Integrating Gradient Boosting and Parametric Architecture for Optimizing Energy Use Intensity in Net-Zero Energy Buildings
Maqbul Kamaruddin, Martin Clinton Tosima Manullang, Jurng‐Jae Yee
IF 4.9 (2025)
Civil Engineering Journal
순제로에너지빌딩(NZEB) 상태를 달성하기 위해서는 에너지 사용 강도(EUI) 계산의 정확성이 요구되지만, 기존의 방법들은 설계의 복잡성과 기후 조건을 충분히 반영하지 못하는 경우가 많다. 본 연구에서는 매개변수 기반 에너지 모델링 접근법을 사용하여 1,350회의 시뮬레이션을 수행하고, 건물 EUI에 대한 설계 변수의 영향을 분석하였다. 시뮬레이션은 여섯 가지 건물 유형—기존 건물 및 I자형, L자형, T자형, U자형, H자형 건물—을 서로 다른 기후 구역의 여덟 개 지역에 걸쳐 포함하였다. 사례 연구는 대한민국 부산에서 수행되었으며, 현장 측정은 휴대용 장치를 사용하여 얻어 시뮬레이션 결과를 검증하였다. I자형 건물은 EUI가 가장 낮았고, 0° 및 180° 오리엔테이션에서 각각 109 kWh/m²/yr에 도달하였다. 시뮬레이션 결과에 따르면 140°, 90°, 135°, 270°의 건물 오리엔테이션은 더 높은 EUI 값을 산출하는 경향이 있는 반면, 0°와 180°에서는 각각 122 및 123 kWh/m²/yr로 더 낮은 EUI가 나타났다. 삼중 판 절연 유리의 적용은 I자형 건물의 EUI를 103 kWh/m²/yr로 효과적으로 감소시켰다. 또한 태양광(PV) 시스템을 적용하면 EUI가 유의하게 추가로 감소하였으며, I자형 건물은 PV 효율 20%에서 EUI가 −14 kWh/m²/yr에 도달하였다. 극단적 경사 부스팅(Extreme Gradient Boosting, XGBoost) 모델을 이용한 분석 결과, 기후 구역, PV 면적, 그리고 난방·환기·공조 시스템의 유형이 EUI에 유의한 영향을 미치는 것으로 나타났다. Colab을 통해 처리한 이 모델은 결정계수 R-squared이 0.99, 제곱근 평균 제곱오차(root mean square error)가 4.57, 평균 절대오차(mean absolute error)가 1.99로 매우 높은 성능을 보였다. 이러한 결과는 XGBoost 모델이 복잡한 데이터 패턴을 효과적으로 포착할 수 있으며, 고정밀 EUI 추정에 활용될 수 있음을 보여준다. Doi: 10.28991/CEJ-2025-011-03-06 Full Text: PDF
https://doi.org/10.28991/cej-2025-011-03-06
Zero-energy building
Parametric statistics
Boosting (machine learning)
Gradient boosting
Net energy
Architecture
Energy (signal processing)
Zero-point energy
Intensity (physics)
Zero (linguistics)
상세 정보 바로가기