초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

전 세계적으로 증가하는 에너지 소비량과 그에 따른 환경 문제는 나날이 갈수록 커지고 있다. 이러한 전체 에너지 소비 중 많은 부분을 차지하는 것이 건물에서 소비하는 에너지인데, 전체 에너지 소비량 증가 추세와 함께 건물 에너지 소비량도 해마다 늘어날 것으로 전망된다. 이에 따라, 건물 에너지 최적화 연구 등을 통해 에너지 소비량을 줄이고 소비 증가율을 둔화시키고자 하는 노력이 세계각지에서 일어나고 있다. 이러한 노력의 일환으로 건물 에너지 관리 시스템(...

전 세계적으로 증가하는 에너지 소비량과 그에 따른 환경 문제는 나날이 갈수록 커지고 있다. 이러한 전체 에너지 소비 중 많은 부분을 차지하는 것이 건물에서 소비하는 에너지인데, 전체 에너지 소비량 증가 추세와 함께 건물 에너지 소비량도 해마다 늘어날 것으로 전망된다. 이에 따라, 건물 에너지 최적화 연구 등을 통해 에너지 소비량을 줄이고 소비 증가율을 둔화시키고자 하는 노력이 세계각지에서 일어나고 있다. 이러한 노력의 일환으로 건물 에너지 관리 시스템(Building Energy Management System, BEMS)을 들 수 있다. BEMS는 건물 내외의 환경 정보를 수집하여 분석하여 건물의 에너지 운용을 효율적으로 할 수 있도록 도와주는 시스템으로 기기의 이상감지나 효율적인 에너지 분배, 에너지 절약을 위한 최적화 제어 등의 역할을 수행한다.
그러나 현재의 BEMS는 실시간 건물 관리에 초점이 맞춰져 있어 중/장기적 건물 에너지 소비 대책을 세우기가 힘들다는 단점이 있다. 만일 예보 가능 인자들을 이용해 앞 날의 건물 에너지 소비량을 예측할 수 있다면, 이를 분석하여 건물 에너지 소비 전략을 세울 수 있기 때문에 건물이 더욱 더 효율적인 에너지 소비를 할 수 있도록 도와줄 수 있다.
본 논문에서는 크리깅 모델을 이용하여 월별 건물 에너지 예측 모델을 개발하는 연구를 진행하였다. 모델 데이터는 EnergyPlus로부터 계산되었다. 건물 에너지의 예측을 위한 입력인자로 예보 가능한 날씨인자를 활용하였고, 두 개의 데이터 마이닝 기법인 분산분석법과 자기조직화지도 기법을 이용하여 입력 인자로써 예보 가능 날씨인자의 타당성을 확인되었다. 그 후, 베리오그램을 이용하여 입력데이터에 적합한 크리깅 상관식을 찾고자 하였다. 그 결과, Exponential 상관식 모델 크리깅 모델에 채용 되었으며, 각 월별 에너지 예측 모델들은 모두 MBE 5%대 미만의 예측정확도를 나타내었다.
완성된 소비 예측 모델을 이용한 건물 에너지 소비 대책의 예를 보이기 위해 예측 모델을 2가지의 에너지 최적화 전략인, ESS 운용 최적화와 수요 응답에 적용하여 에너지 최적화를 시도하였다. ESS 운용 최적화 전략은 주어진 일일 건물 에너지 예측 소비량을 바탕으로 피크 에너지를 최소화하기 위한 최적의 배터리 충/방전 스케쥴을 작성하는 전략으로 유전 알고리즘을 이용해 작성되었다. 예측 모델로 계산한 건물 에너지 예측 모델을 작성된 ESS의 최적 운용 프로그램에 적용한 결과, 피크 에너지와 전기료가 크게 감소하는 것을 확인하였다.
수요 응답은 피크 에너지가 예상되는 시간의 기기 사용을 인위적으로 줄여 피크 에너지를 감소시키는 전략이다. 본 연구에서는 크리깅 모델을 이용하여, 예측된 건물 에너지 소비량에 대해 HVAC의 설정 온도를 조절함으로써, 피크 에너지를 감소하는 알고리즘을 작성하였다. 본 연구에서는 두 가지의 시나리오를 가정하고 수요 응답 모델을 작성하였으며 예측 모델로부터 계산된 건물 에너지 소비량을 수요 응답 모델에 적용한 후 HVAC 설정 온도를 조절한 결과, 피크 에너지가 감소하는 결과를 보여주었다.