도서정보

출간도서
분야별도서
분야별도서

핵심 기술로 알아보는 그린-디지털 뉴딜

  • 저자 허돈 외 6인
  • 페이지 166 page
  • 크기 190*260 mm
  • ISBN 978-89-6131-075-8
  • 발행일 2021-10-01
  • 정가 15,000원
  • 저자 허돈 외 6인
  • ISBN 978-89-6131-075-8
  • 페이지 166 page
  • 발행일 2021-10-01
  • 크기 190*260 mm
  • 정가 15,000원

우리나라의 그린 뉴딜과 디지털 뉴딜의 핵심 요소 기술에 대한 소개와 더불어 최근 동향과 향후 전망 등을 분석해 봄으로써 국제 환경의 변화에 유연하게 대응하면서 그린 전환과 디지털 전환을 가속화하여 한국판 뉴딜이 성공적인 성과를 도출하는데 있어서 본 도서가 마중물이 되기를 기대하고 있습니다.
본 도서의 전반부 그린 뉴딜은 1장 빅데이터 및 양방향 지능형 검침 인프라를 활용한 에너지 효율화 기술, 2장 해상 풍력 발전, 그리고 3장 중남미에서 사회 문제로 대두되고 있는 도전 행위를 방지하기 위한 검출 기법 등으로 구성되고, 후반부 디지털 뉴딜은 4장 인공지능 기반 의료 신호처리 기술과 5장 인공지능 기반 영상처리 기술, 6장 지능형 시스템 적용을 위한 다양한 최적화 알고리즘, 그리고 7장 인공지능의 신뢰성을 한층 향상하기 위한 설명가능 인공지능 기법 등으로 구성되어 있습니다.
끝으로 본 도서는 산업통상자원부-한국에너지기술평가원의 에너지인력양성사업 ‘IoE 기반의 수요반응 기술 고급 트랙’에 참여하고 있는 교수진이 각자의 전문 분야에 대해서 최대한 객관적으로 알기 쉽게 작성하려고 노력했음에도 불구하고, 부족하고 미흡한 부분에 대해서는 독자의 이해를 구합니다.

허돈
서울대학교 전기공학부에서 공학사(1997년)와 공학석사 (1999년), 서울대학교 전기·컴퓨터공학부에서 공학박사(2004년)를 취득하였다. 2005년 09월부터 현재까지 광운대학교 전기공학과 교수로 재직 중이며, 한국에너지공단 수요관리 심의위원, 한국전력거래소 비용평가실무협의회 위원, 한국수력원자력 연구개발위원회 사외 위원으로 활동 중이다. 주 연구 분야는 전기에너지 시스템의 경제성 분석, 전력계통 계획 및 운용, 부하관리 및 에너지 효율화 기술 등이다.

송승호
서울대학교에서 전기공학 분야 공학사/공학석사 학위를 취득한 후 ㈜포스콘 연구원으로 근무하여 압연용 전동기 구동시스템의 국산화 개발업무를 수행하였다. 1995년부터 1999년 박사학위를 받을 때까지 삼성, 포스콘, LG, Yaskawa 등 국내외의 전력전자 전문 기업과 전동기 제어 시스템분야 프로젝트를 수행하였다. 2000년 전북대학교 교수로 부임한 이후 풍력발전 연구센터를 운영하면서 풍력 터빈의 전기 제어시스템 분야 국산화 개발 프로젝트에 참여하였다. 2006년 광운대학교 전기공학과 교수로 부임한 이후에도 풍력발전 제어시스템 뿐만 아니라 태양광, 연료전지 및 BESS (Battery Energy Storage System)용 전력변환장치(PCS, Power Conditioning System) 기술개발과 전력계통의 수용성 향상에 관한 연구를 수행하고 있다.

김진영
서울대학교 전자공학과 공학박사/SK텔레콤 중앙연구원 책임연구원/미국 Princeton University, Research Fellow/미국 M.I.T. 공과대학, Visiting Scientist/IEEE Senior Member/광운대학교 전자융합공학과 교수/연구 분야: 에너지 인공지능/사물인터넷/이동통신시스템

김형석
KAIST와 서울대학교에서 전자공학분야 공학사와 공학석사를 마친 후 미국 University of Wisconsin-Madison에서 공학박사 학위를 취득하였다. 한국통신 연구개발본부 전임연구원으로 근무하였으며 현재 광운대학교 전기공학부 교수로 재직 중이다. 주요 관심분야는 디지털 신호처리 기술, 에너지 인터넷 및 인공 지능 분야이다.

이기백
KAIST 전기및전자공학과에서 공학사(2006년)와 공학박사 (2014년)를 취득하였으며, 2014년부터 현재까지 광운대학교 전기공학과 부교수로 재직 중이다. 주 연구 분야는 로봇 지능 제어와 기계학습, 강화학습, 다목적 최적화 알고리즘 등이다.

오정현
서울대학교 전기공학부를 졸업하여 동대학원에서 석사 및 박사 학위를 받았다. 졸업 후 삼성전자 Samsung Research에서 책임 연구원으로 근무하였으며, 현재는 광운대학교 로봇학부의 조교수이다. 주요 연구 분야는 로보틱스 및 인공지능 분야이다.

박병준
서울대학교 컴퓨터공학 분야 공학사, 미국 University of Minnesota 컴퓨터과학 분야 공학 석사, 미국 University of Illinois at Urbana-champaign 컴퓨터과학 분야 공학 박사를 취득하였다. US Army Construction Engineering Researcher Lab에서 연구원, 미국 Epic System에서 선임연구원, 미국 SPSS Inc에서 선임연구원의 경력을 쌓았으며 현재는 광운대학교 소프트웨어학부 교수로 재직 중이다. 주 관심 분야는 인공지능, 데이터마이닝, 자연어처리, 기계학습 등이다.

1 그린 뉴딜

제1장 전력 소비구조 혁신을 통한 에너지 효율화 기술
1.1 전력 빅데이터 분석을 활용한 에너지 효율화 기술
1.1.1 국내 기술 동향 및 수준
1.1.2 국외 기술 동향 및 수준
1.2 양방향 지능형 검침 인프라 (AMI) 구축을 통한 에너지 효율화 기술
1.2.1 국내 기술 동향 및 수준
1.2.2 국외 기술 동향 및 수준
참고문헌

제2장 해상 풍력 발전의 현황과 미래
2.1 국내외 해상 풍력 발전의 현황
2.1.1 국내 해상 풍력발전의 운영 현황
2.1.2 세계 해상 풍력의 설치 및 운영 실적
2.1.3 해상 풍력발전의 생산 단가 하락 현황 및 전망
2.2 해상 풍력 발전 단지 개발의 특징과 경향
2.2.1 해상 풍력발전용 터빈 용량의 증가 추세
2.2.2 해상풍력 단지의 대형화
2.2.3 연안 거리 및 수심의 확대
2.3 해상풍력 확대에 따라 주목해야 할 기술
2.3.1 부유식 풍력발전 기술
2.3.2 전력계통 유연화 기술
2.3.3 디지털 융합형 기술
참고문헌

제3장 에너지 절도 방지를 위한 검출 시스템
3.1 에너지 절도의 개념
3.2 에너지 절도 검출 기법
3.2.1 에너지 절도 검출 기법 분류
3.2.2 에너지 절도 검출 기법별 검출 방식
3.3 에너지 절도 검출 사례
3.4 소결
참고 문헌

2 디지털 뉴딜

제4장 인공지능 기반 신호처리 기술
4.1 딥러닝 신호처리 종류와 기본 구조
4.1.1 지도 심층 모델
4.1.2 비지도 심층 모델
4.2 딥러닝 모델의 특징과 학습 전략
4.3 의료 신호처리 분야의 딥러닝 응용
4.3.1 분류 (Classification)
4.3.2 검출(Detection)
4.3.3 영역 추출(Segmentation)
4.4 딥러닝 신호처리 기술의 발전 방향
참고문헌

제5장 인공지능기반 영상처리 기술
5.1 인공지능기반 영상처리 기술 개요
5.1.1 영상처리의 정의 및 필요성
5.1.2 인공지능기반 영상처리 기술 전반의 동향
5.2 영상인식 기술 응용 사례
5.2.1 이미지 분류
5.2.2 동작(모션) 인식 및 분류
5.3 물체인식 기술 응용 사례
5.3.1 상품 인식 및 분류
5.3.2 인물 감지 및 인식
5.3.3 미확인물체 감지 및 인식
참고문헌

제6장 지능형 시스템 적용 최적화 기술
6.1 개요
6.2 문제 정의
6.2.1 Miller-Tucker-Zemlin 전개 방법
6.2.2 Dantzig-Fulkerson-Johnson 전개 방법
6.3 TSP (Traveling salesman problem) 해결 방법
6.3.1 완전 탐색(Brute force search)
6.3.2 탐욕 알고리즘(Greedy algorithm)
6.3.3 k-opt 알고리즘
6.3.4 분할 및 정복 알고리즘(Divide and conquer algorithm)
6.3.5 유전 알고리즘(Genetic algorithm)
6.3.6 개미 군락 최적화 알고리즘(Ant colony optimization algorithm)
6.3.7 입자 군집 최적화 알고리즘(Particle swarm optimization algorithm)
6.4 소결
참고문헌

제7장 설명가능 인공지능 기술
7.1 설명가능 인공지능 개요
7.1.1 개념 및 정의
7.1.2 필요성
7.1.3 인공지능 역사와 설명가능성 연구
7.1.4 모델 성능과 설명가능성의 트레이드오프
7.1.5 적용분야
7.1.6 설명가능성 기법 유형별 분류
7.2 모델 특정적 설명가능성 기법
7.2.1 랜덤 포레스트에 대한 설명가능성 제공 기법
7.2.2 심층신경망 모델 특정적 설명가능성 기법
7.3 모델에 관계없이 적용가능한 설명가능성 기법
7.3.1 대리자 모델 (Surrogate Model)
7.3.2 민감도 분석(Sensitivity Analysis)
7.3.3 PDP(Partial Dependence Plot)
7.3.4 ICE(Individual Conditional Expectation)
7.3.5 LRP(Layer-wise Relevance Propagation)
7.3.6 SpRAy(Spectral Relevance Analysis)
참고문헌