최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.22 no.4, 2018년, pp.587 - 594
서덕희 (Department of Mobile Software, Sangmyung University) , 유준수 (Department of Electrical Engineering, Sangmyung University) , 최은정 (Department of Computer Science, Sangmyung University) , 조수환 (Department of Electrical Engineering, Sangmyung University) , 김동근 (Department of Intelligent Enginnering Informatics for human, Sangmyung University)
The purpose of this study is to propose a power demand volatility evaluation system based on LSTM and not to verify the accuracy of the demand module which is a core module, but to recognize the sudden change of power pattern by using deeplearning in the actual power demand monitoring system. Then w...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
스마트 그리드를 구성하는 사업이 재조명 받는 이유는 무엇인가? | 전력 수요 예측은 스마트 그리드를 구성하는 부분 중 중요한 부분을 차지하는 기능이다. 전년 대비 유가상승 및 환경문제로 인한 저탄소 에너지 전환 및 신재생 에너지 사업을 통하여 스마트 그리드를 구성하는 사업의 전망이 다시 한 번 재조명 받고 있다.[1-2] 에너지 이슈에 대비하여 IT를 비롯한 여러 분야에서 융복 합을 시도하여 새로운 산업을 확산하기 위한 연구가 진행되고 있다. | |
LSTM을 기반으로 수용가별 전력수요 변동성 평가를 하였을 경우 이점은 무엇인가? | 단일데이터만으로 시계열 패턴분석인 LSTM을 이용하여 도출된 시각화된 결과보고서를 이용하여 수용가별 전력수요 변동성 평가가 가능하다. 변동성 평가를 위한 수요예측을 기반으로 급작스러운 전력사용 패턴의 변화를 시설관리자가 알 수 있다. 그리고 웹 시스템과 연동을 통하여 분석하기 편리한 시각화 인터페이스를 제공한다. | |
RNN이란? | 본 연구에서는 시계열 데이터에서 패턴을 인식하는 인공신경망인 Recurrent Neural Network의 변형모델인 Long Short Term Memory를 기반으로 전력사용데이터 스스로 특징을 추출하게 함으로써 기존에 복잡한 식을 이용하거나 일련의 연산을 통해 얻을 수 있는 종속변수 없이 이전 사용량데이터만으로 전력수요 변동성 평가기능을 구현한다. |
B. J. Jang and S. G. Han, "Energy-IT fusion technology trends and major issues," Communications of the Korean Institute of Information Scientists and Engineers, vol. 28, no. 7, pp. 44-51, Aug. 2010.
E. S. Yang, A. R. Kim, B. A. Kim and B. R. Shin, World Energy Market Insight 1st ed. Ulsan: Korea energy economics institute, 2016.
M. J. Sung and K. W. Shin, "A Small-area Hardware Implementation of EGML-based Moving Object Detection Processor," Journal of Korea Institute of Information and Communication Engineering, vol. 21, no. 12, pp.2213-2220, Dec. 2017.
J. Y. Eum, "A Study on the Development of Energy Supply and Demand Prediction Models for Smart City Energy Management System(CEMS)," MS. thesis, Sangmyung University, Seoul, 2015.
J. Y. Lee and L. Kolasani, "Security Based Network for Health Care System," Asia-pacific Journal of Convergent Research Interchange, vol. 1, no. 1, pp. 1-6, Mar 2015.
J. K. Ko, I. K. Yang and I. H. Yu, "A Study On Demand Pattern Analysis for Forecasting of Customer's Electricity Demand," International Journal of Information and Communication Engineering, vol. 9, no. 4, pp. 358-362, Aug. 2011.
N. H. Jo, " SVM Load Forecasting using Cross-Validation," The Transactions of The Korean Institute of Electrical Engineers , Vol. 55A No.11, pp. 485-491, Nov. 2006.
C. H. Kim, "Power demand forecasting model using mixed cycle data," Korea energy economics institute: KR, Research Report, 2014.
S. H. Song, "The Emotion Analysis Based on Long Short Term Memory using the Central and Autonomic Nervous System Signals," MS thesis Sangmyung University, Seoul, 2018.
Y. Sugomori, Java Deep Learning Essentials 1st ed. Birmingham, WD: Packt Publishing Ltd, 2016.
Skymind. Deeplearning4j: Open-source, Distributed Deep Learning for the JVM [Internet]. Available: https://deeplearning4j.org/quickref.
M. Mutingi, C. Mbohwa and P. dube, "System dynamics archetypes for capacity management of energy systems," in 4th International Conference on Power and Energy Systems Engineering, Berlin: DE, pp. 199-205, 2017.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.