Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지

Transformer Based Deep Learning Techniques for HVAC System Anomaly Detection

HVAC 시스템의 이상 탐지를 위한 Transformer 기반 딥러닝 기법

  • Changjoon Park (Dept. of IT.Energy Convergence, Korea National University of Transportation) ;
  • Junhwi Park (Dept. of AI.Robotics Engineering, Korea National University of Transportation) ;
  • Namjung Kim (Dept. of Software, Korea National University of Transportation) ;
  • Jaehyun Lee (Dept. of Computer Engineering, Korea National University of Transportation) ;
  • Jeonghwan Gwak (Dept. of Software, Korea National University of Transportation)
  • 박창준 (한국교통대학교 교통.에너지융합학과) ;
  • 박준휘 (한국교통대학교 AI.로봇공학과) ;
  • 김남중 (한국교통대학교 소프트웨어학과) ;
  • 이재현 (한국교통대학교 컴퓨터공학과) ;
  • 곽정환 (한국교통대학교 소프트웨어학과)
  • Published : 2024.01.17
Download PDF
⟨ Previous Next ⟩

Abstract

Heating, Ventilating, and Air Conditioning(HVAC) 시스템은 난방(Heating), 환기(Ventilating), 공기조화(Air Conditioning)를 제공하는 공조시스템으로, 실내 환경의 온도, 습도 조절 및 지속적인 순환 및 여과를 통해 실내 공기 질을 개선한다. 이러한 HVAC 시스템에 이상이 생기는 경우 공기 여과율이 낮아지며, COVID-19와 같은 법정 감염병 예방에 취약해진다. 또한 장비의 과부하를 유발하여, 시스템의 효율성 저하 및 에너지 낭비를 불러올 수 있다. 따라서 본 논문에서는 HVAC 시스템의 이상 탐지 및 조기 조치를 위한 Transformer 기반 이상 탐지 기법의 적용을 제안한다. Transformer는 기존 시계열 데이터 처리를 위한 기법인 Recurrent Neural Network(RNN)기반 모델의 구조적 한계점을 극복함에 따라 Long Term Dependency 문제를 해결하고, 병렬처리를 통해 효율적인 Feature 추출이 가능하다. Transformer 모델이 HVAC 시스템의 이상 탐지에서 RNN 기반의 비교군 모델보다 약 1.31%의 향상을 보이며, Transformer 모델을 통한 HVAC의 이상 탐지에 효율적임을 확인하였다.

Keywords

Acknowledgement

This work was supported by the Institute of Information & Communications Technology Planning & Evaluation (IITP) grant funded by the Korean government (MSIT) (No. 2014-3-00077).

References

  1. A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. Gomez, L. Kaizer and I. Polosukhin, "Attention is All You Need," Advances in Neural Information Processing Systems 30, Vol. 1, pp. 5999-6009, December 2017.
  2. J. T. Connor, R. D. Martin and L. E. Atlas, "Recurrent Neural Networks and Robust Time Series Prediction," IEEE Transactions on Neural Networks , Vol. 5, No. 2, pp. 240-254, March 1994. https://doi.org/10.1109/72.279188
  3. S. Hocheiter, J. Schmidhuber, "Long shot-term memory," Neural computation, Vol. 9, No. 8, pp. 1735-1780, December 1997.
  4. K. Cho, B. V. Merrienboer, C. Gulcehre, D. Bahdanau, F. Bougares, H. Schwenk, and Y. Bengio, "Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation," Conference on Empirical Methods in Natural Language Processing, pp. 1724-1734, October 2014.