선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 시스템을 이용하면 에너지 빅데이터의 한 분류가 되는 열에너지 빅데이터에 대한 특성을 반영 하는 것이 신속하고 안정적으로 수행되게 된다. 또한 열사용자 기계실 형태인 실증 현장에서 수집되는 빅데이터를 활용하는 방법에 대하여 알아보고, 빅데이터 플랫폼 상에서 통계적으로 분석되어 각 기계실의 설비 상태가 효과적으로 모니터링 되도록 하며, 운전변수를 상황에 맞추어 변경함으로써 열효율이 증대되도록 설비를 제어할 수 있고, 설비의 고장 진단, 이상예측 등을 수행하는 직관적인 화면구성과 쉬운 사용자인터페이스(UI)로 구현된 웹서비스 기반의 열수요 통합관리시스템에 관하여 소개한다. 마지막으로 강화학습을 기반으로 하여 지역난방 열사용자 기계실 설비의 열효율1) 향상을 시도하는 연구의 한 예시로서 모델을 특정하지 않는 강화학습 알고리즘인 딥큐러닝(deep Q learning)을 활용한 학습네트워크(DQN)를 열사용자 설비에 적용한 구성 방법을 제시한다.
- 본 논문에서는 먼저 건물 단지 지역난방내의 개별 세대, 기계실 그리고 열생산 시설과 주변 환경으로부터 실시간으로 수집되는 빅데이터를 저장, 관리, 목적에 부합한 처리, 분석이 가능하도록 최적구축된 오픈소스 프레임워크인 하둡[5]을 활용한 빅데이터 플랫폼 기반의 빅데이터 시스템을 소개한다. 이 시스템을 이용하면 에너지 빅데이터의 한 분류가 되는 열에너지 빅데이터에 대한 특성을 반영 하는 것이 신속하고 안정적으로 수행되게 된다.
- 본 논문에서는 먼저, 실증사이트에서 수집되는 방대한 양의 열에너지 관련 빅데이터의 수집 및 저장 그리고 처리에 있어 신속, 안정성을 제공하는 빅데이터 시스템과 빅데이터 플랫폼 상에서 통계적으로 분석되어 각 기계실의 설비 상태가 모니터링 되고, 열효율이 증대되도록 운전변수를 상황에 맞추어 변경하며 설비를 제어할 수 있게 해주는 웹서비스 기반의 사용자 인터페이스(UI)인 열수요 통합관리시스템을 소개하였다.
- 또한 운전 상태와 제어 신호를 각각 상황(state), 행동(action)으로 대체하고, 열사용자 기계실 설비의 열효율 향상을 목적으로 하는 학습네트워크(DQN) 함수에 대한 근사화를 통하여 그 출력인 기대치를 생성한다. 이 기대치 값은 제어기(action)의 입력으로 사용되고 이에 수반하는 환경의 변화가 상황을 변화시키며, 이 상황이 새로운 입력으로의 수집 되고 환경의 변화에 따른 에이전트로의 적절한 보상을 통한 반복 수행으로 최적의 학습네트워크에 의한 Q함수2)를 생성하게 되어 최적의 효율 운전을 가능하게 하는 정책을 추론할 수 있는 예를 제시한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.