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
최영웅 (Sungkyunkwan University) 윤성민 (Sungkyunkwan University)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2023년도 하계학술발표대회 논문집
발행연도
2023.6
수록면
1,082 - 1,085 (4page)

이용수

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

초록· 키워드

오류제보하기
실제 건물을 가상의 모델로 구현하고 데이터적으로 연동하는 디지털 트윈(Digita twin)은 건물의 성능개선과 에너지 효율화를 위한 잠재력이 높은 기술로 널리 연구되고 있다. 디지털 트윈 구현에 있어 실제 데이터를 기반으로 목표한 변수를 출력하는 모델을 개발하는 것은 필수적이며, 이러한 모델의 성능은 디지털 트윈 환경의 신뢰도를 좌우하는 중요한 요소이다. 하지만, 실제 환경에서 실제 데이터를 활용하여 모델링하는 경우, 데이터의 양적인 또는 질적인 한계로 인해 높은 성능을 얻지 못할 수 있다. 이는 실제 환경에서 취득된 데이터가 양적으로 부족할 수 있으며, 국소적이거나　편향된 운전 영역 만을 표현할 수도 있기 때문이다. 본 연구에서는, 이러한 실제 현장 데이터의 한계를 극복하기 위하여 딥러닝 모델 기반 데이터 증강 방법을 제시한다. 증강된 데이터는 1) 가용 데이터의 양을 증가시키고, 2) 실제 데이터에 표현된 운전 영역을 확장하며, 3) 데이터 불균형 문제를 해소할 수 있다. 본 연구에서 제시된 실효성 평가에서, 실제 데이터만 사용하여 모델을 구축한 경우 대비 증강된 데이터만 사용할 경우 8.0%, 증강된 데이터와 실제 데이터를 합성하여 사용할 경우 19.7%의 성능 개선이 나타났다. 이 결과는 제안된 데이터 증강 기법을 통해 정보적인 데이터셋을 구축할 수 있고, 이를 모델링에 활용할 경우 성능 개선을 기대할 수 있다는 것을 보여준다.
#디지털 트윈(Digital twin) #건물에너지시스템(Building energy system) #운전데이터(Operational data) #데이터 증강(Data augmentation) #현장 모델(In-situ model)

목차

Abstract
1. 서론
2. 운전데이터 증강(Augmentation) 방법
3. 현장 적용 및 평가
4. 결론 및 고찰
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