KCI등재
CNN-LSTM 기반 IoT 스마트플러그 설계 방안 = Design of CNN-LSTM Based IoT Smart Plug
저자
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
499-508(10쪽)
DOI식별코드
제공처
Recently, research on smart grids has been in the spotlight to build high-quality power grids. Smart grids are a way to maximize the efficiency of power grid operations based on electricity and information and communication technologies. In general, most of the power wasted in the home is a standby power problem caused by the continuous use of the power plug. Therefore, in this paper, a smart grid application system was developed to minimize standby power generated when using electronic products. The developed system measures power data of electronic products in use in real time through the Internet of Things (IoT) smart plug, manages them through apps or the web, and establishes a system that allows users to control on/off in the event of abnormal power. To this end, a CNN-LSTM(Convolutional Neural Network Long Short-Term Memory) model was constructed, and the constructed model was trained based on real-time power data. The CNN-LSTM model is designed to compare with the current state by providing a predicted value of power to be used in the future. In order to objectively verify the power data, products with high power consumption such as laptops and monitors were used in the system design. In addition, hyper-parameter tuning was performed to optimize the performance of the proposed algorithm. As a result of the experiment, the optimized artificial intelligence model predicted power consumption with about 95% accuracy.
더보기최근 고품질 전력망 구축을 위해 스마트 그리드에 관한 연구가 각광받고 있다. 스마트 그리드는 전기 및 정보통신 기술을 기반으로 전력망 운용효율을 극대화시키는 방법이다. 일반적으로, 가정에서 낭비되는 전력의 대부분은전원플러그의 지속적인 사용으로 발생하는 대기전력 문제이다. 따라서, 본 논문에서는 전자제품 사용시 발생하는대기전력의 최소화를 위해 스마트 그리드 적용 시스템을 개발하였다. 개발된 시스템은 IoT(Internet of Things) 스마트플러그를 통해 사용중인 전자제품의 전력 데이터를 실시간으로 측정한다. 측정된 데이터는 앱이나 웹을 통해관리하며, 이상전력이 발생했을 경우 사용자가 직접 On/Off 제어를 수행하는 시스템을 구축하였다. 이를 위해, CNN-LSTM(Convolutional Neural Network Neural Network Long Short Term Memory) 모델을 구축하였고, 구축된 모델은 실시간 전력 데이터를 기반으로 학습을 수행하였다. CNN-LSTM 모델은 향후 사용될 전력의 예측치를 제공하여 현재의 상태와 비교할 수 있도록 설계하였다. 전력 데이터의 객관적인 확인을 위해 노트북, 모니터와같은 전력 사용량이 큰 제품을 시스템 설계에 사용하였다. 또한, 제안하는 알고리즘의 성능 최적화를 위해 하이퍼파라미터 조정을 수행하였다. 실험 결과 최적화된 인공지능 모델은 약 95%의 정확도로 전력 사용량을 예측하였다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)