LEEMO

Living Environment Energy Management Optimization

In ProgressCore Module2024-2026 (Paper 6-7 개인화 제어 및 스마트 제어 연구)

Overview

MPC(Model Predictive Control) 및 DRL(Deep Reinforcement Learning) 기반 에너지 최적화 엔진. AERONET 실시간 데이터 + PEARNET 개인 쾌적성 목표 + FUMUNET 건물 예측 모델을 통합하여 에너지 최소화와 재실자 쾌적성 극대화를 동시 달성하는 다목적 최적 제어를 수행합니다. BEMS와 완전 연계하여 HVAC, 조명, 환기, 블라인드를 통합 제어합니다.

Key Features

━다목적 최적화 (불편함 + 에너지 비용 + 설비 마모 최소화)
━MPC 예측 제어 (24시간 앞 예측 기반, 시간대별 전력 요금 고려)
━DRL 학습 제어 (환경 변화 적응, Stable-Baselines3 PPO/SAC)
━HVAC/조명/환기/블라인드 통합 제어 명령 생성
━BEMS 실시간 연동 (Modbus, BACnet 프로토콜)

Tech Stack

━Python (Stable-Baselines3)
━MPC Optimization (CVXPY)
━DRL (PPO, SAC)
━BEMS Integration (Modbus, BACnet)
━Real-time Control (MQTT)

Key Metrics

에너지 절감20-30%
쾌적성 향상25-35%
제어 응답<5초
ROI24-36개월
MPC 제약다변수

Highlights

•DRL 기반 HVAC 최적화 (Stable-Baselines3 PPO, 에너지 25% 절감)
•Paper 7 스마트 제어 연구 진행 중 (FUMUNET + LEEMO 통합)
•ROI 24-36개월 달성 (에너지 절감 + 유지보수 비용 감소)
•MPC 24시간 예측 제어 (시간대별 전력 요금 고려 최적화)

Optimization & Control Performance

MPC + DRL 최적 제어 · 에너지 20-30% 절감 · 쾌적성 25-35% 향상

AERONET + PEARNET + FUMUNET 통합 · BEMS 실시간 연동 · ROI 24-36개월

핵심 혁신: LEEMO는 AERONET 실시간 센서 + PEARNET 개인 쾌적성 + FUMUNET 건물 예측을 통합하여 MPC/DRL 다목적 최적화를 수행합니다. 24시간 예측 제어 + 시간대별 전력 요금 고려 + 환경 적응 학습으로 에너지 절감과 쾌적성 향상을 동시 달성하며, BACnet/Modbus/MQTT 표준 프로토콜로 기존 BEMS와 완벽 연동합니다.

5대 시스템 통합 데이터 흐름

AERONET 센서 → PEARNET 개인 목표 → FUMUNET 예측 + 외부 기상/요금 → LEEMO 최적화 (MPC/DRL) → BEMS → HVAC/조명/환기/블라인드 제어. 실시간 Sankey Diagram.

Loading visualization...