KR20190075717A - Centralized HVAC System Using Genetic Algorithm and Method Using The Same - Google Patents

Centralized HVAC System Using Genetic Algorithm and Method Using The Same Download PDF

Info

Publication number
KR20190075717A
KR20190075717A KR1020170177532A KR20170177532A KR20190075717A KR 20190075717 A KR20190075717 A KR 20190075717A KR 1020170177532 A KR1020170177532 A KR 1020170177532A KR 20170177532 A KR20170177532 A KR 20170177532A KR 20190075717 A KR20190075717 A KR 20190075717A
Authority
KR
South Korea
Prior art keywords
system energy
model
air conditioning
genetic algorithm
final
Prior art date
Application number
KR1020170177532A
Other languages
Korean (ko)
Other versions
KR102049005B1 (en
Inventor
최원창
성남철
김지헌
나시프 나빌
Original Assignee
가천대학교 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 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020170177532A priority Critical patent/KR102049005B1/en
Publication of KR20190075717A publication Critical patent/KR20190075717A/en
Application granted granted Critical
Publication of KR102049005B1 publication Critical patent/KR102049005B1/en

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
    • 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
    • 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
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • F24F2110/20—Humidity
    • F24F2110/22—Humidity of the outside air
    • 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
    • F24F2130/10—Weather information or forecasts

Abstract

The present invention relates to a centralized heating, ventilating, and air conditioning (HVAC) system using a genetic algorithm and an HVAC method using the same. According to an embodiment of the present invention, the centralized HVAC system using the genetic algorithm comprises: a data input unit which receives one or more of an external air condition, an early air supply temperature, and an early duct constant pressure; a final model drawing unit which substitutes one or more of the external air condition, the early air supply temperature, and the early duct constant pressure, which are received from the data input unit, into a system energy model, calculates an estimated volume of using system energy, compares the estimated volume of using system energy with an actual volume of using system energy, repeats a model feedback process until the estimated volume of using system energy comes within an error range of the actual volume of using system energy, and draws a final system energy model; an optimal value drawing unit which sets the final system energy model as a target function of the genetic algorithm, sets the air supply temperature and the duct constant pressure as variables of the genetic algorithm, and draws the optimal air supply temperature and the optimal duct constant pressure, where the calculated estimated volume of using system energy becomes the minimum value, from the final system energy model under the condition to maintaining a preset indoor temperature from the target function by using the genetic algorithm; and a driving unit which drives the HVAC system in accordance with the optimal air supply temperature and the optimal duct constant pressure, which are received from the optimal value drawing unit.

Description

유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법 {Centralized HVAC System Using Genetic Algorithm and Method Using The Same}Technical Field [0001] The present invention relates to a centralized air conditioning system using a genetic algorithm and an air conditioning method using the centralized air conditioning system.

본 개시는 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법에 관한 것이다.The present disclosure relates to a centralized air conditioning system using a genetic algorithm and an air conditioning method using the centralized air conditioning system.

이 부분에 기술된 내용은 단순히 본 개시에 대한 배경정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The description in this section merely provides background information on this disclosure and does not constitute prior art.

인구가 늘어나면서 건물이 고층화되고, 여기에 필요한 시설도 늘어나면서 건물에서 소모되는 에너지의 양이 커지게 되었다. 이와 동시에, 에너지의 가격이 상승하면서 건물 관리인 및 건물 거주자들은 에너지 소모 절감을 위한 노력을 기울이기 시작하였다.As the population grew, the buildings became taller and the number of facilities needed increased, and the amount of energy consumed in the buildings increased. At the same time, as energy prices rose, building managers and building residents began to make efforts to save energy.

이는 에어컨 끄기 등의 수동적인 방면에서 시작되었으며, 이후 자동적으로 에너지 소비를 아낄 수 있는 방법이 강구되었다. 이러한 노력의 결실 중 하나로서 BEMS(Building Energy Management System) 시스템이 등장하게 되었다. BEMS는 불필요한 에너지 사용을 최소화하고 설비를 최적운전 상태로 유지시킬 수 있으며, 이를 통해, 에너지 효율을 높일 수 있는 시스템이다.This started with passive aspects such as turning off the air conditioner, and then a method was automatically adopted to save energy consumption. BEMS (Building Energy Management System) system emerged as one of the fruits of these efforts. BEMS is a system that can minimize unnecessary energy use and keep the equipment in optimal operating condition, thereby increasing energy efficiency.

한편, BEMS 를 이용한 종래의 중앙집중식 공조시스템은 실내의 냉방부하가 일정하다는 가정하에 일정한 급기온도를 유지하도록 설계 되었다. 즉, 종래의 중앙집중식 공조시스템은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 등 외기조건에 따른 실내의 냉방부하 변화에 대응하지 못하고, 적절하지 못한 난방 또는 냉방이 이루어지는 문제점이 있었다.Meanwhile, the conventional centralized air conditioning system using BEMS is designed to maintain a constant supply air temperature under the assumption that the cooling load of the room is constant. That is, the conventional centralized air conditioning system does not cope with changes in the cooling load in the room depending on the outside air conditions such as the dry bulb temperature of the outside air, the wet bulb temperature of the outside air, and the relative humidity of the outside air.

또한, 종래의 중앙집중식 공조시스템은, 과냉방 또는 과난방이 이루어질 경우 과도한 에너지 소비로 인해 많은 비용이 발생하면서, 에너지 소비 저감이라는 본래의 목적이 퇴색되는 문제점이 있었다.In addition, in the conventional centralized air conditioning system, when the subcooling or overheating is performed, a large cost is incurred due to excessive energy consumption, and the original purpose of energy consumption reduction is faded.

이에, 본 발명은 외기조건과 그에 대응하는 실시간 부하변동을 반영하여 최종 시스템에너지 모델을 도출하고, 도출된 최종 시스템에너지 모델을 이용하여, 시스템에너지 사용예측량을 목적함수로 하여 유전 알고리즘 구동해 시스템에너지 사용량을 최소화할 수 있는 최적 급기온도 및 최적 덕트정압을 도출하는 데 주된 목적이 있다.Accordingly, the present invention derives the final system energy model reflecting the ambient conditions and the corresponding real-time load fluctuation, and drives the genetic algorithm using the system energy use prediction amount as an objective function using the derived final system energy model, The main purpose is to derive optimum supply air temperature and optimal duct pressure that can minimize the usage.

또한, 본 발명은 최종 시스템에너지 모델을 도출하는 과정에서 모델 피드백과정을 수행하여 보다 정확한 모델을 획득하고, 이를 바탕으로, 보다 정확한 최적 급기온도 및 최적 덕트정압을 도출하여 에너지 저감 효과를 극대화하는 데 주된 목적이 있다.In addition, the present invention obtains a more accurate model by performing a model feedback process in deriving a final system energy model, and derives a more accurate optimum supply air temperature and an optimal duct pressure to maximize the energy reduction effect There is a main purpose.

본 발명의 일 실시예에 의하면, 중앙집중식 공조시스템에 있어서, 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신하는 데이터 입력부; 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻고, 데이터 입력부로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하고, 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 최종모델 도출부; 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 최적값 도출부; 및 최적값 도출부로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기(HVAC)을 구동시키는 구동부를 포함하는 것을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법을 제공한다.According to an embodiment of the present invention, there is provided a centralized air conditioning system, comprising: a data input unit receiving at least one of an ambient condition, an initial supply air temperature, and an initial duct static pressure; The system energy model is obtained by combining one or more mathematical calculation equations, and one or more of the outside air condition, the initial supply air temperature, and the initial duct static pressure received from the data input unit are substituted into the system energy model to calculate the system energy use prediction amount, And the final system energy model is derived by repeating the model feedback process until the system energy use prediction amount is within the error range of the actual system energy usage by comparing the actual system energy use amount with the actual system energy use amount. The system calculated from the final system energy model under the condition that the final system energy model is the objective function of the genetic algorithm, the supply air temperature and the duct static pressure are the variables of the genetic algorithm, and the set room temperature is maintained from the objective function using the genetic algorithm. An optimum value derivation unit for deriving an optimum supply air temperature and an optimal duct static pressure at which the energy use prediction amount is minimized; And a driving unit for driving the HVAC according to the optimum supply air temperature and the optimum duct static pressure received from the optimum value derivation unit, and a method of air conditioning using the centralized air conditioning system using the genetic algorithm .

이상에서 설명한 바와 같이 본 실시예에 의하면, 유전 알고리즘을 이용한 중앙집중식 공조시스템 및 이를 이용한 공기조화 방법은, 유전 알고리즘을 이용해 시스템에너지 사용량을 최소화할 수 있는 최적 급기온도 및 최적 덕트정압을 도출할 수 있고, 이를 통해, 냉난방에 소비되는 에너지를 최소화할 수 있는 효과가 있다.As described above, according to the present embodiment, the centralized air conditioning system using the genetic algorithm and the air conditioning method using the genetic algorithm can derive the optimal supply air temperature and the optimal duct pressure that can minimize the system energy consumption by using the genetic algorithm Thus, it is possible to minimize the energy consumed by heating and cooling.

또한, 최종 시스템에너지 모델은 모델 피드백과정을 통해 보다 정확하게 시스템에너지 사용량을 예측할 수 있도록 하고, 이를 통해, 유전 알고리즘을 통해 도출되는 최적 급기온도 및 최적 덕트정압이 보다 정확하게 시스템에너지 사용량을 저감시킬 수 있도록 하는 효과가 있다.In addition, the final system energy model allows for more accurate prediction of system energy usage through model feedback process, which allows the optimum supply air temperature and optimum duct pressure derived through genetic algorithm to more accurately reduce system energy usage .

도 1은 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 최종모델 도출부에서 최종 시스템에너지 모델이 도출되는 과정을 나타낸 순서도이다.
도 3은 본 개시의 일 실시예에 따른 최적값 도출부에서 최적 급기온도 및 최적 덕트정압이 도출되는 과정을 나타낸 순서도이다.
도 4는 본 개시의 다른 실시예에 따른 기상데이터 수신부 및 제어부를 포함하는 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.
도 5는 본 개시의 또 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법을 나타낸 순서도이다.1 is a block diagram of a centralized air conditioning system using a genetic algorithm in accordance with one embodiment of the present disclosure;
FIG. 2 is a flowchart illustrating a process of deriving a final system energy model in a final model derivation unit according to an embodiment of the present disclosure.
FIG. 3 is a flowchart illustrating a process of deriving an optimal supply air temperature and an optimal duct static pressure in an optimum value derivation unit according to an embodiment of the present disclosure.
4 is a block diagram of a centralized air conditioning system using a genetic algorithm including a weather data receiving unit and a control unit according to another embodiment of the present disclosure.
5 is a flowchart illustrating an air conditioning method using a centralized air conditioning system using a genetic algorithm according to another embodiment of the present disclosure.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, some embodiments of the present invention will be described in detail with reference to exemplary drawings. It should be noted that, in adding reference numerals to the constituent elements of the drawings, the same constituent elements are denoted by the same reference symbols as possible even if they are shown in different drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.

본 발명에 따른 실시예의 구성요소를 설명하는데 있어서, 제1, 제2, i), ii), a), b) 등의 부호를 사용할 수 있다. 이러한 부호는 그 구성요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 부호에 의해 해당 구성요소의 본질 또는 차례나 순서 등이 한정되지 않는다. 명세서에서 어떤 부분이 어떤 구성요소를 '포함' 또는 '구비'한다고 할 때, 이는 명시적으로 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In describing the components of the embodiment according to the present invention, the first, second, i), ii), a), b) and the like can be used. These codes are for distinguishing the constituent elements from other constituent elements, and the nature of the constituent elements, the order and the order of the constituent elements are not limited by those codes. It is to be understood that when a component is referred to as being "comprising" or "comprising" an element in the specification, it does not exclude other elements, unless explicitly contradicted by the description, .

도 1은 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.1 is a block diagram of a centralized air conditioning system using a genetic algorithm in accordance with one embodiment of the present disclosure;

도 1을 참조하면, 유전 알고리즘을 이용한 중앙집중식 공조시스템은 데이터 입력부(110), 최종모델 도출부(120), 최적값 도출부(130) 및 구동부(140)를 포함한다.Referring to FIG. 1, a centralized air conditioning system using a genetic algorithm includes a data input unit 110, a final model derivation unit 120, an optimum value derivation unit 130, and a driving unit 140.

데이터 입력부(110)는 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나이상을 수신한다. 여기서, 초기 급기온도는 냉난방공조기(HVAC)로부터 실내로 공급되는 수신 당시의 급기온도를 의미한다. 또한, 덕트정압은 냉난방공조기에 포함된 송풍기로부터 공급되는 급기에 의해 덕트에 가해지는 압력을 의미하며, 초기 덕트정압은 수신 당시의 덕트정압을 의미한다.The data input unit 110 receives at least one of the ambient condition, the initial supply air temperature, and the initial duct static pressure. Here, the initial supply air temperature refers to the supply air temperature at the time of reception from the HVAC to the room. Also, the duct static pressure refers to the pressure applied to the duct by the air supply supplied from the blower included in the air conditioner, and the initial duct static pressure means the duct static pressure at the time of reception.

데이터 입력부(110)에서 수신하는 외기조건에는 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.The atmospheric condition received by the data input unit 110 may include at least one of a dry bulb temperature of the outside air, a wet bulb temperature of the outside air, and a relative humidity of the outside air. However, the present invention is not limited thereto.

최종모델 도출부(120)는 데이터 입력부(110)로부터 수신한 데이터를 이용하여 모델 피드백과정을 수행하고, 이를 통해, 최종 시스템에네지 모델을 도출할 수 있다.The final model derivation unit 120 performs a model feedback process using the data received from the data input unit 110, thereby deriving a final system energy model.

최적값 도출부(130)는 최종모델 도출부(120)에서 도출된 최종 시스템에너지 모델을 목적함수로 하여 유전 알고리즘을 구동하고, 이를 통해, 최적 급기온도 및 최적 덕트정압을 도출할 수 있다. 최종모델 도출부(120) 및 최적값 도출부(130)에 대한 상세한 설명은 도 2 및 도 3과 관련하여 각각 기술하도록 한다.The optimum value derivation unit 130 drives the genetic algorithm using the final system energy model derived from the final model derivation unit 120 as an objective function, thereby obtaining the optimum supply air temperature and the optimal duct pressure. Detailed description of the final model derivation unit 120 and the optimum value derivation unit 130 will be described with reference to FIG. 2 and FIG. 3, respectively.

다시 도 1을 참조하면, 구동부(140)는 최적값 도출부(130)로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기를 구동시킨다.1, the driving unit 140 drives the air conditioner according to the optimum supply air temperature and the optimum duct static pressure received from the optimum value derivation unit 130. [

본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템에서, 최적값 도출부(130)는 일정시간 간격으로 데이터 입력부(110)로부터 외기조건을 수신하고 이를 기초로 하여 최적 급기온도 및 최적 덕트정압을 갱신할 수 있다. 이때, 구동부(140)는 갱신된 최적 급기온도 및 갱신된 최적 덕트정압에 따라 냉난방공조기를 구동시킬 수 있다.In the centralized air conditioning system using the genetic algorithm according to an embodiment of the present disclosure, the optimum value derivation unit 130 receives ambient conditions from the data input unit 110 at predetermined time intervals, The duct pressure can be updated. At this time, the driving unit 140 can drive the air conditioner according to the updated optimum supply air temperature and the updated optimal duct static pressure.

이를 통해, 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 지속적으로 최적 급기온도 및 최적 덕트정압을 갱신할 수 있고, 갱신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기의 구동함으로써 냉난방에서 소비되는 에너지를 최소화할 수 있는 효과가 있다.Accordingly, the centralized air conditioning system using the genetic algorithm according to an embodiment of the present disclosure can continuously update the optimum supply air temperature and the optimal duct static pressure, and can continuously update the optimal supply air temperature and the optimal duct static pressure, So that the energy consumed in the heating and cooling can be minimized.

도 2는 본 개시의 일 실시예에 따른 최종모델 도출부(120)에서 최종 시스템에너지 모델이 도출되는 과정을 나타낸 순서도이다.FIG. 2 is a flowchart illustrating a process of deriving a final system energy model in a final model derivation unit 120 according to an embodiment of the present disclosure.

도 2를 참조하면, 최종모델 도출부(120)는 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻을 수 있다(S121). 여기서, 시스템에너지 모델이란, 실내의 설정온도 도달 및 설정온도 유지를 위해, 냉난방공조기에서 필요로 하는 에너지 사용량의 총합을 구할 수 있는 수학식을 의미한다.Referring to FIG. 2, the final model derivation unit 120 may obtain a system energy model by combining one or more mathematical calculation equations (S121). Here, the system energy model means a mathematical expression that can obtain the total sum of the energy consumption required in the air conditioner and the air conditioner for reaching the set temperature of the room and maintaining the set temperature.

시스템에너지 모델을 구성하는 하나 이상의 수학적 계산식에는, 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.One or more mathematical formulas that make up the system energy model may include, but are not limited to, one or more of an air conditioning system calculation formula, an outdoor air intake calculation formula, a blower energy consumption calculation formula, and a heat source equipment energy consumption formula.

공기조화기 시스템 계산식은, 외기 조건, 실내의 면적, 실내의 높이, 건물의 구조 등의 건물정보 등을 고려하여, 실내의 설정온도 도달 및 설정온도 유지를 위해 필요한 실내의 냉난방 부하를 계산할 수 있다. 또한, 공기조화기 시스템 계산식은, 계산된 실내의 냉난방 부하를 기초로 하여, 실내의 설정온도에 도달 및 실내의 설정온도를 유지하기 위한 급기풍량 및 급기온도를 계산할 수 있다.The air conditioner system calculation formula can calculate the indoor heating and cooling load necessary for reaching the set temperature of the room and maintaining the set temperature in consideration of the outdoor condition, the area of the room, the height of the room, and building information such as the structure of the building . Further, the air conditioner system calculation formula can calculate the supply air amount and the supply air temperature to reach the set temperature of the room and maintain the set temperature of the room, based on the calculated cooling / heating load of the room.

외기도입량 계산식은 실외로부터 냉난방공조기로 도입되는 외기의 양을 계산할 수 있다.The formula for calculating the amount of outdoor air introduced can calculate the amount of outdoor air introduced into the air conditioner from outside.

송풍기 에너지소비량 계산식은, 송풍기 성능 계수, 송풍기 날개의 회전수, 송풍기의 정압, 및 송풍기의 축동력 등을 고려하여, 냉난방공조기에 포함된 송풍기에서 소비되는 에너지 사용량을 계산할 수 있다.The energy consumption of the fan included in the air conditioner can be calculated in consideration of the fan performance coefficient, the number of revolutions of the fan blades, the static pressure of the fan, and the shaft power of the fan.

열원설비 에너지소비량 계산식은 열원설비에서 소비되는 에너지 사용량을 계산할 수 있다. 열원설비는 난방의 경우 보일러, 냉방의 경우 냉동기가 포함될 수 있으나 이에 한정되는 것은 아니다.Heat source equipment energy consumption formula can calculate energy consumption consumed in heat source equipment. The heat source equipment may include, but is not limited to, a boiler for heating and a refrigerator for cooling.

예를 들어, 냉동기 에너지소비량 계산식의 경우, 냉동기의 정격용량, 냉방부하, 냉수온도, 응축기의 출구온도 및 부분 부하율을 고려하여, 냉방시 냉동기에서 소비되는 에너지 사용량을 계산할 수 있다.For example, in the case of calculating the refrigerator energy consumption amount, it is possible to calculate the amount of energy consumed in the refrigerator during cooling in consideration of the rated capacity of the refrigerator, the cooling load, the cold water temperature, the outlet temperature of the condenser, and the partial load factor.

상술한 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식은 공기조화에서 일반적으로 사용되는 공지의 수학식 내지 수학적 모델이 활용될 수 있다.The air conditioner system calculation formula, the outdoor air intake amount calculation formula, the blower energy consumption calculation formula, and the heat source equipment energy consumption calculation formula can be implemented by known mathematical equations or mathematical models commonly used in air conditioning.

또한, 최종모델 도출부(120)는 데이터 입력부(110)로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산할 수 있다(S122). 여기서, 시스템에너지 사용예측량은, 실내의 설정온도 도달 및 설정온도 유지를 위해, 냉난방공조기에서 필요하다고 예측되는 에너지 사용량의 총합을 의미한다.In addition, the final model derivation unit 120 may calculate at least one of the ambient condition, the initial supply air temperature, and the initial duct static pressure received from the data input unit 110 into the system energy model to calculate the system energy usage prediction amount (S122). Here, the system energy use predicted amount refers to a total sum of energy usage that is expected to be required in the air-conditioning and air-conditioning system, in order to reach the set temperature of the room and maintain the set temperature.

또한, 최종모델 도출부(120)는 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교할 수 있다(S123). 이때, 최종모델 도출부(120)는 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복할 수 있고(S124), 이를 통해, 최종적으로 최종 시스템에너지 모델을 도출할 수 있다(S125).Also, the final model derivation unit 120 may compare the system energy usage prediction amount with the actual system energy usage amount (S123). At this time, the final model derivation unit 120 can repeat the model feedback process until the system energy usage prediction amount is within the error range of the actual system energy usage (S124), thereby finally deriving the final system energy model (S125).

여기서, 실제 시스템에너지 사용량은, 실내의 설정온도 도달 및 설정온도 유지를 위해, 냉난방공조기에서 실제로 소비되고 있는 에너지 사용량의 총합을 의미하며, 모델 피드백과정은, 최종 시스템에너지 모델을 도출하기 위해, 기존의 시스템에너지 모델을 수정하는 일련의 과정을 의미한다.Here, the actual system energy consumption refers to the sum of the energy consumption actually consumed in the air-conditioning and air-conditioning system to reach the set temperature of the room and the set temperature, and the model feedback process is performed using the existing system energy model The system energy model of the system is modified.

또한, 최종 시스템에너지 모델은, 실제 시스템에너지 사용량의 오차범위 내에 있는 시스템에너지 사용예측량을 계산할 수 있는 시스템에너지 모델을 의미한다.The final system energy model also refers to a system energy model capable of calculating a predicted amount of system energy usage that is within an error range of actual system energy usage.

구체적으로, 본 개시의 일 실시예에서 모델 피드백과정은, 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교한 후, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 모델 피드백과정을 반복하며, 반대로, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때 수정된 시스템에너지 모델을 최종 시스템에너지 모델로 하는 것을 의미할 수 있다.Specifically, in one embodiment of the present disclosure, the model feedback process includes obtaining a modified system energy model by modifying one or more coefficient values included in a mathematical calculation equation, calculating a system energy usage estimate, calculated from the modified system energy model, After comparing the energy usage, the model feedback process is repeated when the system energy usage estimate calculated from the modified system energy model is outside the error range of the actual system energy consumption. Conversely, the system energy usage calculated from the modified system energy model This may mean making the modified system energy model the final system energy model when the predicted quantity is within the error range of the actual system energy usage.

이때, 모델 피드백과정에서 수정되는 하나 이상의 계수값에는 열전달 계수, 펌프성능 계수 및 송풍기성능 계수 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.At this time, one or more coefficient values modified in the model feedback process may include at least one of a heat transfer coefficient, a pump performance coefficient, and a blower performance coefficient, but is not limited thereto.

또한, 계수값이 수정되는 방식은 이미 데이터베이스화 되어 있는 계수들의 값을 차례로 대입하여 수정되는 방식일 수 있다. 예를 들어, 냉난방공조기의 구성요소 중 성능계수가 밝혀지지 않은 구성요소가 존재할 때, 해당 구성요소와 최대한 유사한 스펙을 가지면서 성능계수가 밝혀진 다른 제품의 성능계수를 대입하는 방식으로 계수값이 수정될 수 있다.In addition, the method of modifying the coefficient value may be a method in which the values of the coefficients already stored in the database are sequentially substituted. For example, when there is a component whose performance coefficient is not known among the components of the HVAC system, the coefficient of performance is modified by a method of assigning the performance coefficient of another product whose coefficient of performance .

본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 유전 알고리즘 구동 이전에 모델 피드백과정을 더 포함함으로써, 더 정확한 목적함수를 도출할 수 있고, 이로써, 유전 알고리즘을 통해 도출되는 최적 급기온도 및 최적 덕트정압 또한 더 정확한 값을 도출할 수 있는 효과가 있다.A centralized air conditioning system using a genetic algorithm according to an embodiment of the present disclosure can further derive an objective function by including a model feedback process before driving a genetic algorithm, The supply air temperature and the optimum duct duct pressure also have the effect of deriving more accurate values.

도 3은 본 개시의 일 실시예에 따른 최적값 도출부(130)에서 최적 급기온도 및 최적 덕트정압이 도출되는 과정을 나타낸 순서도이다.3 is a flowchart illustrating a process of deriving an optimal supply air temperature and an optimum duct static pressure in an optimum value derivation unit 130 according to an embodiment of the present disclosure.

도 3을 참조하면, 최적값 도출부(130)는 최종모델 도출부(120)에서 도출된 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하여(S131), 유전 알고리즘을 구동할 수 있다(S132).Referring to FIG. 3, the optimum value derivation unit 130 uses the final system energy model derived from the final model derivation unit 120 as an objective function of the genetic algorithm, and uses the supply air temperature and the duct pressure as variables of the genetic algorithm S131), the genetic algorithm can be driven (S132).

유전 알고리즘(genetic algorithm)은 생물의 진화 과정을 기반으로 한 최적값 도출 방법으로서, 본 개시에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템에서는 최적 급기온도 및 최적 덕트정압을 얻는 데 활용된다.A genetic algorithm is a method of deriving an optimum value based on the evolution of a biological organism. In a centralized air conditioning system using the genetic algorithm according to the present disclosure, a genetic algorithm is utilized to obtain an optimal supply air temperature and an optimal duct static pressure.

최종적으로, 최적값 도출부(130)는 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출할 수 있다.Finally, the optimum value derivation unit 130 uses the genetic algorithm to determine the optimum supply air temperature and the optimal duct pressure that minimize the predicted system energy usage calculated from the final system energy model under the condition that the set room temperature is maintained from the objective function .

본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 유전 알고리즘을 이용하여 시스템에너지 사용량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출할 수 있으며, 도출된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기를 구동함으로써 냉난방에서 소비되는 에너지를 최소화할 수 있는 효과가 있다.The centralized air conditioning system using the genetic algorithm according to an embodiment of the present disclosure can derive an optimal supply air temperature and an optimal duct static pressure at which system energy consumption is minimized by using a genetic algorithm, It is possible to minimize the energy consumed in the heating and cooling by driving the air conditioner according to the static pressure of the duct.

도 4는 본 개시의 다른 실시예에 따른 기상데이터 수신부(150) 및 제어부(160)를 포함하는 유전 알고리즘을 이용한 중앙집중식 공조시스템의 블록도이다.4 is a block diagram of a centralized air conditioning system using a genetic algorithm including a weather data receiving unit 150 and a controller 160 according to another embodiment of the present disclosure.

도 4를 참조하면, 유전 알고리즘을 이용한 중앙집중식 공조시스템은 기상데이터 수신부(150) 및 제어부(160)를 포함할 수 있다.Referring to FIG. 4, the centralized air conditioning system using the genetic algorithm may include a weather data receiving unit 150 and a controller 160.

기상데이터 수신부(150)는 시간에 따른 예상 외기조건을 수신한다. 여기서, 예상 외기조건이란, 현재 시점에서 장래에 예상되는 외기의 상태를 의미하며, 예상 외기조건에는 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.The weather data receiving unit 150 receives the expected ambient condition according to time. Herein, the predicted outdoor condition refers to the state of the outdoor air expected at the present time, and the expected outdoor air condition may include at least one of the dry bulb temperature of the outdoor air, the wet bulb temperature of the outdoor air and the relative humidity of the outdoor air. no.

기상데이터 수신부(150)는, 예상 외기조건을 수신하기 위해, 기상청에서 제공하는 일기예보 정보를 수신할 수 있다.The weather data receiving unit 150 can receive the weather forecast information provided by the weather station to receive the expected ambient conditions.

본 개시의 다른 실시예의 최적값 도출부(130)는 기상데이터 수신부(150)로부터 수신된 예상 외기조건을 최종 시스템에너지 모델에 대입하여 시간에 따른 예상 최적 급기온도 및 예상 최적 덕트정압을 도출할 수 있다.The optimum value derivation unit 130 of another embodiment of the present disclosure can substitute the expected ambient condition received from the weather data reception unit 150 into the final system energy model to derive the predicted optimum supply air temperature and the estimated optimal duct pressure have.

여기서, 예상 최적 급기온도 및 예상 최적 덕트정압이란, 예상 외기조건 하에서 설정 실내온도를 유지하는 조건으로, 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 급기온도 및 덕트정압을 각각 의미한다.Here, the predicted optimum supply air temperature and the predicted optimum duct static pressure are conditions for maintaining the set room temperature under the predicted outdoor condition, respectively, and the supply air temperature and the duct static pressure, respectively, at which the predicted amount of system energy usage calculated from the final system energy model is minimized .

제어부(160)는 예상 최적 급기온도 및 예상 최적 덕트정압에 따라 구동부(140)를 제어할 수 있다.The control unit 160 may control the driving unit 140 according to the estimated optimum supply air temperature and the estimated optimal duct static pressure.

본 개시의 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식 공조시스템은, 예상 외기조건을 이용하여 예상 최적 급기온도 및 예상 최적 덕트정압을 냉난방공조기의 구동 전에 미리 도출할 수 있으며, 도출된 예상 최적 급기온도 및 예상 최적 덕트정압에 따라 냉난방공조기를 구동할 수 있는 효과가 있다.In the centralized air conditioning system using the genetic algorithm according to another embodiment of the present disclosure, the predicted optimum supply air temperature and the estimated optimal duct static pressure can be derived in advance before the air conditioner is driven by using the predicted ambient conditions, It is possible to drive the air conditioner according to the temperature and the estimated optimal duct static pressure.

도 5는 본 개시의 또 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법을 나타낸 순서도이다.5 is a flowchart illustrating an air conditioning method using a centralized air conditioning system using a genetic algorithm according to another embodiment of the present disclosure.

후술될 본 발명의 또 다른 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법의 구조 및 기능은 전술한 본 개시의 일 실시예에 따른 유전 알고리즘을 이용한 중앙집중식공조시스템의 구조 및 기능과 실질적으로 유사하다. 이에, 설명의 중복을 피하기 위하여, 이하에서, 도 5와 관련된 내용 중 도 1 내지 도 4 관련하여 이미 기술된 내용에 대해서는 생략하여 기술하도록 한다.The structure and function of the air conditioning method using the centralized air conditioning system using the genetic algorithm according to another embodiment of the present invention will be described with reference to the structure of the centralized air conditioning system using the genetic algorithm according to the embodiment of the present invention described above Function. Hereinafter, in order to avoid duplication of description, contents already described with reference to FIG. 1 to FIG. 4 in connection with FIG. 5 will be omitted.

도 5를 참조하면, 유전 알고리즘을 이용한 중앙집중식공조시스템을 이용한 공기조화 방법은 크게 6단계로 이루어진다(S501 내지 S506).Referring to FIG. 5, the air conditioning method using the centralized air conditioning system using the genetic algorithm includes six steps (S501 to S506).

우선, 데이터 입력부(110)를 이용하여 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신한다(S501). 외기조건은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상을 포함할 수 있으나 이에 한정되는 것은 아니다.First, at least one of the ambient condition, the initial supply air temperature, and the initial duct static pressure is received using the data input unit 110 (S501). The ambient condition may include, but is not limited to, one or more of the dry bulb temperature of the open air, the wet bulb temperature of the open air, and the relative humidity of the open air.

다음으로, 하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻는다(S502). 시스템에너지 모델을 구성하는 하나 이상의 수학적 계산식에는, 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.Next, one or more mathematical formulas are combined to obtain a system energy model (S502). One or more mathematical formulas that make up the system energy model may include, but are not limited to, one or more of an air conditioning system calculation formula, an outdoor air intake calculation formula, a blower energy consumption calculation formula, and a heat source equipment energy consumption formula.

다음으로, 데이터 입력부로부터 수신된 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산한다(S503).Next, at least one of the outdoor air condition, the initial air supply temperature, and the initial duct static pressure received from the data input unit is substituted into the system energy model to calculate the system energy use prediction amount (S503).

다음으로, 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출한다(S504).Next, the system energy use prediction amount is compared with the actual system energy usage amount, and the model feedback process is repeated until the system energy use prediction amount is within the error range of the actual system energy usage to derive the final system energy model (S504).

구체적으로, 본 개시의 일 실시예에서 모델 피드백과정은, 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교한 후, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 모델 피드백과정을 반복하며, 반대로, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 실제 시스템에너지 사용량의 오차범위 내에 있을 때 수정된 시스템에너지 모델을 최종 시스템에너지 모델로 하는 것을 의미할 수 있다.Specifically, in one embodiment of the present disclosure, the model feedback process includes obtaining a modified system energy model by modifying one or more coefficient values included in a mathematical calculation equation, calculating a system energy usage estimate, calculated from the modified system energy model, After comparing the energy usage, the model feedback process is repeated when the system energy usage estimate calculated from the modified system energy model is outside the error range of the actual system energy consumption. Conversely, the system energy usage calculated from the modified system energy model This may mean making the modified system energy model the final system energy model when the predicted quantity is within the error range of the actual system energy usage.

이때, 모델 피드백과정에서 수정되는 하나 이상의 계수값에는 열전달 계수, 펌프성능 계수 및 송풍기성능 계수 중 하나 이상이 포함될 수 있으나 이에 한정되는 것은 아니다.At this time, one or more coefficient values modified in the model feedback process may include at least one of a heat transfer coefficient, a pump performance coefficient, and a blower performance coefficient, but is not limited thereto.

다음으로, 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 목적함수로부터 설정 실내온도를 유지하는 조건에서 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출할 수 있다(S505).Next, the final system energy model is used as the objective function of the genetic algorithm, the supply air temperature and the duct static pressure are set as the parameters of the genetic algorithm, and the genetic algorithm is used to maintain the set indoor temperature from the objective function. The optimum supply air temperature and the optimal duct static pressure at which the calculated system energy usage prediction amount is minimum can be derived (S505).

최종적으로, 구동부(140)를 이용하여 최적값 도출부로부터 수신된 최적 급기온도 및 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시킨다(S506).Finally, the driving unit 140 drives the HVAC (S506) according to the optimum supply air temperature and the optimum duct static pressure received from the optimum value deriving unit.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The foregoing description is merely illustrative of the technical idea of the present embodiment, and various modifications and changes may be made to those skilled in the art without departing from the essential characteristics of the embodiments. Therefore, the present embodiments are to be construed as illustrative rather than restrictive, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of the present embodiment should be construed according to the following claims, and all technical ideas within the scope of equivalents thereof should be construed as being included in the scope of the present invention.

110: 데이터 입력부 120: 최종모델 도출부 130: 최적값 도출부
140: 구동부 150: 기상데이터 수신부 160: 제어부110: data input unit 120: final model derivation unit 130: optimum value derivation unit
140: driving unit 150: weather data receiving unit 160:

Claims (13)

중앙집중식 공조시스템에 있어서,
외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신하는 데이터 입력부;
하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻고, 상기 데이터 입력부로부터 수신된 상기 외기조건, 상기 초기 급기온도 및 상기 초기 덕트정압 중 하나 이상을 상기 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하고, 상기 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 상기 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 최종모델 도출부;
상기 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 상기 목적함수로부터 설정 실내온도를 유지하는 조건에서 상기 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 최적값 도출부; 및
상기 최적값 도출부로부터 수신된 상기 최적 급기온도 및 상기 최적 덕트정압에 따라 냉난방공조기(HVAC)을 구동시키는 구동부
를 포함하는 것을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.In a centralized air conditioning system,
A data input unit for receiving at least one of an ambient condition, an initial supply air temperature, and an initial duct static pressure;
Obtaining a system energy model by combining at least one mathematical calculation formula and calculating at least one of the ambient air condition, the initial supply air temperature and the initial duct static pressure received from the data input unit into the system energy model to calculate a system energy use prediction amount A final model deriving unit for deriving a final system energy model by comparing the system energy usage prediction amount with an actual system energy usage amount and repeating a model feedback process until the system energy usage prediction amount is within an error range of the actual system energy usage amount;
The final system energy model is set as an objective function of the genetic algorithm, the supply air temperature and the duct static pressure are set as variables of the genetic algorithm, and the final system energy model is obtained from the final system energy model An optimum value derivation unit for deriving an optimum supply air temperature and an optimum duct static pressure at which the calculated system energy use prediction amount is minimized; And
(HVAC) according to the optimum supply air temperature and the optimal duct static pressure received from the optimum value derivation unit
And a centralized air conditioning system using the genetic algorithm. 제1항에 있어서,
상기 수학적 계산식은 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method according to claim 1,
The mathematical equation includes at least one of an air conditioner system calculation formula, an outdoor air intake quantity calculation formula, a blower energy consumption calculation formula, and a heat source equipment energy consumption formula
A centralized air conditioning system using genetic algorithms characterized by 제2항에 있어서,
상기 모델 피드백과정은,
상기 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 상기 실제 시스템에너지 사용량을 비교하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 상기 모델 피드백과정을 반복하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때 상기 수정된 시스템에너지 모델을 상기 최종 시스템에너지 모델로 하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.3. The method of claim 2,
In the model feedback process,
Obtaining a modified system energy model by modifying one or more coefficient values included in the mathematical calculation equation to compare the actual system energy usage with the system energy usage estimate calculated from the modified system energy model, The model feedback process is repeated when the calculated system energy usage prediction amount is outside the error range of the actual system energy usage amount and the system energy use prediction amount calculated from the modified system energy model is within the error range of the actual system energy usage amount The modified system energy model as the final system energy model
A centralized air conditioning system using genetic algorithms characterized by 제3항에 있어서,
상기 계수값은,
열전달 계수, 펌프성능 계수 및 송풍기성능 계수 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method of claim 3,
Wherein the coefficient value
Including one or more of heat transfer coefficient, pump performance factor and blower performance factor
A centralized air conditioning system using genetic algorithms characterized by 제1항에 있어서,
상기 외기조건은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method according to claim 1,
The outside air condition includes at least one of a dry bulb temperature of the outside air, a wet bulb temperature of the outside air and a relative humidity of the outside air
A centralized air conditioning system using genetic algorithms characterized by 제1항에 있어서,
상기 최적값 도출부는 일정시간 간격으로 상기 데이터 입력부로부터 상기 외기조건을 수신하고 이를 기초로 하여 상기 최적 급기온도 및 상기 최적 덕트정압을 갱신하고,
상기 구동부는 상기 갱신된 최적 급기온도 및 상기 갱신된 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시키는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method according to claim 1,
Wherein the optimum value derivation unit receives the ambient condition from the data input unit at predetermined time intervals and updates the optimal supply air temperature and the optimal duct static pressure based on the ambient condition,
Wherein the driving unit drives the HVAC according to the updated optimal supply air temperature and the updated optimal duct static pressure
A centralized air conditioning system using genetic algorithms characterized by 제1항에 있어서,
시간에 따른 예상 외기조건을 수신하는 기상데이터 수신부를 더 포함하되,
상기 최적값 도출부는 상기 기상데이터 수신부로부터 수신된 상기 예상 외기조건을 상기 최종 시스템에너지 모델에 대입하여 시간에 따른 예상 최적 급기온도 및 예상 최적 덕트정압을 도출하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.The method according to claim 1,
Further comprising: a weather data receiving unit for receiving a weather condition according to time,
The optimum value derivation unit may calculate the predicted optimum supply air temperature and the estimated optimal duct constant pressure by substituting the expected ambient condition received from the weather data receiver into the final system energy model
A centralized air conditioning system using genetic algorithms characterized by 제7항에 있어서,
상기 예상 최적 급기온도 및 상기 예상 최적 덕트정압에 따라 상기 구동부를 제어하는 제어부를 더 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템.8. The method of claim 7,
And a control unit for controlling the driving unit in accordance with the predicted optimum supply air temperature and the predicted optimum duct static pressure
A centralized air conditioning system using genetic algorithms characterized by 중앙집중식 공조시스템을 이용한 공기조화 방법에 있어서,
데이터 입력부를 이용하여 외기조건, 초기 급기온도 및 초기 덕트정압 중 하나 이상을 수신하는 단계;
하나 이상의 수학적 계산식을 조합하여 시스템에너지 모델을 얻는 단계;
상기 데이터 입력부로부터 수신된 상기 외기조건, 상기 초기 급기온도 및 상기 초기 덕트정압 중 하나 이상을 상기 시스템에너지 모델에 대입하여 시스템에너지 사용예측량을 계산하는 단계;
상기 시스템에너지 사용예측량과 실제 시스템에너지 사용량을 비교하여 상기 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때까지 모델 피드백과정을 반복하여 최종 시스템에너지 모델을 도출하는 단계;
상기 최종 시스템에너지 모델을 유전 알고리즘의 목적함수로 하고, 급기온도 및 덕트정압을 유전 알고리즘의 변수로 하고, 유전 알고리즘을 이용하여 상기 목적함수로부터 설정 실내온도를 유지하는 조건에서 상기 최종 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 최소가 되는 최적 급기온도 및 최적 덕트정압을 도출하는 단계;
구동부를 이용하여 상기 최적값 도출부로부터 수신된 상기 최적 급기온도 및 상기 최적 덕트정압에 따라 냉난방공조기(HVAC)를 구동시키는 단계;
를 포함하는 것을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.A method of air conditioning using a centralized air conditioning system,
Receiving at least one of an ambient condition, an initial supply air temperature and an initial duct static pressure using a data input unit;
Combining one or more mathematical formulas to obtain a system energy model;
Calculating a system energy use prediction amount by substituting at least one of the outdoor air condition, the initial air supply temperature and the initial duct static pressure received from the data input unit into the system energy model;
Comparing the system energy usage prediction amount with an actual system energy usage amount and repeating a model feedback process until the system energy usage prediction amount is within an error range of the actual system energy usage amount to derive a final system energy model;
The final system energy model is set as an objective function of the genetic algorithm, the supply air temperature and the duct static pressure are set as variables of the genetic algorithm, and the final system energy model is obtained from the final system energy model Deriving an optimal supply air temperature and an optimal duct static pressure at which the calculated system energy usage prediction amount is minimized;
Driving the HVAC according to the optimum supply air temperature and the optimal duct static pressure received from the optimum value derivation unit using a driving unit;
Wherein the centralized air-conditioning system comprises a plurality of indoor units. 제9항에 있어서,
상기 수학적 계산식은 공기조화기 시스템 계산식, 외기도입량 계산식, 송풍기 에너지소비량 계산식 및 열원설비 에너지소비량 계산식 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.10. The method of claim 9,
The mathematical equation includes at least one of an air conditioner system calculation formula, an outdoor air intake quantity calculation formula, a blower energy consumption calculation formula, and a heat source equipment energy consumption formula
A method of air conditioning using a centralized air conditioning system using a genetic algorithm. 제10항에 있어서,
상기 모델 피드백과정은,
상기 수학적 계산식에 포함되는 하나 이상의 계수값을 변경함으로써 수정된 시스템에너지 모델을 얻고, 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량과 상기 실제 시스템에너지 사용량을 비교하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 밖에 있을 때 상기 모델 피드백과정을 반복하고, 상기 수정된 시스템에너지 모델로부터 계산된 시스템에너지 사용예측량이 상기 실제 시스템에너지 사용량의 오차범위 내에 있을 때 상기 수정된 시스템에너지 모델을 상기 최종 시스템에너지 모델로 하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.11. The method of claim 10,
In the model feedback process,
Obtaining a modified system energy model by modifying one or more coefficient values included in the mathematical calculation equation to compare the actual system energy usage with the system energy usage estimate calculated from the modified system energy model, The model feedback process is repeated when the calculated system energy usage prediction amount is outside the error range of the actual system energy usage amount and the system energy use prediction amount calculated from the modified system energy model is within the error range of the actual system energy usage amount The modified system energy model as the final system energy model
A method of air conditioning using a centralized air conditioning system using a genetic algorithm. 제11항에 있어서,
상기 계수값은,
열전달 계수, 펌프성능 계수 및 송풍기성능 계수 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.12. The method of claim 11,
Wherein the coefficient value
Including one or more of heat transfer coefficient, pump performance factor and blower performance factor
A method of air conditioning using a centralized air conditioning system using a genetic algorithm. 제9항에 있어서,
상기 외기조건은 외기의 건구온도, 외기의 습구온도 및 외기의 상대습도 중 하나 이상을 포함하는 것
을 특징으로 하는 유전 알고리즘을 이용한 중앙집중식 공조시스템을 이용한 공기조화 방법.10. The method of claim 9,
The outside air condition includes at least one of a dry bulb temperature of the outside air, a wet bulb temperature of the outside air and a relative humidity of the outside air
A method of air conditioning using a centralized air conditioning system using a genetic algorithm.
KR1020170177532A 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same KR102049005B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170177532A KR102049005B1 (en) 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170177532A KR102049005B1 (en) 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same

Publications (2)

Publication Number Publication Date
KR20190075717A true KR20190075717A (en) 2019-07-01
KR102049005B1 KR102049005B1 (en) 2019-11-26

Family

ID=67255557

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170177532A KR102049005B1 (en) 2017-12-21 2017-12-21 Centralized HVAC System Using Genetic Algorithm and Method Using The Same

Country Status (1)

Country Link
KR (1) KR102049005B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023038405A1 (en) * 2021-09-08 2023-03-16 오토시맨틱스 주식회사 Device and method for generating heat simulator of building

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130127697A (en) * 2012-05-15 2013-11-25 성균관대학교산학협력단 System for energy control based on genetic algorithm, and the method
KR101301123B1 (en) * 2012-05-31 2013-12-31 충남대학교산학협력단 Prediction method for cooling and heating load
JP2015505030A (en) * 2012-01-23 2015-02-16 アース・ネットワークス・インコーポレイテッドＥａｒｔｈ Ｎｅｔｗｏｒｋｓ，Ｉｎｃ． Optimization and control of building energy consumption

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015505030A (en) * 2012-01-23 2015-02-16 アース・ネットワークス・インコーポレイテッドＥａｒｔｈ Ｎｅｔｗｏｒｋｓ，Ｉｎｃ． Optimization and control of building energy consumption
KR20130127697A (en) * 2012-05-15 2013-11-25 성균관대학교산학협력단 System for energy control based on genetic algorithm, and the method
KR101301123B1 (en) * 2012-05-31 2013-12-31 충남대학교산학협력단 Prediction method for cooling and heating load

Also Published As

Publication number Publication date
KR102049005B1 (en) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110520679A (en) Heating,Ventilating and Air Conditioning generator set controller
US9447985B2 (en) HVAC control system and methods for operating same
CN111336669B (en) Indoor air conditioner ventilation system based on model predictive control
CN109114729A (en) A kind of air-conditioner control method and air conditioner
CN112567183B (en) Air conditioner, control device, air conditioning method, and storage medium
CN110107989A (en) Small-sized based on chilled water return water temperature optimum set point determines frequency water cooler and becomes temperature control method of water
CN104807137A (en) Air conditioning temperature and humidity control method and device
JP2011214794A (en) Air conditioning system control device
WO2015174176A1 (en) Ventilation controller and method for controlling ventilation
CN109827299A (en) Based on Internet of Things air-treatment unit adjusting method, device, system and medium
CN113339941B (en) Control method of variable frequency air conditioner
CN110940030A (en) Operation control method and system of air conditioner and air conditioner
CN112747419B (en) Wind-water linkage control method, device and equipment for central air conditioner and storage medium
JP6937261B2 (en) Air conditioning control device, air conditioning control method and computer program
JP2020026945A (en) Air conditioning device
US10852043B2 (en) DC varaiable speed compressor control method and control system
JP6698947B1 (en) Air conditioner, control device, air conditioning method and program
JP6701449B1 (en) Air conditioner, control device, air conditioning method and program
TW201512607A (en) Operation control device and operation control method
WO2020035908A1 (en) Air-conditioning device, control device, air-conditioning method, and program
KR20190075717A (en) Centralized HVAC System Using Genetic Algorithm and Method Using The Same
EP3098529B1 (en) Coordinated control of hvac system using aggregated system demand
WO2020035907A1 (en) Air-conditioning device, control device, air-conditioning method, and program
CN112728739B (en) Method and device for determining set value of air supply temperature of air conditioning box based on algorithm prediction
JP2015132388A (en) Air conditioning control method and air conditioning control system

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant