1.1. .

본 연구는 주거용 난방 시스템을 대상으로 거주자 중심 제어 전략을 제안하여 열적 쾌적성을 향상시키고 에너지 소비를 감소시키는 것을 목표로 한다. 주파수 변조 연속파 레이다 센서를 활용한 센서 스테이션을 개발하여 주거 공간 내 점유를 감지하고 활동을 추론하였다. 현장 측정 데이터를 분석함으로써 점유 및 활동에 대한 일정을 수립하였다. 이러한 일정은 이후 온수(수온) 복사 난방 시스템에 대한 가변 제어 전략을 구현하는 데 사용되었으며, 확인된 활동에 따라 시스템의 운전 특성을 조정하였다. 제안된 제어 전략은 비점유 기간에는 실내 설정온도를 재설정하고, 수면 시에는 대사율 및 의복 단열 변화에 대응하도록 설정온도를 조정하는 내용을 포함하였으며, 그 결과 유의미한 에너지 절감이 나타났다. 연속 운전에 비해 온수 복사 난방 시스템의 에너지 소비는 피크 부하 일에 약 21% 감소하였고, 겨울 3개월 동안에는 최대 34%까지 감소하였다. 본 연구는 거주자 중심 제어가 거주자의 열적 쾌적성을 유지하면서 주거 건물에서 상당한 에너지 절감을 달성할 수 있는 잠재력을 보여준다고 입증한다.

건물 일체형 태양광 발전의 단기 예측 정확도는 생산된 전기의 관리에 대한 최적 의사결정을 내리는 데 필수적이지만, 많은 국가에서 제공되는 기상예보 서비스는 태양광 발전 출력 예측 정확도를 향상시키기 위한 충분한 기능을 제공하지 못하고 있다. 본 연구는 단순한 기상예보 서비스에 더하여, 특징 공학을 포함한 머신러닝 모델을 통해 당일(하루 전) 시간별 전력 출력(day-ahead hourly power outputs)의 예측 성능을 개선하는 방안을 제시한다. 현장 대기 상태 및 태양복사(일사)를 추론하기 위해, 일반적인 기상예보 서비스에서 지원되지 않는 새로운 합성 특성인 modified sky condition(수정된 하늘 상태)을 도출하였다. 60일 동안 서로 다른 훈련 및 하이퍼파라미터 조건에서 예측 성능을 평가하였다. 도출된 modified sky condition을 사용한 경우, 대부분의 일별 하늘 상태에서 다른 예측기 구성보다 성능이 우수했으며, 특히 원래의 기상예보 서비스 데이터만 사용했을 때와 비교하여 흐린(전천) 날에서는 정확도가 50% 이상 향상되었다. 이러한 결과는 현장 기상 관측 장비 없이도 건물에서 건물 일체형 태양광 발전 출력의 보다 효율적인 에너지 관리를 가능하게 하는 모델의 타당성과 능력을 보여주며, 통합 전기 에너지 저장 시스템 및 기타 분산에너지 자원의 최적 분배(dispatch)에 기여할 수 있음을 시사한다.

공조 공기 취급 장치(AHU) 시스템의 효과적인 제어는 건물의 에너지 소비를 관리하는 데에만 중요한 것이 아니라, 거주자의 실내 열적 쾌적성을 보장하는 데에도 필수적이다. AHU의 초기 제어 스키마는 설치 및 시험 시에는 적절하지만, 건물 외피의 열 반응과 공간 사용이 변화함에 따라 제어 변수를 조정할 필요가 빈번히 발생한다. 본 논문은 시스템 가동 중단 없이, 대규모 운영 데이터 없이도 기 존 상업용 건물에서 노후 AHU 시스템의 제어 파라미터를 위한 새로운 최적화 과정을 제시한다. 먼저, 제한된 시스템 운영 데이터와 미지의 건물 파라미터를 사용하여 건물 및 시스템 시뮬레이터를 보정하면 냉방 시즌 동안 Hooke–Jeeves 알고리즘과 함께 시스템 운영에 대한 동일한 응답을 제공할 수 있다. 딥 결정론적 정책 그래디언트(deep deterministic policy gradient) 알고리즘을 사용하여, 보정된 시뮬레이터를 기반으로 3시간 이내의 학습으로 냉각 코일의 밸브 개방 위치에 대한 최적 제어 파라미터를 결정한다. 실제 건물에서 노후 AHU에 대해 개발된 최적 제어 변수를 적용한 구현을 통해, 시뮬레이터 내의 제안된 자동 튜닝 PID 제어 및 머신러닝을 결합한 방법은 점유 기간 동안 정상 상태의 실내 온도를 (23.5 ± 0.5 °C)로 97% 개선한다. 또한 이것이 일평균 기준으로 냉방 에너지 소비를 최대 13.71%까지 감소시킬 수 있음이 입증된다. 성공적인 AHU 제어기는 AHU 시스템의 안정성뿐 아니라 건물 에너지 사용 효율과 실내 열적 쾌적성도 향상시킬 수 있다.

본 연구에서는 냉수 냉각 시스템을 위한 ANN(인공신경망) 기반 실시간 최적화 제어 알고리즘을 개발하고 실제 건물에 적용하여 현장 적용과 실제 측정을 통해 냉각 에너지 절감 효과를 분석하였다. 이를 위해 냉각탑의 CndWT(응축수 온도)와 칠러의 ChWT(냉수 온도)를 시스템 제어 변수로 설정하였다. 알고리즘 성능을 평가하기 위해 ChWT와 CndWT를 관례적으로 제어한 경우와 ANN에 따라 제어한 경우를 비교·분석하였으며, 전기 소비량과 COP(coefficient of performance, 성적계수)를 관찰하였다. 분석 과정에서 훈련 데이터의 부족과 CndWT 설정점 결정 시 OWBT(outdoor air wet-bulb temperature, 실외 공기 습구온도)를 제한적으로 고려한 점으로 인해 예기치 않은 이상 데이터가 관찰되었다. 따라서 더 넓은 조건 범위에서 훈련 데이터를 추가로 구축하고, OWBT가 23 °C를 초과하는 경우 CndWT 설정점의 하한을 OWBT보다 최소 +3.6 °C 이상으로 설정하여 추가적인 에너지 절감이 가능하도록 할 필요가 있다.

본 연구에서는 칠러 기반 냉방 시스템을 위한 인공신경망(ANN) 기반 실시간 예측 제어 및 최적화 알고리즘을 개발하고, 실제 건물에 적용하여 현장 적용 및 실제 측정을 통해 냉방 에너지 절감 효과를 분석하였다. 이를 위해 시스템 제어 변수로 냉각탑의 응축기수 출구온도와 칠러의 냉수 출구온도를 설정하였다. 분석 과정에서 응축기수 온도 설정점(condenser water temperature set-point)을 결정할 때 실외 공기 습구온도에 대한 고려가 제한되어 있었고, 또한 학습 데이터가 충분하지 않아 예기치 않은 비정상 데이터가 관측되었다. 따라서 다양한 조건에 걸쳐 학습 데이터를 구축할 필요가 있으며, 실외 습구온도 23°C 이상 구간에서는 응축기수 온도 설정점의 하한을 실외 공기 습구온도 +3.6°C로 설정해야 더 큰 에너지 절감이 가능하다.

1.1. .

본 연구는 주거용 난방 시스템을 대상으로 거주자 중심 제어 전략을 제안하여 열적 쾌적성을 향상시키고 에너지 소비를 감소시키는 것을 목표로 한다. 주파수 변조 연속파 레이다 센서를 활용한 센서 스테이션을 개발하여 주거 공간 내 점유를 감지하고 활동을 추론하였다. 현장 측정 데이터를 분석함으로써 점유 및 활동에 대한 일정을 수립하였다. 이러한 일정은 이후 온수(수온) 복사 난방 시스템에 대한 가변 제어 전략을 구현하는 데 사용되었으며, 확인된 활동에 따라 시스템의 운전 특성을 조정하였다. 제안된 제어 전략은 비점유 기간에는 실내 설정온도를 재설정하고, 수면 시에는 대사율 및 의복 단열 변화에 대응하도록 설정온도를 조정하는 내용을 포함하였으며, 그 결과 유의미한 에너지 절감이 나타났다. 연속 운전에 비해 온수 복사 난방 시스템의 에너지 소비는 피크 부하 일에 약 21% 감소하였고, 겨울 3개월 동안에는 최대 34%까지 감소하였다. 본 연구는 거주자 중심 제어가 거주자의 열적 쾌적성을 유지하면서 주거 건물에서 상당한 에너지 절감을 달성할 수 있는 잠재력을 보여준다고 입증한다.

건물 일체형 태양광 발전의 단기 예측 정확도는 생산된 전기의 관리에 대한 최적 의사결정을 내리는 데 필수적이지만, 많은 국가에서 제공되는 기상예보 서비스는 태양광 발전 출력 예측 정확도를 향상시키기 위한 충분한 기능을 제공하지 못하고 있다. 본 연구는 단순한 기상예보 서비스에 더하여, 특징 공학을 포함한 머신러닝 모델을 통해 당일(하루 전) 시간별 전력 출력(day-ahead hourly power outputs)의 예측 성능을 개선하는 방안을 제시한다. 현장 대기 상태 및 태양복사(일사)를 추론하기 위해, 일반적인 기상예보 서비스에서 지원되지 않는 새로운 합성 특성인 modified sky condition(수정된 하늘 상태)을 도출하였다. 60일 동안 서로 다른 훈련 및 하이퍼파라미터 조건에서 예측 성능을 평가하였다. 도출된 modified sky condition을 사용한 경우, 대부분의 일별 하늘 상태에서 다른 예측기 구성보다 성능이 우수했으며, 특히 원래의 기상예보 서비스 데이터만 사용했을 때와 비교하여 흐린(전천) 날에서는 정확도가 50% 이상 향상되었다. 이러한 결과는 현장 기상 관측 장비 없이도 건물에서 건물 일체형 태양광 발전 출력의 보다 효율적인 에너지 관리를 가능하게 하는 모델의 타당성과 능력을 보여주며, 통합 전기 에너지 저장 시스템 및 기타 분산에너지 자원의 최적 분배(dispatch)에 기여할 수 있음을 시사한다.