초록 ▼

Ⅳ. 연구개발결과
◦ 강화학습 기반 에너지비용 최적화 알고리즘을 통한 피크부하 3% 이상 절감
- 인공지능(AI) 기술 적용을 위한 조사 및 분석
- DQN(Deep Q-Networks)을 이용한 강화학습(MDP, Markov Decision Process) 기반의 전력부하 피크저감을 위한 에이전트 학습 알고리즘 제시
- 도시철도 운영 데이터 적용을 통한 강화학습 기반 알고리즘 성능평가
※ 약 2년(880일 중 481일) 전력 사용량 데이터 적용(서울7호선 수락산역)
※ 피크저감 3.3% 달성(298

Ⅳ. 연구개발결과
◦ 강화학습 기반 에너지비용 최적화 알고리즘을 통한 피크부하 3% 이상 절감
- 인공지능(AI) 기술 적용을 위한 조사 및 분석
- DQN(Deep Q-Networks)을 이용한 강화학습(MDP, Markov Decision Process) 기반의 전력부하 피크저감을 위한 에이전트 학습 알고리즘 제시
- 도시철도 운영 데이터 적용을 통한 강화학습 기반 알고리즘 성능평가
※ 약 2년(880일 중 481일) 전력 사용량 데이터 적용(서울7호선 수락산역)
※ 피크저감 3.3% 달성(2984.2kW → 2,882.4kW)
◦ 승강기 다중운행 전력해석 정확도 1% 개선 및 투자회수 5년 이내 검증
- 대심도 승강기(GTX, 신안산선 등) 설계 분석
- 승강기 타워(5층)를 이용한 승강기 상승/하강 조건 시에 전력량 측정
- 승강기 다중운행 전력식 산출 및 상승/하강 시 전력해석과 실측치와 정확도 평가
※ 실측치 오차 개선율 : 0.8∼1.8%
- 승강기(컨버터/인버터 일체형) 운영 데이터(고층아파트, 주차타워, 대심도 철도 승강기) 측정 및 경제성 평가
※ 에너지 절감율 25.3∼29.8%, 투자회수기간 : 2.12∼4.8년
◦ 역사설비 통합관리 시스템 사용자 인터페이스 설계 및 최적 에너지 절감(비용 절감 5% 이상) 모듈 구현
- 철도 운영기관 에너지 절감 대책 조사 및 분석
- 철도역사 데이터(전력사용량, 내외부 온도/미세먼지, 승객수 및 열차 인입 수 등) 취득장치 설치/운영(※ 광주도시철도공사 남광주역)
- 역사설비 통합관리 시스템 에너지 최적화 분석 모듈 구현 및 실측 데이터(남광주역)을 통한 성능평가
※ 월 전기요금 22,687원(8.6%) 절감(261,990원/월 → 239.303원/월)
- 통합관리 시스템 사용자 인터페이스 설계(에너지 사용패턴, 가시화, 최적화 모듈기능 구현)

(출처 : 요약문 10p)

Abstract ▼

Ⅳ. Results
◦ Reduced peak load by more than 3% through enhanced learning-based energy cost optimization algorithms
- Investigation and analysis for the application of AI (Artificial Intelligence) technology
- Presentation of agent learning algorithms for power load peak reduction based on E

Ⅳ. Results
◦ Reduced peak load by more than 3% through enhanced learning-based energy cost optimization algorithms
- Investigation and analysis for the application of AI (Artificial Intelligence) technology
- Presentation of agent learning algorithms for power load peak reduction based on Enhanced Learning Process (MDP) using Deep Q-Networks (DQN)
- Performance evaluation of reinforcement learning-based algorithms through application of urban railway operation data
※ Apply power usage data for about 2 years (481 days out of 880 days) (Seoul Line 7 Suraksan Station)
※ Peak reduction achieved 3.3% (2984.2 kW → 2,882.4 kW)
◦ Improved accuracy of multi-operation power analysis of lift by 1% and verified within 5 years of investment recovery
- Design analysis of the Great Depth Elevator (GTX, Shinansan Line, etc.)
- Measure the amount of power during lift up/down conditions using the elevator tower (5th floor)
- Calculate the multi-run power system of the lift and evaluate the actual measurement and accuracy of the rise/fall.
※ Actual measurement error improvement rate: 0.8 to 1.8%
- Measurement of elevator (converter/inverter integral) operation data (high-rise apartments, parking towers, and deep-seated railway lifts) and economic evaluation
※ Energy savings rate from 25.3 to 29.8%, payback period: 2.12 to 4.8 years
◦ Integrated management system user interface design and optimal energy reduction (more than 5% savings) module implementation
- Investigation and analysis of energy saving measures for railway operators
- Install/operate the acquisition system for railway station data (power usage, internal and external temperature/fine dust, number of passengers and train entrances, etc.) (fi Namkwangju Station, Gwangju Metropolitan Rapid Transit Corporation)
- Implementation of the Energy Optimization Analysis Module for the Integrated Management System of Historical Facilities and performance evaluation through actual data (Namkwangju Station)
※ Reduced monthly electricity bill by 22,687 won (8.6%) (26,990 won/month → 239.303 won/month)
- Integrated management system user interface design (energy usage pattern, visualization, optimization module functionality)

(source: Summary 13p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 5
• 보고서 요약서 ... 7
• 요 약 문 ... 9
• SUMMARY ... 12
• Contents ... 16
• 목차 ... 17
• 표목차 ... 19
• 그림목차 ... 21
• 제1장 연구개발 과제의 개요 ... 27
• 제1절 연구개발 배경 및 필요성 ... 28
• 1. 연구개발 배경 ... 28
• 2. 연구개발 필요성 ... 29
• 제2절 연구개발 목표 및 내용 ... 31
• 1. 연구개발 목표 ... 31
• 2. 연차별 연구목표 및 내용 ... 32
• 제2장 국내외 기술개발 현황 ... 34
• 제1절 해외 철도역사 스마트기술 동향 ... 35
• 1. 중국의 스마트철도 기술 ... 35
• 2. 유럽 철도 에너지 로드맵 ... 45
• 3. UIC / ATOC 프로젝트- Process, power, people ... 52
• 4. SmartRail World 철도 기술 동향 ... 66
• 5. SMART STATIONS IN SMART CITIES ... 72
• 제2절 에너지분야 인공지능 적용기술 동향 ... 77
• 1. An Estimation Model on Electricity Consumption of New Metro Stations ... 77
• 2. 머신러닝 기법을 활용한 공장 에너지 사용량 데이터 분석 기법의 철도 역사 적용 ... 82
• 3. 딥러닝을 이용한 에너지 수요 예측 방법에 관한 연구기법의 철도 역사 적용 ... 85
• 4. 비용 절감을 위한 강화학습 기반 건물 내 ESS 충·방전 스케쥴링 기법의 철도 역사 적용 ... 87
• 5. 기타 관련 분야 및 적용기술 동향 ... 87
• 제3장 연구개발 수행 내용 및 결과 ... 95
• 제1절 강화학습 기반 에너지비용 최적화 알고리즘 ... 96
• 1. 강화학습 ... 96
• 2. 강화학습 적용을 위한 철도역사 에너지 데이터 분석 ... 112
• 3. 강화학습 적용을 위한 변전소/전기실 전력사용량 전처리 데이터 ... 123
• 4. 강화학습 적용을 통한 에너지비용 최적화 평가 ... 134
• 제2절 승강기 회생에너지 절감 효과 점증 및 경제성 평가 ... 147
• 1. 대심도 승강기 전력절감방식 ... 147
• 2. 다중운행 승강기 모델링 및 전력해석 ... 160
• 3. 실측 데이터 비교분석 ... 171
• 4. 에너지 절감 분석 및 경제성 평가 ... 183
• 제3절 역사설비 최적 운영관리 시스템 ... 204
• 1. 역사설비 빅데이터 분석 ... 204
• 2. 역사설비 운영 알고리즘 ... 209
• 제4절 역사설비 통합관리 시스템 ... 226
• 1. 역사설비 통합관리 시스템 기본 구성 ... 226
• 2. 사용자 인터페이스 구현 ... 233
• 제4장 목표 달성도 및 관련분야에의 기여도 ... 249
• 제1절 목표 달성도 ... 250
• 1. 역사설비 최적 운영관리 요소 기술 개발 ... 250
• 2. 역사설비 최적 운영관리 시스템 기술 개발 ... 258
• 제5장 연구개발 결과의 활용 계획 ... 266
• 제1절 활용방안 ... 267
• 제2절 기대효과 ... 268
• 참고문헌 ... 269
• 끝페이지 ... 273