Determination of the optimal location and the number of sensors for efficient heating, ventilation, and air conditioning system operation in a mechanically ventilated pig house

서울대학교 농업생명과학대학 생태조경·지역시스템공학부 지역시스템공학전공 이인복교수 A3EL 연구팀 (Aero-Environmental & Energy Engineering Laboratory) 은 계절별 축사 내 적정 센서 위치 및 개수를 결정하기 위하여 EBM, IEBM 기법을 적용하였다.

일반적으로 축산 농장에서는 냉난방공조 시스템의 자동 제어를 위하여, 관행적으로 축사 내 중앙에 모니터링을 위한 센서를 설치하고 있다. 점점 더 대형화되어 가고 있는 축사 내의 전체 사육환경을 축사 내 중앙부에서 측정된 환경값이 대표할 수 없다는 여러 국내외 연구 결과들이 나오고 있다. A3EL 연구팀은 다년간 축산농장현장에서 장기적인 현장 온도 데이터를 구축하였고, 이 빅데이터를 활용한 EBM 및 IEBM 기법 적용을 통하여 적정센서 위치 결정을 하였다. 실험 기간 동안, 특히 동절기에는 대형 축사 내 균일하게 설치된 값들의 최대 편차가 12.0 ℃까지 발생하였으며, 전체 평균값과 중앙에서 측정된 값 사이에 최대 9.4 ℃까지 발생하는 것으로 나타났다. 사육환경의 균일성 및 적정성 향상을 위하여, 계절별로 축사 내에서의 적정 센서 위치 및 개수 결정을 위한 방법론을 구축하였다. 본 연구팀은 위 연구내용을 2023년 3월 27일 국제 우수 학술지 Biosystems Engineering(여욱현 제 1저자)에 게재하였다.

돈사의 전체 열환경을 대표할 수 있는 센서 위치를 선택하기 위해 오차 기반의 방법 (EBM, Error based method)과 내부 환경 변화가 크게 발생한 모니터링 위치를 선택하기 위한 엔트로피 기반의 방법 (IEBM, Information entropy based method)을 적용하였다. 모니터링 데이터의 오차를 1% 이내로 유지하기 위해서는 적어도 세 군데에 센서가 설치되어야 함을 판단할 수 있었다. 다른 변수(습도, 공기 속도 등)를 참고 값으로 고려하더라도, 대류에 의한 열전달과 물질전달이 유사하기 때문에 본 연구에서 적용된 방법론을 적용하여 선택된 센서 위치와 수량은 유사할 것으로 기대된다.

ICT 스마트팜 구현에 있어서, 빅데이터, 데이터 마이닝, 알고리즘, 딥러닝/머신러닝, 그리고 인공지능의 연계 구축이 매우 중요하며, 이 중에서 가장 중요한 단계는 빅데이터이다. 지속적인 빅데이터 구축이 있어야만 인공지능을 통한 정밀 예측 및 제어가 가능하며, 신뢰도 높은 빅데이터 구축을 위해서는 사육환경의 정확한 모니터링이 매우 중요하다. 본 연구는 특정 돈사에서 수행되었지만, 현장 데이터를 기반으로 한 적정 센서 위치 및 개수를 결정하는 방법론을 제안하였다.