본 연구실은 기계학습과 인공지능(AI) 기술을 활용하여 건축물의 냉난방, 환기, 공조(HVAC) 시스템의 제어 및 성능 평가를 중점적으로 연구하고 있습니다. 최근 건물 에너지 소비의 효율화와 실내 환경의 쾌적성 향상을 위해, 인공신경망(ANN), 딥러닝, LSTM 등 다양한 AI 알고리즘을 적용한 예측 및 최적 제어 모델을 개발하고 있습니다. 이러한 모델은 실시간 환경 데이터와 건물 운전 데이터를 바탕으로 냉난방 시스템의 운전 변수(예: 냉수/냉각수 온도, 급기 온도, 공기 유량 등)를 최적화하여 에너지 소비를 최소화하고, 쾌적한 실내 환경을 유지할 수 있도록 지원합니다. 특히, 본 연구실은 모델 예측 제어(Model Predictive Control, MPC)와 기계학습 기반의 고장 진단(Fault Detection and Diagnosis, FDD) 기술을 접목하여, 건축설비의 이상 현상 조기 탐지 및 진단, 그리고 시스템의 신뢰성 향상에 기여하고 있습니다. 실제 건물 데이터를 활용한 시뮬레이션 및 실증 연구를 통해, 기존의 고정 제어 방식 대비 10~30% 이상의 에너지 절감 효과와 실내 환경 품질 개선을 입증하였습니다. 또한, CO2 농도, 재실자 활동량, 실내외 환경 변화 등 다양한 변수들을 통합적으로 고려하는 다변량 예측 모델을 개발하여, 더욱 정밀한 제어와 예측이 가능하도록 하고 있습니다. 이러한 연구는 스마트 빌딩, 제로에너지 건물, 스마트시티 등 미래 지향적 건축환경 구현에 필수적인 핵심 기술로 평가받고 있습니다. 앞으로도 인공지능과 디지털 트윈, IoT 센서 네트워크 등 첨단 ICT 기술과의 융합을 통해, 건축설비의 지능형 자동화와 에너지 최적화, 그리고 사용자 맞춤형 쾌적성 제공을 위한 연구를 지속적으로 확대해 나갈 계획입니다.

본 연구실은 스마트시티와 친환경 건축을 위한 에너지 공급 및 관리 시스템의 통합 설계와 최적화 기술을 선도적으로 연구하고 있습니다. 스마트시티 내 다양한 건물과 커뮤니티 단위에서의 에너지 수요-공급 매칭, 신재생에너지(태양광, 지열 등) 적용, 에너지 저장장치(ESS) 및 분산형 에너지 시스템의 효율적 운영 방안에 집중하고 있습니다. 인공지능 기반 예측 모델을 활용하여, 태양광 발전량, 에너지 저장량, 건물별 부하 패턴 등을 실시간으로 분석하고, 이를 바탕으로 에너지 공급 시스템의 최적 운전 전략을 도출합니다. 특히, 미활용 에너지(폐열, 온배수 등)와 신재생에너지의 집단에너지 공급 시스템 적용, 지열원 히트펌프, 고효율 히트펌프, 복사냉난방, 바닥공조 시스템 등 다양한 친환경 설비 기술의 성능 평가 및 실증 연구를 수행하고 있습니다. 또한, 건물 에너지 시뮬레이션(EnergyPlus, TRNSYS 등)과 실측 데이터 기반의 모델링을 통해, 실제 도시 및 건물 단위에서의 에너지 절감 효과와 경제성, 온실가스 저감 효과를 정량적으로 분석합니다. 이와 더불어, 국제표준(ISO) 제정 활동에도 적극 참여하여, 창호 SHGC, 바닥공조 시스템 등 건축설비 분야의 글로벌 표준화에 기여하고 있습니다. 이러한 연구는 스마트시티의 에너지 자립, 탄소중립 실현, 그리고 지속가능한 도시환경 조성에 중추적인 역할을 하고 있으며, 향후 디지털 트윈, IoT, BEMS(건물에너지관리시스템) 등과의 융합을 통해 더욱 혁신적인 에너지 관리 솔루션 개발을 목표로 하고 있습니다.