• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제53차 동계학술대회논문집 24권1호
• /
• pp.253-255
• /
• 2016

본 논문에서는 H.264의 화면 내 예측 모드를 적용한 변형된 선택 보간법을 채택함으로써 고화질 DMB 시청시 사용자의 모바일 데이터 사용량과 전력사용량을 줄이는 것을 목적으로 하는 시스템을 제안한다. 스마트 DMB는 T-DMB망으로 전송되는 QVGA급 영상(기본영상)에 모바일 데이터망을 통해 전송되는 추가정보를 더하여 화질을 개선하는 방식이다. 제안 방법은 원본 고화질 영상과 T-DMB망으로 전송되는 기본영상의 오차를 효과적으로 줄이면 사용자 시스템의 부하와 데이터 사용량을 줄이면서 화질을 유지할 수 있다.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.822-828
• /
• 2018

최근 전력 사용량의 증가로 인한 대규모 블랙아웃 등 에너지 문제가 대두되고 있으며, 이 문제들로 인해 전력 소비량 예측에 대한 정확도를 개선할 필요성이 부각되었다. 본 연구에서는 딥 러닝 기반의 전력 사용량 예측 실험을 통해서 실제 전력 소비량과 예측된 전력 소비량의 차이를 계산하고, 이를 통해서 전력 예비율을 기존 대비 하향 조정할 수 있는 가능성에 대해서 살펴본다. 예비 전력은 사용하지 않으면 손실되는 전력으로, 본 논문에서의 딥 러닝 기반 전력 소비량 예측을 통해서 여분의 전력을 과도하게 생산하지 않도록 오차범위 내에서 전력 예비율을 감소시킬 수 있는 기반을 마련할 수 있다. 본 논문에서 사용하는 딥 러닝 기법은 시계열 데이터를 처리하는 Long-Short-Term-Memory(LSTM) 구조의 학습 모델을 이용한다. 컴퓨터 시뮬레이션에서는 임의 생성한 전력 소비 데이터를 토대로 모델을 학습시키고, 학습된 모델을 토대로 전력 사용 예측값을 구하고 실제 전력 소비량 간에 오차를 계산한 결과 오차율 21.37%를 얻을 수 있었다. 이는 최근의 전력 예비율 45.9%를 고려할 때, 본 연구에서 제안한 전력 소비량 예측 알고리즘을 적용하는 경우 20% 포인트 정도의 예비율 감축이 가능하다.

• 스마트미디어저널
• /
• 제13권1호
• /
• pp.18-23
• /
• 2024

스마트팜의 전력 효율 관리는 기후 변화와의 연계로 중요성을 가지고 있다. 기후 변화가 농업에 부정적인 영향을 미치는 가운데, 미래의 농업은 스마트팜을 활용하여 기후 영향을 최소화할 것으로 예상되고 있으나 스마트팜의 전력 소비는 현재의 전기 생산 체제로 인해 기후 위기를 악화시킬 우려가 있다. 이에 따라 스마트팜의 전력 사용을 효율적으로 관리하고 최적화하는 것이 필수적이다. 본 연구에서는 스마트팜 장비의 전력 사용량을 실시간으로 모니터링하고, GRU를 활용하여 1시간 뒤의 전력 사용량을 예측하는 시스템을 제안한다. CT 센서를 설치하여 전력량을 수집하고, 이를 분석하여 이상 패턴을 탐지하고 예방한다. 또한 IoT 기술과 결합하여 전체 전력 사용량을 효율적으로 관리하고 모니터링한다. 이를 통해 전력 사용을 최적화하고, 에너지 효율성을 향상시켜 탄소 배출을 줄일 수 있다. 이 시스템은 스마트팜의 에너지 관리뿐아니라 전반적인 에너지 사용 효율성을 향상시킬 것으로 기대된다.

• 응용통계연구
• /
• 제29권1호
• /
• pp.193-203
• /
• 2016

본 논문은 ICT기반 시장에서의 수요관리시스템에서의 핵심 요소인 전력 수요 예측을 위하여, 전체 사용량을 기반으로 예측 하는 방식이 아닌, 시계열 기반 군집분석을 통한 군집별 예측량의 결합을 실시하였다. 시계열 군집 분석 방법으로서 Periodogram 기반의 정규화 군집분석, 예측 기반의 군집분석, DTW(Dynamic Time Warping)를 이용하여 군집화를 시도하였으며, 군집 별 수요예측 모형으로서 DSHW(Double Seasonal Holt-Winters) 모형, TBATS(Trigonometric, Box-Cox transform, ARMA errors, Trend and Seasonal components) 모형, FARIMA(Fractional ARIMA) 모형을 사용하여 예측을 실시하였다. 전체 사용량을 기반으로 예측 하는 방식이 아닌, 군집분석을 통한 군집별 예측량의 결합이 더 낮은 MAPE로 나타남에 따라 우수한 예측 방법으로 판단되었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2011년도 제42회 하계학술대회
• /
• pp.294-295
• /
• 2011

전력수급계획은 소비자의 전력 사용량을 예측하고 적정한 공급능력을 확보하는 것이 목적인데, 수요예측 정확도를 향상시키고 전력설비를 적기에 준공시킬수록 적정공급능력 확보가 용이하다. 그러나 최근 전력수요는 계절적, 시간대별로 경향이 과거와는 상이하게 나타나고 있는데 이로 인해 발전기를 예방 정비할 수 있는 기간이 짧아지고 있다. 한편 향후 몇 년간은 준공되는 발전기가 적어 중/단기 수급계획이 더욱 어려울 전망이다. 따라서 최근 수요추세를 고려하여 수요예측 정확도를 향상시키고 현재보다 탄력적인 부하감축제도 시행이 요구된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.337-339
• /
• 2003

본 논문은 내장형 시스템의 전력 감소를 위해 사용되는 과거 사용량 기반의 DVS의 단점 인 응용 프로그램의 수행 성능 저하를 보상하기 위해, 운영체제의 스케줄러에서 제공하는 태스크의 미래정보를 이용하는 기법을 제안한다. 대표적 내장형 운영체제인 WinCE.net에서의 스케줄러는 제한된 자원의 효율적 관리를 위하여 동일 응용프로그램의 태스크들을 관리하면서 다음 태스크 시행시간 정보를 갖게 된다. 이러한 룩 어헤드(look ahead)정보와 과거사용량기법을 혼합한 혼합예측기법이 실제 내장형 시스템에서 전력소비를 감소시키며 응용프로그램의 수행 성능보상을 할 수 있음을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 추계학술대회 논문집 전력기술부문
• /
• pp.114-117
• /
• 2002

국내에서는 전력산업의 구조개편이 한창 진행중에 있다. 과거에는 하나의 전력회사가 발전, 송전, 배전을 함께 운영하면서 소비자에게 전력을 공급하였다. 하지만 매년 전력사용량의 급격한 증가와 전력산업이 규모의 경제이론에서 점차 벗어남에 따라 구조개편에 대한 요구가 일어나기 시작하였다. 발전부문에서 경쟁이 도입되어지며 배전부문도 지역적으로 분할되어져 과거의 전력회사는 송전부문만을 담당하게 될 것이다. 여기에 풀(pool)시장이 생겨 전력의 수급을 담당하는 전력계통의 '운영기능'과 전력을 사고 파는 전력의 '시장 기능'을 함께 담당하게 될 것이다. 특히 전력사용량의 급격한 증가로 인해 머지않은 미래에 전력의 수급에 문제가 생길 것이 예측된다. 이러한 이유로 구조개편 이후에는 발전이나 송전부문에서의 변화보다 배전에서의 변화가 두드러질 것으로 보인다. 구조개편 후 지역적으로 나누어진 배전사업자들은 그들의 이익을 최대화하기 위해 여러 가지 부하삭감을 위한 수요관리 프로그램을 시행할 것이다. 이것은 발전량의 조절만으로 정제급전을 실시한 과거와는 달리 부하량의 감소가 함께 사용됨으로 보다 나은 편익을 발생시킬 수 있다. 이 논문에서는 고효율 전통기를 사용한 부하삭감으로 전력의 생산자 뿐만 아니라 소비자에게도 편익이 발생하여 사회적 후생을 증가시킬 수 있다는 것을 고효율 전동기 수요관리 프로그램에 참여하는 참여자의 비용과 편익을 분석함으로서 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.250-252
• /
• 2019

국내의 전력 산업은 부정확한 전력수요 예측으로 전력부족과 공급과잉의 주기적 반복이 발생하여 전력 과생산, 에너지 낭비, 전력 과소비와 요금 체납 등의 문제가 발생하고 있다. 이를 해결하기 위해 본 논문에서는 LSTM 알고리즘을 사용하여 전력사용량 예측하고, 정량의 전력을 선구입 할 수 있도록 설계하였다. 제안하는 시스템은 스마트그리드 환경과 인공지능으로 정량의 전기를 구입 할 수 없는 기존의 전력 산업 문제를 보완하여 소비자의 전기요금 절감과 에너지 절약이 가능하다.

• 한국인터넷방송통신학회논문지
• /
• 제19권5호
• /
• pp.79-85
• /
• 2019

본 연구에서는 Long Short Term Memory (LSTM) 신경망과 Gated Recurrent Unit(GRU) 신경망을 Internet of Things (IoT) 파워미터에 적용하여 단기 전력사용량 예측방법을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 성능평가 지표로써 Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Percentage Error (MPE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE)를 이용한다. 실험 결과는 GRU 기반의 모델이 LSTM 기반의 모델에 비해 MAPE 기준으로 4.52%, MPE 기준으로 5.59%만큼의 성능개선을 보였다.

• 환경영향평가
• /
• 제24권5호
• /
• pp.487-498
• /
• 2015

기온상승과 인구 및 GDP 증가의 영향으로 인해 에너지 문제가 발생하고 있다. 이러한 문제에 대응하기 위해 에너지 수요에 대한 예측이 필요하다. 따라서 본 연구는 에너지 수요관리, 특히 전력부하를 유발하는 냉난방 에너지 수요 관리에 도움이 되고자 가정 부문 냉난방 에너지의 미래 사용량을 예측하고자 한다. 에너지 사용량을 산정하는데 있어 서비스 수요의 산출이 필요하다. 따라서 서비스 수요 산정식을 이용하여 이를 먼저 도출하고, AIM/end-use 모델을 이용하여 에너지 사용량을 산정하였다. 산정 결과 냉난방 서비스 수요는 2010년에 비해 2050년에 모두 증가하는 추세를 보였다. 하지만 에너지 사용량에서 난방은 감소하고, 냉방은 증가하는 것으로 예측되었다.