KR20210103174A - 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치 - Google Patents

날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치 Download PDF

Info

Publication number
KR20210103174A
KR20210103174A KR1020200017576A KR20200017576A KR20210103174A KR 20210103174 A KR20210103174 A KR 20210103174A KR 1020200017576 A KR1020200017576 A KR 1020200017576A KR 20200017576 A KR20200017576 A KR 20200017576A KR 20210103174 A KR20210103174 A KR 20210103174A
Authority
KR
South Korea
Prior art keywords
weather
average error
weather forecast
forecast
error
Prior art date
Application number
KR1020200017576A
Other languages
English (en)
Inventor
김철
유성수
유은민
김은지
오성균
Original Assignee
(주)엔키아
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 (주)엔키아 filed Critical (주)엔키아
Priority to KR1020200017576A priority Critical patent/KR20210103174A/ko
Publication of KR20210103174A publication Critical patent/KR20210103174A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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"
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Air Conditioning Control Device (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치가 제공된다. 날씨 DB는 사전에 정해진 시간 단위로 예보되는 날씨(이하, '날씨 예보'라 한다)와 실제 날씨를 저장하고, 평균 에러 산출부는 날씨 DB에 저장된 날씨 예보와 실제 날씨의 차이를 날씨 에러로서 산출하고, 누적 산출되는 날씨 에러의 평균(이하, '평균 에러'라 한다)을 산출하고, 전력 예측부는 현재에 대해 예보된 날씨 예보와 산출된 평균 에러를 이용하여 전력사용량을 예측한다.

Description

날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치{Apparatus for predicting electric power usage using weather forecast}
본 발명은 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치에 관한 것으로서, 보다 상세하게는, 예보된 날씨와 정해진 기간 동안 산출된 날씨 예보의 평균 에러를 심층 신경망에 적용하여 빌딩 내 전력소비량을 예측할 수 있는 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치에 관한 것이다.
공기조화기(Air Handling Unit: AHU, 공조기)는 공기 정화, 냉각·감습, 가열·가습 등의 공기 상태를 적절하게 조절하는 장치로서, 송풍기를 설치하여 각 실내로 송풍하기 위한 기능을 갖추고 있다.
공조기는 빌딩, 자동차 등 공기 상태 조절을 필요로 하는 모든 장소에 설치 가능하며, 날씨 예보에 따라 공조기의 전력사용량을 예측하는 것이 일반적이다.
그러나, 날씨 예보를 기반으로 빌딩의 전력사용량을 예측하는 방식은 날씨 예보의 정확도에 따라 예측 정확도가 변경될 수 있다. 따라서, 기존의 방식으로 전력사용량을 예측하는 경우 단순히 날씨 예보에 의존적이므로 전력사용량의 예측 정확도가 낮아진다.
국내 등록특허 제10-1692533호(2016.12.28. 등록)
전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 예보된 날씨와 정해진 기간 동안 산출된 날씨 예보의 평균 에러를 심층 신경망에 적용하여 빌딩 내 전력소비량을 예측할 수 있는 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치를 제시하는 데 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따르면, 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치는, 사전에 정해진 시간 단위로 예보되는 날씨(이하, '날씨 예보'라 한다)와 실제 날씨를 저장하는 날씨 DB; 상기 날씨 DB에 저장된 날씨 예보와 실제 날씨의 차이를 날씨 에러로서 산출하고, 누적 산출되는 날씨 에러의 평균(이하, '평균 에러'라 한다)을 산출하는 평균 에러 산출부; 및 현재에 대해 예보된 날씨 예보와 상기 산출된 평균 에러를 이용하여 전력사용량을 예측하는 전력 예측부;를 포함한다.
상기 전력 예측부는, 상기 현재에 대해 예보된 날씨 예보와 상기 산출된 평균 에러를 더한 값을 다변수 LSTM(Long Short Term Memory) 심층 신경망의 입력값으로 하여 전력사용량을 예측한다.
상기 전력 사용량 예측 시 사용되는 날씨 예보는 온도, 습도, 강수량, 구름량, 풍속, 풍향 중 적어도 하나를 포함한다.
본 발명에 따르면, 예보된 날씨와 정해진 기간 동안 산출된 날씨 예보의 평균 에러를 심층 신경망에 적용하여 빌딩 내 전력소비량을 예측함으로써 보다 정확한 전력소비 예측이 가능하고, 이로써 공조기의 에너지 효율을 높일 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치를 도시한 도면,
도 2는 다변수 LSTM 심층 신경망의 입출력을 보여주는 도면이다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사항에 부합하는 의미와 개념으로 해석되어야 할 것이다.
또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다.
도 1에 도시된 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치(100)의 각각의 구성은 기능 및 논리적으로 분리될 수 있음을 나타내는 것이며, 반드시 각각의 구성이 별도의 물리적 장치로 구분되거나 별도의 코드로 작성됨을 의미하는 것은 아님을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치(100)를 도시한 도면이다.
도 1을 참조하면, 본 발명의 실시 예에 따른 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치(100)는 날씨 DB(110), 평균 에러 산출부(120) 및 전력 예측부(130)를 포함할 수 있다.
날씨 DB(110)는 빌딩이 위치하는 지역에 대해 사전에 정해진 시간 단위로 예보되는 날씨(이하, '날씨 예보'라 한다)와 실제 날씨를 저장한다. 사전에 정해진 시간 단위는 1시간, 오전 12시간, 오후 12시간, 1일 등 다양하다.
[표 1]은 1일 단위로 예보되는 날씨와 실제 날씨가 날씨 DB(110)에 저장되는 일 예를 보여준다.
실제 날씨와 예보된 날씨 온도 습도
(t-3)일 (t-3)일의 실제 날씨 3℃ 70%
(t-2)일의 날씨 예보 3℃ 50%
(t-2)일 (t-2)일의 실제 날씨 4℃ 55%
(t-1)일의 날씨 예보 3℃ 30%
(t-1)일 (t-1)일의 실제 날씨 3℃ 30%
t일의 날씨 예보 2℃ 35%
t일(현재, 오늘) t일의 실제 날씨 3℃ 30%
(t+1)일의 날씨 예보 2℃ 50%
[표 1]에서 t는 양수로서, 전력사용량을 예측하고자 하는 날짜이며, 1시간 단위로 예보되는 날씨를 이용하여 전력사용량을 예측하는 경우, t는 예를 들어 12시이고, (t-1)은 현재 시간(12시)을 기준으로 1시간 이전, (t-2)는 현재 시간을 기준으로 2시간 이전을 의미할 수 있다.
또한, 실제 날씨는 해당하는 날짜(또는 시간)에서 실제로 관측된 온도, 습도, 풍속 등의 날씨이고, 날씨 예보는 다음 날의 날씨를 예보한 것으로서, 다음 날의 날씨 별로 최대값, 최소값, 평균값 또는 중간값 중 하나를 사용할 수 있다.
평균 에러 산출부(120)는 날씨 예보와 실제 날씨의 평균 차이(즉, 평균 에러)를 산출할 수 있다. 즉, 평균 에러 산출부(120)는 날씨 DB(110)에 저장된 날씨 예보와 실제 날씨의 차이를 날씨 에러로서 산출하고, 누적 산출되는 날씨 에러의 평균(이하, '평균 에러'라 한다)을 산출한다.
[표 2]는 [표 1]을 기반으로 산출된 날씨 에러와 평균 에러를 보여준다.
날짜/날씨 에러(날씨 차이) 온도 에러 습도 에러
(t-3)일 (t-4)일에 예보한 (t-3)일의 날씨 예보 - (t-3)일의 실제 날씨 1℃ (74-70)=4%
(t-2)일 (t-3)일에 예보한 (t-2)일의 날씨 예보 - (t-2)일의 실제 날씨 (3-4)=1℃ (50-55)=-5%
(t-1)일 (t-2)일에 예보한 (t-1)일의 날씨 예보 - (t-1)일의 실제 날씨 (3-3)=0℃ (30-30)=0%
t일(현재, 오늘) (t-1)일에 예보한 (t)일의 날씨 예보 - t일의 실제 날씨 (2-3)=-1℃ (35-30)=5%
온도 평균 에러=3/4=0.75℃ 습도 평균 에러=4/4=1%
[표 2]를 참조하면, (t-3)일부터 t일까지 산출된 온도의 평균 에러는 0.75℃이고, 습도 평균 에러는 1%임을 알 수 있다.
전력 예측부(130)는 현재에 대해 예보된 날씨 예보와 평균 에러 산출부(120)에서 산출된 평균 에러를 이용하여 전력사용량을 예측할 수 있다.
도 2는 다변수 LSTM 심층 신경망의 입출력을 보여주는 도면이다.
도 2를 참조하면, 전력 예측부(130)는 현재에 대해 예보된 날씨 예보와 산출된 평균 에러를 더한 값을 다변수 LSTM(Long Short Term Memory) 심층 신경망의 입력값으로 하여 전력사용량을 예측할 수 있다.
또한, 전력 사용량 예측 시 사용되는 날씨 예보는 온도, 습도, 강수량, 구름량, 풍속, 풍향 중 적어도 하나를 포함할 수 있으며, 입력되는 날씨 카테고리가 많을수록 보다 다양한 날씨를 고려함으로써 보다 정확한 전력사용량을 예측할 수 있다.
예를 들어, 날씨의 평균 에러로서 온도 평균 에러, 습도 평균 에러, 강우 평균 에러가 산출되는 경우, 도 2에 도시된 LSTM 심층 신경망의 입력값은 (온도 평균 에러+(t-1)일에 예보된 t일의 온도 예보), (습도 평균 에러+(t-1)일에 예보된 t일의 습도 예보), (강우 평균 에러+(t-1)일에 예보된 t일의 강우 예보)이고, LSTM 심층 신경망은 이 입력값들에 대해 딥러닝하여 t일의 전력소비량을 예측한다.
상술한 본 발명의 실시 예에 의하면, 날씨 예보에 의존적인 전력소비량 예측의 정확도를 향상시키고, 따라서, 에너지 효율이 높은 공조기 제어 방법을 제안할 수 있다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다.
한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: 전력사용량 예측 장치
110: 날씨 DB
120: 평균 에러 산출부
130: 전력 예측부

Claims (3)

  1. 사전에 정해진 시간 단위로 예보되는 날씨(이하, '날씨 예보'라 한다)와 실제 날씨를 저장하는 날씨 DB;
    상기 날씨 DB에 저장된 날씨 예보와 실제 날씨의 차이를 날씨 에러로서 산출하고, 누적 산출되는 날씨 에러의 평균(이하, '평균 에러'라 한다)을 산출하는 평균 에러 산출부; 및
    현재에 대해 예보된 날씨 예보와 상기 산출된 평균 에러를 이용하여 전력사용량을 예측하는 전력 예측부;를 포함하는 것을 특징으로 하는 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치.
  2. 제1항에 있어서,
    상기 전력 예측부는,
    상기 현재에 대해 예보된 날씨 예보와 상기 산출된 평균 에러를 더한 값을 다변수 LSTM(Long Short Term Memory) 심층 신경망의 입력값으로 하여 전력사용량을 예측하는 것을 특징으로 하는 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치.
  3. 제2항에 있어서,
    상기 전력 사용량 예측 시 사용되는 날씨 예보는 온도, 습도, 강수량, 구름량, 풍속, 풍향 중 적어도 하나를 포함하는 것을 특징으로 하는 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치.
KR1020200017576A 2020-02-13 2020-02-13 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치 KR20210103174A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200017576A KR20210103174A (ko) 2020-02-13 2020-02-13 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200017576A KR20210103174A (ko) 2020-02-13 2020-02-13 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치

Publications (1)

Publication Number Publication Date
KR20210103174A true KR20210103174A (ko) 2021-08-23

Family

ID=77499308

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200017576A KR20210103174A (ko) 2020-02-13 2020-02-13 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치

Country Status (1)

Country Link
KR (1) KR20210103174A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596166A (zh) * 2023-07-17 2023-08-15 湖南清源华建环境科技有限公司 一种用于城市洪涝的智慧排水管理系统
CN117234267A (zh) * 2023-11-13 2023-12-15 吉林建筑大学 一种村镇房屋多能源互补供电供暖智能控制系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101692533B1 (ko) 2015-06-18 2017-01-18 주식회사 엔알피시스템 전력 사용량 예측 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101692533B1 (ko) 2015-06-18 2017-01-18 주식회사 엔알피시스템 전력 사용량 예측 시스템 및 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596166A (zh) * 2023-07-17 2023-08-15 湖南清源华建环境科技有限公司 一种用于城市洪涝的智慧排水管理系统
CN116596166B (zh) * 2023-07-17 2023-09-22 湖南清源华建环境科技有限公司 一种用于城市洪涝的智慧排水管理系统
CN117234267A (zh) * 2023-11-13 2023-12-15 吉林建筑大学 一种村镇房屋多能源互补供电供暖智能控制系统
CN117234267B (zh) * 2023-11-13 2024-01-16 吉林建筑大学 一种村镇房屋多能源互补供电供暖智能控制系统

Similar Documents

Publication Publication Date Title
US11747848B2 (en) Dynamic load curtailment system and method
US20230036128A1 (en) Self-driving building energy engine
EP3186687B1 (en) Hvac control system and methods for operating same
EP3497377B1 (en) Temperature control system and methods for operating same
EP2990734B1 (en) Air-conditioning control system and method
WO2015163732A1 (en) Operating method and apparatus of smart system for power consumption optimization
WO2015004742A1 (ja) 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム
KR20210103174A (ko) 날씨 예보의 평균 에러를 적용한 전력사용량 예측 장치
EP2778821A2 (en) Supervisory controller for HVAC systems
US11493220B2 (en) Systems and methods for heat rise compensation
US11480360B2 (en) Building HVAC system with modular cascaded model
JPWO2019008698A1 (ja) 運転制御装置、空気調和システム、運転制御方法および運転制御プログラム
Bhattacharya et al. Control co-design of commercial building chiller plant using Bayesian optimization
Gruber et al. Energy efficient climate control in office buildings without giving up implementability
US20200141603A1 (en) Systems and methods of predicting energy usage
KR102028601B1 (ko) 시설물의 에너지 사용량 예측 방법 및 장치
CN115095962A (zh) 用于控制中央空调系统的冷水机组的方法、设备和介质
CN111750492B (zh) 空气调节系统、服务器系统、网络和方法
Jorissen et al. Towards real MPC implementation in an office building using TACO
CN110701732B (zh) 能耗数据分析方法、系统及中央空调的节能方法和系统
Sala et al. Occupancy forecasting for the reduction of HVAC energy consumption in smart buildings
Jensen Applying a" Smart Ecosystem" Mindset to Rethink Your Products
Wang et al. Improving the nonlinear control performance of the supply fan at air handling units using a gain scheduling control strategy
Garaza et al. Impact of occupancy modeling and horizon length on hvac controller efficiency
JP7093034B2 (ja) 電力制御システムおよびプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application