KR102611880B1 - 건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법 - Google Patents

건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법 Download PDF

Info

Publication number
KR102611880B1
KR102611880B1 KR1020210154984A KR20210154984A KR102611880B1 KR 102611880 B1 KR102611880 B1 KR 102611880B1 KR 1020210154984 A KR1020210154984 A KR 1020210154984A KR 20210154984 A KR20210154984 A KR 20210154984A KR 102611880 B1 KR102611880 B1 KR 102611880B1
Authority
KR
South Korea
Prior art keywords
volume
temperature
control volume
indoor
control
Prior art date
Application number
KR1020210154984A
Other languages
English (en)
Other versions
KR20230068817A (ko
Inventor
권오익
김영일
김선혜
Original Assignee
주식회사 한일엠이씨
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 주식회사 한일엠이씨 filed Critical 주식회사 한일엠이씨
Priority to KR1020210154984A priority Critical patent/KR102611880B1/ko
Publication of KR20230068817A publication Critical patent/KR20230068817A/ko
Application granted granted Critical
Publication of KR102611880B1 publication Critical patent/KR102611880B1/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
    • 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
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K2213/00—Temperature mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Abstract

본 발명은, 건물 에너지를 최적으로 제어하기 위해 최소한의 센서만으로 실내공간 전체의 환경변수(예를 들어, 실내온도, 이산화탄소 농도 등) 분포를 예측하는 방법에 관한 것이다. 본 발명에 의해, 기준 검사체적의 환경변수와 및 외기의 환경변수를 이용하여 실내공간의 각 검사체적의 환경변수를 매우 높은 정확도로 예측할 수 있다.

Description

건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법{Method for creating a predictive model of environment variable comprising indoor temperature for optimal control of building energy}
본 발명은 건축 기술분야에 관한 것으로, 구체적으로, 건물 에너지를 최적으로 제어하기 위해 최소의 센서만으로 실내공간 전체의 실내온도, 이산화탄소 농도 등 실내 환경변수 분포를 예측하는 방법에 관한 것이다.
건물의 효율적인 에너지 사용과 성능 개선을 목적으로 수행되는 진단, 예측 및 평가를 위해서는 모델을 통한 건물의 부하 및 에너지 성능의 정량화가 선행되어야 한다. 모델예측제어(Model predict control)는 건물의 설비 시스템에서 소비되는 에너지 비용을 크게 절감할 수 있다.
이를 위한 종래 사용되던 모델로서, 단순하면서 건물의 열역학적 상태를 잘 표현하기 위해 그레이박스 모델이 활용된다. 대표적으로 사용되는 RC(Resistance-Capacitance) 모델은 단순하지만 학습이나 알고리즘 등의 최적화 기법을 바탕으로 실내 공기 온도를 정교하게 예측한다는 장점이 있다. 집중매개변수(Lumped Parameter)을 이용하는 RC 모델은, 실내 공기 온도에 영향을 미치는 외피의 열 성능, 실내 열 취득 및 일사 등 다양한 열적 매개변수를 고려할 수 있으나, 실내의 공기가 잘 혼합되어 있는 것으로 가정하고 실내의 평균 공기 온도를 예측하기 때문에 기류 유동으로 발생하는 온도 차이를 고려하기 어려워 정확도가 낮다는 단점이 있다. 특히, 단일 구역의 실내 공간에서도 외기에 접하는 정도에 따라 공기 온도의 차이가 발생할 수 있으므로 실내의 평균 공기 온도를 기준으로 설비 시스템을 제어하면 에너지 과소비나 재실자의 불쾌함이 발생할 수 있다.
빠른 해석을 위해 전산유체역학(CFD, Computational Fluid Dynamics)을 이용한 다양한 방법이 제시된 바 있으나, 수치해석의 특성상 해를 구하는데 많은 시간과 비용이 필요하며 복잡한 연산 과정으로 제어를 목적으로 사용하기에는 어려움이 있다. 단순화된 RC 모델로 대류 열전달을 표현하는 경우 모델이 복잡해질 수 있으며, 센서를 사용한다면 상당한 양의 센서가 필요하기에 비용이 증가한다.
따라서, 제어를 목적으로 실내온도 분포를 예측하는 모델은, 단순한 입력 조건으로 기존의 예측 모델과 연동될 수 있어야 하며, 또한 최소 수량의 센서에 의해 측정된 결과만으로 실내온도 분파를 가상으로 센싱하여 디지털 트윈(Digital Twin)의 일부로 작동할 수 있어야 한다.
또한, 이러한 요구사항은 비단 실내온도 분포뿐만 아니라 이산화탄소 농도 등 다양한 환경변수에서도 나타난다.
관련된 특허 문헌을 살펴본다.
한국등록특허 제10-1936136호는, 다수의 실내표면온도 센서를 이용하여 온도를 실측한 후, 실측된 온도를 바탕으로 온열 쾌적지수(PMV)를 연산하는 방법을 개시한다. 후술하는 본 발명과 비교하면 실내 공간의 온도를 센서에 의존하여 실측하기에 다수의 센서가 필요하며 실측된 온도를 이용하는 후처리 기술이라는 점에서 차이가 있다. 또한, 본 종래기술은 다양한 지점의 온도를 포함하여 적어도 10개 이상의 변수를 측정한 후 인공지능 알고리즘을 이용하여 연산하기에 계산이 복잡해지며 많은 시간과 장비가 소요되기에 이를 바탕으로 건물의 설비 시스템을 실시간으로 제어하기에 부적절하다.
한국공개특허 제2021-0100355호는 공기 조화기 동작 제어를 목적으로 다양한 환경 데이터를 획득하고 처리한다. 앞서 검토한 종래기술과 마찬가지로 다양한 지점의 온도를 직접 실측하여야 하며, 실내 습도, 복사 온도 등이 더 필요하며 사용자 피부 온도 등 사용자가 느끼는 주관적 정보를 요구하고, 이를 토대로 쾌적지수(PMV)를 연산하는 기술이다.
(특허문헌 1) 한국등록특허 제10-2074871호
(특허문헌 2) 한국공개특허 제2021-0100355호
(특허문헌 3) 미국공개특허 2021-0262682A1
(비특허문헌 1) Wang S., Yan C., Xiao F., 2012, Quantitative Energy Performance Assessment Methods for Existing Buildings, Energy and Buildings, Vol. 55, No. , pp. 873-888DOI
(비특허문헌 2) Huang H., Chen L., Hu E., A Neural Network-based Multi-Zone Modelling Approach for Predictive Control System Design in Commercial Buildings, Energy and Buildings, Vol. 97, No. , pp. 86-97DOI
(비특허문헌 3) Wang S., Xu X., 2006, Parameter Estimation of Internal Thermal Mass of Building Dynamic Models Using Genetic Algorithm, Energy Conversion and Management, Vol. 47, No. 13-14, pp. 1927-1941DOI
(비특허문헌 4) Fux S. F., Ashouri A., Benz M. J., Guzzella L., 2014, EKF Based Self-Adaptive Thermal Model for a Passive House, Energy and Buildings, Vol. 68, No. , pp. 811-817DOI
(비특허문헌 5) Liao Z., Dexter A. L., 2014, A Simplified Physical Model for Estimating the Average Air Temperature in Multi-Zone Heating Systems, Building and Environment, Vol. 39, No. 9, pp. 1013-1022DOI
(비특허문헌 6) Feng Z., Yu C. W., Cao S.-J., 2019, Fast Prediction for Indoor Environment : Models Assessment, Indoor and Built Environment, Vol. 28, No. 6, pp. 727-730DOI
(비특허문헌 7) Lee H. S., 2004, A Study on the Interactive User Interface Environment for the Digital House Based on Virtual Reality, Journal of the Architectural Institute of Korea Planning & Design, Vol. 20, No. 10, pp. 11-22Google Search
(비특허문헌 8) Madni A. M., Madni C. C., Lucero S. D., 2019, Leveraging Digital Twin Technology in Model-Based Systems Engineering, Systems, Vol. 7, No. 1, pp. 7-19DOI
(비특허문헌 9) Zhang T., Zhou H., Wang S., 2013, An Adjustment to the Standard Temperature Wall Function for CFD Modeling of Indoor Convective Heat Transfer, Building and Environment, Vol. 68, pp. 159-169DOI
(비특허문헌 10) Cengel Y A., Cimbala J. M., Turner R. H., 2017, Fundamentals of Thermal-Fluid Sciences 5th ed McGraw- Hill, New York, pp. 495-507Google Search
(비특허문헌 11) Kim H. T., Kim S. I., Park B. J., 1989, A Study on the State of Air motion and It's Velocity Distribution Indoor by the Models testing, Journal of the Architectural Institute of Korea, Vol. 5, No. 2, pp. 111-122Google Search
(비특허문헌 12) Amasyali K., El-Gohary N. M., 2018, A Review of Data-Driven Building Energy Consumption Prediction Studies, Renewable and Sustainable Energy Reviews, Vol. 81, No. part 1, pp. 1192-1205DOI
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.
제어를 목적으로 하기에 예측 모델은 단순화되어야 하지만, 이와 동시에 정확성이 필요하다. 또한, 과다한 비용 상승을 방지하고자 센서는 최소한으로 사용한 모델을 생성하여야 한다. 바람직하게, 기준 검사체적에 위치한 오직 1개의 온도센서만 사용되는 모델을 제안하고자 한다.
또한, 실내온도 뿐만 아니라 건물에너지 제어를 위해 필요한 다양한 환경변수에 대해서도 적용 가능한 모델을 제안하고자 한다.
상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, (a) 실내공간을, 실외에서 실내 방향으로, 동일한 크기의 다수의 검사체적(CVi)으로 분할하는 단계; - 여기서, i = 1, 2, … n이며, 최외측 검사체적(CVn)은 외기에 인접하며, 외기의 기류속도(Ue)는 1임, (b) 공기 밀도(ρ) 및 공기 점성계수(μ)를 확인하고 검사체적(CVi)들 사이의 프란틀 혼합거리(l)를 확인하고, 외기의 기류속도(Ue)와 수식1을 이용하여, 외기와 인접한 최외측 검사체적(CVn)의 전단응력(τn)을 연산하되, 외기의 기류속도(Ue)를 인접한 검사체적의 기류속도(Uj)에 대입하는, 전단응력(τn) 연산 단계; (c) 상기 (b) 단계에서 연산된 최외측 검사체적(CVn)의 전단응력(τn)과 외기의 기류속도(Ue)와 수식2를 이용하여, 최외측 검사체적(CVn)의 기류속도(Un)를 연산하되, 수식2에서 최외측 검사체적(CVn)의 기류속도(Un)를 확인하고자 하는 검사체적의 기류속도(Ui)에 대입하고, 외기의 기류속도(Ue)를 인접한 기류속도(Uj)에 대입하는, 기류속도(Un) 연산 단계; (d) 최외측 검사체적(CVn)에 실내 방향으로 인접한 검사체적인, 확인하고자 하는 검사체적(CVi)을 설정하는 단계; (e) 상기 (c) 단계에서 연산된 최외측 검사체적(CVn)의 기류속도(Un)를 이용하며, 확인하고자 하는 검사체적(CVi)에 대하여 실외 방향으로 인접한 검사체적(CVj)의 기류속도(Uj)를 확인하고, 수식1을 이용하여 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 연산하는 단계; (f) 상기 (e) 단계에서 연산된 확인하고자 하는 검사체적(CVi)의 전단응력(τi)과 인접한 검사체적(CVj)의 기류속도(Uj)와 수식2를 이용하여 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)를 연산하는 단계; (g) 모든 i의 값에 대하여 실내 방향으로 순차적으로 (e) 내지 (f) 단계를 반복하여, 모든 검사체적(CVi)의 전단응력(τi) 및 기류속도(Ui)를 연산하는 단계; (h) 상기 (g) 단계에서 연산된 모든 검사체적(CVi)의 기류속도(Ui)를 이용하여 총기류속도(Utot)를 연산하는 단계; (i) 실제의 값인 기준 검사체적의 환경변수(Xm)와 외기 환경변수(Xe)를 확인한 후 그 차이인 환경변수차(ΔX)를 연산하는 단계; 및 (j) 상기 (g) 단계의 결과를 이용하여 기준 검사체적의 전단응력(τm)과 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 확인하여 전단응력이 증가하는지 여부를 확인하여 환경변수가 증가하는 방향인지 또는 감소하는 방향인지 확인하고, 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)와 총기류속도(Utot)의 비율을 이용하여 공기 질량유량의 비율()을 확인하고, 상기 (i) 단계에서 연산된 환경변수차(ΔX)를 이용하여 확인하고자 하는 검사체적(CVi)의 환경변수(Xi)를 예측하되, 모든 검사체적(CVi)에 대하여 각각 수행함으로써 환경변수 분포 예측 모델을 생성하는 단계를 포함하는 방법을 제공한다. 여기에서의 수식은 다음과 같다.
수식1:
수식2:
또한, 환경변수는 온도일 수 있다. (i) 단계는, 실제의 값인 기준 검사체적의 온도(Tm)와 외기온도(Te)를 확인한 후, 이와 수식3을 이용하여 온도차(ΔT)을 연산하는 단계이며, (j) 상기 (g) 단계의 결과를 이용하여 기준 검사체적의 전단응력(τm)과 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 확인하여 전단응력이 증가하는지 여부를 확인한 후, 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)와 총기류속도(Utot)의 비율을 이용하여 공기 질량유량의 비율()을 확인하고, 상기 (i) 단계에서 연산된 온도차(ΔT)와 수식4를 더 이용하여 확인하고자 하는 검사체적(CVi)의 온도(Ti)를 예측하되, 모든 검사체적(CVi)에 대하여 각각 수행함으로써 실내온도 분포 예측 모델을 생성하는 단계인 것이 바람직하다. 여기에서의 수식은 다음과 같다.
수식3:
수식4:
또한, 상기 (j) 단계는, 시간에 따른 기준 검사체적의 온도(Tm) 및 외기온도(Te)의 변화에 따라 실시간으로 실내온도 분포 예측 모델을 생성하는 단계를 포함하는 것이 바람직하다.
또한, 상기 (d) 단계에서, 외기와 인접한 최외측 검사체적(CVn)이 다수 있는 경우, 각각의 최외측 검사체적마다 실내 방향으로 이에 인접한 검사체적이 확인하고자 하는 검사체적(CVi)으로 설정되는 것이 바람직하다.
또한, 상기 (i) 단계에서 확인되는 기준 검사체적의 온도(Tm)를 확인하기 위한 온도센서가 상기 다수의 검사체적(CVi) 중 어느 하나 이상에 위치하는 것이 바람직하다.
또한, 상기 (i) 단계는, 주간에는 검사체적들 중 실내 발열이 없는 검사체적에 위치한 온도센서에서 측정된 기준 검사체적의 온도(Tm)를 이용하여 온도차(ΔT)를 연산하고, 야간에는 검사체적들 중 실내 발열이 있는 검사체적에 위치한 온도센서에서 측정된 기준 검사체적의 온도(Tm)를 이용하여 온도차(ΔT)를 연산하는 단계를 포함하는 것이 바람직하다.
본 발명에 의한 방법 사용시 환경변수 분포 예측 모델을 매우 높은 정확도로 생성할 수 있다. 실내온도 분포 예측 모델에 대한 검증실험 결과, MAE 0.195℃, RMSE 0.216℃, 각 검사체적에서는 MAE 0.115℃, RMSE 0.162℃~0.695℃로 확인되었다.
또한, 일반적인 사무용 컴퓨터를 사용하여도 10분 간격의 864회 예측에 5초 이내로 연산이 완료되기에 매우 신속한 적용이 가능하였다.
다만, 제어를 목적으로 실내온도 예측 모델을 단순화하는 과정에서 적용된 이론적 가정으로 약간의 오차가 발생하였으나, 이는 실내 발열 등에 기인한 것으로 판단되며 어느 정도 무시할 수 있는 수준의 오차로 확인되었다. 이러한 오차를 상쇄하기 위해 주야간 기준 검사체적을 다르게 하는 방법의 적용도 가능하다.
물론, 실내온도뿐만 아니라 이산화탄소 농도 등 다양한 실내의 환경변수 분포에 대해서도 우수한 예측 모델을 생성할 수 있다.
도 1은 본 발명에 따른 방법을 수행하기 위한 순서도이다. 환경변수가 실내의 온도인 경우를 예시적으로 설명하고 있다.
도 2는 본 발명에 따른 방법에 사용되는 외기온도를 예시적으로 나타낸다.
도 3은 검증 실험이 이루어진 분석 대상과, 분석 대상인 실내 공간을 검사체적으로 분할한 결과와, 각 검사체적의 기류속도를 연산하기 위한 수학식을 도시한다. 여기에서의 수학식은 아래의 수학식 6을 참조할 수 있다.
도 4, 도 5 및 도 6은 기준 검사체적을 CV2, CV6, CV1로 하여 검증 실험한 결과를 도시한다. 각 도면의 (a)는 전체적인 실내 온도 평균, (b)는 한 축에 위치한 검사체적(CV2, CV4, CV6)의 실내 온도 평균, (c)는 각 검사체적의 실내 온도 평균의 예측값과 실측값을 비교하여 도시한다.
도 7은 기준 검사체적을 CV1로 한 예측 결과로서 온도를 선형으로 배치한 결과를 우측에 도시하고, 좌측에는 실측값을 도시한다.
도 8은 기준 검사체적을 CV2, CV6, CV1로 하여 검증 실험한 결과를 각 검사체적마다 도시한 그래프로, X축은 실측값을 나타내고 Y축은 예측값을 나타낸다.
이하에서, "환경변수"는 건물에너지 최적 제어를 위해 필요한 실내의 다양한 정보를 포함하는 개념으로 특히 공기 교환량에 의해 그 분포가 결정되는 것으로 가정 가능한 변수들을 지칭하는 개념이다. 예컨대, 실내온도, 이산화탄소 농도 등이 환경변수일 수 있다.
이하에서 본 발명에 따른 방법은 제어부(미도시)가 각 단계의 주체가 되어 정보를 입력하거나 입력된 정보를 처리함으로써 수행될 수 있다.
예컨대, 본 발명에 따른 방법을 수행하기 위해 실내공간은 다수의 검사체적(CVi)으로 분할되어야 하는데, 이는 제어부(미도시)에 의해 자동으로 또는 사용자에 의해 수동으로 이루어질 수 있다. 또한, 본 발명에 따른 방법을 수행하기 위해 실내 온도센서(미도시)가 센싱한 기준 검사체적의 온도(Tm)가 제어부(미도시)에 입력될 수 있으며, 제어부(미도시)는 기상청 데이터베이스에서 외기온도(Te)를 불러올 수도 있다. 또한, 공기 밀도(ρ), 공기 점성계수(μ)를 확인하고 검사체적(CVi)들 사이의 프란틀 혼합거리(l)가 자동으로 연산될 수 있다.
또한, 제어부(미도시)는 기록장치를 포함할 수 있어서, 본 발명에 따른 방법은 제어부(미도시)에 의해 제어되도록 기록장치에 저장된 프로그램으로서 수행될 수 있다.
1. 본 발명에 따른 실내온도 분포 예측 모델 생성 방법의 기술적 배경
실내 다양한 환경변수 중 실내온도를 예로 들어 본 발명을 설명한다.
실내의 기류 유동은 위치에 따라 층류 및 난류로 다양하고, 또 일시적으로 나타나기도 하므로 기류 유동에 따른 운동량과 열 확산의 예측을 위해서는 복잡한 모델이 요구된다. 건물 에너지 제어를 목적으로 실내온도 분포 예측 모델을 생성한다면 단순화가 필요한데, 이를 위하여 실내온도의 분포는 각 영역에서 기류 유동으로 발생하는 공기 교환량에 의한 것으로 가정하고 실내 공간을 단열경계(Adiabatic boundary) 조건으로 가정한다.
모델을 단순화하기 위하여 정상상태(Steady State)를 기준으로 레이놀즈 수송 정리(Reynolds Transport Theorem)를 적용한다. 실내 공간을 같은 크기의 검사체적(CV, Control Volume)으로 분할하였으며, 각 검사체적에서는 기류속도와 온도가 균일한 상태의 1차원 유동(1-D Flow)으로 가정한다.
실내 각 영역의 온도차가 공기 교환량에 의한 것으로 보기에, 특정 검사체적의 온도와 외기온도가 주어지면 공기 교환량인 공기 질량유량의 비율을 통해 검사체적의 상대적인 온도를 예측할 수 있다. 기류가 유동하는 검사표면의 면적이 같으므로 공기 질량유량의 비율은 기류속도의 비율을 이용하여 구할 수 있으며, 각 기류속도는 실내의 전단응력을 통해 계산할 수 있다. 여기서, 하나의 특정한 검사체적의 온도는 열역학적 모델 또는 실내 온도센서의 측정으로 얻을 수 있으며, 외기 온도는 기상청 자료를 사용한다(도 2 참조). 다만, 제시하는 유체역학적 예측 모델은 열적 매개변수를 고려하지 않기 때문에 고온에서 저온으로 나타나는 열의 이동 경로를 외기와 접하는 방향에 따라 정해주어야 하며, 한편으로는 열적 매개변수를 취급하지 않아 열역학적 모델과 간섭없이 작동할 수 있다.
2. 본 발명에 따른 방법의 설명
2.1 검사체적 분할
실내온도 분포 예측 모델을 생성하고자 하는 실내공간을, 실외에서 실내 방향으로, 동일한 크기의 다수의 검사체적(CVi)으로 분할한다. 여기서, i = 1, 2 … n이며, 최외측 검사체적(CVn)은 외기(exterior air)에 인접하며, 외기의 기류속도(Ue)는 1이다. 도 3에는 이와 같은 방식으로 분할된 실내공간의 예시가 도시된다.
외기와 인접한 최외측 검사체적(CVn)이 다수 있는 경우, 각각의 최외측 검사체적마다 실내 방향으로 인접한 검사체적이 분할된다. 도 3의 예시에서 CV5와 CV6가 외기와 인접하며, CV6에서는 실내 방향으로 CV4, CV2가 분할되고, CV5에서는 실내 방향으로 CV3과 CV1이 분할된다.
2.2 최외측 검사체적의 전단응력 연산
다음, 외기와 인접한 최외측 검사체적(CVn)의 전단응력(τn)을 연산한다. 이를 위해 레이놀즈 수송 정리가 사용된다. 레이놀즈 수송 정리는 특정 영역에 대하여 유체의 상태량을 추정하는데 사용된다. 유체의 운동량에 대하여 수학식 1과 같이 체적 항과 표면 항으로 유도할 수 있으며, 정상상태에서는 수학식 2와 같이 표면 항으로 나타낼 수 있다. 예측 모델에서 은 속도 벡터 와 표면 수직 외부방향 단위벡터 와의 점곱셈(dot product)이다.
한편, 검사체적에서 기류 유동이 균일하므로 속도 구배(Velocity Gradient)를 고려하지 않고 전단응력이 균일한 것으로 볼 수 있다. 다만, 전단응력은 기류 속도에 따라 결정되므로 실외에서 실내측 방향으로 감소하는 전단응력을 반영할 수 있도록 순차적으로 계산되어야 한다. 유체의 작용하는 전단응력은 벽면으로부터의 거리와 유체의 속도로 구할 수 있으며, 프란틀(Prandtl) 혼합거리(l)에 따라 유체에 작용하는 층류 및 난류에 대한 전단응력으로 표현된다. 또한, 각 검사체적에서는 기류 유동이 일정한 것으로 보았으므로 검사체적 CVj에서 CVi로 기류가 유동할 때 검사체적 CVi에 대한 전단응력(τi)은 수학식 3과 같이 표현된다.
따라서, 공기 밀도(ρ) 및 공기 점성계수(μ)를 확인하고 검사체적(CVi)들 사이의 프란틀 혼합거리(l)를 확인하고, 외기의 기류속도(Ue)를 수학식 3에 대입함으로써 최외측 검사체적(CVn)의 전단응력(τn)이 연산된다. 이 때에, 외기의 기류속도(Ue)의 값인 1이 인접한 검사체적의 기류속도(Uj)에 대입된다.
2.3 최외측 검사체적의 기류속도 연산
다음, 외기와 인접한 최외측 검사체적(CVn)의 기류속도(Un)를 연산한다.
실내의 기류속도는 실외에서 실내 방향으로 이동하면서 각 검사체적의 전단응력에 의해 점차 작아진다. 검사체적에서 기류 유동과 전단응력이 일정하므로 각 검사체적을 하나의 노드(Node)로 볼 수 있다. 이에 따라, 외기에 인접한 최외측 검사체적(CVn)에서의 힘을 Fj라고 하고 전단응력을 τj라고 하며 외기에서의 힘을 Fe라고 할 경우 힘의 평형은 수학식 4와 같이 표현된다.
또한, 기류가 유동하는 검사체적의 검사표면(CS, Control Surface)의 면적(A)이 동일하므로 수학식 2를 수학식 4에 대입하고 면적(A)을 소거하면 수학식 5와 같다.
외기 기류속도(Ue)는 1이며, 최외측 검사체적(CVn)의 전단응력(τn)이 앞서 연산되었는바, 이를 이용하여 최외측 검사체적(CVn)의 기류속도(Un)가 연산될 수 있다. 위 수학식에서는 최외측 검사체적(CVn)의 기류속도(Un)가 Uj로 표현되어 있다. 한편, 동일한 방식이 모든 검사체적에서 적용된다. 즉, 확인하고자 하는 검사체적(CVi)의 기류속도와 실외 방향으로 인접한 검사체적(CVj)에 대하여 수학식 6으로 나타낼 수 있다.
수학식 6을 이용하여 정리한다면, 먼저 연산된 최외측 검사체적(CVn)의 전단응력(τn)과 외기의 기류속도(Ue)와 수학식 6을 이용하여, 최외측 검사체적(CVn)의 기류속도(Un)를 연산하되, 수학식 6에서 최외측 검사체적(CVn)의 기류속도(Un)를 확인하고자 하는 검사체적의 기류속도(Ui)에 대입하고, 외기의 기류속도(Ue)(즉, 1)를 인접한 기류속도(Uj)에 대입함으로써 기류속도(Un)가 연산된다.
2.4 모든 검사체적의 전단응력과 기류속도 연산
최외측 검사체적(CVn)의 전단응력(τn)과 기류속도(Un)가 연산되었으므로, 최외측 검사체적(CVn)부터 실내 방향으로 순차적으로(즉, i는 n-1 … 1 순서로) 모든 검사체적(CVi)의 전단응력(τi)과 기류속도(Ui)가 연산될 수 있다. 여기서, 실내 방향으로 순차적으로 연산되는 것이 중요하다. 도 3에 도시된 각 검사체적의 수학식을 참조할 수 있다.
구체적으로, 먼저 최외측 검사체적(CVn)에 실내 방향으로 인접한 검사체적인, 확인하고자 하는 검사체적(CVi)을 설정한다.
먼저 연산된 최외측 검사체적(CVn)의 기류속도(Un)를 이용하며, 확인하고자 하는 검사체적(CVi)에 대하여 실외 방향으로 인접한 검사체적(CVj)의 기류속도(Uj)를 확인하고, 수학식 3을 이용하여 Uj에 기류속도(Un)를 대입함으로써 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 연산한다. (물론, 그 다음 검사체적에서 전단응력을 연산하는 경우, 최외측 검사체적(CVn)이 아닌, 그 다음의 검사체적이 이용될 것이다.)
확인하고자 하는 검사체적(CVi)의 전단응력(τi)이 연산되었다면, 실외 방향으로 인접한 검사체적(CVj)의 기류속도(Uj)가 연산되어 있으므로, 수학식 6을 이용하여 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)를 연산한다.
이러한 방식으로, 모든 i의 값에 대하여 실내 방향으로 순차적으로 전단응력 및 기류속도 연산을 반복함으로써 모든 검사체적(CVi)의 전단응력(τi) 및 기류속도(Ui)가 연산된다.
한편, 기류가 유동하는 면적이 동일하므로 기류 속도의 비로 공기 교환량의 비율, 즉 공기 질량유량의 비율 역시 알 수 있다. 또한, 계산 과정에서 알 수 있듯이 기류 속도의 비율은 실외 기류 속도와 무관하게 전단응력으로 구해지므로 예측 모델은 시시각각 변화하는 실외 기류 속도를 모르더라도 실의 크기와 형태에 따른 기류 분포를 표현할 수 있다.
2.5 검사체적의 실내온도 예측과 실내온도 분포 예측 모델 생성
모든 검사체적(CVi)의 전단응력(τi)과 기류속도(Ui)가 연산되었고, 기류 속도의 비율로 공기 순환량의 비율을 알 수 있으므로, 이를 이용하여 모든 검사체적(CVi)의 온도(Ti)를 예측할 수 있다. 이를 위해, 먼저 연산된 모든 검사체적(CVi)의 기류속도(Ui)를 이용하여 총기류속도(Utot)를 연산해 둔다.
열역학적 매개변수가 고려된 특정 영역의 온도가 주어지는 조건에서 실내온도 분포는 공기 질량유량의 비율에 의한 것으로 가정되었으므로, 실내 온도센서 측정으로 하나의 기준 검사체적의 실내온도(Tm)가 주어지고 외기온도(Te)가 주어지면 다른 검사체적의 상대적인 온도를 구할 수 있다.
다만, 본 발명에 따른 방법은 열적 매개변수를 취급하지 않기에 열의 이동 방향을 정해주어야 한다. 외기에 접한 검사체적일수록 전단응력이 크며, 검사체적의 온도는 외기 온도와 가까워진다. 따라서, 실내 온도센서가 위치하여 실내온도(Tm)가 주어지는 검사체적의 위치를 기준으로 다른 검사체적의 실내온도는 수학식 7과 같이 나타낼 수 있다. 단, 전단응력이 작아지는 방향으로 계산하는 경우에는 기준 검사체적의 실내온도(Tm)를 다음 검사체적으로 반영하여 순차적으로 계산한다. 또한, 여기서 공기 질량유량의 비율()은 기류속도(Ui)와 총기류속도(Utot)의 비율과 같다.
또한, 낮과 밤이나 계절마다 실내온도는 실외보다 높거나 낮게 나타나므로, 고온으로부터 저온으로 열이 이동하는 경로에 대하여 β를 표현하면 다음과 같다.
따라서, 가장 실내 측의 검사체적(τm<τi)에서 측정된 실내온도를 사용하는 경우, 수학식 7에 수학식 8을 대입하여 검사체적의 수학식 9를 생성한 후 이를 이용하여 상대적 온도를 구할 수 있다.
따라서, 실내 온도센서 또는 열역학적 모델로 기준 검사체적의 실내온도(Tm)가 주어지면 기상자료를 이용한 외기온도(Te)을 반영하여 실내온도 분포를 예측할 수 있다.
수학식 7 및 8을 이용하여 정리한다면, 먼저 앞서 연산한 결과를 이용하여 기준 검사체적의 전단응력(τm)과 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 확인하여 전단응력이 증가하는지 여부를 확인함으로써, 수학식 7 중에서 어떠한 식을 이용할지 결정한다.
다음, 실제로 측정한 값인 기준 검사체적의 온도(Tm)와 기상자료 등으로부터 획득된 외기온도(Te)를 확인한 후, 수학식 8을 이용하여 온도차(ΔT)을 연산한다.
다음, 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)와 총기류속도(Utot)의 비율을 이용하여 공기 질량유량의 비율()을 확인하고, 연산된 온도차(ΔT)와 수학식 7을 이용하여 확인하고자 하는 검사체적(CVi)의 온도(Ti)를 연산한다. 이러한 방법이 모든 검사체적(CVi)에 대하여 각각 수행되면, 실내공간의 모든 검사체적(CVi)의 온도(Ti)가 예측되고 실내온도 분포 예측 모델이 생성된다.
또한, 시간에 따라 기준 검사체적의 온도(Tm) 및 외기온도(Te)가 변화하므로, 변화하는 값에 따라 실시간으로 온도(Ti)가 예측되게 되며, 이를 통해 시간에 따라 변화하는 실내온도 분포 예측 모델이 완성된다.
3. 검증
대한민국 서울시 영등포구에 위치한 사무실로 북측으로 외기와 접한 분석 대상을 이용하여 본 발명에 따른 실내온도 분포 예측 모델을 생성하고, 실제 온도센서를 위치시켜 정확성을 검증하였다.
외기온도(Te)는 분석 대상이 위치한 서울 지역의 매시간 종관기상관측(ASOS) 자료를 활용하되 실내온도 측정 간격과 동일한 10분 단위로 선형 보간하였으며, 이는 도 2에 도시된다.
도 3과 같이 실내 공간을 6개의 검사체적으로 분할하였다. 그 외의 가정은 앞서 밝힌 바와 같다. 분석 대상의 장단변비(Aspect Ratio)는 1.46 : 1이며, 바닥면적은 147.87 m2, 체적은 384.47 m3이다. 실내 공간을 도 3과 같이 6개의 같은 크기로 분할하였으므로, 각 검사체적의 크기(WХD)는 4.89 mХ5.04 m로 바닥면적은 24.65 m2, 체적은 64.08 m3이다. 실내외 1차원 유동을 가정하였으므로 CV3 및 CV4의 다른 실내 공간과 연결되는 출입문(door)에 의한 공기 교환은 고려하지 않았다. 실측을 위하여 6개로 분할된 각 검사체적을 대표하는 1.2 m 높이에 데이터 기록이 가능한 실내 온도센서를 설치하여 2020년 7월 10일부터 8월 10일까지 실내 온도를 실측하였다. 다만, CV1에 설치된 사무기기의 전원이 상시 켜져 있는 상태로 측정되었다. 또한, 센서 측정 위치에 따른 예측 성능의 차이를 확인하기 위하여 기준 검사체적의 위치를 CV2, CV6, CV1로 구분하여 실측 및 예측 결과를 비교 분석하였다. 실측 결과는 예측 모델로 도출된 결과와 오차를 비교, 분석하여 모델의 검증에 활용하였으며, 모델의 예측 성능을 평가하기 위한 척도는 MAE(Mean Absolute Error), RMSE(Root Mean Square Error), R2(Coefficient of Determination)를 사용하였다.(12)
3.1 CV2를 기준 검사체적으로 한 경우
도 4는 CV2를 기준 검사체적으로 하여 여기에 설치된 센서의 실측 온도를 Tm으로 한 후 실내온도 분포 예측 모델 생성 결과(prediction)를, 온도센서의 실측값(measured)과 비교한 그래프이다.
예측 결과, 도 4의 (a)와 같이, 전체적인 실내 평균 온도는 MAE 0.195℃, RMSE 0.216℃, R2 0.962로 실내의 열적 상태를 비슷하게 예측하였다. 각 검사체적의 실측 및 예측 결과는 도 4의 (c)와 같이 CV3과 CV4는 각각 MAE 0.115℃, 0.140℃, RMSE는 0.162℃, 0.177℃로 인접한 실내 공간과 연결되는 출입문의 영향이 있음에도 불구하고 높은 예측 성능을 보였으며, 외기에 직면한 CV6에서는 MAE 0.168℃, RMSE 0.245℃의 준수한 예측 성능을 보였다. 반면, 실내 발열의 영향이 있는 CV1과 전실(vestibule)에 면한 CV5에서는 열적 매개변수가 고려되지 않아 각각 MAE 0.587℃, 0.659℃, RMSE 0.599℃, 0.695℃로 실측 결과가 예측 결과에 비해 높게 나타나면서 비교적 낮은 예측 성능을 보였다. 따라서, 예측 모델의 오차 발생은 열적 매개변수를 고려하지 않는 이유로 나타나는 것을 알 수 있다. 한편, 실측 환경에서 열적 매개변수의 영향이 없는 CV2, CV4, CV6축의 평균 온도는 MAE 0.115℃, RMSE 0.162℃, R2 0.966으로 도 4의 (b)에서 확인할 수 있듯이 우수한 예측 성능을 보였다.
3.2 CV6를 기준 검사체적으로 한 경우
도 5는 CV6을 기준 검사체적으로 하여 여기에 설치된 센서의 실측 온도를 Tm으로 한 후 실내온도 분포 예측 모델 생성 결과(prediction)를, 온도센서의 실측값(measured)과 비교한 그래프이다.
예측 결과, 이 경우에도, 도 5의 (a)와 같이, 전체적인 평균 온도는 MAE 0.298℃, RMSE 0.312℃, R2 0.983으로 준수한 예측 성능을 보였다. 도 5의 (c)에서 각 검사체적의 실측 및 예측 결과를 살펴보면, 앞서 CV2를 기준으로 한 예측 결과와 마찬가지로 열적 매개변수의 영향을 받는 CV1과 CV5에서는 실측 결과가 예측 결과에 비해 다소 높게 나타났다. CV1은 실내 발열의 영향으로 MAE 0.903℃, RMSE 0.926℃, CV5에서는 전실의 영향으로 MAE 0.653℃, RMSE 0.663℃의 낮은 예측 성능을 보였다. CV3과 CV4에서는 각각 MAE 0.099℃, 0.127℃, RMSE는 0.133℃, 0.166℃로 실측 결과와 잘 일치하였으며, 실내 깊이 위치한 CV2에서는 실측 결과에 비해 예측 결과가 비교적 낮은 온도로 예측되면서 MAE 0.316℃, RMSE는 0.357℃로 나타났다. 한편, 도 5의 (b)와 같이 열적 매개변수의 영향이 없는 CV2, CV4, CV6축에서는 평균 온도 MAE 0.094℃, RMSE 0.123℃, R2 0.983으로 정교하게 예측되었다.
CV2를 기준으로 예측한 결과에서는 도 4의 (c)와 같이 실외 방향의 검사체적으로 갈수록 예측 결과가 실측 결과에 비해 주간에는 높고 야간에는 낮아지는 경향을 보이는데 반해 CV6을 기준으로 하는 경우에는 도 5의 (c)에서 알 수 있듯이 실내 방향의 검사체적으로 갈수록 예측 결과가 실측 결과에 비해 낮게 나타났다. 이는 예측 모델이 기준 검사체적의 온도를 바탕으로 실내외 온도차를 산정하기 때문으로 센서의 설치 위치에 따라 오차의 경향이 다르게 나타나는 것을 알 수 있다. 그러나 CV2에서 CV6으로 기준 검사체적이 변경되면서 오차의 경향에는 차이를 보였으나 전반적으로 예측 모델은 실내의 열적 상태를 실제 열적 상태와 유사하게 예측하였다.
3.3 CV1을 기준 검사체적으로 한 경우
도 6은 CV1을 기준 검사체적으로 하여 여기에 설치된 센서의 실측 온도를 Tm으로 한 후 실내온도 분포 예측 모델 생성 결과(prediction)를, 온도센서의 실측값(measured)과 비교한 그래프이다.
예측 결과, 도 6의 (a)와 같이, 전체적인 실내 평균 온도는 MAE 0.354℃ , RMSE 0.401℃로 준수하게 예측되었으나 각 검사체적에서는 예측 결과가 실측 결과에 비해 높게 나타나며 비교적 낮은 예측 성능을 보였다. CV2는 MAE 0.587℃, RMSE 0.599℃로, CV3과 CV4에서는 각각 MAE는 0.557℃, 0.622℃, RMSE는 0.594℃, 0.655℃로 예측 성능이 비교적 낮게 나타났다. 외기와 직접 면하는 CV6에서도 MAE 0.510℃, RMSE 0.593℃로 CV2 및 CV6을 기준으로 한 것에 비해 낮은 예측 성능을 보였다. 반면, 전실에 면하여 실측 온도가 높은 CV5에서는 MAE 0.327℃, RMSE 0.405℃로 오히려 예측 성능이 높게 나타났다.
전반적으로 예측 결과가 높게 나타나는 이유는 실내 발열의 영향으로 다른 검사체적에 비해 높은 온도를 나타내는 CV1을 기준으로 실내외 온도차가 높게 산정되었기 때문이다. 도 6의 (a)에서 실내 평균 온도 예측 결과는 마치 주간 시간대에 오차가 크게 발생하는 것처럼 보이나, 도 6의 (c)에서 각 검사체적의 예측 결과를 살펴보면, CV2, CV3, CV4, CV6에서는 예측 결과가 실측 결과에 비해 높게 나타나며 오차가 발생하는 것에 반해 CV5에서는 전실의 영향으로 야간 시간대의 실측 결과가 예측 결과에 비해 높은 것을 알 수 있다. 이러한 이유로 야간의 오차가 상쇄되어 실내 평균 온도의 예측 결과에서는 마치 주간 시간대에만 오차가 발생하는 것처럼 판단된다. 즉, 예측 모델은 열적 매개변수의 미고려로 실내외 온도차가 높게 산정되는 경우에는 오차가 증가하는 것을 알 수 있다.
한편, 가장 낮은 예측 성능을 보인 CV1 기준의 예측 결과에서 열적 매개변수의 영향이 최소화되는 야간 시간대에 대하여 검사체적의 배치와 크기를 고려하여 도 7과 같이 선형 배치해 보면, 열적 매개변수의 영향으로 오차가 발생함에도 불구하고 실내의 열적 상태를 비교적 잘 표현한다. 예측 모델은 열적 매개변수로 인하여 오차가 발생하더라도 도 8과 같이 실측 결과와 높은 상관성을 갖는 예측 결과를 제공하여 실내의 상대적 온도차를 잘 나타내므로, 열역학적 모델과 연동하여 건물에너지 최적 제어에 유효하게 작동할 수 있을 것으로 판단된다.
3.4 검증 결론
제어를 목적으로 예측 모델을 단순화하는 과정에서 적용된 이론적 가정으로 약간의 오차가 발생하였으나, 기준 검사체적의 온도(Tm)를 확인하기 위한 단 1개의 온도센서를 이용하여 예측 모델을 생성하였음에도 각 검사체적의 상대적 온도차를 잘 표현하였으며 정교한 예측 성능을 보여주었다.
또한, 사무용 컴퓨터를 사용하는 연산 환경에서 10분 간격의 864회 예측에 5초 이내로 연산이 완료되기에 매우 신속한 적용이 가능하였다.
다만, 앞선 검증 실험 결과를 검토한다면, 야간 실내 발열로 인한 오차를 상쇄하기 위한 방법을 적용할 수 있을 것이다. 예컨대, 기준 검사체적의 온도(Tm)를 확인하기 위한 온도센서를 2개 이상 서로 다른 검사체적(CVi)에 위치시킨 후, 주간에는 검사체적들 중 실내 발열이 없는 검사체적에 위치한 온도센서에서 측정된 기준 검사체적의 온도(Tm)를 이용하여 온도차(ΔT)를 연산하여 모델을 생성하고, 야간에는 검사체적들 중 실내 발열이 있는 검사체적에 위치한 온도센서에서 측정된 기준 검사체적의 온도(Tm)를 이용하여 온도차(ΔT)를 연산함으로써 모델을 생성함으로써 주야간 다른 모델을 적용할 수도 있을 것이다.
4. 다른 환경변수로의 확장
앞서 환경변수가 온도인 경우의 예로 들어서, 실내온도 분포 예측 모델을 생성하는 과정을 설명하였고 검증 실험을 통해 결과가 우수함을 확인하였다. 이러한 예측 모델의 가정은 실내온도 분포가 각 영역에서 기류 유동으로 발생하는 공기 교환량에 의한 것이었기에, 공기 교환량 유동에 의해 변화하는 것으로 가정할 수 있는 다양한 실내 환경변수는 모두 본 발명에 의하 방법으로 그 분포를 예측할 수 있다.
구체적으로, 기준 감사체적에 환경변수를 감지할 수 있는 센서를 위치시켜 환경변수(Xm)를 측정하고 외기에서의 해당 환경변수(Xe)를 확인한 후 그 차이인 환경변수차(ΔX)를 연산하게 되며, 기준 검사체적의 전단응력(τm)과 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 확인하여 전단응력이 증가하는지 여부를 확인하여 환경변수가 증가하는 방향인지 또는 감소하는 방향인지 확인한 이후, 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)와 총기류속도(Utot)의 비율을 이용하여 공기 질량유량의 비율()을 확인하고, 연산된 환경변수차(ΔX)를 이용하여 확인하고자 하는 검사체적(CVi)의 환경변수(Xi)를 예측하되, 모든 검사체적(CVi)에 대하여 각각 수행함으로써 환경변수 분포 예측 모델을 생성할 수 있다.
예컨대, 실내의 이산화탄소 농도 분포 예측 모델이 생성 가능하다.
모든 검사체적(CVi)의 전단응력(τi) 및 기류속도(Ui)를 연산하고, 총기류속도(Utot)를 연산하는 것은 실내온도 분포 예측 모델의 예시에서와 동일하다. 다만, 기준 검사체적에 이산화탄소 농도 센서를 위치시켜 그 값을 확인한다. 외기의 이산화탄소 농도를 확인하고 그 차이를 확인한다. 외기의 이산화탄소 농도의 값은 기상청 데이터에서 확인하거나 실외 센서를 통해서도 확인 가능하다.
검사체적의 방향에 따라 이산화탄소 농도가 증가하는 방향인지 감소하는 방향인지는 별도 확인하여야 한다. 마찬가지로 전단응력 증가 여부를 통해 확인한다. 또한, 마찬가지로, 공기 질량유량의 비율()을 확인하고, 연산된 이산화탄소 농도 차이를 이용하여 확인하고자 하는 검사체적(CVi)의 환경변수(Xi)를 예측하되, 모든 검사체적(CVi)에 대하여 각각 수행함으로써 이산화탄소 농도 분포 예측 모델을 생성할 수 있다.
실내온도와 이산화탄소 농도 외에도, 산소 농도, 미세먼지 농도, 열쾌적도 등 공기 교환량 유동에 의해 변화하는 다양한 환경변수들에 대한 분포 예측 모델이 본 발명에 의해 생성 가능할 것임이 자명하게 이해될 것이다.
CVi: 검사체적 (i = 1, 2, … ,n, n은 검사체적의 개수인 자연수)
A：　검사표면 면적 [m2]
F：　유체 운동력 [N]
M：　공기 질량유량 [kg/s]
T：　온도 [℃]
Ti: 검사체적(CVi)의 온도 [℃]
Tm: 실내 온도센서가 위치한 기준 검사체적의 온도 [℃]
Te: 외기온도 [℃]
ΔT：　온도차 [℃]
X：　환경변수 [단위는 각 환경변수에 따름]
Xi: 검사체적(CVi)의 환경변수 [단위는 각 환경변수에 따름]
Xm: 센서가 위치한 기준 검사체적의 환경변수 [단위는 각 환경변수에 따름]
Xe: 외기 환경변수 [단위는 각 환경변수에 따름]
ΔX：　환경변수차 [단위는 각 환경변수에 따름]
V：　체적 [m3]
l：　프란틀 혼합거리 [m]
U：　기류속도 [m/s]
Ui: 검사체적(CVi)의 기류속도 [m/s]
Ue: 외기의 기류속도 [m/s]
y：　벽면과의 거리 [m]
μ：　공기 점성계수 [Pa·s]
ρ：　공기 밀도 [kg/m3]
τ：　전단응력 [Pa]
τi: 검사체적(CVi)의 전단응력 [Pa]

Claims (6)

  1. (a) 실내공간을, 실외에서 실내 방향으로, 동일한 크기의 다수의 검사체적(CVi)으로 분할하는 단계; - 여기서, i = 1, 2, … n이며, 최외측 검사체적(CVn)은 외기에 인접하며, 외기의 기류속도(Ue)는 1임
    (b) 공기 밀도(ρ) 및 공기 점성계수(μ)를 확인하고 검사체적(CVi)들 사이의 프란틀 혼합거리(l)를 확인하고, 외기의 기류속도(Ue)와 수식1을 이용하여, 외기와 인접한 최외측 검사체적(CVn)의 전단응력(τn)을 연산하되, 외기의 기류속도(Ue)를 인접한 검사체적의 기류속도(Uj)에 대입하는, 전단응력(τn) 연산 단계;
    수식1:
    (c) 상기 (b) 단계에서 연산된 최외측 검사체적(CVn)의 전단응력(τn)과 외기의 기류속도(Ue)와 수식2를 이용하여, 최외측 검사체적(CVn)의 기류속도(Un)를 연산하되, 수식2에서 최외측 검사체적(CVn)의 기류속도(Un)를 확인하고자 하는 검사체적의 기류속도(Ui)에 대입하고, 외기의 기류속도(Ue)를 인접한 기류속도(Uj)에 대입하는, 기류속도(Un) 연산 단계;
    수식2:
    (d) 최외측 검사체적(CVn)에 실내 방향으로 인접한 검사체적인, 확인하고자 하는 검사체적(CVi)을 설정하는 단계;
    (e) 상기 (c) 단계에서 연산된 최외측 검사체적(CVn)의 기류속도(Un)를 이용하며, 확인하고자 하는 검사체적(CVi)에 대하여 실외 방향으로 인접한 검사체적(CVj)의 기류속도(Uj)를 확인하고, 수식1을 이용하여 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 연산하는 단계;
    (f) 상기 (e) 단계에서 연산된 확인하고자 하는 검사체적(CVi)의 전단응력(τi)과 인접한 검사체적(CVj)의 기류속도(Uj)와 수식2를 이용하여 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)를 연산하는 단계;
    (g) 모든 i의 값에 대하여 실내 방향으로 순차적으로 (e) 내지 (f) 단계를 반복하여, 모든 검사체적(CVi)의 전단응력(τi) 및 기류속도(Ui)를 연산하는 단계;
    (h) 상기 (g) 단계에서 연산된 모든 검사체적(CVi)의 기류속도(Ui)를 이용하여 총기류속도(Utot)를 연산하는 단계;
    (i) 실제의 값인 기준 검사체적의 환경변수(Xm)와 외기 환경변수(Xe)를 확인한 후 그 차이인 환경변수차(ΔX)를 연산하는 단계; 및
    (j) 상기 (g) 단계의 결과를 이용하여 기준 검사체적의 전단응력(τm)과 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 확인하여 전단응력이 증가하는지 여부를 확인하여 환경변수가 증가하는 방향인지 또는 감소하는 방향인지 확인하고, 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)와 총기류속도(Utot)의 비율을 이용하여 공기 질량유량의 비율()을 확인하고, 상기 (i) 단계에서 연산된 환경변수차(ΔX)를 이용하여 확인하고자 하는 검사체적(CVi)의 환경변수(Xi)를 예측하되, 모든 검사체적(CVi)에 대하여 각각 수행함으로써 환경변수 분포 예측 모델을 생성하는 단계를 포함하는,
    방법.
  2. 제 1 항에 있어서,
    환경변수는 온도이며,
    상기 (i) 단계는,
    실제의 값인 기준 검사체적의 온도(Tm)와 외기온도(Te)를 확인한 후, 이와 수식3을 이용하여 온도차(ΔT)을 연산하는 단계이고,
    수식3:
    상기 (j) 단계는,
    (j) 상기 (g) 단계의 결과를 이용하여 기준 검사체적의 전단응력(τm)과 확인하고자 하는 검사체적(CVi)의 전단응력(τi)을 확인하여 전단응력이 증가하는지 여부를 확인한 후, 확인하고자 하는 검사체적(CVi)의 기류속도(Ui)와 총기류속도(Utot)의 비율을 이용하여 공기 질량유량의 비율()을 확인하고, 상기 (i) 단계에서 연산된 온도차(ΔT)와 수식4를 더 이용하여 확인하고자 하는 검사체적(CVi)의 온도(Ti)를 예측하되, 모든 검사체적(CVi)에 대하여 각각 수행함으로써 실내온도 분포 예측 모델을 생성하는 단계인,
    수식4:
    방법.
  3. 제 2 항에 있어서,
    상기 (j) 단계는,
    시간에 따른 기준 검사체적의 온도(Tm) 및 외기온도(Te)의 변화에 따라 실시간으로 실내온도 분포 예측 모델을 생성하는 단계를 포함하는,
    방법.
  4. 제 2 항에 있어서,
    상기 (d) 단계에서, 외기와 인접한 최외측 검사체적(CVn)이 다수 있는 경우, 각각의 최외측 검사체적마다 실내 방향으로 이에 인접한 검사체적이 확인하고자 하는 검사체적(CVi)으로 설정되는,
    방법.
  5. 제 2 항에 있어서,
    상기 (i) 단계에서 확인되는 기준 검사체적의 온도(Tm)를 확인하기 위한 온도센서가 상기 다수의 검사체적(CVi) 중 어느 하나 이상에 위치하는,
    방법.
  6. 제 5 항에 있어서,
    상기 (i) 단계는,
    주간에는 검사체적들 중 실내 발열이 없는 검사체적에 위치한 온도센서에서 측정된 기준 검사체적의 온도(Tm)를 이용하여 온도차(ΔT)를 연산하고,
    야간에는 검사체적들 중 실내 발열이 있는 검사체적에 위치한 온도센서에서 측정된 기준 검사체적의 온도(Tm)를 이용하여 온도차(ΔT)를 연산하는 단계를 포함하는,
    방법.
KR1020210154984A 2021-11-11 2021-11-11 건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법 KR102611880B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210154984A KR102611880B1 (ko) 2021-11-11 2021-11-11 건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210154984A KR102611880B1 (ko) 2021-11-11 2021-11-11 건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법

Publications (2)

Publication Number Publication Date
KR20230068817A KR20230068817A (ko) 2023-05-18
KR102611880B1 true KR102611880B1 (ko) 2023-12-11

Family

ID=86545471

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210154984A KR102611880B1 (ko) 2021-11-11 2021-11-11 건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법

Country Status (1)

Country Link
KR (1) KR102611880B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101776567B1 (ko) 2017-01-11 2017-09-11 대한민국 실내에서의 효율적인 냉난방 및 에너지 절약을 위한 온도 성층화 개선방법 및 이를 이용한 난방제어 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101776567B1 (ko) 2017-01-11 2017-09-11 대한민국 실내에서의 효율적인 냉난방 및 에너지 절약을 위한 온도 성층화 개선방법 및 이를 이용한 난방제어 시스템

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
대한설비공학회 논문집, 대한설비공학회, 2017.11., 제139면 내지 제142면
한국산업위생학회지, 한국산업위생학회, 2001.05., 제78면 내지 제84면
한국유체기계학회 논문집, 한국유체기계학회, 2019.10., 제13면 내지 제20면
한국태양에너지학회 논문집, 한국태양에너지학회, 2017.10., 제127면

Also Published As

Publication number Publication date
KR20230068817A (ko) 2023-05-18

Similar Documents

Publication Publication Date Title
Shinoda et al. A review of the surface heat transfer coefficients of radiant heating and cooling systems
Yu et al. Virtual in-situ calibration method in building systems
KR101936136B1 (ko) 기계 학습 기반의 온열 환경 예측 장치 및 그 방법
Yuen et al. Optimal sensor placement methodology for identification with unmeasured excitation
Danza et al. A simplified thermal model to control the energy fluxes and to improve the performance of buildings
Ceballos-Fuentealba et al. A simulation and optimisation methodology for choosing energy efficiency measures in non-residential buildings
US20150041550A1 (en) Air conditioning controlling device and method
Li et al. An inverse approach to solving zone air infiltration rate and people count using indoor environmental sensor data
JP6433588B2 (ja) 空調システム並びに空調システムの動作を制御するためのシステム及び方法
Karakoyun et al. A comprehensive approach to analyze the discrepancies in heat transfer characteristics pertaining to radiant ceiling heating system
Lin et al. Real-time forecasting of building fire growth and smoke transport via ensemble kalman filter
Almeida et al. An insulation thickness optimization methodology for school buildings rehabilitation combining artificial neural networks and life cycle cost
KR101419607B1 (ko) 건물에 대한 모듈식 에너지 시뮬레이션 모델링 및 검증 방법
Kim et al. A study on the sensor calibration method using data-driven prediction in VAV terminal unit
KR102611880B1 (ko) 건물 에너지 최적 제어를 위해 실내온도를 포함한 환경변수 분포 예측 모델을 생성하는 방법
Pashchenko et al. Microclimate Monitoring System Design for the Smart Grid Analysis and Constructive Parameters Estimation
Hensen Integrated building airflow simulation
Kersken et al. Whole building validation for simulation programs including synthetic users and heating systems: experimental design
Desta et al. Combining CFD and data-based mechanistic (DBM) modelling approaches
Bhattacharyya et al. The energy impact of air leakage through insulated walls
CN115344919A (zh) 建筑内部环境分析方法、装置、设备及介质
Ben-Nakhi et al. Inter-model comparison of CFD and neural network analysis of natural convection heat transfer in a partitioned enclosure
Mega et al. Thermal environment simulator for BEMS on Double Helix structure
Wen et al. Development and validation of online parameter estimation for HVAC systems
Papas et al. ADREAM: Energy Consumption Optimisation through Dynamic Energetic Simulations for an Intelligent Management of Energy

Legal Events

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