사무실 건물에서 인공신경망 기반 VAV 시스템의 공기조화기 토출온도 최적화 방법 및 냉방 에너지 저감효과 분석 Analysis of air handling unit discharge air temperature optimization method and cooling energy reduction effect of VAV system based on artificial neural network in an office building원문보기
산업혁명 이후 무분별한 화석연료 사용으로 인해 대기 중 온실가스의 농도가 증가하여 지표면온도가 상승하는 지구 온난화 현상을 비롯해 많은 문제가 발생하고 있다. 이에 대한 해결방안으로 2015년 파리 협정에서 200여개 국가가 온실가스 감축 목표를 스스로 정해 노력하고 있다. 하지만, 자원의 대부분을 수입에 의존하는 한국은 건물 에너지 소비량이 증가하였다. 특히 냉방의 경우 전력이 높은 비중을 차지하며 매년 지속적으로 증가하고 있는 추세를 보이고 있다. 사무소 건물에서는 ...
산업혁명 이후 무분별한 화석연료 사용으로 인해 대기 중 온실가스의 농도가 증가하여 지표면온도가 상승하는 지구 온난화 현상을 비롯해 많은 문제가 발생하고 있다. 이에 대한 해결방안으로 2015년 파리 협정에서 200여개 국가가 온실가스 감축 목표를 스스로 정해 노력하고 있다. 하지만, 자원의 대부분을 수입에 의존하는 한국은 건물 에너지 소비량이 증가하였다. 특히 냉방의 경우 전력이 높은 비중을 차지하며 매년 지속적으로 증가하고 있는 추세를 보이고 있다. 사무소 건물에서는 AHU 기반의 VAV 시스템이 흔히 운용되고 있는데, 이러한 AHU의 운영 방법이 전체 냉난방 에너지에 매우 큰 영향을 미치기에 AHU와 관련된 연구가 국내외적으로 활발히 진행되었지만 대부분의 연구에서 동적으로 변하는 작동조건하에서 AHU 토출온도 제어를 다룬 연구는 많지 않았다. 따라서 본 연구에서는 AHU 토출온도 최적제어를 위해 ANN 기반의 제어방식을 채택하였다. ANN은 외부 변화에 대한 적응성을 통해 수학적 모델보다 정확한 예측이 가능하다. 본 연구에서는 ANN을 구현하기 위해서 Matlab과 EnergyPlus 시뮬레이션 프로그램을 사용하였으며, 두 프로그램은 BCVTB 플랫폼을 통해 실시간 연동 시뮬레이션을 진행하였다. 이를 토대로 ANN 모델을 활용하여 AHU토출온도 최적제어에 따른 하절기 냉방 에너지소비량 저감효과에 대한 연구를 진행하였다.
본 논문의 주요 연구 결과를 요약하면 다음과 같다. (1) AHU 토출온도에 따른 6월 1일부터 8월 31일까지의 총 냉방 에너지 소비량 분석을 진행한 결과, AHU 토출온도가 낮을수록 에너지 소비량이 적었으며 18℃부터는 다시 증가하는 패턴을 나타냈다. 하절기 HVAC 시스템 특성상 Chiller의 에너지 소비량 비중이 가장 높게 나타났다. Fan을 제외한 기기들은 AHU 토출온도가 높아질수록 에너지 소비량이 감소하는 반면 AHU Supply Fan과 Relief Fan의 경우에는 증가하는 패턴을 나타냈다.
(2) 6월 1일부터 8월 31일까지의 5:00부터 19:00까지 ANN 모델이 예측한 시간별 AHU 토출온도 분석을 진행한 결과, ANN 모델이 예측한 시간별 AHU 토출온도를 확인한 결과 전체 냉방시간 990시간 중 18℃가 864시간으로 가장 높았고 그 다음 17℃가 55시간, 16℃가 22시간, 14℃가 19시간, 12℃가 15시간, 15℃가 13시간, 마지막으로 13℃가 2시간으로 나타났다.
(3) 6월 9일의 5:00부터 19:00까지 최적 ANN 모델로 AHU 토출온도를 실시간 제어했을 때와 단순 고정제어를 실시했을 때의 PMV 분석을 진행한 결과, 최적 ANN 모델로 AHU 토출온도를 실시간 제어했을 경우 단순 고정제어 케이스 15℃, 18℃와 비슷한 패턴을 나타냈고, 분석시간 모두 쾌적성 범위인 PMV 값 -0.5에서 +0.5에 포함되는 것으로 나타났다.
(4) 6월 9일의 5:00부터 19:00까지 최적 ANN 모델로 AHU 토출온도를 실시간 제어했을 때와 단순 고정제어를 실시했을 때의 작용온도 분석을 진행한 결과, 분석 시간 동안 작용온도가 고정제어 3개의 케이스보다 높게 나타나지 않고 12℃, 15℃와 비슷한 패턴을 나타냈으며, 오히려 단순 고정제어 18℃가 가장 높게 나타났다.
(5) AHU 토출온도를 고정제어를 실시한 경우에 비하여 최적 ANN 모델을 적용하여 AHU 토출온도를 실시간으로 제어한 경우의 Chiller1과 Chiller2를 합한 에너지 소비량 차이는 AHU 토출온도가 가장 낮은 12℃ 보다 30.4%, 13℃ 보다 26.3%, 14℃ 보다 21.5%, 15℃ 보다 16.6%, 16℃ 보다 11.7%, 17℃ 보다 6.2%, AHU 토출온도가 가장 높은 18℃ 보다 2.3% 낮은 에너지 소비량을 나타냈다.
(6) 최적 ANN 모델을 통해 AHU 토출온도를 실시간 제어한 결과 Fan(AHU Supply Fan, Relief Fan) 에너지 소비량의 감소효과는 상당한 것으로 나타났다. AHU 토출온도 고정제어 케이스 중 가장 높은 에너지 소비량을 나타낸 AHU 토출온도 18℃가 8,971kWh로 나타났지만 ANN 기반 AHU 토출온도를 제어한 경우 8,243kWh로써 단순 고정제어보다 더 낮은 Fan 에너지 소비량을 나타냈다.
(7) AHU 토출온도를 단순 고정제어를 실시한 경우에 비하여 ANN 모델 기반 AHU 토출온도를 실시간(real-time) 제어한 경우의 총 에너지 소비량을 비교한 결과, AHU 토출온도 12℃ 보다 18.2% 감소하였으며 13℃ 보다 14.3%, 14℃ 보다 10.1%, 15℃ 보다 6.5%, 16℃ 보다 3.7%, 17℃ 보다 2.0%, 18℃ 보다 3.4% 감소하였다. 이처럼 ANN 모델을 활용한 AHU 토출온도를 실시간 제어 했을 때 상당한 냉방 에너지 소비량 절감이 가능한 것으로 나타났다.
산업혁명 이후 무분별한 화석연료 사용으로 인해 대기 중 온실가스의 농도가 증가하여 지표면온도가 상승하는 지구 온난화 현상을 비롯해 많은 문제가 발생하고 있다. 이에 대한 해결방안으로 2015년 파리 협정에서 200여개 국가가 온실가스 감축 목표를 스스로 정해 노력하고 있다. 하지만, 자원의 대부분을 수입에 의존하는 한국은 건물 에너지 소비량이 증가하였다. 특히 냉방의 경우 전력이 높은 비중을 차지하며 매년 지속적으로 증가하고 있는 추세를 보이고 있다. 사무소 건물에서는 AHU 기반의 VAV 시스템이 흔히 운용되고 있는데, 이러한 AHU의 운영 방법이 전체 냉난방 에너지에 매우 큰 영향을 미치기에 AHU와 관련된 연구가 국내외적으로 활발히 진행되었지만 대부분의 연구에서 동적으로 변하는 작동조건하에서 AHU 토출온도 제어를 다룬 연구는 많지 않았다. 따라서 본 연구에서는 AHU 토출온도 최적제어를 위해 ANN 기반의 제어방식을 채택하였다. ANN은 외부 변화에 대한 적응성을 통해 수학적 모델보다 정확한 예측이 가능하다. 본 연구에서는 ANN을 구현하기 위해서 Matlab과 EnergyPlus 시뮬레이션 프로그램을 사용하였으며, 두 프로그램은 BCVTB 플랫폼을 통해 실시간 연동 시뮬레이션을 진행하였다. 이를 토대로 ANN 모델을 활용하여 AHU토출온도 최적제어에 따른 하절기 냉방 에너지소비량 저감효과에 대한 연구를 진행하였다.
본 논문의 주요 연구 결과를 요약하면 다음과 같다. (1) AHU 토출온도에 따른 6월 1일부터 8월 31일까지의 총 냉방 에너지 소비량 분석을 진행한 결과, AHU 토출온도가 낮을수록 에너지 소비량이 적었으며 18℃부터는 다시 증가하는 패턴을 나타냈다. 하절기 HVAC 시스템 특성상 Chiller의 에너지 소비량 비중이 가장 높게 나타났다. Fan을 제외한 기기들은 AHU 토출온도가 높아질수록 에너지 소비량이 감소하는 반면 AHU Supply Fan과 Relief Fan의 경우에는 증가하는 패턴을 나타냈다.
(2) 6월 1일부터 8월 31일까지의 5:00부터 19:00까지 ANN 모델이 예측한 시간별 AHU 토출온도 분석을 진행한 결과, ANN 모델이 예측한 시간별 AHU 토출온도를 확인한 결과 전체 냉방시간 990시간 중 18℃가 864시간으로 가장 높았고 그 다음 17℃가 55시간, 16℃가 22시간, 14℃가 19시간, 12℃가 15시간, 15℃가 13시간, 마지막으로 13℃가 2시간으로 나타났다.
(3) 6월 9일의 5:00부터 19:00까지 최적 ANN 모델로 AHU 토출온도를 실시간 제어했을 때와 단순 고정제어를 실시했을 때의 PMV 분석을 진행한 결과, 최적 ANN 모델로 AHU 토출온도를 실시간 제어했을 경우 단순 고정제어 케이스 15℃, 18℃와 비슷한 패턴을 나타냈고, 분석시간 모두 쾌적성 범위인 PMV 값 -0.5에서 +0.5에 포함되는 것으로 나타났다.
(4) 6월 9일의 5:00부터 19:00까지 최적 ANN 모델로 AHU 토출온도를 실시간 제어했을 때와 단순 고정제어를 실시했을 때의 작용온도 분석을 진행한 결과, 분석 시간 동안 작용온도가 고정제어 3개의 케이스보다 높게 나타나지 않고 12℃, 15℃와 비슷한 패턴을 나타냈으며, 오히려 단순 고정제어 18℃가 가장 높게 나타났다.
(5) AHU 토출온도를 고정제어를 실시한 경우에 비하여 최적 ANN 모델을 적용하여 AHU 토출온도를 실시간으로 제어한 경우의 Chiller1과 Chiller2를 합한 에너지 소비량 차이는 AHU 토출온도가 가장 낮은 12℃ 보다 30.4%, 13℃ 보다 26.3%, 14℃ 보다 21.5%, 15℃ 보다 16.6%, 16℃ 보다 11.7%, 17℃ 보다 6.2%, AHU 토출온도가 가장 높은 18℃ 보다 2.3% 낮은 에너지 소비량을 나타냈다.
(6) 최적 ANN 모델을 통해 AHU 토출온도를 실시간 제어한 결과 Fan(AHU Supply Fan, Relief Fan) 에너지 소비량의 감소효과는 상당한 것으로 나타났다. AHU 토출온도 고정제어 케이스 중 가장 높은 에너지 소비량을 나타낸 AHU 토출온도 18℃가 8,971kWh로 나타났지만 ANN 기반 AHU 토출온도를 제어한 경우 8,243kWh로써 단순 고정제어보다 더 낮은 Fan 에너지 소비량을 나타냈다.
(7) AHU 토출온도를 단순 고정제어를 실시한 경우에 비하여 ANN 모델 기반 AHU 토출온도를 실시간(real-time) 제어한 경우의 총 에너지 소비량을 비교한 결과, AHU 토출온도 12℃ 보다 18.2% 감소하였으며 13℃ 보다 14.3%, 14℃ 보다 10.1%, 15℃ 보다 6.5%, 16℃ 보다 3.7%, 17℃ 보다 2.0%, 18℃ 보다 3.4% 감소하였다. 이처럼 ANN 모델을 활용한 AHU 토출온도를 실시간 제어 했을 때 상당한 냉방 에너지 소비량 절감이 가능한 것으로 나타났다.
Since the Industrial Revolution, indiscriminate use of fossil fuels has caused a number of problems, including global warming, which results in an increase in the concentration of greenhouse gases in the atmosphere and rising surface temperatures. As a solution, more than 200 countries have set thei...
Since the Industrial Revolution, indiscriminate use of fossil fuels has caused a number of problems, including global warming, which results in an increase in the concentration of greenhouse gases in the atmosphere and rising surface temperatures. As a solution, more than 200 countries have set their own goals for reducing greenhouse gas in the 2015 Paris Agreement. However, building energy consumption has increased in Korea, where most of its resources are imported. In particular, in the case of cooling, electric power accounts for a high proportion, and it is continuously increasing every year. AHU-based conventional VAV systems are commonly used in office buildings. AHU-related research has been actively carried out at home and abroad as the operation method of AHU has a great influence on the overall heating and cooling energy. However, most studies have not dealt with AHU discharge air temperature control under dynamically changing operating conditions. Therefore, this study adopts ANN-based control method for optimum control of AHU discharge temperature. ANN is more accurate than mathematical models through its adaptability to external changes. In this study, Matlab and EnergyPlus simulation programs were used to implement ANN. Both programs performed real-time interlocking simulation through BCVTB platform. Based on this, the study was conducted to reduce the cooling energy consumption in summer by the optimum control of AHU discharge air temperature. The main results of this study are summarized as follows. ● As a result of analyzing the total cooling energy consumption from June 1 to August 31 according to the AHU discharge air temperature, the lower the AHU discharge air temperature, the lower the energy consumption and the pattern increased again from 18℃. In summer, Chiller's energy consumption was the highest. Except for the fan, the energy consumption decreased as the AHU discharge air temperature increased, while the AHU Supply Fan and Relief Fan showed an increasing pattern.
● The results of the hourly AHU discharge temperature analysis predicted by the ANN model from 5:00 to 19:00 from June 1 to August 31 are as follows. As a result of confirming the hourly AHU discharge temperature predicted by ANN model, 18℃ was the highest as 864 hours among the total cooling time of 990 hours. Then, 17℃ was 55 hours, 16℃ was 22 hours, 14℃ was 19 hours, 12℃ was 15 hours, 15℃ was 13 hours, and 13℃ was 2 hours.
● From 5:00 to 19:00 on June 9th, PMV analysis was performed with the optimum ANN model when real-time control of AHU discharge temperature and simple fixed control were performed. As a result, when the AHU discharge temperature was controlled in real-time with the optimal ANN model, a pattern similar to that of the simple fixed control cases 15℃ and 18℃ was shown. It was found that the analysis time was included in the comfort range PMV value -0.5 to +0.5.
● From 5:00 to 19:00 on June 9, the optimum ANN model analyzed the operating temperature when the AHU discharge temperature was controlled in real-time and when simple fixed control was performed. As a result, during the analysis time, the operating temperature did not appear higher than three cases of fixed control but showed patterns similar to those of 12℃ and 15℃.
● Compared to the case of fixed control of AHU discharge temperature, the difference in energy consumption of Chiller1 and Chiller2 was compared when the AHU discharge temperature was controlled in real-time by applying the optimal ANN model. As a result, the AHU discharge air temperature was 30.4% lower than 12℃, 26.3% higher than 13℃, 21.5% higher than 14℃, 16.6% higher than 15℃, 11.7% lower than 16℃, and 6.2% lower than 17℃. The AHU discharge air temperature showed 2.3% lower energy consumption than the highest 18℃.
● As a result of real-time control of AHU discharge air temperature through the optimal ANN model, the reduction effect of energy consumption of Fan(AHU Supply Fan, Relief Fan) was significant. The AHU discharge air temperature 18℃, which shows the highest energy consumption among the AHU discharge air temperature fixed control cases, was 8,971kWh. However, when the ANN-based AHU discharge air temperature was controlled, it was 8,243kWh, which showed lower fan energy consumption than the simple fixed control.
● Compared with the case of simple fixed control of the AHU discharge air temperature, the total cooling energy consumption of the ANN model-based AHU discharge air temperature in real-time was compared. As a result, AHU discharge air temperature decreased by 18.2% from 12℃, 14.3% from 13℃, 10.1% from 14℃, 6.5% from 15℃, 3.7% from 16℃, 2.0% from 17℃, and 3.4% from 18℃. Thus, when the AHU discharge air temperature is controlled in real-time using the ANN model, significant total cooling energy consumption can be reduced.
Since the Industrial Revolution, indiscriminate use of fossil fuels has caused a number of problems, including global warming, which results in an increase in the concentration of greenhouse gases in the atmosphere and rising surface temperatures. As a solution, more than 200 countries have set their own goals for reducing greenhouse gas in the 2015 Paris Agreement. However, building energy consumption has increased in Korea, where most of its resources are imported. In particular, in the case of cooling, electric power accounts for a high proportion, and it is continuously increasing every year. AHU-based conventional VAV systems are commonly used in office buildings. AHU-related research has been actively carried out at home and abroad as the operation method of AHU has a great influence on the overall heating and cooling energy. However, most studies have not dealt with AHU discharge air temperature control under dynamically changing operating conditions. Therefore, this study adopts ANN-based control method for optimum control of AHU discharge temperature. ANN is more accurate than mathematical models through its adaptability to external changes. In this study, Matlab and EnergyPlus simulation programs were used to implement ANN. Both programs performed real-time interlocking simulation through BCVTB platform. Based on this, the study was conducted to reduce the cooling energy consumption in summer by the optimum control of AHU discharge air temperature. The main results of this study are summarized as follows. ● As a result of analyzing the total cooling energy consumption from June 1 to August 31 according to the AHU discharge air temperature, the lower the AHU discharge air temperature, the lower the energy consumption and the pattern increased again from 18℃. In summer, Chiller's energy consumption was the highest. Except for the fan, the energy consumption decreased as the AHU discharge air temperature increased, while the AHU Supply Fan and Relief Fan showed an increasing pattern.
● The results of the hourly AHU discharge temperature analysis predicted by the ANN model from 5:00 to 19:00 from June 1 to August 31 are as follows. As a result of confirming the hourly AHU discharge temperature predicted by ANN model, 18℃ was the highest as 864 hours among the total cooling time of 990 hours. Then, 17℃ was 55 hours, 16℃ was 22 hours, 14℃ was 19 hours, 12℃ was 15 hours, 15℃ was 13 hours, and 13℃ was 2 hours.
● From 5:00 to 19:00 on June 9th, PMV analysis was performed with the optimum ANN model when real-time control of AHU discharge temperature and simple fixed control were performed. As a result, when the AHU discharge temperature was controlled in real-time with the optimal ANN model, a pattern similar to that of the simple fixed control cases 15℃ and 18℃ was shown. It was found that the analysis time was included in the comfort range PMV value -0.5 to +0.5.
● From 5:00 to 19:00 on June 9, the optimum ANN model analyzed the operating temperature when the AHU discharge temperature was controlled in real-time and when simple fixed control was performed. As a result, during the analysis time, the operating temperature did not appear higher than three cases of fixed control but showed patterns similar to those of 12℃ and 15℃.
● Compared to the case of fixed control of AHU discharge temperature, the difference in energy consumption of Chiller1 and Chiller2 was compared when the AHU discharge temperature was controlled in real-time by applying the optimal ANN model. As a result, the AHU discharge air temperature was 30.4% lower than 12℃, 26.3% higher than 13℃, 21.5% higher than 14℃, 16.6% higher than 15℃, 11.7% lower than 16℃, and 6.2% lower than 17℃. The AHU discharge air temperature showed 2.3% lower energy consumption than the highest 18℃.
● As a result of real-time control of AHU discharge air temperature through the optimal ANN model, the reduction effect of energy consumption of Fan(AHU Supply Fan, Relief Fan) was significant. The AHU discharge air temperature 18℃, which shows the highest energy consumption among the AHU discharge air temperature fixed control cases, was 8,971kWh. However, when the ANN-based AHU discharge air temperature was controlled, it was 8,243kWh, which showed lower fan energy consumption than the simple fixed control.
● Compared with the case of simple fixed control of the AHU discharge air temperature, the total cooling energy consumption of the ANN model-based AHU discharge air temperature in real-time was compared. As a result, AHU discharge air temperature decreased by 18.2% from 12℃, 14.3% from 13℃, 10.1% from 14℃, 6.5% from 15℃, 3.7% from 16℃, 2.0% from 17℃, and 3.4% from 18℃. Thus, when the AHU discharge air temperature is controlled in real-time using the ANN model, significant total cooling energy consumption can be reduced.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.