본 연구에서는 칠러 기반 냉방 시스템을 위한 인공신경망(ANN) 기반 실시간 예측 제어 및 최적화 알고리즘을 개발하고, 실제 건물에 적용하여 현장 적용 및 실제 측정을 통해 냉방 에너지 절감 효과를 분석하였다. 이를 위해 시스템 제어 변수로 냉각탑의 응축기수 출구온도와 칠러의 냉수 출구온도를 설정하였다. 분석 과정에서 응축기수 온도 설정점(condenser water temperature set-point)을 결정할 때 실외 공기 습구온도에 대한 고려가 제한되어 있었고, 또한 학습 데이터가 충분하지 않아 예기치 않은 비정상 데이터가 관측되었다. 따라서 다양한 조건에 걸쳐 학습 데이터를 구축할 필요가 있으며, 실외 습구온도 23°C 이상 구간에서는 응축기수 온도 설정점의 하한을 실외 공기 습구온도 +3.6°C로 설정해야 더 큰 에너지 절감이 가능하다.

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