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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
송지환 (성균관대학교) 최영웅 (성균관대학교) 윤성민 (성균관대학교)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2023년도 하계학술발표대회 논문집
발행연도
2023.6
수록면
1,086 - 1,089 (4page)

이용수

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

초록· 키워드

오류제보하기
탄소중립과 관련하여 건물 에너지시스템 최적제어는 중요한 기술이다. 이러한 배경에서, 실제 시스템 운전에서 대상 센서를 요구하지 않는 비침습식 Long-Short Term Memory(LSTM) 모델링 방법을 통한 시계열 예측 가상센서(Forecasting virtual sensor)는 건물 에너지시스템의 최적제어에 크게 기여할 수 있다. 시계열 예측 가상센서란 현 시점의 건물에너지시스템 데이터를 바탕으로 미래의 값을 추론하는 수학적 모델이다. 본 논문에서는 현장에서 대상 센서(Y)없이 비침습적으로 대상변수를 관측하는 가상센서를 개발하고, 관측 가상센서의 출력값을 LSTM 학습의 입력변수로 활용하였다. 또한, 서로 다른 관측 가상센서 모델링 방법에 따른 예측 가상센서의 성능을 비교하였다. 관측 가상센서로 (1) White-box 기반의 초기 모델, (2) 간접보정 모델, (3) 대체 모델을 사용하였다. 본 논문은 1~5시간 이후를 예측하는 개별적인 가상센서의 Root Mean Squared Error(RMSE) 값을 평균해 비교하였는데, 초기 모델과 간접보정 모델의 RMSE는 각각 0.80℃, 0.55℃인 반면, 대체모델을 사용한 모델은 0.35℃의 우수한 성능을 나타내었다.

목차

Abstract
1. 서론
2. 비침습식 LSTM 모델링 방법
3. 실제 적용
4. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0