WO2022005127A1 - 기계 학습 기반 공기 조화 장치 및 이의 제어 방법 - Google Patents

기계 학습 기반 공기 조화 장치 및 이의 제어 방법 Download PDF

Info

Publication number
WO2022005127A1
WO2022005127A1 PCT/KR2021/008076 KR2021008076W WO2022005127A1 WO 2022005127 A1 WO2022005127 A1 WO 2022005127A1 KR 2021008076 W KR2021008076 W KR 2021008076W WO 2022005127 A1 WO2022005127 A1 WO 2022005127A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
air
unit
machine learning
air conditioner
Prior art date
Application number
PCT/KR2021/008076
Other languages
English (en)
French (fr)
Inventor
최홍수
최준영
배성현
이남규
윤기훈
김창현
김세훈
Original Assignee
어썸레이 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
Priority claimed from KR1020210008668A external-priority patent/KR102338086B1/ko
Application filed by 어썸레이 주식회사 filed Critical 어썸레이 주식회사
Priority to EP21832713.8A priority Critical patent/EP4184073A1/en
Priority to CN202180052505.0A priority patent/CN115989386A/zh
Publication of WO2022005127A1 publication Critical patent/WO2022005127A1/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
    • 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
    • F24F3/16—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 purification, e.g. by filtering; by sterilisation; by ozonisation
    • 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
    • F24F8/10—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by separation, e.g. by filtering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/14—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by absorption
    • B01D53/1487—Removing organic compounds
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/30—Controlling by gas-analysis apparatus
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/02—Plant or installations having external electricity supply
    • B03C3/04—Plant or installations having external electricity supply dry type
    • B03C3/08—Plant or installations having external electricity supply dry type characterised by presence of stationary flat electrodes arranged with their flat surfaces parallel to the gas stream
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/02—Plant or installations having external electricity supply
    • B03C3/04—Plant or installations having external electricity supply dry type
    • B03C3/12—Plant or installations having external electricity supply dry type characterised by separation of ionising and collecting stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/38—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/38—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames
    • B03C3/383—Particle charging or ionising stations, e.g. using electric discharge, radioactive radiation or flames using radiation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/40—Electrode constructions
    • B03C3/41—Ionising-electrodes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/40—Electrode constructions
    • B03C3/45—Collecting-electrodes
    • B03C3/47—Collecting-electrodes flat, e.g. plates, discs, gratings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C3/00—Separating dispersed particles from gases or vapour, e.g. air, by electrostatic effect
    • B03C3/34—Constructional details or accessories or operation thereof
    • B03C3/66—Applications of electricity supply techniques
    • B03C3/68—Control systems therefor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/20—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by sterilisation
    • F24F8/22—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by sterilisation using UV light
    • 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
    • F24F8/30—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying by ionisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
    • A61L2209/00—Aspects relating to disinfection, sterilisation or deodorisation of air
    • A61L2209/10—Apparatus features
    • A61L2209/11—Apparatus for controlling air treatment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
    • A61L9/00—Disinfection, sterilisation or deodorisation of air
    • A61L9/16—Disinfection, sterilisation or deodorisation of air using physical phenomena
    • A61L9/22—Ionisation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/50—Carbon oxides
    • B01D2257/504—Carbon dioxide
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/70—Organic compounds not provided for in groups B01D2257/00 - B01D2257/602
    • B01D2257/708—Volatile organic compounds V.O.C.'s
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2258/00—Sources of waste gases
    • B01D2258/06—Polluted air
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2259/00—Type of treatment
    • B01D2259/45—Gas separation or purification devices adapted for specific applications
    • B01D2259/4508—Gas separation or purification devices adapted for specific applications for cleaning air in buildings
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C2201/00—Details of magnetic or electrostatic separation
    • B03C2201/24—Details of magnetic or electrostatic separation for measuring or calculating parameters, efficiency, etc.
    • 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
    • F24F2110/30—Velocity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Definitions

  • a model may be generated by machine learning based on the data, and the purification unit 220 may be controlled according to the generated model.
  • the control of the purification unit 220 may mean controlling the voltage applied to the charging unit 240 and the voltage applied to the dust collecting unit 250 .
  • the voltage applied to the charging part 240 may correspond to the voltage applied to the tube 241 .
  • each partial voltage is a preset voltage It is possible to collect air quality data before and after the purification unit 220 by randomly selecting every 20 seconds within the range.
  • the threshold value is It can be set to 4.3 kV and 3.5 kV.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Toxicology (AREA)
  • Automation & Control Theory (AREA)
  • Electrostatic Separation (AREA)
  • Air Filters, Heat-Exchange Apparatuses, And Housings Of Air-Conditioning Units (AREA)
  • Air Conditioning Control Device (AREA)
  • Numerical Control (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)

Abstract

본 발명은 기계 학습 기반 공기 조화 장치 및 이의 제어 방법으로서, 방법은 공기 조화 장치에 유입되는 공기의 공기 질에 관한 제1 데이터를 수집하는 단계; 제1 데이터를 기반으로 정화부를 제어하는 단계; 정화부를 통과한 공기의 공기 질에 관한 제2 데이터를 수집하는 단계; 및 정화부의 제어와 관련된 설정 값, 제1 데이터 및 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 정화부를 제어하는 단계를 포함할 수 있다.

Description

기계 학습 기반 공기 조화 장치 및 이의 제어 방법
본 발명은 기계 학습 기반 공기 조화 장치 및 이의 제어 방법에 관한 발명이다. 구체적으로, 본 발명은 공기를 정화하는 정화부를 통과하기 이전 및 이후의 공기 질을 측정하고 정화부의 제어와 관련된 설정 값을 이용하여 기계 학습함으로써 공기 조화 장치가 설치된 공간에 따라 최적의 공기 정화 효율을 내는 공기 조화 장치 및 이의 제어 방법에 관한 것이다.
일반적으로 사무용 대형 빌딩의 공기 조화 장치는 공기 중에 부유하는 오염 물질을 헤파 필터 등을 이용해 걸러내 순환하는 방식으로 공기를 정화하였다. 그러나, 종래의 헤파 필터를 이용한 공기 조화 장치를 장시간 사용하다 보면 필터들 사이에 기공들이 미세먼지들에 의해 막혀 차압과 진동이 발생하고 미세 분진을 걸러주는 능력도 떨어지게 된다.
이를 개선하기 위해 차압 없이 오염 물질을 제거하기 위한 전기 집진 장치가 고려되었다. 전기 집진 장치는 공기청정기나 냉방기, 난방기 등의 공기 조화기에 장착되어 공기 중에 포함된 먼지 등의 이물질을 대전시켜 집진하는 장치이다. 전기 집진 장치는 전기장을 형성하는 방전 장치를 포함하는 하전부와, 하전부에 의해 대전된 오염 물질 입자가 집진되는 집진부를 포함할 수 있고, 공기가 하전부를 통과한 후 집진부를 통과하는 동안 공기 중의 오염 물질이 집진부에 포집될 수 있다. 이를 위하여 하전부에서 수천 볼트의 고전압을 걸어주면 전극 자체에서 전자가 생성되거나 전극 주위의 기체에서 전자가 만들어져 전극 주위에 플라즈마가 형성된다. 플라즈마에 의해 기체 상태의 원자나 분자에서 전자가 분리되어 공기 중의 입자에 부착되면 입자들이, (-) 전하를 띠게 되고, (-) 전하를 띤 먼지 입자는 정전기적 인력에 의해 (＋) 전하를 띤 집진판으로 이동하여 들러붙어 제거될 수 있다.
그러나, 이러한 전기 집진 방식은 공기 정화 과정에서 오존이나 질소산화물 같은 산화물을 발생시킬 수 있다. 이러한 산화물은 반응성이 크기 때문에 공기 중 유해 물질의 분해를 촉진하는 살균 효과를 나타내지만, 실내에서는 오존 농도를 높일 수 있고 이는 인체에 위험할 수 있다. 예를 들어, 사람이 오존에 노출되는 경우에는 안구 염증이 유발되거나 기관지에 손상을 입을 수 있다. 또한, 이러한 전기 집진 방식은 고전압을 필요로 하기 때문에 높은 시설비와 운영 비용을 요구하며 분진의 밀도가 높은 환경에서의 폭발 위험성이 있다.
또한, 공조용으로 사용되던 종래의 전기 집진 방식은 (-) 전하를 가지는 이온을 발생시켜 이와 결합하는 공기 중의 오염 물질을 (-) 전하로 하전시키기 때문에 (+) 전하를 띠는 집진판에서 오염 물질의 입자를 포집할 수는 있으나, (-) 전하를 띠는 집진 판에서 입자를 포집하는 데는 어려움이 있다. 이는 집진 효율을 떨어트리고, (-) 전하로 하전된 물질이 집진판에 포집되지 않고 다시 공기 중에 회수될 경우 공기 중의 (-) 이온이 과다해져서 이온 균형을 깨트리고 산화물을 더욱 발생시키는 원인이 될 수 있다.
게다가 기존의 전기 집진 방식은 공기 조화 장치가 설치된 공간의 특성에 관계없이 동일한 기준으로 공기 조화 장치가 동작하므로 불필요한 전력이 낭비되고 있다. 그러나, 동일한 건물 내에 동일한 제품의 공기 조화 장치가 설치되더라도 건물 내 구역에 따라 온도, 습도, 미세먼지량, 이산화탄소, 휘발성 유기화합물 (VOCs; volatile organic compounds) 및 포름알데히드 등과 같은 공기 특성이 다를 수 있으므로 각각의 공기 조화 장치가 동작하기 위한 조건을 최적화할 필요성이 있다. 또는, 예를 들어, 지하 역사에 동일한 제품의 공기 조화 장치가 설치되더라도 시간 대마다 승강장 내 공기의 질이 다를 수 있으므로 최소한의 소비 전력으로 공기를 정화할 수 있도록 장치가 동작할 필요성이 있다.
본 명세서의 실시 예는 상술한 문제점을 해결하기 위하여 제안된 것으로 공기 중의 오염 물질을 이온화하는 부산물로 유해물질인 오존이 발생하지 않는 공기 조화 장치 및 이의 제어 방법을 제공하는 데 있다.
또한, 본 실시 예가 해결하고자 하는 과제는, 공기 조화 장치가 설치되는 공간에 따라 최적화된 정화부 작동 조건을 도출하고 이에 따라 공기 조화 장치의 정화부를 제어하기 위한 기계 학습 기반 공기 조화 장치 및 이의 제어 방법을 제공하는 데 있다.
본 실시 예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시 예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
상술한 과제를 달성하기 위하여, 본 명세서의 일 실시 예에 따르는 기계 학습 기반 공기 조화 장치의 제어 방법은, 상기 공기 조화 장치에 유입되는 공기의 공기 질에 관한 제1 데이터를 수집하는 단계; 상기 제1 데이터를 기반으로 정화부를 제어하는 단계; 상기 정화부를 통과한 공기의 공기 질에 관한 제2 데이터를 수집하는 단계; 및 상기 정화부의 제어와 관련된 설정 값, 상기 제1 데이터 및 상기 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 상기 정화부를 제어하는 단계를 포함할 수 있다.
본 명세서의 일 실시 예에 따르는 기계 학습 기반 공기 조화 장치는 정화부; 적어도 하나의 센서를 포함하며 상기 정화부에 유입되는 공기와 관련된 정보를 획득하는 제1 데이터 수집부; 적어도 하나의 센서를 포함하며, 상기 정화부에서 유출되는 공기와 관련된 정보를 획득하는 제2 데이터 수집부; 및 제어부를 포함하고, 상기 제어부는, 상기 제1 데이터 수집부를 통해 획득된 공기 질에 관한 제1 데이터를 수집하고, 상기 제1 데이터를 기반으로 상기 정화부를 제어하고, 상기 제2 데이터 수집부를 통해 상기 정화부를 통과한 공기의 공기 질에 관한 제2 데이터를 수집하고, 상기 정화부의 제어와 관련된 설정 값, 상기 제1 데이터 및 상기 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 상기 정화부를 제어할 수 있다.
본 명세서의 실시 예에 따르면, 에너지가 낮은 파장의 전자기파를 이용하여 공기 중의 오염 물질을 이온화 하므로 공기 조화 장치 통과 전후에 있어 차압이 걸리지 않을 뿐 아니라 오존이 거의 발생하지 않는 효과가 있다.
또한, 본 명세서의 실시 예에 따르면, 본 발명의 공기 조화 장치 내의 하전부에서 공기 중의 오염 물질을 (-) 전하로 하전시키는 것뿐 아니라 (+) 전하로 하전시키는 것도 가능하여 (+)로 대전된 집진판과 (-)로 대전된 집진판 모두에서 오염 입자를 포집할 수 있는 바 집진 효율이 높다. 또한, 하전된 오염 물질의 일부가 집진부에 포집되지 않고 그대로 통과하더라도 (-) 전하로 하전된 물질과 (+) 전하로 하전된 물질이 균형을 이루므로 공기 중의 이온 균형을 유지하는데 용이하다.
또한, 본 명세서의 실시 예에 따르면, 장치가 설치된 공간에 따라 기계 학습에 의하여 정화부에 인가되는 전압이 설정되므로 공간 맞춤형 설계가 가능하며, 기계 학습에 의하여 장치의 사용 전력을 최소화할 수 있으므로 전력 사용량 당 오염 물질 제거 효율이 높아질 수 있다.
발명의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당해 기술 분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 공기 조화 장치의 정화부의 공기 정화 동작을 나타낸 도면이다.
도 2는 일 실시 예에 따른 공기 조화 장치를 도시한 도면이다.
도 3은 일 실시 예에 따른 정화부(220)를 도시한 도면이다.
도 4는 일 실시 예에 따른 공기 조화 장치의 제어 방법을 도시한 흐름도이다.
도 5는 일 실시 예에 따른 공기 조화 장치(500)를 개략적으로 도시한 블록도이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시 예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
도 1은 일 실시 예에 따른 공기 조화 장치의 정화부의 공기 정화 동작을 나타낸 도면이다.
본 발명의 공기 조화 장치는 정화부(100)를 포함하고, 정화부(100)는 공기에 포함된 물질 중 적어도 일부를 이온화하는 하전부(110)와 이온화된 물질을 집진하는 집진부(120)를 포함할 수 있다.
종래의 광 이온화 방식을 이용하는 전기 집진 장치와 유사하게 본 발명의 정화부(100)는 공기 중 오염 물질의 입자와 분자를 하전부(110)에서 이온화 시킨 후 집진부(120)에서 집진한다. 구체적으로, 하전부(110)에 전압을 가하여 오염 물질(111)을 이온화하고, 이온화된 오염 물질(112)을 집진부(120)의 집진판(121, 122)에서 포집할 수 있다. 일 실시 예에 따르면, 본 발명의 하전부(110)는 에너지가 낮은 파장의 전자기파를 이용하므로 오존이 거의 발생하지 않는다. 또한 본 발명의 하전부(110)는 에너지가 낮은 파장의 전자기파를 이용하여 공기 중의 오염 물질을 (-) 전하로 하전시키는 것뿐 아니라 (+) 전하로 하전시키는 것도 가능하여 (+)로 대전된 집진판과 (-)로 대전된 집진판 모두에서 오염 입자를 포집하는 것이 가능하다. 이에 따라 (-) 전하를 띠는 오염 물질(112)은 정전기적 인력에 의해 (+)로 대전된 집진판(121)으로 이동하여 포집될 수 있고, (+) 전하를 띠는 오염 물질(112)은 (-)로 대전된 집진판(122)으로 이동하여 포집될 수 있다. 한편, 공기 중 오염 물질이 아닌 산소와 같은 청정 가스(113)는 하전부(110)에 의해 이온화 되지 않고 특정 전하를 띠지 않기 때문에 집진부(120)에 포집되지 않은 채 통과한다. 결국, 본 발명의 정화부(100)를 이용할 경우 오염 물질만 이온화시켜 포집하는 것이 가능하다. 오염 물질의 예로는 미세먼지, 휘발성 유기화합물 (VOCs) 및 포름알데히드 등이 있을 수 있다.
한편, 종래의 전기 집진 방식을 이용한 하전부에서는 8~15 kV의 고전압이 걸리기 때문에 전극 주위에 플라즈마가 형성되고, 이로 인하여 오염 물질이 아닌 산소까지 이온화되어 부산물로 오존이 발생할 수 있다. 반면에 본 발명의 하전부(110)는 비교적 에너지가 낮은 범위의 파장을 가지는 전자기파를 이용하기 때문에 5 kV 이하의 전압을 걸어주는 것이 가능하고, 이로 인해 플라즈마가 발생하지 않으며, 이에 따른 부산물인 오존이 발생하지 않거나 발생하여도 매우 극미한 양이 발생하는 데에 그친다. 본 발명의 일 실시 예에 따른 하전부(110)는 0.1 nm 이상 100 nm 이하 범위의 파장을 가지는 전자기파를 이용하여 물질을 이온화할 수 있으며, 구체적으로, 13.5 nm의 파장을 가지는 극자외선(EUV) 또는 0.1 nm 이상 10 nm 이하의 파장을 가지는 연엑스선(soft X-ray)를 사용할 수 있다. 극자외선 또는 연엑스선과 같이 에너지가 낮은 범위의 파장을 가지는 전자기파를 이용하는 경우에 차압과 오존이 발생하지 않으므로 기존 공조 장치에도 본 발명의 정화부(100)를 설치할 수 있으며, 높은 바이패스(by-pass) 성능을 가질 수 있다. 예를 들어, 극자외선은 50%의 바이패스 성능을, 연엑스선은 75%의 바이패스 성능을 지닌다.
도 2는 일 실시 예에 따른 공기 조화 장치를 도시한 도면이다.
본 발명에 따른 공기 조화 장치(200)는 공기를 정화하기 위한 정화부(220)와 정화부(220)에 유입되는 공기와 관련된 정보를 획득하기 위한 제1 데이터 수집부(210) 및 정화부(220)에서 유출되는 공기와 관련된 정보를 획득하기 위한 제2 데이터 수집부(230)를 포함할 수 있다. 제1 데이터 수집부(210)와 제2 데이터 수집부(230)는 공기 질에 관한 데이터를 수집하기 위하여 각각 적어도 하나의 센서를 포함할 수 있다.
일 실시 예에 따른 정화부(220)는 공기에 포함된 물질 중 적어도 일부를 이온화하기 위한 하전부(240)를 적어도 하나 포함할 수 있으며, 하전부(240)에서 이온화된 물질을 집진하기 위한 집진부(250)를 포함할 수 있다. 하전부(240)는 전자기파를 방출하기 위한 튜브(241)를 적어도 하나 포함할 수 있다. 일 실시 예에 따르면, 튜브(241)는 금속 타겟과 전자의 충돌을 통해 엑스선을 발생시키는 엑스선 튜브로서 애노드(anode)와 캐소드(cathode)를 포함할 수 있고, 필요에 따라 게이트 전극을 추가로 구비할 수 있다. 여기에서 전계를 방출하는 캐소드는 탄소나노튜브(CNT, Carbon nanotube)로 구성되어 0.1 nm 이상 10 nm 이하의 파장을 가지는 연엑스선을 방출하는 전계 방출 소자를 포함할 수 있다. 이 경우, 캐소드의 전계 방출 소자, 즉 이미터(emitter)는 복수의 탄소나노튜브가 응집되어 제1방향으로 연장된 구조의 단위 얀(yarn)을 복수 포함하는 탄소나노튜브 구조체를 포함할 수 있다. 일 실시 예에 따르면, 하전부(240)는 0.1 nm 이상 100 nm 이하 범위의 파장을 가지는 전자기파를 이용하여 물질을 이온화할 수 있다. 예를 들어, 하전부(240)는 극자외선 또는 연엑스선을 이용하여 오염 물질에 대해 광이온화를 수행할 수 있다. 집진부(250)에는 이온화된 물질을 포집하기 위한 집진판(251)이 적어도 하나 있을 수 있다.
본 발명에 따른 공기 조화 장치(200)는 제1 데이터 수집부(210)에서 장치(200)로 유입되는 공기의 공기 질에 관한 제1 데이터를 수집할 수 있다. 제1 데이터는 장치(200)가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 미세먼지, 휘발성 유기화합물 (VOCs), 포름알데히드와 같은 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함할 수 있으며, 공기 질에 관련된 정보를 모두 포함할 수 있다. 미세먼지에 관한 정보는 미세먼지의 농도 및 초미세먼지의 농도를 포함할 수 있다. 공기는 정화부(220)를 통과하게 되며, 이 때 수집한 제1 데이터를 기반으로 정화부(220)를 제어할 수 있다. 일 예로, 공기 질에 대한 파라미터 중 공기 중 미세먼지 농도가 75 ㎍/m3이상이고 초미세먼지 농도가 30 ㎍/m3이상인 경우에 장치(200)가 가동하는 것으로 설정된 경우, 제1 데이터 수집부(210)에서 수집된 제1 데이터에 따른 공기의 미세먼지 농도가 80 ㎍/m3이면 장치(200)가 가동될 것이다.
일 실시 예에 따르면, 공기가 정화부(220)를 통과하고 나서 제2 데이터 수집부(230)에서 공기의 공기질에 관한 제2 데이터를 수집할 수 있다. 제2 데이터는 장치(200)가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 미세먼지, 휘발성 유기화합물 (VOCs), 포름알데히드와 같은 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함할 수 있으며, 공기 질에 관련된 정보를 모두 포함할 수 있다. 공기가 정화부(220)를 통과한 이상, 제2 데이터에 나타나는 수치는 제1 데이터에 나타나는 수치보다 개선된 수치일 수 있다.
본 발명의 공기 조화 장치(200)는 정화부(220)의 제어와 관련된 설정 값, 제1 데이터 수집부(210)에서 측정된 제1 데이터 및 제2 데이터 수집부(230)에서 측정된 제2 데이터를 기반으로 기계 학습하여 모델을 생성하고, 생성된 모델에 따라 정화부(220)를 제어할 수 있다. 이때 정화부(220)의 제어는 하전부(240)에 인가되는 전압 및 집진부(250)에 인가되는 전압을 제어하는 것을 의미할 수 있다. 하전부(240)에 인가되는 전압은 튜브(241)에 인가되는 전압에 대응될 수 있다. 일 실시 예에 따르면, 튜브(241)는 탄소나노튜브를 포함할 수 있고, 하전부(240)에 인가되는 전압을 제어하는 것은 튜브(241)의 애노드, 캐소드 또는 게이트에 인가되는 전압에 대한 개별적인 제어를 포함할 수 있다. 기계 학습 이전에 장치(200)의 구동은 초기 값에 따라 구동될 수 있는데, 초기 값은 실내 공기 질 관리법을 만족하는 최소한의 공기 질 기준으로 기 설정되어 있을 수 있다.
본 발명의 공기 조화 장치(200)는 장치(200)가 설치된 공간에 대하여 맞춤형으로 작동이 가능하도록 하기 위해 정화부(220)를 제어할 수 있다. 이를 위하여, 제1 데이터와 정화부(220)를 통과한 공기의 공기 질에 관한 제2 데이터를 기반으로 임계값을 도출할 수 있다. 일 실시 예에 따르면, 제2 데이터는 기계 학습 모델을 통해 도출된 정화부(220)의 제어와 관련된 설정 값 또는 초기 값에 따라 설정된 정화부(220)를 통과한 공기의 공기 질에 관한 데이터일 수 있다. 이때의 임계값은 공기 질에 관련된 파라미터에 대한 임계값일 수 있으며, 파라미터는 공기 조화 장치(200)가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 미세먼지, 휘발성 유기화합물 (VOCs), 포름알데히드와 같은 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함할 수 있다. 그리고, 임계값은 공기 조화 장치(200)가 설치된 공간 별로 상이할 수 있다. 일 예로, 장치(200)가 설치된 공간이 주기적으로 환기되는 운행 수단 내부인 경우와 밀폐된 지하 역사(驛舍)인 경우의 두 장소에 대한 공기 질 데이터는 상이할 것이므로, 정화부(220)의 제어 조건 또한 상이할 수 있다. 예를 들어, 지하 역사의 경우 밀폐된 공간이므로 임계값을 보다 낮게 설정하여 공기 정화를 자주 수행해야 할 필요성이 있다. 또한, 임계값은 제2 데이터에 포함된 미세먼지의 크기에 따라 구별될 수 있다. 예를 들어, 미세먼지 입자의 크기가 10 ㎛ 이하인 경우(즉, PM 10인 경우) 미세먼지에 적용되는 기준을 적용할 수 있으며, 미세먼지 입자의 크기가 2.5 ㎛ 이하인 경우(즉, PM 2.5인 경우) 초미세먼지에 적용되는 기준을 적용할 수 있다.
일 실시 예에 따르면, 공기 조화 장치(200)는 파라미터가 임계값 이하 또는 이상으로 되도록 하는 정화부(220)의 제어 조건을 도출할 수 있다. 이러한 정화부(220)의 제어 조건은 하전부(240)에 인가되는 전압 및 집진부(250)에 인가되는 전압을 포함할 수 있다. 하전부(240)에 인가되는 전압은 튜브(241)에 인가되는 전압에 대응될 수 있다. 일 실시 예에 따르면, 튜브(241)는 탄소나노튜브를 포함할 수 있고, 하전부(240)에 인가되는 전압을 제어하는 것은 튜브(241)의 애노드, 캐소드 또는 게이트에 인가되는 전압에 대한 개별적인 제어를 포함할 수 있다.
한편, 공기 조화 장치(200)의 제품 특성에 따라 하전부(240)에 사용되는 튜브(241)의 개수, 튜브(241)의 위치 및 집진부(250)(또는 집진판(251))의 크기 등이 상이할 수 있다. 이에 따라, 장치(200)는 정화부(220)를 제어하기 위한 기계 학습을 하기 이전에 하전부(240)에서 전자기파를 방출하는 적어도 하나의 튜브(241)의 개수, 적어도 하나의 튜브(241)의 위치 및 집진부(250)의 크기를 사전에 입력할 수 있다.
일 실시 예에 따르면, 본 발명의 공기 조화 장치(200)는 기계 학습을 통해 정화부(220)의 제어 조건을 도출하여 정화부(220)를 작동시킨 이후에도 기계 학습 모델을 지속적으로 업데이트할 수 있다. 기계 학습을 통해 도출된 제어 조건에 따라 정화부(220)가 정상적으로 작동하면서 얻어지는 제1 데이터 및 제2 데이터의 데이터 셋을 이용하여 기계 학습을 지속할 수 있다. 동일한 제어 조건 하에도 공기 질이 좋아져서 더 적은 소비 전력으로 공기를 정화시킬 수 있는 경우에, 정화부(220)로 공급되는 전압을 감소시키면서 공기 정화가 유지되는 최적의 임계값을 도출할 수 있다. 만일 동일한 제어 조건 하에 공기 질이 나빠지는 경우 공기 질 파라미터를 임계값 이하 또는 이상으로 조절하기 위해 장치(200)는 지속하여 구동될 것이므로 이 경우에도 마찬가지로 정화부(220)가 정상적으로 작동하면서 얻어지는 제1 데이터 및 제2 데이터의 데이터 셋을 이용하여 기계 학습을 지속할 수 있다. 일 실시 예에 따른 공기 조화 장치(200)는 기계 학습을 위하여 제1 데이터 및 제2 데이터를 기 설정된 기간 동안 일정 시간 단위로 수집할 수 있다. 예를 들어, 장치(200)는 제1 데이터 및 제2 데이터를 일주일 동안 5초 단위로 수집하여 데이터 셋을 구축할 수 있다.
일 실시 예에 따르면, 본 발명의 공기 조화 장치(200)는 공기 질에 관련된 파라미터 및 정화부(220)의 사용 전력을 기반으로 보상을 수행하는 강화학습(Reinforcement Learning)에 의해 기계 학습 모델을 생성할 수 있다. 구체적으로, 하전부(240) 및 집진부(250)의 전압을 기계 학습을 통해 도출된 범위 내에서 일정 시간 마다 무작위로 선정하고 그에 따른 제1 데이터 및 제2 데이터를 수집할 수 있다. 그리고, 공기 질에 관련된 파라미터가 임계 값을 만족하면서 장치(200)의 사용 전력이 낮아지는 방향으로 점수를 부여하는 방식으로 강화학습할 수 있다. 예를 들어, 초기 조건으로서 하전부(240)에 인가되는 전압 범위를 4.0 내지 4.8 kV로, 집진부(250)에 인가되는 전압 범위를 2.8 내지 4.4 kV로 설정한 경우에 각 부분 전압을 기 설정된 전압 범위 내에서 20초마다 무작위로 선정하여 정화부(220) 전후의 공기 질 데이터를 수집할 수 있다. 강화학습 결과 하전부(240)에 인가되는 전압이 4.3 kV이고 집진부(250)에 인가되는 전압이 3.5 kV인 경우에 사용 전력 대비 미세먼지 제거 효율이 최대치로 나올 수 있고, 이에 따라 임계값이 각각 4.3 kV와 3.5 kV로 설정될 수 있다. 일 실시 예에 따르면, 하전부(240)가 복수의 튜브(241)를 포함할 수 있으며, 이에 따라 각각의 튜브(241)에 인가되는 전압이 미세하게 다를 수 있으나, 이 경우 각각의 튜브(241)에 대하여 평균 값을 도출하여 하전부(240)의 전압으로 볼 수 있다. 또는, 정화부(220) 내에 하전부(240)가 복수 있을 수 있으나, 각각의 하전부(240)에 대하여 기계 학습하는 것보다는 각각의 하전부(240)에 동일한 전압 값을 인가하여 기계 학습할 수 있다. 이를 위해 하전부(240)의 개수 또는 튜브(241)의 개수는 첫 기계 학습 이전에 입력되어, 기계 학습시 고려될 것이다.
한편, 강화학습에 의하여 기계 학습 모델을 생성할 수도 있으나, 그 외에 다른 기계 학습 알고리즘을 이용하여 본 발명의 공기 조화 장치(200)에 적용되는 모델을 생성할 수 있다. 예를 들어, 비지도 학습(Unsupervised Learning) 및 규칙 기반 기계 학습 알고리즘(Rule-based Machine Learning Algorithm) 등 다양한 기계 학습 알고리즘들이 본 발명에 적용될 수 있다.
도 3은 일 실시 예에 따른 정화부(220)를 도시한 도면이다. 도 3을 참조하면, 정화부(220)는 복수의 하전부(240-1, 240-2) 및 집진부(250)를 포함할 수 있다. 각각의 하전부(240-1, 240-2)는 모두 공기 중의 오염 물질을 이온화하기 위한 모듈이며, 기계 학습에 따른 설정 값을 제1 하전부(240-1) 및 제2 하전부(240-2)에 동일하게 적용하거나, 그 차이를 무시할 수 있을 만큼의 전압 값을 제1 하전부(240-1) 및 제2 하전부(240-2)에 인가할 수 있다.
한편, 제1 데이터 수집부(210) 및 제2 데이터 수집부(230)의 센서들의 위치에 따라 공기 질 데이터가 변화하기 때문에, 제1 데이터 및 제2 데이터를 기반으로 학습된 모델이 도출하는 정화부(220)의 제어 조건도 변경될 수 있다. 이에 따라, 장치(200)가 설치되는 공간의 구조, 공기 질 특성 등에 따라 제1 데이터 수집부(210) 및 제2 데이터 수집부(230)의 센서들의 위치가 변경될 수도 있다.
일 실시 예에 따르면, 동일한 공간에 복수의 공기 조화 장치(200)가 설치될 수 있다. 그 경우 장치(200) 각각에 대하여 서로 다른 기계 학습 모델에 따라 각자의 정화부(220)를 제어할 수 있다. 즉, 장치(200) 별로 공기 질 파라미터에 적용되는 임계값이 다를 수 있다.
코로나 방전 방식을 이용하는 종래의 전기 집진 장치와 비교하였을 때, 본 발명의 공기 조화 장치(200)는 사용 전력 대비 집진 효율이 높으며 그에 따른 오존 발생량이 0에 수렴한다. 예를 들어, 종래의 전기 집진 장치가 110 W의 전력을 소비하면서 이온화 대비 집진 효율이 10%이나 오존 발생량은 대략 65 ppm인 경우, 본 발명의 공기 조화 장치는 40 W의 전력을 소비하면서 이온화 대비 집진 효율이 50%이면서 오존 발생량은 대략 0 ppm일 수 있다.
본 발명의 공기 조화 장치(200)는 장치가 설치된 장소 및 환경에 따라 최적의 작동 조건을 도출할 수 있으므로 사용 에너지량을 최소화할 수 있다. 또한, 기계 학습을 이용하기 때문에 실시간으로 에너지를 조절할 수 있는 디지털 발생 장치가 아니면 시스템 구성이 불가능할 수 있다. 이 때문에 기존의 자외선 또는 엑스선 열 음극 튜브 등은 본 발명의 공기 조화 장치(200)를 구성하기 어려우며, 상대적으로 적은 에너지로 전자기파를 발생시키고 에너지 조절에 용이한 탄소나노튜브(CNT, Carbon nanotube) 등이 본 발명의 공기 조화 장치(200)를 구성하는데 용이할 것이다.
예를 들어, 기존의 자외선 또는 엑스선 열 음극 튜브와 같은 열 이온 방출 튜브는 금속 필라멘트로 이루어진 음극과 금속 타겟인 양극으로 구성되며, 가열된 금속 필라멘트(음극)에서 전자가 방출되는 원리를 이용한다. 즉, 열 이온 방출 튜브의 금속 필라멘트는 1000℃이상으로 가열되어 전자를 방출하며, 전자는 인가된 전기장에 의해 가속되어 금속 표적을 공격하여 전자기파를 생성한다. 이러한 열 이온 방출 튜브는 금속 필라멘트에서 전자를 방출하기 위해 고온으로 가열하여야 하므로 응답 시간이 길다는 한계가 있다.
한편, 전계 방출(Field Emission, FE) 튜브는 인가된 전기장에 의해 금속 음극에서 전자가 방출되나, 방출기의 온도가 열 이온 방출 튜브의 필라멘트의 온도보다 훨씬 낮다. 즉, 음극의 온도가 열 이온 방출 튜브보다 낮기 때문에 전계 방출 튜브가 수명이 더 길고 응답이 빠르다. 또한, 전극 사이의 전압 제어를 세밀하게 할 수 있고, 이에 따라 필요한 수준의 전자기파를 방출하도록 제어하는 것이 용이하다. 이러한 전계 방출 튜브로서 탄소나노튜브 음극을 이용한 CNT 튜브를 사용할 수 있다.
CNT 튜브는 기본적으로 양극의 애노드와 음극의 캐소드 및 전자의 방출을 유도하기 위한 게이트를 포함한다. 이에 따라, 애노드, 캐소드 또는 게이트로 인가되는 전압의 크기는 개별적으로 설정되고 학습될 수 있다. 애노드와 캐소드에 인가되는 전압으로 인하여 튜브 내에 전류가 흐르게 되고, 애노드와 캐소드와의 전압 차이만큼 전류가 생성되겠지만, 실제로는 음극에서 전자를 방출할 수 있을 정도로 강한 자기장을 주기 위해 튜브에 고전압이 걸리게 되므로 게이트에는 누설 전류가 발생하게 된다. 따라서, 원하는 만큼의 튜브 내 전류를 발생시키면서 게이트 누설 전류는 최소화하기 위해 애노드, 캐소드 또는 게이트 전압을 각각 제어할 수도 있다.
도 4는 일 실시 예에 따른 공기 조화 장치의 제어 방법을 도시한 흐름도이다.
단계 S401에서 방법은 공기 조화 장치에 유입되는 공기의 공기 질에 관한 제1 데이터를 수집할 수 있다. 일 실시 예에 따르면, 제1 데이터는 공기 조화 장치가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 미세먼지, 휘발성 유기화합물 (VOCs), 포름알데히드와 같은 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함할 수 있다.
단계 S402에서 방법은 수집된 제1 데이터를 기반으로 정화부를 제어할 수 있다. 일 실시 예에 따르면, 정화부는 공기에 포함된 물질 중 적어도 일부를 이온화하는 적어도 하나의 하전부와 하전부에서 이온화된 물질을 집진하는 집진부를 포함할 수 있다. 하전부는 0.1 nm 이상 100 nm 이하 범위의 파장을 가지는 전자기파를 이용하여 물질을 이온화 할 수 있으며, 구체적으로 극자외선 또는 연엑스선을 이용하여 공기 중 오염 물질을 광이온화 할 수 있다.
단계 S403에서 방법은 정화부를 통과한 공기의 공기 질에 관한 제2 데이터를 수집할 수 있다. 일 실시 예에 따르면, 제2 데이터는 공기 조화 장치가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 미세먼지, 휘발성 유기화합물 (VOCs), 포름알데히드와 같은 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함할 수 있다.
단계 S404에서 방법은 정화부의 제어와 관련된 설정 값, 제1 데이터 및 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 정화부를 제어할 수 있다. 일 실시 예에 따르면, 정화부의 제어와 관련된 설정 값은 하전부에 인가되는 전압 및 집진부에 인가되는 전압에 대한 설정 값을 포함할 수 있다. 일 실시 예에 따르면, 하전부는 전자기파를 방출하는 적어도 하나의 튜브를 포함할 수 있고, 하전부에 인가되는 전압에 대한 설정 값은 튜브를 구성하는 복수의 전극에 각각 인가되는 전압에 관한 설정 값을 포함할 수 있다. 이에 따라 기계 학습은 튜브를 구성하는 복수의 전극 각각에 대한 개별적인 학습일 수 있다. 한편, 방법은, 기계 학습 모델에 따라 정화부를 제어하기 위해 제1 데이터 및 제2 데이터를 기 설정된 기간 동안 일정 시간 단위로 수집할 수 있다.
본 발명의 발명은 기계 학습 모델에 따라 정화부를 제어하기 위해, 제1 데이터와 정화부의 제어와 관련된 설정 값에 따른 제2 데이터를 기반으로 공기 질에 관련된 파라미터에 대한 임계값을 도출하고, 파라미터가 임계값 이하로 내려가는 정화부의 제어 조건을 도출할 수 있다. 정화부의 제어 조건은 하전부에 인가되는 전압 및 집진부에 인가되는 전압을 포함할 수 있다. 일 실시 예에 따르면, 하전부에 인가되는 전압에 대한 제어 조건은 하전부 내 튜브를 구성하는 복수의 전극에 인가되는 전압에 대한 개별적인 제어 조건을 포함할 수 있다. 파라미터는 공기 조화 장치가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함할 수 있다. 이때 공기 오염 물질은, 예를 들어 미세먼지, 휘발성 유기화합물 (VOCs) 및 포름알데히드 등 인체에 해로운 공기 중 물질 중 하나 이상을 포함할 수 있다. 또한, 임계값은 공기 조화 장치가 설치된 공간 별로 상이할 수 있으며, 제2 데이터에 포함된 미세먼지의 크기에 따라 구별될 수 있다. 예를 들어, 입자 크기가 PM 2.5인 초미세먼지 또는 입자 크기가 PM 10인 미세먼지에 따라 서로 다른 임계값이 도출될 수 있다.
단계 S404에서의 기계 학습과 관련하여, 일 실시 예에 따른 기계 학습 모델은 하전부에서 전자기파를 방출하는 적어도 하나의 튜브의 개수, 적어도 하나의 튜브의 위치 및 집진부의 크기를 입력 값으로 생성될 수 있다. 이를 위해 방법은 기계 학습 이전에 상기 입력 값을 미리 입력할 수 있다.
일 실시 예에 따르면, 본 발명의 방법은 단계 S401에서 수집되는 제1 데이터와 단계 S404에서 도출된 정화부의 제어 조건에 따른 제2 데이터를 기반으로 기계 학습 모델을 업데이트할 수 있다. 예를 들어, 정화부로 유입되는 공기의 공기 질을 센싱하여 얻어지는 제1 데이터와 기계 학습을 통해 도출된 설정 값으로 정화부를 설정한 뒤 해당 정화부를 통과한 공기의 공기 질을 센싱하여 얻어지는 제2 데이터를 기반으로 기계 학습 모델을 지속적으로 수정할 수 있다.
일 실시 예에 따르면, 기계 학습 모델은 공기 질에 관련된 파라미터 및 정화부의 사용 전력을 기반으로 보상을 수행하는 강화학습에 의해 생성될 수 있다. 예를 들어, 파라미터가 임계값을 만족하는 환경에서 정화부의 사용 전력이 적을수록 더 높은 점수를 부여하여, 사용 전력을 최소화하고 정화 효율을 높이는 방향으로 모델을 생성할 수 있다.
일 실시 예에 따르면, 공기 조화 장치가 복수 설치될 수 있으므로, 이 경우 각각의 공기 조화 장치에 대하여 서로 다른 기계 학습 모델에 따라 각자의 정화부를 제어할 수 있다.
도 5는 일 실시 예에 따른 공기 조화 장치(500)를 개략적으로 도시한 블록도이다. 도 5를 참조하면, 공기 조화 장치(500)는 정화부(510), 제1 데이터 수집부(520), 제2 데이터 수집부(530) 및 제어부(540)를 포함할 수 있다.
제1 데이터 수집부(520)는 적어도 하나의 센서를 포함하며 정화부(510)로 유입되는 공기와 관련된 정보를 획득할 수 있다. 예를 들어, 제1 데이터 수집부(520)는 정화부(510) 이전에 구비되어 정화부(510)를 통과하기 이전의 공기의 공기 질에 관한 제1 데이터를 수집할 수 있다. 일 실시 예에 따르면, 제1 데이터 수집부(520)는 정화부(510)의 하전부 이전에 위치하거나 하전부를 지나 집진부 직전에 위치하여 공기를 센싱할 수도 있다. 이는 공기 조화 장치(500)가 설치되는 공간의 특성 및 설치하는 사용자의 필요에 따라 변경될 수 있는 요소이다.
제2 데이터 수집부(530)는 적어도 하나의 센서를 포함하며 정화부(510)에서 유출되는 공기와 관련된 정보를 획득할 수 있다. 예를 들어, 제2 데이터 수집부(530)는 정화부(510) 이후에 구비되어 정화부(510)를 통과한 공기의 공기 질에 관한 제2 데이터를 수집할 수 있다.
정화부(510)는 공기에 포함된 물질 중 적어도 일부를 이온화하는 적어도 하나의 하전부와 이온화된 물질을 집진하는 집진부를 포함할 수 있다. 하전부와 집진부 각각에 인가되는 전압을 제어함으로써 장치(500)의 전력 사용량당 공기 정화 효율을 높일 수 있다.
제어부(540)는 제1 데이터 수집부(520)를 통해 획득된 공기 질에 관한 제1 데이터를 수집하고, 제1 데이터를 기반으로 정화부(510)를 제어할 수 있다. 또한, 제어부(540)는 제2 데이터 수집부(530)를 통해 정화부(510)를 통과한 공기의 공기 질에 관한 제2 데이터를 수집하고, 정화부(510)의 제어와 관련된 설정 값, 제1 데이터 및 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 정화부(510)를 제어할 수 있다.
일 실시 예에 따르면, 제어부(540)는 기계 학습 모델에 기초하여, 제1 데이터와 정화부(510)의 제어와 관련된 설정 값에 따른 제2 데이터를 기반으로 공기 질에 관련된 파라미터에 대한 임계값을 도출할 수 있다. 그리고, 제어부(540)는 파라미터가 임계값 이하로 내려가는 정화부(510)의 제어 조건을 도출하여 정화부(510)를 제어할 수 있다. 특히, 기계 학습 모델은 공기 질에 관련된 파라미터 및 정화부(510)의 사용 전력을 기반으로 보상을 수행하는 강화학습에 의해 생성될 수 있다. 예를 들어, 공기 질에 관련된 파라미터가 임계 값을 만족하면서 정화부(510)의 사용 전력이 낮아질수록 모델에 큰 점수를 부여하여 모델을 강화학습할 수 있다.
일 예로, 본 발명의 기계 학습을 적용하지 않은 공기 조화 장치가 최대 성능으로 작동하는 경우에는 하전부에 4.8 kV의 전압이, 집진부에 4.4 kV의 전압이 인가되어 총 사용 전력이 20 W이고 미세먼지 제거효율이 평균적으로 15%일 수 있다. 즉, 최대 성능 작동 조건 적용 시 전력 사용량 당 미세먼지 제거효율이 0.75%/W에 해당한다. 반면에 본 발명의 기계 학습을 적용한 공기 조화 장치가 최적의 성능으로 작동하는 경우에는 하전부에는 4.3 kV의 전압이, 집진부에는 3.5 kV의 전압이 인가되어 총 사용 전력이 8 W이고 미세먼지 제거효율이 평균적으로 14%일 수 있다. 즉, 최적 작동 조건 적용 시 전력 사용량 당 미세먼지 제거효율이 1.75%/W로 기계 학습을 적용하지 않은 경우보다 효율이 높음을 알 수 있다. 따라서, 전기 사용량이 감소함에도 불구하고 미세먼지 제거 성능이 줄어들지 않으므로 전력 사용량 당 미세먼지 제거효율이 증가할 수 있다.
도 5의 공기 조화 장치(500)는 예시적인 것이며, 도 5에 도시된 구성요소 외에 다른 구성요소를 더 포함할 수 있다. 또한, 장치(500)는 구성요소를 통해 전술한 실시 예들을 실시할 수 있다.
한편, 본 명세서와 도면에는 본 발명의 바람직한 실시 예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (19)

  1. 기계 학습 기반 공기 조화 장치의 제어 방법에 있어서,
    상기 공기 조화 장치에 유입되는 공기의 공기 질에 관한 제1 데이터를 수집하는 단계;
    상기 제1 데이터를 기반으로 정화부를 제어하는 단계;
    상기 정화부를 통과한 공기의 공기 질에 관한 제2 데이터를 수집하는 단계; 및
    상기 정화부의 제어와 관련된 설정 값, 상기 제1 데이터 및 상기 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 상기 정화부를 제어하는 단계를 포함하는, 공기 조화 장치의 제어 방법.
  2. 제1항에 있어서,
    상기 제1 데이터 및 상기 제2 데이터는 상기 공기 조화 장치가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함하는, 공기 조화 장치의 제어 방법.
  3. 제1항에 있어서,
    상기 정화부는, 공기에 포함된 물질 중 적어도 일부를 이온화하는 적어도 하나의 하전부; 및
    이온화된 물질을 집진하는 집진부를 포함하는, 공기 조화 장치의 제어 방법.
  4. 제3항에 있어서,
    상기 정화부의 제어와 관련된 설정 값은 상기 하전부에 인가되는 전압 및 상기 집진부에 인가되는 전압에 대한 설정 값을 포함하는, 공기 조화 장치의 제어 방법.
  5. 제4항에 있어서,
    상기 하전부는 전자기파를 방출하는 적어도 하나의 튜브를 포함하고, 상기 하전부에 인가되는 전압에 대한 설정 값은 상기 튜브를 구성하는 복수의 전극에 각각 인가되는 전압에 관한 설정 값을 포함하는, 공기 조화 장치의 제어 방법.
  6. 제3항에 있어서,
    상기 하전부는 0.1 nm 이상 100 nm 이하 범위의 파장을 가지는 전자기파를 이용하여 물질을 이온화하는, 공기 조화 장치의 제어 방법.
  7. 제3항에 있어서,
    상기 기계 학습 모델은,
    상기 하전부에서 전자기파를 방출하는 적어도 하나의 튜브의 개수, 상기 적어도 하나의 튜브의 위치 및 상기 집진부의 크기를 입력 값으로 생성되는, 공기 조화 장치의 제어 방법.
  8. 제1항에 있어서,
    상기 기계 학습 모델에 따라 상기 정화부를 제어하는 단계는,
    상기 제1 데이터와 상기 정화부의 제어와 관련된 설정 값에 따른 상기 제2 데이터를 기반으로 공기 질에 관련된 파라미터에 대한 임계값을 도출하는 단계; 및
    상기 파라미터가 상기 임계값 이하로 내려가는 상기 정화부의 제어 조건을 도출하는 단계를 포함하는, 공기 조화 장치의 제어 방법.
  9. 제8항에 있어서,
    상기 파라미터는 상기 공기 조화 장치가 설치된 공간의 크기, 습도, 온도, 풍속, 이산화탄소 및 공기 오염 물질에 관한 정보 중 적어도 하나 이상을 포함하는, 공기 조화 장치의 제어 방법.
  10. 제8항에 있어서,
    상기 임계값은 상기 공기 조화 장치가 설치된 공간 별로 상이하고, 상기 제2 데이터에 포함된 미세먼지의 크기 정보에 따라 구별되는, 공기 조화 장치의 제어 방법.
  11. 제8항에 있어서,
    상기 정화부는, 적어도 하나의 하전부; 및
    집진부를 포함하고,
    상기 정화부의 제어 조건은 상기 하전부에 인가되는 전압 및 상기 집진부에 인가되는 전압을 포함하는, 공기 조화 장치의 제어 방법.
  12. 제8항에 있어서,
    상기 제1 데이터와 상기 도출된 상기 정화부의 제어 조건에 따른 제2 데이터를 기반으로 상기 기계 학습 모델을 업데이트하는 단계를 더 포함하는, 공기 조화 장치의 제어 방법.
  13. 제1항에 있어서,
    상기 기계 학습 모델에 따라 상기 정화부를 제어하는 단계는,
    상기 제1 데이터 및 상기 제2 데이터를 기 설정된 기간 동안 일정 시간 단위로 수집하는 단계를 더 포함하는, 공기 조화 장치의 제어 방법.
  14. 제1항에 있어서,
    상기 기계 학습 모델은 공기 질에 관련된 파라미터 및 상기 정화부의 사용 전력을 기반으로 보상을 수행하는 강화학습에 의해 생성되는, 공기 조화 장치의 제어 방법.
  15. 제1항에 있어서,
    복수의 상기 공기 조화 장치에 대하여 각각 서로 다른 기계 학습 모델에 따라 제어하는, 공기 조화 장치의 제어 방법.
  16. 제2항 또는 제9항에 있어서,
    상기 공기 오염 물질은 미세먼지, 휘발성 유기화합물 (VOCs; volatile organic compounds) 및 포름알데히드 중 적어도 하나를 포함하는, 공기 조화 장치의 제어 방법.
  17. 기계 학습 기반 공기 조화 장치에 있어서,
    정화부;
    적어도 하나의 센서를 포함하며 상기 정화부에 유입되는 공기와 관련된 정보를 획득하는 제1 데이터 수집부;
    적어도 하나의 센서를 포함하며, 상기 정화부에서 유출되는 공기와 관련된 정보를 획득하는 제2 데이터 수집부; 및
    제어부를 포함하고,
    상기 제어부는,
    상기 제1 데이터 수집부를 통해 획득된 공기 질에 관한 제1 데이터를 수집하고,
    상기 제1 데이터를 기반으로 상기 정화부를 제어하고,
    상기 제2 데이터 수집부를 통해 상기 정화부를 통과한 공기의 공기 질에 관한 제2 데이터를 수집하고,
    상기 정화부의 제어와 관련된 설정 값, 상기 제1 데이터 및 상기 제2 데이터를 기반으로 생성된 기계 학습 모델에 따라 상기 정화부를 제어하는, 공기 조화 장치.
  18. 제17항에 있어서,
    상기 제어부는,
    상기 기계 학습 모델에 기초하여, 상기 제1 데이터와 상기 정화부의 제어와 관련된 설정 값에 따른 상기 제2 데이터를 기반으로 공기 질에 관련된 파라미터에 대한 임계값을 도출하고,
    상기 파라미터가 상기 임계값 이하로 내려가는 상기 정화부의 제어 조건을 도출하여 상기 정화부를 제어하는, 공기 조화 장치.
  19. 제17항에 있어서,
    상기 기계 학습 모델은 공기 질에 관련된 파라미터 및 상기 정화부의 사용 전력을 기반으로 보상을 수행하는 강화학습에 의해 생성되는, 공기 조화 장치.
PCT/KR2021/008076 2020-06-29 2021-06-28 기계 학습 기반 공기 조화 장치 및 이의 제어 방법 WO2022005127A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP21832713.8A EP4184073A1 (en) 2020-06-29 2021-06-28 Machine learning-based air conditioning apparatus and control method thereof
CN202180052505.0A CN115989386A (zh) 2020-06-29 2021-06-28 基于机器学习的空气调节设备及其控制方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0079472 2020-06-29
KR20200079472 2020-06-29
KR10-2021-0008668 2021-01-21
KR1020210008668A KR102338086B1 (ko) 2021-01-21 2021-01-21 기계 학습 기반 공기 조화 장치 및 이의 제어 방법

Publications (1)

Publication Number Publication Date
WO2022005127A1 true WO2022005127A1 (ko) 2022-01-06

Family

ID=79166689

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/008076 WO2022005127A1 (ko) 2020-06-29 2021-06-28 기계 학습 기반 공기 조화 장치 및 이의 제어 방법

Country Status (5)

Country Link
US (1) US20220003440A1 (ko)
EP (1) EP4184073A1 (ko)
CN (1) CN115989386A (ko)
TW (1) TWI787889B (ko)
WO (1) WO2022005127A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114345098B (zh) * 2022-01-10 2023-10-20 浙江大学嘉兴研究院 一种co2捕集吸收剂分解抑制及高效减污的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101261198B1 (ko) * 2013-01-10 2013-05-10 동국대학교 산학협력단 신경망 모델에 의한 지능형 제어 알고리즘을 이용한 건물의 실내온도 하강 제어방법
KR101591735B1 (ko) * 2015-05-29 2016-02-11 주식회사 나인에코 실내공기질의 예측을 통한 오염 정보 제공 방법
KR20170078372A (ko) * 2015-12-29 2017-07-07 주식회사 세스코 공기 정화장치 및 그 제어 방법
KR20190096310A (ko) * 2019-04-23 2019-08-19 엘지전자 주식회사 인공지능 장치
KR20200067380A (ko) * 2018-12-04 2020-06-12 (주) 브이에스아이 X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106895551B (zh) * 2017-02-13 2019-05-14 同济大学 一种封闭室内的空气品质和温度智能调节系统及使用方法
KR102367744B1 (ko) * 2019-08-30 2022-02-28 엘지전자 주식회사 머신 러닝을 이용한 공기청정기의 필터 수명 예측방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101261198B1 (ko) * 2013-01-10 2013-05-10 동국대학교 산학협력단 신경망 모델에 의한 지능형 제어 알고리즘을 이용한 건물의 실내온도 하강 제어방법
KR101591735B1 (ko) * 2015-05-29 2016-02-11 주식회사 나인에코 실내공기질의 예측을 통한 오염 정보 제공 방법
KR20170078372A (ko) * 2015-12-29 2017-07-07 주식회사 세스코 공기 정화장치 및 그 제어 방법
KR20200067380A (ko) * 2018-12-04 2020-06-12 (주) 브이에스아이 X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기
KR20190096310A (ko) * 2019-04-23 2019-08-19 엘지전자 주식회사 인공지능 장치

Also Published As

Publication number Publication date
EP4184073A1 (en) 2023-05-24
TW202219434A (zh) 2022-05-16
TWI787889B (zh) 2022-12-21
CN115989386A (zh) 2023-04-18
US20220003440A1 (en) 2022-01-06

Similar Documents

Publication Publication Date Title
WO2022071682A1 (ko) 복합 살균 공기정화기
CN103418191B (zh) 具有改进的效率的电加强型空气过滤
WO2012023665A1 (ko) 집진 시스템
CN201394408Y (zh) 多段式静电过滤器
RU179145U1 (ru) Электростатический фильтр для очистки воздуха
WO2022005127A1 (ko) 기계 학습 기반 공기 조화 장치 및 이의 제어 방법
WO2017095194A1 (ko) 비열 플라즈마를 이용한 차량용 실내 공기 청정 장치
WO2021240526A1 (en) Multi-function air purifing and sterilizing system
KR20200067380A (ko) X선 선량이 자동 제어되어 분사하는 x선을 이용한 공기청정기
KR102338086B1 (ko) 기계 학습 기반 공기 조화 장치 및 이의 제어 방법
CN102434920A (zh) 壁挂式室内空气净化装置
EP3416742A1 (en) Systems and methods for gas cleaning using electrostatic precipitation and photoionization
CN202328548U (zh) 壁挂式室内空气净化装置
JP2018008045A (ja) プラズマ浄化モジュール
KR100774484B1 (ko) 정전 필름을 포함하는 공기 정화기 및 이를 포함하는 공기조화 시스템
WO2021241816A1 (ko) 탄소나노튜브 기반의 이미터를 포함하는 전자기파 튜브가 적용된 전기 집진기 및 상기 전기 집진기를 이용하여 오염된 공기 중의 미세 입자를 제거하는 방법
KR20030052266A (ko) 습도를 조절할 수 있도록 수분 발생 장치를 갖춘 공기정화기
WO2019124623A1 (ko) 탄소계 코팅층을 갖는 플라즈마 와이어 및 이를 이용한 집진기
CN111306663A (zh) 基于细菌、病毒存在和传播状态的空气净化系统和空气净化方法
KR101569629B1 (ko) 공기정화장치
CN114484696A (zh) 一种空气过滤方法
CA3187629A1 (en) Air purification unit and method for coating an electrode of an air purification unit
KR19980034985A (ko) 산업용 탈취 및 유해가스 제거장치
Kumar et al. Air Pollution Control Technologies for Indoor Particulate Matter Pollution: A Review
CN111111433A (zh) 光催化气体净化方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21832713

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021832713

Country of ref document: EP

Effective date: 20230130