인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This paper presents an enhanced energy management approach for underground train stations by integrating regenerative braking power into an artificial intelligence-based control framework. Air quality in stations is often degraded due to particulate matter (PM2.5 and PM10) generated from train operation, passenger flow, and limited ventilation. To improve both air quality and energy efficiency, we propose a learning-based energy management agent that combines an artificial neural network (ANN) with a Deep Q-Network (DQN). The ANN serves as a transition model to predict future dust concentration levels based on fan and HVAC operation as well as available renewable energy. The DQN then determines optimal control actions for fans, air conditioning units, and an energy storage system (ESS) to minimize energy cost while maintaining air quality. In this study, regenerative braking power was quantified using real train timetables and incorporated as a state variable, enabling the agent to utilize surplus energy effectively. A case study using data from Namgwangju Station demonstrates that the proposed method achieves faster dust concentration reduction, more stable ESS operation, and significant reductions in grid power consumption and energy cost compared with conventional strategies.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094747916
