[논문 리뷰] Intelligent Building Control Systems for Thermal Comfort and Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted Techniques

Ghezlane Halhoul Merabet, Mohamed Essaaidi외 7명|arXiv (Cornell University)|2021. 04. 06.

Building Energy and Comfort Optimization참고 문헌 192인용 수 4

한 줄 요약

이 체계적 리뷰는 열적 쾌적성과 에너지 효율성을 균형 잡는 데 중점을 두어 AI 보조 기술이 스마트 빌딩 제어 시스템에 어떻게 적용되는지 평가한다. 최적화, 패턴 인식, 예측 제어가 핵심 AI 기능으로 규명되었으며, 성능 향상을 위해 고품질의 실세계 데이터가 필요하다는 점을 강조한다. 그러나 건물 분야에서의 데이터 제약으로 인해 성능은 여전히 최적화되지 못한 상태이다.

ABSTRACT

Building operations represent a significant percentage of the total primary energy consumed in most countries due to the proliferation of Heating, Ventilation and Air-Conditioning (HVAC) installations in response to the growing demand for improved thermal comfort. Reducing the associated energy consumption while maintaining comfortable conditions in buildings are conflicting objectives and represent a typical optimization problem that requires intelligent system design. Over the last decade, different methodologies based on the Artificial Intelligence (AI) techniques have been deployed to find the sweet spot between energy use in HVAC systems and suitable indoor comfort levels to the occupants. This paper performs a comprehensive and an in-depth systematic review of AI-based techniques used for building control systems by assessing the outputs of these techniques, and their implementations in the reviewed works, as well as investigating their abilities to improve the energy-efficiency, while maintaining thermal comfort conditions. This enables a holistic view of (1) the complexities of delivering thermal comfort to users inside buildings in an energy-efficient way, and (2) the associated bibliographic material to assist researchers and experts in the field in tackling such a challenge. Among the 20 AI tools developed for both energy consumption and comfort control, functions such as identification and recognition patterns, optimization, predictive control. Based on the findings of this work, the application of AI technology in building control is a promising area of research and still an ongoing, i.e., the performance of AI-based control is not yet completely satisfactory. This is mainly due in part to the fact that these algorithms usually need a large amount of high-quality real-world data, which is lacking in the building or, more precisely, the energy sector.

연구 동기 및 목표

• 건물 HVAC 운영을 위한 AI 기반 제어 시스템의 최신 기술 동향을 분석하기 위해.
• 열적 쾌적성과 에너지 효율성을 균형 잡는 데 사용되는 핵심 AI 기법을 규명하기 위해.
• 실세계 건물 응용에서 이러한 AI 기법의 성능 및 구현 상태를 평가하기 위해.
• 건물 에너지 시스템에서 AI 모델의 효과성을 저해하는 데이터 품질 및 가용성의 격차를 부각하기 위해.

제안 방법

• 2010년에서 2021년 사이의 AI 보조 건물 제어 시스템에 대한 체계적 문헌 리뷰를 수행하였다.
• AI 기법을 패턴 인식, 최적화, 예측 제어와 같은 기능으로 분류하였다.
• 에너지 및 쾌적성 지표에서의 출력, 구현 방법, 보고된 성능을 기반으로 20개의 AI 도구를 평가하였다.
• 각 AI 기반 솔루션의 실세계 적용 가능성과 데이터 요구사항을 평가하였다.
• 현재 건물 제어를 위한 AI 응용의 강점, 한계 및 연구 격차를 종합하였다.
• 건축 에너지 시스템 분야에서 AI 연구의 발전 추세와 중점 분야를 맵핑하기 위해 문헌정보학적 분석을 사용하였다.

실험 결과

연구 질문

• RQ1 스마트 빌딩 제어 시스템에서 열적 쾌적성과 에너지 효율성 향상을 위해 가장 흔히 적용되는 AI 기법은 무엇인가?
• RQ2 기존 방법과 비교해 실세계 건물 환경에서 AI 기반 제어 시스템의 성능은 어떻게 평가되는가?
• RQ3 건물 에너지 시스템에서 AI 모델의 구현 및 성능에 영향을 미치는 주요 데이터 관련 과제는 무엇인가?
• RQ4 사용자 열적 쾌적성을 훼손하지 않으면서 AI 기법이 에너지 효율성을 얼마나 향상시키는가?
• RQ5 특히 데이터 품질과 확장성 측면에서 AI 기반 건물 제어 분야의 주요 연구 격차와 향후 방향은 무엇인가?

주요 결과

• 검토한 20개의 AI 도구 중에서 에너지 사용과 열적 쾌적성을 균형 잡는 데 가장 자주 사용된 기법은 최적화와 예측 제어였다.
• AI 기반 시스템은 HVAC 시스템의 에너지 소비 감소 잠재력을 보였지만, 연구 간 성능 격차가 뚜렷했다.
• 주요 제한 요소로는 AI 모델을 효과적으로 훈련하고 검증하기 위해 필요한 고품질의 실세계 데이터 부족이 확인되었다.
• 패턴 인식 및 이상 탐지 기능은 건물 운영에서의 시스템 반응성 향상과 고장 탐지 향상에 사용되었다.
• 다소 유망한 결과를 보였음에도 불구하고, 데이터 부족과 구현 복잡성으로 인해 많은 경우 AI 기반 제어 시스템의 성능은 만족스럽지 못했다.
• 이 리뷰는 건물 및 에너지 부문에서 표준화된 데이터셋과 향상된 데이터 수집 인프라의 필요성을 강조한다.