기존 건물 HVAC 시스템에 대한 다섯 가지 기계학습 모델 개발

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

논문명	기존 건물 HVAC 시스템에 대한 다섯 가지 기계학습 모델 개발 / Five Machine Learning Models for HVAC Systems in an Existing Office Building
저자명	라선중(Ra, Seon-Jung) ; 신한솔(Shin, Han-Sol) ; 서원준(Suh, Won-Jun) ; 추한경(Chu, Han-Gyeong) ; 박철수(Park, Cheol-Soo)
발행사	대한건축학회
수록사항	대한건축학회논문집 구조계, Vol.33 No.10 (2017-10)
페이지	시작페이지(69) 총페이지(9)
ISSN	1226-9107
주제분류	재료 / 환경및설비
주제어	기존 건물 ; 기계학습 ; 데이터 기반 모델 ; HVAC 시스템 ; 시뮬레이션 모델//Existing building ; machine learning ; data-driven model ; HVAC system ; Simulation model
요약2	The first principles-based simulation model, e.g. dynamic simulation, is influenced by model uncertainty, simplification of the reality, lack of information, a modeler’s subjective assumptions, etc. Recently, a data-driven machine learning model has received a growing attention for simulation of existing buildings. The data-driven model is advantageous that it is simpler and requires less inputs than the first principles based model. In this study, the authors applied five different machine learning techniques (Artificial Neural Network, Support Vector Machine, Gaussian Process, Random Forest, and Genetic Programming) to HVAC systems (chiller, cooling tower, pump, ice thermal storage system and air handling unit) installed in an existing office building. It was found that the five machine learning models are good enough to predict the dynamic behavior of the HVAC systems. The machine learning model made by Genetic Programming is most accurate among the five machine learning models. The models made by Support Vector Machine and Gaussian Process Model require significant computation time and thus are limited in terms of the number of inputs. The accuracy of the model made by Random Forest is dependent on the set of inputs.
소장처	대한건축학회

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] 기계학습 시뮬레이션 모델을 이용한 설비시스템 최적제어 박철수 ; 서원준 ; 신한솔 ; 추한경 ; 라선중 - 설비 \| 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
[특집] 국내 친환경 건축물 사례 분석 정지나 ; 김용석 ; 이승민 - 그린빌딩(한국그린빌딩협의회지) : v.9 n.1 (200803)
[시론] 4차 산업혁명 시대, 건축의 대응 이명식(Lee, Myung-Sik) - 건축(대한건축학회지) : Vol.61 No.05 (201705)
[특집원고] 인공지능 기반 MPC를 통한 개별 공조시스템의 최적운전 서병모 ; 이광호 - 설비 \| 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
가우시안 프로세스 모델을 이용한 냉각탑 최적제어 김재민(Kim, Jae-Min) ; 신한솔(Shin, Han-Sol) ; 추한경(Chu, Han-Gyeong) ; 이동혁(Yi, Dong-Hyuk) ; 박성호(Park, SungHo) ; 여명석(Yeo, Myoung-Souk) ; 박철수(Park, Cheol-Soo) - 추계학술발표대회 : 2018 (201811)
사무소 건물에서 냉동기의 대수제어를 통한 냉동기 거동 특성 및 에너지 절감 효과 분석 서병모(Byeong-Mo Seo) ; 손정은(Jeong-Eun Son) ; 이광호(Kwang Ho Lee) - 설비공학논문집 : Vol.28 No.04 (201604)
국내 패시브건축물 설계 및 시공사례 이명주 - 한국그린빌딩협의회 추계학술강연회 논문집 : (200911)
기존 건축물을 위한 건물 에너지 프로파일링 시스템 개발 안기언(Ahn, Ki Uhn) ; 김영민(Kim, Young Min) ; 김용세(Kim, Yong Se) ; 윤성환(Yoon, Seong Hwan) ; 신한솔(Shin, Han Sol) ; 박철수(Park, Cheol Soo) - 대한건축학회논문집 구조계 : Vol.32 No.12 (201612)
건물 에너지 진단을 위한 시뮬레이션 적용시 쟁점과 한계 서원준(Suh, Won-Jun) ; 박철수(ParkCheol-Soo) - 대한건축학회논문집 계획계 : v.28 n.01 (201201)