KR102354892B1 - 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템 및 방법 - Google Patents
동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템 및 방법 Download PDFInfo
- Publication number
- KR102354892B1 KR102354892B1 KR1020210043750A KR20210043750A KR102354892B1 KR 102354892 B1 KR102354892 B1 KR 102354892B1 KR 1020210043750 A KR1020210043750 A KR 1020210043750A KR 20210043750 A KR20210043750 A KR 20210043750A KR 102354892 B1 KR102354892 B1 KR 102354892B1
- Authority
- KR
- South Korea
- Prior art keywords
- heater
- temperature
- sensing data
- management
- sensor
- Prior art date
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 31
- 230000005494 condensation Effects 0.000 title claims abstract description 27
- 238000009833 condensation Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims description 13
- 230000008014 freezing Effects 0.000 claims abstract description 19
- 238000007710 freezing Methods 0.000 claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 78
- 238000013528 artificial neural network Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000003575 carbonaceous material Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 229910021392 nanocarbon Inorganic materials 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229920006328 Styrofoam Polymers 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000012152 algorithmic method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000008261 styrofoam Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L53/00—Heating of pipes or pipe systems; Cooling of pipes or pipe systems
- F16L53/30—Heating of pipes or pipe systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B1/00—Details of electric heating devices
- H05B1/02—Automatic switching arrangements specially adapted to apparatus ; Control of heating devices
- H05B1/0202—Switches
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B1/00—Details of electric heating devices
- H05B1/02—Automatic switching arrangements specially adapted to apparatus ; Control of heating devices
- H05B1/0227—Applications
- H05B1/0288—Applications for non specified applications
- H05B1/0291—Tubular elements
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B3/00—Ohmic-resistance heating
- H05B3/40—Heating elements having the shape of rods or tubes
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템은 다수개가 구비되어 각 로컬 지역에 설치되며, 로컬서버와 통신하여, 히터의 온/오프 및 온도를 개별, 그룹 또는 일괄적으로 제어가 가능하도록 마련된 컨트롤러; 각종 파이프에 동파 방지를 위해 일정 이상의 온도를 유지하도록 파이프를 히팅하는 역할을 수행하며, 온도를 상시 체크하기 위한 온도센서를 포함하며, 유사시 히터를 차단할 수 있도록 개폐기가 연결되는 히터; 온도센서를 포함하며, 주기적으로 히터의 온도를 체크하여 상기 컨트롤러로 온도정보를 전송하는 센서; 각각의 히터 주변의 센서로부터 감지된 온도정보를 포함한 센싱데이터들을 수집하고, 센싱데이터를 토대로 히터의 온/오프 또는 전류량에 따라 온도값의 수준을 조절하도록 제어하는 역할을 수행하는 로컬서버;를 포함한다.
Description
본 발명은 히터 통합 관리 시스템에 관한 것으로, 더욱 상세하게는 각종 파이프의 동결 또는 동파를 방지하도록 파이프 히터의 온도를 인공지능 기반으로 예측하여 정밀 제어가 가능한 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템에 관한 것이다.
일반적으로, 동절기에 각종 건물, 빌딩의 주차장 또는 옥상 등의 옥외에 노출되는 각종 파이프(예를 들어 수도관, 가스관 등) 내부에 흐르는 유체로 인해 파이프의 동결, 동파되는 것을 방지할 수 있도록 파이프 외부에 헌옷 또는 스치로폼 등의 보온용 단열재를 감싸게 된다. 또한, 일반 가정에서는 동절기에 수도꼭지를 약간 개방시켜 물이 계속적으로 유출되도록 하여 수도꼭지 동파되는 것을 방지하게 된다.
이와 같은 동파 방지 방법은 기온이 급강하되는 혹한기에는 보온이 충분하게 이루어지지 않아 옥외에 노출되는 각종 파이프 동파되는 것을 원천적으로 방지할 수 없고, 수도물을 계속적으로 유출시키는 경우 낭비를 초래하여 비효율적인 것이다
따라서, 동절기에 옥외(주택가의 주차장, 옥상, 또는 옥외공장 등)에 노출되는 각종 파이프 내부의 유체 흐름을 검출하여 배관이 동파되는 것을 방지할 필요가 있다.
특히 혹한기에 옥외에 노출되는 각종 파이프 내부의 유체 흐름 유무를 검출하되, 유체가 흐르지 않을 경우 파이프에 설치되는 발열선에 전원을 자동으로 공급하여 파이프를 히팅시키므로, 동파되는 것을 방지할 수 있도록 한 배관 동파 방지 및 결로 예방을 위한 히팅 장치를 구성하고 이를 통합적이고 체계적으로 관리할 필요가 있는 것이다.
본 발명의 목적은 각종 파이프의 동결 또는 동파를 방지하고, 결로를 예방하도록 파이프 히터의 온도를 센싱하고, 센싱데이터를 이용하여 온도의 정밀 제어가 가능한 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템을 제공하는 것이다.
본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템은, 다수개가 구비되어 각 로컬 지역에 설치되며, 로컬서버와 통신하여, 히터의 온/오프 및 온도를 개별, 그룹 또는 일괄적으로 제어가 가능하도록 마련된 컨트롤러; 각종 파이프에 동파 방지 및 결로 예방을 위해 일정 이상의 온도를 유지하도록 파이프를 히팅하는 역할을 수행하며, 온도를 상시 체크하기 위한 온도센서를 포함하며, 유사시 히터를 차단할 수 있도록 개폐기가 연결되는 히터; 온도센서를 포함하며, 주기적으로 히터의 온도를 체크하여 상기 컨트롤러로 온도정보를 전송하는 센서; 각각의 히터 주변의 센서로부터 감지된 온도정보를 포함한 센싱데이터들을 수집하고, 센싱데이터를 토대로 히터의 온/오프 또는 전류량에 따라 온도값의 수준을 조절하도록 제어하는 역할을 수행하는 로컬서버;를 포함한다.
상기에 있어서, 상기 컨트롤러는 마스터-슬레이브 구조로 설계될 수 있으며, 마스터 장치의 제어에 의해 슬레이브 장치가 동작할 수 있도록 설계될 수 있다. 예를 들어, 마스터 장치가 메모리 컨트롤러이고, 슬레이브 장치가 메모리 장치인 경우에, 메모리 컨트롤러의 제어에 의해 메모리 장치의 리드 동작 및 라이트 동작이 수행되는 것을 특징으로 한다.
상기에 있어서, 각 로컬서버와 통신망을 통하여 연결되어, 로컬서버에서 수집된 각 센서의 온도정보를 포함한 센싱데이터를 제공받아 모니터링을 통하여 통합 관리하고 데이터베이스화하여 관리할 수 있도록 마련된 관리서버;를 더 포함한다.
상기에 있어서, 상기 관리서버 또는 로컬서버와 연계할 수 있으며, 전국망에 연결되어 관리서버 및 로컬서버를 통합하여 관리할 수 있도록 마련되며, 클라우드 망을 통하여 각종 히터들로부터 센싱데이터를 수집하여 빅데이터화하고, 신경망 학습을 통해 온도를 예측함으로써, 정밀한 온도 제어가 가능하도록 하며, 종합적인 히터 관리가 이루어지도록 하는 클라우드서버;를 더 포함한다.
상기 로컬서버는 수집된 센싱데이터를 관리서버로 전송하는 통신부; 상기 수집된 센싱데이터를 기반으로 예측모델을 생성하기 위한 전처리 과정을 수행하는 전처리부; 상기 수집된 센싱데이터를 입력변수로 하여 신경망 알고리즘을 기반으로 예측모델을 생성하고, 예측모델을 관리하는 역할을 수행하는 모델관리부; 상기 예측모델을 통해 신경망 학습을 수행하는 학습부; 상기 예측모델을 이용하여 히터의 온도를 주기적으로 예측하여 온도가 설정된 임계값 범위 내에 있는지를 판단하기 위한 예측 결과를 산출하고, 예측 결과를 토대로 센서의 예측된 범위 내에서 컨트롤러를 통하여 히터의 온/오프 또는 온도량을 정밀하게 제어할 수 있도록 하는 예측분석부;를 포함한다.
상기 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템을 이용한 동파 방지 및 결로 예방을 위한 히터 통합 관리 방법에 있어서, 상기 관리서버는 온도정보를 포함한 센싱데이터를 컨트롤러 및 로컬서버 통하여 수집하는 단계; 상기 관리서버는 센싱데이터를 입력변수로 신경망 알고리즘 기반의 예측모델을 생성하고, 예측모델을 이용하여 히터의 정밀 제어를 판단하기 위한 센서의 센싱데이터 예측을 수행하는 단계; 상기 센서의 센싱데이터 예측을 수행하여 예측 결과를 산출하고, 예측 결과를 토대로 센서의 예측된 허용 온도인 임계값 범위 내에서 컨트롤러를 통하여 히터의 온/오프 또는 온도값을 제어하는 단계; 상기 수집된 센싱데이터 및 예측 결과는 예측모델 학습을 위한 빅데이터로 활용하기 위해 데이터베이스에 저장하는 단계; 상기 예측모델은 빅데이터를 활용하여 학습을 수행하여 예측모델을 보정하여 업그레이드하는 단계:를 더 포함한다.
본 발명의 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템은 관리서버와 다수의 컨트롤러를 연결하여 관리함으로써, 다중의 로컬 지역을 통합적 분할하여 개별적 제어가 가능하고, 관리서버는 데이터 처리의 집중, 분산기술을 바탕으로 하여 각 지역의 관제에 최적화, 표준화 및 효율화시키는 장점이 있다.
센서를 통해 획득된 데이터는 관리서버에 저장, 기록되고 센싱정보에 기반하여 다중의 로컬 지역의 컨트롤러를 통해 관제가 이루어지고, 센서, 컨트롤러, 히터 등의 실행 상태 및 이력은 로컬서버 및 관리서버에 분류 저장되어 빅데이터로 활용되어 신경망 학습 알고리즘을 적용할 수 있는 장점이 있다.
로컬 지역 및 개별적 다수 컨트롤러의 프로그램 제어, 모니터링 및 비상 제어를 관리서버에서 실행하며, 서버데이터의 적정성, 최적화 모델에 따라 간편하게 설정 및 실행이 가능하며, 통신과 제어프로그램, 모니터링(상태감시), 센싱정보 수집 및 처리를 통합적으로 수행함으로써, 설치 비용 대비 향후 관리 및 유지 비용이 적게 들어 장기적 관점에서 비용을 대폭 절감할 수 있으므로 저비용, 고효율을 이룰 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템의 전체 구성을 보인 블록도이다.
도 2는 도 1의 관리서버의 세부적인 구성을 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 방법의 전체 과정을 보인 순서도이다.
도 4는 컨트롤러의 마스터-슬레이브 구성을 보여주는 블록도이다.
도 5는 컨트롤러의 마스터-슬레이브 구성에 의한 온도정보의 모니터링 화면을 예시적으로 보여주는 도면이다.
도 2는 도 1의 관리서버의 세부적인 구성을 보인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 방법의 전체 과정을 보인 순서도이다.
도 4는 컨트롤러의 마스터-슬레이브 구성을 보여주는 블록도이다.
도 5는 컨트롤러의 마스터-슬레이브 구성에 의한 온도정보의 모니터링 화면을 예시적으로 보여주는 도면이다.
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템의 전체 구성을 보인 블록도이며, 도 2는 도 1의 관리서버(400)의 세부적인 구성을 보인 블록도이다.
본 발명의 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템은, 도 1에 도시된 바와 같이, 컨트롤러(100), 히터(130), 센서(140), 개폐기(150), 로컬서버(150), 통신망(300), 관리서버(400), 관리단말(500), IoT단말(600)을 포함할 수 있다.
컨트롤러(100)는, 다수개가 구비되어 각 로컬 지역에 설치되며, 로컬서버(150)와 통신하여, 히터(130)의 온/오프 및 온도를 개별, 그룹 또는 일괄적으로 제어가 가능하도록 마련된다.
또한, 컨트롤러(100)는 도 4에 도시된 바와 같이, 마스터-슬레이브 구조로 설계될 수 있으며, 마스터 장치(110)의 제어에 의해 슬레이브 장치(120)가 동작할 수 있도록 설계될 수 있다. 예를 들어, 마스터 장치(110)가 메모리 컨트롤러(100)이고, 슬레이브 장치(120)가 메모리 장치인 경우에, 메모리 컨트롤러(100)의 제어에 의해 메모리 장치의 리드 동작 및 라이트 동작 등이 수행될 수 있다.
슬레이브 장치(120)의 동작 중에 슬레이브 장치(120)의 일정 시간 동안의 온도 변화량이 주기적으로 측정되어 도 5와 같이, 관리단말(500)이나 IoT단말(600)의 모니터링 화면에 표시될 수 있다. 일정 시간 동안의 온도 변화량이 임계값보다 큰 경우에, 슬레이브 장치(120)로부터 마스터 장치(110)로 슬레이브 장치(120)의 온도 변화량이 크다는 것이 통보될 수 있다. 이 통보는 슬레이브 장치(120)로부터 마스터 장치(110)로 통신 라인을 통해 전송되는 경고 신호(WARN)를 활성화하는 것에 의해 수행될 수 있다.
통보에 응답해 마스터 장치(110)는 슬레이브 장치(120)의 온도를 파악할 수 있다. 마스터 장치(110)는 통신 라인을 이용해 슬레이브 장치(120)에게 온도 정보를 요청하고 통신 라인을 통해 온도 정보를 수신할 수 있다.
히터(130)는, 각종 파이프에 동파 방지를 위해 일정 이상의 온도를 유지하도록 파이프를 히팅하는 역할을 수행하며, 히터(130)에는 온도를 상시 체크하기 위한 온도센서를 기본적으로 포함한 각종 센서(습도센서 등)가 더 포함될 수 있으며, 유사시 히터(130)를 차단할 수 있도록 개폐기가 연결될 수 있다.
히터(130)에 연결되는 개폐기를 포함하여 컨트롤러(100)와 연결되는 회로 구조는 구동전원인 AC 전원을 DC컨버터로 변환하고, DC로 개폐기(150), 히터(130), 컨트롤러(100) 등을 동작시키도록 설계될 수 있으며, 이와 같은 구조에서는 AC 전원 구동 방식에 비해 위상각 제어를 할 필요가 없는 이점이 있다.
또한 히터(130)는 나노 탄소 소재나 메탈 소재로 구성될 수 있으며, 파이프를 감싸도록 원통 형상이나 반원형으로 형성되어 온도를 일정 이상 유지하도록 히팅시킴으로써, 동파를 방지하고 결로를 예방할 수 있다. 결로는 특히 내부와 외부 온도차가 심한 경우에 발생하는데, 히터(130)는 일정 이상 파이프 온도를 유지시켜 파이프 내외부의 온도차가 결로 예방 범위 내가 되도록 하여 결로를 예방할 수 있다. 결로는 파이프 내부에 습기가 발생함에 따라 동파 등과 같은 사고 발생이나 여러 고장의 원인이 될 수 있으므로, 반드시 결로 예방이 이루어지도록 온도 유지가 필요하다.
나노 탄소 소재의 경우 투과율을 반영하여 실질적으로 배관을 덥히는 것뿐 아니라 투과된 원적외선이 물까지 덥힘으로 작은 에너지로 큰 발열량을 얻을 수 있는 장점이 있으며, 개별적으로 제한 온도를 200도 이상까지도 상승시킬 수 있다.
센서(140)는, 온도센서를 포함하며 온도센서는 주기적으로 히터(130)의 온도를 체크하여 컨트롤러(100)로 온도정보를 전송한다. 센서(140)에는 필요에 따라 전류센서, 전압센서, 습도센서, 외기온도센서, 전력량센서 등이 더 포함될 수도 있다. 따라서, 센서(140)를 통하여 수집되는 센싱데이터에는 온도정보뿐만 아니라, 전류, 전압, 습도, 외기온도, 전력량에 대한 데이터도 포함될 수 있다.
로컬서버(150)는, 각각의 히터(130) 주변의 센서(140)로부터 감지된 온도정보를 포함한 센싱데이터들을 수집하고, 센싱데이터를 토대로 히터(130)의 온/오프 또는 전류량에 따라 온도값의 수준을 조절하도록 제어하는 역할을 수행할 수 있다. 이를 위해 도 4에 도시된 바와 같이, 각각의 파이프 지점에 설치된 센서(140)들로부터 수집된 온도정보를 개별적으로 모니터링하고, 제어를 수행할 수 있도록 하는 것이다.
컨트롤러(100)와 로컬서버(150) 또는 로컬서버(150)와 인터넷 망 사이에는 상호 연결을 중계하기 위한 게이트웨이나 공유기가 더 구비될 수 있다.
게이트웨이나 공유기는 IP기반으로 데이터를 송수신하기 위한 AP(Access Point)를 통칭하는 것으로, WiFi, 지그비, 블루트스 등의 다양한 무선통신방식으로 각종 데이터를 중계하여 단말과 서버간에 송수신할 수 있도록 한다.
로컬서버(150)와 컨트롤러(100) 간 통신은 RS-485, 블루투스, 와이파이, LoRa/FSK, PLC 등과 같은 통신이 이루어질 수 있다.
나아가 로컬서버(150)는 도 2에 도시된 바와 같이, 통신부(210), 전처리부(220), 모델관리부(230), 학습부(240), 예측분석부(250), 데이터베이스(260)를 더 포함할 수 있다.
통신부(210)는 수집된 센싱데이터를 관리서버(400)로 전송하는 역할을 수행하도록 통신망(300)의 규격에 맞는 통신 프로토콜을 제공한다.
전처리부(220)는 수집된 센싱데이터를 기반으로 예측모델을 생성하기 위한 전처리 과정을 수행할 수 있다. 예측모델은 신경망 혹은 딥러닝 알고리즘이 적용되어 생성될 수 있으며, 예컨대, 심층 신경망(DNN)을 사용하거나 합성곱신경망(CNN) 또는 순환신경망(RNN) 등의 알고리즘 방식이 될 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 개시되는 내용의 일 실시예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 개시되는 내용에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzmanmachine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출되는 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
모델관리부(230)는 수집된 센싱데이터를 입력변수로 하여 신경망 알고리즘을 기반으로 예측모델을 생성하고, 예측모델을 관리하는 역할을 수행할 수 있다.
생성된 예측모델은 학습부(240)를 통한 학습에 의해 업데이트 의한 업그레이드가 될 수 있으며, 수집된 센싱데이터가 누적될수록 트레이닝(학습)에 의해 예측율이 향상되도록 한다.
학습부(240)는 예측모델을 통해 신경망 학습을 수행하고, 예측분석부(250)는 예측모델로 히터(130)의 온도를 주기적으로 예측하여 온도가 설정된 임계값 범위 내에 있는지를 판단할 수 있으며, 이를 통해 히터(130)의 온도를 예측하여 제어할 수 있도록 하는 것이다.
여기서 임계값은 허용 온도 범위의 값이 될 수 있으며, 허용 온도 범위는 히터(130)가 과열되거나 파이프가 동결되지 않는 범위의 값이 될 수 있다.
또한 임계값은 사용자가 설정한 목표 온도 범위를 만족시키도록 온도를 변화시키기 위해 동작시켜야 하는 히터(130)의 최적의 조합을 결정할 수 있는 심층 신경망 예측모델의 변수로 적용될 수 있다. 이러한 심층 신경망 모델을 훈련시키기 위해서는 특정 온도에서 해당 히터(130)가 일정 시간 작동하였을 때 온도 변화가 어떠했는지를 관측한 센싱데이터(온도정보)가 다량으로 필요하며, 이러한 센싱데이터 및 임계값을 통해 특정 온도를 달성하기 위한 히터(130)의 동작을 예측할 수 있는 심층 신경망 기반의 예측모델이 생성될 수 있다.
또한, 임계값은 학습부(240)의 학습을 통해 소범위 내에서 조정될 수 있으며, 예측모델의 예측율을 향상됨에 따라 결과적으로 히터(130)의 온도를 정밀 제어가 가능하도록 하는데 도움을 주게 되는 것이다.
예측분석부(250)는 예측모델을 이용하여 히터(130)의 온도를 주기적으로 예측하여 온도가 설정된 임계값 범위 내에 있는지를 판단하기 위한 예측 결과를 산출하고, 예측 결과를 토대로 센서(140)의 예측된 범위 내에서 컨트롤러(100)를 통하여 히터(130)의 온/오프 또는 온도량을 정밀하게 제어할 수 있도록 한다. 예컨대 온도센서로부터 수집된 온도에 대한 센싱데이터를 토대로 온도가 예측된 허용 오차 범위의 임계값 내인 경우 로컬서버(150)를 통하여 히터(130)를 제어하고, 임계값을 벗어난 경우 히터(130) 제어를 중단할 수 있게 하는 것이다.
또한, 예측분석부(250)는 예측 결과가 허용 오차 범위를 벗어난 경우 오차 차이만큼 보상하여 히터(130)를 제어하거나, 제어 기능을 중단하고 유지 보수 경고 알람을 로컬서버(150)에 연결된 관리자 화면에 팝업하여 알리거나, 관리서버(400)나 관리단말(500), IoT단말(600)에 전송할 수도 있다.
나아가 예측분석부(250)는 센서(140)의 측정값 뿐만 아니라 오차나 오작동, 히터(130) 실행 상태 등에 대한 예측모델을 생성할 수 있으며, 예측모델은 적용되는 조건에 따라 다수개가 마련될 수 있다. 예측모델의 초기값으로 센서(140) 또는 히터(130)의 출하시 제공되는 모델정보를 토대로 설정된 오차 또는 오작동 범위나, 히터(130) 제어를 위한 구동전압 또는 구동전류를 입력변수로 할 수 있다.
데이터베이스(260)는 수집된 센싱데이터, 생성된 다수의 예측모델, 학습 데이터 등이 각 속성에 따라 분류되어 빅데이터 형태로 저장될 수 있다.
나아가, 로컬서버(150)의 상술한 세부 구성들은 컨트롤러(100)에 포함될 수 있으며, 이를테면 컨트롤러(100)에 의해 신경망 학습이 이루어져 센싱데이터를 예측하고, 허용 범위의 임계값 내에서 온도를 제어할 수도 있다.
통신망(300)은, 로컬서버(150)와 관리서버(400) 간 통신을 위해 마련될 수 있으며, 예컨대 유무선 인터넷, 사설망, 인트라넷, LTE망 등이 될 수 있다.
또한 로컬서버(150)는 각 지역마다 규모에 따라 일정 지역을 관할하도록 설치되어 연결된 지점의 컨트롤러(100)들을 통하여 히터(130)의 온도를 제어할 수 있도록 한다.
관리서버(400)는 각 로컬서버(150)와 통신망(300)을 통하여 연결되어, 로컬서버(150)에서 수집된 각 센서(140)의 온도정보를 포함한 센싱데이터를 제공받아 모니터링을 통하여 통합 관리하고 데이터베이스(260)화하여 관리할 수 있도록 마련된다.
관리단말(500)은 관리서버(400)와 유사한 역할을 수행할 수 있으며, 원격 제어가 가능하도록 구현될 수 있으며, 관리자가 소지한 단말로 단말 형태는 스마트폰, 패블릿폰, 태블릿, 노트북 등이 될 수 있다.
IoT단말(600)은 사물인터넷(IoT) 형태의 단말로서, 컨트롤러(100)와 블루투스, LTE, NFC 등의 유무선 통신에 의해 컨트롤러(100)를 제어할 수 있는 단말이며, 관리단말(500)이 포함될 수 있으며, 실내에 거치되는 단말들도 포함될 수 있다.
또한 이와같은 IoT단말(600)을 통해 관리지가 집안에서도 쉽게 원격 제어를 통해 히터(130)의 온도 제어가 가능한 이점이 있다.
클라우드서버(700)는 관리서버(400) 또는 로컬서버(150)와 연계할 수 있으며, 로컬서버(150)가 지역별로 설치되고, 관리서버(400)가 중앙 관제 지역에 설치되어 로컬서버(150)들을 관리하는 반면, 클라우드서버(700)는 전국망에 연결되어 통합하여 관리할 수 있도록 마련되어 관리서버(400)의 상위 서버로 존재하거나, 관리서버(400) 그 자체가 될 수도 있다.
특히 클라우드서버(700)는 클라우드 망을 통하여 각종 히터(130)들로부터 센싱데이터를 수집하여 빅데이터화하고, 신경망 학습을 통해 온도를 예측함으로써, 정밀한 온도 제어가 가능하도록 하며, 전국 내지 글로벌 망을 통한 종합적인 히터(130) 관리가 이루어지도록 할 수 있는 것이다.
또한 부가적으로 로컬서버(150), 관리단말(500), 관리서버(400), 클라우드서버(700) 간의 주고받는 정보(예를 들어 센싱데이터)는 외부로부터의 해킹 등의 위험으로부터 정보를 보호하기 위해, 센싱데이터의 송/수신에 데이터 암/복호화 기술을 적용할 수 있다. 보다 구체적으로, 관리서버(400)는 로컬서버(150), 클라우드서버(700) 또는 관리단말(500)에 각각 신분 증명이 가능한, 식별 정보(identification inforamtion)를 부여하여, 각 로컬서버(150) 또는 관리단말(500)의 식별 정보를 사설 암호 키(private key)로 활용하는 경량 암호 알고리즘을 수행한다. 경량 암호 알고리즘에는 관리단말(500)과 같은 스마트 기기 등의 제한된 환경에서 구현하기 위해 설계된 암호 기술로서, 대칭키 암호 알고리즘인 HIGHT(HIGh security and liht weigHT), LEA(Lightweight Encryption)와 해시함수인 LSH(Lightweight Secure Hash) 등을 활용할 수 있다. 이러한 경량 암호 알고리즘을 활용하여 센싱데이터 등을 암/복호화 시킴으로써 해당 데이터의 외부 유출이나 외부 해킹으로 인한 불법적인 제어 등을 막을 수 있다.
도 3은 본 발명의 일 실시예에 따른 동파 방지 및 결로 예방을 위한 히터 통합 관리 방법의 전체 과정을 보인 순서도이다.
먼저 관리서버(400)는 온도정보를 포함한 센싱데이터를 컨트롤러(100) 및 로컬서버(150)를 통하여 수집한다(S301).
관리서버(400)는 센싱데이터를 입력변수로 신경망 알고리즘 기반의 예측모델을 생성하고, 예측모델을 이용하여 히터(130)의 정밀 제어를 판단하기 위한 센서(140)의 센싱데이터 예측을 수행한다(S302).
센서(140)의 센싱데이터 예측을 수행하여 예측 결과를 산출하고, 예측 결과를 토대로 센서(140)의 예측된 허용 온도인 임계값 범위 내에서 컨트롤러(100)를 통하여 히터(130)의 온/오프 또는 온도값을 제어한다(S303).
수집된 센싱데이터 및 예측 결과는 예측모델 학습을 위한 빅데이터로 활용하기 위해 데이터베이스(260)에 저장한다(S304).
예측모델은 빅데이터를 활용하여 학습을 수행하여 예측모델을 보정하여 업그레이드할 수 있다(S305).
100 ; 컨트롤러
110 ; 마스터 장치
120 ; 슬레이브 장치
130 ; 히터
140 ; 센서
150 ; 개폐기
200 ; 로컬서버
210 ; 통신부
220 ; 전처리부
230 ; 모델관리부
240 ; 학습부
250 ; 예측분석부
260 ; 데이터베이스
300 ; 통신망
400 ; 관리서버
500 ; 관리단말
600 ; IoT단말
700 ; 클라우드서버
110 ; 마스터 장치
120 ; 슬레이브 장치
130 ; 히터
140 ; 센서
150 ; 개폐기
200 ; 로컬서버
210 ; 통신부
220 ; 전처리부
230 ; 모델관리부
240 ; 학습부
250 ; 예측분석부
260 ; 데이터베이스
300 ; 통신망
400 ; 관리서버
500 ; 관리단말
600 ; IoT단말
700 ; 클라우드서버
Claims (6)
- 다수개가 구비되어 각 로컬 지역에 설치되며, 로컬서버와 통신하여, 히터의 온/오프 및 온도를 개별, 그룹 또는 일괄적으로 제어가 가능하도록 마련된 컨트롤러;
각종 파이프에 동파 방지 및 결로 예방을 위해 일정 이상의 온도를 유지하도록 파이프를 히팅하는 역할을 수행하며, 온도를 상시 체크하기 위한 온도센서를 포함하며, 유사시 히터를 차단할 수 있도록 개폐기가 연결되는 히터;
온도센서를 포함하며, 주기적으로 히터의 온도를 체크하여 상기 컨트롤러로 온도정보를 전송하는 센서;
각각의 히터 주변의 센서로부터 감지된 온도정보를 포함한 센싱데이터들을 수집하고, 센싱데이터를 토대로 히터의 온/오프 또는 전류량에 따라 온도값의 수준을 조절하도록 제어하는 역할을 수행하는 로컬서버;
각 로컬서버와 통신망을 통하여 연결되어, 로컬서버에서 수집된 각 센서의 온도정보를 포함한 센싱데이터를 제공받아 모니터링을 통하여 통합 관리하고 데이터베이스화하여 관리할 수 있도록 마련된 관리서버;
상기 관리서버 또는 로컬서버와 연계할 수 있으며, 전국망에 연결되어 관리서버 및 로컬서버를 통합하여 관리할 수 있도록 마련되며, 클라우드 망을 통하여 각종 히터들로부터 센싱데이터를 수집하여 빅데이터화하고, 신경망 학습을 통해 온도를 예측함으로써, 정밀한 온도 제어가 가능하도록 하며, 종합적인 히터 관리가 이루어지도록 하는 클라우드서버;
를 포함하며,
상기 컨트롤러는
마스터-슬레이브 구조로, 마스터 장치의 제어에 의해 슬레이브 장치가 동작할 수 있도록 설계되되, 마스터 장치가 메모리 컨트롤러이고, 슬레이브 장치가 메모리 장치인 경우에, 메모리 컨트롤러의 제어에 의해 메모리 장치의 리드 동작 및 라이트 동작이 수행되는 것이고,
상기 로컬서버는
수집된 센싱데이터를 관리서버로 전송하는 통신부;
상기 수집된 센싱데이터를 기반으로 예측모델을 생성하기 위한 전처리 과정을 수행하는 전처리부;
상기 수집된 센싱데이터를 입력변수로 하여 신경망 알고리즘을 기반으로 예측모델을 생성하고, 예측모델을 관리하는 역할을 수행하는 모델관리부;
상기 예측모델을 통해 신경망 학습을 수행하는 학습부;
상기 예측모델을 이용하여 히터의 온도를 주기적으로 예측하여 온도가 설정된 임계값 범위 내에 있는지를 판단하기 위한 예측 결과를 산출하고, 예측 결과를 토대로 센서의 예측된 범위 내에서 컨트롤러를 통하여 히터의 온/오프 또는 온도량을 정밀하게 제어할 수 있도록 하고, 예측 결과가 허용 오차 범위를 벗어난 경우 오차 차이만큼 보상하여 히터를 제어하거나, 제어 기능을 중단하고 유지 보수 경고 알람을 로컬서버에 연결된 관리자 화면에 팝업하여 알리거나, 관리서버나 관리단말, IoT단말에 전송할 수 있고, 센서의 오차나 오작동, 히터 실행 상태에 대한 예측모델을 생성할 수 있으며, 예측모델의 초기값으로 센서 또는 히터의 출하시 제공되는 모델정보를 토대로 설정된 오차 또는 오작동 범위나, 히터 제어를 위한 구동전압 또는 구동전류를 입력변수로 할 수 있는 예측분석부를 포함하며,
상기 로컬서버, 관리단말, 관리서버, 클라우드서버 간의 주고받는 정보는 외부로부터의 해킹의 위험으로부터 정보를 보호하기 위해, 센싱데이터의 송/수신에 데이터 암/복호화 기술을 적용하되,
상기 관리서버는 로컬서버, 클라우드서버 또는 관리단말에 각각 신분 증명이 가능한, 식별 정보(identification inforamtion)를 부여하여, 각 로컬서버 또는 관리단말의 식별 정보를 사설 암호 키(private key)로 활용하는 경량 암호 알고리즘을 수행하는 것을 특징으로 하는 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템. - 삭제
- 삭제
- 삭제
- 삭제
- 제1항의 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템을 이용한 동파 방지 및 결로 예방을 위한 히터 통합 관리 방법에 있어서,
상기 관리서버는 온도정보를 포함한 센싱데이터를 컨트롤러 및 로컬서버 통하여 수집하는 단계;
상기 관리서버는 센싱데이터를 입력변수로 신경망 알고리즘 기반의 예측모델을 생성하고, 예측모델을 이용하여 히터의 정밀 제어를 판단하기 위한 센서의 센싱데이터 예측을 수행하는 단계;
상기 센서의 센싱데이터 예측을 수행하여 예측 결과를 산출하고, 예측 결과를 토대로 센서의 예측된 허용 온도인 임계값 범위 내에서 컨트롤러를 통하여 히터의 온/오프 또는 온도값을 제어하는 단계;
상기 수집된 센싱데이터 및 예측 결과는 예측모델 학습을 위한 빅데이터로 활용하기 위해 데이터베이스에 저장하는 단계;
상기 예측모델은 빅데이터를 활용하여 학습을 수행하여 예측모델을 보정하여 업그레이드하는 단계:
를 더 포함하는 동파 방지 및 결로 예방을 위한 히터 통합 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210043750A KR102354892B1 (ko) | 2021-04-05 | 2021-04-05 | 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210043750A KR102354892B1 (ko) | 2021-04-05 | 2021-04-05 | 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102354892B1 true KR102354892B1 (ko) | 2022-01-24 |
Family
ID=80050082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210043750A KR102354892B1 (ko) | 2021-04-05 | 2021-04-05 | 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102354892B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102595562B1 (ko) * | 2023-02-09 | 2023-10-31 | (주)우현시스템 | 스마트 에코 동파방지 관리 시스템 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06348503A (ja) * | 1993-06-14 | 1994-12-22 | Fujitsu Ltd | マスタ／スレーブ制御系を有する装置と、その制御方法 |
| KR200399661Y1 (ko) | 2005-08-08 | 2005-10-26 | 권순락 | 배관 동파 방지장치 |
| KR101864991B1 (ko) * | 2017-05-16 | 2018-06-05 | 서상민 | 메탈 히터 시스템 |
| KR101934726B1 (ko) * | 2018-03-27 | 2019-01-03 | 한국남동발전주식회사 | 히팅케이블 절전형 스마트제어 및 감시장치 |
| KR102114709B1 (ko) * | 2020-01-03 | 2020-05-25 | 주식회사 한성이엔지 | 에너지 절감형 스마트 동파방지 시스템 |
| KR20200063338A (ko) * | 2018-11-22 | 2020-06-05 | 제주대학교 산학협력단 | 학습을 통한 파라미터 개선 기반의 예측 시스템 및 방법 |
-
2021
- 2021-04-05 KR KR1020210043750A patent/KR102354892B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06348503A (ja) * | 1993-06-14 | 1994-12-22 | Fujitsu Ltd | マスタ／スレーブ制御系を有する装置と、その制御方法 |
| KR200399661Y1 (ko) | 2005-08-08 | 2005-10-26 | 권순락 | 배관 동파 방지장치 |
| KR101864991B1 (ko) * | 2017-05-16 | 2018-06-05 | 서상민 | 메탈 히터 시스템 |
| KR101934726B1 (ko) * | 2018-03-27 | 2019-01-03 | 한국남동발전주식회사 | 히팅케이블 절전형 스마트제어 및 감시장치 |
| KR20200063338A (ko) * | 2018-11-22 | 2020-06-05 | 제주대학교 산학협력단 | 학습을 통한 파라미터 개선 기반의 예측 시스템 및 방법 |
| KR102114709B1 (ko) * | 2020-01-03 | 2020-05-25 | 주식회사 한성이엔지 | 에너지 절감형 스마트 동파방지 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102595562B1 (ko) * | 2023-02-09 | 2023-10-31 | (주)우현시스템 | 스마트 에코 동파방지 관리 시스템 |
| KR102647248B1 (ko) * | 2023-02-09 | 2024-03-14 | (주)우현시스템 | 무선 통신형 친환경 스마트 동파방지 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10451302B2 (en) | Weather anticipating programmable thermostat and wireless network PTAC control | |
| US11790747B2 (en) | Building health analysis and management system | |
| US20160189532A1 (en) | Automatic security system mode selection | |
| KR101986753B1 (ko) | 공동 주택 자동 온도 조절 시스템 | |
| ES2642210T3 (es) | Sistema de monitorización | |
| CN108363435A (zh) | 一种猪舍环境远程监控***及方法 | |
| US9503448B2 (en) | Authenticated session establishment | |
| CN102546324A (zh) | 一种物联网智能家居***及方法 | |
| Russell et al. | Agile IoT for critical infrastructure resilience: Cross-modal sensing as part of a situational awareness approach | |
| KR20170121536A (ko) | 사물인터넷 기반 지역난방 사용자 시설 모니터링 및 효율 개선 시스템 | |
| TWI559807B (zh) | 多區域無線管理與通訊網路系統及其管理方法 | |
| CN103001840A (zh) | 一种智能家居物联网方法与装置 | |
| KR102055258B1 (ko) | 스마트 rtu를 이용하여 저장조의 수위를 모니터링하는 장치 및 방법 | |
| US20130090770A1 (en) | System and method for automatically controlling energy apparatus using energy modeling technique | |
| KR102130030B1 (ko) | 공동 주택 자동 온도 조절 시스템 | |
| Ibaseta et al. | Monitoring and control of energy consumption in buildings using WoT: A novel approach for smart retrofit | |
| US20200285206A1 (en) | Multi-factor event sequencing and analytics systems | |
| CN104754114A (zh) | 利用智能手机应用程序的锅炉费用自动管理*** | |
| KR102354892B1 (ko) | 동파 방지 및 결로 예방을 위한 히터 통합 관리 시스템 및 방법 | |
| Karaca et al. | A low cost smart security and home automation system employing an embedded server and a wireless sensor network | |
| KR20220014311A (ko) | 난방 시스템 및 그 동작방법 | |
| CN112240626B (zh) | 用于加热、通风、空调的***、场所控制器、控制场所的方法和非暂时性计算机可读介质 | |
| CN107076444A (zh) | 联结的空气调节*** | |
| Ibrahim et al. | Design and implementation of a pilot model for IoT Smart Home Networks | |
| US20220412594A1 (en) | Networked electric baseboard thermostat and master control system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |