• 한국가스학회지
• /
• 제24권6호
• /
• pp.91-97
• /
• 2020

리튬이온 배터리(LIB)는 다른 배터리에 비해 수명이 길고, 에너지 밀도가 높으며, 자체 방전율이 낮아, 에너지 저장장치(ESS)로 선호되고 있다. 하지만, 2017~2019년 기간 동안 국내에서만도 28건의 화재사고가 발생하였으며, LIB의 운영 중 안전성 및 신뢰성을 보장하기 위해 LIB의 정확한 용량추정은 필수요소이다. 본 연구에서는 LIB의 충방전 cycle에 따른 용량변화를 예측하는 기계학습 기반 모델의 설계에 있어 중요한 요소인 최적 머신러닝 모델의 선정을 위해, Decision Tree, 앙상블학습법, Support Vector Regression, Gaussian Process Regression (GPR) 각각을 이용한 예측모델을 구현하고 성능비교를 실시하였다. 학습을 위해 NASA에서 제공하는 시험데이터를 사용하였으며, GPR이 가장 좋은 예측성능을 보였다. 이를 바탕으로 추가 시험데이터 학습을 통해 개선된 LIB 용량예측과 잔여 수명추정 모델을 개발하여, 운영 중 이상 감지 및 모니터링 성능을 높여, 보다 안전하고 안정된 ESS 운용에 활용하고자 한다.

• 대기
• /
• 제33권1호
• /
• pp.49-59
• /
• 2023

Blocking refers to a class of weather phenomena appearing in the mid and high latitudes, whose characteristics are blocked airflow of persistence. Frequently found over the Pacific and Atlantic regions of the Northern Hemisphere, blocking affects severe weather in the surrounding areas with different mechanisms depending on the type of blocking patterns. Along with lots of studies about persistent weather extremes focusing on the specific types of blocking, a new categorization using Rossby wave breaking has emerged. This study aims to apply this concept to the classification of blockings over the Pacific and examine how different wave breakings specify the associated cold weather in the Korean peninsula. At the same time, we investigate a strongly developing ridge around the Pacific by designing a new detection algorithm, where a reversal method is modified to distinguish ridge-type blocking patterns. As result, Kamchatka blocking (KB) and strong ridge over the Central Pacific are observed the most frequently during 20 years (2001~2020) of the studied period, and anomalous low pressures with cold air over the Korean Peninsula are accompanied by blocking events. When it considers the Rossby wave breaking, cyclonic wave-breaking is dominant in KB, which generates low-pressure anomalies over the Korean Peninsula. However, KB with anticyclone wave breaking appears with the high-pressure anomalies over the Korean Peninsula and it generates the warm temperature anomaly. Lastly, the low-pressure anomalies are also generated by the strong ridge over the Central Pacific, which persists for approximately three days and give a significant impact on cold surge on the Korean Peninsula.

• 적정기술학회지
• /
• 제6권2호
• /
• pp.136-145
• /
• 2020

개발도상국에 있어서 농업은 국가 경제의 중추임에도 불구하고, 대부분의 개도국에서는 장비와 지능형 시스템, 데이터 모니터링 등을 이용한 현상에 대한 통합적 판단 없이 인력에 의해 농업을 수행하고 있다. 농업의 중요한 요소인 관개는 작물 생산에 영향을 미치는 핵심적인 과정으로서, 연간 강우량의 변동에 대응하고자 대부분의 농장에서는 관개 시스템을 적용하고 있다. 그러나, 농장 관개 시스템의 모니터링과 제어 등에 대한 기술적 기반이 부족하여 생산성의 증대와 효율적인 농업용수 관리가 어려운 실정이다. 본 논문에서는 탄자니아 농촌 지역 관개 시스템의 스마트화를 위하여 433 MHz 무선 주파수 및 2G 기반 스마트 관개 측정 시스템과 농업용수 선불 시스템을 제안한다. 개발된 스마트 관개 시스템은 기상 데이터와 토양 수분 데이터를 하이브리드로 분석하도록 설계되었는데, 탄자니아 Arusha 지역의 Ngurudoto 마을로의 적용을 목적으로 한다. 제안된 시스템은 기상 측정 컨트롤러, 토양 수분 센서, 수류 센서, 솔레노이드 밸브 및 선불 시스템으로 구성되었는데, 센서를 통해 수집된 데이터는 433 MHz 무선 주파수 및 2G 기반 통신 아키텍처 모듈을 통해 서버로 전송된다. 본 시스템은 인터넷 운용이 제한되는 지역에 적합할 뿐만 아니라, 데이터 기반의 상태 판단과 실시간 예측이 가능하다. 개발된 시스템의 데이터 분석 알고리즘은 동적 회귀 알고리즘과 Naïve Bayes 알고리즘을 적용하여 선형 및 비선형분석 모두에 있어서 높은 정밀도를 보인다. 또한, 농장의 용수공급 시기와 용수의 양, 소요되는 전력에 대한 판단 뿐만 아니라 전체 시스템 하드웨어의 작동 및 오류에 대한 모니터링이 가능하다. 부가하여, 사용자가 농업용수를 공급받기 전에 선금을 지불하는 시스템을 적용하여 관리의 효율성을 도모하였으며, 농업의 전 과정에서 측정된 센서 데이터 및 용수 사용량은 사용자 인터페이스를 통하여 실시간으로 모니터링이 가능하도록 개발되었다. 본 연구를 통하여 개발된 RF(Radio Frequency) 및 2G 기반 스마트 관개 모니터링 시스템은 현장 적용의 편의성과 함께 사용자 중심의 모니터링 시스템을 통해 개발도상국의 경제, 사회 분야에 긍정적인 영향을 미칠 것으로 기대한다.

• 융합정보논문지
• /
• 제11권11호
• /
• pp.57-65
• /
• 2021

본 논문은 딥 러닝(Deep Learning)을 이용하여 대기오염측정망 데이터 중 특정 증상이 나타나는 이상 데이터를 탐지하는 방법을 제시한다. 기존 방법들은 일반적으로 시계열 데이터 내에서 기존과는 다른 특이한 패턴이 나타나는 데이터를 탐지하여 이상치로 분류하며, 이는 특정 증상만을 탐지하기에는 적합하지 않다. 본 논문에서는 주로 이미지의 전경 분리(Sementic Segmentation)에 사용되는 DeepLab V3+ 모델의 2차원 합성곱 신경망 구조를 1차원 구조로 변형하여 이미지 대신 여러 센서의 시계열 측정값을 입력받고 특정 증상이 나타나는 데이터를 탐지하도록 하는 방법을 제시한다. 또한, 데이터에 '조각별 집계 근사법(Piecewise Aggregate Approximation)'을 적용하여 잡음이 많은 대기오염측정망 데이터의 복잡도를 줄임으로써 성능을 높인다. 실험 결과를 통해 준수한 성능으로 이상치 탐지를 수행할 수 있음을 확인할 수 있다.

• 인터넷정보학회논문지
• /
• 제23권6호
• /
• pp.39-48
• /
• 2022

전 세계적으로 사이버 공격은 계속 증가해 왔으며 그 피해는 정부 시설을 넘어 민간인들에게 영향을 미치고 있다. 이러한 문제로 사이버 이상징후를 조기에 식별하여 탐지할 수 있는 시스템 개발의 중요성이 강조되었다. 위와 같이, 사이버 이상징후를 효과적으로 식별하기 위해 BGP(Border Gateway Protocol) 데이터를 머신러닝 모델을 통해 학습하고, 이를 이상징후로 식별하는 여러 연구가 진행되었다. 그러나 BGP 데이터는 이상 데이터가 정상 데이터보다 적은 불균형 데이터(Imbalanced data)이다. 이는, 모델에 학습이 편향된 결과를 가지게 되어 결과에 대한 신뢰성을 감소시킨다. 또한, 실제 사이버 상황에서 보안 담당자들이 머신러닝의 정형적인 결과로 사이버 상황을 인식시킬 수 없는 한계도 존재한다. 따라서 본 논문에서는 전 세계 네트워크 기록을 보관하는 BGP(Border Gateway Protocol)를 조사하고, SMOTE(Synthetic Minority Over-sampling Technique) 활용해 불균형 데이터 문제를 해결한다. 그 후, 사이버 공방(Cyber Range) 상황을 가정하여, 오토인코더를 통해 사이버 이상징후 분류하고 분류된 데이터를 가시화한다. 머신러닝 모델인 오토인코더는 정상 데이터의 패턴을 학습시켜 이상 데이터를 분류하는 성능을 92.4%의 정확도를 도출했고 보조 지표도 90%의 성능을 보여 결과에 대한 신뢰성을 확보한다. 또한, 혼잡한 사이버 공간을 가시화하여 효율적으로 상황을 인식할 수 있기에 사이버 공격에 효과적으로 방어할 수 있다고 전망된다.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.367-374
• /
• 2022

본 연구는 자율운항 선박의 연료 계통 펌프와 청정기를 대상으로 고장을 진단 사례를 제시하였다. 계측된 신호의 시간종속성을 반영한 심층학습(Deep learning) 알고리즘 적용 절차를 구성하고, 장비의 정상 운전상태와 고장 상태에서 계측한 진동 신호를 고장 패턴 학습에 사용하였다. 특히, 진동 신호에 내포된 열화의 시간 종속성을 반영할 수 있는 방법을 찾고자 하였으며, 슬라이딩 윈도우 연산 과정을 가진 Conv1D를 이용하여고장의 시간 종속성을 반영하였다. 또한 계측된 신호의 차수를 2차원에서 3차원으로 확장하여 시간 영역의 특징을 반영할 수 있는 데이터 전처리과정을 고안하였다. Conv1D 알고리즘의 적층과 변수를 결정하는 과정에서 그리드 탐색 기법을 사용하여 초매개변수의 최적 값을 결정하였다. 마지막으로 제안한 데이터 전처리 방법과 시계열 데이터의 시간 종속성을 반영한 Conv1D 모델이 이상 감지 및 고장 진단에 타당성이 있음을 확인하였다.

• Ocean and Polar Research
• /
• 제44권4호
• /
• pp.355-364
• /
• 2022

When the 60-ton-class patrol boat '72' of the Korea Coast Guard (KCG) was on duty and she accidentally collided with another patrol boat ('207', 200-ton-class) and sank. A month-long search found a small amount of lost items, but neither the crew nor the ship was found. For the first time in 39 years since the accident, the Korea Institute of Ocean Science and Technology (KIOST) searched the boat 72 using the latest integrated geophysical techniques. A number of sonar images presumed to be of a sunken ship was acquired using a combined system of side scan sonar and marine magnetometer, operated at an altitude of approximately 30 m from the seabed. At the same time, a strong magnetic anomaly (100 nT) was detected in one place, indicating the presence of an iron ship. A video survey using a remotely operated underwater vehicle (ROV) confirmed the presence of a shielding part of a personal firearm at the stern of the sunken vessel. Based on these comprehensive data, the sunken vessel discovered in this exploration was assumed to be '72'. This result is meaningful in terms of future ocean exploration and underwater archaeology, as the integrated system of various geophysical methods is an efficient means of identifying objects present in the water.

• 산업융합연구
• /
• 제22권4호
• /
• pp.1-9
• /
• 2024

스마트 팩토리는 최신 정보통신기술과 제조공정이 결합된 생산시설로, 급속한 발전과 글로벌 제조업의 변화를 반영하고 있다. 로보틱스 및 자동화, 사물인터넷의 통합, 인공지능 융합기술을 활용하여 다양한 제조환경의 생산 효율성을 극대하고 있다. 하지만 스마트 팩토리 환경에서 다양한 공격기법으로 인해 보안위협 및 취약점이 발생하고 있다. 스마트 팩토리 환경에서 보안위협이 발생하면 금전적인 손해, 기업이미지하락, 인명피해가 발생하여 이에 따른 보안대응이 필요하다. 따라서 본 논문에서는 스마트 팩토리 환경에서 안전한 통신을 수행하기 위한 보안 인증 메커니즘을 제안하였다. 제안한 인증 메커니즘에 대한 구성요소에서는 스마트 디바이스, 내부 운영관리 시스템, 인증 시스템, 클라우드 스토리지 서버가 있다. 스마트 기기 등록과정, 인증 절차. 이상징후 및 갱신절차를 세부적으로 설계히였다. 그리고 제안한 인증 메커니즘의 안전성을 분석하였고, 기존 인증 메커니즘과의 성능분석을 통해 대략 8%의 효율성을 확인하였다. 그리고 제안한 기술을 적용하기 위한 경량화 프로토콜 및 보안정잭에 대한 연구방향을 제시하여 보안성 향상에 도움을 주고자 한다.

• 자원환경지질
• /
• 제46권2호
• /
• pp.105-121
• /
• 2013

본 연구에서는 원격탐사, 전기비저항탐사, 전기전도도탐사(전자기탐사), 시추공 영상촬영법을 융합하여 효과적인 제방의 안정성 및 누수 평가 방법을 서산 A지구 방조제에 적용하여 제시하였다. Landsat ETM+열적외선 밴드를 사용하여 방조제 부근에서 다른 온도의 해수와 담수가 혼합되는 양상을 통해 누수의 존재, 규모 및 기간을 유추하였다. 전기비저항탐사를 방조제를 따라 실시하여 평균비저항 값 83.197 ${\Omega}$-m이하를 보이는 이상대의 수평적 수직적 분포를 확인하였다. 간조와 만조 시의 전기전도도 값의 분석을 통해 배경치의 영향을 최소화한 수평적 이상대 분포를 확인하였다. 시추공영상촬영을 통해 파쇄대의 수직적 분포양상과 기존 탐사법의 정확도를 확인하였다. 그 결과 전체 제방의 연장 중 41.7%에서 세 수평적 이상대 탐사법의 중첩구간이 확인되었으며, 시추공에서 확인된 수직적 파쇄양상을 고려할 때 누수구간이 제방단면의 중심부를 따라 상당부분 수평적으로 연장이 되어 방대한 양의 누수가 존재할 가능성이 높을 것으로 사료된다. 네 탐사법의 융합적 접근은 각 탐사방법이 가지고 있는 장점을 부각하고 단점을 보완하여 수평적 및 수직적인 누수구간과 기간의 확인 및 판별이 가능하고, 시추공에서 확인된 수직적 파쇄양상의 수평적 연장성을 예측하는데 높은 신뢰도를 보인다 할 수 있다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.