This study deals with the application of an artificial neural network (ANN) model to predict power consumption for utilizing seawater source heat pumps of recirculating aquaculture system. An integrated dynamic simulation model was constructed using the TRNSYS program to obtain input and output data for the ANN model to predict the power consumption of the recirculating aquaculture system with a heat pump system. Data obtained from the TRNSYS program were analyzed using linear regression, and converted into optimal data necessary for the ANN model through normalization. To optimize the ANN-based power consumption prediction model, the hyper parameters of ANN were determined using the Bayesian optimization. ANN simulation results showed that ANN models with optimized hyper parameters exhibited acceptably high predictive accuracy conforming to ASHRAE standards.

In this study, we proposed a model for forecasting power energy demand by investigating how outside temperature at a given time affected power consumption and. To this end, we analyzed the time series of power consumption in terms of the power spectrum and found the periodicities of one day and one week. With these periodicities, we investigated two time series of temperature and power consumption, and found, for a given hour, an approximate linear relation between temperature and power consumption. We adopted an exponential smoothing model to examine the effect of the linearity in forecasting the power demand. In particular, we adjusted the exponential smoothing model by using the variation of power consumption due to temperature change. In this way, the proposed model became a mixture of a time series model and a regression model. We demonstrated that the adjusted model outperformed the exponential smoothing model alone in terms of the mean relative percentage error and the root mean square error in the range of 3%~8% and 4kWh~27kWh, respectively. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric energy together with the outside temperature.

본 연구는 가정용 냉장고를 대상으로 냉동실과 냉장실의 설정온도를 각기 달리할 경우 냉동실과 냉장실 고내의 온도를 실측하여 냉장고 식품 보관 온도분포를 추정하고자 한다. 또한, 각 실의 설정온도를 중심으로 상하로 온도차가 얼마나 큰가를 파악하고, 설정온도로 회복하는데 소요되는 시간을 파악하고자 한다. 그리고 설정된 온도로 회복하기 위해 소비하는 전력량을 측정함으로서 가정용 냉장고의 최적 설정조건을 제시하고자 한다. 그 결과, 냉동실 온도가 –18℃를 실현한 조건은 Case 3, Case 6, Case 8, Case 9로 냉동실 조건보다는 냉장실의 설정온도를 저온으로 할 경우에만 냉동실의 온도가 적정온도를 나타냈다. 이 조건에서 냉장실의 온도는 최저 –1.1℃, Case 6은 –1.5℃, Case 8은 –1.1℃, Case 9는 –0.8℃로 영하의 온도를 보였다. 또한 각 케이스의 운전시작 10시간 동안 누적소비전력량은 Case 4를 제외하고는 냉동실 및 냉장실의 설정온도가 낮을수록 컸으며, Case 4는 운전시작이 13:30분에 시작되었기에 09시경에 운전을 시작한 다른 조건보다는 낮시간의 환경온도가 높은 이유로 전력소비가 크다는 것을 확인하였다.

In this study, we utilize the cross and partial correlation analyses in order to investigate the dependence of power energy consumption on the temperature. To this end, we use a time series data that consists of three attributes : an hourly measured electric power consumption, temperature, and humidity. We, in particular, divide the yearly data into monthly base, and estimate the cross correlation coefficients between all possible pairs of attributes for each monthly based data. We found that temperature and power consumption are negatively correlated in the winter; positively correlated in the summer. A similar trend was found between humid and power consumption. This implies that when temperature or humidity is relatively high or low, the power consumption increases due to the cooling and heating system at work. In contrast, the correlation between temperature and humid behaves differently from those between temperature and power consumption. These results can be used to effectively manage the power system.

본 연구에서는 공급수의 Blending 및 ERD 적용을 통해 역삼투 공정의 소비전력량을 비교 분석하였다.

In this paper, we utilize a Gaussian process to predict the power consumption in the air-conditioning system. As the power consumption in the air-conditioning system takes a form of a time-series and the prediction of the power consumption becomes very important from the perspective of the efficient energy management, it is worth to investigate the time-series model for the prediction of the power consumption. To this end, we apply the Gaussian process to predict the power consumption, in which the Gaussian process provides a prior probability to every possible function and higher probabilities are given to functions that are more likely consistent with the empirical data. We also discuss how to estimate the hyper-parameters, which are parameters in the covariance function of the Gaussian process model. We estimated the hyper-parameters with two different methods (marginal likelihood and leave-one-out cross validation) and obtained a model that pertinently describes the data and the results are more or less independent of the estimation method of hyper-parameters. We validated the prediction results by the error analysis of the mean relative error and the mean absolute error. The mean relative error analysis showed that about 3.4% of the predicted value came from the error, and the mean absolute error analysis confirmed that the error in within the standard deviation of the predicted value. We also adopt the non-parametric Wilcoxon’s sign-rank test to assess the fitness of the proposed model and found that the null hypothesis of uniformity was accepted under the significance level of 5%. These results can be applied to a more elaborate control of the power consumption in the air-conditioning system.

In this paper, we investigate how the power consumption of a heat pump dryer depends on various factors in the drying process by analyzing variables that affect the power consumption. Since there are in general many variables that affect the power consumption, for a feasible analysis, we utilize the principal component analysis to reduce the number of variables (or dimensionality) to two or three. We find that the first component is correlated positively to the entrance temperature of various devices such as compressor, expander, evaporator, and the second, negatively to condenser. We then model the power consumption as a multiple regression with two and/or three transformed variables of the selected principal components. We find that fitted value from the multiple regression explains 80~90% of the observed value of the power consumption. This results can be applied to a more elaborate control of the power consumption in the heat pump dryer.

In this study, We have taken LED lamps which are widely used recently, applied it to training ship's cabin and lounge, cafeteria, engine control room and analyzed the power consumption and illumination with existing fluorescent. Replacing 40W, 20W of fluorescents with 22W, 11W of same number of LED lamps, It showed 45% of power consumption savings and resulted to more than 20% of illumination improvement. If applied to all areas of the ship, It would surely contribute to great amount of energy savings and illumination improvement.

온실 효과로 인한 지구온난화 현상은 전세계적으로 문제가 되고 있고, 온실효과를 일으키는 주원인은 온실가스이다. 온실 가스는 에너지 분야에서 가장 많이 배출되며, 2014년 기준 배출량의 86.8%를 차지한다. 배출 국가 온실가스 감축 의무부담에 관한 대응을 위해 에너지 사용 절감에 대한 전략이 동반되어 짐으로서, 에너지 절감 기술 및 소재 개발이 필요시 되었다. 국내 에너지 다소비 산업의 하나인 전해제련 공정 또한 여기서 벗어나지 못한다. 전해제련 공정은 수용액 전해조에 전극을 담그고 일정한 전류 혹은 전압을 가하여 수용액 속의 이온을 금속으로 석출하는 공정으로, 제조경비 중 전력비 비중이 높은 대표적인 에너지 다소비산업이다. 대표적 전해제련 생산품인 아연(Zn)은 최근 국제가격 하향안정화 추세로 국내기업의 글로벌 시장경쟁력 악화가 예상되며 이에 따른 가격 경쟁력 확보 필요성이 증가하였다. 본 연구에서는 Ir-Ta-Sn-Pd/Ti 전극을 이용해 아연 전해제련 시 사용되는 Pb 전극과 비교 하였고, 전류 밀도 500A/m2 조건에서 전위차 변화를 통해 전력소비 감소량을 예측하였다. 또한 아연 회수량 및 전극 표면 부식성 또한 관찰하여 Pb 전극 대체 효과를 확인하였다.

데이터 센터의 전력 소모가 크고, 그 중에 컴퓨터 서버의 전력 소모 비중이 높기 때문에, 최근 서버의 전력 절약을 위한 연구가 다양한 방향에서 진행되고 있다. 서버 컴퓨터의 구성 유닛들 중에서 특히 CPU는 주된 전력 소모 원인이다. 본 논문에서는 게임 서버 클러스터 환경에서 서버 CPU의 전력 소모를 최소화하기 위한 신규 클라이언트들을 서버에 배정하는 방법을 제안한다. 우리는 클라이언트-서버 배정 문제를 최적화 문제로 모델링하고, 시뮬레이티드 어닐링 기반 방법으로 그 해를 구한다. 우리의 방법의 특징들 중 하나는 CPU의 동작 주파수를 부하에 따라 적절히 선택하는 것으로서, 저 부하시에는 낮은 주파수를 선택해 전력 소모를 줄이게 된다. 우리의 조사에 따르면, 온라인 게임 서버의 전력 소모를 고려한 클라이언트-서버 배정에 관한 연구는 거의 없었다.

해양에너지를 비롯한 신재생에너지를 이용한 분산형 발전시스템 설계의 기초자료로 활용하기 위해 본 연구에서는 도서 주민의 전력소비량을 실측 분석하고 시기별 전력소비 패턴을 개발하였다. 실측조사는 남해안에 위치한 곤리도의 5가구를 대상으로 2010년 10월부터 2012년 2월까지 수행되었다. 월평균 전력소비량은 가구에 따라 12월 혹은 1월에 최대값이 발생하였다. 가구별 월간 전력소비량은 H가구가 J가구보다 2~3배 많았지만 가구별 1인당 월평균 전력소비량은 J가구가 H가구보다 10~30% 가량 많은 것으로 조사되었다. 시각별 전력소비 패턴을 개발한 결과 여름철에는 20시에서 자정 사이에 최대 전력소비가 발생하고, 겨울철은 여름철에 비하여 하루 동안의 전력소비 변화는 완만하지만 18시 이후 자정까지의 시간대에 전력소비가 증가하는 경향을 보였다. 가구별 주중과 주말의 전력소비 패턴은 매우 유사한 것으로 나타났다.

이 논문에서는 저전력 통신 기법 가운데 하나인 PSPM(Phase Shift Pulse position Modulation) 전송 기법이 근거리 수중음향 채널에서 어떠한 성능을 나타낼지 고찰하기 위해 해상실험을 통해 분석하였다. PSPM은 QPSK(Quadrature Phase Shift Keying)와 PPM(Pulse Position Modulation) 기법을 서로 혼합한 형태로 WBAN(Wireless Body Area Network) 시스템에서 저전력 통신을 위해 제안된 기법이다. 이는 기존의 일반적인 전송 방식에 비해 대역효율은 떨어지지만 전력효율은 증가하는 것으로 알려져 있다. 이 논문에서는 실해역에서 취득한 PSPM 데이터를 통해 BER 성능을 분석한다. 실험 결과 QPSK의 경우 총 56,000개의 전송 데이터 비트 중 오차 비트 수가 3,384개로 BER이 약 6.04×10-2이고, PSPM의 경우는 19,652개로 BER이 약 3.5×10-1를 얻었다. 또한 영상 데이터 전송에 따른 PSNR(Peak signal-to-noise ratio)을 비교한 결과 QPSK의 경우 9.37 dB 였으며, PSPM의 경우 9.11 dB 였다.