KR20110100895A

KR20110100895A - 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법

Info

Publication number: KR20110100895A
Application number: KR1020100019974A
Authority: KR
Inventors: 양인호; 선종명
Original assignee: 삼성물산 주식회사
Priority date: 2010-03-05
Filing date: 2010-03-05
Publication date: 2011-09-15
Also published as: KR101077369B1

Abstract

본 발명은 인공 신경망의 개념을 적용한 에너지 절감 알고리즘을 사용하여 빌딩 제어시스템을 구현함으로써 최적화된 에너지 활용을 통해 빌딩 에너지 관리를 효율적으로 운용할 수 있도록 하는 데에 그 목적이 있다.
상기한 목적을 달성하기 위한 본 발명은 빌딩 내부의 공조 시스템의 제어방법에 있어서, 설정된 재실시각에 맞추어 환경에 따른 공조 시스템의 기동시각을 결정해주는 최적 기동 알고리즘; 설정된 공실시각에 맞추어 환경에 따른 공조 시스템의 정지시각을 결정해주는 최적 정지 알고리즘; 실내와 외부 공기의 엔탈피를 비교하여 엔탈피 제어 운전을 실시하는 엔탈피 제어 알고리즘; 일출 전에 찬 외기를 유입하여 실내 온도를 낮추도록 하는 나이트 퍼지 알고리즘; 실내 온도를 감시하여 미리 정하여진 쾌적 온도 범위 내에서 실내 온도를 유지 시키면서 공조가 불필요한 때에는 공조기를 일시 정지하도록 하는 듀티 사이클 제어 알고리즘;을 포함하여 에너지를 최대로 절약하면서 공조 시스템을 제어하여 최소의 에너지로 최대의 쾌적한 열환경을 제공해 줄 수 있도록 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템을 제공하는 것을 그 기술적 요지로 한다.

Description

최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법{The building mutual assistance control method which uses an optimization energy management system}

본 발명은 에너지 메니지먼트 시스템(EMS)를 사용하여 빌딩 내의 공조시스템을 제어하는 제어 방법에 관한 것으로, 보다 상세하게는 인공 신경망을 통하여 빌딩 내의 쾌적한 환경을 유지하기 위한 조건을 학습한 후 그 결과에 따라 공조 시스템을 제어함으로써 빌딩 내부는 항상 쾌적한 환경을 유지할 수 있도록 함과 동시에 공조 시스템에 들어가는 에너지를 줄여 절약할 수 있도록 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법에 관한 것이다.

공조 설비는 사무용 빌딩, 공장, 호텔, 식당, 병원, 창고형 상점, 백화점 등을 포함하는 광범위한 분야의 빌딩에서 설치되고 적용되고 있다.

종래의 공조 설비의 운전은 일반적으로 관리자가 판단하여 기동으로부터 정지시키기 까지는 장시간 또는 심지어 하루 종일 운전되는 등 에너지를 낭비하고 있다. 이렇게 공조 설비에 의해 소비되는 에너지는 사용 공간, 온도, 습도, 창을 통한 일사열, 재실밀도와 같은 다양한 인자에 종속적이며 특히 운전시간에 많은 영향을 받게 된다.

한편 공조를 하는 경우에는 열원과 동력에 대한 에너지가 소비되기 때문에 공조 시간을 최소화 하기위하여 일반적인 사무용 건물은 근무 시간대에는 공조를 실시하며, 근무 시간이 아닌 경우 또는 사무실 내에 재실자가 없는 경우에는 공조를 하지 않는다.

이렇게 재실자에 맞추어 공조를 하는 경우 아침 재실 시작 시각이 되었을 때 실내 온도가 설정 온도에 도달할 수 있도록 재실 시작 시각 이전부터 공조를 시작해야 하나, 언제부터 공조를 시작해야 재실 시작 시각에 설정 온도에 도달할 수 있는지를 산정하기는 어렵기 때문에 보통 최악의 경우를 대비하여 작성된 고정적인 스케줄 예약을 이용하여 충분히 이른 시각에 미리 공조를 시작하는 것이 보통이다. 이 경우 겨울철인 경우 가장 추운 날씨를 기준으로 하고, 여름철인 경우 가장 더운 날씨를 기준으로 공조 시작 시각을 결정하는데, 기후 조건과 실내 환경에 따라 불필요하게 일찍 공조를 시작하는 경우가 발생하기 때문에 에너지 낭비의 요소가 되고 있어 언제 공조 설비를 가동하는 것이 에너지 관점에서 최적의 가동 시각인가를 결정해야 하는 문제가 있다.

한편 일반적으로 공조 설비의 정지 시각은 재실 종료 시각에 맞추게 되는데 빌딩 구조물 자체가 갖는 열 관성과 열원기기의 예열 부하 등으로 인해 결국 불필요한 에너지를 낭비하는 경우가 발생하게 된다. 이러한 에너지 낭비를 피하는 방법은 재실 종료 시각이 되기 전에 공조 설비를 정지하는 것인데, 이 역시 언제 공조 설비를 정지하는 것이 에너지 관점에서 최적의 정지 시각인가를 결정해야 하는 문제가 있다.

이렇게 빌딩 에너지 절약을 위해서는 빌딩의 에너지를 사용하는 각종 설비를 효율적으로 운용해야 하며 이를 위한 구체적인 적용 방법이 도출되어 현장에 적용되어야 한다. 그러나, 현실적으로 이를 구현 및 적용한다는 것은 시스템상의 기능이 부족하거나 또는 적용하기 위해 많은 시간과 노력을 필요로 하기 때문에 그리 쉬운 일이 아니다.

본 발명은 이와 같은 종래의 제반 문제점을 해소하기 위하여 안출한 것으로, 인공 신경망의 개념을 가지고 있는 에너지 절감 알고리즘을 사용하여 빌딩 제어시스템을 구현함으로써 최적화된 에너지 활용을 통해 빌딩 에너지 관리를 효율적으로 운용할 수 있도록 하는 데에 그 목적이 있다.

상기 목적달성을 위한 본 발명은 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법에 있어서, 일정시각마다 실온, 외기온을 측정하는 단계(S11); 일정시간 단위의 외기온 변동율 및 실온 변동율을 산출하는 단계(S12); 측정한 입력변수(실온, 외기온, 외기온 변동율,실온 변동율)를 0.1에서 0.9사이의 값으로 정규화 시키는 단계(S13)를 포함하는 자료수집단계(S10)와; 상기 수집된 정규화값을 인공신경망에 적용하여 현재의 조건에서 공조시작시 목표온도까지 도달하는 시간인 출력값을 계산하는 단계(S21); 상기 출력값과 현재부터 출근까지의 시간을 비교하여 오차를 계산하는 단계(S22); 상기 오차가 허용범위 내에 있으면 공조를 시작하는 단계(S23); 상기 공조 시작시의 입력값과 시각을 저장하는 단계(S24); 목표온도에 도달했을 때의 시간을 측정하여 저장하는 단계(S25); S25단계에서의 목표온도 도달시간과 출근시간을 비교하여 실제 오차를 계산하는 단계(S26); 목표온도까지 도달할 때 시간을 정규화하여 저장하는 단계(S27); 공조시작시의 실온, 외기온, 외기온 변동율,실온 변동율 등 4개의 정규화 값과 S27단계에서 계산된 목표온도 도달 시간 정규화 값을 이용하여 인공신경망에 학습을 실시하는 단계(S28)를 포함하는 공조실행단계(S20)로 이루어진 최적 기동 알고리즘을 포함하는 것을 특징으로 한다.

또한, 상기 인공 신경망은 연산 처리를 하는 단위인 뉴런과, 하나 이상의 뉴런들이 이루는 입력층 및 출력층과, 상기 입력층과 출력창 사이에 다수의 뉴런으로 구성된 은닉층을 형성하여 구성하도록 하되, 난방 기동시각시 인공신경망의 경우 상기 은닉층은 9개의 뉴런을 가지고 있으며, 3개의 은닉층을 가지고, 학습률은 0.55, 모멘트는 0.80인 것을 특징으로 한다.

또한, 상기 인공 신경망은 연산 처리를 하는 단위인 뉴런과, 하나 이상의 뉴런들이 이루는 입력층 및 출력층과, 상기 입력층과 출력창 사이에 다수의 뉴런으로 구성된 은닉층을 형성하여 처리하도록 하되, 냉방 기동시각시 인공신경망의 경우 상기 은닉층은 9개의 뉴런을 가지고 있으며, 1개의 은닉층을 가지고, 학습률은 0.90, 모멘트는 0.80인 것을 특징으로 한다.

또한, 공조기 정지 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법에 있어서, 일정시각마다 실온, 외기온을 측정하는 단계(S31); 일정시간 단위의 외기온 변동율 및 실온 변동율을 산출하는 단계(S32); 측정한 입력변수(실온, 외기온, 외기온 변동율,실온 변동율)를 0.1에서 0.9사이의 값으로 정규화 시키는 단계(S33)를 포함하는 자료수집단계(S30)와; 상기 수집된 정규화값을 인공신경망에 적용하여 현재의 조건에서 공조정지시 목표온도까지 도달하는 시간인 출력값을 계산하는 단계(S41); 상기 출력값과 현재부터 퇴근(공실시작)시각까지의 시간을 비교하여 오차를 계산하는 단계(S42); 상기 오차가 허용범위 내에 있으면 공조를 정지하는 단계(S43); 상기 공조 정지시의 입력값과 시각을 저장하는 단계(S44); 목표온도에 도달했을 때의 시간을 측정하여 저장하는 단계(S45); S45단계에서의 목표온도 도달시간과 퇴근시간을 비교하여 실제 오차를 계산하는 단계(S46); 목표온도까지 도달할 때 시간을 정규화하여 저장하는 단계(S47); 공조 정지시의 실온, 외기온, 외기온 변동율,실온 변동율 등 4개의 정규화 값과 S47단계에서 계산된 목표온도 도달 시간 정규화 값을 이용하여 인공신경망에 학습을 실시하는 단계(S48)를 포함하는 공조정지단계(S40)로 이루어진 최적 정지 알고리즘을 포함하는 것을 특징으로 한다.

또한, 상기 인공 신경망은 연산 처리를 하는 단위인 뉴런과, 하나 이상의 뉴런들이 이루는 입력층 및 출력층과, 상기 입력층과 출력창 사이에 다수의 뉴런으로 구성된 은닉층을 형성하여 처리하도록 하되, 난방 정지시 인공신경망의 경우 상기 은닉층은 11개의 뉴런을 가지고 있으며, 2개의 은닉층을 가지고, 학습률은 0.45, 모멘트는 0.70인 것을 특징으로 한다.

또한, 상기 빌딩 공조 제어 방법에는 실내와 외부 공기의 엔탈피를 비교하는 단계; 실내 온도와 외기 온도, 실내 습도와 외기 습도를 측정하는 단계; 실내 온도와 외기 온도, 실내 습도와 외기 습도를 사용하여 엔탈피를 연산하는 단계; 가동 시간대, 엔탈피 제어 알고리즘 사용 유무, 냉방/난방 설정을 입력 인자로 받아들이는 단계; 연산된 실내 엔탈피가 실외 엔탈피보다 크면 열원기기로부터 오는 부하를 잠그고 모든 부하를 외기를 도입하여 냉방운전을 수행하도록 하는 단계로 구성되는 엔탈피 제어 알고리즘을 더 포함하는 것을 특징으로 한다.

또한, 상기 빌딩 공조 제어 방법에는 외기와 실내의 엔탈피 차이를 측정하는 단계; 실내 온도를 측정하는 단계; 엔탈피가 지정 이상인 경우와, 실내온도가 지정 이상일 경우에 동작하여 실외의 외기를 실내에 도입하는 단계; 실내온도의 변화가 없으면 가동을 중지하는 단계로 이루어져 외기를 사용하여 실내의 온도를 낮추어 주간 시간대의 냉방 열원기기의 가동시간을 줄인 수 있도록 하는 나이트 퍼지 알고리즘을 더 포함하는 것을 특징으로 한다.

또한, 상기 빌딩 공조 제어 방법에는 실내 온도를 감시하여 매시 일정한 시간동안 온도를 만족하였으면 공조기를 정지하는 단계; 공조기가 정지된 후 온도를 체크하여 온도가 변화 허용 범위를 벗어나는 경우 정지된 공조기를 다시 가동하는 단계; 온도가 변화 허용 범위 내에 있는 경우에는 그 다음 주기가 시작될 때까지 정지 상태를 유지하며, 새로운 듀티 사이클 주기가 시작될 때 정지된 공조기를 다시 기동하도록 하는 단계;를 포함하는 듀티 사이클 제어 알고리즘을 더 포함하는 것을 특징으로 한다.

이상에서 설명한 바와 같이 본 발명에 의하면, 기존의 설정값에 의해 기동 및 정지되고, 기동시에는 온도를 유지하기 위하여 지속적으로 공조 시스템이 기동한 것과는 달리 에너지를 절약하기 위하여 최소의 에너지를 사용하여 공조 시스템을 기동하는 다양한 알고리즘을 사용하여 최적의 기동시간 및 정지시간을 학습하고, 외기 도입을 적극적으로 함으로써 에너지는 절약하면서 실내의 쾌적함은 그대로 유지할 수 있도록 하는 효과가 있다.

또한, 인공 신경망을 사용하여 학습을 진행함으로써 학습에 의한 제어가 계속될 때마다 새로 얻는 데이터를 사용하여 좀 더 에너지를 절약하는 제어를 할 수 있는 효과가 있다.

도 1 은 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 인공 신경망의 뉴런 모델을 나타낸 개략도,
도 2 은 초기조건 변화에 따른 난방시 기동시간의 변화를 나타낸 그래프,
도 3 는 난방시 기동시각 학스바료 작성을 위한 정규화식을 나타낸 표,
도 4 은 냉방시 기동시각 학습자료 작성을 위한 정규화식을 나타낸 표,
도 5 은 초기조건 변화에 따른 정지시각의 변화를 나타낸 그래프,
도 6 은 난방시 정지시각 학습자료 작성을 위한 정규화식을 나타낸 표,
도 7 는 공조기 기동시각 및 정지시각 결정을 위한 신경망 학습요소들의 최적값을 나타낸 표,
도 8 은 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 난방 최척기동시 사용되는 인공신경망 모델,
도 9 는 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 난방 최척정지시 사용되는 인공신경망 모델,
도 10 은 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 냉방 최척기동시 사용되는 인공신경망 모델,
도 11 는 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 최적기동시 논리적 흐름도,
도 12 는 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 최적정지시 논리적 흐름도,
도 13 은 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템에서 듀티 사이클의 적용 가능 시간을 나타낸 개략도,
도 14 은 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 엔탈피 제어의 순서를 나타낸 흐름도,
도 15 은 본 발명인 공조 시스템의 재실시간 및 공실시간에 대한 공조 시스템의 최적기동 및 최적정지 시간과, 기동시간중에 제어 알고리즘을 나타낸 개략도.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하면 다음과 같다.

에너지 절약 제어(EMS) 알고리즘이란, 빌딩 자동제어 시스템에 적용되는 다양한 제어 방법들을 최적화하여 최적의 에너지 절감 효과를 얻어 낼 수 있는 에너지 절약 제어 기법을 말한다. 특히, 빌딩 자동제어 시스템의 공기조화 시스템 제어에 적용하여 빌딩 내 재실 공간의 쾌적성은 유지하면서도 에너지를 절감할 수 있도록 하는데 그 목적이 있으며 주로 디지털 직접 제어(Digital Direct Control, DDC)에 해당 알고리즘이 탑재되어 그 기능을 수행하게 된다.

본 발명의 EMS 알고리즘은 빌딩 내의 공실시간과 재실시간의 두 부분으로 구분되며 시간 영역에 따라 독립적인 알고리즘이 적용되어 공조시스템을 운영한다. 공실시간의 제어 알고리즘은 야간운전, 야간 외기 취입 제어, 최적 기동으로 구성되며 재실시간의 알고리즘은 듀티 사이클, 절전운전, 엔탈피 제어, 최적 정지로 구성된다.

이를 구현하기 위하여 인공 신경망이 사용되는데, 인공 신경망은 소프트웨어에 의해 구현이 되며, 네트워크에 의해 연결된 뉴런들로 구성된다.

도 1 은 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템에 사용되는 인공 신경망의 뉴런 모델을 나타낸 개략도이다.

상기 도 1 에서 보는 바와 같이 인공 신경망은 연산 처리를 하는 단위인 뉴런을 복수개 연결하여 연결된 다른 뉴런들의 출력들을 적절한 연결 강도에 따라 가중치를 두어 입력 받아 자신의 활성화 함수에 의해 출력을 산출하는 기능을 갖는다.

하나 이상의 뉴런들은 계층을 구성하며, 이러한 계층은 입력층, 은닉층, 출력층의 세가지로 구분된다. 인공 신경망의 입력은 입력 계층에 있는 뉴런에 전달되며, 입력 계층의 뉴런의 출력은 은닉층에 있는 뉴런에 전달된다. 마지막으로 은닉층에 있는 뉴런의 출력은 출력층에 있는 뉴런에게 전달되고, 출력층에 있는 뉴런의 출력이 바로 인공 신경망의 출력이 된다. 입력층과 출력층은 각각 1개씩 있지만, 은닉층은 없을 수도 있고, 1개 이상 있을 수도 있다.

본 발명에서는 도 1 에서 보는 것과 같이 외기온, 실온, 외기온 변동률, 실온 변동률의 4개 입력층과, 공조설비 기동시각 도는 공조설비 정지시각의 출력층으로 구성되어 있다.

즉, 상기 인공 신경망을 이용하여 재실 시작 시각 이전에 공조 시스템을 기동하는 시각을 조절하여 에너지를 절약할 수 있도록 하는 최적 기동과, 공실 시작 시각 이전에 공조 시스템을 정지하는 시각을 조절하여 에너지를 절약할 수 있도록 하는 최적 정지를 사용한다.

도 2 는 본 발명인 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 시스템의 입력 조건의 변화에 따라 공조 설비 기동 시각을 결정하여 공조기를 기동하도록 하는 경우를 나타낸 예시도이다.

최적 기동과 최적 정지를 위해서는 반복적인 시행착오를 거쳐 최적의 기동 시간 또는 최적의 정지 시간을 결정해야 한다. 이를 위하여 본 발명은 인공 신경망을 반복적인 역전파 학습 방식에 의해 내부 계수를 조정하여 최적의 결과를 도출하도록 되어 있다.

인공 신경망은 올바르게 학습이 되어야만 본래의 취지에 맞게 적용할 수 있기 때문에 이를 적용하기 위해서는 사전 학습이 선행되어야 한다. 선행 학습을 위해서는 충분만 학습 데이터가 필요하다. 인공 신경망은 궁극적으로 입력 패턴과 출력 패턴 쌍으로 구성된 학습 결과를 바탕으로 임의의 입력에 대하여 적절한 출력을 산출하도록 동작하며, 이 산출된 결과를 다시 학습에 이용하여 내부 계수를 최적화 하도록 동작한다.

최적 기동 및 최적 정지 알고리즘을 살펴보면, 최적 기동은 재실 시작 시각이 되기 전 어느 시각에 공조기를 기동하면 가장 재실 시각에 가깝게 실내 온도가 설정 온도에 도달할 것인가를 결정하기 위한 것이며, 최적 정지는 재실 종료 시각이 되기 전 어느 시각에 공조 설비를 정지할 때 재실 종료 시각에 가깝게 실내 온도가 설정 온도의 하안 범위를 벗어날 것인가를 결정하기 위한 것이다. 본 발명의 실시예 에서는 다층 인공 신경망을 사용하여 최적 기동 시각 및 최적 정지 시각을 결정하는 알고리즘을 적용한다.

우선 인공 신경망을 학습시키기 위해서는 학습 데이터가 필요하기 때문에 빌딩에 처음부터 바로 적용될 수 없다. 따라서, 인공 신경망의 학습을 위하여 자료를 수집해야 하는데, 이를 위하여 매분 단위로 신경망의 입력 변수 값을 측정한다. 여기서 입력 변수 값은 실온, 외기온, 외기온 변동율, 실온 변동율을 의미하며, 상기 외기온 및 실온은 일정시각마다 측정되고, 변동율은 상기 일정시각마다 측정되는 외기온 및 실온의 일정시간당 변동율을 의미한다.

최적 기동 및 최적 정지 알고리즘의 경우 측정한 입력변수를 0.1에서 0.9사이의 값으로 정규화 시켜 정규화값을 인공신경망에 적용하여 출력값을 계산한다. 또한, 현재부터 출근시간까지 남은 시간을 목표값으로 사용한다.

상기 정규화는 다음 수식1에 의해 계산된다.

[수식 1]

여기에서 x는 측정값이고, x_min은 x의 최소값이고, x_max는 x의 최대값이다.

상기와 같이 정규화된 값을 사용하여 계산된 출력값과, 현재부터 출근시간까지 남은 시간인 목표값을 비교하여 오차를 계산하고, 상기 오차가 허용범위 안에 들어올 경우 공조시스템을 작동시킨다.

한편, 상기 목표 온도는 최적 기동시에는 설정온도를 나타내며, 최적 정지시에는 설정 온도 하안값을 나타낸다.

신경망 모델의 최적화를 위해서 학습 요소들을 변화시켜 신경망의 성능을 평가한 결과를 종합하면, 기동시각 및 정지시각 결정을 위한 신경망 학습요소들의 최적값은 도 7 의 표와 같다.

도 8 은 최적 난방 기동시 최적값을 적용한 인공 신경망을 나타낸 것이고, 도 9 는 최적 난방 정지시 최적값을 적용한 인공 신경망을 나타낸 것이고, 도 10 은 냉방 기동시 최적값을 적용한 인공 신경망을 나타낸 것이다.

한편, 공조실행단계는 인공 신경망을 통하여 계산된 출력값을 사용하여 공조 시스템을 제어하고, 이때 얻어지는 데이터를 사용하여 지속적인 학습이 가능하도록 하는 단계로, 매 시간 입력 변수 값을 취득하고, 이를 토대로 신경망의 출력 값을 계산한다. 신경망의 출력값의 의미는 현재 조건에서 최적 기동 시 공조 설비를 기동할 경우 설정 온도에 도달할 때까지 걸리는 시간과, 최적 정지 시 공조 설비를 정지할 경우 설정 온도의 하안에 도달할 때까지 걸리는 시간이다.

이것을 현재 시각과 출근시각, 재실 종료 시각의 시간 간격과 비교하여 오차를 구한 후 현재 시점에서 공조기를 기동할 것인지 정지할 것인지의 여부를 결정한다.

상기 오차가 허용범위 내에 들어오는 경우 공조기를 가동하게 되며, 오차가 허용범위를 벗어난 경우 오차가 허용범위 내에 들어올 때 까지 지속적으로 계산되는 출력값과 출근시각, 재실 종료 시각의 시간간격과 비교하게 된다.

오차가 허용범위 내에 들어와 공조기를 가동할 경우 공조기가 가동되는 시점의 4개의 입력값 및 시각을 저장하고, 목표온도에 도달했을 때 까지의 시간을 측정하고 저장하고, 목표 도달시간과 출근시간의 차를 계산하여 실제오차를 계산하여 저장한다. 상기 저장값들은 정규화 값으로 계산되어 저장되고, 이 데이터들은 신경망을 통하여 학습이 이루어져 시간이 지나 데이터가 많이 늘어날 수록 공조제어가 정확하게 이루어지도록 하는 효과가 있는 것이다.

최적 기동을 위한 논리적인 흐름도는 도 11 와 같으며, 최적 정지를 위한 논리적인 흐름도는 도 12 과 같다.

우선 도 11 을 보면 최적 기동을 위한 플로우챠트가 나타나 있다.

도면에서 보는 바와 같이 일정시각마다 입력변수인 실온, 외기온 및 일정시간 단위의 실온 변동률 및 외기온 변동률을 측정하고, 상기 측정값을 0.1에서 0.9까지의 값으로 정규화시킨다. 데이터는 학습을 위한 최소의 데이터가 될 때까지 측정을 계속하게 되며, 필요한 학습 데이터의 양을 만족하게 되면 학습을 통하여 공조시간을 계산하여 제어할 수 있다.

상기 수집된 정규화값을 인공신경망에 적용하여 공조시작시 목표온도까지 도달하는 시간인 출력값을 계산한다. 계산된 출력값은 현재부터 출근시간까지 남은 시간과 비교하여 오차를 계산하게 된다. 상기와 같이 계산된 오차가 허용범위(-5≤오차≤5) 내에 있는 경우 공조기를 가동하게 된며, 허용범위를 벗어나는 경우 출력값과 현재부터 출근시간까지 남은 시간을 지속적으로 비교하여 오차를 계산한다.

오차가 허용범위 안에 들어서 공조기를 가동하는 경우 공조기 가동시점에서의 실온, 외기온, 실온 변동률, 외기온 변동률, 가동시각을 저장한다. 또한, 목표온도에 도달했을 때의 목표온도 도달 시각을 저장하고 실제 출근시간과 비교하여 실제 오차를 계산한다.

상기와 같이 저장된 입력변수를 정규화 하여 저장하고, 목표온도 도달 시각 및 실제 오차를 저장하여 신경망의 학습 데이터로 사용함으로서 시간이 지남에 따라 공조 시스템의 제어가 보다 정확해 질 수 있도록 하는 것이다.

한편, 도 12 를 보면 최적 정지를 위한 플로우챠트가 나타나 있다.

상기 수집된 정규화값을 인공신경망에 적용하여 공조 정지시 목표온도까지 도달하는 시간인 출력값을 계산한다. 계산된 출력값은 현재부터 퇴근(재실종료)시간까지 남은 시간과 비교하여 오차를 계산하게 된다. 상기와 같이 계산된 오차가 허용범위(-5≤오차≤5) 내에 있는 경우 공조기를 정지하게 되며, 허용범위를 벗어나는 경우 출력값과 현재부터 퇴근시간까지 남은 시간을 지속적으로 비교하여 오차를 계산한다.

오차가 허용범위 안에 들어서 공조기를 가동하는 경우 공조기 정지시점에서의 실온, 외기온, 실온 변동률, 외기온 변동률, 정지시각을 저장한다. 또한, 목표온도에 도달했을 때의 목표온도 도달 시각을 저장하고 실제 퇴근시간과 비교하여 실제 오차를 계산한다.

엔탈피 제어 알고리즘은 실내와 외부 공기의 엔탈피를 비교하여 엔탈피 제어 운전의 여부를 판단한다. 도 14 에 나타나 있는 순서도와 같이 실내 온도와 외기 온도, 실내 습도와 외기 습도를 측정하여 가동 시간대, 엔탈피 제어 알고리즘 사용 유무, 냉방/난방 설정을 입력 인자로 받아서 댐퍼 및 송풍기 제어를 수행한다. 즉, 연산된 실내 엔탈피가 실외 엔탈피보다 크고, 엔탈피 제어 운전을 사용하도록 운전자가 허용했을 때, 열원기기로부터 오는 부하를 잠그고 모든 부하를 외기를 도입하여 냉방운전을 수행하도록 한다.

봄, 가을 및 장마철에는 실내보다 외기 온도가 낮은 경우가 많이 있으며, 이런 조건에서 냉방이 필요하다면 외기를 최대한 유입하여 실내 온도를 조절할 수 있다.

즉, 엔탈피는 온도와 습도를 통해 연산되며, 엔탈피가 클수록 습공기가 함유하고 있는 에너지 양이 크다는 것을 의미한다. 따라서, 실내 엔탈피 수치가 외기의 엔탈피 수치보다 클 때, 엔탈피 제어가 시작된다. 이렇듯 열원기기를 통해 기계적인 냉방으로 공급하는 급기량을 최소로 하고, 차가운 외기를 실내로 공급함으로써 효과적으로 빌딩의 냉방 비용을 줄일 수 있다.

나이트 퍼지 알고리즘은 일출 전에 찬 외기를 유입하여 실내 온도를 낮추는 기술로 냉방시간과 냉방부하를 줄이는 것이 목적이다. 이 알고리즘은 냉방기에만 제어되는 것으로 이른 아침의 외기를 이용하여 기계적인 냉방이 시작되기 전에 건물을 예냉하는 운전 방법이다. 해가 뜨기 전에 외기를 적극적으로 실내에 도입하여 건물구조체 및 실내의 온도를 낮추어 주간 시간대의 냉방 열원기기의 가동시간을 줄인다. 즉 외기 댐퍼를 100%로 유지하여 공조기를 가동하는 것이다.

단 나이트 퍼지 알고리즘 제어의 적용요건은 겨울철과 휴일에는 적용이 되지 않아야 하며, 외기와 실내의 엔탈피 차가 지정 이상인 경우와, 실내온도가 지정 이상알 경우에 적용되어 동작하도록 한다.

듀티 사이클 제어 알고리즘은 일반적으로 공조를 시작하게 되면, 특별한 이유가 없는 이상 공조 정지 시각이 되기 전까지 공조기는 연속적으로 기동된다. 경우에 따라서 공조기를 일시적으로 정지하여도 실내 온도 조건은 크게 영향 받지 않을 수 있으나, 운영 상의 불편함 또는 혹시 모를 쾌적성 저해 가능성 때문에 수동으로 공조기를 일시 정지했다가 다시 기동하는 운영 방식을 취하는 경우는 드물다. 듀티 사이클은 실내 온도를 감시하여 미리 정하여진 쾌적 온도 범위 내에서 실내 온도를 유지 시키면서 공조가 불필요한 때에는 공조기의 급기 팬과 화기 팬을 일시 정지함으로써 에너지 절약의 효과를 얻는 제어 알고리즘이다.

듀티 사이클 제어 알고리즘의 적용 시기는 공조를 시작한 후 워밍업이 끝나고 정상적인 공조를 들어간 이후에 시작된다. 예를 들면 도 4 에서 보는 바와 같이 듀티 사이클은 공조를 시작하여 워밍업이 끝난 후 재실 시간에 들어가면서 부터인 오전 10시부터 오후 6시까지 적용할 수 있다.

듀티 사이클에 의한 공조기 정지 여부는 매시 일정한 시간동안 온도를 만족하였으면 공조기를 정지하며, 그렇지 않으면 공조기를 정지하지 않는다. 예를 들면, 매시 40분에 여부를 결정한다고 하면, 듀티 사이클 주기를 시작한 후 40분동안 설정 온도를 단 한번도 벗어나지 않았다면 공조기를 정지하고, 그렇지 않다면 공조기를 계속 기동하도록 한다.

한편, 공조기가 정지된 후 온도를 체크하여 온도가 변화 허용 범위를 벗어나 실내 쾌적성을 나쁘게 한다고 판단된 경우 정지된 공조기를 다시 가동한다. 그러나, 온도가 변화 허용 범위 내에 있는 경우에는 그 다음 듀티 사이클 주기가 시작될 때까지 정지 상태를 유지하며, 새로운 듀티 사이클 주기가 시작될 때 정지된 공조기를 다시 기동한다.

이와 같은 단계로 이루어진 된 본 발명의 작용효과를 설명하면 다음과 같다.

도 15 은 본 발명의 공조 시스템의 재실시간 및 공실시간에 대한 공조 시스템의 최적기동 및 최적정지 시간과, 기동시간중에 제어 알고리즘을 나타낸 것이다.

우선 재실 시작 시각이 되기 전에 어느 정도 공조 시스템을 가동하여 재실자가 빌딩 내부로 들어왔을 경우 쾌적함을 느낄 수 있도록 해야 한다. 이때 최적 기동 알고리즘을 사용하게 되는데, 최적 기동 알고리즘은 재실 시작 시각이 되기 전 어느 시각에 공조기를 기동하면 가장 재실 시각에 가깝게 실내 온도가 설정 온도에 도달할 것인가를 결정하기 위한 것이다. 이를 위하여 처음은 정해진 설정시간에 공조 시스템을 가동하여 목표한 온도까지 올라가는 시간을 측정하고 이를 저장한다.

이러한 데이터의 저장을 반복하여 어느 정도 데이터가 쌓이게 되면, 이를 바탕으로 인공 신경망을 통하여 학습을 하게 된다. 즉, 최초 시작 온도에서 목표 온도까지 도달하는 시간에 대한 데이터를 분석하여 학습하게 되는 것이다.

이러한 학습단계가 끝나면 학습한 그대로 공조 시스템을 제어하여 목표 온도까지 올라가기 위한 최적의 시간을 분석하고, 재실 시작 시각 이전에 공조 시스템을 가동함으로써 재실 시작 시각에는 정확히 목표 온도에 도달할 수 있도록 함으로써 에너지를 절약할 수 있도록 한다.

즉, 충분한 사전 쿨링 다운 시간을 확보하기 위해 다소 일직 공조를 시작한 것에 반해 최적 기동은 과거의 경험치를 토대로 동작하는 신경망에 의해 에너지 사용 관점에서 가장 최적의 시각에 공조를 시작하기 때문에 기존 방법에 비해 공조 시작 시간이 비교적 뒤로 늦춰지기 때문에 그만큼의 에너지가 절약되는 것을 알 수 있다.

공조 시스템이 가동되기 시작하면 듀티 사이클 제어 알고리즘을 적용하여 제어를 하게 된다. 실내 온도를 감시하여 미리 정하여진 쾌적 온도 범위 내에서 실내 온도를 유지 시키면서 공조가 불필요한 때에는 공조기의 급기 팬과 화기 팬을 일시 정지하고, 공조기가 정지된 후 온도를 체크하여 온도가 변화 허용 범위를 벗어나 실내 쾌적성을 나쁘게 한다고 판단된 경우 정지된 공조기를 다시 가동한다. 그러나, 온도가 변화 허용 범위 내에 있는 경우에는 그 다음 듀티 사이클 주기가 시작될 때까지 정지 상태를 유지하며, 새로운 듀티 사이클 주기가 시작될 때 정지된 공조기를 다시 기동함으로써 함으로써 에너지 절약의 효과를 얻는 제어 알고리즘이다.

또한, 실내와 외부 공기의 엔탈피를 비교하여 엔탈피 제어 운전의 여부를 판단하는 엔탈피 제어 알고리즘을 사용함으로써 실내 온도와 외기 온도, 실내 습도와 외기 습도를 측정하여 가동 시간대, 엔탈피 제어 알고리즘 사용 유무, 냉방/난방 설정을 입력 인자로 받아서 댐퍼 및 송풍기 제어를 수행한다. 즉, 연산된 실내 엔탈피가 실외 엔탈피보다 크고, 엔탈피 제어 운전을 사용하도록 운전자가 허용했을 때, 열원기기로부터 오는 부하를 잠그고 모든 부하를 외기를 도입하여 냉방운전을 수행하도록 함으로써 공조 시스템의 기동을 인한 냉방이 아닌 외기를 도입하여 냉방을 할 수 있도록 하여 열원기기를 통해 기계적인 냉방으로 공급하는 급기량을 최소로 하고, 차가운 외기를 실내로 공급함으로써 효과적으로 빌딩의 냉방 비용을 줄일 수 있다.

재실 시각이 끝나고 공조 시스템을 정지해야 할 경우 최적 정지 알고리즘을 적용한다. 최적 정지는 재실 종료 시각이 되기 전 어느 시각에 공조 설비를 정지할 때 재실 종료 시각에 가깝게 실내 온도가 설정 온도의 하안 범위를 벗어날 것인가를 결정하기 위한 것이다. 이를 위하여 처음은 정해진 설정시간에 공조 시스템을 정지하여 취득한 학습 데이터는 특정한 외기온, 실온, 외기온 변동율, 실온 변동율 조건건이며, 최적 기동시 공조 설비를 기동했을 때 실내 온도가 설정 온도까지 도달하는 시간의 데이터이고, 최적 정지시 공조 설비를 정지했을 때 실내 온도가 설정 온도의 하안까지 도달하는 시간의 데이터를 취득한다.

이러한 데이터의 저장을 반복하여 어느 정도 데이터가 쌓이게 되면, 이를 바탕으로 인공 신경망을 통하여 학습을 하게 된다. 즉, 설정 하안 온도까지 도달하는 시간에 대한 데이터를 분석하여 학습하게 되는 것이다.

이러한 학습단계가 끝나면 최적 정지 시 공조 설비를 정지할 경우 설정 온도의 하안에 도달할 때까지 걸리는 시간을 분석하여 현재 시각과 재실 시각, 재실 종료 시각의 시간 간격과 비교하여 현재 시점에서 공조기를 기동할 것인지 정지할 것인지의 여부를 결정함으로써 빌딩 내에 사람이 나가는 시점에 설정 하안온도가 되도록 하여 빌딩 내에 사람이 없을 때 공조 시스템이 기동되는 것을 줄임으로써 에너지 절약을 할 수 있도록 한다.

한편, 나이트 퍼지 알고리즘은 일출 전에 찬 외기를 유입하여 실내 온도를 낮추는 기술로 냉방시간과 냉방부하를 줄이는 것이 목적이며, 최적 기동 알고리즘을 적용하기 전에 이른 아침의 외기를 이용하여 기계적인 냉방이 시작되기 전에 건물을 예냉하는 알고리즘이다. 즉, 해가 뜨기 전에 외기를 적극적으로 실내에 도입하여 건물구조체 및 실내의 온도를 낮추어 주간 시간대의 냉방 열원기기의 가동시간을 줄임으로써 에너지를 절약할 수 있도록 한다.

상술한 실시 예는 본 발명의 가장 바람직한 예에 대하여 설명한 것이지만, 상기 실시 예에만 한정되는 것은 아니며, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양한 변형이 가능하다는 것은 당업자에게 있어서 명백한 것이다.

부호 없음

Claims

최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법에 있어서, 일정시각마다 실온, 외기온을 측정하는 단계(S11);입력변수인 일정시각마다 측정되는 실온, 외기온 및 일정시간 단위의 외기온 변동율 및 실온 변동율을 측정하는 단계(S12); 측정한 입력변수를 0.1에서 0.9사이의 값으로 정규화 시키는 단계(S13)를 포함하는 자료수집단계(S10)와;
상기 수집된 정규화값을 인공신경망에 적용하여 공조시작시 목표온도까지 도달하는 시간인 출력값을 계산하는 단계(S21); 상기 출력값과 현재부터 출근까지의 시간을 비교하여 오차를 계산하는 단계(S22); 상기 오차가 허용범위 내에 있으면 공조를 시작하는 단계(S23); 상기 공조 시작시의 입력값과 시각을 저장하는 단계(S24); 목표온도에 도달했을 때의 시간을 측정하여 저장하는 단계(S25); S25단계에서의 목표온도 도달시간과 출근시간을 비교하여 실제 오차를 계산하는 단계(S26); 목표온도까지 도달할 때 시간 및 정규화값 계산 및 저장하는 단계(S27); 공조시작시의 4개의 정규화 값과 S27단계에서 계산된 목표온도 도달 시간 정규화 값을 이용하여 기존 신경망에 학습을 실시하는 단계(S28)를 포함하는 공조실행단계(S20)로 이루어진 최적 기동 알고리즘을 포함하는 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
청구항 1 에 있어서,
상기 인공 신경망은 연산 처리를 하는 단위인 뉴런과, 하나 이상의 뉴런들이 이루는 입력층 및 출력층과, 상기 입력층과 출력창 사이에 다수의 뉴런으로 구성된 은닉층을 형성하여 처리하도록 구성되되, 난방 기동의 경우 상기 은닉층은 9개의 뉴런을 가지고 있으며, 3개의 은닉층을 가지고, 학습률은 0.55, 모멘트는 0.80인 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
청구항 2 에 있어서,
상기 인공 신경망은 냉방 기동의 경우 상기 은닉층은 9개의 뉴런을 가지고 있으며, 1개의 은닉층을 가지고, 학습률은 0.90, 모멘트는 0.80인 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법에 있어서, 일정시각마다 실온, 외기온을 측정하는 단계(S31);입력변수인 일정시각마다 측정되는 실온, 외기온 및 일정시간 단위의 외기온 변동율 및 실온 변동율을 측정하는 단계(S32); 측정한 입력변수를 0.1에서 0.9사이의 값으로 정규화 시키는 단계(S33)를 포함하는 자료수집단계(S30)와;
상기 수집된 정규화값을 인공신경망에 적용하여 공실 시작 시각과의 간격을 계산하여 최적 정지시간인 출력값을 계산하는 단계(S41); 상기 출력값과 현재부터 공실 시작까지의 시간을 비교하여 오차를 계산하는 단계(S42); 상기 오차가 허용범위 내에 있으면 공조를 정지하는 단계(S43); 상기 공조 정지시의 입력값과 시각을 저장하는 단계(S44); 목표온도에 도달했을 때의 시간을 측정하여 저장하는 단계(S45); S45단계에서의 목표온도 도달시간과 공실 시작 시각을 비교하여 실제 오차를 계산하는 단계(S46); 목표온도까지 도달할 때 시간 및 정규화값 계산 및 저장하는 단계(S47); 공조 정지시의 4개의 정규화 값과 S27단계에서 계산된 목표온도 도달 시간 정규화 값을 이용하여 기존 신경망에 학습을 실시하는 단계(S48)를 포함하는 공조정지단계(S40)로 이루어진 최적 정지 알고리즘을 포함하는 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
청구항 4 에 있어서,
상기 인공 신경망은 연산 처리를 하는 단위인 뉴런과, 하나 이상의 뉴런들이 이루는 입력층 및 출력층과, 상기 입력층과 출력창 사이에 다수의 뉴런으로 구성된 은닉층을 형성하여 처리하도록 하되, 난방 정지시 인공신경망의 경우 상기 은닉층은 11개의 뉴런을 가지고 있으며, 2개의 은닉층을 가지고, 학습률은 0.45, 모멘트는 0.70인 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
청구항 1 또는 4 중 어느 한 항에 있어서,
상기 빌딩 공조 제어 방법에는 실내와 외부 공기의 엔탈피를 비교하는 단계; 실내 온도와 외기 온도, 실내 습도와 외기 습도를 측정하는 단계; 실내 온도와 외기 온도, 실내 습도와 외기 습도를 사용하여 엔탈피를 연산하는 단계; 가동 시간대, 엔탈피 제어 알고리즘 사용 유무, 냉방/난방 설정을 입력 인자로 받아들이는 단계; 연산된 실내 엔탈피가 실외 엔탈피보다 크면 열원기기로부터 오는 부하를 잠그고 모든 부하를 외기를 도입하여 냉방운전을 수행하도록 하는 단계로 구성되는 엔탈피 제어 알고리즘을 더 포함하는 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
청구항 1 또는 4 중 어느 한 항에 있어서,
상기 빌딩 공조 제어 방법에는 외기와 실내의 엔탈피 차이를 측정하는 단계; 실내 온도를 측정하는 단계; 엔탈피가 지정 이상인 경우와, 실내온도가 지정 이상일 경우에 동작하여 실외의 외기를 실내에 도입하는 단계; 실내온도의 변화가 없으면 가동을 중지하는 단계로 이루어져 외기를 사용하여 실내의 온도를 낮추어 주간 시간대의 냉방 열원기기의 가동시간을 줄인 수 있도록 하는 나이트 퍼지 알고리즘을 더 포함하는 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.
청구항 1 또는 4 중 어느 한 항에 있어서,
상기 빌딩 공조 제어 방법에는 실내 온도를 감시하여 매시 일정한 시간동안 온도를 만족하였으면 공조기를 정지하는 단계; 공조기가 정지된 후 온도를 체크하여 온도가 변화 허용 범위를 벗어나는 경우 정지된 공조기를 다시 가동하는 단계; 온도가 변화 허용 범위 내에 있는 경우에는 그 다음 주기가 시작될 때까지 정지 상태를 유지하며, 새로운 듀티 사이클 주기가 시작될 때 정지된 공조기를 다시 기동하도록 하는 단계;를 포함하는 듀티 사이클 제어 알고리즘을 더 포함하는 것을 특징으로 하는 최적화 에너지 메니지먼트 시스템을 이용한 빌딩 공조 제어 방법.