• 환경영향평가
• /
• 제24권5호
• /
• pp.487-498
• /
• 2015

기온상승과 인구 및 GDP 증가의 영향으로 인해 에너지 문제가 발생하고 있다. 이러한 문제에 대응하기 위해 에너지 수요에 대한 예측이 필요하다. 따라서 본 연구는 에너지 수요관리, 특히 전력부하를 유발하는 냉난방 에너지 수요 관리에 도움이 되고자 가정 부문 냉난방 에너지의 미래 사용량을 예측하고자 한다. 에너지 사용량을 산정하는데 있어 서비스 수요의 산출이 필요하다. 따라서 서비스 수요 산정식을 이용하여 이를 먼저 도출하고, AIM/end-use 모델을 이용하여 에너지 사용량을 산정하였다. 산정 결과 냉난방 서비스 수요는 2010년에 비해 2050년에 모두 증가하는 추세를 보였다. 하지만 에너지 사용량에서 난방은 감소하고, 냉방은 증가하는 것으로 예측되었다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.127-133
• /
• 2019

미래에 스마트 그리드 도입을 위해 전력수요예측은 중요한 연구 분야 중 하나이다. 하지만 전력데이터는 많은 외부적 요소들에 영향을 받기 때문에 예측하기 어렵다. 기존의 전력수요예측 방법들은 가공되지 않은 전력데이터를 그대로 이용하기 때문에 정확도 높은 예측을 하는데 한계가 있어왔다. 본 논문에서는 가공되지 않은 전력데이터를 이용하는 전력수요예측의 문제를 해결하기 위해 확률기반 학습알고리즘을 제안한다. 확률 모델은 전력데이터의 확률적 특성을 분석하기에 적합하다. 제안한 모델의 중기 전력수요예측 성능을 비교하기 위해 신경망 네트워크 중 하나인 순환신경망과 성능 비교를 해보았다. 매사추세츠 대학에서 제공한 전력데이터를 이용하여 성능 비교를 한 결과 본 논문에서 제안한 확률기반 학습알고리즘이 중기 수요예측에 더 좋은 성능을 나타냄을 확인하였다.

• 한국정보통신학회논문지
• /
• 제25권8호
• /
• pp.1005-1012
• /
• 2021

최근 웹에서 지도(Map)를 이용한 Location based Services 기반의 다양한 위치정보시스템 활용이 점점 확대되고 있으며 에너지 절약을 위한 대안으로 전력 수요 현황을 실시간으로 확인할 수 있는 모니터링 시스템의 필요성이 요구되고 있다. 본 연구에서는 딥러닝과 같은 기계학습을 이용하여 전력 수요 데이터의 특성을 분석하고 예측하는 모듈을 개발하여 지역 단위별 전력 에너지 사용 현황과 예측 추세를 실시간으로 확인할 수 있는 오픈소스 기반 지도 서비스를 이용한 딥러닝 실시간 가상 전력수요예측 웹 시스템을 개발하였다. 특히 제안한 시스템은 LSTM 딥러닝 모델을 이용하여 지역적으로 전력 수요량과 예측 분석이 실시간으로 가능하고 분석된 정보를 가시화하여 제공한다. 향후 제안된 시스템을 통해 지역별 에너지의 수급 및 예측 현황을 확인하고 분석하는데 활용될 수 있을 뿐만 아니라 다른 산업 에너지에도 적용될 수 있을 것이다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.861-866
• /
• 2022

서울시에서는 공유 자전거 시스템, "따릉이"를 2015년부터 도입, 운영하여, 교통량 감축과 대기오염 해소를 위해 노력하고 있다. 하지만 공유 자전거 시스템, "따릉이"의 운영전략 미훕으로 인해 많은 문제가 발생하고 있어 이를 해결하고자 다양한 연구들이 제시되고 있다. 이들 연구의 대다수는 수요와 공급의 불균형을 해결하고자 하는 전략적 "자전거 배치"에 집중되어 있으며 또한 이들 중 다수가 날씨나 계절과 같은 특징을 그룹화함으로써 수요를 예측하고 있다. 그리고 이전에는 이들 예측방법이 주로 시계열 분석을 기반으로 하고 있었으나 최근에는 딥러닝/머신러닝으로 수요를 예측하는 연구들이 속속 등장하고 있다. 본 논문에서는 기존에 제시된 다양한 특징들을 기반으로 하면서, 새로운 특징을 발견하고 선택된 특징들의 중요도를 비교, 이를 순서화함으로써, 보다 정확한 수요 예측이 가능함을 보인다. 그리하여, 우리는 기존의 딥러닝/머신러닝 및 시계열 분석을 그대로 사용하면서 비교적 정확한 결정계수를 획득하고 이를 이용해 개선된 수요예측이 가능하도록 한다.

• 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.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권2호
• /
• pp.1-6
• /
• 2021

For competitive hotel business, the hotel must have a sound prediction capability to balance the demand and supply of hospitality products. To have a sound prediction capability in the hotel, it should be prepared to be equipped with a new technology such as quantum computing. The quantum computing is a brand new cutting-edge technology. It will change hotel business and even the whole world too. Therefore, we study the impact of quantum computing on supply chain management (SCM) and hotel performance. Toward the goal we have developed the research model including six constructs: quantum (computing) prediction, communication, supplier relationship, service quality, non-financial performance, and financial performance. The result of the study shows a significant influence of quantum (computing) prediction on hotel performance through the mediating role of SCM in the hotel. Quantum prediction is highly significant in enhancing the SCM in the hotel. However, the direct effect between the quantum prediction and hotel performance is not significant. The finding indicates that hotels which would install the quantum computing technology and utilize the quantum prediction could hugely benefit from the performance improvement.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2008년도 춘계 학술발표회 초청강연 및 논문집
• /
• pp.803-812
• /
• 2008

Along with the increasing demand for automatic and mechanical tunnel excavation methods in Korea, the Tunnel Boring Machine (TBM) method of tunnel excavation has become increasingly popular. However, in spite of this rising demand, few studies have been performed on the TBM method, in Korea. For this reason, this study focused on evaluation of the applicability of TBM performance prediction models based on field data in order to contribute to the basic and essential parts of TBM designation and the TBM method of tunnel excavation in Korea. These rock properties can be defined as the mechanical and physical factors of rock that have an influence on a disc cutter's ability to cut rock, and provide information for the evaluation of the applicability of field data. Based on outcomes from these tests, applicability of the prediction model was evaluated and the predicted performance of a TBM was compared with real field data obtained from four different TBM construction sites in Korea.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 전기설비
• /
• pp.31-33
• /
• 2005

The accelerating of industrial development causes electricity demand to increase. By that power equipments need high power, multi function and intelligence. Also consumers demand for guarantee power supplying of good quality and reasonable operating equipment. Also they require for reliance and stabilization of power facility. Therefore preventive maintenance of electric installation must be developed and improvement of domestic technical level is needed in the maintenance management of equipment. The diagnosis of trouble existence is technique that compares steady state with unusual condition, whereas the prediction technique makes a diagnosis of remaining equipments life. It is difficult for us to diagnose trouble existence of electric installation and to develop prediction method in building because of a wide scope for electric installation in building. And in this paper we will investigate diagnosis and prediction method for only switch part of electric installation in building.

• 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.

• International Journal of Concrete Structures and Materials
• /
• 제10권4호
• /
• pp.513-525
• /
• 2016

The resistance-demand approach has emerged as an effective approach for determining the shear capacity of reinforced concrete beams. This approach is based on the fact that both the shear resistance and shear demand are correlated with flexural tensile strain from compatibility and equilibrium requirements. The basic shear strength, under a given loading is determined from the intersection of the demand and resistance curves. This paper verifies the applicability of resistance-demand procedure for predicting the shear capacity of high strength concrete beams without web reinforcement. A total of 18 beams were constructed and tested in four-point bending up to failure. The test variables included the longitudinal reinforcement ratio, the shear span to depth ratio, and the beam depth. The shear capacity of the beams was predicted using the proposed procedure and compared with the experimental values. The results of the comparison showed good prediction capability and can be useful to design practice.