KR20200043781A - 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템 - Google Patents

관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템 Download PDF

Info

Publication number
KR20200043781A
KR20200043781A KR1020180124600A KR20180124600A KR20200043781A KR 20200043781 A KR20200043781 A KR 20200043781A KR 1020180124600 A KR1020180124600 A KR 1020180124600A KR 20180124600 A KR20180124600 A KR 20180124600A KR 20200043781 A KR20200043781 A KR 20200043781A
Authority
KR
South Korea
Prior art keywords
air conditioner
operation plan
simulation
exhibition hall
air conditioning
Prior art date
Application number
KR1020180124600A
Other languages
English (en)
Other versions
KR102170522B1 (ko
Inventor
류광렬
Original Assignee
부산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020180124600A priority Critical patent/KR102170522B1/ko
Publication of KR20200043781A publication Critical patent/KR20200043781A/ko
Application granted granted Critical
Publication of KR102170522B1 publication Critical patent/KR102170522B1/ko

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템이 개시된다. 일 실시예에 따른 공조기 제어 시스템으로부터 수집된 전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터에 기초하여 공조기의 운영계획을 수립하는 운영 계획 최적화 모듈; 상기 수립된 공조기의 운영계획과 관련된 평가를 위한 시뮬레이션을 수행하는 고속 시뮬레이션 모듈; 및 상기 수립된 운영계획과 관련된 운영 데이터를 지속적으로 수집하여 상기 시뮬레이션을 위한 시뮬레이션 모형을 갱신하는 시뮬레이션 모형 관리 모듈을 포함할 수 있다.

Description

관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템{ENERGY MANAGEMENT SYSTEM FOR EXHIBITION HALL CONSIDERING ENVIRONMENT AND OCCUPANCY CHANGES}
아래의 설명은 에너지 관리 기술에 관한 것으로, 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템 및 방법에 관한 것이다.
일반적으로 건물의 용도는 다양하지만 전기와 가스 등의 에너지원을 많이 소비하는 중대형 건물들은 공통적으로 건물의 중앙 관제실에서 건물 자동제어 시스템(BAS; Building Automation System)을 갖추고 원격에서 기계설비와 전기설비들에 대한 감시 및 제어를 수행하고 있으며 이를 활용하여 건물의 에너지 사용을 절감하는 건물 에너지 관리 시스템(BEMS; Building Energy Management System)을 채택하고 있다. 이러한 건물 자동제어 시스템과 건물 에너지 관리 시스템을 이용하여 건물 에너지를 절감하고자 하는 노력이 여러 방면에서 있어 왔다. 현재 대부분의 건물 에너지 관리 시스템 운영은 전체적인 설비의 단순 제어 및 감시 기능만 수행하고, 에너지 관리에 대한 기능은 부분적으로 제공하고 있는 실정으로, 건물에 특화된 체계적인 에너지 관리 기능에 한계가 있다.
건물 에너지 관리 시스템의 경우 건물 내 환경을 일정하게 유지하면서 에너지 소모를 최소화하는 공조 시설의 운영 계획을 세우는 것이 목적이다. 종래 에는 온/습도 등의 기상 변화를 예측하여 에너지 소모량을 시뮬레이션 할 뿐이었다. 이에 따라 에너지 소모를 최소화하는 운영 계획 수립을 위해서는 건물 내/외부 환경 변화 및 운영 계획에 따른 에너지 소모량 시뮬레이션이 필요하다.
전시장 내부 온도에 영향을 미치는 관람객 수, 전시장 내/외부 기온 정보 수집하고, 수집한 정보를 토대로 전시장 환경을 일정하게 유지하면서도 공조기 가동비용을 최소화할 수 있는 공조기 운영계획 수립하는 시스템 및 방법을 제공할 수 있다.
상기 공조기 제어 시스템으로부터 수집된 전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터에 기초하여 공조기의 운영계획을 수립하는 운영 계획 최적화 모듈; 상기 수립된 공조기의 운영계획과 관련된 평가를 위한 시뮬레이션을 수행하는 고속 시뮬레이션 모듈; 및 상기 수립된 운영계획과 관련된 운영 데이터를 지속적으로 수집하여 상기 시뮬레이션을 위한 예측 모형을 갱신하는 시뮬레이션 모형 관리 모듈을 포함할 수 있다.
상기 운영 계획 최적화 모듈은, rolling-horizon 방식으로 재계획 간격마다 단위 시간 또는 단위 기간 동안의 공조기의 운영계획을 갱신할 수 있다.
상기 운영 계획 최적화 모듈은, 복수 개의 공조기의 설정 온도를 결정하는 변수 및 전원의 온(On)/오프(Off)를 결정하는 변수에 기초하여 공조기의 운영계획을 수립할 수 있다.
상기 운영 계획 최적화 모듈은, 공조기 운영에 따른 에너지 비용과 전시장 환경의 만족 여부에 따른 패널티 비용의 가중치 합으로 계산된 운영비용을 최소화하기 위한 운영 계획을 탐색할 수 있다.
상기 운영 계획 최적화 모듈은, 상기 에너지 비용의 계산을 위한 에너지 사용량 예측과 상기 전시장 환경의 만족 여부를 계산하기 위한 전시장 내부 온도 예측을 학습 알고리즘을 통하여 학습한 예측 모형을 사용할 수 있다.
상기 고속 시뮬레이션 모듈은, 상기 수집된 운영 데이터를 학습 알고리즘을 이용하여 학습시킴에 따라 시뮬레이션을 위한 예측 모형을 생성하는 것을 포함하고, 상기 예측 모형을 외기 온도 예측 모형, 재실 인원 예측 모형, 실내 온도 예측 모형 및 에너지 사용량 예측 모형으로 분류할 수 있다.
상기 고속 시뮬레이션 모듈은, 외기 온도 및 전시장 내 재실 인원과 관련된 외부 환경변수를 예측한 후, 상기 환경변수를 예측한 예측치에 기초하여 실내 온도 및 에너지 사용량을 예측할 수 있다.
상기 고속 시뮬레이션 모듈은, 운영시간 동안의 시뮬레이션이 완료됨에 따라 공조기 운영에 따른 에너지 비용 및 전시장 환경의 만족 여부에 따른 패널티가 계산될 수 있다.
상기 시뮬레이션 모형 관리 모듈은, 상기 운영 데이터를 토대로 초기 예측 모형을 생성하고, 상기 생성된 초기 예측 모형을 기 설정된 기준에 기초하여 새로운 운영 데이터를 수집한 후, 상기 운영 데이터와 상기 새로운 운영 데이터를 결합하여 새로운 예측 모형을 학습하고, 상기 학습된 새로운 예측 모형을 시뮬레이션에 반영할 수 있다.
상기 공조기 제어 시스템은, 전시장 내 재실 인원, 전시장 내부 환경, 전시장 외부 환경 및 공조기 운영 현황 정보를 수집하고, 상기 공조기 운영계획 수립 시스템으로부터 전달되는 제어 신호를 공조 시스템에 반영할 수 있다.
에너지 관리 시스템은, 전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터를 수집하고, 운영계획 수립 시스템으로부터 전달되는 제어 신호를 반영하는 공조기 제어 시스템; 및 공조기의 운영계획을 수립하고, 상기 공조기 제어 시스템에서 수집된 운영 데이터에 기초하여 운영계획 평가를 위한 시뮬레이션 모형을 갱신하는 공조기 운영계획 수립 시스템을 포함할 수 있다.
공조기 운영계획 수립 시스템에 의해 수행되는 에너지 관리 방법은, 상기 공조기 제어 시스템으로부터 수집된 전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터에 기초하여 공조기의 운영계획을 수립하는 단계; 상기 수립된 공조기의 운영계획과 관련된 평가를 위한 시뮬레이션을 수행하는 단계; 및 상기 수립된 운영계획과 관련된 운영 데이터를 지속적으로 수집하여 상기 시뮬레이션을 위한 시뮬레이션 모형을 갱신하는 단계를 포함할 수 있다.
관람객 수의 변화를 반영함으로써 전시장 내부 환경에 대해 보다 정확한 예측이 가능하고, 이러한 예측을 통하여 효율적인 운영 계획 수립이 가능하다.
학습 알고리즘을 이용한 예측 모형을 가지고 시뮬레이션을 수행함에 따라 운영 계획의 빠른 평가가 가능하고, 실시간 계획 수립이 용이하다.
복잡한 빌딩 모형을 모델링하지 않고 운영 데이터의 수집만으로도 운영 계획의 평가가 가능하기 때문에 계획 수립이 가능한 환경 구축에 드는 비용이 적으며, 데이터가 누적될수록 더 정확한 시뮬레이션이 가능해진다.
도 1은 일 실시예에 따른 에너지 관리 시스템의 구성을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 에너지 관리 시스템에서 운영계획을 수립하는 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 에너지 관리 시스템에서 운영계획 시뮬레이션을 위한 예측 모형의 예이다.
도 4는 일 실시예에 따른 에너지 관리 시스템에서 재실 인원 데이터를 수집하는 것을 설명하기 위한 예이다.
도 5는 일 실시예에 따른 에너지 관리 시스템에서 재실 인원 예측 모형을 나타낸 예이다.
도 6은 일 실시예에 따른 에너지 관리 시스템에서 재실 인원을 예측하는 방법을 설명하기 위한 예이다.
도 7 내지 도 11은 일 실시예에 따른 에너지 관리 시스템에서 전시장의 에너지를 관리하는 예를 설명하기 위한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
전시장(전시홀) 내 공조기 운영계획 수립의 목표는 방문객에게 쾌적한 환경을 제공하면서 냉난방에 사용되는 에너지 소모량을 최소화하는 것이다. 일반적으로 전시홀 환경에 영향을 미치는 주요 요인 중 하나로 많은 방문객들의 이동이 잦고 행사에 따라 재실 인원이 크게 달라질 수 있다. 이에 따라 재실 인원의 향후 변화에 따른 냉난방 수요를 고려하면서 공조기 운영 계획을 수립하는 방법을 설명하기로 한다.
도 1은 일 실시예에 따른 에너지 관리 시스템의 구성을 설명하기 위한 도면이다.
에너지 관리 시스템(100)은 전시장의 에너지를 관리하기 위한 것으로, 공조기 제어 시스템(110)과 공조기 운영계획 수립 시스템(120)을 포함할 수 있다. 공조기 제어 시스템(100)은 전시장 내/외부 환경정보 및 공조기 운영 현황(데이터)을 공조기 운영계획 수립 시스템(120)에 전달하고, 운영계획 수립 시스템(120)이 수립한 계획을 공조기에 적용하는 역할을 수행할 수 있다.
공조기 운영계획 수립 시스템(120)은 공조기 제어 시스템(110)에서 수집한 정보에 기초하여 고속 시뮬레이션 모듈과 운영계획 최적화 모듈을 이용하여 공조기의 운영계획을 수립하며, 새롭게 누적된 운영 데이터를 반영하여 시뮬레이션 모형을 갱신할 수 있다.
구체적으로, 공조기 제어 시스템(110)은 전시장 내 재실 인원, 전시장 내부 환경, 전시장 외부 환경 및 공조기 운영 현황 정보를 수집하고, 공조기 운영계획 수립 시스템으로부터 전달되는 제어 신호를 공조 시스템에 반영할 수 있다. 공조기 제어 시스템(110)은 전시장과 관련된 전시장 내부 환경 정보 및 외부 환경 정보를 수집할 수 있다. 공조기 제어 시스템(110)은 전시장(홀) 내 비콘 센서 또는 카메라 센서를 이용하여 전시장 내 관람객 수 정보(재실 인원 정보)를 수집할 수 있다. 이때, 도 4를 참고하면, 각 공조기가 냉방 및 난방을 담당하는 구역(Zone) 별로 카메라를 설치함에 따라 촬영된 카메라 영상을 이용하여 edge detection을 통해 특정 시점의 인원수를 파악할 수 있다. 예를 들면, 15분 마다 기간 내 여러 시점의 인원 수를 파악하여 재실 인원 수를 파악할 수 있다. 또한, 공조기 제어 시스템(110)은 전시장 내/외부에 온도 및 습도 측정이 가능한 복합 센서를 설치하고, 설치된 복합 센서로부터 온도 정보 및 습도 정보를 수집할 수 있다. 또한, 공조기 제어 시스템(100)은 기상청 데이터베이스로부터 전시장이 위치한 지역의 온도/습도 예보 정보를 수집할 수 있다. 공조기 제어 시스템(110)은 공조기 운영 현황 정보를 수집할 수 있다. 공조기 제어 시스템(110)은 전시장 내 Building Automation System(BAS)로부터 공조기의 온(on)/오프(off) 여부, 공조기의 설정 온도, 공조기 급기 및 환기 온도 정보를 수집할 수 있다. 공조기 제어 시스템(110)은 공조기에 전력량계 및 열량계를 부착하여 전력량 정보 및 열량 정보를 수집할 수 있다.
공조기 운영계획 수립 시스템(120)은 공조기의 최적 운영계획을 수립하고, 운영 데이터를 지속적으로 수집하여 운영계획 평가를 위한 시뮬레이션 모형을 갱신할 수 있다. 공조기 운영계획 수립 시스템(120)은 공조기 제어 시스템(110)으로부터 수집된 전시장 내부 및 외부의 환경 정보, 공조기 운영 현황, 에너지 사용량을 전달받을 수 있다. 공조기 운영계획 수립 시스템(120)은 운영 계획 최적화 모듈(121), 고속 시뮬레이션 모듈(122) 및 시뮬레이션 모형 관리 모듈(123)을 포함할 수 있다.
운영 계획 최적화 모듈(121)은 도 2를 참고하면, rolling-horizon 방식으로 재 계획 간격 r마다 단위 시간u, h기간 동안의 공조기의 운영계획을 갱신할 수 있다. 공조기의 운영계획은 도 2와 같이 k대 공조기의 온(on)/오프(off)를 결정하는 ON변수와 설정 온도를 결정하는 SP변수로 구성될 수 있다. 이때, ON변수가 0.5 이상인 경우 공조기를 온(On)하고, SP변수의 경우 0이 최저 설정 온도, 1이 최고 설정온도를 뜻하면 0과 1사이에서 온도에 비례하여 결정될 수 있다. 예를 들면, 최저 설정 온도가 18도, 최고 설정 온도가 26도일 때 0.5는 22도를 의미한다. 이때, 유전 알고리즘과 탐색 알고리즘을 이용하여 랜덤으로 해가 생성될 수 있다. 탐색의 목적은 수학식 1과 같이 공조기 운영비용 c(S)를 최소화하는 운영 계획 S를 찾는 것이다. 공조기 운영비용은 공조기 운영에 따른 에너지 비용 c e (S)와 전시장 환경의 만족 여부에 따른 페널티 비용 c cmft 의 가중치합으로 계산될 수 있다.
수학식 1:
Figure pat00001
운영 계획 최적화 모듈(121)은 공조기 운영에 따른 에너지 비용 계산을 위한 에너지 사용량 예측과 전시장 환경의 만족 여부 계산을 위한 전시장 내부 온도 예측을 학습 알고리즘을 통하여 학습한 예측 모형을 사용할 수 있다.
고속 시뮬레이션 모듈(122)은 수집된 운영 데이터(기록)들을 이용하여 학습 데이터를 만든 후 k-NN, 뉴럴 네트워크와 같은 학습 알고리즘을 이용하여 학습하여 시뮬레이션을 위한 예측 모형을 생성할 수 있다. 이때, 도 3을 참고하면, 운영계획 시뮬레이션을 위한 예측 모형을 나타낸 예이다. 예측 모형은 도 3과 같이 외기 온도 예측 모형(310), 재실 인원 예측 모형(320), 실내 온도 예측 모형(330) 및 에너지 사용량 예측 모형(340)으로 분류될 수 있다.
일례로, 외기 온도 예측 모형(310)은 2가지 속성을 이용하여 전시회 당일의 외부 기상을 예측할 수 있다. KEMS로부터 측정된 과거 30분 전부터 현재 시간까지의 야외 날씨 값과 기상청으로부터 확인된 15분 후의 기상 예보 값을 이용하여 외부 온도를 예측할 수 있다. 이때, 30분 후의 예측은 15분 후의 예측 값을 관측 값으로 취급하여 예측을 수행할 수 있다. 이러한 과정을 3시간 후까지 예측을 반복 수행하여 외기 온도 예측 모형을 생성할 수 있다.
재실 인원 예측 모형(320)은 도 5를 참고하면, 복수 개(예를 들면, 12)개의 각각의 구역을 15분 단위로 최근 3시간 동안의 재실 인원 값을 이용하여 각 구역의 재실 인원을 예측할 수 있다. 재실 인원 관측값은 총원 * 재실 밀도로 계산할 수 있다. 총원은 Peoplecounter로, 재실 밀도는 MDS 카메라로부터 수신할 수 있다. 또한, 재실 인원 예측 모형(320)은 동일한 입력 변수를 사용하되, 예측 시점, 예측하려는 구역별로 별도의 모형을 학습시킬 수 있다. 도 6을 참고하면, 재실 인원을 예측하기 위한 학습에는 딥 러닝 알고리즘 중 하나인 RNN(Recurrent Neural Network)를 사용할 수 있다. 이때, 딥 러닝 알고리즘으로 RNN 이외에도 다양한 알고리즘이 사용될 수 있다.
실내 온도 예측 모형(330)은 외기 온도, 현재의 타겟 구역의 실내 온도, 타겟 구역과 인접한 구역의 실내 평균 온도, 타겟 구역의 재실 인원, 타겟 구역의 설정 온도, 타겟 구역의 온/오프 여부, 가동중인 인접한 구역의 평균 설정 온도, 인접한 구역의 공조기 가동률을 이용하여 기 설정된 시간 후의 실내 온도를 예측할 수 있다. 예를 들면, 실내 온도 예측 모형(330)은 현재를 기준으로 15분 후의 외기 온도, 현재의 타겟 구역의 실내 온도, 현재의 타겟 구역과 인접한 구역의 실내 평균 온도, 현재를 기준으로 15분 후의 타겟 구역의 재실 인원, 현재를 기준으로 15분 후의 타겟 구역의 설정 온도, 현재를 기준으로 15분 후의 타겟 구역의 온/오프 여부, 현재를 기준으로 15분 후의 가동중인 인접한 구역의 평균 설정 온도, 현재를 기준으로 15분 후의 인접한 구역의 공조기 가동률에 기초하여 15분 후의 실내 온도를 예측할 수 있다. 이때, 인접한 구역의 공조기 가동률은 제어 계획으로부터 획득될 수 있다.
에너지 사용량 예측 모형(340)은 외기 온도, 전체 구역의 평균 온도, 전체 구역의 평균 재실 인원, 냉/난방 에너지 사용량에 기초하여 기 설정된 시간 후의 냉/난방 에너지 사용량을 예측할 수 있다. 예를 들면, 현재를 기준으로 1시간 후의 외기 온도, 현재를 기준으로 1시간 후의 전체 구역의 평균 온도, 현재를 기준으로 1시간 후의 전체 구역의 평균 재실 인원, 현재를 기준으로 1시간 최근 1시간 동안의 냉/난방 에너지 사용량에 기초하여1시간 후의 냉/난방 에너지 사용량을 예측할 수 있다. 이때, 전시장에서 1시간 단위로 에너지 사용량이 수집됨으로써 냉/난방 에너지 사용량이 수집될 수 있다.
고속 시뮬레이션 모듈(122)은 외기 온도 및 재실인원과 같은 외부 환경변수의 예측을 먼저 수행하고, 외부 환경변수의 예측을 수행함에 따른 예측치들을 입력으로 하여 실내 온도 및 에너지 사용량의 예측을 수행할 수 있다. 고속 시뮬레이션 모듈(122)은 온도 및 에너지 사용량에 대해서 운영기간 동안의 시뮬레이션이 완료되고 나면 수학식 1의 운영비용 및 전시장 환경의 만족 여부(만족도)에 따른 페널티 계산이 가능해진다.
시뮬레이션 모형 관리 모듈(123)은 에너지 관리 시스템이 본격적인 제어를 하기 이전에 수집되었던 운영 데이터를 토대로 초기 예측 모형을 생성할 수 있다. 시뮬레이션 모형 관리 모듈(123)은 초기 예측 모형이 생성된 이후, 일 단위 혹은 전시 행사 단위별로 운영 데이터를 수집한 후 기존의 운영 데이터와 결합하여 새로이 예측 모형을 학습하고 이를 고속 시뮬레이션 모듈에 반영할 수 있다.
일 실시예에 따른 에너지 관리 시스템은 인원, 외기, 내부 온도 등 전시장 내, 외부 환경 정보를 바탕으로 시뮬레이션을 통해 공조기에 대한 최적의 운영 계획을 수립하여 국내 전시장 환경을 유지하기 위해 사용되는 에너지를 크게 절감할 수 있다.
도 7 내지 도 11은 일 실시예에 따른 에너지 관리 시스템에서 전시장의 에너지를 관리하는 예를 설명하기 위한 도면이다.
A 전시장의 B홀의 난방 현황을 예를 들어 설명하기로 한다. 예를 들면, 도 7을 참고하면, 12대의 각 구역을 담당하는 공조기가 냉방 및 난방을 수행할 수 있다. 공조기 가동을 위한 열원은 A 전시장 공용으로 사용하고 있을 수 있다.
도 8을 참고하면, 에너지 관리 시스템은 공조기를 제어하는 범위를 설정할 수 있다. 공조기 자동 제어 모드에 필요한 입력인 공조기 가동 여부, 공조기 설정 온도를 자동으로 제어할 수 있다. 이때, A 전시장 공용으로 사용중인 열원/냉원은 제어 대상에서 제외될 수 있다. 에너지 관리 시스템은 공조기 제어 시스템을 통하여 공조기를 자동 모드 또는 수동 모드로 제어할 수 있다. 자동 모드로 공조기의 온/오프 여부, 설정 온도로 공조기 내 각 요소를 제어할 수 있고, 수동 모드로 공조기의 온/오프 여부 및 각 요소를 수동으로 제어할 수 있다. 예를 들면, 공조기의 급기송풍기, 환기송풍기, 냉각코일, 가열코일 및 가습기 등을 자동 또는 수동으로 제어할 수 있다.
도 9를 참고하면, 에너지 관리 시스템은 기상, 재실 인원 변화 및 HVAC 운영으로 인한 미래 상황 변화를 예측 모델을 이용하여 시뮬레이션할 수 있다. 에너지 관리 시스템은 예측 모델을 이용하여 공조기를 제어할 수 있다. 예를 들면, 에너지 관리 시스템은 현재의 상황과 관련하여 운영 계획을 수립함으로써 운영 계획을 최적화할 수 있다. 이때, 현재의 상황과 관련하여 복수 개의 운영 계획이 수립될 수 있으며, 이러한 복수 개의 운영 계획을 후보 운영 계획으로 설정할 수 있다.
도 10을 참고하면, 에너지 관리 시스템은 운영 계획을 최적화하기 위하여 반복적 재 계획 알고리즘을 통하여 기 설정된 단위, 예를 들면, 15분 단위의 향후 3시간 계획을 매 1시간마다 수립할 수 있다. 이때, 15분의 계획은 복수 개의 공조기의 설정 온도, 공조기의 온/오프를 결정할 수 있다. 이러한 과정을 수행함에 따라 총 288개의 제어 변수가 결정될 수 있다.
예를 들면, 후보 운영 계획에 기초하여 시뮬레이션을 수행할 수 있다. 도 11을 참고하면, 전시장 환경을 모방한 에뮬레이터를 설계할 수 있다. 예를 들면, EnergyPlus를 이용하여 복수 개의 구역의 가상 전시장(홀)을 구성할 수 있다. 전시장 인근의 기상 데이터를 이용하여 동계(예를 들면, 12~2월), 하계(6~8월)의 환경을 구축할 수 있다. 재실 인원은 재실 인원 통계를 바탕으로 방문객 동선 시뮬레이터를 구현할 수 있다. 반응적 제어 방식으로 운영 후 데이터를 수집할 수 있다. 기상 예보 및 과거의 재실 인원이 입력됨에 따라 외기 온도 예측 모델, 재실 인원 예측 모델, 실내 온도 예측 모델 및 에너지 사용량 예측 모델을 포함하는 예측 모델에 기초하여 시뮬레이션을 수행한 시뮬레이션 결과를 반영하여 운영 계획을 최적화할 수 있다.
현재의 상황과 관련하여 수립된 후보 운영 계획을 예측 모형에 기초하여 시뮬레이션할 수 있다. 다시 말해서, 예측 모형을 이용한 시뮬레이션을 통하여 후보 운영 계획을 평가할 수 있다. 예측 모형을 통하여 후보 운영 계획을 시뮬레이션함에 따라 획득된 복수 개의 각각의 예측치 또는 하나의 예측치를 운영 계획에 반영하여 운영 계획을 최적화할 수 있다. 에너지 관리 시스템은 최적화된 운영 계획에 기초하여 운영을 수행할 수 있고, 다음의 상황이 발생하게 된다.
일례로, A 전시장 내의 공조 시스템에 최적의 운영 계획에 따라 제어될 수 있다. 이때, 공조 시스템에 포함된 적어도 하나 이상의 공조기를 각각 제어할 수 있고, 공조 시스템에 포함된 모든 공조기를 일괄적으로 제어할 수도 있다. 에너지 관리 시스템에 의하여 공조 시스템이 제어됨에 따라 제어 신호에 기초하여 전시장과 관련된 에너지 정보가 변경될 수 있다. 이러한 전시장에 에너지 정보(예를 들면, 온도, 습도 등)가 변경됨에 따라 변경된 정보를 포함하는 실제 결과를 운영 계획에 반영할 수 있다. 다시 말해서, 공조 시스템에 적용된 운영 계획에 기초하여 제어된 실제 결과가 운영 계획에 반영되어 운영 계획을 재수립 또는 최적화할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

  1. 공조기 운영계획 수립 시스템에 있어서,
    공조기 제어 시스템으로부터 수집된 전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터에 기초하여 공조기의 운영계획을 수립하는 운영 계획 최적화 모듈;
    상기 수립된 공조기의 운영계획과 관련된 평가를 위한 시뮬레이션을 수행하는 고속 시뮬레이션 모듈; 및
    상기 수립된 운영계획과 관련된 운영 데이터를 지속적으로 수집하여 상기 시뮬레이션을 위한 시뮬레이션 모형을 갱신하는 시뮬레이션 모형 관리 모듈
    을 포함하는 공조기 운영계획 수립 시스템.
  2. 제1항에 있어서,
    상기 운영 계획 최적화 모듈은,
    rolling-horizon 방식으로 재계획 간격마다 단위 시간 또는 단위 기간 동안의 공조기의 운영계획을 갱신하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  3. 제2항에 있어서,
    상기 운영 계획 최적화 모듈은,
    복수 개의 공조기의 설정 온도를 결정하는 변수 및 전원의 온(On)/오프(Off)를 결정하는 변수에 기초하여 공조기의 운영계획을 수립하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  4. 제3항에 있어서,
    상기 운영 계획 최적화 모듈은,
    공조기 운영에 따른 에너지 비용과 전시장 환경의 만족 여부에 따른 패널티 비용의 가중치 합으로 계산된 운영비용을 최소화하기 위한 운영 계획을 탐색하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  5. 제4항에 있어서,
    상기 운영 계획 최적화 모듈은,
    상기 에너지 비용의 계산을 위한 에너지 사용량 예측과 상기 전시장 환경의 만족 여부를 계산하기 위한 전시장 내부 온도 예측을 학습 알고리즘을 통하여 학습한 예측 모형을 사용하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  6. 제1항에 있어서,
    상기 고속 시뮬레이션 모듈은,
    상기 수집된 운영 데이터를 학습 알고리즘을 이용하여 학습시킴에 따라 시뮬레이션을 위한 예측 모형을 생성하는 것을 포함하고,
    상기 예측 모형을 외기 온도 예측 모형, 재실 인원 예측 모형, 실내 온도 예측 모형 및 에너지 사용량 예측 모형으로 분류하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  7. 제6항에 있어서,
    상기 고속 시뮬레이션 모듈은,
    외기 온도 및 전시장 내 재실 인원과 관련된 외부 환경변수를 예측한 후, 상기 환경변수를 예측한 예측치에 기초하여 실내 온도 및 에너지 사용량을 예측하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  8. 제7항에 있어서,
    상기 고속 시뮬레이션 모듈은,
    운영시간 동안의 시뮬레이션이 완료됨에 따라 공조기 운영에 따른 에너지 비용 및 전시장 환경의 만족 여부에 따른 패널티가 계산되는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  9. 제1항에 있어서,
    상기 시뮬레이션 모형 관리 모듈은,
    상기 운영 데이터를 토대로 초기 예측 모형을 생성하고, 상기 생성된 초기 예측 모형을 기 설정된 기준에 기초하여 새로운 운영 데이터를 수집한 후, 상기 운영 데이터와 상기 새로운 운영 데이터와 결합하여 새로운 예측 모형을 학습하고, 상기 학습된 새로운 예측 모형을 시뮬레이션에 반영하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  10. 제1항에 있어서,
    상기 공조기 제어 시스템은,
    전시장 내 재실 인원, 전시장 내부 환경, 전시장 외부 환경 및 공조기 운영 현황 정보를 수집하고, 상기 공조기 운영계획 수립 시스템으로부터 전달되는 제어 신호를 공조 시스템에 반영하는
    것을 특징으로 하는 공조기 운영계획 수립 시스템.
  11. 에너지 관리 시스템에 있어서,
    전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터를 수집하고, 운영계획 수립 시스템으로부터 전달되는 제어 신호를 반영하는 공조기 제어 시스템; 및
    공조기의 운영계획을 수립하고, 상기 공조기 제어 시스템에서 수집된 운영 데이터에 기초하여 운영계획 평가를 위한 시뮬레이션 모형을 갱신하는 공조기 운영계획 수립 시스템
    을 포함하는 에너지 관리 시스템.
  12. 공조기 운영계획 수립 시스템에 의해 수행되는 에너지 관리 방법에 있어서,
    상기 공조기 제어 시스템으로부터 수집된 전시장 환경 정보 및 공조기 운영 현황 정보를 포함하는 운영 데이터에 기초하여 공조기의 운영계획을 수립하는 단계;
    상기 수립된 공조기의 운영계획과 관련된 평가를 위한 시뮬레이션을 수행하는 단계; 및
    상기 수립된 운영계획과 관련된 운영 데이터를 지속적으로 수집하여 상기 시뮬레이션을 위한 시뮬레이션 모형을 갱신하는 단계
    를 포함하는 에너지 관리 방법.
KR1020180124600A 2018-10-18 2018-10-18 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템 KR102170522B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180124600A KR102170522B1 (ko) 2018-10-18 2018-10-18 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180124600A KR102170522B1 (ko) 2018-10-18 2018-10-18 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템

Publications (2)

Publication Number Publication Date
KR20200043781A true KR20200043781A (ko) 2020-04-28
KR102170522B1 KR102170522B1 (ko) 2020-10-27

Family

ID=70455924

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180124600A KR102170522B1 (ko) 2018-10-18 2018-10-18 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템

Country Status (1)

Country Link
KR (1) KR102170522B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220120004A (ko) * 2021-02-22 2022-08-30 포항공과대학교 산학협력단 상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템 및 운영 방법
KR102474975B1 (ko) * 2021-10-01 2022-12-06 엘지전자 주식회사 열교환기와 공간을 시뮬레이션하고 열교환기를 제어하는 방법 및 이를 구현하는 장치
CN116303749A (zh) * 2023-04-03 2023-06-23 新之航传媒科技集团有限公司 一种用于智慧展厅管理的布局优化方法及***
EP4246050A4 (en) * 2020-11-10 2024-03-27 Mitsubishi Electric Corporation AIR CONDITIONING DEVICE AND AIR CONDITIONING DEVICE LEARNING DEVICE

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023038405A1 (ko) * 2021-09-08 2023-03-16 오토시맨틱스 주식회사 건물의 열 시뮬레이터 생성장치 및 방법
WO2023075631A1 (ru) * 2021-10-29 2023-05-04 Ооо (Общество С Ограниченной Ответственностью) "Арлойд Аутомейшн" Система управления устройствами отопления, вентиляции и кондиционирования воздуха

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140070935A (ko) * 2012-11-30 2014-06-11 단국대학교 산학협력단 설계 및 운영 단계에서 건물 에너지를 예측하여 건물을 제어하는 방법 및 이를 위한 시스템
KR20140084918A (ko) * 2012-12-27 2014-07-07 한국전자통신연구원 시뮬레이션 기반 에너지 절감 평가장치 및 방법
KR101589262B1 (ko) * 2014-09-24 2016-01-27 현대건설 주식회사 건물 에너지 모델의 보정을 이용한 에너지 관리 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140070935A (ko) * 2012-11-30 2014-06-11 단국대학교 산학협력단 설계 및 운영 단계에서 건물 에너지를 예측하여 건물을 제어하는 방법 및 이를 위한 시스템
KR20140084918A (ko) * 2012-12-27 2014-07-07 한국전자통신연구원 시뮬레이션 기반 에너지 절감 평가장치 및 방법
KR101589262B1 (ko) * 2014-09-24 2016-01-27 현대건설 주식회사 건물 에너지 모델의 보정을 이용한 에너지 관리 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4246050A4 (en) * 2020-11-10 2024-03-27 Mitsubishi Electric Corporation AIR CONDITIONING DEVICE AND AIR CONDITIONING DEVICE LEARNING DEVICE
KR20220120004A (ko) * 2021-02-22 2022-08-30 포항공과대학교 산학협력단 상호 연결된 인공 신경망과 온라인 학습을 이용한 열 공조 시스템 및 운영 방법
KR102474975B1 (ko) * 2021-10-01 2022-12-06 엘지전자 주식회사 열교환기와 공간을 시뮬레이션하고 열교환기를 제어하는 방법 및 이를 구현하는 장치
CN116303749A (zh) * 2023-04-03 2023-06-23 新之航传媒科技集团有限公司 一种用于智慧展厅管理的布局优化方法及***
CN116303749B (zh) * 2023-04-03 2023-10-20 新之航传媒科技集团有限公司 一种用于智慧展厅管理的布局优化方法及***

Also Published As

Publication number Publication date
KR102170522B1 (ko) 2020-10-27

Similar Documents

Publication Publication Date Title
KR102170522B1 (ko) 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템
Yang et al. Model predictive control with adaptive machine-learning-based model for building energy efficiency and comfort optimization
Chen et al. Simulation and visualization of energy-related occupant behavior in office buildings
Clarke et al. Simulation-assisted control in building energy management systems
CN107750323B (zh) 用于控制空调装置的启动的方法及其设备
US10107513B2 (en) Thermodynamic modeling for enclosures
KR101649658B1 (ko) 설비를 관제하는 중앙 제어 장치, 이를 포함하는 설비 제어 시스템 및 설비 제어 방법
Ruano et al. The IMBPC HVAC system: A complete MBPC solution for existing HVAC systems
Gonçalves et al. One step forward toward smart city Utopia: Smart building energy management based on adaptive surrogate modelling
KR101633969B1 (ko) 상황인식 기반의 빌딩 에너지 관리 시스템 및 그를 이용한 빌딩 에너지 관리 방법
EP3025099B1 (en) Control device and method for buildings
KR101641258B1 (ko) 설비를 관제하는 중앙 제어 장치, 이를 포함하는 설비 제어 시스템 및 설비 제어 방법
KR20160042669A (ko) 설비를 관제하는 중앙 제어 장치, 이를 포함하는 설비 제어 시스템 및 설비 제어 방법
Tien et al. Real-time monitoring of occupancy activities and window opening within buildings using an integrated deep learning-based approach for reducing energy demand
de Chalendar et al. Unlocking demand response in commercial buildings: Empirical response of commercial buildings to daily cooling set point adjustments
Pazhoohesh et al. Investigating occupancy-driven air-conditioning control based on thermal comfort level
Wölfle et al. A guide for the design of benchmark environments for building energy optimization
Stazi et al. Impact of Occupants' Behaviour on Zero-Energy Buildings
Bursill et al. Multi-zone field study of rule extraction control to simplify implementation of predictive control to reduce building energy use
Gunay et al. Estimating energy savings from HVAC controls fault correction through inverse greybox model-based virtual metering
JP2005157829A (ja) 設備モデル作成方法及び設備モデル構築プログラム、建物モデル作成方法及び建物モデル作成プログラム、並びに、設備改修評価方法及び建物改修評価方法
Aldakheel et al. Indoor environmental quality evaluation of smart/artificial intelligence techniques in buildings–a review
Cai Simulation-and Experiment-Based Setpoint Control for Heating, Ventilation, and Air-Conditioning Systems: A Single-and Multi-Objective Optimization Problem
Silvestri et al. Real building implementation of a deep reinforcement learning controller to enhance energy efficiency and indoor temperature control
Xing Building load control and optimization

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant