| 논문명 |
사무소 건물 AHU 토출온도 최적제어를 위한 ANN 모델용 학습데이터 구축 / Training Data for ANN Model Development Aimed at Optimized AHU Discharge Air Temperature Control in an Office Building / Oral Session : 제로에너지건물 Zero Energy Building (ZEB) |
| 저자명 |
김민지(Minji Kim) ; 이종만(Jongman Lee) ; 이광호(Kwangho Lee) |
| 수록사항 |
한국태양에너지학회 추계학술발표회 논문집 (2018-10) |
| 주제어 |
토출온도 ; 인공신경망 ; 학습데이터 ; 에너지 플러스 ; Discharge air temperature ; Artificial Neural Network ; Training Data ; EnergyPlus |
| 요약1 |
환경 문제와 함께 에너지 절약의 중요성이 세계적으로 증가함에 따라 냉난방 시스템은 에너지 다소비 분야의 기술로 분류되고 있다. 특히 국내 사무소 건물의 경우 냉난방 및 환기를 위한 공조시스템의 에너지 소비량은 전체 에너지 소비량 중에서 약 50%으로 많은 비중을 차지하고 있는 것으로 나타나, 사무소 건물에서의 공조에너지를 절감할 수 있는 다양한 기술 개발의 필요성이 매우 증대하고 있음을 알 수 있다. 이에 국내 사무소 건물의 냉난방 에너지 저감에 대한 연구는 다방면에서 진행되고 있지만, 공조시스템 성능에 지대한 영향을 미치는 AHU 토출온도에 관련된 연구가 미비한 실정이었다. 특히 대부분의 기존 연구에서는 실시간으로 변하는 외기온도, 외기습도, 직접일사, 확산일사 등과 같은 기상조건과 HVAC 시스템 내 냉온수 코일 부하 등과 같은 동적인 조건을 모두 고려한 AHU 토출온도 최적제어를 다룬 연구는 전무한 실정이다. 따라서 본 연구에서는 외기조건의 변화 및 제어 변수의 변화에 따른 에너지의 정확한 예측과 효율적인 제어를 위해 인공신경망(Artificial Neural Network, ANN) 모델 기반의 제어방식을 채택하였다. 이를 위해 ANN 기반 AHU 토출온도 최적제어 모델 개발을 위한 선행연구로써, ANN 모델 개발에 필요한 학습데이터 구축 과정 및 결과를 소개하고자 한다. ANN 모델링을 구현하기 위해 EnerygPlus, Matlab, BCVTB 프로그램의 연동 시뮬레이션을 구축하였으며, 각 연동 시뮬레이션 및 제어 모델의 정확성 개선을 위해 데이터 교환 시 Time-step을 5분 단위로 설정하여 연구를 진행하였다. ANN 모델용 학습 데이터 구축을 위해 AHU 토출온도를 12°C ~ 18°C까지 1°C씩 증가시켜 AHU 토출온도 변화에 따른 냉방 에너지 데이터를 구축하였다. |
