KR102648115B1 - 건축물의 hvac 제어 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 - Google Patents
건축물의 hvac 제어 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 Download PDFInfo
- Publication number
- KR102648115B1 KR102648115B1 KR1020230096391A KR20230096391A KR102648115B1 KR 102648115 B1 KR102648115 B1 KR 102648115B1 KR 1020230096391 A KR1020230096391 A KR 1020230096391A KR 20230096391 A KR20230096391 A KR 20230096391A KR 102648115 B1 KR102648115 B1 KR 102648115B1
- Authority
- KR
- South Korea
- Prior art keywords
- indoor
- data
- temperature
- building
- modeling
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004590 computer program Methods 0.000 title description 2
- 238000010438 heat treatment Methods 0.000 claims abstract description 41
- 238000004378 air conditioning Methods 0.000 claims abstract description 11
- 230000005494 condensation Effects 0.000 claims description 24
- 238000009833 condensation Methods 0.000 claims description 24
- 238000009423 ventilation Methods 0.000 claims description 24
- 238000001816 cooling Methods 0.000 claims description 17
- 238000013480 data collection Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 description 24
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 239000012774 insulation material Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 239000012212 insulator Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000011491 glass wool Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011490 mineral wool Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1084—Arrangement or mounting of control or safety devices for air heating systems
-
- 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
- F24F11/0001—Control or safety arrangements for ventilation
-
- 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
- F24F11/41—Defrosting; Preventing freezing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Thermal Sciences (AREA)
- Air Conditioning Control Device (AREA)
Abstract
건축물의 HVAC(heating, ventilating, and air conditioning) 제어 방법이 개시된다. 본 방법은 실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터를 획득하는 단계, 획득된 데이터를 기초로 상기 건축물에 대응되는 모델링 데이터를 생성하는 단계 및 생성된 모델링 데이터를 기초로 건축물의 HVAC를 제어하는 단계를 포함하고, 모델링 데이터를 생성하는 단계는 획득된 데이터를 제1 모델에 입력하여 건축물의 구획 별 벽체 온도 구배 추정하는 단계를 포함한다.
Description
본 발명은 건축물의 HVAC(heating, ventilating, and air conditioning: 난방, 환기, 냉방)을 제어하는 기술에 관한 것이다.
에너지 관리 시스템(EMS : Energy Management System)은 건물, 공장 또는 주택 내 각종 에너지 사용 정보를 센서 및 계측기로 수집하고, 실시간 모니터링 및 분석을 통해 에너지 사용을 최적화하고 제어하는 시스템을 의미한다.
에너지 관리 시스템은 빌딩 전용의 BEMS(Building Energy Management System), 공장 전용의 FEMS(Factory Energy Management System), 주택 전용의 HEMS(Home Energy Management System)로 구분될 수 있다.
이 중 HEMS는 수용가의 관점에서 전기, 가스 등의 에너지 사용에 대한 모니터링, 제어 및 최적화를 위한 에너지 관리 서비스를 제공하는 시스템을 의미한다.
에너지 관리 시스템에서 논의되고 있는 기술은 피크전력 수요량, 에너지 사용량 등과 같은 에너지 수요 예측 기술, 에너지 절감이나 효율성 향상과 같은 에너지 최적화 기술, 에너지 관리를 고려한 난방 장치, 냉방 장치, 환기 장치 등을 제어하는 HVAC 자동 제어 기술 등이 있다.
이 중 HVAC 제어 기술은 사용자의 쾌적도, 에너지 최적화, 실내 환경 등 다양한 요소를 고려한 제어가 필요하다.
일 예로, 외기 온도가 매우 낮을 경우 실내 설정온도를 크게 낮추거나 난방기를 끌 경우 거주자의 쾌적도를 저하시킬 우려가 있다. 또한, 이와 같은 난방자동제어로 인하여 거주자가 추위를 크게 느껴 설정 온도를 평소보다 높게 설정하면 오히려 평상시보다 에너지 소비를 높이는 결과를 초래할 수 있다.
본 발명은 상술한 필요성에 따라 안출된 것으로, 본 발명의 목적은 건축물의 모델링 데이터(벽체 온도 구배, 실내 측 표면 온도 및 실내 온도 구배 중 적어도 하나를 포함하는 데이터)를 생성하고, 생성된 모델링 데이터를 이용하여 건축물의 HVAC를 제어하는 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체를 제안함에 있다.
상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 건축물의 HVAC(heating, ventilating, and air conditioning) 제어 방법은 실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터를 획득하는 단계, 상기 획득된 데이터를 기초로 상기 건축물에 대응되는 모델링 데이터를 생성하는 단계 및 상기 생성된 모델링 데이터를 기초로 상기 건축물의 HVAC를 제어하는 단계를 포함하고, 상기 모델링 데이터를 생성하는 단계는, 상기 획득된 데이터를 제1 모델에 입력하여 상기 건축물의 구획 별 벽체 온도 구배 추정하는 단계를 포함한다.
그리고, 상기 실내 객체 배치 데이터를 획득하는 단계 및 상기 추정된 벽체 온도 구배 및 상기 획득된 실내 객체 배치 데이터를 제2 모델에 입력하여 상기 구획 별로 실내 측 표면 온도를 추정하는 단계를 더 포함할 수 있다.
또한, 상기 HVAC를 제어하는 단계는, 상기 추정된 벽체 온도 구배를 기초로 획득된 벽체 표면 온도 및 상기 실내 측 표면 온도 중 적어도 하나와 실내의 노점 온도를 비교하여 상기 구획의 표면 결로 발생 가능성을 판단하는 단계를 포함할 수 있다.
그리고, 상기 HVAC를 제어하는 단계는, 상기 표면 결로 발생 가능성이 있다고 판단된 경우, 환기 장치 및 난방 장치 중 적어도 하나를 동작하도록 제어하는 단계를 포함할 수 있다.
또한, 상기 제2 모델에 의하여 추정된 실내 측 표면 온도, 상기 실내 객체 배치 데이터 및 구획 상세 데이터를 제3 모델에 입력하여 상기 건축물의 실내 온도 구배를 추정하는 단계를 포함할 수 있다.
그리고, 상기 HVAC를 제어하는 단계는, 상기 추정된 실내 온도 구배를 복수의 영역으로 구분하는 단계 및 상기 구분된 복수의 영역의 온도 차이를 기초로 온도 불균형 정도를 판단하는 단계를 포함할 수 있다.
또한, 상기 HVAC를 제어하는 단계는, 상기 온도 불균형 정보가 기 설정된 값보다 큰 경우, 수직 방향 온도 불균형 정도와 수평 방향 온도 불균형 정도를 비교하는 단계, 상기 수직 방향 온도 불균형 정도가 상기 수평 방향 온도 불균형 정도 보다 큰 경우, 환기 장치를 제어하는 단계 및 상기 수직 방향 온도 불균형 정도가 상기 수평 방향 온도 불균형 정도 보다 작은 경우, 냉방 장치 및 난방 장치 중 적어도 하나를 제어하는 단계를 포함할 수 있다.
한편, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 건축물의 HVAC(heating, ventilating, and air conditioning) 제어 시스템은 실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터를 획득하는 데이터 수집부, 상기 획득된 데이터를 기초로 상기 건축물에 대응되는 모델링 데이터를 생성하는 모델링부 및 상기 생성된 모델링 데이터를 기초로 상기 건축물의 HVAC를 제어하는 HVAC 제어부를 포함하고, 상기 모델링부는 상기 획득된 데이터를 제1 모델에 입력하여 상기 건축물의 구획 별 벽체 온도 구배 추정하는 제1 모델링부를 포함할 수 있다.
그리고, 상기 데이터 수집부는 상기 실내 객체 배치 데이터를 획득하고, 상기 모델링부는, 상기 추정된 벽체 온도 구배 및 상기 획득된 실내 객체 배치 데이터를 제2 모델에 입력하여 상기 구획 별로 실내 측 표면 온도를 추정하는 제2 모델링부를 포함할 수 있다.
또한, 상기 모델링부는, 상기 제2 모델에 의하여 추정된 실내 측 표면 온도, 상기 실내 객체 배치 데이터 및 구획 상세 데이터를 제3 모델에 입력하여 상기 건축물의 실내 온도 구배를 추정하는 제3 모델링부를 포함할 수 있다.
한편, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 컴퓨터 판독 가능한 기록 매체에는 상술한 제어 방법을 실행시키기 위한 프로그램이 기록될 수 있다.
또한, 상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 프로그램은 상술한 제어 방법을 실행시키는 프로그램 코드를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 모델링부의 벽체 온도 구배 및 실내 측 표면 온도 중 적어도 하나의 추정값을 기초로 난방 및 환기 중 적어도 하나를 제어함으로써, 실내의 표면 결로 및 곰팡이의 발생 가능성을 낮출 수 있어, 건축물 실내 환경의 쾌적도를 높일 수 있다.
본 발명의 일 실시 예에 따르면, 모델링부의 실내 온도 구배 추정값을 기초로 실내의 전체 공간에 온도가 균일하게 분포되도록 냉방, 난방 및 환기 중 적어도 하나를 제어함으로써, 건축물 실내의 쾌적도와 에너지 효율 모두를 최상의 조건으로 달성할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 HVAC 제어 시스템이 적용된 건축물을 나타내는 도면이다.
도 2는 본 발명의 일 실시 예에 따른 HVAC 제어 시스템을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 HVAC 제어 시스템의 동작을 나타내는 흐름도이다.
도 4는 종래의 수학식 기반 벽체 온도 구배 산출 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 제1 모델링부의 벽체 온도 구배 추정 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 진공 단열재를 이용한 목구조를 포함하는 벽체를 나타내는 도면이다.
도 7은 본 발명의 일 실시 예에 따른 제2 모델링부의 실내 측 표면 온도 추정 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 제3 모델링부의 실내 온도 구배 추정 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시 예에 따른 제1 모델링부 및 제2 모델링부 중 적어도 하나의 추정 결과에 기초한 HVAC 제어 방법을 나타내는 흐름도이다.
도 10은 본 발명의 일 실시 예에 따른 제3 모델링부의 추정 결과에 기초한 HVAC 제어 방법을 나타내는 흐름도이다.
도 2는 본 발명의 일 실시 예에 따른 HVAC 제어 시스템을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 HVAC 제어 시스템의 동작을 나타내는 흐름도이다.
도 4는 종래의 수학식 기반 벽체 온도 구배 산출 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 제1 모델링부의 벽체 온도 구배 추정 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 진공 단열재를 이용한 목구조를 포함하는 벽체를 나타내는 도면이다.
도 7은 본 발명의 일 실시 예에 따른 제2 모델링부의 실내 측 표면 온도 추정 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 제3 모델링부의 실내 온도 구배 추정 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시 예에 따른 제1 모델링부 및 제2 모델링부 중 적어도 하나의 추정 결과에 기초한 HVAC 제어 방법을 나타내는 흐름도이다.
도 10은 본 발명의 일 실시 예에 따른 제3 모델링부의 추정 결과에 기초한 HVAC 제어 방법을 나타내는 흐름도이다.
이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시 되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이외같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.
또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시 예에 따른 HVAC 제어 시스템이 적용된 건축물을 나타내는 도면이다. 본 명세서에서 건축물(10)은 주택, 빌라, 아파트, 오피스텔 등과 같이 사람이 주거하는 주거용 건축물을 포함할 수 있다. 다만, 본 발명의 HVAC 제어 시스템이 주거용 건축물에 한정되어 적용되는 것은 아니고, 상가, 빌딩, 공장 등과 같은 비주거용 건축물에도 적용될 수도 있다.
건축물은 복수의 구획으로 구분될 수 있고, 여기서, 구획은 건축물 내부의 물리적 공간을 층 단위 및/또는 방 단위 및/또는 용도 단위 등과 같이 물리적 및/또는 기능적으로 구분하는 구분 단위를 의미할 수 있다.
일 예로, 도 1(a)과 같이, 건축물(10)은 1층(11)과 2층(12)을 포함하는 복수 층으로 구성될 수 있다. 이 경우, 건축물(10)은 1층(11)과 2층(12)의 두 개의 구획으로 구분될 수 있다.
다른 예로, 도 1(b)를 참조하면, 건축물(10)은 한 개의 층에 복수의 방(room)으로 구성될 수 있다. 이 경우, 건축물(10)은 서재, 거실, 안방 등의 복수의 룸에 따른 구획으로 구분될 수 있다.
또 다른 예로, 층 단위 및 방 단위가 결합되어 구획이 결정될 수도 있다. 이 경우, 복수의 층 각각을 구성하는 방이 하나의 구분 단위가 될 수 있다.
한편, 건축물(10)에는 건축물(10)의 실내 환경 및 실외 환경을 감지하는 다양한 센서(예를 들어, 실내 온도센서, 실외 온도센서, 풍속 센서, 일조량 센서 등)이 설치될 수 있다.
HVAC 서버(100)는 건축물(10)에 설치된 다양한 센서들 뿐만 아니라 외부 기상 서버 등 다양한 정보제공주체로부터 데이터를 수집하고, 수집된 데이터를 분석하여 건축물(10)에 대한 모델링 데이터를 생성하며, 생성된 모델링 데이터를 기초로 건축물(10)의 냉방, 난방 및 환기 중 적어도 하나를 제어할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 HVAC 제어 시스템을 나타내는 블록도 이다. 도 2를 참조하면, HVAC 제어 시스템(100)은 데이터 수집부(110), 모델링부(120) 및 HVAC 제어부(130)의 전부 또는 일부를 포함할 수 있다.
데이터 수집부(110)는 건축물(10)의 모델링을 위한 다양한 데이터를 수집할 수 있다. 이 때, 데이터 수집부(110)는 건축물(10)에 설치된 다양한 센서, 건축물(10)에 대한 건축 설계도 등과 같은 건축 설계 스펙 데이터베이스, 기상청 서버 등과 같이 환경 정보를 제공하는 외부 서버 중 적어도 하나와 연동하여 건축물(10)의 모델링을 위한 다양한 데이터를 수집할 수 있다.
여기서, 데이터 수집부(110)에서 수집한 데이터는 실내 환경 데이터, 실외 환경 데이터, 벽체 데이터 및 실내 객체 배치 데이터를 포함할 수 있다.
실내 환경 데이터는 실내 온도를 포함하고, 실내 습도, 창문의 위치, 창문의 개수 및 창문의 크기 등을 더 포함할 수 있다. 여기서 창문의 위치는 창문의 방향(예를 들어, 남향, 동향, 북향, 서향)을 의미할 수 있다.
실외 환경 데이터는 실외 온도를 포함하고, 실외 습도, 실외 풍량, 실외 풍속, 실외 일조량 및 복사 에너지 등을 더 포함할 수 있다.
벽체 데이터는 벽체의 재료 구성, 재료의 열전도율 및 재료의 두께를 포함할 수 있다. 여기서, 벽체의 재료 구성은 벽체를 구성하는 재료의 종류를 의미할 수 있다.
실내 객체 배치 데이터는 실내의 가구, 커튼 등과 같은 객체들의 실내 배치 정보, 실내 객체의 크기 정보 등을 포함할 수 있다.
구획 상세 데이터는 구획의 종류, 구획의 위치, 구획의 크기, 구획의 배치 등을 포함할 수 있다. 일 예로, 구획이 방(room)인 경우, 구획의 위치는 방의 방향(예를 들어, 남향, 동향, 북향, 서향), 구획의 크기는 방의 3차원 크기, 구획의 배치는 방의 층수 및 방의 배치 타입(판상형, 복도형) 등을 포함할 수 있다.
모델링부(120)는 데이터 수집부(110)에서 획득된 데이터를 기초로 건축물(10)에 대한 모델링 데이터를 생성할 수 있다. 여기서, 모델링부(120)는 건축물(10)의 구획 별로 벽체 온도 구배를 추정하는 제1 모델링부(121), 건축물(10)의 구획 별로 실내 측 표면 온도를 추정하는 제2 모델링부(122), 건축물(10) 내부의 실내 온도 구배를 추정하는 제3 모델링부(123)를 포함할 수 있다.
구체적으로, 제1 모델링부(121)는 데이터 수집부(110)에서 “수집된 실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터”와 “벽체 온도 구배” 사이의 상관 관계를 학습하여 모델링된 제1 모델을 이용하여 벽체 온도 구배를 추정할 수 있다.
또한, 제2 모델링부(122)는 “벽체 온도 구배 및 실내 객체 배치 데이터” 와 “실내 측 표면 온도” 사이의 상관 관계를 학습하여 모델링된 제2 모델을 이용하여 실내 측 표면 온도를 추정할 수 있다.
또한, 제3 모델링부(123)는 실내 측 표면 온도, 실내 객체 배치 데이터 및 구획 상세 데이터” 와 “실내 온도 구배” 사이의 상관 관계를 학습하여 모델링된 제3 모델을 이용하여 실내 온도 구배를 추정할 수 있다.
여기서, 모델링부(120)의 제1 모델, 제2 모델, 및 제3 모델은 머신 러닝(machine learning), 딥러닝(deep learning)을 방식으로 학습될 수 있다. 딥러닝 방식이란 여러 비선형 변환 기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계 학습 알고리즘을 의미한다.
또한, 상술한 모델링부(120)의 제1 모델, 제2 모델, 및 제3 모델은 지도 학습(supervised learning) 방식을 이용하여 학습시킬 수 있다. 또한, 본 발명에 따른 인공 신경망 모델은 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 학습시킬 수 있다. 또한, 본 발명에 따른 인공 신경망 모델은 학습에 따른 상황 판단의 결과가 올바 른지 여부에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여 학습시킬 수 있다. 또한, 본 발명에 따른 인공 신경망 모델은 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 학습시킬 수 있다.
HVAC 제어부(130)는 모델링부(120)의 추정 결과를 기초로 냉방 장치, 난방 장치 및 환기 장치 중 적어도 하나의 동작을 제어할 수 있다.
일 예로, HVAC 제어부(130)는 제1 모델링부(121)에서 추정된 벽체 온도 구배 및 제2 모델링부(122)에서 추정된 실내 측 표면 온도 중 적어도 하나를 기초로 표면 결로 발생 가능성을 판단하고, 판단 결과를 기초로 냉방 장치, 난방 장치 및 환기 장치 중 적어도 하나의 동작을 제어할 수 있다.
다른 예로, HVAC 제어부(130)는 제3 모델링부(121)에서 추정된 실내 온도 구배를 기초로 온도 불균형 정도를 판단하고, 판단 결과를 기초로 냉방 장치, 난방 장치 및 환기 장치 중 적어도 하나의 동작을 제어할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 HVAC 시스템의 동작을 나타내는 흐름도이다. 도 3을 참조하면, 데이터 수집부(110)는 건축물(10)의 모델링을 위한 다양한 데이터를 획득하고(S11), 모델링부(120)는 획득된 데이터를 기초로 건축물(10)에 대한 모델링을 수행할 수 있다. 여기서, 모델링 단계는, 모델링부(120)는 벽체 온도 구배를 추정하고(S12), 건축물(10)에 대한 실내 측 표면 온도를 추정하며(S13), 건축물(10)에 대한 실내 온도 구배를 추정하는 과정을 포함할 수 있다(S14). 그리고, HVAC 제어부(130)는 생성된 모델링 데이터를 기초로 건축물(10)의 냉방, 난방 및 환기 중 적어도 하나의 동작을 제어하는 단계(S14)를 포함할 수 있다.
도 3에 도시된 모델링 단계(S12, S13, S14)에 대해서는 이 후 도면을 참조하여 보다 구체적으로 설명하기로 한다.
도 4는 종래의 수학식 기반 벽체 온도 구배 산출 과정을 설명하기 위한 도면이다. 벽체 온도 구배는 실내 온도와 실외 온도가 정해질 경우 벽체 내부의 온도 변화를 계산하는 것을 의미한다. 벽체 온도 구배는 건축 설계 시 습기가 생기는 것을 방지하여 설계가 가능하고, 결로 등 하자 보수에 활용될 수 있다.
종래의 벽체 온도 구배의 산출 과정을 도 4를 참조하여 보다 구체적으로 설명하면 다음과 같다.
1) 총 열전도 저항 계산
먼저, 벽체를 구성하는 각 재료의 열전도율을 계산하고, 여기서 각 재료 별 열전도율은 기 산출된 값을 이용할 수 있다. 일 예로, 마감재에 대해 기 산출된 열전도율은 0.55 W/mk, 단열재 대해 기 산출된 열전도율은 0.036 W/mk, 콘크리트 대해 기 산출된 열전도율은 2.4 W/mk이다.
이 경우, 각 재료에 대해 산출된 열전도 저항은 재료의 두께를 열전도율로 나눔으로써 산출될 수 있고, 일 예로 아래 표 1과 같다.
| 구분 | 열전도 저항(m2k/W) |
| 실외측 표면 | 0.043 |
| 마감재 | 0.1/0.55 = 0.18 |
| 단열재 | 0.12/0.036 = 3.33 |
| 콘크리트 | 0.2/2.4 = 0.083 |
| 실내측 표면 | 0.11 |
| 총 열전도 저항 | 3.746 |
2) 재료층 단위면적당 열류량 계산(Ri)
실외 온도가 -10℃ 이고 실내 온도가 +20℃ 인 경우, 재료층 단위면적당 열류량(Ri)는 아래 수학식 1을 기초로 산출될 수 있다.
[수학식1]
재료층 단위면적당 열류량(Ri) = 실내외 온도차 / 총 열전도 저항 = 30 / 3.746 = 8.0 W/㎡
3) 온도변화 계산
각 재료에 대해 산출된 온도 변화는 아래 수학식 2를 기초로 산출될 수 있고, 산출 결과는 아래 표 2와 같다.
[수학식 2]
온도변화 = Ri x 각 재료별 열저항
| 구분 | 온도 변화(℃) | 실외측으로부터 온도 변화(℃) |
| 실외측 표면 | 8 x 0.043 = 0.344 | -9.656 |
| 마감재 | 8 x 0.18 = 1.44 | -8.216 |
| 단열재 | 8 x 3.33 = 26.64 | +18.424 |
| 콘크리트 | 8 x 0.083 = 0.664 | +19.088 |
| 실내측 표면 | 8 x 0.11 = 0.88 | +19.968 |
도 4의 예시에서 종래 방식을 기초로 콘크리트 표면 온도는 약 19.968℃ 로 판단될 수 있다.
상술한 도 4의 예시에 따르면, 종래의 기 결정된 방법론을 이용하여 벽체 온도 구배를 산출할 수 있지만, 이렇게 산출된 벽체 온도 구배는 다양한 실내외 환경값을 반영하지 않고 산출된 것이기에 벽체가 설치된 실제 환경을 반영하지 못하였고, 또한 벽체라는 특성상 온도 센서로 내부 온도 상황을 측정하기는 어렵다는 문제점이 있었다.
벽체 온도 구배는 실내 온도, 실외 온도, 벽체의 재료 구성, 재료의 열전도율 및 재료의 두께뿐만 아니라 실내 창문의 위치나 개수, 창문의 크기, 창문의 위치, 실외의 바람 관련 지수, 실외 일조량, 복사에너지 등 다양한 실내외 환경값들의 영향에 따라 달라질 수 있다.
도 5는 본 발명의 일 실시 예에 따른 제1 모델링부의 벽체 온도 구배 추정 과정을 설명하기 위한 도면이다. 도 5를 참조하면, 거실, 안방, 서재 각각의 벽체는 실내 및 실외의 환경 데이터가 달라지기에, 동일한 벽체 재료로 구성한다고 하더라도, 벽체 온도 구배는 달라질 수 있다.
따라서, 본 발명의 일 실시 예에 따른 제1 모델링부(121)는 데이터 수집부(110)에서 수집된 “실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터”와 “벽체 온도 구배” 사이의 상관 관계를 학습하여 제1 모델(200)을 생성할 수 있다. 이 경우, 제1 모델링부(121)에서 생성된 제1 모델은 구획 별로 가중치가 상이해지도록 학습될 모델일 수 있다.
그리고, 제1 모델링부(121)는 데이터 수집부(110)에서 수집된 실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터를 학습된 제1 모델(200)에 입력받고, 벽체 온도 구배 추정값을 출력할 수 있다. 즉, 제1 모델링부(121)는 건축물(10)을 구성하는 각각의 구획인 “안방”, “거실”, “서재” 각각에 대하여 벽체 온도 구배를 추정할 수 있다.
한편, 본 발명의 HVAC 시스템(100)이 적용되는 건축물(10)의 벽체는 진공 단열재를 이용한 목구조를 포함할 수 있다. 이에 대해서는 도 6을 참조하여 보다 구체적으로 설명하기로 한다.
목재는 공극이 많아 세포 안에 많은 공기를 포함하고 있어 매우 훌륭한 천연의 단열재 역할을 하고 있으며, 천연의 단열재인 목재의 단열성능은 콘크리트에 비해 8배, 철재에 비해 400배 뛰어나므로, 미네랄 또는 글래스울 등 우수한 단열재를 사용해 에너지 효율을 높이는 효과적인 구조로 입증되어 있다.
도 6을 참조하면, 본 발명의 일 실시 예에 따른 HVAC 시스템(100)이 적용되는 건축물(10)의 벽체를 구성하는 재료는 실외에서 실내 방향으로 외장재, 에어층, 진공 단열재, 에어층 및 내장재 순으로 배치될 수 있다. 이 때, 진공 단열재는 구조목에 의하여 지지될 수 있다.
도 6을 참조하면, 기존 단열재 대비 진공 단열재의 높은 단열 성능으로 인하여, 진공 단열재에서 온도 구배는 일단 단열재 대비 급경사로 형성된다.
이러한 특성 차이로 인하여, 본 발명의 일 실시 예에 따른 제1 모델링부(121)는 진공 단열재를 포함한 벽체의 온도 구배 추정에 보다 높은 성능을 제공하도록 학습될 수 있다.
도 7은 본 발명의 일 실시 예에 따른 제2 모델링부(122)의 동작을 설명하기 위한 도면이다.
상술한 도 4에 언급된 종래의 벽체 온도 구배 산출 과정에 의하면, 실내 측 표면 온도를 산출할 수 있다.
다만, 종래의 기 결정된 방법론을 이용하여 실내 측 표면 온도를 산출할 수 있지만, 이렇게 산출된 실내 측 표면 온도는 기 결정된 방법론을 이용하여 산출된 벽체의 온도 구배(즉, 다양한 실내외 환경값을 반영하지 않고 산출된 벽체 온도 구배)를 기초로 산출된 것이기에, 산출된 실내 측 표면 온도의 정확성을 담보할 수 없다.
또한, 종래의 기 결정된 방법론을 이용하여 산출된 실내 측 표면 온도는 실내의 가구, 커튼 등의 배치 상황을 반영하지 않고 산출된 것이기에, 산출된 실내 측 표면 온도의 정확성을 담보할 수 없다. 즉, 실내 측 벽면에 커튼이나 붙박이장이 배치된 경우, 유동하지 않는 공기층이 두꺼워지면서 열저항 역할을 하게되고, 이는 실내 측 표면 온도에 영향을 미치게 된다.
만약, 벽체 근처에 온도 센서를 복수 설치하여 실내 측 표면 온도를 측정한다면 정확한 수치를 확보할 수 있지만, 모든 벽체마다 온도 센서를 설치한다는 것은 단가나 경제적인 측면에서 적절하지 않기, 적절한 해결책은 아니다.
따라서, 본 발명의 일 실시 예에 따른 제2 모델링부(122)는 “벽체 온도 구배 및 실내 객체 배치 데이터”와 “실내 측 표면 온도” 사이의 상관 관계를 학습하여 제2 모델(300)을 생성할 수 있다. 이 경우, 제2 모델링부(122)에서 생성된 제2 모델은 구획 별로 가중치가 상이해지도록 학습될 모델일 수 있다.
그리고, 제2 모델링부(122)는 제1 모델링부(121)의 제1 모델(200)을 통해 추정된 벽체 온도 구배와 데이터 수집부(110)에서 수집된 실내 객체 배치 데이터를 학습된 제2 모델(300)에 입력받고, 실내 측 표면 온도 추정값을 출력할 수 있다. 도 6을 참조하면, “안방”, “거실”, “서재” 각각에 대하여 가구 배치나 커튼 설치 여부, 해당 구획을 구성하는 벽체의 온도 구배를 이용하여 제2 모델링부(122)는 “안방”, “거실”, “서재” 각각에 대하여 실내 측 표면 온도를 추정할 수 있다.
도 8은 본 발명의 일 실시 예에 따른 제3 모델링부(123)의 동작을 설명하기 위한 도면이다.
건축물(10) 실내의 다양한 위치에 온도 센서를 설치하여 온도를 측정한다면 실내 온도 구배를 추정할 수 있지만, 정확한 추정을 위해서는 많은 센서가 필요하기에, 이는 단가나 경제적인 측면에서 적절하지 않다.
따라서, 본 발명의 일 실시 예에 따른 제3 모델링부(123)는 실내 측 표면 온도, 실내 객체 배치 데이터 및 구획 상세 데이터와 실내 온도 구배와의 상관 관계를 학습하여 모델링된 제3 모델을 이용하여 실내 온도 구배를 추정할 수 있다.
보다 구체적으로, 도 8(a)를 참조하면, 제3 모델은 “실내 객체 배치 데이터 및 구획 상세 데이터”와 “실내 공기 흐름”의 상관 관계를 학습하여 모델링된 제3-1 모델(410)과, “실내 측 표면 온도 및 실내 공기 흐름”과 “실내 온도 구배”의 상관 관계를 학습하여 모델링된 제3-2 모델(420)로 구성될 수 있다.
이에 따라, 제3 모델링부(123)는 제2 모델링부(121)의 제2 모델(300)에서 추정된 실내 측 표면 온도와 데이터 수집부(110)에서 수집된 실내 객체 배치 데이터 및 구획 상세 데이터를 학습된 제3 모델(410,420)에 입력받고, 실내 온도 구배 추정값을 출력할 수 있다.
여기서, 제3 모델(410,420)을 통해 추정된 실내 온도 구배는 3차원 실내 공간에 대한 온도 구배값일 수 있다.
한편, 제3 모델링부(123)는 도 8(b)와 같이 실내 온도 구배 추정값을 기초로 실내 온도 구배 맵을 생성할 수 있다. 여기서, 제3 모델링부(123)에 의하여 생성된 실내 온도 구배 맵은 사용자 단말 장치에 제공될 수 있다.
도 9 내지 10은 본 발명의 일 실시 예에 따른 모델링 결과에 따른 HVAC 제어 방법을 보다 구체적으로 나타내는 흐름도이다.
도 9는 본 발명의 일 실시 예에 따른 제1 모델링부 및 제2 모델링부 중 적어도 하나의 추정 결과에 기초한 HVAC 제어 방법을 나타내는 흐름도이다.
결로현상은 공기 중의 수증기에 의해 벽이나 천장 등에 물방울이 맺히는 현상으로, 결로 현상의 종류는 표면 결로(surface condensation)와 내부 결로(Interstitial condensation)으로 분류될 수 있다. 이 중 표면 결로는 벽, 유리창, 천장 및 바닥 표면에서 발생하는 결로로, 표면 결로는 표면 온도가 노점 온도보다 낮을 때에 발생한다. 이러한 표면 결로는 곰팡이가 발생하기 쉬운 조건을 형성하여 실내 환경을 크게 해치게 된다.
도 9를 참조하면, HVAC 제어부(130)는 실내의 노점 온도를 산출할 수 있다(S110). 노점 온도(dew point temperature)는 일정한 압력에서 공기의 온도를 낮추어 갈 때 공기 중의 수증이가 포화하여 이슬이 맺힐 때의 온도를 의미하고, HVAC 제어부(130)는 데이터 수집부(110)에서 수집된 실내 온도, 실내 습도 등을 이용하여 노점 온도를 산출할 수 있다.
그리고, HVAC 제어부(130)는 제1 모델링부(121)에서 추정된 벽체 온도 구배로부터 벽체 표면 온도 및 제2 모델링부(122)에서 추정된 실내 측 표면 온도 중 적어도 하나를 획득할 수 있다(S120).
그리고, HVAC 제어부(130)는 벽체 표면 온도 및 실내 측 표면 온도 중 적어도 하나와 노점 온도를 비교(S130)하여 표면 결로 발생 가능성을 판단할 수 있다(S140). 구체적으로, HVAC 제어부(130)는 벽체 표면 온도 및 실내 측 표면 온도 중 적어도 하나가 노점 온도 보다 작은 경우, 표면 결로 발생 가능성이 있다고 판단할 수 있다. 또한, HVAC 제어부(130)는 벽체 표면 온도 및 실내 측 표면 온도 모두 노점 온도 보다 작은 경우, 표면 결로 발생 가능성이 없다고 판단할 수 있다.
여기서, 표면 결로 가능성은 구획 별로 판단될 수 있다.
만약, 표면 결로 발생 가능성이 없다고 판단되는 경우(S140:No), S130 단계에서 온도 비교하는 과정을 반복 수행할 수 있다. 만약, 표면 결로 발생 가능성이 없는 상태에서 난방 장치, 냉방 장치 및 환기 장치 중 적어도 하나가 동작하고 있었다면, HVAC 제어부(130)는 기존의 난방, 냉방 및 환기 중 적어도 하나의 설정값을 변경하지 않고 유지할 수 있다. 즉 HVAC 제어부(130)는 기존의 설정값(예를 들어, 온도, 환기량, 냉난방 세기 등)을 그대로 유지할 수 있다.
만약, 표면 결로 발생 가능성이 있다고 판단되는 경우(S140:Yes), HVAC 제어부(130)는 실내의 습한 공기를 제거하도록 환기 장치를 동작시킬 수 있다(S150).
그리고, HVAC 제어부(130)는 실내의 온도를 노점 온도 이상으로 만들기 위하여 난방 장치를 동작시킬 수 있다(S160). 여기서, 난방 장치는 바닥에 난방 장치는 온수파이프나 전열선 등을 영역을 나누어 설치해 가열하는 바닥 난방 방식과 라이데이터를 이용하여 난방하는 공기 난방 방식 중 적어도 하나로 구현될 수 있다.
HVAC 제어부(130)는 복수로 구분된 복수의 바닥 영역 중 벽체 표면 근처의 바닥 난방을 동작시켜 벽체 표면 근처의 온도를 높이도록 제어할 수 있다. 또한, HVAC 제어부(130)는 벽체 표면 근처를 향하여 라디에이터의 난방 공기를 방출하여 벽체 표면 근처의 온도를 높이도록 제어할 수 있다. 이 경우, HVAC 제어부(130)는 표면 결로 제거 효과를 높이기 위하여 낮은 온도 기 설정된 온도(예를 들어, 노점 온도 보다 높으나 인간 쾌적도를 결정하는 한계 온도 보다는 낮은값)로 난방 시간을 길게 유지하도록 제어할 수 있다.
이러한 본 발명에 따르면, 모델링부(120)의 벽체 온도 구배 및 실내 측 표면 온도 중 적어도 하나의 추정값을 기초로 난방 및 환기 중 적어도 하나를 제어함으로써, 실내의 표면 결로 및 곰팡이의 발생 가능성을 낮출 수 있어, 건축물 실내 환경의 쾌적도를 높일 수 있다.
도 10은 본 발명의 일 실시 예에 따른 제3 모델링부의 추정 결과에 기초한 HVAC 제어 방법을 나타내는 흐름도이다.
실내 온도 구배는 건축물의 실내 공간에 대한 온도 분포를 나타내는 것으로, 실내의 전체 공간에 온도가 균일하게 분포되어 있는 것이 사람이 느끼는 쾌적도와 에너지 효율 측면에서 최상의 조건이나, 일반적으로 실내 전체 공간의 온도 분포는 균일하지 못하다.
도 10을 참조하면, HVAC 제어부(130)는 제3 모델링부(123)에서 추정된 실내 온도 구배를 복수의 영역으로 구분할 수 있다(S210). 구체적으로, 제3 모델링부(123)에서 추정된 실내 온도 구배는 3차원 온도 구배일 수 있고, 3차원을 복수의 영역으로 분할하여 실내 온도 구배를 복수의 영역으로 구분할 수 있다. 여기서, 영역은 단위 사각 평면 또는 단위 사각 공간일 수 있다. 그리고, 복수의 영역 각각에는 온도값이 할당될 수 있다.
HVAC 제어부(130)는 복수의 영역의 온도 차이를 기초로 온도 불균형 정도를 판단할 수 있다(S220). 구체적으로, HVAC 제어부(130)는 제3 모델링부(123)에서 추정된 실내 온도 구배를 이용하여 실내 공간을 구성하는 복수의 영역 별 온도 차이맵을 생성하고, 이를 기초로 상술한 온도 불균형 정도를 판단할 수 있다.
여기서, 온도 불균형 정도는 온도 차이값이 아니고, 온도 차이가 어느 범위(range)에 속하는지에 따라 결정된 온도 불균형 레벨(level)일 수 있다.
만약, 온도 불균형 정도가 기 설정된 값보다 작은 경우(S230 : No), S220 단계에서 온도 불균형 정도를 판단하는 과정을 반복 수행할 수 있다. 만약, 온도 불균형 정도가 기 설정된 값보다 작은 상태에서 난방 장치, 냉방 장치 및 환기 장치 중 적어도 하나가 동작하고 있었다면, HVAC 제어부(130)는 기존의 난방, 냉방 및 환기 중 적어도 하나의 설정값을 변경하지 않고 유지할 수 있다. 즉 HVAC 제어부(130)는 기존의 설정값(예를 들어, 온도, 환기량, 냉난방 세기 등)을 그대로 유지할 수 있다.
만약, 온도 불균형 정도가 기 설정된 값보다 큰 경우(S230 : Yes), 수직 방향 온도 불균형 정도와 수평 방향 온도 불균형 정도를 비교할 수 있다(S240).
만약, 수직 방향 온도 불균형 정도가 수평 방향 온도 불균형 정도 보다 큰 경우(S250 : Yes), HVAC 제어부(130)는 수직 방향으로 공기를 순환시키도록 환기 장치를 제어할 수 있다(S260). 즉, 따뜻한 공기는 위로 모이고 차가운 공기는 아래 모이는 특성이 있기에, HVAC 제어부(130)는 강제로 공기의 흐름을 만들어 공기를 순환시킬 수 있다.
만약, 수평 방향 온도 불균형 정도가 수직 방향 온도 불균형 정도 보다 큰 경우(S250 : No), HVAC 제어부(130)는 수평 방향 온도를 균일하게 만들도록 냉방 장치 및 난방 장치 중 적어도 하나를 제어할 수 있다(S270). 일 예로, 난방 장치 또는 냉방 장치는 바닥에 온수(또는 냉수)파이프나 전열선 등을 영역을 나누어 설치해 냉난방하는 방식과 에어컨을 이용하여 냉난방하는 방식 중 적어도 하나로 구현될 수 있다.
HVAC 제어부(130)는 복수로 구분된 복수의 바닥 영역 중 온도 차이를 근거로 냉난방을 구분 동작시켜 수평 방향 온도를 균일하게 만들도록 제어할 수 있다. 또는, HVAC 제어부(130)는 에어컨을 제어하여 실내 공간을 구성하는 복수의 영역의 온도가 균일해지도록 제어할 수 있다.
한편, 수평 방향 온도 불균형 정도가 수직 방향 온도 불균형 정도가 동일한 경우, HVAC 제어부(130)는 환기 장치를 먼저 동작시켜 강제 공기 흐름을 만든 후 냉방 및 난방 장치를 동작시킴으로써, 에너지 효율성을 높일 수 있다.
이러한 본 발명에 따르면, 모델링부(120)의 실내 온도 구배 추정값을 기초로 실내의 전체 공간에 온도가 균일하게 분포되도록 냉방, 난방 및 환기 중 적어도 하나를 제어함으로써, 건축물 실내의 쾌적도와 에너지 효율 모두를 최상의 조건으로 달성할 수 있다.
한편, 여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시예들이 제어 모듈 자체로 구현될 수 있다.
소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리 모듈에 저장되고, 제어모듈에 의해 실행될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
110 : 데이터 수집부 120 : 모델링부
130 : HVAC 제어부
130 : HVAC 제어부
Claims (12)
- 건축물의 HVAC(heating, ventilating, and air conditioning) 제어 방법에 있어서,
실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터를 획득하는 단계;
상기 획득된 데이터를 기초로 상기 건축물에 대응되는 모델링 데이터를 생성하는 단계; 및
상기 생성된 모델링 데이터를 기초로 상기 건축물의 HVAC를 제어하는 단계;를 포함하고,
상기 모델링 데이터를 생성하는 단계는,
상기 획득된 데이터를 제1 모델에 입력하여 상기 건축물의 구획 별 벽체 온도 구배 추정하는 단계를 포함하는 것을 특징으로 제어 방법. - 제1항에 있어서,
실내 객체 배치 데이터를 획득하는 단계; 및
상기 추정된 벽체 온도 구배 및 상기 획득된 실내 객체 배치 데이터를 제2 모델에 입력하여 상기 구획 별로 실내 측 표면 온도를 추정하는 단계;를 더 포함하고,
상기 실내 객체 배치 데이터는 실내 객체의 배치 상황을 나타내는 실내 배치 정보 및 실내 객체의 크기 정보를 포함하는 것을 특징으로 하는 제어 방법. - 제2항에 있어서,
상기 HVAC를 제어하는 단계는,
상기 추정된 벽체 온도 구배를 기초로 획득된 벽체 표면 온도 및 상기 실내 측 표면 온도 중 적어도 하나와 실내의 노점 온도를 비교하여 상기 구획의 표면 결로 발생 가능성을 판단하는 단계;를 포함하는 것을 특징으로 하는 제어 방법. - 제3항에 있어서,
상기 HVAC를 제어하는 단계는,
상기 표면 결로 발생 가능성이 있다고 판단된 경우, 환기 장치 및 난방 장치 중 적어도 하나를 동작하도록 제어하는 단계;를 포함하는 것을 특징으로 하는 제어 방법. - 제2항에 있어서,
상기 제2 모델에 의하여 추정된 실내 측 표면 온도, 상기 실내 객체 배치 데이터 및 구획 상세 데이터를 제3 모델에 입력하여 상기 건축물의 실내 온도 구배를 추정하는 단계;를 포함하는 제어 방법. - 제5항에 있어서,
상기 HVAC를 제어하는 단계는,
상기 추정된 실내 온도 구배를 복수의 영역으로 구분하는 단계; 및
상기 구분된 복수의 영역의 온도 차이를 기초로 온도 불균형 정도를 판단하는 단계;를 포함하는 것을 특징으로 하는 제어 방법. - 제6항에 있어서,
상기 HVAC를 제어하는 단계는,
상기 온도 불균형 정도가 기 설정된 값보다 큰 경우, 수직 방향 온도 불균형 정도와 수평 방향 온도 불균형 정도를 비교하는 단계;
상기 수직 방향 온도 불균형 정도가 상기 수평 방향 온도 불균형 정도 보다 큰 경우, 환기 장치를 제어하는 단계; 및
상기 수직 방향 온도 불균형 정도가 상기 수평 방향 온도 불균형 정도 보다 작은 경우, 냉방 장치 및 난방 장치 중 적어도 하나를 제어하는 단계;를 포함하는 것을 특징으로 하는 제어 방법. - 건축물의 HVAC(heating, ventilating, and air conditioning) 제어 시스템에 있어서,
실내 환경 데이터, 실외 환경 데이터 및 벽체 데이터를 획득하는 데이터 수집부;
상기 획득된 데이터를 기초로 상기 건축물에 대응되는 모델링 데이터를 생성하는 모델링부; 및
상기 생성된 모델링 데이터를 기초로 상기 건축물의 HVAC를 제어하는 HVAC 제어부;를 포함하고,
상기 모델링부는 상기 획득된 데이터를 제1 모델에 입력하여 상기 건축물의 구획 별 벽체 온도 구배 추정하는 제1 모델링부;를 포함하는 것을 특징으로 제어 시스템. - 제8항에 있어서,
상기 데이터 수집부는 실내 객체 배치 데이터를 획득하고,
상기 실내 객체 배치 데이터는 실내 객체의 배치 상황을 나타내는 실내 배치 정보 및 실내 객체의 크기 정보를 포함하고,
상기 모델링부는,
상기 추정된 벽체 온도 구배 및 상기 획득된 실내 객체 배치 데이터를 제2 모델에 입력하여 상기 구획 별로 실내 측 표면 온도를 추정하는 제2 모델링부를 포함하는 것을 특징으로 하는 제어 시스템. - 제9항에 있어서,
상기 모델링부는,
상기 제2 모델에 의하여 추정된 실내 측 표면 온도, 상기 실내 객체 배치 데이터 및 구획 상세 데이터를 제3 모델에 입력하여 상기 건축물의 실내 온도 구배를 추정하는 제3 모델링부를 포함하는 것을 특징으로 하는 제어 시스템. - 제1항 내지 제7항 중 어느 한 항에 기재된 제어 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
- 제1항 내지 제7항 중 어느 한 항에 기재된 제어 방법을 실행시키는 프로그램 코드를 포함하는 컴퓨터 판독 가능한 기록 매체에 저장된 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230096391A KR102648115B1 (ko) | 2023-07-24 | 2023-07-24 | 건축물의 hvac 제어 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230096391A KR102648115B1 (ko) | 2023-07-24 | 2023-07-24 | 건축물의 hvac 제어 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102648115B1 true KR102648115B1 (ko) | 2024-03-18 |
Family
ID=90473998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230096391A KR102648115B1 (ko) | 2023-07-24 | 2023-07-24 | 건축물의 hvac 제어 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102648115B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180094524A (ko) * | 2017-02-15 | 2018-08-24 | 한국에너지기술연구원 | Ict 기반의 실내환경 제어방법 및 제어시스템 |
| KR20210025920A (ko) * | 2019-08-28 | 2021-03-10 | 인천대학교 산학협력단 | 기계 학습을 이용한 실내 표면 온도와 결로를 예측하는 결로 예측 시스템 및 방법 |
| KR20210087345A (ko) * | 2020-01-02 | 2021-07-12 | (주)미래환경플랜건축사사무소 | 시간별 온도 및 습도를 이용한 벽체 내부 결로 평가 시스템 |
-
2023
- 2023-07-24 KR KR1020230096391A patent/KR102648115B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180094524A (ko) * | 2017-02-15 | 2018-08-24 | 한국에너지기술연구원 | Ict 기반의 실내환경 제어방법 및 제어시스템 |
| KR20210025920A (ko) * | 2019-08-28 | 2021-03-10 | 인천대학교 산학협력단 | 기계 학습을 이용한 실내 표면 온도와 결로를 예측하는 결로 예측 시스템 및 방법 |
| KR20210087345A (ko) * | 2020-01-02 | 2021-07-12 | (주)미래환경플랜건축사사무소 | 시간별 온도 및 습도를 이용한 벽체 내부 결로 평가 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vivian et al. | An evaluation of the suitability of lumped-capacitance models in calculating energy needs and thermal behaviour of buildings | |
| Wang et al. | Simplified building model for transient thermal performance estimation using GA-based parameter identification | |
| JP5572799B2 (ja) | 空調システム制御装置 | |
| CN102679505B (zh) | 房间温度控制方法 | |
| US20150167996A1 (en) | Thermodynamic modeling for enclosures | |
| Armstrong et al. | Control with building mass-Part I: Thermal response model | |
| Karmacharya et al. | Thermal modelling of the building and its HVAC system using Matlab/Simulink | |
| Feist et al. | Energy efficiency–a key to sustainable housing | |
| KR102648115B1 (ko) | 건축물의 hvac 제어 시스템, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
| Angelotti et al. | Dynamic Simulation of existing buildings: Considerations on the Model Calibration | |
| Park et al. | Field test of machine-learning based mean radiant temperature estimation methods for thermal comfort-integrated air-conditioning control improvement and energy savings | |
| Leclere et al. | A low order envelope model for optimised predictive control of indoor temperature: development methodology and calibration with a numerical model | |
| Perera et al. | Modeling and simulation of a multi-zone building for better control | |
| Léveillé-Guillemette et al. | Comparison of different mechanical systems models for a passive solar greenhouse with two thermal zones | |
| Le Bel et al. | All-electric experimental twin housss: The ultimate demand mangement testing tool | |
| Ahmed et al. | Analysis of Building Envelops To Improve the Energy Performance of Buildings | |
| Ogunsola et al. | Performance analysis of a simplified model of cooling load for a typical office building | |
| Tariku et al. | Temperature and humidity distributions in a mid-rise residential building suite | |
| Bui et al. | Impact of heat and moisture transfer through a multilayer wall on the comfort conditions of an occupied room | |
| Yu et al. | Research on influencing factors of airconditioning electricity demand flexibility for nearly zero energy commercial buildings | |
| Deltour et al. | Assessing the building envelope performance during occupancy | |
| Xu et al. | A mixed-mode building energy model for performance evaluation and diagnosis of existing buildings | |
| Spiekman et al. | The development of an RC-network simulation model calibrated with monitoring data for use in the performance guarantee of Net-Zero houses | |
| Hendron et al. | Evaluation of Envelope Energy in a High-Performance Manufactured Home in California | |
| Bastero et al. | Quantification of the Impact of Indoor Temperature Gradients in Dwellings on Useful Recovered Heat of Ventilation Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |