선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구는 일사 예측모델의 정밀도가 컴퓨터 프로그램을 활용한 건물 에너지 성능분석의 결과에 미치는 영향에 대한 일련의 연구의 한 과정으로서, 실측 및 예측 모델에 의한 일사량 값이 건물 에너지 성능에 미치는영향을 건물의 일사열취득계수 및 창면적비의 변화에 따른 영향을 중심으로 파악하였다.
- 본 연구는 건물의 일사열취득계수 및 창면적비의 변화에 따라서 전일사량이 표준형 사무소건물의 에너지 성능에 미치는 영향을 파악하는 것이 목적이기 때문에, 초기의 사무소건물 형태의 모든 조건은 동일하게 설정하였고, 일사량의 영향을 받는 건물의 각 해당 변수에 변화를 주면서 건물 에너지 해석 프로그램을 수행하였다. 즉, 초기에는 정방형 형태의 건물에서 각 벽면의 일사열취득계수는 0.
- 본 연구에서는 수평면 전일사량의 차이가 일사열취득계수 및 창면적비를 고려한 사무소건물 에너지 성능에 미치는 영향을 파악하는것이 목적이기 때문에 전일사량을 제외한 모든 기상요소는 각 기상파일에 동일하게 사용하였다. 각 기상파일에 포함되는 기상요소를 Table1에 정리하였다.
- 본 저자의 후속연구4)에서는 수평면 전일사량 산출모델에 의해 도출된 기상데이터의 오차가 건물 에너지 성능분석의 결과에 미치는 실제적인 영향력을 파악하기 위한 연구를 진행하였다. 이를 위해 실측 및 예측모델을 통해 산출한 수평면 전일사량을 포함하는 여러 TRY 기상파일을 작성한 후, 이를 외부조건으로 DOE-2.
제안 방법
- 본 연구에서는 실측 및 세 종류의 일사량 예측모델로부터 산출한 시간당 수평면 전일사량을 이용하여 부산지역에 위치한 표준형 사무소 건물의 에너지 성능평가 결과를 일사열취득계수 및 창면적비의 변화에 따라 정량적으로 비교, 분석하였다. 그 결과, 다음과 같은 사실을 도출하였다.
- 8인 경우의 건물 에너지 성능을 비교하였다. 이 모든 경우에 있어서, 실측 및 세 가지 예측모델에 의한 전일사량을 활용한 기상파일을 이용하여 건물 에너지 성능해석을 수행하였고, 각 경우의 부분별 건물 에너지 소비량을 비교, 분석하였다. 이에 따른 건물 에너지 성능분석시뮬레이션 결과를 종합하면 Table4와 같다.
- 그렇다면, 이 모든 경우에 있어서 실측 일사량을 이용한 경우의 건물 에너지 소비량 예측결과에 가장 근접하는 일사량 산출모델은 무엇일까? 이 분석을 위해서 각 산출모델별 수평면 전일사량을 이용했을 경우의 월별 건물에너지 소비량을 일사열취득계수 및 창면적비의 변화에 따른 각 항목별로 비교, 분석하였다. Table 4는 세 가지 예측모델에 의한 수평면 전일사량을 이용하여 사무소건물에 대한 건물 에너지 성능평가 시뮬레이션을 수행했을 경우의 월별 건물 에너지 소비량과 함께 실측 및 예측 수평면 전일사량을 이용하여 시뮬레이션한 각 항목별 월별 에너지 소비량의 오차를 백분율로 나타낸 것이다.
- 에서는 수평면 전일사량 산출모델에 의해 도출된 기상데이터의 오차가 건물 에너지 성능분석의 결과에 미치는 실제적인 영향력을 파악하기 위한 연구를 진행하였다. 이를 위해 실측 및 예측모델을 통해 산출한 수평면 전일사량을 포함하는 여러 TRY 기상파일을 작성한 후, 이를 외부조건으로 DOE-2.2/eQUEST 프로그램을 사용하여 월별 냉방소비량, 난방소비량, 전체 에너지 소비량 등에 대하여 부산지역 표준형 사무소 건물을 대상으로 에너지 성능분석을 수행하여, 수평면 전일사량의 예측오차가 건물 에너지 성능분석에 미치는 영향을 실측 전일사량과 관계하여 비교분석하였다. 그 결과, 수평면 전일사량의 예측은 MRM 모델이 전반적으로 실측치에 가장 가까운 것으로 나타남에도 불구하고, 냉방 소비량 예측에는 CRM 모델과 ZHM 모델이, 난방 소비량 예측에는 MRM 모델이 적합하며, 기상과 관련 있는 요소들에 의한 에너지 소비량의 예측에서는 하계에는 CRM 모델이, 동계에는 ZHM 모델이 각각 최적의 시뮬레이션 결과를 제공하는 것이 밝혀졌다.
- 본 연구는 건물의 일사열취득계수 및 창면적비의 변화에 따라서 전일사량이 표준형 사무소건물의 에너지 성능에 미치는 영향을 파악하는 것이 목적이기 때문에, 초기의 사무소건물 형태의 모든 조건은 동일하게 설정하였고, 일사량의 영향을 받는 건물의 각 해당 변수에 변화를 주면서 건물 에너지 해석 프로그램을 수행하였다. 즉, 초기에는 정방형 형태의 건물에서 각 벽면의 일사열취득계수는 0.4, 창면적비는 28%로 설정하였고, 그 다음 과정으로, 이와 같이 설정한 사무소건물에서 각 벽면의 창면적비를 30%, 50%로 변화를 주었으며, 각 창면적비에서 일사열취득계수가 0.4, 0.6, 0.8인 경우의 건물 에너지 성능을 비교하였다. 이 모든 경우에 있어서, 실측 및 세 가지 예측모델에 의한 전일사량을 활용한 기상파일을 이용하여 건물 에너지 성능해석을 수행하였고, 각 경우의 부분별 건물 에너지 소비량을 비교, 분석하였다.
대상 데이터
- 본 연구에서 비교하는 세 가지의 수평면 전일사량 산출모델은 Cloud-cover Radiation Model(CRM), Zhang and Huang Model(ZHM)과Meteorological Radiation Model(MRM)이다. 이 세 가지 모델은 보편성 및 정확성에 있어서 신뢰 받고 있는 모델로, CRM과 ZHM은 지역계수를 활용하는 모델로, 과거 수년간의 충분한 시간동안 그 지역의 실측 일사량과 기상정보와의 상관관계에서 지역계수를 도출하여 일사량을 산출하는 회귀형 모델이고, MRM은 그 지역의 기상정보만으로 대기상의 상태를 계산하여 대기권 밖 일사량이 대기권을 통과하며 생기는 흡수, 산란 등을 고려하여 지표면에 도달하는 일사량을 산출하는 역학형 모델이다.
- 2/eQUEST를 사용하였다. 이 프로그램을 사용하여 Fig.1과 같이 부산에 위치한 표준형 사무소건물을 모델링하였으며, 여기에 사용된 건물의 입력정보는 Table2, 냉난방공조시스템의 입력정보는 Table3에 정리하였다. Table2, 3에서 제시하고 있는 입력값은 다음과 같은 기준으로 설정하였다.
이론/모형
- Table2, 3에서 제시하고 있는 입력값은 다음과 같은 기준으로 설정하였다. 건물의 외벽, 지붕, 바닥, 유리창 등 건물 외피의 열관류율은 『건축물의 에너지절약설계기준해설서』5)에 준하여 설정하였으며, 침기량은 미국 Pacific Northwest National Laboratory(PNNL)에서 제안하는 값으로 설정하였다. 또한, 건물 에너지 해석 프로그램에 필요한 내부발열, 조명밀도, 기기발열밀도 및 재실, 조명, 기기, 냉난방시스템의 설정온도, 환풍, 급탕기의 운행일정은 미국 National Renewable Energy Laboratory(NREL)에서 제안하고 있는 주중 및 주말 일정7)을 적용하였다.
- 또한, 건물 에너지 해석 프로그램에 필요한 내부발열, 조명밀도, 기기발열밀도 및 재실, 조명, 기기, 냉난방시스템의 설정온도, 환풍, 급탕기의 운행일정은 미국 National Renewable Energy Laboratory(NREL)에서 제안하고 있는 주중 및 주말 일정7)을 적용하였다.
- 본 연구에서는 건물 에너지 해석 프로그램으로 DOE-2.2/eQUEST를 사용하였다. 이 프로그램을 사용하여 Fig.
성능/효과
- (1) 건물 에너지 성능평가에 있어서 수평면 전일사량의 영향이 적은 경우, 즉 창면적비 및 일사열취득계수가 작은 경우에는, 예측모델별 수평면 전일사량의 정밀도 차이에 의한 건물 에너지 소비량의 오차에 미치는 영향이 –0.6% ∼ 4%로 비교적 적은 것을 알 수 있었다.
- (3) 시뮬레이션 결과의 다양한 양상의 원인은 여러 요인에 근거하겠으나, 일사량의 예측이 CRM의 경우 운량에 의존하나, MRM의 경우에는 운량과 함께 일조율, 건구온도, 습구온도, 대기압 등의 기상정보를 토대로 하고 있어 이에 의한 영향이 작용한 것으로보인다.
- 2) 일사데이터의 정밀도는 건물 에너지 분석 결과의 정밀도와 비례적 관계를 가지지 않으며, 일사량을 예측하는 모델의 산출방법 및 산출에 적용되는 기상 데이터의 항목에 따라 다양한 방향으로 영향을 미칠 수 있다.
- 3) 계절에 따른 적합한 일사모델의 선택적 활용이 가능한 일사데이터는 건물 에너지 사용량의 분석결과의 정밀도를 크게 향상시킬 수 있을 것으로 판단된다.
- 연구의 결과, t-statics 수치에 의한 신뢰도는 지역계수를 보정한 ZHM 모델이 상대적으로 가장 우수한 예측결과를 도출하였으나, 계절적 편차가 크고 특히 여름철과 겨울철의 극한 기후에는 그 오차가 크게 증가하는 것이 밝혀졌다. 그 결과 계절별 특성을 반영한 세분화된 조건의 새로운 산출모델이 예측 일사량의 신뢰도를 크게 향상시킬 수 있는 것으로 밝혀졌으며, 이에 따른 계절별 복합 산출모델을 활용함으로써 신뢰수준을 크게 향상시킨 시간당 수평면 전일사량의 예측이 가능하다는 것을 알 수 있었다.
- 2/eQUEST 프로그램을 사용하여 월별 냉방소비량, 난방소비량, 전체 에너지 소비량 등에 대하여 부산지역 표준형 사무소 건물을 대상으로 에너지 성능분석을 수행하여, 수평면 전일사량의 예측오차가 건물 에너지 성능분석에 미치는 영향을 실측 전일사량과 관계하여 비교분석하였다. 그 결과, 수평면 전일사량의 예측은 MRM 모델이 전반적으로 실측치에 가장 가까운 것으로 나타남에도 불구하고, 냉방 소비량 예측에는 CRM 모델과 ZHM 모델이, 난방 소비량 예측에는 MRM 모델이 적합하며, 기상과 관련 있는 요소들에 의한 에너지 소비량의 예측에서는 하계에는 CRM 모델이, 동계에는 ZHM 모델이 각각 최적의 시뮬레이션 결과를 제공하는 것이 밝혀졌다. 이러한 사실은 전반적으로 신뢰할 수 있는 예측모델들을 활용하는 경우에도, 에너지 분석항목별로, 계절별로 전혀 상이한 시뮬레이션 결과를 제공하므로 분석항목에 따라서 월별로 적절한 일사량 예측모델이 활용되어야 한다는 사실을 나타내었다.
- 또한 창면적비가 30%인 경우에는 일사열취득계수가 0.4에서 0.6으로 증가하였을 때 연간 에너지 소비량이 5,200MWh에서 6,000MWh로 약 13% 증가하던 것이, 일사열취득계수가 0.6에서 0.8로 변화하였을 때에도 6,000MWh에서 6,800MWh로 약 13% 증가하여 일사열취득계수가 높아짐에 따라 건물의 에너지 소비량도 증가하는 경향을 나타낸 반면, 창면적비 50%에서는 일사열취득계수가 0.4에서 0.6, 0.8로 증가함에 따라 6,400MWh이던 연간 에너지 소비량이, 7,900MWh, 9,200MWh로 증가하여 일사열취득계수의 증가에 대해 각각 19%, 14%의 증가를 보여 일사열취득계수가 높아질수록 연간 에너지 소비량이 오히려 감소하는 경향을 보였다. 이는 창면적비가 작을수록 일사열취득계수의 영향이 더욱 커진다는 사실을 보여준다.
- 선행연구 과정에서 신뢰성이 높은 연간 수평면 전일사량 산출모델의 선정에서는 ZHM이 실측일사량에 의한 결과와 오차율 1%로 가장 우수하였으며, 다음으로 오차율 -2%인 MRM, 그리고 오차율 –14%인 CRM인 것으로 나타난 반면, 월별 수평면 전일사량의 오차율에서는 대부분의 달에 있어서 (1, 2, 3, 4, 6, 7, 8, 9, 12월)MRM이 가장 우수한 모델인 것으로 나타났고, 그 외의 달 (5, 10, 11월)에 있어서는 ZHM이 실측값에 근접한 모델인 것으로 나타났다. 또한, 시간별 결과를 볼 경우, MRM의 경우에는 300W/m2 이하의 낮은 일사의 경우를 제외하고는 산출된 값이 실측값과 매우 근사하게 나온 반면, ZHM의 경우는 실측값과 근사한 평균값을 나타내었으나 그 분산의 정도가 다른 모델에 비해서 상대적으로 높았던 것으로 나타났다. 이상의 결과로부터 확인할 수 있는 사실은, 시간별로 건물 에너지소비량을 산출하는 건물 에너지 시뮬레이션프로그램의 특성상, 각 시간별 예측 값의 분산도가 컸던 ZHM을 이용한 경우보다 MRM을 이용한 에너지 소비량의 산출이 실측 일사량을 사용할 수 없는 지역의 건물 에너지 성능평가의 오차를 크게 줄일 수 있으며, 기상데이터의 시간별 변동을 정확하게 예측하는 것이 얼마나 중요한가를 보여주는 의미 있는 결과라는 점이다.
- 또한, 창면적비가 50%이고 일사열취득계수가 낮은 경우 (SHGC=0.4)에는 대부분의 달에 있어서 CRM (1, 2, 3, 4, 5, 9, 11, 12월)이 가장 근접한 결과를 보인 반면, 일사열취득계수가 높아짐 (SHGC=0.8)에 따라 대체로 MRM (4, 5, 6, 7, 8, 9, 10, 11, 12월)이 가장 근접한 결과를 나타내었다.
- 6% ∼ 4%로 비교적 적은 것을 알 수 있었다. 반면, 창면적비 및 일사열취득계수가 커짐에 따라, 산출모델별 정밀도 차이에 의한 건물의 에너지 소비량의 차이가 약 4%에서 8%까지 크게 증가함을 알 수 있었다.
- 분석 결과를 종합하면, 월별로 다소간의 차이는 있으나, 창면적비가 30%이고 일사열취득계수가 낮은 경우 (SHGC=0.4)에는 CRM (6, 7, 8, 9, 10, 11월)과 ZHM (1, 2, 3, 4, 5, 12월)이 실측 일사량을 이용한 건물 에너지 성능평가 결과에 가장 근접한 반면, 일사열취득계수가 높아짐 (SHGC=0.8)에 따라 CRM (1, 2, 3, 4, 11, 12월)과 함께 MRM (5, 6, 7, 8, 9, 10월)이 실측 일사량을 이용한 결과에 가장 근접한 것으로 나타났다.
- 선행연구 과정에서 신뢰성이 높은 연간 수평면 전일사량 산출모델의 선정에서는 ZHM이 실측일사량에 의한 결과와 오차율 1%로 가장 우수하였으며, 다음으로 오차율 -2%인 MRM, 그리고 오차율 –14%인 CRM인 것으로 나타난 반면, 월별 수평면 전일사량의 오차율에서는 대부분의 달에 있어서 (1, 2, 3, 4, 6, 7, 8, 9, 12월)MRM이 가장 우수한 모델인 것으로 나타났고, 그 외의 달 (5, 10, 11월)에 있어서는 ZHM이 실측값에 근접한 모델인 것으로 나타났다.
- 에서 제시하고 있는 24개의 시간당 수평면 전일사량 산출모델들 중에서 미국에서 가장 일반적으로 활용되고 있는 세 가지모델인 Cloud-cover Radiation Model(CRM), Zhang and Huang Model(ZHM)과 Meteorological Radiation Model(MRM)을 활용하여 우리나라 남부 해안지역을 대상으로 수평면 전일사량의 정밀도를 비교, 분석하였다. 연구의 결과, t-statics 수치에 의한 신뢰도는 지역계수를 보정한 ZHM 모델이 상대적으로 가장 우수한 예측결과를 도출하였으나, 계절적 편차가 크고 특히 여름철과 겨울철의 극한 기후에는 그 오차가 크게 증가하는 것이 밝혀졌다. 그 결과 계절별 특성을 반영한 세분화된 조건의 새로운 산출모델이 예측 일사량의 신뢰도를 크게 향상시킬 수 있는 것으로 밝혀졌으며, 이에 따른 계절별 복합 산출모델을 활용함으로써 신뢰수준을 크게 향상시킨 시간당 수평면 전일사량의 예측이 가능하다는 것을 알 수 있었다.
- 이들 모델의 자세한 산출방법과 유도방정식에 대해서는 본 저자의 선행연구2)를 참조하기 바란다.이 연구 결과에 의하면, 월별 수평면 전일사량의 경우에는 MRM, ZHM, CRM 순으로, 그리고 연간 수평면 전일사량의 경우에는 ZHM, MRM, CRM 순으로 정확도가 높은 것으로 나타났다.
- 8)에 따라 대체로 MRM (4, 5, 6, 7, 8, 9, 10, 11, 12월)이 가장 근접한 결과를 나타내었다. 이상의 결과는 수평면 전일사량의 영향이 적은, 즉, 창면적비와 일사열취득계수가 적은, 사무소건물인 경우에는 CRM과 ZHM이 높은 신뢰도를보인 반면, 일사량의 영향이 커질수록 MRM이 상대적으로 다른 모델들보다 신뢰도가 높음을 보여준다. 이는 본 저자의 선행연구2)에서의 신뢰도가 우수한 수평면 전일사량 산출모델의 선정 결과와도 부합된 결과이다.
- 또한, 시간별 결과를 볼 경우, MRM의 경우에는 300W/m2 이하의 낮은 일사의 경우를 제외하고는 산출된 값이 실측값과 매우 근사하게 나온 반면, ZHM의 경우는 실측값과 근사한 평균값을 나타내었으나 그 분산의 정도가 다른 모델에 비해서 상대적으로 높았던 것으로 나타났다. 이상의 결과로부터 확인할 수 있는 사실은, 시간별로 건물 에너지소비량을 산출하는 건물 에너지 시뮬레이션프로그램의 특성상, 각 시간별 예측 값의 분산도가 컸던 ZHM을 이용한 경우보다 MRM을 이용한 에너지 소비량의 산출이 실측 일사량을 사용할 수 없는 지역의 건물 에너지 성능평가의 오차를 크게 줄일 수 있으며, 기상데이터의 시간별 변동을 정확하게 예측하는 것이 얼마나 중요한가를 보여주는 의미 있는 결과라는 점이다.
- (2) 사무소건물의 창면적비 및 일사열취득계수의 변화에 따른 적절한 수평면 전일사량 예측모델은 다음과 같았다. 일사량의 영향이 비교적 적은, 즉 창면적비가 30%이고 일사열취득계수가 0.4인 경우에는 CRM, ZHM이 실측 일사데이터를 사용한 성능평가 결과에 가장 근접한 모델인 반면, 건물에서의 일사량 영향이 커짐에 따라, 즉 창면적비가 50%이고 일사열취득계수가 0.8인 경우에는 MRM이 가장 적절한 모델인 것으로 나타났다.
- 일사열취득계수와 창면적비가 모두 작은 경우 (SHGC=0.4, WWR=30%)에는 산출모델별 수평면 전일사량의 차이에 의한 연간 에너지 소비량의 차이가 오차율 약 –0.6%에서 4%로 비교적 미세하였으나, 일사열취득계수가 높아지고, 창면적비도 커짐에 따라서 (SHGC=0.8, WWR=50%)산출모델별 수평면 전일사량의 예측 오차에의한 연간 에너지 소비량의 차이도 오차율 약 4%에서 8%까지 증가하였다.
후속연구
- 본 연구는 개구부의 면적비 및 일사열취득계수의 변화에 따른 수평면 전일사량 예측모델별 예측 일사량의 오차가 건물 에너지 성능에 미치는 영향에 대한 실험적 분석이었으나, 향후 기상파일에 포함되는 ‘법선면 직달일사량’의 산출모델에 대한 실제적 신뢰도 검증과 예측 직달일사량의 오차가 건물의 에너지 성능평가에 미치는 영향에 대한 보다 세밀한 검토가 필요한 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.