본 논문에서는 에너지 절약을 위한 방법으로 냉방기의 적정 온도 및 풍향을 제어하기 위하여 열 영상과 퍼지 추론 규칙을 적용한 온도 및 풍향 제어 기법을 제안한다. 온도 제어를 위한 시뮬레이션에서는 열 영상을 분석하기 위해서 영상을 $300{\times}400$의 크기를 가지는 색상 분포 영상으로 변환한다. 색상 분포 영상은 Red, Magenta, Yellow, Green, Cyan, Blue의 온도 값을 가지는 R,G, B 값으로 구성된다. 각 색상은 $24.0^{\circ}C$에서 $27.0^{\circ}C$의 분포의 온도 값을 가지며, 색상 분포 영상은 레벨 1에서 레벨 10의 높이 계층으로 분류한다. 분류된 각 계층은 고유의 색상 분포도를 가지며 색상이 가지는 온도 수치에 따라 계층별로 온도 값이 할당된다. 실내 공간의 전체적인 온도의 균형과 풍향을 제어하는 과정은 다음과 같다. 풍향의 방향 및 지속 시간, 그리고 풍향의 강도를 구하기 위한 색상 분포 영상의 온도 및 높이 값을 적용하여 퍼지 소속 함수를 설계한 후, 소속 함수의 소속도를 구하고 퍼지 추론 규칙을 적용하여 풍향의 강도를 구한다.
본 논문에서는 에너지 절약을 위한 방법으로 냉방기의 적정 온도 및 풍향을 제어하기 위하여 열 영상과 퍼지 추론 규칙을 적용한 온도 및 풍향 제어 기법을 제안한다. 온도 제어를 위한 시뮬레이션에서는 열 영상을 분석하기 위해서 영상을 $300{\times}400$의 크기를 가지는 색상 분포 영상으로 변환한다. 색상 분포 영상은 Red, Magenta, Yellow, Green, Cyan, Blue의 온도 값을 가지는 R,G, B 값으로 구성된다. 각 색상은 $24.0^{\circ}C$에서 $27.0^{\circ}C$의 분포의 온도 값을 가지며, 색상 분포 영상은 레벨 1에서 레벨 10의 높이 계층으로 분류한다. 분류된 각 계층은 고유의 색상 분포도를 가지며 색상이 가지는 온도 수치에 따라 계층별로 온도 값이 할당된다. 실내 공간의 전체적인 온도의 균형과 풍향을 제어하는 과정은 다음과 같다. 풍향의 방향 및 지속 시간, 그리고 풍향의 강도를 구하기 위한 색상 분포 영상의 온도 및 높이 값을 적용하여 퍼지 소속 함수를 설계한 후, 소속 함수의 소속도를 구하고 퍼지 추론 규칙을 적용하여 풍향의 강도를 구한다.
In this paper, we propose a method for control of temperature and the direction of wind in an air-cooler using thermal images and fuzzy inference rules in order to achieve energy saving. In a simulation for controlling temperature, a thermal image is transformed to a color distribution image of
In this paper, we propose a method for control of temperature and the direction of wind in an air-cooler using thermal images and fuzzy inference rules in order to achieve energy saving. In a simulation for controlling temperature, a thermal image is transformed to a color distribution image of $300{\times}400$ size to analyze the thermal image. A color distribution image is composed of R, G and B values haying temperature values of Red, Magenta, Yellow, Green, Cyan and Blue. Each color has a temperature value from $24.0^{\circ}C$ to $27.0^{\circ}C$ and a color distribution image is classified into height hierarchies from level 1 to level 10. The classified hierarchies have their peculiar color distributions and temperature values are assigned to each level by temperature values of the peculiar colors. The process for controlling overall balance of temperature and the direction of wind in an indoor space is as follows. Fuzzy membership functions are designed by the direction of wind, duration time, and temperature and height values of a color distribution image to calculate the strength of wind. After then, the strength of wind is calculated by membership values of membership functions.
In this paper, we propose a method for control of temperature and the direction of wind in an air-cooler using thermal images and fuzzy inference rules in order to achieve energy saving. In a simulation for controlling temperature, a thermal image is transformed to a color distribution image of $300{\times}400$ size to analyze the thermal image. A color distribution image is composed of R, G and B values haying temperature values of Red, Magenta, Yellow, Green, Cyan and Blue. Each color has a temperature value from $24.0^{\circ}C$ to $27.0^{\circ}C$ and a color distribution image is classified into height hierarchies from level 1 to level 10. The classified hierarchies have their peculiar color distributions and temperature values are assigned to each level by temperature values of the peculiar colors. The process for controlling overall balance of temperature and the direction of wind in an indoor space is as follows. Fuzzy membership functions are designed by the direction of wind, duration time, and temperature and height values of a color distribution image to calculate the strength of wind. After then, the strength of wind is calculated by membership values of membership functions.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 여름철 냉방의 적정 온도 및 풍향 제어를 위해 가상으로 열 영상을 생성하고 열 영상과 퍼지 추론 규칙을 적용한 온도 및 풍향 제어 기법을 제안한다.
따라서 본 논문에서는 여름철 실내 냉방온도의 적정온도를 정부 권유 온도와 실시한 여론 조사 결과를 바탕으로, 24~27℃를 기준으로 여름철 냉방의 적정 온도 및 풍향을 제어하기 위한 목적의 가상 시뮬레이션을 실시한다.
본 논문에서는 에너지 절약을 위한 방법으로 여름철 냉방의 적정 온도 및 풍향을 제어하기 위한 가상 시뮬레이션을 목적으로 열 영상과 퍼지 추론 규칙을 적용한 온도 및 풍향 제어 기법을 제안하였다. 온도 제어를 위한 가상 시뮬레이션 에서 열 영상을 분석하기 위해 영상을 3Q0 x 400의 크기를 가지는 색상 분포 영상으로 변환한 후, 색상분포영상의 특징을적용하여 실험하였다, 색상분포 영 상은 Red, Magenta, Yellow, Green, Cyan, Bln斜의 온도 값을 가지는R, G, B 값이며, 각 색상은24.
본 논문에서는 온도 및 풍향 제어를 위한 방법으로 풍향의 방향을 설정 한다. 풍향의 방향은 색상 분포 영상의 계층을 레벨 1에서 레벨 3은 하층, 레벨 4에서 레벨 7은 중간층, 레벨 8에서 레 벨 10은 상층으로 구분한다.
본 논문에서는 온도 및 풍향 제어를 위한 파라미터로 풍향의 방향, 지 속 시 간, 풍향의 강도를 적 용한다. 여름철 냉방장치의 대부분은 풍향이 고정되거나 처음 설계될 당시의 일정한 루틴으로 움직인다.
본 논문에서는 이러한 과정을 사용자가 입력 하는 방법이나 압축기의 회전 속도를 줄이는 방식이 아닌 가상의 열 영상에서 색상분포 영상으로변환 된 영상에서 온도와 레 벨 계층의 정보를 바탕으로 풍향의 방향, 지 속 시간, 강도를 구하는 방법을 제 안한다. 그림 5는 풍향 제어를 위한 파라미터의 분류 기준이다.
이에 에너지 절약이 필요한 상황으로 정부는 에너지 절약 대책의 일환으로 주 건물의 실내 냉난방 온도를 제한하는 제도를 주진하고 있다. 여론조사는 전국의 만 19세 이상남녀를 대상으로 실내 적정 냉방 온도준수 캠페인의 인지도, 제도 도입 찬반 여부를 조사하여 관련 정 책 수행 시 필요한 기초 자료로 활용하는 목적으로 (주)코리아리서치에서 조사하였다[2].
색상 분포 영상에서 하층, 중간층, 상층의 구간의 온도와 식 (2)와 식 (3)에서 구한 온도 수치를 이용하여 각 구간의 풍향의 강도를 조절한다' 본 논문에서 목표로 설 정하고 있는 온도와 각 구간의 온도의 차이가 작을수록 풍향의 강도는 약하고, 차이가 크게 나타날수록 풍향의 강도는 강하다. 이는 온도가 높은 구간부터 우선순위로 온도를 내 려 여 름철 실내 냉방의 에너지 절약과 실내 공간의 전체적인 온도의 균형을 유지하는 것이 목적 이다.
가설 설정
본 논문의 가상의 시 뮬레이션 실험 적정 온도 수치인 24℃~27笆까지 온도를 제어하기 위한 방법은 다음과 같다. 본 논문의 가상 시뮬레이션에서 여름철 실내 냉방온도의 0.1℃도를 내리기 위해서는 1분의 지속 시간이 필요하다고 가정한다. 그리고 색상 분포 영상의 상, 중, 하층의 구간에서 계산된 평균과 적 정 온도 수치 를 구하는 방법은 식 (3)과 같다.
제안 방법
및 풍향 제어 기법을 제안하였다. 온도 제어를 위한 가상 시뮬레이션 에서 열 영상을 분석하기 위해 영상을 3Q0 x 400의 크기를 가지는 색상 분포 영상으로 변환한 후, 색상분포영상의 특징을적용하여 실험하였다, 색상분포 영 상은 Red, Magenta, Yellow, Green, Cyan, Bln斜의 온도 값을 가지는R, G, B 값이며, 각 색상은24.0"C에서 2Z0℃의 분포의 온도 값을 가진다, 그리고 색상 분포 영상은 아래 계층부터 레벨 1에서 레벨 10의 높이 계층으로 분류하였다. 분류된 각 계층은 고유의 색상 분포도를 가지며 색상이 가지고 있는 온도 수치에 따라서 계층별로 온도를 구성하였다.
풍향제어를 위한 각 계층의 높이는 레벨 1에서 레벨 3까지는 하층이며, 레벨 4부터 레벨 7은 중간층, 레 벨 8부터 레 벨 10은 상층으로 분류하였다. 그리고 실내 공간의 전체적인 온도의 균형과 풍향을 제어 하는 과정 으로 풍향의 방향, 지 속 시간을 적 용하고 풍향의 강도를 구하기 위해 퍼 지 추론 규칙 에 색상 분포 영상의 각 구간의 온도 및 높이의 특징을 적용하여 퍼지 소속 함수를 설계 한 후, 소속 함수의 소속도를 구하고 퍼 지추론 규칙을 적용하여 풍향의 강도를 조정하였다.
본 논문에서는 여름철 실내 냉방의 에너지 절약과 실내 공간의 전체적인 온도의 균형과 풍향을 제어하는 과정 으로 풍향의 방향, 지 속 시간을 적 용하고 풍향의 강도를 구하기 위해 퍼지 추론 규칙 에 색상 분포 영상의 각 구간의 온도 및 높이의 특징을 적용하여 온도와 풍향을 제어한다. 퍼지 논리 시스템의 입력은 온도와높이이고, 출력은 풍향의 강도이다.
본 논문에서는 온도 소속 함수의 카테고리를 Cool, Normal, Hot과 같이 3개로 구성 하고 그림 7과 같이 설계한다. Cool 구간은 온도가 낮은 구간이고, Normal 구간은 온도가 중간인 구간이고, Hot 구간은 온도가 높은 구간이다.
본 논문의 가상의 냉방장치는 수직 형 (Stand-type)을 기준으로 2차원적인 평면 공간을 바탕으로 실험하였다. 향후 연구 과제로는 벽걸이형, 천장삽입 형과3차원적 인 실내 공간을 바탕으로 연구를 수행할 것이다.
0"C에서 2Z0℃의 분포의 온도 값을 가진다, 그리고 색상 분포 영상은 아래 계층부터 레벨 1에서 레벨 10의 높이 계층으로 분류하였다. 분류된 각 계층은 고유의 색상 분포도를 가지며 색상이 가지고 있는 온도 수치에 따라서 계층별로 온도를 구성하였다. 풍향제어를 위한 각 계층의 높이는 레벨 1에서 레벨 3까지는 하층이며, 레벨 4부터 레벨 7은 중간층, 레 벨 8부터 레 벨 10은 상층으로 분류하였다.
색상 분포 영상에서 계층의 온도와 높이의 소속도를표5와 같이 퍼지 추론 규칙을 적용하여 추론한 후에, 가중치 평균을 적용하여 비 퍼지 화 하고 온도 및 풍향 제어를 위한 풍향의 강도를 구한다. 그림 9는 풍향의 강도에 대한 출력 소속 함수이다.
색상 분포 영상으로 변환된 영상을 Red Magenta, Yellow, Green, Cyan, Blue의 히스토그램을 이용하여 각 계층의 색상 영역의 분포도를 구하고 각 계층의 색상 값의 총합을 구한 후 계층의 평균 온도를 구한다. 평균 온도를 계산하는 방법은 식 1과 같고 고유의 색상이 가지는 온도 도수는 표 2와 같으며 색상 분포 영상의 히스토그램은 그림 4와 같다.
대상 데이터
가상의 열 영 상은 300 x 400의 크기를 가지는 영상이며 각 공간은 30 x40의 크기를 가진 10개의 공간으로 구성된다. 10개의 가로 열 공간은 하나의 레벨 계층으로 분류하고 레 벨 계층은 풍향을 제어 하기 위한 파라미 터 로 사용된다.
실험 영상은 가상으로 생성된 300 乂倾의 크기를 가진 열 영상과 열 영상에서 생성된 색상분포 영상50장을 적용하였다. 본 논문에서 가상 시뮬레이션은 적정 온도수치인 24℃ 와 25℃ 에 대해 색상 분포 영상 50장을 실험하였다. 실험 결과, 목표 온도인 24℃와 25℃는 비슷한 풍향의 방향과 강도가 나타났고, 풍향의 지속 시간은 식 (3)을 적용하므로 25℃가 지속 시간이 길게 나타났다.
0 GHz CPU와 2GB RAM이 장착된 PC 상에서 VC++로 구현하였다. 실험 영상은 가상으로 생성된 300 乂倾의 크기를 가진 열 영상과 열 영상에서 생성된 색상분포 영상50장을 적용하였다. 본 논문에서 가상 시뮬레이션은 적정 온도수치인 24℃ 와 25℃ 에 대해 색상 분포 영상 50장을 실험하였다.
6%로, 국민 4명중 1명은 캠페인에 대해 처음 들어본다는 반응이다. 조사의 대상은 19세 이상 남녀 1,000명을 대상으로 CATI(Computer Aided Telephone Interview) 방법으로 조사하였다. 그리고 표본추출 방법으로는 비례층화표본추출 방법(Proportionate Stratified Sampling)을 사용하였다.
이론/모형
조사의 대상은 19세 이상 남녀 1,000명을 대상으로 CATI(Computer Aided Telephone Interview) 방법으로 조사하였다. 그리고 표본추출 방법으로는 비례층화표본추출 방법(Proportionate Stratified Sampling)을 사용하였다. 조사 기 간은 2008년 7월 21일 기준이 며 신뢰수준은 95% 오차율 ±3.
퍼지 논리 시스템은 입력 신호의 퍼지화, 전문가의 지식에 기반을 둔 퍼지 규칙에 의한 퍼지 추론, 비퍼지화로 구성된다[3]. 퍼지 규칙을 추론하기 위해서 본 논문에서는 Max-Min 추론 방식 을 적용한다* 비퍼지화는 퍼지 추톤의 결과인 퍼지 값을 단일 실수값으로 변화시키는 부분으로 본 논문에서는 식 (4)와 같은 가중치 평균 기법을 적 용한다[4, 5].
성능/효과
따라서 과도한 냉방으로 인한 에너지 소비가 급증하고 있는 상업, 공공용 건물 중심으로 냉방 온도를 제한할 필요가 있다. 고유가 등 국가 경제위기 상황에 대처하기 위해 (주)코리아리서치 기관을 통해서 여름철 실내 냉방의 적정 온도에 대한 연령별 설문 조사를 실시한 결과, 여름철 실내 냉방 온도는 20대를 제외한 모든 연령층에서 24~26E가 가장 선호되는 것으로 나타났다 [1].
본 논문에서 제안한 열 영상 온도와 풍향 제어 방법이 실내 공간의 전체적인 온도의 균형과 풍향을 제어하므로 에너지 절약을 기대할수있고실내 공간전체의 평균온도를 유지 할 수 있다는 것을 실험을 통해서 확인하였다. 본 논문의 가상의 냉방장치는 수직 형 (Stand-type)을 기준으로 2차원적인 평면 공간을 바탕으로 실험하였다.
본 논문에서 가상 시뮬레이션은 적정 온도수치인 24℃ 와 25℃ 에 대해 색상 분포 영상 50장을 실험하였다. 실험 결과, 목표 온도인 24℃와 25℃는 비슷한 풍향의 방향과 강도가 나타났고, 풍향의 지속 시간은 식 (3)을 적용하므로 25℃가 지속 시간이 길게 나타났다.
실험의 결과를 분석한 결과, 본 논문의 실험 목적의 적 정 온도까지 지속 시간을 구할 수 있었고, 또한 풍향의 방향과 강도를 조절하는 기법으로 에너지 절약이 기대할 수 있고 실내 공간 전체의 적절한 평균 온도를 유지할 수 있었다. 색상 분포 영상의 표본은 표 6과 같으며 색상 분포 영상50장 모두 표 6과 같은 형식을 가진다.
여름철 상업, 공공용 건물 중심으로 실내 냉방 온도 제한의 적정성에 대한 국민의식 여론조사 결과, 찬성이 78.1%, 반대가 16.5%, 무응답이 7.6%로 나타났다. 국민 다수가 정부에서 권유하고 있는 실내 냉방온도 수준에 동의 하는 것으로 조사되었다.
후속연구
본 논문의 가상의 냉방장치는 수직 형 (Stand-type)을 기준으로 2차원적인 평면 공간을 바탕으로 실험하였다. 향후 연구 과제로는 벽걸이형, 천장삽입 형과3차원적 인 실내 공간을 바탕으로 연구를 수행할 것이다.
참고문헌 (5)
지식경제부, 에너지 관리과, 건물냉난방 적정성과 온도준수여론 조사결과, 보도자료 7월 18일, 2008
(주)코리아리서치, 건물냉난방의 적정온도 준수 여론 조사 결과, 보도 자료 7월 18일, 2008
R. Babuska, Fuzzy Modeling For Control, Kluwer Academic Publishers, 1998
김광백, 박현정, '퍼지 추론기법을 이용한 DNA 염기 서열의 단편결합,' 한국해양정보통신학회논문지, 10권, 12호, pp.2329- 2334, 2006
K. B. Kim, S. K. Je,Y. J. Kim, 'Enhanced RBF Network by Using ART2 Algorithm and Fuzzy Control Method,' IEICE Transactions on Fundamentals of Electronics, Communications and Computer Science, Vol.E88-A, No.6, pp. 1497-1501, 2005
※ AI-Helper는 부적절한 답변을 할 수 있습니다.