$\require{mediawiki-texvc}$

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.

스마트미터 데이터 활용 방법에 대한 연구
A study on the practical use of smart meter end-user demand data 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.54 no.10, 2021년, pp.759 - 768  

박근영 (고려대학교 건축사회환경공학부) ,  정동휘 (고려대학교 건축사회환경공학부) ,  전상훈 (애리조나 주립대학교 토목공학과)

초록
AI-Helper 아이콘AI-Helper

이 연구는 스마트 미터 최종 사용자 수요 데이터의 특성을 조사하여 개별 가정용 물 사용량을 분류하는 새로운 접근방식을 도입한다. 여기서는 잘 알려진 비지도 기계학습법 중 하나인 K-means 알고리즘을 적용하여 각 가구별 물 사용 분류를 수행한다. 최종 사용자 수요의 물 사용강도와 지속 시간은 물 수요 패턴이 유사한 가구를 결정하는 주요한 특징으로 사용된다. 그 결과 21가구가 13개의 군집으로 분류되었고 각 군집은 1가구, 2가구, 3가구 또는 5가구로 구성된다. 수집된 데이터 및 최종 사용자의 물 수요 패턴과 관련하여 여러 가구가 동일한 클러스터로 분류되는 이유를 본 논문에서 소개한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This work introduces a new approach that classifies individual household water usage by examining the characteristics of smart meter end-user demand data. Here, one of the most well-known unsupervised machine learning, K-means algorithm, is applied to classify water consumptions by each household. T...

주제어

#최종 사용자 수요 분류   #스마트미터   #비지도학습법   #물 급수 시스템  

표/그림 (9)

참고문헌 (13)

  1. Buchberger, S.G., and Wells, G.J. (1996). "Intensity, duration and frequency of residential water demands." Journal of Water Resources Planning and Management, ASCE, Vol. 122, No. 1, pp. 11-19. 

    상세보기 crossref

  2. Buchberger, S.G., Carter, J., Lee, Y., and Schade, T.G. (2003). Random demands, travel times, and water quality in deadends. AWWA Research Foundation, Denver, CO, U.S. 

  3. Choi, J., and Kim, J. (2018). "Analysis of water consumption data from smart water meter using machine learning and deep learning algorithms." Journal of the Institute of Electronics and Information Engineers, IEIE, Vol. 55, No. 7, pp. 31-39. 

    상세보기 crossref

  4. Cominola, A., Nguyen, K., Giuliani, M., Stewart, R.A., Maier, H.R., and Castelletti, A. (2019). "Data mining to uncover heterogeneous water use behaviors from smart meter data." Water Resources Research, Vol. 55, No. 11, pp. 9315-9333. 

    상세보기 crossref

  5. Gourmelon, N., Bayer, S., Mayle, M., Bach, G., Bebber, C., Munck, C., Sosna, C., and Maier, A. (2021). "Implications of experiment set-ups for residential water end-use classification." Water, Vol. 13, No. 2, 236. 

    상세보기 crossref

  6. Joo, J.C., Ahn, H.S., Ahn, C.H., Ko, K.R., and Oh, H.J. (2012a). "Field application of waterworks automatic meter reading and analysis of household water use." Journal of Korean Society of Environmental Engineers, KSSE, Vol. 34, No. 10, pp. 656-663. 

    원문보기 상세보기 crossref

  7. Joo, J.C., Ahn, H.S., Ahn, C.H., Ko, K.R., and Oh, H.J. (2012b). "Recent developments and field application of foreign waterworks automatic meter reading." Journal of Korean Society of Environmental Engineers, KSSE, Vol. 34, No. 12, pp. 863-870. 

    원문보기 상세보기 crossref

  8. Kim, J.B. (2015). "Evolution of water supply system! smart water management for customer - Smart water city pilot project-." Journal of Korean Society of Water and Wastewater, KSWW, Vol. 29, No. 4, pp. 511-517. 

    원문보기 상세보기 crossref

  9. Kim, S.H. (2012). "A study on the trend analysis of real-time residential water consumption." Journal of the Korea Academia-Industrial cooperation Society, JKAIS, Vol. 13, No. 8, pp. 3757-3763. 

    원문보기 상세보기 crossref

  10. Nguyen, K.A., Stewart, R.A., Zhang, H., and Jones, C. (2015). "Intelligent autonomous system for residential water end use classification: Autoflow." Applied Soft Computing, Vol. 31, pp. 118-131. 

    상세보기 crossref

  11. Pesantez, J.E., Berglund, E.Z., and Kaza, N. (2020). "Smart meters data for modeling and forecasting water demand at the user-level." Environmental Modelling & Software, Vol. 125, 104633. 

    상세보기 crossref

  12. Wu, L., Peng, Y., Fan, J., Wang, Y., and Huang, G. (2021). "A novel kernel extreme learning machine model coupled with K-means clustering and firefly algorithm for estimating monthly reference evapotranspiration in parallel computation." Agricultural Water Management, 245, 106624. 

    상세보기 crossref

  13. Xenochristou, M., Hutton, C., Hofman, J., and Kapelan, Z. (2021). "Short-term forecasting of household water demand in the UK using an interpretable machine learning approach." Journal of Water Resources Planning and Management, Vol. 147, No. 4, 04021004. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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