[논문]냉방부하에 영향을 미치는 외기 환경조건의 상관관계에 관한 연구

이제묘

doi:10.6110/kjacr.2012.24.11.759

냉방부하에 영향을 미치는 외기 환경조건의 상관관계에 관한 연구
A Study on Correlation of Outdoor Environmental Condition about Cooling Load 원문보기

설비공학논문집 = Korean journal of air-conditioning and refrigeration engineering, v.24 no.11, 2012년, pp.759 - 766

이제묘 (국가핵융합연구소 정책실)

Abstract ▼ AI-Helper

To estimate the cooling load for the following day, outdoor temperature and humidity are needed in hourly base. But the meteorological administration forecasts only maximum and minimum temperature. New methodology is proposed for predicting hourly outdoor temperature and humidity by using the forecasted maximum and minimum temperature. The correlations for normalized outdoor temperature and specific humidity has been derived from the weather data for five years at Seoul, Daejeon and Pusan. The correlations for normalized temperature are independent of date, while the correlations for specific humidity are linearly dependent on date. The predicted results show fairly good agreement with the measured data. The prediction program is also developed for hourly outdoor dry bulb temperature, specific humidity, dew point, relative humidity, enthalpy and specific volume.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 기존의 복잡한 시스템과는 차별화된 Normalize를 통하여, 냉난방장치의 운전자가 현장에서 손쉽게 사용할 수 있도록 기상청에서 예보하는 환경조건(최고온도, 최저온도)과 냉방부하의 상관관계를 정립하고자 한다.

가설 설정

그림에서 볼 수 있듯이 비습도의 변화는 6월부터 7월까지 증가하였다가 8월부터 9월까지 감소하고 있다. 본 연구에서는 이러한 비습도의 증가와 감소가 날짜에 비례해서 변한다고 가정하여 다음과 같은 선형 상관식을 제안하였다.

제안 방법

또한 Hokoi et al.⁽⁴⁾은 일본 동경의 과거 5년간의 기상 데이터를 기초로 일사량과 외기온의 확률적 변동을 표현하는 ARMA(auto regressive-moving average) 모델을 제안하였다. Jung et al.
Jung et al.⁽⁵⁾은 예보오차 시계열을 표현하는 확률 시계열모델을 작성하여 예보오차를 예측하는 연구를 시행하였다.
대전지역의 5년간 6월부터 9월까지 월별 비습도의 평균 값의 변화를 Fig. 4에 나타내었으며, 비습도는 온도와 상대습도로부터 습공기 프로그램을 이용하여 구하였다. 하루 중 비습도 변화는 가장 크지 않지만, 비습도는 월별로 차이가 뚜렷하며, 계절적 특성상 덥고 습한 7, 8월이 6, 9월 매우 작으며, 6월과 9월, 7월과 8월이 각각 비슷한 값을 나타내고 있다.
1은 5년간의 7월과 8월 대전지역의 하루 동안 외기온도, 상대습도, 비습도 변화를 나타낸 것이다. 비가 오는 날은 과도한 습도에 의한 잠열의 영향으로 외기온도의 변화가 무질서하므로 본 연구에서는 맑은 날만을 고려하여 분석하였다. 온도의 경우 최고온도는 13시부터 15시 사이에 나타났고, 새벽 4시부터 6시 사이에 최저온도가 나타났다.
또 한 가지 특이한 사항은 6월, 7월, 8월, 9월의 무차원온도 평균 값이 서울, 대전, 부산 지역모두 하나의 곡선으로 나타낼 수 있다는 사실이다. 상대습도를 예측하기 위해 하루 동안 상대습도의 월별 평균 값을 산출하여 예측 상대습도 함수를 구하여 비교하였다. Fig.
어떤 건물에서 부하를 분석하면 Q = k×A×Δt에서 k×A 값은 일정함으로 Δt에 의해 변화되며, 온도, 습도의 예측이 중요함을 알 수 있다. 연구결과로 서울, 대전, 부산지역의 과거 5년간 기상 데이터를 분석하여 아래와 같은 무차원화 된 예측외기온도와 예측비습도에 대한 상관 식을 도출하였다.
비습도의 변화는 하루 중 변화량이 매우 작기 때문에 온도와 상대습도와 같은 규칙적인 경향을 찾을 수가 없으나, 7월에는 증가하고 8월에는 감소하는 것을 알 수 있다. 외기온도를 예측하기 위해 하루 동안 외기온도를 무차원화 시킨 뒤 월별 평균 값을 산출하였다. Fig.
냉방부하가 발생하는 하계 6월, 7월, 8월, 9월의 외기온도와 상대습도를 분석하기 위해 기상청에서 측정했던 5년간 데이터를 활용하였다. 지리적 특성으로 인해 외기온도와 상대습도는 지역마다 차이가 있으므로⁽⁶⁾ 이를 고려하기 위해 내륙에 위치한 서울과 대전의 데이터와 해안가에 위치한 부산의 데이터를 분석하여 비교하였다. Fig.

대상 데이터

냉방부하가 발생하는 하계 6월, 7월, 8월, 9월의 외기온도와 상대습도를 분석하기 위해 기상청에서 측정했던 5년간 데이터를 활용하였다. 지리적 특성으로 인해 외기온도와 상대습도는 지역마다 차이가 있으므로⁽⁶⁾ 이를 고려하기 위해 내륙에 위치한 서울과 대전의 데이터와 해안가에 위치한 부산의 데이터를 분석하여 비교하였다.

성능/효과

결론적으로 지역에 따라 다소 차이는 있지만, 무차원 외기온도와 상대습도의 하루 중 변화 경향은 월에 상관없이 일정하게 나타나며, 비습도는 7월까지는 선형적으로 증가하였다가 그 이후로는 선형적으로 감소하는 것을 알 수 있다. 각 지역에 대한 무차원 외기온도(T^*), 상대습도(RH), 비습도(SH)에 대한 상관식을 시간(h)과 일수(d)의 함수로 구하면 다음과 같다.
온도 예측 결과와 마찬가지로 강수량을 기록한 부산 지역에서는 측정값이 예측값 보다 상당히 크지만, 비가 오지 않았던 다른 지역에서는 비교적 잘 일치하고 있음을 알 수 있다. 또한 비습도 상관 식으로부터 구한 값이 상대습도 상관 식으로부터 구한 값보다 훨씬 정확한 결과를 보이고 있다. 그 이유는 상대 습도 상관 식은 날짜에 따른 변화를 고려할 수 없는 반면, 비습도 상관 식은 시간과 날짜를 모두 고려하여 도출하였기 때문이다.
하루 중 비습도 변화는 가장 크지 않지만, 비습도는 월별로 차이가 뚜렷하며, 계절적 특성상 덥고 습한 7, 8월이 6, 9월 매우 작으며, 6월과 9월, 7월과 8월이 각각 비슷한 값을 나타내고 있다. 상대습도는 월별 변화가 크지 않지만, 비습도는 뚜렷하며, 계절적 특성상 덥고 습한 7, 8월이 6, 9월보다 약 40% 높은 값을 가짐을 알 수 있다. 그림에서 볼 수 있듯이 비습도의 변화는 6월부터 7월까지 증가하였다가 8월부터 9월까지 감소하고 있다.
내륙에 위치한 서울과 대전에서 하루 동안 온도변화는 거의 일치하며 오후 14시에 최고 온도가 나타나고, 새벽 5시에 최저온도를 보이는 일정한 경향을 가짐을 알 수 있다. 서울, 대전 지역과 달리 해안에 위치한 도시, 부산 지역의 온도 특성은 최고온도의 경우 서울, 대전 지역보다 빠른 12시와 13시 사이에 나타났고, 최저 온도는 두 지역과 같은 새벽 5시에 나타났음을 알수 있다. 그 이유는 부산지역이 서울, 대전지역에 비해 해가 약간 빨리 뜨고, 해풍의 영향으로 내륙 지역에 비해 대류가 활발하게 일어나기 때문인 것으로 판단된다.

후속연구

축냉시스템의 경우 설계 시 고려하여야 할 점은 축냉조 크기의 산정과 최적제어 운전이며, 최적제어를 위해서는 익일의 냉방부하 예측이 중요하다. 냉방부하의 가장 중요한 요소는 외기 환경조건(온도․습도)이므로 익일의 온도와 상대습도를 예측할 수만 있다면 냉열원 발생을 위한 열원장비 시스템의 운전시간 등을 최적화하여 관리할 수 있으며, 운전비용을 절감할 수 있을 것이다.
상대습도의 경우도 맑은 날에는 예측 값과 실측 값이 잘 일치하고 있으나 강수량이 집중적으로 기록된 기간에는 예측 값과 실측 값이 많은 차이를 보이고 있다. 이는 온도에 비해 습도가 강수량에 훨씬 민감하기 때문이며, 이를 보정하기 위한 추가적인 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	축냉시스템이란?	정부에서는 계절별, 시간대별로 에너지의 사용 밸런스를 맞추기 위하여 전력수요관리 프로그램을 만들어 활용하고 있으며 이에 호응하는 사용자에게는초기 투자비 지원, 값싼 사용료 등 많은 혜택을 주고 있다. 이와 같은 혜택 때문에 축냉재를 이용하여 에너지를 보관하였다가 필요한 시점에 사용할 수 있는 축냉시스템이 각광을 받고 있으며, 심야전력을 활용함으로써 전력소비의 평준화에 기여하고 있다. 축냉시스템의 경우 설계 시 고려하여야 할 점은 축냉조 크기의 산정과 최적제어 운전이며, 최적제어를 위해서는 익일의 냉방부하 예측이 중요하다.
	우리나라의 냉방부하는 주로 언제 집중적으로 발생하는가?	우리나라의 경우 국민소득 향상과 생활수준의 향상으로 특히 냉방에 사용되는 에너지양이 급격히 증대하고 있으며, 공기조화에 소비되는 전력소비량이 전체 전력소비량의 20% 정도에 이르고 있다. 소비성 전력수요인 냉방부하는 주로 여름철 주간(14：00～16：00)에 집중적으로 발생하며 전력 사용 현황을 보면 최저치와 최고치가 30% 정도의 차이가 난다. 정부에서는 계절별, 시간대별로 에너지의 사용 밸런스를 맞추기 위하여 전력수요관리 프로그램을 만들어 활용하고 있으며 이에 호응하는 사용자에게는초기 투자비 지원, 값싼 사용료 등 많은 혜택을 주고 있다.
	축냉시스템의 최적제어 운전을 위해서는 냉방부하 예측이 중요한데, 냉방부하의 가장 중요한 요소는?	축냉시스템의 경우 설계 시 고려하여야 할 점은 축냉조 크기의 산정과 최적제어 운전이며, 최적제어를 위해서는 익일의 냉방부하 예측이 중요하다. 냉방부하의 가장 중요한 요소는 외기 환경조건(온도․습도)이므로 익일의 온도와 상대습도를 예측할 수만 있다면 냉열원 발생을 위한 열원장비 시스템의 운전시간 등을 최적화하여 관리할 수 있으며, 운전비용을 절감할 수 있을 것이다.

참고문헌 (6)

Kawashima, M., Dorgan, C. E., and Michell, J. W., 1995, Hourly thermal load prediction for next 24 hours by ARIMA, EWMA, LA and an artificial neural network, ASHRAE Transactions, Vol. 101, No. 1, pp. 186-200.
Shaheen, N. I. and Ahmed, O., 1997, A simple methodology to predict local simple methodology to predict local temperature humidity, AS HRAE Transactions, Vol. 103, No. 1 pp. 451-459.
Han, D. Y. and Yang, H. B., 2002, Building energy control algorithm by using outdoor air temperature prediction, Proceedings of the SAREK 2002 Winter Annual Conference, pp. 345-350.
Hokoi, S. I. and Matsumoto, M., 1988, An analysis of stochastic properties of the heating load in an intermittently air-conditioned building, Energy and Building, Vol. 11, pp. 259-266.

상세보기
Jung, J. H., Shin, Y. G. and Park, B. Y., 2006, Study on the feasibility of applying forecasted weather data for operations of thermal storage system, Journal of SAREK, Vol. 18, No. 1, pp. 87-94.
Kim, B., Ejvind, L., Soren, P., Rolf, D. and Jesfer, T., 2005, Use of weather forecasting to control night cooling, Proceedings of the IBPSA Annual Conference, pp. 1347-1353.

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증