메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
채영은 (경북대학교) 김재성 옥진성 (대우조선해양) 서영균 (경북대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.49 No.12
발행연도
2022.12
수록면
1,062 - 1,070 (9page)
DOI
10.5626/JOK.2022.49.12.1062

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 건조 중인 LNG 화물창 환경을 안정적으로 유지하고 에너지를 최소화하기 위한 심층 강화학습 기반 공조 제어 방법을 제안한다. 건조 중인 화물창 내부와 같은 특수한 환경은 여러 요인에 의해 영향받기 쉬우므로, 정보를 정확히 예측하여 에너지 소모가 많은 공조 시스템을 자동으로 제어하기 어렵다. 이러한 문제를 완화하기 위해, 우리는 심층 강화 학습 모델을 통해 훈련된 공조 제어 에이전트를 통해 실내 환경을 안정적으로 제어하는 최신 방법을 제안한다. 이 방법에서는 운영 상황에 대한 전문지식 없이, 수집된 데이터의 상관 분석을 기반으로 실내 환경 상태 예측 모델을 구성하고, 모델을 기반으로 상태와 행동을 정의한 후 보상 기능을 통해 정책으로 훈련된 에이전트를 구축한다. 제안한 방법의 유효성을 확인하기 위하여, 우리는 실제 LNG 화물창 내부 공조 시스템에서 수집한 데이터를 이용하여 구축한 시뮬레이션 환경에서 HVAC 제어 성능 평가를 수행한다. 우리의 시뮬레이션 결과는 본 논문에서 고려하였던 3종의 강화학습 모델 중 Double DQN 모델이 공조 제어에 가장 효과적임을 보인다. 또한, 그 결과는 학습된 에이전트가 사용자-지정 온도 내에서 화물창 내부 환경을 안정적으로 유지 시키면서 일 평균 28.2%까지 전력 소모를 줄일 수 있음을 보인다.
#강화학습 #공조 시스템 #최적 자동제어 #에너지 소모 최소화 #안정적인 환경 #심층 큐-망 #reinforcement learning #HVAC system #optimal auto control #energy consumption minimization #stable environment #deep Q-network

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 심층 강화학습 기반 공조 제어
4. MDP(Markov Decision Process) 설계
5. 실험 및 결과
6. 결론 및 향후 연구
References

참고문헌 (22)

참고문헌 신청
N. Kim, S. Jeong, B. Jang, and C.-K. Kim, "Rank Correlation Coefficient of Energy Data for Identification of Abnormal Sensors in Buildings," Journal of KIISE, Vol. 44, No. 4, pp. 417-422, April 2017. (in Korean) google schola Tianshu Wei, Yanzhi Wang, and Qi Zhu, "Deep Reinforcement Learning for Building HVAC Control," DAC '17: Proceedings of the 54th Annual Design Automation Conference 2017, No. 22, pp. 1-6, June 2017. google schola K. F. Fong, V. I. Hanby, and T. T. Chow, "HVAC System Optimization for Energy Management by Evolutionary Programming," Energy and Buildings, Vol. 38, pp. 220-231, Marh 2006. google schola J. Yang, "Trends in the 2nd Quarter and 1st Half of 2021 in the Shipping and Shipbuilding Industries," https://url.kr/nste3i, July 2021. Chris P. Underwood, HVAC Control Systems: Modeling, Analysis and Design, 1st Edition. Routledge, December 2002. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

풍속과 풍력터빈 용량을 고려한 대용량 해상풍력발전단지의 경제성 평가에 관한 연구
문원식 ,  신중우 ,  윤광훈 전기학회논문지 2021 .07
재생에너지 시스템의 데이터 기반 모델예측제어와 과제
최원준 건축 2023 .01
인공지능을 이용한 에너지저장시스템 제어 기술 개발
신철호 건축환경설비 2022 .07
건강 실내공기질(IAQ) 유지를 위한 강화학습 기반 환기 시스템, 공기 청정기의 최적 통합 제어
김선호 ,  윤영란 ,  김정원 외 1명 한국생활환경학회지 2022 .04
강화학습을 이용한 건물 에너지 최적 제어
안기언 ,  박철수 ,  여명석 대한건축학회 학술발표대회 논문집 2018 .04

최근 본 자료

전체보기

댓글(0)

0