KCI우수등재
인공지능 기반 헬스케어 건물의 에너지 효율 예측 모델 = A Study Energy Efficiency Prediction Model with AI-Based in Healthcare Building
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
336-344(9쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
Because of global warming, interest in building energy reduction measures and eco-friendly energy use is increasing. Currently, interest in artificial intelligence is increasing as a way to efficiently save energy. The purpose of this paper was to study the building energy efficiency prediction model, by comparing the prediction accuracy of the artificial intelligence model, and using the optimized model. An optimized model was presented by comparing the predicted energy use with the actual energy use of the building, by analyzing the daily energy consumption value and the energy consumption effect, according to the facility field components using the target building. First, the correlation analysis between the data variables confirmed the highest correlation with energy consumption, which shows that the energy efficiency prediction model using the environmental variables of the data could be very limited because the building's cooling and heating consumption is proportional to the size of the building. As a result of model performance comparison and analysis, the ANN model showed the best performance with an average RMSE value of 153.2. It shows the difference between the predicted energy consumption and the actual energy consumption through the optimized hyperparameter ANN model, and the MLR analysis shows a very high prediction accuracy compared to RMES 197.0.
더보기본 연구는 인공지능 모델의 예측 정확도를 비교하고 최적화된 모델을 활용하여 건물 에너지 효율 예측 모델 연구를 목적으로 하였다. 대상 건물인 헬스케어 건물을 이용하여 일별 에너지 소비값과 설비 분야 구성 요소에 따른 에너지 소비 영향도 분석을 진행하여, 예측된 에너지사용량과 실제 건물의 에너지 사용량을 비교하여 최적화된 모델을 제시하였다. 그 결과를 요약하면 다음과 같다.
(1) 먼저 데이터 변수간의 상관관계 분석결과 에너지 소비량과 가장 높은 상관도를 보이는 것이 건물 면적으로 피어스만 상관계수 값이 (0.77)이었다. 이는 건물의 냉난방 소비량이 건물의 크기와 비례하기 때문이기에 에너지 효율 모델 적용에 있어서 신중해야 한다는 결과로 이는 데이터의 환경 변수들을 이용한 에너지 효율 예측 모델이 매우 제한 적일 수 있다는 것을 보여준다.
(2) 다중 선형 회귀(Multiple Linear Regression, MLR)과 서포트 벡터 머신(Support Vector Machine, SVM), 인공신경망(Artificial Neural Network, ANN) 모델의 성능을 비교 분석하였다. ANN 모델의 경우 평균제곱근 오차(RMSE, Root Mean Square Error) 값이 평균 (153.2)를 보이며 가장 좋은 성능을 보였다. 그러나 교차 검증을 통한 모델 성능의 예측 정확도의 변화가 매우 큰 것을 보였기에 하이퍼파라미터 최적화가 필요했다.
(3) ANN 모델의 성능은 하이퍼파라미터에 따라 결과 값에 큰 영향을 준다. 최적화된 하이퍼파라미터는 ANN 모델을 통해 예측된 에너지 소비량과 실제 에너지 소비량의 차이를 보이며 MLR 분석의 결과 RMES (197.0)과 비교하였을 때, 매우 높은 예측 정확도를 나타낸다.
본 연구를 통해 에너지 효율 예측을 위한 인공지능 모델 적용 가능성이 높음을 확인할 수 있었다. 그러나 하이파파라미터에 따른 모델 정확도의 차이가 크므로 하이퍼파라미터 최적화 연구가 함께 이루어져야 한다. 또한 본 연구는 탄소 배출량의 상당부분을 차지하는 건축분야에서 헬스케어 건물 대상으로만 예측 모델을 검증 하였기에 다른 부문의 에너지 효율 예측 연구는 추가적으로 확인할 필요성이 있다. 향후 에너지 절감하는 방안으로 본 연구와 같은 분석 방법이 더 현실적인 방안으로 제시하기 위한 인공지능 모델 기술 개발 및 에너지 예측 정확도 확보에 참고 자료로 사용될 수 있을 것이다.
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)