[논문]딥러닝을 활용한 도시가스배관의 전기방식(Cathodic Protection) 정류기 제어에 관한 연구

이형민; 임근택; 조규선

doi:10.7842/kigas.2023.27.2.49

딥러닝을 활용한 도시가스배관의 전기방식(Cathodic Protection) 정류기 제어에 관한 연구
A Study on Cathodic Protection Rectifier Control of City Gas Pipes using Deep Learning 원문보기

한국가스학회지 = Journal of the Korean institute of gas, v.27 no.2, 2023년, pp.49 - 56

이형민 (호서대학교 안전행정공학과) , 임근택 (제이비주식회사) , 조규선 (호서대학교)

초록
AI-Helper

4차 산업혁명으로 인공지능(AI, Artificial Intelligence) 관련 기술이 고도로 성장함에 따라 여러 분야에서 AI를 접목하는 사례가 증가하고 있다. 주요 원인은 정보통신기술이 발달됨에 따라 기하급수적으로 증가하는 데이터를 사람이 직접 처리·분석하는데 현실적인 한계가 있고, 새로운 기술을 적용하여 휴먼 에러에 대한 리스크도 감소시킬 수 있기 때문이다. 이번 연구에서는 '원격 전위 측정용터미널(T/B, Test Box)'로부터 수신된 데이터와 해당시점의 '원격 정류기' 출력을 수집 후, AI가 학습하도록 하였다. AI의 학습 데이터는 최초 수집된 데이터의 회기분석을 통한 데이터 전처리로 확보하였고, 학습모델은 심층 강화학습(DRL, Deep Reinforce-ment Learning) 알고리즘 중(中) Value기반의 Q-Learning모델이 적용하였다. 데이터 학습이 완료된 AI는 실제 도시가스 공급지역에 투입하여, 수신된 원격T/B 데이터를 기반으로 AI가 적절하게 대응하는지 검증하고, 이를 통해 향후 AI가 전기방식 관리에 적합한 수단으로 활용될 수 있는지 검증하고자 한다.

Abstract ▼ AI-Helper

As AI (Artificial Intelligence)-related technologies are highly developed due to the 4th industrial revolution, cases of applying AI in various fields are increasing. The main reason is that there are practical limits to direct processing and analysis of exponentially increasing data as information and communication technology develops, and the risk of human error can be reduced by applying new technologies. In this study, after collecting the data received from the 'remote potential measurement terminal (T/B, Test Box)' and the output of the 'remote rectifier' at that time, AI was trained. AI learning data was obtained through data augmentation through regression analysis of the initially collected data, and the learning model applied the value-based Q-Learning model among deep reinforcement learning (DRL) algorithms. did The AI that has completed data learning is put into the actual city gas supply area, and based on the received remote T/B data, it is verified that the AI responds appropriately, and through this, AI can be used as a suitable means for electricity management in the future. want to verify.

주제어

표/그림 (15)

그림 Fig. 1. Principle sacrificial anode method(left), external power method.(right).
그림 Fig. 2. Categories of Deep Reinforcement Learning.
그림 Fig. 3. Markov Decision Process Principles.
그림 Fig. 4. Principles of Artificial Neural Network Operation.
그림 Fig. 5. Data augmentation using regression analysis.
그림 Fig. 6. AI rectifier control system.
그림 Fig. 7. Composition of Rectifier and Piping in Boryeong Area.
표 Table 1. Specification by Category.
표 Table 2. AI control parameters applied to Boryeong area.
그림 Fig. 8. City Gas Piping Network in Boryeong Area.
그림 Fig. 9. Changes in T/B data according to AI rectifier control.
그림 Fig. 10. Potential by T/B time zone in Boryeong City(2022.10.18).
그림 Fig. 11. Output of rectifiers by hour in Boryeong City.(2022.10.18).
그림 Fig. 12. Effect of distance between remote T/B and commutation period.
표 Table 3. Improvement effect after applying AI rectifier control.

참고문헌 (8)

Baek, S. L., Lim, G. G., Yu, D. S., "Exploring Social？Impact of AI", Informatization Policy, 23(4), 3-23,？2016.
Kim, B. W., "Trend Analysis and National Policy for？rtificial Intelligence", Informatization Policy, 23(1),？74-93, (2016)
Kim, J. Y., "Analyzing Effects on Firms' Market？Value of Personal Information Security Breaches",？The Journal of Society for e-Business Studies, 18(1),？1-12, (2013)
Jeon, K, S., Go, Y, T., "Corrosion and corrosion protection of underground gas pipes" Korea Gas？Corporation Research, (1996)
Cho, H, C., Moon, J, S., "A layered-wise data augmenting algorithm for small sampling data", Journal？of Internet Computing and Services, 20(6), 65-72,？(2016)
Jang, S. T., Yoon, H. J., Park, N. S., Yun, J. K., Son,？Y. S., "Research Trends on Deep Reinforce- ment？Learning", Electronics and Telecommunications？Research Institute, 34(4), 1-14, (2019)
"Find out the difference between artificial intelligence, machine learning, and deep learning",？From: https://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/
Yong, S. J., Park, H. G., You, Y. H., Moon, I. Y.,？"Q-Learning Policy Design to Speed Up Agent？Training", The Journal of Korean Institute for？Practical Engineering Education, 14(1), 219-224,？(2022)

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증