사례 기반 추론 전략을 이용한 에너지 최적화

현재 가정과 공공 건물의 자동화가 점점 더 인기를 끌고 있습니다. 자동화는 에너지 관리 분야에 가장 일반적으로 적용되며, 이는 전기 네트워크에 연결된 기기의 소비를 관리하고 사용자가 이러한 기기와 상호 작용하는 방식, 소비에 영향을 미치는 기타 외부 요인을 관리할 수 있는 가능성을 제공합니다. 건물에서는 난방, 환기 및 공조(HVAC) 시스템이 가장 높은 소비율을 보입니다. 지금까지 제안된 시스템은 전기 소비와 관련된 모든 변수들을 모니터링하지 않기 때문에 HVAC 시스템과 관련된 에너지 소비 최적화에 성공하지 못했습니다. 이 때문에 본 논문에서는 클라우드 환경에서 무선 센서 네트워크(WSN)와 함께 배치된 다중 에이전트 아키텍처(MAS)의 이점을 활용하는 에이전트 접근 방식을 제시하여 에너지 절약을 달성합니다. MAS의 에이전트는 데이터 수집과 인공 신경망(ANN)의 사용 덕분에 사회적 행동을 학습합니다. 제안된 시스템은 사무실 건물에서 평가되었으며, 실험 그룹 사무실에서 평균 41%의 에너지 절약을 달성했습니다.