인공신경망 모델 기반 VRF 시스템 예측 제어 알고리즘 개발

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

논문명	인공신경망 모델 기반 VRF 시스템 예측 제어 알고리즘 개발 / Development of Model Predictive Control Strategy based on Artificial Neural Network models for a Variable Refrigerant Flow System / 대학생부문
저자명	안기언(Ahn, Ki Uhn) ; 김경재(Kim, Kyung Jae) ; 송관우(Song, Kwanwoo) ; 박철수(Park, Cheol Soo)
발행사	대한건축학회
수록사항	대한건축학회 학술발표대회 논문집, Vol.37 No.2 (2017-10)
페이지	시작페이지(567) 총페이지(2)
ISSN	2287-5786
주제분류	환경및설비
주제어	냉매 유량 가변형 시스템 ; 인공신경망 ; 모델 기반 예측 제어//Variable Refrigerant Flow System ; Artificial Neural Network ; Model Predictive Control
요약1	본 연구는 VRF가 설치된 챔버에서 실험을 수행하고, 수집한 데이터로 인공신경망 모델을 개발하였으며, VRF의 소비전력을 최소화하기 위해 실내 설정온도와 VRF 실내기 풍량의 설정 값이 실시간 모델 기반 예측 제어(Model Predictive Control, 이하 MPC)로 결정되도록 구현하였다. 본 연구에서 개발한 MPC 알고리즘을 챔버에 적용하여 VRF 시스템을 운전한 결과, 설정온도와 풍량을 고정하여 운전하는 방식 대비 12.2%의 소비전력이 절감 가능한 것으로 확인하였다.
요약2	A typical variable refrigerant flow (VRF) system regulates its refrigerant flow rate using a variable speed compressor installed inside an outdoor unit, and an electronic expansion valve located in each indoor unit. The system energy efficiency, expressed as COP, can vary depending on indoor/outdoor conditions and control variables, e.g. set-point for indoor air temperature and supply air flow rate exhausted from an indoor unit. This study aims to realize the model predictive control (MPC) of the VRF system. A series of experiments were conducted for the development of the artificial neural network (ANN) model. The experimental setup consists of a test office space (16m by 8 m, 4 meter high) conditioned by one outdoor unit and four indoor units. A dynamic sensitivity analysis was conducted in order to choose input variables for the ANN model. Then, the ANN model was used to determine optimal control variables (e.g. set-point of indoor air temperature and supply airflow rate of indoor unit). This study shows that about 12.2% of the energy use could be saved by the use of model predictive control.
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)
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)
[특집] EnergyPlus와 MATLAB 연동을 통한 ANN 기반 공조설비 최적제어 모델링 기법 연상훈 ; 서병모 ; 이제헌 ; 문진우 ; 이광호 - 그린빌딩(한국그린빌딩협의회지) : Vol.18 No.2 (201706)
[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)
국내 패시브건축물 설계 및 시공사례 이명주 - 한국그린빌딩협의회 추계학술강연회 논문집 : (200911)
IoT정보기반 Modelica-EnergyPlus Co-simulation을 통한 에너지소비량 추정 김혜진(Kim, Hye-Jin) ; 서동현(Seo, Dong-Hyun) - 한국건축친환경설비학회 논문집 : Vol.13 No.5 (201910)
빙축열 시스템의 익일 방냉량 예측 기계학습 모델 및 제어 신한솔(Shin, Han-Sol) ; 서원준(Suh, Won-Jun) ; 추한경(Chu, Han-Gyeong) ; 라선중(Ra, Seon-Jung) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 구조계 : Vol.33 No.11 (201711)
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)
냉각수 유량 제어를 통한 냉방시스템의 에너지 절감 효과에 관한 검토 김혜미(Kim, Hyemi) ; 송영학(Song, Young-hak) - 대한건축학회 학술발표대회 논문집 : Vol.37 No.1 (201704)