Smart water grid oriented framework for short-term water demand forecasting using machine learning algorithms

Koo, Kangmin 성균관대학교 수자원전문대학원 2022 국내박사

Urbanization and population growth have resulted in an imbalance in water supply and demand, and limited water resources have made it more difficult to manage Water Distribution System (WDS). Smart Water Grid (SWG) technology has emerged as a method to address these problems, as it provides real-time or near-real-time water-related information to managers and customers in both directions throughout the supply and demand process. In particular, by measuring and utilizing customers water consumption data, it can help improve the management efficiency of the WDS and reduce both energy and water leakage. However, the existing statistical methods are limited in their ability to analyze the collected water consumption data as big data. As an alternative, Machine Learning (ML) algorithms have emerged as modern methods for processing such big data, and they have been shown to be superior to existing statistical methods. This indicates that algorithms can be applied to the water consumption data collected from smart water grids to obtain various analysis results that cannot be obtained using the existing statistical methods. There are also rapid advancements being made in intelligent water management methods using this, so there is a need for a very accurate short-term WDF for monitoring and controlling the WDS and detecting leaks in the pipeline in real time. Therefore, in the present research, a short-term WDF framework is proposed that applies ML algorithms to the analysis of real-time water consumption data collected from SWM. This analysis used data collected from 00:00 on January 1, 2018, to January 1, 2020, from 527 SWMs installed in a pilot plant built in Block 112 of YeongJong Island, South Korea by the SWGRG. The results are as follows: First, by using filtering (local minima and Min. Max. allowable discharge) and the one-class SVM model for outlier detection, it is possible to pre-process raw data more scientifically and rationally. It also has the advantage of imputing, as even if all the hourly water consumption datasets by the day are missing, it uses combined k-NN and FTT for imputation of the missing values. Second, the k-means clustering model was proposed as a method of estimating the water consumption using mechanical water meters. With this method, eight clusters were divided according to the usage and the pipe diameter, and the average water demand pattern was estimated properly. Lastly, the MLSTM model that can consider a number of variables (weather, holiday effects, etc.) was applied to the short-term WDF. As comparative models, the avg. WC, ARIMA, ANN, QMMP+, and LSTM models were used. However, the calculation results were poor compared to those of the LSTM model considering water consumption alone, so there was no need to consider some variables in the calculation. Meanwhile, the noise generated during the calculation process can be included in the forecasted results; further, the Kalman filter was applied to increase the reliability, and the effect was excellent in improving the results. The assessment of the performance of short-term WDF using the SWG and ML algorithms with hydraulic modeling based on water consumption data indicates that it is still difficult to accurately forecast water demand for actual operation. However, it is believed that this proposed framework will be helpful for WDS operation and management as a guiding tool. For future research, as water consumption is closely related to the human life cycle, higher-resolution data are to be collected from each customer's taps and analyzed. 도시화와 인구증가 등으로 물 수요와 공급의 불균형이 초래되어 한정된 수자원을 이용한 상수도시스템 관리에 어려움이 가중되고 있다. 이러한 문제를 저감하기 위한 방법으로 대두된 스마트워터그리드 기술은 공급 및 수요 프로세스 전반에 걸쳐 실시간 또는 거의 실시간에 가까운 물 관련 정보를 양방향으로 관리자와 소비자들에게 제공한다. 특히 소비자의 물 사용 자료를 실시간으로 계측하고 활용해 상수도시스템의 관리 효율 개선, 에너지 및 누수를 줄이는데 도움을 줄 수 있다. 그러나 수집된 소비자의 물 사용 자료는 빅데이터로 기존 통계적 방법을 이용해 분석하는데 한계가 있다. 기계학습 알고리즘들은 이러한 빅데이터를 처리하기 위한 현대적인 방법으로써 기존의 통계적 방법보다 우수하다고 알려져 있어 대안으로 사용할 수 있다. 특히 스마트워터그리드에서 수집된 물 소비량 자료에 기계학습 알고리즘들을 적용하면 기존 통계방법으로 얻을 수 없는 다양한 분석결과를 얻을 수 있다. 이를 이용한 지능형 물 관리 방법 또한 빠르게 발전하고 있어, 상수도시스템 감시, 제어, 그리고 실시간 관망의 누수탐지 등을 위해 매우 정확한 단기 물수요예측이 필요하다. 이에 본 논문에서는 지능형 수도계량기에서 수집된 소비자들의 실시간 물 소비량 자료 분석에 기계학습 알고리즘들을 적용한 단기 물 수요예측 프레임워크를 제안했다. 이 때 스마트워터그리드 사업단이 영종도 112블록에 구축한 파일럿 플랜트에 설치된 527개의 지능형 수도계량기로부터 2018년 1월 1일 00시부터 2020년 1월 1일까지 수집한 물 소비량 자료를 단기 물 수요예측 프레임워크에 적용했는데 연구 결과는 다음과 같다. 첫째, 필터링(국소 최솟값과 허용최대최소유량)과 one-class SVM 모형을 사용해 원시자료를 보다 과학적이고 합리적으로 이상치 탐지를 할 수 있게 되었다. 그리고 결측치를 대치하기 위한 모형으로 결합된 k-NN과 FTT를 사용해 요일에 따른 시간별 물 소비량 자료 모두 결측 되더라도 전가할 수 장점이 있다. 둘째, 기계식 수도계량기를 사용하는 소비자의 물 소비량을 추정하는 방법으로 k-means 군집화 모형을 제안했다. 이 방법을 이용해 물 사용 용도와 관의 지름에 따라 8개의 군집을 나누고 평균 물 수요 패턴을 추정했는데, 계산 소요시간이 짧고 군집을 쉽게 생성할 수 있는 장점이 있다. 셋째, 단기 물 수요예측에 다양한 변수(날씨, 휴일 효과 등)를 고려할 수 있는 MLSTM 모형을 적용했다. 비교 모형으로 avg. WC, ARIMA, ANN, QMMP+, 그리고 LSTM을 사용했다. 그러나 물 소비량만 고려한 LSTM 모형에 비해 계산 결과가 좋지 않아, 꼭 변수를 고려할 필요가 없는 것으로 나타났다. 한편 계산과정 중에 발생한 잡음이 예측 결과에 포함될 수 있으므로 예측 신뢰도를 높이기 위해 칼만 필터를 적용했는데, 예측 결과를 개선하는데 효과가 있었다. 이를 이용해 물 소비량 자료 기반 수리학적 모형으로 스마트워터그리드 기술과 기계학습 알고리즘들을 이용한 단기 물수요예측 프레임워크의 성능을 평가한 결과, 아직까지 실제 운영을 위한 정확한 물 수요 예측은 어렵지만 참고자료로써 수운영 관리에 도움이 될 것으로 사료된다. 향후 연구로 물 소비는 인간의 수명 주기와 밀접하게 관련되어 있으므로 각 소비자의 설치된 모든 수도꼭지로부터 고해상도 물 소비 자료를 수집하여 분석할 것이다.

(The)IMF's roles to achieve the millennium development goals : Eradicate extreme poverty and hunger

강민구 Graduate school of international studies, Korea un 2009 국내석사

주의력결핍과잉행동 성향 유아 어머니의 양육스트레스 및 양육행동에 관한 연구

구강민 부산대학교 2008 국내석사

英祖代 文學論과 批評에 對한 硏究 : 趙龜命·林象鼎·李天輔·李廷燮을 中心으로

강민구 成均館大學校 1997 국내박사

Proactive congestion avoidance for distributed deep learning

강민구 Graduate School, Korea University 2021 국내석사

This thesis presents “Proactive Congestion Notification” (PCN), a congestionavoidance technique for distributed deep learning (DDL). DDL is widely used to scale out and accelerate deep neural network training. In DDL, each worker trains a copy of the deep learning model with different training inputs and synchronizes the model gradients at the end of each iteration. However, it is well known that the network communication for synchronizing model parameters is the main bottleneck in DDL. Our key observation is that the DDL architecture makes each worker generate burst traffic every iteration, which causes network congestion and in turn degrades the throughput of DDL traffic. Based on this observation, the key idea behind PCN is to prevent potential congestion by proactively regulating the switch queue length before DDL burst traffic arrives at the switch, which prepares the switches for handling incoming DDL bursts. In our evaluation, PCN improves the throughput of DDL traffic by 72% on average.

Gate modification of silicon carbide-based field effect transistors for power device applications

강민석 Kwangwoon University 2015 국내박사

탄화규소(4H-SiC)는 고온에서 동작 가능한 고전력/고전압 소자의 응용 가능한 재료로써 상당한 잠재력을 보이고 있다. 탄화규소는 실리콘보다 높은 값의 띠간격 에너지(~3.26 eV), 열전도도(~4.9 W/cm∙K), 절연파괴 강도(~3 MV/cm), 전자 이동도(~900 cm2/V∙s), 정공 이동도(~115 cm2/V∙s) 등의 특성을 가지고 있다. 이러한 전기적 특성을 이용하여 소자에 응용 할 경우, 뛰어난 열적 안정성과 열전도성을 바탕으로 고온 및 고주파 환경에서 동작 할 수 있는 특징을 가지고 있다. 이러한 재료적 장점들에도 불구하고, SiO2/SiC 계면에 존재하는 높은 전하 밀도와 낮은 반전 채널이동도, 게이트 산화막의 신뢰성은 탄화규소 기반의 전력소자가 발전하는 데 해결 되어야 하는 중대한 요소이다. 구조와 관련하여, 전계효과 트랜지스터는 수평과 수직, 두 가지의 구조로 제작될 수 있다. 수평형 전계효과 트랜지스터는 빠른 스위칭 속도를 가져, 전력 집적 회로와 높은 성능의 센서 응용 분야에 여러 장점을 가지고 있다. 반면에 수직형 전계 효과 트랜지스터는 높은 패킹 밀도와 낮은 온 저항을 가지기 때문에 높은 전력을 요구하는 응용분야에서 선호하는 구조이다. 본 논문에서는 4H-SiC를 사용하여 전력소자의 성능을 향상하기 위하여 수평 및 수직형 구조를 가지는 전계효과 트랜지스터의 디자인, 제작 및 특성 평가를 연구하였다. 실리콘 카바이드 수평형 전계효과트랜지스터가 높은 전력밀도와 고온에서 안정적으로 동작하게 하기 위하여 축적 채널로서의 이온 임플란테이션 층과 이중 게이트구조, 채널영역으로서의 나노리본 구조 등을 고안하였다. 제작된 탄화규소 수직형 전계효과트랜지스터 구조는 낮은 게이트 누설전류와 높은 캐리어 이동도, 고온에서의 향상된 동작특성을 가지는 것을 확인하였다. 제작된 소자는 Normally-on 특성을 가지며 문턱전압은 3V를 가졌다. 탄화규소 수직형 전계효과트랜지스터로는 1250V의 항복전압과 5V의 문턱전압을 가지는 4인치 웨이퍼상에 SiC DMOSFET이 설계 및 제작되었다. 본 구조는 게이트 아래의 p-base 영역 사이에 buried p-region 구조를 추가하여 기존의 DMOSFET에서 보다 높은 게이트 옥사이드 항복전압을 달성하였다. 향상된 게이트 구조는 JFET 영역과 게이트 옥사이드 계면에 형성되는 높은 전계를 효과적으로 막아주는 것을 시뮬레이션 및 실험 결과를 통하여 확인하였다. 본 논문에서 설계 제작된 4H-SiC 기반의 수평구조 및 수직구조의 전력 전계효과트랜지스터는 향상된 게이트 구조의 최적화를 통하여 고온에서 에너지 효율을 높일것으로 기대한다. SiC (silicon carbide) based devices are expected to have high electrical stress and high temperature operation capabilities on the basis of their physical properties, including a wide-bandgap (~3.26 eV), high thermal conductivity (~4.9 W/cm∙K), high critical field (~3 MV/cm), and high bulk mobility (μn= 800~950 cm2/V∙s, μp= 115cm2/V∙s). Despite these potential advantages, the high density of interfacial between SiO2/SiC trapping states and poor gate oxide reliability are critical obstacles to the development of SiC power transistors. In terms of device structure, field-effect transistors (FETs) can be designed with either a lateral or vertical structure. Lateral FETs have the extrinsic advantage of realizing power integrated circuits. In contrast, vertical FETs are preferred in high-power applications due to their higher cell-packing density, and consequently lower on-resistance. This thesis focuses on the design, fabrication, and characterization of laterally and vertically structured metal–oxide–semiconductor field-effect transistors (MOSFETs) to demonstrate improved performance achievable using 4H-SiC. For stable operation at high power densities and high temperatures, improved gate modifications are implemented. The fabricated SiC lateral field-effect transistors have a nanoribbon structure as a channel region to improve thegate performance. The fabricated SiC lateral FETs show normally-on characteristics, a threshold voltage of 3 V. Our results suggest that the laterally structured SiC FETs have lower gate leakage current and improved device characteristics at elevated temperatures. In SiC vertical field-effect transistors, a double-implanted MOSFET (DMOSFET) with 1200V blocking voltage was designed and fabricated. This structure introduces a buried p-region between the p-base spacing to take advantage of the higher gate oxide breakdown. The improved gate structure provides effective shielding to prevent a high electricfield in the gate oxide. Large-scaled SiC vertical MOSFETs were fabricated with a blocking voltage of 1250V and a threshold voltage of 5V. Our results suggest that the proposed nano-structured lateral FETs are improved device characteristics in integrated circuits at elevated temperatures and vertical FETs with the gate modification structure have the advantage of high-power applications.