| 1 |
1
건물의 내부와 외부에 설치되어 환경 데이터를 생성하는 공조 센서부;입력 전력을 이용하여 상기 건물의 내부에 열 에너지를 공급하는 열 공조 장치; 및상기 공조 센서부에서 생성된 상기 환경 데이터를 기초로 운영 데이터를 생성하고, 상기 입력 전력을 조절하여 상기 열 공조 장치를 제어하는 예측 제어기;를 포함하고,상기 예측 제어기가 프로세서와, 상기 프로세서가 수행할 명령어들을 저장하는 메모리를 포함하며,상기 명령어들은 상기 프로세서에 의해 수행될 때 상기 프로세서로 하여금:상기 열 공조 장치의 초기 운영 데이터를 이용하여, 각각이 상기 열 공조 장치의 개별 장치들에 상응하여 마련되는 복수의 서브 인공신경망 모델들이 상호 연결되어 이루어진 열 공조 제어 통합 인공신경망 모델을 학습시키고;학습을 통해 도출된 스케줄에 따라 상기 열 공조 장치를 운영하면서, 상기 건물 내부와 외부의 환경에 대한 업데이트된 환경 데이터와 업데이트된 운영 데이터를 획득하여 저장하고;상기 업데이트된 환경 데이터와 상기 업데이트된 운영 데이터와 상기 초기 운영 데이터를 이용하여 상기 복수의 서브 인공신경망 모델들을 재학습시키고;재학습된 상기 열 공조 제어 통합 인공신경망 모델을 이용하여 상기 건물 내부와 외부의 환경 변화에 따른 상기 열 공조 장치의 상기 입력 전력 및 건물 내 실내 온도를 예측하고, 운영 비용과 열적 만족도를 산출하고, 상기 열 공조 장치를 운영하기 위한 최적 스케줄을 산출하게 하는;상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 2 |
2
청구항 1에 있어서, 상기 예측 제어기는상기 건물 내부의 열부하(Qi), 외기 온도(Tx), 증발기측 공기 온도(Te) 및 건물 외부의 온도, 습도, 풍속, 일사량의 환경 데이터가 저장되는 제1 데이터 저장부; 를 더 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 3 |
3
청구항 2에 있어서, 상기 예측 제어기는상기 열 공조 장치의 설정 온도(Tset), 상기 입력 전력(P), 출력 냉각력(Q)의 운영 데이터가 저장되는 제2 데이터 저장부; 를 더 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 4 |
4
삭제
|
| 5 |
5
청구항 1에 있어서, 상기 열 공조 시스템은,레이블링된 환경 데이터 및 레이블링된 운영 데이터로 학습시킨 상기 예측 제어기를 이용하여 레이블링되지 않은 환경 데이터 및 레이블링되지 않은 운영 데이터를 레이블링하고 그를 이용하여 상기 예측 제어기를 학습시키는 학습용 예측기; 를 더 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 6 |
6
청구항 5에 있어서, 상기 열 공조 시스템은,상기 학습용 예측기를 주기적으로 학습시키는 인공 신경망 학습부를 더 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 7 |
7
청구항 6에 있어서, 상기 인공 신경망 학습부는,상기 열 공조 제어 통합 인공신경망 모델을 통해 실내 온도를 예측하기 위한 연산을 수행하여 예측 운영 데이터를 생성하고,상기 복수의 서브 인공신경망 모델들은목표 온도값(temperature set-points)과 이전 시간의 상기 실내 온도, 이전 시간의 상기 열 공조 장치의 상기 입력 전력을 입력하여 상기 열 공조 장치의 다음 입력 전력을 산출하는 제 1 서브 모델; 상기 열 공조 장치의 상기 입력 전력, 대기 온도, 증발기측(evaporator-side) 공기 온도를 입력하여 상기 열 공조 장치의 출력 냉각력(cooling power)을 산출하는 제 2 서브 모델;상기 열 공조 장치의 상기 출력 냉각력, 대기 환경 변수, 이전 시간의 상기 실내 온도를 입력하여 상기 건물 내 최적화 실내 온도를 산출하는 제 3 서브 모델; 을 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 8 |
8
청구항 7에 있어서, 상기 제1, 제2, 및 제3 서브 모델은, LSTM(Long Short-Term Memory)를 사용하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 9 |
9
청구항 3에 있어서, 상기 열 공조 시스템은,상기 제1 데이터 저장부에서 입력되는 상기 환경 데이터 및 상기 제2 데이터 저장부에서 입력되는 상기 운영 데이터를 정규화하는 전처리부; 및상기 열 공조 제어 통합 인공신경망 모델을 통해 생성된 예측 운영 데이터를 재복원하는 후처리부; 를 더 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 10 |
10
청구항 1에 있어서, 상기 열 공조 시스템은,열적 불만족도를 계산하는 불만족도 산출부와;상기 운영 비용을 계산하는 운영 비용 산출부; 를 더 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템
|
| 11 |
11
열 공조 장치의 초기 운영 데이터를 이용하여 상기 열 공조 장치의 개별 장치들에 상응하여 마련되는 복수의 서브 인공신경망 모델들이 상호 연결되어 이루어진 열 공조 제어 통합 인공 신경망 모델을 학습시키는 단계와;학습을 통해 도출된 스케줄에 따라 상기 열 공조 장치를 운영하면서, 건물 내부와 외부의 업데이트된 환경 데이터 및 업데이트된 운영 데이터를 획득하여 저장하는 단계와;상기 업데이트된 환경 데이터 및 상기 업데이트된 운영 데이터와, 상기 초기 운영 데이터를 이용하여 상기 복수의 서브 인공 신경망 모델들을 재학습(re-training)시키는 단계; 및재학습된 상기 열 공조 제어 통합 인공 신경망 모델을 이용하여 상기 건물 내부와 외부의 환경 변화에 따른 상기 열 공조 장치의 입력 전력 및 건물 내 실내 온도를 예측하고, 운영 비용과 열적 만족도를 산출하고, 상기 열 공조 장치를 운영하기 위한 최적 스케줄을 산출하는 단계; 를 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 12 |
12
데이터 가용성(data availability)과 물리적 인과관계를 기반으로 열 공조 장치를 복수의 개별 장치들로 구분하는 단계;상기 복수의 개별 장치들의 초기 운영 데이터를 수집하는 단계;인공 신경망 학습부가 수집된 운영 데이터를 기반으로 학습하여 상기 복수의 개별 장치들에 상응한 복수의 서브 인공신경망 모델들을 구성하는 단계;상기 복수의 서브 인공신경망 모델들을 상호 연계하여 열 공조 제어 통합 인공신경망 모델을 구성하는 단계;예측 제어기가 상기 공조 제어 통합 인공신경망 모델을 이용하여 건물 내 최적 실내 온도를 예측하는 단계;불만족도 산출부가 예측된 최적 실내 온도를 기반으로 열적 불만족도(thermal discomfort)를 계산하는 단계;운영 비용 산출부가 상기 공조 제어 통합 인공신경망 모델을 통해 예측된 입력 전력을 기반으로 운영 비용(operating cost)를 계산하는 단계;상기 열적 불만족도와 상기 운영 비용을 토대로 결정되는 목적 함수에 기초하여 상기 열 공조 장치를 제어하는 단계;상기 열 공조 장치에서 신규 운영 데이터를 획득하는 단계; 및상기 신규 운영 데이터와 상기 초기 운영 데이터를 이용하여 상기 인공 신경망 학습부를 재학습하는 단계; 를 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 13 |
13
청구항 12에 있어서, 상기 인공 신경망 학습부가 상기 복수의 서브 인공신경망 모델들을 구성하는 단계는,제 1 서브 모델에 목표 온도값 및 피드백 변수로 직전 예측 구간의 실내 온도와 상기 열 공조 장치의 상기 입력 전력을 입력하여 현재 예측 구간의 상기 열 공조 장치의 상기 입력 전력을 산출하는 단계;제 2 서브 모델에 열 공조 장치의 상기 입력 전력, 대기온도, 증발기측 공기 온도를 입력하여 출력 냉각력을 산출하는 단계; 및 제 3 서브 모델에 열 공조 장치의 출력 냉각력, 대기 환경 변수 및 피드백 변수로 직전 예측 구간의 실내 온도를 입력하여 현재 예측 구간의 실내 온도를 산출하는 단계; 를 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 14 |
14
청구항 12에 있어서, 상기 열적 불만족도는, 미리 설정된 규정 온도를 초과한 온도 값(deviation from acceptable ranges of indoor temperature)을 모두 더해 계산하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 15 |
15
청구항 12에 있어서, 상기 목적 함수는, 상기 열적 불만족도와 상기 운영 비용에 각각 가중치를 부여하여 산출되는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 16 |
16
청구항 12에 있어서, 상기 목적 함수에 기초하여 상기 열 공조 장치를 제어하는 단계에서,상기 목적 함수가 최소화 되도록 상기 열 공조 장치를 제어하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 17 |
17
청구항 12에 있어서, 상기 예측 제어기가 상기 공조 제어 통합 인공신경망 모델을 이용하여 상기 최적 실내 온도를 예측하는 단계는,상기 건물의 각 거주자가 위치한 구역의 외부 온도, 열 부하량 중 적어도 하나를 포함하는 데이터를 수집하고, 수집된 데이터에 따른 건물 내 온도 변화를 모델링하는 단계를 포함하는,상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법
|
| 18 |
18
청구항 11 내지 청구항 17 중 어느 하나의 항의 상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법을 구현하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
| 19 |
19
청구항 11 내지 청구항 17 중 어느 하나의 항의 상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템의 운영 방법의 학습 데이터 세트 구조가 저장된 기록 매체
|
