지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김경옥
- 발행연도
- 2020
- 저작권
- 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.
이용수11
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
스마트 홈 시스템에서 난방 기기 제어 시스템의 활용 빈도가 국내 및 해외에서 증가하는 추세이다. 스마트 홈과 유사한 분야로써 냉난방 부하 예측, 동계 및 하계 전력 수요 예측의 연구가 진행되었다. 기존 연구에서는 첫째, 실제 데이터가 아닌 가상의 데이터이거나 소규모의 데이터를 이용하였고 둘째, 실외 기상 정보와 실내 온도 데이터를 종합적으로 고려하지 않았다. 셋째, 난방 온도조절기 시계열 특성을 고려하지 않은 모델을 이용하여 학습하였다. 마지막으로 같은 특징을 가진 데이터 셋을 분류할 때 클러스터링 시 클러스터 수에 대한 유효성 검증이 부족하였다.
따라서 본 연구에서는 실외 기상 데이터와 실내 기온 정보를 사용하고 실제 공동주택의 대규모 사용자 환경의 난방 데이터를 활용하며 시계열 특성을 반영하는 기계학습 모델을 선정하고 세대 특징을 고려한 클러스터링을 진행한다.
이를 통해 본 연구에서는 공동주택에서 난방 온도 조절기 데이터가 제한적인 경우, 공동주택 전체 데이터와 세대 별 데이터로 기계학습을 했을 때 유리한 시점을 제시하고자 한다.
따라서 본 연구에서는 실외 기상 데이터와 실내 기온 정보를 사용하고 실제 공동주택의 대규모 사용자 환경의 난방 데이터를 활용하며 시계열 특성을 반영하는 기계학습 모델을 선정하고 세대 특징을 고려한 클러스터링을 진행한다.
이를 통해 본 연구에서는 공동주택에서 난방 온도 조절기 데이터가 제한적인 경우, 공동주택 전체 데이터와 세대 별 데이터로 기계학습을 했을 때 유리한 시점을 제시하고자 한다.
목차
I. 서 론 11. 연구의 배경 및 목적 12. 논문의 구성 3II. 선행연구 4III. 연구절차 및 방법 71. 데이터 수집 72. 클러스터링 93. 모델링 114. 연구절차 16IV. 실험 및 결과 분석 181. 클러스터링 결과 182. 모델링 결과 21V. 결 론 301. 연구 요약 및 시사점 302. 연구 한계점 및 향후 연구 방향 33
최근 본 자료
댓글(0)
0