[논문]지역난방 동절기 공동주택 온수급탕부하의 LS-SVM 기반 모델링

박영칠

doi:10.6110/kjacr.2016.28.9.355

Abstract ▼ AI-Helper

Continuing to the modeling of heating load, this paper, as the second part of consecutive works, presents LS-SVM (least square support vector machine) based model of winter time apartment hot water supply load in a district heating system, so as to be used in prediction of heating energy usage. Simi...

Continuing to the modeling of heating load, this paper, as the second part of consecutive works, presents LS-SVM (least square support vector machine) based model of winter time apartment hot water supply load in a district heating system, so as to be used in prediction of heating energy usage. Similar, but more severely, to heating load, hot water supply load varies in highly nonlinear manner. Such nonlinearity makes analytical model of it hardly exist in the literatures. LS-SVM is known as a good modeling tool for the system, especially for the nonlinear system depended by many independent factors. We collect 26,208 data of hot water supply load over a 13-week period in winter time, from 12 heat exchangers in seven different apartments. Then part of the collected data were used to construct LS-SVM based model and the rest of those were used to test the formed model accuracy. In modeling, we first constructed the model of district heating system's hot water supply load, using the unit heating area's hot water supply load of seven apartments. Such model will be used to estimate the total hot water supply load of which the district heating system needs to provide. Then the individual apartment hot water supply load model is also formed, which can be used to predict and to control the energy consumption of the individual apartment. The results obtained show that the total hot water supply load, which will be provided by the district heating system in winter time, can be predicted within 10% in MAPE (mean absolute percentage error). Also the individual apartment models can predict the individual apartment energy consumption for hot water supply load within 10% ~ 20% in MAPE.

주제어

AI 본문요약
AI-Helper

문제 정의

을 사용한 동절기 공동주택의 온수급탕부하 모델의 수립에 관한 것이다. 선행연구⁽¹⁾에 이어, 본 연구는 경기 남부 신도시지역에서 해당 지역의 지역난방시스템이 동절기에 공급하여야 하는 열에너지의 수요 예측에서 사용 가능한 모델 수립을 궁극적 목적으로 수행된 것으로서, 신도시지역에 위치하는 7개의 공동주택에서 측정된 동절기 온수급탕열 사용량을 LS-SVM 기반으로 모델링하고, 수립된 모델의 예측 정확도를 실제 측정 데이터와 비교 분석한 것이다.

제안 방법

MB 공동주택이외의 공동주택들의 동절기 온수급탕부하 모델들도 각각 해당 공동주택에서 측정된 그러나 모델링에 사용되지 않은 데이터를 사용하여 구성된 모델의 예측 성능을 평가하였다. 평가 결과, 모든 공동주택들의 온수급탕부하 모델들은 Fig.
동절기 지역난방이 공급하여야 하는 온수급탕부하의 예측을 위한 모델로서 사용될 목적으로 구성된 지역난방의 온수급탕부하 모델은, 7개 공동주택 12개 온수급탕열교환기 1차측에서 측정된 온수급탕부하 총량을 해당 공동주택들의 총난방면적으로 나눈 단위난방 면적당 온수급탕부하를 사용하여 구성된다. 따라서 본 연구에서 얻어진 모델이 지역난방이 공급하여야 하는 온수급탕부하의 수요 예측에 사용될 경우, 온수급탕량은 모델을 사용하여 얻어진 단위난방면적당 온수급탕부하에 난방면적으로 표시된 해당 지역난방이 담당하는 공동주택의 규모를 곱함으로서 얻어지게 된다.
지역난방의 온수급탕부하 모델링에서 사용될 입력 데이터 벡터를 구성하기 위하여 본 연구는 우선 공동주택의 온수급탕열 사용량 및 사용 패턴을 측정된 데이터를 통하여 분석하였다. 이에 본 연구에서는 사용시간을 나타내는 월(month), 요일(day of week), 시간(hour), 외기온도 및 온수급탕열교환기 2차측 급수 온도를 온수급탕부하를 결정짓는 독립인자로 설정하고, 따라서 아래의 식(8)에서와 같은 36개의 요소를 갖는 벡터를 구성하여 이를 입력데이터 벡터로 사용하였다.

대상 데이터

지역난방을 사용하는 공동주택 동절기 온수급탕부하의 모델링을 위하여, 본 연구에서는 2012년 12월 3일부터 2013년 3월 3일까지 13주 동안 경기도 남부에 위치하는 신도시지역의 7개 공동주택 12개 온수급탕열 교환기에서 총 26,208개의 온수급탕열 사용 데이터를 Table 1에서와 같이 수집하였다.
지역난방의 온수급탕부하 모델링은 동절기 13주 동안 측정된 2,184개의 단위난방면적당 온수급탕부하 데이터 중에서 격주로 선택된 6주에 해당되는 1,008개의 데이터를 사용하였다.

데이터처리

지역난방의 온수급탕부하 모델의 일반화 성능, 즉 온수급탕부하의 수요 예측 성능 평가는, 모델링에 사용되지 않은 1,176개의 측정 데이터를 대상으로, 수립된 모델을 사용하여 예측된 값과 실제 측정된 값을 비교하는 방법으로 수행되었다.

이론/모형

모델 탐색은 모델링에서 사용되는 두 개의 파라미터 (σ, γ)를 결정하는 과정으로, 본 연구에서는 현재 모델 탐색의 가장 보편적인 방법으로 알려져 있는 교차확인법(cross validation method)⁽¹¹⁾을 사용하였다.

성능/효과

(1) LS-SVM 기반의 온수급탕부하 모델은 동절기 공동주택의 온수급탕열 사용량 및 사용 패턴을 추론하기 위한 모델로 사용될 수 있다.
(2) 동절기 지역난방이 공급하여야 하는 열에너지의 총량을 추론하기 위한 목적으로 구성된 지역난방의 온수급탕부하 모델은, 측정된 시험 데이터에 대하여 평균절대비율오차 10% 이내의 예측 정확도를 가지고 있다.
(3) 개별 공동주택 온수급탕부하의 효율적 사용관리 및 제어를 위한 목적으로 활용될 수 있는 개별 공동주택의 온수급탕부하 모델은, 측정된 시험 데이터에 대하여 평균절대비율오차 10%~20% 범위의 예측 정확도를 가지고 있다.

후속연구

따라서 본 연구에서 구성된 모델의 일반화, 즉 데이터 측정이 이루어진 신도시 이외의 국내 도시지역에서의 적용에는 제한이 있을 수 있다. 그럼에도 불구하고 연구에서 사용된 데이터는 비록 특정지역의 것이기는 하나 다양한 공동주택에서 취득한 것이며, 동시에 측정에 참여한 공동주택들이 신도시의 넓은 지역에 분포되어 있음을 고려한다면, 본 연구에 사용된 데이터의 대표성이 아주 없다고는 할 수 없을 것이고, 따라서 제한적일 수는 있으나 본 연구의 결과가 경기 남부 신도시 이외의 지역에서도 일부 수용될 수 있는 여지가 있을 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	동절기 공동주택(apartment)의 열부하는 무엇으로 구성되는가?	동절기 공동주택(apartment)의 열부하는 난방 부하와 온수급탕부하로 구성된다. 본 연구는 지역난방을 사용하는 공동주택 동절기 열부하의 수요 예측에 활용될 수 있는 모델 구축을 목적으로 수행된 연구의 두 번째 결과로서, 선행연구의 난방부하 모델링(1)에 이어 공동주택의 동절기 온수급탕부하의 모델링에 관한 것이다.
	LS-SVM 기반 모델이 비선형성 및 분산도가 대단히 강한 데이터가 모델링에 사용되는 경우에는 어떠한가?	LS-SVM 기반 모델의 일반화 성능은 모델링에 사용되는 데이터의 수가 증가함에 따라 증가한다. 그러나 비선형성 및 분산도가 대단히 강한 데이터가 모델링에 사용되는 경우에는, 사용되는 데이터 수의 증가에 따라 모델의 예측정도가 향상되기는 하나 한계점이 존재(10)하는 것으로 알려져 있다. 동시에 모델링에 사용되는 데이터 수의 증가는 식(4)의 연산에서 요구되는 역행렬 계산시간의 급격한 증대와 연산을 위한 대용량 메모리의 필요성 등과 같은 문제들을 유발하며, 따라서 실제 구현이 현실적으로 어려워지는 문제가 발생되는 것으로 알려지고 있다.
	공동주택의 동절기 온수급탕부하는 무엇의 의해 결정되는가?	공동주택의 동절기 온수급탕부하는, 난방부하의 경우에서와 유사하게, 사용 시간, 공통주택의 유형(면적), 세대수, 거주 인원, 외기온도 그리고 급탕열교환기 2차측 급수 온도와 같은 다양한 인자들을 독립변수로 하는 비선형적 관계에 의해 결정된다. 따라서 공동주택 온수급탕부하의 수요 예측은, 비록 그 필요성은 명백하나, 실제적 실용 가능 수준으로 추론될 수 있는 방법의 현실화에는 지극한 한계가 존재하고 있는 부분이다.

참고문헌 (11)

Park, Y. C., 2015, Modeling of winter time apartment heating load in district heating system using reduced LS-SVM, Korean Journal of Air-Conditioning and Refrigeration Engineering, Vol. 27, No. 6, pp. 283-292.

원문보기 상세보기
Werner, S. E., 1984, The heat load in district heating systems, Ph.D. Thesis, Chalmers University of Technology, Sweden.
Heller, A. J., 2002, Heat load modeling for large systems, Applied Energy, Vol. 72, No. 1, pp. 371-387.

상세보기
Koive, T. A. and Toode, A., 2006, Trends in domestic hot water consumption in Estonian apartment building, Proc. Estonian Academy of Science Engineering, Vol. 12, No. 1, pp. 72-80.
Evarts, J. C. and Swan, L. G., 2013, Domestic hot water consumption estimates for solar heating thermal sizing, Energy and Buildings, Vol. 58, pp. 58-65.

상세보기
Suykens, J. A. K., 2002, Least square support vector machine, Singapore, World Science Pub.
Suykens et al., 2002, Weighted least squares support vector machines : robustness and space approximation, Neurocomputing, Vol. 48, No. 1-4, pp. 85-105.

상세보기
Gavin et al., 2002, Improved sparse least squares support vector machines, Neurocomputing, Vol. 48, No. 1-4, pp. 1025-1031.

상세보기
Vapnik, V., 1995, The Nature of Statistical Learning Theory, Springer.
Baudat, G. and Anouar, F., 2003, Feature vector selection and projection using kernels, Neurocomputing, Vol. 55, No. 1-2, pp. 21-38.

상세보기
An, S., Liu, W., and Venkatesh, S., 2007, Fast cross validation algorithms for least squares support vector machines and kernel ridge regression, Pattern Recognition, Vol. 40, No. 8, pp. 2154-2162.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

지역난방 동절기 공동주택 온수급탕부하의 LS-SVM 기반 모델링
LS-SVM Based Modeling of Winter Time Apartment Hot Water Supply Load in District Heating System 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

지역난방 동절기 공동주택 온수급탕부하의 LS-SVM 기반 모델링 LS-SVM Based Modeling of Winter Time Apartment Hot Water Supply Load in District Heating System 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

박영칠 (19)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

지역난방 동절기 공동주택 온수급탕부하의 LS-SVM 기반 모델링
LS-SVM Based Modeling of Winter Time Apartment Hot Water Supply Load in District Heating System 원문보기

AI 본문요약
AI-Helper