Core Concepts
본 연구는 공기 유동, 온도 및 CO2 농도 동역학을 모델링하는 편미분 방정식(PDE)을 기반으로 하는 혁신적인 학습 및 제어 프레임워크를 제안합니다. 이를 통해 에너지 소비를 최소화하면서도 쾌적하고 건강한 실내 환경을 유지할 수 있는 최적의 공기 공급률과 공급 공기 온도를 결정할 수 있습니다.
Abstract
본 연구는 건물 HVAC 시스템의 에너지 효율성과 실내 공기질을 동시에 최적화하는 PDE 기반 학습 및 제어 프레임워크를 제안합니다.
배경 및 문헌 검토:
건물은 전 세계 에너지 사용의 40% 이상을 차지하며, HVAC 시스템이 건물 에너지 사용의 최대 50%를 차지합니다.
COVID-19 이후 실내 공기질 향상과 공중 보건을 위한 HVAC 제어에 대한 관심이 증가했습니다.
기존 연구는 공기 유동 역학과 공기 중 에어로졸 입자, 가스 성분 및 바이러스 병원체의 공간-시간적 분포를 간과하는 일반 미분 방정식(ODE) 모델을 사용했습니다.
제안 접근법:
공기 유동, 열 역학 및 공기질(CO2 농도로 측정)을 PDE로 모델링합니다.
PDE 제약 최적화 문제로 시스템 학습과 최적 HVAC 제어를 정식화합니다.
공액 방법을 기반으로 한 경사 하강법을 사용하여 PDE 모델 매개변수를 효과적으로 학습하고 제어 동작을 최적화합니다.
주요 결과:
제안 접근법은 실제 데이터와 합성 데이터에서 건물 모델을 정확하게 학습할 수 있습니다.
기존 제어 방법(최대 공기 유량 정책, 강화 학습 기반 제어, ODE 모델 기반 제어)과 비교하여 에너지 소비를 크게 줄이면서도 쾌적성과 안전성 제약을 준수할 수 있습니다.
Stats
건물 에너지 사용량은 HVAC 시스템에 의해 최대 50% 결정됩니다.
COVID-19 이후 실내 공기질 향상을 위해 일부 건물에서 최대 공기 유량 정책을 시행했으나, 이로 인해 에너지 소비가 2-2.5배 증가했습니다.
Quotes
"건물은 전 세계 에너지 사용의 40% 이상을 차지하며, HVAC 시스템이 건물 에너지 사용의 최대 50%를 차지합니다."
"COVID-19 이후 실내 공기질 향상과 공중 보건을 위한 HVAC 제어에 대한 관심이 증가했습니다."