KR20200057820A - 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법 - Google Patents
제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법 Download PDFInfo
- Publication number
- KR20200057820A KR20200057820A KR1020180139250A KR20180139250A KR20200057820A KR 20200057820 A KR20200057820 A KR 20200057820A KR 1020180139250 A KR1020180139250 A KR 1020180139250A KR 20180139250 A KR20180139250 A KR 20180139250A KR 20200057820 A KR20200057820 A KR 20200057820A
- Authority
- KR
- South Korea
- Prior art keywords
- energy
- town
- data
- factor
- building
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 43
- 238000005265 energy consumption Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000000556 factor analysis Methods 0.000 claims abstract description 17
- 238000013480 data collection Methods 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000009413 insulation Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 claims description 5
- 238000007667 floating Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 5
- 230000001932 seasonal effect Effects 0.000 claims description 5
- 230000006403 short-term memory Effects 0.000 claims description 5
- 229910052709 silver Inorganic materials 0.000 claims 1
- 239000004332 silver Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation 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
- G06Q50/06—Energy or water supply
-
- 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"
-
- 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법에 관한 것으로 보다 상세하게는 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈;과 상기 에너지 소비 및 생산 요인 데이터를 저장하는 데이터 저장부 및 이들 데이터를 적어도 하나 이상의 요인별로 분류하는 데이터 분류부를 포함하는 빅데이터 플랫폼;과 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 요인별 변화량을 예측하는 요인 분석 모듈; 및 상기 요인 분석 모듈에서 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈;을 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템으로 개별 건물의 제로에너지화를 위하여 소요되는 비교적 큰 비용과 제한을 극복할 수 있는 장점이 있다.
Description
본 발명은 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법에 관한 것으로 보다 상세하게는 복수 개의 건물과 설비 등으로 구성된 타운이 소비하는 에너지와 타운 내 신재생 에너지 발전량이 동일하거나 이들의 합이 0에 근접하는 제로에너지 타운 구축을 위하여 빅데이터 기반의 딥러닝을 이용한 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법에 관한 것이다.
일반적으로 제로 에너지 빌딩(Zero Energy Building, ZEB)이란 빌딩 운영을 위하여 소비하는 에너지와 빌딩 내 구비되는 신재생 에너지 설비에 의한 발전량의 합산이 0(Zero)이 되는 빌딩을 의미한다. 즉, 에너지를 자급자족할 수 있는 빌딩을 의미하지만 기술적, 경제적 한계가 존재하므로 에너지 소비량과 발전량의 합산이 0에 근접하는 것을 제로 에너지 빌딩으로 규정하고 있다.
상기한 바와 같은 제로 에너지 빌딩을 구축하기 위한 방법에는 크게 '패시브(Passive) 기술'과 '액티브(Active) 기술' 두 가지를 들 수 있으며, 패시브 기술이란 단열재, 이중창 등을 적용하여 건물 외피를 통하여 외부로 유출되는 에너지 양을 최소화하는 것이며, 액티브 기술은 지열, 태양광 같은 신재생 에너지를 활용하여 전력 공급, 냉난방, 취사 등 모든 에너지 소비를 자체적으로 해결하는 것을 의미한다.
이는 에너지 절감은 물론 온실가스 감축에도 기여하는 바가 크기에 현재 전 세계적으로 제로 에너지 빌딩에 대한 관심이 크게 높아져 증가 추세를 보일 뿐 아니라 국가 차원의 금융 지원 및 기술 개발, 시장 선점을 위한 다양한 정책과 지원을 확대시키고 있다.
우리나라의 경우 2014년부터 이에 대한 기본 계획을 수립하고 건축물 에너지 효율 등급 인증 시스템을 통하여 2017년부터 '제로 인증제' 시행과 함께 상용화를 촉진하고 있으며, 특히 2020년까지 공공 건축물 의무화, 2025년까지 민간 건축물 의무화를 계획하고 있다.
이를 위하여 한국등록특허 제1,571,695호에는 렌즈 또는 반사경을 이용하여 광원을 증폭하여 태양광 에너지를 전기 에너지로 변환시키는 집광형 태양광 발전장치와 상기 집광형 태양광 발전장치와 열교환되는 열매체를 구비하는 태양열 집열장치와, 지열의 열원(heat source) 또는 열싱크(heat sink)를 이용하여 온열 또는 냉열 에너지를 공급하는 제1 지열 히트펌프장치를 구비하여 급탕용 에너지를 공급하는 온수급탕 공급장치 및 지열의 열원(heat source) 또는 열싱크(heat sink)를 이용하여 온열 또는 냉열 에너지를 공급하는 제2 지열 히트펌프장치를 구비하여 냉/난방용 에너지를 공급하는 냉/난방용 에너지 공급장치를 포함하는 제로에너지 건물 구현을 위한 신재생 에너지 공급 시스템 및 그 제어방법이 개시되어 있으나 이는 건물에 열 에너지 및 전기 에너지를 공급하는 수단에 관한 것으로 빌딩의 세부 조건 및 특성에 따라 공통적으로 적용하기에는 한계가 있다.
또한 각각의 건물을 제로 에너지화하는 경우 높은 건축 비용이 소요되며, 기축된 건물을 제로 에너지화하는 경우 건물 구조나 건물이 위치한 지역 등 다양한 요인에 따라 제한이 따르는 문제점이 있다.
이에 따라, 개별 건물이 아닌 행정 구역이나 면적 등에 의하여 분류된 복수의 건물과 에너지 설비로 구성되는 타운을 제로 에너지화하는 경우 상기한 바와 같은 제한이 비교적 덜 하므로 국내외에서 활발하게 제로 에너지 타운을 이미 구축하여 시범 단지로 운영하거나 개발 중에 있으며 이를 위한 진단 시스템의 중요성이 대두되고 있다.
본 발명은 상술한 문제점을 해결하기 위하여 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운 내에서 소비되는 에너지와 생산되는 에너지가 동일하거나 이들의 합이 0에 근접하는 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법을 제공하는 것이다.
또한, 본 발명은 빅데이터 기반의 딥러닝 분석을 통하여 다양한 유형별 분류에 따라 보다 세부적이고 정확한 에너지 수요 및 공급량을 예측할 수 있는 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법을 제공하는 것이다.
본 발명의 다른 목적들은 이하에 서술되는 바람직한 실시예들을 통하여 보다 명확해 질 것이다.
본 발명의 일측면에 따르면, 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈;과 상기 에너지 소비 및 생산 요인 데이터를 저장하는 데이터 저장부 및 이들 데이터를 적어도 하나 이상의 요인별로 분류하는 데이터 분류부를 포함하는 빅데이터 플랫폼;과 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 요인별 변화량을 예측하는 요인 분석 모듈; 및 상기 요인 분석 모듈에서 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈;을 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템이다.
본 발명의 다른 측면에 따르면, 상기 타운의 에너지 소비 및 생산 요인 데이터는 상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;와 상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;와 상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및 상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함하는 것을 특징으로 한다.
본 발명의 또 다른 측면에 따르면, 상기 데이터 수집 모듈;은
센서, BAS(Building Automation System), BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 어느 하나 이상으로 구성되며, 각각 15분 주기로 데이터를 수집하며, 상기 에너지 수요 및 공급 분석 모듈;은 LSTM(Long Short Term Memory) 기반의 CNN(Convolution Neural Network)으로 구현되는 인공신경망에 의하여 에너지 소비 유형 및 생산 유형을 도출하는 것을 특징으로 한다.
본 발명의 또 다른 측면에 따르면, 상기 에너지 수요 및 공급 분석 모듈;에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 모듈;을 더 포함하거나 상기 에너지 수요 및 공급 분석 모듈;에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 모듈;을 더 포함하여 구성될 수도 있다.
본 발명의 또 다른 측면에 따르면, 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 단계;와 상기 에너지 소비 및 생산 요인 데이터를 저장하고 이를 각 요인별로 분류하는 빅데이터 플랫폼 구축 단계;와 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 각각의 요인별 변화량을 예측하는 요인 분석 단계; 및 상기 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 단계;를 포함하는 제로에너지 타운 구축을 위한 에너지 진단 방법이다.
본 발명의 또 다른 측면에 따르면, 상기 빅데이터 플랫폼 구축 단계;는 에너지 소비 및 생산 요인 데이터를 각각 저장하는 데이터 저장 단계;와 상기 저장된 에너지 소비 및 생산 요인 데이터를 각각 요인별로 분류하고 이를 데이터 간의 관계를 정의하여 에너지 수요 및 공급량을 예측 모델 생성을 위한 데이터 학습 단계; 및 상기 학습을 통하여 예측 모델을 생성하는 예측 모델 생성 단계;를 더 포함하는 것을 특징으로 한다.
본 발명의 또 다른 측면에 따르면, 상기 에너지 수요 및 공급 분석 단계에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 단계를 더 포함하거나 상기 상기 에너지 수요 및 공급 분석 단계에서 예측된 에너지 수요 및 공급량과 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 단계를 더 포함할 수 있다.
본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법은 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터 분석을 통하여 개별 건물의 제로에너지화를 위하여 소요되는 비교적 큰 비용과 제한을 극복할 수 있는 장점이 있다.
또한, 본 발명은 타운을 구성하는 다양한 건물과 에너지 설비의 요인별 데이터를 빅테이터 플랫폼화하여 각 데이터를 저장 및 관리하고 분류하며 딥러닝을 통하여 보다 구체적이고 정확한 예측을 통하여 제로에너지 타운을 구축할 수 있는 장점 있다.
도 1은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 구성도.
도 2는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 박데이터 플랫폼 개념도.
도 3은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 상세 구성도.
도 4의 a, b는 각각 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템에 의한 예너지 소비 데이터 데이블 및 에너지 생산 데이터 테이블.
도 5는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템에 의한 예측 소비 전력량 및 실제 소비 전력량 데이터 그래프.
도 6은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법의 순서도.
도 7은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법의 상세 순서도.
도 2는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 박데이터 플랫폼 개념도.
도 3은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 상세 구성도.
도 4의 a, b는 각각 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템에 의한 예너지 소비 데이터 데이블 및 에너지 생산 데이터 테이블.
도 5는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템에 의한 예측 소비 전력량 및 실제 소비 전력량 데이터 그래프.
도 6은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법의 순서도.
도 7은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법의 상세 순서도.
본 발명은 다양한 변환을 가할 수 있고 여러가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 구성도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 구성을 설명하면 하기와 같다.
적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈(100);과 상기 에너지 소비 및 생산 요인 데이터를 저장하는 데이터 저장부(210) 및 이들 데이터를 적어도 하나 이상의 요인별로 분류하는 데이터 분류부(220)를 포함하는 빅데이터 플랫폼(200);과 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 요인별 변화량을 예측하는 요인 분석 모듈(300); 및 상기 요인 분석 모듈(300)에서 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈(400);을 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템이다.
이때, 타운은 지역의 면적, 행정구역, 건물 및 에너지 설비의 개수 등 다양한 기준에 의하여 정의될 수 있다.
그리고, 상기 상기 타운의 에너지 소비 및 생산 요인 데이터는 상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;와 상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;와 상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및 상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함하는 것을 특징으로 한다.
또한, 상기 데이터 수집 모듈(100);은 센서, BAS(Building Automation System), BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 어느 하나 이상으로 구성되며, 각각 15분 주기로 데이터를 수집하는 것을 특징으로 한다.
보다 상세하게는 상기 사용자 요인 데이터는 진단 대상인 타운을 구성하는 건물과 에너지 설비 및 실외에 각종 센서를 설치하고 이를 통해 감지되는 데이터를 수집할 수 있다. 사물 인터넷을 적용하여 각종 센서에서 감지되는 데이터를 유무선으로 직접 빅데이터 플랫폼(200)으로 전송하여 저장되도록 설정할 수 있음은 물론이다.
그리고, 상기 공간 및 건물 요인 데이터는 진단 대상인 타운을 구성하는 건물과 에너지 설비와 이를 제외한 공간에 면적, 체적, 공간, 건물 용도 등은 모바일 기기나 PC를 통하여 직접 입력할 수 있다. 이때, 상기 타운을 구성하는 건물의 벽체 정보, 구조 정보 등도 포함될 수 있다.
또한, 상기 지역 및 환경 요인 데이터는 국토지리정보원의 GIS(Geographic Information System), 환경공단의 API(Application Program Interface), 기상청의 API(Application Program Interface) 등과 같은 다양한 서버나 데이터베이스에 인터넷에 의한 연결로 수집될 수 있으며, 이외에도 공지되어 있는 다양한 데이터 수집을 위한 수단이 적용될 수 있음은 물론이다.
그리고, 상기 빅데이터 플랫폼(200)은 대규모 이종 데이터를 수집, 저장, 관리 체계 구축을 위하여 하둡 플랫폼을 위한 공개 비관계형 분산 데이터 베이스인 Apache Hbase, 오픈 소스 클러스터 컴퓨팅 프레임워크인 Apache Spark, 소프트웨어 시스템 간 데이터 흐름을 자동화하는 Apache Nifi, 대량의 자료를 처리할 수 있는 큰 컴퓨터 클러스터에서 동작하는 분산 응용 프로그램을 지원하는 프리웨어 자바 소프트웨어 프레임워크인 Apache Hadoop 등을 통하여 구성할 수 있으며 이외에도 공지되어 있는 다양한 빅데이터 플랫폼을 적용할 수 있음은 물론이다.
또한, 상기 요인 분석 모듈(300)과 에너지 수요 및 공급 분석 모듈(400)은 요인 분석 모듈(300)에서 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈(400)은 TensorFlow, keras, Jupyter, CUDA(Compute Unified Device Architecture), cuDNN 등과 같이 딥 러닝(Deep Learning)과 머신 러닝(Machine Learning)에 활용할 수 있는 공지되어 있는 다양한 기술의 적용이 가능하다.
도 2는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 박데이터 플랫폼 개념도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 작동 개념은 하기와 같다.
각각의 요인별 데이터는 각 요인에 포함되는 항목에 따라 분류되고 분류된 데이터에 의하여 각각의 요인별 데이터 맵이 형성된다. 이후, 상기 요인 분석 모듈(300)에서 기 형성된 데이터 맵에 대응되는 각 요인별 데이터에 따른 각각의 변화량을 예측한다.
그리고, 상기 에너지 수요 및 공급 분석 모듈(400)에서 상기 예측된 변화량을 통하여 진단 대상인 타운 전체 또는 타운을 구성하는 건물 및 에너지 설비 각각에 대한 에너지 수요 및 공급량을 예측한다.
이때, 상기 상기 에너지 수요 및 공급 분석 모듈(400);은 LSTM(Long Short Term Memory) 기반의 CNN(Convolution Neural Network)으로 구현되는 인공신경망에 의하여 에너지 소비 유형 및 생산 유형을 도출하는 것을 특징으로 한다.
또한, 상기 요인 분석 모듈(300); 역시 LSTM(Long Short Term Memory) 기반의 CNN(Convolution Neural Network)으로 구현되는 인공신경망에 의하여 요인별 변화량을 도출할 수 있다. 이후, 컴퓨팅 장치나 모바일 기기를 통하여 상기 예측된 요인별 변화량과 에너지 수요 및 공급량이 출력되도록 구성할 수 있음은 물론이다.
이때, LSTM(Long Short Term Memory)은 RNN(Recurrent Neural Network)의 일종으로 RNN에 비해 오래 전 시간에 발생한 정보들이 현재의 의사결정에 미치는 영향력을 학습하는 것이 가능하며 특히, 시간에 따라 변하는 현상을 나타내는 타임 시리즈(time series)문제들에 대하여 주로 적용되며, 보다 상세하게는 초기 타임 스텝(time step)에서의 관측 값으로부터 현재 값들을 결정하기 위한 스테이트(state)들을 각 타임 스텝 별로 생성되는 히든 벡터들을 통해서 요인별 변화량과 에너지 수요 및 공급량을 예측할 수 있으므로 본 시스템에 적합하다.
도 3은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 상세 구성도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템의 추가 구성을 설명하면 하기와 같다.
상기 에너지 수요 및 공급 분석 모듈(400);에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 모듈(500);을 더 포함할 수 있다.
그리고, 상기 에너지 수요 및 공급 분석 모듈(400);에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 모듈(600);을 더 포함할 수도 있다.
도 4의 a, b는 각각 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템에 의한 예너지 소비 데이터 데이블 및 에너지 생산 데이터 테이블이며, 도 5는 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템에 의한 예측 소비 전력량 및 실제 소비 전력량 데이터 그래프로서 이와 같이 각각의 데이터들이 15분 주기로 각각 테이블화 되어 정리된다.
그리고, 도 5의 그래프의 가로축은 시간이며, 세로축은 전력량으로 주황색은 상기 에너지 수요 및 공급 분석 모듈(400);을 통하여 예측된 에너지 수요량이 시간에 따라 변화하는 것을 나타낸 것이며, 푸른색은 실제 에너지 수요량이 시간에 따라 변화하는 것을 나타낸 것이다.
이를 통하여 본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 시스템을 통한 에너지 수용량의 예측값과 실제 수요량의 상관도는 96%의 일치를 보이는 것을 알 수 있다.
도 6은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법의 순서도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법을 설명하면 하기와 같다.
적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 단계(S100);와 상기 에너지 소비 및 생산 요인 데이터를 저장하고 이를 각 요인별로 분류하는 빅데이터 플랫폼 구축 단계(S200);와 상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 각각의 요인별 변화량을 예측하는 요인 분석 단계(S300); 및 상기 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 단계(S400);를 포함하는 제로에너지 타운 구축을 위한 에너지 진단 방법이다.
이때, 상기 타운의 에너지 소비 및 생산 요인 데이터는 상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;와 상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;와 상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및 상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함한다.
그리고, 상기 데이터 수집 단계(S100)는 타운 내에 설치된 센서, 기 구축된 BAS(Building Automation System), 기 구축된 BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 적어도 어느 하나 이상의 수단에 의하여 15분 주기로 수집되는 것을 특징으로 한다.
도 7은 본 발명의 일 실시예에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법의 상세 순서도로서 이를 참고하여 본 발명에 따른 제로에너지 타운 구축을 위한 에너지 진단 방법을 보다 상세하게 설명하면 하기와 같다.
상기 빅데이터 플랫폼 구축 단계(S200);는 에너지 소비 및 생산 요인 데이터를 각각 저장하는 데이터 저장 단계(S210);와 상기 저장된 에너지 소비 및 생산 요인 데이터를 각각 요인별로 분류하고 이를 데이터 간의 관계를 정의하여 에너지 수요 및 공급량을 예측 모델 생성을 위한 데이터 학습 단계(S220); 및 상기 학습을 통하여 예측 모델을 생성하는 예측 모델 생성 단계(S230);를 더 포함할 수 있다.
보다 바람직하게는 상기 빅데이터 플랫폼 구축 단계(S200)를 통하여 구축되는 타운 에너지 관련 빅데이터 플랫폼은 CNN(Convolutional Neural Network) 등과 같이 공지되어 있는 적어도 하나 이상의 콘볼루션 계층(convolution layer)와 통합 계층(pooling layer) 및 완전하게 연결된 계층(fully connected layer)들로 구성된 신경망으로 구성되는 것이 바람직하다.
그리고, 상기 에너지 수요 및 공급 분석 단계(S400)에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 단계(S500)를 더 포함할 수 있다.
또한, 상기 상기 에너지 수요 및 공급 분석 단계(S400)에서 예측된 에너지 수요 및 공급량과 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 단계(S600)을 더 포함할 수도 있다.
상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
100. 데이터 수집 모듈
200. 빅데이터 플랫폼
210. 데이터 저장부
220. 데이터 분류부
300. 요인 분석 모듈
400. 에너지 수요 및 공급 분석 모듈
500. 에너지 서비스 지원 모듈
600. 검증 모듈
S100. 데이터 수집 단계
S200. 빅데이터 플랫폼 구축
S300. 요인 분석 단계
S400. 에너지 수요 및 공급 분석 단계
S500. 에너지 서비스 지원 단계
S600. 검증 단계
200. 빅데이터 플랫폼
210. 데이터 저장부
220. 데이터 분류부
300. 요인 분석 모듈
400. 에너지 수요 및 공급 분석 모듈
500. 에너지 서비스 지원 모듈
600. 검증 모듈
S100. 데이터 수집 단계
S200. 빅데이터 플랫폼 구축
S300. 요인 분석 단계
S400. 에너지 수요 및 공급 분석 단계
S500. 에너지 서비스 지원 단계
S600. 검증 단계
Claims (12)
- 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 모듈;
상기 에너지 소비 및 생산 요인 데이터를 저장하는 데이터 저장부 및 이들 데이터를 적어도 하나 이상의 요인별로 분류하는 데이터 분류부를 포함하는 빅데이터 플랫폼;
상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 요인별 변화량을 예측하는 요인 분석 모듈; 및
상기 요인 분석 모듈에서 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 모듈;을 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템.
- 제1항에 있어서,
상기 타운의 에너지 소비 및 생산 요인 데이터는
상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;
상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;
상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및
상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함하는 것을 특징으로 하는 제로에너지 타운 구축을 위한 에너지 진단 시스템.
- 제1항에 있어서,
상기 데이터 수집 모듈;은
센서, BAS(Building Automation System), BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 어느 하나 이상으로 구성되며, 각각 15분 주기로 데이터를 수집하는 것을 특징으로 하는 제로에너지 타운 구축을 위한 에너지 진단 시스템.
- 제1항에 있어서,
상기 에너지 수요 및 공급 분석 모듈;은
LSTM(Long Short Term Memory) 기반의 CNN(Convolution Neural Network)으로 구현되는 인공신경망에 의하여 에너지 소비 유형 및 생산 유형을 도출하는 것을 특징으로 하는 제로에너지 타운 구축을 위한 에너지 진단 시스템.
- 제1항에 있어서,
상기 에너지 수요 및 공급 분석 모듈;에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 모듈;을 더 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템.
- 제1항에 있어서,
상기 에너지 수요 및 공급 분석 모듈;에서 예측된 에너지 수요 및 공급량을 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 모듈;을 더 포함하는 제로에너지 타운 구축을 위한 에너지 진단 시스템.
- 적어도 하나 이상의 건물과 에너지 설비를 포함하는 타운의 에너지 소비 및 생산 요인 데이터를 수집하는 데이터 수집 단계;
상기 에너지 소비 및 생산 요인 데이터를 저장하고 이를 각 요인별로 분류하는 빅데이터 플랫폼 구축 단계;
상기 분류된 에너지 소비 및 생산 요인 데이터에 따라 각각의 요인별 변화량을 예측하는 요인 분석 단계; 및
상기 예측된 요인별 변화량에 따라 상기 타운 전체의 에너지 수요 및 공급량을 예측하는 에너지 수요 및 공급 분석 단계;를 포함하는 제로에너지 타운 구축을 위한 에너지 진단 방법.
- 제7항에 있어서,
상기 타운의 에너지 소비 및 생산 요인 데이터는
상기 타운 내의 사용자수 및 사용자 행동 패턴을 포함하는 사용자 요인 데이터;
상기 타운을 구성하는 각 건물 및 에너지 설비의 면적, 체적, 용도, 실내온도, 습도, 조도, 공기질, 일사 투과량, 단열, 기밀, 패시브 냉난방, 에너지 설비 운전 현황 및 소비량, 신재생 에너지 설비 현황 및 생산량, 에너지 저장량을 포함하는 공간 및 건물 요인 데이터;
상기 타운의 위도, 경도, 고도, 주변환경, 대기환경, 대기질, 유동인구수, 주변 교통량을 포함하는 지역 및 환경 요인 데이터; 및
상기 타운이 위치한 지역의 온도, 습도, 기압. 풍향, 풍속, 일조량, 강우, 강설, 계절을 포함하는 날씨 및 계절 요인 데이터;를 포함하는 것을 특징으로 하는 제로에너지 타운 구축을 위한 에너지 진단 방법.
- 제7항에 있어서,
상기 데이터 수집 단계는 타운 내에 설치된 센서, 기 구축된 BAS(Building Automation System), 기 구축된 BEMS(Building Energy Management System), 직접 입력 수단, 인터넷 망으로 연결되는 정보 데이터베이스 중 적어도 어느 하나 이상의 수단에 의하여 15분 주기로 수집되는 것을 특징으로 하는 제로에너지 타운 구축을 위한 에너지 진단 방법.
- 제7항에 있어서,
상기 빅데이터 플랫폼 구축 단계;는
에너지 소비 및 생산 요인 데이터를 각각 저장하는 데이터 저장 단계;
상기 저장된 에너지 소비 및 생산 요인 데이터를 각각 요인별로 분류하고 이를 데이터 간의 관계를 정의하여 에너지 수요 및 공급량을 예측 모델 생성을 위한 데이터 학습 단계; 및
상기 학습을 통하여 예측 모델을 생성하는 예측 모델 생성 단계;를 더 포함하는 것을 특징으로 하는 제로에너지 타운 구축을 위한 에너지 진단 방법.
- 제7항에 있어서,
상기 에너지 수요 및 공급 분석 단계에서 예측된 에너지 수요 및 공급량에 따라 타운의 에너지 효율 개선을 위한 방안과 신재생 에너지 개선 및 구축 방안을 각각 적어도 하나 이상 도출하는 에너지 서비스 지원 단계를 더 포함하는 제로에너지 타운 구축을 위한 에너지 진단 방법.
- 제7항에 있어서,
상기 상기 에너지 수요 및 공급 분석 단계에서 예측된 에너지 수요 및 공급량과 실제 에너지 수요 및 공급량과 대비하여 예측 정확도를 검증하는 검증 단계를 더 포함하는 제로에너지 타운 구축을 위한 에너지 진단 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180139250A KR20200057820A (ko) | 2018-11-13 | 2018-11-13 | 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180139250A KR20200057820A (ko) | 2018-11-13 | 2018-11-13 | 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200057820A true KR20200057820A (ko) | 2020-05-27 |
Family
ID=70910785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180139250A KR20200057820A (ko) | 2018-11-13 | 2018-11-13 | 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200057820A (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220019376A (ko) * | 2020-08-10 | 2022-02-17 | 세종대학교산학협력단 | 하이브리드 합성곱 신경망을 이용한 주상복합 건물의 전력 소비 예측 시스템 및 방법 |
| CN115062914A (zh) * | 2022-05-18 | 2022-09-16 | 河南国控润弘低碳科技有限公司 | 智慧综合节能服务平台及节能服务方法 |
| KR102493457B1 (ko) * | 2021-10-13 | 2023-01-27 | 한국토지주택공사 | 도시 단위 에너지 사용량 추정 시스템 |
| KR102531291B1 (ko) * | 2022-12-08 | 2023-05-11 | 경북대학교 산학협력단 | 건물의 에너지 소비량 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101571695B1 (ko) | 2014-11-28 | 2015-11-25 | (주)지에이에스디 | 제로에너지 건물 구현을 위한 신재생 에너지 공급 시스템 및 그 제어방법 |
-
2018
- 2018-11-13 KR KR1020180139250A patent/KR20200057820A/ko not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101571695B1 (ko) | 2014-11-28 | 2015-11-25 | (주)지에이에스디 | 제로에너지 건물 구현을 위한 신재생 에너지 공급 시스템 및 그 제어방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220019376A (ko) * | 2020-08-10 | 2022-02-17 | 세종대학교산학협력단 | 하이브리드 합성곱 신경망을 이용한 주상복합 건물의 전력 소비 예측 시스템 및 방법 |
| KR102493457B1 (ko) * | 2021-10-13 | 2023-01-27 | 한국토지주택공사 | 도시 단위 에너지 사용량 추정 시스템 |
| CN115062914A (zh) * | 2022-05-18 | 2022-09-16 | 河南国控润弘低碳科技有限公司 | 智慧综合节能服务平台及节能服务方法 |
| KR102531291B1 (ko) * | 2022-12-08 | 2023-05-11 | 경북대학교 산학협력단 | 건물의 에너지 소비량 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sharma et al. | A novel long term solar photovoltaic power forecasting approach using LSTM with Nadam optimizer: A case study of India | |
| KR20200057820A (ko) | 제로에너지 타운 구축을 위한 에너지 진단 시스템 및 이의 방법 | |
| KR20210011745A (ko) | 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 | |
| KR102067110B1 (ko) | 높은 정확도를 가지는 기축 건물의 에너지 데이터 처리장치 및 방법 | |
| Ronzino et al. | The energy efficiency management at urban scale by means of integrated modelling | |
| Bianco et al. | Analysis of energy demand in residential buildings for different climates by means of dynamic simulation | |
| Hamdy et al. | A multi-aid optimization scheme for large-scale investigation of cost-optimality and energy performance of buildings | |
| KR20200055503A (ko) | 기축 건물의 에너지 데이터 처리장치 및 방법 | |
| Agostinelli et al. | The potential of digital twin model integrated with artificial intelligence systems | |
| Karmacharya et al. | Thermal modelling of the building and its HVAC system using Matlab/Simulink | |
| Dumont et al. | Performance of a reversible heat pump/organic Rankine cycle unit coupled with a passive house to get a positive energy building | |
| Arabzadeh et al. | A cost-optimal solar thermal system for apartment buildings with district heating in a cold climate | |
| Li et al. | A research on a following day load simulation method based on weather forecast parameters | |
| Shamsi et al. | A generalization approach for reduced order modelling of commercial buildings | |
| Alyakoob et al. | Estimating cooling loads of Arizona State University buildings using microclimate data and machine learning | |
| KR102064918B1 (ko) | 제로에너지 구축을 위한 높은 정확도를 가지는 에너지 진단 시스템 및 이의 방법 | |
| CN116070975B (zh) | 基于数字孪生技术的园区能量管理***及零碳运营方法 | |
| Nacht et al. | Modeling Approaches for Residential Energy Consumption: A Literature Review | |
| Cardona et al. | Wireless temperature monitoring system through IoT for domestic solar water heaters | |
| Arnesano et al. | An iot solution for energy management at building and district level | |
| Jabłoński | Smart transducer interface—From networked on-site optimization of energy balance in research-demonstrative office building to smart city conception | |
| Almadhor et al. | Solar Power Generation in Smart Cities Using an Integrated Machine Learning and Statistical Analysis Methods | |
| KR20200057818A (ko) | 제로에너지 구축을 위한 에너지 진단 시스템 및 이의 방법 | |
| Rethnam et al. | A modeling-based decision support system for enabling mass net-zero energy retrofit of building communities in developing countries | |
| Dacquay et al. | Ground heat exchanger thermal imbalance prevention using dynamic long-term ground temperature predictions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X601 | Decision of rejection after re-examination |