지역난방 공동주택 급탕 열량의 기계학습 기반 예측 모델에 관한 연구 = Heat Consumption Prediction Models Based on Machine Learning for District Heating-Applied Apartment Houses

국문 초록 (Abstract)

열 공급시스템에서 안정적 운영 및 TES(thermal energy storage) 연계를 위한 정확한 열수요 예측은 매우 중요하다. 기존의 머신러닝 활용 예측 모델 개발 연구가 많이 발표되었지만, 열수요 패턴 분석이나 외기온도 중심의 학습만으로는 예측 정확성이 높다고 볼 수 없다. 본 연구에서는 여러 독립변수의 포함 여부에 따른 공동주택 급탕 열량에 대한 사용량 예측 모델을 개발하였다. 먼저, 공동주택에서 사용되는 1년간 급탕 열량 데이터를 확보하여 종속변수로 이용하고, 독립변수는 외기온도 위주의 model A와 다양한 기후 요소를 포함하는 model B, 그리고 기후 요소들과 휴일을 포함한 model C의 구분하여 3개의 모델에 대한 예측 성능을 실시하였다. Model A, B, C의 예측 결과로서 R2값은 0.7596, 0.7814, 0.8144이며, model C, B, A 순으로 예측성능이 우수한 것을 확인하였다.

다국어 초록 (Multilingual Abstract)

In district hot water heating supply systems, accurate prediction of heat demand is crucial for stable operation and integration of the thermal energy storage (TES) system. Various prediction models based on machine learning have been developed in the past; however, these models, relying solely on pattern analysis and outdoor temperature, may not guarantee high prediction accuracy. In this study, we developed three categories of heat consumption prediction models for district heating in residential buildings based on various independent variables. First, we collected data on heat consumption in residential buildings and used it as the dependent variable. In terms of the independent variables, we developed three models: model A, which focused on outdoor temperature; model B, which included various climatic factors; and model C, which added holiday and season to the climatic factors. We evaluated the prediction performance of these models. The R2 values of models C, B, and A were 0.8144, 0.7814, and 0.7596, respectively.