최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
박훈영, Sungho Kim, 김윤호, Sangyun Park, 남상석
2019 / Physical Activity and Nutrition
현동훈, 전정환, 이창훈, 정현철, 김성현
2015 / Korean Journal of Chemical Engineering
데이터가 존재하지 않습니다.
loading...
일별· 시간대별 전력 부하패턴 분석
극치 이론을 활용한 최대전력 수요의 확률 분석
예측 결합과 밀도 함수를 이용한 단기 전력 수요 예측
전력계통 : 해석 및 설계
분위회귀분석을 통한 가정부문 용도별 에너지소비량 분포 및 특성 분석
Electrical energy in agriculture
혼합주기 자료를 이용한 전력수요 예측 모형 구축
다중 계절성 지수평활법을 활용한 국내 단기 전력수요 예측
Advances in electric power and energy systems : load and price forecasting
Power system analysis & design
Power system analysis and design
Power system load flow analysis
전력수요 예측기법 연구
Operation of market-oriented power systems
Mathematical models and algorithms for power system optimization : modeling technology for practical engineering problems
(R을 이용한) 회귀분석
사용자 요구사항 분석 = 정보통신 및 정보처리 분야 =
세계 재생에너지 자국산 부품사용요건 정책에 대한 대응방안 연구
R을 활용한 회귀 분석 =
Modeling and forecasting electricity loads and prices : a statistical approach
산업경제연구
이근철, 한정희산업경제연구
백종관, 한정희전기학회논문지
정현우; 김시연; 송경빈한국경영과학회지
이근철, 한정희전기학회논문지
정현우, 김시연, 송경빈한국산학기술학회논문지
한정희, 백종관Electric Power Systems Research
Weeraddana D.,Khoa N.L.D.,Mahdavi N.Journal of The Korean Data Analysis Society
김형중, 이성희, 문승호대한산업공학회지
한정희, 이근철전기학회논문지
임남식, 이상중IET Smart Grid
Donaldson D.L.,Browell J.,Gilbert C.Journal of Modern Power Systems and Clean Energy
Zhou X.,Gao Y.,Yao W.,Yu N.전기학회논문지ABCD
위영민, 송경빈, 주성관Journal of Cleaner Production
Johannesen N.J.,Kolhe M.L.,Goodwin M.응용통계연구
이진영, 김삼용Energy and Buildings
Grünewald P.,Diakonova M.商丘师范学院学报 / Journal of Shangqiu Normal University
仲露; 崔晓蓉; 夏杰; ZHONG Lu; CUI Xiaorong; XIA JieInternational Journal of Grid and Distributed Computing
Cheepati, K.R.; Nageswara Prasad, T.IET Generation, Transmission and Distribution
Hong Y.Y.,Chan Y.H.,Cheng Y.H.,Lee Y.D.,Jiang J.L.,Wang S.S.Procedia Engineering
Naganathan, Hariharan; Chong, Wai K.; Ye, Nong전선 / 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
본 수업에서는 데이터를 이용한 모형의 추론과 예측모형 생성을 배우며, 그 과정을 통해 질문의 구조화, 데이터 수집과 정리, 통계추론, 예측모델링, 의사결정과정의 핵심원리를 배운다. 중급수준의 데이터의 변환, 데이터 정제, 모형적합, 모형선택, 모형진단 등에 대한 기초이론을 배우며, 데이터 실습을 통해 그 과정을 익힌다.전선 / 대학원
본 교과목에서는 계량경제분석기법(Econometrics)을 사용하여 기술 및 재료의 선택과 인력 및 자본의 배분 등 산업의 경제활동과 의사결정과정의 분석 및 예측기법을 학습하는 과목이다. 다양한 생산함수모형(flexible function form)을 사용하여 요소간 대체관계(substitution)를 분석하며 시계열분석 및 동적최적화(dynamic optimization)기법을 사용하여 외부변화에 대한 산업 및 기업의 대응방법에 대하여 분석한다. 또한 TSP, GAUSS 등 계량경제 프로그램을 사용한 실증분석을 병행한다.전선 / 대학원
본 과목은 전력 시장 구조와 기능에 대한 이해를 바탕으로 하여 다양한 시장 참여자들의 목적에 따른 활동과 그 결과로서의 시장 균형 및 사회 후생에 대해 분석하는 것을 목표로 한다. 구체적으로는 전력 현물 시장 및 파생 상품 시장의 운영과 가격 결정 메커니즘, 전기 요금 제도, 수요반응, 현대 포트폴리오 이론을 이용한 시장 위험 관리, 전력 시장 해석을 위한 전력 계통 모델로써의 OPF(Optimal Power Flow 최적조류계산),송전 계통 혼잡 관리 및 지역별 한계 가격 결정 기법, 게임이론을 이용한 시장 균형 분석 등을 다룬다.전선 / 학사
이 과목은 전력경제에 대한 전반적인 내용을 다룬다. 탈 규제화된 전력시장에서 전력시장의 참가자들에 대해 소개한 다음 전력시장을 이해하기 위해 필요한 미시경제학에서 사용되고 있는 개념들에 대해서 배울 것이다. 그런 다음 경쟁 환경하에서 전력시장이 어떻게 운영되는지 알아 볼 것이다. 문제를 간단하게 하기 위해 강의 처음부분에는 송전선를 고려하지 않고 오직 경제적인 관점에 대해서만 다루기로 한다. 중간 부분에서는 계통의 안정도와 송전시스템이 어떻게 전력시장에 영향을 미치는가에 대해서 다룰 것이다. 강의 마지막 부분에서는 경쟁체제어서 발전회사의 투자전략과 송전선로의 투자전략에 대해서 다룰 것이다.전선 / 대학원
본 과목에서는 높은 불확실성과 다양한 리스크 요인으로 인하여 불안정, 불규칙 시계열 특성을 가지는 에너지 및 자원분야 경영데이터의 고급계량분석기법을 학습한다. 수업에서는 실물옵션분석, 확률과정분석 등의 계량분석방법의 학습과 함께 에너지·광물 등 자원분야의 생산, 재고, 수요, 가격, 주가, 금융 등 경영데이터를 대상으로 사례분석을 수행하여 본다.전선 / 학사
본 교과목은 국제에너지시장의 예측 및 분석을 위한 분석기법을 학습하고 에너지시장의 대표적인 특성인 높은 가격변동과 시장의 지역화 문제를 심층적으로 살펴본다. 시계열 계량경제기법을 위주로 한 분석기법을 학습하며, 실제자료를 활용한 팀별 분석실습과 토론학습을 진행한다.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
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 학사
◎ 구 분: 중급 – 에너지 경영 ≪ 교수요목 ≫ 최근 전력에너지공학 분야에서 다루는 여러 문제들에 대해, 빅데이터 기반의 머신러닝 기법의 적용을 통해 해결하려는 추세에 있다. 전력에너지공학 분야에서 해결해야하는 문제들은 무엇이며, 빅데이터 기반의 머신러닝 기법을 통해 어떻게 해결할 수 있는지에 대한 강의를 진행한다. 강의는 전력에너지공학의 문제들에 대한 기본 개념, 빅데이터 기반의 머신러닝 기법(일부) 소개, 이것에 대한 간단한 예제와 실습으로 구성된다. ※ 본 강의는 실습 위주의 강의로서, 수강생들은 필요한 GPU자원을 갖춘 학생만 수강하도록 강력히 권장합니다. ≪ 과목개요 ≫ - 전력시스템공학 개요 - 전력시스템의 산업계 현안 개요 - 간단한 머신러닝 기법 소개 - 빅데이터 기반의 머신러닝 기법을 통한 전력시스템의 문제 해결 ≪ 학습목표 ≫ - 전력시스템공학에 대한 개론적 이해 - 전력시스템의 산업계 필요 인재 양성 - 빅데이터 기반의 머신러닝 기법에 대한 실습 능력 향상전필 / 학사
기본적으로 선형회귀모형을 주어진 자료에 적합시키는 방법을 소개하며, 모형모수에 대한 추론도 다룬다. 이 과목에서 다루는 주제를 나열하면, 단순선형회귀, 다중선형회귀, 모형적합진단, 가중선형회귀, 변수변환, 회귀진단, 레버리지 및 영향점 탐지, 범주형변수를 위한 회귀분석기법, 다중공선성, 변수선택 및 모형선택, 비선형회귀, 일반화선형모형, 인공신경망 등이다.전선 / 대학원
이 과목은 농업분야 분석에 많이 적용되는 거시모형 수립을 위한 기초이론을 공부한다. 우선 일반균형이론에 대한 미시 경제학적 기초를 공부하고 그 이후 세대교차모형 및 여타 응용거시모형들에 대한 기초를 공부하게 된다.전선 / 대학원
집적 회로 분야의 새로운 기술 및 경향을 다루며 초고속 회로 설계, 다치 논리 회로 등에 관한 이론 및 기술을 강의한다.전선 / 대학원
이 과목은 ‘도시통계분석’의 고급과정으로서 도시 연구에서 제기되는 문제들을 계량적으로 분석하는 데 사용되는 방법의 원리와 응용방법을 심도 있게 살펴보는 데 목적이 있다. 이 과목을 수강한 학생들은 계량분석을 이용한 최신의 도시 연구 논문들을 이해할 수 있고, 자신의 연구 질문에 맞는 자료와 분석방법을 이용하여 스스로 접근할 수 있는 능력을 갖추게 될 것이다. 세부적으로 고전적 선형회귀 모형, 일반화 선형모형(generalized linear models), 연립방정식모형(simultaneous equations models), 패널자료 모형(panel data models), 다수준 회귀모형(multi-level regression models), 이산선택모형(discrete choice models), 시계열분석(time series analysis), 공간계량분석(spatial econometrics) 등을 학습하게 된다. 수업시간을 통해 기본 원리를 습득할 뿐만 아니라, 과제를 통해 Stata 등 통계 패키지(학생선택에 따라 R, Python, MATLAB 등을 이용할 수도 있음)를 이용하여 실제 자료에 분석방법을 적용하는 실습을 할 기회를 갖는다.전선 / 대학원
광산이나 터널과 같이 암반에 건설되는 구조물의 시공과정에는 암반 노출면에 대한 조사가 필수적이다. 최근 이러한 암반 노출면에 대한 조사와 분석 과정을 무인화, 자동화하여 안전한 작업환경을 조성하고 조사 자료를 기반으로 신속한 굴착/보강설계를 수행하기 위한 노력이 지속되고 있다. 이 강의에서는 입체사진측량과 드론 등을 활용한 디지털 암반 조사방법과 AI를 이용한 불연속면 분석 및 암반분류에 관한 최신의 기술들을 다룬다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
도시·지역경제학의 이론과 방법을 심화시켜 탐구하는 과목이다. 단핵도심모형, 다핵도심모형을 비롯한 도시공간구조, 도시노동시장, 토지·주택시장, 지방정부론(지방정부의 의사결정, 재정, 지방세제), 토지이용규제와 성장관리, 도시의 삶의 질과 환경, 지역경제의 구성, 지역과학방법론(산업연관분석, 사회계정행렬, 연산가능일반균형모형), 지역경제의 생산성과 성장에 관한 논의를 다룬다. 도시·지역경제학 연구에 필요한 통계모형과 응용도 함께 다룬다.전선 / 대학원
터널 및 지하공간의 암반구조물을 설계, 시공, 유지하기 위하여 필요한 암반의 응력을 측정하는 다양한 이론, 방법 및 최신 연구결과를 강의한다. 수압파쇄, 응력보상법, 응력개방법을 포함한 현지암반응력을 측정하는 방법을 학습하고 이와 관련된 이론 및 현장자료를 검토하여 이들을 현장에서 적절히 사용할 수 있도록 교육함을 목적으로 한다.전선 / 대학원
전력 계통을 대형 시스템의 관점에서 시스템 이론과 기법을 적용하여 전자계산기로 해석하는 기법을 다루며, 주로 회로 토포로지 및 그래프 이론, 행렬 이론, 수리 계획법의 개념, 전력 계통의 수리 모형, 전력 조류계산, 고장 계산 과정 및 동적 안정도 해석, 써어지 해석, 전압 안정도 해석 등의 내용을 포함한다.