PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.10166v2cs.LG

이종 시공간 그래프 신경망을 통한 지역난방 네트워크의 가상 스마트 미터링

Virtual Smart Metering in District Heating Networks via Heterogeneous Spatial-Temporal Graph Neural Networks

열 에너지 네트워크의 지능형 운영은 데이터 기반 제어, 예측 최적화(predictive optimization), 조기 결함 감지를 통해 에너지 효율성, 신뢰성 및 운영 유연성을 향상하는 것을 목표로 합니다. 이러한 목표를 달성하려면 충분한 관측 가능성(observability)이 확보되어야 하며, 이를 위해 열적 및 수리학적 상태에 대한 지속적이고 잘 분산된 모니터링이 필요합니다. 그러나 지역난방 시스템은 일반적으로 계측 장비가 드물게 설치되어 있고 센서 결함의 영향을 자주 받아 모니터링이 제한적입니다. 가상 센싱(virtual sensing)은 관측 가능성을 개선하기 위한 비용 효율적인 수단을 제공하지만, 실제 환경에서의 개발과 검증은 여전히 제한적입니다. 기존의 데이터 기반 방법들은 대개 조밀하고 동기화된 데이터를 가정하는 반면, 해석적 모델은 이종 네트워크 토폴로지의 동작을 적절히 포착하지 못할 수 있는 단순화된 수리학적 및 열적 가정에 의존합니다. 그 결과, 실제 운영 조건에서 압력, 유량, 온도 간의 결합된 비선형적 의존성을 모델링하는 것은 여전히 어려운 과제입니다. 또한, 공개적으로 이용 가능한 벤치마크 데이터셋의 부재는 가상 센싱 접근법 간의 체계적인 비교를 저해합니다. 이러한 문제를 해결하기 위해, 본 논문에서는 가상 스마트 열량계를 구축하기 위한 이종 시공간 그래프 신경망(HSTGNN)을 제안합니다. 이 모델은 지역난방 네트워크에 내재된 함수적 관계를 통합하고, 유량, 온도 및 압력 측정값에 대한 그래프 구조와 시간적 동역학을 학습하기 위해 전용 브랜치를 사용하여 변수 간 상관관계와 공간적 상관관계의 결합 모델링을 가능하게 합니다. 추가 연구를 지원하기 위해, 실제 운영 조건을 대표하는 동기화된 고해상도 측정값을 제공하는 올보르 스마트 물 인프라 연구소(Aalborg Smart Water Infrastructure Laboratory)에서 수집된 제어 환경 실험실 데이터셋을 소개합니다. 광범위한 실험을 통해 제안된 접근법이 기존 베이스라인을 크게 능가함을 입증합니다.