[논문]일사량 및 난방부하 예측에 관한 연구

유성연; 김태호; 한규현; 김명호

doi:10.3795/ksme-b.2013.37.12.1105

일사량 및 난방부하 예측에 관한 연구
Study on Prediction of Solar Insolation and Heating Load 원문보기

大韓機械學會論文集. Transactions of the Korean Society of Mechanical Engineers. B. B, v.37 no.12 = no.339, 2013년, pp.1105 - 1112

유성연 (충남대학교 기계설계공학과) , 김태호 (충남대학교 기계설계공학과) , 한규현 (충남대학교 기계설계공학과) , 김명호 (충남대학교 기계설계공학과)

초록
AI-Helper

본 연구에서는 난방설비 제어에 필요한 난방부하를 건물 특성계수를 사용하여 예측하는 방법을 제안하였고, 난방부하에 주된 영향을 미치는 시간별 온도와 일사량을 예측하는 방법을 제안하였다. 온도와 일사량은 기상청에서 예보되는 정보로부터 퍼지이론을 이용하여 예측하였고, 난방부하 예측을 위한 건물 특성계수는 EnergyPlus로부터 도출하였다. 본 연구에서 제안된 방법으로 얻어진 난방부하는 EnergyPlus의 결과와 잘 일치하였으며, 예측된 온도와 일사를 이용하여 예측한 난방부하의 변화 양상은 실측 기상데이터를 사용한 결과와 유사하였다.

Abstract ▼ AI-Helper

In this study, a method for predicting heating loads using building characteristic coefficients is proposed for heating system control, and a method for predicting hourly temperature and solar insolation, which mainly affect building heating loads, is also proposed. The temperature and solar insolation are predicted by using a fuzzy theory from forecast information at the meteorological agency, and the building characteristic coefficients for the prediction of heating loads are derived from EnergyPlus. The simulated heating loads of the present study show good agreement with those of EnergyPlus. and the variations of the predicted heating loads using the predicted temperature and solar insolation are similar to those using the actual weather data.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이러한 다양한 인자를 고려한 경제적인 공조설비 운전조건이 존재하며, 이러한 조건은 건물부하 예측을 통해서 찾을 수 있다. 따라서 본 연구에서는 공조설비 최적운전의 지침이 되는 단순하면서도 신뢰할 수 있는 건물부하 예측방법을 제시하고자 한다.
본 연구에서는 난방설비의 최적제어에 필요한 난방부하 예측 방법을 제안하고 검증하여 다음과 같은 결론을 얻었다.
본 연구에서는 보다 명료하면서 단순한 방정식을 이용하여 난방부하를 예측하는 인버스 모델을 제안하고 이를 검증하였다. 상용 부하해석프로그램인 EnergyPlus 의 해석결과로부터 난방부하에 관련된 건물 특성계수를 추출하는 방법을 제안하였으며, 열이 벽체에 축열되었다가 시간이 지남에 따라 서서히 방출되는 현상을 단순한 방법으로 모사하여 실제적인 부하변화를 표현할 수 있도록 하였다.

가설 설정

Fig. 5(b)는 2 월 한 달 동안의 일사량 예측결과와 실측값을 비교한 것으로 눈 혹은 비가 산발적으로 많이 왔음에도 일사량의 일별 변화양상은 비교적 일치하나 최대값에는 다소 차이가 있다. 이는 일사가 눈 혹은 비 등에 따라 매우 민감하게 변화하는데, 퍼지규칙을 정할 때 맑은 날과 눈 혹은 비 온 날을 따로 구분하여 분석하지 않았기 때문이다.
9 는 일별로 합산한 절대오차의 평균을 각 월별로 나타낸 결과로, 12, 1, 2 월은 10% 이내의 오차를 보였으며, 3 월은 약 18%의 오차를 보였다. 오차의 원인은 건물 특성계수를 한 달 동안 변하지 않는 것으로 가정하였고, 또한 축열효과를 고려한 방법에서도 약간의 오차가 발생하기 때문이라 판단된다. 3 월의 경우에는 실내외 온도차가 작아져 부하의 절대값이 작아지므로 약간의 변화에도 오차가 커진다.

제안 방법

(1) 기상청에서 예보되는 정보로부터 퍼지이론을 이용하여 온도와 일사량을 예측하는 방법을 제안하였다. 예측된 온도는 실측값과 잘 일치하고 있으며, 예측된 일사량의 변화 양상은 실측값과 유사하나 비나 눈이 오는 경우는 비교적 큰 오차가 발생한다.
본 연구에서 사용한 건물모델은 EnergyPlus 에서 제공하는 모델을 약간 변형한 것으로, 동서남북과 내부에 각각 하나의 존이 있고, 그 위에 냉난방되지 않는 천장으로 구성되어 있으며 상세사항은 Table 3 과 같다. 각 존의 부하는 별도의 HVAC 시스템의 설정없이 존부하를 계산할 수 있는 IdealLoadAirSystem 이라는 가상의 시스템을 통해 평가하였다.⁽⁹⁾
난방부하에 가장 큰 영향을 미치는 외기온도와 일사량을 예측하기 위해 기상청에서 측정된 5 년간의 시간별 온도와 수평면 일사 데이터를 분석하여 겨울철 온도와 수평면 전일사량의 일반적인 변화양상을 얻었다. 그리고 기상청에서 예보하는 최대값과 최소값을 이용하여 익일의 시간별 온도와 일사량을 예측하는 방법을 제안하였다.
)이 있으며, 식 (4)와 같이 나타낼 수 있다. 기존 난방부하 해석은 최대부하를 기준으로 하기 때문에 부하에 이득이 되는 열유입은 제외하지만, 본 연구에서는 하루 동안의 부하변화 예측을 목적으로 하므로 부하에 이득이 되는 일사부하도 고려하였다.
난방부하에 가장 큰 영향을 미치는 외기온도와 일사량을 예측하기 위해 기상청에서 측정된 5 년간의 시간별 온도와 수평면 일사 데이터를 분석하여 겨울철 온도와 수평면 전일사량의 일반적인 변화양상을 얻었다. 그리고 기상청에서 예보하는 최대값과 최소값을 이용하여 익일의 시간별 온도와 일사량을 예측하는 방법을 제안하였다.
퍼지규칙은 각 요인들이 서로 연관되어있기 때문에 최적화의 원리가 적용되지 않아 순서대로 단일 규칙을 최적화하더라도 전체 규칙의 최적화를 얻을 수 없다. 따라서 다양한 경우의 규칙을 고려하기 위해 일교차, 최소습도, 12 시 운량으로 구성된 3 차원 행렬 중 한 곳의 위치를 랜덤 수를 통해 생성하였고, 무작위로 선택된 위치에 각 규칙을 번갈아 대입하여 실제 데이터와의 오차가 가장 적은 규칙을 그 위치의 일사량 출력 퍼지 규칙으로 정하였다. 이러한 과정을 500 번의 반복 동안 변화가 없을 때까지 수행하였다.
상용 부하해석프로그램인 EnergyPlus 의 해석결과로부터 난방부하에 관련된 건물 특성계수를 추출하는 방법을 제안하였으며, 열이 벽체에 축열되었다가 시간이 지남에 따라 서서히 방출되는 현상을 단순한 방법으로 모사하여 실제적인 부하변화를 표현할 수 있도록 하였다. 또한 퍼지이론을 사용하여 난방부하 예측에 필요한 시간별 온도와 수평면 일사량을 예측하는 방법을 제안하고, 방위를 고려하지 않았던 기존의 단순 일사모델⁽⁷⁾을 개선하여 방위계수와 수평면 일사량을 이용하여 각 방위별 일사를 도출하는 방법을 제안하였다. 본 연구에서 제안한 예측방법의 검증을 위해 제안된 방법으로 해석한 난방부하와 EnergyPlus 로 해석한 난방부하를 비교하였으며, 예측된 기상데이터를 사용하여 구한 예측부하와 실제 측정된 기상데이터를 사용하여 구한 예측부하를 비교·분석하였다.
본 연구에서는 보다 명료하면서 단순한 방정식을 이용하여 난방부하를 예측하는 인버스 모델을 제안하고 이를 검증하였다. 상용 부하해석프로그램인 EnergyPlus 의 해석결과로부터 난방부하에 관련된 건물 특성계수를 추출하는 방법을 제안하였으며, 열이 벽체에 축열되었다가 시간이 지남에 따라 서서히 방출되는 현상을 단순한 방법으로 모사하여 실제적인 부하변화를 표현할 수 있도록 하였다. 또한 퍼지이론을 사용하여 난방부하 예측에 필요한 시간별 온도와 수평면 일사량을 예측하는 방법을 제안하고, 방위를 고려하지 않았던 기존의 단순 일사모델⁽⁷⁾을 개선하여 방위계수와 수평면 일사량을 이용하여 각 방위별 일사를 도출하는 방법을 제안하였다.
은 환기 또는 침기되는 공기의 유량이다. 외기에 의한 부하는 축열되지 않고 바로 공조공간에 전달되므로 본 연구의 부하해석에서는 외기부하를 즉시부하로 간주하였다.
제안된 부하 해석방법을 검증하기 위해 건물 특성계수로부터 구한 부하와 EnergyPlus 에서 구한 부하를 비교하였다. 이때 환기량은 건축기계설비 설계기준의 사무실에 대한 기준에 근거해 환기횟수를 1 ACH 로 설정하였고, 9 시부터 17 시까지의 스케쥴을 갖도록 하였으며, 축열효과를 고려하기 위한 SH 는 다양한 건물모델의 분석을 통해 0.4 로 설정하였다. Fig.
EnergyPlus 에서는 구조체에 비치는 일사의 유무를 설정할 수 있다. 이를 이용하여 모델의 창호를 없애고 방위별 구조체의 일사유무를 바꾸어가면서 부하증감량을 평가하여 벽체의 P_sol 을 구하였다. 마찬가지로 창호의 P_sol 도 방위별 창호의 일사 투과도를 0 혹은 1 로 바꾸어가면서 부하증감량을 평가하여 도출하였다.
일사특성계수 P_sol 은 구조체의 종류와 방위에 따라 각기 다른 값을 가지므로 벽체와 창호를 방위별로 나누어 분석하였다. EnergyPlus 에서는 구조체에 비치는 일사의 유무를 설정할 수 있다.
제안된 방법을 검증하기 위해 건물모델을 설정한 후 전 세계적으로 가장 많이 사용되고 있는 부하해석 프로그램인 EnergyPlus 를 통해 건물의 특성계수를 도출하였다. 본 연구에서 사용한 건물모델은 EnergyPlus 에서 제공하는 모델을 약간 변형한 것으로, 동서남북과 내부에 각각 하나의 존이 있고, 그 위에 냉난방되지 않는 천장으로 구성되어 있으며 상세사항은 Table 3 과 같다.
하지만 각 기상데이터의 상관관계를 정확하게 알기는 어려우므로 각 요인의 애매모호한 관계를 퍼지 알고리즘을 이용하여 추론하였다. 퍼지집합은 5 년간의 데이터에 근거하여 각 기상데이터를 7 등분한 후 7 개의 언어값을 지정하였으며, 맘다니형 추론법을 사용하였다. 운량은 Table 2 와 같이 맑음, 구름조금, 구름많음, 흐림으로 예보되므로 이들 각각에 4 개의 언어값을 지정하였다.
온도와 습도에 대한 예보정보 중에서는 일교차와 최소습도가 최대일사량과 상관관계가 크며, 이외에도 12 시 운량이 최대일사량에 영향을 미친다. 하지만 각 기상데이터의 상관관계를 정확하게 알기는 어려우므로 각 요인의 애매모호한 관계를 퍼지 알고리즘을 이용하여 추론하였다. 퍼지집합은 5 년간의 데이터에 근거하여 각 기상데이터를 7 등분한 후 7 개의 언어값을 지정하였으며, 맘다니형 추론법을 사용하였다.

대상 데이터

제안된 방법을 검증하기 위해 건물모델을 설정한 후 전 세계적으로 가장 많이 사용되고 있는 부하해석 프로그램인 EnergyPlus 를 통해 건물의 특성계수를 도출하였다. 본 연구에서 사용한 건물모델은 EnergyPlus 에서 제공하는 모델을 약간 변형한 것으로, 동서남북과 내부에 각각 하나의 존이 있고, 그 위에 냉난방되지 않는 천장으로 구성되어 있으며 상세사항은 Table 3 과 같다. 각 존의 부하는 별도의 HVAC 시스템의 설정없이 존부하를 계산할 수 있는 IdealLoadAirSystem 이라는 가상의 시스템을 통해 평가하였다.

데이터처리

본 연구에서 제안한 예측방법의 검증을 위해 제안된 방법으로 해석한 난방부하와 EnergyPlus 로 해석한 난방부하를 비교하였으며, 예측된 기상데이터를 사용하여 구한 예측부하와 실제 측정된 기상데이터를 사용하여 구한 예측부하를 비교·분석하였다.
제안된 부하 해석방법을 검증하기 위해 건물 특성계수로부터 구한 부하와 EnergyPlus 에서 구한 부하를 비교하였다. 이때 환기량은 건축기계설비 설계기준의 사무실에 대한 기준에 근거해 환기횟수를 1 ACH 로 설정하였고, 9 시부터 17 시까지의 스케쥴을 갖도록 하였으며, 축열효과를 고려하기 위한 SH 는 다양한 건물모델의 분석을 통해 0.

이론/모형

익일의 최대온도와 최소온도는 기상청에서 예보하는 값을 사용하면 되지만 식 (2)의 최대일사량은 예보되지 않는다. 최대일사량을 기상청에서 예보되는 데이터로부터 구하기 위하여 퍼지이론을 사용하였다. Fig.

성능/효과

(2) 건물의 전도특성계수 Ps 를 도출하여 전도부하를 예측하는 방법을 제안하였으며, Ps 는 창면적 비에 따라 약간 달라지지만 방위와 월에 상관없이 거의 일정한 값을 가진다.
(3) 건물의 일사특성계수 Psol 을 도출하여 일사부하를 예측하는 방법을 제안하였으며, Psol 은 남향의 경우는 계절별로 크게 달라지지만 기타 방향은 거의 일정하며, 창호의 Psol 은 벽체의 Psol 보다 휠씬 크다.
(4) 건물 특성계수를 사용하여 구한 난방부하와 EnergyPlus 를 사용하여 해석한 부하의 시간별 변화는 매우 잘 일치하고 있으며, 일별로 합산한 절대오차의 평균은 12, 1, 2 월에는 10% 이내이고, 3월에는 약 18%로 나타났다.
1%의 값을 보였다. 따라서 일사량에 대한 퍼지규칙을 맑은 날과 눈 혹은 비가 오는 날을 나누어 분석하면 날씨별로 더 정확한 예측이 가능할 것이며, 또한 본 연구에서는 일사량의 퍼지규칙을 7 개로만 나누었지만 보다 세밀하게 나누면 더 좋은 예측결과가 나올 것이라 판단된다.
전도에 의한 부하가 주를 이루는 새벽시간에는 다소 낮은 난방부하를 보이다가 환기부하가 고려되는 시간에는 난방부하가 급격하게 증가하며, 일사열 유입이 존재하는 낮에는 난방부하가 감소한다. 제안한 방법으로 구한 난방부하와 EnergyPlus 로 구한 부하가 매우 잘 일치하는 것을 알 수 있다.
4 는 2013 년 1 월 14 일과 15 일, 그리고 2 월 한 달 동안의 온도변화를 제안된 방법으로 예측한 결과와 실측값을 비교한 것이다. 최대, 최소 온도는 물론 최대온도와 최소온도가 나타나는 시간도 매우 잘 일치하고 있음을 알 수 있다. 예측 온도와 실측온도의 차이가 큰 날이 있는데, 이는 제안된 방법이 규칙적인 변화를 가정하고 있으나 눈 혹은 비가 오는 날은 규칙적인 변화에서 벗어나기 때문이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	건물에서 소비되는 에너지는 우리나라 총 에너지 소비량 중 얼마나 차지하는가??	건물에서 소비되는 에너지는 우리나라 총 에너지 소비의 24%를 차지하며, 이 중 공조부문의 소비는 그 절반에 달한다.(1) 이러한 막대한 에너지의 소비처인 건물의 에너지 절약을 위한 방법 중 하나가 공조설비의 최적제어이다.
	건물에서 공조설비의 에너지 절약을 위해 요구되는 것은?	(1) 이러한 막대한 에너지의 소비처인 건물의 에너지 절약을 위한 방법 중 하나가 공조설비의 최적제어이다. 건물에는 열원기기, 공조기로 구성된 다양한 공조설비를 갖추고 있고 각 공조설비의 에너지절약을 위해서는 최적의 운전전략이 요구된다. 공조설비의 종류에 따라 소비되는 연료의 에너지 원단위가 다르고, 시간에 따라 변하기도 한다.
	경제적인 공조설비의 운전을 위해 고려해야할 다양한 인자들은?	건물에는 열원기기, 공조기로 구성된 다양한 공조설비를 갖추고 있고 각 공조설비의 에너지절약을 위해서는 최적의 운전전략이 요구된다. 공조설비의 종류에 따라 소비되는 연료의 에너지 원단위가 다르고, 시간에 따라 변하기도 한다. 또한 열을 실내에 전달하기 까지 축열, 축냉, 예열, 예냉 등을 위한 시간이 필요할 때가 있다. 이러한 다양한 인자를 고려한 경제적인 공조설비 운전조건이 존재하며, 이러한 조건은 건물부하 예측을 통해서 찾을 수 있다.

참고문헌 (9)

Korea Energy Management Corporation, 2008, "Energy Saving Statistics".
Lee, K. H. and Braun, J. E., 2008, "Performance Evaluation of a Dynamic Inverse Model with EnergyPlus Model Simulation for Building Cooling Loads," Trans. of SAREK, Vol. 20, No. 3, pp. 205-212.
Braun, J. E. and Chaturvedi, N., 2002, "An Inverse Gray-Box Model for Transient Building Load Prediction," HVAC&R Research, Vol. 8, No. 1, pp. 73-99.

상세보기
Lee, K. H., Yang, S. K. and Han, S. H., 2010, "Reducing Peak Cooling Demand Using Building Precooling and Modified Linear Rise of Indoor Space Temperature," Trans. of SAREK, Vol. 22, No. 2, pp. 86-96.
Zhou, Q., Wang, S., Xu, X. and Xiao, F., 2008, "A Grey-box Model of Next-day Building Thermal Load Prediction for Energy-efficient Control," Int. J. Energy Res., Vol. 32, pp. 1418-1431.

상세보기
Yoo, S. Y. and Han, K. H., 2010, "A Study on Prediction of Hourly Cooling Load Using Building Area," Trans. of SAREK, Vol. 22, No. 11, pp. 798-804.
Yoo, S. Y., Kim, T. H., Han, K. H., Yoon, H. I., Kang, H. C. and Kim, K. H., 2012, "Prediction of Heating Load for Optimum Heat Supply in Apartment Building," Trans. Korean Soc. Mech. Eng. B, Vol. 32, No. 8, pp. 803-809.

원문보기 상세보기
Seem, J. E., Klein, S. A., Beckman, W. A. and Mitchell, J. W., 1989, "Transfer Functions for Efficient Calculations of Multi Dimensional Heat Transfer," J. of Heat Transfer-Transaction of the ASME, Vol. 111, No. 1, pp. 5-12.

상세보기
Moon, H. J., 2009, "Building Energy Simulation using EnergyPlus and BIM's Application," J. of the KARSE, Vol. 26, No. 9, pp. 28-37.

저자의 다른 논문 :

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