KR102586664B1 - 실내 최적 냉난방 설정온도 추론 방법 및 시스템 - Google Patents

실내 최적 냉난방 설정온도 추론 방법 및 시스템 Download PDF

Info

Publication number
KR102586664B1
KR102586664B1 KR1020220157245A KR20220157245A KR102586664B1 KR 102586664 B1 KR102586664 B1 KR 102586664B1 KR 1020220157245 A KR1020220157245 A KR 1020220157245A KR 20220157245 A KR20220157245 A KR 20220157245A KR 102586664 B1 KR102586664 B1 KR 102586664B1
Authority
KR
South Korea
Prior art keywords
meta information
set temperature
space
meta
heating
Prior art date
Application number
KR1020220157245A
Other languages
English (en)
Inventor
지영민
권동우
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020220157245A priority Critical patent/KR102586664B1/ko
Application granted granted Critical
Publication of KR102586664B1 publication Critical patent/KR102586664B1/ko
Priority to PCT/KR2023/017757 priority patent/WO2024111951A1/ko

Links

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
    • F24F11/65—Electronic processing for selecting an operating mode
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/30—Velocity
    • 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
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/20—Sunlight

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Air Conditioning Control Device (AREA)
  • Fuzzy Systems (AREA)

Abstract

실내 냉난방 설비의 적정 설정 온도를 추론하는 방법 및 시스템이 제공된다. 본 발명의 실시예에 따른 실내 최적 냉난방 설정온도 추론 시스템은, 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보가 획득되는 메타 정보 입력기; 획득된 메타 정보가 저장되는 메타 정보 DB; 및 저장된 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 동적 추론엔진;를 포함한다. 이에 의해, 공간 환경의 특성(작업 활동량, 근무 및 재실자의 근무 복장, 채광량 등)의 메타 정보를 통한 건물의 근무 특성이 반영된 설정온도 도출 시스템을 통한 정확한 열쾌적 설정온도 제시할 수 있다. 또한, 수요관리 및 에너지 절감 참여 등의 이슈가 있는 경우 제시한 적정 쾌적도에서 PMV, PPD 레벨을 수정하여 재실자 및 근무자의 최소한의 환경에 영향을 주는 선에서 최적 운전 설정 온도를 제시할 수 있다.

Description

실내 최적 냉난방 설정온도 추론 방법 및 시스템{Method and system for indoor optimal heating and cooling set temperature inference}
본 발명은 실내 냉난방 설비의 적정 설정 온도를 추론하는 방법 및 시스템에 관한 것으로, 더욱 상세하게는 ISO 7730 표준의 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction)을 기반으로 실내 냉난방 설비의 적정 설정 온도를 추론하는 방법 및 시스템에 관한 것이다.
기존 ISO 7730 표준에는 PMV 및 PPD를 통한 실내 열쾌적도에 대한 사람이 느끼는 지표를 설계하고 제시하고 있다.
하지만 대부분의 냉난방기는 온도를 기반으로 설정하여 운전이 되기 때문에 PMV 및 PPD 와 같은 열쾌적 지수 기반의 설정 및 운전을 할 수 없다는 문제를 가지고 있다.
또한, 대부분의 냉난방 현장에서는 재실자 및 작업자에게 최적의 설정온도가 무엇인지 알 수 없으며, 대부분이 경험적으로 에너지 사용을 줄일 수 있으면서 근무에 크게 영향을 안주는 선에서 설정온도를 결정하여 사용하고 있다.
냉난방 설비를 사용하는 대부분의 공간은 외부와 내부가 분리되어 내부의 열쾌적도를 외부와 달리 유지하여 재실자에게 쾌적한 환경을 제공하는 곳이며, 건물의 형태로 구성되나 냉난방 설비가 동작하는 공간의 특성이 반영된 설정온도를 제시할 수 없다.
따라서, 실내 냉난방 설비를 동작하는데 있어 최적의 설정온도 기준을 현장에 따라 알 수 없기 때문에 어느 공간은 과잉 냉난방으로 에너지를 낭비하고 있고 어떤 곳은 기준 열쾌적을 맞추지 못하여 쾌적한 환경을 제공하지 못하는 곳이 있기 때문에 환경에 따른 최적 설정온도를 추론할 수 있는 방안의 모색이 요구된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 냉난방 설비를 운영하는데 있어 최적 설정온도를 공간 환경 및 관련 메타 정보를 입력기로 구성하여 시공간 단위의 최적의 설정온도를 추론할 수 있는 실내 최적 냉난방 설정온도 추론 방법 및 시스템을 제공함에 있다.
또한, 본 발명의 다른 목적은, 냉난방 설비 운영에 있어 단순 설정온도를 시공간 최적 온도 추론을 통한 설정 값을 도출하고, 운전 모드(쾌적, 에너지 절약 등)에 따른 PPD 레벨 기준에 맞춰 설정 온도를 수정할 수 있는 실내 최적 냉난방 설정온도 추론 방법 및 시스템을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 실내 최적 냉난방 설정온도 추론 시스템은, 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보가 획득되는 메타 정보 입력기; 획득된 메타 정보가 저장되는 메타 정보 DB; 및 저장된 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 동적 추론엔진;를 포함한다.
그리고 메타 정보 DB는, 공간 목적에 맞는 메타 레퍼런스 템플릿이 저장되며, 메타 정보 입력기는, 최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하고, 제공된 메타 레퍼런스 템플릿을 기반으로 시공간 단위로 메타 정보를 획득할 수 있다.
또한, 메타 정보 입력기는, 메타 레퍼런스 템플릿 제공 시, 메타 레퍼런스 템플릿 내 기본 레퍼런스 정보가 입력된 상태로 제공하며, 추가적으로 수정할 정보의 입력만을 요청할 수 있다.
그리고 기본 레퍼런스 정보는, 시간(월), 실내 공간에서의 대사율(활동량), 의복 지수, 풍속 및 실내 공간의 복사온도를 포함할 수 있다.
또한, 메타 레퍼런스 템플릿은, 공간에 따라 생성되는 공간 메타 레퍼런스 템플릿일 수 있다.
그리고 동적 추론엔진은, 시공간 단위로 획득된 메타 정보를 기반으로 공간 유형별 설정온도의 적정 범위를 추론하되, 각 공간 유형마다 시간 단위로 설정온도의 적정 범위를 추론할 수 있다.
또한, 동적 추론엔진은, 설정온도의 적정 범위 추론 시, 해당 공간의 냉난방 설비의 운영 정책에 따라 PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위 또는 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론할 수 있다.
그리고 각 공간의 냉난방 설비의 운영 정책은, 쾌적 우선 정책, 에너지 절약 우선 정책 및 수요 관리 우선 정책 중 어느 하나이고, 동적 추론엔진은, 해당 공간의 냉난방 설비의 운영 정책이 쾌적 우선 정책으로 설정되는 경우, PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위를 추론하고, 해당 공간의 냉난방 설비의 운영 정책이 에너지 절약 우선 정책으로 설정되는 경우, 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론하며, 해당 공간에 공급되는 전기의 전기 요금이 시간/일/월별로 수요에 따라 변동하고, 해당 공간의 냉난방 설비의 운영 정책이 수요 관리 우선 정책으로 설정되면, 시간/일/월별 단위의 전기 요금과 기설정된 임계갑을 비교하여, 시간/일/월별 단위의 전기 요금이 기설정된 임계값 이하인 경우, PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위를 추론하되, 시간/일/월별 단위의 전기 요금이 기설정된 임계값을 초과하는 경우, 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론할 수 있다.
또한, 공간 유형은, 재실자의 활동량(대사율 연관) 및 근무 복장(의복 지수 연관)과 공간의 채광량(복사온도 연관)에 따라 결정될 수 있다.
한편, 본 발명의 다른 실시예에 따른, 실내 최적 냉난방 설정온도 추론 방법은, 추론 시스템이, 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하는 단계; 추론 시스템이, 획득된 메타 정보를 저장하는 단계; 및 추론 시스템이, 저장된 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 단계;를 포함한다.
그리고 본 발명의 다른 실시예에 따른, 실내 최적 냉난방 설정온도 추론 시스템은, 공간 목적에 맞는 메타 레퍼런스 템플릿이 저장된 메타 정보 DB; 최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하고, 제공된 메타 레퍼런스 템플릿을 기반으로 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하는 메타 정보 입력기; 및 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 동적 추론엔진;를 포함한다.
또한, 본 발명의 다른 실시예에 따른, 실내 최적 냉난방 설정온도 추론 방법은, 추론 시스템이 최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하는 단계; 추론 시스템이, 제공된 메타 레퍼런스 템플릿을 기반으로 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하는 단계; 및 추론 시스템이, 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 단계;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 공간 환경의 특성(작업 활동량, 근무 및 재실자의 근무 복장, 채광량 등)의 메타 정보를 통한 건물의 근무 특성이 반영된 설정온도 도출 시스템을 통한 정확한 열쾌적 설정온도 제시할 수 있다.
또한, 수요관리 및 에너지 절감 참여 등의 이슈가 있는 경우 제시한 적정 쾌적도에서 PMV, PPD 레벨을 수정하여 재실자 및 근무자의 최소한의 환경에 영향을 주는 선에서 최적 운전 설정 온도를 제시할 수 있다.
도 1은 본 발명의 일 실시예에 따른 실내 최적 냉난방 설정온도 추론 시스템의 설명에 제공된 도면,
도 2는, 본 발명의 일 실시예에 따른메타 레퍼런스 템플릿의 설명에 제공된 도면,
도 3은, PMV 및 PPD 지수의 설명에 제공된 도면,
도 4는, PMV 및 PPD 지수의 산출에 이용되는 수식이 도시된 도면,
도 5는, 본 발명의 일 실시예에 따른 PMV 및 PPD 지수를 기반으로 추론된 최적 냉난방 설정온도의 추론 결과가 예시된 도면,
도 6은, 상기 도 5에 예시된 추론 결과에 따라 월단위로 산출된 최적 냉난방 설정온도가 예시된 도면, 그리고
도 7은 본 발명의 일 실시예에 따른 실내 최적 냉난방 설정온도 추론 방법의 설명에 제공된 도면이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 실내 최적 냉난방 설정온도 추론 시스템의 설명에 제공된 도면이고, 도 2는, 본 발명의 일 실시예에 따른메타 레퍼런스 템플릿의 설명에 제공된 도면이고, 도 3은, PMV 및 PPD 지수의 설명에 제공된 도면이며, 도 4는, PMV 및 PPD 지수의 산출에 이용되는 수식이 도시된 도면이고, 도 5는, 본 발명의 일 실시예에 따른 PMV 및 PPD 지수를 기반으로 추론된 최적 냉난방 설정온도의 추론 결과가 예시된 도면이며, 도 6은, 상기 도 5에 예시된 추론 결과에 따라 월단위로 산출된 최적 냉난방 설정온도가 예시된 도면이다.
본 실시예에 따른 실내 최적 냉난방 설정온도 추론 시스템(이하에서는 '추론 시스템'으로 총칭하기로 함)은, 냉난방 설비를 운영하는데 있어 시공간 단위의 최적의 설정온도를 추론할 수 있으며, 설정온도를 시공간 최적 온도 추론을 통한 설정 값을 도출하고, 운전 모드(쾌적, 에너지 절약 등)에 따른 PPD 레벨 기준에 맞춰 설정 온도를 수정할 수 있다.
이를 위해, 본 추론 시스템은, 메타 정보 입력기(110), 메타 정보 DB(120) 및 동적 추론엔진(130)을 포함할 수 있다.
메타 정보 입력기(110)는, 실내 공간의 근무자 또는 재실자가 이용하는 사용자 장치로부터 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 시공간 단위로 획득할 수 있다.
즉, 메타 정보 입력기(110)는, PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수 산출에 이용되는 파라미터에 해당하는 메타 정보를 공간별 시간별로 획득할 수 있다.
예를 들면, 메타 정보 입력기(110)는, 공간별로 시간 단위에 따라 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득할 수 있으며, 메타 정보 입력기(110)를 통해 획득된 메타 정보는, 시공간 단위로 분류되어 메타 정보 DB(120)에 저장될 수 있다.
그리고 메타 정보 입력기(110)는, 최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하고, 제공된 메타 레퍼런스 템플릿을 기반으로 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득할 수 있다.
여기서, 사용자 장치는, 실내 공간의 근무자 또는 재실자가 사용하는 정보처리 단말을 의미하고, 메타 정보 입력기(110)는, 메타 레퍼런스 템플릿 제공 시, 메타 레퍼런스 템플릿 내 기본 레퍼런스 정보가 입력된 상태로 제공하며, 추가적으로 수정할 정보의 입력만을 사용자 장치에 요청할 수 있다.
메타 레퍼런스 템플릿은, 공간에 따라 생성되는 공간 메타 레퍼런스 템플릿를 의미하며, 기본 레퍼런스 정보는, 도 2a에 예시된 바와 같이 시간(월), 실내 공간에서의 대사율(활동량), 의복 지수, 풍속 및 실내 공간의 복사온도 등을 포함할 수 있다.
메타 정보 DB(120)는 획득된 메타 정보를 저장할 수 있다.
그리고 메타 정보 DB(120)는, 공간 목적에 맞는 메타 레퍼런스 템플릿을 저장할 수 있다.
즉, 추론 시스템은, 메타 정보 DB(120)에 저장된 메타 레퍼런스 템플릿을 메타정보 입력기(110)를 통해 실내 공간의 근무자 또는 재실자가 이용하는 사용자 장치에 제공하며, 이때, 실내 공간의 근무자 또는 재실자는, 사용자 장치를 통해 기본 레퍼런스 정보(기본 템플릿 메타 정보)가 입력된 메타 레퍼런스 템플릿에서 추가적으로 수정할 정보만을 시간 단위로 입력하는 방식으로 해당 실내 공간에 대한 메타 정보를 입력할 수 있다.
그리고 입력된 시간 단위의 해당 실내 공간에 대한 메타 정보는 메타 정보 입력기(110)를 통해 메타 정보 DB(120)에 전달되어 저장될 수 있다.
도 2b는, 메타 정보 입력기(110)를 통해 입력되는 특정 실내 공간에 대한 실내 공간에 대한 메타 정보가 예시된 도면이다.
여기서 1~12는 메타 정보가 획득된 시간을 의미하고, 'tr', 'vel', 'clo', 'met' 및 'ew'는, PMV와 PPD 지수 산출 시 이용되는 파라미터들이다.
구체적으로, tr은, 실내 공간의 평균 복사 온도를 의미하고, vel은, 실내 공간의 풍속(기류)을 의미하고, clo는 실내 공간의 의복 지수를 의미하며, met는, 실내 공간에서의 대사율(Metabolic Rate)을 의미하고, ew는, 실내 공간에서의 작업 활동량(External work)을 의미할 수 있다.
동적 추론엔진(130)은, 저장된 메타 정보를 활용하여 PMV와 PPD 지수를 산출하고, 산출 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론할 수 있다.
여기서, PMV 지수는, 동일한 조건(대사율, 의복 지수, 평균 복사 온도, 풍속 및 습도)에서 누군가는 더위를 느끼고 누군가는 추위를 느낄 수 있는데, 이러한 더위 또는 추위를 느끼는 평가들을 평균하여 나타내는 예상 평균 온열감 지수를 의미한다.
이러한 PMV 지수는 -3에서 3까지 수치로 나타낼 수 있으며, 각 수치별로 -3(매우 추위를 느낌), -2(추위를 느낌), -1(약간 추위를 느낌), 0(보통), 1(약간 더위를 느낌), 2(더위를 느낌), 3(매우 더위를 느낌)와 같은 예상 평균 온열감을 나타낼 수 있다.
PPD 지수는, 예상 불만족율을 나타내는 지수로서, 도 3에 예시된 바와 같이 PMV 지수가 0에 가까울수록 만족도가 높아져 불만족율이 감소하는 것으로 나타난다. 도 4는, PMV 및 PPD 지수를 산출하는데 이용되는 수식이 예시된 도면이다.
동적 추론엔진(130)은, 시공간 단위로 획득된 메타 정보를 도 4에 예시된 수식에 적용하여 PMV와 PPD 지수를 산출하고, 공간 유형 또는 공간의 냉난방 설비의 운영 정책에 따라 산출된 PMV 및 PPD 지수의 레벨이 기설정된 값 또는 기설정된 범위를 유지하도록 하는 설정온도를 추론할 수 있다.
예를 들면, 동적 추론엔진(130)은, 시공간 단위로 획득된 메타 정보를 기반으로 공간 유형별 설정온도의 적정 범위를 추론하되, 각 공간 유형마다 시간 단위로 설정온도의 적정 범위를 추론할 수 있다.
동적 추론엔진(130)은, 특정 공간에서의 PMV 및 PPD 지수가 도 5에 예시된 바와 같이 월 단위로 산출되는 경우, 이를 기반으로 월마다 예상 불만족율을 나타내는 PPD 지수가 가장 낮은 지점에서의 설정 온도를 추론할 수 있다. 이때, 추론된 월 단위 설정온도는 도 6에 예시된 바와 같다.
그리고 공간 유형은, 사무실, 작업장, 헬스장 등 재실자의 활동량(대사율 연관) 및 근무 복장(의복 지수 연관)과 공간의 채광량(복사온도 연관)에 따라 결정될 수 있다.
다른 예를 들면, 동적 추론엔진(130)은, 설정온도의 적정 범위 추론 시, 해당 공간의 냉난방 설비의 운영 정책에 따라 시간 단위로 설정온도의 적정 범위를 추론할 수 있다.
구체적으로, 동적 추론엔진(130)은, 설정온도의 적정 범위 추론 시, 해당 공간의 냉난방 설비의 운영 정책에 따라 PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위 또는 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론할 수 있다.
이때, 각 공간의 냉난방 설비의 운영 정책은, 쾌적 우선 정책, 에너지 절약 우선 정책 및 수요 관리 우선 정책 중 어느 하나일 수 있다.
즉, 동적 추론엔진(130)은, 해당 공간의 냉난방 설비의 운영 정책이 쾌적 우선 정책으로 설정되는 경우, PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위를 추론하고, 해당 공간의 냉난방 설비의 운영 정책이 에너지 절약 우선 정책으로 설정되는 경우, 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론할 수 있다.
여기서, 에너지 절약 우선 정책에 따른 설정온도의 제2 적정 범위 추론 시 PMV 지수의 적정 레벨 범위는, PPD 지수가 19.2% 이하를 유지하도록 하는 PMV 레벨 범위로 설정되는 것이 바람직하다.
그리고 동적 추론엔진(130)은, 해당 공간에 공급되는 전기의 전기 요금이 시간/일/월별로 수요에 따라 변동하고, 해당 공간의 냉난방 설비의 운영 정책이 수요 관리 우선 정책으로 설정되면, 시간/일/월별 단위의 전기 요금과 기설정된 임계갑을 비교하여, 시간/일/월별 단위의 전기 요금이 기설정된 임계값 이하인 경우, PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위를 추론하되, 시간/일/월별 단위의 전기 요금이 기설정된 임계값을 초과하는 경우, 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론할 수 있다.
또한, 동적 추론엔진(130)은, 동적 클라우드를 기반으로 동작하여, 해당 공간에서 획득된 메타 정보를 기반으로 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하고, 주기적(월 단위) 또는 수시로(공간 활용 변경 등을 이유로) 해당 공간의 사용자 장치를 통해 전달되는 요청에 따라 PMV, PPD 지수의 레벨을 수정할 수 있다.
도 7은 본 발명의 일 실시예에 따른 실내 최적 냉난방 설정온도 추론 방법의 설명에 제공된 도면이다.
본 실시예에 따른 실내 최적 냉난방 설정온도 추론 방법은, 도 1 내지 도 6을 참조하여 전술한 추론 시스템에 의해 실행될 수 있다.
도 7을 참조하면, 실내 최적 냉난방 설정온도 추론 방법은, 추론 시스템을 통해, 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하고(S710), 획득된 메타 정보를 메타 정보 DB(120)에 저장할 수 있다(S720).
여기서, 추론 시스템은, 최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 사용자 장치에 제공하고, 제공된 메타 레퍼런스 템플릿을 기반으로 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득할 수 있다.
그리고 실내 최적 냉난방 설정온도 추론 방법은, 저장된 메타 정보를 활용하여 PMV와 PPD 지수를 산출하고(S730), 산출 PMV 및 PPD 지수를 기반으로 공간 유형별 최적의 설정온도를 추론할 수 있다(S740).
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
110 : 메타 정보 입력기
120 : 메타 정보 DB
130 : 동적 추론엔진

Claims (12)

  1. 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보가 획득되는 메타 정보 입력기;
    획득된 메타 정보가 저장되는 메타 정보 DB; 및
    저장된 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 동적 추론엔진;를 포함하며,
    메타 정보 DB는,
    공간 목적에 맞는 메타 레퍼런스 템플릿이 저장되며,
    메타 정보 입력기는,
    최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하고, 제공된 메타 레퍼런스 템플릿을 기반으로 시공간 단위로 메타 정보를 획득하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  2. 삭제
  3. 청구항 1에 있어서,
    메타 정보 입력기는,
    메타 레퍼런스 템플릿 제공 시, 메타 레퍼런스 템플릿 내 기본 레퍼런스 정보가 입력된 상태로 제공하며, 추가적으로 수정할 정보의 입력만을 요청하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  4. 청구항 3에 있어서,
    기본 레퍼런스 정보는,
    시간(월), 실내 공간에서의 대사율(활동량), 의복 지수, 풍속 및 실내 공간의 복사온도를 포함하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  5. 청구항 3에 있어서,
    메타 레퍼런스 템플릿은,
    공간에 따라 생성되는 공간 메타 레퍼런스 템플릿인 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  6. 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보가 획득되는 메타 정보 입력기;
    획득된 메타 정보가 저장되는 메타 정보 DB; 및
    저장된 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 동적 추론엔진;를 포함하며,
    동적 추론엔진은,
    시공간 단위로 획득된 메타 정보를 기반으로 공간 유형별 설정온도의 적정 범위를 추론하되, 각 공간 유형마다 시간 단위로 설정온도의 적정 범위를 추론하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  7. 청구항 6에 있어서,
    동적 추론엔진은,
    설정온도의 적정 범위 추론 시, 해당 공간의 냉난방 설비의 운영 정책에 따라 PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위 또는 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론하는 것을 실내 최적 냉난방 설정온도 추론 시스템.
  8. 청구항 7에 있어서,
    각 공간의 냉난방 설비의 운영 정책은,
    쾌적 우선 정책, 에너지 절약 우선 정책 및 수요 관리 우선 정책 중 어느 하나이고,
    동적 추론엔진은,
    해당 공간의 냉난방 설비의 운영 정책이 쾌적 우선 정책으로 설정되는 경우, PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위를 추론하고,
    해당 공간의 냉난방 설비의 운영 정책이 에너지 절약 우선 정책으로 설정되는 경우, 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론하며,
    해당 공간에 공급되는 전기의 전기 요금이 시간/일/월별로 수요에 따라 변동하고, 해당 공간의 냉난방 설비의 운영 정책이 수요 관리 우선 정책으로 설정되면, 시간/일/월별 단위의 전기 요금과 기설정된 임계갑을 비교하여, 시간/일/월별 단위의 전기 요금이 기설정된 임계값 이하인 경우, PMV 레벨이 0레벨에 수렴하는 설정온도의 제1 적정 범위를 추론하되, 시간/일/월별 단위의 전기 요금이 기설정된 임계값을 초과하는 경우, 0레벨을 기준으로 설정되는 적정 레벨 범위 내에서 유지되도록 하는 설정온도의 제2 적정 범위를 추론하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  9. 청구항 6에 있어서,
    공간 유형은,
    재실자의 활동량(대사율 연관) 및 근무 복장(의복 지수 연관)과 공간의 채광량(복사온도 연관)에 따라 결정되는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  10. 추론 시스템이, 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하는 단계;
    추론 시스템이, 획득된 메타 정보를 저장하는 단계; 및
    추론 시스템이, 저장된 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 단계;를 포함하며,
    추론 시스템은,
    공간 목적에 맞는 메타 레퍼런스 템플릿이 저장되는 메타 정보 DB를 포함하고,
    메타 정보를 획득하는 단계는,
    최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿이 제공되고, 제공된 메타 레퍼런스 템플릿을 기반으로 시공간 단위로 메타 정보를 획득하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 방법.
  11. 공간 목적에 맞는 메타 레퍼런스 템플릿이 저장된 메타 정보 DB;
    최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하고, 제공된 메타 레퍼런스 템플릿을 기반으로 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하는 메타 정보 입력기; 및
    메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 동적 추론엔진;를 포함하며,
    동적 추론엔진은,
    시공간 단위로 획득된 메타 정보를 기반으로 공간 유형별 설정온도의 적정 범위를 추론하되, 각 공간 유형마다 시간 단위로 설정온도의 적정 범위를 추론하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 시스템.
  12. 추론 시스템이 최초 메타 정보 입력 시, 공간 목적에 맞는 메타 레퍼런스 템플릿을 제공하는 단계;
    추론 시스템이, 제공된 메타 레퍼런스 템플릿을 기반으로 실내 공간의 최적 냉난방 설정온도의 추론에 필요한 메타 정보를 획득하는 단계; 및
    추론 시스템이, 메타 정보를 활용하여 PMV(Predicted Mean Vote)와 PPD(Predicted Percentage of Dissatisfaction) 지수를 산출하고, 산출된 PMV 및 PPD 지수를 기반으로 최적의 설정온도를 추론하는 단계;를 포함하며,
    설정온도를 추론하는 단계는,
    시공간 단위로 획득된 메타 정보를 기반으로 공간 유형별 설정온도의 적정 범위를 추론하되, 각 공간 유형마다 시간 단위로 설정온도의 적정 범위를 추론하는 것을 특징으로 하는 실내 최적 냉난방 설정온도 추론 방법.
KR1020220157245A 2022-11-22 2022-11-22 실내 최적 냉난방 설정온도 추론 방법 및 시스템 KR102586664B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220157245A KR102586664B1 (ko) 2022-11-22 2022-11-22 실내 최적 냉난방 설정온도 추론 방법 및 시스템
PCT/KR2023/017757 WO2024111951A1 (ko) 2022-11-22 2023-11-07 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220157245A KR102586664B1 (ko) 2022-11-22 2022-11-22 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102586664B1 true KR102586664B1 (ko) 2023-10-10

Family

ID=88291912

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220157245A KR102586664B1 (ko) 2022-11-22 2022-11-22 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Country Status (2)

Country Link
KR (1) KR102586664B1 (ko)
WO (1) WO2024111951A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024111951A1 (ko) * 2022-11-22 2024-05-30 한국전자기술연구원 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120009551A (ko) * 2010-07-19 2012-02-02 주식회사 시스웍 예상평균온열감을 이용한 에너지절약형 냉방ㆍ난방ㆍ환기제어장치

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6233283B2 (ja) * 2014-11-26 2017-11-22 富士電機株式会社 空気調和システム、空気調和機の制御装置および空気調和機の制御方法
KR20180025407A (ko) * 2016-08-30 2018-03-09 한국전기연구원 Ｐｍｖ를 이용한 냉난방 제어 방법，그 방법을 수행하는 장치 및 컴퓨터 프로그램
WO2019151845A2 (ko) * 2019-03-20 2019-08-08 엘지전자 주식회사 에어컨
JP2022538918A (ja) * 2019-07-05 2022-09-06 サン－ゴバン グラス フランス 乗り物の熱快適性マップを生成するためのワイヤレスシステム及び方法
KR102586664B1 (ko) * 2022-11-22 2023-10-10 한국전자기술연구원 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120009551A (ko) * 2010-07-19 2012-02-02 주식회사 시스웍 예상평균온열감을 이용한 에너지절약형 냉방ㆍ난방ㆍ환기제어장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024111951A1 (ko) * 2022-11-22 2024-05-30 한국전자기술연구원 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Also Published As

Publication number Publication date
WO2024111951A1 (ko) 2024-05-30

Similar Documents

Publication Publication Date Title
CN103162383B (zh) 空调控制装置与方法
EP1866575B1 (en) Method and system for controlling a climate in a building
JP5491891B2 (ja) 機器マネージメント装置およびプログラム
JP4623747B2 (ja) 環境設備制御システム
JP6042068B2 (ja) 要望判別装置、空調制御システム、要望判別方法および空調制御方法
JP6528767B2 (ja) 環境制御システム
JP6170756B2 (ja) 要望判別装置、空調制御システム、要望判別方法および空調制御方法
JP6339916B2 (ja) 要望判別装置、空調制御システム、要望判別方法および空調制御方法
KR102586664B1 (ko) 실내 최적 냉난방 설정온도 추론 방법 및 시스템
JP2010175229A (ja) 空調制御装置
JP6874268B2 (ja) 空調制御装置、空調制御方法、および、プログラム
JP6668010B2 (ja) 空調制御装置、空調制御方法、および空調制御プログラム
JP2013236520A (ja) 電力管理支援装置、電力管理支援方法、電力管理支援プログラム
JP2020133963A (ja) 空気調和機の最適オン／オフ時刻算出処理を実行するサーバ、および最適オン／オフ時刻算出処理システム
Biyik et al. Cloud-based model predictive building thermostatic controls of commercial buildings: Algorithm and implementation
CN115388520A (zh) 空调控制方法、空调控制装置、空调及存储介质
JP2021189681A (ja) エネルギー管理システムおよびエネルギー管理方法
CN113739386A (zh) 公共空间热环境空调系统控制方法、系统、设备及介质
JP7215070B2 (ja) 制御プログラム、制御方法および制御装置
JP6514829B1 (ja) ビルの省エネ制御装置及びビルの省エネ制御方法
KR102081425B1 (ko) 사용자 만족도 기반 에너지 대비 쾌적도 효율성 지수 분석 시스템 및 방법
JP2007120889A (ja) 空調制御装置
CN105241001A (zh) 一种参数调整方法及空调
JP6637323B2 (ja) 設備管理装置及びプログラム
JP2008106984A (ja) 環境制御システム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant