Machine learning for ground thermal prediction and time-series monitoring in borehole heat exchanger systems
연구 내용
지중 지중온도와 BHE 유체 출구 온도를 환경 변수 및 운영 데이터 기반으로 모델링하여 열저항과 성능을 예측하는 연구
BHE 시스템의 열전달 특성을 정량적으로 파악하기 위해 지중온도와 유체 출구 온도에 대한 예측 모델을 구성합니다. 기상 및 환경 요인을 포함한 데이터로 ANN과 다중회귀 기반 예측을 수행하고, 장기 운영 과정에서 발생하는 시간 의존성을 반영하기 위해 CNN-RNN 기반 시계열 예측을 적용합니다. 또한 RSM과 하이브리드 DFNN-GA 접근을 통해 열저항의 예측과 민감도 해석이 가능하도록 모델링합니다. 서로 다른 학습 구조를 비교하여 운전 데이터 품질과 예측 안정성을 함께 고려하는 데 초점을 둡니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2024년 연구는 BHE 관련 열특성 예측에서 시작하여, ANN과 다중회귀 조합으로 지중 비교 상태를 예측하는 접근을 먼저 수행했습니다. 이어서 장기 운영 중 관측되는 출구 유체 온도의 시계열 특성을 반영하기 위해 CNN-RNN 기반 예측으로 확장했습니다. 동시에 열저항을 대상으로 RSM과 하이브리드 DFNN-GA 모델을 구성하여 예측 성능과 파라미터 탐색 절차를 정리했습니다. 결과적으로 환경 변수 기반 정적 예측부터 운영 데이터 기반 동적 예측까지 모델링 범위를 넓혔습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Prediction model of undisturbed ground temperature using artificial neural network (ANN) and multiple regressions approach
Utilizing a CNN-RNN machine learning approach for forecasting time-series outlet fluid temperature monitoring by long-term operation of BHEs system
Advanced machine learning techniques: Forecasting thermal resistance in borehole heat exchanger system through RSM and hybrid DFNN-GA approaches