Input Feature Optimization Techniques for a Deep Learning-Based Prediction Model of an Absorption Chiller Plant

흡수식 칠러 시스템의 부하를 정확하게 예측하는 것은 특히 산업용 건물에서 에너지 효율적이고 신뢰성 있는 HVAC 운전을 달성하는 데 있어 핵심적인 요소이다. 전기식 압축기 대신 폐열이나 증기 등에서 얻은 열에너지를 활용하는 흡수식 칠러는 환경 및 운전 조건의 변화에 따라 복잡하고 비선형적이며 시간에 따라 달라지는 동적인 거동을 나타낸다. 본 연구의 주요 기여는 상업용 건물을 대상으로 흡수식 칠러의 운전 특성을 모델링하기 위해 딥러닝 기법을 적용한 데 있다. 특히, attention 메커니즘이 적용된 Seq2Seq 모델을 구현하여 흡수식 칠러와 관련된 건물의 냉방 부하를 예측하였다. 제안된 모델은 냉각수 입구 온도, 냉수 입출구 온도, 증기 입구 온도의 변동 등 다양한 운전 조건에서 성능을 평가하였으며, 그 결과를 기반으로 예측 정확도를 분석하였다. 실험 결과는 딥러닝 기반 접근 방식이 흡수식 칠러 시스템의 운전 제어 및 예측 역량을 향상시키는 데 있어 실용적이고 효과적인 도구가 될 수 있음을 입증한다.