스마트빌딩 구현을 위한 인공지능 알고리즘의 에너지 절감 예측 모델

논문: 박경진. "스마트빌딩 구현을 위한 인공지능 알고리즘의 에너지 절감 예측 모델." 국내석사학위논문 서울시립대학교 국제도시과학대학원, 2019. 서울

 

우리나라는 에너지자립도가 약 5% 수준으로 에너지 수급의 불안정성을 늘 지니고 있다. 또한, 건축물은 전체 에너지 소비량의 약 36%를 소비하는 주체로서, 건축물의 적극적인 에너지 절감 노력이 필요한 주체임을 인식하였다. 

 

해당논문은 업무용 오피스시설에 대한 에너지 절감 예측 모델을 구축하여 이를 통해 건축물의 에너지 효율을 높일 수 있는 방법을 제안하는 것을 목적으로 하였다. 

 

업무시설에서 에너지사용과 절감에 관한 다양한 연구의 발견이 존재.

1. 인공지능 알고리즘을 조합하여 정확도 80%의 에너지절감 예측 모델을 구축하였다.

2. 건축물의 상세현황 요소별 가중치를 산출하여 연관성을 수치적으로 확인하였다.

3. 조사범위 내의 건축물은 공조기의 방식이 에너지 절감에 가장 큰 영향을 미친다는 결과를 얻을 수 있었다.

4. 건축물의 기획 및 개발 단계의 의도와 방향에 따라, 향후 운영관리와 에너지 효율에 직, 간접적인 영향을 미치는 결과를 확인하였다. 

5. 건축물의 환경 및 설비 분야의 시스템 사양과 구성에 따라 에너지 절감률이 달라지는 것을 확인하였으며, 일정 조건하의 최적 조합이 존재하는 것을 발견하였다. 

 

연구방법: 현황조사 후 인공지능 알고리즘을 활용하여 의사결정나무를 그려, 각 변위값 간의 관계와 결과값에 영향을 미치는 인자를 도출하였다. 그리고, 각 변위값의 가중치를 산출하여 분석하고 최종 예측모델 적용하여 사례기반추론기법의 에너지 절감 예측 모델을 구축하였다. 

 

<스마트빌딩>

스마트빌딩 기술은 스마트시티의 기본적인 구성요소로서, 앞으로 사용자의 편리함과 쾌적함, 운영의 효율성을 제공할 것을 기대하고있다. 

1. 빌딩자동화: 빌딩관리시스템, 에너지관리시스템, 보안시스템 

2. 사무자동화: 기존의 수작업에 의하여 처리되던 업무를 컴퓨터의 이용을 통해 디지털 교환장치, LAN등 정보통신 NETWORK를 통합 운용함으로써 정보처리 및 사무처리 등의 업무를 보다 효율적이고 경제적으로 수행할 수 있도록 돕는 시스템 

3. 정보통신: 디지털 교환장치를 중심으로 BA, OA기능을 통합 운영하여 사무실 등 빌딩시스템을 네트워크화하고 외부 통신망과 연결하여 정보교환이 가능하도록 필요한 정보를 제공한다. 

4. 건축환경: 건축 계획과 관련된 계획론적 성격이 강한 항목에 해당한다

 

<인공지능 알고리즘>

1. Random Forest(랜덤포레스트)

-Decision Tree(의사결정나무) 분석

Decision Tree는 Data mining 기법 중 가장 활발하게 이용되며, 데이터의 분류, 예측, 분석을 동시에 수행하는 비모수적 모형으로 통계적 가정이 필요하지 않아, 객관적인 분석결과를 도출할 수 있는 장점을 갖는다. 

 

Decision Tree의 문제점을 극복하기 위하여 나온 것이Ransom Forest이다. 이는 데이터를 여러 개의 나무로 확장시켜 분석하는 기계학습기법으로 입력변수의 선택이 개방되어 데이터셋에 과적합이 되는 것을 방지할 수 있어 예측력이 높은 모델을 구축할 수 있는 기법이다. 

 

Random Forest기법의 프로레스는 크게 두 가지로 나눌 수가 있다. 

- 원 데이터에서 Bagging을 통해 중복을 허용한 무작위 추출로 원 데이터와 동일한 크기의 데이터를 여러 개 구성하고 이를 토대로 각각의 의사결정나무를 구성한다. 이후 임의로 선택된 변수로 구성된 여러 개의 Decision Tree를 통한 예상값을, 목적변수가 명목형은 다수결 방법, 연속형은 평균으로 결합하여, 예상값을 도출한다. 

 

2. 사례기반추론(Case Based Reasoning)

: 새롭게 제시되는 문제의 해결을 위하여 새로운 해결책을 제시하기 보다는 과거의 문제에 사용되었던 해결책을 데이터베이스화하여 새로운 문제와의 유사항 상황을 인식하여 과거의 사례로부터 문제의 해결방안을 모색하는 데이터마이닝 기법

 

3. 유사사례 조회방법

-귀납적 조회방법

-지식기반 조회방법

-최근이웃 조회방법

 

<스마트빌딩의 에너지절감 예측모델>

-데이터베이스 입력변수 선정: 에너지효율 영향 요인 분석

-데이터베이스 구축: 시설관리자 설문을 통한 시설 현황 조사

-입력변수 가중치 산출: WEKA J48알고리즘 상관관계 분석

-새로운 실증 사례 조회: 가중치 입력된 CBRdatabase 내, 입력변수 조회

-조회된 결과값 분석: 기존 사례와 유사도를 갖는 새로운 사례의 결과값의 원인 분석

-결과값 활용: 예측되는 에너지효율을 높일 수 있는 입력변수의 시스템 변경

 

<인공지능 알고리즘 분석>

1. Decision Tree(의사결정나무) 분석

건축물의 가스, 전기, 수도요금의 수도광열비를 면적당 비용으로 환산하여 비용의 에너지효율을 분류함. 

 

2.상관관계 분석

-입력변수가 결과값에 영향을 미치는 상관관계 및 가중치를 구하고자함.

=> 가중치가 가장 높게 나타난 펌프의형식 외의 난방방식, 냉방방식, 공조방식 등의 항목은 에너지효율과 직접적인 연관성이 높은 항목으로 인공지능 알고리즘을 통해 산출된 가중치의 신뢰성이 확보되는 반면, 펌프의 형식을 가장 높은 가중치를 갖는 결과는 인공지능 알고리즘의 보완할 측면을 보여주는 결과. 

 

3. 에너지절감 예측모델 및 검증

 

업무시설의 개발 및 기획, 설계단계에서 인공지능을 활용한 스마트한 에너지 절감 예측모델을 통해 건축물의 시스템에 따른 에 너지 효율을 예측, 반영하여 최적의 시스템 설계를 통해 생애주기비용의 최 적화뿐만 아니라, 지구의 환경보호까지 사회적 책임을 다하는 윤리적 개발 을 가능하게 하며 점차 다가오는 4차산업혁명 시대에 대응과 미래 사회 Smart City의 기초가 되는 Smart Building 구현을 통해, Smart City 구축 에 이바지 할 것을 기대한다.