FEMS EIS를 위한 MLP, LSTM 및 SVR 기반 전력 소비 예측모델의 비교

Comparison of MLP, LSTM, and SVR-based Energy Consumption Prediction Models for EIS in FEMS

공장에너지관리시스템 (FEMS) 은 계측된 에너지 관련 데이터를 수집하는 EGW(Edge computing GateWay), 데이터를 전처리 및 저장하는 DAS(Data Acquisition System), 에너지 사용을 모니터링 및 분석하여 정보를 제공하고 개선사항을 도출할 수 있도록 하는 EIS(Energy Information System), 그리고 효율적 에너지 사용을 위한 설비 제어 기능 등을 제공하는 EOS(Energy Optimization System) 등으로 구성된다. 이처럼 에너지 효율화를 위한 다양한 기능이 포함된 공장에너지관리시스템은 국내 총 에너지 소비의 상당 부분을 차지하는 산업 부문의 에너지 저감을 위해 주목받고 있다. 본 연구는 FEMS EIS 에의 적용을 위한 에너지 소비 예측 연구의 일환으로 대상 공장의 전력 소비 예측을 위해 대표적인 머신러닝 알고리즘에 해당되는 MLP(Multi Layer Perceptron), LSTM(Long Short Term Memory Network), SVR(Support Vector Regression) 을 활용하였으며, SVR의 경우에는 Linear, RBF, Polynomial 커널로 구분하여 적용하였다. 각 알고리즘을 적용했을 때의 예측모델의 타당성은 CvRMSE 및 결정계수 R²(R-Squared) 로서 판단하였다. CvRMSE 및 R² 결과가 ASHRAE Guideline 기준에 부합한 예측모덴에 대해서는 일 단위 (Daily) 의 예측값(Predicted value) 과 실측값(Measured value) 을 비교하여 주말을 제외한 임의의 한달치 기간에 대한 평균 오차율(Average error rate) 및 예측 정확도(Accuracy of Prediction) 를 확인하였댜 예측모델의 타당성은 MLP, LSTM, SVR 모델 순으로 높았으며 (MLP: CvRMSE 7.62%, R² 0.83, LSTM: CvRMSE 17.64%, R2 0.81, SVR—linear: CvRMSE 22.24%, R2 0.70, SVR—rbf: CvRMSE 20.52%, R² 0.75, SVR—poly: CvRMSE 22.10%, R2 0.71), MLP 및 LSTM 모델이 ASHRAE Guideline의 기준에 부합함을 확인하였댜 MLP 모델의 경우 평균 오차율 6.14%, 예측 정확도 93.86%, LSTM 모델의 경우 평균 오차율 12.17%, 예측 정확도 87.83%로, 대상 공장의 전력 소비 예측에 있어서는 MLP 모덴이 가장 적합함을 확인하였다.