기계학습 기반 자동화 알고리즘을 활용한 공조기 급기 온도 예측

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

논문명	기계학습 기반 자동화 알고리즘을 활용한 공조기 급기 온도 예측 / Predicting Supply Air Temperature in Air Handling Unit Using Machine Learning-Based Automation Algorithm
저자명	안유선(Yusun Ahn) ; 홍구표(Goopyo Hong) ; 김병선(Byungseon Sean Kim)
발행사	대한설비공학회
수록사항	설비공학논문집, Vol.32 No.1 (2020-01)
페이지	시작페이지(37) 총페이지(9)
ISSN	1229-6422
주제분류	환경및설비
주제어	공조기; 예측; 급기온도; AutoML(Automated Machine Learning); Auto-sklearn(Auto-sklearn); ANN(Artificial Neural Networks)//Air handling unit; Prediction; Supply air temperature; AutoML(Automated Machine Learning); Auto-sklearn(Auto-sklearn); ANN(Artificial Neural Networks)
요약1	본 연구는 기계 학습 및 매개 변수를 자동으로 설정하여 공조기 급기 온도를 예측할 수 있는 방안을 제시 하고자 하였다. 병원건물을 대상으로, 방위별 부하를 담당하는 4대의 공조기의 7개월간의 실측 데이터를 사용하였다. 최적화 예측모델을 발견하기 위해, 자동화 데이터 분석 알고리즘 AutoML인 Auto-sklearn을 활용하였다. 비교를 위해 건물 에너지 분야에서 가장 많이 쓰이고 인공지능 개념인 ANN 모델과 선행 연구에서 반복적인 튜닝을 통해 도출된 매개 변수를 사용하였으며 결론은 다음과 같다. (1) 공조기 데이터별로 각각 다른 모델이 최적화 모델로 선정되었다. 남측공조기의 경우 추천된 기계 학습 모델은 Gradient Boosting, 남서측은 SVR, 남동측은 Adaboosting, 북측은 RandomForest이다. (2) 각각의 모델로 ANN과 비교한 결과 약 0.03%~1.16% 더 높은 정확도로 예측되는 것으로 분석되었다. (3) 추천된 모델과 ANN을 비교해 보았을 때, 추천된 모델의 정확도가 CvRMSE 평균 0.53%, MBE 0.54% 더 높게 나타났다. 뿐만 아니라, 자동화 데이터 분석 알고리즘을 통한 모델과 매개 변수를 적용하는 것이 시간 효율적인 것을 알 수 있다. (4) 건물 내 같은 공간 속에서 방위에 따라 공조기 운전 예측에 필요한 알고리즘과 매개 변수는 각각 다르게 나타남을 알 수 있다. 본 연구를 통해 설비시스템의 운전 예측 분야에 자동화 데이터 분석 알고리즘 모델이 적극 활용될 수 있을 것으로 판단된다. 또한 예측된 데이터를 실제 건물에 적용함으로써 에너지 절감의 정량적인 분석의 연구가 기대된다.
요약2	More than 50% of the energy used in commercial buildings is consumed by building cooling, heating, and ventilation energy. To conserve building energy, some of the new buildings have begun to operate through the BEMS (Building Energy Management System). But, existing buildings are operated based on the empirical judgment of the building manager. The purpose of this study was to predict air supply temperature of air-handling units by applying an automatically implementation machine learning model and hyper-parameters suitable for non-professional users. The building used for the experiment was a large hospital building, using four AHU (Air Handling Unit) measured data from same floor on the different zones. The automated-data algorithm for analysis uapplies Auto-sklearn, which is AutoML (Automated Machine Learning) as finding an optimal model. As a result, various models (Gradient Boosting, Support Vector Regressor, Adaboosting, Random Forest) were recommended. For comparison, the ANN (Artificial Neural Network) model, used most frequently in the field of building energy, was compared with the hyper-parameters derived through iterative tuning in previous studies. Comparing ANNs with the recommended models and parameters, the accuracy of similar or recommended models was 0.53% higher on average with CvRMSE and 0.54% with MBE. It is reasonable to apply models and parameters through an automated data analysis algorithm.
소장처	대한설비공학회

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)
[시론] 4차 산업혁명 시대, 건축의 대응 이명식(Lee, Myung-Sik) - 건축(대한건축학회지) : Vol.61 No.05 (201705)
열회수형 환기장치의 타입별 By-pass 제어에 따른에너지 최적 운영 방안에 관한 연구 김철호(Chul Ho Kim) ; 강원희(Won Hee Kang) ; 박민경(Min Kyeong Park) ; 이광호(Kwang Ho Lee) ; 김강수(Kang Soo Kim) - 설비공학논문집 : Vol.32 No.7 (202007)
IoT정보기반 Modelica-EnergyPlus Co-simulation을 통한 에너지소비량 추정 김혜진(Kim, Hye-Jin) ; 서동현(Seo, Dong-Hyun) - 한국건축친환경설비학회 논문집 : Vol.13 No.5 (201910)
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)
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)
[특집] 국내 친환경 건축물 사례 분석 정지나 ; 김용석 ; 이승민 - 그린빌딩(한국그린빌딩협의회지) : v.9 n.1 (200803)
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)