전 세계적으로 냉방을 위해 사용되는 에너지는 건물에서 사용되는 전력의 약 20%를 차지하며, 세계적인 인구 성장이 더운 나라에 집중됨에 따라 에어컨의 수요와 냉방으로 인한 에너지 사용량은 더욱 커질 것으로 보인다. 이에 따른 에어컨의 고장진단 수요 또한 증가하고 있으며 연구자들은 초기 진단이 어려운 Soft Fault 진단을 정상상태(steady-state) 기반으로 활발히 연구하고 있다.
본 연구에서는 하이브리드 (gray-model) 모델을 사용하여 에어컨의 냉매 충전량에 따른 초기 동특성 예측 모델을 제시한다. 에어컨의 압축기, 증발기, 전자식 팽창밸브(EEV), 응축기가 물리 기반으로 모델링 되었으며, 모델의 주요 파라미터인 응축온도, 증발온도, 과냉도의 정확성을 높이기 위해 보정계수가 도입되었다. 보정계수는 다변수 최적화를 통해 진행 하였으며, 이를 사용하여 기계학습의 한 종류인 r-SVM으로 모델링 되었다.
하이브리드 모델을 통해 에어컨의 시동 후 초기 동특성을 예측할 수 있었다. Training Data와 Test Data 모두 정격 충전량인 850g 근처에서 가장 낮은 오차를 보였다. 응축온도의 경우, 냉매 충전량이 높을수록 오차가 증가하는 경향을 보였으며, 증발온도의 경우, 냉매 충전량이 작을수록 오차가 증가하는 경향을 보였다. Training Data에서 950g의 경우, 과냉도와 응축온도의 오차가 큰 모습을 보였는데, 이는 과냉도 보정계수 분석 결과, 과냉도 보정계수가 과도하게 크게 예측되었기 때문으로 생각된다. 이는 추후 추가적인 연구가 필요할 것으로 생각된다.