학과소식/커뮤니티

department of electronic engineering
sogang university

학과소식

김홍석 교수 연구팀, 국제 딥러닝 컨퍼런스‘ICLR Climate Change AI workshop 2020’ 논문 두 편 Accept
  • 2020.02.27
  • 1028

김홍석 교수 연구팀, 국제 딥러닝 컨퍼런스
‘ICLR Climate Change AI workshop 2020’ 논문 두 편 Accept

- 기후변화 방지를 위한 딥러닝 기반 재생에너지 발전량 및 에너지 소비량 예측의 새로운 패러다임 제시

 

 

전자공학과 김홍석 교수 연구팀(정재익 박사과정 및 박경남 석사)The 8th International Conference on Learning Representations (ICLR 2020)Climate Change AI workshop에 두 편의 논문을 발표하게 되었다. 두 논문은 기후변화 방지를 위한 에너지 예측에 새로운 패러다임을 제시하였다.

 

기후변화 방지를 위해 화석연료 대신 태양광/풍력 등의 재생에너지 사용의 중요성이 부각되었고, 재생에너지의 효율적인 활용을 위해서는 재생에너지 발전량 예측이 중요하다. ‘Deep Reinforcement Learning based Renewable Energy Error Compensable Forecasting’ 논문에서는 딥러닝에 강화학습을 결합한 심층강화학습을 사용하여 배터리를 사용한 오차 보정 가능한 예측이라는 새로운 개념을 제안하였다. 기존에는 예측 오차를 줄이기 위한 연구만이 제안 되었고, 배터리를 활용하여 사후에 오차를 보정하였으나 본 연구에서는 연속값 제어를 가능하게 하는 심층강화학습 기법 중 하나인 Proximal Policy Optimization (PPO)를 사용하여 역으로 보정 가능한 오차를 만들어 내는 예측 기법을 제안하여 기존 기법 대비 성능을 획기적으로 향상시켰다.

 

에너지 소비량 예측은 소비량에 맞춰진 에너지 공급을 할 수 있도록 하게 하여 과도한 화석연료 사용을 방지할 수 있다. 그러나 실제 환경에서는 통신 장애 등으로 인하여 데이터 결측(Missing)이 발생할 수 있다. ‘Missing-insensitive Short-term Load Forecasting Leveraging Autoencoder and LSTM’ 논문에서는 딥러닝 기반 데이터 결측에 강인한 예측을 제안하였다. Convolutional Autoencoder를 사용하여 특징을 추출 후 이를 Long Short-Term Memory (LSTM)에 입력으로 사용함으로써 데이터 결측에 따른 영향이 자동적으로 보정되게 하는 기법을 제안하였으며, 그 결과 미싱데이터 처리를 위한 전처리 과정이 필요 없어졌으며 예측 정확도 역시 기존 기법 대비 성능을 크게 향상되었다.

 

ICLR 2020Climate Change AI workshopAI를 활용하여 기후위기를 극복하고자 Yoshua Bengio, Andrew Ng 등 최고의 AI 전문가들이 커미티로 참여한다.

    

 

논문명, 저자정보

 

- 논문제목: Deep Reinforcement Learning based Renewable Energy Error Compensable Forecasting

- 저자 정보 : 정재익(1저자), 김홍석(교신저자, 서강대)

- 논문제목: Missing-insensitive Short-term Load Forecasting Leveraging Autoencoder and LSTM

- 저자 정보 : 박경남(1저자), 정재익(참여저자), 김홍석(교신저자, 서강대)