건물에너지 최적화를 위한 멀티 에이전트 기반 분산 에너지 제어 기술 개발 :Development of Multi-Agent Based Distributed Energy Control Technology for Building Energy Optimization

김익성

추천

검색

자료유형: 학위논문

저자정보: 김익성 (전남대학교, 전남대학교 대학원)

지도교수: 김우현

발행연도: 2022

저작권: 전남대학교 논문은 저작권에 의해 보호받습니다.

이용수26

이 논문의 연구 히스토리 (5)

2022

베터리 에너지 저장장치를 포함한 복수 건물에서의 멀티 에이전트 기반 전기에너지 소비 최적화 알고리즘 개발

김익성 , 김우현 대한기계학회 춘추학술대회 2022.06 학술대회자료

건물에너지 최적화를 위한 멀티 에이전트 기반 분산 에너지 제어 기술 개발

김익성 2022.01 학위논문

2021

멀티 에이전트 기반의 시장기반 제어 기술을 활용한 복수 건물의 전기에너지 소비 최적화 알고리즘 개발

김익성 , 김우현 대한기계학회 춘추학술대회 2021.11 학술대회자료

상업용 건물의 전기에너지 절감을 위한 멀티에이전트 시장기반 제어 기술 개발

김익성 , 김우현 대한기계학회 춘추학술대회 2021.05 학술대회자료

2020

상업용 건물에서 전기에너지 소비 절감을 위한 멀티 에이전트 기반의 분산에너지 제어 기술 개발

김익성 , 김우현 , 송유진 설비공학논문집 2020.02 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 단일 건물 및 복수 건물에서의 에너지 생산과 소비, 저장을 효과적으로 최적화하고 건물의 다양한 종류의 분산된 에너지 수요자원들을 실시간 전기요금에 따라 제어하여 재실자의 편의성 향상과 건물에너지 비용 절감을 할 수 있는 멀티 에이전트 기반 분산 제어 기술을 제안한다. 멀티 에이전트 기반 분산 제어 기술은 건물의 다음 Time step에서의 에너지 사용량 예측을 통하여 실시간 전력 그리드와 통합해 사용자의 편의성에 큰 영향을 미치지 않고 원하는 수준으로 에너지 소비 유지를 목표로 한다. 분산 에너지 최적화 제어 기술에는 시장기반 제어 기술을 사용하였으며 시장기반 제어 기술은 2가지로 나뉜다. 첫째, 가격 응답 (Price Response) 제어는 실시간 전기가격에 따라 설정온도 및 조도레벨 값을 결정한다. 둘째, 수요 제한 (Demand Limit) 제어는 목표로 설정한 수요를 넘지 않는 선에서 사용자의 쾌적성과 전력 사용량을 최적화한다. 분산 에너지 제어 기술의 검증은 시뮬레이션 환경에서 단일 건물과 복수 건물에 대하여 진행하였다. 단일 건물의 경우, PV 및 열에너지 저장 시스템을 통합해 시장 기반 제어를 통해 건물의 설정온도 및 조도레벨을 결정하고, 복수 건물의 경우, 다양한 건물 모델을 하나의 캠퍼스 단위에서 통합해 캠퍼스로부터 결정된 시장가격을 사용해 각 건물의 설정온도 및 조도레벨을 결정하였다. 시뮬레이션 결과는 가격응답 제어는 수요제한 제어에 비해서 건물 에너지 비용 절감 효과는 높지만 다양한 에너지원을 추가하였을 때 건물의 설정온도 및 조도레벨을 유연하게 제어하기는 어렵다는 것을 알 수 있었으며, 수요제한 제어는 전력 사용량에 따라 설정온도 및 조도레벨을 유연하게 제어할 수 있었다. 또한, 복수 건물의 경우 각 건물의 에너지 사용량은 캠퍼스 단위에서 효율적으로 제어할 수 있었으며 전력 에너지 사용량 절감 효과를 검증할 수 있었다.

This paper proposes a multi-agent based distributed control technology that effectively optimizes energy production, consumption, and storage in single and multiple buildings. Also, we controls various types of distributed energy demand resources in buildings according to real-time electricity prices. Multi-agent based distributed control technology aims to maintain energy consumption at a desired level without significantly affecting user convenience. Market based control technology was used for distributed energy optimization control technology, and market-based control technology is divided into price response control and demand limit control. First, price response control determines zone cooling temperature set point and dimming level according to real-time electricity prices. Second, demand limit control optimizes the user’s comfort and power consumption to the extent that it does not exceed the target demand. The verification of the distributed energy control technology was conducted for a single building and a multiple building in a simulation environment. In the case of a single building, thermal energy storage systems were integrated to determine the zone cooling temperature set point and dimming level through market based control. In the case of multiple buildings, various building models were integrated at campus level to determine the zone cooling temperature set point and dimming level of each building. The simulation results showed that price response control has a higher building energy cost reduction than demand limit control, but it is difficult to flexibly control the zone cooling temperature set point and dimming level when various energy resources are added. For the multiple buildings simulation, the energy consumption of each building could be efficiently controlled at the campus level, and the effect of reducing power energy consumption could be verified.

#multi-agent #building energy #transactive control

1. 서론 1
가. 연구 배경 1
나. 연구 동향 2
2. 이론적 배경 6
가. 건물 요소별 예측 모델 개발 6
1) 풍량조절장치 (Variable Air Volume, VAV) 모델 6
2) 공기조화기 (AHU system) 및 냉동기 (Chiller system) 모델 8
3) 전기히트펌프 (Electric Heat Pump, EHP) 모델 9
4) 조명 (Lighting) 모델 10
5) 열에너지저장시스템 모델 10
나. 시장 기반 제어 기술 개발 13
1) 시장 기반 제어 구조 14
2) 시장 기반 제어 방법 (수요 제한 제어) 15
3) 시장 기반 제어 방법 (가격 응답 제어) 17
다. 에이전트 시스템 구성 및 설정 19
1) 에이전트 시스템 개요 19
2) 멀티 에이전트 기반 단일 건물 제어 환경 구축 21
3) 멀티 에이전트 기반 복수 건물 제어 환경 구축 23
3. 연구 구성 29
가. 단일 건물 시뮬레이션 조건 29
1) 단일 건물 모델 29
2) 시뮬레이션 조건 30
나. 복수 건물 시뮬레이션 조건 33
1) 복수 건물 모델 33
2) 시뮬레이션 조건 37
4. 시뮬레이션 결과 및 해석 39
가. 단일 건물 제어 시뮬레이션 결과 (가격 응답 제어) 39
1) Case 1 39
2) Case 2 41
3) Case 3 43
4) Case 4 45
5) Case 5 47
나. 단일 건물 제어 시뮬레이션 결과 (수요 제한 제어) 48
다. 복수 건물 제어 시뮬레이션 결과 (가격 응답 제어) 50
5. 결론 53

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (5)

초록· 키워드

목차

최근 본 자료

댓글(0)