$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

에너지 데이터의 순위상관계수 기반 건물 내 오작동 기기 탐지
Rank Correlation Coefficient of Energy Data for Identification of Abnormal Sensors in Buildings

정보과학회논문지 = Journal of KIISE, v.44 no.4, 2017년, pp.417 - 422  

김나언 (서울대학교 컴퓨터공학부) ,  정시현 (서울대학교 컴퓨터공학부) ,  장보연 (서울대학교 컴퓨터공학부) ,  김종권 (서울대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

비정상행위 탐지는 데이터로부터 특징을 추출하여 정상 행위 모델을 만들어, 이 정상 모델로부터 얼마나 벗어나 있는 가를 찾아내어 탐지하는 기법이다. 즉, 특정 기기가 생성하는 데이터를 기반으로 기기의 오류를 탐지하거나 사회망 데이터에서의 사용자 행위 변화를 찾아내어 비정상행위를 탐지하는 데 활용할 수 있다. 본 논문에서는 순위 상관 계수를 이용하여 건물 내의 기기의 비정상적인 데이터를 탐지하고자 한다. 에너지 절약 문제에 대한 관심이 높아짐에 따라 에너지를 효율적으로 사용하기 위해 여러방법들이 제안되었다. IT 기술의 발달과 더불어 공조 시스템(HVAC)이 건물에 도입되어 활용되고 있으며, 이 시스템을 통하여 에너지 소비의 문제점을 찾고 에너지를 효율적으로 관리할 수 있다. 따라서 본 논문은 공조 시스템에 속한 각 기기간의 순위 관계 변화를 관찰함으로써 이상 현상 탐지의 효율성을 높이는 방법을 제안하며, 사회망 데이터 내에서의 비정상행위 탐지 가능성도 함께 제안한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Anomaly detection is the identification of data that do not conform to a normal pattern or behavior model in a dataset. It can be utilized for detecting errors among data generated by devices or user behavior change in a social network data set. In this study, we proposed a new approach using rank c...

주제어

#비정상행위 탐지   #순위상관계수   #에너지 효율성   #공조 시스템   #사회망  

참고문헌 (6)

  1. Romain Fontugne et al., Strip, bind, and search: a method for identifying abnormal energy consumption in buildings, IPSN 2013. 

  2. J. E. Seem, Using intelligent data analysis to detect abnormal energy consumption in buildings, Energy and Buildings, Vol. 39, No. 1, pp. 52-58, 2007. 

    상세보기 crossref

  3. J. Schein and S. Bushby. A hierarchical rule-based fault detection and diagnostic method for hvac systems, HVAC&R Research, Vol. 12, No. 1, pp. 111- 125, 2006. 

    상세보기 crossref

  4. D. Patnaik, M. Marwah, R. Sharma, and N. Ramakrishnan, Temporal data mining approaches for sustainable chiller management in data centers, ACM Transactions on Intelligent Systems and Technology, Vol. 2, No. 4, 2011. 

  5. Iglewicz, Boris, and David Caster Hoaglin, How to detect and handle outliers, Vol. 16, Asq Press, 1993. 

  6. Capozzoli, Alfonso, Fiorella Lauro, and Imran Khan, "Fault detection analysis using data mining techniques for a cluster of smart office buildings," Expert Systems with Applications 42.9 (2015): 4324-4338. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로