본 연구실은 건물에너지 성능을 정량적으로 평가하고, 설계·운영 단계에서 발생하는 다양한 불확실성을 체계적으로 분석하는 연구를 수행한다. 건물의 에너지 사용량은 외피 성능, 설비 효율, 기상 조건, 재실자 행동, 운영 스케줄 등 수많은 요소의 상호작용으로 결정되기 때문에 단순한 정적 계산만으로는 실제 성능을 충분히 설명하기 어렵다. 이에 따라 연구실은 동적 에너지 시뮬레이션, 성능 프로파일링, 민감도 분석, 확률론적 평가를 결합하여 건물 성능을 보다 현실적으로 이해하는 방법론을 발전시켜 왔다. 특히 이 연구실은 건물에너지 모델의 보정과 검증, 베이지안 보정, 몬테카를로 기반 불확실성 전파, 민감도 분석 등의 기법을 활용해 모델 신뢰성을 높이는 데 강점을 가진다. 기존 건축물의 에너지 해석에서는 계측 데이터의 부족, 입력 변수의 비가시성, 재실자 행태의 변동성 등으로 인해 예측 오차가 커질 수 있는데, 연구실은 이러한 문제를 계량적으로 다루어 성능 진단의 정확도를 향상시킨다. 또한 사무소 건물, 공동주택, 초고층 건물 등 다양한 유형의 건축물에 대해 적용 가능한 평가 프레임워크를 구축해 실제 현장 적용성을 높이고 있다. 이러한 연구는 그린리모델링, 제로에너지건축물, 에너지절약설계기준 검토, 기존 건축물 성능개선 의사결정에 직접적으로 기여한다. 단순히 에너지 절감량을 추정하는 수준을 넘어, 어떤 설계·운영 인자가 성능에 가장 큰 영향을 주는지 밝히고, 개선안의 위험도와 기대효과를 함께 평가할 수 있다는 점에서 산업적 가치가 크다. 궁극적으로 본 연구는 건물에너지 분야에서 데이터와 시뮬레이션을 통합한 과학적 의사결정 기반을 마련하여, 탄소중립형 건축 환경 구현을 뒷받침하는 핵심 기술로 확장되고 있다.

본 연구실의 핵심 축 가운데 하나는 냉동기, 히트펌프, 환기 시스템, 냉각탑 등 건물설비를 대상으로 한 기계학습 기반 최적제어 기술 개발이다. 기존의 규칙 기반 제어는 실제 운전 환경의 복잡성과 시간 변화 특성을 충분히 반영하지 못하는 경우가 많다. 이에 연구실은 BEMS 데이터를 활용하여 설비의 동적 거동을 학습하고, 에너지 사용량과 실내환경을 동시에 고려하는 지능형 제어 전략을 제안하고 있다. 연구 방법 측면에서는 인공신경망, 가우시안 프로세스, 랜덤 포레스트, 강화학습, 이상치 검출, 온라인 학습 등 다양한 데이터 기반 기법이 활용된다. 연구실은 실제 건물 운영 데이터를 수집·정제하고, 설비의 상태 예측 모델을 구축한 뒤, 이를 최적화 알고리즘과 결합해 운전 스케줄과 제어 변수를 도출한다. 관련 특허들에서도 드러나듯이 히트펌프 통합 제어, 냉동기 최적 운전, 병렬 설비 스케줄링, 태양광 연계 에너지 최적화 등 실용성이 높은 응용 분야를 폭넓게 다루고 있다. 이 연구는 건물에너지 절감뿐 아니라 피크 부하 저감, 설비 효율 향상, 운영 자동화, 유지관리 고도화에 중요한 영향을 미친다. 특히 스마트빌딩과 제로에너지건축물 환경에서는 실시간 데이터 기반의 자율제어가 필수적이므로, 연구실의 성과는 차세대 건물 운영 기술의 기반이 된다. 나아가 AI와 설비공학의 융합을 통해 건물 운영을 정적인 관리 대상이 아닌 학습 가능한 시스템으로 전환하고 있으며, 이는 디지털 트윈과 지능형 에너지 관리 플랫폼으로의 확장 가능성도 매우 크다.

본 연구실은 BIM과 디지털 기술을 활용하여 건축물의 에너지 진단, 설계 자동화, 리모델링 의사결정을 지원하는 연구를 적극적으로 수행하고 있다. 건물의 생애주기 전반에서 설계 정보와 성능 정보를 연계하면, 초기 설계 단계에서부터 운영 및 성능 개선까지 일관된 의사결정 체계를 마련할 수 있다. 연구실은 이러한 관점에서 BIM 기반 에너지 시뮬레이션 인터페이스, 성능 진단 도구, 자동화된 설계 검토 기술을 개발하며, 디지털 전환 시대의 건축 환경 성능 혁신을 선도하고 있다. 특히 공공 한옥 BIM의 넷제로 에너지 AI 솔루션, 그린리모델링을 위한 디지털 진단 및 설계 자동화, 기존 공공건물 리모델링 지원 플랫폼 등 대형 프로젝트를 통해 연구실의 방향성이 뚜렷하게 나타난다. 이 연구는 노후 건축물의 단열·기밀·설비·실내환경 성능을 진단하고, 다양한 개선 대안을 자동으로 생성·비교하여 최적안을 제시하는 것을 목표로 한다. 또한 BIM 데이터와 에너지 해석, AI 최적화를 통합하여 설계자와 운영자 모두가 활용할 수 있는 실무형 솔루션을 구축한다. 이러한 연구는 탄소중립 정책, 노후 건축물 성능개선, 공공건축 자산관리, 설계 생산성 향상에 큰 파급효과를 가진다. 특히 기존 건축물의 에너지 성능을 신속하고 정확하게 평가하고, 대안 설계를 자동화함으로써 리모델링 시장의 기술 장벽을 낮출 수 있다. 앞으로는 BIM, AI, 시뮬레이션, 실측 데이터가 통합된 디지털 플랫폼을 통해 건축물의 설계·운영·개선을 연결하는 고도화된 생애주기 관리 체계로 발전할 가능성이 크다.