KR20130065844A - 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 - Google Patents
지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20130065844A KR20130065844A KR1020110128513A KR20110128513A KR20130065844A KR 20130065844 A KR20130065844 A KR 20130065844A KR 1020110128513 A KR1020110128513 A KR 1020110128513A KR 20110128513 A KR20110128513 A KR 20110128513A KR 20130065844 A KR20130065844 A KR 20130065844A
- Authority
- KR
- South Korea
- Prior art keywords
- efficiency
- facility
- data
- state information
- operating
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013178 mathematical model Methods 0.000 claims abstract description 24
- 238000005265 energy consumption Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 55
- 238000012546 transfer Methods 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 27
- 230000007423 decrease Effects 0.000 claims description 14
- 230000006866 deterioration Effects 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000011002 quantification Methods 0.000 claims description 11
- 238000004378 air conditioning Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 7
- 238000006731 degradation reaction Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000009423 ventilation Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims 1
- 238000013480 data collection Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법이 개시된다. 지능형 빌딩 에너지 설비 효율 관리 시스템은 빌딩이 위치한 지역의 기상 데이터 또는 빌딩에서 가동 중인 설비의 성능과 관련된 사양 데이터 중 적어도 하나의 외부 데이터, 설비의 운전 조건을 나타내는 운전 데이터, 및 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 데이터 수집부; 운전 상태 정보를 이용하여 설비의 운전 효율 값을 계산하는 효율 정량화부; 설비의 운전 상태 정보 및 운전 효율 값을 저장하는 데이터베이스; 및 데이터베이스에 저장된 운전 상태 정보 및 운전 효율 값으로부터 설비의 운전 효율에 대한 변화 추이를 나타내는 수학적 모델을 생성한 후, 수학적 모델을 기준으로 설비의 효율 저하 여부를 진단하고 설비의 효율이 저하되는 요인에 해당되는 운전 상태 정보를 선별하는 설비 효율 진단부를 포함할 수 있다.
Description
본 발명의 실시예들은 빌딩에서 비효율적인 설비 운전으로 인한 에너지 낭비를 저감하기 위해 빌딩 에너지 설비 효율을 자동으로 진단하고 관리하는 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법에 관한 것이다.
최근의 빌딩들은 대형화, 그리고 고기능화 되어 공조, 위생, 전력, 방범, 방재 등 각종 설비들이 구축되어 있다. 그 가운데, 빌딩 에너지 설비(Building Energy Equipments)는 전기, 가스 등과 같은 에너지를 사용하여 빌딩 내의 냉방, 난방, 공조, 환기 등의 빌딩 서비스를 제공하기 위한 열원을 생산하고 공급하는 열원 및 열반송 설비이다.
이러한 빌딩 에너지 설비는 건물의 전체 에너지 소비량의 약 30% 이상을 차지하는 에너지 다소비 설비이다. 또한, 전부하(full load)를 가정하여 설계되기 때문에 대부분의 경우 부분 부하로 운전되는 빌딩 에너지 설비의 실제 운전 효율은 설계 기준에서 제시된 정격 효율과 차이가 있기 마련이며, 이러한 비효율적인 설비 운전이 교정 없이 지속될 경우 연간 건물 에너지 사용량은 30~50% 이상 증가할 수 있다.
따라서, 빌딩에서의 에너지 낭비를 최소화하기 위해서는 가동하고 있는 빌딩 에너지 설비의 운전 시 실제 효율을 지속적으로 감시하여 설비를 최적의 상태로 유지 및 운전할 필요가 있다. 하지만, 설비 운영자가 복잡하고 대형화된 공조 시스템이나 관련 장비의 운전 효율을 필요 시마다 수동으로 계산하거나 계산된 효율 값으로부터 설비의 효율 저하를 진단하는 것은 높은 인건비와 낮은 신뢰성으로 문제가 많은 방식이라 할 수 있다.
현재, 건물 자동화 시스템(BAS: Building Automation System)과 건물 에너지 관리 시스템(BEMS: Building Energy Management System or EMCS: Energy Management Control System)이나 최근 개발되고 있는 설비 성능 진단 시스템에서는 각종 센서를 통해 계측한 설비의 운전 데이터를 활용하여 설비의 성능 및 효율을 자동으로 계산하고 이를 다양한 그래프 형태로 설비 운영자에게 제공하고 있다. 그러나, 설비 효율 정보 및 그래프를 활용하여 설비의 효율 저하 여부를 판단하고, 효율 저하 시 이를 유발한 원인을 도출하는 것은 여전히 건물 관리자 또는 설비 운영자 개인의 몫으로 남아 있다.
따라서, 본 명세서에서는 빌딩 에너지 설비의 가동 시 설비에 대한 운전 환경과 에너지 소비현황을 포함하는 설비 운전 데이터와 에너지 데이터를 주기적으로 계측, 저장, 관리하고, 이러한 실측 데이터를 기반으로 가동 중인 설비의 실제 운전 효율을 정량화하여 설비의 운전 효율 상태를 지속적으로 감시 및 모니터링하고, 자동으로 설비의 효율 저하 여부를 판단하여 효율 저하 시 비효율적인 설비 운전에 가장 큰 영향을 미치고 있는 운전 조건 및 환경 요소를 규명하여 빌딩 관리자 또는 설비 운영자에게 제공해주는 기술이 제안된다.
빌딩 관리자나 설비 운영자에 의한 수동적인 설비 효율 관리의 문제점을 해결하기 위한 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법을 제공한다.
보다 상세하게는, 설비의 운전 효율을 실시간 설비 운전 데이터와 에너지 데이터를 기반으로 주기적으로 정량화하여 자동으로 설비의 효율 저하를 진단할 수 있는 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법을 제공한다. 또한, 효율 저하에 영향을 미친 운전 조건 및 환경 요인을 규명하여 빌딩 관리자나 설비 운영자에게 제시할 수 있는 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법을 제공한다.
빌딩에서 가동 중인 설비의 운전 조건을 나타내는 운전 데이터 및 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 데이터 수집부; 및 운전 상태 정보를 이용하여 설비의 운전 효율 값을 계산하는 효율 정량화부를 포함하는 지능형 빌딩 에너지 설비 효율 관리 시스템을 제공한다. 이때, 설비의 운전 효율 값은 빌딩과 관련된 관리자에게 제공되거나, 설비의 에너지 효율을 진단하기 위해 이용될 수 있다.
일 측면에 따르면, 설비는 냉방, 난방, 공조, 환기 중 적어도 하나의 빌딩 서비스를 제공하기 위한 열원을 생산하고 공급하는 열원 및 열반송 설비를 의미할 수 있다.
다른 측면에 따르면, 데이터 수집부는 빌딩이 위치한 지역의 기상 데이터 또는 설비의 성능과 관련된 사양 데이터 중 적어도 하나의 외부 데이터를 더 수집할 수 있다. 이때, 효율 정량화부는 설비의 운전 효율 값을 계산하기 위해 운전 데이터 및 에너지 데이터와 함께 외부 데이터를 이용할 수 있다.
또 다른 측면에 따르면, 효율 정량화부는 설비에 대한 성능 계수(coefficient of performance)가 정의된 효율 계산식에 운전 데이터 및 에너지 데이터를 적용하여 운전 효율 값을 계산할 수 있다.
또 다른 측면에 따르면, 지능형 빌딩 에너지 설비 효율 관리 시스템은 설비의 운전 상태 정보 및 운전 효율 값을 운전 효율 값이 계산된 시간 정보와 함께 저장하는 데이터베이스; 및 운전 효율 값에 대한 변화 추이를 나타내는 수학적 모델을 기준으로 설비의 에너지 효율을 진단하는 설비 효율 진단부를 더 포함할 수 있다.
또 다른 측면에 따르면, 설비 효율 진단부는 데이터베이스로부터 시간 정보에 기초하여 운전 효율 값의 시계열 데이터를 입력 받아 수학적 모델을 생성한 후, 수학적 모델을 통해 설비의 최근 운전 효율 값을 예측하는 추이 분석부; 예측된 운전 효율 값과 데이터베이스에 가장 최근에 저장된 운전 효율 값을 비교하여 설비의 효율 저하 여부를 판단하는 효율 판단부; 및 설비의 효율이 저하된 것으로 판단되면 일정 기간 동안의 운전 상태 정보를 이용하여 설비의 운전 효율 상태를 구분하는 수학적 결정경계(decision boundary) 모델을 생성한 후, 수학적 결정경계 모델을 통해 설비의 효율이 저하된 저하 요인을 선별하는 원인 분석부를 포함할 수 있다.
또 다른 측면에 따르면, 추이 분석부는 데이터베이스에 저장된 운전 효율 값 중 가장 최근에 저장된 운전 효율 값을 제외한 시계열 데이터를 이용하여 자기회기 모델(auto-regression model) 또는 이동평균 모델(moving average model) 중 적어도 하나의 수학적 모델을 생성할 수 있다.
또 다른 측면에 따르면, 효율 판단부는 예측된 운전 효율 값과 가장 최근에 저장된 운전 효율 값의 차이가 임계치 이상일 경우 설비의 효율이 저하된 것으로 판단할 수 있다.
또 다른 측면에 따르면, 설비의 효율 저하 여부는 설비의 효율 저하 여부가 판단된 시간 정보와 함께 데이터베이스에 저장될 수 있다. 이때, 원인 분석부는 데이터베이스에 저장된 운전 상태 정보 및 설비의 효율 저하 여부를 통해 설비의 효율이 저하된 경우의 운전 상태 정보와 설비의 효율이 저하되지 않은 경우의 운전 상태 정보를 구분하는 수학적 결정경계 모델을 학습하여, 학습된 수학적 결정경계 모델을 통해 설비의 효율이 저하된 운전 상태 정보를 선별할 수 있다.
또 다른 측면에 따르면, 지능형 빌딩 에너지 설비 효율 관리 시스템은 설비의 운전 효율 값, 설비의 효율 저하 여부, 및 설비의 효율이 저하된 저하 요인을 표시하는 정보 표시부를 더 포함할 수 있다.
빌딩이 위치한 지역의 기상 데이터 또는 빌딩에서 가동 중인 설비의 성능과 관련된 사양 데이터 중 적어도 하나의 외부 데이터, 설비의 운전 조건을 나타내는 운전 데이터, 및 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 데이터 수집부; 운전 상태 정보를 이용하여 설비의 운전 효율 값을 계산하는 효율 정량화부; 설비의 운전 상태 정보 및 운전 효율 값을 저장하는 데이터베이스; 및 데이터베이스에 저장된 운전 상태 정보 및 운전 효율 값으로부터 설비의 운전 효율에 대한 변화 추이를 나타내는 수학적 모델을 생성한 후, 수학적 모델을 기준으로 설비의 효율 저하 여부를 진단하고 설비의 효율이 저하되는 요인에 해당되는 운전 상태 정보를 선별하는 설비 효율 진단부를 포함하는 지능형 빌딩 에너지 설비 효율 관리 시스템을 제공한다.
빌딩에서 가동 중인 설비의 운전 조건을 나타내는 운전 데이터 및 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 단계; 운전 상태 정보를 이용하여 설비의 운전 효율 값을 계산하는 단계; 설비의 운전 상태 정보 및 운전 효율 값을 운전 효율 값이 계산된 시간 정보와 함께 데이터베이스에 저장하는 단계; 데이터베이스에 저장된 운전 상태 정보 및 운전 효율 값으로부터 설비의 운전 효율에 대한 변화 추이를 나타내는 수학적 모델을 생성하는 단계; 및 수학적 모델을 기준으로 설비의 효율 저하 여부 및 효율 저하 원인을 진단하는 단계를 포함하는 지능형 빌딩 에너지 설비 효율 관리 방법을 제공한다.
본 발명의 실시예들에 따르면, 빌딩의 운영 단계에서 가동 설비의 운전 효율을 실제 운전 데이터와 에너지 데이터를 기반으로 정량화 하여 지속적으로 감시할 수 있으며, 정량화된 설비 효율의 트랜드 및 추이 분석을 통해 자동으로 설비의 효율 저하를 판단하고 효율 저하에 영향을 미친 운전조건과 환경요인을 분석하여 빌딩 관리자나 설비 운영자에게 제시해 줄 수 있다.
따라서, 빌딩 관리자나 설비 운영자는 열원 및 열반송 설비 효율 저하를 초래한 운전 요인에 즉각 대응할 수 있어 비효율적인 설비 운전으로 인한 에너지 낭비를 최소화 할 수 있다. 또한, 자동 진단 시스템의 도입으로 설비 효율 분석을 위한 외부 전문가의 인건비는 물론, 설비의 운전 및 유지보수 비용을 절감할 수 있으며 지속적인 열원 및 열반송 시스템의 효율 감시를 통해 설비의 손상 및 노후화를 지연할 수 있다.
도 1은 본 발명의 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 시스템의 내부 구성을 도시한 블록도이다.
도 2는 본 발명의 일실시예에 있어서, 추이 분석부의 상세 구성을 도시한 블록도이다.
도 3은 본 발명의 일실시예에 있어서, 효율 판단부 및 원인 분석부의 상세 구성을 도시한 블록도이다.
도 4는 본 발명의 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 방법을 도시한 흐름도이다.
도 2는 본 발명의 일실시예에 있어서, 추이 분석부의 상세 구성을 도시한 블록도이다.
도 3은 본 발명의 일실시예에 있어서, 효율 판단부 및 원인 분석부의 상세 구성을 도시한 블록도이다.
도 4는 본 발명의 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 방법을 도시한 흐름도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 실시예들은 빌딩에서 비효율적인 설비 운전으로 인한 에너지 낭비를 저감하기 위한 빌딩 에너지 설비 효율을 자동으로 진단하고 관리하는 시스템 및 방법에 관한 것이다.
보다 상세하게는, 본 발명은 빌딩에서 가동 중인 각종 설비의 운전 효율을 정량화 하여 설비의 운전효율 상태를 지속적으로 감시 및 모니터 하고, 자동으로 설비의 운전효율 저하 여부를 판단하여 효율 저하 시에 가장 큰 영향을 미친 원인을 규명할 수 있다.
도 1은 본 발명의 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 시스템의 내부 구성을 도시한 블록도이다.
도 1에 도시한 바와 같이, 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 시스템은 데이터 수집부(100), 데이터 처리부(200), 효율 정량화부(300), 설비 효율 진단부(400), 정보 표시부(500), 데이터베이스(600)를 포함하여 구성될 수 있다.
본 실시예에서는 빌딩에 설치된 설비 중 냉동기, 보일러, 냉각탑(cooling tower), 펌프, 팬, 공조기 등 빌딩 내의 냉방, 난방, 공조, 환기 등의 빌딩 서비스를 제공하기 위한 열원을 생산하고 공급하는 열원 및 열 반송 설비를 대상으로 한다.
데이터 수집부(100)는 빌딩에서 가동 중인 각종 열원 및 열반송 설비의 효율 관리에 필요한 정보(이하, '운전 상태 정보'라 칭함)들을 수집하는 역할을 수행한다. 이를 위하여, 데이터 수집부(100)는 운전 데이터 계측부(110)와, 에너지 데이터 계측부(120)와, 외부 데이터 연동부(130)로 구성될 수 있다. 이때, 데이터 수집부(100)는 운전 데이터 계측부(110), 에너지 데이터 계측부(120), 또는 외부 데이터 연동부(130) 중 적어도 하나의 모듈로 구성될 수 있으며, 경우에 따라 일부 모듈이 선택적으로 생략될 수도 있다. 상세하게, 운전 데이터 계측부(110)는 냉동기, 보일러, 냉각탑, 펌프, 팬, 공조기 등을 포함하는 각종 열원 및 열반송 설비에 구비된 센서로부터 온도, 압력, 유량 등 실시간 운전 조건을 나타내는 운전 데이터를 주기적으로 계측하여 취득할 수 있다. 또한, 에너지 데이터 계측부(120)는 미터 내지 서브 미터로부터 열원 및 열반송 설비의 에너지 소비량을 나타내는 에너지 데이터를 주기적으로 계측하여 취득할 수 있다. 마지막으로, 외부 데이터 연동부(130)는 빌딩에 별도로 설치된 기상 관측기와 연동하거나 기상 관측기가 없는 경우 기상청 서버 연동하여 기상 관측기 또는 기상청에서 제공하는 기상 데이터를 취득할 수 있다. 또한, 외부 데이터 연동부(130)는 설비 관리 시스템(FMS, facility management system)이나 설비 제조 회사로부터 설비의 정격 효율과 성능 곡선 등을 포함하는 설비 제작사양서 데이터를 취득할 수 있다. 즉, 외부 데이터 연동부(130)는 외부 시스템과의 연동을 통해 빌딩이 위치한 지역의 기상 데이터 또는 해당 열원 및 열반송 설비의 성능과 관련된 사양 데이터를 중 적어도 하나의 외부 데이터를 수집하여 취득할 수 있다. 따라서, 데이터 수집부(100)는 빌딩에서 가동 중인 각종 설비의 효율 관리에 필요한 각종 운전 상태 정보를 주기적으로 수집할 수 있다.
효율 정량화부(300)는 열원 및 열반송 설비의 운전 상태 정보인 운전 데이터 및 에너지 데이터, 그리고 외부 데이터를 이용하여 미리 정의된 열원 및 열반송 설비 별 효율 계산식에 의거하여 열원 및 열반송 설비의 운전 효율을 계산하는 역할을 수행한다. 효율 정량화부(300)는 각종 열원 및 열반송 설비의 운전 효율을 진단할 수 있는 설비 별 성능계수(COP, coefficient of performance) 계산식을 정의하고, 데이터 수집부(100)에서 수집된 운전 데이터 및 에너지 데이터, 그리고 외부 데이터를 열원 및 열반송 설비에 대한 성능계수가 정의된 효율 계산식에 대입하여 설비 운전 시의 실제 효율을 주기적으로 계산할 수 있다. 이때, 열원 및 열반송 설비의 운전 효율을 계산하기 위해 이용된 운전 상태 정보(운전 데이터 및 에너지 데이터, 그리고 외부 데이터)는 물론, 실시간 운전 상태 정보를 기초로 계산된 운전 효율 값은 설비의 운전 효율이 정량화 된 시간 정보(time stamp)와 함께 데이터베이스(600)에 저장될 수 있다. 그리고, 데이터베이스(600)에 저장된 운전 효율 값은 정보 표시부(500)를 통해 수치 정보 또는 그래프 형태 등으로 표시되어 빌딩과 관련된 관리자(빌딩 운용자 내지 설비 관리자 등)에게 제공될 수 있다. 또한, 데이터베이스(600)에 저장된 운전 효율 값은 추후 설비 효율 진단부(400)에서 열원 및 열반송 설비의 에너지 효율을 진단하기 위한 목적으로 활용될 수 있다.
설비 효율 진단부(400)는 효율 정량화부(300)를 통해 정량화 된 설비의 운전 효율 값과 수학적 분석 모델을 통해 열원 및 열반송 설비의 효율 저하 여부 및 효율 저하 원인을 진단하는 역할을 수행한다. 이를 위하여, 설비 효율 진단부(400)는 추이 분석부(410)와, 효율 판단부(420)와, 그리고 원인 분석부(430)로 구성될 수 있다. 상세하게, 추이 분석부(410)는 데이터베이스(600)로부터 열원 및 열반송 설비의 운전 효율 값에 대한 시간 정보에 따른 시계열 데이터를 수신하여 열원 및 열반송 설비의 운전 효율에 대한 변화 추이를 나타내는 추이분석 수학적 모델을 생성할 수 있다. 이에, 추이 분석부(410)는 생성된 추이분석 수학적 모델을 통해 해당 열원 및 열반송 설비의 최근 운전 효율 값을 예측할 수 있다. 또한, 효율 판단부(420)는 추이 분석부(410)에서 예측된 운전 효율 값(이하, '설비 효율 예측 값'이라 칭함)과 효율 정량화부(300)에서 계산된 운전 효율 값(이하, '설비 효율 실측 값'이라 칭함)을 비교하여 열원 및 열반송 설비의 효율 저하 여부를 판단할 수 있다. 그리고, 원인 분석부(430)는 효율 판단부(420)에서 열원 및 열반송 설비의 효율이 저하된 것으로 판단 시에 데이터베이스(600)에 저장된 일정 기간 동안의 운전 상태 정보를 취득하여 효율적인 설비운전과 비효율적인 설비운전을 구분하는 수학적 결정경계 모델을 생성한 후, 수학적 결정경계 모델을 통해 열원 및 열반송 설비의 효율 저하에 가장 큰 영향을 미친 효율 저하 요인을 선별할 수 있다.
데이터베이스(600)은 데이터 수집부(100)에서 주기적으로 수집된 열원 및 열반송 설비의 운전 상태 정보(운전 데이터 및 에너지 데이터, 그리고 외부 데이터), 효율 정량화부(300)에서 계산된 열원 및 열반송 설비의 운전 효율 값, 및 설비 효율 진단부(400)에서 진단된 열원 및 열반송 설비의 효율 저하 여부 및 효율 저하 원인을 물리적으로 저장하는 역할을 수행한다. 다시 말해, 데이터베이스(600)은 모듈 간의 데이터 공유를 위해 열원 및 열반송 설비의 운전 상태 정보, 시간 정보에 따른 설비 효율 시계열 데이터, 설비 효율 진단을 위한 분석 모델 및 분석 결과를 저장 및 유지할 수 있다.
데이터 처리부(200)는 각 모듈(즉, 데이터 수집부(100), 효율 정량화부(300), 설비 효율 진단부(400), 또는 정보 표시부(500))에서 생성된 데이터를 저장하기 위해 데이터베이스(600)로 전달하거나, 상기한 모듈에서 필요한 데이터를 데이터베이스(600)로부터 취득하여 처리하는 동작을 통해 모듈 간의 원활한 연동을 담당한다.
정보 표시부(500)는 데이터베이스(600)에 저장된 정보들, 즉 열원 및 열반송 설비의 운전 효율 값, 효율 저하 여부 및 효율 저하 원인 등을 수치 정보 또는 그래프 형태 등으로 표시하여 관리자에게 제공하는 역할을 수행한다. 이에, 관리자는 정보 표시부(500)를 통해 열원 및 열반송 설비의 운전 효율 상태를 지속적으로 감시 및 모니터링 할 수 있다.
이하에서, 도 2와 도 3을 참조하여 열원 및 열반송 설비의 효율 저하 여부 및 효율 저하 원인을 진단하는 과정을 보다 구체적으로 설명하기로 한다.
도 2는 추이 분석부(410)의 상세 구성을 도시한 블록도이다.
도 2에 도시한 바와 같이, 추이 분석부(410)는 추이 분석 모델 학습(411) 모듈과, 설비 효율 예측(412) 모듈로 구성될 수 있다. 이때, 추이 분석 모델 학습(411) 모듈은 데이터 처리부(200)을 통해 데이터베이스(600)로부터 가장 최근에 저장된 운전 효율 값을 제외한 일정 시간 동안의 운전 효율 값에 대한 시계열 데이터를 수신하여 자기회기 모델 및 이동평균 모델 등의 수학적 시계열 분석 모델을 생성할 수 있다. 그리고, 설비 효율 예측(412) 모듈은 앞서 생성된 수학적 시계열 분석 모델로부터 가장 최근의 설비 효율 값(즉, 설비 효율 예측 값)을 예측할 수 있다. 이때, 설비 효율 예측 값은 데이터 처리부(200)를 통해 데이터베이스(600)에 저장하여 효율 판단부(420)에서 활용하도록 한다.
도 3은 효율 판단부(420) 및 원인 분석부(430)의 상세 구성과 입/출력 데이터의 흐름을 도시한 것이다.
효율 판단부(420)는 도 3에 도시한 바와 같이 데이터 처리부(200)를 통해 데이터베이스(600)로부터 최근의 설비 효율 예측 값과 설비 효율 실측 값을 수신하여 두 값의 차이가 미리 설정된 임계치 이상일 경우 열원 및 열반송 설비의 운전 효율이 저하된 것으로 판단한다. 이때, 설비 효율 저하 판단의 정확도를 높이기 위해 설비의 제작사양서 상의 정격 효율과 설비 효율 실측 값의 차이 정도를 추가 사용할 수 있다. 그리고, 효율 판단부(420)에서의 효율 저하 판단 결과는 데이터 처리부(200)를 통해 열원 및 열반송 설비의 효율 저하 여부가 판단된 시점의 시간 정보와 함께 데이터베이스(600)에 저장된다.
그리고, 원인 분석부(430)는 효율 판단부(420)에서의 효율 저하 판단 결과, 설비의 효율이 저하된 것으로 판단 되었을 경우 동작하는 것으로, 도 3에 도시한 바와 같이 결정계수 모델 학습(431) 모듈과, 효율 저하 요소 선별(430) 모듈로 구성될 수 있다. 이때, 결정계수 모델 학습(431) 모듈은 데이터베이스(600)로부터 최근 일정 기간 동안의 운전 상태 정보 및 설비 효율 저하 여부를 수신하여 설비 효율이 저하되었을 경우의 운전 상태 정보와 그렇지 않았을 경우의 운전 상태 정보를 최대로 구분하는 수학적 결정경계 모델을 학습할 수 있다. 그리고, 효율 저하 요소 선별(430) 모듈은 앞서 학습된 결정경계 모델, 즉 결정경계 벡터를 구성하는 계수(coefficient) 중 가장 큰 절대값을 갖는 운전 상태 정보를 최종적으로 설비의 효율을 저하시키는 요인으로 결정할 수 있다. 상기의 결정경계 벡터는 SVM(Support Vector Machine), LDA(Linear Discriminant Analysis), 혹은 이들의 변형 알고리즘을 활용하여 학습할 수 있다. 그리고, 원인 분석부(430)의 결과인 설비 효율 저하 원인 목록들은 데이터 처리부(200)를 통해 데이터베이스(600)에 저장되어 정보 표시부(500)를 통해 관리자에게 제공될 수 있다.
도 4는 본 발명의 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 방법을 도시한 흐름도이다. 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 방법은 도 1을 통해 설명한 일실시예에 따른 지능형 빌딩 에너지 설비 효율 관리 시스템에 의해 각각의 단계가 수행될 수 있다.
도 4를 참조하면, 지능형 빌딩 에너지 설비 효율 관리 시스템은 빌딩에서 가동 중인 열원 및 열반송 설비의 실시간 운전 데이터와 에너지 데이터를 포함하는 운전 상태 정보를 주기적으로 계측하고, 이를 수집 및 저장한다(S401). 이때, 지능형 빌딩 에너지 설비 효율 관리 시스템은 빌딩이 위치한 지역의 기상 데이터 또는 해당 열원 및 열반송 설비의 성능과 관련된 사양 데이터를 중 적어도 하나의 외부 데이터를 추가 수집하여 설비의 운전 상태 정보에 포함시킬 수 있다.
이에, 지능형 빌딩 에너지 설비 효율 관리 시스템은 단계(S401)에서 저장된 운전 상태 정보를 수신하여 현재 시간([t])의 설비 효율을 정량화한 후(S402), 그 결과를 저장한다(S403). 이때, 지능형 빌딩 에너지 설비 효율 관리 시스템은 각종 열원 및 열반송 설비의 운전 효율을 진단할 수 있는 설비 별 성능계수가 정의된 효율 계산식에 운전 상태 정보를 적용하여 설비 효율 실측 값을 계산함으로써 설비의 운전 효율을 정량화 할 수 있다. 정량화 된 설비의 운전 효율 값은 빌딩과 관련된 관리자에게 제공되거나 추후 열원 및 열반송 설비의 에너지 효율을 진단하는 데에 활용될 수 있다.
더 나아가, 지능형 빌딩 에너지 설비 효율 관리 시스템은 현재 시간([t])의 설비 효율 실측 값을 제외한 최근 일정 기간([t-n…t-1]) 동안의 설비 효율 시계열 데이터를 수신하여(S404) 열원 및 열반송 설비의 운전 효율에 대한 변화 추이를 나타내는 추이분석 수학적 모델을 학습한 후(S405), 학습된 모델을 통해 현재 시간([t])에 해당되는 설비 효율을 예측하고(S406) 그 예측 결과인 설비 효율 예측 값을 저장한다(S407).
그리고, 지능형 빌딩 에너지 설비 효율 관리 시스템은 현재 시간에서의 설비 효율 예측 값과 설비 효율 실측 값을 수신하여(S408) 두 값의 차이가 설정한 임계치 보다 큰 경우 설비의 비효율적인 운전으로 인해 설비의 실제 효율이 저하된 것으로 판단한다(S409).
이때, 지능형 빌딩 에너지 설비 효율 관리 시스템은 설비 효율이 저하된 것으로 판단되면, 현재 시간([t])을 포함한 최근 일정 기간([t-n…t]) 동안의 운전 상태 정보 및 설비 효율 저하 여부를 수신한다(S410). 이어, 지능형 빌딩 에너지 설비 효율 관리 시스템은 최근 일정 기간([t-n…t]) 동안의 운전 상태 정보 중에서 설비의 효율이 저하된 경우의 운전 상태 정보와 설비의 효율이 저하되지 않은 경우의 운전 상태 정보를 구분하는 수학적 결정경계 모델을 학습하고(S411), 학습된 수학적 결정경계 모델을 통해 열원 및 열반송 설비의 효율 저하에 가장 큰 영향을 미친 운전 상태 정보를 설비 효율 저하 원인으로 선별할 수 있다(S412).
지능형 빌딩 에너지 설비 효율 관리 시스템은 설비의 효율 저하에 대한 원인 분석 결과를 설비 효율 관리 정보로서 저장한 후(S413) 최종적으로 관리자(빌딩 관리자 내지 설비 운용자)에게 제공할 수 있다(S414).
본 발명의 지능형 빌딩 에너지 설비 효율 관리 방법은 상기한 과정을 정해진 시간 주기로 반복적으로 동작함으로써 관리자로 하여금 지속적으로 빌딩 에너지 설비의 운전 효율을 감시 및 진단할 수 있도록 서비스 할 수 있다.
도 4를 통해 설명한 지능형 빌딩 에너지 설비 효율 관리 방법은 보다 단축된 동작들 또는 추가 동작들을 포함할 수 있다. 또한, 둘 이상의 동작이 조합되거나, 동작들의 순서가 변경될 수 있다.
이와 같이, 본 발명의 실시예들에 따르면, 빌딩의 운영 단계에서 가동 설비의 운전 효율을 실제 운전 상태 정보를 기반으로 정량화 하여 지속적으로 감시할 수 있으며, 정량화된 설비 효율의 트랜드 및 추이 분석을 통해 자동으로 설비의 효율 저하를 판단하고 효율 저하에 영향을 미친 운전 상태 정보를 분석하여 관리자에게 제시해 줄 수 있다.
따라서, 관리자는 열원 및 열반송 설비 효율 저하를 초래한 운전 요인에 즉각 대응할 수 있어 비효율적인 설비 운전으로 인한 에너지 낭비를 최소화 할 수 있다. 또한, 자동 진단 시스템의 도입으로 설비 효율 분석을 위한 외부 전문가의 인건비는 물론, 설비의 운전 및 유지보수 비용을 절감할 수 있으며 지속적인 열원 및 열반송 시스템의 효율 감시를 통해 설비의 손상 및 노후화를 지연할 수 있다.
본 발명의 실시예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 또한, 상술한 파일 시스템은 컴퓨터 판독이 가능한 기록 매체에 기록될 수 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 데이터 수집부
200: 데이터 처리부
300: 효율 정량화부
400: 설비 효율 진단부
500: 정보 표시부
600: 데이터베이스
200: 데이터 처리부
300: 효율 정량화부
400: 설비 효율 진단부
500: 정보 표시부
600: 데이터베이스
Claims (20)
- 빌딩에서 가동 중인 설비의 운전 조건을 나타내는 운전 데이터 및 상기 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 데이터 수집부; 및
상기 운전 상태 정보를 이용하여 상기 설비의 운전 효율 값을 계산하는 효율 정량화부
를 포함하고,
상기 설비의 운전 효율 값은,
상기 빌딩과 관련된 관리자에게 제공되거나, 상기 설비의 에너지 효율을 진단하기 위해 이용되는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제1항에 있어서,
상기 설비는 냉방, 난방, 공조, 환기 중 적어도 하나의 빌딩 서비스를 제공하기 위한 열원을 생산하고 공급하는 열원 및 열반송 설비인 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제1항에 있어서,
상기 데이터 수집부는,
상기 빌딩이 위치한 지역의 기상 데이터 또는 상기 설비의 성능과 관련된 사양 데이터 중 적어도 하나의 외부 데이터를 더 수집하며,
상기 효율 정량화부는,
상기 설비의 운전 효율 값을 계산하기 위해 상기 운전 데이터 및 상기 에너지 데이터와 함께 상기 외부 데이터를 이용하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제1항에 있어서,
상기 효율 정량화부는,
상기 설비에 대한 성능 계수(coefficient of performance)가 정의된 효율 계산식에 상기 운전 데이터 및 상기 에너지 데이터를 적용하여 상기 운전 효율 값을 계산하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제1항에 있어서,
상기 설비의 운전 상태 정보 및 상기 운전 효율 값을 상기 운전 효율 값이 계산된 시간 정보와 함께 저장하는 데이터베이스; 및
상기 운전 효율 값에 대한 변화 추이를 나타내는 수학적 모델을 기준으로 상기 설비의 에너지 효율을 진단하는 설비 효율 진단부
를 더 포함하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제5항에 있어서,
상기 설비 효율 진단부는,
상기 데이터베이스로부터 상기 시간 정보에 기초하여 상기 운전 효율 값의 시계열 데이터를 입력 받아 상기 수학적 모델을 생성한 후, 상기 수학적 모델을 통해 상기 설비의 최근 운전 효율 값을 예측하는 추이 분석부;
상기 예측된 운전 효율 값과 상기 데이터베이스에 가장 최근에 저장된 운전 효율 값을 비교하여 상기 설비의 효율 저하 여부를 판단하는 효율 판단부; 및
상기 설비의 효율이 저하된 것으로 판단되면 일정 기간 동안의 상기 운전 상태 정보를 이용하여 상기 설비의 운전 효율 상태를 구분하는 수학적 결정경계(decision boundary) 모델을 생성한 후, 상기 수학적 결정경계 모델을 통해 상기 설비의 효율이 저하된 저하 요인을 선별하는 원인 분석부
를 포함하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제6항에 있어서,
상기 추이 분석부는,
상기 데이터베이스에 저장된 운전 효율 값 중 가장 최근에 저장된 운전 효율 값을 제외한 상기 시계열 데이터를 이용하여 자기회기 모델(auto-regression model) 또는 이동평균 모델(moving average model) 중 적어도 하나의 상기 수학적 모델을 생성하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제6항에 있어서,
상기 효율 판단부는,
상기 예측된 운전 효율 값과 상기 가장 최근에 저장된 운전 효율 값의 차이가 임계치 이상일 경우 상기 설비의 효율이 저하된 것으로 판단하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제6항에 있어서,
상기 설비의 효율 저하 여부는 상기 설비의 효율 저하 여부가 판단된 시간 정보와 함께 상기 데이터베이스에 저장되고,
상기 원인 분석부는,
상기 데이터베이스에 저장된 상기 운전 상태 정보 및 상기 설비의 효율 저하 여부를 통해 상기 설비의 효율이 저하된 경우의 상기 운전 상태 정보와 상기 설비의 효율이 저하되지 않은 경우의 상기 운전 상태 정보를 구분하는 상기 수학적 결정경계 모델을 학습하여,
상기 학습된 수학적 결정경계 모델을 통해 상기 설비의 효율이 저하된 상기 운전 상태 정보를 선별하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 제6항에 있어서,
상기 설비의 운전 효율 값, 상기 설비의 효율 저하 여부, 및 상기 설비의 효율이 저하된 저하 요인을 표시하는 정보 표시부
를 더 포함하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 빌딩이 위치한 지역의 기상 데이터 또는 상기 빌딩에서 가동 중인 설비의 성능과 관련된 사양 데이터 중 적어도 하나의 외부 데이터, 상기 설비의 운전 조건을 나타내는 운전 데이터, 및 상기 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 데이터 수집부;
상기 운전 상태 정보를 이용하여 상기 설비의 운전 효율 값을 계산하는 효율 정량화부;
상기 설비의 운전 상태 정보 및 상기 운전 효율 값을 저장하는 데이터베이스; 및
상기 데이터베이스에 저장된 상기 운전 상태 정보 및 상기 운전 효율 값으로부터 상기 설비의 운전 효율에 대한 변화 추이를 나타내는 수학적 모델을 생성한 후, 상기 수학적 모델을 기준으로 상기 설비의 효율 저하 여부를 진단하고 상기 설비의 효율이 저하되는 요인에 해당되는 상기 운전 상태 정보를 선별하는 설비 효율 진단부
를 포함하는 지능형 빌딩 에너지 설비 효율 관리 시스템. - 빌딩에서 가동 중인 설비의 운전 조건을 나타내는 운전 데이터 및 상기 설비의 에너지 소비량을 나타내는 에너지 데이터를 포함하는 운전 상태 정보를 수집하는 단계;
상기 운전 상태 정보를 이용하여 상기 설비의 운전 효율 값을 계산하는 단계;
상기 설비의 운전 상태 정보 및 상기 운전 효율 값을 상기 운전 효율 값이 계산된 시간 정보와 함께 데이터베이스에 저장하는 단계;
상기 데이터베이스에 저장된 상기 운전 상태 정보 및 상기 운전 효율 값으로부터 상기 설비의 운전 효율에 대한 변화 추이를 나타내는 수학적 모델을 생성하는 단계; 및
상기 수학적 모델을 기준으로 상기 설비의 효율 저하 여부 및 효율 저하 원인을 진단하는 단계
를 포함하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제12항에 있어서,
상기 설비는 냉방, 난방, 공조, 환기 중 적어도 하나의 빌딩 서비스를 제공하기 위한 열원을 생산하고 공급하는 열원 및 열반송 설비인 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제12항에 있어서,
상기 빌딩이 위치한 지역의 기상 데이터 또는 상기 설비의 성능과 관련된 사양 데이터 중 적어도 하나의 외부 데이터를 수집하는 단계
를 더 포함하고,
상기 설비의 운전 효율 값을 계산하는 단계는,
상기 설비의 운전 효율 값을 계산하기 위해 상기 운전 데이터 및 상기 에너지 데이터와 함께 상기 외부 데이터를 이용하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제12항에 있어서,
상기 설비의 운전 효율 값을 계산하는 단계는,
상기 설비에 대한 성능 계수가 정의된 효율 계산식에 상기 운전 데이터 및 상기 에너지 데이터를 적용하여 상기 운전 효율 값을 계산하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제12항에 있어서,
상기 수학적 모델을 생성하는 단계는,
상기 데이터베이스에 상기 시간 정보에 기초하여 저장된 상기 운전 효율 값의 시계열 데이터 중 가장 최근에 저장된 운전 효율 값을 제외한 상기 시계열 데이터를 이용하여 자기회기 모델 또는 이동평균 모델 중 적어도 하나의 상기 수학적 모델을 생성하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제12항에 있어서,
상기 설비의 효율 저하 여부 및 효율 저하 원인을 진단하는 단계는,
상기 수학적 모델을 통해 상기 설비의 최근 운전 효율 값을 예측하는 단계;
상기 예측된 운전 효율 값과 상기 데이터베이스에 가장 최근에 저장된 운전 효율 값을 비교하여 상기 설비의 효율 저하 여부를 판단하는 단계; 및
상기 설비의 효율이 저하된 것으로 판단되면 일정 기간 동안의 상기 운전 상태 정보를 이용하여 상기 설비의 운전 효율 상태를 구분하는 수학적 결정경계 모델을 생성하여 상기 수학적 결정경계 모델을 통해 상기 설비의 효율이 저하된 저하 요인을 선별하는 단계
를 포함하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제17항에 있어서,
상기 설비의 효율 저하 여부를 판단하는 단계는,
상기 예측된 운전 효율 값과 상기 가장 최근에 저장된 운전 효율 값의 차이가 임계치 이상일 경우 상기 설비의 효율이 저하된 것으로 판단하는 것
을 특징으로 하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제17항에 있어서,
상기 설비의 효율 저하 여부 및 효율 저하 원인을 진단하는 단계는,
상기 설비의 효율 저하 여부를 상기 설비의 효율 저하 여부가 판단된 시간 정보와 함께 저장하는 단계
를 더 포함하고,
상기 설비의 효율이 저하된 저하 요인을 선별하는 단계는,
상기 데이터베이스에 저장된 상기 운전 상태 정보 및 상기 설비의 효율 저하 여부를 통해 상기 설비의 효율이 저하된 경우의 상기 운전 상태 정보와 상기 설비의 효율이 저하되지 않은 경우의 상기 운전 상태 정보를 구분하는 상기 수학적 결정경계 모델을 학습하는 단계; 및
상기 학습된 수학적 결정경계 모델을 통해 상기 설비의 효율이 저하된 상기 운전 상태 정보를 선별하는 단계
를 포함하는 지능형 빌딩 에너지 설비 효율 관리 방법. - 제12항에 있어서,
상기 설비의 운전 효율 값, 상기 설비의 효율 저하 여부 및 효율 저하 요인을 상기 빌딩과 관련된 관리자에게 제공하는 단계
를 더 포함하는 지능형 빌딩 에너지 설비 효율 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110128513A KR20130065844A (ko) | 2011-12-02 | 2011-12-02 | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110128513A KR20130065844A (ko) | 2011-12-02 | 2011-12-02 | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20130065844A true KR20130065844A (ko) | 2013-06-20 |
Family
ID=48862257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110128513A KR20130065844A (ko) | 2011-12-02 | 2011-12-02 | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20130065844A (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150106242A (ko) * | 2014-03-11 | 2015-09-21 | 엘지전자 주식회사 | 설비를 제어하기 위한 중앙 제어 장치, 설비 제어 시스템 및 설비 제어를 위한 유저 인터페이스 |
| KR101596004B1 (ko) * | 2014-10-31 | 2016-02-24 | 서강대학교산학협력단 | 지능형 빌딩 설비 관리 시스템 및 그에 따른 관리 방법 |
| CN106773813A (zh) * | 2016-11-29 | 2017-05-31 | 国网山东省电力公司鄄城县供电公司 | 用电控制方法及装置 |
| WO2018159873A1 (ko) * | 2017-03-02 | 2018-09-07 | (사)아이비에스코리아 | 건물 에너지에 대한 통합 평가 진단 방법 |
| KR20220015233A (ko) * | 2020-07-30 | 2022-02-08 | (주)미래환경플랜건축사사무소 | 건축물 에너지 공공 데이터를 이용한 규칙 기반 및 기계 학습 기반의 고장 진단 시스템 및 방법 |
-
2011
- 2011-12-02 KR KR1020110128513A patent/KR20130065844A/ko not_active Application Discontinuation
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150106242A (ko) * | 2014-03-11 | 2015-09-21 | 엘지전자 주식회사 | 설비를 제어하기 위한 중앙 제어 장치, 설비 제어 시스템 및 설비 제어를 위한 유저 인터페이스 |
| KR101596004B1 (ko) * | 2014-10-31 | 2016-02-24 | 서강대학교산학협력단 | 지능형 빌딩 설비 관리 시스템 및 그에 따른 관리 방법 |
| CN106773813A (zh) * | 2016-11-29 | 2017-05-31 | 国网山东省电力公司鄄城县供电公司 | 用电控制方法及装置 |
| CN106773813B (zh) * | 2016-11-29 | 2019-07-02 | 国网山东省电力公司鄄城县供电公司 | 用电控制方法及装置 |
| WO2018159873A1 (ko) * | 2017-03-02 | 2018-09-07 | (사)아이비에스코리아 | 건물 에너지에 대한 통합 평가 진단 방법 |
| KR20220015233A (ko) * | 2020-07-30 | 2022-02-08 | (주)미래환경플랜건축사사무소 | 건축물 에너지 공공 데이터를 이용한 규칙 기반 및 기계 학습 기반의 고장 진단 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103403463B (zh) | 故障检测和诊断算法 | |
| US9740545B2 (en) | Equipment evaluation device, equipment evaluation method and non-transitory computer readable medium | |
| CN107111286B (zh) | 用于诊断和控制的自动化功能测试 | |
| CA3066206C (en) | Methods and systems for hvac inefficiency prediction | |
| KR20150128163A (ko) | 건물 에너지 소비정보 분석 시스템 | |
| KR101948604B1 (ko) | 센서 군집화 기반의 설비 건강 모니터링 방법 및 장치 | |
| WO2020039430A1 (en) | Method and system for hvac inefficiency prediction using household electrical smart meter data | |
| CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
| JP2017505890A (ja) | Ｈｖａｃシステムの消費電力評価 | |
| JP6427357B2 (ja) | 診断支援システム及び診断支援方法 | |
| KR20130065844A (ko) | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 | |
| Sun et al. | Optimization of support vector regression model based on outlier detection methods for predicting electricity consumption of a public building WSHP system | |
| JP6948197B2 (ja) | プロセス監視装置 | |
| KR101691787B1 (ko) | 건물 에너지 관리 지수 측정 시스템 기반 경향 분석 서비스 제공 방법 및 시스템 | |
| CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
| JP4134997B2 (ja) | 余寿命予測プログラム及び余寿命予測システム | |
| WO2017163294A1 (ja) | 冷媒不足予測装置、冷媒不足予測方法およびプログラム | |
| JP2018100010A (ja) | 車両用空調装置の状態評価方法 | |
| US20160275407A1 (en) | Diagnostic device, estimation method, non-transitory computer readable medium, and diagnostic system | |
| CN111788598B (zh) | 利用高楼能量管理系统数据的能量效率分析系统 | |
| KR102315669B1 (ko) | 건물 냉난방설비의 에너지 효율 향상을 위한 가상센서 기반 고장 진단 시스템 및 이를 이용한 고장 진단 방법 | |
| CN112560339B (zh) | 利用机器学习预测水轮发电机组导轴承瓦温度的方法 | |
| KR101710029B1 (ko) | 건물 에너지 분석 시스템 | |
| JP2007026134A (ja) | 異常判定装置 | |
| JP5350684B2 (ja) | 冷凍サイクル機器に用いられる故障診断装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Withdrawal due to no request for examination |