KR101168153B1 - 건물의 에너지 수요 예측 방법 및 그 시스템 - Google Patents

Abstract

본 발명은 중대형 건물에 소요되는 에너지 소비량을 소비원별로 구분하여 건물의 에너지 사용량 데이터를 구축하고, 실시간 에너지 데이터의 분석 및 기후변화에 따른 기상청의 장기예보를 반영하여 건물 운용에 관련한 에너지 전략을 수립하고 실행할 수 있는 건물의 에너지 수요 예측 방법 및 그 시스템에 관한 것이다.
본 발명에 따른 건물의 에너지 수요 예측 방법은, a) 건물에서 소비되는 에너지의 사용량에 대한 에너지 사용량 데이터베이스를 구축하는 단계; b) 기상청에서 제공하는 예측 기상 데이터를 기초로 예측 기상 데이터베이스를 구축하는 단계; c) 상기 데이터베이스화된 에너지 사용량 데이터 및 상기 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여, 건물의 냉?난방량, 가스 및 전력 사용량을 예측하는 단계; d) 상기 건물의 구성 및 스케쥴을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해 상기 건물의 구성 및 시스템을 모델링하는 단계; e) 과거 소정 기간 동안의 기상 정보를 기초로 시간대별 평균 데이터를 저장하는 과거 기상 데이터베이스를 구축하는 단계; f) 상기 모델링 및 상기 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로 상기 건물이 사용하게 될 에너지 사용량을 도출하는 단계를 포함하여 구성되는 것을 특징으로 한다.

Description

건물의 에너지 수요 예측 방법 및 그 시스템{Method and system for predicting energy consumption of building}

본 발명은 중대형 건물의 에너지 수요를 예측하는 방법 및 그 시스템에 관한 것으로, 보다 상세하게는, 중대형 건물에 소요되는 에너지 소비량을 소비원별로 구분하여 건물의 에너지 사용량 데이터를 구축하고, 실시간 에너지 데이터의 분석 및 기후변화에 따른 기상청의 장기예보를 반영하여 건물 운용에 관련한 에너지 전략을 수립하고 실행할 수 있게 하는 건물의 에너지 수요 예측 방법 및 그 시스템에 관한 것이다.

일반적으로 건물의 소비 전력 예측은 냉?난방, 조명, 전열, 동력 등 실제 건물에서 사용되는 에너지 소비원별로 구분하여 에너지 소비량을 예측하는 경우는 없었으며, 일부 건물에서 실시하고 있는 예측시스템도 건물 전체에서 사용되는 전력을 하나로 간주하여 수행하고 있다. 실제로 냉방과 난방의 경우에는 단순히 on/off만을 이용하는 정도여서 그 건물에서 오랜 경험을 쌓은 숙련된 관리자가 없을 경우, 에너지 관리 측면에서 그 건물에서 사용되는 설비를 효율적으로 사용할 수 없다.

지금까지의 에너지 관리시스템은 에너지 관리가 목적이 아닌 설비의 유지 관리를 목적으로 한 것들이기 때문에 각 설비에서의 실제 사용량에 있어 데이터의 차이가 있을 뿐만 아니라, 측정한 데이터를 저장하지 않기 때문에 지난 자료에 대한 분석 및 향후 에너지 소비에 대한 예측 및 관리를 전혀 할 수 없다는 문제가 있었으나, 최근 들어 건물의 설비가 현대화됨에 따라 빌딩 내에 설치된 전력, 조명, 냉?난방 등 공조(空調), 방재 및 방범설비 등의 서브시스템을 자동으로 제어하는 자동제어시스템이 확산되고 있으며, 이와 같이 서브시스템을 전체적으로 통합하여 관리할 수 있는 빌딩관리시스템의 개발이 활발하게 진행되고 있다.

본 출원인은 "모니터링을 통한 실시간 에너지 관리 시스템"을 개발하여 특허 제1068862호로 등록받았는데, 상기 특허는 전기, 수도, 가스, 냉?난방 등을 위한 각 센서들을 동기화시켜 건물에서 소비되는 에너지를 용도별로 모니터링하여 데이터화 및 분석하고 공급함으로써, 에너지를 가장 효율적으로 관리할 수 있는 에너지 관리 시스템에 관한 것으로, 단순히 용도별 데이터를 수집 및 분석하여 관리하는 시스템이기 때문에 향후 기후변화에 따른 예측이 불가능하여, 최근에 기습 한파로 인한 갑작스런 에너지 수요의 폭발적 증가로 인하여 정전사태가 발생하여 국가적 대혼란을 야기했던 것과 같은 문제에 전혀 대처할 수 없다는 문제가 있다.

또한, 건물별 장기적인 에너지 예측의 경우, 실제 건물이 들어서지 않은 상태인 설계시에 계산된 값이기 때문에 해마다 달라지는 건물의 상황에 대응하여 에너지 사용에 대한 전략을 수립할 수 없으며, 또한 건물이 노후화되었을 때 ESCO(Energy Service Company)를 위한 에너지 개선안 도출에도 종래의 건물 소비 전력 예측을 사용하는 것이 불가능하다. 따라서 장기적으로 건물의 에너지 수요 예측을 위한 방법 및 시스템 개발의 필요성이 절실하다고 하겠다.

본 발명은 상기와 같은 사정을 감안하여 안출된 것으로, 본 발명의 목적은, 건물로부터의 여러 에너지 데이터를 받아 실제 건물 운영에 필요한 에너지 데이터를 구분하여 건물의 에너지 사용량 데이터를 구축하고, 실시간 에너지 데이터의 분석 및 기후변화에 따른 기상청의 장기예보를 반영하여 건물 운용에 관련한 에너지 전략을 세우고 실행할 수 있는 건물의 에너지 수요 예측 방법 및 시스템을 제공하기 위한 것이다.

본 발명의 또 다른 목적은, 전문가가 아니더라도 쉽게 시스템에서 제시하는 수치들을 이해하고 적용할 수 있는 사용자 중심의 건물의 에너지 수요 예측 방법 및 시스템을 제공하기 위한 것이다.

상기 목적을 달성하기 위한 본 발명에 따른 건물의 에너지 수요 예측 방법은, a) 건물에서 소비되는 에너지의 사용량에 대한 에너지 사용량 데이터베이스를 구축하는 단계; b) 기상청에서 제공하는 예측 기상 데이터를 기초로 예측 기상 데이터베이스를 구축하는 단계; c) 상기 데이터베이스화된 에너지 사용량 데이터 및 상기 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여, 건물의 냉?난방량, 가스 및 전력 사용량을 예측하는 단계; d) 상기 건물의 구성 및 스케줄을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해 상기 건물의 구성 및 시스템을 모델링하는 단계; e) 과거 소정 기간 동안의 기상 정보를 기초로 시간대별 평균 데이터를 저장하는 과거 기상 데이터베이스를 구축하는 단계; f) 상기 건물의 모델링 및 상기 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로 상기 건물에서 사용하게 될 에너지 사용량(전력, 가스, 냉?난방량 등)을 도출하는 단계를 포함하여 구성되는 것을 특징으로 한다.

바람직하게는, 에너지 사용량 데이터베이스는 에너지 사용 용도와 시간대별로 구축되고, 에너지 사용 용도는 냉방, 난방, 조명, 공조, 동력 및 전열 중 하나 이상을 포함하며, 에너지 사용량은 연간, 월간 및 에너지 사용처별로 건물의 에너지 사용량을 도출한다.

본 발명에 따른 건물의 에너지 수요 예측 시스템은, 데이터베이스 및 서버를 포함하여 구성되는데, 상기 데이터베이스는 건물에서 소비되는 에너지의 사용량(전력, 가스, 냉?난방량 등)에 대한 데이터를 저장하는 에너지 사용량 데이터베이스, 기상청에서 제공하는 예측 기상 데이터를 저장하는 예측 기상 데이터베이스, 과거 소정 기간 동안의 기상 정보를 기초로 하는 시간대별 평균 기상 데이터를 저장하는 과거 기상 데이터베이스 및 건물의 모델링 데이터를 저장하는 건물 모델링 데이터베이스를 포함하며, 상기 서버는 데이터베이스화된 에너지 사용량 데이터 및 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여, 건물의 냉?난방량, 가스 및 전력 사용량을 예측하며, 건물의 구성 및 스케줄을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해 건물의 구성 및 시스템을 모델링하여 상기 모델링 데이터를 생성하며, 건물의 모델링 데이터 및 상기 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로 건물이 사용하게 될 에너지 사용량을 도출하는 것을 특징으로 한다.

상기와 같은 특징을 갖는 본 발명에 따른 건물의 에너지 수요 예측 방법 및 그 시스템은, 건물로부터의 여러 에너지 데이터를 받아 실제 건물 운영에 필요한 에너지 데이터를 소비원별로 구분하여 건물의 에너지 사용량 데이터를 구축하고 기상청의 장기예보를 반영하여 건물의 에너지 수요를 예측할 수 있는 방법 및 그 시스템을 제공함으로써, 종래의 설비 위주의 운영수준을 벗어나 에너지를 전문적인 DATA 관리 시스템으로 운영할 수 있게 하여 건물 전체적으로 에너지를 세분화하여 관리할 수 있고, 에너지 전문가가 아니더라도 에너지 소비 현황과 에너지 절약을 통해 절감되는 에너지량을 실시간으로 파악할 수 있게 되며, 향후 에너지 소비량을 건물별로 비교 분석하여 건물에 따라 용도별 사용 에너지 절감에 관한 전략을 세울 수 있다.

또한, 본 발명의 에너지 수요 예측 방법 및 그 시스템은 기후변화의 기상청 장기예보가 건물의 설비 운영 자료로 사용되어 최소의 에너지로 최대의 효과를 도출할 수 있게 되고, 건물 리모델링 및 ESCO 사업 실행시 비용대비 가장 효과적인 결과를 얻을 수 있게 되며, 건물 운영 변경에 따른 에너지 소비량을 쉽게 파악할 수 있다.

도 1은 본 발명에 따른 건물의 에너지 수요 예측 시스템을 도시한 블록 구성도이다.
도 2는 도 1에 도시된 건물의 에너지 수요 예측 시스템에 사용되는 기상청의 3일간 일기예보 데이터의 예를 나타낸 도면이다.
도 3은 도 1에 도시된 건물의 에너지 수요 예측 시스템의 동작을 설명하기 위한 순서도이다.
도 4는 도 1 및 도 3에 나타낸 신경망 알고리즘을 설명하기 위한 도면이다.

본 발명에 따른 건물의 에너지 수요 예측 방법 및 시스템의 가장 큰 특징은 건물 운영에 필요한 에너지 데이터를 소비원별로 구분하여 건물의 에너지 사용량 데이터를 구축하고, 여기에 기상청의 장기예보를 반영하여 건물의 에너지 수요를 예측할 수 있게 한다는 점이다.

도 1은 본 발명에 따른 건물의 에너지 수요 예측 시스템을 도시한 블록 구성도인데, 본 발명에 따른 건물의 에너지 수요 예측 시스템은 데이터서버(100) 및 데이터베이스(200)를 포함하여 구성된다.

데이터베이스(200)는 에너지 사용량 데이터베이스(210), 예측 기상 데이터베이스(230), 건물 모델링 데이터베이스(250) 및 과거 기상 데이터베이스(270)를 포함한다.

에너지 사용량 데이터베이스(210)는 건물에서 소비되는 에너지의 사용량에 대한 데이터를 저장하는데, 에너지 사용량 데이터베이스(210)는 건물에서 제공하는 여러 에너지 데이터를 받아 실제 건물 운영에 필요한 에너지 데이터를 용도(소비원)별로 구분하여 건물의 에너지 사용량 데이터를 저장한다.

건물에 계측장비가 설치된 경우에는 냉방, 난방, 조명, 공조, 동력, 전열 등에 사용된 각 에너지 데이터(전력, 가스, 냉?난방량 등)는 상기 계측장비에 의해 본 시스템에 제공되어 그대로 데이터베이스화될 수 있다. 그러나, 냉방, 난방, 조명, 공조, 동력, 전열 등 용도(소비원)별 에너지 사용에 따른 구분된 계측장치가 설치되어 있지 않은 경우에는 에너지 사용량 데이터베이스(210)는 건물의 전체 에너지 사용량으로부터 건물의 각 설비들의 에너지 사용량을 구분하여 구축할 수 있다.

예컨대, 건물의 냉방 에너지는 휴일 및 평일 구분(평일 관련 데이터만 사용)하고, 연간 시간대별 전력 사용량(한전 제공) 중 하절기(5월 중순～9월 중순) 전력을 구분하며, 중간기(4월 중순～5월 중순, 9월 중순～10월 중순)의 전력을 구분하며, 중간기 시간대별 전력의 평균치를 도출하여, 앞서 구한 하절기 시간대별 전력에서 중간기 시간대별 전력의 평균치를 제한 나머지를 해당 건물의 냉방에 들어가는 전력(펌프+냉동기, 펌프+냉온수기, 펌프+흡수식 냉동기+보일러)으로 도출하고, 냉방에 들어가는 전력 중 펌프 가동으로 소모되는 예상전력(설비 도면상의 펌프의 개수 및 전력 소모량으로 도출)을 제외하며, 설비 도면상의 냉동기, 냉온수기, 흡수식 냉동기 및 보일러의 용량과 대수 및 성능곡선에 의해 냉방 에너지를 구분하여 도출할 수 있다.

또, 건물의 냉방 에너지 중 가스는 휴일 및 평일 구분(평일 관련 데이터만 사용)하고, 연간 시간대별 가스 사용량(계측 필요) 중 하절기(5월 중순～9월 중순) 사용량을 구분하며, 중간기(4월 중순～5월 중순, 9월 중순～10월 중순)의 사용량(급탕용 에너지)을 구분하며, 중간기 시간대별 사용량의 평균치를 도출하여, 앞서 구한 하절기 시간대별 사용량에서 중간기 시간대별 사용량의 평균치를 제한 나머지를 건물의 냉방에 들어가는 가스로 도출하고, 설비 도면상의 흡수식 냉온수기 및 보일러 등의 용량과 대수 및 성능곡선에 의해 냉방 에너지를 도출할 수 있다.

또한, 건물의 난방 에너지 중 전력은 휴일 및 평일 구분(평일 관련 데이터만 사용)하고, 연간 시간대별 전력 사용량(한전 제공) 중 동절기(10월 중순～4월 중순) 전력을 구분하며, 중간기(4월 중순～5월 중순, 9월 중순～10월 중순)의 전력을 구분하며, 중간기 시간대별 전력의 평균치를 도출하여, 앞서 구한 동절기 시간대별 전력에서 중간기 시간대별 전력의 평균치를 제한 나머지를 건물의 난방에 들어가는 전력(펌프+보일러, 펌프+흡수식 냉온수기)으로 도출하고, 설비 도면상의 흡수식 냉온수기와 보일러의 용량과 대수 및 성능곡선에 의해 난방 에너지를 도출할 수 있다. 여기서, 상기 난방에 들어가는 전력 중 펌프 가동으로 소모되는 예상 전력(설비 도면상의 펌프의 개수 및 전력 소모량으로 도출)은 제외된다.

건물의 난방 에너지 중 가스는 휴일 및 평일 구분(평일 관련 데이터만 사용)하고, 연간 시간대별 가스 사용량(계측 필요) 중 동절기(10월 중순～4월 중순) 사용량을 구분하며, 중간기(4월 중순～5월 중순, 9월 중순～10월 중순)의 사용량(급탕용 에너지)을 구분하며, 중간기 시간대별 사용량의 평균치를 도출하여, 앞서 구한 동절기 시간대별 사용량에서 중간기 시간대별 사용량의 평균치를 제한 나머지를 건물의 난방에 들어가는 가스로 도출하고, 설비 도면상의 흡수식 냉온수기 및 보일러 등의 용량과 대수 및 성능곡선에 의해 난방 에너지를 도출할 수 있다.

또한, 조명 에너지는 조명의 종류 및 개수 파악, 건물의 조명 스케줄 파악, 평일 전력 사용량 중 건물의 조명 스케줄(가동률)에 따른 조명 종류(개당 사용량)×개수를 통해 그 사용량을 도출할 수 있으며, 공조(空調)와 전열 및 기타 에너지는 평일 전력 사용량에서 상술한 냉?난방 에너지 사용량 및 조명 에너지 사용량을 제외하여 얻을 수 있다.

예측 기상 데이터베이스(230)는 기상청에서 제공하는 도 2에 도시된 바와 같은, 3일(기간은 조정 가능함)간 일기 예보를 기초로 하여 예측 기상 데이터를 생성 및 저장하여 구축할 수 있다. 상기 3일간 일기 예보 사이에 대한 온도 및 습도는 하기식과 같은 라그랑(Lagrange) 보간법을 사용하여 계산하고, 그 결과를 예측 기상 데이터로서 사용할 수 있다.

도 2를 참조하여 상기 식에 대하여 설명하면, 11월 25일 일기예보를 통해 3시간별 온도를 알고 있을 때, 15시와 18시 사이에 있는 16시의 온도를 라그랑(Lagrange) 보간법에 의해 구하는 것에 대하 설명한다.

우선 계수를 정리해 보면 다음과 같이 된다.

상기 계수를 라그랑(Lagrange) 보간법 계산식에 대입해 보면,

이 되므로, 16시의 온도는 11.395℃가 된다.

과거 기상 데이터베이스(270)는 기상청에서 제공하는 과거 소정 기간 예컨대, 최근 10년 동안의 시간대별 기상 자료(온도, 습도, 풍향, 풍속, 일사량, 강수량, 운량 등)를 수집하고, 수집한 데이터를 기초로 10년간 시간대별 평균 기상데이터를 저장하여 구축할 수 있으며, 이러한 과거 시간대별 기상 데이터를 이용하여 현재와 비슷한 유형의 기상 데이터를 도출(낮 최고 온도의 분포, 습도의 분포, 불쾌지수의 변화 등)할 수 있다.

건물 모델링 데이터베이스(250)는 건물의 모델링 데이터를 저장한다. 상기 건물의 모델링 데이터는 건물의 구성(창호, 벽체 등의 재료) 및 스케줄 등을 입력하여 가상 건물화, 건물의 설계 도면, 설비 설계 도면 등을 통해 건물 구성 및 시스템 등의 모델링 작업에 의해 도출된 데이터를 통해 구축할 수 있다.

서버(100)는 상기 데이터베이스화된 에너지 사용량 데이터 및 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여, 건물의 냉?난방량, 가스 및 전력 사용량을 예측하는데, 상기 서버(100)는 건물의 구성 및 스케줄을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해 건물의 구성 및 시스템을 모델링하여 모델링 데이터를 생성한다. 또한, 상기 서버(100)는 건물의 모델링 데이터 및 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로 건물이 사용하게 될 에너지 사용량을 도출한다.

본 발명에 따른 건물의 에너지 수요 예측시스템의 동작을 설명하면, 도 3은 건물의 에너지 수요 예측 시스템의 동작을 설명하기 위한 순서도이고, 도 4는 도 1 및 도 3에 나타낸 신경망 알고리즘을 설명하기 위한 도면이다.

도 3 및 도 4를 참조하면, 서버(100)는 상술한 바와 같이, 대상 건물로부터의 여러 에너지 데이터를 받아 실제 건물 운영에 필요한 에너지 데이터를 구분하여 건물의 에너지 사용량 데이터를 데이터베이스(200)에 제공하여 에너지 사용량 데이터베이스를 구축한다(S1).

서버(100)는 기상청에서 제공하는 도 2에 도시된 바와 같은, 3일간(필요에 따라 더 긴 기간도 가능함) 일기 예보를 기초로 하여 예측 기상 데이터를 생성하고, 상기 예측 기상 데이터를 예측 기상 데이터베이스(230)에 제공하여 데이터베이스(200)에 예측 기상 데이터베이스를 구축한다(S2).

서버(100)는 건물의 구성(창호, 벽체 등의 재료) 및 스케줄 등을 입력하여 가상 건물화, 건물의 설계 도면, 설비 설계 도면 등을 통해 건물 구성 및 시스템 등의 모델링 작업하여 건물 모델링 데이터들 생성하고, 생성된 모델링 데이터를 데이터베이스(200)에 제공하여 건물 모델링 데이터베이스를 구축한다(S3).

또한, 서버(100)는 기상청에서 제공하는 최근 10년(필요에 따라 기간은 조절 가능함) 동안의 시간대별 기상 자료(온도, 습도, 풍향, 풍속, 일사량, 강수량, 운량 등)를 수집하고, 수집한 데이터를 기초로 10년간 시간대별 평균 기상데이터를 데이터베이스(200)에 제공하여 과거 기상 데이터베이스(270)를 구축한다(S4).

이어, 서버(100)는 데이터베이스화된 과거 에너지 사용량 데이터 및 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여 건물의 냉?난방량, 가스 및 전력 사용량을 단기 예측한다(S5, S6).

도 4에 나타낸 바와 같이, 서버(100)에 의해 수행되는 신경망 알고리즘수행 과정은 먼저 학습을 위한 데이터의 입력을 통해 시작된다. 이때, 상기 학습은 월 단위의 데이터를 기반으로 수행된다. 예컨대, 한 달의 학습 레코드 수는 시간 단위의 측정 데이터이고, 하루 15시간이고 한 달을 31일이라 할 때, 465(구체적으로는 15×31=465) 레코드이다.

알고리즘에서 기본적으로 필터링 단계에서 시간의 구간에 대한 처리 및 널(NULL)값 처리 수행하지만, 최대한 형식에 맞추어 DB 내 입력용 테이블에 데이터를 삽입한다. 주요 속성(attribute)은 날짜(Day: 월을 빼고 일자만 저장), 시간{Time : 시간만 저장(24시 기준)}, 결과{result : 측정 값(냉방량, 난방량, 가스량, 전력량 등)}, 주간{week : 월～금(1), 토(2), 일(3) [1～3의 숫자만 저장]}을 포함한다.

이어, 신경망 알고리즘은 필터링 수행을 수행하여 자료 내 널(Null)값을 제외하고, 신경망 알고리즘은 각 항목(속성)에 대한 단계 지정 및 이산화를 수행하고, 수치를 구간별로 단순화하며, 신경망 알고리즘은 학습을 수행한 후 학습 결과를 저장한다.

상기 서버(100)는 건물의 구성 및 스케줄을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해 건물의 구성 및 시스템을 모델링하여 모델링 데이터들을 생성한다.

또한, 상기 서버(100)는 건물의 모델링 데이터 및 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로, 건물에서 사용하게 될 에너지 사용량을 도출한다.

단기 예측 후, 상기 서버(100)는 건물의 모델링 데이터 및 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로 하여 에너지 시뮬레이션을 실행하는데, 서버(100)는 상기 에너지 시뮬레이션을 통해 건물에서 사용하게 될 연간 및 월간 에너지 사용량을 도출하고, 도출된 결과를 기초로 매해 건물의 에너지 사용량 및 해당 달의 에너지 사용량을 예측한다(S7, S8, S9).

또한, 상기 구성에 의해 건물의 에너지 수요 단기 예측을 함으로써, 건물의 일간 에너지 소비 예측에 따른 에너지 설비 운영 방안을 제시할 수 있게 하며, 장기 예측을 통해 월/년간 에너지 소비 경향 및 비용을 제시할 수 있고, 그 효과를 예측함으로써 건물 구조 및 운영 방안 변경에 따른 에너지 절감량 및 절감 방안을 제시할 수 있게 된다.

이상의 설명은 본 발명의 기술 사항을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명의 명세서에 게시된 실시예는 본 발명의 기술사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이런 실시예에 의하여 본 발명의 기술사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 서버
200: 데이터베이스 210: 에너지 사용량 데이터베이스
230: 예측 기상 데이터베이스 250: 건물 모델링 데이터베이스
270: 과거 기상 데이터베이스

Claims (8)

1. 건물의 에너지 수요를 예측하는 방법에 있어서,
   상기 방법은,
   a) 건물에서 소비되는 에너지의 사용량에 대한 에너지 사용량 데이터베이스를 구축하는 단계;
   b) 기상청에서 제공하는 예측 기상 데이터들을 기초로 예측 기상 데이터베이스를 구축하는 단계;
   c) 상기 데이터베이스화된 에너지 사용량 데이터 및 상기 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여, 건물의 냉?난방량, 가스 및 전력 사용량을 예측하는 단계;
   d) 상기 건물의 구성 및 스케줄을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해, 상기 건물의 구성 및 시스템을 모델링하는 단계;
   e) 과거 소정 기간 동안의 기상 정보를 기초로 시간대별 평균 데이터를 저장하는 과거 기상 데이터베이스를 구축하는 단계;
   f) 상기 건물의 모델링 및 상기 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로, 상기 건물에서 사용하게 될 에너지 사용량을 도출하는 단계;
   를 포함하고, 상기 에너지 사용량 데이터베이스는 에너지 사용 용도와 시간대별로 구축되며, 에너지 사용 용도는 냉방, 난방, 조명, 공조, 동력 및 전열 중 하나 이상을 포함하는 것을 특징으로 하는 건물의 에너지 수요 예측 방법.
   
2. 삭제
3. 삭제
4. 제 1 항에 있어서,
   상기 에너지 사용량은 연간, 월간 및 에너지 사용처별로 건물의 에너지 사용량을 도출하는 것을 특징으로 하는 건물의 에너지 수요 예측 방법.
   
5. 데이터베이스 및 서버를 포함하는 건물의 에너지 수요 예측 시스템으로서,
   상기 데이터베이스는,
   건물에서 소비되는 에너지의 사용량에 대한 데이터를 저장하는 에너지 사용량 데이터베이스;
   기상청에서 제공하는 예측 기상 데이터를 저장하는 예측 기상 데이터베이스;
   과거 소정 기간 동안의 기상 정보를 기초로 하는 시간대별 평균 기상 데이터를 저장하는 과거 기상 데이터베이스;
   상기 건물의 모델링 데이터를 저장하는 건물 모델링 데이터베이스;
   를 포함하며,
   상기 서버는,
   상기 데이터베이스화된 에너지 사용량 데이터 및 상기 예측 기상 데이터를 기초로 인공 신경망 알고리즘을 수행하여, 건물의 냉?난방량, 가스 및 전력 사용량을 예측하고,
   상기 건물의 구성 및 스케줄을 입력하여 가상 건물화하고, 건물의 설계 도면, 설비 설계 도면을 통해 상기 건물의 구성 및 시스템을 모델링하여 모델링 데이터를 생성하며,
   상기 모델링 데이터 및 상기 평균 기상 데이터베이스에 구축된 과거 기상 데이터를 기초로, 상기 건물이 사용하게 될 에너지 사용량을 도출하며,
   상기 에너지 사용량 데이터베이스는 에너지 사용 용도와 시간대별로 구축되고, 에너지 사용 용도는 냉방, 난방, 조명, 공조, 동력 및 전열 중 하나 이상을 포함하는 것을 특징으로 하는 건물의 에너지 수요 예측 시스템.
   
6. 삭제
7. 삭제
8. 제 5 항에 있어서,
   상기 에너지 사용량은 연간, 월간 및 에너지 사용처별로 건물의 에너지 사용량을 도출하는 것을 특징으로 하는 건물의 에너지 수요 예측 시스템.

Images