KR102049005B1 - Centralized HVAC System Using Genetic Algorithm and Method Using The Same - Google Patents

Centralized HVAC System Using Genetic Algorithm and Method Using The Same Download PDF

Info

Publication number
KR102049005B1
KR102049005B1 KR1020170177532A KR20170177532A KR102049005B1 KR 102049005 B1 KR102049005 B1 KR 102049005B1 KR 1020170177532 A KR1020170177532 A KR 1020170177532A KR 20170177532 A KR20170177532 A KR 20170177532A KR 102049005 B1 KR102049005 B1 KR 102049005B1
Authority
KR
South Korea
Prior art keywords
system energy
model
optimum
static pressure
genetic algorithm
Prior art date
Application number
KR1020170177532A
Other languages
Korean (ko)
Other versions
KR20190075717A (en
Inventor
최원창
성남철
김지헌
나시프 나빌
Original Assignee
가천대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020170177532A priority Critical patent/KR102049005B1/en
Publication of KR20190075717A publication Critical patent/KR20190075717A/en
Application granted granted Critical
Publication of KR102049005B1 publication Critical patent/KR102049005B1/en

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/20—Humidity
    • F24F2110/22—Humidity of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/10—Weather information or forecasts

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Fuzzy Systems (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법 를 개시한다.
본 발명의 일 실시예에 의하면, 중앙집중식 공조시스템에 있어서, 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신하는 데이터 입력부; 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻고, 데이터 입력부로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하고, 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 최종모델 도출부; 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 최적값 도출부; 및 최적값 도출부로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기(HVAC)을 구동시키는 구동부를 포함하는 것을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법을 제공한다.A central air conditioning system using a genetic algorithm and an air conditioning method using the same are disclosed.
According to an embodiment of the present invention, a centralized air conditioning system, comprising: a data input unit for receiving one or more of an external air condition, an initial air supply temperature, and an initial duct static pressure; Combines one or more mathematical formulas to obtain a system energy model, calculates system energy usage forecasts by substituting one or more of ambient conditions, initial air supply temperatures, and initial duct static pressures received from the data input section into system energy models, and estimates system energy usage forecasts. A final model derivation unit for comparing the actual system energy consumption with the final system energy model by deriving the final system energy model by repeating the model feedback process until the system energy usage prediction amount is within the error range of the actual system energy usage; The system calculated from the final system energy model under the condition that the final system energy model is the objective function of the genetic algorithm, the air supply temperature and duct static pressure are the variables of the genetic algorithm, and the set room temperature is maintained from the objective function using the genetic algorithm. An optimum value deriving unit for deriving an optimum air supply temperature and an optimum duct static pressure at which the energy use prediction amount is minimized; And it provides a centralized air conditioning system using a genetic algorithm and an air conditioning method using the same, characterized in that it comprises a drive unit for driving the HVAC according to the optimum air supply temperature and the optimum duct static pressure received from the optimum value deriving unit. .

Description

유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법 {Centralized HVAC System Using Genetic Algorithm and Method Using The Same}Centralized HVAC System Using Genetic Algorithm and Method Using The Same}

본 개시는 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법에 관한 것이다.The present disclosure relates to a centralized air conditioning system using a genetic algorithm and an air conditioning method using the same.

이 부분에 기술된 내용은 단순히 본 개시에 대한 배경정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The content described in this section merely provides background information for the present disclosure and does not constitute a prior art.

인구가 늘어나면서 건물이 고층화되고, 여기에 필요한 시설도 늘어나면서 건물에서 소모되는 에너지의 양이 커지게 되었다. 이와 동시에, 에너지의 가격이 상승하면서 건물 관리인 및 건물 거주자들은 에너지 소모 절감을 위한 노력을 기울이기 시작하였다.As the population grew, the buildings became taller, and as the facilities needed increased, the amount of energy consumed by the buildings increased. At the same time, as the price of energy rose, building managers and building residents began to make efforts to reduce energy consumption.

이는 에어컨 끄기 등의 수동적인 방면에서 시작되었으며, 이후 자동적으로 에너지 소비를 아낄 수 있는 방법이 강구되었다. 이러한 노력의 결실 중 하나로서 BEMS(Building Energy Management System) 시스템이 등장하게 되었다. BEMS는 불필요한 에너지 사용을 최소화하고 설비를 최적운전 상태로 유지시킬 수 있으며, 이를 통해, 에너지 효율을 높일 수 있는 시스템이다.This started with a passive aspect, such as turning off the air conditioner, and then finding ways to automatically reduce energy consumption. As one of the fruits of this effort, the Building Energy Management System (BEMS) system has emerged. BEMS minimizes the use of unnecessary energy and keeps the equipment in an optimal operating state, thereby increasing energy efficiency.

한편, BEMS 를 이용한 종래의 중앙집중식 공조시스템은 실내의 냉방부하가 일정하다는 가정하에 일정한 급기온도를 유지하도록 설계 되었다. 즉, 종래의 중앙집중식 공조시스템은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 등 외기조건에 따른 실내의 냉방부하 변화에 대응하지 못하고, 적절하지 못한 난방 또는 냉방이 이루어지는 문제점이 있었다.On the other hand, the conventional centralized air conditioning system using BEMS is designed to maintain a constant air supply temperature on the assumption that the cooling load in the room is constant. That is, the conventional centralized air conditioning system does not respond to changes in the cooling load of the room according to the outside air conditions such as dry bulb temperature of the outside air, wet bulb temperature of the outside air and relative humidity of the outside air, there is a problem that the heating or cooling is not appropriate.

또한, 종래의 중앙집중식 공조시스템은, 과냉방 또는 과난방이 이루어질 경우 과도한 에너지 소비로 인해 많은 비용이 발생하면서, 에너지 소비 저감이라는 본래의 목적이 퇴색되는 문제점이 있었다.In addition, the conventional centralized air conditioning system has a problem that the original purpose of reducing energy consumption is faded while high costs are generated due to excessive energy consumption when overcooling or overheating is performed.

이에, 본 발명은 외기조건과 그에 대응하는 실시간 부하변동을 반영하여 최종 시스템에너지 모델을 도출하고, 도출된 최종 시스템에너지 모델을 이용하여, 시스템에너지 사용예측량을 목적함수로 하여 유전 알고리즘 구동해 시스템에너지 사용량을 최소화할 수 있는 최적 급기온도 및 최적 덕트정압을 도출하는 데 주된 목적이 있다.Accordingly, the present invention derives the final system energy model by reflecting the external air condition and the real-time load variation corresponding thereto, and uses the derived final system energy model to drive the system energy by using a genetic algorithm to predict the system energy usage. The main purpose is to derive the optimum air supply temperature and the optimum duct static pressure to minimize the amount of usage.

또한, 본 발명은 최종 시스템에너지 모델을 도출하는 과정에서 모델 피드백과정을 수행하여 보다 정확한 모델을 획득하고, 이를 바탕으로, 보다 정확한 최적 급기온도 및 최적 덕트정압을 도출하여 에너지 저감 효과를 극대화하는 데 주된 목적이 있다.In addition, the present invention performs a model feedback process in the process of deriving the final system energy model to obtain a more accurate model, based on this, to derive a more accurate optimum air supply temperature and the optimum duct static pressure to maximize the energy reduction effect There is a main purpose.

본 발명의 일 실시예에 의하면, 중앙집중식 공조시스템에 있어서, 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신하는 데이터 입력부; 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻고, 데이터 입력부로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하고, 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 최종모델 도출부; 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 최적값 도출부; 및 최적값 도출부로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기(HVAC)을 구동시키는 구동부를 포함하는 것을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법을 제공한다.According to an embodiment of the present invention, a centralized air conditioning system, comprising: a data input unit for receiving one or more of an external air condition, an initial air supply temperature, and an initial duct static pressure; Combines one or more mathematical formulas to obtain a system energy model, calculates system energy usage forecasts by substituting one or more of ambient conditions, initial air supply temperatures, and initial duct static pressures received from the data input section into system energy models, and estimates system energy usage forecasts. A final model derivation unit for comparing the actual system energy consumption with the final system energy model by deriving the final system energy model by repeating the model feedback process until the system energy usage prediction amount is within the error range of the actual system energy usage; The system calculated from the final system energy model under the condition that the final system energy model is the objective function of the genetic algorithm, the air supply temperature and duct static pressure are the variables of the genetic algorithm, and the set room temperature is maintained from the objective function using the genetic algorithm. An optimum value deriving unit for deriving an optimum air supply temperature and an optimum duct static pressure for minimizing energy usage prediction amount; And a driving unit for driving an HVAC according to an optimum air supply temperature and an optimum duct static pressure received from an optimum value deriving unit. .

이상에서 설명한 바와 같이 본 실시예에 의하면, 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법은, 유전 알고리즘을 이용해 시스템에너지 사용량을 최소화할 수 있는 최적 급기온도 및 최적 덕트정압을 도출할 수 있고, 이를 통해, 냉난방에 소비되는 에너지를 최소화할 수 있는 효과가 있다.As described above, according to the present embodiment, the centralized air conditioning system using the genetic algorithm and the air conditioning method using the same can derive the optimum air supply temperature and the optimum duct static pressure which can minimize the system energy consumption using the genetic algorithm. And, through this, there is an effect that can minimize the energy consumed for heating and cooling.

또한, 최종 시스템에너지 모델은 모델 피드백과정을 통해 보다 정확하게 시스템에너지 사용량을 예측할 수 있도록 하고, 이를 통해, 유전 알고리즘을 통해 도출되는 최적 급기온도 및 최적 덕트정압이 보다 정확하게 시스템에너지 사용량을 저감시킬 수 있도록 하는 효과가 있다.In addition, the final system energy model can predict the system energy usage more accurately through the model feedback process, and thus, the optimal air supply temperature and the optimal duct static pressure derived through the genetic algorithm can reduce the system energy usage more accurately. It is effective.

도 1은 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 최종모델 도출부에서 최종 시스템에너지 모델이 도출되는 과정을 나타낸 순서도이다.
도 3은 본 개시의 일 실시예에 따른 최적값 도출부에서 최적 급기온도 및 최적 덕트정압이 도출되는 과정을 나타낸 순서도이다.
도 4는 본 개시의 다른 실시예에 따른 기상데이터 수신부 및 제어부를 포함하는 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.
도 5는 본 개시의 또 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법을 나타낸 순서도이다.1 is a block diagram of a centralized air conditioning system using a genetic algorithm according to an embodiment of the present disclosure.
2 is a flowchart illustrating a process of deriving a final system energy model from a final model derivation unit according to an embodiment of the present disclosure.
3 is a flowchart illustrating a process of deriving an optimum air supply temperature and an optimum duct static pressure in an optimum value deriving unit according to an exemplary embodiment of the present disclosure.
4 is a block diagram of a centralized air conditioning system using a genetic algorithm including a weather data receiver and a controller according to another embodiment of the present disclosure.
5 is a flowchart illustrating an air conditioning method using a centralized air conditioning system using a genetic algorithm according to another embodiment of the present disclosure.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, some embodiments of the present invention will be described in detail through exemplary drawings. In adding reference numerals to the components of each drawing, it should be noted that the same reference numerals are used as much as possible even though they are shown in different drawings. In addition, in describing the present invention, when it is determined that the detailed description of the related well-known configuration or function may obscure the gist of the present invention, the detailed description thereof will be omitted.

본 발명에 따른 실시예의 구성요소를 설명하는데 있어서, 제1, 제2, i), ii), a), b) 등의 부호를 사용할 수 있다. 이러한 부호는 그 구성요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 부호에 의해 해당 구성요소의 본질 또는 차례나 순서 등이 한정되지 않는다. 명세서에서 어떤 부분이 어떤 구성요소를 '포함' 또는 '구비'한다고 할 때, 이는 명시적으로 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In describing the components of the embodiment according to the present invention, symbols such as first, second, i), ii), a), and b) may be used. These codes are only for distinguishing the components from other components, and the nature, order, order, etc. of the components are not limited by the symbols. When a part of the specification is said to include or include a component, this means that it may further include other components, except to exclude other components unless expressly stated to the contrary. .

도 1은 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.1 is a block diagram of a centralized air conditioning system using a genetic algorithm according to an embodiment of the present disclosure.

도 1을 참조하면, 유전 알고리즘을 이용한 중앙집중식 공조시스템은 데이터 입력부(110), 최종모델 도출부(120), 최적값 도출부(130) 및 구동부(140)를 포함한다.Referring to FIG. 1, a centralized air conditioning system using a genetic algorithm includes a data input unit 110, a final model derivation unit 120, an optimal value derivation unit 130, and a driver 140.

데이터 입력부(110)는 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나이상을 수신한다. 여기서, 초기 급기온도는 냉난방공조기(HVAC)로부터 실내로 공급되는 수신 당시의 급기온도를 의미한다. 또한, 덕트정압은 냉난방공조기에 포함된 송풍기로부터 공급되는 급기에 의해 덕트에 가해지는 압력을 의미하며, 초기 덕트정압은 수신 당시의 덕트정압을 의미한다.The data input unit 110 receives one or more of an external air condition, an initial air supply temperature, and an initial duct static pressure. Here, the initial air supply temperature refers to the air supply temperature at the time of reception supplied from the HVAC to the room. In addition, the duct static pressure means the pressure applied to the duct by the air supply from the blower included in the air conditioning air conditioning, the initial duct static pressure means the duct static pressure at the time of reception.

데이터 입력부(110)에서 수신하는 외기조건에는 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.The outside air condition received by the data input unit 110 may include one or more of dry bulb temperature of the outside air, wet bulb temperature of the outside air and relative humidity of the outside air, but is not limited thereto.

최종모델 도출부(120)는 데이터 입력부(110)로부터 수신한 데이터를 이용하여 모델 피드백과정을 수행하고, 이를 통해, 최종 시스템에네지 모델을 도출할 수 있다.The final model derivation unit 120 performs a model feedback process using the data received from the data input unit 110, and through this, may derive the final system energy model.

최적값 도출부(130)는 최종모델 도출부(120)에서 도출된 최종 시스템에너지 모델을 목적함수로 하여 유전 알고리즘을 구동하고, 이를 통해, 최적 급기온도 및 최적 덕트정압을 도출할 수 있다. 최종모델 도출부(120) 및 최적값 도출부(130)에 대한 상세한 설명은 도 2 및 도 3과 관련하여 각각 기술하도록 한다.The optimal value deriving unit 130 drives the genetic algorithm using the final system energy model derived from the final model deriving unit 120 as the objective function, thereby deriving the optimum air supply temperature and the optimum duct static pressure. Detailed descriptions of the final model derivation unit 120 and the optimum value derivation unit 130 will be described with reference to FIGS. 2 and 3, respectively.

다시 도 1을 참조하면, 구동부(140)는 최적값 도출부(130)로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기를 구동시킨다.Referring back to FIG. 1, the driving unit 140 drives the air conditioning air conditioner according to the optimum air supply temperature and the optimum duct static pressure received from the optimum value deriving unit 130.

본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템에서, 최적값 도출부(130)는 일정시간 간격으로 데이터 입력부(110)로부터 외기조건을 수신하고 이를 기초로 하여 최적 급기온도 및 최적 덕트정압을 갱신할 수 있다. 이때, 구동부(140)는 갱신된 최적 급기온도 및 갱신된 최적 덕트정압에 따라 냉난방공조기를 구동시킬 수 있다.In the centralized air conditioning system using the genetic algorithm according to an embodiment of the present disclosure, the optimum value deriving unit 130 receives the external air condition from the data input unit 110 at regular intervals and based on the optimum air supply temperature and the optimum The duct static pressure can be updated. In this case, the driving unit 140 may drive the air conditioning air conditioner according to the updated optimal air supply temperature and the updated optimal duct static pressure.

이를 통해, 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 지속적으로 최적 급기온도 및 최적 덕트정압을 갱신할 수 있고, 갱신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기의 구동함으로써 냉난방에서 소비되는 에너지를 최소화할 수 있는 효과가 있다.Through this, the centralized air conditioning system using the genetic algorithm according to an embodiment of the present disclosure can continuously update the optimum air supply temperature and the optimum duct static pressure, and according to the updated optimal air supply temperature and the optimum duct static pressure By driving it is possible to minimize the energy consumed in the heating and cooling.

도 2는 본 개시의 일 실시예에 따른 최종모델 도출부(120)에서 최종 시스템에너지 모델이 도출되는 과정을 나타낸 순서도이다.2 is a flowchart illustrating a process of deriving a final system energy model from the final model derivation unit 120 according to an embodiment of the present disclosure.

도 2를 참조하면, 최종모델 도출부(120)는 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻을 수 있다(S121). 여기서, 시스템에너지 모델이란, 실내의 설정온도 도달 및 설정온도 유지를 위해, 냉난방공조기에서 필요로 하는 에너지 사용량의 총합을 구할 수 있는 수학식을 의미한다.Referring to FIG. 2, the final model derivation unit 120 may obtain a system energy model by combining one or more mathematical calculations (S121). Here, the system energy model refers to a mathematical expression that can calculate the total amount of energy required by the heating and cooling air conditioner in order to reach the set temperature and maintain the set temperature in the room.

시스템에너지 모델을 구성하는 하나 이상의 수학적 계산식에는, 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.One or more mathematical calculations constituting the system energy model may include, but are not limited to, one or more of an air conditioner system calculation, an outside air supply calculation, a blower energy consumption calculation, and a heat source facility energy consumption calculation.

공기조화기 시스템 계산식은, 외기 조건, 실내의 면적, 실내의 높이, 건물의 구조 등의 건물정보 등을 고려하여, 실내의 설정온도 도달 및 설정온도 유지를 위해 필요한 실내의 냉난방 부하를 계산할 수 있다. 또한, 공기조화기 시스템 계산식은, 계산된 실내의 냉난방 부하를 기초로 하여, 실내의 설정온도에 도달 및 실내의 설정온도를 유지하기 위한 급기풍량 및 급기온도를 계산할 수 있다.The air conditioner system calculation formula can calculate the heating and cooling load of the room required to reach the set temperature and maintain the set temperature in consideration of building information such as outdoor conditions, indoor area, indoor height, building structure, and the like. . In addition, the air conditioner system calculation formula may calculate the air supply air flow rate and the air supply temperature for reaching the indoor set temperature and maintaining the indoor set temperature based on the calculated heating and cooling load of the room.

외기도입량 계산식은 실외로부터 냉난방공조기로 도입되는 외기의 양을 계산할 수 있다.The outdoor air flow rate calculation formula can calculate the amount of outdoor air introduced into the air conditioning air conditioner from the outside.

송풍기 에너지소비량 계산식은, 송풍기 성능 계수, 송풍기 날개의 회전수, 송풍기의 정압, 및 송풍기의 축동력 등을 고려하여, 냉난방공조기에 포함된 송풍기에서 소비되는 에너지 사용량을 계산할 수 있다.The blower energy consumption calculation formula may calculate the amount of energy consumed by the blower included in the air conditioning and air conditioner in consideration of the blower performance coefficient, the number of revolutions of the blower blade, the static pressure of the blower, and the axial force of the blower.

열원설비 에너지소비량 계산식은 열원설비에서 소비되는 에너지 사용량을 계산할 수 있다. 열원설비는 난방의 경우 보일러, 냉방의 경우 냉동기가 포함될 수 있으나 이에 한정되는 것은 아니다.The energy consumption calculation formula of the heat source equipment may calculate the energy consumption of the heat source equipment. The heat source equipment may include, but is not limited to, a boiler for heating and a freezer for cooling.

예를 들어, 냉동기 에너지소비량 계산식의 경우, 냉동기의 정격용량, 냉방부하, 냉수온도, 응축기의 출구온도 및 부분 부하율을 고려하여, 냉방시 냉동기에서 소비되는 에너지 사용량을 계산할 수 있다.For example, in the case of the refrigerator energy consumption calculation formula, the energy consumption of the refrigerator during cooling may be calculated in consideration of the rated capacity of the refrigerator, the cooling load, the cold water temperature, the outlet temperature of the condenser, and the partial load ratio.

상술한 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식은 공기조화에서 일반적으로 사용되는 공지의 수학식 내지 수학적 모델이 활용될 수 있다.The above-described air conditioner system calculation, external air content calculation formula, blower energy consumption calculation formula and heat source equipment energy consumption calculation formula can be utilized a well-known mathematical formula or mathematical model commonly used in air conditioning.

또한, 최종모델 도출부(120)는 데이터 입력부(110)로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산할 수 있다(S122). 여기서, 시스템에너지 사용예측량은, 실내의 설정온도 도달 및 설정온도 유지를 위해, 냉난방공조기에서 필요하다고 예측되는 에너지 사용량의 총합을 의미한다.In addition, the final model derivation unit 120 may calculate the system energy usage prediction amount by substituting one or more of the external air condition, the initial air supply temperature, and the initial duct static pressure received from the data input unit 110 into the system energy model (S122). Here, the system energy usage prediction amount means the total sum of energy consumption that is expected to be required in the air conditioning and air conditioner in order to reach the set temperature and maintain the set temperature in the room.

또한, 최종모델 도출부(120)는 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교할 수 있다(S123). 이때, 최종모델 도출부(120)는 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복할 수 있고(S124), 이를 통해, 최종적으로 최종 시스템에너지 모델을 도출할 수 있다(S125).In addition, the final model derivation unit 120 may compare the system energy usage prediction amount and the actual system energy usage (S123). At this time, the final model derivation unit 120 may repeat the model feedback process until the system energy usage prediction amount is within the error range of the actual system energy usage (S124), thereby finally deriving the final system energy model. It may be (S125).

여기서, 실제 시스템에너지 사용량은, 실내의 설정온도 도달 및 설정온도 유지를 위해, 냉난방공조기에서 실제로 소비되고 있는 에너지 사용량의 총합을 의미하며, 모델 피드백과정은, 최종 시스템에너지 모델을 도출하기 위해, 기존의 시스템에너지 모델을 수정하는 일련의 과정을 의미한다.Here, the actual system energy usage means the total amount of energy actually consumed in the air conditioning and air conditioner in order to reach the set temperature and maintain the set temperature in the room. The model feedback process is performed in order to derive the final system energy model. The process of modifying the system energy model.

또한, 최종 시스템에너지 모델은, 실제 시스템에너지 사용량의 오차범위 내에 있는 시스템에너지 사용예측량을 계산할 수 있는 시스템에너지 모델을 의미한다.In addition, the final system energy model refers to a system energy model capable of calculating a system energy usage prediction amount within an error range of actual system energy usage.

구체적으로, 본 개시의 일 실시예에서 모델 피드백과정은, 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교한 후, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 모델 피드백과정을 반복하며, 반대로, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때 수정된 시스템에너지 모델을 최종 시스템에너지 모델로 하는 것을 의미할 수 있다.Specifically, in one embodiment of the present disclosure, the model feedback process obtains a modified system energy model by changing one or more coefficient values included in a mathematical calculation, and calculates the system energy use prediction amount and the actual system calculated from the modified system energy model. After comparing the energy usage, the model feedback process is repeated when the system energy usage forecast calculated from the modified system energy model is outside the error range of the actual system energy usage, and vice versa. When the predicted amount is within the error range of actual system energy usage, it may mean that the modified system energy model is used as the final system energy model.

이때, 모델 피드백과정에서 수정되는 하나 이상의 계수값에는 열전달 계수, 펌프성능 계수 및 송풍기성능 계수 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.In this case, one or more coefficient values modified in the model feedback process may include, but are not limited to, one or more of a heat transfer coefficient, a pump performance coefficient, and a blower performance coefficient.

또한, 계수값이 수정되는 방식은 이미 데이터베이스화 되어 있는 계수들의 값을 차례로 대입하여 수정되는 방식일 수 있다. 예를 들어, 냉난방공조기의 구성요소 중 성능계수가 밝혀지지 않은 구성요소가 존재할 때, 해당 구성요소와 최대한 유사한 스펙을 가지면서 성능계수가 밝혀진 다른 제품의 성능계수를 대입하는 방식으로 계수값이 수정될 수 있다.In addition, the method of modifying the coefficient value may be a method of modifying by substituting values of coefficients already databased. For example, when there is a component whose performance coefficient is not known among the components of HVAC, the coefficient value is modified by substituting the performance coefficient of another product which has a specification that is as close as possible to the component and whose performance coefficient is known. Can be.

본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 유전 알고리즘 구동 이전에 모델 피드백과정을 더 포함함으로써, 더 정확한 목적함수를 도출할 수 있고, 이로써, 유전 알고리즘을 통해 도출되는 최적 급기온도 및 최적 덕트정압 또한 더 정확한 값을 도출할 수 있는 효과가 있다.The centralized air conditioning system using the genetic algorithm according to an embodiment of the present disclosure may further include a model feedback process prior to driving the genetic algorithm, thereby deriving a more accurate objective function, thereby optimizing the optimal result derived from the genetic algorithm. The supply air temperature and the optimum duct static pressure also have the effect of obtaining more accurate values.

도 3은 본 개시의 일 실시예에 따른 최적값 도출부(130)에서 최적 급기온도 및 최적 덕트정압이 도출되는 과정을 나타낸 순서도이다.3 is a flowchart illustrating a process of deriving an optimum air supply temperature and an optimum duct static pressure in an optimum value deriving unit 130 according to an embodiment of the present disclosure.

도 3을 참조하면, 최적값 도출부(130)는 최종모델 도출부(120)에서 도출된 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하여(S131), 유전 알고리즘을 구동할 수 있다(S132).Referring to FIG. 3, the optimum value derivation unit 130 uses the final system energy model derived from the final model derivation unit 120 as the objective function of the genetic algorithm, and the air supply temperature and the duct static pressure as variables of the genetic algorithm ( In operation S131, the genetic algorithm may be driven in operation S132.

유전 알고리즘(genetic algorithm)은 생물의 진화 과정을 기반으로 한 최적값 도출 방법으로서, 본 개시에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템에서는 최적 급기온도 및 최적 덕트정압을 얻는 데 활용된다.Genetic algorithm (genetic algorithm) is a method of deriving the optimal value based on the evolution of the organism, is used to obtain the optimum air supply temperature and the optimum duct static pressure in the central air conditioning system using the genetic algorithm according to the present disclosure.

최종적으로, 최적값 도출부(130)는 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출할 수 있다.Finally, the optimum value deriving unit 130 calculates the optimum air supply temperature and the optimum duct static pressure at which the system energy usage prediction amount calculated from the final system energy model is minimized under the condition of maintaining the set room temperature from the objective function by using a genetic algorithm. Can be derived.

본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 유전 알고리즘을 이용하여 시스템에너지 사용량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출할 수 있으며, 도출된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기를 구동함으로써 냉난방에서 소비되는 에너지를 최소화할 수 있는 효과가 있다.In the centralized air conditioning system using the genetic algorithm according to the exemplary embodiment of the present disclosure, the optimal air supply temperature and the optimal duct static pressure, which minimize the system energy consumption, may be derived by using the genetic algorithm. By operating the cooling and heating air conditioner according to the duct static pressure, there is an effect that can minimize the energy consumed in the heating and cooling.

도 4는 본 개시의 다른 실시예에 따른 기상데이터 수신부(150) 및 제어부(160)를 포함하는 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.4 is a block diagram of a centralized air conditioning system using a genetic algorithm including a weather data receiver 150 and a controller 160 according to another embodiment of the present disclosure.

도 4를 참조하면, 유전 알고리즘을 이용한 중앙집중식 공조시스템은 기상데이터 수신부(150) 및 제어부(160)를 포함할 수 있다.Referring to FIG. 4, the centralized air conditioning system using the genetic algorithm may include a weather data receiver 150 and a controller 160.

기상데이터 수신부(150)는 시간에 따른 예상 외기조건을 수신한다. 여기서, 예상 외기조건이란, 현재 시점에서 장래에 예상되는 외기의 상태를 의미하며, 예상 외기조건에는 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.The weather data receiver 150 receives the expected outside air condition over time. Here, the expected outside air condition means the state of the outside air expected in the future at the present time, and the expected outside air condition may include at least one of dry bulb temperature of the outside air, wet bulb temperature of the outside air, and relative humidity of the outside air, but is not limited thereto. no.

기상데이터 수신부(150)는, 예상 외기조건을 수신하기 위해, 기상청에서 제공하는 일기예보 정보를 수신할 수 있다.The weather data receiver 150 may receive weather forecast information provided by the meteorological office in order to receive the expected outside air condition.

본 개시의 다른 실시예의 최적값 도출부(130)는 기상데이터 수신부(150)로부터 수신된 예상 외기조건을 최종 시스템에너지 모델에 대입하여 시간에 따른 예상 최적 급기온도 및 예상 최적 덕트정압을 도출할 수 있다.The optimum value deriving unit 130 according to another embodiment of the present disclosure may derive the expected optimal air supply temperature and the expected optimal duct static pressure over time by substituting the expected external air condition received from the weather data receiving unit 150 into the final system energy model. have.

여기서, 예상 최적 급기온도 및 예상 최적 덕트정압이란, 예상 외기조건 하에서 설정 실내온도를 유지하는 조건으로, 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 급기온도 및 덕트정압을 각각 의미한다.Here, the expected optimum air supply temperature and the expected optimal duct static pressure are conditions for maintaining the set room temperature under the expected external air condition, and mean the air supply temperature and the duct static pressure, respectively, in which the estimated amount of system energy usage calculated from the final system energy model is minimum. .

제어부(160)는 예상 최적 급기온도 및 예상 최적 덕트정압에 따라 구동부(140)를 제어할 수 있다.The controller 160 may control the driving unit 140 according to the expected optimum air supply temperature and the expected optimal duct static pressure.

본 개시의 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 예상 외기조건을 이용하여 예상 최적 급기온도 및 예상 최적 덕트정압을 냉난방공조기의 구동 전에 미리 도출할 수 있으며, 도출된 예상 최적 급기온도 및 예상 최적 덕트정압에 따라 냉난방공조기를 구동할 수 있는 효과가 있다.In the centralized air conditioning system using the genetic algorithm according to another embodiment of the present disclosure, the expected optimal air supply temperature and the expected optimal duct static pressure may be derived before the driving of the air conditioning and air conditioner using the expected external air condition, and the derived optimal air supply is derived. There is an effect that can drive the heating and cooling air conditioner according to the temperature and the expected optimal duct static pressure.

도 5는 본 개시의 또 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법을 나타낸 순서도이다.5 is a flowchart illustrating an air conditioning method using a centralized air conditioning system using a genetic algorithm according to another embodiment of the present disclosure.

후술될 본 발명의 또 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법의 구조 및 기능은 전술한 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템의 구조 및 기능과 실질적으로 유사하다. 이에, 설명의 중복을 피하기 위하여, 이하에서, 도 5와 관련된 내용 중 도 1 내지 도 4 관련하여 이미 기술된 내용에 대해서는 생략하여 기술하도록 한다.The structure and function of the air conditioning method using the centralized air conditioning system using the genetic algorithm according to another embodiment of the present invention to be described later, and the structure of the centralized air conditioning system using the genetic algorithm according to the embodiment of the present disclosure and It is substantially similar in function. Therefore, in order to avoid duplication of description, the contents already described with reference to FIGS. 1 to 4 will be omitted below.

도 5를 참조하면, 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법은 크게 6단계로 이루어진다(S501 내지 S506).Referring to Figure 5, the air conditioning method using a centralized air conditioning system using a genetic algorithm is largely made of six steps (S501 to S506).

우선, 데이터 입력부(110)를 이용하여 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신한다(S501). 외기조건은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상을 포함할 수 있으나 이에 한정되는 것은 아니다.First, at least one of an external air condition, an initial air supply temperature, and an initial duct static pressure is received using the data input unit 110 (S501). The outside air condition may include, but is not limited to, one or more of dry bulb temperature of the outside air, wet bulb temperature of the outside air, and relative humidity of the outside air.

다음으로, 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻는다(S502). 시스템에너지 모델을 구성하는 하나 이상의 수학적 계산식에는, 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.Next, a system energy model is obtained by combining one or more mathematical calculations (S502). One or more mathematical calculations constituting the system energy model may include, but are not limited to, one or more of an air conditioner system calculation, an outside air supply calculation, a blower energy consumption calculation, and a heat source facility energy consumption calculation.

다음으로, 데이터 입력부로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산한다(S503).Next, the system energy usage prediction amount is calculated by substituting one or more of the external air condition, the initial air supply temperature, and the initial duct static pressure received from the data input unit into the system energy model (S503).

다음으로, 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출한다(S504).Next, by comparing the system energy usage prediction amount and the actual system energy usage, the final system energy model is derived by repeating the model feedback process until the system energy usage prediction amount is within the error range of the actual system energy usage (S504).

구체적으로, 본 개시의 일 실시예에서 모델 피드백과정은, 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교한 후, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 모델 피드백과정을 반복하며, 반대로, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때 수정된 시스템에너지 모델을 최종 시스템에너지 모델로 하는 것을 의미할 수 있다.Specifically, in one embodiment of the present disclosure, the model feedback process obtains a modified system energy model by changing one or more coefficient values included in a mathematical calculation, and calculates the system energy use prediction amount and the actual system calculated from the modified system energy model. After comparing the energy usage, the model feedback process is repeated when the system energy usage forecast calculated from the modified system energy model is outside the error range of the actual system energy usage, and vice versa. When the predicted amount is within the error range of actual system energy usage, it may mean that the modified system energy model is used as the final system energy model.

이때, 모델 피드백과정에서 수정되는 하나 이상의 계수값에는 열전달 계수, 펌프성능 계수 및 송풍기성능 계수 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.In this case, one or more coefficient values modified in the model feedback process may include, but are not limited to, one or more of a heat transfer coefficient, a pump performance coefficient, and a blower performance coefficient.

다음으로, 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출할 수 있다(S505).Next, the final system energy model is the objective function of the genetic algorithm, the air supply temperature and the duct static pressure are the variables of the genetic algorithm, and the final system energy model is maintained under the conditions of maintaining the set room temperature from the objective function using the genetic algorithm. It is possible to derive the optimum air supply temperature and the optimum duct static pressure to minimize the calculated system energy usage prediction (S505).

최종적으로, 구동부(140)를 이용하여 최적값 도출부로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시킨다(S506).Finally, the driving unit 140 drives the HVAC according to the optimum air supply temperature and the optimum duct static pressure received from the optimum value deriving unit (S506).

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present embodiment, and those skilled in the art to which the present embodiment belongs may make various modifications and changes without departing from the essential characteristics of the present embodiment. Therefore, the present embodiments are not intended to limit the technical idea of the present embodiment but to describe the present invention, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of the present embodiment should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present embodiment.

110: 데이터 입력부 120: 최종모델 도출부 130: 최적값 도출부
140: 구동부 150: 기상데이터 수신부 160: 제어부110: data input unit 120: final model derivation unit 130: optimal value derivation unit
140: driving unit 150: weather data receiving unit 160: control unit

Claims (13)

중앙집중식 공조시스템에 있어서,
외기조건, 초기 급기온도 및 초기 덕트정압을 수신하는 데이터 입력부;
하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻고, 상기 데이터 입력부로부터 수신된 상기 외기조건, 상기 초기 급기온도 및 상기 초기 덕트정압을 상기 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하고, 상기 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 상기 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 최종모델 도출부;
상기 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 상기 목적함수로부터 설정 실내온도를 유지하는 조건에서 상기 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 최적값 도출부; 및
상기 최적값 도출부로부터 수신된 상기 최적 급기온도 및 상기 최적 덕트정압에 따라 냉난방공조기(HVAC)을 구동시키는 구동부를 포함하되,
상기 최적값 도출부는 일정시간 간격으로 상기 데이터 입력부로부터 상기 외기조건을 수신하고 이를 기초로 하여 상기 최적 급기온도 및 상기 최적 덕트정압을 갱신하고,
상기 구동부는 상기 갱신된 최적 급기온도 및 상기 갱신된 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시키되,
상기 수학적 계산식은 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식을 포함하고,
상기 모델 피드백과정은,
상기 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 상기 실제 시스템에너지 사용량을 비교하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 상기 모델 피드백과정을 반복하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때 상기 수정된 시스템에너지 모델을 상기 최종 시스템에너지 모델로 하고,
상기 계수값은 열전달 계수, 펌프성능 계수 및 송풍기성능 계수를 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.In the centralized air conditioning system,
A data input unit for receiving an external air condition, an initial air supply temperature, and an initial duct static pressure;
A system energy model is obtained by combining one or more mathematical formulas, and the system energy model is calculated by substituting the external air condition, the initial air supply temperature and the initial duct static pressure received from the data input unit into the system energy model, and calculating A final model derivation unit for comparing the energy usage prediction amount with the actual system energy usage and deriving a final system energy model by repeating a model feedback process until the system energy usage prediction amount is within an error range of the actual system energy usage;
The final system energy model is the objective function of the genetic algorithm, the air supply temperature and the duct static pressure are the variables of the genetic algorithm, and the final system energy model is maintained under the conditions of maintaining the set room temperature from the objective function using the genetic algorithm. An optimum value deriving unit for deriving an optimum air supply temperature and an optimum duct static pressure at which the calculated system energy usage prediction amount is minimized; And
A driving unit for driving a heating and cooling air conditioner (HVAC) according to the optimum air supply temperature and the optimum duct static pressure received from the optimum value deriving unit,
The optimum value deriving unit receives the external air condition from the data input unit at predetermined time intervals and updates the optimum air supply temperature and the optimum duct static pressure based on the external air condition.
The driving unit drives an HVAC according to the updated optimum air supply temperature and the updated optimal duct static pressure,
The mathematical calculation formula includes an air conditioner system calculation formula, external air content calculation formula, blower energy consumption formula and heat source equipment energy consumption formula,
The model feedback process,
The modified system energy model is obtained by changing one or more coefficient values included in the mathematical formula, and the system energy usage prediction value calculated from the modified system energy model is compared with the actual system energy usage, and from the modified system energy model, When the calculated system energy usage prediction amount is outside the error range of the actual system energy usage, the model feedback process is repeated, and the system energy usage prediction amount calculated from the modified system energy model is within the error range of the actual system energy usage. When the modified system energy model is the final system energy model,
The coefficient value includes a heat transfer coefficient, a pump performance coefficient and a blower performance coefficient.
Centralized air conditioning system using a genetic algorithm characterized by. 삭제delete 삭제delete 삭제delete 제1항에 있어서,
상기 외기조건은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method of claim 1,
The outside air condition may include at least one of dry bulb temperature of the outside air, wet bulb temperature of the outside air, and relative humidity of the outside air.
Centralized air conditioning system using a genetic algorithm characterized by. 삭제delete 제1항에 있어서,
시간에 따른 예상 외기조건을 수신하는 기상데이터 수신부를 더 포함하되,
상기 최적값 도출부는 상기 기상데이터 수신부로부터 수신된 상기 예상 외기조건을 상기 최종 시스템에너지 모델에 대입하여 시간에 따른 예상 최적 급기온도 및 예상 최적 덕트정압을 도출하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method of claim 1,
Further comprising a weather data receiving unit for receiving the expected outside conditions over time,
The optimum value derivation unit derives the expected optimal air supply temperature and the expected optimal duct static pressure over time by substituting the expected external air condition received from the meteorological data receiver into the final system energy model.
Centralized air conditioning system using a genetic algorithm characterized by. 제7항에 있어서,
상기 예상 최적 급기온도 및 상기 예상 최적 덕트정압에 따라 상기 구동부를 제어하는 제어부를 더 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method of claim 7, wherein
And a control unit for controlling the driving unit according to the expected optimum air supply temperature and the expected optimal duct static pressure.
Centralized air conditioning system using a genetic algorithm characterized by. 중앙집중식 공조시스템을 이용한 공기조화 방법에 있어서,
(a) 데이터 입력부를 이용하여 외기조건, 초기 급기온도 및 초기 덕트정압을 수신하는 단계;
(b) 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻는 단계;
(c) 상기 데이터 입력부로부터 수신된 상기 외기조건, 상기 초기 급기온도 및 상기 초기 덕트정압을 상기 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하는 단계;
(d) 상기 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 상기 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 단계;
(e) 상기 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 상기 목적함수로부터 설정 실내온도를 유지하는 조건에서 상기 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 단계;
(f) 상기 최적 급기온도 및 상기 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시키는 단계; 및
(g) 일정시간 간격으로 상기 외기조건을 수신하고, 상기 (a) 단계 내지 상기 (e) 단계를 반복하여, 상기 최적 급기온도 및 상기 최적 덕트정압을 갱신하고, 상기 갱신된 최적 급기온도 및 상기 갱신된 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시키는 단계를 포함하되,
상기 수학적 계산식은 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식을 포함하고,
상기 모델 피드백과정은,
상기 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 상기 실제 시스템에너지 사용량을 비교하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 상기 모델 피드백과정을 반복하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때 상기 수정된 시스템에너지 모델을 상기 최종 시스템에너지 모델로 하고,
상기 계수값은 열전달 계수, 펌프성능 계수 및 송풍기성능 계수를 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.In the air conditioning method using a centralized air conditioning system,
(a) receiving an outside air condition, an initial air supply temperature, and an initial duct static pressure by using a data input unit;
(b) combining one or more mathematical equations to obtain a system energy model;
(c) calculating a system energy usage prediction amount by substituting the external air condition, the initial air supply temperature, and the initial duct static pressure received from the data input unit into the system energy model;
(d) comparing the system energy usage prediction amount with the actual system energy usage amount and deriving a final system energy model by repeating a model feedback process until the system energy usage prediction amount is within an error range of the actual system energy usage amount;
(e) The final system energy model is the objective function of the genetic algorithm, the air supply temperature and the duct static pressure are variables of the genetic algorithm, and the final system is maintained under the condition of maintaining the set room temperature from the objective function using the genetic algorithm. Deriving an optimum air supply temperature and an optimum duct static pressure that minimize the estimated system energy usage from the energy model;
(f) driving an HVAC according to the optimum air supply temperature and the optimum duct static pressure; And
(g) Receiving the outside air condition at regular time intervals, repeating steps (a) to (e) to update the optimum air supply temperature and the optimum duct static pressure, and update the updated optimum air supply temperature and the Driving the HVAC according to the updated optimal duct static pressure,
The mathematical calculation formula includes an air conditioner system calculation formula, external air content calculation formula, blower energy consumption formula and heat source equipment energy consumption formula,
The model feedback process,
The modified system energy model is obtained by changing one or more coefficient values included in the mathematical formula, and the system energy usage prediction value calculated from the modified system energy model is compared with the actual system energy usage, and from the modified system energy model, When the calculated system energy usage prediction amount is outside the error range of the actual system energy usage, the model feedback process is repeated, and the system energy usage prediction amount calculated from the modified system energy model is within the error range of the actual system energy usage. When the modified system energy model is the final system energy model,
The coefficient value includes a heat transfer coefficient, a pump performance coefficient and a blower performance coefficient.
Air conditioning method using a centralized air conditioning system using a genetic algorithm characterized in that. 삭제delete 삭제delete 삭제delete 제9항에 있어서,
상기 외기조건은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.The method of claim 9,
The outside air condition may include at least one of dry bulb temperature of the outside air, wet bulb temperature of the outside air, and relative humidity of the outside air.
Air conditioning method using a centralized air conditioning system using a genetic algorithm characterized in that.
KR1020170177532A 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same KR102049005B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170177532A KR102049005B1 (en) 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170177532A KR102049005B1 (en) 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same

Publications (2)

Publication Number Publication Date
KR20190075717A KR20190075717A (en) 2019-07-01
KR102049005B1 true KR102049005B1 (en) 2019-11-26

Family

ID=67255557

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170177532A KR102049005B1 (en) 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same

Country Status (1)

Country Link
KR (1) KR102049005B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023038405A1 (en) * 2021-09-08 2023-03-16 오토시맨틱스 주식회사 Device and method for generating heat simulator of building

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101301123B1 (en) * 2012-05-31 2013-12-31 충남대학교산학협력단 Prediction method for cooling and heating load
JP2015505030A (en) * 2012-01-23 2015-02-16 アース・ネットワークス・インコーポレイテッドＥａｒｔｈ Ｎｅｔｗｏｒｋｓ，Ｉｎｃ． Optimization and control of building energy consumption

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130127697A (en) * 2012-05-15 2013-11-25 성균관대학교산학협력단 System for energy control based on genetic algorithm, and the method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015505030A (en) * 2012-01-23 2015-02-16 アース・ネットワークス・インコーポレイテッドＥａｒｔｈ Ｎｅｔｗｏｒｋｓ，Ｉｎｃ． Optimization and control of building energy consumption
KR101301123B1 (en) * 2012-05-31 2013-12-31 충남대학교산학협력단 Prediction method for cooling and heating load

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023038405A1 (en) * 2021-09-08 2023-03-16 오토시맨틱스 주식회사 Device and method for generating heat simulator of building

Also Published As

Publication number Publication date
KR20190075717A (en) 2019-07-01

Similar Documents

Publication Publication Date Title
US11385607B2 (en) Variable air volume modeling for an hvac system
JP6976976B2 (en) Multilevel model predictive control system and method
US20200166230A1 (en) Controller for hvac unit
US8655492B2 (en) Air-conditioning apparatus control device and refrigerating apparatus control device
JP4630702B2 (en) Heat source system optimum operation control device
EP3270239A1 (en) Device characteristic model learning device, device characteristic model learning method, and storage medium
JP4905939B2 (en) Operation control method for air conditioning system
CN110107989A (en) Small-sized based on chilled water return water temperature optimum set point determines frequency water cooler and becomes temperature control method of water
CN104613593A (en) Air conditioner and electric heating control method thereof
Gao et al. An optimization strategy for the control of small capacity heat pump integrated air-conditioning system
CN113339941B (en) Control method of variable frequency air conditioner
US20160290667A1 (en) Air-conditioning control device and storage medium
US20080277488A1 (en) Method for Controlling HVAC Systems
JPWO2020179088A1 (en) Air conditioning management equipment, air conditioning management system, air conditioning management method and program
CN109612047A (en) The supply air temperature control method of air conditioning system with variable
CN115729093A (en) Mushroom house air conditioner control and regulation method and system
KR102049005B1 (en) Centralized HVAC System Using Genetic Algorithm and Method Using The Same
Chen et al. A new multiplexed optimization with enhanced performance for complex air conditioning systems
EP3098529B1 (en) Coordinated control of hvac system using aggregated system demand
RU2570784C2 (en) Method and plant of temperature regulation in building
JP5903731B2 (en) Air conditioning heat source system for buildings
CN112728739B (en) Method and device for determining set value of air supply temperature of air conditioning box based on algorithm prediction
JP4155930B2 (en) Air conditioning control device and operation control method for air conditioning equipment
EP3391156A1 (en) Adaptive control of hvac system
CN111895623A (en) Control method and system for multi-connected air conditioning unit

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant