[국내논문]몬테카를로방법을 이용한 V2B(Vehicle to Building) 운용 제로에너지빌딩의 액티브 요소 예측 연구 Forecast study for active factor of V2B(Vehicle to Building) operation zero energy building using monte carlo method원문보기
제로에너지빌딩의 요소는 크게 액티브 요소와 패시브 요소 두 가지로 나뉘며, 패시브 요소의 경우 단열, 창호, 차양, 외부분 등 건물의 단열, 열교 성능 등을 나타내는 요소들을 지칭하며, 액티브 요소의 경우는 에너지생산량 및 효율 계수 등을 나타내는 요소이다. 액티브 요소의 에너지생산량은 일반적으로 신재생에너지 발전을 통해 이루어진다. 본 연구에서는 신재생에너지 발전이 아닌 V2B(Vehicle to Building)라는 전기차의 양방향 충방전 기술이 제로에너지빌딩에 액티브 요소로 적용될 경우 어느 정도의 영향을 미칠지에 대해 예측하였다. 신재생발전의 경우 지리, 기후환경에 따라 발전량이 예측될 수 있지만 V2B의 경우 전기차 이용자의 방전의사, 가용 충전기의 대수 등 여러 가지 입력변수를 고려하여 예측하여야 한다. 예측한 결과에 따라 V2B가 제로에너지빌딩의 액티브 요소에 얼마나 기여할 수 있는지 확인 할 수 있으며, 해당 예측은 통계자료가 부족한 실정이기에 확률적 방법을 이용하여 예측해야한다. 본 연구에서는 해당 확률적 방법 중 몬테카를로 방법을 이용하여 DR(Demand Response)발령 시간대를 기준으로 충방전 패턴의 변화를 예측하였다.
제로에너지빌딩의 요소는 크게 액티브 요소와 패시브 요소 두 가지로 나뉘며, 패시브 요소의 경우 단열, 창호, 차양, 외부분 등 건물의 단열, 열교 성능 등을 나타내는 요소들을 지칭하며, 액티브 요소의 경우는 에너지생산량 및 효율 계수 등을 나타내는 요소이다. 액티브 요소의 에너지생산량은 일반적으로 신재생에너지 발전을 통해 이루어진다. 본 연구에서는 신재생에너지 발전이 아닌 V2B(Vehicle to Building)라는 전기차의 양방향 충방전 기술이 제로에너지빌딩에 액티브 요소로 적용될 경우 어느 정도의 영향을 미칠지에 대해 예측하였다. 신재생발전의 경우 지리, 기후환경에 따라 발전량이 예측될 수 있지만 V2B의 경우 전기차 이용자의 방전의사, 가용 충전기의 대수 등 여러 가지 입력변수를 고려하여 예측하여야 한다. 예측한 결과에 따라 V2B가 제로에너지빌딩의 액티브 요소에 얼마나 기여할 수 있는지 확인 할 수 있으며, 해당 예측은 통계자료가 부족한 실정이기에 확률적 방법을 이용하여 예측해야한다. 본 연구에서는 해당 확률적 방법 중 몬테카를로 방법을 이용하여 DR(Demand Response)발령 시간대를 기준으로 충방전 패턴의 변화를 예측하였다.
Factors of Zero-Energy Building are divided into active and passive factor. Passive factor means insulation, heat bridge of building like insulation, windows and doors, awning, outside etc. and active factor means energy output and efficiency coefficient. Energy output of active factor is achieved b...
Factors of Zero-Energy Building are divided into active and passive factor. Passive factor means insulation, heat bridge of building like insulation, windows and doors, awning, outside etc. and active factor means energy output and efficiency coefficient. Energy output of active factor is achieved by new generating energy. This study anticipated how many effects will be produced when not new generating energy but Vehicle to Building; V2B, bi-directional charging and discharging technology, is applied to Zero-Energy Building. In new generating energy, power generation will be anticipated by geography and climate, but in V2B, several input variable like user's discharging intention and number of usable charger etc. should be considered. We can check how much V2B contribute to the Zero-Energy Building by anticipated results, and that results should be anticipated by using probabilitic method because there is few statistical data. This study anticipate change of charging and discharging pattern, based by Demand Response slot, by using monte carlo method among the probabilitic methods.
Factors of Zero-Energy Building are divided into active and passive factor. Passive factor means insulation, heat bridge of building like insulation, windows and doors, awning, outside etc. and active factor means energy output and efficiency coefficient. Energy output of active factor is achieved by new generating energy. This study anticipated how many effects will be produced when not new generating energy but Vehicle to Building; V2B, bi-directional charging and discharging technology, is applied to Zero-Energy Building. In new generating energy, power generation will be anticipated by geography and climate, but in V2B, several input variable like user's discharging intention and number of usable charger etc. should be considered. We can check how much V2B contribute to the Zero-Energy Building by anticipated results, and that results should be anticipated by using probabilitic method because there is few statistical data. This study anticipate change of charging and discharging pattern, based by Demand Response slot, by using monte carlo method among the probabilitic methods.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 따라 전기자동차의 보급 활성화를 위한 여러 가지 노력의 일환으로 전기차 서비스 모델에 대한 연구가 활발히 진행 중이며, 전기차의 서비스 모델 중 하나로 전기자동차의 배터리를 전력저장장치로 사용하여 전력공급원으로 이용함으로써 전력계통의 수요와 주파수 유지에 기여하는 서비스 모델인 V2G(Vehicle to Grid)가있다. 본 연구는 이러한 V2G 서비스 모델이 제로에너지빌딩의 액티브 요소로 작용할 경우 빌딩의 에너지 생산량 및 소비량에 어떠한 영향을 미칠지에 대해 예측한 연구이다.
가설 설정
시뮬레이션은 충전출력이 6.6kW, 방전출력이 3.3kW인 양방향충전기가 20기 구비된 빌딩에서 진행된다고 가정하였으며, 일반적인 피크시간대 오후1시부터 오후 3시까지 방전을 연결된 차량에게 요구하여 이에 응할 경우 차량의 방전이 진행되는 방식으로 진행하였다.
차량의 SOC를 제외한 모든 입력변수는 LHS방법에 따라 0과 1사이의 난수를 발생시켜 구간에 따라 결과값이 도출되게 설정하였다. 차량의 SOC의 경우 균일한 분포를 가지지 않기 때문에 이항분포에 따라 결정된다고 가정하였으며, 이항분포는 사건의 확률을 이산변량으로 나타낸 분포도로 한 사건이 독립적으로 되풀이될 때 사건이 k회 일어날 확률을 나타낸 그래프이다. 이항분포에서 각 사건이 발생할 횟수에 따른 확률은 다음과 같다.
제안 방법
시뮬레이션을 진행하기 위해서 입력변수를 어떻게 설정할지에 대한 고민이 필요하다. 본 연구에서 V2B 시뮬레이션의 입력변수는 총 4가지로 설정하였으며, 충전기와 차량의 접속여부, 차량의 충전기 접속 유지 시간, 차량의 SOC(State of Charge), 접속차량의 충방전 의사이다.
데이터처리
차량의 SOC는 이항분포에 따라 샘플링 되도록 설정하여 시뮬레이션을 진행하였다. 시뮬레이션 진행 3시간을 첫 번째, 두 번째, 세 번째 시간에 대해 1,000번씩 시뮬레이션 진행하였으며, 도출된 결과값의 평균과 표준편차를 통해 빌딩 내 충전량의 모수를 추정하였다.
시뮬레이션의 결과는 3시간 동안 20기의 충전기의 총 충전량의 합으로 도출되며, 충전량이 양수인 경우 빌딩의 에너지 소요량으로 결정되고 음수인 경우 빌딩의 에너지 생산량으로 결정된다. 시뮬레이션은 앞서 설명한바와 같이 각각의 시간에 대해 총 1,000번의 시나리오로 진행 되었으며, 해당 결과값의 모수를 추정하여 평균과 표준편차를 추정하였다.
이론/모형
시뮬레이션 진행을 위한 확률적 모델링은 몬테카를로 시뮬레이션 방법을 이용하였다. 시뮬레이션이란 복잡한 상황이나 문제를 분석하거나 예측하기 위해 상황에 맞추어 수행하는 작업이며, 실제로 실험을 하는 것이 불가능하거나 너무 많은 비용이 소요되는 경우 적은 비용으로 결과값을 도출해내기 위해 사용한다.
[3] LHS 방법의 경우 0과 1사이의 임의의 입력변수에 대해서 입력범위를 구간으로 구분하여 각 구간에서 난수를 추출하는 방법으로 난수를 적게 추출해도 충분히 유의한 결과를 얻을 수 있다는 장점이 있으며, 복잡한 비선형 모델에도 적합하다. 본 연구에서는 샘플링 방법 중 LHS방법을 사용하였다.
차량의 SOC를 제외한 모든 입력변수는 LHS방법에 따라 0과 1사이의 난수를 발생시켜 구간에 따라 결과값이 도출되게 설정하였다. 차량의 SOC의 경우 균일한 분포를 가지지 않기 때문에 이항분포에 따라 결정된다고 가정하였으며, 이항분포는 사건의 확률을 이산변량으로 나타낸 분포도로 한 사건이 독립적으로 되풀이될 때 사건이 k회 일어날 확률을 나타낸 그래프이다.
충전기와 차량의 접속여부, 차량의 접속 유지시간, 접속차량의 충방전 의사에 대한 샘플링 방법은 모두 LHS방법을 사용하였으며, 0과 1사이의 난수를 추출한 뒤 구간에 따라 나누어 결과가 도출되도록 설정하였다. 차량의 SOC는 이항분포에 따라 샘플링 되도록 설정하여 시뮬레이션을 진행하였다.
성능/효과
본 연구에서 정한 확률에 따라 V2B가 제로에너지빌딩에 도입될 경우 방전이 요청된 3시간 동안의 에너지 생산량은 결과값인 62.2488kWh가 될 것이다.
V2B 기술이 제로에너지빌딩에 적용될 경우 상황에 따라 액티브 요소의 에너지 생산량으로 작용할 수 있을 것으로 예상되며, 본 연구의 시뮬레이션 결과에 따라 일정 수준의 에너지 생산량이 결과값으로 도출되는 것을 확인할 수 있었다.
후속연구
[1] 이러한 특성 때문에 V2B가 제로에너지빌딩의 액티브 요소로 작용될 경우 충방전 패턴의 예측이 가장 중요한 요소로 작용된다. 해당 예측에 따라 제로에너지건축물의 인증기준에 더 명확히 적용될 수 있을 것이다.
전기자동차의 배터리를 전력저장장치로 사용하여 방전 시 빌딩의 에너지생산량으로 작용하여 제로에너지 건축물 기준에 기여할 수 있다. 이는 신재생 발전과 같이 기후의 영향이 아닌 전기차량 소유주의 대응방식,차량의 SOC(State of Charge) 등의 여러 가지 요소에 따라 결정되므로 이에 대한 통계자료를 기반으로 예측할 수 있을 것이다. 하지만 현재 전세계적으로 V2B에 대한 상용화가 미비한 실정이므로 실증 통계자료를 기반으로 예측하는 것은 무리가 있다.
제약조건이나 확률적 가정에 따라 결과값이 다르게 도출될 수 있으며, 이후 관련 통계자료가 확보 된다면 좀 더 신뢰성 있는 연구가 가능할 것으로 전망된다. 해당 연구는 V2B에 대한 부분만 시뮬레이션 하였으며, 실제 건물에너지 생산량을 심층적으로 분석하여 V2B 단독적인 관점이 아닌 신재생 발전과의 연계방안을 연구한다면 제로에너지빌딩의 액티브 요소에 크게 기여 할 수 있을 것으로 생각된다.
제약조건이나 확률적 가정에 따라 결과값이 다르게 도출될 수 있으며, 이후 관련 통계자료가 확보 된다면 좀 더 신뢰성 있는 연구가 가능할 것으로 전망된다. 해당 연구는 V2B에 대한 부분만 시뮬레이션 하였으며, 실제 건물에너지 생산량을 심층적으로 분석하여 V2B 단독적인 관점이 아닌 신재생 발전과의 연계방안을 연구한다면 제로에너지빌딩의 액티브 요소에 크게 기여 할 수 있을 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
제로에너지빌딩의 요소는 어떻게 나눠지는가?
제로에너지빌딩의 요소는 크게 액티브 요소와 패시브 요소 두 가지로 나뉘며, 패시브 요소의 경우 단열, 창호, 차양, 외부분 등 건물의 단열, 열교 성능 등을 나타내는 요소들을 지칭하며, 액티브 요소의 경우는 에너지생산량 및 효율 계수 등을 나타내는 요소이다. 액티브 요소의 에너지생산량은 일반적으로 신재생에너지 발전을 통해 이루어진다.
제로에너지건축물의 인증기준은 무엇인가?
현재 우리나라는 제로에너지건축물 인증제를 실시하고 있으며, 제로에너지 건축물이란 ‘녹색건축물 중 효율적인 설계를 통하여 건축물에 필요한 에너지 부하를 최소화하고, 신재생에너지를 활용하여 연간 에너지 사용량과 생산량이 최대한 균형을 이루는 건축물’이라 정의되어 있다. 제로에너지건축물의 인증 기준은 첫 번째로 건축물 에너지효율등급 1++이상의 조건을 만족해야 하며, 해당 조건은 주거용 건축물의 경우 1차 에너지 소요량(kWh/㎡, 년)이 90미만인 건물에 해당하고 주거용 이외의 건축물은 140미만인 건물이 해당된다. 두 번째 제로에너지건축물 인증기준으로는 에너지 자립률에 대한 기준이며, 이는 1차에너지 생산량(kWh/㎡, 년)에 1차에너지 소비량(kWh/㎡,년)을 나눈값으로 산정한다. V2B의 경우 양방향 충방전이 가능하기 때문에 1차에너지 생산량과 1차에너지 소비량 모두에 해당할 수 있다.
제로에너지 건축물이란?
현재 우리나라는 제로에너지건축물 인증제를 실시하고 있으며, 제로에너지 건축물이란 ‘녹색건축물 중 효율적인 설계를 통하여 건축물에 필요한 에너지 부하를 최소화하고, 신재생에너지를 활용하여 연간 에너지 사용량과 생산량이 최대한 균형을 이루는 건축물’이라 정의되어 있다. 제로에너지건축물의 인증 기준은 첫 번째로 건축물 에너지효율등급 1++이상의 조건을 만족해야 하며, 해당 조건은 주거용 건축물의 경우 1차 에너지 소요량(kWh/㎡, 년)이 90미만인 건물에 해당하고 주거용 이외의 건축물은 140미만인 건물이 해당된다.
참고문헌 (3)
Korea Energy Agency, http://zeb.energy.or.kr/introduce/certification.aspx
Choi, J. Y., Park, E. S., A Study on the V2G Application using the Battery of Electric Vehicles under Smart Grid Environment, KIEE, P. 63(1), 40-45.
Kim, Y. J., Park, C. S., Kim, I. H., Sampling Methods and Stochastic Inference in Monte Carlo Building Simulaion, AIK, 28(6). 2012.6, 227-236
이 논문을 인용한 문헌
저자의 다른 논문 :
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.