An AI ventilation system capable of predicting performance at the installation site by the prior supervised learning in the chamber simulated environment and the method thereof

Previously, in order to predict the performance of a ventilation device, thermal energy and ventilation performance are measured in accordance with test standards such as KS B 6879 only under some standard environmental conditions with environmental conditions such as determined indoor and outdoor temperature and humidity being set to be constant. That is, measurement is performed only at some individual environmental condition points. However, on the site where an actual product is installed, the environmental conditions change continuously every moment for each season and for each time, so the performance of the actual product cannot be estimated easily only using reporting values measured under the standard conditions. In addition, an expensive and large-size test device actually cannot be installed together with a ventilation device product to predict the performance on the site with precision. The present invention relates to a technology for predicting the performance of a ventilation device accurately at the level of a precision chamber in a laboratory even after the installation of the ventilation device by simulating various environmental conditions in a precision chamber in advance to match reference values measured in the precision chamber and sensing values sensed in the ventilation device product to the output value and input value nodes of an artificial neural network, respectively, and performing supervised learning in advance. 기존에, 환기장치의 성능을 예측하기 위하여는 KS B 6879 등의 시험 표준을 쫒아, 실내룸 및 실외룸의 정하여진 온, 습도 등 환경조건을 일정하게 맞추어 놓고 몇 개의 표준환경 조건에서만 열에너지 및 환기 성능을 측정한다. 즉, 몇 개의 개별 환경조건 포인트에서만 측정한다. 하지만, 실제 제품이 설치되는 현장에서는 계절별, 시간별 시시각각 환경조건이 연속적으로 변화하여 상기의 몇 개의 표준조건에서 측정된 리포팅 값만으로는 실제 제품의 성능을 가늠하기 어렵다. 또한, 현장에서의 정밀한 성능 예측을 위하여 값이 비싸고, 덩치가 큰 테스트 장비를 환기장치 제품과 같이 설치하는 것도 현실적으로 불가능하다. 본 발명은 사전에 정밀 챔버에서 여러가지 환경조건을 시뮬레이션 하여, 정밀 챔버에서 측정되는 Reference 값과 환기장치 제품에서 센싱되는 센싱값들을 각각 인공신경망의 출력값과 입력값 노드에 매칭하고 사전에 지도학습을 수행함으로서, 환기장치가 현장에 설치되는 사후에도 시험실 정밀 챔버의 수준으로 정확하게 성능을 예측할 수 있는 기술에 관한 것이다.