| 1 |
1
캡슐형 빙축열 시스템(300)이 구비된 건축물에서, 캡슐형 빙축열 시스템(300)을 제어하기 위한 기계학습 모델을 생성하기 위한 방법으로서, (a) 데이터 수집부(100)가, 기상청 데이터베이스(110)로부터 기상 예보 데이터를 수집하고, 건축물의 BEMS(Building Energy Management System) 데이터베이스(120)로부터 BEMS 데이터를 수집하는 단계; (b) 기계학습 모델 생성부(200)가 상기 수집된 BEMS 데이터를 기반으로, 축열조의 가상 축냉량을 열역학 제1법칙 기반의 수식을 활용하여 연산하는 단계; (c) 상기 기계학습 모델 생성부(200)가 상기 수집된 기상 예보 데이터를 이용하여 입력변수 조합 k개를 추출한 후, 이를 총 4개의 기계학습 방법(ANN-Artificial Neural Network/SVM-Support Vector Machine/RF-Random Forest/GP-Genetic Programming)에 적용함으로써, 총 k*4개의 냉방부하 기계학습 예측모델을 구축하는 단계; (d) 상기 기계학습 모델 생성부(200)가 상기 (b) 단계에서 연산된 가상 축냉량을 상기 (c) 단계에서 구축된 냉방부하 기계학습 예측모델에 입력하고, 측정 축냉량, 해당 모델에 입력된 데이터의 수 및 총 입력변수의 수를 더 이용하여, 각 모델의 정확도(AIC, NMBE, CVRMSE)를 연산하여 비교함으로써, 정확도가 가장 높은 하나의 냉방부하 기계학습 예측모델을 선정하는 단계; 및(e) 상기 (d) 단계에서 선정된 냉방부하 기계학습 예측모델을 기반으로 제어를 수행하는 단계를 포함하며, 그리고 상기 (d) 단계에 의한 제어 결과, 예측된 냉방부하와 실제 냉방부하에 차이가 미리 결정된 소정의 차이 이상 발생할 경우 상기 (b) 내지 상기 (e)단계를 반복하는, 데이터 기반 모델 평가 및 이를 이용한 캡슐형 빙축열 시스템 예측제어 방법
|
| 2 |
2
제 1 항에 있어서, 상기 (a) 단계에서 입력되는 기상 예보 데이터는, 상기 건축물 내의 9개의 계측점을 기준으로, 오늘 21시부터 익일 18시까지의 최고온도, 최저온도, 중간온도, 평균온도, 건구온도, 상대습도, 하늘상태, 강수상태, 예상강수량, 풍속, 풍향, 요일로 구성되고, BEMS 데이터는 온도 및 유량을 포함하는,데이터 기반 모델 평가 및 이를 이용한 캡슐형 빙축열 시스템 예측제어 방법
|
| 3 |
3
제 2 항에 있어서, 상기 (c) 단계에서 제어되는 것은, 캡슐형 빙축열 시스템(300)의 냉동기, 냉각탑, 브라인 펌프 및 냉각수 펌프인, 데이터 기반 모델 평가 및 이를 이용한 캡슐형 빙축열 시스템 예측제어 방법
|
