dawny devlog

Abstract일반적으로 온수는 보일러 및 열병합 발전기를 가동하여 생산하며, 경제적인 온수 생산계획을 수립하기 위해서는 온수 수요를 정확히 파악하는 것이 중요따라서, 본 연구에서는 난방을 위한 온수 수요가 급증하는 겨울철 온수 수요의 특성을 분석하고, 선형회귀모형을 이용한 온수 수요 예측 알고리즘을 개발한다.겨울철 일일 온수 수요는 외기온도의 영향을 많이 받는 것으로 알려져 있으나, 본 연구에서는 외기온도와 예측일 하루 전날 온수 공급 실적값을 동시에 고려할 때 예측 정확도를 크게 높일 수 있음을 확인하였다. 본 연구에서 개발하는 예측 알고리즘의 타당성을 검증하기 위해 한국지역난방공사 서울 강남지사의 2006 ~ 2009년도 온수 수요 공급 실적과 기상청의 기상정보를 이용하여 겨울철 일일 온수 수요 총..

Abstract각 지역의 열수요를 정확하게 예측하는 것은 지역난방을 효율적으로 운영하고 관리하기 위해 매우 중요합니다. 열수요는 이전 며칠 간의 수요 및 기온과 밀접한 관련이 있으며, 일반적인 수요 예측 방법을 사용하여 예측할 수 있습니다. 하지만 주말이나 휴가 기간처럼 수요가 비정상적으로 낮아지는 예외적인 상황에서는 일반적인 방법을 적용하기 어렵습니다.이에 우리는 이러한 상황을 극복하기 위해 열수요를 예측하는 새로운 방법을 소개합니다. 이 방법은 수요와 몇 가지 요인 사이의 선형 관계를 활용합니다. 우리 모델은 기온과 과거 7일간의 수요 데이터를 기반으로 향후 수요를 결정합니다. 이 모델은 일 단위 및 시간 단위의 모델로 구성되어 있으며, 모두 다중 선형 회귀 모델입니다. 이러한 두 모델을 과거 데이터..

열 수요 예측 정확도 향상을 위해 소비자의 사회적 행동 패턴에 가장 큰 영향을 주는 변수로 공휴일을 포함하기 위해데이터포털에서 공개한 API를 활용하도록 했다. 1. API 활용 신청https://www.data.go.kr/tcs/dss/selectApiDataDetailView.do?publicDataPk=15012690회원가입 후, 활용 신청하면 인증키가 발급이 된다.인증키 두개가 발급이 되는데 여기선 인코딩 용 인증키를 활용했다. - 서비스 URL필요한 정보에 따라 URL 뒤에 붙여야하는 문자열(서비스 오퍼레이션)이 다르다.서비스 종류서비스 오퍼레이션명국경일 정보 조회getHoliDeInfo공휴일 정보 조회getRestDeInfo기념일 정보 조회getAnniversaryInfo24절기 정보 조회g..

Abstract본 연구에서는 지역난방시스템 열 수요예측의 정확도 향상을 위하여 판교지역을 대상으로 지역난방 수요 예측 주요 인자 중 열 수요실적을 기존의 열원시설 열공급정보 대신 변경된 사용자 시설 열 판매정보로 적용하여 혹한기를 포함한 5개월 동안의 수요를 예측하고 실적값을 기준으로 기존방식과 정확도를 비교하였다. 열 수요가 피크를 이루는 혹한기 1주일 (2018.01.08.∼01.14)동안 실적값을 기준으로 기존 및 변경방식 예측값의 시간대 별 차이를 비교한 결과 상대오차가 7%에서 3%로 감소되었으며, 2017년 10월부터 2018년 2월까지 5개월에 걸친 일일 누적 열 수요에 있어서도 실적값 대비 기존 및 변경방식 예측값의 상대오차는각각 9%와 4%로 변경방식의 상대오차가 감소하였다. 또한, 열 ..

Abstract특정 지역의 고객을 대상으로 열을 공급하는 지역난방 서비스의 안정적인 운영을 위해서는 단기간의 미래 수요를 보다 정확하게 예측하고, 효율적인 방법으로 생산 및 공급하는 것이 무엇보다 중요하다. 그러나 열 소비에 영향을 미치는 요소가 매우 다양할 뿐만 아니라 개별 소비자 및 지역적 특성에 따라 소비 형태가 달라지기 때문에 일반적인 상황에도 적용될 수 있는 범용적 열 수요 예측 모형을 개발하는 것은 매우 어렵다. 따라서 본 연구에서는 실시간으로 확보할 수 있는 제한적인 정보만을 바탕으로 딥러닝 기법을 활용한 수요예측 모형을 개발하고자 한다. 해당 지역의 외기온도와 날짜로만 구성된 과거 데이터를 입력 변수로 하여 텐서플로의 인공신경망을 학습시키는 방법으로 수요 예측 모형을 개발하였다. 기존의 회..

AbstractEncoder와 Decoder를 포함한 형태로, 복잡한 RNN 혹은 CNN 기반의 시퀀스 간 변형이 일어나는 모델을 많이 사용.Attention 메커니즘을 기반으로하여, recurrence와 convolution을 제거 Transformer 아키텍처를 제안한다. 번역 과제에서 우수한 성능을 보여주며, 병렬적으로 시퀀스 데이터를 처리하므로 적은 시간이 소요된다고 한다.WMT 201년도 데이터를 이용하여 영어를 독일어로,  영어를 불어로 번역하는 과정에서 훨씬 더 개선된 성능을 보여주었다고 한다.트랜스포머는 기계 번역 뿐만 아니라, 다른 과제에서 일반화가 가능하다는 것을 보여준다. Introduction 순환 신경망(RNN), 장단기 기억망(LSTM) , 그리고 게이트드 리커런트 신경망(게이트..