KR20220112902A - 사용자기반의 ai에너지 절감 및 수요예측시스템 - Google Patents
사용자기반의 ai에너지 절감 및 수요예측시스템 Download PDFInfo
- Publication number
- KR20220112902A KR20220112902A KR1020210016210A KR20210016210A KR20220112902A KR 20220112902 A KR20220112902 A KR 20220112902A KR 1020210016210 A KR1020210016210 A KR 1020210016210A KR 20210016210 A KR20210016210 A KR 20210016210A KR 20220112902 A KR20220112902 A KR 20220112902A
- Authority
- KR
- South Korea
- Prior art keywords
- energy
- neural network
- value
- user
- main server
- Prior art date
Links
- 230000009467 reduction Effects 0.000 title abstract description 9
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 15
- 230000008901 benefit Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims description 64
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 13
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- 238000005265 energy consumption Methods 0.000 claims description 9
- 230000002787 reinforcement Effects 0.000 claims description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 239000000428 dust Substances 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 9
- 238000013277 forecasting method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- Y04S10/30—State monitoring, e.g. fault, temperature monitoring, insulator monitoring, corona discharge
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/30—Smart metering, e.g. specially adapted for remote reading
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Air Conditioning Control Device (AREA)
Abstract
본 발명은 사용자기반의 AI에너지 절감 및 수요예측시스템에 관한 것으로, 더욱 상세하게는 주거지에서 사용자가 사용하는 에너지를 스스로 결정하여 사용할 수 있도록 하고, 이러한 데이터를 수집하여 전체적인 열에너지, 전기에너지 등의 수요예측이 가능하도록 한 사용자기반의 AI에너지 절감 및 수요예측시스템에 관한 것이다.
본 발명의 바람직한 실시예로 형성되는 사용자기반의 AI에너지 절감 및 수요예측시스템에 의하면 사용자가 사용한 에너지패턴을 이용하지 않고, 앞으로 사용할 에너지에 대한 절감을 목표로 선정된 목표치가 예측데이터로 활용될 수 있고, 사용자는 에너지 절감을 선택할 경우 별도의 혜택을 받을 수 있을 뿐만 아니라, 사용금액의 절감을 가져올 수 있어서 확실히 에너지 절감을 이룰 수 있으며, 사용자가 에너지 절감을 위해서 에코모드를 선택하더라도 조절기의 인공지능 제어장치로 인하여 사용자는 최대한 쾌적한 환경을 제공받을 수 있으며, 종래의 사용된 에너지사용량을 이용하여 에너지 수요예측을 하는 것에서 소비자가 직접 에너지사용량을 정하여 사용자로부터 에너지수요예측이 가능하여지기 때문에 국가의 에너지정책에 새로운 변화를 가져올 수 있는 등의 효과가 발생한다.
Description
본 발명은 사용자기반의 AI에너지 절감 및 수요예측시스템에 관한 것으로, 더욱 상세하게는 사용자가 사용하고자 하는 에너지 사용량을 스스로 결정하고, 이러한 에너지사용량을 수집하여 전체적인 열에너지, 전기에너지 등의 에너지사용량에 대한 수요예측이 가능하도록 한 사용자기반의 AI에너지 절감 및 수요예측시스템에 관한 것이다.
중앙정부나 지방자치단체에서는 국민들이 사용하는 전체적인 에너지의 사용량을 예측하고 이를 미리 준비하여 에너지의 공급이 원할하도록 노력하여야 한다.
즉, 열에너지의 경우, 지역난방에서 어느정도 예측가능한 정도의 열에너지를 준비하여야 하고, 전기에너지의 경우, 냉방기의 사용이 급증하여 갑자기 전기에너지를 소비하더라도 단전되지 않도록 발전량을 조절해야 한다.
현대사회는 도시화가 진행되면서 인구의 집중도가 높아지게 되고, 인구밀도가 높아질수록 집합건물등이 많이 만들어지고, 이러한 집합건물에서는 많은 양의 에너지를 사용하게 된다.
이러한 집합건물은 열에너지, 전기에너지, 물에너지 등의 에너지를 사용하고, 이러한 에너지는 쾌적한 주거환경을 위해서 제공되어야만 한다.
상기 집합건물의 에너지 사용에 있어서 각 단위세대별로 설치되는 단위세대별시설과, 공용으로 설치되는 공용시설이 존재하게 된다.
종래의 집합건물의 에너지를 관리하기 위한 다양한 기술과 제어방법이 제공되는데, 대한민국특허청 공개특허공보 제2014-0141923호에는 '복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법'이 개시된 바 있고, 공개특허공보 제2018-0138463호에는 'AI 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치'를 제공한 바있다.
상기 종래의 공개특허공보의 '에너지 관리 시스템, 에너지 관리방법 및 에너지 수요예측방법'(도 1참조)에서는 커뮤니티를 구성하고, 커뮤니티의 수요반응용량에 대한 가격정책을 포함하여 건물에너지사용량데이터와 커뮤니티수용반응인센티브정책을 입력데이터를 포함하는 구성이다.
도 2는 종래의 집합건물에 적용되는 단위세대장치, 환경관리시스템, 계량기 및 이에 대한 데이터를 수집하여 판단 및 제어하는 통합시스템(AI서버)으로 구성되고, 상기 통합시스템에는 빅데이터를 기반으로 인공지능(AI)이 딥러닝하고, 제어할 수 있도록 형성된다.
대한민국특허청 등록특허공보 제1908515호에는 '에너지 관리 시스템, 에너지 관리 방법 및 에너지 수요 예측 방법'이라는 제목으로 건물에 대한 에너지수요예측방법을 제공하고 있다.
(특허문헌 1) KR10-2014-0141923 A
(특허문헌 2) KR10-2018-0138463 A
(특허문헌 3) KR10-2016-0136965 A
(특허문헌 4) KR10-1908515 B1
그러나, 종래에는 에너지관리시스템 및 에너지수요예측방법은 다음과 같은 문제점이 있었다.
(1) 종래에 에너지사용량에 대한 수요예측을 하는 방법은 사용자에 의해서 사용된 에너지사용량을 수집, 통계하여 에너지사용량을 예측할 수 밖에 없어서 정확하거나, 확실한 에너지 수요예측이 어려웠다.
(2) 사용자가 개별적으로 에너지를 절감하여도 특별한 혜택이 없고, 정확하게 에너지를 어떻게 절감해야할지 등의 계획을 세울 수 없다.
(3) 에너지 절감을 위해서 무조건 에너지의 사용을 줄인다면 사용자가 쾌적한 환경에서 생활할 수 없다.
상기한 문제점을 해결하기 위해서, 본 발명은 전열교환기, 공기청정기, 주방후드를 포함하는 각 단위세대장치와, 온수분배기, 차압유량조절밸브, 누수감지센서 및 PTS센서와, 온수, 급탕, 가스, 난방의 사용량을 각각 계량하는 계량기와 연결되되, 내부에 온도센서, 습도센서, 미세먼지농도센서 및 이산화탄소농도측정센서가 형성되며, PID제어장치가 형성되고, 인공지능신경망으로 데이터를 딥러닝할 수 있는 제어장치가 형성되고, 네트워크에 연결가능하도록 형성되는 조절기가 각 세대에 설치되고, 각 조절기, 사용자단말기 및 메인서버가 인터넷에 연결된 상태에서,
메인서버가 각 조절기를 등록하는 등록단계와;
상기 메인서버가 각 조절기가 자동제어모드, 수동제어모드 또는 에코제어모드중 어느 한 모드를 사용하고 있는 지를 파악하여 에코제어모드가 설정된 각 조절기를 추적하는 추적단계와;
상기 메인서버가 추적한 각 조절기에 부착된 에너지사용장치들을 구분하여 에너지사용량별로 분류하는 분류단계와;
상기 메인서버가 분류단계 후에 각 조절기로부터 목표에너지절감량(목표치)을 입력받는 목표치설정단계와;
상기 메인서버가 목표치를 토대로 에너지를 절감할 경우에 줄 수 있는 혜택을 사용자단말기에 알려주는 통지단계와;
상기 메인서버가 각 조절기에서 사용될 수 있는 해당 에너지 수요를 예측하는 예측단계로 구성되는 것을 특징으로 한다.
본 발명의 바람직한 실시예로 형성되는 사용자기반의 AI에너지 절감 및 수요예측시스템에 의하면 다음과 같은 효과가 발생한다.
(1) 사용자가 사용한 에너지패턴을 활용함과 동시에 앞으로 사용할 에너지에 대한 절감을 목표로 선정된 목표치가 예측데이터로 활용될 수 있다.
(2) 사용자는 에너지 절감을 선택할 경우 별도의 혜택을 받을 수 있을 뿐만 아니라, 사용금액의 절감을 가져올 수 있어서 에너지 절감을 확실히 이룰 수 있다.
(3) 사용자가 에너지 절감을 위해서 에코모드를 선택하더라도 조절기의 인공지능 제어장치로 인하여 사용자는 최대한 쾌적한 환경을 제공받을 수 있다.
(4) 종래의 사용된 에너지사용량을 이용하여 에너지 수요예측을 하는 것에서 소비자가 직접 에너지사용량을 정하여 에너지사용량을 미리 예측할 수 있기 때문에 국가의 에너지정책에 새로운 변화를 가져올 수 있다.
도 1은 종래의 에너지 관리시스템, 에너지 관리방법 및 에너지 수요예측방법에 사용되는 개념도.
도 2는 종래의 단위세대장치와 환경관리시스템 및 계량기서버 등을 나타낸 개념도.
도 3은 본 발명의 바람직한 실시예로 형성된 사용자기반의 AI에너지 절감 및 수요예측시스템의 순서도.
도 4는 본 발명의 바람직한 실시예로 형성된 사용자기반의 AI에너지 절감 및 수요예측시스템의 지역별 수요예측개념도.
도 5는 본 발명의 바람직한 실시예로 형성된 사용자기반의 AI에너지 절감 및 수요예측시스템의 조절기의 인공지능 알고리즘 상태도.
도 6은 본 발명의 바람직한 실시예로 형성된 사용자기반의 AI에너지 절감 및 수요예측시스템의 조절기의 인공지능 알고리즘 순서도.
도 7은 본 발명의 바람직한 실시예로 형성된 사용자기반의 AI에너지 절감 및 수요예측시스템에 의한 에너지 절감 흐름도.
본 발명의 구체적인 실시예를 설명하기에 앞서, 본원 명세서의 도면은 본 발명을 보다 명확하게 설명하기 위해서 사용된 도면에 도시된 구성요소의 크기나 형상 등은 설명이 명확하게 하도록 하기 위해서 다소 과장되거나 단순화되어 표시될 수 있다.
또한, 본 발명을 명확하게 설명하기 위해서 본 발명의 기술적 사상과는 관계없는 부분의 설명은 생략하였고, 본원 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙여서 설명하였다.
본 발명에서 정의된 용어 및 부호들은 사용자, 운용자 및 작성자에 의해서 임의로 정의되거나, 선택적으로 사용된 용어이기 때문에, 이러한 용어들은 본원 명세서의 전반에 걸친 내용을 토대로 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 하고, 용어자체의 의미로 한정하여서는 안된다.
본 발명은 전열교환기, 공기청정기, 주방후드를 포함하는 각 단위세대장치와, 온수분배기, 차압유량조절밸브, 누수감지센서 및 PTS센서와, 온수, 급탕, 가스, 난방의 사용량을 각각 계량하는 계량기와 연결되되, 내부에 온도센서, 습도센서, 미세먼지농도센서 및 이산화탄소농도측정센서가 형성되며, PID제어장치가 형성되고, 인공지능신경망으로 데이터를 딥러닝할 수 있는 제어장치가 형성되고, 네트워크에 연결가능하도록 형성되는 조절기(200)가 각 세대에 설치된 환경에서, 각 조절기(200), 사용자단말기(300) 및 메인서버(100)가 인터넷에 연결된 상태에서,
메인서버(100)가 각 조절기(200)를 등록하는 등록단계와;
상기 메인서버(100)가 각 조절기(200)가 자동제어모드, 수동제어모드 또는 에코제어모드중 어느 한 모드를 사용하고 있는 지를 파악하여 에코제어모드가 설정된 각 조절기(200)를 추적하는 추적단계와;
상기 메인서버(100)가 추적한 각 조절기(200)에 부착된 에너지사용장치들을 구분하여 에너지사용량별로 분류하는 분류단계와;
상기 메인서버(100)가 분류단계 후에 각 조절기(200)로부터 목표에너지절감량(목표치)을 입력받는 목표치설정단계와;
상기 메인서버(100)가 목표치를 토대로 에너지를 절감할 경우에 줄 수 있는 혜택을 사용자단말기(300)에 알려주는 통지단계와;
상기 메인서버(100)가 각 조절기(200)에서 사용될 수 있는 해당 에너지 수요를 예측하는 예측단계로 구성된다.
상기 메인서버(100)는 에너지 수요예측을 필요로 하는 중앙정부, 지방자치단체 혹은 에너지생산처(발전소 등)의 서버로, 필요에 따라서 에너지를 공급하는 범위에 따라서 각 조절기(200)의 적용범위와 예측범위를 정할 수 있다.
상기 추적단계는 메인서버(100)가 각 조절기(200) 중 에코제어모드를 사용하는지를 파악하는 단계로, 에코제어모드일 경우에만 목표치를 설정할 수 있기 때문에 이를 파악하는 단계이다.
상기 목표치설정단계는 각 조절기(200)로부터 목표에너지절감량(목표치)를 입력받는 단계로, 목표치는 금액으로 환산된 에너지 사용량에서 어느정도 기간(목표기간)동안 어느 정도 에너지절감(목표절감량)을 설정하는 단계이다.
상기 목표기간과 목표절감량은 예측단계에서 중요한 데이터로 사용된다.
상기 통지단계는 메인서버(100)가 사용자단말기(300)에 목표치를 토대로 에너지를 절감할 경우에 줄 수 있는 혜택을 알려주는 단계이다.
상기 예측단계는 메인서버(100)가 각 조절기(200)에서 사용될 수 있는 해당 에너지 수요를 예측하여 통계를 바탕으로 에너지 수요를 예측하여 적용하는 단계이다.
상기 조절기(200)는 전열교환기, 공기청정기, 주방후드를 포함하는 각 단위세대장치와, 온수분배기, 차압유량조절밸브, 누수감지센서 및 PTS센서와, 온수, 급탕, 가스, 난방의 사용량을 각각 계량하는 계량기와 연결되되,
내부에 온도센서, 습도센서, 미세먼지농도센서 및 이산화탄소농도측정센서가 형성되며, PID제어장치가 형성되고, 인공지능신경망으로 데이터를 딥러닝할 수 있는 제어장치가 구성되고, 네트워크에 연결가능하도록 형성된다.
상기 단위세대장치는 전열교환기, 공기청정기, 주방후드에 국한되지 않고, 환기 및 배기시스템에 관련된 모든 장치가 이에 속할 수 있다.
상기 온수분배기, 차압유량조절밸브, 누수감지센서 및 PTS센서는 온수 및 급수시스템에 관련된 센서들로, 밸브는 조절기(200)에 의해서 조절될 수 있도록 구성된다.
상기 각 계량기는 그 사용량을 측정하여 조절기(200)로 사용량 데이터가 측정되면 이는 에너지사용량으로 변환하고, 이를 금액으로 환산하여 데이터로 활용한다.
상기 온도센서, 습도센서, 미세먼지농도센서 및 이산화탄소농도측정센서는 각 데이터가 시간대별, 일자별로 데이터가 계속적으로 저장되고, 이러한 데이터를 토대로 인공지능신경망으로 자동제어한다.
상기 조절기(200)에는 인체접근센서(근접센서)가 설치되어, 사용자가 거주하고 있는 상황인지 아닌지를 파악할 수 있도록 하여 에너지 절감에 활용할 수 있도록 인공지능신경망에 제공한다.
상기 인공지능신경망은 제어알고리즘을 사용하는데, 상기 제어알고리즘은 특정 단위세대에서 입력된 상태값(s)이 심층강화학습신경망, 보상예측신경망 및 PID제어신경망으로 전송되는 상태값전송단계와;
상기 보상예측신경망은 최적온도예측신경망과 에너지예측신경망으로 구성되고, 최적온도예측신경망과 에너지예측신경망은 상태값(s)에 대하여 학습한 후에 보상값(γ)을 결정하여 전송하는 보상값전송단계와;
상기 심층강화학습신경망은 Actor신경망과 Critic신경망으로 구성되고, Critic신경망은 전송된 상태값(s)과 기대된 액션값(A)을 보상값(γ)과 함께 상태-가치함수를 통하여 가치값(Q)을 산출하여 Actor신경망으로 전송하고, Actor신경망은 가치값(Q)과 상태값(s)을 활용하여 최적의 액션값(A)을 산출하는 액션값산출단계와;
상기 PID제어신경망에서는 액션값(A)을 학습데이터로 저장하고, 머신러닝기법을 사용하여 최적의 PID값(K)을 산출하고, 제어장치로 송출하는 PID산출단계로 구성된다.
상기 제어알고리즘은 지도학습알고리즘을 사용하고 훈련세트(학습데이터)를 이용하여 기본 알고리즘을 최적화 한 상태로 운영된다.
상기 학습데이터는 단위세대장치(11) 및 컨트롤러(피제어부)에서 수집하여 왔던 세대별 각 세대별데이터(온도, 습도, Co2농도, 태양복사량 등)을 시간대별, 일자별로 분류한 데이터이다.
상기 세대별데이터는 축적된 기간이 길면 길수록 좋지만, 축적된 데이터가 전혀 없는 건물에는 유사한 환경의 세대별데이터를 모아서 최적값을 산출한 데이터세트를 활용하여 산출할 수 있다.
상기 알고리즘의 보상예측신경망과 심층강화학습신경망은 모두 기본 알고리즘이 최적화된 상태에서 수행되는 것이 적당하다.
상기 보상예측신경망은 최적온도예측신경망과 에너지예측신경망으로 구성되고, 최적온도예측신경망은 온도와 습도의 변화에 대한 보상값을 산출할 수 있도록 보상함수를 적용하고, 에너지예측신경망은 전기에너지사용량, 열에너지사용량의 변화에 대한 보상값을 산출할 수 있도록 보상함수를 적용한다.
상기 보상예측신경망에는 스케줄러가 포함될 수 있는데, 사용자의 사용패턴을 인식하여 이를 스케쥴링 하는 보상값을 전달할 수 있도록 형성될 수 있다.
상기 보상예측신경망에 사용되는 보상함수의 예로는
를 사용할 수 있는데, 특정 순간(t)에 상태값(s)과 액션값(A)일 때 보상값(γ)을 기대값으로 학습 산출한다.
상기 보상예측신경망은 최적온도예측신경망과 에너지예측신경망에서 평가된 보상값의 평균으로 최종 보상값(γ)으로 결정하여 심층강화학습신경망으로 전송한다.
상기 심층강화학습신경망은 Actor신경망과 Critic신경망으로 구성되는데, Critic신경망은 상태값(s)과 보상값(γ)을 활용하여 가치값(Q)을 학습산출한다.
상기 가치값(Q)에 사용되는 방정식의 예로는
의 벨만기대방정식을 사용할 수 있다.
상기 Actor신경망은 상태값(s)과 가치값(Q)을 사용하여 최적의 액션값(A)을 학습산출한다.
상기 Actor신경망에서 생성된 액션값(A)은 Critic신경망으로 전송되어 새로운 직전 상태값으로 저장한다.
상기 PID값은 액션값(A)에 따른 조작량을 제어하도록 하는 값으로, 비례, 적분항, 미분항을 포함하여 제어량(조작량)을 결정한다.
상기 PID제어신경망은 상태값(a) 및 액션값(A)에 따른 PID값을 학습데이터로 각각 저장하였다가 이를 학습하여 PID값의 최적값을 예측하는 것으로, 몬테카를로 학습기법, Q-learning 기법 등을 사용하여도 무방하다.
상기 인공지능신경망의 PID제어신경망을 통해서 단위세대에 PID값이 조절기(200)에 전달되어 자동으로 컨트롤할 수 있다.
본 발명의 조절기(200)에는 3가지 모드가 형성될 수 있는데, 자동제어모드, 수동제어모드 및 에코제어모드로 구성될 수 있다.
상기 자동제어모드는 인공지능신경망을 완전히 사용하여 환경이 제어되도록 하는 모드이고, 수동제어모드는 사용자가 직접 제어할 수 있도록 하는 모드이다.
상기 에코제어모드는 사용자가 에너지 절약을 위한 목표를 설정해두고, 인공지능신경망이 사용자가 쾌적하면서도 에너지를 절감할 수 있도록 단위세대장치들 및 밸브들을 제어하도록 한다.
상기한 본 발명은 사용자가 조절기(200)를 통해서 에너지 절감 목표치를 설정하면 이는 메인서버(100)에 통지가 되고, 메인서버(100)는 사용자에게 혜택을 줄 수 있는 것이다.
또한, 메인서버(100)는 이러한 에너지 절감 목표치 데이터를 수집하여 안정적으로 향후 에너지 수요를 예측할 수있게 된다.
인공지능신경망의 보상예측신경망은 최적온도예측신경망과 에너지예측신경망으로 구성되어, 온도 뿐만 아니라, 에너지 사용량데이터를 고려하여 보상값을 산출할 수 있도록 하기 때문에 쾌적한 환경을 만들 수 있음은 물론 고효율 에너지 절감효과가 발생한다.
본 발명의 바람직한 실시예로 형성되는 사용자기반의 AI에너지 절감 및 수요예측시스템에 의하면 사용자가 사용한 에너지패턴을 이용하지 않고, 앞으로 사용할 에너지에 대한 절감을 목표로 선정된 목표치가 예측데이터로 활용될 수 있고, 사용자는 에너지 절감을 선택할 경우 별도의 혜택을 받을 수 있을 뿐만 아니라, 사용금액의 절감을 가져올 수 있어서 확실히 에너지 절감을 이룰 수 있으며, 사용자가 에너지 절감을 위해서 에코모드를 선택하더라도 조절기의 인공지능 제어장치로 인하여 사용자는 최대한 쾌적한 환경을 제공받을 수 있는 등의 효과가 발생한다.
본 발명은 첨부된 도면을 참조하여 바람직한 실시 예를 중심으로 기술되었지만 당업자라면 이러한 기재로부터 후술하는 특허청구범위에 의해 포괄되는 본 발명의 범주를 벗어남이 없이 다양한 변형이 가능하다는 것은 명백하다.
100 : 메인서버(100) 200 : 조절기(200)
300 : 사용자단말기(300)
Claims (4)
- 각 조절기와 사용자단말기 및 메인서버가 네트워크에 연결된 환경에서 메인서버가 각 조절기를 통해서 각 사용자단말기가 에너지 절감 목표치를 설정하도록 하고, 에너지 절감 목표치를 설정하면 혜택을 통지하며, 메인서버가 각 조절기에 설정된 에너지 절감이 가능한 사용 목표치를 가지고 에너지 수요를 예측하도록 하는 것을 특징으로 하는 사용자기반의 AI에너지 절감 및 수요예측시스템.
- 각 조절기가 각 세대에 설치되고, 각 조절기, 사용자단말기 및 메인서버가 인터넷에 연결된 상태에서,메인서버가 각 조절기를 등록하는 등록단계와;상기 메인서버가 각 조절기가 자동제어모드, 수동제어모드 또는 에코제어모드중 어느 한 모드를 사용하고 있는 지를 파악하여 에코제어모드가 설정된 각 조절기를 추적하는 추적단계와;상기 메인서버가 추적한 각 조절기에 부착된 에너지사용장치들을 구분하여 에너지사용량별로 분류하는 분류단계와;상기 메인서버가 분류단계 후에 각 조절기로부터 목표에너지절감량(목표치)을 입력받는 목표치설정단계와;상기 메인서버가 목표치를 토대로 에너지를 절감할 경우에 줄 수 있는 혜택을 사용자단말기에 알려주는 통지단계와;상기 메인서버가 각 조절기에서 사용되 수 있는 해당 에너지 수요를 예측하는 예측단계로 구성되는 것을 특징으로 하는 사용자기반의 AI에너지 절감 및 수요예측시스템.
- 제 1항 또는 제 2항에 있어서,상기 조절기는 열교환기, 공기청정기, 주방후드를 포함하는 각 단위세대장치와, 온수분배기, 차압유량조절밸브, 누수감지센서 및 PTS센서와, 온수, 급탕, 가스, 난방의 사용량을 각각 계량하는 계량기와 연결되되, 내부에 온도센서, 습도센서, 미세먼지농도센서 및 이산화탄소농도측정센서가 형성되며, PID제어장치가 형성되고, 인공지능신경망으로 데이터를 딥러닝할 수 있는 제어장치가 형성되고, 네트워크에 연결가능하도록 형성되는 것을 특징으로 하는 사용자기반의 AI에너지 절감 및 수요예측시스템.
- 제 3항에 있어서, 상기 조절기의 인공지능신경망은 제어알고리즘을 사용하는데, 상기 제어알고리즘은 특정 단위세대에서 입력된 상태값(s)이 심층강화학습신경망, 보상예측신경망 및 PID제어신경망으로 전송되는 상태값전송단계와;상기 보상예측신경망은 최적온도예측신경망과 에너지예측신경망으로 구성되고, 최적온도예측신경망과 에너지예측신경망은 상태값(s)에 대하여 학습한 후에 보상값(γ)을 결정하여 전송하는 보상값전송단계와;상기 심층강화학습신경망은 Actor신경망과 Critic신경망으로 구성되고, Critic신경망은 전송된 상태값(s)과 기대된 액션값(A)을 보상값(γ)과 함께 상태-가치함수를 통하여 가치값(Q)을 산출하여 Actor신경망으로 전송하고, Actor신경망은 가치값(Q)과 상태값(s)을 활용하여 최적의 액션값(A)을 산출하는 액션값산출단계와; 상기 PID제어신경망에서는 액션값(A)을 학습데이터로 저장하고, 머신러닝기법을 사용하여 최적의 PID값(K)을 산출하고, 제어장치로 송출하는 PID산출단계로 구성되는 것을 특징으로 하는 사용자기반의 AI에너지 절감 및 수요예측시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210016210A KR102599363B1 (ko) | 2021-02-04 | 2021-02-04 | 사용자기반의 ai에너지 절감 및 수요예측시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210016210A KR102599363B1 (ko) | 2021-02-04 | 2021-02-04 | 사용자기반의 ai에너지 절감 및 수요예측시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220112902A true KR20220112902A (ko) | 2022-08-12 |
KR102599363B1 KR102599363B1 (ko) | 2023-11-09 |
Family
ID=82803797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210016210A KR102599363B1 (ko) | 2021-02-04 | 2021-02-04 | 사용자기반의 ai에너지 절감 및 수요예측시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102599363B1 (ko) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014219907A (ja) * | 2013-05-10 | 2014-11-20 | 富士ゼロックス株式会社 | 電力管理システム、電子機器及びプログラム |
JP2015023745A (ja) * | 2013-07-23 | 2015-02-02 | 富士ゼロックス株式会社 | 電力管理システム及びプログラム |
KR20160060883A (ko) * | 2014-11-20 | 2016-05-31 | 한국전기연구원 | 수요반응 시스템에서의 전력관리 장치 및 그에 의한 전력관리 방법 |
KR101698264B1 (ko) * | 2015-03-11 | 2017-01-19 | 엘지전자 주식회사 | 네트워크 시스템 및 그 제어방법 |
JP6277537B2 (ja) * | 2012-04-09 | 2018-02-14 | パナソニックIpマネジメント株式会社 | エネルギー管理装置、エネルギー管理システム、エネルギー管理方法、およびプログラム |
KR20180044700A (ko) * | 2016-10-24 | 2018-05-03 | 한국전력공사 | 고객 맞춤형 수요 반응 프로그램을 운영하는 수요 반응 운영 시스템 및 그 방법 |
KR20180053453A (ko) * | 2016-11-11 | 2018-05-23 | 한국에너지기술연구원 | 에너지 관리 시스템, 에너지 관리 방법 및 에너지 수요 예측 방법 |
KR20190069582A (ko) * | 2016-11-04 | 2019-06-19 | 딥마인드 테크놀로지스 리미티드 | 보조 작업들을 통한 강화 학습 |
JP2020017030A (ja) * | 2018-07-24 | 2020-01-30 | エンコアードジャパン株式会社 | スケジューリング機能を含むデマンドレスポンス管理システム |
KR20200057822A (ko) * | 2018-11-13 | 2020-05-27 | 주식회사 에코시안 | 우수를 이용한 태양광 발전 모듈 최적 냉각 장치 및 방법 |
KR20200068070A (ko) * | 2018-11-27 | 2020-06-15 | 주식회사 케이엘넷 | 디노이징 오토인코더와 rnn에 기반한 nilm을 이용하여 총 에너지 소비 데이터로부터 가전 기기를 분류하는 시스템 및 방법 |
-
2021
- 2021-02-04 KR KR1020210016210A patent/KR102599363B1/ko active IP Right Grant
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6277537B2 (ja) * | 2012-04-09 | 2018-02-14 | パナソニックIpマネジメント株式会社 | エネルギー管理装置、エネルギー管理システム、エネルギー管理方法、およびプログラム |
JP2014219907A (ja) * | 2013-05-10 | 2014-11-20 | 富士ゼロックス株式会社 | 電力管理システム、電子機器及びプログラム |
JP2015023745A (ja) * | 2013-07-23 | 2015-02-02 | 富士ゼロックス株式会社 | 電力管理システム及びプログラム |
KR20160060883A (ko) * | 2014-11-20 | 2016-05-31 | 한국전기연구원 | 수요반응 시스템에서의 전력관리 장치 및 그에 의한 전력관리 방법 |
KR101698264B1 (ko) * | 2015-03-11 | 2017-01-19 | 엘지전자 주식회사 | 네트워크 시스템 및 그 제어방법 |
KR20180044700A (ko) * | 2016-10-24 | 2018-05-03 | 한국전력공사 | 고객 맞춤형 수요 반응 프로그램을 운영하는 수요 반응 운영 시스템 및 그 방법 |
KR20190069582A (ko) * | 2016-11-04 | 2019-06-19 | 딥마인드 테크놀로지스 리미티드 | 보조 작업들을 통한 강화 학습 |
KR20180053453A (ko) * | 2016-11-11 | 2018-05-23 | 한국에너지기술연구원 | 에너지 관리 시스템, 에너지 관리 방법 및 에너지 수요 예측 방법 |
JP2020017030A (ja) * | 2018-07-24 | 2020-01-30 | エンコアードジャパン株式会社 | スケジューリング機能を含むデマンドレスポンス管理システム |
KR20200057822A (ko) * | 2018-11-13 | 2020-05-27 | 주식회사 에코시안 | 우수를 이용한 태양광 발전 모듈 최적 냉각 장치 및 방법 |
KR20200068070A (ko) * | 2018-11-27 | 2020-06-15 | 주식회사 케이엘넷 | 디노이징 오토인코더와 rnn에 기반한 nilm을 이용하여 총 에너지 소비 데이터로부터 가전 기기를 분류하는 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102599363B1 (ko) | 2023-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim | Optimal price based demand response of HVAC systems in multizone office buildings considering thermal preferences of individual occupants buildings | |
Korkas et al. | Grid-connected microgrids: Demand management via distributed control and human-in-the-loop optimization | |
Peng et al. | Occupancy learning-based demand-driven cooling control for office spaces | |
JP6807556B2 (ja) | 空調制御方法、空調制御装置及び空調制御プログラム | |
Yang et al. | Development of multi-agent system for building energy and comfort management based on occupant behaviors | |
CN104823119B (zh) | 用于环境控制系统的辐射供热控制和方法 | |
Turhan et al. | Development of a personalized thermal comfort driven controller for HVAC systems | |
US20140365017A1 (en) | Methods and systems for optimized hvac operation | |
Ahn et al. | Anti-logic or common sense that can hinder machine’s energy performance: Energy and comfort control models based on artificial intelligence responding to abnormal indoor environments | |
Pandey et al. | A thermal comfort-driven model predictive controller for residential split air conditioner | |
Merabti et al. | A review of control systems for energy and comfort management in buildings | |
Yuan et al. | A novel model for improving the prediction accuracy of the new heating station | |
Wang et al. | An occupant-centric control strategy for indoor thermal comfort, air quality and energy management | |
Cheng et al. | Energy efficient thermal comfort control for cyber-physical home system | |
CN103189810A (zh) | 利用习惯导向控制的电气系统的能源节省方法 | |
CN114777193A (zh) | 一种供热系统二级网分户调控模式切换方法及系统 | |
Chatterjee et al. | Dynamic indoor thermal environment using reinforcement learning-based controls: Opportunities and challenges | |
Biemann et al. | Data Center HVAC Control Harnessing Flexibility Potential via Real-Time Pricing Cost Optimization Using Reinforcement Learning | |
Thilker et al. | Non-linear model predictive control for smart heating of buildings | |
KR20220112902A (ko) | 사용자기반의 ai에너지 절감 및 수요예측시스템 | |
CN117128624A (zh) | 新风空调及空调管理系统的控制方法、装置和存储介质 | |
Zhao et al. | Thermal sensation and occupancy-based cooperative control method for multi-zone VAV air-conditioning systems | |
KR20220066212A (ko) | Ai서버를 이용한 고효율 건물에너지 관리시스템 | |
Aldakheel et al. | Indoor environmental quality evaluation of smart/artificial intelligence techniques in buildings–a review | |
KR20220086724A (ko) | Iot 융합기술을 활용한 센서 일체형 무선환경조절기 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) |