센서 부재 환경에서 건물 시스템 단위 이상 진단 모델의 성능 향상 방안

Q: 이 논문에서 정의한 보정 상수란 무엇인가?

보정 상수는 보조 가상센서가 내포할 수 있는 불확실성을 완화하기 위해 적용되는 값이다. 열평형 방정식으로 구축된 보조 가상센서가 실제 시스템 운전에서 고려되지 못한 열교환 효율 등의 영향을 받을 때, 이 불확실성을 보정하여 가상센서의 물리적 관계를 보충하고 이상 감지 모델의 성능을 향상시키는 데 사용된다.

Q: 센서 부재 환경에서 이상 감지 모델의 성능을 향상시키는 핵심 방법은 무엇인가?

연구 결과, 제한된 센싱 환경에서 구축된 이상 감지 모델의 성능은 보조 가상센서에 보정 상수를 적용하는 parametric study를 통해 크게 향상될 수 있다. 보정 상수를 사용하지 않은 경우보다 이상 감지율이 평균 42.17% 높아졌으며, 최적의 보정 상수를 적용하면 보정하지 않은 모델 대비 28.32% 높은 이상 감지율을 달성하여 모델의 성능 한계를 완화한다.

김륜희; 윤성민; 김용식

학술대회자료

저자정보: 김륜희 (인천대학교) 윤성민 (인천대학교) 김용식 (인천대학교)

저널정보: 대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2021년도 하계학술발표대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

Virtual sensors are widely used to overcome the limited sensing environment in building systems in these days. However, developed virtual sensors can involve uncertainty of systems and it could affect the performance of virtual sensors. In this paper, the method for improving the performance of virtual sensor using parametric study on assistance virtual sensor is proposed. Suggested method is experimentally applied to the fault detection model. Several calibration constant are selected through the parametric study and used for the assistance virtual sensor to calibrate its uncertainty. The result shows that using the calibration constant could significantly improve the performance of the fault detection model.

#District heating system(지역난방시스템) #Virtual sensors(가상센서) #Assistance virtual sensor(보조가상센서) #Fault detection(이상검출) #Optimization(최적화) #Parametric study

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)