초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 건물의 HVAC 시스템의 에너지 소비를 효율적으로 관리하기 위 한 딥러닝 기반 에너지 소비량 예측 알고리즘을 제안한다. 예측 알고리즘은 Attention 알고리즘이 적용된 Sequence to Sequence Long Short-Term Memory(Seq2Seq LSTM)을 사용하여 에너지 소비량을 예측하는 ...

본 논문에서는 건물의 HVAC 시스템의 에너지 소비를 효율적으로 관리하기 위 한 딥러닝 기반 에너지 소비량 예측 알고리즘을 제안한다. 예측 알고리즘은 Attention 알고리즘이 적용된 Sequence to Sequence Long Short-Term Memory(Seq2Seq LSTM)을 사용하여 에너지 소비량을 예측하는 딥러닝 모델을 생성하고 예측의 정확도를 위해 주기적인 모델 업데이트를 진행한다. 딥러닝 기 반 예측 모델의 학습을 위한 데이터가 부족한 경우 전이 학습을 사용하여 기존 HVAC 시스템의 에너지 소비량 예측 모델과 예측 성능 비교를 진행한다. 예측 모델의 최적화된 전이 학습을 위해서 기학습된 모델의 가중치의 Freezing 및 Fine-tuning 비율을 다르게 하여 어떻게 모델을 전이할 것인지에 대한 비교 검 증을 진행하였고 클러스터링 및 체인 기반 전이 학습을 통해 여러 개의 데이터 를 사용할 수 있을 경우의 전이 학습을 통해 어떤 데이터를 사용하는 것이 효율 적인지에 대한 검증을 진행하였다. 전이 학습 모델의 베이지안 최적화 과정은 기 학습된 모델의 최적화된 하이퍼파라미터를 초기 값으로 사용하여 베이지안 최적 화를 진행함으로써 전이 학습 모델의 성능을 향상시키고 계산 시간을 단축한다. 제안된 알고리즘은 실제 건물을 통한 실증 실험을 통해 제어를 위한 정확한 예 측이 가능함을 검증하였다. 또한, 히트펌프 보일러와 시스템 에어컨의 통합 운영 이 가능한 EHS(Eco Heating Sytstem)의 에너지 소비량 예측을 위한 시뮬레이 션 모델링을 진행하고 에너지 소비량 예측을 진행한다.

Keyword