『2030 국가온실가스감축 기본로드맵』에서 제시한 건물부문의 국가온실가스감축 목표는 2030년까지 BAU(Business As Usual) 대비 35.8백만 톤으로 발전, 산업 부문에 이어 3번째로 큰 목표이다. 정부는 건물부문 국가온실가스감축 목표를 달성하기 위해 다양한 정책을 수립하여 실행하고 있으며, BEMS (Building Energy Management System)는 그 중 하나이다. BEMS는 건물의 에너지사용을 모니터링하여 최적화된 에너지 관리방안을 제공하는 시스템으로, 정부에서 공공기관을 대상으로 BEMS 설치를 의무화 하는 등 보급 확대에 노력을 기울이고 있다. 그러나 BEMS에 대한 낮은 인식, 관련 인력 부재, 기대 이하의 에너지 절감 효과 등으로 예상보다 활성화되지 못하고 있다. 최근에는 에너지 절감 효과를 향상시키기 위한 방안의 하나로 ...
『2030 국가온실가스감축 기본로드맵』에서 제시한 건물부문의 국가온실가스감축 목표는 2030년까지 BAU(Business As Usual) 대비 35.8백만 톤으로 발전, 산업 부문에 이어 3번째로 큰 목표이다. 정부는 건물부문 국가온실가스감축 목표를 달성하기 위해 다양한 정책을 수립하여 실행하고 있으며, BEMS (Building Energy Management System)는 그 중 하나이다. BEMS는 건물의 에너지사용을 모니터링하여 최적화된 에너지 관리방안을 제공하는 시스템으로, 정부에서 공공기관을 대상으로 BEMS 설치를 의무화 하는 등 보급 확대에 노력을 기울이고 있다. 그러나 BEMS에 대한 낮은 인식, 관련 인력 부재, 기대 이하의 에너지 절감 효과 등으로 예상보다 활성화되지 못하고 있다. 최근에는 에너지 절감 효과를 향상시키기 위한 방안의 하나로 인공지능 기술을 적용하여 건물의 에너지 사용량을 관리하는 지능형 BEMS에 대한 연구가 활발하게 진행되고 있다. 본 연구에서는 관리자가 경험에 의해 수동으로 제어하는 일반 BEMS와 모든 제어가 알고리즘에 의해 작동으로 가동되는 지능형 BEMS의 에너지 절감 성과를 비교 분석하였다. 본 연구를 위해 4층 규모의 단일건물을 대상으로 일반 BEMS와 지능형 BEMS의 운전 관련 기초 데이터를 수집하였다. 지능형 BEMS의 알고리즘은 냉난방에만 적용되기 때문에 냉난방에너지 사용량 데이터를 수집하여 냉방에너지와 난방에너지로 구분하였고, 냉·난방도일을 활용하여 에너지 절감 성과 분석을 진행하였다. 에너지 절감량은 IPMVP (International Performance Measurement and Verification Protocol) 등 해외 문헌에서 공통적으로 제시하고 있는 방법에 따라 조정된 베이스라인 에너지 사용량과 실제 사용량의 차이로 산정하였다. 조정된 베이스라인 에너지 사용량 산정은 회귀모델과 에너지원단위를 이용하여 산정하였다. 에너지 절감 성과를 분석한 결과, 회귀모델에 의한 지능형 BEMS의 냉난방에너지 절감 성과는 30.74%이며, 에너지원단위에 의한 절감 성과는 29.67%로 분석되었다. 회귀모델과 에너지원단위에 의한 에너지 절감 성과가 유사하게 도출된 것은 ISO 50006에서 제시한 바와 같이 대상건물의 냉난방에너지에 포함된 기저사용량이 미미하고, 단일변수를 포함하고 있기 때문인 것으로 분석된다. 에너지총조사 보고서(2015)에 따르면 2,000 toe 이상 건물 기준 전체 에너지 사용량에서 냉난방에너지의 비중은 58.70%이다. 본 연구 결과를 2,000 toe 이상 건물의 전체 에너지 사용량에 적용하면 18.04%(회귀모델 이용 기준)의 에너지 소비 절감 효과를 거둘 수 있는 것으로 추정된다. 본 연구 결과를 바탕으로 건물 타입 별로 특화된 지능형 BEMS를 개발하고 보급할 수 있는 정책을 마련한다면, 국가 온실가스감축 목표 달성에 기여할 수 있을 것으로 기대된다.
『2030 국가온실가스감축 기본로드맵』에서 제시한 건물부문의 국가온실가스감축 목표는 2030년까지 BAU(Business As Usual) 대비 35.8백만 톤으로 발전, 산업 부문에 이어 3번째로 큰 목표이다. 정부는 건물부문 국가온실가스감축 목표를 달성하기 위해 다양한 정책을 수립하여 실행하고 있으며, BEMS (Building Energy Management System)는 그 중 하나이다. BEMS는 건물의 에너지사용을 모니터링하여 최적화된 에너지 관리방안을 제공하는 시스템으로, 정부에서 공공기관을 대상으로 BEMS 설치를 의무화 하는 등 보급 확대에 노력을 기울이고 있다. 그러나 BEMS에 대한 낮은 인식, 관련 인력 부재, 기대 이하의 에너지 절감 효과 등으로 예상보다 활성화되지 못하고 있다. 최근에는 에너지 절감 효과를 향상시키기 위한 방안의 하나로 인공지능 기술을 적용하여 건물의 에너지 사용량을 관리하는 지능형 BEMS에 대한 연구가 활발하게 진행되고 있다. 본 연구에서는 관리자가 경험에 의해 수동으로 제어하는 일반 BEMS와 모든 제어가 알고리즘에 의해 작동으로 가동되는 지능형 BEMS의 에너지 절감 성과를 비교 분석하였다. 본 연구를 위해 4층 규모의 단일건물을 대상으로 일반 BEMS와 지능형 BEMS의 운전 관련 기초 데이터를 수집하였다. 지능형 BEMS의 알고리즘은 냉난방에만 적용되기 때문에 냉난방에너지 사용량 데이터를 수집하여 냉방에너지와 난방에너지로 구분하였고, 냉·난방도일을 활용하여 에너지 절감 성과 분석을 진행하였다. 에너지 절감량은 IPMVP (International Performance Measurement and Verification Protocol) 등 해외 문헌에서 공통적으로 제시하고 있는 방법에 따라 조정된 베이스라인 에너지 사용량과 실제 사용량의 차이로 산정하였다. 조정된 베이스라인 에너지 사용량 산정은 회귀모델과 에너지원단위를 이용하여 산정하였다. 에너지 절감 성과를 분석한 결과, 회귀모델에 의한 지능형 BEMS의 냉난방에너지 절감 성과는 30.74%이며, 에너지원단위에 의한 절감 성과는 29.67%로 분석되었다. 회귀모델과 에너지원단위에 의한 에너지 절감 성과가 유사하게 도출된 것은 ISO 50006에서 제시한 바와 같이 대상건물의 냉난방에너지에 포함된 기저사용량이 미미하고, 단일변수를 포함하고 있기 때문인 것으로 분석된다. 에너지총조사 보고서(2015)에 따르면 2,000 toe 이상 건물 기준 전체 에너지 사용량에서 냉난방에너지의 비중은 58.70%이다. 본 연구 결과를 2,000 toe 이상 건물의 전체 에너지 사용량에 적용하면 18.04%(회귀모델 이용 기준)의 에너지 소비 절감 효과를 거둘 수 있는 것으로 추정된다. 본 연구 결과를 바탕으로 건물 타입 별로 특화된 지능형 BEMS를 개발하고 보급할 수 있는 정책을 마련한다면, 국가 온실가스감축 목표 달성에 기여할 수 있을 것으로 기대된다.
The National Greenhouse Gas Emission Reduction Targets for the building sector proposed in the "2030 National Greenhouse Gas Reduction Basic Roadmap" is 35.8 million tons compared to BAU (Business As Usual) by 2030, the third largest target after the power generation and industrial sector. Vario...
The National Greenhouse Gas Emission Reduction Targets for the building sector proposed in the "2030 National Greenhouse Gas Reduction Basic Roadmap" is 35.8 million tons compared to BAU (Business As Usual) by 2030, the third largest target after the power generation and industrial sector. Various policies are established and implemented by the government to achieve the national greenhouse gas reduction goals of the building sector, including Building Energy Management System(BEMS). BEMS is a system that provides optimized energy management measures by monitoring the energy use of buildings. The government makes efforts to expand distribution by requiring public institutions to install BEMS. However, it is not as active as expected due to low awareness of BEMS, lack of relevant personnel, and lower than expected energy savings. Recently, research into intelligent BEMS, which manages building energy use by applying artificial intelligence technology, has been actively conducted as a way to improve energy savings. In this study, we compared the energy savings performance of the BEMS, which is manually controlled by the administrator based on experience, and the intelligent BEMS, which is automatically operated by algorithms. For the purpose of this study, basic data related to operation of general BEMS and intelligent BEMS are collected for a single building with four floors. Since the algorithms of intelligent BEMS are applied only to heating and cooling, data on the use of heating and cooling energy were collected and classified into cooling and heating energy, and energy saving performance analysis was conducted using cooling and heating degree days. The amount of energy savings was calculated as the difference between the measured energy and adjusted baseline energy according to the methods commonly presented in the international literature, such as the International Performance Measurement and Verification Protocol(IPMVP). Adjusted baseline energy was estimated using a regression model and energy intensity. As a result of analysis of energy saving performance, 30.74% of energy saving performance of intelligent BEMS by regression model and 29.67% of saving energy by energy intensity were analyzed. The energy saving performance by the regression model and energy intensity are similar because the target building contains small the base load and single variable for cooling and heating energy, as shown in ISO 50006. According to the Total Energy Research Report (2015), the share of heating and cooling energy in total energy use for buildings over 2,000 toe is 58.70%. It is estimated that applying this result to total energy consumption of buildings over 2,000 toe can save energy consumption of 18.04% (based on regression model). Based on the results of this study, developing and distributing intelligent BEMS specialized to each building type will contribute to achieving the national goal of reducing greenhouse gases.
The National Greenhouse Gas Emission Reduction Targets for the building sector proposed in the "2030 National Greenhouse Gas Reduction Basic Roadmap" is 35.8 million tons compared to BAU (Business As Usual) by 2030, the third largest target after the power generation and industrial sector. Various policies are established and implemented by the government to achieve the national greenhouse gas reduction goals of the building sector, including Building Energy Management System(BEMS). BEMS is a system that provides optimized energy management measures by monitoring the energy use of buildings. The government makes efforts to expand distribution by requiring public institutions to install BEMS. However, it is not as active as expected due to low awareness of BEMS, lack of relevant personnel, and lower than expected energy savings. Recently, research into intelligent BEMS, which manages building energy use by applying artificial intelligence technology, has been actively conducted as a way to improve energy savings. In this study, we compared the energy savings performance of the BEMS, which is manually controlled by the administrator based on experience, and the intelligent BEMS, which is automatically operated by algorithms. For the purpose of this study, basic data related to operation of general BEMS and intelligent BEMS are collected for a single building with four floors. Since the algorithms of intelligent BEMS are applied only to heating and cooling, data on the use of heating and cooling energy were collected and classified into cooling and heating energy, and energy saving performance analysis was conducted using cooling and heating degree days. The amount of energy savings was calculated as the difference between the measured energy and adjusted baseline energy according to the methods commonly presented in the international literature, such as the International Performance Measurement and Verification Protocol(IPMVP). Adjusted baseline energy was estimated using a regression model and energy intensity. As a result of analysis of energy saving performance, 30.74% of energy saving performance of intelligent BEMS by regression model and 29.67% of saving energy by energy intensity were analyzed. The energy saving performance by the regression model and energy intensity are similar because the target building contains small the base load and single variable for cooling and heating energy, as shown in ISO 50006. According to the Total Energy Research Report (2015), the share of heating and cooling energy in total energy use for buildings over 2,000 toe is 58.70%. It is estimated that applying this result to total energy consumption of buildings over 2,000 toe can save energy consumption of 18.04% (based on regression model). Based on the results of this study, developing and distributing intelligent BEMS specialized to each building type will contribute to achieving the national goal of reducing greenhouse gases.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.