KR102557611B1 - Ai 기반 환기 시스템 및 방법 - Google Patents

Abstract

본 발명은 AI 기반의 환기 시스템 및 방법에 관한 것으로, 거주자의 활동에 따른 실내 환경 요인의 증가 비율을 학습하는 제어 서버와, 상기 제어 서버의 제어에 의해 설정된 실내 환경 요인의 농도인 셋 포인트에서 실내 환기를 수행하는 환기 장치를 포함하며, 상기 제어 서버는, 실내 환경 요인의 증가 속도를 예측하여, 셋 포인트 이전의 실내 환경 요인 농도에서, 상기 환기 장치를 동작시키는 선환기 제어를 수행할 수 있다.

Description

AI 기반 환기 시스템 및 방법{AI-based ventilation system and method thereof}

본 발명은 AI 기반 환기 시스템 및 방법에 관한 것으로, 더 상세하게는 실내 거주자의 행동 분석 결과에 따라 실내 환기를 제어하는 시스템 및 방법에 관한 것이다.

일반적으로, 실내 환기 제어는 실내 이산화탄소 농도를 기준으로 수행하며, 필요에 따라서 미세먼지 등 다른 실내 환경 요인 및 실외 환경 요인을 비교하여 적정한 수준에서 환기 또는 공기 정화가 이루어지도록 제어 하고 있다.

이산화탄소 농도를 검출하는 이유는 이산화탄소 농도에 따라 다양한 인체 반응이 나타나기 때문이며, 5000ppm 이상의 환경에서는 8시간 미만의 노출로 제한되고, 2500 내지 5000ppm의 범위에서는 건강에 유해한 영향이 예상되며, 1000 내지 2500ppm의 범위 내에서는 졸음을 유발한다.

또한, 700 내지 1000ppm의 범위에서는 경직과 냄새에 대한 불만이 발생할 수 있다.

450 내지 700ppm은 허용 범위이며, 350 내지 450ppm의 범위는 일반적인 외기 환경 수준이다.

따라서 종래의 실내 환기 제어는 보통 700ppm을 기준으로 환기를 수행하는 것이 보통이다.

그러나 종래에는 이산화탄소의 농도 증가 속도를 고려하지 않고, 환기 시작점에 대한 셋 포인트(set point)를 설정하는 방식을 사용하기 때문에 환기 시작 초기에는 셋 포인트 이상으로 이산화탄소의 농도가 감소하지 않고, 셋 포인트 이상의 농도가 검출될 수 있다.

도 1은 종래 환기 제어에 따른 이산화탄소 농도의 변화 그래프의 예시도이다.

도 1을 참조하면, 실내 거주자의 활동(action)에 따라 실내 이산화탄소 농도가 증가하며, 이산화탄소 농도가 설정된 셋 포인트(예를 들어 700ppm)에 도달하면, 환기를 시작한다.

이때, 이산화탄소 농도는 거주자의 수 및 활동 종류에 따라 시간에 대한 증가량(그래프의 기울기)에 차이가 있다.

예를 들어 앉아서 휴식을 하는 경우, 걷는 경우, 운동을 하는 경우 등은 시간에 대한 이산화탄소 증가 비율에 차이가 발생할 수 있으며, 활동량이 더 많을수록 호흡의 증가에 의해 이산화탄소 발생이 증가하게 된다.

따라서, 환기 시작 후 일정한 시간 내에서 이산화탄소 농도가 증가할 수 있으며, 일정한 시간 이후에 실내 이산화탄소 농도가 감소하여, 셋 포인트 이하로 감소하게 된다.

환기 제어의 종료 시점은 셋 포인트 미만의 특정 이산화탄소 농도로 설정된다.

이처럼 환기 제어에 의해 환기가 수행된 이후에도 이산화탄소의 농도가 셋 포인트 이상인 시구간이 존재하게 되며, 이 시구간 동안 냄새 등 실내 거주자가 불편함(discomfort hour)을 느낄 수 있는 문제점이 있었다.

상기와 같은 문제점을 감안한 본 발명이 해결하고자 하는 과제는, 셋 포인트를 이용하여 환기 제어를 수행하되, 이산화탄소 농도 증가비를 확인하여 환기 시작점 이후에 이산화탄소 농도가 셋 포인트 이상으로 증가하는 것을 방지할 수 있는 AI 기반 환기 시스템 및 방법을 제공함에 있다.

상기와 같은 기술적 과제를 해결하기 위한 본 발명의 일측면에 따른 AI 기반 환기 시스템은, 거주자의 활동에 따른 실내 환경 요인의 증가 비율을 학습하는 제어 서버와, 상기 제어 서버의 제어에 의해 설정된 실내 환경 요인의 농도인 셋 포인트에서 실내 환기를 수행하는 환기 장치를 포함하며, 상기 제어 서버는, 실내 환경 요인의 증가 속도를 예측하여, 셋 포인트 이전의 실내 환경 요인 농도에서, 상기 환기 장치를 동작시키는 선환기 제어를 수행할 수 있다.

본 발명의 실시 예에서, 상기 실내 환경 요인을 검출하여 상기 제어 서버로 제공하는 IoT 센서를 더 포함할 수 있다.

본 발명의 실시 예에서, 상기 선환기 제어는, 상기 환기 장치의 환기 성능의 50 내지 60%를 사용하여 환기할 수 있다.

본 발명의 실시 예에서, 상기 환기 장치는 셋 포인트 도달시 상기 선환기 제어의 환기 성능을 초과하는 환기 성능으로 환기를 수행할 수 있다.

본 발명의 실시 예에서, 상기 선환기 제어의 시작 시점은, 상기 제어 서버에서 예측된 거주자의 활동에 따라 결정될 수 있다.

본 발명의 실시 예에서, 상기 선환기 제어의 시작 시점은, 상기 제어 서버에서 검출한 실내 환경 요인의 기울기 정도에 따라 결정될 수 있다.

본 발명의 다른 측면에 따른 AI 기반 환기 시스템은, 거주자의 활동에 따른 실내 환경 요인의 증가 비율을 학습하는 제어 서버와, 실내 환경 요인의 농도를 실시간 검출하여, 게이트웨이를 통해 상기 제어 서버로 제공하는 IoT 센서와, 상기 제어 서버의 제어에 의해 설정된 실내 환경 요인의 농도인 셋 포인트에서 실내 환기를 수행하는 환기 장치를 포함하며, 상기 제어 서버는, 실내 환경 요인의 증가 속도를 예측하여, 셋 포인트 이전의 실내 환경 요인 농도에서, 상기 환기 장치를 동작시키는 선환기 제어를 수행할 수 있다.

본 발명의 실시 예에서, 상기 제어 서버는, 선환기 제어시 상기 환기 장치의 환기 성능의 50 내지 60%를 사용하여 환기할 수 있다.

본 발명의 실시 예에서, 상기 환기 장치는 셋 포인트 도달시 상기 선환기 제어의 환기 성능을 초과하는 환기 성능으로 환기를 수행할 수 있다.

본 발명의 실시 예에서, 상기 선환기 제어의 시작 시점은, 상기 제어 서버에서 예측된 거주자의 활동에 따라 결정될 수 있다.

본 발명의 실시 예에서, 상기 거주자의 활동의 MET가 클수록 선환기 제어의 시작 시점을 빠르게 설정할 수 있다.

본 발명의 실시 예에서, 상기 선환기 제어의 시작 시점은, 상기 제어 서버에서 검출한 실내 환경 요인의 기울기 정도에 따라 결정될 수 있다.

본 발명의 실시 예에서, 기울기가 급할수록 선환기 제어의 시작 시점을 빠르게 설정할 수 있다.

또한, 본 발명의 다른 측면에 따른 AI 기반 환기 방법은, a) 실내 공간을 환기 시키는 환기 장치의 셋 포인트를 설정하는 단계와, b) 실내 공간의 실내 환경 요인의 농도를 검출하는 단계와, c) 검출된 실내 환경 요인의 농도 변화를 학습하여, 실내 환경 요인의 증가 비율을 확인하는 단계와, d) 실내 환경 요인의 증가 비율이 설정된 비율에 비하여 더 큰 경우, 상기 셋 포인트 이전에 상기 환기 장치를 선환기 동작 시키는 단계를 포함할 수 있다.

본 발명의 실시 예에서, 상기 c) 단계는, 실내 환경 요인의 농도 변화를 거주자의 활동 종류로 확인할 수 있다.

본 발명의 실시 예에서, 상기 c) 단계는, 실내 환경 요인의 농도 변화 기울기를 확인할 수 있다.

본 발명의 실시 예에서, 상기 d) 단계는, 선환기 제어를 통해 실내 환경 요인의 증가 비율을 감소시킬 수 있다.

본 발명의 실시 예에서, 상기 d) 단계는, 실내 환경 요인의 농도 변화 기울기가 급할수록 선환기 제어 시점을 빠르게 제어할 수 있다.

본 발명의 실시 예에서, 상기 d) 단계는, 실내 거주자의 활동 종류의 예측 결과에 따라 MET가 클수록 선환기 제어 시점을 빠르게 제어할 수 있다.

본 발명의 실시 예에서, 상기 선환기 제어시 상기 환기 장치는, 환기 성능의 최대치보다 낮은 성능으로 작동하도록 제어할 수 있다.

본 발명 AI 기반 환기 시스템 및 방법은, 실내 거주자의 활동에 따른 이산화탄소 농도 증가 비율을 예측하고, 농도 증가 비가 설정된 기준 이상인 경우 셋 포인트 이전의 이산화탄소 농도에서 예비 환기를 수행하여, 이산화탄소 농도의 증가비율을 낮춤으로써, 환기 시작 후 실내 이산화탄소 농도가 셋 포인트 이상으로 증가하는 것을 방지할 수 있는 효과가 있다.

도 1은 종래 환기 제어에 따른 이산화탄소 농도의 변화 그래프의 예시도이다.
도 2는 본 발명의 바람직한 실시 예에 따른 AI 기반 환기 시스템의 구성도이다.
도 3은 거주자의 활동에 따른 이산화탄소 농도 변화 그래프의 예시도이다.
도 4는 본 발명에 의해 환기 제어된 이산화탄소 농도 변화 그래프의 예시도이다.

본 발명의 구성 및 효과를 충분히 이해하기 위하여, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예들을 설명한다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라, 여러가지 형태로 구현될 수 있고 다양한 변경을 가할 수 있다. 단지, 본 실시예에 대한 설명은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위하여 제공되는 것이다. 첨부된 도면에서 구성요소는 설명의 편의를 위하여 그 크기를 실제보다 확대하여 도시한 것이며, 각 구성요소의 비율은 과장되거나 축소될 수 있다.

'제1', '제2' 등의 용어는 다양한 구성요소를 설명하는데 사용될 수 있지만, 상기 구성요소는 위 용어에 의해 한정되어서는 안 된다. 위 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 수 있다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 '제1구성요소'는 '제2구성요소'로 명명될 수 있고, 유사하게 '제2구성요소'도 '제1구성요소'로 명명될 수 있다. 또한, 단수의 표현은 문맥상 명백하게 다르게 표현하지 않는 한, 복수의 표현을 포함한다. 본 발명의 실시예에서 사용되는 용어는 다르게 정의되지 않는 한, 해당 기술분야에서 통상의 지식을 가진 자에게 통상적으로 알려진 의미로 해석될 수 있다.

이하에서는, 도면을 참조하여 본 발명의 바람직한 실시예에 따른 AI 기반 환기 시스템 및 방법에 대하여 상세히 설명한다.

도 2는 본 발명의 바람직한 실시 예에 따른 AI 기반 환기 시스템의 구성도이다.

도 2를 참조하면, 본 발명의 바람직한 실시 예에 따른 AI 기반 환기 시스템은, 환기 장치(11)를 포함하는 실내 공간(10)의 이산화탄소 농도를 검출하고, 송신하는 IoT 센서(12)와, 상기 IoT 센서(12)에서 검출된 결과를 외부로 송신하는 게이트웨이(20)와, 상기 게이트웨이(20)를 통해 이산화탄소 농도 검출 결과를 수신하고, 학습된 이산화탄소 증가 데이터셋과 비교하여 거주자의 활동을 인지하고, 거주자의 활동에 따라 상기 게이트웨이(20)를 통해 환기 장치(11)의 동작을 제어하는 제어 서버(30)를 포함하여 구성된다.

이하, 상기와 같이 구성된 본 발명 AI 기반 환기 시스템의 구성과 작용에 대하여 설명한다.

먼저, 실내 공간(10)은 주택, 빌딩 등에 의해 제공되는 공간이며, 실내 공기와 실외 공기를 순환시키는 환기 장치(11)에 의해 환기되는 것으로 할 수 있다.

상기 실내 공간(10)은 거주자가 활동하는 공간으로, 거주자는 휴식, 이동(걷기) 등 매우 가벼운 활동, 청소 등 가벼운 활동, 운동 등 활동 등을 수행할 수 있다.

거주자의 활동에 따라 신진대사 해당치(MET)에 차이가 발생한다. 예를 들어 앉아서 쉬는 경우 1.0MET, 걷기는 1.4MET, 청소 등의 활동은 2.7MET 등이다.

1.0 MET는 1분 동안 몸무게 1kg당 필요한 산소량인 3.5cc를 뜻하며, 다른 활동의 MET는 상대치로 결정된다.

실내 공간(10)의 이산화탄소 농도는 IoT 센서(12)를 통해 검출된다. IoT 센서는 실내의 분할된 공간마다 설치된 것일 수 있으나, 본 발명에서는 설명의 편의를 위하여 하나의 IoT 센서(12)를 사용하는 것으로 도시하고 설명한다.

IoT 센서(12)는 본 발명에서 필요에 따라 이산화탄소 농도를 검출하고, 환기 제어가 검출된 이산화탄소 농도에 따라 이루어지는 것으로 설명하지만, 실내 공간(10)의 라돈 농도 등 실내 환경 요인을 검출하고, 검출된 요인에 따라 환기 제어를 수행할 수 있는 것으로 할 수 있다.

IoT 센서(12)를 통해 검출된 실내 환경 요인, 예를 들어 이산화탄소 농도 데이터는 게이트웨이(20)를 통해 인터넷망 등 네트워크로 연결된 제어 서버(30)로 제공된다.

게이트웨이(20)는 양방향 데이터의 중계를 수행하며, 제어 서버(30)의 제어 데이터를 환기 장치(11)에 제공하여, 환기 장치(11)의 동작 제어를 수행할 수 있다.

환기 장치(11)는 폐열회수형 환기장치(ERV, Energy Recovery Ventilator)를 사용할 수 있다.

제어 서버(30)는 인공지능 기반의 시스템으로, 실내 환경 요인의 시간에 따른 농도 증가비율에 대한 학습을 수행한다.

제어 서버(30)의 학습 알고리즘은 LSTM(Long Short Term Memory) 모델을 사용할 수 있다.

LSTM은 기존의 RNN이 출력과 먼 위치에 있는 정보를 기억할 수 없다는 단점을 보완하여, 장기 및 단기 기억을 가능하게 설계한 신경망의 일종이다.

LSTM은 반복 체인 구조로 되어 있으며, 반복 모듈은 단순한 하나의 레이어가 아닌 4개의 레이어가 서로 정보를 주고 받는 구조로 되어 있다. 즉, 단기 상태와 장기 상태를 나타내는 벡터로 구분될 수 있다.

LSTM은 이미지가 아닌 자연어의 학습에 적합하며, 본 발명에서는 실내 공간(10)의 환경 요인의 농도 데이터 변화를 학습하고, 예측하는 것으로 한다.

이때 농도 데이터 변화는 실내 공간(10) 내의 사람의 수 및 활동에 의한 변화를 뜻하며, 시간을 기준으로 환경 요인의 농도 데이터 변화를 학습하여 환기 장치(11)의 동작 시점을 결정하는 것으로 한다.

실내 환경 요인인 이산화탄소 농도의 변화는 사람의 수 및 활동의 종류에 따라 급격한 변화를 보이거나 매우 완만한 변화를 나타낼 수 있으며, 제어 서버(30)는 특정한 기준에 비하여 이산화탄소 농도가 급격한 변화를 나타내는 경우에 환기 장치(11)에 대한 적극적인 제어 개입을 수행할 수 있다.

도 3은 실내 거주자의 활동에 대한 이산화탄소 농도 변화 그래프이다.

케이스 1(case 1)은 앉은 상태로 휴식하는 경우의 이산화탄소 농도의 증가를 나타내며, 케이스 2(case 2)는 걷기, 케이스 3(case 3)은 청소 활동을 한 경우의 이산화탄소 농도 증가를 나타낸다.

즉, 더 활발한 활동을 하는 경우 이산화탄소 농도의 증가 기울기가 더 급격한 것을 확인할 수 있다.

도 3의 예는 이산화탄소 농도가 1000ppm을 셋 포인트로 정하고, 검출된 이산화탄소 농도가 1000ppm에 도달하면, 환기를 수행한 것일 수 있다.

제어 서버(30)는 다양한 학습 데이터들을 입력받아 학습하고, IoT 센서(12)에서 검출된 이산화탄소 농도의 변화를 이용하여 현재 실내에서 거주자의 행동을 예측할 수 있다.

즉, 제어 서버(30)는 거주자의 활동을 예측하고, 예측된 활동에 따른 이산화탄소 증가 비율을 예측할 수 있다.

제어 서버(30)는 환기 시작 시점을 결정하는 이산화탄소 농도의 셋 포인트이 전에 이산화탄소 농도의 증강 비율을 예측하여, 선환기(Pre Ventilation) 상태 제어를 수행할 수 있다.

예를 들어 위의 예에서 케이스 2와 케이스 3에 해당하는 상태로 예측되면 선환기 상태 제어를 수행할 수 있다.

도 4는 본 발명의 제어 예시도이다.

도 4를 참조하면 본 발명은 이산화탄소 농도에 따라 환기 장치(11)의 동작 시작점을 설정하는 셋 포인트(set point)가 설정되어 있으며, 이산화탄소 농도의 증가 비율에 따라 셋 포인트 이전의 이산화탄소 농도에서 선환기 제어를 수행한다.

선환기 제어에 따라 환기 장치(11)가 셋 포인트 미만의 실내 이산화탄소 농도를 줄이며, 따라서 급격한 이산화탄소 농도 증가를 방지할 수 있다.

선환기 상태는 환기 장치(11)의 환기 성능의 100%를 사용하지 않고, 환기 성능의 50 내지 60%만을 사용하는 것으로 할 수 있다. 이는 소비전력의 증가를 최소화하기 위한 것으로 이해될 수 있다.

선환기 제어의 시작 시간은 예측된 거주자의 활동 종류에 따라 가변될 수 있다.

선환기 제어의 시작 시간은 이산화탄소 농도의 증가비율이 더 큰 활동일수록 더 앞선 시각으로 결정되는 것으로 한다.

예를 들어, 도 3에서 케이스 3에 해당하는 경우 케이스 2에 해당하는 경우에 비하여 더 빨리 선환기 제어를 수행할 수 있다.

이와 같은 선환기 제어에 의하여 도 4에 도시한 바와 같이 실내 공간(10)의 이산화탄소 농도 증가 기울기는 상대적으로 완만하게 변화되며, 선환기 제어의 수행 중 실내 공간(10)의 이산화탄소 농도가 셋 포인트에 도달하면, 제어 서버(30)는 환기 장치(11)를 제어하여 환기 동작을 수행한다.

이때의 환기 동작은 환기 장치(11)의 성능을 최대한 발휘하거나, 적어도 선환기 제어시의 환기 장치(11)의 환기 성능을 초과한 성능으로 환기를 수행한다.

선환기 동작에 의하여 이산화탄소의 농도 증가 기울기는 완만한 증가 상태가 되었으며, 따라서 환기 동작의 초기에서도 실내 이산화탄소 농도가 셋 포인트를 초과하지 않고, 감소될 수 있다.

따라서 본 발명은 환기 시작 후, 냄새 등에 의해 거주자들이 불편함(discomfort hour)을 느끼지 않도록, 환기 제어를 수행할 수 있다.

이상에서 본 발명에 따른 실시예들이 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 청구범위에 의해서 정해져야 할 것이다.

10:실내 공간 11:환기 장치
12:IoT 센서 20:게이트웨이
30:제어 서버

Claims (20)

1. 거주자의 활동에 따른 실내 환경 요인의 증가 비율을 학습하는 제어 서버; 및
   상기 제어 서버의 제어에 의해 설정된 실내 환경 요인의 농도인 셋 포인트에서 실내 환기를 수행하는 환기 장치를 포함하며,
   상기 제어 서버는,
   실내 환경 요인의 증가 속도를 예측하여, 셋 포인트 이전의 실내 환경 요인 농도에서, 상기 환기 장치를 동작시키는 선환기 제어를 수행하되,
   상기 선환기 제어의 시작 시점은, 예측된 거주자의 활동에 기반한 신진대사 해당치에 따라 결정되고,
   상기 선환기 제어는 상기 환기 장치 환기 성능의 50 내지 60%를 사용하고,
   상기 실내 환경 요인은 이산화탄소 농도 데이터이고,
   상기 제어 서버는 사람의 수 및 활동의 종류에 따라 급격한 변화를 보이거나 완만한 변화를 나타내는 다양한 실내 환경 요인의 데이터 변화를 학습하여 환기 장치의 동작 시점을 결정하고,
   상기 제어 서버는 특정한 기준에 비하여 이산화탄소 농도가 급격한 변화를 나타내는 경우에 환기 장치에 대한 적극적인 제어 개입을 수행하고,
   상기 제어 서버는 센서에서 검출된 이산화탄소의 농도 변화를 이용하여 현재 실내에서 거주자의 행동을 예측하고,
   상기 제어 서버는 상기 예측된 실내에서 거주자의 행동에 따른 이산화탄소 농도의 증강 비율을 예측하고,
   상기 선환기 제어의 시작 시간은 상기 예측된 거주자의 행동 종류에 따라 가변되고,
   상기 선환기 제어의 시작 시간은 이산화탄소 농도의 증가 비율이 더 큰 활동일수록 더 앞선 시각으로 결정되며,
   상기 실내 환기 동작은 상기 선환기 제어시의 환기 장치의 환기 성능을 초과한 성능으로 환기를 수행하는 것을 특징으로 하는 AI 기반의 환기 시스템.
2. 제1항에 있어서,
   상기 실내 환경 요인을 검출하여 상기 제어 서버로 제공하는 IoT 센서를 더 포함하는 AI 기반의 환기 시스템.
   
   
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 삭제
16. 삭제
17. 삭제
18. 삭제
19. 삭제
20. 삭제