에너지 소비량 증가에 따른 많은 위험성과 문제점들이 오랫동안 논의되어 왔지만 에너지 사용량은 전 세계적으로 계속해서 증가하고 있다. 이런 문제점을 극복하기 위해 많은 에너지 관련 정책들과 기술들이 논의되어 왔다. 공급량 증가 중심이었던 과거와는 달리 현재의 에너지 정책과 기술들은 소비량 절감을 위한 방향으로 나아가고 있다. 에너지 사용량 절감을 위해서는 에너지 관리 및 ...
에너지 소비량 증가에 따른 많은 위험성과 문제점들이 오랫동안 논의되어 왔지만 에너지 사용량은 전 세계적으로 계속해서 증가하고 있다. 이런 문제점을 극복하기 위해 많은 에너지 관련 정책들과 기술들이 논의되어 왔다. 공급량 증가 중심이었던 과거와는 달리 현재의 에너지 정책과 기술들은 소비량 절감을 위한 방향으로 나아가고 있다. 에너지 사용량 절감을 위해서는 에너지 관리 및 최적화가 필수적이고 이에 따라 에너지 사용량을 분석하고 예측하는 것이 중요해지고 있다. 본 논문에서는 국내 에너지 소비량의 20%를 차지하는 건물에서 에너지 사용량을 분석해 미래에 사용될 에너지를 예측하는 연구를 하였다. 테스트베드를 구축하고 데이터센터를 운영하며 시간에 따른 건물 내 환경과 에너지 사용량 데이터를 수집하고 인공지능 모델을 통해 에너지 데이터를 분석하였다. 시간, 일간, 주간 단위의 에너지 데이터를 DNN(Deep Neural Network), CNN(Convolution Neural Network), RNN(Recurrent neural Network) 모델로 분석하여 한 달 간의 에너지 사용량을 예측하고 각 시간 단위에 따른 최적의 모델을 선정하였다. 시간 단위에서는 DNN 모델과 RNN 모델이 비슷하게 우세하였으며 일간 단위에서는 CNN 모델이, 주간 단위에서는 RNN 모델이 에너지 사용량을 가장 잘 예측하였다.
에너지 소비량 증가에 따른 많은 위험성과 문제점들이 오랫동안 논의되어 왔지만 에너지 사용량은 전 세계적으로 계속해서 증가하고 있다. 이런 문제점을 극복하기 위해 많은 에너지 관련 정책들과 기술들이 논의되어 왔다. 공급량 증가 중심이었던 과거와는 달리 현재의 에너지 정책과 기술들은 소비량 절감을 위한 방향으로 나아가고 있다. 에너지 사용량 절감을 위해서는 에너지 관리 및 최적화가 필수적이고 이에 따라 에너지 사용량을 분석하고 예측하는 것이 중요해지고 있다. 본 논문에서는 국내 에너지 소비량의 20%를 차지하는 건물에서 에너지 사용량을 분석해 미래에 사용될 에너지를 예측하는 연구를 하였다. 테스트베드를 구축하고 데이터센터를 운영하며 시간에 따른 건물 내 환경과 에너지 사용량 데이터를 수집하고 인공지능 모델을 통해 에너지 데이터를 분석하였다. 시간, 일간, 주간 단위의 에너지 데이터를 DNN(Deep Neural Network), CNN(Convolution Neural Network), RNN(Recurrent neural Network) 모델로 분석하여 한 달 간의 에너지 사용량을 예측하고 각 시간 단위에 따른 최적의 모델을 선정하였다. 시간 단위에서는 DNN 모델과 RNN 모델이 비슷하게 우세하였으며 일간 단위에서는 CNN 모델이, 주간 단위에서는 RNN 모델이 에너지 사용량을 가장 잘 예측하였다.
Although many risks and problems with increasing energy consumption have long been discussed, energy use continues to grow around the world. To overcome these problems, many energy-related policies and technologies have been discussed. Unlike in the past, when it was centered on increasing supply, c...
Although many risks and problems with increasing energy consumption have long been discussed, energy use continues to grow around the world. To overcome these problems, many energy-related policies and technologies have been discussed. Unlike in the past, when it was centered on increasing supply, current energy policies and technologies are taking steps in the direction of reducing consumption. Because energy management and optimization are essential to reduce energy consumption, it is important to analyze and predict energy consumption. Because energy management and optimization are essential to reduce energy consumption, it is important to analyze and predict energy. This paper studies predicting the future energy consumption by analyzing past energy use in buildings that account for 20% of domestic energy consumption. Energy data are collected through test-bed build and data center operation and they are analysed using artificial intelligence models. By hourly, daily, weekly energy data analysis, DNN (Deep Neural Network), CNN (Convolution Neural Network), and RNN (Recurrent Neural Network) models predict energy consumption over a month and best model is selected for each unit time. The DNN model and the RNN model are similarly dominant in hourly data. The CNN model is the best at daily data. RNN model is the best at weekly data.
Although many risks and problems with increasing energy consumption have long been discussed, energy use continues to grow around the world. To overcome these problems, many energy-related policies and technologies have been discussed. Unlike in the past, when it was centered on increasing supply, current energy policies and technologies are taking steps in the direction of reducing consumption. Because energy management and optimization are essential to reduce energy consumption, it is important to analyze and predict energy consumption. Because energy management and optimization are essential to reduce energy consumption, it is important to analyze and predict energy. This paper studies predicting the future energy consumption by analyzing past energy use in buildings that account for 20% of domestic energy consumption. Energy data are collected through test-bed build and data center operation and they are analysed using artificial intelligence models. By hourly, daily, weekly energy data analysis, DNN (Deep Neural Network), CNN (Convolution Neural Network), and RNN (Recurrent Neural Network) models predict energy consumption over a month and best model is selected for each unit time. The DNN model and the RNN model are similarly dominant in hourly data. The CNN model is the best at daily data. RNN model is the best at weekly data.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.