• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.36 no.8
• /
• pp.803-809
• /
• 2012

It is necessary to predict the heating load in order to determine the optimal scheduling control of district heating systems. Heating loads are affected by many complex parameters, and therefore, it is necessary to develop an efficient, flexible, and easy to use prediction method for the heating load. In this study, simple specifications included in a building design document and the estimated temperature and humidity are used to predict the heating load on the next day. To validate the performance of the proposed method, heating load data measured from a benchmark district heating system are compared with the predicted results. The predicted outdoor temperature and humidity show a variation trend that agrees with the measured data. The predicted heating loads show good agreement with the measured hourly, daily, and monthly loads. During the heating period, the monthly load error was estimated to be 4.68%.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.37 no.12
• /
• pp.1105-1112
• /
• 2013

In this study, a method for predicting heating loads using building characteristic coefficients is proposed for heating system control, and a method for predicting hourly temperature and solar insolation, which mainly affect building heating loads, is also proposed. The temperature and solar insolation are predicted by using a fuzzy theory from forecast information at the meteorological agency, and the building characteristic coefficients for the prediction of heating loads are derived from EnergyPlus. The simulated heating loads of the present study show good agreement with those of EnergyPlus. and the variations of the predicted heating loads using the predicted temperature and solar insolation are similar to those using the actual weather data.

• KIPS Transactions on Software and Data Engineering
• /
• v.7 no.4
• /
• pp.129-134
• /
• 2018

Recently, the artificial neural network (ANN) model is a promising technique in the prediction, numerical control, robot control and pattern recognition. We predicted the outside temperature of greenhouse using ANN and utilized the model in greenhouse control. The performance of ANN model was evaluated and compared with multiple regression model(MRM) and support vector machine (SVM) model. The 10-fold cross validation was used as the evaluation method. In order to improve the prediction performance, the data reduction was performed by correlation analysis and new factor were extracted from measured data to improve the reliability of training data. The backpropagation algorithm was used for constructing ANN, multiple regression model was constructed by M5 method. And SVM model was constructed by epsilon-SVM method. As the result showed that the RMSE (Root Mean Squared Error) value of ANN, MRM and SVM were 0.9256, 1.8503 and 7.5521 respectively. In addition, by applying the prediction model to greenhouse heating load calculation, it can increase the income by reducing the energy cost in the greenhouse. The heating load of the experimented greenhouse was 3326.4kcal/h and the fuel consumption was estimated to be 453.8L as the total heating time is $10000^{\circ}C/h$. Therefore, data mining technology of ANN can be applied to various agricultural fields such as precise greenhouse control, cultivation techniques, and harvest prediction, thereby contributing to the development of smart agriculture.

• Environmental and Resource Economics Review
• /
• v.16 no.4
• /
• pp.803-832
• /
• 2007

Electricity and heat load profiles by use types on an hourly basis at the least are essential for assessing economic viability of new cogeneration and CES projects and for optimally operating existing cogeneration and CES facilities. We adopt a multilevel model to specify heat load profiles so as to utilize in a flexible manner the panel nature of our data on weather and heating/cooling use. Converting the multilevel model to the linear mixed-effects model, we estimate the model by panel FGLS. The estimated load profile model for each distinct use type accounts for the effects of temperature, humidity, each hour over the year, each day of the week, each type of legal holidays, and heating/cooling area on energy use. To save space, we feature in detail the heating profile of the household.

• Journal of Navigation and Port Research
• /
• v.35 no.3
• /
• pp.265-270
• /
• 2011

The purpose of this study is to compare and analyze the differences of a building's heating and cooling loads depending on the weather variation. Followings are the results. The temperature, humidity and wind speeds of standard year are bigger than those of 2006~2009. The 2006~2009's total horizontal solar irradiance is greater than that of standard year, and the direct solar irradiance of standard year is bigger in winter and vice versa in summer. As results of simulation on heating and cooling loads, it is difficult to find out the bilateral influences between maximum thermal loads and annual's. The equivalent-time operating ratio(EOR) is defined on this study to estimate the differences between year and year, and the EOR of standard year shows low value comparing to 2006~2009 years'.

• Proceedings of the Korean Society for Bio-Environment Control Conference
• /
• 1993.10a
• /
• pp.11-12
• /
• 1993

여름철 온실의 수경재배를 위해서는 양액의 냉각은 필수적이다. 이와 같은 양액냉각을 적절히 실행하기 위해서는 먼저 시설내의 환경예측에 의한 양액의 냉각부하 산정 및 냉각부하에 따른 설비용량 결정이 필요하다. 그동안 국내외적으로 온실의 환경예측을 위한 모델들은 많이 개발되어 있지만 대부분이 토경재배를 대상으로 온실의 변화나 난방효율의 예측을 목적으로 하고 있으며, 수경재배 온실 더우기 양액 냉각을 취급하는 경우는 찾아보기 힘들다. (중략)

• Journal of the Korean Solar Energy Society
• /
• v.32 no.3
• /
• 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.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.664-665
• /
• 2011

최근 겨울철과 여름철에 다양한 냉난방기기의 보급이 급증하여 최대전력에 대한 기온의 영향이 상당히 커지고 있다. 이에 따라 기온의 영향으로 인한 계절성이 급등하여 전력수요 예측결과의 불확실성을 증폭시키고 있다. 그러나 아직까지는 이러한 냉방 및 난방부하의 급증에 따른 계절성 변화에 대한 체계적인 분석 방법이 정형화되어 있지 못하다. 따라서 본 연구에서는 누적기온반응함수, 기온분포함수, 공적분 및 오차수정모형 등을 바탕으로 엄격한 통계적 검증을 거쳐 냉난방부하 추정 방법을 연구하였고, 아울러 관련 결과를 제시함으로써 향후의 전력수급에 안정적 기반을 제공코자 한다.

• The Magazine of the Society of Air-Conditioning and Refrigerating Engineers of Korea
• /
• v.29 no.1
• /
• pp.57-67
• /
• 2000

최근 국민소득수준의 향상을 따라 여름철 전력 수요가 폭증하므로 전력안정 공급을 위한 특별 대책이 필요한 실정이고 환경적인 측면이나 수용가 입장에서 만족스러운 새로운 냉·난방, 전기 공급시스템의 개발·적용이 필요하다. 선진국의 경우, 소규모의 집단에너지 공급이 주류를 이루고 있으며 특히 소규모 열병합 발전시 생산되는 전기, 지역난방열 이외에 냉방에 필요한 냉수를 중앙열원에서 동빌딩을 중심으로하는 구역형 집단에너지 시스템(Community Energy Supply System)등 소규모지역 난냉방 공급방식이 활성화되어 있으므로, 우리나라에서도 냉방/난방/전기부하 패턴 및 하절기 피크부하 경감에 대한 기여도 등을 고려한 경제성있는 최적시스템 구성이 가능한지 검토할 필요가 있다. 소규모 집단에너지사업은 대규모 사업과는 달리 적정 수요예측이 가능하므로 효율적인 초기 투자가 이루어질 수 있으며, 상업용 및 사업용 빌딩 등을 중심으로 부하밀도가 높은 구역을 대상으로 하명서 해당 부하패턴에 적합한 효율적인 시스템의 구성을 통해 수익성이 확보된다면 국가 에너지절약 및 한전의 여름철 전력 피크부하 경감, 대기 환경공해 감소, 도심 도시미관 향상 등의 사업효과가 기대된다. 본문에서는 이러한 소규모 집단에너지시스템 개요 및 국내외 공급 현황, 국내 적용환경, 적용 가능에너지 검토 열원시스템의 기본방향 등에 대하여 언급하고자 한다.

• Proceedings of the SAREK Conference
• /
• 2007.11a
• /
• pp.167-175
• /
• 2007

A predictive pulse control strategy as a means of improving the energy efficiency of radiant floor heating systems is explored. Experiments at the apartment with floor heating system are conducted to assess and compare the energy performance of the predictive pulse control strategy with an existing conventional control strategy. The Results showed that new suggested PPCM( Predictive Pulse Control Method) was available to decrease the gap of $1{\sim}1.5^{\circ}C$ between maximum and minimum indoor temperature of each rooms. Therefore PPCM method was favor to radiant floor heating system which have a delay time of 10-20 minutes for heat transfer by floor layers.