메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
신한솔 (성균관대학교) 서원준 (성균관대학교) 추한경 (성균관대학교) 라선중 (성균관대학교) 박철수 (성균관대학교)
저널정보
대한건축학회 대한건축학회 논문집 - 구조계 大韓建築學會論文集 構造系 第33卷 第11號 (通卷 第349號)
발행연도
2017.11
수록면
63 - 70 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In South Korea, an ice thermal storage system is popular because night-time electricity rate is cheaper than daytime rate. A spherical ice ball system is one of the most popular ice thermal storage systems used in Korea. However, it is difficult to estimate the degree of freezing and defrosting of the spherical ice ball system and thus, excessive icing commonly occurs in order to prevent any shortage of stored ice. If this rule-of thumb control can be replaced by a simulation model-based control, there would be significant potential for energy savings. In this study, the authors developed 25 machine learning simulation models for the spherical ice thermal storage system installed in a 30-story office building (gross floor area: 32,600m2) located in Seoul, Korea. Five different machine learning algorithms (Artificial Neural Network, Support Vector Machine, Gaussian Process, Random Forest, and Genetic Programming) were used for five different input scenarios, respectively. The 25 machine learning models are accurate enough to predict the amount of icing required for the following daytime. In addition, with the use of Model Predictive Control (MPC), 16.8% of excessive icing during overnight can be reduced and 15% of cooling energy (chiller, cooling tower, Brine pump, etc.) can be saved.
#빙축열 시스템 #기계학습 #모델 예측 제어 #사무소 건물 #시뮬레이션 모델 #ice thermal storage system #machine learning #model predictive control #office building #simulation model

목차

Abstract
1. 서론
2. 대상 건물
3. 기계학습 방법
4. 익일 방냉량 예측 모델 개발
5. 모델 기반 최적 제어
6. 결론
REFERENCES

참고문헌 (34)

참고문헌 신청
Ahn, K. U., Kim, D. W., Kim, Y. J., Park, C. S., & Kim, I. H. (2015). Gaussian Process Model for Control of an Existing Building. Energy Procedia, 78, 2136-2141. Ahn, K. U., Kim, D. W., Kim, Y. J., Yoon, S. H., & Park, C. S. (2016). Issues to Be Solved for Energy Simulation of An Existing Office Building. Sustainability, 8(4), 345. Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. Breiman, L. (2001). Random forests. Machine learning, 45(1), 5-32. Braun, J. E. (2007). A Near-Optimal Control Strategy for Cool Storage Systems with Dynamic Electric Rates. HVAC&R Research, 13(4), 557-580.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

기존건축물의 빙축열 시스템 최적 제어를 위한 기계학습 모델
신한솔 ,  서원준 ,  추한경 외 2명 대한건축학회 학술발표대회 논문집 2016 .10
가부장제에 관한 이론적 고찰
趙玉羅 ,  장상 ,  이효재 외 1명 한국여성학 1986 .01
건물 냉방시스템의 예측제어를 위한 인공신경망 모델 개발
강인성 ,  양영권 ,  이효은 외 2명 KIEAE Journal 2017 .10
EnergyPlus 해석용 수랭식 VRF 히트펌프의 냉·난방 능력 및 소비전력 예측식 산출 기법
김민지 ,  권혁주 ,  이광호 한국지열·수열에너지학회논문집 2017 .09
인공신경망을 이용한 건물의 에너지 모델 최적화 알고리즘 개발 및 검증에 관한 연구
성남철 ,  김지헌 ,  최원창 외 2명 한국생활환경학회지 2017 .02

최근 본 자료

전체보기

댓글(0)

0