표제지
국문초록
목차
제1장 서론 10
제1절 연구의 배경 및 필요성 10
제2절 연구 동향 11
제3절 연구의 목적 및 구성 16
제2장 이론적 배경 17
제1절 DNN 모델 17
제2절 LSTM 모델 19
제3절 CNN 모델 22
제3장 방법론 23
제1절 데이터 수집 24
1. 재실인원 데이터 수집 24
2. 전력소비량 데이터 수집 25
3. 데이터 전처리 25
제2절 재실인원 추정방법 26
1. 재실인원 추정을 위한 데이터 분석 26
2. 딥러닝 기반의 재실인원 추정 27
제3절 전력소비량 예측 방법 29
1. 전력소비량 데이터 분석 29
2. 딥러닝 기반의 전력소비량 예측 30
제4장 실험 및 결과 31
제1절 실험환경 31
제2절 재실인원 추정 41
1. 재실인원 데이터 분석 41
2. 딥러닝을 이용한 재실인원 추정 49
제3절 전력소비량 예측 57
1. 전력소비량 데이터 분석 57
2. 재실인원과 전력소비량간의 상관관계 분석 59
3. 딥러닝을 이용한 전력소비량 예측 60
제5장 결론 65
참고문헌 66
ABSTRACT 72
표 2.1. 활성화 함수 18
표 4.1. 수집 데이터 정보 37
표 4.2. CNN 기반 모델의 구조 39
표 4.3. 재실인원 추정 및 전력소비량 예측을 위한 하이퍼파라미터 설정 40
표 4.4. 재실인원 추정결과 성능 지표 52
표 4.5. 재실인원 기반 전력소비량 예측 결과 성능 지표 64
그림 2.1. DNN 구조 17
그림 2.2. RNN 구조 19
그림 2.3. LSTM 구조 20
그림 2.4. CNN 구조 22
그림 3.1. 딥러닝을 이용한 재실인원 추정 및 전력소비량 예측 방법론 23
그림 4.1. 사례연구의 방 구조도 및 카메라 설치 위치 31
그림 4.2. 데이터 수집 시스템 구성도 32
그림 4.3. 카메라 타입 1의 하드웨어 및 재실인원 인식장면 33
그림 4.4. 카메라 타입 2의 하드웨어 및 재실인원 인식장면 34
그림 4.5. 전력소비량 데이터 수집을 위해 설치된 전력량계 36
그림 4.6. 센싱 및 실측 재실인원 42
그림 4.7. 시간대별 재실인원 측정오차 43
그림 4.8. 인원수별 재실인원 측정오차 44
그림 4.9. 인식오류 발생상황 46
그림 4.10. 실측데이터와 센싱데이터의 패턴과 히스토그램 48
그림 4.11. 방1의 재실인원 추정결과 50
그림 4.12. 방2의 재실인원 추정결과 51
그림 4.13. 모델별 정확도 개선율 52
그림 4.14. CNN기반 모델을 이용한 재실인원 추정결과 54
그림 4.15. 시간대별 재실인원 측정오차 55
그림 4.16. 인원수별 재실인원 측정오차 56
그림 4.17. 시간에 따른 재실인원과 전력소비량 패턴 분석 58
그림 4.18. 재실인원과 전력소비량 상관관계 분석 59
그림 4.19. 전력소비량 예측 62
그림 4.20. 센싱 및 추정 전력소비량의 오차분석 63