난방시스템 최적 셋백온도 적용시점 예측을 위한 인공신경망모델 개발

뒤로	원문보기 \| 미리보기 [ 원문보기시 소비되는 포인트 : 100 포인트 ]

논문명	난방시스템 최적 셋백온도 적용시점 예측을 위한 인공신경망모델 개발 / Development of Artificial Neural Network Model for Predicting the Optimal Setback Application of the Heating Systems
저자명	백용규(Baik, Yong Kyu) ; 윤연주(Yoon, younju) ; 문진우(Moon, Jin Woo)
발행사	한국생태환경건축학회
수록사항	KIEAE Journal, Vol.16 No.3(통권 79호) (2016-06)
페이지	시작페이지(89) 총페이지(6)
ISSN	2288-968X
주제분류	환경및설비
주제어	인공신경망 ; 예측제어 ; 난방시스템 ; 셋백온도//Artificial Neural Network ; Predictive Controls ; Heating Systems ; Setback Temperature
요약2	Purpose: This study aimed at developing an artificial neural network (ANN) model to predict the optimal start moment of the setback temperature during the normal occupied period of a building. Method: For achieving this objective, three major steps were conducted: the development of an initial ANN model, optimization of the initial model, and performance tests of the optimized model. The development and performance testing of the ANN model were conducted through numerical simulation methods using transient systems simulation (TRNSYS) and matrix laboratory (MATLAB) software. Result: The results analysis in the development and test processes revealed that the indoor temperature, outdoor temperature, and temperature difference from the setback temperature presented strong relationship with the optimal start moment of the setback temperature; thus, these variables were used as input neurons in the ANN model. The optimal values for the number of hidden layers, number of hidden neurons, learning rate, and moment were found to be 4, 9, 0.6, and 0.9, respectively, and these values were applied to the optimized ANN model. The optimized model proved its prediction accuracy with the very storing statistical correlation between the predicted values from the ANN model and the simulated values in the TRNSYS model. Thus, the optimized model showed its potential to be applied in the control algorithm.
소장처	한국생태환경건축학회

스크랩하기

추천문헌	이 논문을 열람하신 아우릭 회원님들이 많이 열람하신 논문을 추천해 드립니다.
인공신경망 모델을 이용한 냉동기 및 공조기 최적 기동/정지 제어 박성호(Park, SungHo) ; 안기언(Ahn, Ki Uhn) ; 황승호(Hwang, Aaron) ; 최선규(Choi, Sunkyu) ; 박철수(Park, Cheol Soo) - 대한건축학회논문집 구조계 : Vol.35 No.02 (201902)
[특집원고] 인공지능 기반 MPC를 통한 개별 공조시스템의 최적운전 서병모 ; 이광호 - 설비 \| 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
열화상 측정법과 열류량 측정법을 이용한 기존 외벽체의 열관류율 및 민감도 분석 최두성(Doo-Sung Choi) ; 고명진(Myeong-Jin Ko) - 한국생활환경학회지 : Vol.24 No.2 (201704)
기존 건물 HVAC 시스템에 대한 다섯 가지 기계학습 모델 개발 라선중(Ra, Seon-Jung) ; 신한솔(Shin, Han-Sol) ; 서원준(Suh, Won-Jun) ; 추한경(Chu, Han-Gyeong) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 구조계 : Vol.33 No.10 (201710)
인공신경망을 이용한 건물의 단기 부하 예측 모델 전병기(Byung Ki Jeon) ; 김의종(Eui-Jong Kim) - 설비공학논문집 : Vol.29 No.10 (201710)
최근 건축분야의 인공지능 기계학습 연구동향 강인성(Kang, In Sung) ; 문진우(Moon, Jin Woo) ; 박진철(Park, Jin Chul) - 대한건축학회논문집 구조계 : Vol.33 No.04 (201704)
국내 패시브건축물 설계 및 시공사례 이명주 - 한국그린빌딩협의회 추계학술강연회 논문집 : (200911)
[시론] 4차 산업혁명 시대, 건축의 대응 이명식(Lee, Myung-Sik) - 건축(대한건축학회지) : Vol.61 No.05 (201705)
BEMS 데이터를 활용한 인공신경망 기반 최적 난방시점 예측에 관한 연구 장지훈(Jang, Ji-Hoon) ; 이승복(Leigh, Seung-Bok) - 대한건축학회 학술발표대회 논문집 : Vol.37 No.2 (201710)
건물 냉방시스템의 예측제어를 위한 인공신경망 모델 개발 강인성(Kang, In-Sung) ; 양영권(Yang,Yung-Kwon) ; 이효은(Lee, Hyo-Eun) ; 박진철(Park, Jin-Chul) ; 문진우(Moon, Jin-Woo) - KIEAE Journal : Vol.17 No.5(통권 87호) (201710)