• 한국통신학회논문지
• /
• 제24권12A호
• /
• pp.1974-1984
• /
• 1999

본 논문은 정확한 전파 모델과 신속한 전파 예측 모델을 필요로 하는 다중 경로 현상을 효과적으로 획득하기 위해 효율적인 데이터 표현 구조를 제안한다. 본 논문은 ray tracing에서 사용되고 있는 VR(Vector Representation)을 향상시키기 위한 데이터 표현 구조로서, 빌딩과 같은 오브젝트를 표현하기 위해 CR(Circular Representation)을 이용하는 오브젝트 표현 방법을 제안한다. 제안된 CR은 건물의 중심에서 건물을 둘러싸도록 원을 그리는 형태이다. 본 구성에서 CR은 기하학적 구조를 위한 기본 빌딩 구조로서의 기능을 가지며, VR이 단독으로 사용되어 졌을 때 보다 더 많은 효율성을 증진시킨다. VR은 건물을 표현하기 위해 여러 개의 벽면 벡터를 필요로 하는 반면, CR은 하나의 원으로 표현된다. 결과적으로 제안된 방법에 의해 ray tracing에서 상당한 양의 계산 비용을 줄일 수 있다. 본 논문의 목표는 효율적인 ray tracing 예측 모델을 위해 데이터 구조화 시에 효율성을 얻기 위한 해결책으로서 CR을 제안하는 것이다. 본 논문은 제안된 방법에 의해 계산 부하량이 현저하게 줄어듬을 보인다. 또한 deterministic ray tracing 모델에서 CR의 계층? 구조의 수반 가능한 사용을 보인다. 시뮬레이션 결과는 계층적 octree 구조가 약 50% 계산 부하를 감소시키고 있는 반면 본 논문에서 제안된 CR은 분산된 물체의 수에 비례하여 계산 부하량을 현저하게 감소시킨다는 것을 나타낸다.

• 한국위성정보통신학회논문지
• /
• 제10권4호
• /
• pp.113-116
• /
• 2015

건물 외부에 설치된 각종 기상 측정센서에서 전송된 현재의 외부 기상조건과 일자별, 특수일별 건물 에너지 사용량과의 관계를 인공지능기법으로 분석하고 학습을 통한 예측기능을 갖도록 함으로써, 일자별, 특수일별, 계절별 그리고 기상조건에 따른 익일 전력 사용량을 예측하고 이에 따른 부하의 On/Off 우선순위를 결정하는 기능을 갖는 지능형 직접부하제어 시스템 구조를 설계한다.

• 한국태양에너지학회 논문집
• /
• 제38권1호
• /
• pp.1-11
• /
• 2018

In this work, we propose weather prediction models to estimate hourly outdoor temperatures and solar irradiance in the next day using forecasting information. Hourly weather data predicted by the proposed models are useful for setting system operating strategies for the next day. The outside temperature prediction model considers 3-hourly temperatures forecasted by Korea Meteorological Administration. Hourly data are obtained by a simple interpolation scheme. The solar irradiance prediction is achieved by constructing a dataset with the observed cloudiness and correspondent solar irradiance during the last two weeks and then by matching the forecasted cloud factor for the next day with the solar irradiance values in the dataset. To verify the usefulness of the weather prediction models in predicting a short-term building load, the predicted data are inputted to a TRNSYS building model, and results are compared with a reference case. Results show that the test case can meet the acceptance error level defined by the ASHRAE guideline showing 8.8% in CVRMSE in spite of some inaccurate predictions for hourly weather data.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제54차 하계학술대회논문집 24권2호
• /
• pp.13-15
• /
• 2016

에너지 소비가 큰 건물은 내부 온/습도, 이산화탄소 농도, 미세먼지 농도 등의 일정 공기 질을 유지하면서 에너지 비용을 최소화할 수 있는 제어계획을 수립하는 것이 필요하다. 기존 건물에서 실내 환경의 운영은 설정된 실내 환경 값을 기준을 벗어나면 설비 기기를 제어하는 방식으로 이루어진다. 이는 단 시간에 고에너지를 투입하여 장비를 가동시키므로 에너지 소모가 크며 peak 전력이 높아 에너지 비용이 크다는 문제가 있다. 따라서 온도를 포함한 환경이 변해가는 상황을 예측하고 사전에 에너지 사용 계획을 수립하여 관리 제어를 수행함으로써 예열부하 등의 불필요한 에너지 손실을 절감하려 한다. 이를 위해 실내 환경이 변화하는 것을 예측하고 후보 제어계획으로 제어를 수행할 때 소요되는 에너지가 어느 정도인지 시뮬레이션하여 제어계획의 적합도를 평가한다. 기존 EnergyPlus와 같은 시뮬레이션 도구는 모델이 복잡하여 시뮬레이션에 많은 시간이 필요하기 때문에 환경 변화를 반영하기 위해 주기적으로 재수립되는 수많은 제어계획 데이터를 단시간에 시뮬레이션하기에 부적합하다. 본 논문에서는 빠른 시뮬레이션을 위해 실제 운영 데이터와 에뮬레이션을 통해 획득한 운영 데이터를 기반으로 학습 알고리즘을 이용하여 제어계획 적용 시의 미래 상황을 예측한다.

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2006년도 동계학술발표대회 논문집
• /
• pp.54-54
• /
• 2006

• 설비공학논문집
• /
• 제29권2호
• /
• pp.43-50
• /
• 2017

The purpose of this study is to develop a control algorithm for outdoor air cooling based on the prediction of cooling load, and to evaluate the building energy saving using outdoor air cooling. Outdoor air conditions such as temperature, humidity, and solar insolation are predicted using forecasted information provided by the meteorological agency, and the building cooling load is predicted from the obtained outdoor air conditions and building characteristics. The air flow rate induced by outdoor air is determined by considering the predicted cooling loads. To evaluate the energy saving, the benchmark building is modeled and simulated using the TRNSYS program. Energy saving by outdoor air cooling using load prediction is found to be around 10% of the total cooling coil load in all locations of Korea. As the allowable minimum indoor temperature is decreased, the total energy saving is increased and approaches close to that of the conventional enthalpy control.

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2008년도 동계학술발표대회 논문집
• /
• pp.440-445
• /
• 2008

In this paper, new methodology is proposed to estimate the cooling load using areas of building group and predicted weather data. Only three parameters such as maximum, minimum temperature and building area are necessary to obtain hourly distribution of cooling load for the next day. The maximum and minimum temperature that are used for input parameters can be obtained from forecasted weather data. The areas of building group are used for setting several parameters that are used for estimate cooling loads. Benchmarking building(research building) is selected to validate the performance of the proposed method, and the estimated cooling loads in hourly bases are calculated and compared with the measured data for benchmarking building. The estimated results show fairly good agreement with the measured data for benchmarking building.

• 한국공간정보시스템학회 논문지
• /
• 제11권2호
• /
• pp.177-181
• /
• 2009

u-City 활용을 위한 u-공공시설의 개발은 첨단 건축기술과 유비쿼터스 컴퓨팅의 통합으로 새로운 형식의 공간계획과 공공시설물을 내외부에 설치하기 위해 건물의 기반 서비스 시설인 냉난방, 공조, 조명 그리고 전력 관련 시설들의 기반이 구축되어야 한다. 따라서 이 논문에서는 이러한 기반 서비스를 위한 가장 기본적인 것 중 하나인 단기 전력 시스템의 수요와 공급 문제를 해결하기 위하여 시계열 분석을 적용한 시간 패턴 분석을 통해 전력 수요 예측 기술을 제안한다. 시간 패턴 분석을 위해 SOM 알고리즘과 k-means 기법을 적용하여 요일별, 시간별 데이터를 군집화하고 그 자료를 이용하여 시간 패턴 분석 방법인 지수평활기법과 ARIMA 모형을 비교 분석하였다. 제안 시스템 성능 평가 결과 지수평활기법 보다 ARIMA 모형을 적용한 시스템이 더 좋은 결과를 보였다. 따라서, 이러한 전력 부하 예측 결과를 이용하여 전력 공급의 수요에 따른 계획이나 시스템 운영을 효과적으로 할 수 있다.

• 설비공학논문집
• /
• 제29권10호
• /
• pp.497-503
• /
• 2017

In recent years, studies on the prediction of building load using Artificial Neural Network (ANN) models have been actively conducted in the field of building energy In general, building loads predicted by ANN models show a sharp deviation unless large data sets are used for learning. On the other hands, some of the input data are hard to be acquired by common measuring devices. In this work, we estimate daily building loads with a limited number of input data and fewer pastdatasets (3 to 10 days). The proposed model with fewer input data gave satisfactory results as regards to the ASHRAE Guide Line showing 21% in CVRMSE and -3.23% in MBE. However, the level of accuracy cannot be enhanced since data used for learning are insufficient and the typical ANN models cannot account for thermal capacity effects of the building. An attempt proposed in this work is that learning procersses are sequenced frequrently and past data are accumulated for performance improvement. As a result, the model met the guidelines provided by ASHRAE, DOE, and IPMVP with by 17%, -1.4% in CVRMSE and MBE, respectively.

• 한국지열·수열에너지학회논문집
• /
• 제13권1호
• /
• pp.7-13
• /
• 2017

In order to use and manage the building energy efficiently, it is necessary to minimize building energy consumptions, and establish operation plans of various equipment. The maximum heating and cooling load calculation is an essential way in various equipment selections, and the annual building load calculation is used in forecasting & evaluating the LCC required for operation plan. In this study, noting that the annual building load changes depending on outside temperature around year, we propose a predicting method of annual building load. By using the $4^{th}$ polynomial function that have two double radix and a feature the $f(x)=a^4$ in x = 0 condition, we can calculate annual building load very easily only with the two result (maximum heating and cooling load) and a minimum parameters.