KR102051600B1 - 건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법 - Google Patents
건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법 Download PDFInfo
- Publication number
- KR102051600B1 KR102051600B1 KR1020190072317A KR20190072317A KR102051600B1 KR 102051600 B1 KR102051600 B1 KR 102051600B1 KR 1020190072317 A KR1020190072317 A KR 1020190072317A KR 20190072317 A KR20190072317 A KR 20190072317A KR 102051600 B1 KR102051600 B1 KR 102051600B1
- Authority
- KR
- South Korea
- Prior art keywords
- load
- day
- building
- ventilation
- module
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009423 ventilation Methods 0.000 claims abstract description 126
- 230000008595 infiltration Effects 0.000 claims abstract description 45
- 238000001764 infiltration Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000013480 data collection Methods 0.000 claims abstract description 14
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 96
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 48
- 239000001569 carbon dioxide Substances 0.000 claims description 48
- 238000007493 shaping process Methods 0.000 claims description 22
- 238000005265 energy consumption Methods 0.000 claims description 19
- 238000001816 cooling Methods 0.000 claims description 15
- 238000010521 absorption reaction Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000004378 air conditioning Methods 0.000 claims description 10
- 239000000498 cooling water Substances 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000005470 impregnation Methods 0.000 claims description 4
- 238000009413 insulation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 2
- 238000011549 displacement method Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 5
- 238000001467 acupuncture Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 238000007654 immersion Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
- F24F2110/12—Temperature of the outside air
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/50—Load
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Signal Processing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
본 발명은, 건물 실시간 운영지원방법으로서, 데이터베이스모듈, 초기설정모듈, 건물모델링모듈, 기상데이터수집모듈, 외피부하연산모듈, 침기부하연산모듈, 환기연산모듈, 설비시스템부하 연산모듈, 내부부하연산모듈을 통해 대상건물의 설비시스템과 관련된 부하를 예측함과 동시에, 사용자에게 현재 계측된 사용값과 최적의 예측값과의 비교 결과를 제공함으로써, 대상건물의 실시간 운영을 지원하는 방법에 관한 기술이다.
Description
본 발명은 건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법으로서, 보다 상세하게는, 간소화된 이론적 해석 방법과 데이터 분석을 결합하여 향후 24시간의 부하를 분리 및 예측하고, 설계 기준 설비시스템의 효율 운전 값을 제시하여, 에너지 소비 비용 최소화 및 시스템 상태 진단을 수행하는 기술에 관한 것이다.
건물 에너지 관리시스템(BEMS, Building Energy Management System)은 건물 내에서 사용하는 에너지를 관리할 수 있도록 에너지 분석정보를 제공하는 시스템이다. 이러한, 건물 에너지 관리시스템을 사용하여 건물관리자가 적극적으로 대응하면 평균 5 내지 15% 이상의 에너지를 절감할 수 있다.
건물 에너지 소비에 대한 각종 법규와 기준이 강화되고, 에너지 절약의 필요성이 높아짐에 따라, 현재에는 건물 에너지 관리 시스템을 적극적으로 도입하는 추세이다.
기존의 대부분 건물 에너지 관리 시스템은 기본적 에너지 사용 상태정보만 분석 제공하는 것이 일반적이었다. 기존 기술의 일부는, 여기에 에너지 사용 분석정보에 기반한 설비시스템의 고장 알람기능, 건물의 사용 상태를 자동제어와 연동하는 기능을 선택적으로 제공하기도하나, 이 또한 측정된 데이터의 분석 결과만을 활용하는 사후 대응 기능을 부가한 것에 국한되어 있다.
종래의 경우처럼, 건물 에너지 관리 시스템이 에너지 사용 상태정보만 분석 제공할 경우, 이에 대한 대응은 전적으로 관리자의 경험 및 노력에 의존되기 때문에, 건물 에너지 관리 시스템을 통한 에너지 절감 효과를 얻기가 어렵고, 건물별로 지향하는 운영 방법이 상이한 바, 건물이 최적으로 운영된다고 보기는 어렵다.
종래의 건물 설비시스템은 설계 시점에서 개별 모듈 중심으로만 최적화되어 있을 뿐, 전체 시스템 측면에서 최적화시키는 접근이 제한적이었다. 전체 시스템을 이루는, 냉방설비, 난방설비, 환기설비를 각각 구성하는 세부 기기들은 상호 의존적이면서 유기적으로 결합되어 있음에도 불구하고, 이를 운영단계에서도 전체 시스템 측면에서 접근하지 못하는 바, 이는 결국 전체 시스템의 에너지효율성 저하로도 나타날 수 있다.
종래기술인 한국공개특허 제10-2016-0035808호는 건물 에너지 모델을 이용한 에너지 설비의 이상 검출 방법으로서, 건물의 에너지 모델에서 예측한 시뮬레이션 데이터와 센서에서 측정한 실측 데이터를 비교하는 구성을 개시하고 있긴 하나, 상기 종래기술은 건물의 에너지 성능 변화가 최소화되는 최적의 조치 시기만을 산출할 뿐, 사용자 및 건물의 특성에 따라 앞으로의 부하 특성(특히 환기 부하)을 예측하여, 에너지 절감과 에너지 비용 절감에 이용하는 구체적인 구성이 포함되어 있지 않다.
이에 따라, 최근에는 정확한 부하 예측 값을 근거로, 전체 시스템의 최적 제어를 수행함과 동시에, 현재 실제로 운영중인 설비시스템의 실측데이터와 비교값을 제공하고, 에너지 및 비용 절감 효과를 사용자에게 제공할 수 있는 기술의 필요성이 대두되는 실정이다.
(특허문헌 1) 한국공개특허 제10-2016-0035808호
본 발명은 전술한 종래 기술의 문제점을 해결하기 위해 안출된 것으로서, 사용자의 입력변수 및 연산에 의한 로드를 최소화시킴과 동시에, 대상건물 설비시스템 구성기기들의 부하 변화에 따른 대응성 및 대상건물의 부하 예측 정확성을 향상시키는 기술을 제안함과 동시에, 이를 기반으로 설계 이론에 근거한 실시간 설비 제어 정보를 제시하는 기술을 제안하고자 한다.
상기와 같은 과제를 해결하기 위한 본 발명은, 건물 실시간 운영지원방법으로서, 데이터베이스모듈(DB)에는, 열원설비, 반송설비 및 공조설비를 포함하는 미리 결정된 설비시스템 조합이 저장되고, 상기 설비시스템 각각의 열원정보, 용량정보 및 성능정보를 포함하는 정보가 저장되며, 상기 설비시스템 하기의 표 1 내지 7이고, (a1) 초기설정모듈(110)에서, 상기 데이터베이스모듈(DB)로부터 대상건물에 적용될 상기 미리 결정된 상기 설비시스템 조합 중 어느 하나가 선택되는 단계로서, 상기 열원설비는, 지역냉방, 지역난방, 지역열원흡수식냉동기, 흡수식냉온수기, 가스보일러, 흡수식냉동기, 터보냉동기, 터보냉동기 및 빙축열, 터보냉동기 및 수축열, 지열원열펌프, 지열원열펌프 및 수축열, 수열원열펌프, 전기열원열펌프, 가스열원열펌프 및 에어컨을 포함하며, 상기 반송설비는, 정유량 방식, 변유량 방식에 적용되는 설비를 포함하고, 상기 공조설비는, 팬코일유닛, 팬터미널유닛, 항온항습기, 복사패널, 칠드빔, 컨벡터, 온돌, 실내기, 정풍량방식 공기조화기, 변풍량방식 공기조화기, 환기유닛을 포함하는, 단계(S111); (a2) 건물모델링모듈(120)에서, 상기 대상건물의 구조정보가 입력되고, 단열성능, 유리 일사열취득율 및 냉난방기간 침기율을 포함하는 정보를 설정함으로써, 상기 대상건물을 모델링하는, 단계(S112); (b) 외피부하(Qsi) 및 침기부하(Qinf)가 연산되는 단계로서, 상기 외피부하(Qsi)는 외피부하연산모듈(140)에 의해 연산되되, 기상데이터수집모듈(130)로부터, 특정일의 예측기상데이터정보를 제공받고, 상기 (a2) 단계의 상기 건물모델링모듈(120)에 입력된 정보 및 상기 예측기상데이터정보를 통해, 특정일에서 상기 대상건물의 외피부하(Qsi)가 연산되고, 상기 외피부하(Qsi)는, 상기 대상건물의 위치정보가 입력되며, 상기 위치정보를 통해 상기 예측기상데이터정보가 설정되고, 상기 예측기상데이터정보를 통해 연산되는 상기 대상건물의 외표면에 대한 일사량; 벽, 지붕 및 창문의 전도열; 창문의 일사 열취득량; 및 상기 건물모델링모듈(120)로부터 결정되는 상기 대상건물의 일사 흡수율과 지표면 반사율; 을 고려하여 연산되며, 상기 침기부하(Qinf)는 침기부하연산모듈(145)에 의해 연산되되, 상기 (a2) 단계의 상기 건물모델링모듈(120)에 설정된 상기 대상건물의 구조정보 및 냉난방기간 침기율을 이용하여 침기량을 연산한 후, 상기 침기량 및 상기 특정일의 예측기상데이터정보를 통해 상기 특정일의 침기부하(Qinf)가 연산되는, 단계(S120); (c) 환기연산모듈(150)에서, 상기 대상건물 내부의 이산화탄소 농도 측정을 통해 상기 특정일의 환기량을 연산하고, 상기 기상데이터수집모듈(130)로부터 상기 특정일의 예측기상데이터정보를 제공받으며, 상기 특정일의 환기량 및 예측기상데이터정보를 통해, 상기 특정일의 환기부하(Qv)를 예측하는 단계(S130)로서, (c1) 상기 특정일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 상기 이산화탄소 농도값이 계속 상승할 경우, 상기 특정일 전날을 환기량부족이라고 판단하여 상기 특정일의 환기량이 증가되도록 환기기기가 운전되며, 상기 특정일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 상기 시간대별 이산화탄소 농도값이 상승구간 및 하강구간을 동시에 포함하는 경우, 상기 이산화탄소 농도값과 미리 설정된 기준 이산화탄소 농도값을 비교하여, 상기 이산화탄소 농도값이 상기 기준 이산화탄소 농도값보다 낮도록 환기기기를 운전시키는 단계(S131); (c2) 상기 대상건물 외부의 시간대별 이산화탄소 농도를 측정하고, 상기 대상건물 내부 및 외부의 이산화탄소 농도를 통해 상기 특정일의 시간대별 환기량이 연산되는 단계(S132); 및 (c3) 상기 (c2) 단계에서 연산된 상기 특정일의 시간대별 환기량 및 예측기상데이터정보를 통해, 상기 특정일의 환기부하(Qv)가 시간대별로 연산되는 단계(S133); 를 포함하는, 단계(S130); (d) 설비시스템부하 연산모듈(160)에서, 상기 대상건물로부터의 계측을 통해, 상기 특정일에 운전되는 설비시스템 구성기기의 부하인 전체설비시스템부하(Qm)가 연산되는, 단계(S140); (e) 내부부하연산모듈(170)에서, 상기 대상건물의 내부부하(Qi)가 연산되는 단계로서, 상기 전체 설비시스템부하(Qm)에서 상기 외피부하(Qsi), 침기부하(Qinf) 및 환기부하(Qv)를 차감한 값이 상기 특정일의 내부부하(Qi)로 결정되는, 단계(S150); (f) 반복수행모듈(190)에서, 상기 (b) 내지 (e) 단계에서 연산된 상기 특정일 시간대별의 외피부하(Qsi), 침기부하(Qinf), 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)는 각각 메모리부에 저장하되, 상기 특정일을 제1일로 하여, 상기 제1일부터 제N일까지를 각각 대상으로 상기 (b) 내지 (e) 단계를 반복하여 수행하고, 상기 제1일 내지 제N일 각각에 대한 외피부하(Qsi), 침기부하(Qinf), 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)를 상기 메모리부에 저장하는 단계로서, N개의 연속하는 단위일로 구성되는 상기 제1일 내지 제N일 각각은, 미리 결정된 단위시간으로 구분되어 제1시간 내지 제M시간으로 구성되고, 외피부하(Qsi), 침기부하(Qinf), 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)는 상기 제1시간 내지 제M시간 각각에 대해 연산하여 저장되는 단계(S160); 및 (g) 정형화모듈(192)에서, 상기 제1일 내지 제N일 각각에 대해 제1시간 내지 제M시간으로 구분되어 상기 메모리부에 저장된 환기량 및 내부부하(Qi)의 정형화를 수행하는 단계(S170); 및 (h) 최종연산모듈(194)에서는, 상기 (g) 단계에서 저장된 환기량 및 내부부하(Qi)의 정형화값을 통해, 상기 제N일의 이후인 예측대상일에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)를 예측하는 단계(S180); 를 포함하며, 상기 (c1) 단계는, 상기 예측대상일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 상기 시간대별 이산화탄소 농도값이 상승구간 및 하강구간을 동시에 포함하고, 상기 미리 설정된 기준 이산화탄소 농도값보다 낮은 경우, 모드선택모듈(180)에서, 상기 이산화탄소 농도가 증가되도록 상기 환기기기의 운전을 제어하는 에너지절약모드 또는 상기 환기기기의 운전을 그대로 유지시키는 공기청정모드를 선택 가능하도록 형성되고, 상기 (f) 단계에서, 상기 단위시간은 1시간으로써, 상기 제1일 내지 제N일은 각각 제1시간 내지 제24시간으로 구분되고, 상기 (g) 단계에서는, 상기 환기량 및 내부부하(Qi)의 정형화값은, 제1시간 내지 제24시간으로 각각 구분되어 결정되되, 상기 예측대상일 중 제K시간에 해당하는 정형화값은, 상기 환기량 및 내부부하(Qi)의 정형화값은 상기 제1일 내지 제N일 각각의 제K시간의 평균값으로 결정되고, 상기 (h) 단계에서는, 상기 예측대상일에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)는 1시간 단위로 구분되어 연산되며, 상기 예측대상일의 외피부하(Qsi)는, 상기 기상데이터수집모듈(130)로부터 예측된 상기 예측대상일의 예측기상데이터정보를 이용하여 연산되고, 상기 예측대상일의 침기부하(Qinf)는, 상기 기상데이터수집모듈(130)로부터 예측된 상기 예측대상일의 예측기상데이터정보 및 상기 침기부하연산모듈(145)에 의해 연산된 상기 대상건물의 침기율과 침기량을 통해 연산되며, 상기 예측대상일의 환기부하(Qv)는, 상기 정형화모듈(192)에 의한 상기 환기량의 정형화값 및 상기 예측대상일의 예측기상데이터정보를 통해 연산되고, 상기 예측대상일의 내부부하(Qi)는, 상기 정형화모듈(192)에 의한 상기 내부부하(Qi)의 정형화값으로 결정되며, 상기 예측대상일 중 제K시간에 해당하는 전체설비시스템부하(Qm)는, 상기 예측대상일 중 제K시간에 해당하는 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)의 합인, 건물 실시간 운영지원방법을 제공한다.
[표 1]
[표 2]
[표 3]
[표 4]
[표 5]
[표 6]
[표 7]
또한, 상기 (a1) 내지 (h) 단계는, 상기 대상건물이 제1구역 내지 제L구역으로 구분된 상태에서 수행됨으로써, 상기 제1구역 내지 제L구역 각각에 대한 예측대상일의 개별설비시스템부하, 개별외피부하, 개별침기부하, 개별환기부하 및 개별내부부하가 연산된 후, 상기 개별설비시스템부하, 개별외피부하, 개별침기부하, 개별환기부하 및 개별내부부하의 합을 통해, 상기 예측대상일의 전체 설비시스템부하(Qm), 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)가 예측될 수 있다.
또한, 상기 데이터베이스모듈(DB)에는, 태양광설비, 풍력설비, 태양열설비 및 지열설비를 포함하는 신재생에너지설비에 대한 열원정보, 용량정보 및 성능정보가 저장되며, 상기 (h) 단계에서는, 상기 건물모델링모듈(120)에서, 상기 기상데이터정보를 통해 상기 예측대상일 및 상기 예측대상일 다음날의 상기 신재생에너지설비에 의한 축적에너지가 각각 더 예측되고, 상기 (h) 단계 이후에는, (i) 상기 (f) 단계에서 예측된 상기 예측대상일 및 상기 예측대상일 다음날의 축적에너지의 비교를 통해, 상기 예측대상일에서 상기 축적에너지의 사용 여부가 결정되는 단계(S190); 를 더 포함할 수 있다.
또한, 상기 (h) 단계 이후에, (j1) 상기 예측대상일에는, 설비시스템부하 연산모듈(160)에서, 상기 대상건물에서 실시간으로 계측되는 에너지소비와 관련된 데이터를 통해, 상기 대상건물에서 운전되는 전체 설비시스템부하(Qm)이 실시간으로 연산되는 단계(S191); 및 (j2) 상기 (h) 단계에서 예측된 상기 예측대상일의 전체 설비시스템부하(Qm)과 상기 (j1) 단계에서 실시간으로 연산되는 상기 예측대상일 특정 시간의 전체 설비시스템부하(Qm)의 비교결과를 제공하는 단계(S192); 를 더 포함할 수 있다.
또한, 상기 (h) 단계 이후에, (k) 상기 (h) 단계에서 예측된 상기 예측대상일의 전체 설비시스템부하(Qm)을 통해, 상기 설비시스템을 구성하는 기기들의 제어범위를 제공하는 단계(S193)로서, 상기 설비시스템은 냉각탑, 냉각수 펌프, 냉동기, 냉수펌프 및 공조기를 포함하며, 상기 냉각탑의 공급온도 및 팬풍량 범위를 제공하고, 상기 냉각수 펌프의 유량범위를 제공하며, 상기 냉각탑 및 냉각수펌프에 의한 냉각수열량 범위를 제공하고, 상기 냉동기의 공급온도 범위를 제공하며, 상기 냉수펌프의 유량범위를 제공하고, 상기 냉동기 및 냉수펌프의 냉수열량 범위를 제공하며, 상기 공조기의 급기온도, 팬풍량 및 급기열량의 범위를 제공하는, 단계(S193); 를 더 포함할 수 있다.
상기한 바와 같은 본 발명은 다음과 같은 효과가 있다.
본 발명에 따른 건물 실시간 운영지원방법은, EnergyPlus TRNSYS와 같은 동적 시뮬레이션을 이용하여 부하를 계산하는 것에 비해, 건물의 초기 세팅시, 데이터베이스모듈로부터의 로딩을 통해 입력 과정을 최소화시킬 수 있고, 짧은 시간 내에 기존 건물을 간소화된 계산 방법으로 연산함으로써, 부하 계산에 소요되는 시간을 단축시킬 수 있다.
또한, 사용자 및 건물의 특성에 따라 변화하는 각각의 부하 연산 방법이 포함되어 있는 기술을 기반으로 건물의 설비시스템 구성기기들의 부하 변화에 따른 대응성 및 대상건물의 부하 예측 정확성을 향상시킬 수 있다.
이에 더하여, 본 발명은 개별모듈 중심으로 최적화시키는 것이 아니라, 전체 시스템 측면에서 각 구성기기들의 최적 운영 조건을 제공함으로써, 각 구성기기들의 에너지 효율성능을 최대한 이용할 수 있으며, 궁극적으로, 대상 건물에서 소비되는 에너지 효율을 향상시킬 수 있다.
도 1은 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법의 개략적인 블록도이다.
도 2는 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법의 순서도이다.
도 3은 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법의 전체적인 흐름도이다.
도 4는 본 발명의 데이터베이스모듈에 미리 저장되는 신재생에너지, 열원설비 및 공조설비의 종류를 도시하고 있다.
도 5는 본 발명의 외피부하, 침기부하, 환기부하 및 내부부하 연산에 대한 흐름도이다.
도 6은 본 발명의 일 실시예인 구역을 구분하여 부하를 연산하는 과정을 도시하는 모식도이다.
도 7의 (a)는 예측대상일 전날의 환기량이 부족한 경우의 그래프를, 도 7의 (b)는 예측대상일 전날의 환기량이 적정한 경우의 그래프를 도시하고 있다.
도 8은 예측대상일 전날의 환기량 정보를 토대로, 예측대상일의 환기량을 조절한 그래프를 도시하고 있다.
도 9는 예측대상일 전날의 환기량 정보를 토대로, 예측대상일에 에너지절약모드를 수행한 그래프를 도시하고 있다.
도 10은 예측대상일 전주의 환기량이 메모리부에 저장되어 정형화되는 것을 도시하고 있다.
도 11은 예측대상일 전날의 환기량 정보를 토대로, 예측대상일의 환기량을 조절한 표를 도시하고 있다.
도 12는 대상건물이 각 구역별로 구분된 상태에서, 전체 설비시스템부하, 외피부하, 침기부하 및 환기부하를 통해 내부부하를 연산하는 과정을 개략적으로 도시하고 있다.
도 13은 예측대상일 전주의 내부부하가 메모리부에 저장되어 정형화되는 것을 도시하고 있다.
도 14는 도 13의 구체적인 정형화값을 도시하고 있다.
도 15는 완전탐색방법을 통한 제어 범위를 도시하고 있다.
도 16은 완전탐색방법을 통한 설비시스템 최적 운영 상태 물리값을 도시하고 있다.
도 17은 에너지 사용량 및 비용절감효과 분석을 개략적으로 도시하고 있다.
도 18은 본 발명을 이용한 건물 설비시스템의 실시간 운영지원 프로그램의 UI를 도시한다.
도 19는 본 발명을 이용한 건물 설비시스템의 실시간 운영지원 프로그램의 UI를 도시한다.
도 2는 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법의 순서도이다.
도 3은 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법의 전체적인 흐름도이다.
도 4는 본 발명의 데이터베이스모듈에 미리 저장되는 신재생에너지, 열원설비 및 공조설비의 종류를 도시하고 있다.
도 5는 본 발명의 외피부하, 침기부하, 환기부하 및 내부부하 연산에 대한 흐름도이다.
도 6은 본 발명의 일 실시예인 구역을 구분하여 부하를 연산하는 과정을 도시하는 모식도이다.
도 7의 (a)는 예측대상일 전날의 환기량이 부족한 경우의 그래프를, 도 7의 (b)는 예측대상일 전날의 환기량이 적정한 경우의 그래프를 도시하고 있다.
도 8은 예측대상일 전날의 환기량 정보를 토대로, 예측대상일의 환기량을 조절한 그래프를 도시하고 있다.
도 9는 예측대상일 전날의 환기량 정보를 토대로, 예측대상일에 에너지절약모드를 수행한 그래프를 도시하고 있다.
도 10은 예측대상일 전주의 환기량이 메모리부에 저장되어 정형화되는 것을 도시하고 있다.
도 11은 예측대상일 전날의 환기량 정보를 토대로, 예측대상일의 환기량을 조절한 표를 도시하고 있다.
도 12는 대상건물이 각 구역별로 구분된 상태에서, 전체 설비시스템부하, 외피부하, 침기부하 및 환기부하를 통해 내부부하를 연산하는 과정을 개략적으로 도시하고 있다.
도 13은 예측대상일 전주의 내부부하가 메모리부에 저장되어 정형화되는 것을 도시하고 있다.
도 14는 도 13의 구체적인 정형화값을 도시하고 있다.
도 15는 완전탐색방법을 통한 제어 범위를 도시하고 있다.
도 16은 완전탐색방법을 통한 설비시스템 최적 운영 상태 물리값을 도시하고 있다.
도 17은 에너지 사용량 및 비용절감효과 분석을 개략적으로 도시하고 있다.
도 18은 본 발명을 이용한 건물 설비시스템의 실시간 운영지원 프로그램의 UI를 도시한다.
도 19는 본 발명을 이용한 건물 설비시스템의 실시간 운영지원 프로그램의 UI를 도시한다.
이하에서는 도면을 참조하여 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법을 설명한다. 이하에서 사용되는 '연산'이라는 용어는 예측, 계산, 도출, 산출 등을 모두 포함하는 넓은 개념이며, 특정값이 결정되는 것을 의미하고, 결정되는 과정 내지 방식에 제한되지는 않는다.
'특정일'은 임의의 날을 의미하며, 후술하는 제1일 내지 제N일은 연속한 날을 의미한다. '예측대상일'은 상기 특정일 이후의 날이다. 본 발명은 1주일 단위로 연산되는 것이 바람직하며, 제1일 내지 제7일에 대한 외피부하, 침기부하, 환기부하, 내부부하 및 전체설비시스템부하의 연산을 통해, 제8일 내지 제14일까지의 외피부하, 침기부하, 환기부하, 내부부하 및 전체설비시스템부하의 예측을 수행한다. 쉽게 말해, 제1일 내지 제7일에 대해 이미 연산된 값을 통해, 미래인 제8일에 대한 값을 예측하는 것을 목표로 한다.
도 1은 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법의 개략적인 블록도이다. 본 발명에 따른 건물 설비시스템의 실시간 운영지원방법을 위해, 본 발명은 데이터베이스모듈(DB), 초기설정모듈(110), 건물모델링모듈(120), 기상데이터수집모듈(130), 외피부하연산모듈(140), 침기연산모듈(145), 환기연산모듈(150), 설비시스템부하 연산모듈(160) 및 내부부하연산모듈(170)을 포함한다.
'데이터베이스모듈(DB)'에는, 열원설비 및 공조설비를 포함하는 미리 결정된 설비시스템 조합이 저장되고, 상기 설비시스템 각각의 열원정보, 용량정보 및 성능정보를 포함하는 정보가 저장된다. 즉, 열원설비(냉/난방), 열반송설비(펌프, 팬), 신재생에너지설비(태양광/열, 풍력, 지열), 열저장설비(TES)를 구성 가능한 조합으로 체계화하여, 다양한 유형의 설비시스템에 대응할 수 있도록 형성된다. 구체적인 구성은 다음과 같다.
열원설비는, DC(지역냉방), DH(지역난방), DHAC(지역열원흡수식냉동기), ACH(흡수식냉온수기), GB(가스보일러), AC(흡수식냉동기), EC(터보냉동기), EC+Ice S(터보냉동기+빙축열), EC+Water S(터보냉동기+수축열), GTHP(지열원열펌프), GTHP+Water S(지열원열펌프+수축열), WTHP(수열원열펌프), EHP(전기열원열펌프), GHP(가스열원열펌프), AIRCON(에어컨)을 포함한다.
반송설비는 CWV(정유량방식), VWV(변유량방식)이 적용되는 설비를 포함한다.
공조설비는 FCU(팬코일유닛), FTU(팬터미널유닛), PTHS(항온항습기), RP(복사패널), CB(칠드빔), CON(컨벡터), ONDOL(온돌), IU(실내기), CAV(정풍량방식 공기조화기), VAV(변풍량방식 공기조화기), VU(환기유닛)을 포함한다.
신재생에너지설비는 SC(태양열), WP(풍력), PV(태양광), 지열을 포함한다.
'초기설정모듈(110)'은 전술한 데이터베이스모듈(DB)로부터 대상건물에 적용될 설비시스템 조합 중 어느 하나를 또는 복수의 조합을 선택하는 기능이 수행된다. 사용자가 수동으로 선택할 수도 있으며, 대상건물에 대한 간략한 정보가 입력되면, 초기설정모듈(110)에 의해 설비시스템 조합이 결정되도록 구성될 수도 있다.
이 때, 대상건물을 구성하는 설비시스템은 전술한 데이터베이스모듈(DB)에 저장된 설비시스템 조합을 적어도 둘 이상 포함하는 복합 설비시스템을 구성할 수도 있다.
'건물모델링모듈(120)'은 대상건물의 구조에 대한 정보가 입력된다. 구체적으로, 건물규모 및 형상규정 기능인 연면적, 기준 층 바닥면적, 층수, 건물의 정면 길이, 방위, 평면구조, 단열성능이 입력된다. 이 때, 건물모델링모듈(120)에서는 대상건물을 제1구역 내지 제L구역으로 구분하여 모델링하도록 구성됨으로써, 대상건물 전체를 모델링하기 이전에, 특정 구역을 먼저 모델링하고, 모델링된 특정 구역에 대한 부하들을 먼저 연산하도록 구성될 수 있다.
각 구역의 모델링 모듈에는 바닥 면적, 외벽과 내벽의 면적 및 방위, 각 외벽의 창 면적률 및 차양 설치정보, 지붕/벽/창 등 구조체의 단열 성능, 창의 일사 열취득율, 층고, 천장고, 외주부 깊이가 입력된다.
'기상데이터수집모듈(130)'은, 임의의 시점 이후부터의 미리 결정된 소정의 시간 동안의 예측기상데이터정보를 전달받고, '외피부하연산모듈(140)'에서, 건물모델링모듈(120)에 입력된 정보 및 예측 기상데이터정보를 통해 대상건물의 외피부하(Qsi) 연산을 수행한다.
외피부하(Qsi)는, 대상건물의 위치정보가 입력되어 위치정보를 통해 예측기상데이터정보가 설정되고, 예측기상데이터정보를 통해 연산되는 대상건물의 외표면에 대한 일사량; 벽, 지붕 및 창문의 전도열; 창문의 일사열취득량; 및 건물모델링모듈(120)로부터 결정되는 상기 대상건물의 일사 흡수율과 지표면 반사율; 등 전도 및 복사성분에 따른 시간지연을 고려하여 연산된다.
즉, 건물의 규모 및 형상정보와 기상정보를 입력값으로 설정한 뒤, 내부부하(Qi(인체, 기기, 조명에 의한 부하를 의미함)), 환기부하 및 침기부하를 제외한 일사 및 외피전열부하 연산을 수행한다. 위치에 따른 예측기상데이터 정보를 선택 입력하게 하여 시계열 기상데이터가 설정되며, 매시각별 건물의 외표면에 대한 일사량을 계산되고, 상당 외기온도를 계산하여 벽/지붕 전도열 취득, 창문 전도열 취득, 일사 투과 및 흡수에 의한 창문 일사열취득이 연산된다. 이 때, 건물 구조체의 일사 흡수율, 지표면 반사율도 함께 입력된다.
'침기부하연산모듈(145)'에서 침기부하(Qinf)는 침기량과 예측기상데이터정보로 연산된다. 여기서 침기량은 건물모델링모듈(120)로부터 결정되는 건물의 외주부 체적에 침기율 정보를 반영하여 산정된다. 침기부하연산모듈(145)에서 연산된 침기량은 침기부하를 연산하는데 이용되며, 침기량 및 특정일의 예측기상데이터정보를 통해 침기부하(Qinf)가 연산되며, 미리 결정된 수식을 적용하는 것이 바람직하다.
'환기연산모듈(150)'은, 대상건물 내부의 이산화탄소 농도 측정을 통해 특정일의 예측환기량을 연산하고, 예측환기량에 따른 상기 특정일의 환기부하 예측을 수행한다. 환기연산모듈(150)에서는 다음의 2가지가 판단된다.
특정일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 이산화탄소 농도값이 계속 상승할 경우, 특정일 전날을 환기량부족이라고 판단하여 특정일의 환기량이 증가되도록 환기기기가 운전되어야한다. 다시 말해, 시간이 경과함에 따라, 이산화탄소 농도값이 증가하면 실내 환기량이 부족한 것으로 판단할 수 있다. 이에 따라, 전날이 도 7의 (a)와 같은 이산화탄소 농도 변화 패턴을 보일 때, 금일에는 일정 이산화탄소 농도를 유지할 수 있도록, 각 시간별 환기량을 증가시킬 필요가 있다는 것을 의미한다.
특정일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 시간대별 이산화탄소 농도값이 상승구간 및 하강구간을 동시에 포함하는 경우(도 7의 (b) 참고), 이산화탄소 농도값과 미리 설정된 기준 이산화탄소 농도값을 비교하여, 이산화탄소 농도값이 기준 이산화탄소 농도값보다 낮도록 환기기기는 운전된다. 즉, 시간대별 이산화탄소 농도값이 상승구간 및 하강구간을 동시에 포함하는 경우는 해당일의 환기량이 적정한 것을 의미한다. 여기서, 기존 대비 높지만 적정한 이산화탄소 환경을 유지하면서 에너지 절감을 도모하고자 하면, 각 시간별 환기량을 낮춰 에너지 절감을 수행하도록 운전될 수 있다. 이와는 달리, 쾌적한 환경 유지를 위해서는 전날 환기량을 유지하도록 운전될 수 있다.
환기량은 건물 외부 및 내부의 이산화탄소 농도를 측정하고, 이와 함께, 미리 결정된 수식을 이용하여 연산된다. 환기량이 적정하다고 판단된 경우에는, 모드선택모듈(180)에서, 이산화탄소 농도가 증가되도록 환기기기의 운전을 제어하는 에너지절약모드 또는 환기기기의 운전을 그대로 유지시키는 공기청정모드를 선택 가능하도록 형성된다.
도 11를 참조하면, 특정일의 전날 환기량이 부족한 경우인, 작일 14:00경, 이산화탄소 농도가 1,000PPM을 넘어감에 따라(참고로, 1,000PPM은 기준 설정값으로 설계자의 선택에 따라 변경될 수 있음), 금일 14:00 경에는 적정 이산화탄소 농도를 유지하기 위한 환기량을 역산하여 추가 환기를 실시한다.
환기부하(Qv)는 결정된 환기량을 통해 연산된다. 여기서 메모리부에는 1주일 간의 시간대별 환기량이 저장되도록 구성된다. 환기량 정형화는 환기부하를 연산하는데 이용된다. 예를 들어, x주차의 월요일 09:00에 대한 환기량 예측 값은 (x-1)주차 월요일부터 금요일까지의, 09:00의 환기량의 평균값이다. 여기서, 환기부하(Qv)는, 환기량 및 특정일의 특정시간에 대한 기상데이터정보를 함께 고려하여 연산되며, 미리 결정된 수식을 적용하는 것이 바람직하다.
'설비시스템부하 연산모듈(160)'은 대상건물로부터 계측된 데이터를 통해 특정일에 운전되는 설비시스템 구성기기의 부하인 전체설비시스템부하(Qm)를 연산한다. 대상건물에서 실제로 처리하고 있는 설비시스템 물리값의 측정을 통해 연산되며, 측정되는 물리값은 온도, 유량, 풍량, 압력, 습도, 효율, 에너지 사용량 등을 포함할 수 있다. 전술한 바와 같이, 영역으로 구분된 상태에서 각각의 영역 별로 개별설비시스템부하를 연산하는 방식으로 수행될 수도 있다. 이러한 계측을 위해, 대상건물에는 서로 다른 물리값을 측정하는 다수의 센서가 구비되는 것이 바람직하고, 센서는 대상건물의 내부와 외부 모두에 설치 가능하다.
'내부부하연산모듈(170)'은 대상건물의 내부부하(Qi)가 연산된다. 도 12를 참조하면, 전체 설비시스템부하(Qm)에서 외피부하(Qsi), 침기부하(Qinf) 및 환기부하(Qv)를 차감한 값이 내부부하(Qi)로 결정된다. 도 13 및 14에는 내부부하(Qi)가 정형화되는 과정이 도시된다. 예를 들어, (x-1)주차, 월요일, 09:00를 기준으로, 계산된 설비시스템 부하 값 200kW에 외피부하 계산값 30kW, 침기부하 계산값 10kW, 환기부하(Qv)인 90kW를 차감하면 내부부하(Qi)는 70kW이다.
'반복수행모듈(190)'에서, 상기 특정일 시간대별의 외피부하(Qsi), 침기량, 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)는 각각 메모리부에 저장하되, 특정일을 제1일로 하여, 제1일부터 제N일까지를 각각 대상으로 외피부하(Qsi), 침기량, 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi) 연산을 반복하여 수행한다. 그 후, 제1일 내지 제N일 각각에 대한 외피부하(Qsi), 침기량, 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)를 메모리부에 저장한다.
N개의 연속하는 단위일로 구성되는 제1일 내지 제N일 각각은, 미리 결정된 단위시간으로 구분되어 제1시간 내지 제M시간으로 구성되고, 외피부하(Qsi), 침기량, 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)는 상기 제1시간 내지 제M시간 각각에 대해 연산하여 저장된다.
여기서, N은 7인 것이 바람직하며, M은 24인 것이 바람직하다. 이에 따라, 일주일 동안의 환기량, 침기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)를 각각 연산함으로써, N+1일인 제8일의 예측 기상정보 및 건물 형상을 활용하여 외피부하(Qsi)를 계산하고, 제1일 내지 제N일의 연산된 침기량 및 N+1일 예측 기상정보를 활용하여 예측대상일의 침기부하(Qinf)를 예측하며, 제1일 내지 제N일의 정형화된 환기량 및 N+1일 예측 기상정보를 활용하여 예측대상일의 환기부하(Qv)를 예측한다. 제1일 내지 제N일의 정형화된 내부부하(Qi)를 기반으로 N+1일 내부부하(Qi)를 예측할 수 있으며, 외피부하(Qsi)와 침기부하(Qinf), 환기부하(Qv)와 내부부하(Qi)을 합산하여 전체설비시스템부하(Qm)를 예측할 수 있다.
이와 같이, 단위시간은 1시간인 바, 제1일 내지 제N일 각각을 24시간으로 구분하고, 각각의 시간에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)를 연산한다. 즉, 1일을 기준으로, 24번의 연산이 수행된다.
'정형화모듈(192)'에서는 메모리부에 저장된 환기량 및 내부부하(Qi)의 정형화가 수행된다. '정형화 과정'은 대표값 생성을 의미하며, 예측대상일의 제K시간에 해당하는 정형화값은, 환기량 및 내부부하(Qi) 별로 구분하여 예측되며, 제1일 내지 제N일 각각의 제K시간의 평균값으로 결정된다.
'최종연산모듈(194)'에서는 메모리부에 저장된 환기량 및 내부부하(Qi)의 정형과값을 이용하여 제N일 이후인 예측대상일에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)를 예측한다.
보다 상세하게는, 예측대상일에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)는 1시간 단위로 구분되어 연산된다. 예측대상일의 외피부하(Qsi)는, 기상데이터수집모듈(130)로부터 예측된 예측대상일의 예측기상데이터정보를 이용하여 연산된다. 예측대상일의 침기부하(Qinf)는, 정형화모듈(192)에 의한 침기량 및 기상데이터수집모듈(130)로부터 예측된 예측대상일의 예측기상데이터정보를 통해 연산된다. 예측대상일의 환기부하(Qv)는, 정형화모듈(192)에 의한 환기량의 정형화값 및 예측대상일의 예측기상데이터정보를 통해 연산된다. 예측대상일의 내부부하(Qi)는, 정형화모듈(192)에 의한 내부부하의 정형화으로 결정된다. 내부부하(Qi)는 정형화값을 이용하는 바, 이는 내부부하(Qi)는 시간이 경과하더라도 크게 변동하지 않기 때문이다. 예측대상일 중 제K시간에 해당하는 전체설비시스템부하(Qm)는, 예측대상일 중 제K시간에 해당하는 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)의 합으로 결정한다. 다시 말해, 예측대상일에 전체설비시스템부하(Qm)를 계측하는 것은 불가능한 바, 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)를 통해 전체설비시스템부하(Qm)를 연산하는 것이다.
본 발명에 일 실시예로, 전술한 바와 같이, 대상건물을 제1구역 내지 제M구역으로 구분하고, 예측대상일 이전의 미리 설정된 기간에 대해, 상기 제1구역 내지 제M구역 각각에 대한 개별설비시스템부하, 개별외피부하, 개별침기부하, 개별환기부하 및 개별내부부하를 연산할 수 있다. 이 때, 개별설비시스템부하, 개별외피부하, 개별침기부하, 개별환기부하 및 개별내부부하의 합을 통해, 예측대상일의 전체 설비시스템부하(Qm), 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)를 예측할 수 있다.
도 15 및 17을 참조하면, 예측된 예측대상일의 전체 설비시스템부하(Qm)을 통해, 설비시스템을 구성하는 기기들의 제어범위를 제공한다. 이 제어범위는 기존 설계된 스펙 기준에 따라 변화하는 설비시스템의 성능을 반영하게 된다.
설비시스템의 정상 가동 범위 내에서 에너지 사용을 최소화하는 물리값을 도출하는 것으로 전술된 부하 예측값에 대한 최적운영 물리값을 제공함으로써, 해당 시간대의 에너지 소비량을 최소화할 수 있다.
냉방시스템을 예를 들면, 냉각수 측 변수와 관련하여, 독립 변수는 공급온도, 유량, 팬 풍량이며, 종속 변수는 환수온도, 팬 에너지 사용량, 펌프 에너지 사용량이다. 냉수 측 변수와 관련하여, 독립 변수는 공급온도, 유량이고, 종속 변수는 환수온도, 냉동기 에너지 사용량, 펌프 에너지 사용량이다. 공기조화기 측 변수와 관련하여, 독립 변수는 공급온도, 팬 풍량이고, 종속 변수는 환기온도 및 팬 에너지 사용량이다.
설정된 제어범위 내에 성능 특성 데이터를 활용하여 설비시스템의 총 에너지 사용량이 최소가 되는 운영 물리값을 탐색할 수 있으며, 완전 탐색(exhaustive search) 방법을 활용하여, 건물의 부하를 처리하기 위해 필요한 급기 열량이 x4~x6일 때의 구체적인 과정은 다음의 표 8과 같다.
[표 8]
한편, 데이터베이스모듈(DB)에는, 태양광설비, 풍력설비, 태양열설비 및 지열설비를 포함하는 신재생에너지설비에 대한 열원정보, 용량정보 및 성능정보가 저장되며, 건물 모델링모듈(120)에서, 기상데이터정보를 통해 예측대상일 및 예측대상일 다음날의 신재생에너지설비에 의한 축적에너지가 각각 예측된다.
그 후, 예측된 예측대상일 및 예측대상일 다음날의 축적에너지의 비교를 통해, 예측대상일에서 축적에너지의 사용 여부가 결정되도록 구성된다. 신재생에너지설비를 사용하는 것은 에너지 소비량 절감 측면에서 대개 유리한 효과가 있으나, 만약 예측대상일 다음날의 예측된 에너지 소비량이 과도한 경우에는, 예측대상일에 축적에너지를 사용하지 않고, 예측대상일 다음날에 축적에너지를 사용하기 위함이다. 즉, 축적에너지의 사용시점을 결정하기 위한 것인 바, 에너지 소비 효율을 극대화시키는 효과를 발휘한다.
예측대상일에는, 설비시스템부하 연산모듈(160)을 이용하여 대상건물에서 에너지소비와 관련된 데이터를 실시간 계측할 수 있고, 이것은 실제로 사용되는 에너지 소비를 의미한다. 도 17을 참조하면, 가스 및 전력의 사용량을 비교할 수 있으며, 최적 운영될 경우의 에너지 사용량과 실제 사용량의 차이를 통해 절감 효과를 확인할 수 있다.
이를 이용하여, 예측된 예측대상일의 전체 설비시스템부하(Qm)와 실시간으로 연산되는 예측대상일 특정 시간의 전체 설비시스템부하의 비교결과를 제공할 수 있으며, 이에 따라, 사용자는 설비시스템이 최적운영되고 있는지, 구체적인 에너지 절감 효과에 대한 수치를 확인할 수 있다.
도 18 및 19를 참조하면, 건물별 초기 셋팅으로 설비시스템의 유형 및 특성에 따라 별도의 UI가 구성된다. ITEM/SYSTEM BOUNDARY는 설비시스템의 유형, EQUIPMENT는 설비시스템의 종류, ITEM은 설비시스템의 물리값 정보, UNIT은 단위, [No.]는 지정된 기기 또는 영역의 항목을 의미한다. 각 설비시스템의 물리값은 온도, 유량, 제어 방법, 부하량, 에너지 사용량, 효율 등을 포함한다. UI 하단의 영역 항목에서는 영역 별 계산된 부하 값을 표시하고, Energy SUM 항목에서는 해당 부하를 처리하기 위한 설비시스템의 에너지 사용량을 합산하여 표시한다. 설비시스템의 물리 값 및 에너지 사용량의 결과 값을 제시하는 알고리즘의 시간 간격은 최소 1시간이며, 제시하는 결과 값의 기준 운전시는 현재 시간 기준으로 다음 정각의 시간을 기준으로 한다. 구체적인 항목은 아래의 표 9와 같다.
[표 9]
최적제어 운영지원솔루션으로부터 산출된 설비시스템 물리값을 각 건물의 BEMS와 결합하여 각 설비시스템 및 센서 계통도와 실시간 최적제어 물리 값, 시간 별 에너지 사용량 비교 그래프, 에너지 증감율 항목을 UI로 표현한다.
이 때, 센서의 종류는 온도(T), 유량(F), 풍량(A), 습도(H), 에너지사용량(E)로 나누어 표기한다. 매 1시간 간격마다, 실시간 설비시스템의 물리 값을 제시하며, 해당 물리 값을 정상 운전의 상태로 써 판단할 수 있는 기준으로 본다. 실측 값과 제시된 정상 운전 상태의 물리 값으로 운전했을 때, 시간별 에너지사용량을 그래프로 비교하고 에너지 증감율을 산출한다. 시간별 에너지 사용량의 경우, 향후 24시간 설비시스템 정상 운전에 따른 에너지 사용량을 계산하여, 사용자가 설비시스템을 효율적으로 운영할 수 있도록 지원한다.
110: 초기설정모듈
120: 건물모델링모듈
130: 기상데이터수집모듈
140: 외피부하연산모듈
145: 침기부하연산모듈
150: 환기연산모듈
160: 설비시스템부하 연산모듈
170: 내부부하연산모듈
180: 모드선택모듈
190: 반복수행모듈
192: 정형화모듈
120: 건물모델링모듈
130: 기상데이터수집모듈
140: 외피부하연산모듈
145: 침기부하연산모듈
150: 환기연산모듈
160: 설비시스템부하 연산모듈
170: 내부부하연산모듈
180: 모드선택모듈
190: 반복수행모듈
192: 정형화모듈
Claims (5)
- 건물 실시간 운영지원방법으로서,
데이터베이스모듈(DB)에는, 열원설비, 반송설비 및 공조설비를 포함하는 미리 결정된 설비시스템 조합이 저장되고, 상기 설비시스템 각각의 열원정보, 용량정보 및 성능정보를 포함하는 정보가 저장되며, 상기 설비시스템 조합은 하기의 표 1 내지 7이고,
하기의 표 1 내지 7은, 미리 결정된 266개의 설비시스템 조합이며,
상기 미리 결정된 266개의 설비시스템 조합 각각은,
건물의 냉방에 대한 설비시스템 조합 및 난방에 대한 설비시스템의 조합을 모두 포함하여 1개의 설비시스템 조합을 구성하며,
(a1) 초기설정모듈(110)에서, 상기 데이터베이스모듈(DB)로부터 대상건물에 적용될 상기 미리 결정된 상기 266개의 설비시스템 조합 중 어느 하나가 선택되는 단계로서,
상기 열원설비는,
지역냉방, 지역난방, 지역열원흡수식냉동기, 흡수식냉온수기, 가스보일러, 흡수식냉동기, 터보냉동기, 터보냉동기 및 빙축열, 터보냉동기 및 수축열, 지열원열펌프, 지열원열펌프 및 수축열, 수열원열펌프, 전기열원열펌프, 가스열원열펌프 및 에어컨을 포함하며,
상기 반송설비는, 정유량 방식, 변유량 방식에 적용되는 설비를 포함하고,
상기 공조설비는,
팬코일유닛, 팬터미널유닛, 항온항습기, 복사패널, 칠드빔, 컨벡터, 온돌, 실내기, 정풍량방식 공기조화기, 변풍량방식 공기조화기, 환기유닛을 포함하는, 단계(S111);
(a2) 건물모델링모듈(120)에서, 상기 대상건물의 구조정보가 입력되고, 단열성능, 유리 일사열취득율 및 냉난방기간 침기율을 포함하는 정보를 설정함으로써, 상기 대상건물을 모델링하는, 단계(S112);
(b) 외피부하(Qsi) 및 침기부하(Qinf)가 연산되는 단계로서,
상기 외피부하(Qsi)는 외피부하연산모듈(140)에 의해 연산되되, 기상데이터수집모듈(130)로부터, 특정일의 예측기상데이터정보를 제공받고, 상기 (a2) 단계의 상기 건물모델링모듈(120)에 입력된 정보 및 상기 예측기상데이터정보를 통해, 특정일에서 상기 대상건물의 외피부하(Qsi)가 연산되고,
상기 외피부하(Qsi)는,
상기 대상건물의 위치정보가 입력되며, 상기 위치정보를 통해 상기 예측기상데이터정보가 설정되고, 상기 예측기상데이터정보를 통해 연산되는 상기 대상건물의 외표면에 대한 일사량;
벽, 지붕 및 창문의 전도열;
창문의 일사 열취득량; 및
상기 건물모델링모듈(120)로부터 결정되는 상기 대상건물의 일사 흡수율과 지표면 반사율; 을 고려하여 연산되며,
상기 침기부하(Qinf)는 침기부하연산모듈(145)에 의해 연산되되, 상기 (a2) 단계의 상기 건물모델링모듈(120)에 설정된 상기 대상건물의 구조정보 및 냉난방기간 침기율을 이용하여 침기량을 연산한 후, 상기 침기량 및 상기 특정일의 예측기상데이터정보를 통해 상기 특정일의 침기부하(Qinf)가 연산되는, 단계(S120);
(c) 환기연산모듈(150)에서, 상기 대상건물 내부의 이산화탄소 농도 측정을 통해 상기 특정일의 환기량을 연산하고, 상기 기상데이터수집모듈(130)로부터 상기 특정일의 예측기상데이터정보를 제공받으며,
상기 특정일의 환기량 및 예측기상데이터정보를 통해, 상기 특정일의 환기부하(Qv)를 예측하는 단계(S130)로서,
(c1) 상기 특정일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 상기 이산화탄소 농도값이 계속 상승할 경우,
상기 특정일 전날을 환기량부족이라고 판단하여 상기 특정일의 환기량이 증가되도록 환기기기가 운전되며,
상기 특정일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 상기 시간대별 이산화탄소 농도값이 상승구간 및 하강구간을 동시에 포함하는 경우,
상기 이산화탄소 농도값과 미리 설정된 기준 이산화탄소 농도값을 비교하여, 상기 이산화탄소 농도값이 상기 기준 이산화탄소 농도값보다 낮도록 환기기기를 운전시키는 단계(S131);
(c2) 상기 대상건물 외부의 시간대별 이산화탄소 농도를 측정하고, 상기 대상건물 내부 및 외부의 이산화탄소 농도를 통해 상기 특정일의 시간대별 환기량이 연산되는 단계(S132); 및
(c3) 상기 (c2) 단계에서 연산된 상기 특정일의 시간대별 환기량 및 예측기상데이터정보를 통해, 상기 특정일의 환기부하(Qv)가 시간대별로 연산되는 단계(S133); 를 포함하는, 단계(S130);
(d) 설비시스템부하 연산모듈(160)에서, 상기 대상건물로부터의 계측을 통해, 상기 특정일에 운전되는 설비시스템 구성기기의 부하인 전체설비시스템부하(Qm)가 연산되는, 단계(S140);
(e) 내부부하연산모듈(170)에서, 상기 대상건물의 내부부하(Qi)가 연산되는 단계로서, 상기 전체 설비시스템부하(Qm)에서 상기 외피부하(Qsi), 침기부하(Qinf) 및 환기부하(Qv)를 차감한 값이 상기 특정일의 내부부하(Qi)로 결정되는, 단계(S150);
(f) 반복수행모듈(190)에서, 상기 (b) 내지 (e) 단계에서 연산된 상기 특정일 시간대별의 외피부하(Qsi), 침기부하(Qinf), 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)는 각각 메모리부에 저장하되,
상기 특정일을 제1일로 하여, 상기 제1일부터 제N일까지를 각각 대상으로 상기 (b) 내지 (e) 단계를 반복하여 수행하고, 상기 제1일 내지 제N일 각각에 대한 외피부하(Qsi), 침기부하(Qinf), 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)를 상기 메모리부에 저장하는 단계로서,
N개의 연속하는 단위일로 구성되는 상기 제1일 내지 제N일 각각은, 미리 결정된 단위시간으로 구분되어 제1시간 내지 제M시간으로 구성되고, 외피부하(Qsi), 침기부하(Qinf), 환기량, 전체설비시스템부하(Qm) 및 내부부하(Qi)는 상기 제1시간 내지 제M시간 각각에 대해 연산하여 저장되는 단계(S160); 및
(g) 정형화모듈(192)에서, 상기 제1일 내지 제N일 각각에 대해 제1시간 내지 제M시간으로 구분되어 상기 메모리부에 저장된 환기량 및 내부부하(Qi)의 정형화를 수행하는 단계(S170); 및
(h) 최종연산모듈(194)에서는, 상기 (g) 단계에서 저장된 환기량 및 내부부하(Qi)의 정형화값을 통해, 상기 제N일의 이후인 예측대상일에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)를 예측하는 단계(S180); 를 포함하며,
상기 (c1) 단계는,
상기 예측대상일 전날의 이산화탄소 농도값을 시간대별로 분석한 결과, 상기 시간대별 이산화탄소 농도값이 상승구간 및 하강구간을 동시에 포함하고, 상기 미리 설정된 기준 이산화탄소 농도값보다 낮은 경우,
모드선택모듈(180)에서, 상기 이산화탄소 농도가 증가되도록 상기 환기기기의 운전을 제어하는 에너지절약모드 또는 상기 환기기기의 운전을 그대로 유지시키는 공기청정모드를 선택 가능하도록 형성되고,
상기 (f) 단계에서, 상기 단위시간은 1시간으로써, 상기 제1일 내지 제N일은 각각 제1시간 내지 제24시간으로 구분되고,
상기 (g) 단계에서는,
상기 환기량 및 내부부하(Qi)의 정형화값은, 제1시간 내지 제24시간으로 각각 구분되어 결정되되, 상기 예측대상일 중 제K시간에 해당하는 정형화값은, 상기 환기량 및 내부부하(Qi)의 정형화값은 상기 제1일 내지 제N일 각각의 제K시간의 평균값으로 결정되고,
상기 (h) 단계에서는,
상기 예측대상일에 대한 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv), 전체설비시스템부하(Qm) 및 내부부하(Qi)는 1시간 단위로 구분되어 연산되며,
상기 예측대상일의 외피부하(Qsi)는, 상기 기상데이터수집모듈(130)로부터 예측된 상기 예측대상일의 예측기상데이터정보를 이용하여 연산되고,
상기 예측대상일의 침기부하(Qinf)는, 상기 기상데이터수집모듈(130)로부터 예측된 상기 예측대상일의 예측기상데이터정보 및 상기 침기부하연산모듈(145)에 의해 연산된 상기 대상건물의 침기율과 침기량을 통해 연산되며,
상기 예측대상일의 환기부하(Qv)는, 상기 정형화모듈(192)에 의한 상기 환기량의 정형화값 및 상기 예측대상일의 예측기상데이터정보를 통해 연산되고,
상기 예측대상일의 내부부하(Qi)는, 상기 정형화모듈(192)에 의한 상기 내부부하(Qi)의 정형화값으로 결정되며,
상기 예측대상일 중 제K시간에 해당하는 전체설비시스템부하(Qm)는, 상기 예측대상일 중 제K시간에 해당하는 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)의 합인,
건물 실시간 운영지원방법.
[표 1]
[표 2]
[표 3]
[표 4]
[표 5]
[표 6]
[표 7]
- 제 1 항에 있어서,
상기 (a1) 내지 (h) 단계는,
상기 대상건물이 제1구역 내지 제L구역으로 구분된 상태에서 수행됨으로써, 상기 제1구역 내지 제L구역 각각에 대한 예측대상일의 개별설비시스템부하, 개별외피부하, 개별침기부하, 개별환기부하 및 개별내부부하가 연산된 후,
상기 개별설비시스템부하, 개별외피부하, 개별침기부하, 개별환기부하 및 개별내부부하의 합을 통해, 상기 예측대상일의 전체 설비시스템부하(Qm), 외피부하(Qsi), 침기부하(Qinf), 환기부하(Qv) 및 내부부하(Qi)가 예측되는,
건물 실시간 운영지원방법.
- 제 1 항에 있어서,
상기 데이터베이스모듈(DB)에는,
태양광설비, 풍력설비, 태양열설비 및 지열설비를 포함하는 신재생에너지설비에 대한 열원정보, 용량정보 및 성능정보가 저장되며,
상기 (h) 단계에서는,
상기 건물모델링모듈(120)에서, 상기 예측기상데이터정보를 통해 상기 예측대상일 및 상기 예측대상일 다음날의 상기 신재생에너지설비에 의한 축적에너지가 각각 더 예측되고,
상기 (h) 단계 이후에는,
(i) 상기 (f) 단계에서 예측된 상기 예측대상일 및 상기 예측대상일 다음날의 축적에너지의 비교를 통해, 상기 예측대상일에서 상기 축적에너지의 사용 여부가 결정되는 단계(S190); 를 더 포함하는,
건물 실시간 운영지원방법.
- 제 1 항에 있어서,
상기 (h) 단계 이후에,
(j1) 상기 예측대상일에는, 설비시스템부하 연산모듈(160)에서, 상기 대상건물에서 실시간으로 계측되는 에너지소비와 관련된 데이터를 통해, 상기 대상건물에서 운전되는 전체 설비시스템부하(Qm)이 실시간으로 연산되는 단계(S191); 및
(j2) 상기 (h) 단계에서 예측된 상기 예측대상일의 전체 설비시스템부하(Qm)과 상기 (j1) 단계에서 실시간으로 연산되는 상기 예측대상일 특정 시간의 전체 설비시스템부하(Qm)의 비교결과를 제공하는 단계(S192); 를 더 포함하는,
건물 실시간 운영지원방법.
- 제 1 항에 있어서,
상기 (h) 단계 이후에,
(k) 상기 (h) 단계에서 예측된 상기 예측대상일의 전체 설비시스템부하(Qm)을 통해, 상기 설비시스템을 구성하는 기기들의 제어범위를 제공하는 단계(S193)로서,
상기 설비시스템은 냉각탑, 냉각수 펌프, 냉동기, 냉수펌프 및 공조기를 포함하며,
상기 냉각탑의 공급온도 및 팬풍량 범위를 제공하고, 상기 냉각수 펌프의 유량범위를 제공하며, 상기 냉각탑 및 냉각수펌프에 의한 냉각수열량 범위를 제공하고,
상기 냉동기의 공급온도 범위를 제공하며, 상기 냉수펌프의 유량범위를 제공하고, 상기 냉동기 및 냉수펌프의 냉수열량 범위를 제공하며,
상기 공조기의 급기온도, 팬풍량 및 급기열량의 범위를 제공하는, 단계(S193); 를 더 포함하는,
건물 실시간 운영지원방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20180149695 | 2018-11-28 | ||
| KR1020180149695 | 2018-11-28 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102051600B1 true KR102051600B1 (ko) | 2020-01-08 |
Family
ID=69154123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190072317A KR102051600B1 (ko) | 2018-11-28 | 2019-06-18 | 건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102051600B1 (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111520879A (zh) * | 2020-04-02 | 2020-08-11 | 广东汇电云联智能科技有限公司 | 一种空调机组能效的评估方法及装置 |
| KR102332122B1 (ko) * | 2020-07-28 | 2021-12-02 | (주)엔키아 | 건축물 예측 모델 장치 및 건축물 예측 방법 |
| CN114234372A (zh) * | 2021-12-15 | 2022-03-25 | 珠海格力电器股份有限公司 | 模块化多联机的控制方法、装置、多联机系统和存储介质 |
| KR102503361B1 (ko) * | 2022-01-28 | 2023-02-24 | (주)한일엠이씨 | 건축물 외피 열성능 평가 시스템 및 그 방법 |
| KR102593194B1 (ko) * | 2023-04-10 | 2023-10-23 | 가천대학교 산학협력단 | 건물 외피 열성능 변수 추정 방법 및 그 장치 |
| WO2024043747A1 (ko) * | 2022-08-25 | 2024-02-29 | (주)우원엠앤이 | 빅데이터 및 ai를 활용한 냉난방 시스템 최적설계 시스템 및 그 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150026230A (ko) * | 2013-09-02 | 2015-03-11 | 최장식 | Bim 데이터를 이용한 셀프 러닝 건물 에너지 관리 시스템 |
| KR20180087965A (ko) * | 2017-01-26 | 2018-08-03 | 가천대학교 산학협력단 | Bems 기반 중앙집중식 공조시스템의 관제 데이터 처리방법 및 그를 위한 장치 |
-
2019
- 2019-06-18 KR KR1020190072317A patent/KR102051600B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150026230A (ko) * | 2013-09-02 | 2015-03-11 | 최장식 | Bim 데이터를 이용한 셀프 러닝 건물 에너지 관리 시스템 |
| KR20180087965A (ko) * | 2017-01-26 | 2018-08-03 | 가천대학교 산학협력단 | Bems 기반 중앙집중식 공조시스템의 관제 데이터 처리방법 및 그를 위한 장치 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111520879A (zh) * | 2020-04-02 | 2020-08-11 | 广东汇电云联智能科技有限公司 | 一种空调机组能效的评估方法及装置 |
| KR102332122B1 (ko) * | 2020-07-28 | 2021-12-02 | (주)엔키아 | 건축물 예측 모델 장치 및 건축물 예측 방법 |
| CN114234372A (zh) * | 2021-12-15 | 2022-03-25 | 珠海格力电器股份有限公司 | 模块化多联机的控制方法、装置、多联机系统和存储介质 |
| CN114234372B (zh) * | 2021-12-15 | 2022-11-01 | 珠海格力电器股份有限公司 | 模块化多联机的控制方法、装置、多联机系统和存储介质 |
| KR102503361B1 (ko) * | 2022-01-28 | 2023-02-24 | (주)한일엠이씨 | 건축물 외피 열성능 평가 시스템 및 그 방법 |
| WO2024043747A1 (ko) * | 2022-08-25 | 2024-02-29 | (주)우원엠앤이 | 빅데이터 및 ai를 활용한 냉난방 시스템 최적설계 시스템 및 그 방법 |
| KR102593194B1 (ko) * | 2023-04-10 | 2023-10-23 | 가천대학교 산학협력단 | 건물 외피 열성능 변수 추정 방법 및 그 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102051600B1 (ko) | 건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법 | |
| US10908578B2 (en) | Temperature control system and methods for operating same | |
| EP3497377B1 (en) | Temperature control system and methods for operating same | |
| Harish et al. | A review on modeling and simulation of building energy systems | |
| Wang et al. | Model-based optimal control of VAV air-conditioning system using genetic algorithm | |
| Wang et al. | Parameter estimation of internal thermal mass of building dynamic models using genetic algorithm | |
| Bilous et al. | Parametric analysis of external and internal factors influence on building energy performance using non-linear multivariate regression models | |
| KR100830095B1 (ko) | 냉방부하 예측방법 | |
| Chung et al. | Application of artificial neural networks for determining energy-efficient operating set-points of the VRF cooling system | |
| Gruber et al. | Model-based controllers for indoor climate control in office buildings–complexity and performance evaluation | |
| CA2795424C (en) | Energy saving unit and system for buildings by mutual learning | |
| US20100211224A1 (en) | Heating and cooling control methods and systems | |
| Xu et al. | An intermittent heating strategy by predicting warm-up time for office buildings in Beijing | |
| Ahn et al. | Anti-logic or common sense that can hinder machine’s energy performance: Energy and comfort control models based on artificial intelligence responding to abnormal indoor environments | |
| Li et al. | Natural ventilation potential of high-rise residential buildings in northern China using coupling thermal and airflow simulations | |
| Elhelw | Analysis of energy management for heating, ventilating and air-conditioning systems | |
| KR102458327B1 (ko) | 대상 구역의 온도 변화량 예측 장치 및 방법 | |
| Tian et al. | Multi-objective optimization model predictive dispatch precooling and ceiling fans in office buildings under different summer weather conditions | |
| Souayfane et al. | A weather-clustering and energy-thermal comfort optimization methodology for indoor cooling in subtropical desert climates | |
| KR101969505B1 (ko) | 신재생 건물에너지시스템에서의 온도 및 실내상태 제어방법, 시스템 및 컴퓨터판독가능매체 | |
| Moon et al. | A comparative study between thermostat/hygrometer-based conventional and artificial neural network-based predictive/adaptive thermal controls in residential buildings | |
| Thalfeldt et al. | External shading optimal control macros for 1-and 2-piece automated blinds in European climates | |
| KR102329293B1 (ko) | 건물의 각 실별 실시간 냉방 및 난방 필요 열량 계산 알고리즘을 탑재한 자동제어 연동형 시설물 관리 시스템 | |
| Ammari et al. | Performance study of small capacity solar autonomous absorption air-conditioning system coupled with a low-energy residential building under Batna (Algeria) climate | |
| Kummert et al. | Comparing control strategies using experimental and simulation results: Methodology and application to heating control of passive solar buildings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |