[논문]유닛형 공기조화기 센서의 가상보정 방법 및 적용 특성 분석

윤성민; 김용식

doi:10.7836/kses.2018.38.6.065

유닛형 공기조화기 센서의 가상보정 방법 및 적용 특성 분석
Virtual In-situ Sensor Calibration and the Application in Unitary Air Conditioners 원문보기

한국태양에너지학회 논문집 = Journal of the Korean Solar Energy Society, v.38 no.6, 2018년, pp.65 - 72

윤성민 (인천대대학교 도시건축학부) , 김용식 (인천대대학교 도시건축학부)

Abstract ▼ AI-Helper

Since data-driven building technologies have been widely applied to building energy systems, the accuracy of building sensors has more impacts on the building performance and system performance analysis. Various building sensors, however, can have typical errors including a random error (noise) and a systematic error (bias). The systematic error is indicated by the difference between the mean of measurements and their true value. It may occur due to the sensor's physical condition, measured phenomena, working environments inside the systems. Unfortunately, a conventional calibration method has limitations in calibrating the systematic errors because of the difference between working environments and calibration conditions. In such situations, a novel sensor calibration method is needed to handle various sensor errors, especially for systematic errors, in building energy systems having various thermodynamic environments. This study proposes a building sensor calibration method named Virtual In-situ Calibration (VIC) and shows how it is applied into a real building system and how it solves the sensor errors.

주제어

표/그림 (5)

그림 Fig. 1 System diagram and measurements
표 Table 1 Operational conditions
표 Table 2 Prior and posterior distributions of five offsetting constants
그림 Fig. 2 Offsetting constant and probability density functions at 8 sets
그림 Fig. 3 The distributions of cooling capacity balance errors after a calibration

AI 본문요약
AI-Helper

문제 정의

하지만 기존의 센서보정방법은 별도의 조건에서 보정이 수행됨에 따라 건물 내 환경으로부터 발생하는 다양한 계통오차를 즉각적으로 발견하고 해결하지 못한다. 따라서 본 연구에서는 새로운 방식의 가상보정방법 (Virtual In-situ Calibration)을 개발하고 실제 건물에너지시스템에 적용한 사례를 제시하고자 한다.

가설 설정

먼저, 증발기에서의 공기측과 냉매측의 열전달량을 비교해 볼 때, 최대 8% 이상의 차이가 나타났다. 본 연구에서는 이러한 차이의 원인을 센서의 계통오차로 가정하였다.

제안 방법

본 연구에서 제시하는 센서보정방법은 건물에너지시스템의 물리적 모델과 확률적 기법을 이용한 가상의 현장보정기술로, 시스템 내 다양한 센서에러를 규명하고 해결할 수 있다^3-7). 특히, 시스템 내 숨겨진 계통오차를 규명하고 보정하는 것이 가장 큰 장점이다.
본 연구에서는 건물에너지시스템의 물리적 모델과 확률적 기법을 통해 센서의 가상보정방법을 제안하였고 실제 패키지형 공조기를 대상으로 그 방법을 적용하였다. 제안한 센서보정기술은 오프셋 변수에 대한 사전/사후확률분포의 비교로부터 기존 보정방법에서 해결하지 못한 센서의 계통오차를 규명할 수 있었으며, 사후확률 분포로부터 측정치의 계통오차와 랜덤오차를 함께 보정할 수 있었다.

대상 데이터

시스템의 운영조건에 따라 다양한 특성의 계통오차가 발생할 수 있다. 본 연구에서는 실내 송풍량의 변동에 따른 총 9단계의 정상상태의 운영조건에 대해서 VIC를 적용하였고, 9개의 정상상태에서의 데이터 세트를 마련할 수 있었다. 먼저, 증발기에서의 공기측과 냉매측의 열전달량을 비교해 볼 때, 최대 8% 이상의 차이가 나타났다.

이론/모형

2.2에서 정의한 거리함수를 최소화하는 변수 (오프셋 변수와 모델의 미지변수)를 도출하기 위해 베이지안 추론 (Bayesian Inference)을 사용한다. 이는 식(5)와 같이 변수들의 사전확률분포와 우도함수를 바탕으로, 해당 변수의 사후확률분포를 계산한다.
제안한 방법에서는 마르코프 연쇄 몬테카를로 (Markov chain Monte Carlo, MCMC) 기법을 이용하여 베이지안 추론에서의 정규화 상수를 위한 적분계산 없이 사후분포를 도출한다. 이러한 MCMC에 대한 샘플링 기법으로 Metropolis-Hastings 알고리즘을 이용하였다.
제안한 방법에서는 마르코프 연쇄 몬테카를로 (Markov chain Monte Carlo, MCMC) 기법을 이용하여 베이지안 추론에서의 정규화 상수를 위한 적분계산 없이 사후분포를 도출한다. 이러한 MCMC에 대한 샘플링 기법으로 Metropolis-Hastings 알고리즘을 이용하였다.

성능/효과

이러한 결과를 통해 공기측에 센서에러가 존재하며, 이로부터 열전달량의 차이가 발생한다는 본 연구의 가설을 검증할 수 있었다. 또한, 본 연구에서 제안한 가상보정 방법을 통해 시스템 내 숨겨진 계통오차와 센서의 랜덤오차를 규명하고 보정할 수 있었으며, 이를 통해 공기측과 냉매측의 열전달량 균형을 향상시켰다.
2(b)는 8개 데이터 세트를 기준으로 보정된 결과(사후분포)를 사전확률분포와 함께 나타낸다. 온도센서와 노점센서에서는 계통오차의 크기가 매우 작게 나타났으며, 보정 후 랜덤오차의 크기가 감소하는 것을 알 수 있었다. 풍량센서에서는 사후분포와 사전분포의 차이를 통해 계통오차가 상당히 크게 발생한 것을 알 수 있었으며, 랜덤오차 또한 보정 후 감소하였다.
본 연구에서는 건물에너지시스템의 물리적 모델과 확률적 기법을 통해 센서의 가상보정방법을 제안하였고 실제 패키지형 공조기를 대상으로 그 방법을 적용하였다. 제안한 센서보정기술은 오프셋 변수에 대한 사전/사후확률분포의 비교로부터 기존 보정방법에서 해결하지 못한 센서의 계통오차를 규명할 수 있었으며, 사후확률 분포로부터 측정치의 계통오차와 랜덤오차를 함께 보정할 수 있었다. 또한 현장에서 수치적으로 측정값을 보정함에 따라 센서 탈부착 등의 현실적인 어려움을 해소할 수 있었다.

후속연구

향후 연구에서는 시스템 운영조건에서의 다양한 센서에러(계통오차의 변화 및 drift error)를 보정할 수 있도록 추가적인 연구가 진행될 것이며, 이를 통해 자가진단/보정 등의 스마트빌딩센싱기술로 자리잡을 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	오프셋 변수의 사전확률분포는 무엇인가?	이는 식(5)와 같이 변수들의 사전확률분포와 우도함수를 바탕으로, 해당 변수의 사후확률분포를 계산한다. 오프셋 변수의 사전확률분포는 Central Limit Theorem8)을 기반으로 정규분포로 정의된다. 그 평균값은 0으로, 표준편차는 측정치의 표준편차 또는 랜덤오차의 범위를 바탕으로 정의된다.
	(본 연구에서) 건물에너지시스템의 물리적 모델과 확률적 기법을 이용한 가상의 현장보정기술의 가장 큰 장점은 무엇인가?	본 연구에서 제시하는 센서보정방법은 건물에너지시스템의 물리적 모델과 확률적 기법을 이용한 가상의 현장보정기술로, 시스템 내 다양한 센서에러를 규명하고 해결할 수 있다3-7). 특히, 시스템 내 숨겨진 계통오차를 규명하고 보정하는 것이 가장 큰 장점이다. 또한, 기존 센서보정에서 요구되는 센서의 해체 및 재설치 작업이 수반되지 않으며, 스마트빌딩의 센서 자가진단 및 자동보정 기능을 구현하는 데에 활용될 수 있다.
	기존의 센서보정방법의 한계는 무엇인가?	2)은 건물의 냉난방공조시스템 내 온도센서의 다양한 게통오차에 의한 에너지소비의 증가(최대 약 150% 증가)와 열적 불쾌적시간을 분석하여 계통오차의 부정적 영향과 이를 해결하기 위한 방법의 중요성을 강조하였다. 하지만 기존의 센서보정방법은 별도의 조건에서 보정이 수행됨에 따라 건물 내 환경으로부터 발생하는 다양한 계통오차를 즉각적으로 발견하고 해결하지 못한다. 따라서 본 연구에서는 새로운 방식의 가상보정방법 (Virtual In-situ Calibration)을 개발하고 실제 건물에너지시스템에 적용한 사례를 제시하고자 한다.

참고문헌 (8)

Yu, Daihong, Li, Haorong, Yu, Yuebin, Xiong, Jun. Virtual calibration of a supply air temperature sensor in rooftop air conditioning units. HVAC&R research : international journal of heating, ventilating, air-conditioning, and refrigerating research, vol.17, no.1, 31-50.

상세보기
10.1007/s12273-018-0475-3).
Yoon, Sungmin, Yu, Yuebin. Extended virtual in-situ calibration method in building systems using Bayesian inference. Automation in construction, vol.73, 20-30.

상세보기
Yoon, Sungmin, Yu, Yuebin. A quantitative comparison of statistical and deterministic methods on virtual in-situ calibration in building systems. Building and environment, vol.115, 54-66.

상세보기
Yoon, Sungmin, Yu, Yuebin. Hidden factors and handling strategies on virtual in-situ sensor calibration in building energy systems: Prior information and cancellation effect. Applied energy, vol.212, 1069-1082.

상세보기
Yoon, Sungmin, Yu, Yuebin. Hidden factors and handling strategy for accuracy of virtual in-situ sensor calibration in building energy systems: Sensitivity effect and reviving calibration. Energy and buildings, vol.170, 217-228.

상세보기
Yoon, Sungmin, Yu, Yuebin. Strategies for virtual in-situ sensor calibration in building energy systems. Energy and buildings, vol.172, 22-34.

상세보기
10.1017/CBO9780511665622

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