[BigZami뉴스레터] 💸냉난방비에 영향을 끼치는 건물의 구성요소는?

데이터 분석 솔루션 빅재미

2024. 12. 6.

No-Code 데이터 분석 솔루션 빅재미

2024/12 Vol.40

안녕하세요. BigZami입니다. 🤗

대설(大雪)을 앞두고 많은 눈이 쏟아졌습니다.

항상 안전에 유의하시고, 따뜻한 연말 되시길 바랍니다. ⛄

오늘은 건물의 특성 파악과 에너지 효율화,
빅재미 사용 매뉴얼(독립성 검정)을 소개해 드립니다.

건물의 특성 파악과 에너지 효율화

어디서나 겨울철과 여름철에는 냉난방이 필수 요소입니다. 건물의 어떤 구성 요소가 냉난방에 영향을 미치는지 알 수 있다면, 설계 초기 단계에서 더 많은 선택지를 가질 수 있습니다. 건물 특징 데이터를 활용하여 냉각 부하와 난방 부하를 예측하는 모델을 학습함으로써, 어떤 요소들이 영향을 미치는지 파악해 보겠습니다.

📌 활용 데이터

📌 분석 요약

<빅재미 워크플로우>

해당 데이터를 활용하여 난방 부하와 냉각 부하에 영향을 미치는 건물 내부의 여러 지표를 분석하고, 에너지 효율을 높이기 위한 냉각 및 난방 부하 예측 모델을 학습했습니다.

첫째, EDA를 통해 데이터의 특성을 파악함

둘째, 상관분석을 통해 냉각 부하 및 난방 부하와 높은 상관관계를 갖는 변수를 추출함

셋째, 여러 모델을 학습하여 성능 지표를 비교한 후, 가장 성능이 좋은 학습 모델로 냉각 부하와

난방 부하 값을 예측하여 실제 값과 예측 값을 비교함

넷째, 모델 학습에 높은 영향을 준 변수와 상관분석을 통해 파악한 상관관계가 높은 변수들을

시각화하여 인사이트를 도출함

📌 데이터 전처리

데이터 확인

<자료 요약 결과>

‘자료 요약’ 블록을 사용해 데이터 분포와 결측치 비율을 확인합니다.

1. 총 데이터는 768개이며, 모든 컬럼에 결측치가 없음

2. 난방 부하와 냉각 부하의 도수 분포가 비슷함

3. 동, 서, 남, 북 방향(건물 방향) 데이터가 각각 192개씩 균일함

4. 유리 면적 분포 컬럼은 총 6개의 범주로 구성되어 있음

상관분석

<상관행렬 그래프>

‘상관분석’ 블록으로 컬럼들의 상관관계를 분석합니다. 위 상관행렬 그래프와 같이 지붕 면적 컬럼은 냉각/난방 부하와 강한 음의 관계를, 건물 전체 높이 컬럼은 강한 양의 관계를 보입니다.

📌 모델 학습

모델 학습 및 예측

‘XGBoost’ 블록으로 모델의 학습 및 예측 결과를 확인합니다. 학습에 사용할 X와 Y는 위 과정과 동일하게 선택합니다. 학습하기 버튼을 클릭하여 검증 결과를 확인하고 예측하기 버튼을 클릭하여 예측 결과와 성능 지표를 확인합니다.

<난방부하 예측 모델 성능>

<냉각부하 예측 모델 성능>

주요 변수 특징

난방 부하, 냉각 부하 예측 모델에서 모두 조밀도가 모델 학습에 영향이 높은 변수입니다.

📌 데이터 시각화

상관분석에서 난방부하, 냉각부하와 상관관계가 높았던 변수와 함께 시각화하여 특징을 파악합니다.

냉각/난방 부하 수치가 클수록 많은 에너지가 사용됩니다. 따라서 냉각/난방 부하 값이 작을수록 에너지를 절약할 수 있습니다. 대체적으로 지붕 면적이 넓을수록 냉각/난방 부하가 적고, 건물이 높을수록 값이 높습니다. 건물의 조밀도는 0.75 이상일수록 냉각/난방 부하가 높습니다.

전문 읽으러 가기

빅재미 사용 매뉴얼 - 검정

BigZami 완전 정복 열한 번째 #검정1

🚨 쉽고 빠른 분석

이번 회차는 BigZami 데이터 검정 방법 중 '독립성 검정'을 소개해 드립니다. 독립성 검정은 2개의 범주형 변수 혹은 요인이 서로 연관성이 있는지, 상관있는지, 독립적인지를 통계적으로 판단하는 방법입니다. BigZami의 독립성 검정을 사용하면 가설 검정 결과, 빈도 테이블과 그래프를 한눈에 확인할 수 있습니다.

BigZami의 데이터 검정 방법 6종을 알아보겠습니다.