1 |
1
인공 신경망을 이용한 개인의 만족도 예측을 통해 건물의 열 에너지 시스템을 제어하는 방법으로,사용자 단말로부터 건물 내 온도 변화에 따른 각 거주자의 현재 열적 불만족도를 수집하는 단계;수집된 현재 열적 불만족도를 기계 학습(machine learning)하여 인공 신경망(Artificial neural network)을 구성하는 단계;구성된 인공 신경망을 이용하여 상기 건물 내 각 거주자들의 기대 열적 불만족도를 예측하는 단계; 및예측된 기대 열적 불만족도를 포함하는 목적 함수에 기초하여 상기 건물 내 설치된 열-공조 장치를 제어하는 단계를 포함하는, 건물의 열 에너지 시스템을 제어하는 방법
|
2 |
2
청구항 1에서,상기 인공 신경망은,상기 건물 내 온도 변화를 입력 데이터로 하여 상기 기대 열적 불만족도에 대한 예측값을 출력하는, 건물의 열 에너지 시스템을 제어하는 방법
|
3 |
3
청구항 1에서,상기 인공 신경망은,시그 모이드 함수(sigmoid function)를 포함하는 은닉층(hidden layer); 및상기 시그 모이드 함수의 출력을 전달받아 항등 함수(identity function)를 연산하여 출력하는 출력층(outputlayer)을 포함하는, 건물의 열 에너지 시스템을 제어하는 방법
|
4 |
4
청구항 3에서,상기 시그 모이드 함수는,부분 선형 근사 기법을 이용하여 선형 모델링되는 것을 특징으로 하는, 건물의 열 에너지 시스템을 제어하는 방법
|
5 |
5
청구항 2에서,상기 인공 신경망은,상기 입력 데이터를 정규화하는 전처리부를 더 포함하는, 건물의 열 에너지 시스템을 제어하는 방법
|
6 |
6
청구항 1에서,상기 인공 신경망을 구성하는 단계는,상기 현재 열적 불만족도를 개별적으로 기계 학습함으로써, 각 거주자마다 개인화된 인공 신경망을 구성하는, 건물의 열 에너지 시스템을 제어하는 방법
|
7 |
7
청구항 1에서,상기 목적 함수는,상기 열-공조 장치의 전력 소모 비용을 더 포함하는, 건물의 열 에너지 시스템을 제어하는 방법
|
8 |
8
청구항 1에서,상기 목적 함수는,상기 건물 또는 상기 건물 내 구역에 대하여 미리 설정된 규정 온도를 초과한 온도차이를 더 포함하는, 건물의 열 에너지 시스템을 제어하는 방법
|
9 |
9
청구항 1에서,상기 제어하는 단계는,상기 목적 함수가 최소화되도록 상기 열-공조 장치를 제어하는, 건물의 열 에너지 시스템을 제어하는 방법
|
10 |
10
청구항 2에서,상기 건물 내 온도 변화는,상기 건물의 각 거주자가 위치한 구역(zone)의 외부 온도, 내부 온도, 일사량, 열 부하량 중 적어도 하나를 포함하는 데이터(data)를 수집하는 단계; 및수집된 데이터에 따른 상기 건물 내 각 구역의 온도 변화를 선형 모델링하는 단계를 통해 결정되는, 건물의 열 에너지 시스템을 제어하는 방법
|
11 |
11
인공 신경망을 이용한 개인의 만족도 예측을 통해 건물의 열 에너지 시스템을 제어하는 장치로,적어도 하나의 프로세서(processor); 및상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,상기 적어도 하나의 단계는,사용자 단말로부터 건물 내 온도 변화에 따른 각 거주자의 현재 열적 불만족도를 수집하는 단계;수집된 현재 열적 불만족도를 기계 학습(machine learning)하여 인공 신경망(Artificial neural network)을 구성하는 단계;구성된 인공 신경망을 이용하여 상기 건물 내 각 거주자들의 기대 열적 불만족도를 예측하는 단계; 및예측된 기대 열적 불만족도를 포함하는 목적 함수에 기초하여 상기 건물 내 설치된 열-공조 장치를 제어하는 단계를 포함하는, 건물의 열 에너지 시스템을 제어하는 장치
|
12 |
12
청구항 11에서,상기 인공 신경망은,상기 건물 내 온도 변화를 입력 데이터로 하여 상기 기대 열적 불만족도에 대한 예측값을 출력하는, 건물의 열 에너지 시스템을 제어하는 장치
|
13 |
13
청구항 11에서,상기 인공 신경망은,시그 모이드 함수(sigmoid function)를 포함하는 은닉층(hidden layer); 및상기 시그 모이드 함수의 출력을 전달받아 항등 함수(identity function)를 연산하여 출력하는 출력층(outputlayer)을 포함하는, 건물의 열 에너지 시스템을 제어하는 장치
|
14 |
14
청구항 13에서,상기 시그 모이드 함수는,부분 선형 근사 기법을 이용하여 선형 모델링되는 것을 특징으로 하는, 건물의 열 에너지 시스템을 제어하는 장치
|
15 |
15
청구항 12에서,상기 인공 신경망은,상기 입력 데이터를 정규화하는 전처리부를 더 포함하는, 건물의 열 에너지 시스템을 제어하는 장치
|
16 |
16
청구항 11에서,상기 인공 신경망을 구성하는 단계는,상기 현재 열적 불만족도를 개별적으로 기계 학습함으로써, 각 거주자마다 개인화된 인공 신경망을 구성하는, 건물의 열 에너지 시스템을 제어하는 장치
|
17 |
17
청구항 11에서,상기 목적 함수는,상기 열-공조 장치의 전력 소모 비용을 더 포함하는, 건물의 열 에너지 시스템을 제어하는 장치
|
18 |
18
청구항 11에서,상기 목적 함수는,상기 건물 또는 상기 건물 내 구역에 대하여 미리 설정된 규정 온도를 초과한 온도차이를 더 포함하는, 건물의 열 에너지 시스템을 제어하는 장치
|
19 |
19
청구항 11에서,상기 제어하는 단계는,상기 목적 함수가 최소화되도록 상기 열-공조 장치를 제어하는, 건물의 열 에너지 시스템을 제어하는 장치
|
20 |
20
청구항 12에서,상기 건물 내 온도 변화는,상기 건물의 각 거주자가 위치한 구역(zone)의 외부 온도, 내부 온도, 일사량, 열 부하량 중 적어도 하나를 포함하는 데이터(data)를 수집하는 단계; 및수집된 데이터에 따른 상기 건물 내 각 구역의 온도 변화를 선형 모델링하는 단계를 통해 결정되는, 건물의 열 에너지 시스템을 제어하는 장치
|