| 1 |
1
BEMS(Building Energy Management System)로부터 건물에 대한 측정항목 데이터를 수집하는 데이터 수집부;상기 측정항목 데이터 중 냉동기 관련 파라미터와 전력 사용 파라미터를 선별적으로 분석한 분석 데이터를 생성하는 데이터 분석부; 상기 분석 데이터를 기반으로 현재 운영 상태를 진단한 운영 진단 정보를 생성하는 현재운영 상태진단부; 상기 분석 데이터를 다층-퍼셉트론(Multi-Layer Perceptron)을 기반으로 한 인공신경망(ANN: Artificial Neural Network) 모델에 입력변수로 입력하여, 입력층, 은닉층(Hidden-Layers), 출력층에 포함되는 각 노드와 노드 사이의 가중치 파라미터를 경사 하강법(Gradient Descent), 함수최적화 기법(Levenberg-Marquardt) 방법 또는 베이지안 정규화(Bayesian Regularization)를 기반으로 선행학습을 수행하여 냉동기 성능예측 모델, 전력사용량 성능예측 모델을 생성하는 기계학습 모델제작부; 및상기 냉동기 성능예측 모델, 상기 전력사용량 성능예측 모델을 기반으로 상기 건물에 대한 최적설비 운전 조건을 탐색하여 최적 운전정보를 생성하는 효율운전 조건탐색부를 포함하는 것을 특징으로 하는 건물설비 최적장치
|
| 2 |
2
제1항에 있어서,상기 데이터 분석부는,상기 측정항목 데이터 중 기 설정된 목표 설비 정보, 효율치 및 설비 계통도 중 적어도 하나 이상에 대응하는 측정항목 파라미터만을 추출하여 선별 데이터를 생성하고, 상기 선별 데이터만을 분석하여 상기 분석 데이터를 생성하는 것을 특징으로 하는 것을 특징으로 하는 건물설비 최적장치
|
| 3 |
3
제2항에 있어서,상기 데이터 분석부는, 상기 기 설정된 목표 설비 정보가 냉동기인 경우, 상기 측정항목 데이터 중 냉동기 효율치, 냉동기 계통도 중 적어도 하나 이상에 대응하는 측정항목 파라미터만을 추출하여 상기 선별 데이터를 생성하는 것을 특징으로 하는 건물설비 최적장치
|
| 4 |
4
제2항에 있어서,상기 데이터 분석부는, 상기 기 설정된 목표 설비 정보가 냉동기인 경우, 상기 건물 내의 냉각탑으로부터 측정한 항목 중 냉동기 전력량(Pchiller, x1)[kWh], 냉동기 운전상태(x2)[on/off], 외기온도(t0, x3)[℃]를 상기 측정항목 파라미터로 추출하고, 상기 건물 내의 냉각탑과 응축기 사이의 선로로부터 측정한 항목 중 냉각수 환수온도(tcond,l, x4)[℃], 냉각수 공급온도(tcond,e, x5)[℃], 냉각수 유량(m·cond, x6)[kg/s]를 상기 측정항목 파라미터로 추출하고, 상기 건물 내의 응축기와 팽창밸브와 압축기로 연결된 증발기로부터 측정한 항목 중 냉수 유량(m·cw, x7)[kg/s], 냉수 공급온도(tcw,l`, x8)[℃], 냉수 환수온도(tcw,e`, x9)[℃]를 상기 측정항목 파라미터로 추출하는 것을 특징으로 하는 건물설비 최적장치
|
| 5 |
5
제4항에 있어서,상기 데이터 분석부는, 냉동기 공급 열량(Qsupply), 상기 냉동기 전력량(Pchiller), 상기 냉수 유량(m·cw), 물의 비열(Cp), 냉수의 공급온도와 환수온도의 차이(|x9-x8|)을 기반으로 냉동기 성능(COP: Coefficient Of Performance)을 산출하는 것을 특징으로 하는 건물설비 최적장치
|
| 6 |
6
삭제
|
| 7 |
7
제1항에 있어서,상기 현재운영 상태진단부는,상기 분석 데이터를 기반으로 상기 건물의 운영 로직을 확인한 후 상기 분석 데이터 및 상기 운영 로직을 기반으로 현재 운영 상태를 진단한 운영 진단 정보를 생성하는 것을 특징으로 하는 건물설비 최적장치
|
| 8 |
8
삭제
|
| 9 |
9
제1항에 있어서,상기 효율운전 조건탐색부는,상기 냉동기 성능예측 모델의 냉동기 성능(COP)이 해당 제어변수 영역에서 최대의 값을 가지는 지점, 상기 전력사용량 성능예측 모델의 전력사용량이 해당 제어변수 영역에서 최소값을 가지는 지점을 최적 운전 조건으로 탐색한 상기 최적 운전정보를 생성하는 것을 특징으로 하는 건물설비 최적장치
|
| 10 |
10
◈청구항 10은(는) 설정등록료 납부시 포기되었습니다
|
| 11 |
11
◈청구항 11은(는) 설정등록료 납부시 포기되었습니다
|
| 12 |
12
BEMS(Building Energy Management System)로부터 건물에 대한 측정항목 데이터를 수집하는 과정;상기 측정항목 데이터 중 냉동기 관련 파라미터와 전력 사용 파라미터를 선별적으로 분석한 분석 데이터를 생성하는 과정;상기 분석 데이터를 기반으로 현재 운영 상태를 진단한 운영 진단 정보를 생성하는 과정; 상기 분석 데이터를 다층-퍼셉트론(Multi-Layer Perceptron)을 기반으로 한 인공신경망(ANN: Artificial Neural Network) 모델에 입력변수로 입력하여, 입력층, 은닉층(Hidden-Layers), 출력층에 포함되는 각 노드와 노드 사이의 가중치 파라미터를 경사 하강법(Gradient Descent), 함수최적화 기법(Levenberg-Marquardt) 방법 또는 베이지안 정규화(Bayesian Regularization)를 기반으로 선행학습을 수행하여 냉동기 성능예측 모델, 전력사용량 성능예측 모델을 생성하는 과정; 및상기 냉동기 성능예측 모델, 상기 전력사용량 성능예측 모델을 기반으로 상기 건물에 대한 최적설비 운전 조건을 탐색하여 최적 운전정보를 생성하는 과정; 을 포함하는 것을 특징으로 하는 기계학습모델 기반 설비기기의 최적 운전 방법
|
