• Journal of Information Processing Systems
• /
• 제18권1호
• /
• pp.115-129
• /
• 2022

Adopting Internet of Things (IoT)-based technologies in smart homes helps users analyze home appliances electricity consumption for better overall cost monitoring. The IoT application like smart home system (SHS) could suffer from large missing values gaps due to several factors such as security attacks, sensor faults, or connection errors. In this paper, a novel framework has been proposed to predict large gaps of missing values from the SHS home appliances electricity consumption time-series datasets. The framework follows a series of steps to detect, predict and reconstruct the input time-series datasets of missing values. A hybrid convolutional neural network-long short term memory (CNN-LSTM) neural network used to forecast large missing values gaps. A comparative experiment has been conducted to evaluate the performance of hybrid CNN-LSTM with its single variant CNN and LSTM in forecasting missing values. The experimental results indicate a performance superiority of the CNN-LSTM model over the single CNN and LSTM neural networks.

• 응용통계연구
• /
• 제32권2호
• /
• pp.319-330
• /
• 2019

과거의 전력소모량을 분석하여 미래의 전력소모량을 예측하는 것은 에너지 계획과 정책 결정에 있어 많은 이점을 가져다준다. 기계학습은 최근 전력소모량을 예측하는 분석 방법으로 많이 사용하고 있다. 그중 앙상블 학습은 모형의 과적합 현상을 방지하고 분산을 줄여 예측의 정확성을 높이는 방법으로 알려져 있다. 하지만 일별 데이터에 앙상블 학습을 적용했을 때 분석 방법의 특성으로 인해 피크를 잘 나타내지 못하고 중심값으로 예측하는 단점을 보였다. 본 연구에서는 앙상블 학습 전에 온도 변수와의 상관성을 고려하여 선형모형으로 적합함으로써 앙상블 학습의 단점을 보완한다. 그리고 9개의 모형을 비교한 결과 온도 변수를 선형모형으로 적합하고 랜덤포레스트를 사용한 모형이 결과가 가장 좋음을 보여준다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.419-430
• /
• 2020

본 연구는 기존 전력량 예측 모델의 구조를 변경하여 모델의 예측 능력을 향상 시킬 수 있는 방법에 관하여 연구하였다. 전기에 대한 수요는 그 어느 때보다 증가하고 있다. 산업 부문에서는 그 어느 부문 보다 전기 소모량이 많음으로, 더욱 정확한 공장 지역의 전력량 소모 예측 모델이 잉여 에너지 생산을 줄이기 위해 주목을 받고 있다. 우리는 2개의 개별 encoder와 한개의 decoder를 사용하여, 장기와 단기 데이터를 모두 사용하는 double encoder-decoder 모델을 제안한다. 우리는 제안된 모델을 세홍(주)의 생산 구역에서 2019년 1월 1일부터 2019년 6월 30일 까지 모집된 전력 소모량 데이터에서 평가 하였다. double encoder-decoder 모델은 기존의 encoder-decoder 모델을 사용했을 때와 비교하여 약 10 %의 평균 절대 비율 오차의 감소를 기록 하였다. 본 결과는 제안한 모델이 encoder-decoder 모델에 비해 생산 지역의 전력 사용량의 예측을 더 정확하게 하는 모델임을 보여준다.

• 응용통계연구
• /
• 제31권2호
• /
• pp.189-204
• /
• 2018

본 연구는 2014년 1월부터 2017년 4월까지 광, 공업용 제조업을 하는 건물(GGM)의 전기 사용량에 대한 예측을 살펴보고자 한다. SARIMA, SARIMA + GARCH, Holt-Winters 방법, Fourier 변환으로 분해를 한 ARIMA 모형을 중심으로 네 가지 모형에 대한 적합을 하였다. 또한 2017년 5월 사용량에 대한 예측하고, 실제값을 고려하여 각 모형에 대해 예측 제곱근 평균 제곱 오차와 예측 오차율을 비교하였다. GGM 건물의 전기 사용량에 대한 변동이 심하기 때문에 여러 가지 모형 중에서도 변동성과 주기를 함께 고려한 SARIMA + GARCH 모형의 적합과 예측이 가장 뛰어난 것을 확인하였다.

• 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.

• 한국가스학회지
• /
• 제22권2호
• /
• pp.29-33
• /
• 2018

전통시장, 지하상가 등에서는 많은 유동인구가 있고 가스 전기 설비가 동일구내에 설치되어 두 에너지원의 연관성에 의한 사고 가능성이 증대되고 있으며, 이러한 사고를 예방하고 신속 대응하기 위한 방안이 필요하다. 이 연구에서는 위험인자와 관련된 영향인자 센싱을 통해 사고예측을 하는 것을 목표로 한다. 전기적요인의 누설전류, 아크 등과 폭발사고 위험과 관련된 가스누출에 대해 IOT 센서를 통한 사고예방을 할 수 있는 안전관리 플랫폼 개발의 연구이며 이 논문에서는 가스 사고와 관련된 화재위험인자를 고려한 사고예측에 대한 연구내용이다. 이러한 사고위험을 예방하기 위해서 연소기 주위에서의 온도변화 특성 분석을 수행하였고, 이를 고려하여 화재를 예방할 수 있는 사고전조 알고리듬과 관련된 모듈을 개발하였다.

• 국제학술발표논문집
• /
• The 6th International Conference on Construction Engineering and Project Management
• /
• pp.723-727
• /
• 2015

Building energy use estimation relies on building characteristics, its energy systems, occupants, and weather. Energy estimation of new buildings is considerably an easy task when compared to modeling existing buildings as they require calibration with actual data. Particularly, when energy estimation of existing building stock is warranted at a city-scale, the problem is exacerbated owing to lack of construction drawings and other engineering specifications. However, as collection of buildings and other infrastructure constitute cities, such predictions are a necessary component of developing and maintaining sustainable cities. This paper uses Artificial Neural Network techniques to predict electricity consumption for residential buildings situated in the City of Gainesville, Florida. With the use of 32,813 samples of data vectors that comprise of building floor area, built year, number of stories, and range of monthly energy consumption, this paper extends the prediction to environmental impact assessment of electricity usage at the urban-scale. Among others, one of the applications of the proposed model discussed in this paper is the study of urban scale Life Cycle Assessment, and other decisions related to creating sustainable cities.

• 한국정밀공학회지
• /
• 제30권5호
• /
• pp.461-466
• /
• 2013

In this paper, main mechanism and measurement method of energy consumption for machine tools are investigated by experiment and simulation. To evaluate total energy consumption of the machine tools, standard test workpiece and measuring method and test procedures are suggested. And, improvement of energy consumption evaluation by the motion kinematics theory is used. In addition, to estimate energy consumption of machine tools in design process, mass distribution of the structure and 5 axis motions are investigated and simulated by numerical analysis.

• 한국건축친환경설비학회 논문집
• /
• 제12권6호
• /
• pp.627-640
• /
• 2018

Submetering electricity consumption data enables more detail input of end use components, such as lighting, plug, HVAC, and occupancy in building energy modeling. However, such an modeling efforts and results are rarely tried and published in terms of the estimation accuracy of electricity demand. In this research, actual submetering data obtained from a university building is analyzed and provided for building energy modeling practice. As alternative modeling cases, conventional modeling method (Case-1), using reference schedule per building usage, and main metering data based modeling method (Case-2) are established. Detail efforts are added to derive prototypical schedules from the metered data by introducing variability index. The simulation results revealed that Case-1 showed the largest error as we can expect. And Case-2 showed comparative error relative to Case-3 in terms of total electricity estimation. But Case-2 showed about two times larger error in CV (RMSE) in lighting energy demand due to lack of End Use consumption information.

• International Journal of Computer Science & Network Security
• /
• 제23권3호
• /
• pp.10-16
• /
• 2023

The ever-increasing amount of data generated by various industries and systems has led to the development of data mining techniques as a means to extract valuable insights and knowledge from such data. The electrical energy industry is no exception, with the large amounts of data generated by SCADA systems. This study focuses on the analysis of historical data recorded in the SCADA database of the Libyan Electricity Company. The database, spanned from January 1st, 2013, to December 31st, 2022, contains records of daily date and hour, energy production, temperature, humidity, wind speed, and energy consumption levels. The data was pre-processed and analyzed using the WEKA tool and the Apriori algorithm, a supervised machine learning technique. The aim of the study was to extract association rules that would assist decision-makers in making informed decisions with greater efficiency and reduced costs. The results obtained from the study were evaluated in terms of accuracy and production time, and the conclusion of the study shows that the results are promising and encouraging for future use in the Libyan Electricity Company. The study highlights the importance of data mining and the benefits of utilizing machine learning technology in decision-making processes.