지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박진철
- 발행연도
- 2017
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수12
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
전 세계적으로 에너지사용량과 온실가스 배출량의 증가로 인한 지구온난화 현상, 도시열섬현상, 기후 변화 및 자원 고갈 등 심각한 환경 문제가 지속적으로 발생하고 있다. 특히 에너지수입 의존도가 약 95%로 에너지수급이 매우 불안정한 우리나라는 건물에서 소비되는 에너지가 전체 24%를 차지한다. 건물부문에서 에너지를 절감하기 위한 방안으로 에너지소비량을 예측하고 공조시스템의 운전을 최적으로 제어하는 것이 매우 중요하다.
따라서 본 연구에서는 기존의 에너지 시뮬레이션과 건물 제어방법의 문제점을 개선하는 인공신경망을 활용하여 건물의 공조시스템 에너지사용량 예측 모델을 개발하고, 이를 통하여 보다 에너지 효율적이고 정확한 알고리즘 개발을 위한 기초자료 제공을 목적으로 한다. 수치계산 프로그램인 MATLAB을 통해 인공신경망 모델을 개발하고 성능평가를 실시하였으며, 신경망 모델의 학습 및 검증 데이터베이스는 대상 건물에서 실측 데이터를 수집하였다. 인공신경망 모델 개발과정은 초기모델 개발, 최적 입력변수 선정, 최적화 과정, 예측성능 평가로 시행되었다.
연구 결과 2개의 인공신경망 모델(여름철: NHL=2, NHN=15, LR=0.3, MO=0.3, 겨울철: NHL=2, NHN=22, LR=0.4, MO=0.2)이 개발되었으며, 대상 건물의 실제 에너지사용량과 유사하게 예측할 수 있었다. 여름철과 겨울철 예측모델의 R2는 각각 0.8136, 0.8120, Cv(RMSE) 값은 각각 11.28%, 5.44%로 나타나 ASHRAE Guideline 14에서 제시한 기준을 충분히 만족하는 것으로 확인되었다.
향후 본 연구 결과를 기반으로 공조시스템의 설정값 및 변수들을 제어하는 최적운전 알고리즘을 개발하고 이를 시뮬레이션 및 실제 건물에 적용하면 인공신경망을 통한 건물 에너지절감이 가능할 것이다.
따라서 본 연구에서는 기존의 에너지 시뮬레이션과 건물 제어방법의 문제점을 개선하는 인공신경망을 활용하여 건물의 공조시스템 에너지사용량 예측 모델을 개발하고, 이를 통하여 보다 에너지 효율적이고 정확한 알고리즘 개발을 위한 기초자료 제공을 목적으로 한다. 수치계산 프로그램인 MATLAB을 통해 인공신경망 모델을 개발하고 성능평가를 실시하였으며, 신경망 모델의 학습 및 검증 데이터베이스는 대상 건물에서 실측 데이터를 수집하였다. 인공신경망 모델 개발과정은 초기모델 개발, 최적 입력변수 선정, 최적화 과정, 예측성능 평가로 시행되었다.
연구 결과 2개의 인공신경망 모델(여름철: NHL=2, NHN=15, LR=0.3, MO=0.3, 겨울철: NHL=2, NHN=22, LR=0.4, MO=0.2)이 개발되었으며, 대상 건물의 실제 에너지사용량과 유사하게 예측할 수 있었다. 여름철과 겨울철 예측모델의 R2는 각각 0.8136, 0.8120, Cv(RMSE) 값은 각각 11.28%, 5.44%로 나타나 ASHRAE Guideline 14에서 제시한 기준을 충분히 만족하는 것으로 확인되었다.
향후 본 연구 결과를 기반으로 공조시스템의 설정값 및 변수들을 제어하는 최적운전 알고리즘을 개발하고 이를 시뮬레이션 및 실제 건물에 적용하면 인공신경망을 통한 건물 에너지절감이 가능할 것이다.
목차
제 1 장 서 론 11.1 연구의 배경 및 목적 11.2 연구의 범위 및 방법 5제 2 장 이론 고찰 82.1 선행연구 분석 82.2 인공신경망 152.3 데이터마이닝 22제 3 장 오피스건물의 에너지사용량 분석 273.1 대상 건물 개요 273.2 대상 건물의 에너지 소비특성 분석 313.2.1 데이터 수집 313.2.2 데이터 가공 343.2.3 건물에너지 소비패턴 383.3 소 결 40제 4 장 에너지사용량 예측모델 개발 414.1 인공신경망 모델 개발 424.1.1 초기 예측모델 설계 424.1.2 최적 입력변수 도출 474.2 예측모델 최적화 604.2.1 최적화 과정 604.2.2 예측성능 평가 654.3 소 결 68제 5 장 결 론 70참 고 문 헌 72국 문 초 록 77ABSTRACT 79
최근 본 자료
댓글(0)
0