PHM 기반 공조설비의 고장 패턴 학습을 통한 미세먼지 저감 알고리즘 개발
Design of particulate matter reduction algorithm by learning failure patterns of PHM-based air conditioning facilites
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구에서 우리는 PHM 기반 공조설비의 연쇄 고장 패턴을 학습하여 미세먼지의 상태를 조절할 수 있는 알고리즘을 설계하였다. 공조설비의 고장으로 인한 공조설비 가동중단과 이로 인한 미세먼지의 확산은 불가피하다. 우리가 개발한 알고리즘은 PHM을 통한 미세먼지 관리 체계를 수립하는 것으로써 공조기 정지/가동 패턴학습을 통하여 일정하게 안정화 상태를 유지하고 이를 기반으로 미세먼지를 관리하는 알고리즘이다. 알고리즘의 성능을 평가하기 위해 지하철 역 내에서 시뮬레이션 한 결과, 미세먼지의 농도가 평균 30% 감소하는 것을 알 수 있었다. 지하철 이용 승객이 많은역의 경우 미세먼지 농도가 환경부 기준(100㎍/㎥)을 초과하였지만, 시뮬레이션을 실시한 모든 역에서 미세먼지 농도가 개선되었음을 알 수 있었다. 향후 연구로는 지하철 역사 내의 미세먼지 뿐만아니라 CO2, CO, NO2 등 오염물질을 종합적으로 관리할 수 있도록 시스템을 확장하는 것이다.
Abstract
In this paper, we designed an algorithm that can control the state of PM by learning the chain failure pattern of PHM based air conditioning facility. It is an inevitable spread of PM due to the downtime caused by the failure of the air conditioning facility. The algorithm developed by us is to establish a PM management system through PHM, and it is an algorithm that maintains a constant stabilization state through learning the stop/operation pattern of the air conditioner and manages PM based on this. As a result of the simulating at a subway station for the performance qualification of the algorithm, it was verified that the concentration of PM reduces by 30% on average. In the case of stations with many passengers using the subway, the concentration of PM exceeded the Ministry of Environment Standards(100 ㎍/㎥), but it was verified that the concentration of PM was improved at all stations where the simulation was conducted. In the future research is to expand the system to comprehensively manage not only PM but also pollutants such as CO2, CO, and NO2 in subway stations.
참고문헌 (19)
- 노영만, "서울시 지하철 객차내에서의 미세먼지 농도 평가", 한국산업보건학회지, 17(1), pp.13~20 (2007), 한국산업보건학회
- 배영철, "크레인 안전 운전을 위한 모니터링 시스템 개발", 한국전자통신학회 논문지, 9(11), pp.1305~1310 (2014), 한국전자통신학회
- B. Jung, "Measurement and Management of Fine Dust in Railroad and Station", National Technology Proposal Insight, 2, pp.1~29 (2021)
- 김만화, "도시철도 터널 내 미세먼지 확산 및 분포에 관한 연구", 한국도시철도학회논문집, 4(4), pp.577~582 (2016), 한국도시철도학회
- J. Kim, "Construction of real-time Measurement and Device of reducing fine Dust in Urban Railway", 2020 Summer Conference of the Korea Society for Railway, pp.101~102 (2020)
- Lee, T. W., "A Construction of the N-BMS Focused on the Building Service Equipment(N-BMS :National Building Management System)", Proceeding of the SAREK, pp.149~154 (2007)
- Y. Cho, "Study on the Effects of Fan on Particulate Matters Movement in Railroad Tunnel", 2019 Winter Conference of the Korean Society for Railway, pp.83~84 (2019)
- 배성환, "전류 테스팅 고장모델을 위한 객체기반의 고장 검출", 한국전자통신학회 논문지, 5(4), pp.443~449 (2010), 한국전자통신학회
- V. Mnih, "Human-level control through deep reinforcement learning", Nature, 518(7540), pp.529~533 (2015)
- 이한섭, "천연 다당류 먼지포집제를 이용한 지하철 터널 내 PM10 제어에 대한 연구", 한국환경보건학회지, 43(2), pp.122~129 (2017), 한국환경보건학회
- 박종헌, "지하철 역사 미세먼지(PM10)의 확산방향과 확산속도 추정 (서울 지하철 5호선 개화산역을 대상으로)", 대한교통학회지, 28(5), pp.55~64 (2010), 대한교통학회
- Y. Lee, "A Study on the Building Energy Efficiency Rating Changes by Enhanced Thermal Insulation Performance of Building Envelope Standards in Apartment Houses", 2018 Summer Conference of Society of Air-Conditioning and Refrigerating Engineers of Korea, pp.935~936 (2018)
- S. Kwon, "Intelligent AI-based Find Dust Management System", Railway Journal, 22(1), pp.58~64 (2019)
- H. Lim, "A Study on the Optimization of the Particulate Matter Reduction Device in Underground Subway Station", 2019 Spring Conference of the Korean Institute of Industrial Engineers, pp.3786~3786 (2019)
- Y. Lee, "A Study on vane and slot shape of air conditioner"s duct for improvement indoor cooling air temperature distribution", 2016 Spring Conference of the Korean Society for Railway, pp.646~651 (2016)
- J. Kim, "A Study on Management Measures for Aerosol Dust Reduction of the Urban Railway in DJET", 2019 Winter Conference of the Korean Society for Railway, pp.134~135 (2019)
- B. Recht, "A tour of reinforcement learning: The view from continuous control", Annual Review of Control, Robotics, and Autonomous Systems, 2(1), pp.253~279 (2019)