강화된 건물외피 성능과 환기에 대한 수요로 인해 건물 실내 부하 패턴을 변화했으며 인체의 쾌적성에 상당한 영향을 미치는 실내 잠열 부하에 대한 제어는 신종 공조 시스템의 요구를 되었다. 유연한 열 환경 제어 기능을 갖춘 온습도 독립 제어(THIC) 시스템은 실현 가능한 솔로션으로 간주된다. 에너지 절감, 쾌적성, 제습 시스템과 결합해야 하는 적용 요구 등 특성을 갖춘 천장 복상 냉방 (RCC) 시스템이 THIC 시스템의 중요한 구성 부분이다. 기존의 냉각 제습 시스템의 대체 시스템의 경우 고체 제습제 훨과 냉방 설비를 결합한 하이브리드 제습 냉방 시스템은 에너지 효율이 높고 제습 용량이 큰 쾌적한 공조 시스템이다. 그러나 고체 제습제 재생을 위한 추가 에너지 요구는 시스템 성능 향상을 제한된다. 주류 제로 에너지 재생 열원이 태양열 및 폐열이라는 배경에서 본 논문은 온도와 습도의 독립적인 제어를 실현하기 위해 하이브리드 제습 냉방 시스템과 RCC 시스템을 결합하는 두 가지 방안에 대해 논의한다. 두 제습 시스템 모두 재생 열원의 필요성을 제거하기 위해 응축 열을 사용할 가능성이 있다. 하나는 local 히트 펌프의 응축 열을 사용하는 heat pump assisted hybrid desiccant cooling (HPDC) 시스템이고 또 하나는 중앙 칠러의 응축 열을 사용하는 water loop assisted hybrid desiccant cooling (WLDC) 시스템이다.
고체 제습제 휠의 제습 및 재생 과정의 수치 솔루션을 기반으로 고체 제습제 휠의 모델을 구축했다. 다른 HPDC 시스템의 증발기 위치가 실내 열 환경 제어 및 시스템 특성에 미치는 영향을 검토했다. 실험으로 다른 실내 부하 패턴 조건에서 HPDC 시스템의 내부 상태를 모니터링하고 HPDC 시스템의 열적 특성을 분석했다. 또한 WLDC 시스템과 RCC 시스템의 결합 가능성을 실험적으로 조사하고 HPDC 시스템과의 비교를 통해 시스템의 에너지 절약 성능을 입증했다. 제안된 THIC 시스템의 디커플링 운영 제어 전략이 논의되었다. 에너지 소비 측면에서 기존 THIC 시스템에 비해 제안된 THIC 시스템의 우수성를 비교된다. Multi agent deep deterministic policy gradient (MADDPG) 강화 학습 알고리즘은 실내 쾌적성과 시스템의 thermal energy balance를 최적화하는 데 사용된다. MADDPG 알고리즘의 성능은 multi-zone, 시스템 협력 제어 작업에 대한 에너지 절감 및 실내 쾌적성 측면에서 rule-based control의 성능과 비교된다.
연구 결과는 제습로터 앞에 위치한 증발기가 있는 HPDC 시스템이 고습 기후에서 작동할 때 실내 쾌적 제어 및 시스템 COP 측면에서 제습 로터 뒤에 위치한 증발기가 있는 HPDC 시스템보다 우수함을 보여준다. 그러나 열 imbalance 문제는 시스템을 RCC 시스템과 결합하여 다른 실내 부하 패턴에서 디커플링 작동을 달성할 수 없다. WLDC 시스템의 열 에너지 분석은 중앙 칠러에서 응축열을 회수하여 재생 열원을 제거할 수 있음을 보여준다. WLDC와 RCC 시스템을 결합한 시스템은 고온 냉수로 독립적으로 실내 온도 및 습도를 제어할 수 있다. 쿨다운 시간 제어 및 실내 습도 리셋 제어를 통한 디커플링 작동 제어 전략은 실내 현열 부하에 대한 RCC 시스템의 느린 반응 문제를 해결할 수 있다. 기존 THIC 시스템과 비교하여 제안된 THIC 시스템의 중앙 칠러에 대한 냉방 용량 요구량이 36.4% 감소한다. 칠러의 냉방 부하의 상당한 감소는 전기 소비를 23.1% 감소시킬 수 있다. 기존 THIC 시스템에서 리히트 부분의 전기 소비를 고려하면 제안된 THIC 시스템은 전기 소비를 48% 감소시킬 수 있다. 또한 MADDPG 알고리즘 제어 하에서 시스템의 전기 소비는 rule-based control보다 13% 낮습니다. 제안된 저에너지 THIC 시스템과 그의 열원 시스템 구성은 건물 시스템의 전기화와 제로 탄소 전기에 대한 접근을 용이하게 한다. multi-zone 및 복잡한 시스템의 최적 제어를 위한 multi agent 강화 학습의 사전 시도로 저탄소 및 고 에너지 효율의 쾌적 공조 시스템을 위한 새로운 기술 경로를 제공하며 대규모 상업 클러스터에서 적용 가능성이 있다.