KR20190009865A - 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법 - Google Patents

실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법 Download PDF

Info

Publication number
KR20190009865A
KR20190009865A KR1020170091377A KR20170091377A KR20190009865A KR 20190009865 A KR20190009865 A KR 20190009865A KR 1020170091377 A KR1020170091377 A KR 1020170091377A KR 20170091377 A KR20170091377 A KR 20170091377A KR 20190009865 A KR20190009865 A KR 20190009865A
Authority
KR
South Korea
Prior art keywords
indoor environment
parameter
air quality
parameters
temperature
Prior art date
Application number
KR1020170091377A
Other languages
English (en)
Other versions
KR101966532B1 (ko
Inventor
김도현
Original Assignee
제주대학교 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 제주대학교 산학협력단 filed Critical 제주대학교 산학협력단
Priority to KR1020170091377A priority Critical patent/KR101966532B1/ko
Priority to PCT/KR2018/002597 priority patent/WO2019017555A1/ko
Publication of KR20190009865A publication Critical patent/KR20190009865A/ko
Application granted granted Critical
Publication of KR101966532B1 publication Critical patent/KR101966532B1/ko

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
    • 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
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • F24F2110/50—Air quality properties
    • 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
    • F24F2130/30—Artificial light
    • 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
    • F24F2140/60—Energy consumption
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

본 발명은 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법에 관한 것으로, 건물 내의 온도, 조도 및 공기 질을 센싱하여 실내 환경 파라미터를 출력하는 센싱부와, 상기 센싱부에서 출력되는 실내 환경 파라미터를 예측하여 예측 실내 환경 파라미터를 출력하는 실내 환경 파라미터 예측부, 복수의 사용자별 실내 환경 파라미터의 최소/최대 설정 정보를 입력받아 복수 사용자의 온도, 조도, 공기질 각각에 대한 최소/최대 값을 단일화하여 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 사용자별 환경 파라미터 설정부, 상기 예측 실내 환경 파라미터와 상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 입력받아 규칙 기반 알고리즘에 의해 실내 환경 파라미터를 최적화하여 최적 실내 환경 파라미터를 출력하는 규칙 기반 최적화부, 상기 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출하는 통합 쾌적지수 산출부, 상기 예측 실내 환경 파라미터와 상기 최적 실내 환경 파라미터의 차이를 기초로 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 퍼지 컨트롤러를 포함하는 것을 특징으로 한다. 이러한 구성에 의하여, 최적화된 환경 파라미터에 의해 요구 전력을 감소시킴으로써 사용자에게 쾌적한 실내 환경을 제공하면서 동시에 에너지 소비를 감소시킬 수 있다.

Description

실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법{SYSTEM AND METHOD FOR A BUILDING ENERGY OPTIMIZATION BASED ON DYNAMIC USER SETTING AND PREDICTION OF INDOOR ENVIRONMENT PARAMETER}
본 발명은 건물 에너지 최적화 시스템 및 방법에 관한 것으로서, 보다 상세하게는 온도, 조도, 공기 질을 포함한 실내 환경 파라미터를 최적화하여 건물 에너지 소비를 효율화할 수 있는 건물 에너지 최적화 시스템 및 방법에 관한 것이다.
최근 IT를 비롯한 첨단기술의 급속한 진보로 인해 쾌적한 환경의 확보 및 업무 활동과 비즈니스에 필요한 기능확보 등 건물 내 에너지 설비의 자동화 및 지능화 추세가 가속화되고 있으며, 이와 관련하여 건물 관리에 IT를 활용한 빌딩 자동화 시스템(BAS : Building Automation System), 지능형 빌딩 시스템(IBS: Intelligent Building System), 건물 에너지 관리 시스템(BEMS : Building Energy Management System) 등 여러 가지 시스템 도입이 이루어지고 있다.
이러한 시스템 중의 하나로서, 건물 에너지 관리 시스템(BEMS : Building Energy Management System)은 건물 내 에너지 설비뿐만 아니라 사무기기, 정보기기 등 제반 에너지 기기의 세부 에너지 사용량 모니터링과 지능형 제어를 통해 에너지 소비를 최소화하고, 건물 내 상태 감지 및 환경정보를 기반으로 쾌적하고 경제적인 환경을 보장하는 기술이다.
그러나, 현재 대부분의 건물 에너지 관리 시스템은 온도, 습도, 조도, 먼지농도 등과 같은 가공하지 않은 센싱 데이터만을 이용하여 실내 환경을 획일적으로 제어하고 있기 때문에 사용자의 체감 정보에 따라 쾌적한 실내 환경을 제공하는 데에는 한계가 있다.
따라서, 빌딩 또는 스마트 홈 내의 사용자의 체감 정보에 따라 쾌적한 실내 환경을 제공하면서 빌딩 내의 에너지 소비를 최소화할 수 있는 기술이 요구되고 있다.
또한, 기존 건물 에너지 관리 시스템은 현재의 온도, 습도, 조도, 공기질 등을 고려함으로써 실내 환경의 변화(예: 온도 증가/감소)를 고려하지 않아 에너지 소비가 증가할 수 있다.
한편, 지금까지 건물 에너지 관리 시스템에서는 1명의 사용자가 실내에 있는 것으로 생각하여 단일의 실내 환경 파라미터를 고려하여 냉난방 디바이스를 제어하고 있다. 그러나, 스마트 홈에서는 모든 가족 구성원에게 쾌적한 실내 환경을 제공하는 것이 중요하다. 따라서, 스마트 홈 내의 모든 사람들이 쾌적한 사용자 설정 포인트를 설정하는 것이 요구되고 있다.
따라서, 본 발명의 목적은, 실내 환경 파라미터의 예측 및 규칙 기반 최적화에 의한 최적의 냉난방 등의 디바이스의 실내 환경 설정 기법을 개발하여 사용자의 쾌적 지수를 높이고 적은 전력을 소비하는 건물 에너지 최적화 시스템 및 방법을 제공하는 것이다.
또한, 본 발명의 목적은 실내 환경 파라미터에 대해 복수의 동적 사용자의 다수의 실내 환경 요구를 종합한 환경 설정 기법을 개발하여 최적의 실내 환경 파라미터를 산출하여 건물 환경에 대한 복수의 사용자의 전반적인 만족도를 높일 수 있는 건물 에너지 최적화 시스템 및 방법을 제공하는 것이다.
상기의 목적을 달성하기 위한 본 발명의 제1태양에 따른 구성은, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템에 있어서, 건물 내의 온도, 조도 및 공기 질을 각각 센싱하여 실내 환경 파라미터를 출력하는 복수의 센서를 포함하는 센싱부와, 예측 알고리즘을 이용하여 상기 실내 환경 파라미터를 예측하여 예측 실내 환경 파라미터를 출력하는 실내 환경 파라미터 예측부, 실내 환경 파라미터의 최소/최대 설정 정보를 입력하기 위한 입력부, 상기 입력부로부터 복수의 사용자별 실내 환경 파라미터의 최소/최대 설정 정보를 입력받아 복수 사용자의 온도, 조도, 공기질 각각에 대한 최소/최대 값을 단일화하여 실내 환경 파라미터의 동적 사용자 설정 범위를 산출하는 사용자별 환경 파라미터 설정부, 상기 예측 실내 환경 파라미터와 상기 실내 환경 파라미터의 동적 사용자 설정 범위를 입력받아 규칙 기반 알고리즘에 의해 실내 환경 파라미터를 최적화하여 최적 실내 환경 파라미터를 출력하는 규칙 기반 최적화부, 상기 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출하는 통합 쾌적지수 산출부, 상기 예측 실내 환경 파라미터와 상기 최적 실내 환경 파라미터의 차이를 기초로 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 퍼지 컨트롤러, 상기 최적 실내 환경 파라미터, 상기 산출된 통합 쾌적지수 및 건물 내 가용 전력에 기초하여 온도, 조도 및 공기 질을 제어하기 위한 조정 전력량을 산출하는 전력 제어 에이전트, 상기 산출된 요구 전력량과 조정 전력량을 기초로 실제 소비 전력을 산출하는 실제 소비 전력 계산부 및, 상기 산출된 실제 소비 전력에 따라 건물 내 에너지 설비의 동작을 제어하는 복수의 액츄에이터를 포함하는 것을 특징으로 한다.
여기서, 상기 예측 알고리즘은 칼만 필터(Kalman filter)를 포함하는 것이 바람직하다.
상기 규칙 기반 알고리즘은 상기 예측 실내 환경 파라미터와 상기 동적 사용자 설정 범위가 최소의 차이를 갖도록 하는 것이 바람직하여, 이에 의하여, 온도, 조도, 공기질의 제어를 위한 요구 전력이 현저하게 감소할 수 있다.
상기 사용자별 환경 파라미터 설정부는, 평균 기반 설정, 최대-최소 기반 설정, 최소-최대 기반 설정 중 하나에 의해 상기 실내 환경 파라미터의 동적 사용자 설정 범위를 산출하는 것이 바람직하다.
상기 전력제어 에이전트는 상기 실내 환경 파라미터 예측부에서 출력되는 상기 예측 실내 환경 파라미터의 온도, 조도, 공기질 값에 맞추어 사전에 상기 건물 내 에너지 설비의 액츄에이터를 제어하는 것이 바람직하다.
상기의 목적을 달성하기 위한 본 발명의 제2태양에 따른 구성은, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법에 있어서, 건물 내의 온도, 조도 및 공기 질을 포함한 실내 환경 파라미터를 센싱하는 단계; 상기 실내 환경 파라미터를 예측 알고리즘으로 예측하여 예측 실내 환경 파라미터를 생성하는 단계; 복수의 사용자별 실내 환경 파라미터의 최소/최대 설정 정보를 입력받아 복수 사용자의 온도, 조도, 공기질 각각에 대한 최소/최대 값을 단일화하여 실내 환경 파라미터의 동적 사용자 설정 범위를 산출하는 단계; 상기 예측 실내 환경 파라미터와 상기 실내 환경 파라미터의 동적 사용자 설정 범위를 입력받아 규칙 기반 알고리즘에 의해 실내 환경 파라미터를 최적화하여 최적 실내 환경 파라미터를 생성하는 단계; 상기 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출하는 단계; 상기 예측 실내 환경 파라미터와 상기 최적 실내 환경 파라미터의 차이를 기초로 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 단계; 상기 최적 실내 환경 파라미터, 상기 산출된 통합 쾌적지수 및 건물 내 가용 전력에 기초하여 온도, 조도 및 공기 질을 제어하기 위한 조정 전력량을 산출하는 단계; 상기 산출된 요구 전력량과 조정 전력량을 기초로 실제 소비 전력을 산출하는 단계; 상기 산출된 실제 소비 전력을 상기 건물 내 에너지 설비의 동작을 제어하는 복수의 액츄에이터에 공급하는 단계를 포함하는 것을 특징으로 한다.
여기서, 상기 예측 알고리즘은 칼만 필터(Kalman filter)를 포함하는 것이 바람직하다.
상기 규칙 기반 알고리즘은 상기 예측 실내 환경 파라미터와 상기 동적 사용자 설정 범위가 최소의 차이를 갖도록 하는 것이 바람직하여, 이에 의하여, 온도, 조도, 공기질의 제어를 위한 요구 전력이 현저하게 감소할 수 있다.
상기 동적 사용자 설정 범위를 산출하는 단계는, 평균 기반 설정, 최대-최소 기반 설정, 최소-최대 기반 설정 중 하나에 의해 온도, 조도, 공기질 각각의 실내 환경 파라미터의 최대/최소를 단일화하여 상기 실내 환경 파라미터의 동적 사용자 설정 범위를 산출하는 것이 바람직하다.
또한, 상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 단계 이전에, 상기 예측 실내 환경 파라미터의 온도, 조도, 공기질 값에 맞추어 사전에 상기 건물 내 에너지 설비의 액츄에이터를 제어하는 단계를 포함하는 것이 바람직하다.
이러한 구성에 의하여, 실내 환경 파라미터 예측을 통한 실제 소비 전력 감소를 위해 센서로 감지한 온도, 조도, 공기 질의 환경 파라미터를 예측 및 규칙 기반 최적화하여 쾌적 지수를 산출하고, 최적화된 환경 파라미터에 의해 요구 전력을 감소시킴으로써 사용자에게 쾌적한 실내 환경을 제공하면서 동시에 에너지 소비를 감소시킬 수 있는 건물 에너지 최적화 시스템 및 방법이 제공된다. 또한, 건물 환경에서 복수의 사용자가 입력한 동적 사용자 환경 파라미터 설정을 기반으로 쾌적 지수를 산출하여 복수의 사용자의 전반적인 만족도를 높일 수 있고, 기존에 비해 적은 전력을 소비가능하다.
도 1은 본 발명에 따라 건물 에너지를 최적화하는 개념을 설명하는 도면,
도 2는 본 발명에 따른 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템의 구성도,
도 3은 도 2의 건물 에너지 최적화 시스템에서 에너지 최적화 단계를 블록도로 나타낸 도면,
도 4는 본 발명에 따라 복수의 사용자가 설정한 환경 파라미터를 평균 기반, MAX-MIN 기반, MIN-MAX 기반으로 동적 사용자 포인트를 산출하는 개념 설명도,
도 5는 본 발명에 적용되는 실내 환경 파라미터의 규칙 기반 최적화 방법의 순서도,
도 6은 본 발명에 따라 실내 환경 파라미터 예측시, 비예측시, 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화로 온도 제어시 소비 전력 비교 그래프,
도 7은 본 발명에 따라 실내 환경 파라미터 예측시, 비예측시, 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화로 조도 제어시 소비 전력 비교 그래프,
도 8은 본 발명에 따라 실내 환경 파라미터 예측시, 비예측시, 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화로 공기질 제어시 소비 전력 비교 그래프,
도 9는 본 발명에 따라 복수 사용자 실내환경 파라미터의 최적화시 쾌적지수 비교 그래프,
도 10 내지 12는 본 발명에서 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 방법을 설명하는 도면,
도 13은 본 발명에 따른 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 통해 설명될 것이다. 그러나 본 발명은 여기에서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 단지, 본 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여 제공되는 것이다.
도면들에 있어서, 본 발명의 실시예들은 도시된 특정 형태로 제한되는 것이 아니며 명확성을 기하기 위하여 과장된 것이다. 또한, 명세서 전체에 걸쳐서 동일한 참조번호로 표시된 부분들은 동일한 구성요소를 나타낸다. 본 명세서에서 "및/또는"이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 또한, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, 명세서에서 사용되는 "포함한다" 또는 "포함하는"으로 언급된 구성요소, 단계, 동작 및 소자는 하나 이상의 다른 구성요소, 단계, 동작, 소자 및 장치의 존재 또는 추가를 의미한다.
이하에서, 본 발명의 바람직한 실시 예가 첨부된 도면들을 참조하여 본 발명을 구체적으로 설명한다. 본 발명을 설명함에 있어서 관련된 공지기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
본 발명은 건물 내의 온도, 조도, 공기 질을 센싱한 값인 실내 환경 정보를 칼만 필터를 사용하여 예측하고, 예측된 실내 환경 정보와 복수의 사용자별 실내 환경 파라미터 설정 포인트를 이용하여 규칙 기반 최적화 알고리즘으로 실내 환경 파라미터를 최적화하여 에너지 효율을 높인다.
또한, 본 발명에서는 예측 기술을 이용하여 미래 실내 환경 정보(온도, 습도, 조도, 공기질)를 획득하여 사전에 냉난방 디바이스(히터, 선풍기, 에어콘 등)를 제어하여 에너지 효율을 높인다. 이때 실내 환경 제어 파라미터는 에너지 효율을 높이기 위해 규칙 기반의 최적화 알고리즘을 이용하여 최적화한다.
또한, 본 발명에서는 건물에서 다수의 사용자의 요구하는 실내 환경 정보를 충족할 수 있는 실내 요구 환경 파라미터 설정 알고리즘을 이용하여, 다양한 사용자 요구를 만족시킬 수 있도록 최적의 실내 환경으로 조절할 수 있는 건물 에너지 최적화 시스템 및 방법을 구성한다.
본 발명을 설명하기에 앞서 본 발명의 기본 개념에 대하여 간략하게 설명하면 다음과 같다.
도 1은 본 발명의 기본 개념을 설명하기 위한 도면이다.
먼저, 도 1의 (a)를 참조하면, 온도, 조도, 공기 질의 가공하지 않은 센싱 데이터를 이용하여 쾌적지수를 산출하고 산출된 쾌적지수를 기초로 실내 환경을 제어하는 경우, 사용자에게 쾌적한 실내 환경을 제공하기 위해서는 냉난방기기, 환풍기 등의 HVAC(Heating/Ventilation/Air-Conditioning) 시스템을 가동해야 하기 때문에 에너지 소비량이 증가한다. 즉, 사용자가 느끼는 쾌적지수와 에너지 소비량은 상충관계(trade off relation)에 있다.
이를 위해 본 발명에서는 도 1의 (b)에 도시된 바와 같이 에너지 소비를 최소화하기 위해 온도, 조도, 공기 질의 환경 파라미터를 최적화하여 통합 쾌적지수를 산출하고, 산출된 통합 쾌적지수와 예측 전력을 기초로 건물내 에너지 설비의 전력을 지능적으로 제어함으로써, 사용자에게 쾌적한 실내 환경을 제공하면서 에너지 소비를 최소화할 수 있도록 하며, 이에 대하여 더 자세히 설명하면 다음과 같다.
도 2는 본 발명에 따른 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템의 구성도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 건물 에너지 최적화 시스템(1)은, 온도 센서, 조도 센서 및 공기질 센서를 포함하는 센싱부(10), 온도 및 조도 및 센서에 대한 복수의 사용자별로 선호하는 실내환경 파라미터 값을 입력하기 위한 사용자 입력부(11), 소정의 예측 알고리즘으로 실내환경 파라미터 예측값을 출력하는 실내환경 파라미터 예측부(12), 복수의 사용자가 설정한 실내 환경 파라미터를 평균 기반, MAX-MIN 기반, MIN-MAX 기반으로 복수의 최소/최대 범위를 단일화하여 동적 사용자 설정 포인트를 산출하는 사용자별 환경 파라미터 설정부(13), 사용자별 환경 파라미터 설정부(13)에서 출력되는 동적 사용자 설정 포인트와 실내환경 파라미터 예측부(12)에서 출력되는 예측 실내환경 파라미터를 규칙 기반 알고리즘에 의해 최적화하는 규칙 기반 최적화부(14), 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출하는 통합 쾌적지수 산출부(14), 예측 실내 환경 파라미터와 최적 실내 환경 파라미터의 차이를 기초로 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 퍼지 컨트롤러(15), 최적 실내 환경 파라미터, 산출된 통합 쾌적지수 및 건물 내 가용 전력에 기초하여 온도, 조도 및 공기 질을 제어하기 위한 조정 전력량을 산출하는 전력 제어 에이전트(17), 산출된 요구 전력량과 조정 전력량을 기초로 실제 소비 전력을 산출하는 소비 전력 계산부(18), 산출된 실제 소비 전력에 따라 건물 내 에너지 설비의 동작을 제어하는 복수의 액츄에이터(30)를 포함하여 구성된다.
센싱부(10)는 온도 센서, 조도 센서 및 공기질 센서를 포함하며, 건물 내의 온도, 조도, 공기 질(air quality) 등의 환경 파라미터를 센싱하여 출력한다.
실내환경 파라미터 예측부(12)는 칼만 필터(Kalman filter)를 이용하여 이전 실내 환경 파라미터 값을 기초로 예측 실내환경 파라미터값을 산출한다.
여기에서, 칼만 필터(Kalman filter)는 과거의 측정 데이터와 새로운 측정 데이터를 이용하여 데이터에 포함된 노이즈를 제거하여 새로운 결과를 추정하는데 사용하는 알고리즘으로서, 과거와 현재의 데이터를 이용한 재귀적 연산(recursive data processing)을 통해서 선형 시스템(Linear System)의 최적값(optimal)을 추적하는 방식을 말한다. 칼만 필터에 의해 실내 환경 파라미터를 예측하는 방법은 공지기술이므로 상세한 설명은 생략한다.
실내환경 파라미터 예측부(12)는 예측 실내환경 파라미터값을 전력 제어 에이전트(17)에 제공하여,전력 제어 에이전트(17)가 예측 실내 환경 파라미터의 온도, 조도, 공기질 값에 맞추어 사전에 건물 내 에너지 설비의 냉난방 등의 디바이스(액츄에이터)를 제어하게 할 수 있다.
사용자별 환경 파라미터 설정부(13)는 복수의 사용자로부터 입력되는 온도, 조도, 공기질에 대해 선호하는 실내 환경 파라미터의 최소/최대 범위를 사용자 입력부(11)를 통해 입력받는다. 복수의 사용자가 설정한 실내 환경 파라미터는, 온도, 조도, 공기질 각각에 대해 최소값과 최대값을 갖는다.
온도, 조도, 공기질 각각의 실내 환경 파라미터에 대한 복수의 사용자의 설정값을 이용하여 단일화된 실내 환경 파라미터를 설정하는 방법은, 평균에 기반한 사용자 설정 포인트 세팅법, 최대-최소(Max-Min)에 기반한 사용자 설정 포인트 세팅법, 최소-최대(Min-Max)에 기반한 사용자 설정 포인트 세팅법을 포함한다.
이하에서 실내 환경 파라미터에 대해 복수의 사용자가 설정한 최소/최대값을 이용하여 평균 기반, MAX-MIN 기반, MIN-MAX 기반으로 단일화된 최소/최대 범위(이하 '복수의 동적 사용자 설정 포인트'라 함)를 설정하는 방법을 설명한다.
도 4는 본 발명에 따라 복수의 사용자가 설정한 환경 파라미터를 평균 기반, MAX-MIN 기반, MIN-MAX 기반으로 동적 사용자 설정 포인트를 산출하는 개념 설명도를 나타낸 것이다.
예를 들어, 건물 내 사용자가 3명인 경우, 각 사용자에 대해 온도(T), 조도(L), 공기질(A) 각각에 대해 설정한 최소값과 최대값이 있다.
평균(AVG) 기반에 의하면, 표 1과 같이, 3명의 사용자가 온도에 대해 설정한 최소값들을 평균값으로 산출하고(Tmin=AVG[60, 63, 66]), 최대값들을 평균값으로 산출한다(Tmax=AVG[80, 78, 69]). 조도, 공기질에 대해서도 동일한 방법으로 평균값을 산출한다.
Figure pat00001
최대-최소(MAX-MIN) 기반에 의하면, 표 2와 같이, 3명의 사용자가 온도에 대해 설정한 최소값 들 중에 최대값을 하위 설정값으로 취하고(Tmin=Max[60, 63, 66]), 온도에 대해 설정한 최대값 들 중에 최소값을 상위 설정값으로 취한다(Tmax=Min[80, 78, 69]). 따라서, 최대-최소(MAX-MIN) 기반의 온도의 동적 사용자 설정 포인트(최소/최대)는 66/69가 된다. 한편, 조도, 공기질에 대해서도 동일한 방법으로 하위 설정값 및 상위 설정값을 취한다.
Figure pat00002
최소-최대(MIN-MAX)에 기반에 의하면, 표 3과 같이, 3명의 사용자가 온도에 대해 설정한 최소값 들 중에 최소값을 하위 설정값으로 취하고(Tmin=Min[60, 63, 66]), 온도에 대해 설정한 최대값 들 중에 최대값을 상위 설정값으로 취한다(Tmax=MAX[80, 78, 69]). 따라서, 최소(MIN-MAX) 기반의 온도의 동적 사용자 설정 포인트(최소/최대)는 60/80이 된다. 한편, 조도, 공기질에 대해서도 동일한 방법으로 하위 설정값 및 상위 설정값을 취한다.
Figure pat00003
아래 표 4의 비교표에서 알 수 있는 바와 같이, Min-Max 기반으로 실내 환경 파라미터를 최적화하는 경우, 온도, 조도, 공기질을 제어하기 위한 소비 전력(power consumption)이 가장 작음을 알 수 있다.
동적 사용자 설정 온도 조도 공기 질 전체 전력량
평균 기반
소비 전력		 74.60748 205.059 63.86507 343.5316
Max-Min 기반
소비 전력		 85.00414 210.0556 63.86507 358.9249
Min-Max 기반
소비 전력		 63.60321 200.0592 63.86507 327.5275
다음으로, 도 2의 규칙 기반 최적화부(14)는 규칙 기반 알고리즘을 이용하여 센싱된 환경 파라미터를 최적화한다. 이에 대하여 도 5를 참조하여 추후에 설명한다.
본 발명에 따라, 규칙 기반 최적화부(14)는 센싱된 온도, 조도 및 공기 질 파라미터가 사용자 설정 파라미터(동적 사용자 설정 포인트)와 최소의 차이를 갖도록 규칙 기반 최적화 알고리즘을 이용하여 최적화한다.
즉, 규칙 기반 최적화부(14)는 사용자가 설정한 실내 환경 파라미터에 따른 사용자 요구 조건을 만족하면서 에너지 소비를 최소화할 수 있도록 온도, 조도 및 공기 질 파라미터를 최적화한다.
도 5는 본 발명에서 규칙 기반 최적화 알고리즘으로 실내환경 파라미터를 최적화하는 과정을 설명하기 위한 도면이다. 이하에서 서술할 규칙 기반 최적화 과정은 온도, 조도, 공기 질 각각에 대해 수행되며, 간단히 설명한다.
도 5에 보인 바와 같이, 건물내 사용자가 쾌적 상태를 위한 온도, 조도, 공기 질의 최대/최소 범위(동적 사용자 설정 포인트)를 규칙 기반 최적화부(14)에 입력한다(S1). 예측된 실내 환경 파라미터값이 규칙 기반 최적화부(14)에 입력된다(S2). 현재의 온도 파라미터, 조도 파라미터, 공기질 파라미터를 예측한 예측 파라미터가 각각 동적 사용자 설정 포인트의 최소/최대 범위를 갖는 쾌적 영역에 있는지 판단한다(S3).
여기서, 사용자 쾌적 영역은 복수의 사용자가 입력한 실내 환경 파라미터를 이용하여 설정된 동적 사용자 설정 포인트의 최대값과 최소값을 갖는다.
S3단계의 판단결과, 현재의 온도 파라미터, 조도 파라미터, 공기질 파라미터값이 각각 쾌적 영역에 있으면, 현재의 온도, 조도, 공기질을 각각 최적 설정값으로 이용한다(S4).
S3단계의 판단결과, 현재의 온도 파라미터, 조도 파라미터, 공기질 파라미터값이 각각 쾌적 영역에 있지 않으면, 현재의 온도, 조도, 공기질의 각 파라미터가 동적 사용자 설정 포인트의 최소값보다 작은지 판단한다(S5). 판단결과 최소값보다 작으면, 현재 예측된 온도, 조도, 공기 질을 최적 설정값으로 변경하고(S6), 현재 예측된 파라미터의 최소값을 최적 설정값으로 취급한다(S7).
한편, S5단계의 판단결과, 현재의 온도, 조도, 공기질의 각 파라미터가 동적 사용자 설정 포인트의 최소값보다 크면, 현재의 온도, 조도, 공기질의 각 파라미터가 동적 사용자 설정 포인트의 최대값보다 큰지 판단한다(S8). S8단계의 판단결과 동적 사용자 설정 포인트의 최대값보다 크면, 현재 예측된 온도, 조도, 공기질을 최적 설정값으로 변경하고(S9), 동적 사용자 설정 포인트의 최대값을 최적 설정값으로 취급한다(S10).
한편, 상술한 실내 환경 파라미터를 규칙 기반 최적화 하는 경우 온도, 조도, 공기질을 제어하기 위해 필요한 소비 전력과, 기존에 사용되던 GA 기반으로 실내 환경 파라미터를 최적화하는 경우 소비 전력과, GIA 기반으로 실내 환경 파라미터를 최적화하는 경우 소비 전력 비교표는 다음과 같다.
온도 조도 공기 질 전체 전력량
규칙 기반
소비 전력		 494.907 1052.34 365.663 1903.91
GA 기반
소비 전력		 614.214 1135.18 372.416 2121.81
IGA 기반
소비 전력		 834.593 1261.57 419.65 2515.82
위의 표 5의 비교표에서 알 수 있듯이, 규칙 기반으로 실내 환경 파라미터를 최적화하는 경우, 온도, 조도, 공기질을 제어하기 위해 필요한 소비 전력은, 종래기술의 GA 기반 및 GIA 기반으로 실내 환경 파라미터를 최적화하는 경우에 비해 작음을 알 수 있다.
도 6은 본 발명에 따라 실내 환경 파라미터 예측시, 비예측시, 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화로 온도 제어시 소비 전력 비교 그래프, 도 7은 본 발명에 따라 실내 환경 파라미터 예측시, 비예측시, 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화로 조도 제어시 소비 전력 비교 그래프, 도 8은 본 발명에 따라 실내 환경 파라미터 예측시, 비예측시, 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화로 공기질 제어시 소비 전력 비교 그래프이다.
도 6 내지 도 8의 그래프에 따르면, 온도, 조도, 공기질의 제어시 실내 환경 파라미터를 예측한 후 예측한 실내 환경 파라미터를 이용하여 최적화하는 경우에 소비 전력(power consumption)이 더 적음을 알 수 있다.
아래 표 6 내지 표 8을 참조하면, 복수의 실내 환경 파라미터를 Min-Max 기반으로 산출한 동적 사용자 설정 환경 파라미터를 이용하는 경우, 온도, 조도 및 공기질의 제어시에 필요한 소비 전력의 총량이 가장 작은 것을 알 수 있다.
아울러, 아래 표 6 내지 표 8을 참조하면, 동적 사용자 설정 실내환경 파라미터를 Min-Max 기반으로 산출한 동적 사용자 설정 환경 파라미터과 함께 예측 실내환경 파라미터를 이용하여 실내 환경 파라미터를 최적화한 경우에 온도, 조도 및 공기질의 제어시에 필요한 소비 전력의 총량이, 비예측 실내 환경 파라미터를 이용하는 경우에 비해, 가장 작은 것을 알 수 있다.
ABS 산출시 온도 조도 공기질 총량
예측시 소비전력 73.09653 210.0001 63.8465 346.9401
비예측시 소비전력 74.60748 210.0556 63.8472 348.5103
Max-Min 산출시 온도 조도 공기질 총량
예측시 소비전력 84.39 219 63.8262 368.21
비예측시 소비전력 85 220 63.8271 368.88
Min-Max 산출시 온도 조도 공기질 총량
예측시 소비전력 61.51 200.008 63.864 325.38
비예측시 소비전력 63.6 200.059 63.865 327.52
다음으로 도 2의 통합 쾌적 지수 산출부(15)는 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출한다. 통합 쾌적 지수를 산출하는 방법은 후술한다.
여기에서, 통합 쾌적지수(comfort)는 다음의 수학식 1에 의해 산출할 수 있다.
Figure pat00004
여기에서,
Figure pat00005
,
Figure pat00006
,
Figure pat00007
는 온도, 조도 및 공기 질 파라미터간의 충돌을 회피하기 위해 정의된 인수로,
Figure pat00008
의 관계식에 의해 0과 1 사이의 값을 갖는다.
Figure pat00009
는 센싱된 실제 온도와 최적화된 온도 파라미터와의 차이값,
Figure pat00010
은 센싱된 실제 조도와 최적화된 조도 파라미터와의 차이값,
Figure pat00011
는 센싱된 실제 공기 질과 최적화된 공기 질 파라미터와의 차이값을 나타내며,
Figure pat00012
,
Figure pat00013
,
Figure pat00014
, 은 사용자에 의해 설정된 온도, 조도, 공기 질 파라미터를 나타낸다.
여기서, 수학식 1에 적용되는 사용자 설정 온도, 조도, 공기 질 파라미터는, 복수의 사용자의 설정값들을 평균 기반, MAX-MIN 기반, MIN-MAX 기반으로 단일화 한 값을 입력한다.
도 9는 복수 사용자 환경 파라미터의 평균 기반, MAX-MIN 기반, MIN-MAX 기반, 규칙 기반 최적화의 경우 쾌적지수 산출부(15)에서 출력되는 쾌적지수 비교표이다. 쾌적지수는 0 내지 1의 값을 갖는다. 복수 사용자 환경 파라미터를 MAX-MIN 기반으로 단일화하는 경우에 사용자 쾌적 지수는 0.967로 시작에서 18시에 1에 도달한다. 복수 사용자 환경 파라미터를 평균 기반으로 단일화한 경우에, 사용자 쾌적 지수는 0.979로 시작해서 14시에 1에 도달한다. 복수 사용자 환경 파라미터를 MIN-MAX 기반으로 단일화하는 경우 사용자 쾌적 지수는 0.98로 시작해서 13시에 1에 도달한다. 즉, 복수 사용자 환경 파라미터를 평균 기반 및 MAX-MIN 기반으로 단일화한 경우보다, MIN-MAX 기반으로 단일화한 경우에 더 높은 쾌적지수로 시작해서 더 빠른 시간내에 최대 쾌적지수에 도달하는 것을 알 수 있다.
다음으로, 도 2의 퍼지 컨트롤러(16)는 센싱된 환경 파라미터와 최적화된 환경 파라미터와의 차이를 기초로 건물내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량(PT, PL, PA)을 산출하며, 이에 대하여 도 10 내지 도 12를 참조하여 좀 더 자세히 설명하면 다음과 같다. 퍼지 컨트롤러(16)의 출력은 온도, 조도, 공기 질 각각에 대한 요구 전력이다. 이후에 퍼지 컨트롤러(16)의 출력이 전력 제어 에이전트(17) 및 소비 전력 계산부(18)에 입력된다.
도 10 내지 도 12는 본 발명의 퍼지 컨트롤러(16)가 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 것을 설명하기 위한 도면이다.
먼저, 건물 내의 온도를 제어하기 위한 요구 전력량(PT)을 산출하는 방법에 대하여 설명하면, 도 10의 (a), (b)에 도시된 바와 같이 센싱된 실제 온도와 최적화된 온도 파라미터와의 차이인 제1 차이값(
Figure pat00015
)을 계산하고, 제1 차이값(
Figure pat00016
)의 현재값과 이전값의 차이인 제2 차이값(
Figure pat00017
)을 계산한다.
여기에서, 제1, 2 차이값(
Figure pat00018
,
Figure pat00019
)은 삼각 소속 함수의 분포를 갖는다.
이러한 제1, 2 차이값(
Figure pat00020
,
Figure pat00021
)을 기초로 건물 내의 온도를 제어하기 위한 요구 전력(PT)을 산출하면 도 11의 (c)에 도시된 바와 같이 삼각 소속 함수의 분포를 갖는 요구 전력(PT)을 얻을 수 있으며, 이를 표로 나타내면 다음의 표 9와 같다.
Figure pat00022
표 9에서 온도에 대한 최적 파라미터와 실제 환경 파라미터 사이의 에러 변화(
Figure pat00023
)와 오차(
Figure pat00024
: 온도에 대한 규칙 기반 최적화의 최적 파라미터와 실제 환경 파라미터인 센서 온도[0, 1] 사이의 오차)가 온도에 대한 퍼지 컨트롤러(16)의 입력이다. NB, NM, NS, ZE, PS, PM 및 PB라는 용어는 음수 대, 음수 중, 음수 소, O, 양수 소, 양수 중, 양수 대를 나타낸다.
위와 마찬가지 방법으로, 도 11에 도시된 바와 같이 센싱된 실제 조도와 최적화된 조도 파라미터와의 차이(
Figure pat00025
)를 기초로 건물 내의 조도를 제어하기 위한 요구 전력(PL)을 산출하면 삼각 소속 함수의 분포를 갖는 요구 전력(PL)을 얻을 수 있으며, 이를 표로 나타내면 다음의 표 10과 같다.
Figure pat00026
조도에 대한 퍼지 컨트롤러(16)의 입력은 최적의 파라미터와 실제 환경 조도 파라미터 간의 오차(입력 오차)이다. 표 10 및 도 10에서 입력 멤버쉽 함수는 입력인 에러에 대한 것이다. 조도 오차가 High Small이면 필요한 출력 전력은 OHS(OLittle)이다. 조도 오차가 Medium Small(MS)인 경우 출력 전력은 OMS이다. 조도 오차가 Basic Small(BS) 인 경우, 출력 전력은 OBS이다.
또한, 위와 마찬가지 방법으로, 도 12에 도시된 바와 같이 센싱된 실제 공기 질과 최적화된 공기 질 파라미터와의 차이(
Figure pat00027
)를 기초로 건물 내의 공기 질을 제어하기 위한 요구 전력(PA)을 산출하면 삼각 소속 함수의 분포를 갖는 요구 전력(PA)을 얻을 수 있으며, 이를 표로 나타내면 다음의 표 11과 같다.
Figure pat00028
공기질에 대한 퍼지 컨트롤러(16)의 입력은 최적화된 공기질 파라미터와 실제 환경 공기질 파라미터의 오차이다. 입력 오차가 낮으면 출력인 요구 전력은 꺼짐(OFF)이고, 입력 오차가 'OK'이면 출력인 요구 전력은 켜짐(ON)이다. 입력 오차가 LH인 경우 출력인 요구 전력은 OLH이고, 입력 오차가 MH인 경우 출력인 요구 전력은 OMH이고, 입력 오차가 HIGH인 경우 출력인 요구 전력은 OHIGH이다.
한편, 퍼지 컨트롤러(16)의 출력단에 있는 전력 제어 에이전트(17)는 퍼지 컨트롤러(16)로부터 온도, 조도, 공기질 각각에 대해 산출한 요구 전력을 입력받아, 전체 요구 전력량을 산출한다. 전력 제어 에이전트(17)는 전체 요구 전력량이 전원공급부(20)의 공급 전력과 비교한다 비교결과, 전체 요구 전력량이 전원공급부(20)의 공급 전력보다 작으면, 요구 전력량으로 유지하고, 전체 요구 전력량이 전원공급부(20)의 공급 전력보다 크면, 요구 전력량을 조정하여 출력한다.
전력 제어 에이전트(17)의 출력단에 있는 소비 전력 계산부(18)는 전력 제어 에이전트(17)에서 출력되는 조정 전력량과 요구 전력량을 기초로 실제 소비 전력을 산출한다. 소비 전력 계산부(18)는 조정 전력량과 요구 전력량을 비교하여 조정 전력량이 요구 전력량보다 작으면 실제 소비 전력을 조정 전력량으로 설정하여 출력하고, 조정 전력량이 요구 전력량보다 크면 실제 소비 전력을 요구 전력량으로 설정하여 출력한다.
다음으로, 도 2의 복수의 액츄에이터(30)는 실제 소비 전력에 따라 건물 내 에너지 설비의 동작을 제어한다.
상술한 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템의 구성에 의해, 건물내 복수의 사용자에게 쾌적한 실내 환경을 제공하면서도 에너지 소비를 최소화할 수 있다.
도 13은 본 발명에 따른 실내 환경 파라미터의 예측, 복수의 사용자 설정, 규칙 기반 최적화에 기반한 건물 에너지 최적화 과정을 도시한 것이다. 도 13에 보인 바와 같이, 센싱부(10)에서 온도, 조도, 공기질을 포함한 실내 환경 파라미터를 센싱한다(T1). 실내환경 파라미터 예측부(12)가 센싱된 실내 환경 파라미터의 온도, 조도, 공기질에 대한 예측 실내 환경 파라미터를 산출한다(T2). 예측 실내 환경 파라미터의 온도, 조도, 공기질 값에 맞추어 사전에 건물 내 에너지 설비의 냉난방 디바이스 등의 액츄에이터를 제어한다(T3).
복수의 사용자별 실내 환경 파라미터의 최대/최소를 설정하는 동적 사용자 설정 모드인지 판단한다(T4). 판단결과 동적 사용자 설정 모드인 경우, 사용자별 환경 파라미터 설정부(13)가 복수의 사용자의 실내 환경 파라미터(온도, 조도, 공기질)에 대한 최소/최대 포인트를 각각 평균 기반(ABS), MAX-MIN 기반, MIN-MAX 기반 방법 중 하나에 의해 단일화하여 실내환경 파라미터의 동적 사용자 설정 포인트(최소/최대값)를 산출한다(T5).
실내환경 파라미터 예측부(12)에서 예측된 실내환경 파라미터의 값과, 산출된 온도, 조도, 공기 질의 환경 파라미터에 대한 동적 사용자 설정 포인트의 최대/최소 값을 입력받아 규칙 기반 최적화부(14)에 의해 실내 환경 파라미터를 최적화한다(T6).
통합 쾌적 지수 산출부(15)는 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출한다(T7)
퍼지 컨트롤러(16)는 센싱된 환경 파라미터와 최적화된 환경 파라미터와의 차이를 기초로 건물내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량(PT, PL, PA)을 산출한다(T8).
전력 제어 에이전트(17)는 퍼지 컨트롤러(16)로부터 온도, 조도, 공기질 각각에 대해 산출한 요구 전력을 입력받아 전체 요구 전력량을 산출한다. 그리고, 전체 요구 전력량과 통합 쾌적지수 및 건물 내 가용 전력(전원공급부의 전력)에 기초하여 온도, 조도 및 공기 질을 제어하기 위한 조정 전력량을 산출한다(T9).
소비 전력 계산부(18)는 전력 제어 에이전트(17)에서 출력되는 조정 전력량과 요구 전력량을 기초로 실제 소비 전력을 산출한다(T10).
복수의 액츄에이터(30)는 실제 소비 전력에 따라 건물 내 에너지 설비의 동작을 제어한다(T11).
상술한 바와 같이, 실내 환경 파라미터 예측을 통한 실제 소비 전력 감소를 위해 센서로 감지한 온도, 조도, 공기 질의 환경 파라미터를 예측 및 규칙 기반 최적화하여 쾌적 지수를 산출하고, 최적화된 환경 파라미터에 의해 요구 전력을 감소시킴으로써 사용자에게 쾌적한 실내 환경을 제공하면서 동시에 에너지 소비를 감소시킬 수 있다.
상술한 바와 같이, 본 발명에서는 온도, 조도 및 공기 질의 실내 환경 파라미터를 예측하고, 복수의 사용자 설정값을 기반으로 새로운 통합 쾌적지수를 산출하고, 산출된 통합 쾌적지수와 예측 실내 환경 파라미터를 기초로 건물내 에너지 설비의 동작을 제어한다.
따라서, 본 발명에 의하면 쾌적한 실내 환경을 제공하면서 동시에 에너지 소비를 최소화할 수 있으며, 이를 통해 IBS/BIM/BEMS 뿐만 아니라 다양한 IT를 접목한 건축공학 분야에서 쾌적한 실내 환경과 에너지 효율을 종합적으로 고려한 제어 시스템을 제공할 수 있는 효과가 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 설명하였다. 그러나, 본 발명의 실시예는 당업계에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되어지는 것으로, 본 발명의 범위가 상기의 실시예에 한정되는 것은 아니며, 여러 가지 다른 형태로 변형이 가능함은 물론이다.
10 : 센싱부 10a : 온도 센서
10b : 조도 센서 10c : 공기질 센서
12 : 실내환경 파라미터 예측부 13 : 동적 사용자별 환경 파라미터 설정부
14 : 규칙 기반 최적화부 15 : 쾌적 지수 산출부
16 : 퍼지 컨트롤러 17 : 전력 제어 에이전트
18 : 소비 전력 계산부 20 : 전원공급부
30 : 스마트홈 액추에이터

Claims (10)

  1. 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템에 있어서,
    건물 내의 온도, 조도 및 공기 질을 각각 센싱하여 실내 환경 파라미터를 출력하는 복수의 센서를 포함하는 센싱부와,
    예측 알고리즘을 이용하여 상기 실내 환경 파라미터를 예측하여 예측 실내 환경 파라미터를 출력하는 실내 환경 파라미터 예측부,
    실내 환경 파라미터의 최소/최대 설정 정보를 입력하기 위한 입력부,
    상기 입력부로부터 복수의 사용자별 실내 환경 파라미터의 최소/최대 설정 정보를 입력받아 복수 사용자의 온도, 조도, 공기질 각각에 대한 최소/최대 값을 단일화하여 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 사용자별 환경 파라미터 설정부,
    상기 예측 실내 환경 파라미터와 상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 입력받아 규칙 기반 알고리즘에 의해 실내 환경 파라미터를 최적화하여 최적 실내 환경 파라미터를 출력하는 규칙 기반 최적화부,
    상기 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출하는 통합 쾌적지수 산출부,
    상기 예측 실내 환경 파라미터와 상기 최적 실내 환경 파라미터의 차이를 기초로 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 퍼지 컨트롤러,
    상기 최적 실내 환경 파라미터, 상기 산출된 통합 쾌적지수 및 건물 내 가용 전력에 기초하여 온도, 조도 및 공기 질을 제어하기 위한 조정 전력량을 산출하는 전력 제어 에이전트,
    상기 산출된 요구 전력량과 조정 전력량을 기초로 실제 소비 전력을 산출하는 실제 소비 전력 계산부 및,
    상기 산출된 실제 소비 전력에 따라 건물 내 에너지 설비의 동작을 제어하는 복수의 액츄에이터를 포함하는, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템.
  2. 제1항에 있어서,
    상기 예측 알고리즘은 칼만 필터(Kalman filter)를 포함하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템.
  3. 제1항에 있어서,
    상기 규칙 기반 알고리즘은 상기 예측 실내 환경 파라미터와 상기 동적 사용자 설정 포인트가 최소의 차이를 갖도록 하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템.
  4. 제1항에 있어서,
    상기 사용자별 환경 파라미터 설정부는 평균 기반 설정, 최대-최소 기반 설정, 최소-최대 기반 설정 중 하나에 의해 상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템.
  5. 제1항에 있어서,
    상기 전력제어 에이전트는 상기 실내 환경 파라미터 예측부에서 출력되는 상기 예측 실내 환경 파라미터의 온도, 조도, 공기질 값에 맞추어 사전에 상기 건물 내 에너지 설비의 액츄에이터를 제어하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템.
  6. 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법에 있어서,
    건물 내의 온도, 조도 및 공기 질을 포함한 실내 환경 파라미터를 센싱하는 단계;
    상기 실내 환경 파라미터를 예측 알고리즘으로 예측하여 예측 실내 환경 파라미터를 생성하는 단계;
    복수의 사용자별 실내 환경 파라미터의 최소/최대 설정 정보를 입력받아 복수 사용자의 온도, 조도, 공기질 각각에 대한 최소/최대 값을 단일화하여 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 단계;
    상기 예측 실내 환경 파라미터와 상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 입력받아 규칙 기반 알고리즘에 의해 실내 환경 파라미터를 최적화하여 최적 실내 환경 파라미터를 생성하는 단계;
    상기 최적화된 실내 환경 파라미터와 소정 쾌적지수 산출식에 기초하여 통합 쾌적지수를 산출하는 단계;
    상기 예측 실내 환경 파라미터와 상기 최적 실내 환경 파라미터의 차이를 기초로 건물 내의 온도, 조도, 공기 질을 제어하기 위한 요구 전력량을 산출하는 단계;
    상기 최적 실내 환경 파라미터, 상기 산출된 통합 쾌적지수 및 건물 내 가용 전력에 기초하여 온도, 조도 및 공기 질을 제어하기 위한 조정 전력량을 산출하는 단계;
    상기 산출된 요구 전력량과 조정 전력량을 기초로 실제 소비 전력을 산출하는 단계;
    상기 산출된 실제 소비 전력을, 상기 건물 내 에너지 설비의 동작을 제어하는 복수의 액츄에이터에 공급하는 단계를 포함하는 것을 특징으로 하는 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법.
  7. 제6항에 있어서,
    상기 예측 알고리즘은 칼만 필터(Kalman filter)를 포함하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법.
  8. 제7항에 있어서,
    상기 규칙 기반 알고리즘은 상기 예측 실내 환경 파라미터와 상기 동적 사용자 설정 포인트가 최소의 차이를 갖도록 하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법.
  9. 제8항에 있어서,
    상기 동적 사용자 설정 포인트를 산출하는 단계는,
    평균 기반 설정, 최대-최소 기반 설정, 최소-최대 기반 설정 중 하나에 의해 온도, 조도, 공기질 각각의 실내 환경 파라미터의 최대/최소를 단일화하여 상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법.
  10. 제6항에 있어서,
    상기 실내 환경 파라미터의 동적 사용자 설정 포인트를 산출하는 단계 이전에, 상기 예측 실내 환경 파라미터의 온도, 조도, 공기질 값에 맞추어 사전에 상기 건물 내 에너지 설비의 액츄에이터를 제어하는 단계를 포함하는 것인, 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 방법.
KR1020170091377A 2017-07-19 2017-07-19 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법 KR101966532B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170091377A KR101966532B1 (ko) 2017-07-19 2017-07-19 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법
PCT/KR2018/002597 WO2019017555A1 (ko) 2017-07-19 2018-03-05 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170091377A KR101966532B1 (ko) 2017-07-19 2017-07-19 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20190009865A true KR20190009865A (ko) 2019-01-30
KR101966532B1 KR101966532B1 (ko) 2019-08-14

Family

ID=65015204

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170091377A KR101966532B1 (ko) 2017-07-19 2017-07-19 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR101966532B1 (ko)
WO (1) WO2019017555A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022191420A1 (ko) * 2021-03-10 2022-09-15 삼성전자 주식회사 외부 전자 장치를 제어하기 위한 방법 및 이를 지원하는 전자 장치

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109959123A (zh) * 2019-03-11 2019-07-02 浙江工业大学 一种基于遗传算法和长短期记忆循环神经网络的空调节能方法
CN113701315B (zh) * 2021-09-02 2022-10-04 国网(苏州)城市能源研究院有限责任公司 一种分体式空调集群智能节能控制方法及系统
US20230111459A1 (en) * 2021-10-13 2023-04-13 Johnson Controls Tyco IP Holdings LLP Building system for building equipment with external model integration

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110097587A (ko) * 2010-02-24 2011-08-31 가부시끼가이샤 도시바 공조 제어 시스템 및 공조 제어 방법
JP5389727B2 (ja) * 2009-04-15 2014-01-15 パナソニック株式会社 空調システム
KR101581501B1 (ko) * 2013-08-30 2015-12-30 제주대학교 산학협력단 전력 예측 기반의 통합 쾌적지수 및 에너지 효율을 동시에 고려한 지능형 빌딩 에너지 최적화 관리 시스템 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101154556B1 (ko) * 2009-04-09 2012-06-15 경희대학교 산학협력단 사용자의 상황 정보를 고려한 에너지 관리 방법 및 그 장치
US9727041B2 (en) * 2012-11-13 2017-08-08 Mitsubishi Electric Corporation Air-conditioning system and central management apparatus
KR101633969B1 (ko) * 2014-02-13 2016-06-27 주식회사 포스코아이씨티 상황인식 기반의 빌딩 에너지 관리 시스템 및 그를 이용한 빌딩 에너지 관리 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5389727B2 (ja) * 2009-04-15 2014-01-15 パナソニック株式会社 空調システム
KR20110097587A (ko) * 2010-02-24 2011-08-31 가부시끼가이샤 도시바 공조 제어 시스템 및 공조 제어 방법
KR101581501B1 (ko) * 2013-08-30 2015-12-30 제주대학교 산학협력단 전력 예측 기반의 통합 쾌적지수 및 에너지 효율을 동시에 고려한 지능형 빌딩 에너지 최적화 관리 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022191420A1 (ko) * 2021-03-10 2022-09-15 삼성전자 주식회사 외부 전자 장치를 제어하기 위한 방법 및 이를 지원하는 전자 장치

Also Published As

Publication number Publication date
KR101966532B1 (ko) 2019-08-14
WO2019017555A1 (ko) 2019-01-24

Similar Documents

Publication Publication Date Title
KR20190009865A (ko) 실내 환경 파라미터의 예측 및 동적 사용자 설정 기반의 건물 에너지 최적화 시스템 및 방법
US9874367B2 (en) Heating, ventilation, and air conditioning management system and method
Ding et al. OCTOPUS: Deep reinforcement learning for holistic smart building control
Shaikh et al. Intelligent multi-objective control and management for smart energy efficient buildings
Dounis et al. Advanced control systems engineering for energy and comfort management in a building environment—A review
Goyal et al. Experimental study of occupancy-based control of HVAC zones
KR101581501B1 (ko) 전력 예측 기반의 통합 쾌적지수 및 에너지 효율을 동시에 고려한 지능형 빌딩 에너지 최적화 관리 시스템 및 방법
JP2020533547A (ja) スマートな供給空気温度設定点制御を介する冷却ユニットのエネルギー最適化
JP5842654B2 (ja) システム制御装置およびシステム制御方法
US20120049922A1 (en) Total energy limiting and controlling device, and total electric power limiting and controlling device and method
Goyal et al. Effect of various uncertainties on the performance of occupancy-based optimal control of HVAC zones
Dobbs et al. Predictive HVAC control using a Markov occupancy model
US20130151013A1 (en) Method for Controlling HVAC Systems Using Set-Point Trajectories
Ouf et al. A simulation-based method to investigate occupant-centric controls
WO2014155951A1 (ja) 空調制御装置、空調制御システム、および空調制御方法
Habib et al. Automatic occupancy prediction using unsupervised learning in buildings data
Sakuma et al. Airflow direction control of air conditioners using deep reinforcement learning
Peng et al. Case study review: Prediction techniques in intelligent HVAC control systems
US20230314030A1 (en) Critical environment feedforward-feedback control system with room pressure and temperature control
US11329485B2 (en) Method for controlling building power consumption
Omarov et al. Design of a multiagent-based smart microgrid system for building energy and comfort management
CN117193034B (zh) 一种楼宇智能化控制方法及系统
CN116379576B (zh) 基于大数据自学习的供热空调系统节能底线的寻优方法
KR20220075526A (ko) 에너지 절감 냉난방 자동제어를 위한 빅데이터 기반 도시 건물 내 사용자 점유시간 예측시스템 및 방법
EP4361740A1 (en) A computer-implemented method for configuring a controller for a technical system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant