강화학습 기반 V2G Station 연계형 스마트 에너지 빌딩 전력 제어 기법

Reinforcement Learning Based Energy Control Method for Smart Energy Buildings Integrated with V2G Station

전 세계적으로 전력 소비량이 꾸준히 증가하고 있으며, 특히 빌딩의 전력 소비 비율은 세계 전력 소비 비율의 20% 이상을 차지할 만큼 그 비중이 크다. 이에 따라 빌딩에서의 전력 소비를 효율적으로 관리하는 빌딩 에너지관리 시스템(BEMS, Building Energy Management System)의 연구 및 개발이 활발히 진행되고 있으며, 특히 최근에는 인공지능 기술의 발달로 인해 Smart BEMS 연구가 주목받고 있다. 본 논문에서는 강화학습 기반V2G(Vehicle-to-Grid) Station 연계형 스마트 에너지 빌딩 전력 제어 기법을 제안한다. 실제 빌딩의 전력량 데이터기반 성능평가 결과, 학습이 진행됨에 따라 빌딩에서의 전력 요금이 감축하는 것을 확인하였다.

Energy consumption is steadily increasing, and buildings in particular account for more than 20% of the total energy consumption around the world. As an effort to cost-effectively manage the energy consumption of buildings, many research groups have recently focused on Smart Building Energy Management Systems (BEMS), which are deepening the research depth by applying artificial intelligence(AI). In this paper, we propose a reinforcement learning-based energy control method for smart energy buildings integrated with V2G station, which aims to reduce the total energy cost of the building. The results of performance evaluation based on the energy consumption data measured in the real-world building shows that the proposed method can gradually reduce the total energy costs of the building as the learning process progresses.