본 연구실은 에너지 빅데이터와 인공지능 기술을 융합하여 전력계통의 효율적 운영과 최적화를 목표로 하고 있습니다. 최근 전력계통에는 다양한 분산형 에너지 자원과 재생에너지의 도입이 확대되면서, 복잡성과 불확실성이 크게 증가하고 있습니다. 이에 따라 대규모 에너지 데이터를 효과적으로 수집, 분석, 처리하는 기술이 필수적으로 요구되고 있습니다. 본 연구실은 전력계통에서 발생하는 다양한 데이터를 활용하여, 딥러닝(Deep Learning), 강화학습(Deep Reinforcement Learning), 생성적 적대 신경망(GAN) 등 최신 인공지능 기법을 적용한 연구를 수행하고 있습니다. 특히, 실시간 전력수요 예측, 고장 데이터 생성 및 분류, 배전계통의 전력조류 계산 등 다양한 분야에서 인공지능 기반의 데이터 분석 및 예측 모델을 개발하고 있습니다. 예를 들어, GAN을 활용한 송전선로 고장 데이터 증강, LSTM 기반의 고장 유형 분류, 그리고 GRU-Attention 알고리즘을 이용한 초단기 전력수요예측 등은 실제 산업 현장에 적용 가능한 수준의 성능을 보이고 있습니다. 이러한 연구는 전력계통의 신뢰성 향상과 운영 효율 극대화에 크게 기여하고 있습니다. 또한, 본 연구실은 데이터 기반의 능동배전망 운영, 건물에너지관리시스템(BEMS) 최적화, 전기자동차 충전 스케줄링 등 다양한 응용 분야로 연구를 확장하고 있습니다. 실시간 데이터와 인공지능을 결합함으로써, 에너지 소비 패턴을 정밀하게 분석하고, 예측 정확도를 높이며, 에너지 자원의 효율적 배분을 실현하고 있습니다. 이러한 연구는 스마트그리드, 스마트시티, 친환경 에너지 시스템 구축에 핵심적인 역할을 하고 있습니다.

본 연구실은 데이터 기반의 스마트 빌딩 에너지 관리와 전기자동차(EV) 통합 운영 기술 개발에 중점을 두고 있습니다. 스마트 빌딩에서는 다양한 센서와 IoT 기기를 통해 실시간으로 수집되는 데이터를 활용하여, 건물 내 HVAC(냉난방, 환기, 공조) 시스템의 에너지 효율을 극대화하고, 재실자 맞춤형 쾌적 환경을 제공하는 연구를 진행하고 있습니다. 머신러닝과 딥러닝을 활용한 개인화 열쾌적도 예측, 강화학습 기반의 HVAC 제어, 그리고 유연한 에너지 스케줄링 기법 등이 대표적인 연구 성과입니다. 전기자동차의 보급 확대에 따라, EV 충전 스케줄링 및 충전소 운영 최적화도 중요한 연구 주제입니다. 본 연구실은 EV 충전 수요 예측, 충전 스케줄링 알고리즘, 태양광 및 에너지저장장치(ESS)와 연계된 충전소 운영 전략 등 다양한 주제를 다루고 있습니다. 예를 들어, Stackelberg 게임 이론을 적용한 수요반응 기반 EV 충전, 태양광 발전과 ESS를 통합한 충전소의 수익 극대화 방안, 그리고 실시간 데이터 기반의 충전 스케줄링 모델 등이 실제 논문과 특허로 발표되었습니다. 이러한 연구는 스마트 빌딩과 EV가 연계된 미래형 에너지 시스템의 구현에 필수적입니다. 데이터 기반의 통합 에너지 관리 기술은 에너지 비용 절감, 전력망 안정성 향상, 사용자 편의성 증대 등 다양한 사회적·경제적 효과를 창출할 수 있습니다. 본 연구실은 실제 건물 및 캠퍼스, 산업 현장에 적용 가능한 솔루션 개발을 목표로, 산학협력 및 정부과제 등을 통해 활발히 연구를 이어가고 있습니다.