빙축열 시스템의 익일 방냉량 예측 기계학습 모델 및 제어

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

논문명	빙축열 시스템의 익일 방냉량 예측 기계학습 모델 및 제어 / Machine Learning Models for Prediction and Control of an Ice Thermal Storage System in an Existing Building
저자명	신한솔(Shin, Han-Sol) ; 서원준(Suh, Won-Jun) ; 추한경(Chu, Han-Gyeong) ; 라선중(Ra, Seon-Jung) ; 박철수(Park, Cheol-Soo)
발행사	대한건축학회
수록사항	대한건축학회논문집 구조계, Vol.33 No.11 (2017-11)
페이지	시작페이지(63) 총페이지(8)
ISSN	1226-9107
주제분류	구조
주제어	빙축열 시스템 ; 기계학습 ; 모델 예측 제어 ; 사무소 건물 ; 시뮬레이션 모델//ice thermal storage system ; machine learning ; model predictive control ; office building ; simulation model
요약2	In South Korea, an ice thermal storage system is popular because night-time electricity rate is cheaper than daytime rate. A spherical ice ball system is one of the most popular ice thermal storage systems used in Korea. However, it is difficult to estimate the degree of freezing and defrosting of the spherical ice ball system and thus, excessive icing commonly occurs in order to prevent any shortage of stored ice. If this rule-of thumb control can be replaced by a simulation model-based control, there would be significant potential for energy savings. In this study, the authors developed 25 machine learning simulation models for the spherical ice thermal storage system installed in a 30-story office building (gross floor area: 32,600m2) located in Seoul, Korea. Five different machine learning algorithms (Artificial Neural Network, Support Vector Machine, Gaussian Process, Random Forest, and Genetic Programming) were used for five different input scenarios, respectively. The 25 machine learning models are accurate enough to predict the amount of icing required for the following daytime. In addition, with the use of Model Predictive Control (MPC), 16.8% of excessive icing during overnight can be reduced and 15% of cooling energy (chiller, cooling tower, Brine pump, etc.) can be saved.
소장처	대한건축학회

스크랩하기

추천문헌	이 논문을 열람하신 아우릭 회원님들이 많이 열람하신 논문을 추천해 드립니다.
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)
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)
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)
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)
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)
에너지 실시간 모델 예측 제어를 위한 인공신경망 변수 최적화 김영민(Kim, Young-Min) ; 김용세(Kim, Yong-Se) ; 안기언(Ahn, Ki-Uhn) ; 박철수(Park, Cheol Soo) - 추계학술발표대회 : 2015 (201511)
가우시안 프로세스 모델과 냉동기 실시간 최적 제어 김영진(Kim, Young-Jin) ; 박철수(ParkCheol-Soo) - 대한건축학회논문집 계획계 : v.30 n.7 (201407)
[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)
강화학습을 이용한 건물 에너지 최적 제어 안기언(Ahn, Ki Uhn) ; 박철수(Park, Cheol Soo) ; 여명석(Yeo, Myoung-Souk) - 대한건축학회 학술발표대회 논문집 : Vol.38 No.1 (201804)