다종 에너지 상관관계 기반 이상 소비 탐지 및 수요 예측

Correlation-driven Multienergy Anomaly Detection and Forecasting

연구 내용

다종 에너지원 간 상관관계를 활용해 피처 융합 기반 이상 소비를 탐지하고, 결측 에너지원을 추론하여 수요 예측 성능을 개선하는 연구

다종 에너지원의 소비 패턴을 독립적으로 다루는 한계를 줄이기 위해, 에너지원 간 상관관계를 기반으로 원시 특징을 통합하는 피처 퓨전과 학습 구조를 설계합니다. 이를 통해 다중 센싱 기반 환경에서 이상 소비를 안정적으로 분리하고, 결측된 에너지원을 자기학습 형태의 추론으로 보완하여 예측 공정의 연속성을 확보합니다. 또한 엣지-클라우드 협업으로 전송 오버헤드를 조절해 예측 모델의 성능을 유지하는 데이터 처리 흐름을 구축합니다.

관련 프로젝트

5건

연구 흐름

연구는 다종 에너지원의 동시 관측 데이터를 바탕으로 상관관계를 활용한 예측 모델링을 중심으로 시작되었습니다. 이후 상관 기반 어텐션과 다단 손실 학습을 통해 에너지원별 기여도를 구조적으로 반영하는 방향으로 확장되었습니다. 2024년에는 다중 에너지원 이상 탐지와 에너지 소비 예측의 학습 안정성을 높이기 위한 상관 기반 학습을 심화했습니다. 2025~2026년에는 결측 에너지원을 추론하여 파이프라인의 누락 문제를 완화하고, OPC UA 기반 마이크로그리드에서 엣지 전송 제어와 함께 예측 부담을 줄이는 운영형 프레임워크로 발전시켰습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

다종 에너지 이상 소비 진단
에너지 자산관리 고장 예지
AMI 기반 수요 예측
스마트 빌딩 자동제어 고도화
에너지 절감 운영 최적화
엣지-클라우드 에너지 모니터링
상관관계 기반 이상 탐지 지표
실시간 에너지 품질 감시
재생에너지 연계 예측
에너지 관리 데이터 플랫폼 연동