http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
열시스템 실시간 머신러닝을 위한 적응형 정상상태 진단기 개발 연구
정상훈(Sanghun Jeong),김소연(Soyeon Kim),서기정(Gijeong Seo),이진욱(Jinwook Lee),구돈익(Donik Ku),정민규(Minkyu Jung),배수진(Soojin Bae),임지훈(Jihun Lim),김민성(Minsung Kim) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문에서는 에너지시스템의 운전상태를 실시간으로 자가학습할 수 있도록 정상상태 기반 머신러닝 기준모델에 관한 연구를 진행하였다. 정상상태 검출을 위해 7가지 특징변수를 추출하였으며 실험조건을 바꿔가면서 특성변수의 변화를 관찰하였다. 정상상태를 운전상태에 변화에 맞추어 진단성능을 개선하기 위해 적응형 정상상태 진단기를 개발하였으며, 이를 통과한 데이터를 활용하여 인공신경망(ANN, Artificial Neural Network), 의사결정나무(Decision Tree), 서포트벡터머신(Support Vector Machine), XGBoost 알고리즘을 통한 열펌프의 기준 모델을 만들고 모델의 잔차를 비교하여 우수성을 확인하였다. XGBoost 알고리즘을 활용한 기준모델의 잔차분포가 표준정규분포를 가장 잘 따랐다. 본 연구내용은 HVAC 시스템의 고장검출 및 진단에 대한 가이드라인으로 이용될 수 있을것으로 기대된다.