기계 학습과 주요 변수를 활용한 열병합발전 시스템 열 수요량 예측 (Prediction of Heating Energy Consumption Using Machine Learning and Parameters in Combined Heat and Power Generation)

서지정보

· 발행기관 : 대한설비공학회
· 수록지 정보 : 설비공학 논문집 / 31권 / 8호 / 352 ~ 360페이지
· 저자명 : 안유선, 김혜진, 이상규, 김병선

초록

본 연구 결과로 열 에너지 사용량을 미리 예측하여 하루 단위로 미리 운영 방식을 계획해 적용한다면 외기 온도를 이용하여 운전을 하는 기존과 달리, 계획적인 운전으로 열 에너지 공급과 사용량 차이를 최소화하여 환경적, 효율적으로 합리적인 결과를 도출할 수 있다. 또한 사용자의 만족도를 높일 뿐만 아니라 열 관리자에게 원활한 의사결정 판단에 도움을 줄 수 있다. 다만 본 연구 결과 도출을 위한 데이터 수집 시 스케줄 및 전날 열 에너지 사용량 데이터화는 실측 및 수기로 작성하기에 번거로움이 따른다. 또한, 예측 모델을 개발하는 기초 연구로서 열병합 발전시스템을 사용하는 특정 건물의 데이터를 사용하였는데 실증을 고려한 향후 연구에서는 특정 건물이 아닌 다양성이 확보된 연구로 진행되어야 한다.
본 연구의 결과는 실제 측정된 열 에너지 수요량 데이터를 활용해 신뢰할 수 있는 수준의 다음 날 열 에너지 수요량을 예측할 수 있었다. 향후 예측한 모델이 열병합 발전시스템에서 적용하여 낭비되는 폐열을 최소화하여 에너지 절약을 도모하고, 전날 측정 가능한 간단한 데이터들을 이용해 열 공급자들의 열량 예측 및 운영 계획에 편의를 기여할 것으로 기대한다.

영어초록

This study aimed to minimize the wasted heat by predicting the amount of heat energy consumed a day before heating. The flow rate and schedule variables data were measured in the apartment using cogeneration system. This study used ANN and SVM as machine learning prediction algorithms and was verified by CvRMSE and MBE based on the criteria provided by ASHRAE Guideline 14. As a result, ANN derived an error of CvRMSE 8.75% and MBE 7.13%, respectively. The SVM was classified into three cases, which satisfied all the criteria except for linear of CvRMSE. Thus, using the actual measured heating energy usage data, machine learning can be used to predict a reliable level of thermal energy usage.

참고자료

· 없음