Deep learning for electric load data analytics : forecasting, feature extraction, and missing imputation=전력 데이터 분석을 위한 딥 러닝:수요 예측, 부하 특징 분석과 결측 처리

류승형 서강대학교 대학원 2020 국내박사

질산계 폐솔터 박리액으로부터 유가금속 및 질산의 회수

류승형 대진대학교 대학원 2016 국내석사

PCB 공정에서 다량 발생하는 주석 등의 유가금속이 용해된 질산계 폐솔더 박리액으로부터 주석과 질산의 회수를 위해 옥살산침전과 가열침전으로 주석 분리 회수실험을 실시하였다. 그 후 비교적 바람직한 가열침전법으로 주석을 회수한 후 음이온교환막을 이용한 확산투석으로 질산을 회수하는 연구를 실시하였다. 우선 옥살레이트 침전법의 경우 주석에 대한 당량비(O/T), 반응시간, 반응온도의 영향을 고찰하였다. 주석에 대한 당량비가 증가할수록 주석의 침전율이 증가하였으며 당량비(O/T) 1.0 에서 주석은 99.5 %, 구리는 2 %, 철, 납 등은 침전되지 않아 선택적으로 주석을 침전 가능하였다. 반응시작 10분내에 대부분의 반응이 일어남을 확인 하였다. 주석의 침전율은 반응온도가 증가함에 따라 증가하여 60 ℃ 부근에서 최대값을 보이며 이후부터는 오히려 감소 경향을 보였다. 최종적으로 얻은 침전물을 여과 건조시켜 SnO2를 얻을 수 있었다. 가열 침전법의 경우 반응시간과 반응온도의 영향을 고찰하였다. 반응시간과 반응온도가 증가함에 따라 침전율은 증가하였으며, 80 ℃에서 침전율은 3시간에서 약 90 % 였으며 이후로 크게 증가하지 않으므로 3시간이 적절 하였다. 옥살산 침전법과 동일하게 SnO2를 얻을 수 있었으며 획득한 산화물은 미량의 불순물의 제거를 위해 0.5 M HCl, 60 ℃, 30 min., 300 RPM의 조건으로 산세 하였다. 그 결과 산화분말로부터 불순물인 Pb을 제거할 수 있었다. 두 침전법을 비교한 결과 옥살산 침전법은 반응 온도와 반응시간, 주석 회수율에서 이점이 있으나 화학물질의 추가적인 사용과 유기물 오염으로 인해 후공정인 확산투석에 악영향을 미치므로 가열 침전법이 바람직 하였다. 가열침전법으로 주석을 침전 회수한 폐솔더액으로부터 확산투석법을 이용한 질산 회수 실험을 진행하였다. 우선 모의용액 실험을 진행하여 유속, 유속비, 질산농도, 금속이온 종류 및 농도 등이 질산 회수율에 미치는 영향을 조사하였다. 유속이 증가함에 따라 질산 회수율은 감소하였고 급액에 대한 순수의 유속비(W/F)가 증가할수록 질산 회수율은 증가하여 유속비가 1.57이상에서 약 99 % 의 질산 회수율을 보였다. 급액중 질산용액의 농도가 증가함에 따라 3.0 M 까지는 산회수율이 증가 하였으나 이후 회수율은 점차 낮아 졌다. 금속이온이 추가된 모의용액은 산회수율이 떨어졌으며, Sn 농도 증가는 산회수율에 큰 영향을 미치지 않았으나 다른 금속이온의 투과율은 감소하였다. 확산투석막을 통과하는 금속이온의 투과율은 Pb, Na, Cu순 이었고, Fe과 Sn은 투과되지 않았다. 실제 폐솔더액을 사용하여 유속 0.9 L/hr-m2, W/F = 1.3 으로 확산 투석을 실시한 결과 약 94 % 의 질산 회수율을 얻을 수 있었다. The separation and recovery experiments of tin were carried out using oxalate precipitation and thermal precipitation to recover tin and nitric acid from spent solder stripper of valuable metals, such as large amounts of tin used in the PCB process. Then, tin was recovered using relatively preferred thermal precipitation and nitric acid was recovered by diffusion dialysis using anion exchange membranes. First, the equivalent ratio of tin (O/T), the reaction time and the effects of reaction temperature were investigated for the tin oxalate precipitation method. As the equivalent ratio for the tin increases, the precipitation of the tin was increased. In case of equivalent ratio (O/T) 0.1, 99.5% of tin precipitation percentage and 2.0 % of copper, but iron, and lead were not precipitated. Most of the reaction was confirmed within 10 minutes after the reaction started. The precipitation percentage of tin is increased as the reaction temperature increased, and showed the maximum precipitation percentage at about 60℃, and then tended to decrease. Finally, SnO2 was recovered by drying and filtration of obtained precipitate. In case of thermal precipitation method, the effect of the reaction time and reaction temperature was investigated. As the reaction time and the reaction temperature increased, the rate of precipitation increased; 90% of tin precipitation percentage at 80 ℃ for 3 hours. After 3 hours, the precipitation did not increase significantly. The precipitation of SnO2 obtained with the same method of oxalate precipitation and tin oxide was purified using 0.5 M of HCl at 60℃, 300 RPM for 30 mins. As a result, Pb was removed from the oxide powder. Comparing the precipitation of both methods, the oxalic acid precipitation method had an advantage due to the reaction temperature and reaction time, but it is not a better method because the additional use of chemicals and adverse organic contamination for diffusion dialysis. Therefore, the Thermal precipitation method was preferred. The nitric acid recovery experiment was carried out using a diffusion dialysis process from waste solution without the tin solder precipitation using Thermal precipitation. First, a foundation experiment was carried out to investigate the flow rate, flow rate ratio, concentration of the nitric acid, metal ion type and concentration. As the flow rate increased, the recovery percentage of nitric acid decreased. As the flow rates were increased, the recovery of nitric acid was increased, and it showed a 99 % recovery rate of the nitric acid at a flow ratio of 1.57 or higher. As the concentration of the nitric acid solution increased, the recovery rate of acid increased until 3.0 M and gradually decreased after that. The simulated solution with the metal ion had a low recovery percentage of acid. Increased concentration of Sn had no significant impact on the acid recovery but the leakage percentage of other metal ions decreased. The leakage percentage of the metal ions through the diffusion dialysis membrane is higher in Pb, Na, and Cu respectively, and there was no leakage for Fe and Sn. A 94 % recovery percentage was obtained using the diffusion dialysis and actual waste liquid solder 0.9 L / hr-m2, W / F = 1.3.

Deep learning for electric load data analytics : forecasting, feature extraction, and missing imputation

류승형 서강대학교 2020 국내박사

스마트 그리드는 기존 전력망과 정보 통신 기술의 컨버전스를 통해 탄생한 지능형 전력망 시스템이다. 특히 신재생 에너지, 에너지 저장장치, 전기 자동차 등 신규 요소들의 망내 유입이 가속화됨에 따라, 전력망의 안정성을 담보하기 위한 시스템의 지능화가 중요하다. 이처럼 동적인 환경 내에서 종래의 모델 기반 접근법은 여러 한계가 존재한다. 반면에 데이터 기반 접근법 (기계 학습)의 경우, 데이터를 통해 주어진 환경에 적합한 모델을 학습 할 수 있다. 특히 딥러닝은 대량의 데이터와 심층 구조의 인공신경망을 통해 어렵고 복잡한 문제에 대해 매우 뛰어난 성능을 보여주며 인공 지능 분야를 주도하고있다. 따라서 스마트 그리드와 딥러닝의 컨버전스는 필연적이며, 그 시작은 딥러닝 적용을 위한 에너지 빅데이터의 확보에 있다. 중국, 미국 등을 필두로 한 전세계적인 스마트 미터의 확산을 통해 전력망 내에서 발생하는 대량의 고품질 미터링 데이터, 즉 에너지 빅데이터를 확보 할 수 있다. 에너지 빅데이터에 딥러닝을 적용함으로써 스마트 그리드의 지능화를 달성할 수 있으며, 최근 각종 자원 예측, 고객 분석, ESS 운용 등 다양한 분야에서 딥러닝 기반의 스마트 그리드 어플리케이션 연구가 활발하게 이루어지고 있다. 본 논문에서는 특히 부하 예측, 부하 특징 추출 및 분석, 결측값 대체 어플리케이션에 딥러닝을 적용하는 연구를 수행하였다. 먼저 부하 예측은 전력망 시스템 뿐만 아니라 홈/빌딩 에너지 매니지먼트 시스템, 수요 반응 등 다양한 어플리케이션에 활용될 수 있는 기초 구성요소로서, 예측 범위에 따라 장기, 중기, 단기 예측으로 구분 할 수 있다. 본 연구에서는 상대적으로 부하의 변동성이 큰 수용가별 단기 수요 예측의 정확도 향상을 위해 딥러닝을 적용하였다. 제안한 딥 러닝 단기 수요 예측 모델은 과거 부하, 기상, 월력요항 등의 정보를 바탕으로 다음 24시간 전력 수요를 예측을 수행하며, 계절별, 수용가별 예측 오차를 분석하였다. 두번째는 연간 부하 데이터의 특징 추출 및 클러스터링 분석에 대한 연구이다. 스마트 미터 데이터가 수년에 걸쳐 축적됨에 따라 장기적인 에너지 사용 특성을 고려하기위해 연간 부하 프로파일의 분석이 필요하다. 본 연구는 컨벌루션 오토인코더를 통해 고차원의 연간 부하 프로파일에서 저차원 특징 벡터를 추출하고, 효율적인 데이터 압축을 수행한다. 또한 비선형 특징 벡터 공간 내에서 클러스터링을 수행하여 장기적 부하 특징이 반영된 수용가 데이터 분석을 수행하였다. 마지막으로 스마트 미터 데이터의 결측값 처리를 위한 딥러닝 모델을 연구하였다. 데이터를 다루는 연구에서 데이터 전처리는 필수적이다. 스마트 미터의 발전에도 불구하고 여러가지 원인으로 인해 결측값이 발생하며, 본 연구에서는 일별 부하 프로파일 단위로 결측값을 처리하는 딥 러닝 프레임워크를 연구하였다. 기본적인 디노이징 오토인코더에서 최근의 생성적 신경망을 적용한 결측값 대체 신경망을 비교하였으며, 딥러닝을 통해 보다 정확한 결측값 처리가 가능하다. A smart grid is an intelligent power grid system that is enabled by the convergence between the legacy power grid and the information & communication technology (ICT). In this regard, an intelligence of a system can be obtained by using machine learning. Specifically, among various machine learning algorithms, deep learning shows higher levels of performance for difficult, complex, and nonlinear problems by training deep structured artificial neural networks with massive data. Now, from the world-wide deployment of smart meters, smart grid generates a massive amount of high-quality metering data, i.e., energy big data. By leveraging deep learning on the energy big data, various intelligent smart grid applications have been actively developed. However, still, there is plenty of room for the research of convergence between smart grid and deep learning. In this dissertation, we introduce deep learning based smart grid applications for load forecasting, feature extraction, and missing value imputation. First, we propose a deep learning based short-term load forecasting model. Load forecasting is of fundamental importance and the basis of planning and various smart grid applications. Among different forecasting categories, we focus on the customer based short-term load forecasting (STLF). In doing this, deep neural network models are trained to provide customer-wise forecasts of the next 24 hours in a day-ahead, based on the previous metering data and other factors. Second, we investigate feature extraction and clustering analysis of yearly load data. Previous researches have focused on analyzing daily load profiles. However, as data accumulated over years, analysis on the yearly load profile (YLP) also becomes important to consider long-term characteristics of energy use. In this regard, to reduce the processing burden of high dimensional YLP data, we propose a deep convolutional autoencoder for efficient feature extraction. In addition, we perform clustering analysis on the nonlinearly encoded feature space. Finally, we investigate autoencoders for missing smart meter data imputation. Dealing with missing data is fundamental in data preprocessing. However, despite the recent development of smart metering devices, missing data still occur due to random device power off, communication failure, measuring error, or other unknown reasons. In this regard, we investigate daily load profile basis missing value imputation framework. Specifically, we compare basic denoising autoencoder (DAE) to recent generative models (i.e., variational autoencoder and Wassertein autoencoder), and the proposed DAE based imputation shows better results compared to the others.

정신분열병 환자에서 비정형 항정신병 약물 복용 후 나타나는 식욕 및 식이 행동 변화

류승형 성균관대학교 일반대학원 2011 국내석사

정신분열병의 치료에 있어서 비정형 항정신병약물과 관련된 체중 증가는 사망률을 높이는 여러 질환과 관련되거나 또는 약물 순응도를 떨어뜨리는 요인이 된다는 점에서 해결되어야 할 중요한 부작용이다. 비정형 항정신병 약물 복용 후 나타나는 식욕 및 식이 행동 변화는 체중 증가를 야기하는 주된 요인으로 생각되어 진다. 본 연구는 비정형 항정신병 약물로 치료 받고 있는 환자에게서 나타나는 식욕 및 식이 행동의 상태와 변화를 조사하고, 이를 일반인들의 섭식 양상과 비교하고자 하였다. 또한 체중 증가 유발 정도에 차이가 나는 것으로 알려진 세 가지 항정신병약물이 식욕 및 식이행동 변화를 유발하는 데 있어서도 차이를 보이는지를 조사하고자 하였다. 올란자핀(olanzapine), 리스페리돈(risperidone), 또는 아리피프라졸(aripiprazole) 중 한 가지로 최소 4주 이상 치료를 받은 81명의 정신분열병 환자를 대상으로 하였다. 대조군은 40명의 일반인이었다. 사전 연구를 통해 개발된 약물 관련 섭식 행동 설문지(DR-EBQ)로 약물 복용 후 나타나는 식욕 및 식이 행동의 변화 정도를 평가하였으며, 일반적 음식갈망-특질 척도 설문지(G-FCQ-T)를 통해 음식에 대한 일반적 갈망 상태를 측정하였다. 두 설문지의 총점과 일반적 음식갈망-특질 척도 설문지의 각 요인 점수를 세 가지 약물군 사이에서 비교하였다. 또한, 올란자핀과 리스페리돈을 복용하는 환자들을 ‘식욕 증가군’과 ‘식욕 비증가군’으로 구분하여 이들 두 군과 일반인 대조군 사이에서 일반적 음식갈망-특질 척도 설문지의 총점 및 각 요인 점수를 비교하였다. 세 가지 약물 군에서 식욕 및 식이 행동의 변화 정도(DR-EBQ)를 평가 하였을 때, 아리피프라졸군은 뚜렷한 변화를 나타내지 않았고, 올란자핀군은 아리피프라졸군에 비해 유의한 식욕 증가를 나타내었으며 (p value = 0.008), 리스페리돈군과 올란자핀군 간에는 유의한 차이를 보이지 않았다 (p value = 0.173). 음식 갈망 및 식이 행동의 구체적 양상 분석에서 식욕 증가군은 비증가군 (p value < 0.001) 및 일반인 대조군 (p value = 0.016)에 비해 ‘음식에 대한 몰두 경향’이 유의하게 강하게 나타났으며, ‘통제 상실'의 정도 (p value = 0.001) 그리고 ‘음식 섭취에 따른 긍정적 강화에 대한 기대’의 정도가 (p value = 0.016) 비증가군에 비해 높게 나타났다. 본 연구를 통해, 비정형 항정신병약물 복용 후 나타나는 식욕 및 식이 행동의 변화 양상이 파악되었으며, 이러한 변화가 약물의 체중증가 유발 정도에 따라 차이를 보이며, 약물에 의한 체중 증가를 설명하는 보다 직접적인 형질이 될 수 있음이 시사되었다. 이러한 형질은 비정형 항정신병약물에 의한 체중 증가의 기전을 규명하고자 하는 생물학적 또는 유전적 연구에 세부 표현형 혹은 표지자로 활용 될 수 있을 것이다. Objectives Atypical Antipsychotics (AAPs) are known to induce substantial weight gain, and this is regarded as a major obstacle in the pharmacotherapy of schizophrenia. The increase of appetite and oral intake while receiving AAPs might be a mediating factor for the AAPs-induced weight gain. This study aimed at examining differences in drug-related changes in appetite and eating behavior among three AAPs that are know to induce different degree of weight gain. It also aims to identify specific natures of food craving and eating behavior in patients receiving AAPs compared to healthy controls. Methods Subjects were eighty-one schizophrenia patients who had been treated with olanzapine, risperidone, or aripiprazole for more than 4 weeks, and forty healthy controls. Appetite and eating behavior were measured using the Drug-Related Eating Behavior Questionnaire (DR-EBQ) and the General-Food Craving Questionnaire-Trait (G-FCQ-T). Total scores of DR-EBQ and G-FCQ-T, and individual factor scores of G-FCQ-T were compared among three AAPs groups. Further, patients receiving olanzapine or risperidone were divided into 'appetite-increased' and 'appetite-non-increased' groups based on the total score of DR-EBQ, and these two groups and normal controls were compared with respect to specific natures of food craving and eating behavior using factor scores of G-FCQ-T. Results Patients receiving aripiprazole showed minimal increase of appetite. The olanzapine group exhibited significantly higher DR-EBQ total score compared to the aripiprazole group (p value = 0.008). No significant difference of DR-EBQ total score was observed between olanzapine and risperidone groups. 'Preoccupation with food' factor score of G-FCQ-T was significantly higher in the ‘appetite-increased' group than in the 'appetite-non-increased' group (p-value < 0.001) and healthy control (p-value = 0.016). The 'appetite-increased' group also showed a significantly higher 'loss of control' factor score (p-value = 0.001) and 'positive outcome expectancy' factor score (p-value = 0.016) compared to the 'appetite-non-increased' group. Conclusion Changes of appetite and eating behavior while receiving AAPs seem to be related to the weight-gain inducing property of individual AAPs. The most prominent feature of eating behavior in patients showing appetite increase was 'preoccupation with food'. AAPs-related behavioral changes identified in the current study could be intermediate markers in future biological or genetic studies exploring mechanisms of AAPs-induced weight gain.