Earticle

초록

영어

As of the end of March 2022, the total area of d omestic industrial complexes is 606 km2, which is only about 0.6% of the total land area. However, as of 2018, the annual energy consumption of domestic industrial complexes is 110,866.1 thousand TOE, accounting for 53.5% of the country's total energy consumption and 83.1% of the entire industrial sector energy consumption. In addition, industrial complexes have a significant impact on the environment, accounting for 45.1% of the country's total greenhouse gas emissions and 76.8% of industrial sector greenhouse gas emissions. Under this background, in this study, in order to contribute to the energy efficiency of industrial complexes, a prediction study on energy demand and supply for an industrial complex in Korea using machine learning was conducted. In addition, a simulator UI screen was designed to more efficiently convey information on energy demand/supply prediction results and energy consumption status. Among the machine learning algorithms, Multi-Layer Perceptron (MLP) was used, and Bayesian Optimization was applied as an optimization technique for the prediction model. The energy prediction model for the industrial complex built in this study showed a prediction accuracy of 87.90% for compressed air demand and 99.54% for the flow rate available for the public air compressor.

한국어

에너지 소비 문제가 전 세계적으로 주요한 이슈로 자리잡아 다양한 부문에서 에너지 소비 및 온실가스 배출 절 감에 대한 관심이 크다. 2022년 3월 말 기준 국내 산업단지 총 면적은 606 km2로, 전체 국토면적의 약 0.6 %에 불과 한다. 하지만 2018년 기준, 국내 산업단지의 연간 에너지 사용량은 국가 전체 에너지 사용량의 53.5 %, 전체 산업부문 에너지 사용량의 83.1 %를 차지하는 110,866.1천 TOE임으로 확인되었다. 더불어 국가 전체 온실가스 배출량의 45.1 %, 산업부문 온실가스 배출량의 76.8 %를 차지하여 환경에 미치고 있는 영향 또한 상당한 상황임이 확인하였다. 이러 한 배경 하에 본 연구에서는 산업단지 차원의 에너지 효율화에 기여하고자, 국내 한 산업단지를 대상으로 에너지 수요 및 공급의 예측을 진행하였으며, 예측 결과값을 포함하여 에너지 모니터링을 위한 시뮬레이터 UI 화면을 설계하였다. 머신러닝 알고리즘 중 다층퍼셉트론 (Multi-Layer Perceptron; MLP)을 사용하였으며, 예측 모델의 최적화 기법으로 서 베이지안 최적화 (Bayesian Optimization)를 적용하였다. 본 연구에서 구축한 예측 모델은 산업단지 내 압축공기 수요 유량의 경우는 87.90 %, 공용 공기압축기 공급 가능 유량의 경우는 99.54 %의 예측 정확도를 보였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구방법
1. 하이퍼파라미터 최적화
2. 에너지 수요/공급 예측
Ⅲ. 산업단지 압축공기 수요량 예측
1. 수요 예측 모델 구축 환경
2. Bayesian Optimization 적용 대상 하이퍼파라미터및 탐색 구간 설정
3. Bayesian Optimization 적용 결과
4. 압축공기 수요량 예측 결과
Ⅳ. 산업단지 공용 공기압축기 공급량 예측
1. 공급 예측 모델 구축 환경
2. Bayesian Optimization 적용 대상 하이퍼파라미터 및 탐색 구간 설정
3. Bayesian Optimization 적용 결과
4. 공용 공기압축기 공급량 예측 결과
Ⅴ. 에너지 수요/공급 예측시뮬레이터 UI 설계
Ⅵ. 결론
References

키워드

저자

• 이형아 [ Hyungah Lee | 정회원, 고등기술연구원 에너지환경IT융합그룹 연구원 ] 제1저자
• 박종혁 [ Jong-hyeok Park | 정회원, 고등기술연구원 에너지환경IT융합그룹 연구원 ] 공저자
• 조우진 [ Woojin Cho | 정회원, 고등기술연구원 에너지환경IT융합그룹 연구원 ] 공저자
• 김동주 [ Dongju Kim | 정회원, 고등기술연구원 에너지환경IT융합그룹 연구원 ] 공저자
• 구재회 [ Jae-hoi Gu | 정회원, 고등기술연구원 에너지환경IT융합그룹 연구위원 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2025

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700