$\require{mediawiki-texvc}$

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.

가구당 기기별 에너지 사용량 예측을 위한 딥러닝 모델의 설계 및 구현
Design and Implementation of Deep Learning Models for Predicting Energy Usage by Device per Household 원문보기

The journal of Bigdata = 한국빅데이터학회지, v.6 no.1, 2021년, pp.127 - 132  

이주희 (가천대학교 컴퓨터공학과) ,  이강윤 (가천대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

우리나라는 자원 빈국인 동시에 에너지 다소비 국가이다. 또한 전기 에너지에 대한 사용량 및 의존도가 매우 높고, 총 에너지 사용의 20% 이상은 건물에서 소비된다. 딥러닝과 머신러닝에 대한 연구가 활발해지면서 다양한 알고리즘을 에너지 효율 분야에 적용하려는 연구가 진행되고 있으며, 에너지의 효율적인 관리를 위한 건물에너지관리시스템(BEMS)의 도입이 늘어가는 추세이다. 본 논문에서는 스마트플러그를 이용하여 직접 수집한 가구당 기기별 에너지 사용량을 바탕으로 데이터베이스를 구축하였다. 또한 RNN과 LSTM 모델을 이용하여 수집한 데이터를 효과적으로 분석 및 예측하는 알고리즘을 구현하였다. 추후 이 데이터는 에너지 사용량 예측을 넘어 전력 소비 패턴 분석 등에 적용할 수 있다. 이는 에너지 효율 개선에 도움이 될 수 있으며, 미래 데이터의 예측을 통해 효과적인 전력 사용량 관리에 도움을 줄 것으로 기대된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Korea is both a resource-poor country and a energy-consuming country. In addition, the use and dependence on electricity is very high, and more than 20% of total energy use is consumed in buildings. As research on deep learning and machine learning is active, research is underway to apply various al...

주제어

#에너지 모니터링   #에너지 사용량 예측   #에너지 관리 시스템   #머신러닝 모델  

참고문헌 (9)

  1. https://www.gihoo.or.kr/netzero/download/LEDS_REPORT.pdf 

  2. https://www.mofa.go.kr/viewer/skin/doc.html?fn20201231020449159.hwp&rs/viewer/result/202107 

  3. Park S, Park S, Choi M-i, Lee S, Lee T, Kim S, Cho K, and Park S. "Reinforcement Learning-Based BEMS Architecture for Energy Usage Optimization." Sensors 20, no. 17: 4918, 2020. 

    상세보기 crossref

  4. Munir, M. S., Abedin, S. F., Alam, M. G. R, and Hong, C. S. "Rnn based energy demand prediction for smart-home in smart-grid framework.", 한국정보과학회 학술발표논문집, 437-439, 2017. 

  5. Yuniarti, E., Nurmaini, N., Suprapto, B. Y, and Rachmatullah, M. N. "Short Term Electrical Energy Consumption Forecasting using RNN-LSTM." 2019 International Conference on Electrical Engineering and Computer Science (ICECOS). IEEE, 2019. 

  6. Laib, Oussama, Mohamed Tarek Khadir, and Lyudmila Mihaylova. "Toward efficient energy systems based on natural gas consumption prediction with LSTM Recurrent Neural Networks." Energy 177 (2019): 530-542, 2019. 

    상세보기 crossref

  7. 성종훈, 조영식. "머신러닝 기법을 활용한 공장 에너지 사용량 데이터 분석". 정보처리학회논문지. 컴퓨터 및 통신시스템 8.4: 87-92, 2019 

    원문보기 상세보기

  8. 조장훈, 방준호, 유정훈, 선로빈, 천현준, 한가람. "LSTM 신경망을 이용한 월 단위 전력 사용량 예측 기법", 대한전기학회 학술대회 논문집, 226-227, 2020. 

  9. 노윤지, 민대기. "LSTM 기반의 단계적 분해 방법을 이용한 단기 전력 사용량 예측". 경영과학, 37(1), 75-89, 2020. 

저자의 다른 논문 :

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

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