公开(公告)号：KR101727434B1

公开(公告)日：2017-04-26

申请号：KR1020160098519

申请日：2016-08-02

Applicant: 성균관대학교산학협력단

Inventor： 박철수 ,  신한솔 ,  서원준 ,  추한경

IPC: F24F11/00 ,  G05B13/04

CPC classification number: F24F11/30 ,  F24F11/62 ,  F24F2221/50 ,  G05B13/04

Abstract: 본발명은랜덤포레스트모델을이용한냉동기의성능판단방법에관한것으로서, 본발명에따른랜덤포레스트모델을이용한냉동기의성능판단방법은냉동기와관련된건물에너지관리시스템(BEMS: building energy management system) 데이터를수집하는단계, BEMS 데이터를입력변수로하고냉동기의성능을나타내는출력변수를설정하여랜덤포레스트(random forest) 모델을구축하는단계, 랜덤포레스트모델을구축하는과정에서입력변수의중요도를판단하는단계, 입력변수중 중요도가높은순서로있는입력변수의일부를입력변수로선택하는단계및 선택된입력변수로랜덤포레스트모델을다시구축하는단계를포함하는것을특징으로한다.

Abstract translation: 本发明涉及一种使用随机森林模型，根据本发明的使用随机森林模型的冰箱的性能测定方法的冰箱的性能测定方法在建筑物的能量管理系统中，与冰箱：收集（BEMS建筑能源管理系统）数据 步骤，确定所述输入变量的重要性的过程中输入变量BEMS数据来建立的阶段，随机森林模型，设定表示的冷藏库的构建随机森林（随机森林）模型，类型性能的输出参数的步骤 以变​​量中的重要性顺序选择输入变量的一部分作为输入变量，并用所选输入变量重建随机森林模型。

公开(公告)号：KR101754536B1

公开(公告)日：2017-07-07

申请号：KR1020160092772

申请日：2016-07-21

Applicant: 성균관대학교산학협력단

Inventor： 서원준 ,  신한솔 ,  추한경 ,  박철수

IPC: F24F11/00

CPC classification number: F24F11/59 ,  F24F11/30 ,  F24F11/46 ,  F24F11/62 ,  F24F2140/60

Abstract: 본발명은건물에너지관리시스템을통한냉동기의최적제어방법및 장치에관한것으로서, 본발명에따른건물에너지관리시스템을통한냉동기의최적제어방법은냉동기의성능제어에필요한건물에너지관리시스템(BEMS: building energy management system) 데이터를수집하는단계, BEMS 데이터를입력변수로하여냉동기의전력사용량을예측하도록구축된기계학습모델과최적화알고리즘을이용하여냉동기를최적의효율로운전하기위한입력변수의셋(sets)을선정하는단계, 입력변수의셋 각각을입력하여기계학습모델을통해입력변수의셋 각각에대한냉동기의전력사용량을예측하는단계, 예측된전력사용량과현재냉동기의전력사용량을비교하여냉동기의제어값을설정하는단계를포함하는것을특징으로한다.

Abstract translation: 本发明涉及通过建筑物的能量管理系统，通过建筑物的能量管理系统的建筑物的能量管理系统，用于冰箱的最佳控制方法，性能，根据本发明的冰箱的控制（BEMS最佳控制方法和冷藏库的装置，包括：建筑物 能源管理系统），使用BEMS数据作为输入变量预测冷水机组功率消耗的机器学习模型，以及使用优化算法优化冷水机组运行的输入变量组 ），以输入由相位比较选择的三个单独的步骤，输入变量，所估计的功率消耗和冰箱的当前功率消耗通过冰箱的机器学习模型来预测冰箱三个相应的输入变量的功率消耗 并设置一个控制值。