지스트(광주과학기술원)는 황의석 전기전자컴퓨터공학부 교수 연구팀이 인공지능(AI) 기반 시간-주파수 마스크 방식의 비접촉식 세부 전력 사용량 모니터링 기술을 개발했다고 30일 밝혔다.
연구팀은 심층 신경망(DNN) AI 모델을 기반으로 시간-주파수 마스크를 추정하는 접근 방법을 통해 하위 부하의 분해 정확도를 높였고, 중소형 빌딩에서 전력 수요 반응 등에 활용도가 높은 유연한 전력 부하의 식별 및 분리에 적용될 수 있음을 확인했다.
기존 비접촉식 전력 사용량 모니터링 기술은 주로 시간 도메인에서 부하 분해를 수행하는데 이는 하위 부하들이 서로 유사한 패턴을 보이거나 복잡한 소비 형태를 갖는 경우,
전력 총량에서 각각의 목표 부분 부하 패턴을 분리하거나 식별하는데 어려움이 있었다.
연구팀은 시간과 주파수 특징을 동시에 고려할 수 있는 심층 신경망 기반의 시간-주파수 마스크 방식을 비접촉식 전력 사용량 모니터링에 최초로 적용해 기존의 시간 도메인 분해 방법의 한계를 극복했다.
황의석 교수는 “이번 연구는 기존 비접촉식 전력 사용량 모니터링 기술에서 식별하기 어려웠던 유사하거나 복잡한 패턴의 전력 부하 모니터링을 가능하게 하고, 부하 분해 정확도를 높였다”면서 “향후 전력 수요 반응 제어 및 관리 시스템 등을 위한 에너지 정보통신기술(ICT) 융합 플랫폼에 활용될 수 있을 것으로 기대한다”고 말했다.
/광주=김선덕 기자 sdkim@sedaily.com
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
