KR20230098442A - 복합환경센서를 이용한 ai중앙관리형 공기청정시스템 - Google Patents

복합환경센서를 이용한 ai중앙관리형 공기청정시스템 Download PDF

Info

Publication number
KR20230098442A
KR20230098442A KR1020210187610A KR20210187610A KR20230098442A KR 20230098442 A KR20230098442 A KR 20230098442A KR 1020210187610 A KR1020210187610 A KR 1020210187610A KR 20210187610 A KR20210187610 A KR 20210187610A KR 20230098442 A KR20230098442 A KR 20230098442A
Authority
KR
South Korea
Prior art keywords
sensor
value
neural network
household
complex environmental
Prior art date
Application number
KR1020210187610A
Other languages
English (en)
Other versions
KR102573597B1 (ko
Inventor
박근식
이자훈
신정택
Original Assignee
한성인더스트리 주식회사
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 한성인더스트리 주식회사 filed Critical 한성인더스트리 주식회사
Priority to KR1020210187610A priority Critical patent/KR102573597B1/ko
Publication of KR20230098442A publication Critical patent/KR20230098442A/ko
Application granted granted Critical
Publication of KR102573597B1 publication Critical patent/KR102573597B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/10—Arrangement or mounting of control or safety devices
    • F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1009—Arrangement or mounting of control or safety devices for water heating systems for central heating
    • 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
    • F24F3/00—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems
    • F24F3/12—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling
    • F24F3/14—Air-conditioning systems in which conditioned primary air is supplied from one or more central stations to distributing units in the rooms or spaces where it may receive secondary treatment; Apparatus specially designed for such systems characterised by the treatment of the air otherwise than by heating and cooling by humidification; by dehumidification
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/64—Airborne particle content
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/66—Volatile organic compounds [VOC]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/70—Carbon dioxide

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Human Computer Interaction (AREA)
  • Public Health (AREA)
  • Fuzzy Systems (AREA)
  • Thermal Sciences (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

본 발명은 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 관한 것으로, 더욱 상세하게는 5가지 센서가 함께 채용되는 복합환경센서를 모듈화하여 각 세대에 적용하고, 이러한 센서를 기반으로 얻어지는 데이터를 중심으로 중앙시스템에서 AI를 활용하여 환경을 관리하도록 하는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 관한 것이다.
본 발명의 바람직한 실시예로 형성되는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 의하면 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서를 구비한 복합환경센서가 필요한 공간에 설치되기 때문에 실내환경의 공간마다 정확한 상태를 파악할 수 있고, 각 세대에는 복합환경센서가 연결되는 세대컨트롤러가 존재하고, 세대컨트롤러는 중앙서버에서 인공지능으로 관리되기 때문에 각 세대별 실내환경을 맞춰서 관리할 수 있으며, 각 세대별 사용자의 환경패턴에 맞도록 자동설정 되지 않으므로, 중앙서버에서 각 세대별로 관리할 수 있는 등의 효과가 발생한다.

Description

복합환경센서를 이용한 AI중앙관리형 공기청정시스템{AI CENTER MEMAGEMENT TYPE AIR CLEANING SYSTEM USING COMPLEX ENVIORNMENT SENSOR}
본 발명은 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 관한 것으로, 더욱 상세하게는 5가지 센서가 함께 채용되는 복합환경센서를 모듈화하여 각 세대에 적용하고, 이러한 센서를 기반으로 얻어지는 데이터를 중심으로 중앙시스템에서 AI를 활용하여 환경을 관리하도록 하는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 관한 것이다.
현대사회에서 주거공간은 종래보다 많이 중요하게 되었는데, 그 이유로는 외부의 유해환경으로부터 보호받기 위해서 안전하고도 쾌적한 주거공간을 요구하고 있다.
최근 네트워크의 발달로 사물인터넷(IOT)이 발달하고, 주거환경에도 많은 영향을 주어서 자동화영역이 많이 발생하고 있다.
현대인의 주거환경으로는 아파트, 연립주택, 다세대주택, 오피스텔 등의 집합건물이거나, 단독주택으로 구성되어 있는데, 이러한 주거환경에는 냉난방시스템 및 공기청정시스템이 매우 중요한 위치를 차지한다.
또, 공기청정시스템은 주거환경에서 가장 중요한 것으로, 적절한 실내온도를 유지하는 것은 쾌적한 주거환경을 만드는데 필수적이다.
종래의 집합건물은 열에너지, 전기에너지, 물에너지 등의 에너지를 사용하고, 이러한 에너지는 쾌적한 주거환경을 위해서 제공되어 지고 있다.
상기 집합건물의 에너지 사용에 있어서 각 단위세대별로 설치되는 단위세대별시설과, 공용으로 설치되는 공용시설이 존재하게 된다.
상기 각 단위세대에 필요한 시스템은 냉난방시스템(개별시스템일 수 있음), 공조시스템, 전기공급시스템, 온수공급시스템, 가스공급시스템으로 건축시에 제공된다.
상기 집합건물의 각 단위세대별 설치되는 장치로는 전열교환기, 공기청정기, 주방후드가 제공되고, 제어하는 장치로, 냉온수분배기, 차압유량조절밸브(PDCV)등이 제공된다.
또한, 상기 집합건물의 환경관리시스템으로는 다수개의 온도센서와 압력센서를 관리하는 환경관리서버가 제공된다.
상기 집합건물의 각 세대별 사용되는 전기, 가스, 급수, 급탕, 난방 등의 제공에는 각각 계량기가 존재하고, 이러한 계량기의 데이터를 원격검침서버를 통해서 수집되고 관리된다.
종래에는 집합건물의 에너지를 관리하기 위한 다양한 기술과 제어방법이 제공되는데, 대한민국특허청 공개특허공보 제2014-0141923호에는 '복합 건물 에너지 시스템을 최적 설계하기 위한 컴퓨터에 의해 실행가능한 프로그램이 기록된 기록매체'가 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 'AI 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치'(도 1참조)에서는 냉방 장비에 대한 실제 상황 데이터를 수신하는 수신부, 강화 학습을 기반으로 실제 상황 데이터를 기초하여 복수의 제어 신호 세트 각각에 대해 리워딩 작업을 수행하고, 상기 리워딩 작업에 기초하여 복수의 제어 신호 세트 중 하나를 도출하는 도출부가 형성되고, 도출된 제어 신호 세트를 냉방 시스템 제어 장치로 전송하는 전송부를 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.
(특허문헌 1) KR10-2014-0141923 A
(특허문헌 2) KR10-2018-0138463 A
(특허문헌 3) KR10-2019-0046293 A
그러나, 종래의 집합건물 관리시스템 및 공기청정시스템은 다음과 같은 문제점이 있었다.
(1) 실내환경을 정확히 파악할 수 있는 감지센서가 한정적이어서 실내환경을 정확히 인지하지 못한다.
(2) 각세대가 개별적으로 관리되기 때문에 세대별 상태를 일일이 확인해야 하므로 제대로 관리되지 못한다.
(3) 사용자의 환경패턴에 맞도록 자동설정 되지 않으므로, 종합적인 관리가 되지 못한다.
상기한 문제점을 해결하기 위해서, 본 발명은 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서를 구비한 복합환경센서가 각 세대별로 구비되고, 상기 복합환경센서는 각 세대별로 구비되는 세대컨트롤러와 네트워크로 연결되며, 상기 각 세대컨트롤러는 중앙서버에 네트워크로 연결되되,
상기 중앙서버는 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서의 센서값을 통해서 각 세대별 장치를 자동으로 설정할 수 있도록 형성되고, 각 세대에서는 원하는 실내온도만 설정할 수 있도록 형성되며,
각 세대별 센서데이터를 딥러닝을 통해서 자동으로 제어하는 것을 특징으로 한다.
상기 온도센서의 값(t)은 세대컨트롤러와 연결된 냉온수분배기를 컨트롤하는 값으로 선정하고, 습도센서의 값(h)은 세대컨트롤러와 연결되는 가습기, 제습기를 컨트롤하는 값으로 선정하고, 미세먼지센서의 값(m)은 세대컨트롤러와 연결되는 공기청정기를 컨트롤하는 값으로 선정하고, 이산화탄소센서의 값(c) 및 VOC센서의 값(v)은 세대컨트롤러와 연결되는 환기시스템을 컨트롤하는 값으로 선정한다.
본 발명의 바람직한 실시예로 형성되는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 의하면 다음과 같은 효과가 발생한다.
(1) 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서를 구비한 복합환경센서가 필요한 공간에 설치되기 때문에 실내환경의 공간마다 정확한 상태를 파악할 수 있다.
(2) 각 세대에는 복합환경센서가 연결되는 세대컨트롤러가 존재하고, 세대컨트롤러는 중앙서버에서 인공지능으로 관리되기 때문에 각 세대별 실내환경을 맞춰서 관리할 수 있다.
(3) 각 세대별 사용자의 환경패턴에 맞도록 자동설정 되지 않으므로, 중앙서버에서 각 세대별로 관리할 수 있다.
도 1은 종래의 냉난방제어시스템의 개념을 나타낸 순서도.
도 2는 종래의 통합시스템의 각 장치의 연결계통도.
도 3은 본 발명의 바람직한 실시예로 형성되는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 사용되는 인공지능신경망의 개념순서도.
도 4는 본 발명의 바람직한 실시예로 형성되는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 사용되는 인공지능신경망을 나타내는 개념도.
도 5는 본 발명의 바람직한 실시예로 형성되는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템의 복합환경센서의 개념설계 실물사진.
본 발명의 구체적인 실시예를 설명하기에 앞서, 본 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, 본 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 본 명세서의 전반에 걸친 내용을 토대로 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 하고, 용어자체의 의미로 한정하여서는 안된다.
본 발명은 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서를 구비한 복합환경센서가 각 세대별로 구비되고, 상기 복합환경센서는 각 세대별로 구비되는 세대컨트롤러와 네트워크로 연결되며, 상기 각 세대컨트롤러는 중앙서버에 네트워크로 연결되되,
상기 중앙서버는 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서의 센서값을 통해서 각 세대별 장치를 자동으로 설정할 수 있도록 형성되고, 각 세대에서는 원하는 실내온도만 설정할 수 있도록 형성되며, 각 세대별 센서데이터를 딥러닝을 통해서 자동으로 제어하도록 형성된다.
상기 각 세대에는 냉온수분배기, 가습기, 제습기, 공기청정기, 환기시스템이 갖춰져 있도록 된다.
상기 각 세대에 상기한 각 장치들이 모두 있지 않고, 일부만 있더라도 운용이 가능하고, 중앙서버에서는 이러한 상태를 확인하여 세대별로 셋팅한다.
상기 복합환경센서는 세대컨트롤러와 네트워크로 연결되되, 유선 또는 무선으로 형성된다.
상기 세대컨트롤러는 유선으로 많이 연결되는데, 복합환경센서는 온도, 습도를 가장 잘 유지해야하는 장소를 중심으로 적어도 하나의 복합환경센서를 제공하므로 무선으로 세대컨트롤러와 연결되는 것이 효율적이다.
상기 세대컨트롤러에는 다수개의 복합환경센서의 정보를 동시에 받을 수 있도록 형성되고, 상기 각 복합환경센서별로 번호를 부여하여 연결되는 장치를 다르게 설치할 수 있다.
즉, 온도가 중요한 공간에는 냉온수분배기 또는 공조기를 온도센서의 값(t)에 의해서 컨트롤 되도록 세대별컨트롤러와 연결되도록 형성된다.
상기 온도센서의 값(t)은 세대컨트롤러와 연결된 냉온수분배기를 컨트롤하는 값으로 선정하고, 습도센서의 값(h)은 세대컨트롤러와 연결되는 가습기, 제습기를 컨트롤하는 값으로 선정하고, 미세먼지센서의 값(m)은 세대컨트롤러와 연결되는 공기청정기를 컨트롤하는 값으로 선정하고, 이산화탄소센서의 값(c) 및 VOC센서의 값(v)은 세대컨트롤러와 연결되는 환기시스템을 컨트롤하는 값으로 선정한다.
상기 중앙서버는 각 세대컨트롤러로부터 복합환경센서의 값들을 공간마다 분리하여 받을 수 있고, 받는 센서값은 t, h, m, c, v 이고, 상기 센서값들을 저장하여 관리한다.
상기 중앙서버는 AI 딥러닝 프로그램에 의해서 각 세대의 복합환경센서로부터의 공간별 데이터와 각 세대의 복합환경센서에 따른 컨트롤러의 컨트롤 상태데이터(S)를 저장하고, 이를 딥러닝하여 최적의 상태를 유지하는 상태컨트롤데이터(Sc)를 제공한다.
상기 중앙서버의 AI 딥러닝 프로그램은 인공지능신경망으로 데이터를 딥러닝할 수 있도록 제어알고리즘을 사용하는데, 상기 제어알고리즘은 특정 단위세대에서 입력된 상태값(S)이 심층강화학습신경망, 보상예측신경망, 온오프예측신경망 및 PID제어신경망으로 전송되는 상태값전송단계와;
상기 온오프예측신경망은 상태값에 포함되는 센서값들을 통하여 주어야 하는 신호에 대해서 예측하는 신호예측값전송단계와;
상기 보상예측신경망은 최적온도예측신경망과 에너지예측신경망 및 신호예측신경망으로 구성되고, 최적온도예측신경망과 에너지예측신경망 및 신호예측신경망은 상태값(S)에 대하여 학습한 후에 각 기기별 보상값(γ)을 결정하여 전송하는 보상값전송단계와;
상기 심층강화학습신경망은 OnOff신경망, Actor신경망 및 Critic신경망으로 구성되고, Critic신경망은 전송된 상태값(S)과 기대된 액션값(a)을 보상값(γ)과 함께 상태-가치함수를 통하여 가치값(Q)을 산출하여 Actor신경망으로 전송하고, 보상값에 의해서 결정되는 OnOff상태값(Of)을 결정하며, Actor신경망은 가치값(Q)과 상태값(s)을 활용하여 최적의 액션값(A)을 산출하는 액션값산출단계와;
상기 온오프예측신경망과 PID제어신경망에서는 액션값(A)을 학습데이터로 저장하고, 머신러닝기법을 사용하여 최적의 PID값(K) 및 OnOff상태값(Of)를 산출하고, 각 세대컨트롤러로 송출하는 작동단계로 구성된다.
상기 제어알고리즘은 지도학습알고리즘을 사용하고 훈련세트(학습데이터)를 이용하여 기본 알고리즘을 최적화 한 상태로 운영된다.
상기 학습데이터는 각 세대별 복합환경센서에서 제공되는 시간대별, 일자별데이터가 사용된다.
상기 알고리즘의 보상예측신경망과 심층강화학습신경망은 모두 기본 알고리즘이 최적화된 상태에서 수행되는 것이 적당하다.
상기 보상예측신경망에는 스케줄러가 포함될 수 있는데, 사용자의 사용패턴을 인식하여 이를 스케줄링 하는 보상값을 전달할 수 있도록 형성될 수 있다.
상기 보상예측신경망에 사용되는 보상함수의 예로는
Figure pat00001
를 사용할 수 있는데, 특정 순간(t)에 상태값(s)과 액션값(a)일 때 보상값(γ)을 기대값으로 학습산출한다.
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
Figure pat00002
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 PID값(K)은 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-learning기법 등을 사용하여도 무방하다.
상기 중앙서버의 인공지능신경망은 PID제어신경망 및 OnOff신경망을 통해서 단위세대에 PID값이 조절기에 전달되어 자동으로 컨트롤할 수 있다.
상기 인공지능신경망을 활용하여 중앙서버를 통해서 각 세대컨트롤러를 제어하여 각 세대에 맞춰진 실내환경을 관리할 수 있도록 한다.
아울러, 온도센서의 값(t), 습도센서의 값(h), 미세먼지센서의 값(m), 이산화탄소센서의 값(c) 및 VOC센서의 값(v)은 인공지능신경망을 통해서 딥러닝의 데이터로 활용하여 계절별, 지역별, 시간대별로 나누어서 최적의 실내환경을 만들 수 있다.
본 발명의 바람직한 실시예로 형성되는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템에 의하면 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서를 구비한 복합환경센서가 필요한 공간에 설치되기 때문에 실내환경의 공간마다 정확한 상태를 파악할 수 있고, 각 세대에는 복합환경센서가 연결되는 세대컨트롤러가 존재하고, 세대컨트롤러는 중앙서버에서 인공지능으로 관리되기 때문에 각 세대별 실내환경을 맞춰서 관리할 수 있으며, 각 세대별 사용자의 환경패턴에 맞도록 자동설정 되지 않으므로, 중앙서버에서 각 세대별로 관리할 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.

Claims (4)

  1. 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서를 구비한 복합환경센서가 각 세대별로 구비되고, 상기 복합환경센서는 각 세대별로 구비되는 세대컨트롤러와 네트워크로 연결되며, 상기 각 세대컨트롤러는 중앙서버에 네트워크로 연결되되,
    상기 중앙서버는 온도센서, 습도센서, 미세먼지센서, 이산화탄소센서 및 VOC센서의 센서값을 통해서 각 세대별 장치를 자동으로 설정할 수 있도록 형성되고, 각 세대에서는 원하는 실내온도만 설정할 수 있도록 형성되며, 각 세대별 센서데이터를 딥러닝을 통해서 자동으로 제어하도록 형성되는 것을 특징으로 하는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템.
  2. 제 1항에 있어서,
    상기 복합환경센서는 세대에 공간마다 다수개가 설치되고, 세대컨트롤러와 유선 또는 무선으로 네트워크에 연결되는 것을 특징으로 하는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템.
  3. 제 1항에 있어서,
    상기 중앙서버의 AI 딥러닝 프로그램은 인공지능신경망으로 데이터를 딥러닝할 수 있도록 제어알고리즘을 사용하는데, 상기 제어알고리즘은 특정 단위세대에서 입력된 상태값(S)이 심층강화학습신경망, 보상예측신경망, 온오프예측신경망 및 PID제어신경망으로 전송되는 상태값전송단계와;
    상기 온오프예측신경망은 상태값에 포함되는 센서값들을 통하여 주어야 하는 신호에 대해서 예측하는 신호예측값전송단계와;
    상기 보상예측신경망은 최적온도예측신경망과 에너지예측신경망 및 신호예측신경망으로 구성되고, 최적온도예측신경망과 에너지예측신경망 및 신호예측신경망은 상태값(S)에 대하여 학습한 후에 각 기기별 보상값(γ)을 결정하여 전송하는 보상값전송단계와;
    상기 심층강화학습신경망은 OnOff신경망, Actor신경망 및 Critic신경망으로 구성되고, Critic신경망은 전송된 상태값(S)과 기대된 액션값(a)을 보상값(γ)과 함께 상태-가치함수를 통하여 가치값(Q)을 산출하여 Actor신경망으로 전송하고, 보상값에 의해서 결정되는 OnOff상태값(Of)을 결정하며, Actor신경망은 가치값(Q)과 상태값(s)을 활용하여 최적의 액션값(A)을 산출하는 액션값산출단계와;
    상기 온오프예측신경망과 PID제어신경망에서는 액션값(A)을 학습데이터로 저장하고, 머신러닝기법을 사용하여 최적의 PID값(K) 및 OnOff상태값(Of)를 산출하고, 각 세대컨트롤러로 송출하는 작동단계로 구성되는 것을 특징으로 하는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템.
  4. 제 1항에 있어서,
    상기 온도센서의 값(t)은 세대컨트롤러와 연결된 냉온수분배기를 컨트롤하는 값으로 선정하고, 습도센서의 값(h)은 세대컨트롤러와 연결되는 가습기, 제습기를컨트롤하는 값으로 선정하고, 미세먼지센서의 값(m)은 세대컨트롤러와 연결되는 공기청정기를 컨트롤하는 값으로 선정하고, 이산화탄소센서의 값(c) 및 VOC센서의 값(v)은 세대컨트롤러와 연결되는 환기시스템을 컨트롤하는 값으로 선정하는 것을 특징으로 하는 복합환경센서를 이용한 AI중앙관리형 공기청정시스템.
KR1020210187610A 2021-12-24 2021-12-24 복합환경센서를 이용한 ai중앙관리형 공기청정시스템 KR102573597B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210187610A KR102573597B1 (ko) 2021-12-24 2021-12-24 복합환경센서를 이용한 ai중앙관리형 공기청정시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210187610A KR102573597B1 (ko) 2021-12-24 2021-12-24 복합환경센서를 이용한 ai중앙관리형 공기청정시스템

Publications (2)

Publication Number Publication Date
KR20230098442A true KR20230098442A (ko) 2023-07-04
KR102573597B1 KR102573597B1 (ko) 2023-09-05

Family

ID=87156626

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210187610A KR102573597B1 (ko) 2021-12-24 2021-12-24 복합환경센서를 이용한 ai중앙관리형 공기청정시스템

Country Status (1)

Country Link
KR (1) KR102573597B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038897A (ko) * 2020-03-27 2020-04-14 (주)다산지앤지 공동 주택 자동 온도 조절 시스템
KR102327391B1 (ko) * 2021-07-13 2021-11-17 주식회사 일렉콤 환경분석 복합 센서를 활용한 인공지능 자동제어설비

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038897A (ko) * 2020-03-27 2020-04-14 (주)다산지앤지 공동 주택 자동 온도 조절 시스템
KR102327391B1 (ko) * 2021-07-13 2021-11-17 주식회사 일렉콤 환경분석 복합 센서를 활용한 인공지능 자동제어설비

Also Published As

Publication number Publication date
KR102573597B1 (ko) 2023-09-05

Similar Documents

Publication Publication Date Title
Zhang et al. An edge-cloud integrated solution for buildings demand response using reinforcement learning
Javed et al. Design and implementation of a cloud enabled random neural network-based decentralized smart controller with intelligent sensor nodes for HVAC
Yang et al. Experiment study of machine-learning-based approximate model predictive control for energy-efficient building control
Wei et al. Multi-objective optimization of the HVAC (heating, ventilation, and air conditioning) system performance
Mařík et al. Advanced HVAC control: Theory vs. reality
KR101633969B1 (ko) 상황인식 기반의 빌딩 에너지 관리 시스템 및 그를 이용한 빌딩 에너지 관리 방법
KR20200043781A (ko) 관람객 수와 환경 변화를 고려한 전시홀 에너지 관리 시스템
KR20180082934A (ko) 실내 온열환경 평가지표값을 이용한 냉난방 제어 장치 및 그 방법
Bursill et al. Multi-zone field study of rule extraction control to simplify implementation of predictive control to reduce building energy use
US20230221029A1 (en) Method and control system for controlling an air-conditioning system
KR102573597B1 (ko) 복합환경센서를 이용한 ai중앙관리형 공기청정시스템
Liao et al. An inferential model-based predictive control scheme for optimizing the operation of boilers in building space-heating systems
Elehwany et al. A reinforcement learning approach for thermostat setpoint preference learning
EP3771957A1 (en) Method and system for controlling of heating, ventilation and air conditioning
Kim et al. Optimization of supply air flow and temperature for VAV terminal unit by artificial neural network
Bao et al. A rule-based smart thermostat
Yang Development of integrated building control systems for energy and comfort management in intelligent buildings
KR100955210B1 (ko) 사무용 건물설비의 최적관리 및 에너지 절감을 위한 지능형 빌딩제어시스템 및 제어방법
KR20220067605A (ko) Ai서버를 이용한 고효율 건물에너지관리시스템을 위한 제어알고리즘
KR20220086724A (ko) Iot 융합기술을 활용한 센서 일체형 무선환경조절기
KR20220066212A (ko) Ai서버를 이용한 고효율 건물에너지 관리시스템
KR102465747B1 (ko) 독립형 ai자동 환경제어시스템용 조절기
US20210033299A1 (en) Method and system for controlling heating, ventilation and air conditioning
Taheri et al. Real-world implementation of a cloud-based MPC for HVAC control in educational buildings
Thieblemont Simplified Predictive Control for Load Management: A Self-Learning Approach Applied to Electrically Heated Floor

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant