http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
선로빈(Robin Sun),방준호(Jun Ho Bang),유정훈(Jung Hoon Yoo),조장훈(Jang Hoon Jo) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.5
풍력은 비선형성의 띄며 매우 간헐적인 특성을 지니고 있으므로 안정적인 전력 계통의 운영이 매우 중요하며 이를 위해 정확한 발전량 예측이 요구된다. 학습에 필요한 데이터는 서해안에 위치한 풍황계측기로부터 취득하였으며 상공 80m 지점에서 10분 간격으로 측정된 약 일주일간의 실측데이터를 이용하였다. 제안된 모델은 Pytorch를 사용하여 성능을 검증하였으며 최종 분석 결과 약 95% 이상의 예측 정확도를 얻을 수 있었다.
LED 도로조명용 컨버터 직류 누전 분석 및 실험 회로 설계
유정훈(Jung Hoon Yoo),방준호(Junho Bang),조장훈(Jang Hoon Jo),선로빈(Robin Sun) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.5
본 논문에서는 직류전원 설비 중 가장 많이 활용되고 있는 LED 도로조명용 컨버터의 누설전류를 측정하기 위하여 AC · DC 전류-통전 시간에 따른 인체의 전기적 특성을 분석하여 실험 회로를 구성하였다. KS C IEC 60479-1에 의하여 전기 생리학적으로 인체에 영향을 주지 않는 전류 범위를 28mA로 확인하였고 이를 기반으로 회로를 구성하였다. DC 측 누설전류 특성 분석으로 위하여 실험 회로를 구성하였고 차동증폭기를 통해 증폭 전압을 측정할 수 있도록 하였다.
전기화재 원인 분석을 위한 CNN기반 용융흔 및 단락흔 판별
조장훈(Jang Hoon Jo),방준호(Junho Bang),유정훈(Jung Hoon Yoo),선로빈(Robin Sun) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.5
합성곱 신경망 기법을 활용하여 1,2차 단락흔 및 3차 용융흔을 각각 판별하는 알고리즘을 제안하고 검증하였다. 학습을 위한 데이터는 Hiv 전선의 1,2차 단락흔 및 3차 용융흔 시료를 Nikon SMZ25 현미경으로 촬영하고 학습 데이터와 검증 데이터로 확보하였다. 텐서플로어를 활용하여 입력 이미지는 64×64(pixel)에 RGB 컬러로 구성하였다. 3개의 합성곱 Layer와 3개의 풀링 Layer을 활용하여 다운 샘플링 하였다. 과적합 문제를 줄이고자 30%의 가중값 탈락률을 갖는 드롭아웃을 추가하였고, 최종 Layer의 활성화 함수는 Softmax를 사용하였다. 최종 분석 결과 95.5%의 판별 정확도를 얻었다.
LED 컨버터 1차측 AC 누전 및 2차측 DC 누설전류 특성 분석 회로 설계
유정훈(Jung Hoon Yoo),방준호(Junho Bang),조장훈(Jang Hoon Jo),선로빈(Robin Sun) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.7
본 논문에서는 직류전원 설비 중 가장 많이 활용되고 있는 LED 컨버터의 1차 측 AC 누전 및 2차 측 DC 누설전류를 측정하기 위하여 통전 전류와 통전 시간에 따른 인체의 전기적 특성을 분석하여 실험 회로를 구성하였다. KS C IEC 60479-1에 의하여 전기 생리학적으로 인체에 영향을 주지 않는 전류 범위를 확인하였고 이를 기반으로 회로를 구성하였다. AC누전과 DC 누설전류 특성 분석을 위하여 실험 회로를 구성하였고 차동증폭기를 통해 증폭 전압을 측정할 수 있도록 하였다.
전기화재 원인분석을 위한 실험실 데이터를 활용한 1차, 2차 단락흔 및 열흔 판별용 CNN 알고리즘 설계
조장훈(Jang-Hoon Jo),방준호(Junho Bang),유정훈(Jung-Hoon Yoo),선로빈(Robin Sun),홍성준(Seong-Jun Hong),방선배(Sun-Bea Bang) 대한전기학회 2021 전기학회논문지 Vol.70 No.11
In this paper, a new CNN algorithm is proposed to determine the direct cause of electric fires. We create 10,000-15,000 three types of data that can occur at a fire scene in our laboratory, and then train and verify it through the proposed CNN algorithm. As a result of the experiment and analysis, the classification accuracy of the primary and secondary arc beads was 86.2%, the accuracy of arc beads and molten marks was 93.6%. And also, the classification accuracy of the primary and secondary arc beads and molten marks was 92.4%. The results of this study are meaningful in that fire forensics can provide accurate identification results in a shorter time through artificial intelligence algorithms compared to the existing methods of identification through visual classification and physicochemical material analysis methods. In particular, the classification between primary and secondary arc beads is known to be a very difficult problem. However, the results of this study provided more than 86% classification ability.