메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
채영태 (청주대학교)
저널정보
한국건축친환경설비학회 한국건축친환경설비학회 논문집 한국건축친환경설비학회 논문집 제12권 제6호
발행연도
2018.12
수록면
579 - 590 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Anomaly detection on building energy consumption has been regarded as an effective tool to reduce energy saving on building operation and maintenance. However, it requires energy model and FDD expert for quantitative model approach or large amount of training data for qualitative/history data approach. Both method needs additional time and labors. This study propose a machine learning and data science approach to define faulty conditions on hourly building energy consumption with reducing data amount and input requirement. It suggests an application of Support Vector Data Description (SVDD) method on training normal condition of hourly building energy consumption incorporated with hourly outdoor air temperature and time integer in a week, 168 data points and identifying hourly abnormal condition in the next day. The result shows the developed model has a better performance when the ν(probability of error in the training set) is 0.05 and γ (radius of hyper plane) 0.2. The model accuracy to identify anomaly operation ranges from 70% (10% increase anomaly) to 95% (20% decrease anomaly) for daily total (24 hours) and from 80% (10% decrease anomaly) to 10%(15% increase anomaly) for occupied hours, respectively.
#건물에너지 #이상현상감지 #서포트 벡터 머신 #비감시 기계학습 #Building energy consumption #Anomaly detection #Support vector data description(SVDD) #Unsupervised machine learning

목차

ABSTRACT
서론
연구방법
결과 및 토의
결론
References

참고문헌 (18)

참고문헌 신청
[단행본] - 한국에너지공단 / 2017 / 에너지통계핸드북 google schola [학술지(정기간행물)] - Bynum, J. D / 2012 / Development and testing of an automated building commissioning analysis tool(ABCAT) / Energy and Buildings 55 : 607 ~ 617 google schola [학술지(정기간행물)] - Field, K / 2010 / Using DOE commercial reference buildings for simulation studies / Proceedings of SimBuild 4 (1) : 85 ~ 93 google schola [학술지(정기간행물)] - Hazen, B. T / 2014 / Data quality for data science, predictive analytics, and big data in supply chain management : An introduction to the problem and suggestions for research and applications / International Journal of Production Economics 154 : 72 ~ 80 google schola [학술지(정기간행물)] - Hsu, C. W / 2002 / A comparison of methods for multiclass support vector machines / IEEE transactions on Neural Networks 13 (2) : 415 ~ 425 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

이진 이상치 탐지기 앙상블을 이용한 이상 패턴 탐지
김태공 ,  박정희 한국정보과학회 학술발표논문집 2019 .06
트리 기반 앙상블 모델 구성을 이용한 이상치 탐지
김지일 ,  김태공 ,  박정희 한국정보과학회 학술발표논문집 2018 .12
약한 지도학습 기반의 Deep SVDD를 통한 주편 절단 공정의 불꽃 비산 감지
김성욱 ,  백지현 ,  김수상 외 2명 제어로봇시스템학회 논문지 2022 .05
국내 상업용 에너지다소비건물 규모별 하절기 전력 소비량과 기상 및 시간변수 영향도 분석
정진화 ,  정유찬 ,  채영태 한국생활환경학회지 2021 .02
지하철 역사 공조기의 V-belt 이상 작동 감지 알고리즘에 대한 연구
김성운 ,  김민중 ,  이영대 외 1명 한국통신학회 학술대회논문집 2019 .01

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-546-000480440