저자 소개
-
학력 / 경력 정보
활동내역
저자의 다른 글 보기
지속가능기술 2026;3(4):75-80. Published online: Oct, 1, 2026
탄소중립 및 에너지 효율 향상 요구가 확대됨에 따라, 산업용 냉동창고와 같은 에너지 다소비 시설의 운영 최적화가 기술적 과제로 부각되고 있다[1]. 냉동창고의 소비전력은 외기 및 실내 온도, 출입문 개폐, 재고량, 제상 및 냉동기 운전상태 등 다양한 요인의 영향을 받으며, 시간에 따라 복합적이고 비선형적으로 변화한다. 따라서 기존의 정적 열부하 계산 또는 선형 회귀 기반 접근만으로는 실제 운전 조건에서 발생하는 동적 부하 변동을 정밀하게 예측하는 데 한계가 있다[2, 3]. 모든 운전 변수를 실시간으로 계측하기 위해서는 인프라 구축 및 유지관리 비용이 증가하며, 과도한 입력변수 확장은 다중공선성(Multicollinearity) 문제를 유발하여 모델의 과적합 및 일반화 성능 저하로 이어질 수 있다. 따라서 현장 적용성을 고려한 예측모델에서는 취득이 용이하면서도 부하 변동과 상관성이 높은 핵심 변수를 선별하는 것이 중요하다[4-6]. 본 연구에서는 산업용 냉동창고에서 장기간 수집한 현장 계측 데이터와 외기 기상 데이터를 활용하여 LSTM(Long Short-Term Memory) 기반 소비전력 예측모델을 구축하였다. 소비전력 데이터가 지닌 시계열적 장기 의존성(Long-term dependency)을 효과적으로 학습하기 위해 LSTM을 채택하였다. 특히 복잡한 신경망 구조를 지양하고 연산 부하를 최소화하여, 실시간 현장 제어에 활용될 수 있는 실용적인 예측모델을 개발하는 데 연구의 목적을 두었다. 이를 위해 실내외 온도 및 시간 주기성 등 현장 적용성이 높은 핵심 변수를 중심으로 데이터셋을 구성하였으며, K-fold 교차검증 및 앙상블(Ensemble) 기법을 적용하여 모델의 예측 정확도와 일반화 성능을 검토하였다.
키워드 냉동창고, LSTM, 소비전력
댓글0