• 대한건축학회논문집:구조계
• /
• 제34권5호
• /
• pp.51-58
• /
• 2018

The purpose of this study was to analyze the effect of seasonal change in characteristics of hygiene activity on domestic hot water energy consumption. With 16 residents of 4 households, the data about frequency of hygiene activity and water temperature was collected from February to August, 2017. The results of collected data discovered that the frequency of hygiene activity was higher especially in summer, whereas the consumption of warm water they used was higher in winter. The seasonal change in characteristics of hygiene activity was analyzed to be changed and strongly influenced by outdoor temperature. The influence of characteristics of hygiene activity on hot water consumption was analyzed. There was 13% of difference between consumption that was calculated taking characteristics of hygiene activity into account and consumption that was not. Therefore, this study suggested hygiene activity schedule, hot water profile and hot water consumption pattern, which can be utilized for improving simulation as well.

• ETRI Journal
• /
• 제30권1호
• /
• pp.47-58
• /
• 2008

In sensor networks, analyzing power consumption before actual deployment is crucial for maximizing service lifetime. This paper proposes an instruction-level power estimator (IPEN) for sensor networks. IPEN is an accurate and fine grain power estimation tool, using an instruction-level simulator. It is independent of the operating system, so many different kinds of sensor node software can be simulated for estimation. We have developed the power model of a Micaz-compatible mote. The power consumption of the ATmega128L microcontroller is modeled with the base energy cost and the instruction overheads. The CC2420 communication component and other peripherals are modeled according to their operation states. The energy consumption estimation module profiles peripheral accesses and function calls while an application is running. IPEN has shown excellent power estimation accuracy, with less than 5% estimation error compared to real sensor network implementation. With IPEN's high precision instruction-level energy prediction, users can accurately estimate a sensor network's energy consumption and achieve fine-grained optimization of their software.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권2호
• /
• pp.21-25
• /
• 2023

The purpose of this study was to compare the performance using multiple regression models to predict the energy consumption of steel industry. Specific independent variables were selected in consideration of correlation among various attributes such as CO2 concentration, NSM, Week Status, Day of week, and Load Type, and preprocessing was performed to solve the multicollinearity problem. In data preprocessing, we evaluated linear and nonlinear relationships between each attribute through correlation analysis. In particular, we decided to select variables with high correlation and include appropriate variables in the final model to prevent multicollinearity problems. Among the many regression models learned, Boosted Decision Tree Regression showed the best predictive performance. Ensemble learning in this model was able to effectively learn complex patterns while preventing overfitting by combining multiple decision trees. Consequently, these predictive models are expected to provide important information for improving energy efficiency and management decision-making at steel industry. In the future, we plan to improve the performance of the model by collecting more data and extending variables, and the application of the model considering interactions with external factors will also be considered.

• 한국건설관리학회논문집
• /
• 제12권6호
• /
• pp.110-119
• /
• 2011

온실가스 과다 배출로 인한 지구 온난화 현상은 전 세계 기후변화 현상을 일으키고 있다. 국내 주거용 건축물에서 발생하는 온실가스는 전체의 약 10%를 차지하고 있고, 노후 공동주택이 점차 증가하고 있는 추세에 있다. 본 연구에서는 공동주택 유지관리 단계에서 에너지 사용량에 대한 지속적 체계적 관리를 수행하기 위한 기반을 구축하고자 한다. 이러한 모델 개발을 위한 연구 프로세스 및 방법은 다음과 같다. 첫째, 서울시 소재의 공동주택을 연구대상으로 설정하였고, 이러한 공동주택의 특성 및 가스 에너지 소비량에 대한 데이터를 수집하였다. 둘째, 통계적인 분석을 통해, 에너지 소비에 영향을 주는 주요 특성들을 선정하였고, 이를 기준으로 온톨로지 기반의 분류체계를 구축하였다. 셋째, 온톨로지 기반의 공동주택 분류체계를 근간으로 하는 에너지 사용량 예측모델을 개발하였으며, CBR, ANN, MRA, GA 등의 방법론을 적용하였다. 본 연구에서는 데이터 분석 및 예측을 위해 PASW (Predictive Analytics SoftWare) Statistics 18, Microsoft EXCEL, Prot$\grave{e}$g$\grave{e}$ 4.1 등의 프로그램을 활용하였다. 향후 본 연구에서 개발한 모델을 웹 기반 시스템으로 개발함으로써, 공동주택 에너지사용량을 지속적이고 체계적으로 관리할 수 있을 기반이 마련될 것이다. 또한, 정부, 지자체의 시설물 관리 담당자 및 공동주택 관리자로 하여금 명확한 근거자료를 기반으로 하여, 공동주택 단지별 적정수준의 에너지 소비량을 제시함으로써, 시설물의 개선여부를 결정할 수 있는 의사결정 지원모델을 개발하고자 한다.

• Advances in Energy Research
• /
• 제6권2호
• /
• pp.91-101
• /
• 2019

This paper proposes an efficient data-driven approach to build models for predicting energy consumption in buildings. Data used in this research is collected by installing humidity and temperature sensors at different locations in a building. In addition to this, weather data from nearby weather station is also included in the dataset to study the impact of weather conditions on energy consumption. One of the main emphasize of this research is to make feature selection independent of domain knowledge. Therefore, to extract useful features from data, two different approaches are tested: one is feature selection through principal component analysis and second is relative importance-based feature selection in original domain. The regression model used in this research is gradient boosting regression and its optimal parameters are chosen through a two staged coarse-fine search approach. In order to evaluate the performance of model, different performance evaluation metrics like r2-score and root mean squared error are used. Results have shown that best performance is achieved, when relative importance-based feature selection is used with gradient boosting regressor. Results of proposed technique has also outperformed the results of support vector machines and neural network-based approaches tested on the same dataset.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.63-70
• /
• 2023

최근 스마트팜 에너지 비용 중 35% 낸난방비 에너지 소비가 증가되어 에너지 소비 효율화가 요구되며, 전기료 현실화에 대한 우려로 신재생 에너지 중요성이 증가하고 있다. 신재생 에너지는 수력, 풍력, 태양광 등에 속하며, 이중 태양광 에너지는 전기에너지로 변환하는 발전기술로, 이 기술은 에너지원이 환경에 미치는 영향이 적고, 유지 보수가 간편하다는 특징을 갖고 있다. 본 연구에서는 온실 축열조, 히트펌프 데이터 기반으로 축열조 영향을 많이 미치는 요소를 선정하고 축열조 공급 온도예측 모델을 개발하고자 한다. 시계열 데이터 분석 및 예측에 효과적인 LSTM(Long Short-Term Memory)과 다른 앙상블 학습 기법보다 뛰어난 XGBoost 모델을 이용하여 예측한다. 히트펌프 축열조 온도를 예측함으로써 에너지 소비를 최적화하여 시스템 운영을 최적화할 수 있다. 또한, 태양광 활용에 따른 냉난방비 절감 및 농가의 에너지 자립도 개선 등 스마트팜 에너지 통합 운영 시스템에 연계하고자 한다. 플랫폼을 통해 폐열 에너지의 공급을 관리하고 최대 난방부하 및 계절, 시간별 작물생장에 필요한 에너지값을 도출하여 이를 기반으로 최적 에너지 운용방안을 도출하고자 한다.

• 환경영향평가
• /
• 제25권4호
• /
• pp.261-279
• /
• 2016

본 연구에서는 남한과 북한의 자료를 통합하여 한반도 단위로 식량과 에너지 자원 소비량 추이를 살펴보았고, 여러 Case를 생성하여 통합 이후 한반도의 식량과 에너지 자원 소비량을 예측하고 자원 관리 방향을 제시하였다. 1990년대 이후 북한의 일인당 식량 공급량, 열량 공급량, 단백질 공급량은 모두 남한, 동아시아, 세계보다 낮으며, 동물성 식품군 공급 비중도 남한, 동아시아, 세계보다 매우 낮은 상황이다. 통합 이후 북한이 2011년 남한 수준으로 식량을 소비한다면, 2055년까지의 예상 통합 인구가 최대일 때 통합 한반도의 식량 소비량은 2011년 통합 소비량에 비해 약 25% 증가할 것으로 예상된다. 따라서 사전에 통합 이후 안정적인 식량 공급과 환경 영향 최소화를 위해 소비를 줄이고 농업 생산성을 향상시키기 위한 방안을 마련해야 한다. 북한의 에너지 소비량은 남한에 비해 매우 적으며, 지난 15년간 석탄 사용 구성비가 매우 높았다. 북한의 일인당 에너지 소비량이 2011년 남한 수준으로 증가하면, 통합 한반도의 에너지 소비량은 남한에서의 증가분을 제외하더라도 2011년 통합 한반도의 에너지 소비량에 비해 약 45% 증가할 것으로 예상된다. 따라서 에너지 소비에 의한 환경 영향을 최소화하기 위해 북한의 석탄 구성비를 줄여나가는 방향의 에너지 계획을 수립하고 에너지 설비 확충에 선진 기술 적용하는 방안을 마련해야 할 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.858-861
• /
• 2012

무선 센서 네트워크를 이용한 응용들 중 특히 환경 모니터링을 위해 대량으로 배치된 센서 노드들은 배터리 교체가 어렵고 교체시에 비용이 많이 드는 단점이 있다. 이를 보완하기 위해서는 무선 센서 네트워크 주위에 존재하는 신재생 에너지를 이용할 필요가 있다. 신재생 에너지들 중 태양 에너지는 매일 사용할 수 있고 에너지의 밀도가 다른 에너지원들 보다 높아 많이 이용되고 있다. 이에 본 논문은 태양 에너지를 충전하여 지속적으로 동작할 수 있는 무선 센서 노드의 에너지 충전 및 방전 특성을 모델링하여 무선 센서 노드의 에너지 활용 형태를 예측할 수 있는 이론적 모델을 제안한다. 개선된 모델에 의해 예측된 결과와 실제 무선 센서 노드의 에너지 활용 패턴을 비교 분석함으로써 실제와 유사하게 모델링할 수 있다.

• 디지털융복합연구
• /
• 제19권12호
• /
• pp.331-337
• /
• 2021

정보통신기술과 융합된 스마트팜의 도입은 농업 분야의 생산성을 높이고 경쟁력을 강화하고 있다. 각종 센서를 통한 환경 모니터링과 이를 통한 재배 환경의 자동제어가 가능하며 원격제어를 지원하는 기술들이 개발되어 보급되었고, 스마트팜에서 생성된 데이터를 이용하여 스마트팜 기술의 고도화를 위한 연구들이 진행되고 있다. 본 논문에서는 스마트팜의 환경 및 제어 데이터를 이용하여 스마트팜의 에너지 소비를 줄이기 위한 환경 제어 방법을 제안한다. 누적된 환경 데이터를 이용하여 환경 예측 모델을 만들고, 다중 환경 요소를 고려하여 주어진 상황에서 에너지 소비를 최소화할 수 있는 제어 방식을 선택함으로써 독립적 환경 제어 방식과 비교해 에너지 사용량을 줄일 수 있음을 확인하였다. 향후 예측 모델의 고도화와 복합제어 알고리즘의 개선 통하여 더 높은 에너지 효율을 얻기 위한 연구가 필요할 것으로 보인다.