Air-conditioning and Heating Time Prediction Based on Artificial Neural Network and Its Application in IoT System

냉난방 시간을 예측하는 인공신경망의 구축 및 IoT 시스템에서의 활용

In order for an IoT system to automatically make the house temperature pleasant for the user, the system needs to predict the optimal start-up time of air-conditioner or heater to get to the temperature that the user has set. Predicting the optimal start-up time is important because it prevents extra fee from the unnecessary operation of the air-conditioner and heater. This paper introduces an ANN(Artificial Neural Network) and an IoT system that predicts the cooling and heating time in households using air-conditioner and heater. Many variables such as house structure, house size, and external weather condition affect the cooling and heating. Out of the many variables, measurable variables such as house temperature, house humidity, outdoor temperature, outdoor humidity, wind speed, wind direction, and wind chill was used to create training data for constructing the model. After constructing the ANN model, an IoT system that uses the model was developed. The IoT system comprises of a main system powered by Raspberry Pi 3 and a mobile application powered by Android. The mobile's GPS sensor and an developed feature used to predict user's return.

사용자가 집에 도착하기 전에 IoT 시스템이 집안 온도를 자동으로 쾌적하게 하기 위해서는 사용자의 도착 예정 시간에 맞게 설정한 온도에 도달할 수 있는 최적의 에어컨 및 난방의 가동 시작 시간을 예측해야 한다. 가동 시간을 정확하게 예측한다면 불필요한 가동시간을 줄일 수 있기 때문에 요금 낭비를 피할 수 있는 효과가 있다. 본 논문은 에어컨과 보일러를 사용하는 집의 냉난방 시간을 예측하는 인공신경망과 이를 활용하는 IoT 시스템을 소개한다. 에어컨과 보일러가 특정 시작 온도에서 특정 목표 온도로 집안을 냉난방 하는데 걸리는 시간에 영향을 주는 변수는 집안의 구조, 집안의 크기, 외부 날씨 환경 등으로 매우 다양하다. 그중에서 측정 가능한 변수인 집안 온도, 집안 습도, 외부 온도, 외부 습도, 풍향, 풍도, 풍속 냉각 효과를 활용하여 학습데이터를 만들고 최적의 인공신경망을 구축하였다. 인공신경망을 구축한 후에는 이를 활용하는 IoT 시스템을 개발하였다. IoT 시스템은 라즈베리파이3 기반의 메인 시스템과 안드로이드 기반의 모바일 애플리케이션으로 구성하였다. 인공신경망을 활용하기 위해 모바일 애플리케이션의 GPS 센서를 활용하여 사용자의 이동 분석하고 귀가 시간을 예측하는 기능을 구현하였다.