건물의 난방 및 온수(DHW) 수요를 단기적으로 예측하는 것은 에너지 효율을 높이고 운영 비용을 절감하는 데 매우 중요합니다. 최근 arXiv에 발표된 연구에 따르면, 다양한 데이터 기반 모델과 최신 기술을 결합한 하이브리드 예측 모델들이 비교 분석되었으며, 그 중 특정 모델이 가장 뛰어난 성능을 보였습니다.
이 연구는 기존 문헌에 보고된 기술들을 분석하는 것으로 시작했습니다. 메타휴리스틱(Metaheuristics) 또는 데이터 기반 모델이 기본 모델의 매개변수를 식별하는 데 사용된다는 결론을 내렸습니다. 스코틀랜드 가정의 과거 난방 수요 데이터와 기상 예보 데이터를 활용하여 13가지 하이브리드 모델의 성능을 평가한 결과, EMD-LSTM-Markov(Empirical Modal Decomposition - long short-term memory - Markov) 모델이 하루 전 난방 및 온수 수요의 전력 패턴을 가장 높은 정확도로 예측하는 것으로 나타났습니다. 이 모델은 국부적인 전력 피크(local power peaks)도 정확하게 예측했지만, 높은 전력 급증(high power swells)과 스파이크(spikes)는 다소 과소평가하는 경향을 보였습니다. 반면, SVM-SA(Support Vector Machine - Simulated Annealing) 및 RF-ISSA-LSTM(Random Forest - Improved Sparrow Search Algorithm - LSTM)과 같은 다른 모델들은 급격한 변화가 있는 난방 및 온수 수요 프로파일을 부드럽게 예측하며 대부분의 전력 피크를 과소평가했습니다.
이러한 정교한 예측 모델의 발전은 건물 에너지 관리 시스템(BEMS)의 효율성을 크게 향상시킬 수 있습니다. 정확한 난방 수요 예측은 불필요한 에너지 소비를 줄이고, 전력망의 안정성을 높이며, 재생 에너지원의 통합을 용이하게 합니다. 특히, 전력 피크를 정확히 예측하는 능력은 전력 부하 관리(load management)에 필수적이며, 에너지 비용 절감과 탄소 배출량 감소에 직접적인 영향을 미칩니다. 앞으로 이러한 하이브리드 모델은 스마트 빌딩 및 도시 에너지 시스템 최적화에 핵심적인 역할을 할 것으로 기대됩니다.