KR102507147B1

KR102507147B1 - 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템 및 그 운용 방법

Info

Publication number: KR102507147B1
Application number: KR1020220021254A
Authority: KR
Inventors: 김우섭
Original assignee: 김우섭
Priority date: 2022-02-18
Filing date: 2022-02-18
Publication date: 2023-03-06

Abstract

본 발명은 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템의 운용 방법.에 관한 것으로, 본 발명에 따르면, 건물 내 설비 운영 정보, 에너지 운용 데이터들을 학습한 후 이상 동작 여부를 자동으로 감지하고 관리자에게 통보하여 원활한 설비 운영이 지속되도록 할 수 있으며, 원격 제어를 통해 점검이 이루어지도록 함으로써 중소형 건물에서 전문 인력이 상주하지 않더라도 BAS나 BEMS의 효율적인 운용 관리가 가능하다.

Description

인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템 및 그 운용 방법{Building Automation System using artificial intelligence-based building facility operation assistance system, and operating method of the system}

본 발명은 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템 및 그 운용 방법에 대한 것으로, 더욱 구체적으로는 빌딩 자동 제어 시스템이 설치되어 있지만 전문 인력에 의한 관리가 지속되기 어려운 건물에서 건물 관리를 위해 설치된 시스템들을 효과적으로 운영 보조할 수 있도록 하는 기술에 대한 것이다.

전 세계적인 환경 오염 문제와, 에너지 위기에 대응하기 위해 일정 규모 이상의 건물에는 설비들의 적절한 유지, 관리 및 에너지 절감을 위해 BAS, BEMS, ZEB 및 SI 등의 시스템이 설치되어 있다.

빌딩 자동 제어 시스템(BAS, Building Automation System)은 공조기, 냉동기, 보일러, 냉난방 설비, 팬, 펌프 등의 기계설비와, 실내외 조명설비와, 전력 사용량이나 제어를 담당하는 전력설비들의 상태를 감시하고 운전과 정지 등의 제어 동작을 수행하여, 건물 이용자에게 쾌적한 환경을 제공할 수 있도록 하는 시스템이다.

빌딩 에너지 관리 시스템(BEMS, Building Energy Management System)은 건물 안의 에너지 사용기기에 연결된 센서들을 통신망으로 연결하여 실시간으로 모니터링하고 수집된 에너지 사용량 데이터를 분석하여 에너지 사용을 최적으로 자동 제어하는 시스템이다. 빌딩 에너지 관리 시스템은 건물의 냉/난방, 공조, 조명, 기계 및 전기설비 등 건물내에서 사용하는 대부분의 에너지 사용을 모니터링하고 관리한다. 즉 빌딩 에너지 관리 시스템은 전력, 가스, 유량 등의 에너지 사용량을 계측하고, 규정에 의하여 에너지의 종류별, 용도별 관리 기능을 제공한다.

제로 에너지 빌딩(ZEB, Zero Energy Building) 시스템은 건물에서 자체적으로 생산하는 신재생에너지에 대한 관리 정보를 수집한다.

빌딩 통합 관리 시스템(SI, System Integration)은 BAS, BEMS, ZEB, 출입관리 등 빌딩에 설치된 다양한 시스템을 통합 관리하기 위한 시스템이다.

이렇게 건물 관리에 필요한 다양한 시스템들이 설치되어 각종 설비에 대한 모니터링이 가능하긴 하지만, 이들의 효율적인 관리를 위해서는 기계설비, 전기, 에너지관리, 자동제어, 관리시스템 등에 대한 다양한 지식을 갖춘 전문 인력이 배치되어야 한다.

하지만 대부분의 건물에서는 경제적인 문제, 전문 기술 인력 확보의 어려움으로 인해 이미 설치된 시스템의 기능들을 제대로 활용하지 못하고 단순히 설비의 On/Off 수준의 기능만을 활용하고 있는 실정이다. 특히 중소형 건물에서는 시스템 활용도가 더욱 떨어지고 있는 상태이다.

또한 BAS, BEMS, ZEB 시스템을 운영하면서 발생하는 이력 정보들은 빅 데이터의 형태로 수년간 저장되고 있지만, 현재는 주간, 월간, 연간 보고서 등의 작성을 위한 용도로만 사용되고 있다.

한편 건물 내 설비의 관리를 위한 종래기술로는 대한민국등록특허 제10-2279351호(2021.07.14. '표준 공조기와 운용 공조기의 적합화를 통한 인공지능 기반 고장 진단 방법') 등이 있다.

본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 빅 데이터로 관리되는 건물내 설비 운영정보, 에너지 운용 데이터를 인공지능 기술 기반의 운영 보조 시스템 기술을 이용하여 수집, 분류, 학습 및 분석함으로써, 빌딩을 관리하는 빌딩 자동 제어 시스템(BAS)을 보다 효율적으로 운영할 수 있도록 하는 기술을 제공하는 데 그 목적이 있다. 이를 통해 보고서 작성 등의 단순 용도로만 사용되는 빅 데이터의 활용도를 높이고, 설비 운영의 효율성을 높이고자 한다.

상기 목적을 달성하기 위한 본 발명에 따른 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템은, 복수의 건물로부터 설비 데이터 및 에너지 관리 데이터를 수집하여 분류하는 데이터수집분류부; 상기 데이터수집분류부에서 분류된 데이터를 학습하여 학습 알고리즘을 생성하는 학습부; 상기 학습부에서 생성된 학습 알고리즘을 통해 실시간으로 상기 설비 데이터와 에너지 관리 데이터를 분석하는 분석부; 및 상기 분석부의 분석 결과를 통합 관제사 단말 또는 빌딩 관리자 단말 측으로 전송하거나, 상기 통합 관제사 단말의 원격 제어를 통해 특정 건물에 설치된 설비의 원격 제어가 이루어지도록 하는 분석결과처리부;를 포함한다.

여기서, 상기 학습부는 빌딩 자동 제어 시스템 및 빌딩 에너지 관리 시스템에서 기 저장되어 있는 설비 데이터와 에너지 관리 데이터를 통해 학습을 수행하고, 이후 수집되는 데이터는 일일 간격으로 학습하여 상기 학습 알고리즘을 업데이트할 수 있다.

또한, 특정 건물의 기 저장되어 있는 데이터가 없을 경우, 상기 분석부는 유사 규모 또는 유사 용도의 타 건물에서 수집되어 학습이 이루어진 학습 알고리즘을 이용하여 초기 분석을 수행하고, 이후에는 해당 특정 건물에서 수집되어 학습된 학습 알고리즘을 이용하여 분석을 수행할 수 있다.

또, 상기 분석부는 상기 학습부에서 학습된 알고리즘을 이용하여 분류모델별로 최적화된 설비 운영 방안, 설비의 이상 여부를 분석하고, 이를 기반으로 설비에 대한 에너지 절감 운영 정보, 이상을 보이는 설비에 대한 관리 정보를 출력할 수 있다.

또, 상기 분석결과처리부는 상기 분석부에서 분류 모델별로 분석한 공조 설비인 냉난방 운전, 또는 건물내 환기 시설 운영 분석 결과와 이상 여부 분석 결과를 직접 시스템에 적용하기 위하여, 빌딩 자동 제어 시스템에서 사용하는 우선순위(Priority) 기반의 결정체계와 연계하여 결과를 처리할 수 있다.

또, 상기 분석결과처리부는 상기 분석부의 분석 결과를 통해 특정 설비에 대한 이상 동작 또는 고장 예측이 확인되었을 경우, 고장 예측 시간과 해당 설비와 관련된 설비들의 기본동작 구동시간을 확인하고, 상기 빌딩 관리자 단말 측으로 통보하여 현장 도착 시간을 회신 받은 후, 고장 예측 시간이 기본동작시간보다 빠르고, 현장도착 시간이 기본동작 구동시간보다 늦는 것이 확인되었을 경우, 병렬 운전 체계로 대체 가능한 설비를 구동시키거나, 고장이 예측되는 관련 설비들을 미리 구동시키기 위한 특별구동 명령을 생성하여 해당 건물 측으로 전송할 수 있다.

한편, 상기 목적을 달성하기 위한 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템의 운용 방법은, 복수의 건물로부터 설비 데이터 및 에너지 관리 데이터를 수집하여 학습함으로써 학습 알고리즘을 생성하는 (a)단계; 상기 학습 알고리즘을 통해 실시간 수집되는 데이터를 분석하는 (b)단계; 및 상기 분석 결과를 통합 관제사 단말 또는 빌딩 관리자 단말 측으로 전송하거나, 상기 통합 관제사 단말의 원격 제어를 통해 특정 건물에 설치된 설비의 원격 제어가 이루어지도록 처리하는 (c)단계;를 포함한다.

여기서, 상기 (a)단계는 빌딩 자동 제어 시스템 및 빌딩 에너지 관리 시스템에서 기 저장되어 있는 설비 데이터와 에너지 관리 데이터를 통해 학습을 수행하고, 이후 수집되는 데이터는 일일 간격으로 학습하여 상기 학습 알고리즘을 업데이트할 수 있다.

또한, 상기 (b)단계에서 특정 건물의 기 저장되어 있는 데이터가 없을 경우, 상기 분석부는 유사 규모 또는 유사 용도의 타 건물에서 수집되어 학습이 이루어진 학습 알고리즘을 이용하여 초기 분석을 수행하고, 이후에는 해당 특정 건물에서 수집되어 학습된 학습 알고리즘을 이용하여 분석을 수행할 수 있다.

또, 상기 (b)단계는, 상기 학습된 알고리즘을 이용하여 분류모델별로 최적화된 설비 운영 방안, 설비의 이상 여부를 분석하고, 이를 기반으로 설비에 대한 에너지 절감 운영 정보, 이상을 보이는 설비에 대한 관리 정보를 출력할 수 있다.

또, 상기 (c)단계는 분류 모델별로 분석한 공조 설비인 냉난방 운전, 또는 건물내 환기 시설 운영 분석 결과와 이상 여부 분석 결과를 직접 시스템에 적용하기 위하여, 빌딩 자동 제어 시스템에서 사용하는 우선순위(Priority) 기반의 결정체계와 연계하여 결과를 처리할 수 있다.

또, 상기 (b)단계를 통해 특정 설비에 대한 고장 예측이 확인되었을 경우, 고장 예측 시간과 해당 설비와 관련된 설비들의 기본동작 구동시간을 확인하는 (d)단계; 상기 빌딩 관리자 단말 측으로 통보하여 현장 도착 시간을 회신 받는 (e)단계; 및 상기 확인된 고장 예측 시간이 기본동작시간보다 빠르고, 현장도착 시간이 기본동작 구동시간보다 늦는 것이 확인되었을 경우, 병렬 운전 체계로 대체 가능한 설비를 구동시키거나, 고장이 예측되는 관련 설비들을 미리 구동시키기 위한 특별구동 명령을 생성하여 해당 건물 측으로 전송하는 (f)단계;를 더 포함할 수 있다.

본 발명에 따른 운영 보조 시스템 기술이 적용된 빌딩 자동 제어 시스템(BAS)에 의하면, BEMS 및 ZEB 시스템과 통합하여 보다 다양한 데이터를 이용할 수 있고, 건물 내 설비들에 대한 다양한 데이터들을 학습하여 건물 내에 전문인력이 상주하지 않더라도 에너지 절감 및 효율적인 건물 운영이 가능하고, 설비의 이상 동작 여부 또는 고장 예측 등에 대한 정보를 관리자에게 자동으로 통보하여 원활한 설비 운영이 지속되도록 할 수 있다.

또한 통합 관제소 또는 통합 관제 시스템에서 복수 건물에 대한 통합 관리가 이루어지도록 한다면, 통합 관제사 단말에서는 전문 인력이 상주하면서 복수 건물에 대한 이상 여부를 실시간으로 파악할 수 있고, 원격 제어를 통해 이상 설비들의 문제를 해결해 줄 수 있다. 즉 전문 인력이 중소형 건물 내에 상주하지 않더라도, 통합 관제 시스템에서 인공지능 분석과 전문 인력의 노하우를 결합하여, 원거리에 위치한 건물들의 설비들에 대한 원격 제어를 수행함으로써 기 구축되어 있는 BAS, BEMS, ZEB 등의 시스템을 효과적으로 활용할 수가 있는 것이다.

또한 운영 보조 시스템이 적용된 빌딩 자동 제어 시스템이 단일 건물에 설치되는 경우에도, 전문 운영자가 시스템 관리를 위하여 지속적으로 시스템을 모니터링하거나 관리해줄 필요 없이, 인공지능을 통해 일정 부분의 관리와 모니터링 업무를 수행할 수 있으며, 이에 따라 관리자는 다른 업무를 수행하면서 필요시에만 시스템 관리에 투입될 수 있으므로, 빌딩 전체의 인력 운영에도 한층 도움을 줄 수 있다.

또, 본 발명에서는 특정 설비에 대한 고장이 예측될 시 관련 설비가 특별구동 명령에 따라 자동 대응하여 동작이 이루어지도록 함으로써, 중요한 기본동작이 고장에 의해 이루어지지 못하는 문제를 해결할 수도 있다.

도1은 본 발명의 실시예에 따른 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템을 설명하기 위한 도면.
도2는 본 발명의 실시예에 따른 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템이 통합 관제소에 설치된 예시를 설명하기 위한 도면.
도3은 도1 또는 도2에 도시된 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템의 운용 방법을 설명하기 위한 흐름도.
도4 내지 도9는 BAS, BEMS, ZEB 등을 통해 수집된 데이터를 학습을 위해 분류한 상태의 예시를 설명하기 위한 도면.
도10은 BAS, BEMS, ZEB 등을 통해 수집된 데이터를 분석한 결과의 예시를 설명하기 위한 도면.
도11은 BAS, BEMS, ZEB 등을 통해 수집된 데이터를 분석한 결과에 따른 처리 절차를 설명하기 위한 도면.
도12는 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템에서 분석된 결과에 따라 특별구동 명령을 실행하는 과정을 설명하기 위한 흐름도.
도13은 기존 설치된 빌딩 자동 제어 시스템에 운영 보조 시스템을 연동한 예시를 설명하기 위한 도면.
도14는 통합 관제 시스템에 운영 보조 시스템이 설치되고 복수 건물의 빌딩 자동 제어 시스템을 원격 제어하는 예시를 설명하기 위한 도면.
도15는 도14에 도시된 통합 관제 시스템에서 운영 보조 시스템의 구성을 설명하기 위한 블록도.

이하에서는 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명한다. 다만 발명의 요지와 무관한 일부 구성은 생략 또는 압축할 것이나, 생략된 구성이라고 하여 반드시 본 발명에서 필요가 없는 구성은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 결합되어 사용될 수 있다.

더불어 이하에서 설명하게 되는 각 구성부와 서버 및 시스템은 반드시 각각의 기능을 수행하는 독립적인 구성부나 서버로 이루어져야 하는 것은 아니며, 하나 이상의 프로그램 또는 하나 이상의 서버 또는 하나 이상의 시스템의 집합으로 구현되거나 일부가 공유될 수도 있음을 밝히는 바이다.

도1은 본 발명의 실시예에 따른 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템을 설명하기 위한 도면이다. 도1에 도시된 바와 같이 본 발명의 실시예에 따른 운영 보조 시스템(50)을 적용한 빌딩 자동 제어 시스템(BAS)(11)은 특정 건물에 설치되어, 해당 건물에서 수집되는 각종 데이터들을 학습하고 실시간으로 분석하여 빌딩 관리자 단말(30)로 분석 결과를 보고할 수 있다. 이러한 빌딩 자동 제어 시스템(11)은 BAS운용부(11a) 및 운영 보조 시스템(50)을 포함한다.

BAS운용부(11a)는 건물 내 설비들로부터 데이터를 수집하고, 각 설비들을 가동시킬 수 있도록 하는 기존 빌딩 자동 제어 시스템(11)의 기본 구성들을 말한다.

운영 보조 시스템(50)은 건물 내 각종 설비와 센서로부터 수집되는 데이터들을 학습하고 분석하는 구성이다. 이러한 운영 보조 시스템(50)은 프로그램 형태로 공급되어 빌딩 자동 제어 시스템(11)에 추가 탑재되거나, 또는 해당 건물의 중앙 모니터링 단말에 설치되거나, 별도의 단말이나 서버에 설치된 후 해당 건물의 네트워크에 연결될 수도 있다. 운영 보조 시스템(50)의 자세한 기능 구성에 대해서는 이하에서 다시 다루도록 한다.

도2는 본 발명의 실시예에 따른 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템이 통합 관제소에 설치된 예시를 설명하기 위한 도면이다. 즉 도1에 도시된 예시와 같이 개별 건물에 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 설치됨으로써, 데이터수집과 분석이 가능하고, 이를 통해 빌딩 관리자가 분석 결과를 확인한 후 이상 상태 발생시 조치가 가능하며, 도2에 도시된 바와 같이 복수의 건물들을 담당하는 통합 관제소에 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 설치된다면, 통합 관제사 단말(60)을 사용하는 전문 인력이 운영 보조 시스템(50)의 분석 결과를 확인한 후, 각 건물의 빌딩 관리자 단말(30)로 상세한 후속 조치를 안내한다거나, 직접 운영 보조 명령을 입력할 수도 있다. 즉 도2에 도시된 예시와 같이 통합 관제소에 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 설치되고, 복수의 건물과 통신 채널을 연결하여 각 건물의 설비들이나 센서로부터 데이터를 송수신할 수 있다면, 개별 건물에는 전문 인력이 상주하지 않더라도, 통합 관제사가 복수의 건물들을 모니터링 한 후 후속 조치가 가능하다.

이하에서는 도2에 도시된 예시에서와 같이 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 통합 관제소에 구축되어 복수의 건물을 통합 관리하는 예시에 대하여 자세히 설명토록 한다. 이 설명을 통해 도1에 도시된 개별 건물 내에 탑재된 운영 보조 시스템(50)의 기능 구성도 충분히 유추가 가능할 것이다.

운영 보조 시스템(50)은 데이터수집분류부(51), 데이터필터링부(52), 학습부(53), 분석부(54) 및 분석결과처리부(55)를 포함한다. 또한 도면에는 도시하지 않았지만 운영 보조 시스템(50)은 BAS(11) 외에도 각 건물에 설치된 BEMS(12), ZEB(13) 및 SI(14) 시스템들과 실시간으로 수집 데이터나 구동 명령들을 주고받을 수 있다.

또한, BAS(11)와 BEMS(12)는 빌딩에 설치된 설비들의 상태 및 에너지 사용현황을 모니터링 및 제어하기 위한 센서 및 에너지 계측장치, 그리고 시설들의 제어를 위한 센서 및 구동장치, 또 통합 모니터링 및 제어를 수행하는 현장제어장치(DDC, Direct Digital Control), 다수의 현장제어장치를 통신으로 연결하여 중앙감시반에서 운영자에게 관리기능을 제공하는 HMI(Human Machine Interface)를 포함할 수 있다. 마찬가지로 ZEB(13)는 지열이나 태양광 등을 통해 건물에서 자체적으로 생산하는 신재생에너지에 대한 정보를 수집한다.

BAS(11), BEMS(12) 및 ZEB(13)에서는 전체 시스템의 상태를 실시간으로 수집하여 각각의 데이터베이스에 저장 및 관리하고, 이렇게 저장된 정보는 일일보고, 월보고, 연간보고 등 운영관리를 위한 목적으로 사용될 수 있으며, 본 발명에서는 이들 BAS(11), BEMS(12) 및 ZEB(13) 등에서 수집하여 저장해 놓은 데이터를 이용하여 인공지능 학습을 수행하고 분석하여 후속 조치가 가능토록 한다.

운영 보조 시스템(50)의 데이터수집분류부(51)는 각 건물별로 데이터를 수집하고, 학습 및 분석을 위한 형태로 분류하기 위해 마련된다. 수집되는 데이터는 기존 BAS(11)에서 관리하는 설비 데이터, BEMS(12)에서 관리하는 에너지 관리 데이터, 각종 센서에서 수집하는 센서 데이터 들을 포함한다.

데이터수집분류부(51)는 현장에 설치된 설비를 BEMS(12) 표준에 따른 설비의 종류, 사용하는 에너지의 종류와 BAS(11)에서 관리를 위하여 일반적으로 관리하는 방식을 결합하여 분류한다.

분류된 설비는 제어 결과를 확인할 수 있는 포인트(온도 등)와 제어 출력(밸브 등), 그 외 제어에 영향을 주는 각종 포인트(외부의 온도 등)를 인공지능 분석을 위한 그룹으로 설정한다.

그룹에 설정된 포인트는 인공지능 분석을 위하여 1분 단위로 데이터를 수집할 수 있도록 설정하고, 데이터를 그룹별로 저장한다.

1분 단위로 수집된 데이터를 이용하여 매일 정해진 시간, 예컨대 01시 이후(건물내 대부분의 설비가 정지한 시간), 학습부(53)를 통해 인공지능에 대한 재학습을 수행할 수 있다.

재학습은 설정된 설비의 그룹별로 수행하며, 각 그룹별로 하루전까지 학습된 결과에 당일 수집된 데이터를를 추가하여 학습할 수 있다.

재학습을 수행한 1분 단위 수집 데이터는 BAS(11) 이력관리를 위하여 설정한 이력정보에 지정된 시간 간격(15분)으로 저장한 뒤 삭제될 수 있다.

냉동기, 보일러, 냉수 및 냉각수 펌프 계통 등 건물내의 타 설비들도 유사한 방법으로 데이터를 분류하고 운영 보조 시스템(50)을 통하여 운영 지원을 받을 수 있다.

데이터필터링부(52)는 데이터수집분류부(51)에서 수집된 데이터 중 오류가 발생한 부분에 대하여 분석한 후 자동 보정하는 기능을 수행한다. 여기서 자동보정이 어려운 경우에는 데이터의 특성에 따라 분석에서 제외하거나, 통합 관제사 단말(60)로 전송하여 전문 인력에 의한 보정이 수행되도록 한다.

학습부(53)는 데이터수집분류부(51)에서 수집되고, 데이터필터링부(52)를 통해 보정된 데이터를 학습하여 학습 알고리즘을 생성한다. 학습부(53)에서 최초 학습을 진행할 시에는 각 건물의 BAS(11), BEMS(12) 및 ZEB(13)의 데이터베이스에 저장하고 있던 이력정보를 모두 분류하여 학습하고, 이후에는 하루 단위로 이력을 누적하여 학습 알고리즘을 갱신한다.

또한 학습부(53)는 바이너리 데이터(Binary data)에 대해서는 분류 모델을 적용하고, 아날로그 데이터(Analog data)에 대해서는 다중회귀분석 모델을 적용할 수 있다. 또 아날로그 데이터 분석 결과는 설비의 종류에 따라 편차에 대한 허용값을 설정한다.

분석부(54)는 학습부(53)에서 생성된 학습 알고리즘을 이용하여 각 건물별로 실시간 수집되는 데이터(설비 데이터, 에너지 관리 데이터, 센서 데이터)를 분석한다. 분석부(54)는 예컨대 15분 단위로 각 건물별 시스템의 현재 상태를 분석할 수 있다.

여기서 분석부(54)는 학습부(53)에서 학습된 알고리즘을 이용하여 분류모델별로 최적화된 설비 운영 방안, 설비의 이상 여부를 분석하고, 이를 기반으로 설비에 대한 에너지 절감 운영 정보, 이상을 보이는 설비에 대한 관리 정보를 출력할 수 있다.

분석결과처리부(55)는 분석부(54)의 분석 결과에 따라 후속 조치를 수행하기 위해 마련된다. 예컨대 분석결과처리부(55)는 특정 시스템이나 설비의 이상 상태를 확인하였을 경우 알람 경보가 발생하도록 하고, 해당 건물의 빌딩 관리자 단말(30) 또는 통합 관제사 단말(60) 측으로 메시지를 전송할 수 있다.

또한, 분석결과처리부(55)는 분석부(54)에서 분류 모델별로 분석한 공조 설비인 냉난방 운전, 또는 건물내 환기 시설 운영 분석 결과와 이상 여부 분석 결과를 직접 시스템에 적용하기 위하여, 빌딩 자동 제어 시스템(11)에서 사용하는 우선순위(Priority) 기반의 결정체계와 연계하여 결과를 처리할 수 있다.

이상에서 설명한 본 발명의 실시예에 따른 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)은 이하 설명하게 되는 본 발명의 실시예에 따른 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)의 운용 방법에 대한 설명을 통해 더욱 구체화될 것이다.

도3은 도2에 도시된 운영 보조 시스템이 적용된 빌딩 자동 제어 시스템을 통해 각 건물별 데이터들을 수집 및 분석하고, 그 결과를 출력해주는 과정을 설명해 주기 위한 흐름도이다.

먼저 데이터수집분류부(51)는 각 건물별 BAS(11), BEMS(12) 및 ZEB(13) 등의 데이터베이스에 저장되어 있는 데이터를 수집하고 학습 및 분석을 위한 데이터로 분류<S405>한다.

데이터의 분류 기준은 매우 다양하지만, 그 하나의 예시가 도4에 도시되어 있다. 즉 도4에 도시된 바와 같이 데이터수집분류부(51)는 각 건물별로 수집한 데이터들을 군관리용 빌딩 일련번호(BD_No), 빌딩별 AI 분석을 위한 모델 번호(GP_No), 모델 내 AI 데이터 일련번호(No), 포인트가 설치된 DDC 번호(DDC_No), DDC 내부의 포인트 일련 번호(Pt_No), 포인트 타입(Pt_Type), 포인트의 이름(Pt_Name), 포인트의 단위(Pt_Unit) 및 설명(Description) 등의 기준으로 분류할 수 있다.

또한 각각의 데이터들은 공조설비, 조명설비, 냉동기, 보일러, 펌프, 팬 등의 에너지를 소비하는 설비들에 대하여 모델별 분류가 이루어질 수 있다. 도5는 상태 검증이 디지털 타입인 설비(Binary Type)들의 데이터 분류 예시를 나타낸 것이고, 도6은 상태 검증이 아날로그 타입인 설비(Analog Type) 중 공조기 냉방에 대한 데이터 분류 예시를 나타낸 것이며, 도7은 공조기 난방에 대한 데이터 분류 예시, 도8은 EHP(Electric heat pump)의 냉/난방에 대한 데이터 분류 예시를 나타낸 것이다.

도5 내지 도8에 도시된 예시 외의 설비들도 분석 그룹에 대한 명칭, 제어 결과에 대한 확인 포인트 등으로 구성된 그룹을 설정하여 분류가 가능하다.

한편 데이터 분류의 방법으로 에너지 사용량과 설비 상태 데이터를 통합하고 그룹으로 설정할 수 있으며, 이를 통해 인공지능 분석을 통하여 설비 및 에너지 사용량의 이상 상태 검출이 가능하다. 도9에서는 환기용 에너지 소비량을 이용한 지원 기능으로 데이터를 분류한 예시를 도시하였다.

이 외에도 에너지 용도, 대상 설비 등의 분류에 따라 그룹을 설정하여 데이터를 분류하는 것도 가능하다.

데이터수집분류부(51)에서 각 건물별로 데이터를 수집하고 도4 내지 도9에 도시한 예시와 같이 데이터 분류가 이루어지고 나면, 데이터필터링부(52)에서 오류가 발생한 데이터를 자동 보정하고, 학습부(53)에서는 수집 및 분류된 데이터를 이용하여 학습<S410>을 진행한다.

초기의 학습을 위해서는 BAS(11), BEMS(12) 및 ZEB(13) 등의 데이터베이스에 각각 저장되어 있던 모든 데이터들을 통해 학습을 진행하여 학습 알고리즘을 생성하게 되고, 이후에는 하루 단위로 추가 수집된 데이터를 학습하여 기존 학습 알고리즘을 업데이트한다.

이후 분석부(54)는 학습부(53)에서 생성한 학습 알고리즘을 이용하여 각 건물에서 수집되어 오는 데이터들을 일정 시간 간격으로 분석<S415>한다. 예컨대 분석부(54)는 15분 간격으로 데이터 분석을 실시할 수 있다. 이때 특정 건물이 통합 관제소의 빌딩 자동 제어 시스템(11)에 최초 연결되고, 기존 누적된 데이터가 없을 경우라면, 분석부(54)는 타 건물의 데이터를 통해 학습된 알고리즘을 이용하여 분석을 실시할 수 있다.

즉 BAS(11), BEMS(12) 및 ZEB(13) 등의 시스템이 신규로 설치된 건물의 경우에는 기존 누적된 데이터가 없기 때문에, 기준이 되는 학습 알고리즘도 없다. 따라서 초기 구동시 운영 보조가 이루어질 수 없게 되는데, 이를 위해 분석부(54)는 해당 건물(시스템이 신규로 구축된 건물)과 유사한 규모나 용도의 타 건물 데이터를 통해 학습된 알고리즘을 추출하고, 이를 통해 신규 건물에 대한 초기 분석이 이루어지도록 하는 것이다. 물론 이후에는 지속적으로 해당 건물에서 수집되는 데이터를 반영하여 학습 알고리즘이 업데이트 될 것이다.

도10을 참조하면 분석부(54)의 분석 결과 예시를 확인할 수 있다. 즉 분석부(54)는 분석 결과가 예측된 값과 유사한 경우에는 정상 상태로 처리하고, 기준값 이상 차이가 많이 나는 경우에는 정도에 따라 주의, 점검, 또는 즉시 점검을 나타내는 결과를 도출할 수 있고, 이러한 분석 결과는 분석결과처리부(55)에 의해 처리<S420>된다.

또한 분석결과처리부(55)는 도11에 도시된 예시에서와 같이 각 건물별, 시스템별, 설비별로 분석결과의 출력과 함께 후속 조치가 이루어지도록 추가 메시지를 발생시킬 수 있다. 예컨대 특정 설비의 점검이 필요할 경우 통합 관제사 단말(60) 측으로 알람 경보를 발생시키고, 해당 빌딩 관리자 단말(30) 측으로 메시지를 전송할 수 있다.

한편, 분석부(54)가 학습부(53)에서 생성한 학습 알고리즘을 통해 실시간 데이터를 분석하면 특정 설비에 대한 고장을 예측할 수도 있다.

예컨대 공조기-1 급기팬이 ON 되었을 경우, 공조기-1 급기 댐퍼가 개방 상태여야 한다는 연관관계조건, 냉동기-1 냉수 급수 펌프가 ON 되었을 경우, 냉동기-1 냉수 급수 온도는 정해진 시간 이후 몇도가 되어야 한다는 연관관계조건이 있을 수 있는데, 이러한 설비들 간의 상태와 센서들에서 측정된 측정 정보들의 연관관계조건은 학습부(53)의 사전 학습에 의해 파악된 상태이다.

하지만 분석부(54)에서 실시간 데이터를 분석한 결과 공조기-급기팬이 ON 상태이지만 공조기-1 급기 댐퍼가 개방 상태가 아닐 경우, 또는 냉동기-1 냉수 급수 펌프가 ON 되었으나, 냉동기-1 냉수 급수 온도에 변화가 없을 경우 해당 설비에 이상이 발생한 것을 알 수 있고, 그 정도에 따라 고장 상태인지, 아니면 패턴 변화를 통해 고장을 예측할 수 있게 되는 것이다.

이렇게 분석부(54)에서 분석 결과가 도출되면, 분석결과처리부(55)는 분석 결과를 정리하여 통합 관제사 단말(60) 또는 빌딩 관리자 단말(30)에 출력되도록 하거나, 분석 결과를 일정 기간에 따라 설비 종류에 따라 정리하여 보고서 파일을 생성하여 저장할 수 있다.

이때 통합 관제사 단말(60) 또는 빌딩 관리자 단말(30)이 모바일 기기라면, SMS나 미리 설치된 전용 애플리케이션을 통해 푸시 메시지가 전송될 수 있다. 이에 따라 점검이 필요한 경우 특정 설비의 이상 여부를 즉시 파악할 수 있고, 현장으로 출동하여 신속한 후속 조치가 이루어질 수 있다.

한편 분석결과처리부(55)가 분석부(54)의 분석 결과에 따라 후속 조치를 처리하는 과정의 다른 예시를 설명하면 다음과 같다.

먼저 분석부(54)의 분석 결과 '주의' 결과가 나왔다면, 일반적인 운영 상태와 다소 다른 운영 상태로 운영되고 있음을 의미한다. 이때 HMI 소프트웨어는 화면에 '단계 1'에 해당하는 주의 표시와 함께 사전에 정의된 조치를 취하고, 데이터베이스에 저장한다. 또한 현장제어장치(DDC 등)는 특별한 제어동작이 없으며, 해당 건물의 빌딩 관리자 단말(30)로 '단계 1' 메시지를 전송 처리할 수 있다.

만약 분석부(54)의 분석 결과 '점검' 결과가 나왔다면, 일반적인 운영 상태에서 벗어나 있으며, 고장은 아니지만 원인을 파악하고, 조치를 취할 필요가 있음을 의미한다. 이 경우 HMI 소프트웨어는 화면에 '단계 2'에 해당하는 점검 표시와 함께 화면 깜빡임이 발생토록 하고, 1단계의 경보음이 발생되도록 하며, 해당 화면이 자동 팝업되도록 한다. 또한 데이터베이스에 내용을 저장하고 표준 알람 메시지에 등록하며, 현장제어장치(DDC 등)는 바이너리 타입 모델에 대하여 자동 정지가 이루어지도록 한다. 또한 분석결과처리부(55)는 해당 건물의 빌딩 관리자 단말(30) 측으로 '단계 2' 메시지를 전송 처리한다.

더 나아가 분석부(54)의 분석 결과 '즉시 점검' 결과가 나왔다면, 일반적인 운영 상태에서 벗어나 있으며, 고장이 예상된다는 의미이다. 이 경우 HMI 소프트웨어는 화면에 '단계 3'에 해당하는 즉시 점검 표시와 함께 화면이 깜박거리도록 하고, 2단계의 경보음이 발생토록 하며, 해당 화면을 자동 팝업시킨다. 또한 데이터베이스에 내용을 저장하고 표준 알람 메시지에 등록하며, 현장제어장치(DDC 등)는 바이너리 타입과 아날로그 타입 모델에 대하여 자동 정지가 이루어지도록 한다. 또한 분석결과처리부(55)는 해당 건물의 빌딩 관리자 단말(30) 측으로 '단계 3' 메시지를 전송 처리하고, 통합 관제사 단말(60)에서 원격 제어가 이루어지도록 처리한다.

즉 본 발명에 따른 운영 보조 시스템(50)은 건물에 설치된 각종 설비에 대한 전문 지식을 가진 인력이 건물마다 상주하고 있지 않은 경우를 대비한 것이다. 따라서 즉시 점검이 필요한 비상 상황에서는 빌딩 관리자에게 내용이 전달된다 하더라도, 즉각 적인 설비 제어를 기대하긴 어렵다. 따라서 통합 관제사 단말(60)에서 원격 제어가 이루어지도록 하여, 전문 인력인 통합 관제사의 원격 제어가 이루어진다면, 보다 신속하게 원인을 파악하고 비상 운전이 이루어질 수 있다.

한편 분석결과처리부(55)는 BAS(11) 부분의 타 제어 프로세서와 16단계의 제어 우선 순위에 의하여 조절되는 연동제어엔진을 통해 최종 처리를 진행할 수 있다.

또한 분석결과처리부(55)는 분석부(54)의 이상 상태 발견에 대응하여 특별구동 명령을 생성하여 특별구동이 이루어지도록 할 수 있는데, 이에 대한 설명을 도12를 통해 설명하면 다음과 같다.

먼저 분석부(54)의 분석 결과 특정 건물의 특정 설비에 대하여 이상 상태가 발견되고 고장이 예측된다면, 분석결과처리부(55)는 문제의 설비에 대한 고장 예측 시간과, 해당 설비와 연관되어 작동해야 하는 설비들의 기본동작 구동시간을 확인하고 통합 관제사 단말(60)을 통해 출력<S1305>한다.

즉 분석결과처리부(55)는 현재의 이상상태가 20분간 지속될 경우 고장이 발생할 것이라고 예측할 수 있고, BAS(11)와 정보를 공유하여 30분 뒤에 문제의 설비와 연관된 설비, 예컨대 공조기-1 혼합 댐퍼의 기본동작이 수행되어야 함을 확인할 수 있다.

하지만 20분 뒤에 고장이 발생한다면 30분 뒤에 문제의 설비와 연관된 공조기-1 혼합 댐퍼는 기본동작을 수행할 수 없을 수도 있다.

이를 위해 분석결과처리부(55)는 특정 설비의 고장 예측 시간이, 해당 설비와 연관된 설비의 기본동작 구동시간보다 빠른 것이 확인되면 통합 관제사 단말(60)로 내용을 출력하여, 원격 제어가 이루어지도록 하는 것이다. 하지만 통합 관제사가 내용을 확인하였지만 원격 제어를 통해 문제를 해결할 수 있는 것이 아니라, 현장 점검이 필요하다고 판단된다면 현장에서 더 가까운 빌딩 관리자에게 현장 이동을 지시할 수 있도록 특별구동 명령을 입력<S1310>할 수 있다.

이렇게 입력된 특별구동 명령이 빌딩 관리자 단말(30)에 통보되면, 분석결과처리부(55)는 빌딩 관리자 단말(30)로부터 현장 도착 시간이 언제인지 회신<S1315> 받는다.

분석결과처리부(55)의 확인 결과 빌딩 관리자 단말(30)로부터 회신된 현장 도착 시간이 기본동작 구동시간보다 빠르다면, 별다른 조치는 취하지 않는다. 즉 관리자가 현장에 도착하여 고장이 예상되는 설비의 점검이 이루어질 수 있어서, 관련 설비가 기본동작 구동시간에 맞추어 작동될 수 있기 때문이다.

반면, 고장 예측 시간이 기본동작 구동시간보다 빠르고, 빌딩 관리자 단말(30)로부터 회신된 현장 도착 시간은 기본동작 구동시간보다 늦을 경우 분석결과처리부(55)는 특별구동 명령을 생성하여 BAS(11) 측으로 전송<S1320>함으로써, BAS(11)가 특별구동 명령을 실행<S1325>시킬 수 있도록 한다.

즉 도12의 과정에 의하면 고장이 예측되는 설비와 관련된 설비가 설정된 시간에 자동으로 동작을 시작해야 하는데, 관련 설비의 고장 예측에 의해 설정된 시간에 중요한 기본기능을 수행시키는 것이 불가능하리라 예상되었을 때, 관리자가 기본동작 구동시간 전에 현장에 도착하여 조치가 가능할 때에는 별다른 조치를 취하지 아니하고, 관리자의 현장 도착이 늦을 경우 고장 발생 전 미리 중요한 기본기능이 수행되도록 함으로써, 설비의 안전 운용을 도모할 수 있다.

또한 고장이 예측되고 관리자가 기본동작 구동시간 전에 현장에 도착하여 조치가 불가능할 시, 분석결과처리부(55)는 병렬 운전 체계로 대체 가능한 설비를 구동시키도록 하는 특별구동 명령을 BAS(11) 측으로 전송할 수도 있다. 즉 고장이 예측되는 관련 설비를 대신하여 대체 설비를 구동시킴으로써, 예정된 시간에 오동작이 발생하는 것을 미연에 방지하는 것이다.

한편 도1에서는 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 개별 건물에 설치된 예시를 도시하였고, 도2에서는 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 통합 관제소에 설치되어 복수 건물을 제어하는 예시를 도시하였는데, 실시하기에 따라 운영 보조 시스템(50)은 별도의 프로그램이나, 또는 별도의 단말, 서버, 시스템 형태로 제공될 수 있고, 이를 통해 도13에 도시된 예시와 같이 빌딩 자동 제어 시스템(11)이 기 구축되어 있는 개별 건물에서 빌딩 자동 제어 시스템(11)과 연동하여 운영을 보조할 수도 있다.

또는 별도로 구축된 운영 보조 시스템(50)이 원격의 통합 관제 시스템(40)에 설치된 후, 통합 관제 시스템(40)에서 복수 건물에 설치된 BAS(11), BEMS(12), ZEB(13) 및 SI(14) 시스템들과 연동하여 데이터를 주고 받은 후 BAS(11)의 운영을 보조해 줄 수도 있다. 도13 및 도14의 예시에서와 같이 별도로 구축된 운영 보조 시스템(50)의 자세한 구성은 도15를 통해 확인할 수 있으며, 이 운영 보조 시스템(50)의 기능 구성 설명은 앞서 설명한 도1 내지 도12의 설명을 통해 대체하도록 한다.

본 발명에 따른 운영 보조 시스템(50) 기술이 적용된 빌딩 자동 제어 시스템(BAS)(11)에 의하면, BEMS(12) 및 ZEB(13) 시스템과 통합하여 보다 다양한 데이터를 이용할 수 있고, 건물 내 설비들에 대한 다양한 데이터들을 학습하여 건물 내에 전문인력이 상주하지 않더라도 에너지 절감 및 효율적인 건물 운영이 가능하고, 설비의 이상 동작 여부 또는 고장 예측 등에 대한 정보를 관리자에게 자동으로 통보하여 원활한 설비 운영이 지속되도록 할 수 있다.

또한 통합 관제소 또는 통합 관제 시스템(40)에서 복수 건물에 대한 통합 관리가 이루어지도록 한다면, 통합 관제사 단말(60)에서는 전문 인력이 상주하면서 복수 건물에 대한 이상 여부를 실시간으로 파악할 수 있고, 원격 제어를 통해 이상 설비들의 문제를 해결해 줄 수 있다. 즉 전문 인력이 중소형 건물 내에 상주하지 않더라도, 통합 관제 시스템(40)에서 인공지능 분석과 전문 인력의 노하우를 결합하여, 원거리에 위치한 건물들의 설비들에 대한 원격 제어를 수행함으로써 기 구축되어 있는 BAS(11), BEMS(12), ZEB(13) 등의 시스템을 효과적으로 활용할 수가 있는 것이다.

또한 운영 보조 시스템(50)이 적용된 빌딩 자동 제어 시스템(11)이 단일 건물에 설치되는 경우에도, 전문 운영자가 시스템 관리를 위하여 지속적으로 시스템을 모니터링하거나 관리해줄 필요 없이, 인공지능을 통해 일정 부분의 관리와 모니터링 업무를 수행할 수 있으며, 이에 따라 관리자는 다른 업무를 수행하면서 필요시에만 시스템 관리에 투입될 수 있으므로, 빌딩 전체의 인력 운영에도 한층 도움을 줄 수 있다.

상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면, 본 발명의 사상과 범위 안에서 다양한 수정, 변경 및 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 본 발명의 특허청구 범위에 속하는 것으로 보아야 할 것이다.

11 : BAS
11a : BAS운용부
12 : BEMS
13 : ZEB
14 : SI
30 : 빌딩 관리자 단말
40 : 통합 관제 시스템
50 : 운영 보조 시스템
51 : 데이터수집분류부
52 : 데이터필터링부
53 : 학습부
54 : 분석부
55 : 분석결과처리부
60 : 통합 관제사 단말

Claims

복수의 건물로부터 설비 데이터, 에너지 관리 데이터 및 센서에서 수집한 센서 데이터를 수집하여 분류하는 데이터수집분류부;
상기 데이터수집분류부에서 수집된 데이터 중 오류가 발생한 부분에 대하여 분석한 후 자동 보정하는 데이터필터링부;
상기 데이터수집분류부에서 분류되고, 상기 데이터필터링부를 통해 보정된 데이터를 학습하여 학습 알고리즘을 생성하는 학습부;
상기 학습부에서 생성된 학습 알고리즘을 통해 실시간으로 상기 설비 데이터, 에너지 관리 데이터 및 센서 데이터를 분석하는 분석부; 및
상기 분석부의 분석 결과를 통합 관제사 단말 또는 빌딩 관리자 단말 측으로 전송하거나, 상기 통합 관제사 단말의 원격 제어를 통해 특정 건물에 설치된 설비의 원격 제어가 이루어지도록 하거나, 분석 결과를 일정 기간에 따라 설비 종류에 따라 정리하여 보고서 파일을 생성하여 저장하는 분석결과처리부;를 포함하고,
상기 학습부는 빌딩 자동 제어 시스템 및 빌딩 에너지 관리 시스템에서 기 저장되어 있는 설비 데이터와 에너지 관리 데이터를 통해 학습을 수행하고, 이후 수집되는 데이터는 일일 간격으로 학습하여 상기 학습 알고리즘을 업데이트하되,
특정 건물의 기 저장되어 있는 데이터가 없을 경우, 상기 분석부는 유사 규모 또는 유사 용도의 타 건물에서 수집되어 학습이 이루어진 학습 알고리즘을 이용하여 초기 분석을 수행하고, 이후에는 해당 특정 건물에서 수집되어 학습된 학습 알고리즘을 이용하여 분석을 수행하며,
상기 분석결과처리부는 상기 분석부에서 분류 모델별로 분석한 공조 설비인 냉난방 운전, 또는 건물내 환기 시설 운영 분석 결과와 이상 여부 분석 결과를 직접 시스템에 적용하기 위하여, 빌딩 자동 제어 시스템에서 사용하는 우선순위(Priority) 기반의 결정체계와 연계하여 결과를 처리하고,
상기 데이터수집분류부는 각 건물별로 수집한 데이터들을 군관리용 빌딩 일련번호(BD_No), 빌딩별 AI 분석을 위한 모델 번호(GP_No), 모델 내 AI 데이터 일련번호(No), 포인트가 설치된 DDC 번호(DDC_No), DDC 내부의 포인트 일련 번호(Pt_No), 포인트 타입(Pt_Type), 포인트의 이름(Pt_Name), 포인트의 단위(Pt_Unit) 및 설명(Description)의 기준으로 분류하고,
상기 분석부는 분석 결과를 정상, 주의, 점검 또는 즉시 점검을 나타내는 결과를 도출하며,
상기 분석결과처리부는 상기 분석부의 분석 결과 '주의' 결과가 나왔다면 화면에 '단계 1'에 해당하는 주의 표시가 출력되도록 하고 데이터베이스에 저장한 후 해당 건물의 빌딩 관리자 단말로 '단계 1' 메시지를 전송 처리하고, 상기 분석부의 분석 결과 '점검' 결과가 나왔다면 화면에 '단계 2'에 해당하는 점검 표시와 함께 화면 깜빡임이 발생토록 하고, 1단계의 경보음이 발생되도록 하며, 해당 화면이 자동 팝업되도록 한 후 데이터베이스에 내용을 저장하고 표준 알람 메시지에 등록하며, 현장제어장치가 바이너리 타입 모델에 대하여 자동 정지가 이루어지도록 한 후 해당 건물의 빌딩 관리자 단말 측으로 '단계 2' 메시지를 전송 처리하고, 분석부의 분석 결과 '즉시 점검' 결과가 나왔다면, 화면에 '단계 3'에 해당하는 즉시 점검 표시와 함께 화면이 깜박거리도록 하고, 2단계의 경보음이 발생토록 하며, 해당 화면을 자동 팝업시킨 후 데이터베이스에 내용을 저장하고 표준 알람 메시지에 등록하며, 현장제어장치가 바이너리 타입과 아날로그 타입 모델에 대하여 자동 정지가 이루어지도록 한 후 해당 건물의 빌딩 관리자 단말 측으로 '단계 3' 메시지를 전송 처리하고, 통합 관제사 단말에서 원격 제어가 이루어지도록 처리하는 것을 특징으로 하는 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템.
삭제
삭제
제1항에 있어서,
상기 분석부는 상기 학습부에서 학습된 알고리즘을 이용하여 분류모델별로 최적화된 설비 운영 방안, 설비의 이상 여부를 분석하고, 이를 기반으로 설비에 대한 에너지 절감 운영 정보, 이상을 보이는 설비에 대한 관리 정보를 출력하는 것을 특징으로 하는 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템.
삭제
삭제
복수의 건물로부터 설비 데이터, 에너지 관리 데이터 및 센서에서 수집한 센서 데이터를 수집하여 분류하는 (a)단계;
상기 (a)단계에서 수집된 데이터 중 오류가 발생한 부분에 대하여 분석한 후 자동 보정하는 (b)단계;
상기 (a)단계에서 분류되고, 상기 (b)단계를 통해 보정된 데이터를 학습함으로써 학습 알고리즘을 생성하는 (c)단계;
상기 학습 알고리즘을 통해 실시간 수집되는 상기 설비 데이터, 에너지 관리 데이터 및 센서 데이터를 분석하는 (d)단계; 및
상기 분석 결과를 통합 관제사 단말 또는 빌딩 관리자 단말 측으로 전송하거나, 상기 통합 관제사 단말의 원격 제어를 통해 특정 건물에 설치된 설비의 원격 제어가 이루어지도록 처리하거나, 분석 결과를 일정 기간에 따라 설비 종류에 따라 정리하여 보고서 파일을 생성하여 저장하는 (e)단계;를 포함하고,
상기 (c)단계는 빌딩 자동 제어 시스템 및 빌딩 에너지 관리 시스템에서 기 저장되어 있는 설비 데이터와 에너지 관리 데이터를 통해 학습을 수행하고, 이후 수집되는 데이터는 일일 간격으로 학습하여 상기 학습 알고리즘을 업데이트하되,
상기 (d)단계에서 특정 건물의 기 저장되어 있는 데이터가 없을 경우, 상기 (d)단계는 유사 규모 또는 유사 용도의 타 건물에서 수집되어 학습이 이루어진 학습 알고리즘을 이용하여 초기 분석을 수행하고, 이후에는 해당 특정 건물에서 수집되어 학습된 학습 알고리즘을 이용하여 분석을 수행하며,
상기 (e)단계는 분류 모델별로 분석한 공조 설비인 냉난방 운전, 또는 건물내 환기 시설 운영 분석 결과와 이상 여부 분석 결과를 직접 시스템에 적용하기 위하여, 빌딩 자동 제어 시스템에서 사용하는 우선순위(Priority) 기반의 결정체계와 연계하여 결과를 처리하고,
상기 (a)단계는 각 건물별로 수집한 데이터들을 군관리용 빌딩 일련번호(BD_No), 빌딩별 AI 분석을 위한 모델 번호(GP_No), 모델 내 AI 데이터 일련번호(No), 포인트가 설치된 DDC 번호(DDC_No), DDC 내부의 포인트 일련 번호(Pt_No), 포인트 타입(Pt_Type), 포인트의 이름(Pt_Name), 포인트의 단위(Pt_Unit) 및 설명(Description)의 기준으로 분류하고,
상기 (d)단계는 분석 결과를 정상, 주의, 점검 또는 즉시 점검을 나타내는 결과를 도출하며,
상기 (e)단계는 상기 (d)단계의 분석 결과 '주의' 결과가 나왔다면 화면에 '단계 1'에 해당하는 주의 표시가 출력되도록 하고 데이터베이스에 저장한 후 해당 건물의 빌딩 관리자 단말로 '단계 1' 메시지를 전송 처리하고, 상기 (d)단계의 분석 결과 '점검' 결과가 나왔다면 화면에 '단계 2'에 해당하는 점검 표시와 함께 화면 깜빡임이 발생토록 하고, 1단계의 경보음이 발생되도록 하며, 해당 화면이 자동 팝업되도록 한 후 데이터베이스에 내용을 저장하고 표준 알람 메시지에 등록하며, 현장제어장치가 바이너리 타입 모델에 대하여 자동 정지가 이루어지도록 한 후 해당 건물의 빌딩 관리자 단말 측으로 '단계 2' 메시지를 전송 처리하고, 상기 (d)단계의 분석 결과 '즉시 점검' 결과가 나왔다면, 화면에 '단계 3'에 해당하는 즉시 점검 표시와 함께 화면이 깜박거리도록 하고, 2단계의 경보음이 발생토록 하며, 해당 화면을 자동 팝업시킨 후 데이터베이스에 내용을 저장하고 표준 알람 메시지에 등록하며, 현장제어장치가 바이너리 타입과 아날로그 타입 모델에 대하여 자동 정지가 이루어지도록 한 후 해당 건물의 빌딩 관리자 단말 측으로 '단계 3' 메시지를 전송 처리하고, 통합 관제사 단말에서 원격 제어가 이루어지도록 처리하는 것을 특징으로 하는 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템의 운용 방법.
삭제
삭제
제7항에 있어서,
상기 (d)단계는, 상기 학습된 알고리즘을 이용하여 분류모델별로 최적화된 설비 운영 방안, 설비의 이상 여부를 분석하고, 이를 기반으로 설비에 대한 에너지 절감 운영 정보, 이상을 보이는 설비에 대한 관리 정보를 출력하는 것을 특징으로 하는 인공지능 기반의 운영 보조 시스템을 적용한 빌딩 자동 제어 시스템의 운용 방법.
삭제
삭제