KR102593194B1 - 건물 외피 열성능 변수 추정 방법 및 그 장치 - Google Patents

건물 외피 열성능 변수 추정 방법 및 그 장치 Download PDF

Info

Publication number
KR102593194B1
KR102593194B1 KR1020230046977A KR20230046977A KR102593194B1 KR 102593194 B1 KR102593194 B1 KR 102593194B1 KR 1020230046977 A KR1020230046977 A KR 1020230046977A KR 20230046977 A KR20230046977 A KR 20230046977A KR 102593194 B1 KR102593194 B1 KR 102593194B1
Authority
KR
South Korea
Prior art keywords
value
target
building
thermal performance
energy
Prior art date
Application number
KR1020230046977A
Other languages
English (en)
Inventor
채영태
정진화
최지성
정현지
Original Assignee
가천대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가천대학교 산학협력단 filed Critical 가천대학교 산학협력단
Priority to KR1020230046977A priority Critical patent/KR102593194B1/ko
Application granted granted Critical
Publication of KR102593194B1 publication Critical patent/KR102593194B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

건물 외피 열성능 변수 추정 방법 및 그 장치가 개시된다. 건물 외피 열성능 변수 추정 방법은 (a) 대상 건물에 대한 기하 정보 및 외기 정보를 각각 입력받는 단계; (b) 상기 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추정을 위한 에너지 모델을 생성하는 단계; (c) 타겟 지표에 대한 탐색 조건에 따라 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출하는 단계; (d) 상기 도출된 타겟 추정 변수값을 상기 에너지 모델에 적용한 후 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출하는 단계; 및 (e) 상기 도출된 목적 변수값과 기준값 사이의 오차를 계산하는 단계; (f) 상기 오차가 임계치를 벗어나는 경우, 상기 탐색 조건을 변경하여 상기 (c) 내지 상기 (e) 단계를 반복 수행하는 단계를 포함한다.

Description

건물 외피 열성능 변수 추정 방법 및 그 장치{Thermal property estimation method and apparatus for building envelope}
본 발명은 건물 외피 열성능 변수 추정 방법 및 그 장치에 관한 것이다.
국내 건물의 노후도가 지속적으로 증가하고 있어 노후 건물의 개수 및 보수를 위한 그린리모델링에 대한 관심이 증가하고 있다. Hwang, Yang, Park과 Kwon (2016)에 따르면, 국내의 주거용 및 사업용 건물의 65.7%가 노후 건물로 추정되며, 이에 대한 대책이 시급한 것으로 판단하였다.
기존 건물의 에너지 성능 향상과 효과적인 그린리모델링을 위해서는 현재 사용중인 건물의 열성능, 특히 건물 외피의 열적 성능지표에 대한 정확한 이해가 반드시 요구되나, 설계단계에서 설계도서 및 시험성적서상의 열성능 지표가 현장여건과 작업자의 전문성에 따라 시공상의 오차가 발생하는 점, 건물의 사용연수에 따라 그 성능이 지속적으로 변하는 이유(Choi et al., 2014)로 정확한 열성능을 추정하기는 어려워 대다수 현장측정법을 활용하고 있다.
Kim, Jang, Choi와 Kim (2019)은 KS F 2829:2005에 따른 적외선 열화상을 통한 외벽 열성능 측정값과 열류계를 이용한 열성능 측정값을 비교하였다. KS F 2829:2005 방법을 이용하여 벽체의 열관류율을 추정하는 경우 오차가 크게 발생하는 것을 시사하였으며, 이러한 오차는 공기의 기류거동에 따른 대류열전달 계수의 적용 방법에 따른 것으로 판단하였다. 이에 따라, KS F 2829:2005 방법을 활용하는 경우 실외 대류열전달 계수의 적절한 보정 필요성을 제시하였다.
Kim과 Choi (2021)은 외피의 단열성능을 간편하게 측정하기 위해 현장측정용 열류계를 ISO 9869-1 기준에 적합한 방법으로 이용하여 단열성능 평가 기법을 제안하였다. 그러나 ISO 9869-1의 경우 적합한 정밀도를 얻기 위해 3~7일의 측정기간이 필요한 점, 측정대상 외벽의 열용량에 따라 서로 다른 판정 기준을 활용하는 점, 정상상태를 형성하기 실내외 온도차를 유지하기 위해 추가적인 작업을 수행해야 한다는 점에서 현재 사용중인 건물에 직접적인 적용은 제한이 있다.
대다수 기존 연구의 경우 열류계를 활용한 직접법을 통해 외피의 벽체의 열성능을 추정하는 방법을 제시하고 있으나, 건물의 에너지 성능 및 실내환경 성능은 창문의 열-광학적 특성, 벽체의 단열성능, 그리고 외피의 기밀성을 포함한 종합적 상호관계에 의한 것으로 단일 변수의 추정만으로는 외피의 종합적인 열성능을 제시하기는 어려운 상황이다.
본 발명은 수지해석을 활용한 건물 외피 열성능 변수 추정 방법 및 그 장치를 제공하기 위한 것이다.
또한, 본 발명은 건물의 규모 및 건축부재에 대한 기초정보와 외기정보를 기반으로 설정한 기간 내의 실내온도를 동일하게 구현하기 위한 외피의 구체적인 열성능 영향 변수 수치해석 기반의 최적화 모델을 활용한 건물 외피 열성능 변수 추정 방법 및 그 장치를 제공하기 위한 것이다.
본 발명의 일 측면에 따르면 건물 외피 열성능 변수 추정 방법이 제공된다.
본 발명의 일 실시예에 따르면, (a) 대상 건물에 대한 기하 정보 및 외기 정보를 각각 입력받는 단계; (b) 상기 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추정을 위한 에너지 모델을 생성하는 단계; (c) 타겟 지표에 대한 탐색 조건에 따라 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출하는 단계; (d) 상기 도출된 타겟 추정 변수값을 상기 에너지 모델에 적용한 후 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출하는 단계; (e) 상기 도출된 목적 변수값과 기준값 사이의 오차를 계산하는 단계; 및 (f) 상기 오차가 임계치를 벗어나는 경우, 상기 탐색 조건을 변경하여 상기 (c) 내지 상기 (e) 단계를 반복 수행하는 단계를 포함하는 건물 외피 열성능 변수 추정 방법이 제공될 수 있다.
상기 타겟 지표는 창호 열관류율, 태양열 취득계수, 벽체 단열재 두께 및 침기량을 포함하는 건물의 열성능 및 에너지소비 특성분석에 사용되는 지표이되, 상기 (c) 단계는, 상기 타겟 지표를 단일 지표로 최적화 알고리즘에 적용하거나 복수의 지표를 최적화 알고리즘에 적용하여 상기 타겟 추정 변수값을 도출할 수 있다.
상기 최적화 알고리즘은 다운힐 심플렉스법(downhill simplex method)이며, 상기 에너지 해석 시뮬레이션은 에너지 플러스 모델을 통해 수행될 수 있다.
상기 목적 변수값은 상기 에너지 해석 시뮬레이션에 의해 추정된 실내 온도이며,
상기 (d) 단계는, 상기 외기 정보를 더 고려하여 상기 목적 변수값이 추정될 수 있다.
상기 오차는 하기 수학식을 이용하여 계산되되,
여기서, n은 반복 횟수를 나타내고, 는 도출된 목적 변수값을 나타내며, 는 기준값을 나타낸다.
상기 (c) 단계는, 상기 타겟 지표에 대한 초기 탐색 조건을 구성하는 단계; 및 상기 초기 탐색 조건을 기초로 최하점 반사, 확대 및 축소 과정 중 적어도 하나를 반복하여 타겟 추정 변수값을 도출하는 단계를 포함할 수 있다.
상기 반사 과정에 의해 계산된 제1 값이 최하점과 중간점 사이이면 반사 과정을 반복 수행하고, 상기 제1 값이 상기 최하점보다 작으면 확장 과정을 수행하되, 상기 확장 과정에 의해 계산된 제2 값이 상기 최하점보다 작은 경우 상기 제2 값을 수용하고, 상기 제2 값이 상기 최하점보다 크면 상기 반사 과정을 다시 수행하고, 상기 제1 값이 최상점보다 크면 축소 과정을 수행하되, 상기 축소 과정에 의해 계산된 제3 값이 상기 최상점보다 작으면 상기 제3 값을 수용하고 반사 과정을 다시 수행하고, 상기 제3 값이 상기 최상점보다 크면 상기 최하점 방향으로 수축시킬 수 있다.
본 발명의 다른 측면에 따르면 건물 외피 열성능 변수 추정을 위한 장치가 제공된다.
본 발명의 일 실시예에 따르면, 대상 건물에 대한 기하 정보 및 외기 정보를 각각 입력받는 입력부; 상기 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추정을 위한 에너지 모델을 생성하는 모델 생성부; 타겟 지표에 대한 탐색 조건에 따라 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출하는 연산부; 상기 도출된 타겟 추정 변수값을 상기 에너지 모델에 적용한 후 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출하는 에너지 해석 시뮬레이션부; 및 상기 도출된 목적 변수값과 기준값 사이의 오차를 계산하고, 상기 오차가 임계치를 벗어나는 경우, 상기 탐색 조건을 변경하여 상기 연산부 및 상기 에너지 해석 시뮬레이션부가 반복 연산을 수행하도록 제어하는 프로세서를 포함하는 컴퓨팅 장치가 제공될 수 있다.
상기 에너지 해석 시뮬레이션부는, 상기 외기 정보를 더 고려하여 상기 목적 변수값을 도출할 수 있다.
상기 연산부는, 상기 타겟 지표에 대한 초기 탐색 조건을 구성하고, 상기 초기 탐색 조건을 기초로 최하점 반사, 확대 및 축소 과정 중 적어도 하나를 반복하여 타겟 추정 변수값을 도출할 수 있다.
상기 연산부는, 상기 반사 과정에 의해 계산된 제1 값이 최하점과 중간점 사이이면 반사 과정을 반복 수행하고, 상기 제1 값이 상기 최하점보다 작으면 확장 과정을 수행하되, 상기 확장 과정에 의해 계산된 제2 값이 상기 최하점보다 작은 경우 상기 제2 값을 수용하고, 상기 제2 값이 상기 최하점보다 크면 상기 반사 과정을 다시 수행하고, 상기 제1 값이 최상점보다 크면 축소 과정을 수행하되, 상기 축소 과정에 의해 계산된 제3 값이 상기 최상점보다 작으면 상기 제3 값을 수용하고 반사 과정을 다시 수행하고, 상기 제3 값이 상기 최상점보다 크면 상기 최하점 방향으로 수축시킬 수 있다.
본 발명의 일 실시예에 따른 건물 외피 열성능 변수 추정 방법 및 그 장치를 제공함으로써, 건물의 규모 및 건축부재에 대한 기초정보와 외기정보를 기반으로 설정한 기간 내의 실내온도를 동일하게 구현하기 위한 외피의 구체적인 열성능 영향 변수 수치해석이 가능한 이점이 있다.
도 1은 본 발명의 일 실시예에 따른 건물 외피 열성능 추정 방법을 나타낸 순서도.
도 2는 본 발명의 일 실시예에 따른 대상 건물의 기하 모델을 도시한 도면.
도 3은 본 발명의 일 실시예에 따른 대상 건물에 대한 변수를 나타낸 도면.
도 4 내지 도 8은 본 발명의 일 실시예에 따른 타겟 지표 추정 결과를 도시한 도면.
도 9는 본 발명의 일 실시예에 따른 건물 외피 열성능 변수 추정을 위한 컴퓨팅 장치의 내부 구성을 개략적으로 도시한 도면.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 건물 외피 열성능 추정 방법을 나타낸 순서도이고, 도 2는 본 발명의 일 실시예에 따른 대상 건물의 기하 모델을 도시한 도면이고, 도 3은 본 발명의 일 실시예에 따른 대상 건물에 대한 변수를 나타낸 도면이고, 도 4 내지 도 8은 본 발명의 일 실시예에 따른 타겟 지표 추정 결과를 도시한 도면이다.
단계 110에서 컴퓨팅 장치(100)는 대상 건물에 대한 기초 정보와 외기 정보를 각각 입력받는다.
예를 들어, 컴퓨팅 장치(100)는 대상 건물의 바닥, 벽체, 지붕을 포함하는 기하정보를 입력받을 수 있다. 또한, 컴퓨팅 장치(100)는 대상 건물에 대한 외기 정보를 기상청 서버(미도시)로부터 획득한다. 예를 들어, 컴퓨팅 장치(100)는 일정 기간(예를 들어, 3일)의 외기 정보를 기상청 서버로부터 획득할 수 있다.
이외에도, 컴퓨팅 장치(100)는 대상 건물의 열성능에 영향을 미치는 정보들(예를 들어, 외벽 구성 기본 성능, 실내 환경, 건물 위치 등)에 대한 정보를 추가적으로 더 입력받을 수도 있음은 당연하다.
또한, 컴퓨팅 장치(100)는 대상 기간의 에너지 소비량과 실내 온도에 대한 목적 변수에 대한 시계열 정보를 추가적으로 획득할 수도 있다. 해당 실내 온도는 하기에서 기준치로 이용될 수 있다.
단계 115에서 컴퓨팅 장치(100)는 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추적을 위한 에너지 모델을 생성한다.
예를 들어, 컴퓨팅 장치(100)는 상용화된 어플리케이션(즉, SketchUp 등)을 이용하여 대상 건물의 기하 정보를 기초로 에너지 모델을 생성할 수 있다. 본 발명의 일 실시예에서는 이해와 설명의 편의를 도모하기 위해 SketchUP 어플리케이션을 이용하는 것을 가정하고 있으나, 이외에도 에너지 모델(즉, 대상 건물 모델링)이 가능한 공지 또는 상용화된 어플리케이션은 제한 없이 적용될 수 있음은 당연하다.
도 2에는 대상 건물에 상응하여 생성된 에너지 모델이 예시되어 있다.
단계 120에서 컴퓨팅 장치(100)는 타겟 지표에 대한 탐색 조건을 기초로 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출한다. 여기서, 최적화 알고리즘은 다운힐 심플렉스법(Downhill simplex method)일 수 있다. 본 발명의 일 실시예에서는 최적화 알고리즘이 다운힐 심플렉스법인 것을 가정하여 이를 중심으로 설명하나 이외에도 공지된 최적화 알고리즘이 적용될 수도 있다.
타겟 지표는 외피 열성능 지표인 벽체 단열재 두께(Insulation thickness), 창문의 열관류율(U-factor), 창문의 태양열 취득계수(SGHC), 침기량(Infiltration)일 수 있다.
따라서, 컴퓨팅 장치(100)는 타겟 지표를 단일 변수 또는 복합 변수로 설정한 후 탐색 조건을 변경하여 최적화 알고리즘에 적용하여 타겟 추정 변수값을 각각 도출할 수 있다.
이해와 설명의 편의를 도모하기 위해 최적화 알고리즘에 대해 간략하게 설명하기로 한다.
제약 조건이 없이 n개의 변수를 가진 함수()의 최소화를 위해 n차원의 공간화는 수학식 1과 같이 수행될 수 있다. (n+1)개의 절점들로 구성된 다각형 형태의 심플렉스(S)를 최소화하도록 반복 연산이 수행될 수 있다.
(n+1)개의 절점들로 구성된 다각형 형태의 심플렉스(S)를 최소화하도록 반복 연산이 수행될 수 있다.
초기 S 설정을 위해 변수()로 구성된 (n+1) 극점을 생성함에 있어 탐색하고자 하는 변수의 주어진 입력값()을 설정하여 적절한 재시작을 위한 상태로 구성할 수 있다. 나머지 생성된 n개의 절점들은 초기 조건하에서의 공간 구성을 형성하고 각 극점들에서의 함수값을 계산할 수 있다.
초기조건이 결정되면, 최저값을 찾기 위한 반복과정들을 거치게 되는데 (n+1) 개의 극점에서 도출된 함수값들의 표준편차들이 일반적으로 정해진 값()이하로 유지되거나, 주어진 반복계산회수를 초과하면 중지할 수 있다.
초기조건에서 발생된 함수값들을 기준으로 반복과정을 수행하며, 이때 각 극점에 따른 함수값 가운데 최상, 차상 및 최하점을 각각 로 정의하고 해당 함수값을 로 결정할 수 있다.
최상점 값을 제외한 나머지 극점들의 기하적 중심점()을 계산하여 를 로 이동하여 새로운 극점 를 만든다. 상술한 이러한 일련의 과정을 최하점 반사라고 하며, 다음의 반사계수()를 활용하여 수학식 2를 통해 수행할 수 있다.
반사된 에서의 값을 이라고 하면, 함수값의 결과에 따라 반사, 확대, 축소가 시도될 수 있다.
반사를 수행해서 발생된 새로운 극점을 적용한 함수값이 이면, 를 로 대체하며 다시 반사과정을 되풀이할 수 있다. 를 통해 계산된 함수값이 이면 이동방향의 적정성이 확인되었으므로 확장계수()를 이용하여 수학식 3을 통해 확장된 극점()을 도출할 수 있다.
의 함수값인 가 보다 작은 경우 확장된 새로운 점을 수용하며, 그 반대인 경우, 확장 시도를 제외하고 다시 반사과정을 거친다.
반사를 수행해서 발생된 새로운 극점을 적용한 함수값이 이면, 진행경로가 과대평가되어 있으므로 축소계수()를 활용하여 수학식 4와 같이 축소 과정을 실행할 수 있다.
로 도출된 함수값()이 보다 작으면 축소값을 인정하고 다시 반복과정을 수행한다. 그러나, 이면, 축소시도는 제외하고 S를 방향으로 수축시킨다. 을 제외한 나머지 극점()들은 수축계수()를 활용하여 수학식 5를 이용하여 수축 정도를 결정한다.
수축된 극점들의 함수값을 계산한 후 반복 계산을 수행한다.
반복 과정에서 사용되는 계수들은 실험적으로 결정될 수 있음은 당연하다. 본 발명의 일 실시예에서는 표준값인 , 를 사용하여 반복 연산을 수행하였다.
다시 정리하면, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 타겟 지표에 대한 탐색 조건을 변경하여 다운힐 심플렉스법을 수행하여 타겟 추정 변수값을 도출할 수 있다.
단계 125에서 컴퓨팅 장치(100)는 도출된 타겟 추정 변수값을 에너지 모델에 적용하여 시뮬레이션하여 목적 변수값을 도출한다. 여기서, 목적 변수값은 실내 온도일 수 있다.
에너지 모델에 타겟 추정 변수값을 적용하여 에너지 플러스 어플리케이션을 기반으로 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출할 수 있다.
단계 130에서 컴퓨팅 장치(100)는 도출된 목적 변수값과 기준값 사이의 오차를 계산한다.
컴퓨팅 장치(100)는 도출된 목적 변수값과 기준값과의 차이값의 평균제곱 오차(RMS: Root mean square error)를 이용하여 수학식 6과 같이 오차를 계산한다.
여기서, n은 반복 횟수를 나타내고, 는 도출된 목적 변수값을 나타내며, 는 기준값을 나타낸다.
단계 135에서 컴퓨팅 장치(100)는 계산된 오차가 임계치 이내인지 여부를 판단한다.
만일 임계치 이내인 경우 최적화 알고리즘의 반복 연산을 종료한다.
그러나 만일 임계치를 벗어나는 경우, 단계 140에서 컴퓨팅 장치(100)는 타겟 지표의 탐색 조건을 변경한 후 단계 120 내지 단계 135를 반복 수행한다.
도 3에는 대상 건물의 기하학적 특징과 건축 및 설비 요소가 도시되어 있다. 이를 기반으로 건축물의 외피 열성능 지표인 벽체 단열재 두께(Insulation thickness), 창문의 열관류율(U-factor), 창문의 태양열 취득계수(SGHC), 침기량(Infiltration)을 변수로 하여 추정된 결과는 도 4 내지 도 7에 도시된 바와 같다.
각각에 대해 간략하게 설명하기로 한다.
(1) 단열재 두께 추정 결과
대상 건물에 적용된 단열재 두께(0.087m)를 추정하기 위해 설정된 경계조건의 하한값(0.01m)과 상한값(0.20m)과 해당 값의 중심값(0.10m)를 초기조건으로 추정한 결과는 도 4에 도시된 바와 같다.
하한값을 시작점으로 하는 경우(도 4의 (a)), 오차를 줄이기 위해 지속적으로 단열재 두께를 증가시키며 반복연산을 수행하며, 반복연산 9회차(0.087m)에서 수렴되었다. 상한값(0.20m)와 중간값(0.10m)을 시작점으로 하는 경우(도 4의 (b), (c)), 수렴시점이 반복연산 11회(상한값), 반복연산 5회(중간값)으로 나타났으며, 이때의 추정 단열재 두께는 각각 0.087m(상한값), 0.08675m(중간값)으로 도출되었다.
(2) 창호 열성능 추정 결과
대상 건물에 적용된 창문의 열관류율(U-factor, 3.22 W/m2-K)과 태양열 취득계수(SHGC, 0.39)의 추정 결과는 도 5 내지 도 6에 도시된 바와 같다.
창문의 열관류율의 경우 상한값(4.0 W/m2-K)을 시작점으로 하는 경우(도 5의 (c)), 수렴시점이 반복회수 8회, 입력값 3.221094 W/m2-K로 하한값(0.1 W/m2-K) 및 중간값(2.0 W/m2-K)에 비하여 빠른 수렴양상을 나타냈다. 세 가지 서로 다른 초기조건에서 모두 15회 이내에 수렴되는 것으로 나타났으며 수렴 시점에서의 결정변수는 3.219844 ～ 3.22031 W/m2-K 로 형성되어 대상건물에 적용된 창호의 열관류율과 거의 동일한 것으로 나타났다.
창문의 태양열취득계수의 경우 중간값(0.50)을 시작점으로 하는 경우(도 6의 (b)), 수렴시점이 반복회수 11회, 입력값 0.3899로 하한값(0.01) 수렴조건(반복회수 15회)및 상한값(0.9)의 수렴조건(반복회수 17회)에 비해 빠르게 수렴하였다. 다른 변수 추정과 유사하게 실제값과 가까운 초기조건값을 채택하는 경우 수렴 속도를 높이는 것으로 판단되며, 서로 다른 초기값 조건에도 결정변수는 0.389993로 동일하게 나타났으며 실제 기준 값인 0.39와 거의 일치하였다.
(3) 침기량 추정 결과
대상 건물에 적용된 창호외주부 길이당 침기량(0.000320 m3/s-m)의 추정결과는 도 7에 도시된 바와 같다.
하한값(0.00001 m3/s-m)을 초기조건으로 설정하는 경우 오차를 감소하기 위해 지속적으로 입력값을 증가하며(도 7의(a)), 반복회수 8의 경우 기준조건보다 높은 값을 입력에 따른 오차율 재상승이 발생하는경우 다시 입력값을 축소하여 수렴한다.
실제값(0.000320 m3/s-m)과 가장 가까운 침기량인 0.00050 m3/s-m를 활용하는 중간값 초기조건에서 수렴에 필요한 반복회수는 8회로 상한값(0.00010 m3/s-m)과 하한값에 비하여 비교적 적은 반복계산이 필요한 것으로 나타났다.
(4) 복합 지표 추정 결과
운영중인 건물의 외피의 열성능 추정 변수는 단일변수보다는 기술된 다양한 열성능 지표가 모두 포함되어야 한다. 이에, 기술한 벽체 단열재 두께, 창문의 열관류율 및 태양열취득계수, 건물외피의 침기량을 모두 타겟 지표 대상으로 설정하고, 개별 추정 변수의 종합적 입력을 통한 예측된 온도와 기준온도를 비교하였다.
각 반복회수에 투입되는 변수들의 값과 개별변수의 조합에 따른 3일간 실내온도의 변화에 대한 RMS 값은 도 8의 (e)에 도시된 바와 같다. 전술한 각 타겟 지표의 각 변수들의 중간값을 초기조건으로 설정하였으며 상한 및 하한 조건은 개별 변수추정과 동일하게 유지하였다.
반복회수 2회에서 4개 변수의 조합에 따른 실내온도 예측값의 RMS는 4594.32로 높은 수준으로 나타났지만, 연산이 지속됨에 따라 반복횟수 57회에서의 RMS 값이 1미만으로 형성되며, 반복회수 167회 지점에서 RMS 값이 0.012로 측정되었다.
타겟 지표에 대한 변수가 4개로 증가함에 따라 수렴 및 종료에 필요한 반복 연산 회수가 증가하여 총 201회로 나타났으며, RMS는 0.000015(도 8의 (e))로 오차율로 환산하는 경우 0.001% 이내로 관측되었다.
추정대상 변수 가운데 창호의 태양열 취득계수(도 8의 (a))가 반복회수 68회에서 0.3894(기준값, 0.39)로 가장 빠르게 수렴되었으며 최종 결정값(반복회수 201회)은 0.389995로 도출되었다.
창호의 열관류율(도 8의 (b))은 반복회수 70회에서 3.224215(기준값, 3.22)로 1차 안정화 과정을 거쳤으며, 수렴 및 종료시까지 ±0.02의 미세조정을 거치며 수렴시 결정값은 3.220518로 도출되어 기준값에 비교하는 경우 매우 작은 오차를 가지는 것으로 나타났다.
침기량은 초기조건(0.0005 m3/s-m)에서 지속적으로 감소하며 반복회수 73회에서 기준값인 0.00032m3/s-m에 근접한 0.000295 m3/s-m 내외를 유지하며 반복회수 189회에서 0.00032 m3/s-m로 결정되었다(도 8의 (c)).
단열재 두께의 경우 연산 초기(반복회수 70회 이하)구간에서는 초기조건인근 값을 유지하고 있으나 창호의 태양열취득계수, 창호의 열관류율, 침기량 변수의 반사, 축소, 확장에 따른 의미있는 변화가 종료된 시점인 반복회수 160이후 부근에서 재상승 하여(도 8의 (d)) RMS 값을 줄인후 반복회수 184회에서0.0086 m, 연산종료지점(반복회수 201)에서 결정변수 0.08692 m로 수렴하였다. 최종 결정변수는 기준값(0.087 m)에 비하여 매우 작은 오차를 가진 것으로 관측되었다.
도 9는 본 발명의 일 실시예에 따른 건물 외피 열성능 변수 추정을 위한 컴퓨팅 장치의 내부 구성을 개략적으로 도시한 도면이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 입력부(910), 모델 생성부(915), 연산부(920), 에너지 해석 시뮬레이션부(925), 메모리(930) 및 프로세서(935)를 포함하여 구성된다.
입력부(910)는 대상 건물에 대한 기하 정보 및 외기 정보를 각각 입력받기 위한 수단이다. 이외에도, 입력부(910)는 특정 기간 동안의 에너지 사용량, 실내 온도와 같은 시계열 정보를 입력받을 수도 있다.
모델 생성부(915)는 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추정을 위한 에너지 모델을 생성하기 위한 수단이다.
연산부(920)는 타겟 지표에 대한 탐색 조건에 따라 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출하기 위한 수단이다. 예를 들어, 연산부(920)는 다운힐 심플렉스법을 이용하여 타겟 지표에 대한 다운힐 심플렉스법을 수행하여 타겟 추정 변수값을 도출하되, 프로세서(935)의 제어에 따라 탐색 조건을 변경하며 다운힐 심플렉스법이 반복 수행될 수 있다. 이에 대해서는 도 1에서 설명한 바와 동일하므로 중복되는 설명은 생략하기로 한다.
에너지 해석 시뮬레이션부(925)는 도출된 타겟 추정 변수값을 에너지 모델에 적용한 후 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출하기 위한 수단이다. 에너지 해석 시뮬레이션부(925)는 에너지 플러스 모델을 이용하여 에너지 해석 시뮬레이션을 수행할 수 있다. 이는 공지된 사항이므로 이에 대한 별도의 설명은 생략하기로 한다.
메모리(930)는 본 발명의 일 실시예에 따른 건물 외피 열성능 변수 추정 방법을 수행하기 위한 프로그램 코드(명령어)를 저장한다.
프로세서(935)는 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)의 내부 구성 요소들(예를 들어, 입력부(910), 모델 생성부(915), 연산부(920), 에너지 해석 시뮬레이션부(925), 메모리(930) 등)을 제어하기 위한 수단이다.
또한, 프로세서(935)는 도출된 목적 변수값과 기준값 사이의 오차를 계산하고, 오차가 임계치를 벗어나는 경우, 상기 탐색 조건을 변경하여 연산부 및 에너지 해석 시뮬레이션부가 반복 연산을 수행하도록 제어할 수 있다.
본 발명의 실시 예에 따른 장치 및 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (13)

  1. (a) 대상 건물에 대한 기하 정보 및 외기 정보를 각각 입력받는 단계;
    (b) 상기 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추정을 위한 에너지 모델을 생성하는 단계;
    (c) 타겟 지표에 대한 탐색 조건에 따라 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출하는 단계;
    (d) 상기 도출된 타겟 추정 변수값을 상기 에너지 모델에 적용한 후 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출하는 단계;
    (e) 상기 도출된 목적 변수값과 기준값 사이의 오차를 계산하는 단계; 및
    (f) 상기 오차가 임계치를 벗어나는 경우, 상기 탐색 조건을 변경하여 상기 (c) 내지 상기 (e) 단계를 반복 수행하는 단계를 포함하고,
    상기 (d) 단계에서, 상기 에너지 해석 시뮬레이션을 수행할 때, 상기 외기 정보와 상기 대상 건물의 에너지소비특성 및 환경특성을 고려하여 상기 목적 변수값을 도출하는 것을 특징으로 하는 건물 외피 열성능 변수 추정 방법.
  2. 제1 항에 있어서,
    상기 타겟 지표는 창호 열관류율, 태양열 취득계수, 벽체 단열재 두께 및 침기량을 포함하는 건물의 열성능 및 에너지소비 특성분석에 사용되는 지표이되,
    상기 (c) 단계는, 상기 타겟 지표를 단일 지표로 최적화 알고리즘에 적용하거나 복수의 지표를 최적화 알고리즘에 적용하여 상기 타겟 추정 변수값을 도출하는 것을 특징으로 하는 건물 외피 열성능 변수 추정 방법.
  3. 제1 항에 있어서,
    상기 최적화 알고리즘은 다운힐 심플렉스법(downhill simplex method)이며,
    상기 에너지 해석 시뮬레이션은 에너지 플러스 모델을 통해 수행되는 것을 특징으로 하는 건물 외피 열성능 변수 추정 방법.
  4. 제1 항에 있어서,
    상기 목적 변수값은 상기 에너지 해석 시뮬레이션에 의해 추정된 실내 온도인 것을 특징으로 하는 건물 외피 열성능 변수 추정 방법.
  5. 삭제
  6. 제1 항에 있어서,
    상기 오차는 하기 수학식을 이용하여 계산되는 것을 특징으로 하는 건물 외피 열성능 변수 추정 방법.

    여기서, n은 반복 횟수를 나타내고, 는 도출된 목적 변수값을 나타내며, 는 기준값을 나타냄.
  7. 제1 항에 있어서,
    상기 (c) 단계는,
    상기 타겟 지표에 대한 초기 탐색 조건을 구성하는 단계; 및
    상기 초기 탐색 조건을 기초로 최하점 반사, 확대 및 축소 과정 중 적어도 하나를 반복하여 타겟 추정 변수값을 도출하는 단계를 포함하는 건물 외피 열성능 변수 추정 방법.
  8. 제7 항에 있어서,
    상기 반사 과정에 의해 계산된 제1 값이 최하점과 중간점 사이이면 반사 과정을 반복 수행하고, 상기 제1 값이 상기 최하점보다 작으면 확장 과정을 수행하되, 상기 확장 과정에 의해 계산된 제2 값이 상기 최하점보다 작은 경우 상기 제2 값을 수용하고, 상기 제2 값이 상기 최하점보다 크면 상기 반사 과정을 다시 수행하고, 상기 제1 값이 최상점보다 크면 축소 과정을 수행하되, 상기 축소 과정에 의해 계산된 제3 값이 상기 최상점보다 작으면 상기 제3 값을 수용하고 반사 과정을 다시 수행하고, 상기 제3 값이 상기 최상점보다 크면 상기 최하점 방향으로 수축시키는 것을 특징으로 하는 건물 외피 열성능 변수 추정 방법.
  9. 제1 항 내지 제4 항, 제6 항 내지 제8 항 중 어느 하나의 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체.
  10. 대상 건물에 대한 기하 정보 및 외기 정보를 각각 입력받는 입력부;
    상기 대상 건물에 대한 기하 정보를 기초로 건물 외피 열성능 추정을 위한 에너지 모델을 생성하는 모델 생성부;
    타겟 지표에 대한 탐색 조건에 따라 최적화 알고리즘을 적용하여 타겟 추정 변수값을 도출하는 연산부;
    상기 도출된 타겟 추정 변수값을 상기 에너지 모델에 적용한 후 에너지 해석 시뮬레이션을 수행하여 목적 변수값을 도출하는 에너지 해석 시뮬레이션부; 및
    상기 도출된 목적 변수값과 기준값 사이의 오차를 계산하고, 상기 오차가 임계치를 벗어나는 경우, 상기 탐색 조건을 변경하여 상기 연산부 및 상기 에너지 해석 시뮬레이션부가 반복 연산을 수행하도록 제어하는 프로세서를 포함하고,
    상기 에너지 해석 시뮬레이션부는,
    상기 외기 정보와 실제 건물의 에너지소비특성 및 환경특성을 더 고려하여 상기 목적 변수값을 도출하는 것을 특징으로 하는 컴퓨팅 장치.
  11. 삭제
  12. 제10 항에 있어서,
    상기 연산부는,
    상기 타겟 지표에 대한 초기 탐색 조건을 구성하고, 상기 초기 탐색 조건을 기초로 최하점 반사, 확대 및 축소 과정 중 적어도 하나를 반복하여 타겟 추정 변수값을 도출하는 것을 특징으로 하는 컴퓨팅 장치.
  13. 제12 항에 있어서,
    상기 연산부는,
    상기 반사 과정에 의해 계산된 제1 값이 최하점과 중간점 사이이면 반사 과정을 반복 수행하고, 상기 제1 값이 상기 최하점보다 작으면 확장 과정을 수행하되, 상기 확장 과정에 의해 계산된 제2 값이 상기 최하점보다 작은 경우 상기 제2 값을 수용하고, 상기 제2 값이 상기 최하점보다 크면 상기 반사 과정을 다시 수행하고, 상기 제1 값이 최상점보다 크면 축소 과정을 수행하되, 상기 축소 과정에 의해 계산된 제3 값이 상기 최상점보다 작으면 상기 제3 값을 수용하고 반사 과정을 다시 수행하고, 상기 제3 값이 상기 최상점보다 크면 상기 최하점 방향으로 수축시키는 것을 특징으로 하는 컴퓨팅 장치.

KR1020230046977A 2023-04-10 2023-04-10 건물 외피 열성능 변수 추정 방법 및 그 장치 KR102593194B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230046977A KR102593194B1 (ko) 2023-04-10 2023-04-10 건물 외피 열성능 변수 추정 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230046977A KR102593194B1 (ko) 2023-04-10 2023-04-10 건물 외피 열성능 변수 추정 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR102593194B1 true KR102593194B1 (ko) 2023-10-23

Family

ID=88508456

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230046977A KR102593194B1 (ko) 2023-04-10 2023-04-10 건물 외피 열성능 변수 추정 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102593194B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140075527A (ko) * 2012-12-11 2014-06-19 성균관대학교산학협력단 건물에 대한 모듈식 에너지 시뮬레이션 모델링 및 검증 방법
KR102051600B1 (ko) * 2018-11-28 2020-01-08 주식회사 한일엠이씨 건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법
KR20200101727A (ko) * 2019-02-20 2020-08-28 한밭대학교 산학협력단 건물 외피에 대한 현장 단기 열관류율 측정 방법
KR20210046365A (ko) * 2019-10-18 2021-04-28 한국에너지기술연구원 건축물 에너지 성능 측정 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140075527A (ko) * 2012-12-11 2014-06-19 성균관대학교산학협력단 건물에 대한 모듈식 에너지 시뮬레이션 모델링 및 검증 방법
KR102051600B1 (ko) * 2018-11-28 2020-01-08 주식회사 한일엠이씨 건물 냉난방 및 환기 시스템의 에너지 효율화를 위한 실시간 운영지원방법
KR20200101727A (ko) * 2019-02-20 2020-08-28 한밭대학교 산학협력단 건물 외피에 대한 현장 단기 열관류율 측정 방법
KR20210046365A (ko) * 2019-10-18 2021-04-28 한국에너지기술연구원 건축물 에너지 성능 측정 장치 및 방법

Similar Documents

Publication Publication Date Title
CN107590317B (zh) 一种计及模型参数不确定性的发电机动态估计方法
Jenkins et al. Probabilistic climate projections with dynamic building simulation: Predicting overheating in dwellings
JP3404532B2 (ja) 最適フィッティングパラメータ決定方法および装置、並びに最適フィッティングパラメータ決定プログラム
JP6404909B2 (ja) 技術的な系の出力量のモデルを算出する方法
CN112187554B (zh) 一种基于蒙特卡洛树搜索的运维系统故障定位方法和系统
CN105260786A (zh) 一种电力推进系统仿真可信度评估模型综合优化方法
CA2670818A1 (en) Optimal solution relation display apparatus and optimal solution relation display method
CN113657660A (zh) 基于分站负荷和热网滞后模型的热源负荷预测方法
Cheng et al. Application of the response surface methods to solve inverse reliability problems with implicit response functions
CN108566178B (zh) 一种非稳态随机机会网络特征值滤波方法
CN109034225A (zh) 一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法
Liu et al. Machine learning-based stochastic subspace identification method for structural modal parameters
KR102593194B1 (ko) 건물 외피 열성능 변수 추정 방법 및 그 장치
Demeulenaere et al. Design and optimization of an industrial pump: application of genetic algorithms and neural network
CN107947199B (zh) 基于优化模型的电力系统热稳定安全域边界的搜索方法
Rezaee et al. A new approach to the integration of energy assessment tools in CAD for early stage of design decision-making considering uncertainty
CN106529075B (zh) 一种考虑分时段的非线性模拟风速方法
Bitsuamlak et al. Effects of upstream two-dimensional hills on design wind loads: a computational approach
CN112580855A (zh) 基于自适应变异pso-bp神经网络的电缆群稳态温升预测方法
Mihálka et al. Application of the Cauchy integral formula as a tool of analytic continuation for the resummation of divergent perturbation series
Wang et al. Annual hourly CFD simulation: New approach—An efficient scheduling algorithm for fast iteration convergence
KR101958148B1 (ko) 에너지 성능평가를 위한 주택 외피열관류율의 추정 장치 및 방법, 에너지 성능평가를 위한 주택 외피열관류율 데이터베이스 구축 방법
KR101444794B1 (ko) 노내계측기 신호 기반의 반경방향 첨두계수를 이용한 노심운전제한치감시계통의 Ｐｓｅｕｄｏ Ｈｏｔ Ｐｉｎ 출력분포 구성 방법
Ali et al. Statistical downscaling of precipitation and temperature using gene expression programming
CN109390946B (zh) 一种基于多参数规划理论的最优概率潮流快速计算方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant