BEMS 데이터를 활용한 인공신경망 기반 최적 난방시점 예측에 관한 연구

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

논문명	BEMS 데이터를 활용한 인공신경망 기반 최적 난방시점 예측에 관한 연구 / A Prediction of Optimal Heating Timing based on Artificial Neural Network by utilizing BEMS data / 대학생부문
저자명	장지훈(Jang, Ji-Hoon) ; 이승복(Leigh, Seung-Bok)
발행사	대한건축학회
수록사항	대한건축학회 학술발표대회 논문집, Vol.37 No.2 (2017-10)
페이지	시작페이지(563) 총페이지(2)
ISSN	2287-5786
주제분류	환경및설비
주제어	건물에너지관리시스템 ; 실측 데이터 ; 최적 시점 ; 난방 시점 ; 인공신경망//BEMS ; Empirical Data ; Optimal Timing ; Heating Timing ; ANN ; Artificial Neural Network
요약1	국내에서 소비되는 에너지 중에서 건물에 사용되는 에너지는 약 30% 정도로 많은 비중을 차지하고 있다. 특히 오피스 건물의 생애주기 관점에서 건물의 운영을 위하여 사용되는 에너지는 약 86% 정도를 차지하고 있다. 이와 같이 건물의 운영 부문에서 많은 에너지가 소비되기 때문에 최근 건물에너지 운영 효율화를 위하여 BEMS(Building Energy Management System)의 활성화가 추진되고 있는 추세이다. 그러나 기존에 사용되는 BEMS는 하드웨어의 측면에서는 안정화가 이루어졌지만, 전문 인력의 부족과 수집된 BEMS 데이터 분석도구의 부족으로 여러 가지 한계점을 가지고 있다. 따라서 본 연구에서는 운영단계에서 사용되는 BEMS 데이터 분석의 한계점을 개선하기 위하여 인공신경망(Artificial Neural Network: ANN)을 이용한 겨울철 최적 난방시점 예측 방법을 제시하고자 한다.
요약2	Energy consumption of buildings is about 30% of total energy consumption in south korea. In order to save energy consumption of buildings, this study predicted optimal heating timing by using ANN(Artificial Neural Network). This study used empirical BEMS(Building Energy Management System) data that was collected at the office building in In-cheon as ANN's training data. Therefore, this study compared ANN's predictive data with empirical data of the office building. As a result of ANN's prediction, The study has shown that R2 (coefficient of determination) is about 0.89.
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)
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)
[특집원고] 기계학습 시뮬레이션 모델을 이용한 설비시스템 최적제어 박철수 ; 서원준 ; 신한솔 ; 추한경 ; 라선중 - 설비 \| 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
[특집원고] 인공지능 기반 MPC를 통한 개별 공조시스템의 최적운전 서병모 ; 이광호 - 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)
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)
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)
2025년 의무화 로드맵에 따른 공공시설 제로에너지건축물 인증제도 시장 수용성 이승민(Lee, Seung-Min) ; 김진호(Kim, Jin-Ho) ; 신광수(Shin, Gwang-Su) ; 김의종(Kim, Eui-Jong) - 한국건축친환경설비학회 논문집 : Vol.12 No.6 (201812)
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)
[특집] EnergyPlus와 MATLAB 연동을 통한 ANN 기반 공조설비 최적제어 모델링 기법 연상훈 ; 서병모 ; 이제헌 ; 문진우 ; 이광호 - 그린빌딩(한국그린빌딩협의회지) : Vol.18 No.2 (201706)