사업영역

에너지수요관리 리더, 에너지기술서비스(주)

데이터바우처

시뮬레이션과 모델링의 통합 솔루션


모니터링 부문 : 히트펌프 분석 장지 내의 압력 센서

외기에 설치한 TESTO 557의 오전 오후 1시간 측정 데이터

2019-11-19_11-12.csv : 11월 19일 11시 ~ 12시 측정데이터

날짜/시간
LP [psi]
toh [℃]
to [℃]
△toh [K]
HP [psi]
tcu [℃]
tc [℃]
△tcu [K]
19.11.2019  11:06:02
0.0
65.9
-51.3
117.1
0.0
26.5
-51.3
-
19.11.2019  11:06:03
0.0
66.0
-51.3
117.2
0.0
26.5
-51.3
-
19.11.2019  11:06:05
0.0
66.1
-51.3
117.3
0.0
26.5
-51.3
-
19.11.2019  11:06:07
0.0
66.3
-51.3
117.5
0.0
26.5
-51.3
-
19.11.2019  11:06:09
0.0
66.4
-51.3
117.7
0.0
26.4
-51.3
-
19.11.2019  11:06:11
0.0
66.5
-51.3
117.7
0.0
26.4
-51.3
-
19.11.2019  11:06:13
0.0
66.6
-51.3
117.8
0.0
26.4
-51.3
-
19.11.2019  11:06:15
0.0
66.7
-51.3
117.9
0.0
26.4
-51.3
-
19.11.2019  11:06:17
0.0
66.8
-51.3
118.0
0.0
26.3
-51.3
-
19.11.2019  11:06:19
0.0
66.9
-51.3
118.1
0.0
26.3
-51.3
-
19.11.2019  11:06:21
0.0
67.0
-51.3
118.2
0.0
26.2
-51.3
-
19.11.2019  11:06:23
0.0
67.1
-51.3
118.3
0.0
26.2
-51.3
-
19.11.2019  11:06:25
0.0
67.2
-51.3
118.4
0.0
26.1
-51.3
-
19.11.2019  11:06:27
0.0
67.3
-51.3
118.6
0.0
26.1
-51.3
-
19.11.2019  11:06:29
0.0
67.4
-51.3
118.7
0.0
26.0
-51.3
-
19.11.2019  11:06:31
0.0
67.6
-51.3
118.8
0.0
25.9
-51.3
-
19.11.2019  11:06:33
0.0
67.7
-51.3
118.9
0.0
25.9
-51.3
-
19.11.2019  11:06:35
0.0
67.8
-51.3
119.0
0.0
25.9
-51.3
-
19.11.2019  11:06:37
0.0
67.9
-51.3
119.1
0.0
25.8
-51.3
-

데이터 전처리 : 무선 데이터 검침 에러

결측치 처리

결측치 탐색

실시간(Near Real Time) 탐색

결측 데이터 실시간 탐색 알고리즘은 측정 주기(30~31초)이후에 NA의 값으로 측정되는 데이터를 결측 데이터로 판별


배치(Batch) 탐색

연속된 측정데이터의 간격을 구하여 측정주기를 벗어나는 주기의 범위를 결측 범위 탐색

보정전
보정전

결측치 보정

실시간(Near Real Time) 보정 알고리즘

선보정 : 가장 가까운 시퀀스 데이터를 추출하여 보정
후보정 : 선보정 이후 측정되는 데이터가 보정값과 다를 경우 보정전후 각각 10개의 데이터를 추출하여 최빈값으로 보정


배치(Batch) 보정 알고리즘

결측 데이터의 전후 시퀀스 10개의 데이터를 추출하여 최빈값으로 보정

보정후
보정후

오측치 처리

오측치 탐색

실시간(Near Real Time) 탐색

오측 데이터 실시간 탐색 알고리즘은 데이터 측정시 미리 측정한 Min, Max을 벗어나면 오측 가능 데이터로 판단 Illogical(type error, negative number) 한 경우 오측으로 판단 


배치(Batch) 탐색

이전 측정 데이터와 연속적으로 값의 차이를 구하여 측정일 기준으로 측정값이 range(max-min) 값을 더하거나 뺀 값의 범위를 벗어나는 데이터를 오측치로 판단 

보정전
보정전

오측치 보정

실시간(Near Real Time) 보정 알고리즘

선보정 : 가장 가까운 시퀀스 데이터를 추출하여 보정
후보정 : 선보정 이후 측정되는 데이터가 보정값과 다를 경우 보정전후 각각 10개의 데이터를 추출하여 최빈값으로 보정


배치(Batch) 보정 알고리즘

결측 데이터의 전후 시퀀스 10개의 데이터를 추출하여 최빈값으로 보정

보정후
보정후

성능 평가 모델 : 에너지 밸런스 모델 사용, 히트펌프 평가 분석 알고리즘

  • 온도 : 스카다 데이터에서 수집
  • 유량 : 운영 일지를 통해 정량 유량으로 계산
  • 전기 : smart 전력 데이터에서 용도별 구분하고 예측

현장에서 취득 가능한 정보만 이용하여 최적의 성능 지표 제시

성능지표 개발 = (데이터 분석 예측 성능,시뮬레이션 성능, 이론치)

데이터 예측 모델 : 데이터 분석 기반의 앙상블 알고리즘

  • 앙상블 기법 : 4개의 시계열 기법 중 최적의 정확성 기법을 선택하여 분석 결과 도출
분석기법
함수 이름
MAPS (실제값과 예상값의 정확성)
시계열 분해법
STL
93.04461
다중계절성
TBATS
22.03084
분산분석법
ARIMA
64.19126
신경망분석법
NEURALNET
0.00000
  • 시계열 분해법의 최적 분석법으로 선정하고 정확성 93.04%
  • 앙상블 기법 : 4개의 시계열 기법 중 최적의 정확성 기법을 선택하여 분석 결과 도출
분석기법
함수 이름
MAPS (실제값과 예상값의 정확성)
시계열 분해법
STL
1.598423
다중계절성
TBATS
98.902747
분산분석법
ARIMA
7.036241
신경망분석법
NEURALNET
-13439.653438
  • 짧은 주기를 입력하고 짧은 주기를 예측하는 경우는 다중 계절성을 반영하면 높은 정확성을 보임
  • 예측을 하루 단위로 늘리고 주기를 12개로 늘렸을 경우는 예측을 하지 못함.
  • 5분 주기 20분의 다중 계절성 분석을 할경우 93.04% 달성
  • 앙상블 기법 : 4개의 시계열 기법 중 최적의 정확성 기법을 선택하여 분석 결과 도출
  • 예측을 하루 단위로 늘리고 주기를 12개로 늘렸을 경우는 예측을 하지 못함.
  • 위의 그림은 다중계절성을 사용하여 하루를 예측 할 경우 예측이 불가능한 것을 볼 수 있음. 
  • 간헐적으로 사용하는 기기는 주기성이 없기 때문에 주기를 줄이고 예측 시간을 짧게 하면 예측율이 높게 나타나는 것을 확인 할 수 있음.
  • 따라서 시계열 분석 법을 사용하는 경우는 주기를 갖는 경우가 아니면 다른 변수를 찾고 그 변수를 통한 회귀분석이 적절할 것임.
  • 앙상블 기법 : 4개의 시계열 기법 중 신경망 분석을 사용하여 87.01% 정확성 획득
분석기법
함수 이름
MAPS (실제값과 예상값의 정확성)
시계열 분해법
STL
61.13464
다중계절성
TBATS
69.34981
분산분석법
ARIMA
82.37616
신경망분석법
NEURALNET
87.01896
  • 짧은 주기를 입력하고 짧은 주기를 예측하는 경우는 다중 계절성을 반영하면 높은 정확성을 보임
  • 예측을 하루 단위로 늘리고 주기를 12개로 늘렸을 경우는 예측을 하지 못함.
  • 5분 주기 20분의 다중 계절성 분석을 할경우 93.04% 달성

인포그래픽 : 다양한 열원기기 분석을 위한 사용자 인터페이스 개발

그린 캠퍼스의 인포그래픽
열원기기별 온도 분포

급탕 열원 시스템 (보일러)

난방기기열원 시스템

냉동기 열원 시스템

냉열원 시스템

온열원 시스템

중온수 열원 시스템

터보냉동기 열원 시스템

팻키지 열원 시스템

항온항습기1

터보냉동기 열원 시스템


전체 건물별 에너지 성능 분석

※ 클릭하시면 큰 이미지로 확인하실 수 있습니다.