유전알고리즘 기반 서포트벡터회기를 활용한오피스 건물 에너지 부하 예측

Abstract

본 연구는 건물에서 발생하는 부하에 대한 철저한 관리를 어떻게 접근해야 하는지부터 시작한다. 건물에너지 총사용량 예측은 국내ㆍ외에서 여러 방향으로 연구되어 온 바 있으나, 다음과 같은 문제점들이 존재한다. 첫째, 피크 부하를 관리하기 위해 산정되는 피크 부하 계산 방법을 적용하지 않았다. 둘째, 예측을 위해 측정하는 건물 데이터는 실제 건물에 계측기 설치 시 상당한 금액의 초기 비용이 필요하다. 또한 셋째, 에너지 사용량은 다변량 비선형 그래프임을 고려할 때, 기계학습을 이용한 알고리즘이 필요하나 관련 국내 연구가 미비하다는 점을 들고 싶다. 본 연구자는 양재동 오피스 건물의 15분 단위 에너지 사용량과 양재동의 15분 단위 기상청 공공데이터를 활용하였다. 예측에 유의미한 변수를 선정, 유전알고리즘 기반 서포트벡터회귀 예측모델을 적용함으로써, 15분 단위의 정밀한 부하 예측을 진행하고자 한다. 제 1장에서는 연구의 배경 및 목적, 내용 및 범위에 대해 정리하였다. 제 2장에서는 에너지 관련 정부정책 동향, 건물에너지관리시스템의 문제점, 국내외 건물에너지관리시스템 관련 기술현황과 에너지 부하량을 예측에 필요한 분석기법 및 선행 연구사례를 고찰하였다. 제 3장에서는 유전알고리즘 기반 서포트벡터회귀모델을 적용하여 연구대상지의 에너지 부하량 예측 및 분석결과에 대해 서술하였다. 제 4장에서는 유전알고리즘 기반 서포트벡터회귀모델을 활용한 오피스 건물의 부하량 예측에 관하여 결론과 향후 연구방향에 대해 서술하였다.| This study begins from a thorough management method for loads generated in a building. There have been many studies on predicting total building energy consumption in various aspects, but there are limitations as follows. First, they did not apply a peak load calculation method, which is necessarily estimated for managing peak load. Second, when measuring instruments are installed for collecting data of a building to predict the load, huge initial cost must occur. Third, regarding that the energy consumption amount is a multivariate nonlinear graph, algorithms using machine learning should be needed but there is lack of domestic research. This study utilized the energy consumption amount for 15 minutes of an office building in Yangjae-dong and public weather data for 15 minutes from the Korea Meteorological Administration. It selects significant variables for the prediction and then it is to conduct precise load prediction for each 15 minute interval by applying the Genetic Algorithm support vector regression prediction model. In chapter 1, this study describes research background, objectives, content, and scope. In chapter 2, this study examines the political trend of energy, problems of building energy management systems, and technological conditions related to domestic and abroad building energy management systems, and it researches analytical techniques for the energy consumption prediction and previous study cases. In chapter 3, this study presents energy consumption prediction of the research subject building by applying the Genetic Algorithm Support Vector Regression and its analysis result. In chapter 4, this study describes research result on the prediction of load in the office building using the Genetic Algorithm Support Vector Regression and future direction of follow-up research.