개인화 HVAC·전력부하 예측 기반 에너지관리 연구

Energy Management via Personalized HVAC and Power Load Forecasting Research

연구 내용

열쾌적 기반의 개인화 HVAC 예측과 심층 강화학습 제어를 수행하고, 일 예측 결과와 잔차 특성을 활용한 VSTLF 모델로 단기 운영 불확실성을 줄이는 연구

건물 에너지 소비와 이용자 만족을 함께 다루기 위해 열쾌적 예측과 HVAC 운용을 연결하는 데이터 기반 모델을 연구합니다. Thermal sensation vote, 실내 온도·습도 데이터를 활용해 개인화 열쾌적 예측 모델을 구성하고, PMV의 한계를 보완하는 방향으로 설계합니다. 또한 개인화 HVAC를 목표로 딥러닝 기반 강화학습을 적용하여 운용 최적화를 수행하고, 건물 시뮬레이션을 통해 만족도와 운용 비용을 함께 평가합니다. 전력계통 관점에서는 day-ahead load forecasting 결과와 부하 변동·잔차 패턴을 결합해 VSTLF를 수행하고, BTM PV로 인한 불확실성을 완화하기 위한 재구성 기법을 포함합니다.

관련 프로젝트

0건

연구 흐름

2023년에는 열쾌적의 개인차를 반영하기 위해 데이터 기반 개인화 예측 모델을 구축하고, GA 기반 최적화로 개인화 HVAC 운용 문제를 구성했습니다. 2024년에는 개인화 운용 목표를 강화학습 프레임에 반영하여 견고한 DRL 기반 personalized HVAC 제어 접근으로 확장했습니다. 2025년에는 건물·수요 측 운영의 다음 단계로 VSTLF를 대상으로, day-ahead 예측 결과의 추세 정보와 부하 변동의 잔차 패턴을 결합하는 XGBoost 기반 예측 모델을 제시하고, BTM PV가 유발하는 불확실성을 줄이기 위한 load reconstitution 절차를 도입했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

개인화 열쾌적 예측 모델
HVAC 운용 최적화 제어
강화학습 기반 건물 에너지 관리
PMV 대비 만족도 개선 평가
VSTLF 운영 의사결정
day-ahead 기반 단기 예측
BTM PV 불확실성 완화
부하 변동 특성 기반 예측
에너지 수요 예측 데이터 파이프라인
건물 시뮬레이션 기반 검증 프레임