• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 A
• /
• pp.301-303
• /
• 2000

This paper presents Kohonen neural network and wavelet transform analysis based technique for industrial peak load forecasting for the purpose of peak demand control. Firstly, one year of historical load data were sorted and clustered into several groups using Kohonen neural network and then wavelet transforms are adopted using the Biorthogonal mother wavelet in order to forecast the peak load of one hour ahead. The 5-level decomposition of the daily industrial load curve is implemented to consider the weather sensitive component of loads effectively. The wavelet coefficients associated with certain frequency and time localization is adjusted using the conventional multiple regression method and the components are reconstructed to predict the final loads through a six-scale synthesis technique.

• Journal of Communications and Networks
• /
• 제10권1호
• /
• pp.38-43
• /
• 2008

In this paper, adaptive channel borrowing approach fuzzy neural networks for load balancing (ACB-FNN) is presented to maximized the number of served calls and the depending on asymmetries traffic load problem. In a wireless network, the call's arrival rate, the call duration and the communication overhead between the base station and the mobile switch center are vague and uncertain. A new load balancing algorithm with cell involved negotiation is also presented in this paper. The ACB-FNN exhibits better learning abilities, optimization abilities, robustness, and fault-tolerant capability thus yielding better performance compared with other algorithms. It aims to efficiently satisfy their diverse quality-of-service (QoS) requirements. The results show that our algorithm has lower blocking rate, lower dropping rate, less update overhead, and shorter channel acquisition delay than previous methods.

• 정보처리학회논문지C
• /
• 제13C권5호
• /
• pp.621-626
• /
• 2006

이동 애드 혹 네트워크(Mobile Ad Hoc Network; MANET)는 유선 인프라 없이 구축된 무선 네트워크로 멀티 홉 통신을 수행할 수 있다. 인터넷 노드와 통신하고자 하는 MANET 노드에게 인터넷 연결을 가능하게 하는 방법이 요구되며 인터넷 연결은 인터넷과 MANET을 중계하는 인터넷 게이트웨이를 통해 지원된다. 신뢰성과 통신의 유연성을 지원하기 위해 다중 인터넷 게이트웨이들을 MANET에 배치하여 사용할 수 있다. 게이트웨이들 간의 부하를 잘 분배한다면 네트워크 성능 향상을 얻을 수 있으므로, MANET 내에 여러 개의 인터넷 게이트웨이가 존재할 경우 이들 간의 부하 균등화는 중요한 이슈이다. 본 연구에서는 부하 균등화 기법을 제어 메시지의 플러딩 방법과 인터넷 게이트웨이를 선택하는 주체에 따라 4가지로 분류하며, 부하 균등화 문제를 해결하기 위한 새로운 메트릭(metric)을 제안한다. 시뮬레이션을 통하여 흡 수와 라우팅 엔트리의 수를 메트릭으로 이용하는 새로운 기법의 성능이 기존 기법에 비하여 향상되었음을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제14권6호
• /
• pp.83-90
• /
• 2009

무선메쉬망에서 트래픽은 인터넷 게이트웨이로 동작하는 MPP로 집중되기 때문에 이들 간에 부하가 균등하게 분담되지 않으면 망 내 트래픽 양이 망의 전체 용량보다 작더라도 망의 전체 효율은 낮아진다. 따라서 본 논문에서는 망 내 MPP의 부하 정보를 이용하여 MP(Mesh Point)들이 접속할 MPP를 확률적으로 결정하는 확률적 트래픽 부하 균등 기법을 제안한다. 제안 기법의 성능 평가를 위해 ns-2를 이용한 모의실험을 통해 제안 기법과 큐 길이 기반 기법을 망 안정화 시간과 패킷 손실율 측면에서 비교하였다. 제안 기법은 혼잡한 MPP의 부하를 다수의 MPP에 분담시킬 수 있기 때문에 새로운 접속 MPP(serving MPP)로 트래픽이 급증하는 것을 방지한다. 따라서 제안기법은 동일한 망 환경에서 망 혼잡 발생 후 이를 해결하기 위한 망 안정화 시간이 큐 길이 기반 기법보다 최대 34초 빠르며 이로 인해 망의 패킷 손실율도 최대 7.6% 낮출 수 있었다. 즉, 제안기법은 망 자원의 효율적 이용으로 망 혼잡을 빠르게 해소하여 무선메쉬망의 안정적 운용에 기여한다.

• 전기학회논문지
• /
• 제63권11호
• /
• pp.1608-1614
• /
• 2014

Power demand forecasting is an important factor of the peak management. This paper deals with the 15 minutes ahead load forecasting problem in a DC urban railway system. Since supplied power lines to trains are connected with parallel, the load characteristics are too complex and highly non-linear. The main idea of the proposed method for the 15 minutes ahead prediction is to use the daily load similarity accounting for the load nonlinearity. An Euclidean norm with weighted factors including loads of the neighbor substation is used for the similar load selection. The prediction value is determinated by the sum of the similar load and the correction value. The correction has applied the neural network model. The feasibility of the proposed method is exemplified through some simulations applied to the actual load data of Incheon subway system.

• Journal of Electrical Engineering and Technology
• /
• 제13권3호
• /
• pp.1251-1264
• /
• 2018

The systematic and effective design method of a Class-D current-source resonant inverter for use in an induction cooker with zero-ripple line current is presented. The design procedure is based on the principle of the Class-D current-source resonant inverter with a simplified load network model that is a parallel equivalent circuit. An induction load characterization is obtained from a large-signal excitation test-bench based on parallel load network, which is the key to an accurate design for the induction cooker system. Accordingly, the proposed scheme provides a systematic, precise, and feasible solution than the existing design method based on series-parallel load network under low-signal excitation. Moreover, a zero-ripple condition of utility-line input current is naturally preserved without any extra circuit or control. Meanwhile, a differential-mode input electromagnetic interference (EMI) filter can be eliminated, high power quality in utility-line can be obtained, and a standard-recovery diode of bridge-rectifier can be employed. The step-by-step design procedure explained with design example. The devices stress and power loss analysis of induction cooker with a parallel load network under large-signal excitation are described. A 2,500-W laboratory prototype was developed for $220-V_{rms}/50-Hz$ utility-line to verify the theoretical analysis. An efficiency of the prototype is 96% at full load.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1087-1094
• /
• 2023

빅데이터, 클라우드, IoT, AI 등 기술의 발전으로 인해 높은 데이터 처리율이 요구되고 있으며 네트워크의 유연성과 확장성에 대한 중요성이 증가하고 있다. 하지만 기존 네트워크 체계는 벤더와 장비에 종속되어 앞선 요구를 충족하기에는 한계가 존재한다. 이에 소프트웨어 중심의 유연한 네트워크를 구성할 수 있는 SDN 기술이 주목받고 있으며 특히 SDN을 기반의 부하 분산 방식은 방대한 트래픽을 효율적으로 처리하여 네트워크 성능을 최적화할 수 있다. 기존 SDN 환경에서 부하 분산 연구들은 서버와 컨트롤러 간 불필요한 트래픽이 발생하거나 서버가 임계치에 도달한 후에야 부하 분산이 이루어지는 제한사항이 존재한다. 본 논문에서는 이를 해결하기 위해 서버 부하에 따라 단계적으로 서버에 가중치를 부여하는 방식을 통해 불필요한 트래픽을 최소화하고 서버가 과부화 되기 전에 적절한 부하 분산이 이루어질 수 있는 방식을 제안한다.

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2007년도 학술대회
• /
• pp.279-282
• /
• 2007

Typically a wireless sensor network consists of a number of nodes that sense surrounding environment and collaboratively work to process and route the sensing data to a sink or gateway node. We propose an architecture with support of multiple routers in IPv6-based Low-power Wireless Personal Area Network (6LoWPAN). Our architecture provides traffic load balancing and increases network lifetime as well as self-healing mechanism so that in case of a router failure the network still can remain operational. Each router sends its own Router Advertisement message to nodes and all the nodes receiving the messages can select which router is the best router with the minimum hop-count and link information. We have implemented the architecture and assert our architecture helps in traffic load balancing and reducing data transmission delay for 6LoWPAN.

• 정보처리학회논문지C
• /
• 제18C권1호
• /
• pp.31-44
• /
• 2011

네트워크 기반의 적절한 컴퓨팅은 네트워크 대역폭의 가용성에 의존한다. 백본 네트워크 용량과 액세스 네트워크 상에 심각한 버틀넥이 발생하여 ISP 사업자와 고객 간의 갭이 발생된다면 그만큼 ISP 사업자는 사업에 불이익을 초래할 수 있다. 이러한 상황이 발생되기 이전 ISP 사업자가 트래픽량 예측과 종단간 오버로드가 높은 링크 구간을 감지할 수 있다면 ISP 사업자와 고객 간의 갭은 그만큼 줄어 들 수 있을 것으로 판단된다. 따라서 본 논문은 트래픽량 예측과 종단간 오버로드가 높은 링크 구간을 감지 가능한 소프트웨어로 ACE, ADM, Flow Analysis를 소개한다. 이들 툴을 이용하여 전자상거래의 연속적인 트랜잭션을 실망에서 측정한 후 측정된 네트워크 데이터를 가상 망 환경에 임포트하고 백그라운드 트래픽을 생성한다. 이와 같은 가상 망 환경을 토대로 점차적인 사용자 수 증가에 따른 트래픽량 예측과 링크 로드가 높은 구간을 시뮬레이션 결과로 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 정기총회 및 추계학술대회 논문집 학회본부
• /
• pp.29-31
• /
• 1993

This paper presents Neural Network(NN) approach to short-term load forecasting. Input to the NN are past loads and the output is the predicted load for a given day. The NN is used to learn the relationship among past, current and future temperature and loads. Three different cases are presented. Case 1 divides into weekday and weekendday load pattern. Case 2 forcasts 24-hour ahead load. Case 3 searchs for the same load pattern as present load pattern in past load pattern. From result of forecasting, an average absolute percentage errors of case 1 shows 2.0%. That of case 2 shows 2.2, and That of case 3 shows 1.6%.