http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
냉방 조건 하에서 열평형 모델링을 이용한 실내 온도변화 예측에 관한 연구
이정만(Jeong Man Lee),박근태(Kuen Tae Park),윤백(Baek Youn),유재석(Jai Suk Yoo),주영주(Youngju Joo),서형준(Hyeongjoon Seo) 대한설비공학회 2017 대한설비공학회 학술발표대회논문집 Vol.2017 No.6
People are increasingly demanding the use of air conditioner due to global warming, and the importance of efficient energy use has increased to save energy and to avoid excessive electricity bill by progressive tax. In order to use energy efficiently, information on the cooling time and power consumption expected to reach the set temperature is essential In order to predict room temperature, accurate cooling performance prediction is required. Because the cooling performance of the air conditioner change rapidly according to the indoor and outdoor environment. In this study, the predicted cooling time and power consumption information are calculated through the prediction of the room temperature change using the thermal equilibrium modeling and the cycle simulation. And it is provided to users to help efficient energy use.
최적화 기법과 주택 특성 계수 학습을 통한 가정용 에어컨 냉방 시뮬레이션에 관한 연구
김동혁(Dong Hyuk Kim),박근태(Kuen Tae Park),윤백(Baek Youn),유재석(Jai Suk Yoo),주영주(Youngju Joo),황준(Jun Hwang),서형준(Hyeongjoon Seo) 대한설비공학회 2018 대한설비공학회 학술발표대회논문집 Vol.2018 No.6
여름철의 기온이 매년 상승함에 따라 에어컨의 사용량도 증가하고 있다. 이에 따라 에어컨 분야에서는 효율적인 에너지 사용을 목표로 하는 다양한 연구가 진행되고 있다. 효율적인 에너지 사용을 위해서는 사용자가 설정한 온도까지 도달하는 냉방 시간에 대한 정보가 필요하다. 정확한 냉방 시간의 정보를 알기 위해서는 각 가정의 부하와 주택 특성을 파악하여 실내 온도 변화를 예측하여야 한다. 하지만 실사용 조건에서는 가정의 부하와 주택 특성이 각기 달라서 실내 온도 변화를 예측하기에 어려움이 있다. 따라서 본 연구에서는 실사용 환경에서 운전된 데이터와 시뮬레이션 데이터를 바탕으로 열 환경예측 알고리즘과 학습을 통한 최적화 기법을 통해 주택 특성계수인 UA와 Ca를 도출하였다. 그리고 도출된 주택 특성 계수를 이용하여 주택의 온도 변화를 예측함으로써 사용자의 쾌적성과 에너지 효율향상을 추구하고자 한다.
난방기간 사무공간의 온도 예측제어를 위한 Grey-box 모델 개발 및 시뮬레이션 연구
박진형,조재완 한국태양에너지학회 2023 한국태양에너지학회 논문집 Vol.43 No.3
This study aimed to develop an office-zone grey-box model for a university campus. Based on this, model-based predictive control was simulated. An experiment was conducted using eight temperature sensors in an office zone (25 m2) that accommodates four occupants. Data on the indoor temperature and heating system operating schedules were collected at one-minute intervals. Outdoor temperature and solar radiation data provided by the Korea Meteorological Administration were incorporated into the modeling process in the Matlab environment. The results of the grey-box modeling, conducted over 36 days, revealed satisfactory prediction performance, with an RMSE of 0.7°C. Model-based predictive control simulation was then performed using the developed model. Heating by occupants or by automatic operation according to the schedule did not satisfy the comfort conditions at the start of occupancy, while MPC accurately predicted and controlled the indoor temperature within the comfort bounds. Compared to parametric simulations using different pre-heating strategies of feedback control,MPC showed excellent energy cost savings while maintaining comfort during the heating period.