과거에는 전력데이터를 분석하는 기법으로 주로 기계학습의 지도학습 기법을 많이 활용하였고 데이터 마이닝 기법을 통한 패턴 검출을 주로 연구하였다. 그러나 전력데이터의 규모 커지고 ...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A103845329
정세훈 (순천대학교) ; 신창선 (순천대학교) ; 조용윤 (순천대학교) ; 박장우 (순천대학교) ; 박명혜 (한전 전력연구원) ; 김영현 (한전 전력연구원) ; 이승배 (한전 전력연구원) ; 심춘보 (순천대학교) ; Jung, Se Hoon ; Shin, Chang Sun ; Cho, Young Yun ; Park, Jang Woo ; Park, Myung Hye ; Kim, Young Hyun ; Lee, Seung Bae ; Sim, Chun Bo
2017
Korean
KCI등재
학술저널
465-472(8쪽)
0
0
상세조회0
다운로드국문 초록 (Abstract)
과거에는 전력데이터를 분석하는 기법으로 주로 기계학습의 지도학습 기법을 많이 활용하였고 데이터 마이닝 기법을 통한 패턴 검출을 주로 연구하였다. 그러나 전력데이터의 규모 커지고 ...
과거에는 전력데이터를 분석하는 기법으로 주로 기계학습의 지도학습 기법을 많이 활용하였고 데이터 마이닝 기법을 통한 패턴 검출을 주로 연구하였다. 그러나 전력데이터의 규모 커지고 실시간 데이터 공급이 가능해진 현재에는 과거의 데이터 분류 및 분석 기법을 통한 데이터 분석 연구는 한계가 존재한다. 이에 본 논문에서는 큰 규모의 전력데이터를 분석할 수 있는 클러스터링 아키텍처를 제안한다. 제안하는 클러스터링 프로세스는 비지도학습기법인 K-means 알고리즘의 문제점을 보완하고 전력데이터 수집과 분석까지의 모든 과정을 자동화할 수 있는 프로세스이다. 총 3 Level로 구분하여 Row Data Level, Clustering Level, User Interface Level로 구분하여 전력데이터를 분류 및 분석한다. 또한 클러스터링의 효율성 향상을 위하여 주성분분석 및 정규분포기반의 최적의 클러스터 수 K값 추출과 이상점으로 분류되는 데이터 감소를 위한 변형된 K-means 알고리즘을 제시한다.
다국어 초록 (Multilingual Abstract)
In the past, researchers mainly used the supervised learning technique of machine learning to analyze power data and investigated the identification of patterns through the data mining technique. Data analysis research, however, faces its limitations ...
In the past, researchers mainly used the supervised learning technique of machine learning to analyze power data and investigated the identification of patterns through the data mining technique. Data analysis research, however, faces its limitations with the old data classification and analysis techniques today when the size of electric power data has increased with the possible real-time provision of data. This study thus set out to propose a clustering architecture to analyze large-sized electric power data. The clustering process proposed in the study supplements the K-means algorithm, an unsupervised learning technique, for its problems and is capable of automating the entire process from the collection of electric power data to their analysis. In the present study, power data were categorized and analyzed in total three levels, which include the row data level, clustering level, and user interface level. In addition, the investigator identified K, the ideal number of clusters, based on principal component analysis and normal distribution and proposed an altered K-means algorithm to reduce data that would be categorized as ideal points in order to increase the efficiency of clustering.
참고문헌 (Reference)
1 박명혜, "에너지 IoT 플랫폼 개발에 관한 연구" 한국정보처리학회 5 (5): 311-318, 2016
2 윤상후, "시간단위 전력수요자료의 함수적 군집분석: 사례연구" 한국데이터정보과학회 26 (26): 885-894, 2015
3 박다인, "시간단위 전력사용량 시계열 패턴의 군집 및 분류분석" 한국데이터정보과학회 28 (28): 395-406, 2017
4 이정민, "데이터센터 내 효율적인 전력관리를 위한 온톨로지 기반 모니터링 기법" 한국정보과학회 42 (42): 580-590, 2015
5 홍의석, "대표적인 클러스터링 알고리즘을 사용한 비감독형 결함 예측 모델" 한국정보처리학회 3 (3): 57-64, 2014
6 S. H. Jung, "Prediction Data Processing Scheme using an Artificial Neural Network and Data Clustering for Big Data" 6 (6): 330-336, 2016
7 박진형, "GIS-AMR 시스템에서 시공간 데이터마이닝 기법을이용한 전력 소비 패턴의 분석 및 예측" 한국정보처리학회 16 (16): 307-316, 2009
8 S. H. Ryu, "Customer Load Pattern Analysis using Clustering Techniques" 2 (2): 61-69, 2016
9 S. H. Jung, "A Novel on Hybrid Machine Learning Method based on Big Data Mining" Sunchon National University 2017
10 K. Zhang, "A New K-means Clustering Algorithm for Point Cloud" 8 (8): 157-170, 2015
1 박명혜, "에너지 IoT 플랫폼 개발에 관한 연구" 한국정보처리학회 5 (5): 311-318, 2016
2 윤상후, "시간단위 전력수요자료의 함수적 군집분석: 사례연구" 한국데이터정보과학회 26 (26): 885-894, 2015
3 박다인, "시간단위 전력사용량 시계열 패턴의 군집 및 분류분석" 한국데이터정보과학회 28 (28): 395-406, 2017
4 이정민, "데이터센터 내 효율적인 전력관리를 위한 온톨로지 기반 모니터링 기법" 한국정보과학회 42 (42): 580-590, 2015
5 홍의석, "대표적인 클러스터링 알고리즘을 사용한 비감독형 결함 예측 모델" 한국정보처리학회 3 (3): 57-64, 2014
6 S. H. Jung, "Prediction Data Processing Scheme using an Artificial Neural Network and Data Clustering for Big Data" 6 (6): 330-336, 2016
7 박진형, "GIS-AMR 시스템에서 시공간 데이터마이닝 기법을이용한 전력 소비 패턴의 분석 및 예측" 한국정보처리학회 16 (16): 307-316, 2009
8 S. H. Ryu, "Customer Load Pattern Analysis using Clustering Techniques" 2 (2): 61-69, 2016
9 S. H. Jung, "A Novel on Hybrid Machine Learning Method based on Big Data Mining" Sunchon National University 2017
10 K. Zhang, "A New K-means Clustering Algorithm for Point Cloud" 8 (8): 157-170, 2015
스파크 프레임워크를 위한 병렬적 k-Modes 알고리즘
캡슐내시경 검사의 진단 보조를 위한 연관성 기반 지식 모델
OpenGL과 Unity간의 GPU를 이용한 Particle Simulation의 성능 비교
드론의 고도 유지를 위한 가속도센서 기반 고도 측정 알고리즘 개선
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2015-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
2012-10-31 | 학술지명변경 | 한글명 : 소프트웨어 및 데이터 공학 -> 정보처리학회논문지. 소프트웨어 및 데이터 공학 | |
2012-10-10 | 학술지명변경 | 한글명 : 정보처리학회논문지B -> 소프트웨어 및 데이터 공학외국어명 : The KIPS Transactions : Part B -> KIPS Transactions on Software and Data Engineering | |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2003-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2002-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2000-07-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.35 | 0.35 | 0.28 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.23 | 0.19 | 0.511 | 0.06 |