$\require{mediawiki-texvc}$

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.

GRU기반 전력사용량 예측을 적용한 스마트 미터기 구현
Implementation of Smart Meter Applying Power Consumption Prediction Based on GRU Model 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.19 no.5, 2019년, pp.93 - 99  

이지영 (광운대학교 전자융합공학과) ,  선영규 (광운대학교 전자융합공학과) ,  이선민 (광운대학교 전자융합공학과) ,  김수현 (광운대학교 전자융합공학과) ,  김영규 (광운대학교 전자융합공학과) ,  이원섭 (광운대학교 전자융합공학과) ,  심이삭 (광운대학교 전자융합공학과) ,  김진영 (광운대학교 전자융합공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 효율적 에너지 관리를 위해 인공 신경망 중 하나인 GRU 모델을 사용하여 전력사용량을 예측하고 예측된 전력사용량과 실제 전력사용량의 비교를 통해 부하를 자동 제어 하는 스마트 미터기를 제안한다. 제안한 스마트 미터기를 통해 GRU 모델을 학습시키기 위해 필요한 전력사용량 데이터를 수집했다. 구현된 스마트 미터기가 전력사용량 자동측정 및 실시간 관찰 기능과 전력사용량 예측을 통한 부하 제어 기능을 가지고 있음을 보여준다. 성능평가 지표 중 하나인 Root Mean Squared Error (RMSE) 값에 약 20%의 마진 값을 이용하여 부하 자동 제어를 위한 기준 값으로 설정했다. 부하 자동 제어 기능을 가진 스마트 미터기로 인해 에너지 관리의 효율성이 증대되는 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a smart meter that uses GRU model, which is one of artificial neural networks, for the efficient energy management. We collected power consumption data that train GRU model through the proposed smart meter. The implemented smart meter has automatic power measurement and rea...

주제어

#smart grid   #smart meter   #automatic metering infrastructure   #artificial neural network   #gated recurrent unit   #energy consumption prediction  

표/그림 (9)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 GRU 모델을 사용한 스마트 미터기를 구현하여 예측 결과를 토대로 기기와 멀티탭의 연결 제어에 관한 연구를 진행했다. 실시간 데이터 저장과 이 저장된 데이터를 바탕으로 실시간 그래프를 모니터로 관찰했고 예측된 값을 통해 제어가 성공적으로 이뤄지는 것이 확인됐다.
  • . 본 연구에서는 효율적인 에너지 소비 제어를 위해서 [3]에서 제시된 것처럼 다양한 인공 신경망 모델 중에서 에너지 사용량 예측의 성능이 가장 높게 평가되는 GRU 모델을 사용한 스마트 미터기의 구현을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
다층 인지 신경망의 구성 요소는 무엇인가? 다층 인지 신경망은 하나의 입력층, 하나의 은닉층 및 하나의 출력층의 세 가지의 층으로 구성된다. 각 층은 뉴런들을 포함하고 각 뉴런은 추가 처리를 위하여 그와 관련된 가중치를 갖는다[5].
RNN이란 무엇인가? GRU는 Recurrent Neural Network (RNN) 에서부터 파생되어[8] 에서 가장 처음 소개되었다. RNN은 하나 이상의 피드백 루프를 가지고 있는 인공 신경망이다. 이때의 피드백 루프는 그림 1과 같이 시간 또는 순서에 따라 반복하는 구조로 되어 있어서 순서 인식 및 예측을 위한 순차적 데이터를 모델링에 사용한다[9].
Electronic Meter Reading은 어떠한 방식으로 미터기의 측정 효율성을 증대시켰는가? Electronic Meter Reading (EMR) 이라 불리는 새로운 개념이 MMR이 지닌 문제의 해결책으로 고안됐다. 이 방식은 수동으로 소비량을 관찰할 필요를 없애서 미터기의 측정 효율성을 증대시켰다. 이 EMR 기술들은 무선 네트워크를 사용하여 정보를 수집하고 배포한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. A. Singhal and R.P. Saxena "Software models for smart grids," in Proc. 2012 First International Workshop on Software Engineering Challenges for the Smart Grid, pp. 42-45, Zurich, Switzerland, June 2012. DOI: https://doi.org/10.1109/SE4SG.2012.6225717 

    crossref

  2. G. N. Srinivasa Prasanna, A. Lakshmi, S. Sumanth, V. Simha, J. Bapat and G. Koomullil, "Data communication over the smart grid," in Proc. 2009 IEEE International Symposium on Power Line Communications and Its Applications ISPLC '2009, pp. 273-279, Dresden, Germany, Mar. 2009. DOI: https://doi.org/10.1109/ISPLC.2009.4913442 

    crossref

  3. H. Rafiq, H. Zhang, H. Li and M. K. Ochani, "Regularized LSTM based deep learning model: first step towards real-time non-intrusive load monitoring," in Proc 2018 IEEE International Conference on Smart Energy Grid Engineering, pp. 234-239, Oshawa, ON, Canada, Aug. 2018 DOI: https://doi.org/10.1109/SEGE.2018.8499519 

    crossref

  4. N. S. Zivic, O. Ur-Rehman and C. Ruland, "Evolution of smart metering systems," in Proc. 2015 23rd Telecommunications Forum Telfor, Belgrade, pp.635-638, Belgrade, Serbia Nov. 2015. DOI: https://doi.org/10.1109/TELFOR.2015.7377547 

    crossref

  5. G. Singh and M. Sachan, "Multi-layer perception (MLP) neural network technique for offline hand written gurmukhi character recognition," in Proc. 2014 Computational Intelligence and Computing, pp. 1-5, Coimbatore, India, Dec. 2014. DOI: https://doi.org/10.1109/ICCIC.2014.7238334 

    crossref

  6. S. Kumar, L. Hussain, S. Banarjee and M. Reza, "Energy load forecasting using deep learning approach-LSTM and GRU in spark cluster," in Proc. 2018 Emerging Application of Information Technology, pp. 1-4, Kolkata, India, Jan. 2018. DOI: https://doi.org/10.1109/EAIT.2018.8470406 

    crossref

  7. P. Brockwell and R. Davis, Introduction to Time Series and Forecasting, Springer, 2002. DOI: https://doi.org/10.1007/b97391 

  8. K. Cho, B. van Merrienboer, C. Gulcehre, D. Bahdanau, F. Bougares, H. Schwenk and Y. Bengio, "Learning phrase representations using RNN encoder-decoder for statistical machine translation," in Proc. 2014 Empirical Methods in Natural Language Processing, pp. 1724-1734, Doha, Qatar, Oct. 2014. DOI: https://doi.org/10.3115/v1/d14-1179 

    crossref

  9. H. Salehinejad, S. Sankar, J. Barfett, E. Colak and S. Valaee, "Recent advances in recurrent neural networks," ArXiv, abs/1801.0107.8, Feb. 2018. 

  10. G. Xiuyun, W. Ying, G. Yang, S. Chengzhi, X. Wen and Y. Yimiao, "Short-term load forecasting model of GRU network based on deep learning framework," in Proc. 2018 2nd IEEE Conference on Energy Internet and Energy System Integration, pp. 1-4, Beijing, China, Oct. 2018. DOI: https://doi.org/10.1109/EI2.2018.8582419 

    crossref

  11. Y.. Jung, D. Kim, C. Hong, J.. Lee, and H. Kwon, "The study to measure of the BTX concentration using ANN," Journal of the Korea Academia-Industrial cooperation Society, vol. 5, no. 1, pp. 1-6, Mar. 2004. 

  12. K. Bae and C. Kim, "An agricultural estimate price model of artificial neural network by optimizing hidden layer," The Journal of KIIT, vol. 14, no. 12, pp. 161-169, Dec. 2016. DOI: 10.14801/jkiit.2016.14.12.161 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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