최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기에너지공학 = Journal of energy engineering, v.27 no.2, 2018년, pp.26 - 31
김영곤 (서울대학교 차세대융합기술연구원) , 허걸 (서울대학교 차세대융합기술연구원) , 유가은 (서울대학교 차세대융합기술연구원) , 임현서 (서울대학교 차세대융합기술연구원) , 최중인 (서울대학교 차세대융합기술연구원) , 구기동 (한국지역난방공사 미래개발원) , 엄재식 (한국지역난방공사 미래개발원) , 전영신 (한국지역난방공사 미래개발원)
This paper introduces a study to improve the thermal efficiency of the district heating user control facility based on reinforcement learning. As an example, it is proposed a general method of constructing a deep Q learning network(DQN) using deep Q learning, which is a reinforcement learning algori...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
에너지 빅데이터 시스템의 서버 클러스터의 구성은 어떻게 되는가? | 1.(a) 에서와 같이 10개의 노드(Node)를 활용하였으며, 2개의 매니지노드(Manage Node), 6개의 데이터노드(Data Node), 2개의 엣지노드 (Edge Node)로 구성되었다. 복수의 서버용 컴퓨터가 한 개의 동일한 시스템으로 동작하도록 가상으로 결속된 서버 클러스터에서, 노드는 각각의 단위 컴퓨터를 지칭한다. | |
하둡[5]을 활용한 빅데이터 플랫폼 기반의 빅데이터 시스템의 장점은 무엇인가? | 본 논문에서는 먼저 건물 단지 지역난방내의 개별 세대, 기계실 그리고 열생산 시설과 주변 환경으로부터 실시간으로 수집되는 빅데이터를 저장, 관리, 목적에 부합한 처리, 분석이 가능하도록 최적구축된 오픈소스 프레임워크인 하둡[5]을 활용한 빅데이터 플랫폼 기반의 빅데이터 시스템을 소개한다. 이 시스템을 이용하면 에너지 빅데이터의 한 분류가 되는 열에너지 빅데이터에 대한 특성을 반영 하는 것이 신속하고 안정적으로 수행되게 된다. 또한 열사용자 기계실 형태인 실증 현장에서 수집되는 빅데이터를 활용하는 방법에 대하여 알아보고, 빅데이터 플랫폼 상에서 통계적으로 분석되어 각 기계실의 설비 상태가 효과적으로 모니터링 되도록 하며, 운전변수를 상황에 맞추어 변경함으로써 열효율이 증대되도록 설비를 제어할 수 있고, 설비의 고장 진단, 이상예측 등을 수행하는 직관적인 화면구성과 쉬운 사용자인터페이스(UI)로 구현된 웹서비스 기반의 열수요 통합관리시스템에 관하여 소개한다. | |
활용될 수 있는 빅데이터 규모와 종류가 증가된 이유는 무엇인가? | 에너지 산업에서 생산성 증대는 장기간 취급되어온 공통적인 문제로서, 이를 해결하기 위해 에너지 효율 개선, 생산 및 유지비용 감소에 대한 연구가 지속되고 있다. 이와 더불어 최근의 디지털화되어 수집 및 활용될 수 있는 빅데이터 규모와 종류가 반도체 기술의 비약적인 발전에 따른 컴퓨팅 기술의 고도화로 더욱 증가되고 있다. 이에 따라, Audio, Image, Video 등 기존에 접근과 활용이 용이했던 멀티미디어 빅데이터에 대한 것뿐만 아니라 에너지, 의료, 바이오 분야 등에서의 빅데이터에 대한 수집, 저장, 처리 및 분석이 활발히 이루어지고 있다. |
Ki. Kim., 2018, Natural Behavior Learning Based on Deep Reinforcement Learning for Autonomous Navigation of Mobile Robots, Journal of Institute of Control, Robotics and Systems, 24(3), pp. 256-262
Y. Kong., 2017, Dynamic Obstacle Avoidance and Optimal Path Finding Algorithm for Mobile Robot Using Q-learning, Journal of Korean Institute of Information Technology, 15(9), pp. 57-62
Apache Kafka, https://kafka.apache.org/
Apache Hadoop. https://hadoop.apache.org/
M. Song., 2017, Development of Big Data System for Energy Big Data, Journal of Korean Institute of Information Technology, 24(1), pp. 24-3
M. Song., Development of Heat Demand Management System for District Heating based on Big Data Platform, Journal of Korean Institute of Information Technology, pp. 31-33
Apache Spark. https://spark.apache.org/
Apache Spark SQL, http://spark.apache.org/sql/
Apache Flume, https://flume.apache.org/
Apache Sqoop, https://sqoop.apache.org/
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.