| 논문명 |
건물에너지시스템 센서 네트워크에서의 백업 가상센서 성능 향상을 위한 시계열 데이터 다운스케일링 방법 / Time Series Data Downscaling Method for Backup Virtual Sensor Performance Improvement in a Building Energy Sensor Network |
| 저자명 |
최영웅(Youngwoong Choi) ; 윤성민(Sungmin Yoon) |
| 발행사 |
대한설비공학회 |
| 수록사항 |
설비공학논문집, Vol.34 No.03 (2022-03) |
| 페이지 |
시작페이지(111) 총페이지(12) |
| ISSN |
1229-6422 |
| 주제분류 |
환경및설비 |
| 주제어 |
건물에너지시스템 ; 센서네트워크 ; 시계열 데이터 ; 가상센서 ; 시간적 다운스케일링 ; 데이터 융합 // Building system ; Sensor network ; Time series data ; Virtual sensor ; Temporal downscaling ; Data fusion |
| 요약1 |
본 연구에서는 건물에너지시스템 센서네트워크의 데이터 융합을 위한 관계변수 기반 다운스케일링 방법을 제시하고, 업스케일링 된 데이터를 활용하여 가상센서 성능을 향상시키는 전략을 제시하였다. 다운스케일링 방법으로 관계변수 기반 방법이 제시되었으며 시간단위 데이터와 분단위 데이터를 통합 활용할 시 발생하는 계측주기 차이에 대한 문제를 효과적으로 해결할 수 있었다. 또한, 다운스케일링 방법의 활용 측면에서, 가상센서 구축 시 시계열이 다른 데이터를 통합하여 입력변수로 활용할 수 있었다. 이에 대한 효과를 검증하기 위하여 가상센서 입력변수 구성 방법에 따른 Case를 설계하고 가상센서 성능을 평가하였다. Case 스터디에 대한 종합 결과는 Fig. 10과 같이 데이터 전 기간에 대한 가상센서 성능으로 표현하였다. Case 1 대비 Case 2는 9.7%, Case 3은 30.2%의 가상센서 오차가 감소하였다. 또한, Case 2의 센서 오차 표준편차는 Case 1 대비 8.8% 증가했지만, Case 3의 경우는 13.6% 감소하였다. 종합적으로, Case 3의 모델이 가장 우수한 성능을 보였다. 이는 관계변수 기반 다운스케일링을 활용한 데이터 융합 방법이 가상센서 모델링과 성능에 긍정적인 효과를 보인다는 것을 의미한다. 본 연구에서 제시한 다운스케일링 방법은 시간단위와 분단위 데이터 간의 시계열 종합 뿐 아닌 다양한 계측주기를 가진 데이터들에 적용할 수 있는 기술로, 건물데이터 운용 관점에서 활용도가 높을 것으로 사료된다. |
| 요약2 |
Building system sensor networks measure and collect various information in buildings. Virtual sensors provide enormous potentials for improving and supplementing physical sensor-based building sensor networks. Virtual sensors are developed upon data collected from the sensor network and used for observation, backup, and prediction of system variables. A virtual sensor is a model which learns mathematical relations among input data to output the required variable. In this regard, aggregating various heterologous data (data fusion) has been important to obtain high-performance virtual sensors containing well-learned inner structures. However, fusing different data into single time series can be a difficult task due to the different sensing periods (data resolution). In this paper, a novel relational variable-based data downscaling method is suggested to tackle the limitations on building system data fusion. The effectiveness of the proposed method was evaluated with real operational datasets. The suggested method improved the performance of the virtual sensor by 30.2%. |
| 소장처 |
대한설비공학회 |