○ 기후변화협약의 감축 의무를 이행하기 위한 국가 온실가스 감축로드맵의 건물부문 온실가스 감축 목표를 종전 배출전망치(Business As Usual, BAU)대비 18.1%에서 32.7%로 80% 확대함. 특히 정부는 COP26 회의(Conference of the Parties) 에서의 NDC(Nationally Determined Contribution) 상향안을 발표함으로서, 건물분야의 온실가스 배출 감소를 2018년 대비 2030년 감축률을 32.8%로 확대할 상향안을 제시함.
○ 이에 정부는 녹색산업 혁신 기반을 강화하고자, 탄소중립(Net-zero)사회를 지향점으로 노후 건축물과 에너지 다소비 구조를 제로 에너지화 및 에너지 고효율 구조로 전환하겠다는 목표를 갖고, 공공건축물 ‘제로에너지건축물 의무화 로드맵’(녹색건축법 시행령 개정)조기 추진(2023년 시행)을 통해 연면적 500㎡ 이상 공공건축물의 제로에너지화를 의무화 하겠다는 정책을 발표함.
○ 특히 서울시는 건물 부문 온실가스 감축에 2025년까지 1조2855억원을 집중적으로 투자를 계획하고 있으며, 서울시의 기후환경본부는 2005년 대비 온실가스 배출량을 2030년 40%, 2040년 70% 감축하고 2050년엔 100% 감축목표를 발표함
○ 따라서 본 연구는 정확한 에너지 진단, 노후화 현황을 신속하게 파악할 수 있는 ‘에너지성능 및 사용행태 정보 기반의 노후 건축물 에너지 진단 방안’을 개발하였음
1) 건물 에너지사용량 진단 성능평가 현황 조사
- 건물 에너지 진단 성능평가 연구현황은 국내·외 모두 건물 에너지사용량 분석/진단을 위한 연구가 활발히 진행되는 것으로 조사되나, 국외에는 에너지사용량 데이터베이스와 세분화된 에너지 성능인자를 기반으로 학습모델을 통해 사용량 기반의 진단도구 개발을 수행하고 있음. 다만 국내에는 에너지사용량 데이터베이스의 부족으로 인하여 시뮬레이션을 활용한 평가 및 모델 수립을 위주로 수행되는 것으로 조사됨. 이에 국내에서도 에너지사용량을 기반으로 하는 건물에너지 진단도구의 개발과 세분화된 에너지 성능인자와 에너지사용량을 포함하는 데이터베이스 구축이 필요함.
-재실자 사용행태 유형 기반 에너지사용량 연구현황은 국내의 경우 재실자 행태정보를 반영하여 기존 건축물 진단, 사용량 예측하는 연구와 사례는 부족한 상황이며, 다양한 재실행태 정보를 수집하는 연구는 부재한 것으로 조사됨. 국외에는 다양한 재실행태 정보를 반영하여 건축물 진단/예측을 수행하고 있는 것으로 조사되며, 특히 재실행태를 반영할 경우 진단 예측에 정확도를 높일 수 있다는 연구결과를 제시하고 있는 것으로 분석됨. 이에 국내에서도 다양한 재실행태정보를 반영한 고도화된 건축물 노후화 진단·평가 도구가 필요함.
2) 건물 에너지사용량 데이터 현황조사
- 예측모델 개발을 위한 건물정보 데이터 및 에너지사용량 데이터를 수집하기 위해 공공개방 데이터 시스템을 조사 및 분석하였으나 수집된 데이터의 누락 또는 데이터 수집 주기의 차이가 발생하였으며, 세분화 된 에너지 성능정보 및 사용행태 정보는 수집에 있어서는 한계가 확인됨.
- 이에 국내 친환경 인증제도에서 활용하고 있는 에너지소요량을 기반으로 예측모델을 개발하였으며, 이를 검증하기 위해 현장조사를 통한 데이터 획득 방법을 구축하고 데이터를 수집함.
- 현장실태 조사지는 국내·외 문헌분석과 전문가 판단을 통해 도출된 성능 인자(건축물 정보, 에너지 성능정보, 사용행태 정보)를 기반으로 구축하였으며, 비전문가인 공공건축물 관리자도 작성이 가능한 수준으로 개발함.
- 현장조사 결과를 에너지용도별로 분석하기 위하여 고지서 기반의 간단 에너지 용도별 분리분석 알고리즘을 개발하였으며, 분리분석 알고리즘을 통해 냉·난방 설비의 종류와 상세용도별 에너지 사용패턴을 분석하였으며, 개발된 예측모델의 검증데이터로서 유의성을 확인함.
3) 건물 에너지 성능정보 구축 및 에너지소요량 데이터 분석
- 예측모델 개발을 위해 공신력 있는 국가통계데이터를 기반으로 참조모델의 성능정보와 해석범위를 제안였으며, EnergyPlus를 활용하여 참조모델의 시뮬레이션 해석을 통해 에너지소요량 예측을 위한 기초 데이터를 구축함.
- 통계분석을 기반으로 참조모델의 성능인자를 검증하였으며, 위계적 회귀분석 결과는 건축물 정보 62.2%, 에너지 성능정보 4.9%, 사용행태 정보 14.1%의 결정력을 갖고 있는 것으로 분석됨. 이에 본 연구에서 정의한 사용행태 정보는 에너지소요량에 14.1% 결정력을 가진 성능정보로, 선정에 있어 통계학적으로 유의미함.
- 다중회귀분석 결과는 독립변수(에너지소요량의 합산 데이터)와 종속변수(성능정보의 인자)간의 상관관계는 0.902로 높은 상관관계를 보이는 것으로 분석되며, 이는 참조모델의 성능정보와 해석범위의 선정이 적합하다고 분석됨.
- 연면적 참조모델별 위계적 회귀분석 결과는 1,904㎡ (에너지 성능정보 29.6%, 사용행태 정보 63.0%), 5,703㎡ (에너지 성능정보 25.3%, 사용행태 정보 67.3%), 26,565㎡(에너지 성능정보 23.1%, 사용행태 정보 69.3%)의 결정력을 갖고 있는 것으로 분석되며, 이는 사용행태 정보가 에너지소요량에 있어 높은 결정력을 가진 성능정보로, 선정에 있어 통계학적으로 유의미함을 확인함.
4) 에너지 소비 특성을 반영한 인공지능(AI) 기반의 에너지소요량 예측모델 개발
- 에너지소요량 예측모델은 개발된 참조모델의 시뮬레이션 데이터베이스를 기반으로 개발하였으며, 예측모델의 알고리즘은 선형회귀, 의사결정나무, 서포트 벡터 머신, 앙상블, 가우스 과정 회귀, 신경망의 여섯 가지 기계학습 알고리즘의 오차 비교를 통해 최적 학습방법론을 개발함.
- 본 예측모델은 에너지성능 및 사용행태 정보를 반영하여 설비종류 및 연면적별 최적 예측모델 알고리즘을 세분화하여 개발하였으며, 5겹 교차검증을 통해 개별 예측모델의 성능을 확인한 결과 모든 케이스에서 가우스 과정 회귀 모델이 가장 높은 성능을 도출함.
5) 현장 진단 결과를 반영한 예측모델 검증
- 예측모델의 검증은 예측모델 개발에 사용된 시뮬레이션 데이터를 기반으로 현장진단에서 수집된 에너지사용량과 검증함. 검증방법은 단위면적당 난방에너지, 냉방에너지, 냉난방에너지 합계를 검증하였으며, 현장데이터의 에너지사용량과 예측모델의 에너지소요량과 오차율을 분석함. 비교분석의 대상은 EHP와 FCU를 혼용해서 사용하는 건물을 제외하고 남산 1청사, 목3동 주민센터, 신정1동 주민센터, 신월2동 주민센터, 영등포소방서 총 5개 건물을 선정함.
- 검증 결과, 난방에너지 오차율 평균 7.73% (2.30% ~20.26%). 냉방에너지 오차율 평균8.32% (2.10% ~15.57%), 냉·난방에너지 합계 오차율 평균 7.45% (3.29% ~16.46%)로 분석됨. 이는 본 연구의 목표 오차율인 25% 범위 내로 분석됨으로서, 예측모델의 유효성을 확인함.
6) 예측모델 사용을 위한 진단 평가 도구 개발
- 본 장은 연구에서 개발한 참조모델의 에너지성능 및 사용행태 정보(입력)와 인공지능 기반의 에너지 예측(출력) 모델을 탑재하여 진단 평가 도구의 시작품(‘서울시 사용행태 정보 기반 공공건축물 에너지 진단 프로그램’)을 개발함. 또한 현장조사 데이터의 축적과 학습모델 업데이트가 가능한 데이터베이스 관리 시스템을 개발함.
- 화면구성은 메인페이지, 성능정보를 입력하는 페이지(건축물 정보, 에너지 성능정보, 사용행태 정보, 건축물 사용량 정보), 진단결과를 출력하는 페이지(사용량 분리분석 결과, 참조 사용행태 비교분석 결과, 유사건물군 비교분석 결과), 결과물 출력 페이지, 데이터베이스 관리 시스템으로 구축됨.