• 문화기술의 융합
• /
• 제10권4호
• /
• pp.693-700
• /
• 2024

에너지 소비 문제가 전 세계적으로 주요한 이슈로 자리잡아 다양한 부문에서 에너지 소비 및 온실가스 배출 절감에 대한 관심이 크다. 2022년 3월 말 기준 국내 산업단지 총 면적은 606 km2로, 전체 국토면적의 약 0.6 %에 불과한다. 하지만 2018년 기준, 국내 산업단지의 연간 에너지 사용량은 국가 전체 에너지 사용량의 53.5 %, 전체 산업부문 에너지 사용량의 83.1 %를 차지하는 110,866.1천 TOE임으로 확인되었다. 더불어 국가 전체 온실가스 배출량의 45.1 %, 산업부문 온실가스 배출량의 76.8 %를 차지하여 환경에 미치고 있는 영향 또한 상당한 상황임이 확인하였다. 이러한 배경 하에 본 연구에서는 산업단지 차원의 에너지 효율화에 기여하고자, 국내 한 산업단지를 대상으로 에너지 수요 및 공급의 예측을 진행하였으며, 예측 결과값을 포함하여 에너지 모니터링을 위한 시뮬레이터 UI 화면을 설계하였다. 머신러닝 알고리즘 중 다층퍼셉트론 (Multi-Layer Perceptron; MLP)을 사용하였으며, 예측 모델의 최적화 기법으로서 베이지안 최적화 (Bayesian Optimization)를 적용하였다. 본 연구에서 구축한 예측 모델은 산업단지 내 압축공기 수요 유량의 경우는 87.90 %, 공용 공기압축기 공급 가능 유량의 경우는 99.54 %의 예측 정확도를 보였다.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.47-56
• /
• 2023

수소 에너지는 높은 에너지 효율로 열과 전기를 생산하면서도 온실가스와 미세먼지 등 유해물질 배출이 없는 친환경 에너지로서, 전 세계적으로 탄소중립으로의 전환을 위한 핵심으로 주목받고 있다. 특히 스마트 수소에너지는 경제적이고 지속 가능하며, 안전한 미래 스마트 수소에너지 서비스로써 수소 에너지의 기반 시설이 디지털로 통합되어 '데이터' 기반으로 안정적으로 운영되는 서비스를 의미한다. 본 논문에서는 데이터 기반 수소 충전소 수요예측 모델 구현을 위해 강원도 내 설치되어 있는 수소 충전소 3곳(춘천, 속초, 평창)을 선정, 수소 충전소의 수요공급 데이터를 확보하였고, 머신러닝 및 딥러닝 알고리즘 7개를 선정하여 총 27종 입력 데이터(기상데이터+수소 충전소 수요량)로 모델을 학습하였고, 평균 제곱근 오차(RMSE)로 모델을 평가하였다. 이를 통해 본 논문에서는 최적의 수소 에너지 수요공급을 위한 머신러닝 기반 수소 충전소 에너지 수요 예측 모델을 제안한다.

• 전기학회논문지
• /
• 제68권1호
• /
• pp.19-26
• /
• 2019

As global demand for energy, energy prices, and power generation has increased worldwide, the government is turning to supply-oriented electricity supply and demand policies, such as behavior-based energy efficiency programs. In order to measure the implementation effect of the behavior-based energy efficiency program, the energy reduction must be accurately calculated by calculating the customer baseline load.

• 태양에너지
• /
• 제18권3호
• /
• pp.71-80
• /
• 1998

In thermal energy storage system, energy collected from many types of heat source is stored in a storage tank and then supply to load for demand. Lately, practical use of thermal energy storage system and attention to essential use of energy have been increased. From this point of view, especially, a study about the energy extraction process from a storage tank is necessary. So in this study, useful rate of hot water and hot water extraction efficiency was analysed respect to dynamic and geometric parameters dominating the hot water extraction process.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.451-458
• /
• 2017

An Electric Vehicle (EV) is operated with the electric energy of a battery in place of conventional fossil fuels. Thus, a suitable charging infrastructure must be provided to expand the use of electric vehicles. Because the battery of an EV must be charged to operate the EV, expanding the number of EVs will have a significant influence on the power supply and demand. Therefore, to maintain the balance of power supply and demand, it is important to be able to predict the numbers of charging EVs and monitor the events that occur in the distribution system. In this paper, we predict the hourly charging rate of electric vehicles using transformation matrix, which can describe all behaviors such as resting, charging, and driving of the EVs. Simulation with transformation matrix in a specific region provides statistical results using the Monte-Carlo Method.

• 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.

• 에너지공학
• /
• 제28권4호
• /
• pp.82-93
• /
• 2019

본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 열수요 예측율이 크게 증가하였다. 제안된 모델은 다음과 같은 과정을 통해 선정되었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의 모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은 예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을 수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 크게 개선되었다. 본 연구에서는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년10월) 시간단위 열수요 데이터를 활용하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1992년도 한국자동제어학술회의논문집(국제학술편); KOEX, Seoul; 19-21 Oct. 1992
• /
• pp.106-111
• /
• 1992

In order to achieve stable and efficient use of energy at iron and steel works, a model for the prediction of supply and demand of electric power system is developed on the basis of the information on operation and particular patterns of electric power consumption. The optimal amount of electric power to be purchased and the optimal fuel allocation for the in-house electric power plants are also obtained by a mixed-integer linear programming(MILP) and a nonlinear programming (NLP) solutions, respectively. The validity and the effectiveness of the proposed model are investigated by several illustrative examples. The simulation results show the satisfactory energy saving by the optimal solution obtained through this research.

• KEPCO Journal on Electric Power and Energy
• /
• 제2권3호
• /
• pp.425-431
• /
• 2016

Supply Capability of the generator, if the maximum demand occurs, refers to the maximum power that can be stably supplied and it is possible to maintain stable power supply to be greater than actual load. However, unexpected power demand and reduction in supply Capability due to stop of unexpected generator in operation can temporarily make a big chaos in power system. In fact, due to a lack of power supply Capability in the country, enforced emergency load adjustment to the September 15, 2011, the circulation power outage has occurred in several cities. As the result, interrupted operation of the elevator and stopped hospital medical equipment led to a great deal of trouble to people's lives, causing a social problem. At that time, it was found that a failed frequency control because of smaller actual supply Capability than that of predicted. The difference was about 1,170 MW with Gas turbine power plant. By accurately calculating the generator supply capability, we can not only grasp the power reserve rate, but also correspond to the time of power supply instability.

• 상하수도학회지
• /
• 제28권4호
• /
• pp.377-389
• /
• 2014

In recent years, Smart Water Grid (SWG) concept has globally emerged over the last decade and also gained significant recognition in South Korea. Especially, there has been growing interest in water demand forecast and this has led to various studies regarding energy saving and improvement of water supply reliability. In this regard, this study aims to develop a nonlinear ensemble model for hourly water demand forecasting which allow us to estimate uncertainties across different model classes. The concepts was demonstrated through application to observed from water plant (A) in the South Korea. Various statistics (e.g. the efficiency coefficient, the correlation coefficient, the root mean square error, and a maximum error rate) were evaluated to investigate model efficiency. The ensemble based model with an cross-validate prediction procedure showed better predictability for water demand forecasting at different temporal resolutions. In particular, the performance of the ensemble model on hourly water demand data showed promising results against other individual prediction schemes.