| 논문명 |
건물에너지 최적제어를 위한 실내온도 분포 예측 모델 / Prediction Model of Indoor Temperature Distribution for Optimal Control of Building Energy |
| 저자명 |
권오익(Oh Ik Kwon) ; 김영일(Young Il Kim) ; 김선혜(Sean Hay Kim) |
| 발행사 |
대한설비공학회 |
| 수록사항 |
설비공학논문집, Vol.33 No.3 (2021-03) |
| 페이지 |
시작페이지(130) 총페이지(12) |
| ISSN |
1229-6422 |
| 주제분류 |
환경및설비 |
| 주제어 |
건물에너지; 최적화; 예측; 디지털트윈; 실내온도분포; 가상센서 // Building energy; Optimization; Prediction; Digital twin; Indoor temperature distribution; Virtual sensor |
| 요약1 |
건물에너지 최적 제어를 위한 예측 모델은 데이터 기술의 연계로 날로 정교해지고 있다. 그러나 대부분의 데이터기반 모델은 그 과정에서 다양한 매개변수가 관여하는 문제로 적용의 확장성 측면에 어려움이 있다.
본 연구에서는 건물에너지 최적 제어를 목적으로 열역학적 물리 모델에 연동될 수 있으며, 단순한 입력으로 실내 임의 영역에 대한 가상 센서로 작동하는 유체역학적 물리 모델을 제시하고 실측 및 예측 결과를 비교, 분석하였다. 본 논문의 가장 큰 학술적 기여는 일반적으로 물리 모델이 단순화를 위하여 예측 성능을 저해하는 이론적 가정이 전제됨에도 불구하고 데이터기반 모델의 취급 가능한 매개변수를 늘려 예측 모델의 확장성에 기여하는 측면을 고려할 때, 매우 단순한 입력 조건으로 기존 열역학적 모델과 간섭이 없이 작동할 수 있다는 점이다. 결과적으로 제시한 유체역학적 물리 모델은 열역학적 불완전성이 전제되었음에도 실내 열적 환경을 비슷하게 예측하였다. 연구의 결과를 요약하면 다음과 같다.
(1) 예측 모델은 실의 평면도, 측정 또는 예측된 임의 영역의 온도, 실외 기온을 입력 조건으로 작동하여 실내온도 분포를 예측한다.
(2) 를 기준으로 실내온도 분포를 예측한 결과, 실내 평균 온도는 MAE 0.195℃, RMSE 0.216℃, 각 검사체적에서는 MAE 0.115℃~0.659℃, RMSE 0.162℃~0.695℃로 실내 열적 상태를 유사하게 표현하였다.
(3) 특히, 열적 매개변수의 영향이 없는 , , 유동 축에서는 평균 온도에 대하여 MAE 0.096℃ RMSE 0.132℃로 정교한 예측 성능을 보였다.
(4) 예측 모델의 오차는 해석 영역에 대한 이론적 가정과 열적 매개변수의 미고려로 발생하였으므로 해석 영역의 조절과 열역학적 모델의 연동으로 충분히 개선이 가능하며, 개선되는 예측 성능에 대해서는 추가 연구가 필요하다.
(5) 실용화를 위해서는 다차원 유동과 다양한 평면, 분할된 검사체적의 수와 센서 위치에 따른 민감도, 동절기를 포함한 장기간 실측 데이터에 대한 추가 검증이 필요할 것으로 판단된다.
본 연구에서 제시하는 유체역학적 모델은 학습 등 최적화 기법이나 열역학적 모델과 연동되지 않은 유체역학적 물리 모델의 자체 성능에서 실내 열적 거동을 비슷하게 예측하였다. 향후 다른 모델의 연동과 최적화 기법의 적용으로 높은 정확도를 갖는 모델로 개선될 수 있을 것으로 판단되며, 단순한 입력 조건으로 작동하므로 다양한 모델과 통합되어 건물에너지 최적 제어에 활용될 수 있기를 기대한다. |
| 요약2 |
Quantification of building energy performance is required for diagnosis, prediction, and evaluation of energy efficient use and performance improvement of buildings. Implementing a resistance capacity (RC) model, this study presents a hydrodynamic physical model that can predict the distribution of room temperatures with sensors of minimum quantity. The proposed prediction model could predict indoor thermal behavior very similarly, even though it did not link with other models or apply optimization techniques during the verification process. Under conditions not affected by thermodynamic parameters, the root mean square error (RMSE) range for predicting air temperature of other spaces was 0.115℃ to 0.357℃ with an average indoor air temperature of 0.132℃. Predictive models with simple input conditions developed in this study could be integrated with other various models and used for optimal control of building energy. |
| 소장처 |
대한설비공학회 |