• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.421-424
• /
• 2013

최근 문제가 되고 있는 전력 문제를 효율적으로 관리하기 위해 건물 에너지 관리 시스템이 주목받고 있다. 건물 에너지 관리 시스템은 관리자가 건물의 전력 소비량을 효율적으로 관리할 수 있도록 전력 소비량에 대한 모니터링 기능을 제공하는 시스템이다. 기존의 건물 에너지 관리 시스템은 과거, 현재, 미래의 전력 소비량을 통계 자료로 제공하고, 이를 토대로 전력 과부하 발생을 방지하였다. 그렇지만 기존의 시스템에 반응형 웹 디자인을 적용한 사례를 찾아보기 힘들며 온도 변화에 따른 전력 소비량을 고려하지 않기 때문에 정확한 부하 예측을 하기 어렵다는 단점이 있다. 본 논문에서 제안한 건물 에너지 관리 시스템은 반응형 웹 디자인을 적용하여 여러 모바일 기기로도 편리하고 효율적으로 건물을 관리할 수 있게 하였다. 또한, 건물에서 유지되어야 할 목표 온도, 건물 전력 소비량에 대한 과거 데이터와 기상청에서 제공하는 데이터를 통하여 부하 예측을 하고, 다양한 전력 소비량 통계 자료를 제공한다. 이를 통해 관리자는 효율적인 건물 에너지 관리를 할 수 있다.

• 토지주택연구
• /
• 제2권4호
• /
• pp.379-385
• /
• 2011

국내의 건물부문 에너지 소비량은 전체 소비량의 약 25%를 차지하고 있으며, 생활수준의 향상, 세대수의 증가 등에 기인하여 선진국 수준으로 지속적인 증가추세를 보일 것으로 전문가들은 예측하고 있다. 한편 정부는 2009년부터 녹색뉴딜사업의 일환으로 국토 에너지 수자원 건물 등의 각종 기본정보를 체계적으로 일원화시키고 통합 DB를 구축하는 녹색국가 정보인프라 사업을 추진 중에 있다. 특히 건물과 관련해서는 에너지 절약과 온실가스 저감 대책 마련에 효율적으로 대응하기 위한 수단으로, 건물단위의 에너지 소비량 관리를 기본 골자로 하는 건물 에너지 통합관리시스템 구축을 강구중에 있다. 본 연구에서는 국가 건물에너지 통합관리시스템 구축(이하, 통합관리시스템)에 요구되는 추진계획 및 로드 맵 작성을 목적으로, 기존 에너지 소비량 관련 자료 조사 및 전문가 면담 등의 분석을 통하여 통합관리시스템의 목표와 계획 수립에 따른 단계별 전략과제와 핵심과제를 도출하고자 한다. 나아가, 건물부문의 에너지 및 온실가스 통계 마련과 관리를 위한 통합관리센터의 구축과 운영방안 수립에 활용할 수 있는 방안을 제시하여 향후 녹색뉴딜 사업의 육성을 도모하고자 한다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.18-26
• /
• 2023

빌딩에너지관리시스템(BEMS: Building Energy Management System)은 생산 및 소비되는 에너지를 효율적으로 관리하는 시스템이다. 그러나 건물 내 전력소비는 물리적인 특성상으로 인해 생산 및 소비가 일정하지 않아 안정적인 전력 공급이 필수적이다. 이에 따라 건물의 안정적인 전력 공급을 위해서는 정확한 건물 내 전력 소비 예측이 중요하다. 최근에는 시계열분석, 통계분석, 인공지능 등 다양한 방법을 이용하여 전력소비예측에 관한 연구가 진행되고 있다. 본 논문은 Prophet 모델의 장점과 단점을 분석하여 장점인 growth, seasonality, holidays를 선택하였고, Prophet 모델의 단점인 데이터의 복잡성과 외부변수(기후 데이터)의 제한성을 해결하기 위하여 GRU을 조합하여 단기(2일) 및 중기(7일, 15일, 30일) 전력소비량 예측 알고리즘을 제안한다. 실험결과, 제안한 방법은 기존 GRU 및 Prophet 모델보다 성능이 우수하였다.

• 한국태양에너지학회 논문집
• /
• 제32권3호
• /
• pp.42-49
• /
• 2012

신경망방법은 공학, 경영 그리고 정보기술과 같이 다양한 분양에서 널리 사용되어지고 있다. 신경망방법은 기본적으로 예측, 제어, 식별과 같은 기능을 가지고 있는데, 본 논문에서는 신경망방법을 이용하여 C사의 모델 T의 히트펌프 전기부하를 예측하였다. 부하예측은 시스템을 더욱 효율적이고, 적절하게 만들기 위해 필요하다. 본 논문에서 사용된 히트펌프는 지열원 히트 펌프 시스템이다. 이 지열 히트 펌프의 부하는 사전에 미리 예측되어진 외기온도 및 건물 열부하에 따라 측정 학습된 전력 소비량으로 겨울에는 난방, 여름에는 냉방에 대한 전력 부하를 예측할 수 있다. 이 신경망방법은 신경망 학습 순서를 통해 부하 예측을 위해 히트펌프의 성능데이터를 필요로 한다. 이 부하 예측 인공지능망 방법으로 외기 온도별 건물 통합형 지열 히트 펌프 부하가 예측되어질 수 있다.

• 토지주택연구
• /
• 제15권2호
• /
• pp.9-17
• /
• 2024

표준건물 에너지모델은 정책, 연구 및 기술개발 등에 다양한 활용성이 있다. 상세 에너지해석용 표준공동주택모델이 서동현 외(2014)에 의해 제안되었으나, 모델의 에너지소비량 예측에 성능 검증용 신뢰성 있는 측정데이터가 없어 충분한 검증이 이루어지지 못하였다. 그러나, 최근 에너지경제연구원(KEEI)에서 매년 발표하는 가구에너지패널조사(HEPS) 데이터를 분석하여 공동주택 벤치마크데이터를 발표한 연구에 힘입어 검증이 가능하게 되었다. 이 연구는 이 검증용 데이터를 이용하여 표준공동주택 에너지모델을 중부지역, 2000년 이전 모델을 기준으로 보정하고, 보정된 모델을 이용하여 지역과 준공년도가 그룹에도 유효한 성능을 보여주는지 검증하였다. 검중에는 중부, 남부 각 5개씩의 대표도시 표준기상데이터가 이용되었고, 18개의 그룹에서 대부분 MBE, cv(RMSE) 기준을 만족하는 결과를 도출하였다.

• 한국주거학회논문집
• /
• 제22권1호
• /
• pp.115-122
• /
• 2011

This study aimed at quantifying the impact of envelope insulation on energy consumption for thermal controls in residential buildings in southern part of Korea. A series of parametric simulations for a range of R-values of walls, roof, floor, and windows were computationally conducted for a prototypical Korean detached house. Analysis revealed that the total amount of heat gain was larger than that of heat loss, while the amount of energy for cooling was smaller than that for heating due to the difference of system efficiency; the envelope heat transfer was more significant for the heat loss, thus, the increase of the envelope insulation was more effective to reduce heating load; and there were certain levels of envelope insulation after which the energy saving effect was not significant. These findings are expected to be a fundamental database for the decision of proper insulation level in Korean residential buildings.

• 대한건축학회논문집:구조계
• /
• 제34권11호
• /
• pp.73-79
• /
• 2018

In this study, for the prediction of energy consumption in the ventilator, one of the components of the air conditioning system, the predicted results were analyzed and accurate by the change in the number of neurons and inputs. The input variables of the prediction model for the energy volume of the fan were the supply air flow rate, the exhaust air flow rate, and the output value was the energy consumption of the fan. A predictive model has been developed to study with the Levenbarg-Marquardt algorithm through 8760 sets of one-minute resolution. Comparison of actual energy use and forecast results showed a margin of error of less than 1% in all cases and utilization time of less than 3% with very high predictability. MBE was distributed with a learning period of 1.7% to 2.95% and a service period of 2.26% to 4.48% respectively, and the distribution rate of ${\pm}10%$ indicated by ASHRAE Guidelines 14 was high.8.