$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

머신러닝 기반 공장 HVAC 시스템의 에너지 효율화 운영 시뮬레이션
Energy-Efficient Operation Simulation of Factory HVAC System based on Machine Learning

한국산업정보학회논문지 = Journal of Korea Society of Industrial Information Systems, v.29 no.2, 2024년, pp.47 - 54  

이석주 (창원대학교 메카트로닉스연구원) ,  다어반권 ((주)빅아이 기술연구소)

초록
AI-Helper 아이콘AI-Helper

현재, 전세계적으로 에너지 자원은 점차적으로 감소하고 있음에도 불구하고 에너지 수요 및 소비는 지속적으로 증가하고 있다. 이에 따른 에너지 자원을 대체하기 위한 범국가적인 노력 및 연구가 수행되고 있다. 에너지 수요에 따른 공급의 증가 뿐만 아니라 에너지를 효율적으로 소비하는 것은 현 에너지 부족 현상을 해결하기 위한 적절한 수단이 될 수 있다. 본 연구는 에너지를 가장 많이 소비하는 제조 공장의 에너지를 효율적으로 소비할 수 있는 방법을 시뮬레이션하고 분석하였다. 제조 공장에서 가장 많은 에너지를 소비하는 HVAC (Heating, Ventilating, and Air Conditioning) 시스템의 효율적인 운전을 위해 온도기반의 제어를 통한 공장의 에너지 최적화 시뮬레이션을 수행하였다. 이를 기반으로 실제 공장의 온도와 전력 데이터를 이용하여 머신러닝 알고리즘을 적용하고 공장 온도를 예측하였다. 또한 예측 온도를 이용한 제어 시스템 시뮬레이션으로 공장 에너지의 소비패턴을 분석하고 에너지(전력량) 소비량을 감소할 수 있는 운전 모델을 제안하였다. 공장 에너지 패턴에 있어 HVAC 시스템의 예측 기반 프리 쿨링을 통한 온도제어 알고리즘은 기존 대비 10% 이상의 에너지 절감 효과를 보여 준다. 이 결과는 HVAC 시스템의 최적 제어가 공장 에너지 소비를 절감할 수 있음을 나타낸다. 향후 본 제어 시스템의 알고리즘은 실제 공장의 최적 제어에 적용되어 에너지 소비 절감 운전을 수행할 예정이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The global decrease in traditional energy resources has prompted increasing energy demand, necessitating efforts to replace and optimize energy sources. This study focuses on enhancing energy efficiency in manufacturing plants, known for their high energy consumption. Through simulations and analyse...

주제어

#냉방-환기 및 공기조절 시스템   #머신러닝   #에너지관리시스템   #에너지 효율화  

표/그림 (14)

참고문헌 (12)

  1. Adelekan, D. S., Ohunakin, O. S. and Paul, B.？S. (2022). Artificial Intelligence Models for？Refrigeration, Air Conditioning and Heat？Pump Systems, Energy Reports, 8,？8451-8466. 

    상세보기

  2. Akerma, M., Hoang, H. M., Leducq, D.,？Flinois, C., Clain, P. and Delahaye, A.？(2018). Demand Response in Refrigerated？Warehouse, Proceedings of the 2018 IEEE？International Smart Cities Conference, Sep.？16-19, Kansas City, MO, USA, pp. 1-5. 

  3. Cheng, C. and Lee, D. (2019). Artificial？Intelligence-Assisted Heating Ventilation and？Air Conditioning Control and the Unmet？Demand for Sensors: Part 1. Problem？Formulation and the Hypothesis, Sensors,？19(5), 1131. 

    상세보기

  4. Javan, F. D., Avendano, I. A. C., Najafi, B.,？Moazami, A. and Rinaldi, F. (2023).？Machine-Learning-Based Prediction of？HVAC-Driven Load Flexibility in Warehouses,？Energies, 16(14), 5407. 

    상세보기

  5. Khalil, M., McGough, A S., Pourmirza, Z.,？Pazhoohesh, M. and Walker, S. (2022).？Machine Learning, Deep Learning and？Statistical Analysis for Forecasting Building？Energy Consumption-A Systematic Review,？Engineering Application Artificial Intelligence,？115, 105287. 

  6. Lee, D. Y., Lee, J. H. and Yang, S. H. (2023).？Comparative Study of AI Models for？Reliability Function Estimation in NPP？Digital I&C System Failure Prediction,？J ournal of Korea Society of Industrial？Information Systems, 28(6), 1-10. 

  7. Li, H., Wang, Z., Hong, T. and Piette, M. A.？(2021). Energy Flexibility of Residential？Buildings: A Systematic Review of？Characterization and Quantification Methods？and Applications, Advanced in Applied？Energy, 3, 100054. 

  8. Palensky, P. and Dietrich, D. (2011). Demand？Side Management: Demand Response, Intelligent？Energy Systems, and Smart Loads,？Transactions on Industrial Informatics, 7(3),？381-388. 

    상세보기

  9. Park, S., Cho, S. and Ahn, J. (2018).？Improving the Quality of Building Spaces？that are Planned mainly on Loads rather？than Residents: Human Comfort and Energy？Savings for Warehouses, Energy and？Buildings, 178, 38-48. 

    상세보기

  10. Park, S. W., Kim, T. H., Park, D. M. and？Han, D. S. (2023). A Study on the？Optimization of Temperature Deviation of？Loads in Smart Reefer Container, J ournal of？Korea Society of Industrial Information？Systems, 28(6), 83-90. 

  11. Vishwanath, A., Chandan V., Mendoza, C. and？Blake, C. (2017). A Data Driven Pre-cooling？Framework for Energy Cost Optimization in？Commercial Buildings, Proceedings of the？Eighth International Conference on Future？Energy Systems, May 16-19, Shatin, Hong？Kong, pp. 157-167. 

  12. Yayla, A., Swierczewska, K. S., Kaya, M.,？Karaca, B., Arayici, Y., Ayozen, Y. E. and？Tokdemir, O. B. (2022). Artificial Intelligence？(AI)-Based Occupant-Centric Heating？Ventilation and Air Conditioning (HVAC)？Control System for Multi-Zone Commercial？Buildings, Sustainability, 14(23), 16107.？ 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로