[논문]강화학습 기반 빌딩의 방별 조명 시스템 조도값 설정 기법

김종민; 김선용

doi:10.7471/ikeee.2022.26.1.56

강화학습 기반 빌딩의 방별 조명 시스템 조도값 설정 기법
Reinforcement Learning-Based Illuminance Control Method for Building Lighting System 원문보기

전기전자학회논문지 = Journal of IKEEE, v.26 no.1, 2022년, pp.56 - 61

김종민 (Dept. of Software, Dongseo University) , 김선용 (Dept. of Software, Dongseo University)

초록
AI-Helper

전 세계적으로 에너지 사용량이 증가함에 따라 지구온난화와 같은 환경문제가 초래되었으며, 이에 각국은 협정·협약을 통한 에너지 산업의 탈탄소화와 함께 화석 에너지를 신재생에너지로 빠르게 전환 중이다. 발전량이 급변하는 신재생에너지 보급 확대에 따라 효율적인 에너지 관리의 필요성이 대두되는 한편, AI 기술이 발전함에 따라 에너지 관리 분야와 결합한 AI 기반 빌딩 에너지 관리 시스템(Building Energy Management System, BEMS)의 연구 및 개발이 활발히 이루어지고 있다. 본 논문에서는 강화학습 기법중 Multi-Armed Bandit(MAB) 알고리즘을 활용하여 빌딩 각 방의 조명시스템 전력사용량을 효율적으로 관리함과 동시에 사용자들의 불쾌지수를 최소화할 수 있는 알고리즘을 제안하고, 시뮬레이션을 통해 성능을 검증한다.

Abstract ▼ AI-Helper

Various efforts have been made worldwide to respond to environmental problems such as climate change. Research on artificial intelligence (AI)-based energy management has been widely conducted as the most effective way to alleviate the climate change problem. In particular, buildings that account for more than 20% of the total energy delivered worldwide have been focused as a target for energy management using the building energy management system (BEMS). In this paper, we propose a multi-armed bandit (MAB)-based energy management algorithm that can efficiently decide the energy consumption level of the lighting system in each room of the building, while minimizing the discomfort levels of occupants of each room.

주제어

표/그림 (8)

그림 Fig. 1. Building lighting control system model. 그림 1. 빌딩 조명제어 시스템 모델
그림 Fig. 2. D_n with respect to I_n (an example). 그림 2. I_n 값에 따른 D_n 의 변화 그래프 (예시)
표 Table 1. Action examples. 표 1. 액션 예시
그림 Fig. 3. Pseudocode of the proposed MAB-based illuminance control algorithm for each room. 그림 3. 제안하는 MAB 기반 방별 조도값 설정 알고리즘의 의사코드
그림 Fig. 4. Average reward w.r.t. number of action attempts. 그림 4. 액션 시도에 따른 평균 리워드의 변화
그림 Fig. 5. Simulation results for the proposed MAB-based algorithm. 그림 5. 제안한 MAB 기반 알고리즘의 시뮬레이션 결과
그림 Fig. 6. Number of times each action is selected. 그림 6. 각 액션 별 선택된 누적 횟수
표 Table 2. The results of learning according to α. 표 2. α 값에 따른 학습 결과

참고문헌 (10)

The Economist Special Report, "Invisible Fuel", 2015. (https://www.economist.com/special-report/2015/01/15/invisible-fuel)
S. Kim and H. Lim, "Reinforcement learning based energy management algorithm for smart energy buildings," Energies, vol.11, no.8, 2018. DOI: 10.3390/en11082010

상세보기
S. Park et al. "Reinforcement Learning-Based BEMS Architecture for Energy Usage Optimization," Sensors, vol.20, no.17, 2020. DOI: 10.3390/s20174918

상세보기
DeepMind Blog Post, "DeepMind AI Reduces Google Data Centre Cooling Bill by 40%", 2016. (https://deepmind.com/blog/article/deepmind-ai-reduces-google-data-centre-cooling-bill-40)
Business Korea News, "KT Launches AI-based Energy Management Service for Buildings," 2019. (http://www.businesskorea.co.kr/news/articleView.html?idxno37865)
A. T. Eseye and M. Lehtonen, "Short-term forecasting of heat demand of buildings for efficient and optimal energy management based on integrated machine learning models," IEEE Transactions on Industrial Informatics, vol.16, no.12, 2020. DOI: 10.1109/TII.2020.2970165

상세보기
J. H. Kim, N. C. Seong and W. Choi, "Modeling and optimizing a chiller system using a machine learning algorithm," Energies, vol.12, no.15, 2019. DOI: 10.3390/en12152860

상세보기
"How to convert lux to watts", https://www.rapidtables.com/calc/light/index.html
R. S. Sutton and A. G. Barto, Reinforcement learning: An introduction, MIT press, 2018.
T. Murphy, "Maximum Efficiency of White Light." Department of physics UC San Diego, 2011.

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