http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
데이터센터의 급기온도 변화가 서버 냉각 성능에 미치는 영향에 대한 연구
장현재(Hyun Jae Chang) 대한설비공학회 2018 설비공학 논문집 Vol.30 No.2
A datacenter is a high energy consuming facility whose cooling energy consumption rate is 10~20 times larger than general office buildings. The higher the temperature of supply air from a CRAC (computer room airconditioner) is supplied, the more energy efficient cooling is possible because of improving the COP of a chiller and advanced range of outdoor air temperature available for the economizer cycles. However, because the temperature of cold air flowing into server computers varies depending on air mixing configurations in a computer room, the proper supply air temperature must be considered based on the investigation of air mixing and heat dissipation. By these, this study aims to understand the effects of variation of the supply air temperature on the air flow distributions, temperature distributions and rack cooling efficiencies. Computational fluid dynamics (CFD) aided in conducting the investigation. As a result, the variation of the supply air temperature does not affect the air flow distributions. However, it mainly affects the temperature distribution. From the results of CFD simulations, Rack cooling indices (RCIHI and RCILO) were evaluated and showed the ideal state set at 19℃ of the supply air temperature.
기계학습 기반 자동화 알고리즘을 활용한 공조기 급기 온도 예측
안유선,홍구표,김병선 대한설비공학회 2020 설비공학 논문집 Vol.32 No.1
본 연구는 기계 학습 및 매개 변수를 자동으로 설정하여 공조기 급기 온도를 예측할 수 있는 방안을 제시 하고자 하였다. 병원건물을 대상으로, 방위별 부하를 담당하는 4대의 공조기의 7개월간의 실측 데이터를 사용하였다. 최적화 예측모델을 발견하기 위해, 자동화 데이터 분석 알고리즘 AutoML인 Auto-sklearn을 활용하였다. 비교를 위해 건물 에너지 분야에서 가장 많이 쓰이고 인공지능 개념인 ANN 모델과 선행 연구에서 반복적인 튜닝을 통해 도출된 매개 변수를 사용하였으며 결론은 다음과 같다. (1) 공조기 데이터별로 각각 다른 모델이 최적화 모델로 선정되었다. 남측공조기의 경우 추천된 기계 학습 모델은 Gradient Boosting, 남서측은 SVR, 남동측은 Adaboosting, 북측은 RandomForest이다. (2) 각각의 모델로 ANN과 비교한 결과 약 0.03%~1.16% 더 높은 정확도로 예측되는 것으로 분석되었다. (3) 추천된 모델과 ANN을 비교해 보았을 때, 추천된 모델의 정확도가 CvRMSE 평균 0.53%, MBE 0.54% 더 높게 나타났다. 뿐만 아니라, 자동화 데이터 분석 알고리즘을 통한 모델과 매개 변수를 적용하는 것이 시간 효율적인 것을 알 수 있다. (4) 건물 내 같은 공간 속에서 방위에 따라 공조기 운전 예측에 필요한 알고리즘과 매개 변수는 각각 다르게 나타남을 알 수 있다. 본 연구를 통해 설비시스템의 운전 예측 분야에 자동화 데이터 분석 알고리즘 모델이 적극 활용될 수 있을 것으로 판단된다. 또한 예측된 데이터를 실제 건물에 적용함으로써 에너지 절감의 정량적인 분석의 연구가 기대된다. More than 50% of the energy used in commercial buildings is consumed by building cooling, heating, and ventilation energy. To conserve building energy, some of the new buildings have begun to operate through the BEMS (Building Energy Management System). But, existing buildings are operated based on the empirical judgment of the building manager. The purpose of this study was to predict air supply temperature of air-handling units by applying an automatically implementation machine learning model and hyper-parameters suitable for non-professional users. The building used for the experiment was a large hospital building, using four AHU (Air Handling Unit) measured data from same floor on the different zones. The automated-data algorithm for analysis uapplies Auto-sklearn, which is AutoML (Automated Machine Learning) as finding an optimal model. As a result, various models (Gradient Boosting, Support Vector Regressor, Adaboosting, Random Forest) were recommended. For comparison, the ANN (Artificial Neural Network) model, used most frequently in the field of building energy, was compared with the hyper-parameters derived through iterative tuning in previous studies. Comparing ANNs with the recommended models and parameters, the accuracy of similar or recommended models was 0.53% higher on average with CvRMSE and 0.54% with MBE. It is reasonable to apply models and parameters through an automated data analysis algorithm.
실험동물 사육실용 바이오 크린룸(BCR)의 급기 온도 및 풍속 변화 특성에 관한 수치해석적 연구
박동일(Dongil Park),정광섭(Kwangseop Chung),김영일(Youngil Kim),김성민(Sungmin Kim) 대한설비공학회 2012 설비공학 논문집 Vol.24 No.7
In this study, the analysis on the distribution of indoor airflow velocity and temperature by using numerical simulation has carried out to make fundamental data for establishing the optimum design of laboratory animal facilities. From the results, it was found that replacement of cage lacks, air supply and exhaust system, supply air temperature, supply air velocity affect to the optimum design of laboratory animal facilities as a important element.
빌딩 내 중앙냉방시스템의 제어기법에 따른 제어성능 및 에너지 비교에 관한 연구
송재엽(Jae-Yeob Song),안병천(Byung-Cheon Ahn),김진(Jin Kim),백승재(Seung-Jae Baek) 대한설비공학회 2009 대한설비공학회 학술발표대회논문집 Vol.2009 No.-
In this study, performance and energy from each control method were reviewed with the simulation. The methods are classified as systems such as cooling system using fan coil unit and HVAC currently used in buildings, VAV system, and optimal control-algorithm system. The simulation analysis program is made by TRNSYS 15, based on the actual data. As a result of this study, the central cooling system with optimal control-algorithm increases electricity energy and reduces gas consumption. Taken as a whole, it uses energy less than any other existing method.