KR102085956B1 - apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy - Google Patents

apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy Download PDF

Info

Publication number
KR102085956B1
KR102085956B1 KR1020190104537A KR20190104537A KR102085956B1 KR 102085956 B1 KR102085956 B1 KR 102085956B1 KR 1020190104537 A KR1020190104537 A KR 1020190104537A KR 20190104537 A KR20190104537 A KR 20190104537A KR 102085956 B1 KR102085956 B1 KR 102085956B1
Authority
KR
South Korea
Prior art keywords
regression model
unit
variable
variables
user
Prior art date
Application number
KR1020190104537A
Other languages
Korean (ko)
Inventor
권오경
김수종
박원장
양수현
Original Assignee
주식회사 에코시안
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 주식회사 에코시안 filed Critical 주식회사 에코시안
Priority to KR1020190104537A priority Critical patent/KR102085956B1/en
Application granted granted Critical
Publication of KR102085956B1 publication Critical patent/KR102085956B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

An apparatus of generating a regression model for analyzing a used amount and saving rate of building energy according to one embodiment of the present invention comprises: a data collection and storage unit for collecting building energy management system (BEMS) data including name of onsite facilities located inside a building, a measured value of the onsite facilities, source of measuring equipment and measurement location in a BEMS; a variable and basis function setting unit for searching and inquiring the BEMS data according to input information of a user input through a regression model generation platform, setting the searched and inquired BEMS data according to the user input information as an independent variable and a dependent variable, and setting a type of a basic function to be applied to a regression model to be generated; a regression model generation unit for generating a regression model according to the set independent variable, dependent variable and type of the basic function; a regression model registration management unit for registering the regression model generated in the regression model generation unit for each user in a list, and managing the same; and a regression model edit unit for providing a display unit with an edit means for inquiring a regression model registered and deleted according to the input information of the user, editing technical content and variables of the regression model, and editing a reference tag according to the edited variables.

Description

건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치{apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy}Apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy}

본 발명은 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치에 관한 것이다.The present invention relates to an apparatus for generating a regression model for analysis of building energy consumption and reduction rate.

시뮬레이션 틀은 열역학, 수치해석 이론에 기반한 수학식을 활용하여 건물에서 발생하는 유기적인 열전달 현상을 모사한다.The simulation framework simulates organic heat transfer phenomena occurring in buildings using mathematical formulas based on thermodynamics and numerical analysis theory.

시뮬레이션 툴의 정확성 및 신뢰성은 많은 연구를 통해 검증되어 왔다. 하지만, 시뮬레이션 모델의 정확성은 정보의 수준 및 모델링 가정 그리고 툴의 활용능력 등에 좌우된다. 더불어, 시뮬레이션 모델의 구조는 직접적으로 측정될 수 없는 변수를 지니며, 이들은 실제 데이터를 통해 보정(calibration)도리 수 밖에 없다. 따라서, 설계단계에서 시뮬레이션 모델을 활용한 건물에너지 성능 분석은 필수적인 요소로 자리매김하였음에도 불구하고, 불확실하지만 적절한 가정의 사용을 전제로 한다.The accuracy and reliability of the simulation tool has been verified through many studies. However, the accuracy of the simulation model depends on the level of information and modeling assumptions and the ability to use the tool. In addition, the structure of the simulation model has variables that cannot be measured directly, and they have no choice but to calibrate through actual data. Therefore, the analysis of building energy performance using a simulation model in the design stage is premised on the use of uncertain but appropriate assumptions, although it has been established as an essential element.

더불어, 최근에는 기존 건축물의 운영에 시뮬레이션 모델을 활용한 모델 기반 예측제어(Model Predictive Control)가 시도되고 있다. 하지만, 실시간 건물의 운영 및 제어를 위하여 주관적인 판단과 과정, 불확실한 요소가 내재된 시뮬레이션 모델을 활용하고, 또한 상당한 연산시간을 거쳐 결과를 도출하는 것은 비현실적일 수 있다.In addition, in recent years, model-based predictive control using a simulation model for the operation of existing buildings has been attempted. However, it may be unrealistic to use a simulation model in which subjective judgments, processes, and uncertain elements are embedded for the operation and control of real-time buildings, and to derive results through considerable computation time.

따라서, 시뮬레이션 모델의 연산시간을 단축시키면서도 실제 혹은 모델의 거동을 근사하게 모사할 수 있는 대리모델(surrogate model)의 활용이 주목받고 있다. 모델의 모델(model of model)로 표현될 수 있는 대리 모델은 어떠한 모델의 입력과 출력의 상관관계를 설명하는 통계적 모델이다. 또한, 대리 모델은 시뮬레이션 모델과 달리 불확실한 변수를 정의하지 않고도, 실제 계측된 데이터만을 활용하여 모델의 불확실성을 표현할 수 있다. 이와 같은 장점을 기반으로, 대리 모델은 수문학, 항공학, 지질학, 기계공학 등 다양한 분야에서 널리 활용되고 있다. 대리 모델은 데이터 기반 모델(data-driven model), 감소순서 모델(reduced-order model), 계층 모형(hierarchical model) 등이 있으며, 입력 값과 출력 값 사이의 상관관계가 블랙박스(black-box)일 경우, 데이터 기반(data-driven) 모델이 사용될 수 있다.Accordingly, the use of a surrogate model that can approximate the behavior of a real or model while reducing the computation time of a simulation model has attracted attention. A surrogate model, which can be expressed as a model of model, is a statistical model that describes the correlation between input and output of a model. In addition, the surrogate model can express uncertainty of the model by using only the actual measured data without defining uncertain variables, unlike the simulation model. Based on these advantages, surrogate models are widely used in various fields such as hydrology, aeronautics, geology, and mechanical engineering. Surrogate models include data-driven models, reduced-order models, hierarchical models, etc., and the correlation between input values and output values is black-box. In one case, a data-driven model can be used.

한편 BEMS(Building Energy Management System)는 건물의 효율적인 에너지 사용을 위해, 다수의 센서와 계측 장비를 통해 건물의 데이터를 실시간으로 수집한다. 하지만, 실제 대부분의 데이터는 노이즈(noise)의 영향을 받으며, 센서 혹은 데이터 처리 시스템의 오류로 인하여 이상치(outlier)가 수집될 수도 있다. 이러한 이상치는 데이터 기반 모델의 신뢰성을 저해할 수 있다. 따라서 이상치를 제거하면서도 올바른 데이터를 확보하는 것이 중요하며, 이를 위해 노이즈 필터링 기법들이 적용되고 있다.Meanwhile, BEMS (Building Energy Management System) collects building data in real time through a number of sensors and measurement equipment for efficient energy use in buildings. However, most of the data is actually affected by noise, and outliers may be collected due to errors in the sensor or data processing system. These outliers can undermine the reliability of the data-driven model. Therefore, it is important to ensure correct data while removing outliers, and noise filtering techniques are applied for this.

건물의 설비시스템들은 자동제어 혹은 최적제어를 통해 운영되기도 하지만, 최종적인 건물의 운영에 대한 종합적인 결정은 운영자의 주관적 판단에 절대적인 권한을 부여하는 경우가 대부분이다. 이때 운영자는 자신의 경험과 직관으로 능동적으로 운영전략을 수립하기도 하지만, 건물에서 발생하는 실내외 환경적 조건에 따라 설비시스템들의 운전을 수동적으로 제어하기도 한다. 하지만, 이와 같은 주관적인 운영은 건물 내에서 발생하는 다양한 상황에 대해 항상 정확한 진단 및 대처를 하고 있다고 설명하기 힘들다. 따라서 시뮬레이션 툴이 사람의 역할을 대신하여 건물의 성능을 정밀히 진단하고, 운영전략을 수립하며, 다양한 상황에 대해 대처할 수 있을 것으로 주목받고 있다.Although the building's facility systems are operated through automatic or optimal control, it is often the case that a comprehensive decision on the final building's operation gives absolute power to the subjective judgment of the operator. At this time, the operator actively establishes an operating strategy based on his experience and intuition, but also manually controls the operation of facility systems according to the indoor and outdoor environmental conditions occurring in the building. However, it is difficult to explain that such a subjective operation always provides accurate diagnosis and response to various situations occurring within a building. Therefore, it is attracting attention that simulation tools can accurately diagnose building performance on behalf of human roles, establish operational strategies, and cope with various situations.

비특허문헌으로 후술하는 Ahn et al.(2013) 등에 기술된 바와 같이, 본 발명자들은 EnergyPlus 6.0을 활용하여 주어진 환경적 조건(정보, 데이터, 시간 등)에 따라 실제 건물의 거동과 유사하도록 최대한 정밀하게 모델링한바 있다. 연간 에너지 사용량에 있어서 시뮬레이션 모델과 실제 측정데이터의 오차가 5% 이내일 경우, 혹은 월별데이터가 5%의 MBE(Mean Bias Error)와 15%의 CVRMSE(Coefficient of Variation of the Root Mean Squared Error) 이내일 경우를 실제에 근사한 모델(ASHRAE, 2002)이라 한다. 전술한 논문에서 본 발명자들이 구축한 시뮬레이션 모델은 문헌에서 제시하는 오차범위를 만족하는 신뢰할만한 수준의 모델이었다.As described in Ahn et al. (2013) described later as a non-patent document, the present inventors utilize EnergyPlus 6.0 to be as precise as possible to be similar to the behavior of an actual building according to given environmental conditions (information, data, time, etc.). I modeled it. If the error between the simulation model and the actual measurement data is within 5% of the annual energy consumption, or the monthly data is within 5% of the mean bias error (MBE) and 15% of the coefficient of variation of the root mean squared error (CVRMSE) One case is called an approximate model (ASHRAE, 2002). The simulation model constructed by the present inventors in the above-mentioned paper was a reliable level model that satisfies the error range suggested in the literature.

그럼에도, 시뮬레이션 모델의 구축과정 및 결과에서 발생하는 아래의 쟁점들은 건물의 운영관리를 위한 시뮬레이션 모델의 적용을 어렵게 했다.Nevertheless, the following issues arising from the construction process and results of the simulation model made it difficult to apply the simulation model for the operation management of the building.

● 주관적 판단과 가정(indispensable subjective assumptions and judgment): 시뮬레이션 모델은 냉동기의 효율, 성능곡선 등 보정을 통해서만 추정 가능한 변수를 포함한다. 더불어, 시뮬레이션 툴은 건물에서 발생하는 열전달 과정의 함축적인 표현을 위한 도구이므로, 해당 도구를 활용하기 위해서는 사용자의 주관적인 판단과 가정이 필연적으로 개입된다.● Subjective assumptions and judgment: The simulation model includes variables that can only be estimated through corrections such as the efficiency and performance curve of the refrigerator. In addition, since the simulation tool is a tool for implicit expression of the heat transfer process occurring in a building, subjective judgment and assumptions of the user are inevitably involved in order to utilize the tool.

● 시뮬레이션 연산 시간(computation time): 대상 건물의 크기, 존의 수, 기계설비 계통 등에 따라 시뮬레이션 모델의 연산시간은 상이하지만, 모델의 정밀성과 복잡성에 따라 연산시간은 급격히 증가된다. (대상건물의 EnergyPlus 시뮬레이션 모델은 연간 시뮬레이션 시, 약 30시간 소요됨.)● Simulation calculation time: The calculation time of the simulation model varies depending on the size of the target building, the number of zones, and the mechanical system, but the calculation time increases rapidly depending on the precision and complexity of the model. (The EnergyPlus simulation model of the target building takes about 30 hours for annual simulation.)

● 불확실성(uncertainty): 시뮬레이션 모델은 1)건축자재의 밀도 및 비열, 기계설비의 효율 등 속성 값의 불확실성, 2)사용자의 가정에 따른 불확실성, 3)수치해석의 불확실성, 4)시나리오의 불확실성 등이 존재한다. 이를 표현하기 위한 몬테카를로 기법의 적용은 수천 번의 시뮬레이션 연산을 요구한다.● Uncertainty: The simulation model includes 1) uncertainty of attribute values such as density and specific heat of building materials, efficiency of mechanical equipment, 2) uncertainty according to user's assumptions, 3) uncertainty of numerical analysis, 4) uncertainty of scenario, etc. This exists. The application of Monte Carlo technique to express this requires thousands of simulation operations.

● 신뢰성 낮은 데이터(dirty data): 계측되는 BEMS 데이터들은 노이즈가 포함되거나, 센서의 오류로 인해 이상치가 존재한다. 또한, 기록되지 않는 시기가 존재하는 등 신뢰할 수 없는 수준의 불완전한 데이터일 수 있다. 따라서 데이터에 대한 진단 및 올바른 데이터를 선별하기 위한 별도의 작업이 필요하다.● Dirty data: BEMS data being measured contains noise or there is an outlier due to sensor error. It may also be an unreliable level of incomplete data, such as the presence of unrecorded timing. Therefore, a separate operation is required to diagnose data and select the correct data.

물리적 현상의 원인과 결과 혹은 시스템의 입력과 출력 사이의 상관관계는 다양한 방법으로 설명이 가능하다. The cause and effect of physical phenomena or the correlation between input and output of a system can be explained in various ways.

건물의 경우 1) 대수방정식 모델, 2) 동적 시뮬레이션 모델, 3) 상태공간 방정식 모델, 4) 데이터 기반 모델로 표현할 수 있다. For buildings, it can be expressed as 1) algebraic equation model, 2) dynamic simulation model, 3) state-space equation model, and 4) data-driven model.

현재 상기 모델 가운데, 비교적 사용하기 간편한 대수방정식 모델과 건물에서 발생하는 물리적 거동을 시변으로 정밀하게 표현할 수 있는 동적 시뮬레이션 모델의 활용이 지배적이다. 그럼에도, 여전히 전술한 쟁점들은 해결되지 못하고, 그 실용성에 대한 의구심이 남아 있다.Currently, among the above models, the use of a relatively easy-to-use algebraic equation model and a dynamic simulation model capable of accurately expressing physical behavior occurring in a building as time-varying is dominant. Nevertheless, the above-mentioned issues remain unresolved, and doubts remain about its practicality.

한편, 데이터 기반 모델은 물리 역학적 수식에 의거하지 않은 경우에도 활용할 수 있는 블랙박스 모델이다. 즉, 데이터의 상관관계를 표현하는 일종의 회귀모델이기 때문에, 물리 역학적 수식에 대한 이해와 실제 현상을 수식으로 함축적으로 표현하기 위한 가정이 불필요하다. 더불어, 실제 데이터를 기반으로 구축되는 모델이기 때문에, 입력변수에 대한 추정 및 보정이 불필요하다. 따라서 실제 데이터를 확보할 수 있는 기존 건축물이라면, 전술한 쟁점들을 극복할 수 있는 데이터 기반 모델이 시뮬레이션 모델에 비해 효과적으로 사용될 수 있다.On the other hand, the data-driven model is a black box model that can be used even if it is not based on physico-mechanical equations. In other words, since it is a kind of regression model that expresses the correlation of data, it is not necessary to make an assumption about understanding physical physics equations and implicitly expressing actual phenomena with equations. In addition, since the model is built based on actual data, estimation and correction of input variables are unnecessary. Therefore, if it is an existing building that can secure real data, a data-based model that can overcome the above-mentioned issues can be effectively used compared to a simulation model.

이에 본 발명은 건물 에너지 절감 기술 적용 및 운영 후에 기술 적용에 따른 효과 평가를 위한 건물에너지 사용량 및 절감율을 회귀분석하는 회귀모델 생성 장치에 관한 것이다.Accordingly, the present invention relates to an apparatus for generating a regression model for regression analysis of a building energy use and a reduction rate for evaluating an effect of applying a technology after applying and operating a building energy saving technology.

공개특허공보 10-2016-0055717호Patent Publication No. 10-2016-0055717

본 발명이 해결하고자 하는 과제는 종래의 문제점을 해결할 수 있는 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치를 제공하는 데 그 목적이 있다.The problem to be solved by the present invention is to provide a device for generating a regression model for analysis of building energy consumption and reduction rate that can solve the conventional problems.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치는 BEMS(Building Energy Management System)에서 건물 내에 위치하는 현장설비명, 현장설비의 측정값, 측정기기의 재원, 측정위치를 포함하는 BEMS 데이터를 수집하는 데이터 수집 및 저장부; 회귀모델 생성 플랫폼을 통해 입력된 사용자의 입력정보에 따른 상기 BEMS 데이터를 검색조회하고, 사용자 입력정보에 따른 검색조회된 BEMS 데이터를 독립변수 및 종속변수로 설정 및 생성될 회귀 모델에 적용될 기저함수의 유형을 설정하는 변수 및 기저함수 설정부; 설정된 독립변수, 종속변수 및 기저함수의 유형에 따른 회귀모델을 생성하는 회귀모델 생성부; 상기 회귀모델 생성부에서 생성된 회귀모델을 사용자 별 및 리스트로 등록관리하는 회귀모델 등록관리부; 상기 사용자의 입력정보에 따라 등록 및 삭제된 회귀모델 조회, 회귀모델의 기술내용 및 변수를 편집, 편집된 변수에 따른 표준 태그를 편집하기 위한 편집수단을 표시부로 제공하는 회귀모델 편집부; 및 상기 회귀모델 생성부에서 생성된 회귀모델의 독립변수 및 종속변수와 상기 태그 리스트 내의 변수들을 연동시키는 데이터 연동부;를 포함하고, 상기 데이터 수집 및 저장부는 상기 회귀모델 생성부에서 회귀모델 생성시에, 생성된 회귀모델의 변수들을 표준 태그로 데이터 확장자를 가공한 후, 태그 리스트로 저장 및 관리하고, 상기 회귀모델 생성 플랫폼은 사용자 로그인 관리부와 연동되며, 사용자 ID 및 패스워드를 통해 사용자가 네트워크에 접속하기 위한 수단을 포함하는 사용자 로그인 인터페이스; 회귀모델 등록관리부와 연동되고, 상기 회귀모델 등록관리부에 등록된 회귀모델을 조회(검색)하기 위한 조회수단, 조회결과에 따른 등록된 회귀모델을 표시하는 표시수단을 제공하는 회귀모델 현황 인터페이스; 데이터 수집 및 저장부와 연동되며, 사용자 입력정보에 상응하는 BEMS 데이터(현장설비, 측정값, 단위, 측정기기, 측정위치, 업데이트 시각 등)를 데이터 수집 및 저장부에서 추출하여 표시하는 태그 현황 인터페이스; 및 상기 회귀모델 생성부, 회귀모델 편집부 및 변수 및 기저함수 설정부와 연동되며, 생성할 회귀모델의 독립변수 및 종속변수에 대한 변수설명 및 기저함수의 유형을 조회 또는 직접입력하기 위한 수단을 포함하는 회귀모델 생성 인터페이스를 포함한다.The apparatus for generating a regression model for analyzing the building energy usage and saving rate according to an embodiment of the present invention for solving the above problems is the field facility name, the measured value of the field facility, the measuring device located in the building in the BEMS (Building Energy Management System) A data collection and storage unit that collects BEMS data including resources and measurement locations; The search of the BEMS data according to the user's input information input through the regression model creation platform, and the searched BEMS data according to the user's input information are set as independent and dependent variables, and the basis function to be applied to the regression model to be generated Variable and base function setting unit for setting the type; A regression model generation unit that generates a regression model according to the set of independent variables, dependent variables, and basis functions; A regression model registration management unit that registers and manages the regression model generated by the regression model generation unit by user and list; A regression model editing unit that provides, as a display unit, editing means for retrieving the registered and deleted regression model according to the user's input information, editing the description and variables of the regression model, and editing standard tags according to the edited variable; And a data linkage linking independent variables and dependent variables of the regression model generated by the regression model generation section with variables in the tag list, wherein the data collection and storage section is generated when the regression model generation section is generated by the regression model generation section. In, after processing the data extension of the generated regression model with a standard tag, and storing and managing it as a tag list, the regression model generation platform is linked with a user login management unit, and a user is connected to a network through a user ID and password. A user login interface comprising means for accessing; A regression model status interface interworking with the regression model registration management unit and providing a search means for inquiring (searching) the regression model registered in the regression model registration management unit and a display means for displaying the registered regression model according to the search result; Tag status interface that is interlocked with the data collection and storage unit and extracts and displays BEMS data (field equipment, measurement values, units, measuring devices, measurement locations, update times, etc.) corresponding to user input information from the data collection and storage unit ; And a means for inquiring or directly inputting variable descriptions and types of basis functions for independent variables and dependent variables of the regression model to be generated, and interworking with the regression model generation unit, regression model editing unit, and variable and base function setting unit. Includes a regression model generation interface.

삭제delete

삭제delete

삭제delete

삭제delete

본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치는 사용자 별로 지정한 주요변수 및 고정변수, 기저함수의 유형에 따라 생성하여 등록한 회귀모델 현황을 조회 및 공유할 수 있으며, 찾고자하는 변수에 대한 등록된 회귀모델이 없을 경우 해당 변수를 지정하여 회귀모델을 손쉽게 생성할 수 있다. The apparatus for generating a regression model for analyzing the energy use and saving rate of buildings according to an embodiment of the present invention can view and share the status of the registered regression model generated and generated according to the type of the main variable, fixed variable, and base function specified for each user, If there is no registered regression model for the variable you are looking for, you can easily create the regression model by specifying the variable.

또한, 회귀 모델을 구성하는 종속변수, 독립변수와 표준태그 간을 연동시킴으로써, 타 사용자들에게 변수에 대한 명확한 정보 전달이 가능하다. In addition, by linking between the dependent variable, the independent variable and the standard tag constituting the regression model, it is possible to transmit clear information about the variable to other users.

또한, 다수의 사용자들에게 회귀모델을 공유할 수 있고, 공유된 회귀모델을 토대로 건물에너지 사용량 및 절감율을 분석하고자 하는 사람들이 모델 및 표준태그와 연동된 변수 정보를 토대로 다양한 회귀분석을 지원받을 수 있다는 이점이 있다.In addition, regression models can be shared among multiple users, and people who want to analyze building energy usage and saving rates based on the shared regression models can receive various regression analysis based on variable information linked with models and standard tags. It has the advantage of being.

도 1은 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성장치의 구성을 나타낸 블록도이다.
도 2 내지 도 7은 도 1에 도시된 회귀모델 생성 플랫폼을 나타낸 예시도로서, 도 2는 사용자 로그인 인터페이스이 일 예시도이고, 도 3은 회귀모델 현황 인터페이스(W2)의 일 에시도이고, 도 4 및 도 5는 표준 태그 현황 인터페이스의 일 예시도이고, 도 6은 회귀모델 생성 인터페이스의 일 예시도이다.
도 7은 도 1에 도시된 회귀모델 생성장치와 연동하는 회귀모델 분석 장치에서 제공하는 회귀분석 결과 인터페이스를 나타낸 일 예시도이다.
도 8은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시한 도이다.1 is a block diagram showing the configuration of a regression model generating device for analysis of building energy consumption and reduction rate according to an embodiment of the present invention.
2 to 7 is an exemplary view showing a platform for generating a regression model shown in FIG. 1, FIG. 2 is an exemplary view of a user login interface, and FIG. 3 is a perspective view of a regression model status interface W2, and FIG. And FIG. 5 is an exemplary diagram of a standard tag status interface, and FIG. 6 is an exemplary diagram of a regression model generation interface.
7 is an exemplary view showing a regression analysis result interface provided by a regression model analysis device interworking with the regression model generation device shown in FIG. 1.
8 is a diagram illustrating an example computing environment in which one or more embodiments disclosed herein can be implemented.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시 예를 상세히 설명한다. Hereinafter, preferred embodiments will be described in detail with reference to the accompanying drawings so that those skilled in the art to which the present invention pertains can easily implement the present invention.

다만, 본 발명의 바람직한 실시 예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.However, in the detailed description of a preferred embodiment of the present invention, when it is determined that a detailed description of related known functions or configurations may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted. In addition, the same reference numerals are used throughout the drawings for parts having similar functions and functions.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.In addition, throughout the specification, when a part is said to be 'connected' to another part, it is not only 'directly connected', but also 'indirectly connected' with another element in between. Includes. In addition, "including" a component means that other components may be further included instead of excluding other components, unless otherwise stated.

이하, 첨부된 도면들에 기초하여 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치를 보다 상세하게 설명하도록 한다.Hereinafter, an apparatus for generating a regression model for analyzing a building energy consumption and a reduction rate according to an embodiment of the present invention will be described in detail based on the accompanying drawings.

먼저, 본원을 설명하기에 앞서, 회귀분석을 간단하게 설명하도록 한다.First, before describing the present application, the regression analysis will be briefly described.

회귀분석이란, 둘 또는 그 이상의 변수 사이의 관계 특히 변수 사이의 인과관계를 분석하는 추측통계의 한 분야이다. 회귀분석은 특정 변수값이 변화와 다른 변수값의 변화가 가지는 수학적 선형의 함수식을 파악함으로써 상호관계를 추론하게 되는데 추정된 함수식을 회귀식이라고 한다. 이러한 회귀식을 통하여 특정변수(독립변수 또는 설명변수)의 변화가 다른 변수(종속변수)의 변화와 어떤 관련성이 있는지 관련이 있다면 어느 변수의 변화가 원인이 되고 어느 변수의 변화가 결과적인 현상인지 등에 관한 사항을 분석할 수 있다. 이러한 회귀분석은 인과관계가 아닌 단순한 변수 사이의 관계의 밀접도만을 조사하는 상관분석과 차이가 있다. 회귀분석은 본질적으로 인과관계가 있는 두 변수 즉 독립변수와 종속변수 사이의 함수식을 분석대상으로 삼게되는데 학문연구에 있어서 다음 두 가지 측면에서 큰 역할을 담당하고 있다. 실증분석을 통해 가설의 타당성 여부를 검토하는 데 유용한 도구가 된다. 회귀식이 타당시 되는 상황일 경우 독립변수의 값을 기초로 종속변수의 값을 추정 또는 예측할 수 있다. 회귀분석은 독립변수가 하나인 경우와 2개 이상인 경우로 구분되는데, 하나인 경우를 단순회귀분석, 2개 이상인 경우를 다중회귀분석이라고 한다.Regression analysis is a field of guessing statistics that analyzes the relationship between two or more variables, especially the causal relationship between variables. Regression analysis infers correlations by grasping the mathematical linear function of a change in a specific variable value and a change in another variable value. The estimated function is called a regression equation. Through this regression equation, if a change in a specific variable (independent variable or explanatory variable) is related to a change in another variable (dependent variable), which variable is the cause and which variable is the resulting phenomenon Analyze matters on the back. This regression analysis is different from the correlation analysis that examines only the closeness of the relationship between simple variables, not causality. Regression analysis uses the functional formula between two variables that are essentially causal, that is, independent and dependent variables, and plays a large role in the following two aspects in academic research. This is a useful tool for examining the validity of the hypothesis through empirical analysis. When the regression equation is valid, the value of the dependent variable can be estimated or predicted based on the value of the independent variable. The regression analysis is divided into a case where there are one independent variable and two or more cases, where one case is called a simple regression analysis and a case where two or more variables are called multiple regression analysis.

이에 후술하는 본 발명의 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치는 사용자 별로 지정한 주요변수 및 고정변수, 기저함수의 유형에 따라 생성하여 등록한 회귀모델 현황을 조회 및 공유할 수 있으며, 찾고자하는 변수에 대한 등록된 회귀모델이 없을 경우 해당 변수를 지정하여 회귀모델을 손쉽게 생성할 수 있고, 또한, 회귀 모델을 구성하는 종속변수, 독립변수와 표준태그 간을 연동시킴으로써, 타 사용자들에게 변수에 대한 명확한 정보 전달이 가능하고, 또한, 다수의 사용자들에게 회귀모델을 공유할 수 있고, 공유된 회귀모델을 토대로 건물에너지 사용량 및 절감율을 분석하고자 하는 사람들이 모델 및 표준태그와 연동된 변수 정보를 토대로 다양한 회귀분석을 지원받을 수 있도록 하기 위한 발명이다.Accordingly, the apparatus for generating a regression model for analyzing the energy consumption and saving rate of the present invention, which will be described later, can view and share the status of the regression model generated and registered according to the type of the main variable, fixed variable, and base function specified for each user. If there is no registered regression model for a variable, you can easily create a regression model by specifying the corresponding variable. Also, by linking between the dependent variable, the independent variable, and the standard tag constituting the regression model, it is possible to assign variables to other users. It is possible to deliver clear information about the data, and also, it is possible to share regression models among multiple users, and those who want to analyze the building energy usage and saving rate based on the shared regression models can obtain variable information linked to the model and standard tags. It is an invention to enable various regression analysis to be supported.

도 1은 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치를 나타낸 블럭도이다.1 is a block diagram showing an apparatus for generating a regression model for analysis of building energy consumption and saving rate according to an embodiment of the present invention.

도 2 내지 도 7은 도 1에 도시된 회귀모델 생성 플랫폼을 나타낸 예시도로서, 도 2는 사용자 로그인 인터페이스이 일 예시도이고, 도 3은 회귀모델 현황 인터페이스(W2)의 일 에시도이고, 도 4 및 도 5는 표준 태그 현황 인터페이스의 일 예시도이고, 도 6은 회귀모델 생성 인터페이스의 일 예시도이고, 도 7은 도 1에 도시된 회귀모델 생성장치와 연동하는 회귀모델 분석 장치에서 제공하는 회귀분석 결과 인터페이스를 나타낸 일 예시도이다.2 to 7 are exemplary views showing a platform for generating a regression model shown in FIG. 1, FIG. 2 is an exemplary view of a user login interface, FIG. 3 is a perspective view of a regression model status interface W2, and FIG. 4 And FIG. 5 is an exemplary view of the standard tag status interface, FIG. 6 is an exemplary view of the regression model generation interface, and FIG. 7 is a regression provided by the regression model analysis device interworking with the regression model generation device shown in FIG. 1. This is an exemplary diagram showing the analysis result interface.

먼저, 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성장치(100)는 데이터 수집 및 저장부(110), 입력부(120), 회귀모델 생성부(130), 변수 및 기저함수 설정부(140), 회귀모델 등록관리부(150), 데이터 연동부(160), 회귀모델 편집부(170) 및 GUI(180)를 포함한다.First, as illustrated in FIG. 1, the apparatus 100 for generating a regression model for analyzing energy use and saving rate of buildings according to an embodiment of the present invention includes a data collection and storage unit 110, an input unit 120, and a regression model. It includes a generating unit 130, a variable and base function setting unit 140, a regression model registration management unit 150, a data linkage unit 160, a regression model editing unit 170, and a GUI 180.

데이터 수집 및 저장부(110)는 BEMS(Building Energy Management System)에서 건물 내에 위치하는 현장설비명, 현장설비의 측정값, 측정기기의 재원, 측정위치를 포함하는 BEMS 데이터를 수집한 후, 수집된 데이터를 표준 태그 리스트로 구축하여 데이터베이스화하는 구성일 수 있다.The data collection and storage unit 110 collects BEMS data including BEMS (Building Energy Management System) site name, the measured value of the site facility, the source of the measurement device, and the location of the measurement in the building. It can be configured to build a database as a standard tag list.

입출력부(120)는 사용자의 입력정보를 제공하는 구성으로, 예컨대, 사용자 단말에서 제공된 정보를 입력하고, 입력정보에 따른 결과정보를 출력하는 구성일 수 있다.The input / output unit 120 is a configuration that provides user input information, and may be, for example, a configuration that inputs information provided by a user terminal and outputs result information according to the input information.

입출력부(120)는 입출력 인터페이스를 포함하고, 상기 입출력 인터페이스는 사용자 또는 다른 외부 기기로부터 입력된 명령 또는 데이터를 전자 장치의 다른 구성요소(들)에 전달할 수 있는 인터페이스의 역할을 할 수 있다. 또한, 입출력 인터페이스는 전자 장치의 다른 구성요소(들)로부터 수신된 명령 또는 데이터를 사용자 또는 다른 외부 기기로 출력할 수 있다.The input / output unit 120 includes an input / output interface, and the input / output interface may serve as an interface for transmitting commands or data input from a user or other external device to other component (s) of the electronic device. Also, the input / output interface may output commands or data received from other component (s) of the electronic device to a user or other external device.

상기 입출력부(120)는 통신 인터페이스를 포함할 수 있고, 통신 인터페이스는 예를 들면, 전자 장치와 외부 장치 간의 통신을 설정할 수 있다. 예를 들면, 통신 인터페이스는 무선 통신 또는 유선 통신을 통해서 네트워크에 연결되어 외부 장치와 통신할 수 있다.The input / output unit 120 may include a communication interface, and the communication interface may establish communication between an electronic device and an external device, for example. For example, the communication interface may be connected to a network through wireless communication or wired communication to communicate with an external device.

무선 통신은, 예를 들면, 셀룰러 통신 프로토콜로서, 예를 들면, LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용할 수 있다. 또한, 무선 통신은, 예를 들면, 근거리 통신을 포함할 수 있다. 근거리 통신(164)은, 예를 들면, WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), 또는 GNSS(global navigation satellite system) 등 중 적어도 하나를 포함할 수 있다. GNSS는 사용 지역 또는 대역폭 등에 따라, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 Beidou) 또는 Galileo, the European global satellite-based navigation system 중 적어도 하나를 포함할 수 있다. 이하, 본 문서에서는, GPS는 GNSS와 혼용되어 사용(interchangeably used)될 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 네트워크는 통신 네트워크(telecommunications network), 예를 들면, 컴퓨터 네트워크(computer network)(예: LAN 또는 WAN), 인터넷, 또는 전화 망(telephone network) 중 적어도 하나를 포함할 수 있다.Wireless communication is, for example, a cellular communication protocol, for example, long-term evolution (LTE), LTE Advance (LTE-A), code division multiple access (CDMA), wideband CDMA (WCDMA), universal (UMTS) Mobile telecommunications system), WiBro (Wireless Broadband), or GSM (Global System for Mobile Communications) may be used. Further, the wireless communication may include short-range communication, for example. The short-range communication 164 may include at least one of, for example, wireless fidelity (WiFi), Bluetooth (Bluetooth), near field communication (NFC), or global navigation satellite system (GNSS). GNSS may be used according to a region or bandwidth, for example, at least one of a Global Positioning System (GPS), a Global Navigation Satellite System (Glonass), a Beidou Navigation Satellite System (Beidou), or a Galileo, the European global satellite-based navigation system. It may include. Hereinafter, in this document, GPS may be used interchangeably with GNSS. The wired communication may include at least one of a universal serial bus (USB), a high definition multimedia interface (HDMI), a recommended standard232 (RS-232), or a plain old telephone service (POTS). The network may include at least one of a telecommunications network, for example, a computer network (eg, LAN or WAN), the Internet, or a telephone network.

다음으로, 변수 및 기저함수 설정부(140)는 입출력부(120)로부터 제공된 사용자 입력정보에 따른 BEMS 데이터를 검색하고, 검색된 BEMS 데이터를 사용자의 지정에 따라 독립변수 및 종속변수로 설정 및 생성될 회귀 모델에 적용될 기저함수의 유형, 즉, 회귀모델의 유형을 설정한다.Next, the variable and base function setting unit 140 searches for BEMS data according to user input information provided from the input / output unit 120, and sets and generates the searched BEMS data as independent variables and dependent variables according to a user's designation. Set the type of base function to be applied to the regression model, that is, the type of the regression model.

참고로, 독립변수는 다른 변수에 영향을 미치는 원인이 되는 변수로서, 원인변수, 설명변수 또는 예측변수로 통용된다 또한, 종속변수는 독립변수의 영향을 받아 일정하게 변화하는 결과변수로서, 피설명변수, 피예측변수, 가설적 변수라고도 통용된다.For reference, the independent variable is a variable that causes other variables to affect, and is commonly used as a cause variable, explanatory variable, or predictor variable. In addition, the dependent variable is a result variable that constantly changes under the influence of the independent variable, and is described Variables, predicted variables, and hypothetical variables are also commonly used.

예컨대, BEMS 데이터 중 독립변수로는 대상설비 또는 교체설비의 종류, 재원, 위치 등일 수 있고, 종속변수로는 일자별 에너지 사용량 등일 수 있다.For example, among the BEMS data, the independent variable may be the type of the target facility or the replacement facility, the resource, the location, etc., and the dependent variable may be energy consumption per day.

한편, 본원에서 생성가능한 회귀모델은 선형 및 비선형 회귀모델, 다변량 회귀모델 중 어느 하나일 수 있다.Meanwhile, the regression model that can be generated herein may be any of linear and nonlinear regression models and multivariate regression models.

다음으로, 회귀모델 생성부(130)는 설정된 독립변수, 종속변수 및 기저함수의 유형에 따른 회귀모델을 생성한다.Next, the regression model generation unit 130 generates a regression model according to the set of independent variables, dependent variables, and basis functions.

회귀모델 등록관리부(150)는 회귀모델 생성부(130)에서 생성된 회귀모델을 사용자 계정 별로 등록 및 관리하고, 전체 등록된 회귀모델들을 리스트로 가공하여 제공한다.The regression model registration management unit 150 registers and manages the regression model generated by the regression model generation unit 130 for each user account, and processes and provides all registered regression models as a list.

데이터 연동부(160)는 등록된 회귀모델의 변수들(독립변수 및 종속변수)과 표준 태그 리스트 내의 변수들을 연동(매칭)시키는 기능을 한다.The data linker 160 functions to link (match) the variables (independent and dependent variables) of the registered regression model with the variables in the standard tag list.

회귀모델 편집부(170)는 사용자 입력정보에 따라 등록 및 삭제된 회귀모델 조회, 회귀모델의 기술내용 및 변수를 편집, 편집된 변수에 따른 표준 태그를 편집하기 위한 편집수단을 제공한다.The regression model editing unit 170 provides editing means for retrieving the registered and deleted regression models according to user input information, editing description contents and variables of the regression models, and editing standard tags according to the edited variables.

다음으로, 사용자 로그인 관리부(180)는 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 플랫폼(10)에 접속하는 사용자의 로그인(log-in) 정보를 관리한다.Next, the user log-in management unit 180 manages log-in information of a user accessing the regression model generation platform 10 for analysis of building energy usage and saving rate.

다음으로, 플랫폼 생성부(미도시)는 건물에너지 사용량 및 절감율 분석을 위한 회귀모델의 생성 및 분석을 수행하기 위한 회귀모델 생성 플랫폼(10)을 제공한다.Next, the platform generation unit (not shown) provides a regression model generation platform 10 for generating and analyzing a regression model for analysis of building energy usage and saving rate.

보다 구체적으로, 도 2 내지 도 7을 참조, 상기 플랫폼(10)은 사용자 로그인 인터페이스(W1), 회귀모델 현황(W2), 태그현황(W3), 회귀모델 생성(W4)을 수행할 수 있는 복수 개의 인터페이스를 포함할 수 있다.More specifically, referring to FIGS. 2 to 7, the platform 10 may perform a user login interface W1, a regression model status (W2), a tag status (W3), and a regression model generation (W4). It may include two interfaces.

사용자 로그인 인터페이스(W1)는 도 2을 참조, 사용자 로그인 관리부(180)와 연동되며, 사용자 ID 및 패스워드를 통해 사용자가 네트워크에 접속하기 위한 수단을 포함한다.The user login interface W1 is linked with the user login management unit 180 with reference to FIG. 2 and includes means for a user to access the network through a user ID and password.

회귀모델 현황 인터페이스(W2)는 도 3을 참조, 회귀모델 등록관리부(150)와 연동되고, 회귀모델 등록관리부(150)에 등록된 회귀모델을 조회(검색)하기 위한 조회수단(T1), 조회결과에 따른 등록된 회귀모델을 표시하는 표시수단(T2)을 제공한다. 조회수단(T1)는 설비명, 기술명, 회사명, 생성자를 선택하는 구성을 포함한다. The regression model status interface W2 is referred to FIG. 3, interlocked with the regression model registration management unit 150, and inquiry means (T1) for inquiring (searching) the regression model registered in the regression model registration management unit 150, inquiry It provides a display means (T2) for displaying the registered regression model according to the results. The inquiry means T1 includes a configuration for selecting a facility name, a technical name, a company name, and a creator.

표시수단은 조회수단에서 선택된 키워드와 매칭되는 회귀모델의 정보(설비명, 기술명, 회사명, 생성자, 설명, 업로드 여부, 기술내용, 종속변수, 독립변수)를 표시한다.The display means displays information of the regression model (equipment name, technical name, company name, creator, description, uploaded, technical content, dependent variable, independent variable) matching the keyword selected in the search means.

또한, 회귀모델 현황 인터페이스(W2)는 후술하는 회귀모델 생성 인터페이스 및 회귀모델 편집 인터페이스를 선택하기 위한 선택수단(T3)을 포함한다.In addition, the regression model status interface W2 includes selection means T3 for selecting a regression model generation interface and a regression model editing interface, which will be described later.

상기 선택수단(T3)는 신규생성, 선택편집, 선택삭제 버튼으로 구성되고, 신규생성버튼 클릭 시, 회귀모델 생성 인터페이스로 전환되고, 선택편집 버튼 클릭 시, 회귀모델 편집 인터페이스로 화면을 전환된다.The selection means (T3) is composed of a new creation, selection editing, and selection deletion buttons, and when the new creation button is clicked, it is switched to the regression model creation interface, and when the selection editing button is clicked, the screen is switched to the regression model editing interface.

다음으로, 태그 현황 인터페이스(W3)는 도 4를 참조, 데이터 수집 및 저장부(110)와 연동되며, 사용자 입력정보에 상응하는 BEMS 데이터(현장설비, 측정값, 단위, 측정기기, 측정위치, 업데이트 시각 등)를 데이터 수집 및 저장부(110)에서 추출하여 표시(T5)한다.Next, the tag status interface W3 is linked to the data collection and storage unit 110 with reference to FIG. 4, and BEMS data corresponding to user input information (field equipment, measured values, units, measuring devices, measuring locations, Update time, etc.) is extracted from the data collection and storage unit 110 and displayed (T5).

태그 현황 인터페이스(W3)는 데이터 수집 및 저장부(110)에서 관리하는 태그정보를 조회할 수 있는 조회수단(T4)을 포함하고, 조회수단(T4)은 설비명, 측정값, 측정기기, 측정위치를 선택할 수 있는 수단(T4-1)을 포함한다(도 5 참조).The tag status interface W3 includes an inquiry means T4 for querying tag information managed by the data collection and storage unit 110, and the inquiry means T4 is a facility name, a measured value, a measuring device, and a measurement location. It includes a means (T4-1) for selecting (see Fig. 5).

다음으로, 회귀모델 생성 인터페이스(W4)는 도 6을 참조, 상술한 회귀모델 생성부(130), 회귀모델 편집부(170) 및 변수 및 기저함수 설정부(140)와 연동되며, 생성할 회귀모델의 독립변수 및 종속변수에 대한 변수설명 및 기저함수의 유형을 조회 또는 직접입력하기 위한 수단(T6)을 포함한다.Next, the regression model generation interface W4 is connected to the regression model generation unit 130, the regression model editing unit 170, and the variable and basis function setting unit 140 described above with reference to FIG. Includes means (T6) for inquiring or directly entering variable descriptions and types of basis functions for independent and dependent variables of.

또한, 회귀모델 생성 인터페이스(W4)는 생성된 회귀모델에 대한 기술내용 편집, 생성된 회귀모델의 독립변수 및 종속변수에 대한 설명 및 표준태그를 편지하기 위한 편집 수단(미도시)을 포함할 수 있다.In addition, the regression model generation interface W4 may include editing means (not shown) for editing the description of the generated regression model, describing the independent and dependent variables of the generated regression model, and writing standard tags. have.

또한, 편집수단(미도시)을 통해 편집된 독립변수, 종속변수에 대한 설명 및 표준태그를 저장 및 업데이트할 수 있는 업데이트 수단을 포함한다.In addition, it includes an update means for storing and updating the independent variable, the description of the dependent variable and the standard tag edited through the editing means (not shown).

한편, 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치는 회귀모델 분석 장치와 연동될 수 있다.On the other hand, a regression model generation device for analyzing the energy use and saving rate of buildings according to an embodiment of the present invention may be linked to a regression model analysis device.

상기 회귀모델 분석 장치는 회귀모델 생성 장치에서 생성된 회귀모델의 변수 간의 데이터 간격을 설정 및 에너지 절감 기술 도입 시기 전후 기간설정 후, BEMS 데이터 중 사용자가 선택한 계측 데이터의 변화값을 기초로 건물 에너지 사용량 및 절감율의 평균, 최소, 최대, 합계 형태로 분석한 결과를 제공한다.The regression model analysis device sets the data interval between the variables of the regression model generated by the regression model generation device and sets the period before and after the energy saving technology is introduced, and then uses the building energy based on the change value of the measurement data selected by the user among BEMS data. And average, minimum, maximum, and total savings.

상기 회귀모델 분석 장치는 도 7을 참조, 일, 월, 년 단위의 에너지절감기술 적용 전, 후의 에너지 사용량 및 절감량을 그래프 및 테이블 형태로 제공하는 GUI를 제공할 수 있다.The apparatus for analyzing the regression model may provide a GUI providing graphs and tables of energy usage and savings before and after application of energy saving technology in units of days, months, and years in reference to FIG. 7.

또한, 회귀모델 분석 장치는 회귀분석 결과값으로 R2, F-test(모델 전체)의 P-value, T-test(독립 변수)의 P-value 값을 제공하며, 분석 결과가 유의미한 값을 나타내지 않을 경우는 팝업과 해당 값 강조 표기를 통해 사용자에게 안내할 수 있다.In addition, the regression model analysis device provides P-values of R 2 , F-test (all models), and P-values of T-test (independent variables) as the regression results, and the analysis results do not indicate meaningful values. If not, the user can be guided by pop-up and corresponding value highlighting.

따라서, 본 발명의 일 실시예에 따른 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치는 사용자 별로 지정한 주요변수 및 고정변수, 기저함수의 유형에 따라 생성하여 등록한 회귀모델 현황을 조회 및 공유할 수 있으며, 찾고자하는 변수에 대한 등록된 회귀모델이 없을 경우 해당 변수를 지정하여 회귀모델을 손쉽게 생성할 수 있다. Accordingly, the apparatus for generating a regression model for analyzing the energy use and saving rate of buildings according to an embodiment of the present invention can view and share the status of the registered regression model generated and generated according to the types of key variables, fixed variables, and base functions specified for each user. If there is no registered regression model for the variable you are looking for, you can easily create the regression model by specifying the variable.

또한, 회귀 모델을 구성하는 종속변수, 독립변수와 표준태그 간을 연동시킴으로써, 타 사용자들에게 변수에 대한 명확한 정보 전달이 가능하다. In addition, by linking between the dependent variable, the independent variable and the standard tag constituting the regression model, it is possible to transmit clear information about the variable to other users.

또한, 다수의 사용자들에게 회귀모델을 공유할 수 있고, 공유된 회귀모델을 토대로 건물에너지 사용량 및 절감율을 분석하고자 하는 사람들이 모델 및 표준태그와 연동된 변수 정보를 토대로 다양한 회귀분석을 지원받을 수 있다는 이점이 있다. In addition, regression models can be shared among multiple users, and people who want to analyze building energy usage and saving rates based on the shared regression models can receive various regression analysis based on variable information linked with models and standard tags. It has the advantage of being.

도 8은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.8 is an illustration of an example computing environment in which one or more embodiments disclosed herein can be implemented, an example of a system 1000 that includes a computing device 1100 configured to implement one or more of the embodiments described above. It shows. For example, the computing device 1100 may be a personal computer, server computer, handheld or laptop device, mobile device (mobile phone, PDA, media player, etc.), multiprocessor system, consumer electronics, mini computer, mainframe computer, Distributed computing environments including any of the aforementioned systems or devices, and the like, but is not limited thereto.

컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다. 또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다. 또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다. Computing device 1100 may include at least one processing unit 1110 and memory 1120. Here, the processing unit 1110 may include, for example, a central processing unit (CPU), a graphics processing unit (GPU), a microprocessor, an application specific integrated circuit (ASIC), or field programmable gate arrays (FPGA). And may have multiple cores. The memory 1120 may be volatile memory (eg, RAM, etc.), non-volatile memory (eg, ROM, flash memory, etc.) or a combination thereof. Further, the computing device 1100 may include additional storage 1130. The storage 1130 includes, but is not limited to, magnetic storage, optical storage, and the like. The storage 1130 may store computer readable instructions for implementing one or more embodiments disclosed herein, and other computer readable instructions for implementing an operating system, application programs, and the like. Computer readable instructions stored in storage 1130 may be loaded into memory 1120 for execution by processing unit 1110. Further, the computing device 1100 may include an input device (s) 1140 and an output device (s) 1150.

여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다. 또한, 컴퓨팅 디바이스(1100)는 컴퓨팅 디바이스(1100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다. Here, the input device (s) 1140 may include, for example, a keyboard, mouse, pen, voice input device, touch input device, infrared camera, video input device, or any other input device. Further, the output device (s) 1150 may include, for example, one or more displays, speakers, printers, or any other output device. Further, the computing device 1100 may use an input device or output device provided in another computing device as the input device (s) 1140 or the output device (s) 1150. In addition, the computing device 1100 can include a communication connection (s) 1160 that allows the computing device 1100 to communicate with other devices (eg, the computing device 1300).

여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다. 상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(1200)에 의해 상호접속될 수도 있다. 본 명세서에서 사용되는 "구성요소", "시스템" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다. Here, the communication connection (s) 1160 may be a modem, network interface card (NIC), integrated network interface, radio frequency transmitter / receiver, infrared port, USB connection, or other for connecting the computing device 1100 to another computing device. Interface. Further, the communication connection (s) 1160 may include a wired connection or a wireless connection. Each component of the above-described computing device 1100 may be connected by various interconnections such as a bus (eg, peripheral component interconnection (PCI), USB, firmware (IEEE 1394), optical bus structure, etc.) Or may be interconnected by the network 1200. As used herein, terms such as "component", "system", and the like generally refer to a computer-related entity that is hardware, a combination of hardware and software, software, or running software.

예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.For example, a component can be, but is not limited to, a process running on a processor, a processor, an object, an executable, a thread of execution, a program and / or a computer. For example, both the application running on the controller and the controller may be components. One or more components may reside within a thread of process and / or execution, and components may be localized on one computer or distributed between two or more computers.

상기에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 당업계에서 통상의 지식을 가진 자라면 이하의 특허청구범위에 기재된 본 발명의 사상 및 영역을 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described above with reference to preferred embodiments of the present invention, those skilled in the art variously modify the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can change it.

100: 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치
110: 데이터 수집 및 저장부
120: 입출력부
130: 회귀모델 생성부
140: 변수 및 기저함수 설정부
150: 회귀모델 등록관리부
160: 데이터 연동부
170: 회귀모델 편집부
180: 사용자 로그인 관리부
10: 회귀모델 생성 플랫폼
W1: 사용자 로그인 인터페이스
W2: 회귀모델 현황 인터페이스
W3: 태그 현황 인터페이스
W4: 회귀모델 생성 인터페이스100: a regression model generation device for analysis of building energy consumption and reduction rate
110: data collection and storage
120: input and output unit
130: regression model generator
140: variable and base function setting unit
150: regression model registration management department
160: data link
170: regression model editing department
180: user login management
10: Regression model generation platform
W1: User login interface
W2: Regression model status interface
W3: Tag status interface
W4: Regression model generation interface

Claims (5)

BEMS(Building Energy Management System)에서 건물 내에 위치하는 현장설비명, 현장설비의 측정값, 측정기기의 재원, 측정위치를 포함하는 BEMS 데이터를 수집하는 데이터 수집 및 저장부;
회귀모델 생성 플랫폼을 통해 입력된 사용자의 입력정보에 따른 상기 BEMS 데이터를 검색조회하고, 사용자 입력정보에 따른 검색조회된 BEMS 데이터를 독립변수 및 종속변수로 설정 및 생성될 회귀 모델에 적용될 기저함수의 유형을 설정하는 변수 및 기저함수 설정부;
설정된 독립변수, 종속변수 및 기저함수의 유형에 따른 회귀모델을 생성하는 회귀모델 생성부; 상기 회귀모델 생성부에서 생성된 회귀모델을 사용자 별 및 리스트로 등록관리하는 회귀모델 등록관리부;
상기 사용자의 입력정보에 따라 등록 및 삭제된 회귀모델 조회, 회귀모델의 기술내용 및 변수를 편집, 편집된 변수에 따른 표준 태그를 편집하기 위한 편집수단을 표시부로 제공하는 회귀모델 편집부; 및
상기 회귀모델 생성부에서 생성된 회귀모델의 독립변수 및 종속변수와 태그 리스트 내의 변수들을 연동시키는 데이터 연동부;를 포함하고,
상기 데이터 수집 및 저장부는
상기 회귀모델 생성부에서 회귀모델 생성시에, 생성된 회귀모델의 변수들을 표준 태그로 데이터 확장자를 가공한 후, 태그 리스트로 저장 및 관리하고,
상기 회귀모델 생성 플랫폼은
사용자 로그인 관리부와 연동되며, 사용자 ID 및 패스워드를 통해 사용자가 네트워크에 접속하기 위한 수단을 포함하는 사용자 로그인 인터페이스;
회귀모델 등록관리부와 연동되고, 상기 회귀모델 등록관리부에 등록된 회귀모델을 조회(검색)하기 위한 조회수단, 조회결과에 따른 등록된 회귀모델을 표시하는 표시수단을 제공하는 회귀모델 현황 인터페이스;
데이터 수집 및 저장부와 연동되며, 사용자 입력정보에 상응하는 BEMS 데이터(현장설비, 측정값, 단위, 측정기기, 측정위치, 업데이트 시각 등)를 데이터 수집 및 저장부에서 추출하여 표시하는 태그 현황 인터페이스; 및
상기 회귀모델 생성부, 회귀모델 편집부 및 변수 및 기저함수 설정부와 연동되며, 생성할 회귀모델의 독립변수 및 종속변수에 대한 변수설명 및 기저함수의 유형을 조회 또는 직접입력하기 위한 수단을 포함하는 회귀모델 생성 인터페이스를 포함하는 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치.A data collection and storage unit that collects BEMS data including a site facility name, a measured value of a site facility, a source of measurement equipment, and a measurement location in a building in a BEMS (Building Energy Management System);
The search of the BEMS data according to the user's input information input through the regression model creation platform, and the searched BEMS data according to the user's input information are set as independent and dependent variables, and the basis function to be applied to the regression model to be generated Variable and base function setting unit for setting the type;
A regression model generation unit that generates a regression model according to the set of independent variables, dependent variables, and basis functions; A regression model registration management unit that registers and manages the regression model generated by the regression model generation unit by user and list;
A regression model editing unit that provides, as a display unit, editing means for retrieving the registered and deleted regression model according to the user's input information, editing the description and variables of the regression model, and editing standard tags according to the edited variable; And
It includes; a data linkage for linking the variables in the tag list with the independent and dependent variables of the regression model generated by the regression model generation unit;
The data collection and storage unit
When the regression model is generated by the regression model generation unit, the variables of the generated regression model are processed with a standard tag, and then stored and managed as a tag list.
The regression model generation platform
A user login interface that is linked with the user login management unit and includes means for a user to access the network through a user ID and password;
A regression model status interface interworking with the regression model registration management unit and providing a search means for inquiring (searching) the regression model registered in the regression model registration management unit and a display means for displaying the registered regression model according to the search result;
Tag status interface that is interlocked with the data collection and storage unit and extracts and displays BEMS data (field equipment, measured values, units, measuring devices, measurement locations, update times, etc.) corresponding to user input information from the data collection and storage unit ; And
It is linked with the regression model generation unit, regression model editing unit, and variable and base function setting unit, and includes means for querying or directly inputting variable descriptions for independent and dependent variables of the regression model to be generated and the type of basis function. Regression model generation device for analysis of building energy usage and savings rate, including a regression model generation interface. 삭제delete 삭제delete 제1항에 있어서,
상기 회귀모델 생성 장치는
상기 회귀모델의 변수 간의 데이터 간격 설정 및 에너지 절감 기술 도입 시기 전후 기간설정 후, 기간 변화에 따른 독립변수 및 종속변수의 변화값을 기초로 건물 에너지 사용량 및 절감율의 평균, 최소, 최대, 합계 형태로 분석한 결과를 제공하고, 회귀분석 결과값으로 R2, F-test(모델 전체)의 P-value, T-test(독립 변수)의 P-value 값을 제공하는 회귀모델 분석 장치와 연동하는 것을 특징으로 하는 건물에너지 사용량 및 절감율 분석을 위한 회귀모델 생성 장치.According to claim 1,
The regression model generating device
After setting the data interval between the variables of the regression model and the period before and after the introduction of energy saving technology, based on the change values of the independent variable and the dependent variable according to the change in the period, in the form of average, minimum, maximum, and sum of building energy usage and saving rate Interworking with a regression model analysis device that provides the analyzed results and provides R 2 , P-value of F-test (all models), and P-value of T-test (independent variables) as the regression results A regression model generator for analyzing building energy usage and saving rates. 삭제delete
KR1020190104537A 2019-08-26 2019-08-26 apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy KR102085956B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190104537A KR102085956B1 (en) 2019-08-26 2019-08-26 apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190104537A KR102085956B1 (en) 2019-08-26 2019-08-26 apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy

Publications (1)

Publication Number Publication Date
KR102085956B1 true KR102085956B1 (en) 2020-05-29

Family

ID=70912163

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190104537A KR102085956B1 (en) 2019-08-26 2019-08-26 apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy

Country Status (1)

Country Link
KR (1) KR102085956B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102405415B1 (en) 2022-01-24 2022-06-09 주식회사 에코시안 Measurement and verification system for real-time evaluation of building energy saving effects
KR20230101526A (en) 2021-12-29 2023-07-06 주식회사 에코시안 Apparatus and method for saving building energy based on artificial intelligence

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160055717A (en) 2014-11-10 2016-05-18 주식회사 포스코건설 Integrated analysis system and integrated analysis method for interpretting environmental performance·energy of apartment
KR101622523B1 (en) * 2015-11-30 2016-05-19 한국건설기술연구원 System and driving method for performance measurement and verification of building energy

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160055717A (en) 2014-11-10 2016-05-18 주식회사 포스코건설 Integrated analysis system and integrated analysis method for interpretting environmental performance·energy of apartment
KR101622523B1 (en) * 2015-11-30 2016-05-19 한국건설기술연구원 System and driving method for performance measurement and verification of building energy

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
건물에너지관리시스템(BEMS) KS 연계규격 개발에 관한 연구(2014.11.13) 1부.* *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230101526A (en) 2021-12-29 2023-07-06 주식회사 에코시안 Apparatus and method for saving building energy based on artificial intelligence
KR102405415B1 (en) 2022-01-24 2022-06-09 주식회사 에코시안 Measurement and verification system for real-time evaluation of building energy saving effects

Similar Documents

Publication Publication Date Title
Igos et al. How to treat uncertainties in life cycle assessment studies?
Bueno et al. Life cycle assessment and environmental-based choices at the early design stages: an application using building information modelling
Arashpour et al. Analysis of workflow variability and its impacts on productivity and performance in construction of multistory buildings
Despa Comparative study on software development methodologies.
Farah et al. Bayesian emulation and calibration of a dynamic epidemic model for A/H1N1 influenza
Fawcett et al. Flexible strategies for long-term sustainability under uncertainty
US8498887B2 (en) Estimating project size
Chang Estimation of parameters for nonhomogeneous Poisson process: Software reliability with change-point model
US7430494B2 (en) Dynamic data stream histograms for no loss of information
EP3035189A1 (en) Automated approach for integrating automated function library functions and algorithms in predictive analytics
Lataniotis et al. The Gaussian process modelling module in UQLab
US10719637B2 (en) Globally convergent system and method for automated model discovery
US11693655B2 (en) Method, apparatus, and system for outputting a development unit performance insight interface component comprising a visual emphasis element in response to an insight interface component request
Čeke et al. Early effort estimation in web application development
Truong et al. Web-based tool for expert elicitation of the variogram
KR102085956B1 (en) apparatus for being created the regression model for analyzing the used amount and saving rate of the building energy
Chiew Lumped conceptual rainfall‐runoff models and simple water balance methods: Overview and applications in ungauged and data limited regions
Singh et al. Early-stage design support combining machine learning and building information modelling
Haller et al. An indicator for superfluous iteration in offsite building design processes
Alibrandi et al. A decision support tool for sustainable and resilient building design
Freckleton et al. Density-structured models for plant population dynamics
Wang et al. Combined multinomial logit modal split and paired combinatorial logit traffic assignment model
Vanhoucke On the use of schedule risk analysis for project management
KR102086008B1 (en) System for analyzing building energy using regression model
Olea Building on crossvalidation for increasing the quality of geostatistical modeling