[go: up one dir, main page]

KR102443273B1 - 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법 - Google Patents

데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법 Download PDF

Info

Publication number
KR102443273B1
KR102443273B1 KR1020220071799A KR20220071799A KR102443273B1 KR 102443273 B1 KR102443273 B1 KR 102443273B1 KR 1020220071799 A KR1020220071799 A KR 1020220071799A KR 20220071799 A KR20220071799 A KR 20220071799A KR 102443273 B1 KR102443273 B1 KR 102443273B1
Authority
KR
South Korea
Prior art keywords
unit
unconfirmed
air conditioning
related information
control
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020220071799A
Other languages
English (en)
Inventor
황관선
박세웅
Original Assignee
주식회사 나라컨트롤
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 주식회사 나라컨트롤 filed Critical 주식회사 나라컨트롤
Priority to KR1020220071799A priority Critical patent/KR102443273B1/ko
Application granted granted Critical
Publication of KR102443273B1 publication Critical patent/KR102443273B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q50/10—Services
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • 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
    • 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
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/048—Monitoring; Safety
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Signal Processing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Emergency Management (AREA)
  • Human Computer Interaction (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명의 일실시예는 공기 조화 설비의 구성품을 제어장치에 정확하게 맵핑할 수 있는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법을 제공한다. 여기서, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치는 구동부 및 센서부를 포함하는 공기 조화 유닛 그리고 공기 조화 유닛을 제어하는 제어부를 포함한다. 초기 상태에서 구동부는 관련 정보가 미리 확인된 기확인 구동부와, 관련 정보가 확인되지 않은 미확인 구동부를 포함하고, 초기 상태에서 센서부는 관련 정보가 확인되지 않은 미확인 센서부이며, 제어부는, 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 미확인 구동부의 관련 정보 및 미확인 센서부의 관련 정보를 예측하여 상기 제어부의 매칭 포인트와 맵핑한 후, 공기 조화 유닛을 제어한다.

Description

데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법{BUILDING AUTOMATIC CONTROL APPARATUS CAPABLE OF ENERGY OPTIMIZATION AND FACILITY OPERATION EFFICIENCY USING DATA ANALYSIS METHOD AND METHOD OF THE SAME}
본 발명은 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법에 관한 것으로, 더욱 상세하게는 공기 조화 설비의 구성품을 제어장치에 정확하게 맵핑할 수 있는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법에 관한 것이다.
일반적으로 업무용 빌딩, 공공기관 빌딩, 아파트 등과 같은 중대형 건물에는 실내 공기의 온도, 습도 및 청정 등을 조절하여 실내의 사용 목적에 적합한 상태로 유지시키기 위한 공기 조화 설비가 구축되어 있다.
통상적으로 공기 조화 설비는 급기팬, 급기 댐퍼, 배기팬, 배기 댐퍼, 냉방밸브 및 난방밸브 등과 같은 구동부와, 온습도 센싱을 위한 센싱부를 포함한다. 그리고, 각 구동부 및 센싱부는 DDC(Direct Digital Controller) 등과 같은 제어 장치에 의해 제어되고 있다.
그런데, 현재까지는 각각의 구동부 및 센싱부를 DDC 등과 같은 제어 장치에 맵핑하는 작업이 작업자에 의해 수동으로 진행되고 있다. 즉, 작업자가 각각의 구동부 및 센싱부의 종류를 확인한 후, 구동부 하나하나, 센싱부 하나하나를 제어 장치에 연결하고 있다. 그러나, 규모가 큰 건물의 경우에는 구동부 및 센싱부의 개수가 많고, 각 공조 존(Zone)도 많기 때문에, 작업자가 구동부 또는 센싱부를 잘 못 확인한 상태에서 연결작업이 진행될 수 있다. 즉, 구동부 및 센싱부와 제어 장치의 맵핑이 잘 못 될 수 있는 문제점이 있다.
따라서, 공기 조화 설비의 구동부 및 센싱부를 제어 장치에 정확하게 맵핑할 수 있는 기술이 요구된다.
대한민국 공개특허공보 제2021-0026646호(2021.03.10. 공개)
상기와 같은 문제점을 해결하기 위하여, 본 발명이 이루고자 하는 기술적 과제는 공기 조화 설비의 구성품을 제어장치에 정확하게 맵핑할 수 있는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법을 제공하는 것이다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 구동부 및 센서부를 포함하는 공기 조화 유닛; 그리고 상기 공기 조화 유닛을 제어하는 제어부를 포함하며, 초기 상태에서 상기 구동부는 관련 정보가 미리 확인된 기확인 구동부와, 관련 정보가 확인되지 않은 미확인 구동부를 포함하고, 초기 상태에서 상기 센서부는 관련 정보가 확인되지 않은 미확인 센서부이며, 상기 제어부는, 상기 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 상기 미확인 구동부의 관련 정보 및 상기 미확인 센서부의 관련 정보를 예측하여 상기 제어부의 매칭 포인트와 맵핑한 후, 상기 공기 조화 유닛을 제어하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치를 제공한다.
본 발명의 실시예에 있어서, 상기 제어부는 미리 설치된 맵핑 프로그램에 따라 상기 기확인 구동부를 구동시키면서 상기 미확인 구동부 및 상기 미확인 센서부의 관련정보를 순차적으로 예측하고, 상기 미확인 구동부 및 상기 미확인 센서부 중 관련정보가 예측된 미확인 구동부 및 미확인 센서부는 상기 맵핑 프로그램에 따라 관련정보가 예측되지 않은 다른 미확인 구동부 및 미확인 센서부를 예측하는데 사용될 수 있다.
본 발명의 실시예에 있어서, 상기 제어부는, 상기 미확인 구동부의 관련 정보 및 상기 미확인 센서부의 관련 정보를 확인한 후, 상기 공기 조화 유닛을 실행하기 위한 실행 프로그램을 자동 생성할 수 있다.
본 발명의 실시예에 있어서, 상기 제어부는, 상기 공기 조화 유닛의 제어와 관련된 요소를 조절하여 생성되는 제어 결과값이 미리 설정된 목표값 범위 내에 들어가도록 하여 상기 실행 프로그램을 보정할 수 있다.
본 발명의 실시예에 있어서, 인공지능 학습을 통해, 각각의 상기 공기 조화 유닛이 담당하는 실내 공간의 실내 온도와 건물의 외부 온도의 차이값 및 각각의 상기 공기 조화 유닛의 설정온도와 해당 실내 공간의 실내 온도의 차이값에 부여되는 가중 계수를 일정 시간대별로 생성하고, 상기 가중 계수가 미리 설정된 임계 영역을 벗어나면 해당 공기 조화 유닛에 이상이 발생한 것으로 판정하는 학습부를 포함할 수 있다.
본 발명의 실시예에 있어서, 상기 구동부, 상기 센서부 및 상기 제어부로부터 각각 전류 정보를 획득하고, 획득된 상기 전류 정보가 기설정된 유효 전류 범위를 벗어나면, 상기 유효 전류 범위를 벗어난 전류 정보를 발생한 곳에 이상이 발생한 것으로 판정하는 제1판정부를 포함할 수 있다.
본 발명의 실시예에 있어서, 상기 구동부 및 상기 센서부로부터 각각 진동 정보를 획득하고, 획득된 상기 진동 정보가 기설정된 유효 진동 범위를 벗어나면, 상기 유효 진동 범위를 벗어난 진동 정보를 발생한 곳에 이상이 발생한 것으로 판정하는 제2판정부를 포함할 수 있다.
한편, 상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 초기 상태에서, 관련 정보가 미리 확인된 기확인 구동부와, 관련 정보가 확인되지 않은 미확인 구동부 및 관련 정보가 확인되지 않은 미확인 센서부를 포함하는 공기 조화 유닛을 마련하는 공기 조화 유닛 마련단계; 제어부가 상기 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 상기 미확인 구동부의 관련 정보 및 상기 미확인 센서부의 관련 정보를 예측하여 상기 제어부의 매칭 포인트와 맵핑하는 맵핑단계; 그리고 상기 제어부가 상기 공기 조화 유닛을 제어하는 제어단계를 포함하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법을 제공한다.
본 발명의 실시예에 있어서, 상기 맵핑단계에서, 상기 제어부는 미리 설치된 맵핑 프로그램에 따라 상기 기확인 구동부를 구동시키면서 상기 미확인 구동부 및 상기 미확인 센서부의 관련정보를 순차적으로 예측하고, 상기 미확인 구동부 및 상기 미확인 센서부 중 관련정보가 예측된 미확인 구동부 및 미확인 센서부는 상기 맵핑 프로그램에 따라 관련정보가 예측되지 않은 다른 미확인 구동부 및 미확인 센서부를 예측하는데 사용될 수 있다.
본 발명의 실시예에 있어서, 학습부가 인공지능 학습을 통해, 각각의 상기 공기 조화 유닛이 담당하는 실내 공간의 실내 온도와 건물의 외부 온도의 차이값 및 각각의 상기 공기 조화 유닛의 설정온도와 해당 실내 공간의 실내 온도의 차이값에 부여되는 가중 계수를 일정 시간대별로 생성하는 가중 계수 생성단계; 및 상기 학습부가, 생성되는 상기 가중 계수가 미리 설정된 임계 영역을 벗어나면 해당 공기 조화 유닛에 이상이 발생한 것으로 판정하는 제1판정단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 제어부가 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 미확인 구동부의 관련 정보 및 미확인 센서부의 관련 정보를 예측하여 제어부의 매칭 포인트와 맵핑할 수 있다. 이에 따르면, 공기 조화 유닛의 각 구동부 및 센서부를 제어부에 맵핑하는 것이 작업자에 의해 수동으로 이루어지지 않고, 제어부에 의해 자동으로 이루어지도록 할 수 있으며, 이를 통해, 정확한 맵핑이 이루어질 수 있다.
또한, 본 발명의 실시예에 따르면, 제어부가 공기 조화 유닛의 작동을 제어함과 동시에, 이상 여부를 판정하는 판정 과정이 병행하여 진행될 수 있다. 이를 통해, 이상 징후를 조기에 발견할 수 있고, 시간 및 비용을 절약하면서 공기 조화 유닛의 점검이 효율적으로 이루어지도록 도울 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치를 나타낸 구성도이다.
도 2는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 구동부 및 센서부를 설명하기 위한 예시도이다.
도 3은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 제어부를 설명하기 위한 예시도이다.
도 4는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 학습부를 설명하기 위한 구성도이다.
도 5는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 학습부의 리니어 보델링을 설명하기 위한 표이다.
도 6은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 학습부가 이상 유무를 판정하는 것을 설명하기 위한 예시도이다.
도 7은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제1판정부를 설명하기 위한 예시도이다.
도 8은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제2판정부를 설명하기 위한 예시도이다.
도 9는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법을 나타낸 흐름도이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치를 나타낸 구성도이고, 도 2는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 구동부 및 센서부를 설명하기 위한 예시도이다.
도 1 및 도 2에서 보는 바와 같이, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치는 공기 조화 유닛(100) 그리고 제어부(200)를 포함할 수 있다.
공기 조화 유닛(100)은 구동부(110) 및 센서부(140)를 포함할 수 있다.
구동부(110) 및 센서부(140)는 급기 배관(150), 배기 배관(151) 및 순환 배관(152)에 배치될 수 있다.
급기 배관(150)을 통해서는 외기(OA: Outdoor Air)가 유입되어 실내로 급기(SA: Supply Air)되고, 배기 배관(151)을 통해서는 실내의 공기가 회기(RA: Return Air)되어 배기(EA: Exhaust Air)될 수 있다. 순환 배관(152)은 급기 배관(150) 및 배기 배관(151)을 연결할 수 있다.
구동부(110)는 공기 조화 유닛(100)의 구동과 관련된 구성일 수 있다. 구동부(110)는 급기팬(121), 배기팬(122), 급기 댐퍼(131), 혼합 댐퍼(132), 배기 댐퍼(133), 냉방 밸브(134) 및 난방 밸브(135)를 포함할 수 있다.
공기 조화 유닛(100)이 건물에 설치된 초기 상태에서, 구동부(110)는 기확인 구동부(120) 및 미확인 구동부(130)로 구분될 수 있다.
기확인 구동부(120)는 초기 상태에서 관련 정보가 미리 확인된 구동부일 수 있다. 여기서, 관련 정보는 해당 구동부의 종류, 위치 등을 포함할 수 있다. 기확인 구동부(120)는 급기팬(121) 및 배기팬(122)을 포함할 수 있다. 따라서, 급기팬(121) 및 배기팬(122)은 제어부(200)와 맵핑(Mapping)될 수 있으며, 이러한 맵핑은 일 예로, 작업자에 의해 이루어질 수 있다.
미학인 구동부(110)는 초기 상태에서 관련 정보가 확인되지 않은 구동부일 수 있다. 미확인 구동부(130)는 급기 댐퍼(131), 혼합 댐퍼(132), 배기 댐퍼(133), 냉방 밸브(134) 및 난방 밸브(135)를 포함할 수 있다.
즉, 초기 상태에서는, 작업자는 미확인 구동부(130)와 연결된 포트만으로는 어느 것이 급기 댐퍼(131)와 연결된 포트이고 어느 것이 혼합 댐퍼(132)와 연결된 포트인지, 그리고 어느 것이 배기 댐퍼(133)와 연결된 포트이고 어느 것이 냉방 밸브(134)와 연결된 포트이며, 어느 것이 난방 밸브(135)와 연결된 포트인지를 알지 못할 수 있다.
한편, 센서부(140)는 공기 조화 유닛(100)의 운용 시에 온도, 습도 등의 센싱과 관련된 구성일 수 있다. 센서부(140)는 혼합 온도 센서(141), 급기 온습도 센서(142) 및 배기 온습도 센서(143)를 포함할 수 있다.
공기 조화 유닛(100)이 건물에 설치된 초기 상태에서, 센서부(140)는 관련 정보가 확인되지 않은 미확인 센서부일 수 있다. 따라서, 초기 상태에서는, 작업자는 미확인 센서부(140)와 연결된 포트만으로는 어느 것이 혼합 온도 센서(141)와 연결된 포트이고 어느 것이 급기 온습도 센서(142)와 연결된 포트인지, 그리고 어느 것이 배기 온습도 센서(143)와 연결된 포트인지를 알지 못할 수 있다.
제어부(200)는 초기 상태에서, 기확인 구동부(120)를 구동하고, 미리 저장된 외부 환경 정보, 즉 외기 온습도를 참고하여, 미확인 구동부(130)의 관련 정보 및 미확인 센서부(140)의 관련 정보를 확인할 수 있다. 외기 온습도는 건물 외부에서 직접 측정하여 참고되거나, 또는 기상청 등에서 제공하는 온습도 정보가 활용될 수 있다.
제어부(200)에는 맵핑 프로그램이 미리 설치될 수 있으며, 제어부(200)는 미리 설치된 맵핑 프로그램에 따라 기확인 구동부(120)를 구동시키면서 미확인 구동부(130) 및 미확인 센서부의 관련정보를 순차적으로 예측할 수 있다.
그리고, 미확인 구동부(130) 및 미확인 센서부 중 관련정보가 예측된 미확인 구동부 및 미확인 센서부는 맵핑 프로그램에 따라 관련정보가 예측되지 않은 다른 미확인 구동부 및 미확인 센서부를 예측하는데 사용될 수 있다.
구체적으로, 제어부(200)는 급기팬(121) 및 배기팬(122)을 가동시키고, 미확인 센서부(140)에서 센싱되는 온습도를 외기 온습도와 비교함과 동시에, 미확인 구동부(130)를 순차적으로 가동시킬 수 있다. 그리고, 제어부(200)는 미확인 센서부(140) 중 어느 하나의 온습도 변화가 발생하면 이 때 가동된 미확인 구동부의 관련 정보를 확인하고, 온습도 변화를 감지한 미확인 센서부의 관련 정보를 확인할 수 있다. 여기서, 관련 정보를 확인한다는 것은 해당 구성을 특정할 수 있게 됨을 의미한다.
예를 들면, 제어부(200)가 급기팬(121)을 가동시킨 상태에서, 미확인 센서부 중 어느 하나의 센서부에서 센싱하는 온습도가 변한다면(일 예로 외기 온습도와 비슷하게 변한다면), 제어부(200)는 이때 구동되는 구동부는 급기 댐퍼(131)이고, 이때 센싱하는 센서부는 혼합 온도 센서(141)인 것으로 예측하여 제어부(200)의 매칭 포인트와 맵핑할 수 있다.
또한, 제어부(200)가 급기팬(121)을 가동시킨 상태에서, 미확인 센서부 중 어느 하나의 센서부에서 센싱하는 온도가 올라간다면, 제어부(200)는 이때 구동되는 구동부는 난방 밸브(135)이고, 이때 센싱하는 센서부는 급기 온습도 센서(142)인 것으로 예측하여 제어부(200)의 매칭 포인트와 맵핑할 수 있다.
그리고, 제어부(200)가 급기팬(121)을 가동시킨 상태에서, 미확인 구동부 중 어느 하나의 구동부를 가동시켰는데, 앞에 확인한 급기 온습도 센서(142)의 온도가 내려간다면, 제어부(200)는 이때 구동되는 구동부는 냉방 밸브(134)인 것으로 예측하여 제어부(200)의 매칭 포인트와 맵핑할 수 있다.
또한, 제어부(200)가 배기팬(122)을 가동시키자 미확인 센서부 중 어느 하나의 센서부에서 센싱하는 온도가 변한다면, 제어부(200)는 이때 센싱하는 센서부는 배기 온습도 센서(143)인 것으로 예측하여 제어부(200)의 매칭 포인트와 맵핑할 수 있다.
또한, 제어부(200)가 급기 댐퍼(131)를 닫고, 급기팬(121) 및 배기팬(122)을 가동시키면서 미확인 구동부 중 어느 하나의 구동부를 가동시켰는데, 혼합 온도 센서(141)에서 센싱되는 온도가 배기 온습도 센서(143)에서 센싱되는 온도와 비슷해진다면, 제어부(200)는 이때 구동되는 구동부는 혼합 댐퍼(132)인 것으로 예측하여 제어부(200)의 매칭 포인트와 맵핑할 수 있다.
이렇게 되면, 미확인 구동부(130) 중 확인되지 않은 나머지 구동부는 배기 댐퍼(133)만 남기 때문에, 제어부(200)는 확인되지 않은 나머지 구동부를 배기 댐퍼(133)인 것으로 예측하여 제어부(200)의 매칭 포인트와 맵핑할 수 있다.
이러한 방법으로, 제어부(200)는 공기 조화 유닛(100)의 설치 후 초기 트레이닝 단계에서 미확인 구동부(130) 및 미확인 센서부(140)를 모두 예측하여 제어부(200)의 각각의 매칭 포인트와 맵핑할 수 있다.
즉, 본 발명에 따르면, 공기 조화 유닛(100)의 각 구동부 및 센서부를 제어부에 맵핑하는 것이 작업자에 의해 수동으로 이루어지지 않고, 제어부(200)에 의해 자동으로 이루어지도록 할 수 있으며, 이를 통해, 정확한 맵핑이 이루어질 수 있다.
맵핑이 이루어지고 나면, 제어부(200)는 공기 조화 유닛(100)을 제어할 수 있다.
도 3은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 제어부를 설명하기 위한 예시도이다.
도 1 및 도 3에서 보는 바와 같이, 제어부(200)는 미확인 구동부(130)의 관련 정보 및 미확인 센서부(140)의 관련 정보를 확인한 후, 공기 조화 유닛(100)을 실행하기 위한 실행 프로그램(223a)을 자동 생성할 수 있다.
제어부(200)는 시스템 운영체제로서 운영 프로그램(210)을 포함할 수 있다.
한편, 종래에는 작업자가 해당 건물의 공기 조화 유닛에 맞는 실행 프로그램을 작성하여 입력하였다.
그러나, 본 발명에서는, 제어부(200)에는 다수의 실행 프로그램(221,222,223,224)이 미리 저장되어 있을 수 있다. 각각의 실행 프로그램(221,222,223,224)은 규모, 형태 등이 서로 다른 공기 조화 유닛에 각각 적합한 것일 수 있다.
제어부(200)는, 맵핑 과정을 통해 수집된 데이터를 기초로 하여, 미리 저장되어 있는 실행 프로그램(221,222,223,224) 중 현재 설치된 공기 조화 유닛(100)에 가장 적합한 실행 프로그램, 즉, 제어 대상과 제어 환경이 가장 유사한 실행 프로그램을 선택하고, 이를 실행 프로그램(223a)으로 적용할 수 있다. 이를 통해, 종래와 같이 작업자가 해당 건물의 공기 조화 유닛에 맞는 실행 프로그램을 작성하여 입력하는 과정이 생략될 수 있다.
실행 프로그램(223a)은, 예를 들면, 공기 조화 유닛(100)이 정지 시에는 급기 댐퍼(131) 및 배기 댐퍼(133)는 닫고, 혼합 댐퍼(132)는 오픈되도록 하고, 공기 조화 유닛(100)이 동작 시에는, 급기 댐퍼(131) 및 배기 댐퍼(133)의 개도값은 100%에서 혼합 댐퍼(132) 개도값을 뺀 값으로 동작하도록 하는 등, 공기 조화 유닛의 실행과 관련된 프로그램 일 수 있다.
한편, 공기 조화 유닛(100)은 CO2 센서를 더 포함할 수 있으며, 실행 프로그램(223a)은, 예를 들면, 자동 모드에서는 해당 공기 조화 유닛(100)의 CO2 센서를 선택하여 자동적으로 엔탈피 제어가 가능하도록 할 수도 있다.
나아가, 제어부(200)는 공기 조화 유닛(100)의 제어와 관련된 요소(Factor)를 조절하여 생성되는 제어 결과값이 미리 설정된 목표값 범위 내에 들어가도록 하여 실행 프로그램을 보정할 수 있다.
즉, 선택된 실행 프로그램(223a)이 설치된 공기 조화 유닛(100)과 제어 대상과 제어 환경이 가장 유사하다고 하더라도, 정확하게 일치하지는 못할 수도 있다. 따라서, 제어부(200)는 선택된 실행 프로그램(223a)을 실행하면서, 공기 조화 유닛(100)의 제어와 관련된 요소를 조절하고, 이에 따라 생성되는 제어 결과값이 미리 설정된 목표값 범위 내에 들어가도록 함으로써 좀 더 정확하게 선택된 실행 프로그램(223a)을 보정할 수 있다.
이러한 보정은 초기 운전에서 수행될 수 있으며, 이후부터는 공기 조화 유닛(100)을 운전하면서 요소를 조금씩 조절하고, 이 결과를 업데이트하면서 보정을 계속할 수 있다. 예를 들어, P 제어의 경우, 트레이닝 기간 동안에 게인값을 변화시키면서 설정값에 도달하는 시간과 오버슈트, 안정화 시간 등을 저장하고, 여러 게인 중에서 가장 합리적인 게인값을 선정하는 방식으로 제어가 이루어질 수 있다.
도 4는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 학습부를 설명하기 위한 구성도이고, 도 5는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치에서 학습부의 리니어 보델링을 설명하기 위한 표이고, 도 6은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 학습부가 이상 유무를 판정하는 것을 설명하기 위한 예시도이다.
도 1과 함께 도 4 내지 도 6에서 보는 바와 같이, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치는 학습부(300)를 포함할 수 있다.
학습부(300)는 인공지능 학습을 통해, 각각의 공기 조화 유닛이 담당하는 실내 공간의 실내 온도(UZ_Temp)와 건물의 외부 온도(External Temp)의 차이값(UzEX_dt) 및 각각의 공기 조화 유닛(100)의 설정 온도(AHU_SetTemp)와 해당 실내 공간의 실내 온도(UZ_Temp)의 차이값(STUZ_dT)에 각각 부여되는 가중 계수(ω0, ω1)를 일정 시간대별로 생성할 수 있다.
그리고, 제1판정부(400)는 가중 계수(ω0, ω1)가 미리 설정된 임계 영역(313)을 벗어나면 공기 조화 유닛(100)에 이상이 발생한 것으로 판정할 수 있다.
구체적으로, 공기 조화 유닛(100)이 동작할 때, 실내 온도에 영향을 주는 요소로는 실내 온도와 외부 온도의 차, 실내 온도와 공기 조화 유닛(100)의 설정 온도의 차, 구동부(110) 및 센서부(140)의 이상 유무, 실내 환경의 변화(예를 들면, 실내 인원 변화, 문/창의 개폐, 결로 등) 등이 있을 수 있다. 이 요소들의 이상 동작을 감지하기 위해서, 학습부(300)는 데이터 수집, 데이터 마이닝, 학습 및 탐지의 단계를 진행할 수 있다.
먼저, 학습부(300)는 데이터 수집 단계를 진행할 수 있다. 데이터 수집 단계에서는, 외부 온도(External Temp), 날씨 예보온도(Forecast Temp), 실내 온도(UZ_Temp), 공기 조화 유닛 동작 유무(AHU_OnOff) 및 공기 조화 유닛 설정 온도(AHU_SetTemp) 정보를 수집할 수 있다.
다음으로, 학습부(300)는 데이터 마이닝 단계를 진행할 수 있다. 데이터 마이닝 단계에서는, 수집된 데이터로부터 학습에 필요한 데이터를 생성할 수 있다. 데이터 마이닝 단계에서는, 현재 실내 온도(UZ_Temp)와 외부 온도(External Temp)의 차 벡터(UzEX_dt) 및 현재 실내 온도(UZ_Temp)와 공기 조화 유닛 설정 온도(AHU_SetTemp)의 차 벡터(STUZ_dT)가 생성될 수 있다.
또한, 데이터 마이닝 단계에서는, 리니어 머신 러닝(Linear Machine Learning)을 위한 리니어 모델링(Linear Modeling)이 수행될 수 있다. 리니어 모델링에서는, 공기 조화 유닛 동작 유무(AHU_OnOff)가 0일 때(즉, 공기 조화 유닛이 동작하지 않을 때)(도 5의 (a) 참조), 공기 조화 유닛 설정 온도(AHU_SetTemp)는 외부 온도(External Temp)를 기준으로 설정될 수 있다(도 5의 (b) 참조). 이와 같이 리니어 모델링을 수행함으로써 공기 조화 유닛 설정 온도(AHU_SetTemp)가 실내 온도(UZ_Temp)에 미치는 영향을 학습할 수 있게 된다.
데이터 마이닝 단계가 완료되면, 학습부(300)는 학습 단계를 진행할 수 있다. 학습 단계에서 학습은 랜덤 포레스트 선형 회귀(Random Forest Linear Regression) 방식으로 진행될 수 있다.
랜덤 포레스트(Random Forest)는 분류(Classification) 회귀(Regression)를 위한 지도 기계 학습 알고리즘(Supervised Machine Learning Algorithm)이다. 학습 단계는 데이터 마이닝 단계에서 얻어진 데이터를 바탕으로 모델링을 진행할 수 있으며, 이를 통해 생성되는 선형 회귀 모델(Linear Regression Model)은 식(1)과 같다.
UZ_dt = (ω0×(UzEX_dt)) + (ω1×(STUZ_dT)) + k --- 식(1)
여기서, UZ_dt는 실내온도 변화량이고, ω0 및 ω1은 각 요소의 계수 값이고, k는 상수이다.
리니어 모델을 통해 각각의 요소가 실내온도 변화량(UZ_dt)에 미치는 영향을 학습할 수 있다.
각 요소의 계수 값(ω0,ω1)은 해당 시간에 미치는 가중치로서 학습이 진행될 수 있다. 각 요소의 계수 값(ω0,ω1)은 각 시간당 다른 값을 가질 수 있으며, 이를 통해, 실내온도 변화량(UZ_dt)을 예측하여 실내온도 값을 결정할 수 있다. 결정된 실내 온도는 공기 조화 유닛 동작 유무(AHU_OnOff), 공기 조화 유닛 설정 온도(AHU_SetTemp)를 결정하게 된다.
다음으로, 학습부(300)는 탐지 단계를 진행할 수 있다. 탐지 단계에서는, 원 클라스(One-Class) SVM을 사용하여 이상 징후를 탐지할 수 있다. One-Class SVM은 정상 데이터만 학습하여 모델을 학습하게 되며, 정상 데이터를 둘러싸는 영역을 설정하고 이 영역 밖의 데이터는 모두 비정상으로 간주할 수 있다.
즉, 도 6에서 보는 바와 같이, 정상 데이터의 계수 값은 정상 계수 값 패턴(310)을 가질 수 있다. 그리고 이를 통해, 학습부(300)는 정상 계수 값이 일정하다는 가정 하에 상한 임계선(311) 및 하한 임계선(312)으로 형성되는 임계 영역(313)을 설정할 수 있다.
이는 종래의 비정상 감지(Abnormal Detection)에서와 같이 정상 데이터 샘플 및 비정상 데이터 샘플을 모두 확보해야 하는 방식과 비교했을 때, 시간 및 비용을 줄일 수 있는 이점이 있다.
한편, 해당 공조 존(Zone)에 문제가 생기게 되면, 실내 온도에 영향을 주는 요소의 계수 값이 임계 영역(313)을 벗어날 수 있다. 그러면, 비정상 계수 값 패턴(320)을 보이게 되며, 학습부(300)는 이러한 비정상 계수 값 패턴(320)을 탐지하면, 공기 조화 유닛에 이상이 발생한 것으로 판정할 수 있다.
통상적으로, 건물 내에는 공기 조화 유닛(100)에 의한 공조 존이 다수로 존재하게 된다. 학습부(300)는 이러한 비정상 계수 값 패턴(320)을 보이는 공조 존을 식별할 수 있으며, 비정상 계수 값 패턴(320)을 보이는 해당 공조 존을 모니터에 표시하거나, 모바일 단말기 등을 통해 관리자에서 알릴 수 있다. 이를 통해, 관리자가 알림을 받아 어떤 공조 존에서 이상이 발생하였는지 인지하도록 도울 수 있고, 이렇게 되면, 해당 공조 존과 관련된 공기 조화 유닛만을 점검하면 되기 때문에, 시간 및 비용을 절약하고 공기 조화 유닛의 점검을 효율적으로 진행하도록 도울 수 있다. 또한 이상 징후를 조기에 발견함으로써 이상이 있는 공기 조화 유닛의 가동을 미연에 중지할 수 있기 때문에 에너지 낭비를 줄일 수 있다.
도 7은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제1판정부를 설명하기 위한 예시도이다.
도 7에서 보는 바와 같이, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치는 제1판정부(400)를 포함할 수 있다.
제1판정부(400)는 구동부(110), 센서부(140) 및 제어부(200)로부터 각각 전류 정보를 획득하고, 획득된 전류 정보가 기설정된 유효 전류 범위를 벗어나면, 유효 전류 범위를 벗어난 전류 정보를 발생한 곳에 이상이 발생한 것으로 판정할 수 있다.
전류 정보는 구동부(110), 센서부(140) 및 제어부(200)로부터 주기적으로 수집될 수 있다. 제1판정부(400)는 수집된 데이터를 기초로 이동 평균(Moving Average)을 계산해 전체 사용되는 전류값의 추이를 분석하고, 일정 시간이 지난 다음에는 구동부(110), 센서부(140) 및 제어부(200)의 전류값 추이 및 범위를 모니터링할 수 있다.
제1판정부(400)는 구동부(110), 센서부(140) 및 제어부(200)로부터 수집되는 각각의 전류값이 해당 모듈의 최소/최대 범위를 여러 번 벗어나는 경우에 해당 모듈의 이상을 감지하고 추이를 분석할 수 있다. 그리고 일정 기간 단위로 추이를 평가하여 특정 범위보다 더 소모되는 경우에는 관리자에서 알리고, 사용 일자를 기초로 고장 일자를 예측할 수 있다.
일 예로, 급기 댐퍼로부터 수집되는 전류값이 최소/최대 범위를 3회 이상 벗어나는 경우, 제1판정부(400)는 급기 댐퍼가 이상이 있는 것으로 감지하고 추이를 분석할 수 있다. 제1판정부(400)는 이러한 추이를 1일 단위로 평가하고, 전류값이 30% 이상 더 소모되는 경우에는 모니터에 표시하거나, 모바일 단말기 등을 통해 관리자에게 알릴 수 있다.
도 8은 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제2판정부를 설명하기 위한 예시도이다.
도 8에서 보는 바와 같이, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치는 제2판정부(500)를 포함할 수 있다.
제2판정부(500)는 구동부(110) 및 센서부(140)로부터 각각 진동 정보를 획득하고, 획득된 진동 정보가 기설정된 유효 진동 범위를 벗어나면, 유효 진동 범위를 벗어난 진동 정보를 발생한 곳에 이상이 발생한 것으로 판정할 수 있다.
이를 위해, 제2판정부(500)는 가속도 센서(510) 및 온도 센서(520)를 포함할 수 있다.
가속도 센서(510)는 3축 가속도 센서일 수 있으며, 온도 센서(520)와 함께 각각의 제어 대상 설비에 장착될 수 있다. 즉 가속도 센서(510) 및 온도 센서(520)는 하나의 쌍을 이루어 급기 팬, 배기 팬, 급기 댐퍼, 혼합 댐퍼, 배기 댐퍼, 냉방 밸브, 난방 밸브, 혼합 온도 센서, 급기 온습도 센서, 배기 온습도 센서에 접촉식으로 장착될 수 있다.
제2판정부(500)는 각 제어 대상 설비에 장착된 가속도 센서(510) 및 온도 센서(520)를 통해 각 축별 진동 속도 실효치(m/sec)를 계산하고, 128 샘플을 사용한 고속푸리에변환(FFT) 분석을 할 수 있다.
제2판정부(500)는 예측 진단 알고리즘인 이탈 에너지 누수율 합산법을 사용하여 예측을 진단할 수 있다. 여기서, 이탈 에너지 누수율 = ([최대값 초과합] + [최소값 미달합]) / [평균 총합] 으로 정의될 수 있다.
제2판정부(500)는 최대/최소를 벗어난 FFT 값(돌출 면적) 합산, 평균 모델의 FFT 총량에 비해 일정비용(예를 들면, 10% 이상)을 초과하면 이상으로 진단할 수 있다.
이하에서는, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법을 설명한다.
도 9는 본 발명의 일실시예에 따른 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법을 나타낸 흐름도이다.
도 9에서 보는 바와 같이, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법은 공기 조화 유닛 마련단계(S710), 맵핑단계(S720) 그리고 제어단계(S730)를 포함할 수 있다.
공기 조화 유닛 마련단계(S710)는, 초기 상태에서, 관련 정보가 미리 확인된 기확인 구동부와, 관련 정보가 확인되지 않은 미확인 구동부 및 관련 정보가 확인되지 않은 미확인 센서부를 포함하는 공기 조화 유닛을 마련하는 단계일 수 있다.
맵핑단계(S720)는 제어부가 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 미확인 구동부의 관련 정보 및 미확인 센서부의 관련 정보를 예측하여 제어부의 매칭 포인트와 맵핑하는 단계일 수 있다.
맵핑단계(S720)를 통해, 공기 조화 유닛의 각 구동부 및 센서부를 제어부의 매칭 포인트에 맵핑하는 것이 작업자에 의해 수동으로 이루어지지 않고, 제어부에 의해 자동으로 이루어질 수 있으며, 이를 통해, 정확한 맵핑이 이루어질 수 있다.
맵핑단계(S720)에서, 제어부는 미리 설치된 맵핑 프로그램에 따라 기확인 구동부를 구동시키면서 미확인 구동부 및 미확인 센서부의 관련정보를 순차적으로 예측할 수 있다.
그리고, 미확인 구동부 및 미확인 센서부 중 관련정보가 예측된 미확인 구동부 및 미확인 센서부는 맵핑 프로그램에 따라 관련정보가 예측되지 않은 다른 미확인 구동부 및 미확인 센서부를 예측하는데 사용될 수 있다.
그리고, 제어단계(S730)는 제어부가 공기 조화 유닛을 제어하는 단계일 수 있다.
한편, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법은 실행 프로그램 자동 생성단계(S721)를 포함할 수 있다.
실행 프로그램 자동 생성단계(S721)는, 맵핑단계(S720) 이후에, 제어부가, 미확인 구동부의 관련 정보 및 미확인 센서부의 관련 정보를 확인한 후, 공기 조화 설비를 실행하기 위한 실행 프로그램을 자동 생성하는 단계일 수 있다.
실행 프로그램 자동 생성단계(S721)를 통해 제어부가 실행 프로그램을 자동 생성함으로써, 종래에 작업자가 해당 건물의 공기 조화 유닛에 맞는 실행 프로그램을 작성하여 입력하는 공정이 생략될 수 있다.
그리고, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법은 가중 계수 생성단계(S731) 및 제1판정단계(S732)를 포함할 수 있다.
가중 계수 생성단계(S731) 및 제1판정단계(S732)는 제어단계(S730)가 진행되는 중에 병행하여 진행될 수 있다.
가중 계수 생성단계(S731)는 학습부가 인공지능 학습을 통해, 각각의 공기 조화 유닛이 담당하는 실내 공간의 실내 온도와 건물의 외부 온도의 차이값 및 각각의 공기 조화 유닛의 설정온도와 해당 실내 공간의 실내 온도의 차이값에 각각 부여되는 가중 계수를 일정 시간대별로 생성하는 단계일 수 있다.
그리고, 제1판정단계(S732)는 학습부가, 생성되는 가중 계수가 미리 설정된 임계 영역을 벗어나면 해당 공기 조화 유닛에 이상이 발생한 것으로 판정하는 단계일 수 있다.
더하여, 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법은 제2판정단계(S733) 및 제3판정단계(S734)를 포함할 수 있으며, 제2판정단계(S733) 및 제3판정단계(S734)도 제어단계(S730)와 병행하여 진행될 수 있다.
제2판정단계(S733)는 구동부, 센서부 및 제어부로부터 각각 전류 정보를 획득하고, 획득된 전류 정보가 기설정된 유효 전류 범위를 벗어나면, 유효 전류 범위를 벗어난 전류 정보를 발생한 곳에 이상이 발생한 것으로 판정할 수 있다.
제3판정단계(S734)는 구동부 및 센서부로부터 각각 진동 정보를 획득하고, 획득된 진동 정보가 기설정된 유효 진동 범위를 벗어나면, 유효 진동 범위를 벗어난 진동 정보를 발생한 곳에 이상이 발생한 것으로 판정할 수 있다.
제어단계(S730)와 함께, 제1판정단계(S732), 제2판정단계(S733) 및 제3판정단계(S734)가 병행하여 진행됨으로써, 이상 징후를 조기에 발견할 수 있고, 시간 및 비용을 절약하면서 공기 조화 유닛의 점검이 효율적으로 이루어지도록 도울 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 공기 조화 유닛
110: 구동부
120: 기확인 구동부
130: 미확인 구동부
140: 센서부
200: 제어부
300: 학습부
313: 임계 영역
310: 정상 계수 값 패턴
320: 비정상 계수 값 패턴
400: 제1판정부
500: 제2판정부

Claims (10)

  1. 구동부 및 센서부를 포함하는 공기 조화 유닛; 그리고
    상기 공기 조화 유닛을 제어하는 제어부를 포함하며,
    초기 상태에서 상기 구동부는 관련 정보가 미리 확인된 기확인 구동부와, 관련 정보가 확인되지 않은 미확인 구동부를 포함하고,
    초기 상태에서 상기 센서부는 관련 정보가 확인되지 않은 미확인 센서부이며,
    상기 제어부는, 상기 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 상기 미확인 구동부의 관련 정보 및 상기 미확인 센서부의 관련 정보를 예측하여 상기 제어부의 매칭 포인트와 맵핑한 후, 상기 공기 조화 유닛을 제어하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  2. 제1항에 있어서,
    상기 제어부는 미리 설치된 맵핑 프로그램에 따라 상기 기확인 구동부를 구동시키면서 상기 미확인 구동부 및 상기 미확인 센서부의 관련정보를 순차적으로 예측하고,
    상기 미확인 구동부 및 상기 미확인 센서부 중 관련정보가 예측된 미확인 구동부 및 미확인 센서부는 상기 맵핑 프로그램에 따라 관련정보가 예측되지 않은 다른 미확인 구동부 및 미확인 센서부를 예측하는데 사용되는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  3. 제1항에 있어서,
    상기 제어부는,
    상기 미확인 구동부의 관련 정보 및 상기 미확인 센서부의 관련 정보를 확인한 후, 상기 공기 조화 유닛을 실행하기 위한 실행 프로그램을 자동 생성하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  4. 제3항에 있어서,
    상기 제어부는,
    상기 공기 조화 유닛의 제어와 관련된 요소를 조절하여 생성되는 제어 결과값이 미리 설정된 목표값 범위 내에 들어가도록 하여 상기 실행 프로그램을 보정하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  5. 제1항에 있어서,
    인공지능 학습을 통해, 각각의 상기 공기 조화 유닛이 담당하는 실내 공간의 실내 온도와 건물의 외부 온도의 차이값 및 각각의 상기 공기 조화 유닛의 설정온도와 해당 실내 공간의 실내 온도의 차이값에 부여되는 가중 계수를 일정 시간대별로 생성하고,
    상기 가중 계수가 미리 설정된 임계 영역을 벗어나면 해당 공기 조화 유닛에 이상이 발생한 것으로 판정하는 학습부를 포함하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  6. 제1항에 있어서,
    상기 구동부, 상기 센서부 및 상기 제어부로부터 각각 전류 정보를 획득하고, 획득된 상기 전류 정보가 기설정된 유효 전류 범위를 벗어나면, 상기 유효 전류 범위를 벗어난 전류 정보를 발생한 곳에 이상이 발생한 것으로 판정하는 제1판정부를 포함하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  7. 제1항에 있어서,
    상기 구동부 및 상기 센서부로부터 각각 진동 정보를 획득하고, 획득된 상기 진동 정보가 기설정된 유효 진동 범위를 벗어나면, 상기 유효 진동 범위를 벗어난 진동 정보를 발생한 곳에 이상이 발생한 것으로 판정하는 제2판정부를 포함하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치.
  8. 초기 상태에서, 관련 정보가 미리 확인된 기확인 구동부와, 관련 정보가 확인되지 않은 미확인 구동부 및 관련 정보가 확인되지 않은 미확인 센서부를 포함하는 공기 조화 유닛을 마련하는 공기 조화 유닛 마련단계;
    제어부가 상기 기확인 구동부를 구동하고 미리 저장된 외부 환경 정보를 참고하여 상기 미확인 구동부의 관련 정보 및 상기 미확인 센서부의 관련 정보를 예측하여 상기 제어부의 매칭 포인트와 맵핑하는 맵핑단계; 그리고
    상기 제어부가 상기 공기 조화 유닛을 제어하는 제어단계를 포함하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법.
  9. 제8항에 있어서,
    상기 맵핑단계에서,
    상기 제어부는 미리 설치된 맵핑 프로그램에 따라 상기 기확인 구동부를 구동시키면서 상기 미확인 구동부 및 상기 미확인 센서부의 관련정보를 순차적으로 예측하고,
    상기 미확인 구동부 및 상기 미확인 센서부 중 관련정보가 예측된 미확인 구동부 및 미확인 센서부는 상기 맵핑 프로그램에 따라 관련정보가 예측되지 않은 다른 미확인 구동부 및 미확인 센서부를 예측하는데 사용되는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법.
  10. 제8항에 있어서,
    학습부가 인공지능 학습을 통해, 각각의 상기 공기 조화 유닛이 담당하는 실내 공간의 실내 온도와 건물의 외부 온도의 차이값 및 각각의 상기 공기 조화 유닛의 설정온도와 해당 실내 공간의 실내 온도의 차이값에 부여되는 가중 계수를 일정 시간대별로 생성하는 가중 계수 생성단계; 및
    상기 학습부가, 생성되는 상기 가중 계수가 미리 설정된 임계 영역을 벗어나면 해당 공기 조화 유닛에 이상이 발생한 것으로 판정하는 제1판정단계를 포함하는 것을 특징으로 하는 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치의 제어방법.
KR1020220071799A 2022-06-13 2022-06-13 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법 Active KR102443273B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220071799A KR102443273B1 (ko) 2022-06-13 2022-06-13 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220071799A KR102443273B1 (ko) 2022-06-13 2022-06-13 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법

Publications (1)

Publication Number Publication Date
KR102443273B1 true KR102443273B1 (ko) 2022-09-14

Family

ID=83279350

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220071799A Active KR102443273B1 (ko) 2022-06-13 2022-06-13 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법

Country Status (1)

Country Link
KR (1) KR102443273B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102151260B1 (ko) * 2018-06-07 2020-09-02 주식회사 코젠 미세먼지감지기가 적용된 빌딩 자동 제어 시스템
KR20200127508A (ko) * 2019-05-02 2020-11-11 윤흥식 실내 공기질 관리를 위한 지능형 공조기 및 이의 제어방법
KR20210026646A (ko) 2019-08-30 2021-03-10 주식회사 케이티 건물에 구비된 복수의 설비를 제어하는 컨트롤러, 방법 및 컴퓨터 프로그램
KR102264390B1 (ko) * 2020-10-08 2021-06-17 제이비씨엔지니어링 주식회사 Iot 지능형 제어를 통한 에어 돔 자율운전 시스템
KR20210123080A (ko) * 2020-04-02 2021-10-13 엘지전자 주식회사 공기조화기 시스템의 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102151260B1 (ko) * 2018-06-07 2020-09-02 주식회사 코젠 미세먼지감지기가 적용된 빌딩 자동 제어 시스템
KR20200127508A (ko) * 2019-05-02 2020-11-11 윤흥식 실내 공기질 관리를 위한 지능형 공조기 및 이의 제어방법
KR20210026646A (ko) 2019-08-30 2021-03-10 주식회사 케이티 건물에 구비된 복수의 설비를 제어하는 컨트롤러, 방법 및 컴퓨터 프로그램
KR20210123080A (ko) * 2020-04-02 2021-10-13 엘지전자 주식회사 공기조화기 시스템의 제어 방법
KR102264390B1 (ko) * 2020-10-08 2021-06-17 제이비씨엔지니어링 주식회사 Iot 지능형 제어를 통한 에어 돔 자율운전 시스템

Similar Documents

Publication Publication Date Title
US11635222B2 (en) Damper fault detection
Turner et al. Residential HVAC fault detection using a system identification approach
Wang et al. Fault-tolerant control for outdoor ventilation air flow rate in buildings based on neural network
EP3412982B1 (en) Air conditioning control evaluation device, air conditioning system, air conditioning control evaluation method and program
CA3104482C (en) Deep-learning-based fault detection in building automation systems
EP2872953B1 (en) Mobile device with automatic acquisition and analysis of building automation system
Bang et al. Novel real-time model-based fault detection method for automatic identification of abnormal energy performance in building ventilation units
KR101151867B1 (ko) 공조시스템의 고장 검출 및 진단 방법
KR102296329B1 (ko) 예측 공조로 최적화 운전이 가능한 스마트 공기 조화 시스템
Padilla et al. A combined passive-active sensor fault detection and isolation approach for air handling units
KR20190139024A (ko) 미세먼지감지기가 적용된 빌딩 자동 제어 시스템
JP2005301582A (ja) プロセス管理装置
US20230314030A1 (en) Critical environment feedforward-feedback control system with room pressure and temperature control
Yang et al. Optimum operating performance based online fault-tolerant control strategy for sensor faults in air conditioning systems
CN119617603B (zh) 机房空调运行状态控制方法及系统
KR20220132949A (ko) 빅데이터를 활용한 온실형 스마트팜에서 센서 이상탐지 시스템
KR102443273B1 (ko) 데이터 분석 방법을 이용한 에너지 최적화 및 설비 운영 효율화가 가능한 빌딩자동제어장치 및 이의 제어방법
CN112113295A (zh) 加热、通风与空调（hvac）控制系统
Mattera et al. Fault detection and diagnostics in ventilation units using linear regression virtual sensors
EP4184072B1 (en) System for determining operation condition of precooling operation/preheating operation of air conditioner
KR102514463B1 (ko) 쾌적존을 이용한 건물통합관리장치
WO2021038775A1 (ja) 制御方法、制御プログラムおよび空調制御装置
Lin et al. Fault “Auto-correction” for HVAC Systems: A Preliminary Study
US20250109875A1 (en) Building control system and method using adaptive artificial intelligence model
US20240093899A1 (en) Energy optimization of hvac systems under variable ventilation conditions

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20220613

PA0201 Request for examination
PA0302 Request for accelerated examination

Patent event date: 20220623

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

Patent event date: 20220613

Patent event code: PA03021R01I

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20220820

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220826

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220907

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220907

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20240919

Start annual number: 4

End annual number: 5