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
Model predictive control has the potential to reduce energy consumption during the operational phase of a building by predetermining optimal operating strategies. However, while the predictive performance of the model is important, there is very little data available from actual buildings in operation. Therefore, this study proposes a method to build a physical model that can predict indoor temperature using measured indoor thermal environment data (only partial data, mainly for air conditioning) for an actual operating building. Furthermore, a modeling methodology using TRNSYS components, which can be interlocked on the same platform as the air conditioning system is proposed. By comparing the simulated indoor temperature of the proposed model with the measured values, the prediction accuracy and temperature distribution pattern were improved compared to the original uncalibrated model. This improvement in accuracy was achieved by calibrating the model to the optimal parameters for each season through clustering. In addition, the 7.05% CVRMSE met ASHRAE Guideline 14 criteria, demonstrating its potential for future use in MPC.
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) : I410-151-24-02-088065565
