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.
피인용 0
초록·키워드
Determining occupancy status is crucial for effective facility control, particularly for optimizing thermal comfort and energy efficiency. However, occupancy detection based solely on baseline electrical energy values tends to be less accurate in residential buildings that do not rely on electrical heating during winter. This study aims to assess occupancy status and extract occupant schedules by analyzing energy consumption data from high-rise residential buildings. We collected energy data from actual apartments during the winter season and employed Fast Fourier Transform for correlation analysis with electricity usage. The results revealed that heating energy had the strongest correlation with electrical energy, yielding a correlation coefficient of 0.72. For data exhibiting low occupancy probabilities, we applied unsupervised learning models, specifically the Gaussian Mixture Model and Hidden Markov Model, to adjust existing occupancy probabilities using available heating energy data, ultimately calculating refined final occupancy probabilities.
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) : I410-151-26-02-096365467
