• 대한전기학회논문지:전력기술부문A
• /
• 제50권5호
• /
• pp.248-254
• /
• 2001

The traction power demand highly varies with time and train positions and the traction load is a large-capacity current at single phase converted from 3-phase power system. Subsequently, each phase current converted from 3-phase power system cannot be maintained in balance any longer and thus the traction load can bring about imbalance in three-phase voltage. Therefore, the exact assessment of voltage unbalance must be carried out preferentially as well as load forecast at stages of designing and planning for electric railway system. The evaluation of unbalance voltage in areas, such as electric railway depots should be a prerequisite with more accuracy. The conventional researches on voltage unbalance have dealt with connection schemes of the transformers used in ac AT-fed electric railroads system and induced formulas to briefly evaluate voltage unbalance in the system(3). These formulas are still being used widely due to their easy applicabilities on voltage unbalance evaluation. Meanwhile, they don't take into account detailed characteristics of ac AT-fed electric railroads system, being founded on some assumptions. Accordingly. accuracy still remains in question. This paper proposes a new method to more effectively estimate voltage unbalance index. In this method, numerous diverted circuits in electric railway depots are categorized in three components and each component is defined as a two-port network model. The equivalent circuit for the entire power supply system is also described into a two-port network model by making parallel and/or series connections of these components. Efficiency and accuracy in voltage unbalance calculation as well can be promoted by simplifying the circuits into two-port network models.

• 한국항해항만학회지
• /
• 제35권5호
• /
• pp.387-392
• /
• 2011

태양광발전은 독립전원으로써의 가치는 미미하나 도시전체의 탄소발생량 저감 및 화석연료 사용 저감을 위한 분산전원으로써 가치가 매우 높은 전력원이다. 하지만 태양광발전의 경우 기상조건에 따른 발전량 변동이 심하기에 분산전원으로써 효율적으로 사용하기 위해서는 큰 변동폭을 효과적으로 제어하기 위한 실시간 모니터링이 이루어져야 한다. 하지만 태양광발전량을 좌우하는 일사량은 예측치가 존재하지 않기에 이를 예측해야 하고 본 연구에서는 과거의 일사량을 직산분리 하여 구름의 짙은 정도나 두께 등을 유추할 수 있는 대기투과율을 일기예보에서 발표하는 날씨별로 대푯값을 산정하고 이를 일사량 예측식에 대입하여 일사량을 예측하였다. 그리고 실측 일사량 및 CRM(Cloud Cover Radiation Model)기법인 Kasten and Czeplak의 식을 통해 계산된 예측일사량과의 비교를 통해 검증하였다.

• 한국해양학회지:바다
• /
• 제8권2호
• /
• pp.121-131
• /
• 2003

동해안에서 지난 20년 동안 발생한 월별 안개 발생빈도와 지속시간 분석에 의하면 1월, 2월, 11월, 12월의 안개 발생빈도는 거의 전무함을 알 수 있다. 이 현상은 태백산맥으로부터 동쪽으로 경사를 이루어 복사 안개의 발생이 어려운 지형 특징을 가지고 있기 때문으로 사료된다. 반면에 안개발생빈도의 90%이상을 차지하는 봄, 여름철의 안개 발생 원인은 크게 3가지로 분류된다. 첫 번째는 증기해무로서 오호츠크해 고기압의 확장으로 찬 북동기류가 동해상으로 이류하여 발생한다. 두 번째는 이류해무로서 따뜻한 기단이 상대적으로 찬 해수면 위로 이류하여 냉각, 포화되어 발생한다. 세 번째는 전선해무로써 저기압이 동해상으로 이동하여 수증기가 공급된 상태에서 한랭 전선 후면의 찬공기가 이류하면서 발생한다 한편, 해상풍, 상대습도, 운저고도, 시정 등의 예측과 동해 해역의 수직단면에서 안개 예측이 가능한 해무예측시스템(DUT-METRI)을 구축하여 사례기간의 해무를 모사하였, 위성자료로부터 이를 검증하였다.

• 한국재난정보학회 논문집
• /
• 제16권4호
• /
• pp.842-848
• /
• 2020

연구목적: 노후화된 발전기의 지속 가능한 운영을 위하여 효율적이며, 안전한 운영이 중요하다. 효율적 운영이란 경제적 관점이며, 안전한 운영은 발전 설비의 치명적 사고 발생에 대한 발생 이전의 사전 조치를 말한다. 그러므로 발전기의 지속가능 운영 모니터링을 위하여 관련된 센서 설치와 이를 기반으로 지속 가능에 대한 예측할 수 있는 모델에 대한 연구가 필요하다. 연구방법: 전기와 열에 대한 수요 예측, 엔진의 성능과 이상을 탐지하는 예측, 그리고 재 난 안전에 대한 예측 모델을 제시하였다. 이를 위하여 필요한 센서를 정의하였으며, 이를 기반으로 예측 모델을 각각 개발하여 수행하였다. 연구결과: 수요 예측 모델은 기존의 79%에서 90% 이상으로 예측 정확도를 향상시켰으며, 다른 2개 모델도 시스템의 지속가능한 안정적 운영을 지원하였다. 결론: 노후화된 발전설비의 지속가능 운영을 지원하기 위한 3가지 종류의 예측 모델을 개발하고 이를 제이비주식회사의 발전 설비에 실제 적용하여 운영하고 있다.

• 아태비즈니스연구
• /
• 제11권4호
• /
• pp.189-203
• /
• 2020

Purpose - This study aims in analyzing the dynamic relationship between household loans and housing prices according to the characteristics of depository institutions after the financial crisis, identifying the recent trends between them, and making policy suggestions for stabilizing house prices. Design/methodology/approach - The monthly data used in this study are household loans, household loan interest rates, and housing prices ranging from January 2012 to May 2020, and came from ECOS of the Bank of Korea and Liiv-on of Kookmin Bank. This study used vector auto-regression, generalized impulse response function, and forecast error variance decomposition with the data so as to yield analysis results. Findings - The analysis of this study no more shows that the household loan interest rates in both deposit banks and non-bank deposit institutions had statistically significant effects on housing prices. Also, unlike the previous studies, there was statistically significant bi-directional causality between housing prices and household loans in neither deposit banks nor non-bank deposit institutions. Rather, it was found that there is a unidirectional causality from housing prices to household loans in deposit banks, which is considered that housing prices have one-sided effects on household loans due to the overheated housing market after the financial crisis. Research implications or Originality - As a result, Korea's housing market is closely related to deposit banks, and housing prices are acting as more dominant information variables than interest rates or loans under the long-term low interest rate trend. Therefore, in order to stabilize housing prices, the housing supply must be continuously made so that everyone can enjoy housing services equally. In addition, the expansion and reinforcement of the social security net should be realized systematically so as to stop households from being troubled with the housing price decline.

• 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.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.355-363
• /
• 2022

우리나라는 2050년 탄소중립을 목표로 신재생에너지 중심으로 에너지 공급원을 전환하고 확대하는 계획을 추진 중이다. 신재생에너지의 간헐적 특성으로 에너지 공급이 불안정성이 커짐에 따라 정확한 신재생에너지 발전량 예측의 중요성이 함께 커지고 있다. 이에 따라 정부는 신재생에너지를 집합화하여 관리하기 위한 소규모 전력중개시장을 개설하였고, 재생에너지 발전량 예측제도를 도입하여 예측정확도에 따라 정산금을 지급하는 제도를 시행 중이다. 본 논문에서는 우리나라 신재생에너지 전원의 대부분을 차지하는 태양광 발전에 대하여 통계적 및 인공지능 모형을 이용하여 예측모델을 구현하였으며, 각 모형의 예측정확도 결과를 비교 분석하였다. 비교 모델 중에서 CNN-LSTM(Convolutional Long Short-Term Memory Neural Networks) 모형이 가장 높은 성능을 가짐을 확인하였다. 예측정확도에 따른 예측제도 정산금 수익을 추정해보았고, 예측보유 기술 수준에 따라 수익 편차가 24% 정도 커질 수 있음을 확인하였다.

• 한국농공학회논문집
• /
• 제64권4호
• /
• pp.11-20
• /
• 2022

Currently, the operation rule of agricultural reservoirs in case of drought events follows the drought forecast warning standard of agricultural water supply. However, it is difficult to preemptively manage drought in individual reservoirs because drought forecasting standards are set according to average reservoir storage ratio such as 70%, 60%, 50%, and 40%. The equal standards based on average water level across the country could not reflect the actual drought situation in the region. In this study, we proposed the improvement of drought operation rule for agricultural reservoirs based on the percentile approach using past water level of each reservoir. The percentile approach is applied to monitor drought conditions and determine drought criteria in the U.S. Drought Monitoring (USDM). We applied the drought operation rule to reservoir storage rate in extreme 2017 spring drought year, the one of the most climatologically driest spring seasons over the 1961-2021 period of record. We counted frequency of each drought criteria which are existing and developed operation rules to compare drought operation rule determining the actual drought conditions during 2016-2017. As a result of comparing the current standard and the percentile standard with SPI6, the percentile standard showed severe-level when SPI6 showed severe drought condition, but the current standard fell short of the results. Results can be used to improve the drought operation criteria of drought events that better reflects the actual drought conditions in agricultural reservoirs.

• 신재생에너지
• /
• 제18권3호
• /
• pp.1-9
• /
• 2022

This study analyzed the anticipated supply-and-demand of forest biomass energy (through wood pellets) until 2050, in South Korea. Comparing the utilization rates of forest resources of five countries (United Kingdom, Germany, Finland, Japan, and S. Korea), it was found that S. Korea does not nearly utilize its forest resources for energy purposes. The total demand for wood pellets in S. Korea (based on a power generation efficiency of 38%) was predicted to be 3,629 and 4,371 thousand tons in 2034 and 2050, respectively. The anticipated total wood pellet power generation ratio to target power consumption is 1.13% (5,745 GWh), 1.17% (6,336 GWh), and 1.25% (7,631 GWh) in 2020, 2030, and 2050, respectively. Low value-added forest residues left unattended in forests are called "Unused Forest Biomass" in S. Korea. From the analysis, the total annual potential amount of raw material, sustainably collectible amount, and available amount of wood pellet in 2050 were estimated to be 6,877, 4,814, and 3,370 thousand tons, respectively. The rate of contribution to Nationally Determined Contributions was up to 0.64%. Through this study, the authors found that forest biomass energy will contribute to a carbon neutral society in the near future at the national level.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.1-7
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.