빌딩 및 공동주택 에너지 사용절감을 위한 날씨 정보를 고려한 기계 학습 기반의 예측

Abstract

산업화의 발달로 자원 사용의 증가하며 이는 자원고갈, 지구온난화 등으로 이어지며, 점점 에너지 비용이 증가하고 있다 특히 건물의 고층화, 대형화, 집중화에 따라 건물에너지 절감에 관심이 높아지고 있다[1][95][98][99]. 본 논문에서는 건물을 업무용과 공동주택용으로 구분하고, 날씨와 에너지 사용데이터를 바탕으로 에너지 사용 패턴을 분석함으로써, 효율적인 에너지 사용을 위한 머신 러닝 모델[86][90]들을 제안하였다. 업무용 건물은 저렴한 심야전기를 사용하여 전기에너지를 열에너지로 변환 및 저장하여 이를 익일에 사용함으로써 에너지 비용을 줄일 수 있다. 업무용 건물의 효율적인 에너지 사용 및 절약에 있어 중요한점 중 하나는 익일에 사용할 에너지를 정확하게 예측하고 저장해두는 것이다. 이를 위해서 본 논문에서는 익일 날씨정보와 과거에너지 사용량 패턴[92]을 입력으로 건물 사용자들의 불쾌지수를 고려한 익일의 냉난방 에너지 사용량을 예측하는 머신 러닝 기반의 모델을 제안하였다[91]. 또한, 이에 더해 모델을 통해 예측된 에너지를 저장하기 위한 빙축열기의 최적 운전 알고리즘을 제안하였다[99]. 공동주택에서는 심야전기와 빙축열기를 이용한 에너지 비용 절감 방법을 사용할 수 없고, 날씨로 인해 에너지 사용이 급증하는 시기에는 높은 누진율이 적용되어 비용 부담을 키우고있다[93]. 이에 소비자는 합리적인 에너지 사용을 필요로 하는데, 이를 위해서는 소비자가 고지될 에너지 사용 요금을 사전에 예측하고, 그에 따라 에너지 사용을 조절할 수 있어야 한다. 따라서, 본 논문은 딥 러닝 기반의 모델[3-21]을 이용하여 에너지 요금 예측에 큰 영향을 미치는 날씨를 고려한 개별가구의 월 에너지 사용요금 예측방법을 제안하였다. 날씨 정보로는 실험적으로 유의미한 성능 향상을 보인 최저기온, 최고기온, 강수확률, 강수량, 습도, 풍속, 적설량, 전운량이 사용되었으며, 대표적인 딥 러닝 기반의 세 가지 모델들(Multilayer Perceptron, Convolution Neural Network, Long-Short Term Memory)을 주어진 문제에 맞게 설계 및 구현하여 Long-Short Term Memory 기반의 모델이 가장 적은 오차를 보이는 것을 확인하였다.