• 자원ㆍ환경경제연구
• /
• 제27권2호
• /
• pp.287-313
• /
• 2018

본 연구는 전력수요의 냉방 및 난방 수요를 측정하고 분석한다. 이를 위해 냉난방기온효과를 추정하고 이를 Chang et al. (2014)의 전력수요함수 모형에 적용하여 전력수요를 기본수요, 냉방수요 그리고 난방수요로 분해하였다. 1999년 1월부터 2016년 12월의 한국의 일반용과 주택용 전력수요를 분석한 결과, 난방수요의 증가율이 기본수요와 냉방수요의 증가율을 월등히 상회하였으며 특히 일반용에서 난방수요 증가가 두드러졌다. 평년기온으로 통제한 기온보정된 난방수요는 실현된 난방수요보다 상대적으로 '더' 증가하였고, 냉방수요는 반대로 기온보정된 수요가 실현된 수요에 비해서 '덜' 증가하였다. 본 논문은 전력수요 내의 냉방 및 난방수요를 측정할 뿐 아니라 경제주체들의 전력수요 변화 패턴을 확인했다는 점에 의의가 있으며, 추정 결과들은 향후 전력수요예측과 에너지수요관리 정책 수립에 도움을 줄 수 있을 것으로 기대된다.

• 전기학회논문지
• /
• 제67권8호
• /
• pp.1019-1023
• /
• 2018

In this paper sensitivity analysis of temperature on special day electricity demand of land and Jeju Island is performed. The basic electricity demand per 3 hours is defined as electricity demand that reflects the GDP effect without the temperature influence. The temperature sensitivity per 3 hours is calculated through the relationship between special day electricity demand normalized to basic electricity demand and temperature. In the future, forecast error will be improved if the temperature sensitivity per 3 hours is applied to the special day load forecasting.

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2006년도 하계학술발표대회 논문집
• /
• pp.80-85
• /
• 2006

The peak demand of electricity in summer season mainly comes from the day time cooling loads. Ice thermal Storage System (ITSS) uses off-peak electricity at night time to make ice for the day time cooling. In order to maximize the use of cold storage in ITSS, the estimation of day time cooling load for the building is necessary. In this study, we present a method of cooling load estimation using 5 years of normalized outdoor temperature, relative humidity, and the building construction data. We applied the hourly-based estimation to a general hospital building with relatively less sudden heat exchange and the results are compared with the measured cooling load of the building. The results show that the cooling loads estimation depends on the indoor cooling design temperature of the building.

• 한국수자원학회논문집
• /
• 제56권11호
• /
• pp.729-735
• /
• 2023

다중분광센서인 Moderate resolution Imaging Spectroradiometer (MODIS)는 지표 및 대기 산출물을 통해 다양한 분야에서 활발한 연구가 진행되어 왔다. MODIS는 발사된지 20년이 지났고, 비슷한 특성의 이를 대체할 만한 자료의 필요성이 지속적으로 제기되어 왔다. 본 연구에서는 2011년에 발사된 Suomi National Polar-orbiting Partnership (Suomi NPP) 위성의 Visible Infrared Imaging Radiometer Suite (VIIRS) sensor에서 제공하는 지표 산출물 중 지표면 온도(Land Surface Temperature, LST)와 식생 지수인 정규식생지수(Normalized Differences Vegetation Index, NDVI)를 소개하고, 기존의 MODIS에서 제공되는 자료와의 비교 및 검증을 통해 연구 지역인 남한에서의 지역적인 적용성을 파악하고자 한다. 지표면 온도와 식생 활력은 농업적인 가뭄을 발생시키는 주요한 인자로써, 남한의 극심한 가뭄기간인 2014년과 2015년을 대상으로 가뭄의 시공간적인 변동성을 분석하여, VIIRS 산출물의 활용 가능성을 파악하였다.

• 한국수자원학회논문집
• /
• 제54권9호
• /
• pp.705-718
• /
• 2021

본 연구에서는 위성 원격 감지 자료를 사용하여 생태학적 가뭄의 가능성을 조사하였다. 먼저 MODIS에서 제공하는 정규식생지수와 지표면온도로 부터 식생건강성지수를 추정하였다. 그런 다음 우리나라 전 지역에 분포하고 있는 기상청 ASOS 주요 60개 지점 주변의 산림지역에서 다양한 강수/증발산 시나리오에 따른 식생 관련 가뭄의 가능성을 추정하기 위한 결합 확률모델을 구성하였다. 본 연구의 결과는 대기의 수분공급이 열악하거나 대기의 수분 요구량이 과도한 조건에서 산림 식생과 관련된 가뭄의 위험 패턴을 보여준다. 또한 다양한 기상학적 가뭄 조건에서 산림 식생과 관련된 가뭄 위험의 민감도를 나타낸다. 이러한 연구 결과는 의사 결정권자가 가뭄 위험을 평가하고 온난화 시대에 산림 식생과 관련된 가뭄 완화 전략을 개발할 수 있는 통찰력을 제공할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.