If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
Kamar Shah Ariffin, Jimoh Abdullateef Onimisi, Roniza Ismail, Norlia Baharun, Hashim Bin Hussin
2016 / Korean Journal of Chemical Engineering
There is no data.
loading...
This study designs a hybrid power demand forecasting model combining linear and nonlinear prediction approaches for complex electricity usage data influenced by meteorological information and human factors, and proposes a method to identify key input variables of the nonlinear model based on random forest. The prediction model considering atypical residue of meteorological information demonstrates improved prediction reliability.
Smart meter data analytics : electricity consumer behavior modeling, aggregation, and forecasting
Sub-seasonal to seasonal prediction : the gap between weather and climate forecasting
Plug in electric vehicles in smart grid : charging strategies
Sustainable developments by artificial intelligence and machine learning for renewable energies
Qualitative choice analysis : theory, econometrics, and an application to automobile demand
Modeling and forecasting electricity loads and prices : a statistical approach
Spatial electric load forecasting
Oblivious network routing : algorithms and applications
Reliability and risk evaluation of wind integrated power systems
Advances in electric power and energy systems : load and price forecasting
Modelling photovoltaic systems using PSpice
Estimation of simultaneous equation models with error components structure
Smarter energy : from smart metering to the smart grid
Electric power systems : advanced forecasting techniques and optimal generation scheduling
Electrical load forecasting : modeling and model construction
Applied data analysis and modeling for energy engineers and scientists
Supervised machine learning in wind forecasting and ramp event prediction
Smart cities : big data prediction methods and applications
Time series analysis with Python cookbook : practical recipes for exploratory data analysis, data preparation, forecasting, and model evaluation
Data-driven modeling : using Matlab® in water resources and environmental engineering
한국콘텐츠학회 논문지
차현종, 강아름Applied Soft Computing Journal
Wang R.,Wang J.,Xu Y.Energy Science and Engineering
Zamanidou A.,Giannakopoulos D.,Pappa D.,Pitsilis V.,Makropoulos C.,Manolitsis K.Abstract and Applied Analysis
Ping Jiang; Qingping Zhou; Haiyan Jiang; Yao Dong한국산업정보학회논문지
이재승; 유제혁Journal of Cleaner Production
Wang J.,Yang W.,Du P.,Niu T.Knowledge-Based Systems
Fan G.F.,Han Y.Y.,Wang J.J.,Jia H.L.,Peng L.L.,Huang H.P.,Hong W.C.Sensors
Krstonijević S.Electrical Engineering: Archiv für Elektrotechnik
Thulasingam, Muthukumaran; Periyanayagam, Ajay D. Vimal RajENERGIES
Fallah, Seyedeh Narjes; Ganjkhani, Mehdi; Shamshirband, Shahaboddin; Chau, Kwok-wingIEEE Transactions on Smart Grid
Xia Z.,Zhang R.,Ma H.,Saha T.IEEE Latin America Transactions
Vangipuram, S.R.; Giridhar, A.V.Electrical Engineering
Ahranjani, Y.K.; Beiraghi, M.; Ghanizadeh, R.Expert Systems with Applications
Zhang L.,Jánošík D.Journal of Physics: Conference Series
Genov, Evgenii; Petridis, Stefanos; Iliadis, Petros; Nikopoulos, Nikos; Coosemans, Thierry; Messagie, Maarten; Camargo, Luis RamirezComputer Applications in Engineering Education
Ramnath G.S.,Harikrishnan R.IEEE Transactions on Smart Grid
Akyol H.B.,Preist C.,Schien D.Sustainable Computing Informatics and Systems
Al-Ezzi Z.Q.A.,Paw J.K.S.,Pasupuleti J.,Jaber M.M.IEEE Transactions on Smart Grid, Smart Grid, IEEE Transactions on, IEEE Trans. Smart Grid
Palma-Behnke, R.; Benavides, C.; Lanas, F.; Severino, B.; Reyes, L.; Llanos, J.; Saez, D.Expert Systems with Applications
Xing Q.,Huang X.,Wang J.,Wang S.전선 / 대학원
본 강좌에서는 계통 운영과 계획, 시장 연계, 성능평가와 신뢰도 평가 등을 위한 전력계통 분석기법을 소개한다. 전력 계통 예제를 통하여 convex optimization, 동적 최적화, 최적 제어 등에 대한 주요 알고리즘을 소개한다. 본 강의에서는 convex optimization에 대한 interior-point methods, decision theoretic planning, Markov decision processes, 선형 계획법, 동적 계획법, 최적 제어 기법과 비선형 최적화에 대한 최적화 조건과 같은 주제들을 다룬다.전선 / 대학원
국민생활과 산업발전에 없어서는 안될 전력에 대해 공학적·경제학적 통합분석을 수행한다. 주로 project evaluation, optimal plant mix, DSM(Demand Side Management), Forecasting Methods, IRP(Integrated Resource Planning), marginal cost pricing, peak-load pricing, time-of-use pricing, rate of return regulation, price cap regulation, econimies of scale, economies of scope, subadditivity, efficiency, privitization, emission control, environmental damage cost, environmental control cost, shadow price, internalization of social cost 등을 다룬다.전선 / 학사
에너지 수요 급증, 탄소중립, 환경 문제 등으로 인해 에너지 생산 및 사용의 효율성이 보다 중요해지고 있다. 본 교과목에서는 에너지 생산 및 사용의 효율성을 향상시킬 수 있는 데이터 사이언스 기법을 학습한다. 데이터 사이언스는 자료에 숨겨진 유의미한 패턴을 여러 분야의 기법을 사용하여 찾아내는 분야이다. 본 교과목에서는 대표적인 데이터 사이언스 기법인 주성분 분석, 다차원 척도법 등의 차원축소 기법, k-means 클러스터링, 밀도기반 클러스터링 등의 클러스터링 기법, 딥러닝, Support Vector Machine 등의 기계학습 기법을 학습한다. 학습한 데이터 사이언스 기법들을 에너지 데이터에 대해 특성 추출 및 분류, 이상현상 탐지 및 분류, 수요 및 가격 예측, 개발 계획의 신속한 최적화 등 다양한 문제에 적용하는 실습을 수행한다.전선 / 학사
일기와 관련한 지구상 각 지역의 특징적인 기상 현상을 설명한다. 특히 동아시아지역의 몬순, 중위도 고·저기압계, 태풍, 강수를 다룬다. 컴퓨터를 이용한 기본 일기도의 작성과 분석을 실험하며 기본 일기도를 이용하여 보조 일기도의 작성한다. 강의에서 다룬 일기계의 실제 예보법을 습득하고 일기예보 브리핑을 수행한다.전선 / 대학원
농림기상 분야의 정보에 공간정보의 비중이 크다. 디지털화된 공간정보는 기초 지형정보, 인문사회적정보, 원격탐사 등과 관계형 데이터베이스로 연결할 수 있으며, 정보의 조합과 분석을 통해 농림기상 분야의 관리에 필요한 정보를 생성할 수 있다. 이 강의에서는 프로그래밍을 기반으로 농림기상분야의 공간분석 능력을 기르고, 대량 생산되고 있는 모바일과 원격탐사 데이터 등의 적용 가능성과 방향을 고찰한다.전선 / 대학원
한정된 자료들 사이의 공간적 상호관계를 분석하고 이를 바탕으로 임의의 위치에서 원하는 자료값을 예측하는 여러 크리깅 기법을 공부한다. 주어진 값과 그 분포를 항상 보전하는 조건부 시뮬레이션과 불확실성을 줄이기 위해 이용가능한 자료를 통합하여 사용하는 최적화 기법을 공부한다.전선 / 대학원
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
스마트시티는 복잡 인프라 시스템의 확률 기반 모형의 구축과, 계측 데이터에 기반한 학습/업데이팅, 그리고 상황별 실시간 추론에 기반한 의사결정을 필수적으로 요구한다. 본 교과목은 이러한 정보공학 기반 인프라 시스템 관리의 기반이 되는 다음의 베이지안 이론과 방법론을 소개한다: (1) 데이터 기반 통계적 학습: 마르코프 체인 몬테 카를로, (2) 인과관계 모형 구축, 학습 및 추론: 베이지안 네트워크, (3) 커널 기반 학습 및 추론: 가우시안 프로세스, (4) 시그널 프로세싱: 베이지안 필터. 각 방법론을 컴퓨터 프로그래밍을 통해 직접 실습하고, 재난재해 레질리언스, 안전, 생애주기 관리 등 다양한 인프라 관련 문제에 적용함으로써 스마트시티를 구현하는 데에 필요한 인프라 정보공학 핵심역량을 함양하는 것을 목표로 한다.전선 / 대학원
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 학사
기후변화로 인한 재난(홍수, 폭염 등)을 그린인프라를 활용하여 저감하는 기초이론 및 설계기법을 학습한다. 도시홍소와 관련된 수문학적 개념을 이해하고, SWMM(Storm Water Management Model)을 이용한 근거기반의 그린인프라계획 및 설계법을 학습한다. 또한 도시열섬의 개념과 대응 방안을 학습하고, 전산유체역학을 활용한 그린인프라와 그레이인프라의 상호작용 분석 및 도시에 최적화된 인프라설계를 실습한다.전선 / 대학원
본 교과목은 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝에 대해 보다 깊이 있게 소개한다. 데이터마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 그리고 분산 시스템과 다수의 머신을 이용하여 빠르고 확장성 있게 대용량 데이터를 처리하는 방법을 논의한다. 또한 여러 실제 세계 응용에 어떻게 데이터마이닝을 적용하는지에 대해서도 논의한다. 주요 주제로 그래프 데이터 분석, 행렬/텐서 데이터 분석, 비정상 이벤트 탐지 등이 있다.전선 / 대학원
표준적 도시교통계획과정의 이론적 구조와 문제점 그리고 실천모형의 장단점을 비교검토하고, 보다 일반적인 교통계획모형의 구성을 위한 여러 방법론과 고급이론을 소개함과 아울러 새로운 연구방향에 관해 연구한다.전선 / 학사
이 과목은 전반부는 날로 진화되어 가는 구조시스템의 계획을 위한 하중 흐름과 구조 부재 배치 원리를 익힌다. 이를 위해 구조시스템을 케이블이나 아치를 활용한 형상형 시스템, 트러스를 사용한 벡터형 시스템, 보나 스래브를 활용한 단면형 시스템으로 분류하여 각 유형별 구조 계획의 요소를 이해한다. 후반부는 대표적 구조시스템인 교량에 대하여 설계하중과 설계절차를 다루고, 다변화되는 교량형식에 대해 구조시스템 계획 차원에서의 접근 방법을 이해한다.전선 / 대학원
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전선 / 대학원
차세대 (환경친화적, 정보집약적, 대량맞춤형) 제품 및 서비스의 경쟁력 제고를 목표로, 제품개발 과정에서의 각종 의사결정을 합리화하고, 제품의 기능, 구조 및 원가 측면에서의 설계최적화를 꾀하며, 이들을 지원하기 위한 효과적 정보시스템을 구축하는 측면에서의 각종 연구논제를 다룬다.전선 / 대학원
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 학사
지표 및 지하공간을 다루는 지형 및 지질의 공간정보를 에너지 GIS를 통해 분석하는 방법과 관련 프로그래밍 기법을 다룬다. 상용 소프트웨어를 이용한 실습이 포함된다.