KR102520100B1 - Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system - Google Patents

Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system Download PDF

Info

Publication number
KR102520100B1
KR102520100B1 KR1020210172116A KR20210172116A KR102520100B1 KR 102520100 B1 KR102520100 B1 KR 102520100B1 KR 1020210172116 A KR1020210172116 A KR 1020210172116A KR 20210172116 A KR20210172116 A KR 20210172116A KR 102520100 B1 KR102520100 B1 KR 102520100B1
Authority
KR
South Korea
Prior art keywords
flow rate
value
circulating water
temperature
indoor temperature
Prior art date
Application number
KR1020210172116A
Other languages
Korean (ko)
Inventor
문진우
조혜운
최은지
최영재
박보랑
김태원
현지연
김남현
Original Assignee
중앙대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020210172116A priority Critical patent/KR102520100B1/en
Application granted granted Critical
Publication of KR102520100B1 publication Critical patent/KR102520100B1/en

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D17/00—Domestic hot-water supply systems
    • F24D17/0015—Domestic hot-water supply systems using solar energy
    • F24D17/0021—Domestic hot-water supply systems using solar energy with accumulation of the heated water
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F1/00—Room units for air-conditioning, e.g. separate or self-contained units or units receiving primary air from a central station
    • F24F1/0007—Indoor units, e.g. fan coil units
    • F24F1/00077—Indoor units, e.g. fan coil units receiving heat exchange fluid entering and leaving the unit as a liquid
    • 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
    • F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0046—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater using natural energy, e.g. solar energy, energy from the ground
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
    • F24F5/0017—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using cold storage bodies, e.g. ice
    • F24F2005/0025—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using cold storage bodies, e.g. ice using heat exchange fluid storage tanks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0046—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater using natural energy, e.g. solar energy, energy from the ground
    • F24F2005/0064—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater using natural energy, e.g. solar energy, energy from the ground using solar energy
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2203/00—Devices or apparatus used for air treatment
    • F24F2203/02—System or Device comprising a heat pump as a subsystem, e.g. combined with humidification/dehumidification, heating, natural energy or with hybrid system
    • F24F2203/021—Compression cycle

Abstract

본 발명은 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법 및 장치에 관한 것으로, 건물의 실내온도, 실외온도, 순환수 입수온도와 같은 데이터를 기초로 팬 코일 유닛(FCU)과 같은 냉난방기에 유입되는 순환수 입수유량을 능동적으로 제어함으로써, 히트펌프와 냉난방기 사이에서 유동하는 순환수와 같은 메인열원 이외에도 태양열이나 지열 시스템 내에서 유동하는 보조열원이 함께 활용되는 복합열원 시스템의 경우 실내온도에 따라 맞춤형으로 순환수 입수유량을 선정할 수 있게 됨에 따라, 결국 실내온도 제어를 위해 요구되는 보조열원 의존도를 낮춰 에너지 효율 및 시스템 경제성을 높일 수 있게 하는 효과를 도출한다.The present invention relates to an adaptive flow control method and apparatus for controlling the indoor temperature of an air conditioning system, and relates to an air conditioner such as a fan coil unit (FCU) based on data such as indoor temperature, outdoor temperature, and circulating water intake temperature of a building. By actively controlling the inlet flow rate of circulating water, in the case of a combined heat source system that utilizes auxiliary heat sources such as solar heat or geothermal heat in addition to the main heat source, such as circulating water flowing between the heat pump and the air conditioner, As the flow rate of circulating water can be selected customizedly, the effect of increasing energy efficiency and system economics by reducing the dependence on auxiliary heat sources required for room temperature control is eventually derived.

Description

공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법 및 장치{Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system}Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system}

본 발명은 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법 및 장치에 관한 것으로, 더욱 상세하게는 공조 시스템을 순환하는 순환수 유량의 능동적인 제어를 통해 실내 부하에 유동적인 대처를 가능하게 하여 에너지 효율 및 시스템 경제성을 높일 수 있게 하고 최적의 실내 환경을 제공할 수 있도록, 공정 및 구조가 개선된 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법 및 장치에 관한 것이다. The present invention relates to an adaptive flow rate control method and apparatus for controlling room temperature of an air conditioning system, and more particularly, by actively controlling the flow rate of circulating water circulating in an air conditioning system to enable a flexible response to an indoor load. It relates to an adaptive flow control method and apparatus for controlling the indoor temperature of an air conditioning system with improved processes and structures so as to increase energy efficiency and system economy and provide an optimal indoor environment.

최근 히트펌프와 팬코일유닛(FCU)과 같은 냉난방기를 구비하는 공조 시스템은 재실자 유무, 실내온도 등 환경에 따라 능동적으로 제어하는 기술이 접목되어서 에너지 사용효율을 높이고자 하는 기술 개발이 이루어지고 있는 실정이다.Recently, an air conditioning system equipped with an air conditioner such as a heat pump and a fan coil unit (FCU) is being actively controlled according to the environment such as occupant presence and indoor temperature, and technology development is being made to increase energy use efficiency. am.

이러한 기술 중 하나인 복합열원을 이용하는 축열식 하이브리드 히트펌프 시스템의 경우 축열조의 온도를 일정하게 유지 하기 위해 보조열원의 사용이 요구되기 때문에 추가적인 에너지 소비로 인해 시스템이 비경제적으로 운영되는 단점이 있다. In the case of a thermal storage hybrid heat pump system using a combined heat source, one of these technologies, the use of an auxiliary heat source is required to keep the temperature of the heat storage tank constant, so the system is operated uneconomically due to additional energy consumption.

따라서, 보조열원 사용을 최소화시킬 수 있으면서 히트펌프와 팬코일유닛 사이에서 순환하는 순환수(메인열원)를 활용하여 에너지 효율을 높일 수 있는 기술 개발이 필요하게 된 것이다. Therefore, it is necessary to develop a technology capable of minimizing the use of an auxiliary heat source and increasing energy efficiency by utilizing circulating water (main heat source) circulating between a heat pump and a fan coil unit.

대한민국 등록특허공보 등록번호 제10-1968688호Korean Registered Patent Publication No. 10-1968688 대한민국 등록특허공보 등록번호 제10-2227997호Korean Registered Patent Publication No. 10-2227997

본 발명은 상기와 같은 필요성에 의해 안출된 것으로, 본 발명의 목적은 메인열원과 보조열원과 같이 적어도 둘 이상의 열원(복합열원)이 활용되는 공조 시스템에 있어서 보조 열원의 사용을 최소화하여 에너지 효율을 높일 수 있도록 공조 시스템을 순환하는 순환수 유량을 능동적으로 제어할 수 있게 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법을 제공하고자 하는 것이다. The present invention has been made by the above necessity, and an object of the present invention is to minimize the use of auxiliary heat sources in an air conditioning system in which at least two or more heat sources (combined heat sources) are utilized, such as a main heat source and an auxiliary heat source, to improve energy efficiency. It is an object of the present invention to provide an adaptive flow rate control method for controlling room temperature of an air conditioning system that can actively control the flow rate of circulating water circulating through the air conditioning system to increase the temperature.

상기 목적을 달성하기 위한 본 발명에 의한 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법은, 히트펌프와 냉난방기를 구비하는 공조 시스템의 실내온도를 제어하기 위한 것으로, 딥러닝부에서 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량을 입력변수로 하고 실내온도를 출력변수로 하여 입력변수와 출력변수 간의 상관관계를 학습하는 학습단계; 데이터 취득부에서 실제 제어하고자 하는 제어대상 건물의 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량 데이터를 현재 제어 사이클 상에서 센서를 통해 획득하는 데이터 수집 단계; 판별부에서 상기 학습단계에서의 학습에 의해 예측되는 상기 순환수 입수유량에 따른 실내온도 예측값과 상기 센서에 의해 취득된 실내온도 실제값을 비교하여 동일한지 여부를 판별하는 판별단계; 상기 판별 결과 상기 실내온도 예측값과 실내온도 실제값이 동일하지 않은 경우에는, 제어부의 제어명령에 기초하여 상기 딥러닝부에서 이전 제어 사이클의 입력변수 데이터(실외온도, 순환수 온도 및 순환수 유량)와 상기 센서로 측정한 실내온도 실제값인 출력변수 데이터 간의 상관관계를 재학습하여 데이터를 업데이트하는 재학습단계; 및 상기 판별 결과 상기 실내온도 예측값과 실내온도 실제값이 동일한 경우에는 상기 재학습단계를 거치지 않고 상기 순환수 입수유량을 설정 비율로 재설정하여 각각의 재설정된 유량값에 대한 실내온도 예측값을 산출한 후, 그 예측값과 실내온도 설정값(사용자에 의해 요구되는 실내온도 설정값;setpoint temperature)의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 하는 유량값 선정단계;를 포함하여 이루어지는 것을 특징으로 한다. In order to achieve the above object, an adaptive flow rate control method for controlling the indoor temperature of an air conditioning system according to the present invention is for controlling the indoor temperature of an air conditioning system having a heat pump and an air conditioner. A learning step of learning a correlation between an input variable and an output variable by using the outdoor temperature, the circulating water intake temperature of the air conditioner and the circulating water flow rate as input variables and the indoor temperature as an output variable; A data collection step of acquiring data of indoor temperature, outdoor temperature, circulating water intake temperature of the air conditioner and circulating water flow rate of the building to be controlled actually to be controlled by the data acquisition unit through a sensor in the current control cycle; a discriminating step in which a discriminating unit compares the predicted indoor temperature value according to the flow rate of the circulating water predicted by learning in the learning step with the actual value of the indoor temperature acquired by the sensor to determine whether they are the same; As a result of the determination, when the predicted indoor temperature value and the actual indoor temperature value are not the same, the input variable data (outdoor temperature, circulating water temperature, and circulating water flow rate) of the previous control cycle in the deep learning unit based on the control command of the control unit a re-learning step of re-learning the correlation between the output variable data, which is the actual value of the room temperature measured by the sensor, and updating the data; and as a result of the determination, when the predicted room temperature value and the actual room temperature value are the same, the circulating water intake flow rate is reset to a set ratio without going through the re-learning step, and the room temperature predicted value for each reset flow rate value is calculated. , a flow rate value selection step of selecting a case where the difference between the predicted value and the indoor temperature set value (setpoint temperature required by the user) is the smallest as the final flow rate value;

상기 냉난방기는 팬 코일 유닛(fan coil unit)인 것이 바람직하다. The air conditioner is preferably a fan coil unit.

본 발명은 상기 히트펌프와 냉난방기 사이에서 순환하는 상기 순환수를 메인 축열조에 일시적으로 저장되게 하여 축열을 가능하게 하는 메인 축열 단계;를 더 포함하여 이루어지는 것이 바람직하다. The present invention preferably further includes a main heat storage step of enabling heat storage by temporarily storing the circulating water circulating between the heat pump and the air conditioner in the main heat storage tank.

상기 공조 시스템은 상기 히트펌프 및 메인 축열조와는 별개로 마련되는 태양열 장치와 서브 축열조를 더 포함할 수 있고, 본 발명은 상기 태양열 장치와 서브 축열조 사이에서 순환하는 보조 열원이 상기 서브 축열조에 일시적으로 저장되게 하여 추가적인 축열을 가능하게 서브 축열 단계;를 더 포함할 수 있다. The air conditioning system may further include a solar thermal device and a sub heat storage tank provided separately from the heat pump and the main heat storage tank, and in the present invention, an auxiliary heat source circulating between the solar device and the sub heat storage tank temporarily It may further include a sub heat storage step to enable additional heat storage by being stored.

본 발명은 상기 서브 축열조에 수용된 보조 열원을 상기 제어부의 제어신호에 기초하여 상기 메인 축열조에 유입되게 하는 열원 융합 단계;를 더 포함하여 이루어지는 것도 가능하다.The present invention may further include a heat source fusion step of introducing an auxiliary heat source accommodated in the sub heat storage tank into the main heat storage tank based on a control signal from the control unit.

본 발명은 연산부에서 상기 n-1번째 제어 사이클 상의 순환수 입수유량값과 기설정된 최소 입수유량값 사이에 해당하는 유량값 차감구간 및 상기 n-1번째 제어 사이클 상의 순환수 입수유량값과 기설정된 최대 입수유량값 사이에 해당하는 유량값 증가구간을 연산하는 연산단계;를 더 포함하고, 상기 유량값 선정단계는, 상기 각 구간 중 기설정된 임의 구간에서의 상기 설정비율에 의한 점진적(n차; n,n+1,n+2 ㆍㆍㆍ, 여기서 n은 자연수) 재설정값에 대한 실내온도 예측값을 상호 비교하고, 비교결과 그 예측값이 상기 실제값과 차이가 상대적으로 적은 구간을 선정하여 그 구간에서는 상기 임의 구간 이외의 상기 설정비율로 구획되는 나머지 모든 구간에 걸쳐 실내온도 예측값을 산출한 후, 그 예측값과 상기 실내온도 실제값의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 하도록 구성될 수 있다. In the present invention, a flow rate value deduction section corresponding to between the circulating water intake flow rate value on the n-1 th control cycle and the preset minimum water intake flow rate value in the calculation unit and the circulating water intake flow rate value on the n-1 th control cycle and the preset A calculation step of calculating a flow rate value increase section corresponding to the maximum water flow rate value; further comprising, wherein the flow rate value selection step is gradual (n order; n,n+1,n+2 ㆍㆍㆍ, where n is a natural number) The predicted indoor temperature values for the reset values are mutually compared, and as a result of the comparison, a section in which the difference between the predicted value and the actual value is relatively small is selected, and the section is selected. may be configured to calculate an indoor temperature prediction value over all the remaining sections divided by the set ratio other than the random section, and then select a case where the difference between the predicted value and the actual value of the room temperature is the smallest as the final flow rate value. there is.

상기 목적을 달성하기 위한 본 발명에 의한 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 장치는 펌프와 냉난방기를 구비하는 공조 시스템의 실내온도를 제어하기 위한 것으로, 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량을 입력변수로 하고 실내온도를 출력변수로 하여 입력변수와 출력변수 간의 상관관계를 학습하는 딥러닝부; 실제 제어하고자 하는 제어대상 건물의 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량 데이터를 현재 제어 사이클에서 센서를 통해 획득하는 데이터 취득부; 상기 딥러닝부에서의 학습에 의해 예측되는 상기 순환수 입수유량에 따른 실내온도 예측값과 상기 센서에 의해 취득된 실내온도 실제값을 비교하여 동일한지 여부를 판별하는 판별부; 상기 실내온도 예측값과 실내온도 실제값이 동일한 경우 제어부의 제어명령에 기초하여 상기 순환수 입수유량을 설정 비율로 재설정하여 각각의 재설정된 유량값에 대한 실내온도 예측값을 산출한 후, 그 예측값과 실내온도 설정값(사용자에 의해 요구되는 실내온도 설정값;setpoint temperature)의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 하는 유량값 선정부;를 포함하여 이루어지는 것을 특징으로 한다. In order to achieve the above object, an adaptive flow control device for controlling the indoor temperature of an air conditioning system according to the present invention is for controlling the indoor temperature of an air conditioning system having a pump and an air conditioner and heater, and circulation of indoor temperature, outdoor temperature, and air conditioner. a deep learning unit for learning a correlation between an input variable and an output variable by using water inlet temperature and circulating water flow rate as input variables and indoor temperature as an output variable; a data acquisition unit that obtains data of indoor temperature, outdoor temperature, circulating water intake temperature of air conditioner and circulating water flow rate of a building to be controlled to be actually controlled through a sensor in a current control cycle; a determining unit comparing the predicted indoor temperature value according to the flow rate of the circulating water predicted by learning in the deep learning unit with the actual value of the indoor temperature acquired by the sensor, and determining whether they are the same; When the predicted indoor temperature value and the actual indoor temperature value are the same, the circulating water intake flow rate is reset to a set ratio based on the control command of the control unit to calculate the predicted room temperature value for each reset flow rate value, and then the predicted value and the indoor temperature predicted value and a flow rate value selection unit that selects a case where the difference between the temperature set value (room temperature set point required by the user) is the smallest as the final flow rate value.

상술한 바와 같은 구성을 가지는 히트펌프 시스템의 실내온도 제어를 위한 적응형 유량제어 방법은 건물의 실내온도, 실외온도, 순환수 입수온도와 같은 데이터를 기초로 팬 코일 유닛(FCU)과 같은 냉난방기에 유입되는 순환수 입수유량을 능동적으로 제어함으로써, 히트펌프와 냉난방기 사이에서 유동하는 순환수와 같은 메인열원 이외에도 태양열이나 지열 시스템 내에서 유동하는 보조열원이 함께 활용되는 복합열원 시스템의 경우 실내온도에 따라 맞춤형으로 순환수 입수유량을 선정할 수 있게 됨에 따라, 결국 실내온도 제어를 위해 요구되는 보조열원 의존도를 낮춰 에너지 효율 및 시스템 경제성을 높일 수 있게 하는 효과를 도출한다.An adaptive flow rate control method for controlling the indoor temperature of a heat pump system having the configuration described above is based on data such as the indoor temperature of a building, the outdoor temperature, and the circulating water intake temperature to an air conditioner such as a fan coil unit (FCU). By actively controlling the inlet flow rate of circulating water, in the case of a combined heat source system that utilizes auxiliary heat sources such as solar heat or geothermal heat in addition to the main heat source, such as circulating water flowing between the heat pump and the air conditioner, As the flow rate of circulating water can be selected customizedly, the effect of increasing energy efficiency and system economics by reducing the dependence on auxiliary heat sources required for room temperature control is eventually derived.

도 1은 본 발명의 일실시예에 따른 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법의 논리흐름을 보인 플로우차트.
도 2는 본 발명 일실시예에 채용된 학습단계를 구현하기 위한 학습모델 구조도.
도 3은 본 발명 일실시예를 공정 순서별로 도시한 블럭도.
도 4는 본 발명 일실시예의 구현을 위한 장치에 관한 블럭도.
도 5는 본 발명 일실시예가 적용되는 공조 시스템에 관한 구성을 설명하기 위한 도면.
도 6은 본 발명의 다른 실시예에 따른 히트펌프 시스템의 실내온도 제어를 위한 적응형 유량제어 방법의 논리흐름에 관한 플로우차트.
도 7은 본 발명 다른 실시예에 채용된 유량값 선정단계를 설명하기 위한 도면.1 is a flow chart showing the logic flow of an adaptive flow rate control method for controlling room temperature of an air conditioning system according to an embodiment of the present invention.
2 is a learning model structure diagram for implementing a learning step employed in an embodiment of the present invention.
Figure 3 is a block diagram showing an embodiment of the present invention step by step.
4 is a block diagram of an apparatus for implementing an embodiment of the present invention;
5 is a diagram for explaining the configuration of an air conditioning system to which an embodiment of the present invention is applied;
6 is a flowchart of a logic flow of an adaptive flow rate control method for controlling room temperature of a heat pump system according to another embodiment of the present invention.
7 is a view for explaining a flow rate value selection step employed in another embodiment of the present invention.

이하의 설명에서 본 발명에 대한 이해를 명확히 하기 위하여, 본 발명의 특징에 대한 공지의 기술에 대한 설명은 생략하기로 한다. 이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아님은 당연할 것이다. 따라서, 본 발명과 동일한 기능을 수행하는 균등한 발명 역시 본 발명의 권리 범위에 속할 것이다.In order to clarify the understanding of the present invention in the following description, descriptions of known techniques for the features of the present invention will be omitted. The following examples are detailed descriptions to aid understanding of the present invention, and it will be natural that they do not limit the scope of the present invention. Therefore, equivalent inventions that perform the same functions as the present invention will also fall within the scope of the present invention.

그리고, 이하의 설명에서 동일한 식별 기호는 동일한 구성을 의미하며, 불필요한 중복적인 설명 및 공지 기술에 대한 설명은 생략하기로 한다. 또한, 상기 발명의 배경이 되는 기술에 대한 기재 내용과 중복되는 이하의 본 발명의 각 실시예에 관한 설명 역시 생략하기로 한다.And, in the following description, the same identification symbol means the same configuration, and unnecessary redundant descriptions and descriptions of known technologies will be omitted. In addition, the description of each embodiment of the present invention below, which overlaps with the description of the background technology of the present invention, will also be omitted.

이하에서는 본 발명의 일실시예에 따른 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법을 참조하여 상세히 설명하기로 한다. Hereinafter, an adaptive flow control method for controlling room temperature of an air conditioning system according to an embodiment of the present invention will be described in detail with reference to the method.

도 1은 본 발명의 일실시예에 따른 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법의 논리흐름을 보인 플로우차트이고, 도 2는 본 발명 일실시예에 채용된 학습단계를 구현하기 위한 학습모델 구조도이며, 도 3은 본 발명 일실시예를 공정 순서별로 도시한 블럭도이며, 도 4는 본 발명 일실시예의 구현을 위한 장치에 관한 블럭도이다. 1 is a flow chart showing the logic flow of an adaptive flow rate control method for controlling room temperature of an air conditioning system according to an embodiment of the present invention, and FIG. 2 is a flow chart for implementing a learning step employed in an embodiment of the present invention. It is a learning model structure diagram, FIG. 3 is a block diagram showing an embodiment of the present invention in process order, and FIG. 4 is a block diagram of an apparatus for implementing an embodiment of the present invention.

이들 도면에 도시된 바와 같이, 본 발명의 일실시예에 따른 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법은, 히트 펌프(11)와 냉난방기(12)를 구비하는 공조 시스템의 실내온도를 제어하기 위한 것으로, 학습 단계(S1)와 데이터 수집 단계(S2)와 판별 단계(S3)와 재학습단계(S4)와 유량값 선정 단계(S5)를 포함하여 이루어진다. 여기서, 상기 냉난방기(12)는 다양한 장치가 사용될 수 있으나, 본 실시예에서는 코일이나 송풍기, 필터 등을 하나의 케이싱에 넣어 소형의 유닛으로 만든 팬 코일 유닛(Fsn coil unit;FCU)이 채용되었다. As shown in these drawings, an adaptive flow rate control method for controlling the room temperature of an air conditioning system according to an embodiment of the present invention controls the room temperature of an air conditioning system including a heat pump 11 and an air conditioner 12. For control, it includes a learning step (S1), a data collection step (S2), a determination step (S3), a re-learning step (S4), and a flow rate value selection step (S5). Here, various devices may be used as the air conditioner 12, but in this embodiment, a fan coil unit (Fsn coil unit; FCU) made into a small unit by putting a coil, a blower, a filter, etc. into one casing is employed.

상기 학습 단계(S1)는 딥러닝부(1)에서 수행되는 스텝에 관한 것으로, 이전 사이클에서의 실내온도, 실외온도, 냉난방기(12)의 순환수 입수온도 및 순환수 입수유량을 입력변수로 하고 다음 사이클의 실내온도를 출력변수로 하여 입력변수와 출력변수 간의 상관관계를 학습하게 된다. The learning step (S1) relates to a step performed by the deep learning unit 1, and uses the indoor temperature, outdoor temperature, circulating water intake temperature of the air conditioner 12, and circulating water flow rate in the previous cycle as input variables. The correlation between the input variable and the output variable is learned by using the indoor temperature of the next cycle as an output variable.

상기 학습모델은 한 개의 입력층(input layer)과 출력층(output layer) 사이에 다수의 은닉층(hidden layer)이 있는 다층 퍼셉트론(multi-layer perceptron)인 인공 신경망(ANN; Artificial Neural Network)기반으로 개발되었으며, 1) 실내온도, 2) 실외온도, 3) FCU 순환수 입수온도(이하 '순환수 입수온도'라 함), 4) FCU 순환수 입수유량(이하 '순환수 입수유량'이라 함)을 입력변수로 학습하여 다음 제어 step의 실내온도를 예측한다. 모델의 입력변수는 출력변수(실내온도)와의 피어슨 상관계수 및 열역학 제 1법칙에 기반한 열교환식 (식 1)에 의거하여 최종적으로 선정되었으며, 냉난방기(12)의 실내온도 예측을 위한 학습모델은 기간별로 각각 학습되었다. The learning model is developed based on Artificial Neural Network (ANN), a multi-layer perceptron with multiple hidden layers between an input layer and an output layer. 1) indoor temperature, 2) outdoor temperature, 3) FCU circulating water intake temperature (hereinafter referred to as 'circulating water intake temperature'), and 4) FCU circulating water intake flow rate (hereinafter referred to as 'circulating water intake flow rate'). It learns as an input variable and predicts the room temperature of the next control step. The input variable of the model was finally selected based on the Pearson correlation coefficient with the output variable (indoor temperature) and the heat exchange equation (Equation 1) based on the first law of thermodynamics, and the learning model for predicting the indoor temperature of the air conditioner (12) were learned, respectively.

기간별 학습이 필요한 이유는 난방기에는 유량이 많아질수록 가열효과가 커져 실내온도가 높아지지만, 냉방기에는 유량이 많아질수록 냉각효과가 커져 실내온도가 낮아지는 현상으로 인해 목적에 따라 동일한 변수를 입력받더라도 출력 결과는 반대로 나올 수 있기 때문이다. 학습모델의 구조는 도 2와 같으며, 학습에는 Levenberg-Marquardt 함수가 오차함수 최적화 방법으로 사용된다. The reason learning by period is necessary is that in the heater, as the flow rate increases, the heating effect increases and the room temperature rises, but in the air conditioner, as the flow rate increases, the cooling effect increases and the room temperature decreases. This is because the output result can come out the other way around. The structure of the learning model is shown in FIG. 2, and the Levenberg-Marquardt function is used as an error function optimization method for learning.

Figure 112021140604316-pat00001
(식 1)
Figure 112021140604316-pat00001
(Equation 1)

여기서, Q : 열교환량 [kcal/hr], m : 순환수 유량 [kg/hr], c : 순환수 비열 [kcal/kgC], △T : 순환수 온도 차Here, Q: Heat exchange rate [kcal/hr], m: Circulating water flow rate [kg/hr], c: Specific heat of circulating water [kcal/kgC], △T: Circulating water temperature difference

상기 데이터 수집 단계(S2)는 데이터 취득부에서 수행되는 스텝에 관한 것으로, 실제 제어하고자 하는 제어대상 건물의 특정 시점(현재 사이클; n번째 제어 사이클)에서의 실내온도, 실외온도, 냉난방기(12)의 순환수 입수온도 및 순환수 입수유량 데이터를 센서를 통해 획득하게 된다. The data collection step (S2) relates to steps performed by the data acquisition unit, and measures the indoor temperature, outdoor temperature, and air conditioner 12 at a specific point in time (current cycle; nth control cycle) of the building to be controlled. The circulating water inlet temperature and circulating water inlet flow rate data are acquired through the sensor.

상기 판별 단계(S3)는 판별부(4)에서 수행되는 스텝에 관한 것으로, 상기 학습 단계(S1)에서의 학습에 의해 예측되는 상기 순환수 입수유량에 따른 실내온도 예측값과 상기 센서에 의해 취득된 실내온도 실제값을 비교하여 동일한지 여부를 판별하게 된다. The determining step (S3) relates to a step performed by the determining unit 4, and the estimated room temperature value according to the circulating water intake flow rate predicted by learning in the learning step (S1) and the obtained by the sensor The actual value of the indoor temperature is compared to determine whether they are the same.

상기 재학습단계(S4)는 상기 판별 결과 상기 실내온도 예측값과 실내온도 실제값이 동일하지 않은 경우에, 제어부(3)의 제어명령에 기초하여 상기 딥러닝부에서 이전 제어 사이클의 입력변수 데이터(실외온도, 순환수 온도 및 순환수 유량)와 상기 센서로 측정한 실내온도 실제값인 출력변수 데이터 간의 상관관계를 재학습하게 된다. In the re-learning step (S4), when the predicted indoor temperature value and the actual indoor temperature value are not identical as a result of the determination, the deep learning unit based on the control command of the controller 3 input variable data ( The correlation between the outdoor temperature, the circulating water temperature, and the circulating water flow rate) and the output variable data, which is the actual value of the indoor temperature measured by the sensor, is re-learned.

상기 유량값 선정 단계(S5)에서는 상기 판별 결과 상기 실내온도 예측값과 실내온도 실제값이 동일한 경우에 상기 재학습단계(S4)를 거치지 않고 상기 순환수 입수유량을 설정 비율로 재설정하여 각각의 재설정된 유량값에 대한 실내온도 예측값을 산출한 후, 그 예측값과 실내온도 설정값(사용자에 의해 요구되는 실내온도 설정값;setpoint temperature)의 차이가 가장 작은 경우를 최종 유량값으로 선정하는 과정이 수행된다. In the flow rate value selection step (S5), when the predicted indoor temperature value and the actual indoor temperature value are the same as the determination result, the circulating water intake flow rate is reset to a set ratio without going through the relearning step (S4), so that each reset After calculating the predicted room temperature value for the flow rate value, a process of selecting the case where the difference between the predicted value and the indoor temperature set point (setpoint temperature requested by the user) is the smallest as the final flow rate value is performed. .

이러한 구성을 가지는 본 발명의 일실시예에 따른 히트 펌프 시스템의 실내온도 제어를 위한 적응형 유량제어 방법은 건물의 실내온도, 실외온도, 순환수 입수온도와 같은 데이터를 기초로 팬 코일 유닛(FCU)과 같은 냉난방기(12)에 유입되는 순환수 입수유량을 능동적으로 제어함으로써, 히트 펌프(11)와 냉난방기(12) 사이에서 유동하는 순환수와 같은 메인열원 이외에도 태양열이나 지열 시스템 내에서 유동하는 보조열원이 함께 활용되는 복합열원 시스템의 경우 실내온도에 따라 맞춤형으로 순환수 입수유량을 선정할 수 있게 됨에 따라, 결국 실내온도 제어를 위해 요구되는 보조열원 의존도를 낮춰 에너지 효율 및 시스템 경제성을 높일 수 있게 하는 장점을 가진다. An adaptive flow control method for controlling the indoor temperature of a heat pump system according to an embodiment of the present invention having such a configuration is a fan coil unit (FCU) based on data such as indoor temperature, outdoor temperature, and circulating water intake temperature of a building. ) By actively controlling the flow rate of circulating water flowing into the air conditioner 12, in addition to the main heat source such as the circulating water flowing between the heat pump 11 and the air conditioner 12, the auxiliary flow in the solar or geothermal system In the case of a combined heat source system in which a heat source is used together, it is possible to select the flow rate of circulating water customized according to the room temperature, thereby reducing the dependence on auxiliary heat sources required for room temperature control, thereby increasing energy efficiency and system economics. has the advantage of

한편, 본 실시예는 열원의 축열이 가능하도록, 메인 축열 단계와 서브 축열 단계와 열원 융합 단계를 더 포함하여 이루어진다. 상기 각 단계는 서로 유기적으로 결합되어서 본 실시예에 따른 적응형 유량제어 방법의 기능을 구현하도록 구성될 수 있음은 물론이나, 본 발명의 다른 실시예에서는 각각 독립적인 기능이 발휘되도록 구성되는 것도 가능하다. Meanwhile, the present embodiment further includes a main heat storage step, a sub heat storage step, and a heat source fusion step to enable heat storage of the heat source. Each of the above steps may be organically combined with each other to implement the function of the adaptive flow rate control method according to the present embodiment. Of course, in another embodiment of the present invention, it is also possible to configure independent functions. do.

상기 메인 축열 단계는 상기 히트 펌프(11)와 냉난방기(12) 사이에서 순환하는 상기 순환수를 메인 축열조(13)에 일시적으로 저장되게 하여 축열을 가능하게 한다. 예컨대, 여름의 경우 고온의 온도로 상대적으로 데워진 순환수를 상기 메인 축열조(13)에 저장하여 두고, 겨울에 그 저장된 순환수를 이용하게 되면 에너지 효율을 더욱 높일 수 있게 된다. In the main heat storage step, the circulating water circulating between the heat pump 11 and the air conditioner 12 is temporarily stored in the main heat storage tank 13 to enable heat storage. For example, in the case of summer, when relatively warmed circulating water is stored in the main heat storage tank 13 and the stored circulating water is used in winter, energy efficiency can be further increased.

본 실시예에 채용된 공조 시스템은 도 5에 잘 도시된 바와 같이, 상기 히트 펌프(11) 및 메인 축열조(13)와는 별개로 마련되는 태양열 장치와 서브 축열조(15)를 더 포함하여 이루어진다. As well shown in FIG. 5, the air conditioning system employed in this embodiment further includes a solar heat device and a sub heat storage tank 15 provided separately from the heat pump 11 and the main heat storage tank 13.

상기 서브 축열 단계는 상기 태양열 장치와 서브 축열조(15) 사이에서 순환하는 보조 열원이 상기 서브 축열조(15)에 일시적으로 저장되게 하여 추가적인 축열을 가능하게 한다. In the sub heat storage step, an auxiliary heat source circulating between the solar device and the sub heat storage tank 15 is temporarily stored in the sub heat storage tank 15 to enable additional heat storage.

이러한 메인 축열 단계과 서브 축열 단계는 각각 개별적으로 축열된 에너지를 서로 다른 부하측(ex. 하나는 냉난방기(12);12, 다른 하나는 욕실;16)에 사용할 수 있음은 물론이나, 본 실시예는 상기 서브 축열조(15)에 수용된 보조 열원을 상기 제어부(3)의 제어신호에 기초하여 상기 메인 축열조(13)에 유입되게 하는 열원 융합 단계를 더 포함하여서, 필요에 따라 전력사용이 집중적으로 요구되는 부하측에 복합열원을 이용한 에너지 사용이 가능하도록 구성됨으로써, 결국 에너지 효율 및 시스템 경제성을 더욱 향상시킬 수 있게 한다. In this main heat storage step and the sub heat storage step, the separately stored energy can be used for different load sides (ex. one air conditioner 12; 12, the other one a bathroom; 16). Further comprising a heat source fusion step of allowing the auxiliary heat source accommodated in the sub heat storage tank 15 to flow into the main heat storage tank 13 based on a control signal from the control unit 3, so that the load side requires intensive power use as needed. By being configured to enable the use of energy using a complex heat source, it is possible to further improve energy efficiency and system economy.

이러한 본 실시예를 구현하기 위한 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 장치는, 히트 펌프(11)와 냉난방기(12)를 구비하는 공조 시스템의 실내온도를 제어하기 위한 것으로, 도 4에 잘 도시된 바와 같이, 딥러닝부(1)와 데이터 취득부와 판별부(4)와 유량값 선정부(5)를 포함하여 이루어진다.An adaptive flow rate control device for controlling the room temperature of an air conditioning system for implementing this embodiment is for controlling the room temperature of an air conditioning system having a heat pump 11 and an air conditioner 12, as shown in FIG. As well shown, it includes a deep learning unit 1, a data acquisition unit, a determination unit 4, and a flow rate value selection unit 5.

상기 딥러닝부(1)에서는, 실내온도, 실외온도, 냉난방기(12)의 순환수 입수온도 및 순환수 입수유량을 입력변수로 하고 실내온도를 출력변수로 하여 입력변수와 출력변수 간의 상관관계를 학습하는 과정이 수행되고, 상기 데이터 취득부에서는 실제 제어하고자 하는 제어대상 건물의 실내온도, 실외온도, 냉난방기(12)의 순환수 입수온도 및 순환수 입수유량 데이터를 현재 제어 사이클에서 센서를 통해 획득하는 과정이 수행된다. In the deep learning unit 1, indoor temperature, outdoor temperature, circulating water intake temperature and circulating water flow rate of the air conditioner 12 are input variables, and indoor temperature is used as an output variable, and the correlation between the input variable and the output variable is calculated. A learning process is performed, and the data acquisition unit acquires data of the indoor temperature and outdoor temperature of the building to be controlled to be actually controlled, the circulating water intake temperature of the air conditioner 12, and the circulating water flow rate data through sensors in the current control cycle. process is performed.

상기 판별부(4)에서는 상기 딥러닝부(1)에서의 학습에 의해 예측되는 상기 순환수 입수유량에 따른 실내온도 예측값과 상기 센서에 의해 취득된 실내온도 실제값을 비교하여 동일한지 여부를 판별하게 되고, 상기 유량값 선정부(5)에서는 상기 실내온도 예측값과 실내온도 실제값이 동일한 경우 제어부의 제어명령에 기초하여 상기 순환수 입수유량을 설정 비율로 재설정하여 각각의 재설정된 유량값에 대한 실내온도 예측값을 산출한 후, 그 예측값과 실내온도 설정값(사용자에 의해 요구되는 실내온도 설정값;setpoint temperature)의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 한다. The determination unit 4 compares the predicted indoor temperature value according to the circulating water flow rate predicted by learning in the deep learning unit 1 with the actual value of the indoor temperature acquired by the sensor to determine whether they are the same. and the flow rate value selector 5 resets the circulating water intake flow rate to a set ratio based on the control command of the control unit when the predicted room temperature value and the actual room temperature value are the same, thereby determining the value for each reset flow rate value. After calculating the predicted value of the room temperature, the case where the difference between the predicted value and the set point temperature (the room temperature set point requested by the user) is the smallest is selected as the final flow rate.

이하에서는 도 6 및 도 7을 참조하여 본 발명의 다른 실시예에 따른 히트 펌프 시스템의 실내온도 제어를 위한 적응형 유량제어 방법을 설명하기로 한다. Hereinafter, an adaptive flow rate control method for controlling room temperature of a heat pump system according to another embodiment of the present invention will be described with reference to FIGS. 6 and 7 .

도 6은 본 발명의 다른 실시예에 따른 히트 펌프 시스템의 실내온도 제어를 위한 적응형 유량제어 방법의 논리흐름에 관한 플로우차트이고, 도 7은 본 발명 다른 실시예에 채용된 유량값 선정 단계를 설명하기 위한 도면이다. 6 is a flowchart of the logic flow of an adaptive flow rate control method for room temperature control of a heat pump system according to another embodiment of the present invention, and FIG. 7 shows a flow rate value selection step employed in another embodiment of the present invention. It is a drawing for explanation.

이들 도면에 도시된 바와 같이, 본 실시예는 앞에서 설명한 실시예와는 달리, 유량값 차감구간과 유량값 증감구간을 연산하는 연산단계와 이러한 연산단계에 기초하여 유량값을 선정하는 유량값 선정 단계를 포함하여 이루어진다.As shown in these figures, the present embodiment, unlike the previous embodiments, calculates the flow rate value deduction section and the flow rate value increase/decrease section, and the flow rate value selection step for selecting the flow rate value based on these calculation steps. made including

상기 연산단계는 연산부에서 수행되는 스텝에 관한 것으로, 이전 제어 사이클(n-1번째 제어 사이클) 상의 순환수 입수유량값과 기설정된 최소 입수유량값 사이에 해당하는 유량값 차감구간 및 상기 이전 제어 사이클 상의 순환수 입수유량값과 기설정된 최대 입수유량값 사이에 해당하는 유량값 증가구간을 연산하게 된다. The calculation step relates to a step performed by a calculation unit, and includes a flow rate value deduction section corresponding to a circulating water intake flow rate value in the previous control cycle (n-1th control cycle) and a predetermined minimum water intake flow rate value and the previous control cycle. A flow rate value increase section corresponding to the circulating water flow rate value of the phase and the preset maximum water flow rate value is calculated.

상기 유량값 선정 단계(S4)는, 상기 각 구간 중 기설정된 임의 구간에서의 상기 설정비율에 의한 점진적(n차; n,n+1,n+2 ㆍㆍㆍ, 여기서 n은 자연수) 재설정값에 대한 실내온도 예측값을 상호 비교하고, 비교결과 그 예측값이 상기 실제값과 차이가 상대적으로 적은 구간을 선정하여 그 구간에서는 상기 임의 구간 이외의 상기 설정비율로 구획되는 나머지 모든 구간에 걸쳐 실내온도 예측값을 산출한 후, 그 예측값과 상기 실내온도 실제값의 차이가 가장 작은 경우를 최종 유량값으로 선정돼게 한다.The flow rate value selection step (S4) is a gradual (n order; n,n+1,n+2 ㆍㆍㆍ, where n is a natural number) resetting value by the set ratio in a preset random section among the respective sections. After comparing the indoor temperature predicted values for , and as a result of the comparison, a section in which the difference between the predicted value and the actual value is relatively small is selected, and in that section, the room temperature predicted value over all other sections partitioned by the set ratio other than the random section. After calculating , the case where the difference between the predicted value and the actual value of the indoor temperature is the smallest is selected as the final flow rate value.

이러한 구성을 가지는 본 실시예는, 순환수 입수유량값을 기초로 예측된 실내온도가 실제 실내온도와 맞지 않는 경우에 설정비율로 재설정된 모든 입수유량값에 대한 실내온도를 예측하게 하지 않고 상기 유량값 차감구간과 유량값 증감구간 중 어느 하나의 구간만 예측하게 함으로써, 데이터 경량화를 통한 신속한 분석과 전력 절감을 가능하게 한다. In this embodiment having such a configuration, when the room temperature predicted based on the circulating water water flow rate value does not match the actual room temperature, the room temperature is not predicted for all water flow rate values reset to the set ratio, and the flow rate By predicting only one section of the value subtraction section and the flow rate value increase/decrease section, rapid analysis and power saving through data lightening are possible.

이상 본 발명의 다양한 실시예에 대하여 설명하였으나, 본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것이 자명하다고 할 것이다. Although various embodiments of the present invention have been described above, this embodiment and the accompanying drawings only clearly show some of the technical ideas included in the present invention, and are included in the specification and drawings of the present invention. It will be apparent that all modified examples and specific embodiments that can be easily inferred by those skilled in the art within the scope of the technical idea are included in the scope of the present invention.

1:딥러닝부 2:데이터 수집부
3:제어부 4:판별부
5:유량값 선정부 11:히트 펌프
12:냉난방기 13:메인 축열조
14:태양열 시스템 15:서브 축열조
16:욕실 S1:학습 단계
S2:데이터 수집 단계 S3:판별 단계
S4:재학습단계 S5:유량값 선정 단계 1: deep learning unit 2: data collection unit
3: control unit 4: determination unit
5: flow rate value selection unit 11: heat pump
12: air conditioner 13: main heat storage tank
14: solar system 15: sub heat storage tank
16: Bathroom S1: Learning phase
S2: Data collection step S3: Discrimination step
S4: Re-learning step S5: Flow rate value selection step

Claims (7)

히트펌프와 냉난방기를 구비하는 공조 시스템의 실내온도를 제어하기 위한 것으로,
딥러닝부에서 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량을 입력변수로 하고 실내온도를 출력변수로 하여 입력변수와 출력변수 간의 상관관계를 학습하는 학습단계;
데이터 취득부에서 실제 제어하고자 하는 제어대상 건물의 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량 데이터를 현재 제어 사이클 상에서 센서를 통해 획득하는 데이터 수집 단계;
판별부에서 상기 학습단계에서의 학습에 의해 예측되는 상기 순환수 입수유량에 따른 실내온도 예측값과 상기 센서에 의해 취득된 실내온도 실제값을 비교하여 동일한지 여부를 판별하는 판별단계;
상기 판별 결과 상기 실내온도 예측값과 실내온도 실제값이 동일하지 않은 경우에는, 제어부의 제어명령에 기초하여 상기 딥러닝부에서 이전 제어 사이클의 입력변수 데이터(실외온도, 순환수 온도 및 순환수 유량)와 상기 센서로 측정한 실내온도 실제값인 출력변수 데이터 간의 상관관계를 재학습하여 데이터를 업데이트하는 재학습단계;
상기 판별 결과 상기 실내온도 예측값과 실내온도 실제값이 동일한 경우에는 상기 재학습단계를 거치지 않고 상기 순환수 입수유량을 설정 비율로 재설정하여 각각의 재설정된 유량값에 대한 실내온도 예측값을 산출한 후, 그 예측값과 실내온도 설정값(사용자에 의해 요구되는 실내온도 설정값;setpoint temperature)의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 하는 유량값 선정단계;를 포함하여 이루어지는 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법.It is for controlling the indoor temperature of an air conditioning system equipped with a heat pump and an air conditioner,
A learning step of learning a correlation between an input variable and an output variable by using indoor temperature, outdoor temperature, circulating water intake temperature of an air conditioner and circulating water flow rate as input variables and indoor temperature as an output variable in a deep learning unit;
A data collection step of acquiring data of indoor temperature, outdoor temperature, circulating water intake temperature of the air conditioner and circulating water flow rate of the building to be controlled actually to be controlled by the data acquisition unit through a sensor in the current control cycle;
a discriminating step in which a discriminating unit compares the predicted indoor temperature value according to the flow rate of the circulating water predicted by learning in the learning step with the actual value of the indoor temperature acquired by the sensor to determine whether they are the same;
As a result of the determination, when the predicted indoor temperature value and the actual indoor temperature value are not the same, the input variable data (outdoor temperature, circulating water temperature, and circulating water flow rate) of the previous control cycle in the deep learning unit based on the control command of the control unit a re-learning step of re-learning the correlation between the output variable data, which is the actual value of the room temperature measured by the sensor, and updating the data;
As a result of the determination, when the predicted indoor temperature value and the actual indoor temperature value are the same, the circulating water intake flow rate is reset to a set ratio without going through the re-learning step to calculate the predicted room temperature value for each reset flow rate value, and a flow rate value selection step of selecting a final flow rate value when the difference between the predicted value and the indoor temperature set value (setpoint temperature required by the user) is the smallest. Adaptive flow rate control method for room temperature control. 제1항에 있어서,
상기 냉난방기는 팬 코일 유닛(fan coil unit)인 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법.According to claim 1,
The air conditioner is an adaptive flow control method for controlling the room temperature of an air conditioning system, characterized in that the fan coil unit (fan coil unit). 제1항에 있어서,
상기 히트펌프와 냉난방기 사이에서 순환하는 상기 순환수를 메인 축열조에 일시적으로 저장되게 하여 축열을 가능하게 하는 메인 축열 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법.According to claim 1,
Adaptive flow rate for room temperature control of the air conditioning system, characterized in that it further comprises a main heat storage step of enabling heat storage by temporarily storing the circulating water circulating between the heat pump and the air conditioner in the main heat storage tank. control method. 제3항에 있어서,
상기 공조 시스템은 상기 히트펌프 및 메인 축열조와는 별개로 마련되는 태양열 장치와 서브 축열조를 더 포함하고,
상기 태양열 장치와 서브 축열조 사이에서 순환하는 보조 열원이 상기 서브 축열조에 일시적으로 저장되게 하여 추가적인 축열을 가능하게 서브 축열 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법.According to claim 3,
The air conditioning system further includes a solar heat device and a sub heat storage tank provided separately from the heat pump and the main heat storage tank,
A sub-heat storage step enabling additional heat storage by allowing the auxiliary heat source circulating between the solar device and the sub-heat storage tank to be temporarily stored in the sub-heat storage tank; Flow control method. 제4항에 있어서,
상기 서브 축열조에 수용된 보조 열원을 상기 제어부의 제어신호에 기초하여 상기 메인 축열조에 유입되게 하는 열원 융합 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법. According to claim 4,
Adaptive flow control method for controlling room temperature of an air conditioning system, characterized in that it further comprises a heat source fusion step of allowing the auxiliary heat source accommodated in the sub heat storage tank to flow into the main heat storage tank based on a control signal from the control unit. 제1항에 있어서,
연산부에서 상기 현재 제어 사이클 상의 순환수 입수유량값과 기설정된 최소 입수유량값 사이에 해당하는 유량값 차감구간 및 상기 현재 제어 사이클 상의 순환수 입수유량값과 기설정된 최대 입수유량값 사이에 해당하는 유량값 증가구간을 연산하는 연산단계;를 더 포함하고,
상기 유량값 선정단계는, 상기 각 구간 중 기설정된 임의 구간에서의 상기 설정비율에 의한 점진적(n차; n,n+1,n+2 ㆍㆍㆍ, 여기서 n은 자연수) 재설정값에 대한 실내온도 예측값을 상호 비교하고, 비교결과 그 예측값이 상기 실제값과 차이가 상대적으로 적은 구간을 선정하여 그 구간에서는 상기 임의 구간 이외의 상기 설정비율로 구획되는 나머지 모든 구간에 걸쳐 실내온도 예측값을 산출한 후, 그 예측값과 상기 실내온도 실제값의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 하는 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 방법.According to claim 1,
In the calculation unit, a flow rate value deduction section corresponding to between the circulating water intake flow rate value on the current control cycle and the preset minimum water flow rate value and the flow rate corresponding to between the circulating water intake flow rate value on the current control cycle and the preset maximum intake flow rate value A calculation step of calculating a value increase interval; further comprising,
The flow rate value selection step is performed on the gradual (n order; n, n + 1, n + 2 ㆍㆍㆍ, where n is a natural number) reset value according to the set ratio in a preset random section among the respective sections. The predicted temperature values are mutually compared, and as a result of the comparison, a section in which the predicted value has a relatively small difference from the actual value is selected, and in that section, the predicted room temperature value is calculated over all the remaining sections divided by the set ratio other than the random section. Afterwards, an adaptive flow rate control method for controlling room temperature of an air conditioning system, characterized in that a case in which a difference between the predicted value and the actual room temperature value is the smallest is selected as the final flow rate value. 히트펌프와 냉난방기를 구비하는 공조 시스템의 실내온도를 제어하기 위한 것으로,
실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량을 입력변수로 하고 실내온도를 출력변수로 하여 입력변수와 출력변수 간의 상관관계를 학습하는 딥러닝부;
실제 제어하고자 하는 제어대상 건물의 실내온도, 실외온도, 냉난방기의 순환수 입수온도 및 순환수 입수유량 데이터를 현재 제어 사이클에서 센서를 통해 획득하는 데이터 취득부;
상기 딥러닝부에서의 학습에 의해 예측되는 상기 순환수 입수유량에 따른 실내온도 예측값과 상기 센서에 의해 취득된 실내온도 실제값을 비교하여 동일한지 여부를 판별하는 판별부;
상기 실내온도 예측값과 실내온도 실제값이 동일한 경우 제어부의 제어명령에 기초하여 상기 순환수 입수유량을 설정 비율로 재설정하여 각각의 재설정된 유량값에 대한 실내온도 예측값을 산출한 후, 그 예측값과 실내온도 설정값(사용자에 의해 요구되는 실내온도 설정값;setpoint temperature)의 차이가 가장 작은 경우를 최종 유량값으로 선정되게 하는 유량값 선정부;를 포함하여 이루어지는 것을 특징으로 하는 공조 시스템의 실내온도 제어를 위한 적응형 유량제어 장치.It is for controlling the indoor temperature of an air conditioning system equipped with a heat pump and an air conditioner,
a deep learning unit that learns a correlation between the input variable and the output variable by using the indoor temperature, the outdoor temperature, the circulating water intake temperature of the air conditioner and the circulating water flow rate as input variables and the indoor temperature as an output variable;
a data acquisition unit that obtains data of indoor temperature, outdoor temperature, circulating water intake temperature of air conditioner and circulating water flow rate of a building to be controlled to be actually controlled through a sensor in a current control cycle;
a determining unit comparing the predicted indoor temperature value according to the flow rate of the circulating water predicted by learning in the deep learning unit with the actual value of the indoor temperature acquired by the sensor, and determining whether they are the same;
When the predicted indoor temperature value and the actual indoor temperature value are the same, the circulating water intake flow rate is reset to a set ratio based on the control command of the control unit to calculate the predicted room temperature value for each reset flow rate value, and then the predicted value and the indoor temperature predicted value and a flow rate selection unit for selecting a final flow rate when the difference between the temperature set value (room temperature set point requested by the user) is the smallest; Adaptive flow control device for
KR1020210172116A 2021-12-03 2021-12-03 Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system KR102520100B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210172116A KR102520100B1 (en) 2021-12-03 2021-12-03 Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210172116A KR102520100B1 (en) 2021-12-03 2021-12-03 Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system

Publications (1)

Publication Number Publication Date
KR102520100B1 true KR102520100B1 (en) 2023-04-10

Family

ID=85984882

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210172116A KR102520100B1 (en) 2021-12-03 2021-12-03 Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system

Country Status (1)

Country Link
KR (1) KR102520100B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100758820B1 (en) * 2006-03-23 2007-09-14 한국건설기술연구원 Cooling and heating system using geothermy and solar energy and extra haeting source and operation control method thereof
KR101968688B1 (en) 2018-08-17 2019-04-12 주식회사 에너틱스 Driving Control Method of Dehumidfying Air Conditioner for Energy Saving and System Thereof
JP2020183856A (en) * 2019-04-26 2020-11-12 ダイキン工業株式会社 Machine learning device, air conditioning system and machine learning method
KR102227997B1 (en) 2019-06-10 2021-03-15 이만숙 Hybrid heating system and control method fused with heat pump system and solar light by solar and air heat

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100758820B1 (en) * 2006-03-23 2007-09-14 한국건설기술연구원 Cooling and heating system using geothermy and solar energy and extra haeting source and operation control method thereof
KR101968688B1 (en) 2018-08-17 2019-04-12 주식회사 에너틱스 Driving Control Method of Dehumidfying Air Conditioner for Energy Saving and System Thereof
JP2020183856A (en) * 2019-04-26 2020-11-12 ダイキン工業株式会社 Machine learning device, air conditioning system and machine learning method
KR102227997B1 (en) 2019-06-10 2021-03-15 이만숙 Hybrid heating system and control method fused with heat pump system and solar light by solar and air heat

Similar Documents

Publication Publication Date Title
JP7075944B2 (en) How to operate the predictive building control system and the equipment in the system
CN111795484B (en) Intelligent air conditioner control method and system
Moon et al. Development of a thermal control algorithm using artificial neural network models for improved thermal comfort and energy efficiency in accommodation buildings
CN101140450B (en) Energy conservation type heat comfortable controller and control method
Moon et al. Algorithm for optimal application of the setback moment in the heating season using an artificial neural network model
KR101905308B1 (en) Apparatus for cooling and heating control using predicted mean vote and method thereof
KR101251873B1 (en) Method for controlling building air conditioning system by using intelligent control algorithm
KR101261198B1 (en) Method for controlling internal temperature falling time of building by using intelligent control algorithm
EP3732402A1 (en) Smart thermostatic radiator or convector valve for a heating system and control method
EP3997545B1 (en) Method and system for controlling the temperature of a room
Moon et al. Prediction models and control algorithms for predictive applications of setback temperature in cooling systems
CN113525025B (en) Thermal management system and control method thereof
KR102520100B1 (en) Adaptive flow control method and apparatus for controlling indoor temperature of air conditioning system
CN116817357A (en) Heating control method and device based on heating station, building and household
CN105759629A (en) Environment control method and system
TW202204832A (en) Air conditioning system control method configured to control an air-conditioning setting temperature of an air-conditioning system and implemented by an air-conditioning control device
Scarcello et al. Pursuing energy saving and thermal comfort with a human-driven DRL approach
EP3771957A1 (en) Method and system for controlling of heating, ventilation and air conditioning
KR100621919B1 (en) Predictive control method and apparatus for ondol heating
Lianzhong et al. Hybrid fuzzy logic control strategies for hot water district heating systems
CN114216149B (en) Heating device
WO2021234763A1 (en) Indoor temperature estimation device, program, and indoor temperature estimation method
US20210033299A1 (en) Method and system for controlling heating, ventilation and air conditioning
Hassan et al. A novel adaptive predictive control strategy of hybrid radiant-air cooling systems in hot and dry climates
Dounis et al. Knowledge-based versus classical control for solar-building designs

Legal Events

Date Code Title Description
GRNT Written decision to grant