KR102447048B1 - 에너지 시뮬레이션 모델 생성 장치 및 방법 - Google Patents
에너지 시뮬레이션 모델 생성 장치 및 방법 Download PDFInfo
- Publication number
- KR102447048B1 KR102447048B1 KR1020170085058A KR20170085058A KR102447048B1 KR 102447048 B1 KR102447048 B1 KR 102447048B1 KR 1020170085058 A KR1020170085058 A KR 1020170085058A KR 20170085058 A KR20170085058 A KR 20170085058A KR 102447048 B1 KR102447048 B1 KR 102447048B1
- Authority
- KR
- South Korea
- Prior art keywords
- building
- input variable
- simulation model
- energy
- energy simulation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 장치는 상기 대상 건물에 대한 적어도 하나의 입력 변수를 수집하는 수집부, 상기 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택하는 특징 선택부, 상기 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스에 대해 상기 군집 분석을 수행하여, 상기 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 군집 분석부, 상기 특징으로 선택된 입력 변수에 기초하여 상기 분류된 복수의 건물 그룹 중 하나를 추출하고, 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출하는 입력 변수 추출부 및 상기 수집된 입력 변수 및 상기 추출된 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 모델 생성부를 포함한다.
Description
본 발명은 에너지 시뮬레이션 모델 생성 장치 및 방법에 관한 것이다.
건물 에너지 시뮬레이션이란 건물에서 사용하는 에너지 사용량을 수치해석적으로 계산하고 예측하는 행위를 말하며, 일반적으로 건물 에너지 시뮬레이션은 신축 및 기축 건물의 에너지 사용량 예측과 성능 평가를 위해 많이 이용되고 있다.
이러한 건물 에너지 시뮬레이션 기술과 관련하여 선행기술인 한국등록특허 제10-1254201호는 건물 에너지 시뮬레이션 결과 분석 시스템을 개시하고 있다.
건물 에너지 시뮬레이션은 시뮬레이션을 수행 하기 전에, 일반 정보, 외피 정보, 시스템 정보 등의 다양한 건물 요소들에 대한 입력 변수가 요구된다. 그러나 신축 건물의 경우, 프로젝트 초기에 설계 과정이 진행중이므로, 건물 에너지 시뮬레이션 수행에 필요한 정보를 정확히 파악하기 어렵다. 또한, 기축 건물의 경우, 시간의 경과에 따른 정보의 손실 또는 건물의 성능 저하 등으로 인해 정확한 정보 및 자료를 수집하는데 어려움이 따른다. 이러한 문제를 해결하기 위해서는 현장 조사 및 정밀 진단을 수행이 요구되지만, 많은 시간과 비용이 소요된다는 단점을 갖는다.
종래에는 자료 및 정보의 부족으로 시뮬레이션 입력 변수를 파악할 수 없었으나, 건물 정보 데이터베이스에 저장된 건물 정보를 통해 확률 분포값을 가지는 시뮬레이션 입력 변수를 추출하여 건물의 에너지 사용량 시뮬레이션 모델을 생성하는 에너지 시뮬레이션 모델 생성 장치 및 방법을 제공하고자 한다. 건물 설계 과정 또는 에너지 절감 목적의 리모델링 과정에서 시간과 비용이 많이 소요되는 정밀 진단을 수행하지 않고도, 신뢰할 수 있는 입력 변수 정보를 획득할 수 있도록 하는 에너지 시뮬레이션 모델 생성 장치 및 방법을 제공하고자 한다. 건물의 에너지 사용량을 절감하고, 나아가 국가의 에너지 절감 목표에 기여할 수 있도록 하는 에너지 시뮬레이션 모델 생성 장치 및 방법을 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 수단으로서, 본 발명의 일 실시예는, 대상 건물에 대한 적어도 하나의 입력 변수를 수집하는 수집부, 상기 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택하는 특징 선택부, 상기 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스에 대해 상기 군집 분석을 수행하여, 상기 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 군집 분석부, 상기 특징으로 선택된 입력 변수에 기초하여 상기 분류된 복수의 건물 그룹 중 하나를 추출하고, 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출하는 입력 변수 추출부 및 상기 수집된 입력 변수 및 상기 추출된 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 모델 생성부를 포함하는 에너지 시뮬레이션 모델 생성 장치를 제공할 수 있다.
본 발명의 다른 실시예는, 대상 건물에 대한 적어도 하나의 입력 변수를 수집하는 단계, 상기 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택하는 단계, 상기 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스에 대해 상기 군집 분석을 수행하여, 상기 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 단계, 상기 특징으로 선택된 입력 변수에 기초하여 상기 분류된 복수의 건물 그룹 중 하나를 추출하는 단계, 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출하는 단계 및 상기 수집된 입력 변수 및 상기 추출된 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 단계를 포함하는 에너지 시뮬레이션 모델 생성 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, 종래에는 자료 및 정보의 부족으로 시뮬레이션 입력 변수를 파악할 수 없었으나, 건물 정보 데이터베이스에 저장된 건물 정보를 통해 확률 분포값을 가지는 시뮬레이션 입력 변수를 추출하여 건물의 에너지 사용량 시뮬레이션 모델을 생성하는 에너지 시뮬레이션 모델 생성 장치 및 방법을 제공할 수 있다. 건물 설계 과정 또는 에너지 절감 목적의 리모델링 과정에서 시간과 비용이 많이 소요되는 정밀 진단을 수행하지 않고도, 신뢰할 수 있는 입력 변수 정보를 획득할 수 있도록 하는 에너지 시뮬레이션 모델 생성 장치 및 방법을 제공할 수 있다. 건물의 에너지 사용량을 절감하고, 나아가 국가의 에너지 절감 목표에 기여할 수 있도록 하는 에너지 시뮬레이션 모델 생성 장치 및 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 생성 장치의 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 입력 변수 및 입력 변수에 대한 정보를 설명하기 위한 예시적인 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 수집된 입력 변수를 군집 분석을 위한 특징으로 선택하는 과정을 설명하기 위한 예시적인 도면이다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 건물 정보 데이터베이스에 대해 군집 분석을 수행하여 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 과정을 설명하기 위한 예시적인 도면이다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출된 미수집 입력 변수를 도시한 예시적인 도면이다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 과정을 설명하기 위한 예시적인 도면이다.
도 8은 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 생성 장치에서대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 생성 장치의 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 입력 변수 및 입력 변수에 대한 정보를 설명하기 위한 예시적인 도면이다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 수집된 입력 변수를 군집 분석을 위한 특징으로 선택하는 과정을 설명하기 위한 예시적인 도면이다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 건물 정보 데이터베이스에 대해 군집 분석을 수행하여 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 과정을 설명하기 위한 예시적인 도면이다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출된 미수집 입력 변수를 도시한 예시적인 도면이다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 과정을 설명하기 위한 예시적인 도면이다.
도 8은 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 생성 장치에서대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 방법의 순서도이다.
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 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
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.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 시스템의 구성도이다. 도 1을 참조하면, 에너지 시뮬레이션 모델 시스템(1)은 관리자 단말(110), 건물 정보 데이터베이스(120) 및 에너지 시뮬레이션 모델 생성 장치(130)를 포함할 수 있다.
관리자 단말(110)은 대상 건물의 건물 에너지와 관련된 자료를 입력할 수 있다. 건물 에너지와 관련된 자료는 예를 들어, 건물 일반 정보, 건축도면, 기계도면, 전기도면, 운영일지, 인터뷰, 출입현황, BEMS(Building Energy Management System) 등을 포함할 수 있다.
건물 정보 데이터베이스(120)에는 복수의 건물 정보가 저장되어 있다. 복수의 건물 정보는 예를 들어, 건축도면, 기계도면, 전기도면, 인터뷰, 에너지 사용량, 운영일지, 출입현황, BEMS 등에 대한 정보를 포함할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 대상 건물에 대한 적어도 하나의 입력 변수를 수집할 수 있다. 예를 들어, 에너지 시뮬레이션 모델 생성 장치(130)는 관리자 단말(110)을 통해 입력받은 대상 건물의 건물 에너지와 관련된 자료로부터 입력 변수를 수집할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택할 수 있다. 이 때, 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수에 따라 유동적으로 변경되도록 하는 특징을 선택할 수 있다. 또한, 에너지 시뮬레이션 모델 생성 장치(130)는 대상 건물에 대한 에너지 사용 데이터를 수집하고, 에너지 사용 데이터를 군집 분석을 위한 특징으로 선택할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수에 기초하여 미수집 입력 변수에 대한 리스트를 생성할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스(120)에 대해 군집 분석을 수행하여, 건물 정보 데이터베이스(120)에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하고, 특징으로 선택된 입력 변수에 기초하여 분류된 복수의 건물 그룹 중 하나를 추출할 수 있다. 이 때, 에너지 시뮬레이션 모델 생성 장치(130)는 특징으로 선택된 입력 변수와의 유사도에 기초하여 복수의 건물 그룹 중 하나를 추출할 수 있다. 또한, 에너지 시뮬레이션 모델 생성 장치(130)는 특징으로 선택된 에너지 사용 데이터에 더 기초하여 군집 분석을 수행하고, 특징으로 선택된 에너지 사용 데이터와의 유사도에 더 기초하여 복수의 건물 그룹 중 하나를 추출할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수에 기초하여 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출할 수 있다. 여기서, 다른 입력 변수는 수집된 입력 변수에 기초하여 추출된 건물 그룹으로부터 수집되지 못한 적어도 하나의 미수집 입력 변수가 추출되는 것일 수 있다. 예를 들어, 에너지 시뮬레이션 모델 생성 장치(130)는 미수집 입력 변수에 대한 리스트에 기초하여 추출된 건물 그룹으로부터 적어도 하나의 미수집 입력 변수를 추출할 수 있다. 여기서, 추출된 미수집 입력 변수는 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출되는 것일 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 및 추출된 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 생성할 수 있다. 예를 들어, 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 및 추출된 미수집 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 생성할 수 있다. 이 때, 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 및 확률 분포값으로 추출된 미수집 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 확률 분포값으로 생성할 수 있다. 에너지 시뮬레이션 모델 생성 장치(130)는 확률 분포값으로 생성된 에너지 시뮬레이션 모델에 기초하여 대상 건물의 목표 에너지 사용량에 대한 신뢰도를 분석할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 생성된 에너지 시뮬레이션 모델에 기초하여 대상 건물에 대한 시뮬레이션을 수행할 수 있다.
에너지 시뮬레이션 모델 생성 장치(130)는 에너지 사용 데이터에 기초하여 에너지 시뮬레이션 모델에 의한 예측 오차가 감소되도록 미수집 입력 변수의 확률적 분포를 역추정하여 에너지 시뮬레이션 모델에 대한 보정을 수행할 수 있다.
도 2는 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 생성 장치의 구성도이다. 도 2를 참조하면, 에너지 시뮬레이션 모델 생성 장치(130)는 수집부(210), 리스트 생성부(220), 특징 선택부(230), 군집 분석부(240), 입력 변수 추출부(250), 모델 생성부(260), 시뮬레이션 수행부(270) 및 보정부(280)를 포함할 수 있다.
수집부(210)는 사용자로부터 입력받은 건물 에너지 관련 자료를 이용하여 대상 건물에 대한 적어도 하나의 입력 변수를 수집할 수 있다. 수집부(210)에서 수집한 대상 건물에 대한 입력 변수는 도 3a 및 도 3b를 통해 상세히 설명하도록 한다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 건물 에너지 관련 자료 및 입력 변수를 설명하기 위한 예시적인 도면이다.
도 3a는 본 발명의 일 실시예에 따른 건물 에너지 관련 자료를 도시한 예시적인 도면이다. 도 3a를 참조하면, 수집부(210)는 예를 들어, 건축도면(310), 기계도면(320), 전기도면(330), 운영일지(340), 인터뷰(350), 출입현황(360) 및 BEMS(370, Building Energy Management System) 등을 포함하는 건물 에너지 관련 자료를 수집할 수 있다.
도 3b는 본 발명의 일 실시예에 따른 입력 변수를 설명하기 위한 예시적인 도면이다. 도 3b를 참조하면, 수집부(210)에서 수집한 건물 에너지 관련 자료는 각각의 입력 변수를 포함한다.
건축도면(310)은 각 구역(zone) 별 벽체/창호/바닥 면적, 연면적, 층고, 천정고, 창면적비, 방위를 입력 변수로 포함할 수 있다. 또한, 건축도면(310)은 벽체/창호/바닥/지붕 구조체 열관류율을 입력 변수로 포함할 수 있다.
기계도면(320)은 열원/공조/실내 설비의 대수, 용량 및 성능을 입력 변수로 포함할 수 있다. 또한, 기계도면(320)은 각 구역(zone) 별 담당 설비 및 연결 상태를 입력 변수로 포함할 수 있다.
전기도면(330)은 각 구역(zone) 별 조명/콘센트 부하를 입력 변수로 포함할 수 있다. 또한, 전기도면(330)은 각 구역(zone) 별 조명/콘센트 제어 방법을 입력 변수로 포함할 수 있다.
운영일지(340)는 각 구역(zone) 별 난방/냉방 설정온도를 입력 변수로 포함할 수 있다. 또한, 운영일지(340)는 각 열원/공조/실내 설비의 운전 스케줄을 입력 변수로 포함할 수 있다. 또한, 운영일지(340)는 각 열원/공조/실내 설비의 제어 방법을 입력 변수로 포함할 수 있다.
인터뷰(350)는 건물 설비 운영 상의 문제점 및 수동 제어 여부 확인을 입력 변수로 포함할 수 있다.
출입현황(360)은 건물 내 재실자 수의 시간별, 월별 등에 따른 패턴을 입력 변수로 포함할 수 있다. 또한, 출입현황(360)은 건물 운전 현황을 입력 변수로 포함할 수 있다.
BEMS(370, Building Energy Management System)는 각 구역(zone) 별 조명/콘센트/재실 부하 스케줄을 입력 변수로 포함할 수 있다. 또한, BEMS(370)는 각 열원/공조/실내 설비 운전 현황 정보를 입력 변수로 포함할 수 있다.
다시 도 2로 돌아와서, 수집부(210)는 대상 건물에 대한 에너지 사용 데이터를 수집할 수 있다. 예를 들어, 수집부(210)는 전기, 가스 등의 사용량 명세서의 월별 사용량 데이터, 특정 에너지에 대한 상세 사용량 데이터 등을 수집할 수 있다.
리스트 생성부(220)는 수집된 입력 변수에 기초하여 미수집 입력 변수에 대한 리스트를 생성할 수 있다. 예를 들어, 건물 에너지 관련 자료에 대해 입력 변수가 수집되면, 에너지 시뮬레이션 모델의 생성에 더 필요한 입력 변수를 판단하여 건물 에너지 관련 자료로부터 미수집된 입력 변수에 대한 리스트를 생성할 수 있다.
특징 선택부(230)는 수집부(210)에서 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택할 수 있다. 이 때, 수집된 건물 에너지 관련 자료와 이로부터 얻을 수 있는 정보가 분석 상황 및 조건 등에 따라 달라질 수 있으므로, 특징 선택부(230)는 고정된 값이 아니라 수집된 입력 변수에 따라 유동적으로 변경되도록 하는 특징을 선택할 수 있다. 또한, 특징 선택부(230)는 수집부(210)에서 수집된 에너지 사용 데이터를 군집 분석을 위한 특징으로 더 선택할 수 있다. 특징 선택부(230)에서 수집된 입력 변수에 기초하여 군집 분석을 위한 특징으로 선택하는 과정에 대해서는 도 4a 및 도 4b를 통해 상세히 설명하도록 한다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 수집된 입력 변수를 군집 분석을 위한 특징으로 선택하는 과정을 설명하기 위한 예시적인 도면이다.
도 4a는 본 발명의 일 실시예에 따른 수집된 건물 에너지 관련 자료와 미수집된 건물 에너지 자료를 도시한 예시적인 도면이다. 도 3a 내지 도 4a를 참조하면, 수집부(210)에서 수집된 건물 에너지 관련 자료(410)에 건축도면, 기계도면, 전기도면, 인터뷰 및 에너지 사용량이 포함된 경우, 수집부는 나머지에 해당하는 운영일지, 출입현황 및 BEMS를 미수집된 건물 에너지 자료(420)인 것으로 판단할 수 있다.
도 4b는 본 발명의 일 실시예에 따른 수집된 입력 변수를 군집 분석을 위한 특징으로 선택하는 과정을 설명하기 위한 예시적인 도면이다. 도 4a 및 도 4b를 참조하면, 수집부(210)는 수집된 건물 에너지 관련 자료(410)에 포함된 건축도면, 기계도면, 전기도면, 인터뷰 및 에너지 사용량으로부터 입력 변수를 수집하고, 특징 선택부(230)에서 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징(430)으로 선택할 수 있다. 이 때, 리스트 생성부(220)는 미수집된 건물 에너지 관련 자료(420)에 포함된 운영일지, 출입현황, BEMS에 대해 미수집 입력 변수에 대한 리스트(440)를 생성할 수 있다.
다시 도 2로 돌아와서, 군집 분석부(240)는 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스(120)에 대해 군집 분석을 수행하여, 건물 정보 데이터베이스(120)에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류할 수 있다. 군집 분석부(240)에서 건물 정보 데이터베이스에 대해 군집 분석을 수행하여, 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 과정에 대해서는 도 5a 및 도 5b를 통해 상세히 설명하도록 한다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 건물 정보 데이터베이스에 대해 군집 분석을 수행하여 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 과정을 설명하기 위한 예시적인 도면이다.
도 5a는 본 발명의 일 실시예에 따른 건물 정보 데이터베이스를 도시한 예시적인 도면이다. 도 5a를 참조하면, 군집 분석부(240)는 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스(120)에 대해 군집 분석을 수행할 수 있다. 또한, 군집 분석부(240)는 특징으로 선택된 에너지 사용 데이터에 기초하여 군집 분석을 수행할 수 있다. 예를 들어, 군집 분석부(240)는 건물 정보 데이터베이스(500) 및 에너지 사용 데이터에 대해 K-means와 같은 군집 분석 알고리즘을 이용하여 군집 분석을 수행할 수 있다. 예를 들어, 군집 분석이란 객체들 사이의 유사성을 측정하여 유사성이 높은 객체들을 동일 군집으로 분류하고, 동일 군집 내에 속하는 객체들과 서로 다른 군집에 속한 객체들 사이의 상이성을 분석하는 비지도 학습(unsupervised learning) 기법을 의미한다.
도 5b는 본 발명의 일 실시예에 따른 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 과정을 설명하기 위한 예시적인 도면이다. 도 5a 및 도 5b를 참조하면, 군집 분석부(240)는 건물 정보 데이터베이스(500)에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류할 수 있다. 이 때, 군집 분석부(240)는 특징으로 선택된 입력 변수 및 에너지 사용 데이터에 기초하여 건물 정보 데이터베이스(500) 내의 기저장된 복수의 건물 정보에 대해 유사한 특징을 갖고, 유사한 에너지 사용 패턴을 갖는 복수의 건물 그룹으로 분류할 수 있다.
예를 들어, 군집 분석부(240)는 특징으로 선택된 입력 변수 및 에너지 사용 데이터에 기초하여 건물 정보 데이터베이스(500)에 기저장된 복수의 건물 정보를 그룹 A(510), 그룹 B(520), 그룹 C(530), 그룹 D(540)로 분류할 수 있다.
다시 도 2로 돌아와서, 입력 변수 추출부(250)는 특징으로 선택된 입력 변수에 기초하여 분류된 복수의 건물 그룹(예를 들어, 그룹 A~D) 중 하나(예를 들어, 그룹 A)를 추출할 수 있다. 예를 들어, 입력 변수 추출부(250)는 특징으로 선택된 입력 변수와의 유사도에 기초하여 복수의 건물 그룹 중 하나를 추출할 수 있다. 다른 예를 들어, 입력 변수 추출부(250)는 특징으로 선택된 에너지 사용 데이터와의 유사도에 기초하여 복수의 건물 그룹 중 하나를 추출할 수 있다.
입력 변수 추출부(250)는 수집된 입력 변수에 기초하여 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출할 수 있다. 여기서, 다른 입력 변수는 추출된 건물 그룹으로부터 수집부(210)에 의해 수집되지 못한 적어도 하나의 미수집 입력 변수일 수 있다. 건물 그룹으로부터 다른 입력 변수를 추출하는 과정에 대해서는 도 6a 및 도 6b를 통해 상세히 설명하도록 한다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출된 미수집 입력 변수를 도시한 예시적인 도면이다.
도 6a는 본 발명의 일 실시예에 따른 추출된 건물 그룹에 대한 미수집 입력 변수를 도시한 예시적인 도면이다. 도 6a를 참조하면, 입력 변수 추출부(250)는 추출된 건물 그룹에 대해 미수집 입력 변수를 추출할 수 있다. 예를 들어, 입력 변수 추출부(250)는 리스트 생성부(220)에서 생성된 미수집 입력 변수에 대한 리스트에 기초하여 추출된 건물 그룹으로부터 적어도 하나의 미수집 입력 변수를 추출할 수 있다.
입력 변수 추출부(250)는 복수의 건물 그룹(예를 들어, 그룹 A~D) 중 건물 그룹 A가 추출된 경우, 건물 그룹 A에 포함된 건물 각각에 대해 미수집 입력 변수를 추출할 수 있다. 예를 들어, 건물 그룹 A에 포함된 건물 1에 대한 미수집 입력 변수 A(610)를 추출하고, 건물 2에 대한 미수집 입력 변수 A(620)를 추출하고, 건물 3에 대한 미수집 입력 변수 A(630)를 추출할 수 있다.
도 6b는 본 발명의 일 실시예에 따른 건물 그룹에 대해 확률 분포값으로 추출된 미수집 입력 변수를 도시한 예시적인 도면이다. 도 6b를 참조하면, 입력 변수 추출부(250)는 추출된 건물 그룹에 포함된 각각의 건물에 대해 미수집 입력 변수를 추출하여, 이를 확률 분포값으로 나타낼 수 있다. 여기서, 추출된 미수집 입력 변수는 추출된 건물 그룹의 건물 수(640)에 따라 구성되는 확률 분포값(650)으로 추출되는 것일 수 있다.
이는 분석하고자 하는 대상 건물이 속하는 건물 그룹에 복수의 건물이 포함되어 있으므로, 이로부터 획득되는 미수집 입력 변수는 단일값이 아닌 확률 분포값(650)으로 나타내어지며, 이를 통해 에너지 시뮬레이션의 불확실성을 고려한 신뢰성 있는 분석을 수행할 수 있다.
다시 도 2로 돌아와서, 모델 생성부(260)는 수집된 입력 변수 및 추출된 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 생성할 수 있다. 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 과정에 대해서는 도 7a 내지 도 7c를 통해 상세히 설명하도록 한다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 과정을 설명하기 위한 예시적인 도면이다.
도 7a는 본 발명의 일 실시예에 따른 단일값으로 주어지는 수집된 입력 변수를 도시한 예시적인 도면이고, 도 7b는 본 발명의 일 실시예에 따른 확률 분포값으로 주어지는 추출된 미수집 입력 변수를 도시한 예시적인 도면이고, 도 7c는 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델을 도시한 예시적인 도면이다.
모델 생성부(260)는 수집된 입력 변수 및 추출된 미수집 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 생성할 수 있다. 여기서, 모델 생성부(260)는 수집된 입력 변수 및 군집 분석을 통해 확률 분포값으로 추출된 미수집 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 확률 분포값으로 생성할 수 있다. 이는 확률 분포값으로 추출된 미수집 입력 변수를 이용하여 에너지 사용량을 분석하게 되므로, 에너지 시뮬레이션 모델 또한 확률 분포값으로 생성될 수 있다.
모델 생성부(260)는 확률 분포값으로 생성된 에너지 시뮬레이션 모델에 기초하여 대상 건물의 목표 에너지 사용량에 대한 신뢰도를 분석할 수 있다. 예를 들어, 모델 생성부(260)는 에너지 시뮬레이션 모델의 확률 분포 그래프의 면적에 대해 대상 건물의 목표 에너지 사용량이 해당하는 비율을 검출함으로써 신뢰도를 분석할 수 있다.
시뮬레이션 수행부(270)는 생성된 에너지 시뮬레이션 모델에 기초하여 대상 건물에 대한 시뮬레이션을 수행할 수 있다. 대상 건물에 대해 시뮬레이션을 수행함으로써, 기축 건물의 에너지 절감 모델링에서 대안 선정 및 그 대안의 에너지 사용량을 평가하는데 사용될 수 있다. 또한, 에너지 시뮬레이션 모델을 이용하여 신축 설계안 또는 기축 건물에 대해 에너지 절감 잠재력을 쉽고 빠르게 예측할 수 있다는 장점을 제공할 수 있다.
보정부(280)는 에너지 사용 데이터에 기초하여 에너지 시뮬레이션 모델에 의한 예측 오차가 감소되도록 미수집 입력 변수의 확률적 분포를 역추정하여 에너지 시뮬레이션 모델에 대한 보정을 수행할 수 있다. 이를 통해, 군집 분석을 통해 추출된 미수집 입력 변수의 확률 분포값(사전 분포)을 분석하고자 하는 대상 건물에 더 적합한 확률 분포값(사후 분포)으로 보정할 수 있게 된다.
도 8은 본 발명의 일 실시예에 따른 에너지 시뮬레이션 모델 생성 장치에서대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 방법의 순서도이다. 도 8에 도시된 에너지 시뮬레이션 모델 생성 장치(130)에 의해 수행되는 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 방법은 도 1 내지 도 7c에 도시된 실시예에 따라 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 7c에 도시된 실시예에 따른 에너지 시뮬레이션 모델 생성 장치(130)에 의해 수행되는 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 방법에도 적용된다.
단계 S810에서 에너지 시뮬레이션 모델 생성 장치(130)는 대상 건물에 대한 적어도 하나의 입력 변수를 수집할 수 있다.
단계 S820에서 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택할 수 있다.
단계 S830에서 에너지 시뮬레이션 모델 생성 장치(130)는 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스(120)에 대해 군집 분석을 수행하여 건물 정보 데이터베이스(120)에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류할 수 있다.
단계 S840에서 에너지 시뮬레이션 모델 생성 장치(130)는 특징으로 선택된 입력 변수에 기초하여 분류된 복수의 건물 그룹 중 하나를 추출할 수 있다.
단계 S850에서 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수에 기초하여 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출할 수 있다. 예를 들어, 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수에 기초하여 추출된 건물 그룹으로부터 입력 변수를 수집하는 단계에서 수집되지 못한 적어도 하나의 미수집 입력 변수를 추출할 수 있다. 또한, 미수집 입력 변수를 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출할 수 있다.
단계 S860에서 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 및 추출된 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 생성할 수 있다.
도 8에서는 도시되지 않았으나, 에너지 시뮬레이션 모델 생성 장치(130)는 수집된 입력 변수 및 확률 분포값으로 추출된 미수집 입력 변수에 기초하여 대상 건물에 대한 에너지 시뮬레이션 모델을 확률 분포값으로 생성할 수 있다.
상술한 설명에서, 단계 S810 내지 S860은 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 1 내지 도 8을 통해 설명된 에너지 시뮬레이션 모델 생성 장치에서 에너지 시뮬레이션 모델을 생성하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 8을 통해 설명된 에너지 시뮬레이션 모델 생성 장치에서 에너지 시뮬레이션 모델을 생성하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 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 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.
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.
110: 관리자 단말
120: 건물 정보 데이터베이스
130: 에너지 시뮬레이션 모델 생성 장치
210: 수집부
220: 리스트 생성부
230: 특징 선택부
240: 군집 분석부
250: 입력 변수 추출부
260: 모델 생성부
270: 시뮬레이션 수행부
280: 보정부
120: 건물 정보 데이터베이스
130: 에너지 시뮬레이션 모델 생성 장치
210: 수집부
220: 리스트 생성부
230: 특징 선택부
240: 군집 분석부
250: 입력 변수 추출부
260: 모델 생성부
270: 시뮬레이션 수행부
280: 보정부
Claims (18)
- 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 장치에 있어서,
상기 대상 건물에 대한 적어도 하나의 입력 변수를 수집하는 수집부;
상기 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택하는 특징 선택부;
상기 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스에 대해 군집 분석을 수행하여, 상기 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 군집 분석부;
상기 특징으로 선택된 입력 변수에 기초하여 상기 분류된 복수의 건물 그룹 중 하나를 추출하고, 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출하는 입력 변수 추출부; 및
상기 수집된 입력 변수 및 상기 추출된 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 모델 생성부
를 포함하고,
상기 입력 변수 추출부는 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 상기 수집부에 의해 수집되지 못한 적어도 하나의 미수집 입력 변수를 추출하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 삭제
- 제 1 항에 있어서,
상기 수집된 입력 변수에 기초하여 미수집 입력 변수에 대한 리스트를 생성하는 리스트 생성부
를 더 포함하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 3 항에 있어서,
상기 입력 변수 추출부는 상기 미수집 입력 변수에 대한 리스트에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 미수집 입력 변수를 추출하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 4 항에 있어서,
상기 모델 생성부는 상기 수집된 입력 변수 및 상기 추출된 미수집 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 장치에 있어서,
상기 대상 건물에 대한 적어도 하나의 입력 변수를 수집하는 수집부;
상기 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택하는 특징 선택부;
상기 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스에 대해 군집 분석을 수행하여, 상기 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 군집 분석부;
상기 특징으로 선택된 입력 변수에 기초하여 상기 분류된 복수의 건물 그룹 중 하나를 추출하고, 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출하는 입력 변수 추출부; 및
상기 수집된 입력 변수 및 상기 추출된 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 모델 생성부
를 포함하고,
상기 입력 변수 추출부는 상기 특징으로 선택된 입력 변수와의 유사도에 기초하여 상기 복수의 건물 그룹 중 하나를 추출하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 4 항에 있어서,
상기 추출된 미수집 입력 변수는 상기 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출되는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 7 항에 있어서,
상기 모델 생성부는 상기 수집된 입력 변수 및 상기 확률 분포값으로 추출된 미수집 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 확률 분포값으로 생성하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 8 항에 있어서,
상기 모델 생성부는 상기 확률 분포값으로 생성된 에너지 시뮬레이션 모델에 기초하여 상기 대상 건물의 목표 에너지 사용량에 대한 신뢰도를 분석하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 1 항에 있어서,
상기 수집부는 상기 대상 건물에 대한 에너지 사용 데이터를 더 수집하고,
상기 특징 선택부는 상기 에너지 사용 데이터를 상기 군집 분석을 위한 특징으로 더 선택하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 10 항에 있어서,
상기 군집 분석부는 상기 특징으로 선택된 에너지 사용 데이터에 더 기초하여 상기 군집 분석을 수행하고,
상기 입력 변수 추출부는 상기 특징으로 선택된 에너지 사용 데이터와의 유사도에 더 기초하여 상기 복수의 건물 그룹 중 하나를 추출하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 11 항에 있어서,
상기 생성된 에너지 시뮬레이션 모델에 기초하여 상기 대상 건물에 대한 시뮬레이션을 수행하는 시뮬레이션 수행부
를 더 포함하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 12 항에 있어서,
상기 에너지 사용 데이터에 기초하여 상기 에너지 시뮬레이션 모델에 의한 예측 오차가 감소되도록 상기 미수집 입력 변수의 확률적 분포를 역추정하여 상기 에너지 시뮬레이션 모델에 대한 보정을 수행하는 보정부
를 더 포함하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 제 1 항에 있어서,
상기 특징 선택부는 상기 수집된 입력 변수에 따라 유동적으로 변경되도록 상기 특징을 선택하는 것인, 에너지 시뮬레이션 모델 생성 장치.
- 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 방법에 있어서,
상기 대상 건물에 대한 적어도 하나의 입력 변수를 수집하는 단계;
상기 수집된 입력 변수 중 적어도 하나를 군집 분석을 위한 특징으로 선택하는 단계;
상기 특징으로 선택된 입력 변수에 기초하여 건물 정보 데이터베이스에 대해 군집 분석을 수행하여, 상기 건물 정보 데이터베이스에 기저장된 복수의 건물 정보를 복수의 건물 그룹으로 분류하는 단계;
상기 특징으로 선택된 입력 변수에 기초하여 상기 분류된 복수의 건물 그룹 중 하나를 추출하는 단계;
상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 적어도 하나의 다른 입력 변수를 추출하는 단계; 및
상기 수집된 입력 변수 및 상기 추출된 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 생성하는 단계
를 포함하고,
상기 다른 입력 변수를 추출하는 단계는 상기 수집된 입력 변수에 기초하여 상기 추출된 건물 그룹으로부터 상기 입력 변수를 수집하는 단계에서 수집되지 못한 적어도 하나의 미수집 입력 변수를 추출하는 것인, 에너지 시뮬레이션 모델 생성 방법.
- 삭제
- 제 15 항에 있어서,
상기 다른 입력 변수를 추출하는 단계는 상기 미수집 입력 변수를 상기 추출된 건물 그룹의 건물 수에 따라 구성되는 확률 분포값으로 추출하는 것인, 에너지 시뮬레이션 모델 생성 방법.
- 제 17 항에 있어서,
상기 수집된 입력 변수 및 상기 확률 분포값으로 추출된 미수집 입력 변수에 기초하여 상기 대상 건물에 대한 에너지 시뮬레이션 모델을 확률 분포값으로 생성하는 단계
를 더 포함하는, 에너지 시뮬레이션 모델 생성 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170085058A KR102447048B1 (ko) | 2017-07-04 | 2017-07-04 | 에너지 시뮬레이션 모델 생성 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170085058A KR102447048B1 (ko) | 2017-07-04 | 2017-07-04 | 에너지 시뮬레이션 모델 생성 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190004605A KR20190004605A (ko) | 2019-01-14 |
| KR102447048B1 true KR102447048B1 (ko) | 2022-09-27 |
Family
ID=65027697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170085058A KR102447048B1 (ko) | 2017-07-04 | 2017-07-04 | 에너지 시뮬레이션 모델 생성 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102447048B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102413648B1 (ko) * | 2020-11-09 | 2022-06-27 | 주식회사 케이티 | 대상 건물의 에너지 운용 정책을 결정하는 장치, 방법 및 컴퓨터 프로그램 |
| CN112559509A (zh) * | 2020-12-26 | 2021-03-26 | 衡阳师范学院 | 一种计量经济学分析模型及分析方法 |
| KR102594798B1 (ko) * | 2022-01-28 | 2023-10-26 | 한국전기연구원 | 클라우드 기반 건물 에너지 컨설팅 시스템 및 방법 |
| KR102556859B1 (ko) * | 2022-12-15 | 2023-07-20 | (주)제이에이치에너지 | 건축물 에너지 진단 시스템 및 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101576605B1 (ko) * | 2011-12-01 | 2015-12-15 | 버츄얼빌더스 주식회사 | 에너지 예측모델을 이용한 빌딩 에너지 분석 시스템 및 그 방법 |
| KR20150020943A (ko) * | 2013-08-19 | 2015-02-27 | 성균관대학교산학협력단 | 건물 에너지 모델과 베이지안 보정을 이용한 건물 에너지 리트로핏 수행 방법 |
| KR102408390B1 (ko) * | 2015-05-12 | 2022-06-14 | 주식회사 에코시안 | 건물에너지 시뮬레이션 수행 서버 |
-
2017
- 2017-07-04 KR KR1020170085058A patent/KR102447048B1/ko active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| J. Korean Soc. Living Environ. Sys. 24(2), pp 232~237(2017) |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190004605A (ko) | 2019-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102447048B1 (ko) | 에너지 시뮬레이션 모델 생성 장치 및 방법 | |
| CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
| Ali et al. | A data-driven approach to optimize urban scale energy retrofit decisions for residential buildings | |
| Kapetanakis et al. | Input variable selection for thermal load predictive models of commercial buildings | |
| Kamel et al. | Data-driven predictive models for residential building energy use based on the segregation of heating and cooling days | |
| Prada et al. | On the performance of meta-models in building design optimization | |
| US10585428B2 (en) | Building energy management system and method | |
| Hobson et al. | Clustering and motif identification for occupancy-centric control of an air handling unit | |
| Gao et al. | Using data mining in optimisation of building energy consumption and thermal comfort management | |
| CN103635910A (zh) | 用于发电厂的操作参数的自动识别 | |
| CN110930198A (zh) | 基于随机森林的电能替代潜力预测方法、系统、存储介质及计算机设备 | |
| Li et al. | An agglomerative hierarchical clustering-based strategy using Shared Nearest Neighbours and multiple dissimilarity measures to identify typical daily electricity usage profiles of university library buildings | |
| Mitra et al. | Cluster analysis of occupancy schedules in residential buildings in the United States | |
| CN106708738B (zh) | 一种软件测试缺陷预测方法及系统 | |
| KR102369350B1 (ko) | 인공신경망을 이용한 공기조화설비의 에너지 사용량 및 데이터 예측 시스템 및 그 방법 | |
| CN111179108A (zh) | 用电能耗的预测方法和装置 | |
| Luo et al. | Extreme scenario extraction of a grid with large scale wind power integration by combined entropy-weighted clustering method | |
| KR102315669B1 (ko) | 건물 냉난방설비의 에너지 효율 향상을 위한 가상센서 기반 고장 진단 시스템 및 이를 이용한 고장 진단 방법 | |
| CN109840536A (zh) | 一种电网供电可靠性水平聚类方法及系统 | |
| CN109064353B (zh) | 一种基于改进聚类融合的大型建筑用户行为分析方法 | |
| Wang et al. | Point and contextual anomaly detection in building load profiles of a university campus | |
| KR101941003B1 (ko) | 전력 수요 예측 방법 및 그 시스템 | |
| Harris et al. | Scout: An impact analysis tool for building energy-efficiency technologies | |
| Kapetanakis et al. | Selection of input variables for a thermal load prediction model | |
| CN116324835A (zh) | 用于评估场地的能量效率的方法 |
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 |