KCI우수등재
인공신경망을 이용한 태양광열 시스템의 열 및 전기 성능예측 모델 개발 = Development of a Thermal and Electrical Performance Prediction Model for a Photovoltaic-thermal System Using an Artificial Neural Network
저자
발행기관
학술지명
설비공학 논문집(Korean Journal of Air-Conditioning and Refrigeration Engineering)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
155-162(8쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
Recently, Zero Energy Building (ZEB) that reduces the energy consumption and energy demand is becoming major issue. To realize ZEB, high energy efficiency renewable energy systems are actively applied in the building. Among the renewable energy systems, the photovoltaic-thermal (PVT) systems can respond heat and electricity demands of the buildings with one facility. Although, it is necessary to accurately predict the performance of the PVT system, most studies are conducted at the mock-up test level, through energy simulation and laboratory-scale experiment. In this study, the real-scale experiment plant that comprises the PVT module, heat storage tank, and actual building was constructed to collect the database of the PVT system under actual conditions. Moreover, based on the real-scale experimental data, the performance prediction model was constructed using artificial neural network (ANN). To verify the accuracy of the performance prediction model based on ANN, the coefficient of variation root mean square error (Cv(RMSE)) proposed by ASHRAE Guideline 14 was used. The Cv(RMSE) for the predicted result by ANN was calculated as 10% of the thermal efficiency, and 16% of the electrical production. Through the Cv(RMSE) result, it was confirmed that the performance prediction model based on ANN is reliable.
더보기본 연구에서는 소규모 사업자 및 실무자 등이 시스템 성능을 설계단계에서 검토할 수 있는 기초자료로써 활용하기 위하여 인공신경망 기반 PVT 예측 모델을 구축하였다. 또한, 실증실험을 통하여 수집된 데이터와 인공신경망의 예측결과를 비교하여 구축된 인공신경망 모델을 검증하였다. 본 연구의 결과에 대한 요약은 다음과 같다.
(1) 실증실험을 수행하여 인공신경망의 입․출력 데이터를 수집하였으며, 피어슨 상관계수 분석을 통하여 결정계수가 0.2 미만인 변수는 제거하였다. 선별된 입력변수는 정규화 과정을 거쳐 인공신경망 모델에 적용하였다.
(2) 입․출력 데이터에 대한 피어슨 상관계수 결과를 토대로 결정계수(r2)를 산출하여 PVT 열효율은 PVT 유량 및 일사량, PVT 발전량의 경우 외기온도, 일사량이 가장 큰 영향을 미치는 것을 확인하였다.
(3) 실증실험을 통하여 측정된 데이터와 인공신경망 모델의 예측결과의 해석 결과 간 Cv(RMSE)는 PVT 열효율 10.44%, PVT 전력생산량 16.34%로 계산되었다. 따라서, 본 연구에서 개발된 인공신경망 기반 PVT 성능예측 모델은 ASHRAE Guideline 14-2014에서 제안하는 30% 범위에 수용하여 신뢰성이 있음을 확인하였다.
(4) 본 연구에서 개발된 인공신경망 기반 PVT의 성능 예측 모델은 설계 변수가 다수 필요한 기존의 에너지 시뮬레이션보다 모델 구축 및 해석 시간을 단축할 수 있을 것으로 사료된다.
본 연구에서는 하절기의 PVT 실험 데이터에 기반하여 성능예측 모델을 구축하였으므로 PVT의 연간 성능을 정확히 예측하기에는 한계점이 있다. 향후, 동절기 장기간 실험 데이터를 수집하여 다양한 다수의 데이터를 확보 및 적용하여 오버피팅(Overfitting)을 억제하여 개발된 PVT 시스템 성능예측모델의 정확도를 향상시킬 예정이다.
분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 계속평가 신청대상 (등재유지) | |
2017-01-01 | 평가 | 우수등재학술지 선정 (계속평가) | |
2013-01-01 | 평가 | 등재 1차 FAIL (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2004-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2001-07-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
1999-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.8 | 0.8 | 0.62 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.51 | 0.44 | 0.622 | 0.03 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)