$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 강화신호를 이용한 건물공조시스템의 최적제어에 관한 연구
A Study of Optimum Control in Building HVAC System using Reinforce Signal 원문보기

설비공학논문집 = Korean journal of air-conditioning and refrigeration engineering, v.16 no.11, 2004년, pp.1068 - 1076  

조성환 (한국에너지기술연구원 건물에너지연구센터) ,  양성희 (한양대학교 건축공학과) ,  양훈철 (한국에너지기술연구원 건물에너지연구센터)

Abstract ▼ AI-Helper 아이콘AI-Helper

Technology on the proportional integral (PI) control have grown rapidly owing to the needs for the robust capacity of the controllers from industrial building sectors. However, PI controller requires tuning of gains for optimal control when the outside weather condition changes. The present study pr...

주제어

#강화학습   #최적제어   #자동동조   #건물자동화 시스템   #비례적분제어  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • Barto et al.⑺은 실시간 동특성을 가진 프로그램의 학습과 실행을 연구하였다. Sutton®9)은 강화학습제어 의 평가함수학습인 Temporal Difference(TD) 방법을 사용하였다.
  • 본 연구는 강화학습제어의 특성을 규명코자 온라인 상태에서 학습제어가 가능하고 자기동조기능을 보유한 방법으로 PI 제어기의 출력제어신호를 보상하여 주는 강화학습 제어 알고리즘 방법을 사용하여 HVAC 시스템의 제어성능을 개선시킬 수 있는 방법을 제안하였다. 이를 위해 실제 건물의 공조시스템에 제어방법을 적용하여 실험적으로 연구하였다.
  • RL 제어기의 설계시 중요한 인자 중의 하나는 제어기의 입력값과 출력값의 오차가 큰 경우에 출력값을 강화시키는 설정조건을 구하는 것이다. 본 연구는 동절기 조건에서 여러 강화신호에 따른 추종성능을 검토함으로써 RL 제어기의 설계 조건을 제안하였다. 이를 위하여 TRNSYS 프로그램에 PI 제어기와 RL 제어기 부분을 Fin Efficiency 2]- Effectiveness-NTU를 이용한 해석방법과 복사난방공간의 온도제어방법을 프로그램화 하여 TRNSYS 프로그램의 각 모듈로 이용하였다.

가설 설정

  • (10) 총 보상값을 최소화하는 가정 하에서 목표 값, Q에 대한 평가반복의 Monte Carlo식 표현법 은 식⑸와 같다.
본문요약 정보가 도움이 되었나요?

참고문헌 (10)

  1. Ministry of Commerce, Industry and Energy,2003, Total energy consumption report, pp.1-80 

  2. Virk, G. S. and Loveday, D. L., 1992, A comparison of predictive, PID, and on/off techniques for energy management and control, Proceedings of ASHRAE, pp. 3-10 

  3. Hang, C. C. and Astrom, K.J. and Ho, W.K., 1991, Refinements of the Ziegler-Nichols tuning formula, IEE Proceedings Part DControl Theory Applicat., Vol. 138, No.2, pp.111-118 

  4. Watkins, C. and Dayan, P., 1992, Technical note: Q-learning, Machine Learning, Vol. 8,pp. 279-292 

  5. Anderson, C. W., Hittle, D. C., Katz, A. D. and Kretchmar, R. M., 1997, Synthesis of reinforcement learning, neural networks, and PI control applied to a simulated heating coil.Artificial Intelligence in Engineering, Vol. 11,No.4, pp. 421-429 

  6. Anderson, C. W., 1993, Q-learning with hidden-unit restarting, Advances in Neural Information Processing Systems, Vol. 5, S.].Hanson, J. D. Cowan and C. L. Giles, eds.,Morgan Kaufmann Publishers, San Mateo,CA, pp. 81-88 

  7. Barto, A. G., Bradtke, S.]. and Singh, S. P.,1995, Learning to act using real-time dynamic programming, Artificial Intelligence,Special Volume: Computational Research on Interaction and Agency, Vol. 72, No.1, pp.81-138 

  8. Sutton, R. S, 1988, Learning to predict by the method of temporal difference, Machine Learning, Vol. 9, pp.9-44 

  9. Sutton, R. S. and Barto, A. G., 1998, Reinforcement Learning: an Introduction, Cambridge, MA: MIT Press, pp. 51-85 

  10. So, J. H., Cho, S. H., Song, M. H. and Park,M. S., 2001, Experimental study on control performance of reinforcement learning method,Proceedings of the SAREK, pp.697-701 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로