공조 공기 취급 장치(AHU) 시스템의 효과적인 제어는 건물의 에너지 소비를 관리하는 데에만 중요한 것이 아니라, 거주자의 실내 열적 쾌적성을 보장하는 데에도 필수적이다. AHU의 초기 제어 스키마는 설치 및 시험 시에는 적절하지만, 건물 외피의 열 반응과 공간 사용이 변화함에 따라 제어 변수를 조정할 필요가 빈번히 발생한다. 본 논문은 시스템 가동 중단 없이, 대규모 운영 데이터 없이도 기 존 상업용 건물에서 노후 AHU 시스템의 제어 파라미터를 위한 새로운 최적화 과정을 제시한다. 먼저, 제한된 시스템 운영 데이터와 미지의 건물 파라미터를 사용하여 건물 및 시스템 시뮬레이터를 보정하면 냉방 시즌 동안 Hooke–Jeeves 알고리즘과 함께 시스템 운영에 대한 동일한 응답을 제공할 수 있다. 딥 결정론적 정책 그래디언트(deep deterministic policy gradient) 알고리즘을 사용하여, 보정된 시뮬레이터를 기반으로 3시간 이내의 학습으로 냉각 코일의 밸브 개방 위치에 대한 최적 제어 파라미터를 결정한다. 실제 건물에서 노후 AHU에 대해 개발된 최적 제어 변수를 적용한 구현을 통해, 시뮬레이터 내의 제안된 자동 튜닝 PID 제어 및 머신러닝을 결합한 방법은 점유 기간 동안 정상 상태의 실내 온도를 (23.5 ± 0.5 °C)로 97% 개선한다. 또한 이것이 일평균 기준으로 냉방 에너지 소비를 최대 13.71%까지 감소시킬 수 있음이 입증된다. 성공적인 AHU 제어기는 AHU 시스템의 안정성뿐 아니라 건물 에너지 사용 효율과 실내 열적 쾌적성도 향상시킬 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.