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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김민성
- 발행연도
- 2022
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구에서는 가정용 및 산업용 히트펌프의 유지 보수 비용뿐만 아니라 에너지 소비도 획기적으로 줄일 수 있는 방안으로, 히트펌프의 운전상태를 기계학습 하기 위한 동적 정상상태 진단 기법에 대해 연구하였다. 대부분의 고장 감지 및 진단 기술에서는 시스템의 정상상태를 가정하므로 신뢰성이 높고 범용적으로 활용할 수 있는 정상상태 진단 기법은 시스템의 지능화에 필수적이다. 각 특성변수에 대해 고정된 정상상태 한계값을 갖는 것이 아니라 다양한 작동조건에 따라 달라지는 동적 정상상태 진단기법을 개발하기 위해 이산적인 운전조건을 학습하는 것이 아니라 연속 운전 데이터에서 정상상태만을 추출하여 이를 정상상태 진단 모델에 학습시켜 동적 정상상태 진단을 가능하게 하였다. 이때 핵심이 되는 정상상태 데이터 추출 알고리즘을 통해 이동 창 크기에 따라 자연적으로 발생하는 오차 문제를 해결했다. 동적 정상상태 진단 기법을 통과한 데이터를 기반으로 다양한 머신러닝 모델을 적용한 무고장 기준 모델을 비교 및 분석하였다. XGboost 알고리즘을 활용한 무고장 기준모델은 4개의 기준모델 가운데 잔차의 분포가 가장 정규분포를 잘 따랐다. 따라서 XGBoost 알고리즘이 히트펌프 시스템의 무고장 기준모델로서 가장 적절하며, 이후 고장 감지 및 진단에 가이드라인으로서 활용이 기대된다.
목차
제1장 서 론 1제1절 연구 배경 11. 이동창 평균 기법 (Moving window average method) 5제2장 히트펌프 시스템 실험 데이터 분석 8제1절 실험장치 8제2절 실험 데이터 분석 15제3장 동적 정상상태 진단 기법 20제1절 포화제어 기반 정상상태 진단 기법 20제2절 연속 데이터 기반 정상상태 진단 기법 27제4장 동적 정상상태 진단 기법 적용 결과 33제1절 특성변수에 대한 정상상태 진단 결과 분석 33제5장 정상상태 데이터 기반 히트펌프 시스템 무고장 기준 모델 비교 42제1절 무고장 기준 모델 선정 42제2절 무고장 기준 모델 비교 및 분석 50제6장 결 론 57참고문헌 60국문초록 62ABSTRACT 63
최근 본 자료
댓글(0)
0