본 논문에서는 지역난방집단에너지 공급시스템에서의 열공급량 패턴을 분석하여 열수요 예측 모델을 개발하기 위해, 인공신경회로망의 특징, 구조, 종류 및 신경회로망에 사용되는 주요 ...
본 논문에서는 지역난방집단에너지 공급시스템에서의 열공급량 패턴을 분석하여 열수요 예측 모델을 개발하기 위해, 인공신경회로망의 특징, 구조, 종류 및 신경회로망에 사용되는 주요 알고리즘에 대해서 고찰하였다. 또한 인공신경회로망 도구(Tool)인 MATLAB의 Neural Network 프로그램을 이용하여 한국지역난방공사의 강남지사와 수서지사의 실제 데이터를 분석, 적용하여 열수요량을 예측하는 모델을 개발하였다. 한국지역난방공사의 강남지사와 수서지사의 과거(2007년) 열사용 실적 자료를 수집하여 외기온도에 따른 열공급량 패턴을 분석하였다. 과거 열수요 경향을 반영하는 강남지사 및 수서지사의 2007년 외기온도와 열공급량을 입력 변수로 설정하여 학습하였다. 학습 결과로 구축된 네트워크를 사용하여 2007년 및 2008년 열공급량을 시뮬레이션 하였다. 예측 결과를 실제 열공급 실적과 비교한 결과 = 0.99605(강남), = 0.99429(수서), = 0.99573(강남), = 0.99403(수서)으로 실제 운영 데이터와 예측 값이 잘 일치하였다. 이러한 결과를 바탕으로, 신경회로망을 이용한 열수요 예측 모델이 집단에너지 공급 지역난방의 열공급 계획 수립과 광역에너지 통합관리 시스템 구축 및 경제운전 최적화에 실용적으로 적용될 수 있을 것으로 사료된다.
본 논문에서는 지역난방 집단에너지 공급시스템에서의 열공급량 패턴을 분석하여 열수요 예측 모델을 개발하기 위해, 인공신경회로망의 특징, 구조, 종류 및 신경회로망에 사용되는 주요 알고리즘에 대해서 고찰하였다. 또한 인공신경회로망 도구(Tool)인 MATLAB의 Neural Network 프로그램을 이용하여 한국지역난방공사의 강남지사와 수서지사의 실제 데이터를 분석, 적용하여 열수요량을 예측하는 모델을 개발하였다. 한국지역난방공사의 강남지사와 수서지사의 과거(2007년) 열사용 실적 자료를 수집하여 외기온도에 따른 열공급량 패턴을 분석하였다. 과거 열수요 경향을 반영하는 강남지사 및 수서지사의 2007년 외기온도와 열공급량을 입력 변수로 설정하여 학습하였다. 학습 결과로 구축된 네트워크를 사용하여 2007년 및 2008년 열공급량을 시뮬레이션 하였다. 예측 결과를 실제 열공급 실적과 비교한 결과 = 0.99605(강남), = 0.99429(수서), = 0.99573(강남), = 0.99403(수서)으로 실제 운영 데이터와 예측 값이 잘 일치하였다. 이러한 결과를 바탕으로, 신경회로망을 이용한 열수요 예측 모델이 집단에너지 공급 지역난방의 열공급 계획 수립과 광역에너지 통합관리 시스템 구축 및 경제운전 최적화에 실용적으로 적용될 수 있을 것으로 사료된다.
The purpose of this study is to develop heat demand forecasting model by analysing the patterns of heat supply in district heating for integrated energy supply system. We reviewed the characteristic, structure, and kinds of the artificial neural network, and the major algorithms used in neural netwo...
The purpose of this study is to develop heat demand forecasting model by analysing the patterns of heat supply in district heating for integrated energy supply system. We reviewed the characteristic, structure, and kinds of the artificial neural network, and the major algorithms used in neural network. The heat demand forecasting model was developed by applying the heat supply data of Gangnam and Suseo branches of Korea District Heating Corporation using MATLAB Neural Network. The pattern of heat supply considering the outdoor air temperature was analysed using the heat supply data of the year 2007 obtained from the Gangnam and Suseo branches of Korea District Heating Corporation. The suitable type of data for developing heat demand forecasting model was chosen and applied to the neural network. The input parameters for training were outdoor air temperature and the amount of heat supply of the year 2007 reflecting past trends. The amount of heat supply of the year 2007 and 2008 were simulated using the network model established through the training process. The comparison between forecasted data and actual data showed that the 's of Gangnam and Suseo were 0.99605 and 0.99429, respectively, and the 's were 0.99573 and 0.99403, respectively. The heat demand forecasting model using neural network model was practically implemented in order to plan the integrated energy management system of district heating. This forecasting model could be contributed to realize the district energy management system for the optimal operation.
The purpose of this study is to develop heat demand forecasting model by analysing the patterns of heat supply in district heating for integrated energy supply system. We reviewed the characteristic, structure, and kinds of the artificial neural network, and the major algorithms used in neural network. The heat demand forecasting model was developed by applying the heat supply data of Gangnam and Suseo branches of Korea District Heating Corporation using MATLAB Neural Network. The pattern of heat supply considering the outdoor air temperature was analysed using the heat supply data of the year 2007 obtained from the Gangnam and Suseo branches of Korea District Heating Corporation. The suitable type of data for developing heat demand forecasting model was chosen and applied to the neural network. The input parameters for training were outdoor air temperature and the amount of heat supply of the year 2007 reflecting past trends. The amount of heat supply of the year 2007 and 2008 were simulated using the network model established through the training process. The comparison between forecasted data and actual data showed that the 's of Gangnam and Suseo were 0.99605 and 0.99429, respectively, and the 's were 0.99573 and 0.99403, respectively. The heat demand forecasting model using neural network model was practically implemented in order to plan the integrated energy management system of district heating. This forecasting model could be contributed to realize the district energy management system for the optimal operation.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.