KR102272333B1 - Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치 - Google Patents

Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치 Download PDF

Info

Publication number
KR102272333B1
KR102272333B1 KR1020170078709A KR20170078709A KR102272333B1 KR 102272333 B1 KR102272333 B1 KR 102272333B1 KR 1020170078709 A KR1020170078709 A KR 1020170078709A KR 20170078709 A KR20170078709 A KR 20170078709A KR 102272333 B1 KR102272333 B1 KR 102272333B1
Authority
KR
South Korea
Prior art keywords
control signal
cooling system
cooling
energy consumption
situation data
Prior art date
Application number
KR1020170078709A
Other languages
English (en)
Other versions
KR20180138463A (ko
Inventor
유승호
김선미
김종헌
한자경
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020170078709A priority Critical patent/KR102272333B1/ko
Publication of KR20180138463A publication Critical patent/KR20180138463A/ko
Application granted granted Critical
Publication of KR102272333B1 publication Critical patent/KR102272333B1/ko

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
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • 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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • 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
    • 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
    • F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
    • F24F3/06—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the arrangements for the supply of heat-exchange fluid for the subsequent treatment of primary air in the room units
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • 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
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/20—Heat-exchange fluid temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Mathematical Optimization (AREA)
  • Fuzzy Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

대상 건물의 냉방 시스템을 제어하는 클라우드 서버는 상기 대상 건물에 설치된 냉방 시스템 제어 장치로부터 상기 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신하는 수신부, 상기 냉방 시스템을 제어하기 위한 복수의 제어 신호 세트를 생성하고, 강화 학습을 기반으로 상기 실제 상황 데이터에 기초하여 상기 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하고, 상기 리워딩 작업에 기초하여 상기 복수의 제어 신호 세트 중 하나를 도출하는 도출부 및 상기 도출된 제어 신호 세트를 상기 냉방 시스템 제어 장치로 전송하는 전송부를 포함한다. 상기 도출부는 상기 실제 상황 데이터와 대응하는 기준 에너지 소비량과 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 복수의 제어 신호 세트 각각에 리워드를 부여하고, 상기 냉방 시스템은 상기 전송된 제어 신호 세트에 기초하여 상기 복수의 냉방 장비가 제어됨으로써 동작된다.

Description

AI 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치{CLOUD SERVER AND METHOD FOR CONTROLLING COOLING SYSTEM OF TARGET BUILDING BASED ON ARTIFICIAL INTELLIGENCE, AND APPARATUS FOR CONTROLLING COOLING SYSTEM}
본 발명은 AI(Artificial Intelligence) 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치에 관한 것이다.
건물 에너지 관리 시스템이란 건설 기술과 ICT, 에너지 기술을 융합하여 건물 내 에너지 정보를 수집하고, 데이터를 분석하여 에너지 효율을 높이는 통합 시스템으로, 건물이 언제나 최적의 가동 상태가 유지되도록 하는 시스템이다.
최근의 건물들은 기술 발달에 의해 건축물에 요구되는 설비가 날로 세분화 및 복잡화되어가고 있다. 이로 인해, 각각의 설비를 개별로 제어하게 되고, 이 과정에서 관리가 누락되는 경우가 발생하기도 하며, 중복으로 관리되어 비효율적으로 관리되는 경우가 발생하기도 한다.
또한, 기존의 건물 에너지 관리 시스템은 오프라인에 최적으로 운영됨으로써, 실시간으로 설비의 제어가 어려웠다.
한국공개특허공보 제2014-0141923호 (2014.12.11 공개)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 냉동기, 냉각탑, 순환펌프 등 개별로 제어되던 시스템을 냉방 시스템 전체를 고려하여 최적으로 제어하는 대상 건물의 냉방 시스템을 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치를 제공하고자 한다. BAS(Building Automation System) 위주의 오프라인의 운영이 아닌, 클라우드 기반의 실시간 온라인으로 최적 운영하는 대상 건물의 냉방 시스템을 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치를 제공하고자 한다. 건물 에너지 시뮬레이션 기술 기반의 가상 데이터를 활용하여 모델 및 알고리즘 설계를 위한 학습데이터를 확보함으로써, 신축 공간에 대해서도 적용가능한 대상 건물의 냉방 시스템을 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치를 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예에 따른 대상 건물의 냉방 시스템을 제어하는 클라우드 서버는, 대상 건물에 설치된 냉방 시스템 제어 장치로부터 상기 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신하는 수신부, 상기 냉방 시스템을 제어하기 위한 복수의 제어 신호 세트를 생성하고, 강화 학습을 기반으로 상기 실제 상황 데이터에 기초하여 상기 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하고, 상기 리워딩 작업에 기초하여 상기 복수의 제어 신호 세트 중 하나를 도출하는 도출부 및 상기 도출된 제어 신호 세트를 상기 냉방 시스템 제어 장치로 전송하는 전송부를 포함하고, 상기 도출부는 상기 실제 상황 데이터와 대응하는 기준 에너지 소비량과 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 상기 복수의 제어 신호 세트 각각에 리워드를 부여하고, 상기 냉방 시스템은 상기 전송된 제어 신호 세트에 기초하여 상기 복수의 냉방 장비가 제어됨으로써 동작되는 것인 클라우드 서버를 제공할 수 있다.
본 발명의 다른 실시예는, 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터 정보를 수집하는 수집부, 상기 실제 상황 데이터를 상기 클라우드 서버로 전송하는 전송부, 상기 클라우드 서버에 의해 생성된 복수의 제어 신호 세트 중 상기 실제 상황 데이터에 기초하여 도출된 제어 신호 세트를 수신하는 수신부 및 상기 수신한 제어 신호 세트에 기초하여 상기 복수의 냉방 장치를 제어하는 제어부를 포함하고, 상기 제어 신호 세트는 강화 학습을 기반으로 상기 실제 상황 데이터에 기초하여 리워딩 작업이 수행된 상기 복수의 제어 신호 세트로부터 도출되고, 상기 복수의 제어 신호 세트는 상기 실제 상황 데이터와 대응하는 기준 에너지 소비량과 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 상기 클라우드 서버로부터 리워드를 부여받는 것인 냉방 시스템 제어 장치를 제공할 수 있다.
본 발명의 또 다른 실시예는, 대상 건물에 설치된 냉방 시스템 제어 장치로부터 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신하는 단계, 상기 냉방 시스템을 제어하기 위한 복수의 제어 신호 세트를 생성하는 단계, 강화 학습을 기반으로 상기 실제 상황 데이터 및 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 상기 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하는 단계, 상기 리워딩 작업에 기초하여 상기 복수의 제어 신호 세트 중 하나를 도출하는 단계 및 상기 도출된 제어 신호 세트를 상기 냉방 시스템 제어 장치로 전송하는 단계를 포함하는 냉방 시스템 제어 방법을 제공할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 냉동기, 냉각탑, 순환펌프 등 개별로 제어되던 시스템을 냉방 시스템 전체를 고려하여 최적으로 제어하는 대상 건물의 냉방 시스템을 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치를 제공할 수 있다. BAS(Building Automation System) 위주의 오프라인의 운영이 아닌, 클라우드 기반의 실시간 온라인으로 최적 운영하는 대상 건물의 냉방 시스템을 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치를 제공할 수 있다. 건물 에너지 시뮬레이션 기술 기반의 가상 데이터를 활용하여 모델 및 알고리즘 설계를 위한 학습데이터를 확보함으로써, 신축 공간에 대해서도 적용가능한 대상 건물의 냉방 시스템을 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 냉방 제어 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 냉방 시스템 제어 장치의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 냉방 시스템 제어 장치에서 클라우드 서버와 연동하여 대상 건물의 냉방 시스템을 제어하는 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 클라우드 서버의 구성도이다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 각 냉방 장치의 에너지 소비량에 대한 이율 배반 관계를 도시한 예시적인 도면이다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 복수의 제어 신호 세트 중 하나를 도출하는 과정을 도시한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 클라우드 서버에서 대상 건물의 냉방 시스템을 제어하는 방법의 순서도이다.
도 8은 본 발명의 일 실시예에 따른 냉방 제어 시스템에서 대상 건물의 냉방 시스템을 제어하는 과정을 도시한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 냉방 제어 시스템의 구성도이다. 도 1을 참조하면, 냉방 제어 시스템(1)은 냉방 시스템 제어 장치(110), 클라우드 서버(120) 및 냉방 시스템(130)을 포함할 수 있다. 냉방 시스템 제어 장치(110), 클라우드 서버(120) 및 냉방 시스템(130)은 냉방 제어 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다.
도 1의 냉방 제어 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 냉방 시스템 제어 장치(110)는 클라우드 서버(120) 또는 냉방 시스템(130)과 동시에 또는 시간 간격을 두고 연결될 수 있다.
네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
냉방 시스템 제어 장치(110)는 클라우드 서버(120)와 연동하여 대상 건물(100)에 설치된 냉방 시스템(130)을 제어할 수 있다. 구체적으로, 냉방 시스템 제어 장치(110)는 냉방 시스템(130)에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터 정보를 수집하고, 수집된 실제 상황 데이터를 클라우드 서버(120)로 전송할 수 있다.
냉방 시스템 제어 장치(110)는 클라우드 서버(120)에 의해 생성된 복수의 제어 신호 세트 중 실제 상황 데이터에 기초하여 도출된 제어 신호 세트를 수신하고, 수신한 제어 신호 세트에 기초하여 복수의 냉방 장비를 제어할 수 있다. 이 때, 냉방 시스템 제어 장치(110)는 제어 신호 세트에 따라 대상 건물(100)에 대해 기설정된 목표 예상 불만족도에 대한 온열 쾌적감을 비교하여 복수의 냉방 장비를 제어할 수도 있다.
예를 들어, 복수의 냉방 장비가 냉각탑(131) 및 냉동기(132)를 포함하는 경우, 냉방 시스템 제어 장치(110)는 제어 신호 세트에 따라 냉각탑(131)으로부터 냉동기(132)로 들어가는 냉각수의 입수 온도와 관련하여 발생되는 냉각탑(131)의 에너지 소비량 및 냉동기(132)의 에너지 소비량 간의 이율 배반 관계를 고려하여 냉각탑(131) 및 냉동기(132)를 제어할 수 있다. 다른 예를 들어, 복수의 냉방 장비가 냉수 펌프(133) 및 공조기(134)를 포함하는 경우, 냉방 시스템 제어 장치(110)는 제어 신호 세트에 따라 냉수 펌프(133)를 통해 제공하는 냉수 출수 유량에 따른 공조기(134)에서 제공하는 급기 온도와 관련하여 발생되는 냉수 펌프(133)의 에너지 소비량 및 공조기(134)를 에너지 소비량 간의 이율 배반 관계를 고려하여 냉수 펌프(133) 및 공조기(134)를 제어할 수 있다.
냉방 시스템 제어 장치(110)는 클라우드 서버(120)로부터 수신한 제어 신호 세트에 기초하여 제어된 복수의 냉방 장비로부터 새롭게 생성된 실제 상황 데이터를 수집하고, 새롭게 생성된 실제 상황 데이터를 클라우드 서버(120)로 전송할 수 있다.
클라우드 서버(120)는 냉방 시스템 제어 장치(110)와 연동하여 대상 건물(100)에 설치된 냉방 시스템(130)에 대해 최적화된 제어 조합을 도출할 수 있다. 구체적으로, 클라우드 서버(120)는 대상 건물(100)에 설치된 냉방 시스템 제어 장치(110)로부터 냉방 시스템(130)에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신할 수 있다.
클라우드 서버(120)는 냉방 시스템(130)을 제어하기 위한 복수의 제어 신호 세트를 생성하고, 강화 학습을 기반으로 실제 상황 데이터에 기초하여 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하고, 리워딩 작업에 기초하여 복수의 제어 신호 세트 중 하나를 도출할 수 있다. 제어 신호 세트는 각 냉방 장비의 온/오프 제어값, 각 냉방 장비에 대한 제어를 통해 제공하려는 냉수 출수 온도, 냉수 출수 유량, 급기 온도, 급기 풍량 등을 포함하며, 복수의 냉방 장비 각각에 대한 제어값의 조합으로 구성되는 것일 수 있다. 이 때, 클라우드 서버(120)는 실제 상황 데이터와 대응하는 기준 에너지 소비량과 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다.
구체적으로, 클라우드 서버(120)는 기준 에너지 소비량이 제어 신호 세트에 의해 제어되는 복수의 냉방 장비가 소비하는 전체 에너지 소비량을 초과하는 정도에 따라 복수의 제어 신호 세트 각각에 리워드를 부여하고, 리워드가 부여된 복수의 제어 신호 세트 중 리워드가 높은 하나를 도출할 수 있다. 이 때, 클라우드 서버(120)는 각 냉방 장비의 에너지 소비량에 대한 이율 배반(trade-off) 관계를 고려하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다.
예를 들어, 복수의 냉방 장비가 냉각탑(131) 및 냉동기(132)를 포함하는 경우, 클라우드 서버(120)는냉각탑(131)으로부터 냉동기(132)로 들어가는 냉각수의 입수 온도와 관련하여 발생하는 냉각탑(131)의 에너지 소비량 및 냉동기(132)의 에너지 소비량 간의 이율 배반 관계를 고려할 수 있다.
다른 예를 들어, 복수의 냉방 장비가 냉수 펌프(133) 및 공조기(134)를 포함하는 경우, 클라우드 서버(120)는 냉수 펌프(133)를 통해 제공하는 냉수 출수 유량에 따른 공조기에서 제공하는 급기 온도와 관련하여 발생하는 냉수 펌프(133)의 에너지 소비량 및 공조기(134)의 에너지 소비량 간의 이율 배반 관계를 고려할 수 있다.
클라우드 서버(120)는 실제 상황 데이터에 기초하여 도출된 예상 평균온열감을 기반으로 예상 불만족도를 도출하고, 도출된 예상 불만족도를 이용하여 대상 건물(100) 내의 재실자에 대한 온열 쾌적감을 도출하고, 온열 쾌적감을 더 고려하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다. 이 때, 클라우드 서버(120)는 대상 건물(100)에 대해 기설정된 목표 예상 불만족도와 온열 쾌적감을 비교하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다.
클라우드 서버(120)는 냉방 시스템(130)에 대한 시뮬레이션 모델을 통해 가상 데이터를 수집할 수 있다. 클라우드 서버(120)는 가상 데이터를 이용하여 실제 상황 데이터를 보완하고, 보완된 실제 상황 데이터에 기초하여 복수의 제어 신호 세트 각각에 대한 리워딩 작업을 수행할 수 있다.
클라우드 서버(120)는 도출된 제어 신호 세트를 냉방 시스템 제어 장치(110)로 전송할 수 있다. 또한, 클라우드 서버(120)는 냉방 시스템 제어 장치(110)로부터 전송된 제어 신호 세트에 기초하여 제어된 복수의 냉방 장비로부터 새롭게 생성된 실제 상황 데이터를 수신할 수 있다.
냉방 시스템(130)은 대상 건물(100)에 설치되어 대상 건물(100) 내의 냉방 상태를 제공하기 위한 시스템일 수 있다. 구체적으로, 냉방 시스템(130)은 냉방 시스템(130)에 포함됨 복수의 냉방 장비에 대한 실제 상황 데이터 정보를 냉방 시스템 제어 장치(110)로 전송할 수 있다. 이러한 냉방 시스템(130)에 포함된 복수의 냉방 장비는 냉동기(132)의 냉수 생산에 필요한 냉각수를 공급하는 냉각탑(131), 냉수를 생산하는 냉동기(132), 냉수의 순환을 위한 냉수 펌프(133), 생산된 냉수를 이용하여 저온의 공기를 실내로 공급하는 공조기(134), 냉각수의 순환을 위한 냉각수 펌프(135) 등을 포함할 수 있다.
냉방 시스템(130)은 실제 상황 데이터 정보에 기초하여 도출된 제어 신호 세트에 따라 냉방 시스템 제어 장치(110)에 의해 제어될 수 있다. 예를 들어, 냉방 시스템(130)에 포함된 복수의 냉방 장비는 도출된 제어 신호 세트에 따라 각각 제어될 수 있다.
냉방 시스템(130)은 냉방 시스템 제어 장치(110)에 의해 제어 신호 세트에 따라 제어되는 경우, 새롭게 생성된 실제 상황 데이터를 냉방 시스템 제어 장치(110)로 전송할 수 있다.
도 2는 본 발명의 일 실시예에 따른 냉방 시스템 제어 장치의 구성도이다. 도 2를 참조하면, 냉방 시스템 제어 장치(110)는 수집부(210), 전송부(220), 수신부(230) 및 제어부(240)를 포함할 수 있다.
수집부(210)는 냉방 시스템(130)에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터 정보를 수집할 수 있다. 또한, 수집부(210)는 수신한 제어 신호 세트에 기초하여 복수의 냉방 장치로부터 새롭게 생성된 실제 상황 데이터를 수집할 수도 있다.
전송부(220)는 실제 상황 데이터를 클라우드 서버(120)로 전송할 수 있다. 또한, 전송부(220)는 수집부(210)에서 새롭게 생성된 실제 상황 데이터를 수집한 경우, 새롭게 생성된 실제 상황 데이터를 클라우드 서버(120)로 전송할 수 있다.
수신부(230)는 클라우드 서버(120)에 의해 생성된 복수의 제어 신호 세트 중 실제 상황 데이터에 기초하여 도출된 제어 신호 세트를 수신할 수 있다. 여기서, 제어 신호 세트는 강화 학습을 기반으로 실제 상황 데이터에 기초하여 리워딩 작업이 수행된 복수의 제어 신호 세트로부터 도출된 것일 수 있다.
제어부(240)는 수신한 제어 신호 세트에 기초하여 복수의 냉방 장비를 제어할 수 있다.
예를 들어, 복수의 냉방 장비가 냉각탑(131) 및 냉동기(132)를 포함하는 경우, 제어부(240)는 제어 신호 세트에 따라 냉각탑(131)으로부터 냉동기(132)로 들어가는 냉각수의 입수 온도와 관련하여 발생되는 냉각탑(131)의 에너지 소비량 및 냉동기(132)의 에너지 소비랑 간의 이율 배반 관계를 고려하여 냉각탑(131) 및 냉동기(132)를 제어할 수 있다.
다른 예를 들어, 복수의 냉방 장비가 냉수 펌프(133) 및 공조기(134)를 포함하는 경우, 제어부(240)는 제어 신호 세트에 따라 냉수 펌프(133)를 통해 제공하는 냉수 출수 유량에 따른 공조기(134)에서 제공하는 급기 온도와 관련하여 발생되는 냉수 펌프(133)의 에너지 소비량 및 공조기(134)의 에너지 소비량 간의 이율 배반 관계를 고려하여 냉수 펌프(133) 및 공조기(134)를 제어할 수 있다.
제어부(240)는 제어 신호 세트에 따라 대상 건물(100)에 대해 기설정된 목표 예상 불만족도에 대한 온열 쾌적감을 비교하여 복수의 냉방 장비를 제어할 수 있다. 제어 신호 세트는 대상 건물(100) 내의 재실자에 대한 온열 쾌적감이 더 고려되어 각각 리워드를 부여받은 복수의 제어 신호 세트로부터 도출된 것이며, 온열 쾌적감은 실제 상황 데이터에 기초하여 도출된 예상 평균온열감을 기반으로 도출된 예상 불만족도를 이용하여 도출된 것일 수 있다.
도 3은 본 발명의 일 실시예에 따른 냉방 시스템 제어 장치에서 클라우드 서버와 연동하여 대상 건물의 냉방 시스템을 제어하는 방법의 순서도이다. 도 3에 도시된 냉방 제어 시스템(1)에 의하여 수행되는 클라우드 서버(120)와 연동하여 대상 건물(100)의 냉방 시스템(130)을 제어하는 방법은 도 1 및 도 2에 도시된 실시예에 따라 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 및 도 2에 도시된 실시예에 따른 냉방 시스템 제어 장치(110)에 의해 수행되는 클라우드 서버(120)와 연동하여 대상 건물(100)의 냉방 시스템(130)을 제어하는 방법에도 적용된다.
단계 S310에서 냉방 시스템 제어 장치(110)는 냉방 시스템(130)에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터 정보를 수집할 수 있다.
단계 S320에서 냉방 시스템 제어 장치(110)는 실제 상황 데이터를 클라우드 서버(120)로 전송할 수 있다.
단계 S330에서 냉방 시스템 제어 장치(110)는 클라우드 서버(120)에 의해 생성된 복수의 제어 신호 세트 중 실제 상황 데이터에 기초하여 도출된 제어 신호 세트를 수신할 수 있다.
단계 S340에서 냉방 시스템 제어 장치(110)는 수신한 제어 신호 세트에 기초하여 복수의 냉방 장치를 제어할 수 있다.
상술한 설명에서, 단계 S310 내지 S340은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 4는 본 발명의 일 실시예에 따른 클라우드 서버의 구성도이다. 도 4를 참조하면, 클라우드 서버(120)는 수신부(410), 도출부(420), 전송부(430) 및 시뮬레이션부(440)를 포함할 수 있다.
수신부(410)는 대상 건물(100)에 설치된 냉방 시스템 제어 장치(110)로부터 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신할 수 있다. 또한, 수신부(410)는 냉방 시스템 제어 장치로부터 전송된 제어 신호 세트에 기초하여 제어된 복수의 냉방 장치로부터 새롭게 생성된 실제 상황 데이터를 수신할 수 있다. 복수의 냉방 장비는 예를 들어, 냉동기, 냉각탑, 냉수 펌프, 냉각수 펌프 및 공조기 등을 포함할 수 있다.
도출부(420)는 냉방 시스템(130)에 포함된 복수의 냉방 장비들의 이율배반(trade-off) 관계를 종합적으로 고려하여 최적의 냉방 시스템 제어 조합을 도출할 수 있다. 예를 들어, 도출부(420)는 대상 공간의 냉방부하(Qcool)를 만족하고 전체 냉방 시스템의 에너지 소비(Etotal)를 최소화 하는 냉방 시스템 내 개별 장비들의 제어 조합을 도출할 수 있다.
예를 들어, 도출부(420)는 냉방 시스템(130)을 제어하기 위한 복수의 제어 신호 세트를 생성하고, 강화 학습을 기반으로 실제 상황 데이터에 기초하여 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행할 수 있다.
예를 들어, 도출부(420)는 냉방 부하 예측 기반으로 하는 냉동기 전체 COP(Coefficient of Performance)를 최대화하는 부하 배분 알고리즘/냉동기 대수 최적 제어 알고리즘, 냉방 부하 예측 기반으로 냉동기 전체 에너지 소비를 최소화하는 냉수 출구 온도 최적 제어 알고리즘, 외기의 습구온도 예측을 기반으로 냉각탑 전체 에너지 소비를 최소화하는 냉각탑 팬 운전 최적 제어 알고리즘, 외기 습구온도 및 냉방부하를 기반으로 냉방 시스템 전체 에너지 소비를 최소화하는 냉방 시스템 최적 제어 알고리즘을 이용한 강화학습 알고리즘 기반의 리워딩 작업을 수행할 수 있다.
냉방 부하(Qcool)는 다음의 수학식 1로 나타내어 질 수 있다.
Figure 112017059693093-pat00001
여기서, Qcool은 냉방부하(W)이고, Trchw는 냉동기로 들어오는 냉수의 온도인 냉수 환수 온도(℃), Tschw는 냉동기에서 나가는 냉수의 온도인 냉수 출수 온도(℃),Vschw는 냉동기에서 나가고 들어오는 냉수의 양인 냉수 유량(kg/s), Cp는 물의 비열(J/kg℃)을 나타낸다.
전체 냉방 시스템의 에너지 소비는 다음의 수학식 2로 나타내어 질 수 있다.
Figure 112017059693093-pat00002
여기서, Etotal은 전체 냉방 시스템의 에너지 소비량(kWh)이고, Echiller는 전체 냉동기의 에너지 소비량(kWh)이고, Etower는 전체 냉각탑의 에너지 소비량(kWh)이고, Epumpchw는 전체 냉수 순환 펌프의 에너지 소비량(kWh)이고, Epumpcw는 전체 냉각수 순환 펌프의 에너지 소비량(kWh)이고, Eahu는 전체 공조기의 에너지 소비량(kWh)을 나타낸다.
제어 신호 세트는 각 냉방 장치의 온/오프 제어값, 각 냉방 장치에 대한 제어를 통해 제공하려는 냉수 출수 온도, 냉수 출수 유량, 급기 온도, 급기 풍량 등을 포함하며, 복수의 냉방 장비 각각에 대한 제어값으로 조합될 수 있다. 제어 신호 세트는 예를 들어, 전체 에너지 소비량이 전체 기준소비량보다 낮으면 +1, 낮으면 -1, 대상 공간의 예상불만족도가 10%를 넘지 않으면 +1, 넘으면 -1로 리워드가 부여될 수 있다.
구체적으로, 전체 냉방 시스템의 제어 신호 세트는 다음의 수학식 3으로 나타내어 질 수 있다.
Figure 112017059693093-pat00003
여기서, Ctotal은 전체 냉방 시스템의 제어 신호 세트이고, Pchiller는 냉동기의 개별 온(on)/오프(off) 제어값이고, Ptower는 냉각탑의 온(on)/오프(off) 제어값이고, Tsetchw는 냉수 출수 설정온도 제어값(℃)이고, Vsetchw는 냉수 출수 설정유량 제어값(kg/s)이고, Tsetsa는 공조기 급기 설정온도 제어값(℃)이고, Vsetsa는 공조기 급기 설정풍량 제어값(kg/s)을 나타낸다.
도출부(420)는 가상 데이터를 이용하여 실제 상황 데이터를 보완하고, 보완된 실제 상황 데이터에 기초하여 복수의 제어 신호 세트 각각에 대한 리워딩 작업을 수행할 수 있다.
도출부(420)는 실제 상황 데이터와 대응하는 기준 에너지 소비량과 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다. 이 때, 도출부(420)는 각 냉방 장치의 에너지 소비량에 대한 이율 배반(trade-off) 관계를 고려하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다. 이러한 각 냉방 장비의 에너지 소비량에 대한 이율 배반 관계를 고려하는 과정에 대해서는 도 5a 및 도 5b를 통해 상세히 설명하도록 한다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 각 냉방 장치의 에너지 소비량에 대한 이율 배반 관계를 도시한 예시적인 도면이다.
도 5a는 본 발명의 일 실시예에 따른 냉각탑의 에너지 소비량과 냉동기의 에너지 소비량 간의 이율 배반 관계를 도시한 예시적인 도면이다. 복수의 냉방 장치가 냉각탑(131) 및 냉동기(132)를 포함하는 경우, 도출부(420)는 냉각탑(131)으로부터 냉동기(132)로 들어가는 냉각수의 입수 온도(510)와 관련하여 발생하는 냉각탑(131) 및 냉동기(132)의 에너지 소비량(520) 간의 이율 배반 관계를 고려할 수 있다.
도 5a를 참조하면, 냉각수의 온도가 내려가면, 냉각탑의 에너지 소비량(530)이 증가하고, 냉동기의 에너지 소비량(540)이 저감되는 것을 알 수 있다.
도 5b는 본 발명의 일 실시예에 따른 냉수 펌프의 에너지 소비량과 공조기의 에너지 소비량 간의 이율 배반 관계를 도시한 예시적인 도면이다. 복수의 냉방 장치가 냉수 펌프(133) 및 공조기(134)를 포함하는 경우, 도출부(420)는 냉수 펌프(133)를 통해 제공하는 냉수 출수 유량(550)에 따른 공조기(134)에서 제공하는 급기 온도와 관련하여 발생하는 냉수 펌프(133) 및 공조기(134)의 에너지 소비량(560) 간의 이율 배반 관계를 고려할 수 있다.
도 5b를 참조하면, 냉수 출수 유량이 늘어나면, 냉수 펌프의 에너지 소비량(570)이 증가하나, 공조기의 에너지 소비량(580)이 저감되는 것을 알 수 있다.
다시 도4로 돌아와서, 도출부(420)는 실제 상황 데이터에 기초하여 도출된 예상 평균온열감을 기반으로 예상 불만족도를 도출하고, 도출된 예상 불만족도를 이용하여 대상 건물(100) 내의 재실자에 대한 온열 쾌적감을 도출하고, 온열 쾌적감을 더 고려하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다.
평균온열감(PMV, Predicted Meqn Vote)은 동일 환경에 노출된 많은 사람들의 온열감 척도에 대한 의사 표시(vote)의 평균치를 예측하는 것을 의미한다. 예를 들어, 온열감 척도는 무더움(hot, +3), 더움(warm, +2), 약간 더움(slightly warm, +1), 알맞음(neutral, 0), 약간 서늘함(slightly cool, -1), 서늘함(cool, -2), 추움(cold, -3)과 같이 7단계로 구성될 수 있다.
평균온열감의 지표는 활동량(metabolic rate), 착의량(thermal resistance), 온도(air temperature), 평균 복사온도(mean radiant temperature), 상대 기류 속도(relative air velocity), 수증기 분압(partial water vapour pressure)에 기초하여 도출되는 것으로, 열평형 유지를 위해 자동적으로 피부 온도를 조절하고 땀을 분비하게 되는 인체 열조절 시스템의 생리적 반응과 많은 사람으로부터 수집된 온열감 의사 표시를 통계학적으로 연관시킨 것일 수 있다.
예상 불만족도(PPD, Predicted Percentage of Dissatisfied)는 많은 사람들 중 열적으로 불쾌적하게 느끼는 사람들의 비율을 예측하는 것으로, 예를 들어, 7단계의 온열감 척도 중 무더움(hot, +3), 더움(warm, +2), 서늘함(cool, -2), 추움(cold, -3)에 의사 표시를 하는 사람들의 비율을 예측하는 것일 수 있다.
예상 불만족도의 지표를 통해 많은 사람들 중 열적으로 불쾌적한 사람들의 숫자를 예측하여, 많은 사람들 중 열적으로 불쾌적한 것으로 예측된 사람들을 제외한 사람들의 경우, 열적으로 알맞음(neutral), 약간 더움(slightly warm), 약간 서늘(slightly cool)하다고 느끼고 있다고 판단할 수 있다.
온열 쾌적감(Acceptable thermal environments for comfort)은 열환경에 대해 만족을 표현하는 심리상태로 정의되며, 예를 들어, 온열 쾌적감은 예상 불만족도를 기설정된 정책에 따라 지표화/수치화한 것에 해당할 수 있다.
도출부(420)는 대상 건물(100)에 대해 기설정된 목표 예상 불만족도와 온열 쾌적감을 비교하여 복수의 제어 신호 세트 각각에 리워드를 부여할 수 있다. 예를 들어, 에너지 소비량이 전체 기준소비량보다 낮으면 +1, 높으면 -1, 대상 공간 예상 불만족도가 10%를 넘지 않으면 +1, 넘으면 -1로 부여할 수 있다.
예상 불만족도는 대상 공간 별로 목표 예상 불만족율이 에너지 소비 저감과 온열 쾌적감 만족 간의 가중치 조정에 의해 변경될 수 있다. 예를 들어, 강화 학습의 리워드 산정 시, 대상 공간의 운영 목적, 상황 등에 따라, 예상 불만족도가 10% 이내 시 리워드를 +1로, 10% 초과 시 리워드를 -1로 설정된 조건을 20% 이내 시 리워드를 +1로, 20% 초과 시 리워드를 -1로 변경하여 온열 쾌적감 만족에 대한 가중치를 조정할 수 있다.
도출부(420)는 리워딩 작업에 기초하여 복수의 제어 신호 세트 중 하나를 도출할 수 있다. 예를 들어, 도출부(420)는 기준 에너지 소비량이 제어 신호 세트에 의해 제어되는 복수의 냉방 장비가 소비하는 전체 에너지 소비량을 초과하는 정도에 따라 복수의 제어 신호 세트 각각에 리워드를 부여하고, 리워드가 부여된 복수의 제어 신호 세트 중 리워드가 높은 하나를 도출할 수 있다. 리워딩 작업에 기초하여 복수의 제어 신호 세트 중 하나를 도출하는 과정에 대해서는 도 6a 및 도 6b를 통해 상세히 설명하도록 한다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 복수의 제어 신호 세트 중 하나를 도출하는 과정을 도시한 예시적인 도면이다.
도 6a는 본 발명의 일 실시예에 따른 복수의 제어 신호 세트를 도시한 예시적인 도면이다. 도 6a를 참조하면, 복수의 제어 신호 세트(600)는 각 냉방 장비에 대한 에너지 소비량(610)에 따라 가중치를 부가하여 리워드가 부여되고, 리워드가 부여된 복수의 제어 신호 세트(600) 중 리워드가 가장 높은 하나를 도출할 수 있다.
예를 들어, 복수의 제어 신호 세트(600) 중 각 냉방 장비 간의 이율 배반 관계를 복합적으로 고려하여 전체 냉방 시스템의 에너지 소비를 최소화하는 제어 조합으로 '제어 신호 세트 B'(620)가 도출될 수 있다.
도 6b는 본 발명의 일 실시예에 따른 에너지 소비를 최소화하기 위해 도출된 제어 신호 세트의 제어 조합을 도시한 예시적인 도면이다. 도 6b를 참조하면, '제어 신호 세트 B'(620)는 '냉동기 1: 온(on), 냉동기 2: 오프(off), 냉각탑 1: 온(on), 냉각탑 2: 온(on), 냉수 출수 설정 온도: 7℃, 냉수 출수 설정 유량: 70kg/s, 공조기 급기 설정 온도: 16℃, 공조기 급기 설정 풍량: 1,000kg/s'로 조합된 것일 수 있다.
다시 도 4로 돌아와서, 전송부(430)는 도출된 제어 신호 세트를 냉방 시스템 제어 장치(110)로 전송할 수 있다.
시뮬레이션부(440)는 냉방 시스템(130)에 대한 시뮬레이션 모델을 통해 가상 데이터를 수집할 수 있다. 즉, 본원 발명은 시뮬레이션부(440)를 통해 수집되는 가상 데이터를 이용하여 실제 상황 데이터를 보완하고, 보완된 실제 상황 데이터에 기초하여 복수의 제어 신호 세트 각각에 대한 리워딩 작업을 수행할 수 있다.
본 발명에서는 강화 학습 알고리즘을 기반으로 한 리워딩 작업을 통해 대상 건물(100)의 환경 변화(대상 공간의 사용 용도 변경, 운영 스케줄 변경 등) 등에 효과적으로 적응하여 최적 제어가 가능하도록 할 수 있다. 또한, 타 기계 학습 알고리즘과 비교하여 상대적으로 특정 건물을 대상으로 개발된 알고리즘을 타 건물에 적용하여 운용하기 효과적이라는 장점을 갖는다.
도 7은 본 발명의 일 실시예에 따른 냉방 제어 시스템에서 대상 건물의 냉방 시스템을 제어하는 방법의 순서도이다. 도 7에 도시된 클라우드 서버(120)에 의해 수행되는 대상 건물(100)의 냉방 시스템(130)을 제어하는 방법은 도 1 내지 도 6b에 도시된 실시예에 따라 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 6b에 도시된 실시예에 따른 클라우드 서버(120)에 의해 수행되는 대상 건물(100)의 냉방 시스템(130)을 제어하는 방법에도 적용된다.
단계 S710에서 클라우드 서버(120)는 대상 건물(100)에 설치된 냉방 시스템 제어 장치(110)로부터 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신할 수 있다.
단계 S720에서 클라우드 서버(120)는 냉방 시스템(130)을 제어하기 위한 복수의 제어 신호 세트를 생성할 수 있다.
단계 S730에서 클라우드 서버(120)는 강화 학습을 기반으로 실제 상황 데이터 및 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행할 수 있다.
단계 S740에서 클라우드 서버(120)는 리워딩 작업에 기초하여 복수의 제어 신호 세트 중 하나를 도출할 수 있다.
단계 S750에서 클라우드 서버(120)는 도출된 제어 신호 세트를 냉방 시스템 제어 장치(110)로 전송할 수 있다.
상술한 설명에서, 단계 S710 내지 S750은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 8은 본 발명의 일 실시예에 따른 냉방 제어 시스템에서 대상 건물의 냉방 시스템을 제어하는 과정을 도시한 동작 흐름도이다. 도 8을 참조하면, 냉방 제어 시스템(1)은 냉방 시스템 제어 장치(110), 클라우드 서버(120) 및 냉방 시스템(130)을 포함할 수 있다.
냉방 시스템(130)은 각각의 냉방 장비에 대한 실제 상황 데이터 정보를 냉방 시스템 제어 장치(110)로 전송할 수 있다(S801).
냉방 시스템 제어 장치(110)는 복수의 냉방 장비에 대한 실제 상황 데이터를 수집하고(S802), 수집된 실제 상황 데이터를 클라우드 서버(120)로 전송할 수 있다(S803).
클라우드 서버(120)는 냉방 시스템을 제어하기 위한 복수의 제어 신호 세트를 생성하고(S804), 강화 학습을 기반으로 실제 상황 데이터에 기초하여 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행할 수 있다(S805).
클라우드 서버(120)는 리워딩 작업에 기초하여 복수의 제어 신호 세트 중 하나를 도출하고(S806), 도출된 제어 신호 세트를 냉방 시스템 제어 장치(110)로 전송할 수 있다(S807).
냉방 시스템 제어 장치(110)는 제어 신호 세트를 저장하고(S808), 제어 신호 세트에 기초하여 냉방 시스템(130)에 포함된 복수의 냉방 장치를 제어할 수 있다(S809).
상술한 설명에서, 단계 S801 내지 S809는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 대상 건물
110: 냉방 시스템 제어 장치
120: 클라우드 서버
130: 냉방 시스템
131: 냉각탑
132: 냉동기
133: 냉수 펌프
134: 공조기
135: 냉각수 펌프
210: 수집부
220: 전송부
230: 수신부
240: 제어부
410: 수신부
420: 도출부
430: 전송부
440: 시뮬레이션부

Claims (19)

  1. 대상 건물의 냉방 시스템을 제어하는 클라우드 서버에 있어서,
    상기 대상 건물에 설치된 냉방 시스템 제어 장치로부터 상기 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신하는 수신부;
    상기 냉방 시스템을 제어하기 위한 복수의 제어 신호 세트를 생성하고, 강화 학습을 기반으로 상기 실제 상황 데이터에 기초하여 상기 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하고, 상기 리워딩 작업에 기초하여 상기 복수의 제어 신호 세트 중 하나를 도출하는 도출부; 및
    상기 도출된 제어 신호 세트를 상기 냉방 시스템 제어 장치로 전송하는 전송부를 포함하고,
    상기 도출부는 상기 실제 상황 데이터와 대응하는 기준 에너지 소비량과 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 상기 복수의 제어 신호 세트 각각에 리워드를 부여하고,
    상기 냉방 시스템은 상기 전송된 제어 신호 세트에 기초하여 상기 복수의 냉방 장비가 제어됨으로써 동작되는 것이되,
    상기 도출부는 각 냉방 장비의 에너지 소비량에 대한 이율 배반(trade-off) 관계를 고려하여 상기 복수의 제어 신호 세트 각각에 리워드를 부여하는 것인, 클라우드 서버.
  2. 제 1 항에 있어서,
    상기 냉방 시스템에 대한 시뮬레이션 모델을 통해 가상 데이터를 수집하는 시뮬레이션부를 더 포함하고,
    상기 도출부는 상기 가상 데이터를 이용하여 상기 실제 상황 데이터를 보완하고, 상기 보완된 실제 상황 데이터에 기초하여 상기 복수의 제어 신호 세트 각각에 대한 리워딩 작업을 수행하는 것인, 클라우드 서버.
  3. 제 1 항에 있어서,
    상기 도출부는 상기 기준 에너지 소비량이 상기 제어 신호 세트에 의해 제어되는 복수의 냉방 장비가 소비하는 전체 에너지 소비량을 초과하는 정도에 따라 상기 복수의 제어 신호 세트 각각에 리워드를 부여하고, 상기 리워드가 부여된 복수의 제어 신호 세트 중 리워드가 높은 하나를 도출하는 것인, 클라우드 서버.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 복수의 냉방 장비는 냉각탑 및 냉동기를 포함하고,
    상기 도출부는 상기 냉각탑으로부터 상기 냉동기로 들어가는 냉각수의 입수 온도와 관련하여 발생하는 상기 냉각탑의 에너지 소비량 및 상기 냉동기의 에너지 소비량 간의 이율 배반 관계를 고려하는 것인, 클라우드 서버.
  6. 제 1 항에 있어서,
    상기 복수의 냉방 장비는 냉수 펌프 및 공조기를 포함하고,
    상기 도출부는 상기 냉수 펌프를 통해 제공하는 냉수 출수 유량에 따른 상기 공조기에서 제공하는 급기 온도와 관련하여 발생하는 상기 냉수 펌프의 에너지 소비량 및 상기 공조기의 에너지 소비량 간의 이율 배반 관계를 고려하는 것인, 클라우드 서버.
  7. 제 1 항에 있어서,
    상기 도출부는 상기 실제 상황 데이터에 기초하여 도출된 예상 평균온열감을 기반으로 예상 불만족도를 도출하고, 상기 도출된 예상 불만족도를 이용하여 상기 대상 건물 내의 재실자에 대한 온열 쾌적감을 도출하고, 상기 온열 쾌적감을 더 고려하여 상기 복수의 제어 신호 세트 각각에 리워드를 부여하는 것인, 클라우드 서버.
  8. 제 7 항에 있어서,
    상기 도출부는 상기 대상 건물에 대해 기설정된 목표 예상 불만족도와 상기 온열 쾌적감을 비교하여 상기 복수의 제어 신호 세트 각각에 리워드를 부여하는 것인, 클라우드 서버.
  9. 제 1 항에 있어서,
    상기 제어 신호 세트는 상기 복수의 냉방 장비 각각에 대한 제어값의 조합으로 구성되는 것인, 클라우드 서버.
  10. 제 9 항에 있어서,
    상기 복수의 냉방 장비는 냉동기, 냉각탑, 냉수 펌프, 냉각수 펌프 및 공조기를 포함하고,
    상기 제어 신호 세트는 상기 각 냉방 장비의 온/오프 제어값, 상기 각 냉방 장비에 대한 제어를 통해 제공하려는 냉수 출수 온도, 냉수 출수 유량, 급기 온도 및 급기 풍량 중 적어도 하나를 포함하는 것인, 클라우드 서버.
  11. 제 1 항에 있어서,
    상기 수신부는 상기 냉방 시스템 제어 장치로부터 상기 전송된 제어 신호 세트에 기초하여 제어된 상기 복수의 냉방 장비로부터 새롭게 생성된 실제 상황 데이터를 수신하는 것인, 클라우드 서버.
  12. 클라우드 서버와 연동하여 대상 건물의 냉방 시스템을 제어하는 장치에 있어서,
    상기 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터 정보를 수집하는 수집부;
    상기 실제 상황 데이터를 상기 클라우드 서버로 전송하는 전송부;
    상기 클라우드 서버에 의해 생성된 복수의 제어 신호 세트 중 상기 실제 상황 데이터에 기초하여 도출된 제어 신호 세트를 수신하는 수신부; 및
    상기 수신한 제어 신호 세트에 기초하여 상기 복수의 냉방 장비를 제어하는 제어부
    를 포함하고,
    상기 제어 신호 세트는 강화 학습을 기반으로 상기 실제 상황 데이터에 기초하여 리워딩 작업이 수행된 상기 복수의 제어 신호 세트로부터 도출되고, 상기 복수의 제어 신호 세트는 상기 실제 상황 데이터와 대응하는 기준 에너지 소비량과 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 상기 클라우드 서버로부터 리워드를 부여받는 것이되,
    상기 복수의 제어 신호 세트는 상기 각 냉방 장비의 에너지 소비량에 대한 이율 배반(trade-off) 관계가 고려되어 리워드를 부여받는 것인, 냉방 시스템 제어 장치.
  13. 삭제
  14. 제 12 항에 있어서,
    상기 복수의 냉방 장비는 냉각탑 및 냉동기를 포함하고,
    상기 제어부는 상기 제어 신호 세트에 따라 상기 냉각탑으로부터 상기 냉동기로 들어가는 냉각수의 입수 온도와 관련하여 발생되는 상기 냉각탑의 에너지 소비량 및 상기 냉동기의 에너지 소비량 간의 이율 배반 관계를 고려하여 상기 냉각탑 및 상기 냉동기를 제어하는 것인, 냉방 시스템 제어 장치.
  15. 제 12 항에 있어서,
    상기 복수의 냉방 장비는 냉수 펌프 및 공조기를 포함하고,
    상기 제어부는 상기 제어 신호 세트에 따라 상기 냉수 펌프를 통해 제공하는 냉수 출수 유량에 따른 상기 공조기에서 제공하는 급기 온도와 관련하여 발생되는 상기 냉수 펌프의 에너지 소비량 및 상기 공조기의 에너지 소비량 간의 이율 배반 관계를 고려하여 상기 냉수 펌프 및 상기 공조기를 제어하는 것인, 냉방 시스템 제어 장치.
  16. 제 12 항에 있어서,
    상기 복수의 제어 신호 세트는 상기 대상 건물 내의 재실자에 대한 온열 쾌적감이 더 고려되어 각각 리워드를 부여받고,
    상기 온열 쾌적감은 상기 실제 상황 데이터에 기초하여 도출된 예상 평균온열감을 기반으로 도출된 예상 불만족도를 이용하여 도출되는 것인, 냉방 시스템 제어 장치.
  17. 제 16 항에 있어서,
    상기 제어부는 상기 제어 신호 세트에 따라 상기 대상 건물에 대해 기설정된 목표 예상 불만족도에 대한 상기 온열 쾌적감을 비교하여 상기 복수의 냉방 장비를 제어하는 것인, 냉방 시스템 제어 장치.
  18. 제 12 항에 있어서,
    상기 수집부는 상기 수신한 제어 신호 세트에 기초하여 제어된 상기 복수의 냉방 장비로부터 새롭게 생성된 실제 상황 데이터를 수집하고,
    상기 전송부는 상기 새롭게 생성된 실제 상황 데이터를 상기 클라우드 서버로 전송하는 것인, 냉방 시스템 제어 장치.
  19. 대상 건물의 냉방 시스템을 제어하는 방법에 있어서,
    상기 대상 건물에 설치된 냉방 시스템 제어 장치로부터 상기 냉방 시스템에 포함된 복수의 냉방 장비에 대한 실제 상황 데이터를 수신하는 단계;
    상기 냉방 시스템을 제어하기 위한 복수의 제어 신호 세트를 생성하는 단계;
    강화 학습을 기반으로 상기 실제 상황 데이터 및 상기 복수의 제어 신호 세트 각각에 대응하는 전체 에너지 소비량에 기초하여 상기 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하는 단계;
    상기 리워딩 작업에 기초하여 상기 복수의 제어 신호 세트 중 하나를 도출하는 단계; 및
    상기 도출된 제어 신호 세트를 상기 제어 장치로 전송하는 단계
    를 포함하는 것이되,
    상기 복수의 제어 신호 세트 중 하나를 도출하는 단계는,
    각 냉방 장비의 에너지 소비량에 대한 이율 배반(trade-off) 관계를 고려하여 상기 복수의 제어 신호 세트 각각에 리워드를 부여하는 단계를 포함하는 것인, 냉방 시스템 제어 방법.
KR1020170078709A 2017-06-21 2017-06-21 Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치 KR102272333B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170078709A KR102272333B1 (ko) 2017-06-21 2017-06-21 Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170078709A KR102272333B1 (ko) 2017-06-21 2017-06-21 Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치

Publications (2)

Publication Number Publication Date
KR20180138463A KR20180138463A (ko) 2018-12-31
KR102272333B1 true KR102272333B1 (ko) 2021-07-02

Family

ID=64959797

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170078709A KR102272333B1 (ko) 2017-06-21 2017-06-21 Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치

Country Status (1)

Country Link
KR (1) KR102272333B1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102035818B1 (ko) * 2019-01-07 2019-10-24 주식회사 나라컨트롤 클라우드 기반 건물 냉난방 제어로직 자동 생성방법
KR102544265B1 (ko) * 2019-01-09 2023-06-16 삼성전자주식회사 전자 장치 및 그 제어 방법
WO2021006406A1 (ko) * 2019-07-11 2021-01-14 엘지전자 주식회사 인공지능 기반의 공기조화기
KR102614722B1 (ko) * 2021-06-29 2023-12-18 디엘이앤씨 주식회사 모듈별 무선 통신을 활용한 설비 제어 시스템
CN113671856A (zh) * 2021-08-23 2021-11-19 江苏亨诺科技有限公司 一种基于云服务建筑智能化综合服务系统
KR102474975B1 (ko) * 2021-10-01 2022-12-06 엘지전자 주식회사 열교환기와 공간을 시뮬레이션하고 열교환기를 제어하는 방법 및 이를 구현하는 장치
KR102554902B1 (ko) * 2022-12-29 2023-07-12 가천대학교 산학협력단 연합학습에 기반한 그룹세대의 에너지소비량 추정방법, 및 이를 수행하는 시스템, 컴퓨터-판독가능 매체

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005226845A (ja) 2004-02-10 2005-08-25 Fuji Electric Systems Co Ltd 空調負荷予測方法、空調負荷予測装置、空調負荷予測プログラムおよび記録媒体
JP2012149839A (ja) * 2011-01-20 2012-08-09 Nippon Telegr & Teleph Corp <Ntt> 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム
WO2016138107A1 (en) 2015-02-24 2016-09-01 Siemens Industry, Inc. Variable air volume modeling for an hvac system
WO2017013740A1 (ja) 2015-07-21 2017-01-26 三菱電機株式会社 規則生成装置、規則生成方法、及びプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011179722A (ja) * 2010-02-26 2011-09-15 Toshiba Corp 空調制御システム
KR101077369B1 (ko) * 2010-03-05 2011-10-26 삼성물산 주식회사 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법
KR101170743B1 (ko) * 2010-06-17 2012-08-03 삼성물산 주식회사 건물 에너지 관리 시스템을 통한 냉동기 최적 운전 시스템 및 방법
KR20140141923A (ko) 2013-06-03 2014-12-11 지에스건설 주식회사 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005226845A (ja) 2004-02-10 2005-08-25 Fuji Electric Systems Co Ltd 空調負荷予測方法、空調負荷予測装置、空調負荷予測プログラムおよび記録媒体
JP2012149839A (ja) * 2011-01-20 2012-08-09 Nippon Telegr & Teleph Corp <Ntt> 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム
WO2016138107A1 (en) 2015-02-24 2016-09-01 Siemens Industry, Inc. Variable air volume modeling for an hvac system
WO2017013740A1 (ja) 2015-07-21 2017-01-26 三菱電機株式会社 規則生成装置、規則生成方法、及びプログラム

Also Published As

Publication number Publication date
KR20180138463A (ko) 2018-12-31

Similar Documents

Publication Publication Date Title
KR102272333B1 (ko) Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치
JP6807556B2 (ja) 空調制御方法、空調制御装置及び空調制御プログラム
JP6976976B2 (ja) マルチレベルモデル予測制御のシステムと方法
KR102212663B1 (ko) 목표 온도를 기반으로 하는 빌딩의 열·공조 시스템에 대한 공급 전력 제어 방법 및 장치
US10037013B2 (en) Method and apparatus for managing energy by analyzing energy usage pattern of electric device
CN102168876B (zh) 空调控制系统
US10837669B2 (en) Method and apparatus for effectively controlling plurality of indoor devices
Turhan et al. Development of a personalized thermal comfort driven controller for HVAC systems
CN109101065B (zh) 智能家居温湿度环境智能调节系统
JP6419497B2 (ja) 空調制御装置、空調制御方法、及びプログラム
Medina et al. Retrofit of air conditioning systems through an Wireless Sensor and Actuator Network: An IoT-based application for smart buildings
Rezeka et al. Management of air-conditioning systems in residential buildings by using fuzzy logic
CN110726209B (zh) 空调控制方法、装置、存储介质以及处理器
US20200209820A1 (en) System and method for improving the energy management of hvac equipment
Cheng et al. Energy efficient thermal comfort control for cyber-physical home system
CN115289637A (zh) 温度调节方法、系统、设备、存储介质及程序产品
Alizadeh et al. Least laxity first scheduling of thermostatically controlled loads for regulation services
Frincu et al. Towards a scalable cloud enabled smart home automation architecture for demand response
CN109213243B (zh) 智能家居温湿度无线自动控制系统
CN105241001A (zh) 一种参数调整方法及空调
JP7215070B2 (ja) 制御プログラム、制御方法および制御装置
CN115388520A (zh) 空调控制方法、空调控制装置、空调及存储介质
CN114322245B (zh) 用于控制空调的方法、装置及空调
TW202010986A (zh) 中大型空間中空調裝置之節能控制方法及系統
JP2018071805A (ja) 空調制御装置、空調システム、空調制御方法およびプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant