• 산업공학
• /
• 제24권4호
• /
• pp.373-378
• /
• 2011

High level of accuracy in forecasting heat demand of each district is required for operating and managing the district heating efficiently. Heat demand has a close connection with the demands of the previous days and the temperature, general demand forecasting methods may be used forecast. However, there are some exceptional situations to apply general methods such as the exceptional low demand in weekends or vacation period. We introduce a new method to forecast the heat demand to overcome these situations, using the linearities between the demand and some other factors. Our method uses the temperature and the past 7 days' demands as the factors which determine the future demand. The model consists of daily and hourly models which are multiple linear regression models. Appling these two models to historical data, we confirmed that our method can forecast the heat demand correctly with reasonable errors.

• 한국빅데이터학회지
• /
• 제3권2호
• /
• pp.59-70
• /
• 2018

특정 지역의 고객을 대상으로 열을 공급하는 지역난방 서비스의 안정적인 운영을 위해서는 단기간의 미래 수요를 보다 정확하게 예측하고, 효율적인 방법으로 생산 및 공급하는 것이 무엇보다 중요하다. 그러나 열 소비에 영향을 미치는 요소가 매우 다양할 뿐만 아니라 개별 소비자 및 지역적 특성에 따라 소비 형태가 달라지기 때문에 일반적인 상황에도 적용될 수 있는 범용적 열 수요 예측 모형을 개발하는 것은 매우 어렵다. 따라서 본 연구에서는 실시간으로 확보할 수 있는 제한적인 정보만을 바탕으로 딥러닝 기법을 활용한 수요예측 모형을 개발하고자 한다. 해당 지역의 외기온도와 날짜로만 구성된 과거 데이터를 입력 변수로 하여 텐서플로의 인공신경망을 학습시키는 방법으로 수요 예측 모형을 개발하였다. 기존의 회귀분석 기법을 통해 예측된 수요의 정확도와의 비교를 통해 제안된 모델의 성능을 평가하였다. 본 연구의 열 수요 예측 모델은 단기적 수요 예측을 위해 실시간으로 확보할 수 있는 제한적인 변수만으로도 수요 예측의 정확도를 높일 수 있음을 보였다. 나아가 개별 지역에서는 지역적 특수성을 추가하여 수요 예측 정확도를 높이는 데 활용할 수 있을 것이다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.17-27
• /
• 2020

지역난방 시스템은 서비스 지역 내 열 수요처들을 네트워크로 연결하여 중앙의 저비용 고효율 열 생산설비를 통해 열을 공급하는 에너지 시스템이다. 효율적인 열 공급 시시스템 운영을 위하여 지역 내 열 수요를 정확하게 예측하고 이를 바탕으로 열 생산 계획을 최적화하는 것이 중요하다. 본 연구에서는 지역 내 열수요처별 열 사용량 패턴에 대한 빅데이터 정보로 기계실별 실시간 열량계 정보를 반영한 열수요 예측모형을 제시하였다. 기존에도 열 수요예측에 활용되던 지역 전체 열수요 실적 합계와 함께 수요처별로 설치되어 있는 열량계로부터 실시간으로 수집한 개별 열수요 실적을 예측모형에 반영함으로써 열 수요처별로 상이한 열사용 패턴을 반영한 열 수요 예측이 가능할 것으로 기대된다. 지역난방 기업의 실제 열수요 실적을 바탕으로 열수요 예측 정확도를 측정한 결과 계절에 상관없이 기본 모형 대비 열량계 빅데이터를 반영할 경우 정확도가 올라가는 것으로 분석되었으며, 향후 열수요처별 다양한 형태의 데이터를 추가로 반영함으로써 열 수요 예측 정확도 향상이 가능할 것으로 예측된다.

• 에너지공학
• /
• 제28권4호
• /
• pp.82-93
• /
• 2019

본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 열수요 예측율이 크게 증가하였다. 제안된 모델은 다음과 같은 과정을 통해 선정되었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의 모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은 예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을 수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 크게 개선되었다. 본 연구에서는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년10월) 시간단위 열수요 데이터를 활용하였다.

• 한국산학기술학회논문지
• /
• 제12권3호
• /
• pp.1488-1494
• /
• 2011

본 연구에서는 선형회귀모형(linear regression model)을 이용하여 겨울철 일일 온수 수요 총량을 예측하는 알고리즘을 개발한다. 한국지역난방공사에서는 온수 공급 계약을 맺고 있는 아파트, 상가 및 사무용 빌딩 등에 난방 및 급탕 온수를 공급한다. 일반적으로 온수는 보일러 및 열병합 발전기를 가동하여 생산하며, 경제적인 온수 생산계획을 수립하기 위해서는 온수 수요를 정확히 파악하는 것이 중요하다. 따라서, 본 연구에서는 난방을 위한 온수 수요가 급증하는 겨울철 온수 수요의 특성을 분석하고, 선형회귀모형을 이용한 온수 수요 예측 알고리즘을 개발한다. 겨울철 일일 온수 수요는 외기온도의 영향을 많이 받는 것으로 알려져 있으나, 본 연구에서는 외기온도와 예측일 하루 전날 온수 공급 실적값을 동시에 고려할 때 예측 정확도를 크게 높일 수 있음을 확인하였다. 본 연구에서 개발하는 예측 알고리즘의 타당성을 검증하기 위해 한국지역난방공사 서울 강남지사의 2006 ~ 2009년도 온수 수요 공급 실적과 기상청의 기상정보를 이용하여 겨울철 일일 온수 수요 총량을 예측한 결과, 평균 오차율(mean absolute percentage error)이 3.87%을 넘지 않는 수준임을 확인하였다.

• 한국에너지공학회:학술대회논문집
• /
• 한국에너지공학회 2008년도 춘계학술 발표회
• /
• pp.193-198
• /
• 2008

• 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.

• 농업과학연구
• /
• 제49권3호
• /
• pp.679-690
• /
• 2022

As the supply and demand of pork has become a significant concern in Korea, controlling it has become a critical challenge for the industry. However, compared to the demand for pork, which has relatively stable consumption, it is not easy to maintain a stable supply. As the preparation of measures for a supply-demand crisis response and supply control in the pig industry has emerged as an important task, it has become necessary to establish a stable supply model and create an appropriate manual. In this study, a pork supply prediction model is constructed using reported data from the pig traceability system. Based on the derived results, a method for determining the supply-demand crisis stage using a statistical approach was proposed. From the results of the analysis, working days, African swine fever, heat wave, and Covid-19 were shown to affect the number of pigs graded in the market. A test of the performance of the model showed that both in-sample error rate and out-sample error rate were between 0.3 - 7.6%, indicating a high level of predictive power. Applying the forecast, the distribution of the confidence interval of the predicted value was established, and the supply crisis stage was identified, evaluating supply-demand conditions.

• Korean Chemical Engineering Research
• /
• 제50권3호
• /
• pp.479-491
• /
• 2012

본 연구에서는 공급자와 소비자, 열 저장시설과 연계네트워크로 구성된 통합 지역난방시스템의 경제성을 평가하고 최적 운전조건을 규명하였다. 최적화에 있어서는 혼합 정수선형 계획법이 이용되었으며 1주일 동안의 열 요구량을 만족함과 동시에 통합 지역난방 시스템의 운전제한 조건에 따른 전체 운영비용을 목적함수로 하였다. 지역난방 네트워크 연결망을 열 병합 발전이 포함되지 않은 구역과 이를 포함하는 구역으로 나누어 최적화를 진행함으로써 열 병합 발전에 의한 비용절감 효과를 확인할 수 있었다. 아울러 계통한계가격 예측모델에 의해 예측된 계통한계가격과 실제 계통한계가격을 각각 적용하여 최적화를 진행하고 그 결과를 비교 분석하였다. 수치모사 결과 개발된 최적화 운영시스템의 도입에 의해 통합 지역난방시스템의 에너지 효율성이 증가함을 확인할 수 있었다.

• 한국응용과학기술학회지
• /
• 제32권1호
• /
• pp.62-71
• /
• 2015

세계적으로 급증하는 전력수요에 대처하고, $CO_2$ 배출을 줄이고자 인구가 밀집되어 있는 도심지에 복합화력 발전소가 건설되고 있다. 환경규제가 계속적으로 강화됨에 따라 NOx 배출량을 줄이고자 저 NOx 버너, SCR 등 여러 가지 설비들을 설치하고 있다. 본 연구는 경기도 고양시 소재의 일산열병합발전소 1개소에서 배출되는 질소산화물을 TMS를 이용하여 배출계수를 산정하여 이를 전산유체동역학(CFD)에 적용하여 질소산화물의 거동을 살펴보고, 현장 실측 결과와 비교 검토하였다. 실측 기간 중 측정 시간에 따른 주 풍향 풍속의 순간적인 변화로 인해 실측 결과와 CFD 모델링 결과의 차이가 나타날 수 있으나, 모델링 결과와 실측 결과는 대부분 예측지점에서 유사한 농도로 나타났다. 향후 주변농도를 고려한 기여농도를 산출하여 실측농도에 가까운 예측농도 도출이 가능 할 것으로 판단된다.