메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
전병기 (인하대학교) 김의종 (인하대학교)
저널정보
대한설비공학회 설비공학논문집 설비공학논문집 제29권 제10호
발행연도
2017.10
수록면
497 - 503 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In recent years, studies on the prediction of building load using Artificial Neural Network (ANN) models have been actively conducted in the field of building energy In general, building loads predicted by ANN models show a sharp deviation unless large data sets are used for learning. On the other hands, some of the input data are hard to be acquired by common measuring devices. In this work, we estimate daily building loads with a limited number of input data and fewer pastdatasets (3 to 10 days). The proposed model with fewer input data gave satisfactory results as regards to the ASHRAE Guide Line showing 21% in CVRMSE and -3.23% in MBE. However, the level of accuracy cannot be enhanced since data used for learning are insufficient and the typical ANN models cannot account for thermal capacity effects of the building. An attempt proposed in this work is that learning procersses are sequenced frequrently and past data are accumulated for performance improvement. As a result, the model met the guidelines provided by ASHRAE, DOE, and IPMVP with by 17%, -1.4% in CVRMSE and MBE, respectively.
#Artificial neural network(인공신경망) #Building load(건물 부하) #Weather data(기상 데이터)

목차

Abstract
1. 서론
2. 학습 알고리즘 및 변수 선정
3. 인공 신경망 기반 건물 부하 예측 모델 작성
4. 시뮬레이션 결과 및 분석
5. 결론
References

참고문헌 (13)

참고문헌 신청
Kim, M. K. and Hong, C. U., 2016, The Aritificial Neural Network based Electric Power Demand Forecast using a Season and Weather Informations, Journal of Institute of Electronics and Information Engineers, Vol. 53, No. 1, pp. 71-78. Yang, I. H. and Kim, K. W., 2000, Development of Artificial Neural Network Model for the Prediction of Descending Time of Room Air Temperature, The Society Of Air-Conditioning And Refrigerating Engineers of Korea, Vol. 12, No. 11, pp. 1038-1048. Baik, Y. K., Yoon, Y. J., and Moon, J. W., 2016, Development of Artificial Neural Network Model for Predicting the Optimal Setback Application of the Heating Systems, Korea Institute of Ecological Architecture And Environment, Vol. 16, No. 3, pp. 89-94. Baek, C. I., Han, H. T., and Jang, K. J., 2014, Estimation of Building Heating Load using Machine Learning Technique, The Society Of Air-Conditioning And Refrigerating Engineers of Korea, Vol. 16, No. 3, pp. 253-255. Kong, D. S., Kwak, Y. H., and Huh, J. H., 2010, Artificial Neural Network based Energy Demand Prediction for the Urban District Energy Planning, Architectural Institute of Korea, Vol. 26, No. 2, pp. 221-230.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

BEMS 적용을 위한 중앙집중식 공조시스템 모듈 서비스 개발
성남철 ,  김지헌 ,  최원창 대한설비공학회 학술발표대회논문집 2016 .11
건물 에너지 분석을 위한 기계학습(Machine Learning) 기법의 활용 사례
문현준 ,  윤영란 건축환경설비 2017 .12
하절기 평일의 인공신경망을 이용한 24시간 전력수요 예측 알고리즘
김경환 ,  박래준 ,  조세원 외 1명 조명·전기설비학회논문지 2017 .12
인공신경망을 이용한 건물의 실내 이산화탄소 농도 연계형 열쾌적지표(PMV) 예측모델 개발
김예슬 ,  장성주 대한건축학회 학술발표대회 논문집 2017 .10
BEMS 데이터를 활용한 인공신경망 기반 최적 난방시점 예측에 관한 연구
장지훈 ,  이승복 대한건축학회 학술발표대회 논문집 2017 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-553-001355336