[EMS] 에너지 빅데이터 분석

에너지 데이터 분석 개요

에너지 절감 방안 - 운전점 변경(운전점의 위치를 알아야 효율적인 절감이 가능=설비 최적화), 설비 설치 등등 

에너지공단 팁스에가면 운전점 볼 수 있다. 이지팁스에 해결방안 리스트 볼 수 있다.

강화학습 모델의 문제는 보상을 어떻게 할 것인가.

 

건물에너지 데이터 분석 대상 설비

1.  전기 사용 주요 설비
   • 전기사용 동력 설비
   • 전기사용 열 설비
   • 전기사용 조명 설비
2. 가스 사용 주요 설비
   • 가스사용 동력설비
     • 냉방/난방 시스템 :  가스 히트 펌프(GHP) 등
     • 발전 시스템: 가스 엔진, 가스 터빈 등
   • 가스 사용 열 설비
     • 냉방/냉동 시스템 : 흡수식 냉동기, 흡수식 냉온수기 등
     • 난방/급탕 시스템 : 보일러 등
     • 기타 :  공업로, 건조로 등

 

에너지 절감의 원리:

1. 에너지 시스템 개선
2. 저효율 설비 교체
3. 운전 방법 개선

요금제를 절감(비용 최적화) 혹은 에너지 사용량을 절감 (에너지 최적화): 가스는 요금이 동일하지만 전기는 계절과 시간마다 다름

 

 

온실 가스 패널티

- 수출 제한, 탄소세 부과

 

통상적인 에너지 데이터 분석구조와 문제점

 

 

냉동변압기는 

부하율, 이용율을 구할때 최대용량이 아닌 최대부하전력, 변압기용량을 사용한다 

데이터 수집 시 시간데이터를 함께 수집해야한다. 

변압기의 1% 효율개선이 매우 크다 (다른 설비에서 1%는 매우매우 미미한 수치)

 

 

몰리에르 선도 냉매와 엔탈피

 

기압이 올라가면(압축) 온도도 올라간다 

1기압 = 100도

2기압 = 120도

 

 

냉각탑

APPROACH 온도 : 냉각수의 냉각탑 출구와 습구온도와의 차이

외기온도가 낮아도 습도가 낮으면 냉각수의 온도는 낮아진다. 

APPROACH온도가 클수록 냉각탑 효율이 낮음

 

 

 

 

다중회귀분석

- 설명변수가 N개이며 레이블과의 관계가 선형인 회귀분석

 

다항회귀분석

- 설명 변수가 N차항인 회귀분석

 

1개의 설명변수를 2차방정식으로 만들기 => 1개의 설명변수 제곱값을 2번째 설명변수로 생성한다.

 

 

성능 검증

MAE

RMSE

RMSLE

 

 

에너지 절감을 위한 예측 모델은

부하가 40%미만일때 에너지사용량을 예측하는게 더 중요하다. 부하가 높을때는 자동제어를 통해 효율 좋게 동작됨

따라서 RMSLE 성능평가가 적합하다.

 

 

인공지능 활용 회귀분석

(지도학습/ 강화학습 / 비지도학습)

 

 

 

 

 

 

회귀분석에 DNN 사용하기

심층신경망(DNN) : 여러개의 은닉층을 가진 신경망. 매우 복잡한 데이터에서 숨겨진 패턴을 학습할 수 있는 능력을 가지고 있다. 은닉층의 수가 많아지면 모델의 표현력이 증가하여 더 복잡한 문제를 해결할 수 있다.

• 장점
  • 복잡하고 추상적인 데이터의 패턴을 학습할 수 있음
  • 큰 데이터 세트에서 우수한 성능을 발휘함
• 단점
  • 많은 계산 자원을 요구, 훈련에 시간이 많이 소요됨
  • 모델 튜닝과 하이퍼파라미터 조정이 어려울 수 있음
• ANN과 DNN

 

 

에너지 시스템 모델링과 시뮬레이션

1. 문제정의

• 데이터 분석을 통해 해결하고자 하는 문제를 정의

2. 에너지 시스템 모델 설계

• 데이터 분석의 대상이 되는 에너지 시스템 모델링
• 분석 범위 설정

3. 데이터 정의/ 수집

• 설명 변수와 예측 변수의 정의
• 정의된 데이터의 수집 방법

4. 데이터 전저리 및 피처 엔지니어링

• 데이터를 분석에 적합한 형태로 가공하는 방법을 정의
• 데이터 단위 변환, 통일 (매우 중요)

5. 시스템 모델 구축

• 시뮬레이션을 위한 모델 구축

6. 최적 운전 시뮬레이션

• 총 에너지 소비량을 최소화하기 위한 운전점 도출 

 

* 엔탈피

같은 공기량에서의 열함량

 

*pmv

예상평균온열감으로 P.O. Fanger 가 제안한 것으로 인체와 주위 환경간의 열평형방정식으로 부터 PMV는 인간과 주위환경의 6가지 온열환경요소(기온, 습도, 기류, MRT, 대사량, 착의량)를 측정하여 산정. 따뜻하고 추운정도를 -3에서 +3까지의 수치로서 나타냄.

 

 

Feature Extraction 

: Raw 데이터(계측데이터)의 연산 또는 데이터베이스 연동 통한 새로운 데이터 생성

• 시간: Timestamp(년월일시)에서 시간만 추출
• 관측외기습도: 향후 측정 취득 필요(기상청 과거 데이터는 일평균 값 제공
• 실내온도/실내습도: 향후 측정취득 필요
• 냉수왕복온도차[°C]=냉수환수온도 - 냉수공급온도
• 냉동부하[Mcal] = 냉수왕복온도차 * 냉수유량(LPM) * 60 / 1,000
• 냉동기용량[RT] = 기계설비 도면 및 부하계산서 참조 취득
• 냉동부하율[%] = 냉동부하/ (냉동기용량RT * 3024/1,000)
• 냉동기COPI 1 = 냉동부하/ (냉동기전력량 * 860/1,000)
• 냉각수 왕복온도차 [°C= 냉각수환수온도 - 냉각수공급온도

 

- 냉수왕복온도차: 냉동부하 구하기위해 필요

- 냉동기용량 : 냉동기가 1톤의 물을 하루동안에 1톤의 얼음으로 바꿀수 있는 용량? 능력?

- 냉동부하율: 3032/1000

 

 

에너지 시스템 모델링을 위한 데이터 전처리

- 설비 작동 데이터의 이상치는 설비 운전의 특성이 반영된 것이 많다. 따라서 이상치 제거는 하지 않는다

 

---

설비체계 3개를 마스터한다...!를 목표로....

산더미같은 도메인 지식이 필요한 분야인걸 매일매일 느끼는 중