BEMS 데이터를 활용한 연구소 건물의 전력소비 특성 분석 및 진단에 관한 연구

황지현; 송두삼; 이태원

추천

검색

질문

자료유형: 학술저널

저자정보: 황지현 (성균관대학교) 송두삼 (성균관대학교) 이태원 (한국건설기술연구원)

저널정보: 한국건축친환경설비학회 한국건축친환경설비학회 논문집 한국건축친환경설비학회 논문집 제14권 제6호

발행연도: 2020.12

수록면: 613 - 625 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Building administrators find it difficult to intuitively identify issues when handling extensive amounts of data, which is the main reason for the failure of building energy management systems (BEMSs) to reach the monitoring level. study proposes methods to quantitatively analyze and diagnose the energy consumption levels during building operation and to derive energy-saving factors to overcome the aforementioned limitation. Seasonal factors, which represent the seasonal energy consumption features, were defined in this study. These factors include the peak load weight (PLW), which represents the quantitative expression of the PLW in five seasonal areas, and the energy consumption proportion, which represents the energy consumption contribution. The daily factors represent the energy consumption load according to the seasons and time periods (maximum load, heavy load, and light load) provided by the Korea Electric Power Corporation. These factors were used to quantitatively analyze the hourly energy consumption levels on representative days based on the five areas. In addition, this study presented the air conditioning performance and return on investment, which represents the profits in comparison with the yearly electric charges of the experimental equipment. As a result of analyzing and diagnosing the power consumption levels by using actual BEMS data and applying energy-saving methods by deriving energy-saving factors as the original function of the BEMS, approximately 17.6% of the total power could be saved.

#건물에너지관리시스템 #건물 운영관리자 #전력소비 #계절 요인 #일간 요인 #피크부하 가중치 #에너지소비량 기여도 #Building energy management system (BEMS) #Building operation manager #Electricity consumption #Seasonal Factor #Daily Factor #Peak Load Weight (PLW) #Energy Consumption Proportion (ECP)

참고문헌 (5)

참고문헌 신청

Hwang, J. H. / 2015 / An analyses of the energy saving effects with the introduction of an outdoor air cooling system at data center / The Society Of Air-Conditioning And Refrigerating Engineers Of Korea, Winter Academic Conference Papers :53~56

Moon, H. J. / 2015 / Building cooling and heating energy consumption pattern analysis based on building energy management system (BEMS)data using machine learning techniques / The Society Of Air-Conditioning And Refrigerating Engineers Of Korea, Winter Academic Conference Papers :69~70

Lee, T. W. / 2014 / A study on the development of the building energy management system (BEMS) KS connection standard :40~46

Ministry of Land, Infrastructure and Transport(MOLIT) / 2013 / Green remodeling activation plan to reduce building energy demand :1~2

Korea BEMS Association / 2016 / Survey on the actual condition to revitalize the energy management system (EMS) business

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

황지현

소속기관 성균관대학교

주요연구분야 공학 > 건축공학 > 건축공학 일반 공학 > 기계공학 > 기계공학 일반

논문수 27 이용수 2,844

송두삼

소속기관 성균관대학교

주요연구분야 공학 > 건축공학 > 건축공학 일반 TOP 5% 공학 > 재료·에너지공학 > 기타 재료·에너지공학 TOP 10%

논문수 520 이용수 76,872

이태원

소속기관 한국건설기술연구원

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 5% 공학 > 재료·에너지공학 > 기타 재료·에너지공학

논문수 207 이용수 19,744

이 논문과 함께 이용한 논문

개방형 플랫폼을 이용한 저비용, 고효율 BEMS 구축방안

이태원 , 황지현 , 정이랑 대한설비공학회 학술발표대회논문집 2018 .11

Machine Learning 기법을 이용한 BEMS 에너지 데이터 분석 사례

윤영란 , 문현준 설비저널 2016 .10

에너지절감기술 도입 효과 분석을 위한 건물에너지소비량 예측 및 평가 도구 개발

양수현 , 박원장 , 김수종 한국건축친환경설비학회 논문집 2019 .08

인공신경망을 이용한 건물의 에너지 모델 최적화 알고리즘 개발 및 검증에 관한 연구

성남철 , 김지헌 , 최원창 외 2명 한국생활환경학회지 2017 .02

BEMS(Building Energy Management System) 구축 및 운영컨설팅 사례

성재호 , 박세훈 , 최성호 외 1명 대한설비공학회 학술발표대회논문집 2014 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-546-001477693

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (5)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)