초록 ▼

□ 연구의 목적 및 내용
에너지 소비에 대한 최근 사례연구에 의하면, 에너지 사용패턴의 이상 현상을 실시간으로 감지 및 분석함으로써 10~30%의 에너지 절감 효과를 달성할 수 있다고 보고되고 있다. 그러므로 건물에서 낭비되는 에너지를 찾아 원인을 제거하여 에너지 효율성을 향상시키기 위한 이상 현상 감지 및 진단 (FDD, Fault Detection and Diagnosis) 기술이 최근 들어 큰 주목을 받고 있다. 본 연구는 건물에서 낭비되는 에너지를 찾아 원인을 제거하여 에너지 효율성을 향상시키기 위하여, BEMS(Bui

□ 연구의 목적 및 내용
에너지 소비에 대한 최근 사례연구에 의하면, 에너지 사용패턴의 이상 현상을 실시간으로 감지 및 분석함으로써 10~30%의 에너지 절감 효과를 달성할 수 있다고 보고되고 있다. 그러므로 건물에서 낭비되는 에너지를 찾아 원인을 제거하여 에너지 효율성을 향상시키기 위한 이상 현상 감지 및 진단 (FDD, Fault Detection and Diagnosis) 기술이 최근 들어 큰 주목을 받고 있다. 본 연구는 건물에서 낭비되는 에너지를 찾아 원인을 제거하여 에너지 효율성을 향상시키기 위하여, BEMS(Building Energy Management System) 빅데이터 분석을 통한 건물 에너지 사용패턴 이상 현상 감지 및 진단 기술 개발에 초점을 두고 있으며, 다음과 같이 구성되어 있다.
(1) 이상　현상 감지 (Fault Detection): BEMS 빅데이터를 활용하여 건물에너지 사용 패턴의 이상 현상을 실시간으로 감지 및 분석하기 위한 알고리즘 개발
(2) 이상 현상 원인 분석 (Fault Diagnosis): 건물 에너지 사용 패턴의 이상 현상이 감지될 경우, 그 원인을 효과적으로 분석하기 위한 워크플로어 개발

□ 연구결과
(1) 이상　현상 감지 (Fault Detection): BEMS 빅데이터를 활용하여 건물에너지 사용 패턴의 이상 현상을 실시간으로 감지하기 위한 알고리즘을 개발하였으며, 전체 알고리즘은 다음과 같이 구성되어 있다.
- BEMS 빅데이터 모델링 및 데이터베이스화: BEMS 빅데이터를 MongoDB를 이용하여 데이터베이스화함
- 유사 환경 군 검색 기법: BEMS 시계열 데이터 분할 및 인덱싱을 통한 효율적인 유사 환경 군 추출 기법 개발
- 특징선택 방법: 가우시안 스무딩 필터링을 BEMS 시계열 데이터에 적용하여 유용한 특징 추출 방법 개발
- 특징 기반 유사도 측정: DTW 기반 패턴 매칭을 통해 두 시계열 데이터 패턴 간의 유사도를 측정하여, 이상 현상을 감지하는 기술 개발
- 본 연구에서 개발한 이상 현상 감지 기술을 통하여 약 90% 정도의 정확도를 달성할 수 있었음.
(2) 이상 현상 원인 분석 (Fault Diagnosis) 개발: 건물 에너지 사용 패턴의 이상 현상이 감지될 경우, 그 원인을 효과적으로 분석하기 위한 워크플로어 연구에 초점을 두고 있다.
- 본 연구에서는 이상 현상 원인 분석을 위하여 베이지안 네트워크(Bayesian network)와 의사결정나무(decision tree)를 이용하여 워크플로어를 개발하였음
- 베이지안 네트워크를 사용하였을 경우 이상 현상 원인 분석에 있어서 83%의 정확도를 달성할 수 있었음. 의사결정나무 기반의 이상 현상 원인 분석의 경우 71%의 정확도를 보이고 있음.

□ 연구결과의 활용계획
(1) 연구 결과의 기술이전을 통해 기존 BEMS 시스템에 적용: 본 연구에서 개발한 기술들은 별도의 하드웨어 변경 없이 기존의 BEMS에 적용 가능한 소프트웨어 기술로만 구성되어 있으므로, 기술이전을 통해 기존 BEMS 시스템에 적용 가능함
(2) 다양한 ICT 융합 분야로의 확대 적용: 본 연구에서 다루는 기술은 BEMS 이외에 다른 분야의 에너지 관리 시스템(예, 가정 에너지 관리 시스템:HEMS, 공장 에너지 관리 시스템:FEMS)에 확대 적용 가능함.
(3) BEMS 빅데이터 이외의 다른 응용 분야에서 활용 가능함. 가령, 교통 정보 시스템에서 시간에 따른 차량의 흐름은 시계열 데이터에 해당하므로, 본 연구에서 개발한 기술들은 다양한 응용 분야에 활용되어 질것으로 기대됨
(출처 : 한글요약문 4p)

Abstract ▼

□ Purpose & contents
Over the past few decades, global concerns over energy and environmental issues around the world have led to the worldwide focus on energy use reduction. Considering that the building sectors consume more primary energy than other sectors in most countries, it is important to

□ Purpose & contents
Over the past few decades, global concerns over energy and environmental issues around the world have led to the worldwide focus on energy use reduction. Considering that the building sectors consume more primary energy than other sectors in most countries, it is important to reduce energy use from these regions. In the building sectors, it is well known that malfunctioning controls and operations of building equipment are a primary cause of energy leakage, which leads to inefficiencies in energy usage. Thus, the main objective of this project is to develop automated fault detection and diagnosis strategy for the whole building energy consumption by leveraging BEMS(Building Energy Management System) big data analytics. In particular, the developed FDD algorithm consists of two phase: (a) the fault detection algorithm to effectively detect and analyze anomalies of building energy use patterns by using BEMS big data analytic and (2) the fault diagnosis method to identify the root causes, if the building is found to be abnormal.

□ Result
(1) Fault Detection: The first phase of this project is focused on the development of a novel fault detection algorithm to effectively detect and analyze anomalies of building energy use patterns in real time by using BEMS big data analytic. The overall algorithm is composed as follows:
- BEMS big data is distributed and stored by MongoDB which is one of NoSQL databases for high-performance
- Extracting historical data with similar weather and building use conditions
- Extracting representative key features from current and historical whole building data to determine the abnormality of the building operations by using Gaussian smoothing filtering
- Development of technology to detect anomalies by measuring similarity between two time series BEMS data patterns (i.e., current building data and historical building data) through DTW-based pattern matching
- The accuracy of 90% is achieved through the fault detection technology developed in the first phase.
(2) Fault Diagnosis: The second phase of this project is to develop an effective method to identify the root causes, if the building is found to be abnormal from the detection process. In this project, Bayesian Network and Decision Tree are used to analyze the root cause of anomalies. When Bayesian Network was used, 83% accuracy was achieved in analyzing the root cause of the anomaly. On the other hands, Decision Tree-based anomaly analysis shows 71% accuracy.

□ Expected Contribution
(1) The developed methods in this project are composed of software technology applicable to existing BEMS without any hardware change. Thus, it is expected that they can be directly applied to existing BEMS system through technology transfer.
(2) It is expected that the technologies developed in this project can be applied to other areas of energy management systems, such as Home Energy Management System (HEMS) and Factory Energy Management System (FEMS).
(3) The developed methods in this project can be used in applications other than BEMS Big Data. For example, the traffic flow in the traffic information system is considered as the time series data, and thus the technologies developed in this project are expected to be used in the traffic information system.
(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 목차 ... 2
• 연구계획 요약문 ... 3
• 연구결과 요약문 ... 4
• 한글요약문 ... 4
• SUMMARY ... 5
• 연구내용 및 결과 ... 6
• 1. 연구개발과제의 개요 ... 6
• 2. 연구수행 내용 및 결과 ... 8
• 3. 목표달성도 및 관련분야에의 기여도 ... 14
• 4. 연구결과의 활용계획 ... 14
• 5. 주관연구책임자 대표적 연구실적 ... 16
• 6. 참고문헌 ... 16
• 7. 연구성과 ... 18
• 별첨1. 대 표 연 구 성 과 ... 20
• 별첨2. 세부 목표 관련 증빙 ... 28
• 끝페이지 ... 31