Earticle

초록

한국어

바닥 난방 시스템을 사용하는 일반주택에서, 급격한 외부 기상상태의 변화 및 주택과 보일러 특성에 따른 열 이동 등 다양한 변수를 고려하여 실내쾌적성을 유지함과 동시에 난방 에너지소비량을 최소화하는 것이 중요하다. 본 논문 은 실제 사용자의 보일러 운영정보와 기상정보 및 LSTM 딥러닝 모델을 활용하여 일반주택의 실내온도 예측을 수 행하였다. 시간에 따른 보일러 운영정보 및 기상정보 중 사용자의 실내온도와 상관관계가 있는 변수를 학습 인자로 선정하였다. 이후, LSTM 베이스라인을 구축하여 밀집층의 노드 개수, 드롭아웃 비율, L2 정규화 파라미터, 배치 사이즈, 학습 시간 대역에 따른 성능 변화를 관찰하여 최적화를 수행하였다. 학습 파라미터들의 최적화를 수행한 결 과, MAE는 0.3780, RMSE는 0.5306으로 직관적으로 평균 오차 0.38℃에 해당하는 우수한 성능을 확인하였다.

영어

In general houses using floor heating systems it is important to maintain indoor comfort and minimize heating energy consumption by considering various variables such as rapid changes in external weather conditions and heat movement according to housing and boiler characteristics. This paper performed indoor temperature prediction of general housing using actual user boiler operation information, weather information, and LSTM deep learning model. Among boiler operation information and weather information over time, a variable correlated with the user's indoor temperature was selected as a learning factor. After that, the LSTM baseline was established to perform optimization by observing performance changes according to the number of nodes in the dense layer, drop-out ratio, L2 regularization parameter, batch size, and learning time band. As a result of performing the optimization of the learning parameters, the MAE was 0.3780 and the RMSE was 0.5306, intuitively confirming excellent performance corresponding to the average error of 0.38°C.

목차

요약
Abstract
1. 서론
2. 실내온도 예측의 이론적 배경
3. 데이터 구축
3.1 데이터 수집
3.2 데이터 히트맵
3.3 데이터 전처리
4. 실내온도 예측모델 실험 및 평가
4.1 LSTM 선정 배경
4.2 LSTM Base line
4.3 평가지표
4.4 모델 최적화
5. 결론
Acknowledgements
참고문헌

저자

• 이희원 [ Huiwon Lee | 인하대학교 공학대학원 전자전기컴퓨터공학과 ]
• 김덕환 [ Deok-Hwan Kim | 인하대학교 공학대학원 전자공학과 ] 교신저자

참고문헌