중국 북부 겨울철 온실 난방 혁신: AI 기반 제어 시스템이 이룬 놀라운 성과

본 연구는 중국 북부 지역의 태양광 온실에서 겨울철 온도 제어 문제를 해결하기 위해 AI 기반 MPC-PPO 강화학습 프레임워크를 개발하고, 실제 현장 테스트를 통해 그 효과를 검증한 내용을 담고 있습니다. 탁월한 온도 제어 성능과 에너지 효율 향상을 통해 지속 가능한 농업 시스템 구축에 기여할 것으로 기대됩니다.

중국 북부 지역의 농업 생산에 필수적인 시설인 태양광 온실. 하지만 겨울철 급격한 온도 변화는 작물 생장에 악영향을 미치고 에너지 소비를 증가시키는 골칫거리였습니다. 이 문제를 해결하기 위해, Jingxin Yu를 비롯한 10명의 연구진은 획기적인 AI 기반 제어 시스템을 개발했습니다.

그들의 연구는 '모델 예측 제어-프록시멀 정책 최적화 (MPC-PPO) 결합 강화 학습 프레임워크' 라는 혁신적인 접근 방식을 제시합니다. 이 시스템은 '교사-학생' 제어 프레임워크를 기반으로, MPC가 고품질 제어 경험을 생성하여 PPO 에이전트의 학습 과정을 안내하는 방식입니다. 여기에 적응적 동적 가중치 메커니즘을 추가하여 PPO 훈련 중 MPC 경험의 영향을 균형 있게 조절합니다.

베이징, 허베이, 산둥 등 중국 북부 3개 성의 태양광 온실에서 진행된 평가 결과는 놀라웠습니다. MPC-PPO 방법은 100점 만점에 96.31점의 온도 제어 성능을 달성, 기존 방식 대비 5.46점 향상을 기록했습니다. 표준 편차는 거의 절반으로 줄었고 탐색 효율성도 높아졌습니다. 더욱이, 환기 제어 보상 또한 99.19점을 달성하며, 에너지 손실을 최소화하는 지능형 시간 차등 전략을 통해 환기창 작동을 최적화했습니다.

특징 분석 결과, 과거 창문 개방 상태, 기온, 과거 온도가 효과적인 제어에 가장 큰 영향을 미치는 요소로 나타났습니다 (SHAP 값: 7.449, 4.905, 4.747). 무엇보다도, MPC-PPO는 모든 테스트 지역에서 최고의 성능을 보여, 이 방법의 일반화 가능성을 확인했습니다.

이 연구는 단순한 온도 제어를 넘어, AI를 활용한 지능형 농업 시스템 구축의 가능성을 보여주는 중요한 사례입니다. 앞으로 더욱 발전된 AI 기술을 통해, 에너지 효율과 농업 생산성을 동시에 향상시키는 혁신적인 솔루션들이 등장할 것으로 기대됩니다.