural network를 이용하여 소비 패턴을 예측하였는데, 가구별 하루 전력 사용량 예측의 어려움을 극복하기 위하여 전력 사용량을 100개의 군집으로 분류하여 이 군집의 하루 평균으로 다음날 군집의 평균을 예측하였다. 실제 AMI에서의 전력 데이터를 사용하여 오류들을 분석하였으며 군집화 방법을 도입하여 성공적으로 전력 소비 예측이 가능하였다.