초록 ▼

1. 연구개요
본 연구과제에서는 KAIST 캠퍼스 에너지 그리드를 위한 핵심 인프라 기술로서 다음과 같은 4개의 연구주제에 대한 연구를 수행한다.

A. 캠퍼스 EMS(energy management system) 및 스마트 그리드 통신 인프라 핵심 기술
i. 커뮤니티 단위 전기차 충전 조정 시스템
ii. 전기기기의 사용정보를 이용한 전력부하 예측

B. 패턴 기반 건물 에너지 시스템 모델 기술 개발
i. 건물 에너지 컴포넌트(Product)별 에너지 특성(Attribute) 및 거동(Be

1. 연구개요
본 연구과제에서는 KAIST 캠퍼스 에너지 그리드를 위한 핵심 인프라 기술로서 다음과 같은 4개의 연구주제에 대한 연구를 수행한다.

A. 캠퍼스 EMS(energy management system) 및 스마트 그리드 통신 인프라 핵심 기술
i. 커뮤니티 단위 전기차 충전 조정 시스템
ii. 전기기기의 사용정보를 이용한 전력부하 예측

B. 패턴 기반 건물 에너지 시스템 모델 기술 개발
i. 건물 에너지 컴포넌트(Product)별 에너지 특성(Attribute) 및 거동(Behavior) 패턴 도출을 위한 Top-Down 및 Bottom-Up 분석
ii. 건물 내 에너지 순환(생산, 저장, 배분 및 소비) 관련 프로세스(Process) 패턴 분석을 위한 Top-Down 및 Bottom-Up 분석
iii. 건물의 에너지 관련 컴포넌트(Product) 패턴들과 프로세스(Process) 패턴들의 체계적 결합을 통한 에너지 자립형 건물대안 탐색용 평가 모델 도출
iv. 캠퍼스 기반 건물 군 전체의 에너지 순환 최적화를 위한 건물 기반의 에너지 순환 모델링

C. 캠퍼스 내 건물 HVAC 시스템의 에너지 절약형 제어 기법
i. 열 회로 구성 및 건물의 구조, 재료의 특성을 이용한 건물의 열역학적 모델 도출
ii. 사용자의 편안과 에너지 사용 절감을 고려한 HVAC 시스템의 모델 예측 제어 기법(MPC) 개발
iii. 건물 열 회로 모델의 불확실 요소 및 사용자의 행동 패턴에 대한 수학적 모델링

2. 연구방법
A. 캠퍼스 EMS(energy management system) 및 스마트 그리드 통신 인프라 핵심 기술
i. 커뮤니티 단위 전기차 충전 조정 시스템
▪ 아파트 단지 내에 많은 수의 전기차 충전 부하 프로파일 분석
▪ 단일 전기 요금제 상황에서 피크 충전 부하를 줄이기 위한 충전 조정 방식 제안
▪ 시간대별 전기 요금제 상황에서 아파트 단지 총 충전 요금을 최소화 하기 위한 충전 조정 방식 제안
ii. 전기기기의 사용정보를 이용한 전력부하 예측
▪ 상관관계분석
▪ 인공지능신경망 (ANN: artificial neural network)

B. 패턴 기반 건물 에너지 시스템 모델 기술 개발
i. 건물 내 에너지 순환(생산, 저장, 배분 및 소비) 관련 프로세스 패턴 분석
·패시브 및 액티브, 신재생 에너지 패턴 간 에너지 흐름 및 연계 프로세스 패턴 도출
·건물 유형별 패시브 및 액티브, 신재생 에너지 패턴 조합 기반 에너지 프로세스 패턴 도출
·건물 내 에너지 순환(생산, 저장, 배분 및 소비) 관련 프로세스(Process) 패턴 분석을 위한 Top-Down 및 Bottom-Up 분석
·건물 실측데이터 기반의 DR 특성 분석 : 도출된 자료 및 에너지 소비 데이터를 기반으로 캠퍼스내 에너지 순환 최적화 모델 개발

C. 캠퍼스 내 건물 HVAC 시스템의 에너지 절약형 제어 기법
i. 열 회로 구성 및 건물의 구조, 재료의 특성을 이용한 건물의 열역학적 모델 도출
▪ 전기회로의 저항-용량 모델과의 유사성을 이용하여 여러 방과 연결된 방의 열 회로 모델 구성
▪ 열전달 과정
1. 전도 (함수)
2. 대류 (함수)
3. 방사
Function of :
✔ Altitude
✔ Azimuth angle
✔ Orientation of the wall/window
✔ Day/time of the year
✔ Outside weather and sky condition
▪ 열 회로의 저항-용량 모델은 방을 구성하는 벽과 공기의 비열용량 그리고 이들의 물리적 차원으로 구성됨.
상사성
온도 또는 열전 포텐셜(T) →전압 또는 포텐셜 차이 (V 또는 E)
열 저항 →전기 저항 (R)
열 유동→ 전류 (i)
▪ 열역학 방정식은 상태 공간 방정식을 통해 열역학적 특성을 충분히 반영하고, 제어 입력에 대한 영향을 충분히 이해 할 수 있도록 나타낼 수 있음.
▪ 건물에 대한 열방사량을 상태 공간 방정식에 표현하기 위해 KAIST의 위도, 경도를 통해 산출.

ii. 사용자의 편안과 에너지 사용 절감을 고려한 HVAC 시스템의 모델 예측 제어 기법(MPC) 개발
▪ 모델 예측 제어 기법(MPC)은 느리게 변화하는 특징을 갖는 역학 모델에 적합.
▪ 에너지 절감과 사용자의 편안함을 동시에 고려할 수 있는 목적함수 설계
▪ 사용자와 에너지라는 대립되는 요구에 관한 목적함수를 모델 예측 제어 기법(MPC)에 기반하여 모델링.
▪ 온도 변화와 엑추에이터 한계에 관한 제한 조건은 모델 예측 제어 기법(MPC)관점에서 구속조건으로 직접 포함.
▪ 기본적인 제어 전략
✔ HVAC 제어 문제를 시스템의 다이나믹스, 엑추에이터 용량 그리고 허용된 온도 변화의 구속조건을 갖는 최적화 문제로 정의
✔ k 스텝에서는 현재 상태량 x(k)를 이용하여 finite horizon N에 대한 시스템의 입력 시퀀스 u(k|k), u(k + 1|k), u(k + 2|k), u(k + 3|k), . . . , u(k + N|k)를 설계
✔ 인력 시퀀스의 부분, 보통 첫번째 스텝을 사용,에 대한 응답을 해석. k+1 스텝에서 상태량 x(k+1)에 대하여 반복.

iii. 건물 열 회로 모델의 불확실 요소 및 사용자의 행동 패턴에 대한 수학적 모델링
▪ HVAC 시스템의 효율적인 에너지 운영을 위해서는 사용자의 행동 양식을 아는 것이 매우 중요.
▪ 사용자의 편의와 낮은 에너지 소비라는 대립되는 요구조건의 균형을 맞추기 위해 제어기는 공석 시간에는 공기 조화에 대한 작업을 줄임.
▪ 사용자의 통계학적 모델이 공간의 점유 유무에 대한 시간 정보를 제공.
▪ 사용자 행동 양식에 대한 예측값은 모델 예측 제어 기법(MPC)의 목적함수에 직접적으로 적용.
▪ 사용자의 생물학적 열 배출 및 전자 장비에 의한 열 발산은 공간에 열을 생성함. 이에 대한 역학 특성이 방의 열 저항-용량 모델의 또 다른 외부로부터 유입되는 외란으로 고려됨.

3. 연구결과
A. 캠퍼스 EMS(energy management system) 및 스마트 그리드 통신 인프라 핵심 기술
i. 커뮤니티 단위 전기차 충전 조정 시스템
▪ 목적 1: 피크 부하 감소
✔ 그림 A.1은 충전 제한 대 수 200 대인 상황에서 피크 부하 감소 목적을 갖는 중앙 방식과 분산 방식의 전기차 충전 부하 프로파일을 각각 보여주고있다.
✔ 중앙 방식은 충전 운영 센터가 각 시간 슬롯당 충전 스케줄을 만들어 내려 보냄으로써 목표 한계치를 만족시키는 완벽한 피크 부하 관리를 보여준다.
✔ 비록 분산방식에서는 부하 값이 목표 한계치를 기준으로 약간의 출렁임을 보이지만 이 또한 피크 부하 관리를 목표치에 맞도록 진행한다.
✔ 반면에 ASAP 기법이나 분산 방식은 각각 19시와 다음날 1시에 목표치를 훨씬 넘는 피크 값을 보임으로써 목표 한계치를 만족 시키지 못함을 보인다.

▪ 목적 2: 아파트 단위 충전 요금 최소화
✔ 시간대별 변화하는 충전 한계치에 따라 그림 A.2 에서는 시간대별 요금제 상황에서 충전 요금을 최소화할 때의 중앙 방식과 분산 방식의 부하 프로파일을 각각 보여준다.
✔ 중앙 방식과 분산 방식은 피크 부하 구간 (16시~21시)에서 충전 요금을 최소화 하기 위해서 전기차 충전을 상당히 제한 시킴을 볼 수 있고 이때 제한된 충전 요구량은 부하가 낮은 구간으로 옮겨져 충전이 이뤄짐을 볼 수 있다.

ii. 전기기기의 사용정보를 이용한 전력부하 예측

B. 패턴 기반 건물 에너지 시스템 모델 기술 개발
i. 생애주기비용 비교를 통하여 건물의 타입별로 에너지 절감량이 큰 컴포넌트들을 도출
ii. 행정동 및 주거동에 관련한 컴포넌트의 에너지 소비량을 시뮬레이션 후 생애주기 비용과 비교하여 10만원당 에너지 절감량을 비교하여 가장 효과정인 컴포넌트를 도출함

C. 캠퍼스 내 건물 HVAC 시스템의 에너지 절약형 제어 기법
i. 열 회로 구성 및 건물의 구조, 재료의 특성을 이용한 건물의 열역학적 모델 도출
▪ 기계공학동의 3332호의 저항-용량 열 회로는 그림 C.2와 같이 나타낼 수 있다.
▪ 건물이 받는 열 방사는 창문을 통한 유입과 공기 조화 장치를 통한 입력 그리고 사용자와 방에서 사용되는 전기장치들에 의한 열 발생을 통해 일어난다.
ii. 사용자의 편안과 에너지 사용 절감을 고려한 HVAC 시스템의 모델 예측 제어 기법(MPC) 개발
▪ 모델 예측 제어 기법(MPC)의 목적함수는 사용자의 편안과 HVAC시스템의 에너지소비를 반영하도록 설계되었으며, 다음 방정식을 따른다. 엑추에이터의 한계와 방의 온도 변화 한계 그리고 외부로부터 유입되는 외란을 포함하는 시스템의 지배방정식은 모델 예측 제어 기법(MPC)의 문제에서 다음과 같이 정의된다.
(함수)
iii. 건물 열 회로 모델의 불확실 요소 및 사용자의 행동 패턴에 대한 수학적 모델링
(함수)
iv. 주변 방의 온도와 태양 방사를 제어 대상이 되는 방으로 유입되는 외란으로 인가하였을 때 예측 제어 기법(MPC)은 사용자의 편안함을 유지하면서 HVAC 시스템에 의한 에너지소비 절감을 유지해야하는 상황의 최적제어입력을 산출한다. 이때 대상 방이 운영되는 계절적 상황에 따라 대상 방의 온도를 규제하는 기준 온도는 변화한다. 본 연구에서는 기준 온도를 22℃라고 가정하였다. 이때 모델 예측 제어기는 사용자의 편안한 온도를 유지하며 HVAC의 에너지 사용을 최소화한다.

(출처 : 국문 요약문 11p)

Abstract ▼

1. Research Introduction
In this research project, we investigate core infrastructure technologies categorized into the following 3 research subjects for future KAIST campus energy grid.
A. Core Technologies in Campus EMS (energy management system) and Smart Grid Communication Infrastructure

1. Research Introduction
In this research project, we investigate core infrastructure technologies categorized into the following 3 research subjects for future KAIST campus energy grid.
A. Core Technologies in Campus EMS (energy management system) and Smart Grid Communication Infrastructure
i. Community-Level Electric Vehicle Charging Coordination System
ii. Load Forecasting Using the Power Consumption of Electric Appliances

B. Pattern Based Building Energy System Model
i. Generating Pattern Based Building Energy System Model (PBBESM): Establishing an integrative model for evaluating design and operation alternatives of an energy sustainable building
ii. Provision of a highly flexible virtual test-platform for Smart Grid and Net Energy Zero Building design and operations

C. Energy efficient operation of HVAC (Heating, Ventilation, and Air Conditioning) system for campus building
i. Modeling of the thermal dynamics of the building using the construction plan and material properties.
ii. Developing a Model Predictive control (MPC) of HVAC system to balance competing demands for occupant comfort and reducing energy consumption.
iii. Define and model occupant behavior and uncertainties in building thermal dynamics.

2. Research Method
A. Core Technologies in Campus EMS and Smart Grid Communication Infrastructure
i. Community-Level Electric Vehicle Charging Coordination System
▪ Electricity load profile considering a large number of EVs in an apartment complex
▪ Propose a coordination method to reduce peak EV charging load in case of a flat electricity price
▪ Propose a coordination method to minimize community-level charging cost in case of time-of-use (TOU) electricity price
ii. Load Forecasting Using the Power Consumption of Electric Appliances
▪ Correlation analysis
▪ Artificial neural networks (ANNs)

B. Pattern Based Building Energy System Model
i. Formulating Component Patterns: Passive, Active elements & Renewable Energy Sources in Buildings
ii. Formulating Process Patterns: Generation, Storage, Distribution & Consumption of Energy in Buildings
iii. Deriving Pattern Based Building Energy System Model: Highly Flexible & Integrative abstraction of a Building Energy System’s Construct and Behaviors

C. Energy efficient operation of HVAC (Heating, Ventilation, and Air Conditioning) system for campus building
i. Modeling of the thermal dynamics of the building using the construction plan and material properties.
▪ Resistance-Capacitance (RC) model of an electrical circuit analogy is taken to model the thermal circuit of a connected rooms
▪ Heat Transfer Process
1. Conduction (함수)
2. Convection (함수)
3. Radiation
Function of :
✔ Altitude
✔ Azimuth angle
✔ Orientation of the wall/window
✔ Day/time of the year
✔ Outside weather and sky condition

▪ The resistance and capacitance of the thermal circuit will be a function of the walls and air specific heat capacity and their physical dimensions.
Analogy
Temperature or thermal potential (T) → voltage or potential difference (V or E)
Thermal resistance→Electrical Resistance (R)
Heat flow→ current flow (i)

▪ The thermal dynamic equation expressed as a state space equations simple enough to capture the dynamics and accurate enough to implement control schemes.
▪ The thermal radiation on the building is taken typical of KAIST altitude and longitude to represent in the state space of the model.

ii. Developing a Model Predictive control (MPC) of HVAC system to balance competing demands for occupant comfort and reducing energy consumption.
▪ Model predictive control is suitable for slowly changing dynamics.
▪ Defining control objective function considering energy saving and occupant comfort.
▪ Competing demands, i.e. occupant and energy are modeled as a cost function in an MPC control systems.
▪ Temperature variation and actuator capacity constraints are directly incorporated as a constraint in the MPC scheme.
▪ Basic control strategy
• Formulate the HVAC control as an optimization problem with constraints of system dynamics, actuator capacity and temperature( room temperature ) allowed variations.
• At time k, use knowledge of the system model to design an input sequence u(k|k), u(k + 1|k), u(k + 2|k), u(k + 3|k), . . . , u(k + N|k) over a finite horizon N from the current state x(k)
• Implement a fraction of that input sequence, usually just first step. Repeat for time k + 1 at state x(k + 1)

iii. Define occupant models and uncertainties in building thermal dynamics.
▪ For efficient energy management of HVAC system, knowledge of the occupant behavior is paramount.
▪ To balance the competing demands of occupant comfort and low energy consumption, the controller will reduce space conditioning during vacancy.
▪ Statistic occupancy model will track length of occupancy and vacancy.
▪ The occupancy prediction will be imbedded directly to the MPC cost function.
▪ Occupants biologically emits heat and electrical equipment used in the room generates heat in the room. It will be another dynamic add to the room RC model accounted as an external disturbance.

3. Research Results
A. Core Technologies in Campus EMS and Smart Grid Communication Infrastructure
i. Community-Level Electric Vehicle Charging Coordination System
▪ Object 1: Peak load reduction
✔ Fig. A.1 shows the EV charging load profiles of the proposed centralized (top) and decentralized (bottom) coordination schemes, respectively, with the objective of peak load reduction when Climit = 200 EVs and Nslot = 1.
✔ Since the COC determines the set of charging-scheduled EVs on every time slot, the proposed centralized coordination scheme shows perfect peak load management to satisfy the target power limit.
✔ Even though there are some power fluctuations in the EV load profile of the proposed decentralized coordination scheme, it also reduces the peak load down to the target power limit.
✔ On the other hand, the ASAP scheme and the random distribution scheme show peak EV charging loads at 19 o’clock and 1 o’clock of the next day, respectively, and they cannot satisfy the target power limit.

▪ Object 2: Minimization of community-level charging cost
✔ According to the time-varying charging capacity limit, Fig. A.2 shows the EV charging load profiles of the proposed centralized (top) and decentralized (bottom) coordination schemes with the TOU electricity prices.
✔ The proposed centralized and decentralized coordination schemes significantly restrict EV charging load during the peak load period (16 : 00 ~ 21 : 00) in order to minimize the total EV charging cost, and the restricted EV charging load is shifted to the mid-load period and the off-peak load period.

ii. Load Forecasting Using the Power Consumption of Electric Appliances
B. Pattern Based Building Energy System Model
i. Found components that the huge amount of energy can be saved through the life cycle cost by different building types.
ii. Simulating energy consumption from administration building and dormitory buildings in KAIST campus, and compared them to their life cycle cost. With the results, the components that the huge amount of energy can be saved per 100,000 won were found. The results can show which components are able to save how much energy.

C. Energy efficient operation of HVAC (Heating, Ventilation, and Air Conditioning) system for campus building
i. Modeling of the thermal dynamics of the building using the construction plan and material properties.
▪ RC thermal model of a room 3332 in Mechanical building is developed as it is seen in the Fig. C.1.
▪ It accounts the heat radiance the building receives through the windows, the air conditioning systems, heat generated in the room by occupants and electrical appliances used in the room.


ii. Developing a Model Predictive control (MPC) of HVAC system to balance competing demands for occupant comfort and reducing energy consumption.
▪ The MPC cost function reflecting the occupant comfort and energy consumption of HVAC system modeled as given in the following equation. The limitations of the actuators, allowed temperature variation in the room and the governing system dynamics with its disturbance are stated as a constraint to the optimization problem description of the MPC.
(함수)
ii. The occupancy model embedded directly in the cost function
(함수)
iv. Taking the other rooms temperature and the sun radiation as a system disturbance the MPC control optimize the conflicting interest of keeping the occupant comfort and reducing the energy consumed by the HVAC system. The reference temp set at 22℃. The MPC controller managed to keep the comfort temperature while minimizing the energy used in HVAC.

(출처 : SUMMARY 3p)