• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.603-610
• /
• 2021

본 논문에서는 사용자의 전력소비패턴을 추출하고 사용자의 환경 및 감성을 적용한 최적 소비패턴을 모델링한 후, 이 두 가지의 패턴을 비교 적용하여 사용자의 전력소비행위 변화를 통한 전력의 효율적 사용 방법을 제시한다. 유의미한 소비패턴을 추출하기 위하여 벡터 표준화 및 이진 데이터 변환방법을 사용하고, k-평균 군집화를 적용한 앙상블의 합집합에 대한 학습과 k값에 따른 지지도를 적용하였으며, 최적 전력소비패턴 모델은 상대적 평균 소비량이 적은 앙상블 합집합에 대한 학습 결과를 기준으로 강제 및 감성 제어를 적용하여 생성하였다. 실험을 통하여 전력소비행위 변화 유도대상 추출 시 클러스터의 수와 일치율 간의 상관관계를 파악함으로써, 사용자의 의도에 따라 강제 및 감성 기반의 제어가 가능하도록 클러스터의 수나 크기 조절을 통한 다양한 윈도우에 적용할 수 있음을 검증하였다.

• Communications for Statistical Applications and Methods
• /
• 제27권6호
• /
• pp.589-602
• /
• 2020

The development of smart grids has enabled the easy collection of a large amount of power data. There are some common patterns that make it useful to cluster power consumption patterns when analyzing s power big data. In this paper, clustering analysis is based on distance functions for time series and clustering algorithms to discover patterns for power consumption data. In clustering, we use 10 distance measures to find the clusters that consider the characteristics of time series data. A simulation study is done to compare the distance measures for clustering. Cluster validity measures are also calculated and compared such as error rate, similarity index, Dunn index and silhouette values. Real power consumption data are used for clustering, with five distance measures whose performances are better than others in the simulation.

• 설비공학논문집
• /
• 제17권1호
• /
• pp.82-87
• /
• 2005

The purpose of this study is to suggest the characteristics and actual state of energy consumption by the analysis of energy consumption data in an office building. This study examines and analyzes daily and monthly energy consumption of an office building located in Seoul, Korea regarding type of load and business classification within a building. The results are as follows. 1) Energy consumption of office building for each type of load show similar consumption patterns, regardless of seasons such as cooling period and heating period. 2) Out of all annual energy consumption, consumption for lighting took about $43\;\%,$ general electric Power about $23\;\%,$ emergency power $25\;\%,$ computer center $5\;\%$ and cooling power $4\;\%,$ showing that the consumption for lighting was highest, and the percentage of energy consumption for cooling power for operation of cooling facilities took the lowest percentage. 3) Annual gas consumption used for heating and hot water supply were $38,\;36\;\%$ for officetel and office respectively, and $26\;\%$ for arcade. 4) Electricity consumptions used for cooling power for each use of building, office and officetel recorded in July and August of cooling seasons. Even though it shows different patterns for each month, energy consumption showed unique pattern throughout the cooling seasons.

• 정보처리학회논문지D
• /
• 제16D권3호
• /
• pp.307-316
• /
• 2009

이 논문에서는 자동 원격 검침(AMR) 시스템에서 수집되는 전력 사용량 데이터의 분석 결과를 실세계에 적용하기 위하여 시간과 공간의 변화에 따른 전력 소비 패턴의 주기성 탐사를 위한 시공간 데이터마이닝 기법을 제안하였다. 첫째, 고객의 전력 사용 목적에 따른 군집 분석을 위하여 분할 군집화 기법을 적용하였다. 둘째, 3차원 큐브 마이닝 기법을 적용하여 고객의 전력 소비 데이터가 갖는 시간 속성과 공간 속성에 대한 패턴을 탐색하였다. 셋째, 다양한 시간 도메인에서의 주기 패턴 발견을 위한 캘린더 패턴 마이닝 기법을 이용하여 탐사된 패턴들이 갖고 있는 시간 속성의 의미와 관계를 분석 및 예측하였다. 제안된 시공간 데이터마이닝 기법을 평가하기 위해 한국 전력 연구원에서 구축된 GIS-AMR 시스템에 의해 제공되는 고압 전력 소비 고객 3,256명의 2007년 1월부터 4월까지 총 266,426건의 데이터로부터 시간의 주기성 및 공간적 특성을 포함한 전력 소비 패턴을 분석하였다. 제안한 분석 기법을 통하여 특정 그룹에 속한 각각의 대표 프로파일이 시간과 공간상에서 갖는 주기성을 발견하였다.

• 디지털융복합연구
• /
• 제14권6호
• /
• pp.457-466
• /
• 2016

본 연구는 친환경 병원을 실현하는데 도움이 되는 연구로서 병원의 전력사용량에 미치는 기상요인의 영향을 실증적으로 검증하고자 한다. 이를 위해 2009년부터 2013년까지 일별 자료를 기준으로 2개 종합병원을 대상으로 기상조건에 따른 전력 사용 패턴과 그 영향을 분석하였다. 분석결과, 병원 건물의 전력사용량에 가장 큰 영향을 미치는 기상요인은 '기온'으로 나타났고, 병원의 규모에 상관없이 유의한 영향을 미치는 것으로 나타났다. 그러나 병원의 전력소비 패턴은 병원의 규모에 따라 차이가 있었다. 큰 규모의 병원에서는 선형의 전력소비 패턴이 나타났지만 작은 규모의 병원에서는 2차 곡선의 비선형 패턴으로 나타났다. 더운 여름과 추운 겨울에 병원 건물의 전력사용량이 증가하는 전형적인 전력소비 패턴을 보이는 것으로 나타났다. 본 연구결과는 에너지 절약과 친환경 건물 개선을 위하여, 병원 건물의 기능적 특수성뿐만 아니라 기상요소를 반드시 고려해야 한다는 것을 시사한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 춘계학술발표대회
• /
• pp.231-234
• /
• 2008

Currently an automated methodology based on data mining techniques is presented for the prediction of customer load patterns in load demand data. The main aim of our work is to forecast customers' contract information from capacity of daily power consumption patterns. According to the result, we try to evaluate the contract information's suitability. The proposed our approach consists of three stages: (i) data preprocessing: noise or outlier is detected and removed (ii) cluster analysis: SOMs clustering is used to create load patterns and the representative load profiles and (iii) classification: we applied the K-NNs classifier in order to predict the customers' contract information base on power consumption patterns. According to the our proposed methodology, power load measured from AMR(automatic meter reading) system, as well as customer indexes, were used as inputs. The output was the classification of representative load profiles (or classes). Lastly, in order to evaluate KNN classification technique, the proposed methodology was applied on a set of high voltage customers of the Korea power system and the results of our experiments was presented.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1373-1380
• /
• 2019

에너지의 생산 효율성을 증가시키기 위해 최근 스마트그리드 기술 중 지능형 검침 시스템(AMI, advanced metering infrastructure)의 개발이 활발히 진행되고 있다. 전력 소비 데이터를 분석하고 소비 패턴을 예측하는 일은 AMI에서 핵심적인 부분이다. 본 논문에서는 수집된 전력 소비 데이터를 분석하고 발생할 수 있는 오류들을 정리하였으며 소비 패턴을 월별로 k-means 군집화 알고리즘을 사용하여 분석하였다. 또한 deep neural network를 이용하여 소비 패턴을 예측하였는데, 가구별 하루 전력 사용량 예측의 어려움을 극복하기 위하여 전력 사용량을 100개의 군집으로 분류하여 이 군집의 하루 평균으로 다음날 군집의 평균을 예측하였다. 실제 AMI에서의 전력 데이터를 사용하여 오류들을 분석하였으며 군집화 방법을 도입하여 성공적으로 전력 소비 예측이 가능하였다.

• 한국산업융합학회 논문집
• /
• 제21권5호
• /
• pp.207-217
• /
• 2018

Recently, the importance of energy demand management, particularly peak load control, has been increasing due to the policy changes of the Second Energy Basic Plan. Even though the installation of distributed generation systems such as Photovoltaic and energy storage systems (ESS) are encouraged, high initial installation costs make it difficult to expand their supply. In this study, the power consumption of a university building was measured in real time and the measured power consumption data was used to calculate the optimal installation capacity of the Photovoltaic and ESS, respectively. In order to calculate the optimal capacity, it is necessary to analyze the operation methods of the Photovoltaic and ESS while considering the KEPCO electricity billing system, power consumption patterns of the building, installation costs of the Photovoltaic and ESS, estimated savings on electric charges, and life time. In this study, the power consumption of the university building with a daily power consumption of approximately 200kWh and a peak power of approximately 20kW was measured per minute. An economic analysis conducted using these measured data showed that the optimal capacity was approximately 30kW for Photovoltaic and approximately 7kWh for ESS.

• 도시과학
• /
• 제11권1호
• /
• pp.15-20
• /
• 2022

The issue of hotel energy use is growing more significant as the hotel industry expands. It is important to take into account the electrical installation and space-specific features in a room unit in order to comprehend the energy consumption of a hotel guestroom. In light of this, this study aimed to analyze standby power for enhancing the energy efficiency of a hotel guestroom during check-out status. This study was conducted in three steps: (i) data collection; (ii) analysis of energy consumption patterns; and (iii) analysis of energy efficiency improvement plan. The main findings of this study can be summarized as follows. First, 32.24% of energy was used in fan coil unit) during check-out status. Second, a hotel guestroom had a 4.30% energy saving potential, based on energy consumption patterns during check-out status. This study can contribute to support hotel management to operate guestrooms differently by helping them identify patterns in energy use and realize potential savings.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.90-94
• /
• 2020

Artificial intelligence (AI) is software that learns large amounts of data and provides the desired results for certain patterns. In other words, learning a large amount of data is very important, and the role of memory in terms of computing systems is important. Massive data means wider bandwidth, and the design of the memory system that can provide it becomes even more important. Providing wide bandwidth in AI systems is also related to power consumption. AlphaGo, for example, consumes 170 kW of power using 1202 CPUs and 176 GPUs. Since more than 50% of the consumption of memory is usually used by system chips, a lot of investment is being made in memory technology for AI chips. MRAM, PRAM, ReRAM and Hybrid RAM are mainly studied. This study presents various memory technologies that are being studied in artificial intelligence chip design. Especially, MRAM and PRAM are commerciallized for the next generation memory. They have two significant advantages that are ultra low power consumption and nearly zero leakage power. This paper describes a comparative analysis of the four representative new memory technologies.