건축도시공간연구소

Architecture & Urban Research Institute

pdf원문보기 에러 해결방법 바로가기



문헌홈 > 연구논문 > 상세

[원문보기시 소비되는 포인트 : 100 포인트] 미리보기 인용

한국생태환경건축학회|KIEAE Journal 2017년 10월

논문명 건물 냉방시스템의 예측제어를 위한 인공신경망 모델 개발 / Development of an Artificial Neural Network Model for a Predictive Control of Cooling Systems
저자명 강인성식별저자 ; 양영권 ; 이효은 ; 박진철 ; 문진우
발행사 한국생태환경건축학회
수록사항 KIEAE Journal, Vol.17 No.5(통권 87호) (2017-10)
페이지 시작페이지(69) 총페이지(8)
ISSN 2288-968X
주제분류 환경및설비
주제어 예측제어 ; 인공신경망 ; VRF 냉방시스템 ; 최적제어변수 ; Predictive Control ; Artificial Neural Network ; VRF Cooling System ; Optimal Control Variables
요약2 This study aimed at developing an Artificial Neural Network (ANN) model for predicting the amount of cooling energy consumption of the variable refrigerant flow (VRF) cooling system by the different set-points of the control variables, such as supply air temperature of air handling unit (AHU), condenser fluid temperature, condenser fluid pressure, and refrigerant evaporation temperature. Applying the predicted results for the different set-points, the control algorithm, which embedded the ANN model, will determine the most energy efficient control strategy. Method: The ANN model was developed and tested its prediction accuracy by using matrix laboratory (MATLAB) and its neural network toolbox. The field data sets were collected for the model training and performance evaluation. For completing the prediction model, three major steps were conducted ? i) initial model development including input variable selection, ii) model optimization, and iii) performance evaluation. Result: Eight meaningful input variables were selected in the initial model development such as outdoor temperature, outdoor humidity, indoor temperature, cooling load of the previous cycle, supply air temperature of AHU, condenser fluid temperature, condenser fluid pressure, and refrigerant evaporation temperature. The initial model was optimized to have 2 hidden layers with 15 hidden neurons each, 0.3 learning rate, and 0.3 momentum. The optimized model proved its prediction accuracy with stable prediction results.예측제어 ; 인공신경망 ; VRF 냉방시스템 ; 최적제어변수//Predictive Control ; Artificial Neural Network ; VRF Cooling System ; Optimal Control Variables
소장처 한국생태환경건축학회
언어 영어
DOI http://dx.doi.org/10.12813/kieae.2017.17.5.069
■ 추천문헌 (이 문헌과 같이 본 문헌)
[특집원고] 인공지능 기반 MPC를 통한 개별 공조시스템의 최적운전
서병모 ; 이광호 - 설비 | 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
[특집] EnergyPlus와 MATLAB 연동을 통한 ANN 기반 공조설비 최적제어 모델링 기법
연상훈 ; 서병모 ; 이제헌 ; 문진우 ; 이광호 - 그린빌딩(한국그린빌딩협의회지) : Vol.18 No.2 (201706)
[특집원고] 기계학습 시뮬레이션 모델을 이용한 설비시스템 최적제어
박철수 ; 서원준 ; 신한솔 ; 추한경 ; 라선중 - 설비 | 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
인공신경망 모델을 이용한 냉동기 및 공조기 최적 기동/정지 제어
박성호(Park, SungHo) ; 안기언(Ahn, Ki Uhn) ; 황승호(Hwang, Aaron) ; 최선규(Choi, Sunkyu) ; 박철수(Park, Cheol Soo) - 대한건축학회논문집 구조계 : Vol.35 No.02 (201902)
인공신경망을 이용한 건물의 에너지 모델 최적화 알고리즘 개발 및 검증에 관한 연구
성남철(Nam Chul Seong) ; 김지헌(Jee-Hern Kim) ; 최원창(Wonchang Choi) ; 윤상천(Sang-Chun Yoon) ; Nabil Nassif(Nabil Nassif) - 한국생활환경학회지 : Vol.24 No.1 (201702)
인공신경망 모델 기반 VRF 시스템 예측 제어 알고리즘 개발
안기언(Ahn, Ki Uhn) ; 김경재(Kim, Kyung Jae) ; 송관우(Song, Kwanwoo) ; 박철수(Park, Cheol Soo) - 대한건축학회 학술발표대회 논문집 : Vol.37 No.2 (201710)
사무소 건물에서 냉동기의 대수제어를 통한 냉동기 거동 특성 및 에너지 절감 효과 분석
서병모(Byeong-Mo Seo) ; 손정은(Jeong-Eun Son) ; 이광호(Kwang Ho Lee) - 설비공학논문집 : Vol.28 No.04 (201604)
가우시안 프로세스 모델을 이용한 냉각탑 최적제어
김재민(Kim, Jae-Min) ; 신한솔(Shin, Han-Sol) ; 추한경(Chu, Han-Gyeong) ; 이동혁(Yi, Dong-Hyuk) ; 박성호(Park, SungHo) ; 여명석(Yeo, Myoung-Souk) ; 박철수(Park, Cheol-Soo) - 추계학술발표대회 : 2018 (201811)
인공신경망을 이용한 건물의 단기 부하 예측 모델
전병기(Byung Ki Jeon) ; 김의종(Eui-Jong Kim) - 설비공학논문집 : Vol.29 No.10 (201710)
최근 건축분야의 인공지능 기계학습 연구동향
강인성(Kang, In Sung) ; 문진우(Moon, Jin Woo) ; 박진철(Park, Jin Chul) - 대한건축학회논문집 구조계 : Vol.33 No.04 (201704)
■ 제 1 저자의 다른 문헌 식별저자더보기
인공지능기반 창호환기시스템 연구 동향 분석
이효은(Lee, Hyo Eun) ; 양영권(Yang, Young Kwon) ; 강인성(Kang, In Sung) ; 김태원(Kim, Tae Won) ; 문진우(Moon, Jin woo) ; 박진철(Park, Jin Chul) - KIEAE Journal : Vol.17 No.6(통권 88호) (201712)
[특집] 건물 환경제어를 위한 인공신경망 적용 연구 동향 및 최근 사례
강인성 ; 양영권 ; 박진철 ; 문진우 - 건축환경설비(한국건축친환경설비학회지) : Vol.11 No.4 (201710)
인공신경망 기반 공조시스템 운전 예측모델 개발
강인성(In Sung Kang) ; 양영권(Young Kwon Yang) ; 이효은(Hyo Eun Lee) ; 박진철(Jin Chul Park) - 대한설비공학회 2017년도 하계학술발표대회 : (201706)
최근 건축분야의 인공지능 기계학습 연구동향
강인성(Kang, In Sung) ; 문진우(Moon, Jin Woo) ; 박진철(Park, Jin Chul) - 대한건축학회논문집 구조계 : Vol.33 No.04 (201704)
CFD 시뮬레이션을 통한 단지유형별 바람길 분석
김태원(Kim, Tae-Won) ; 강인성(Kang, In-Sung) ; 최은지(Chio, Eun-Ji) ; 정민희(Chung, Min-Hee) - 대한건축학회 학술발표대회 논문집 : Vol.37 No.1 (201704)
원내 공기감염 확산 방지를 위한 격리병실의 CFD 해석
양영권(Yang, Young Kwon) ; 강인성(Kang, In Sung) ; 원안나(Won, An-Na) ; 황정하(Hang, Jung Ha) ; 박진철(Park, Jin Chul) - 대한건축학회논문집 구조계 : Vol.33 No.03 (201703)
열 교환 소자 형상의 CFD 시뮬레이션을 통한 판형 전열 교환기 성능평가
강인성(In-Sung Kang) ; 안태경(Tae-Kyung Ahn) ; 박진철(Jin-Chul Park) - 설비공학논문집 : Vol.29 No.01 (201701)
[특집원고] 인공지능 기반 건물 환경제어 조사 및 연구사례
문진우 ; 강인성 ; 이효은 - 설비 | 공조 냉동 위생(한국설비기술협회지) : Vol.34 No.01 (201701)
CFD를 이용한 초고층건물의 유형별 풍압분포 분석
강인성(In Sung Kang) ; 양영권(Young Kwon Yang) ; 박진철(Jin Chul Park) - 대한설비공학회 동계학술발표회 논문집 : (201611)
최근 건축물에서의 인공지능 분야 연구동향
강인성(Kang, In Sung) ; 정민희(Chung, Min Hee) ; 문진우(Moon, Jin Woo) ; 박진철(Park, Jin Chul) - 대한건축학회 학술발표대회 논문집 : Vol.36 No.2 (201610)