메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
모지식 (숭실대학교) 김명호 (숭실대학교)
저널정보
한국컴퓨터정보학회 한국컴퓨터정보학회 학술발표논문집 2024년 한국컴퓨터정보학회 하계학술대회 논문집 제32권 2호
발행연도
2024.7
수록면
711 - 714 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 전기식 축열식 소각설비(Regenerative Thermal Oxidizer, RTO)를 안정적으로 유지하고 소모되는 에너지 자원을 최소화하기 위한 심층 강화학습 기반의 자동제어 방법을 제안한다. 전기식 RTO 운용의 핵심은 온도를 유지하는 것으로, 현장에서 운용 중인 전기식 RTO의 경우 현장 근무자가 지속적인 모니터링을 통해 가동 중인 전기식 RTO의 상태를 확인하거나, 문제가 생겼을 때 나타나는 알람에 의지하여 장비를 제어한다. 제안한 방법은 수집된 데이터를 바탕으로 온도 예측 모델을 학습하고, 이 예측 모델과 수집된 데이터를 기반으로 상태, 행동, 보상이 적용된 환경을 구축하여 심층 강화학습 에이전트를 훈련한다. 제안한 방법을 검증하기 위하여 본 논문은 실제 전기식 RTO 운용 시스템에서 수집한 데이터를 이용하여 시뮬레이션 환경을 구축하고, 제어 성능 평가를 수행한다. 성능 평가 결과는 본 논문에서 제안한 방식이 전기식 RTO를 안정적으로 유지하면서 동시에 전력 소모를 약 18% 줄일 수 있음을 보인다.
#축열식 소각설비(Regenerative Thermal Oxidizer) #심층 큐-네트워크(Deep Q-Network) #에너지 소모 최소화(Energy Consumption Minimization) #최적 자동제어(Optimal Auto-Control)

목차

요약
I. Introduction
II. Preliminaries
III. The Proposed Scheme
IV. Experiment
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0