KR20140043640A - The economic evaluation method of building energy performance retrofit on early phase - Google Patents
The economic evaluation method of building energy performance retrofit on early phase Download PDFInfo
- Publication number
- KR20140043640A KR20140043640A KR1020120109734A KR20120109734A KR20140043640A KR 20140043640 A KR20140043640 A KR 20140043640A KR 1020120109734 A KR1020120109734 A KR 1020120109734A KR 20120109734 A KR20120109734 A KR 20120109734A KR 20140043640 A KR20140043640 A KR 20140043640A
- Authority
- KR
- South Korea
- Prior art keywords
- energy
- probability distribution
- calculated
- performance
- probability
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011234 economic evaluation Methods 0.000 title abstract description 6
- 238000009826 distribution Methods 0.000 claims abstract description 71
- 238000007634 remodeling Methods 0.000 claims abstract description 32
- 238000010276 construction Methods 0.000 claims abstract description 26
- 230000001186 cumulative effect Effects 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 22
- 238000011156 evaluation Methods 0.000 description 7
- 238000011002 quantification Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012552 review Methods 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 기존 건축물 에너지 성능 리모델링 사업 계획 시, 투자비, 공사비 및 투자회수기간의 불확실성을 확률적 기법을 이용하여 정량화하고, 이를 통해 리모델링 사업 기획 단계에서부터 사업 타당성을 검토할 수 있는, 건축물 리모델링 사업 에너지 성능의 경제성 평가 방법에 관한 것이다.
This invention quantifies the uncertainty of the investment cost, the construction cost and the investment recovery period in the energy performance remodeling project of the existing building by using the probabilistic technique and it is possible to evaluate the feasibility of the business from the planning stage of the remodeling business, And a method for evaluating the economics of performance.
현재 건축물 리모델링 시장은 주로 인테리어 공사가 주로 이루며, 건물 에너지 성능 향상을 위한 것은 노후화된 기기 장비를 교체하는 수준에 불과하다. 그러나 지속적인 에너지 비용 상승과 그에 따른 국가적 에너지 절감 노력 등으로 인해 앞으로의 건축물 리모델링에 있어서 에너지 성능이 중요한 요소가 될 것이다. Currently, the interior remodeling market mainly consists of interior construction. To improve building energy performance, it is only a replacement level for aged equipment. However, energy efficiency will become an important factor in the future remodeling of buildings due to the continuous increase in energy costs and the national energy saving efforts.
또한, 에너지 성능 향상은 건축물 유지관리 기간 동안 감소된 에너지 비용만큼의 투자이익이 발생하므로 경제적으로도 이점을 가지고 있다. In addition, the improvement of the energy performance is economically advantageous because the investment profit of the reduced energy cost is generated during the maintenance period of the building.
한편, 현재 건물 에너지 성능 리모델링의 대표적 사업 모델인 ESCO 사업처럼 계약서에 에너지 절감량을 명시하고 이에 따라 이익을 창출하는 사업의 경우, 사업 초기부터 경제적 타당성 검토가 필수적이다. On the other hand, as for ESCO business, which is the representative business model of remodeling of building energy performance, it is essential to review the economic feasibility from the beginning of the project in the case of projects that specify the energy saving amount in the contract and generate profits accordingly.
더 나아가 국가 주도의 ESCO사업이 민간 시장 주도의 '자발적 건물 에너지 리모델링 시장' 형성을 위해서는 사업 경제성 분석을 위한 방법은 필수적이라고 할 수 있다.Furthermore, in order for the ESCO project of the state to lead the private-market-driven 'voluntary building energy remodeling market', a method for analyzing business economics is essential.
그럼에도, 현재 리모델링 사업 경제성 평가를 위한 객관적이고 과학적인 프로세스는 구축되어 있지 않으며, 대부분의 리모델링 사업은 기존의 자료나 전문가의 판단에만 의지하여 비교적 부정확하고 불확실하게 진행되고 있다. Nevertheless, the objective and scientific process for the economic evaluation of the remodeling business is not established at present, and most of the remodeling projects are carried out relatively inaccurately and uncertainly by relying only on the judgment of existing data or experts.
또한, 리모델링 사업 경제성 평가에서 중요한 두 축인 '건물 에너지 성능 향상 예측치'와 '리모델링에 적용되는 에너지 절약 요소 기술의 공사비'에 포함된 불확실성을 고려하지 못한다. In addition, the uncertainty included in "Estimation of building energy performance improvement" and "Cost of energy saving factor technology applied to remodeling" which are two important factors in economical evaluation of remodeling business can not be considered.
결과적으로 상기의 두 요소가 결합되어 계산되는 '투자회수기간'의 불확실성 역시 고려하지 못하는 한계점이 있다.
As a result, there is a limit to the uncertainty of the 'payback period', which is calculated by combining the above two factors.
이를 해결하기 위한 종래의 방법으로서, 한국특허 공개번호 제10-2011-0129172호 및 한국특허 공개번호 제10-2012-0024309호를 들 수 있다.As a conventional method for solving this problem, Korean Patent Publication No. 10-2011-0129172 and Korean Patent Laid-Open No. 10-2012-0024309 can be cited.
한국특허 공개번호 제10-2011-0129172호의 경우, 에너지 효율과 연관되어 경제성 분석에 적합한 데이터를 제공하고 분류체계를 제공하는 기술을 개시한다.Korean Patent Laid-Open No. 10-2011-0129172 discloses a technique for providing data suitable for economic efficiency analysis and providing a classification system in connection with energy efficiency.
건물의 에너지를 정량적으로 평가한다는 점에서 전술한 문제점의 해결에 도움을 줄 수 있으나, 건물 리모델링 사업에 있어서 중요한 에너지 상승 예측치 및 공사비 여부에 대한 고려가 없으며, 투자회수기간과 연계되지 않아 리모델링 사업의 경제성을 평가하는데 있어서 실질적이고 유용한 기술을 제공하지 못하는 실정이다.In the case of building remodeling project, there is no consideration of energy uptake and cost of construction, and because it is not linked with investment payback period, It does not provide practical and useful techniques for evaluating economic efficiency.
한국특허 공개번호 제10-2012-0024309호의 경우, 친환경 건축기술 경제성을 분석하는 기술을 개시한다. 마찬가지로, 리모델링 사업에 대한 중요한 고려 요소들이 기재되지 않아 판단 근거를 제시하지 못하는 실정이다.
Korean Patent Laid-Open No. 10-2012-0024309 discloses a technology for analyzing the economic efficiency of eco-friendly construction technology. Likewise, it is not possible to provide a basis for judging because important considerations for the remodeling project are not listed.
(특허문헌 1) KR10-2011-0129172 A (Patent Document 1) KR10-2011-0129172 A
(특허문헌 2) KR10-2012-0024309 A
(Patent Document 2) KR10-2012-0024309A
이에, 본 발명의 목적은, 리모델링의 기획 단계에서부터 건물 에너지 리모델링 사업의 불확실한 특성을 고려한 경제성 평가 방법을 제공함으로써, 사업의 타당성을 기획 단계에서부터 미리 고려할 수 있는 기술을 제공하고자 한다.
Accordingly, an object of the present invention is to provide an economical evaluation method considering the uncertain characteristics of a building energy remodeling project from the planning stage of remodeling, and to provide a technology that can consider the feasibility of the project from the planning stage in advance.
상기와 같은 과제를 해결하기 위해 본 발명은, (A) 목적함수 요소(f n ) 및 설계 변수(x)가 입력되어 다기준 목적함수(F)가 설정되는 단계; (B) 상기 설정된 다기준 목적함수의 값이 최소값이 되도록, 파레토 최적기법을 이용하여 파레토 최적해인 다수의 대안(1~N)이 연산되는 단계; (C) 상기 연산된 각각의 대안(1~N)에 대하여 에너지량 확률분포 및 공사비 확률분포가 연산되는 단계; (D) 상기 연산된 에너지량 확률분포 및 공사비 확률분포에 의하여 투자회수기간의 확률분포가 연산되는 단계; 및 (E) 상기 연산된 투자회수기간의 확률분포가 출력되는 단계를 포함하는 것을 특징으로 하는, 건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법을 제공한다.According to an aspect of the present invention, there is provided a method of designing a multi-function apparatus, the method comprising: (A) setting a multi-criteria objective function F by inputting an objective function element f n and a design variable x ; (B) computing a number of alternatives (1 to N) that are Pareto-optimal solutions using the Pareto optimal method such that the set multi-criteria objective function is minimized; (C) calculating an energy amount probability distribution and a construction cost probability distribution for each of the calculated alternatives (1 to N); (D) calculating a probability distribution of an investment payback period by the calculated energy amount probability distribution and a construction cost probability distribution; And (E) outputting a probability distribution of the calculated investment payback period. The method for evaluating the economical efficiency of energy performance in a building remodeling project is provided.
또한, 상기 다기준 목적함수(F)는 하기의 수학식1에 의하여 설정되는 것이 바람직하다.Also, it is preferable that the multi-criterion objective function F is set by the following equation (1).
또한, 상기 (C) 단계에서, 몬테카를로 시뮬레이션 기법에 의하여 에너지량 확률분포 및 공사비 확률분포가 연산되는 것이 바람직하다.In the step (C), it is preferable that the energy amount probability distribution and the construction cost probability distribution are calculated by the Monte Carlo simulation technique.
또한, 상기 에너지량 확률분포 및 상기 공사비 확률분포는 하기의 수학식2에 의하여 연산되는 것이 바람직하다.It is preferable that the energy amount probability distribution and the construction cost probability distribution are calculated by the following equation (2).
또한, 상기 (D) 단계에서, 상기 투자회수기간의 확률분포는 확률밀도분포와 누적확률분포로 연산되는 것이 바람직하다.
In the step (D), it is preferable that the probability distribution of the investment payback period is calculated by a probability density distribution and a cumulative probability distribution.
객관적이고, 과학적인 건물 에너지 리모델링 사업 경제성 평가 방법을 적용하여 사업 기획 단계에서부터 사업의 타당성을 정략적으로 평가할 수 있다. It is possible to evaluate the feasibility of the project from the planning stage of the project by applying the objective and scientific economic remodeling project economical evaluation method.
또한, 본 발명을 통해 민간 주도의 '자발적 건물 에너지 리모델링 시장'이 형성되는데 기여할 것으로 예상된다.
Also, it is expected that the present invention will contribute to the formation of a private-led 'voluntary building energy remodeling market'.
도 1은 본 발명에 따른 경제성 평가 방법을 위한 시스템의 개략도를 도시한다.
도 2는 본 발명에 따른 경제성 평가 방법의 순서도를 도시한다.
도 3은 본 발명에 따른 경제성 평가 방법의 에너지량 확률분포 연산 방법을 설명하기 위한 개념도를 도시한다.
도 4는 본 발명에 따른 경제성 평가 방법의 공사비 확률분포 연산 방법을 설명하기 위한 개념도를 도시한다.
도 5는 본 발명에 따른 경제성 평가 방법의 투자회수기간 확률분포 연산 방법을 설명하기 위한 개념도를 도시한다.1 shows a schematic diagram of a system for an economic evaluation method according to the present invention.
2 shows a flowchart of an economics evaluation method according to the present invention.
FIG. 3 is a conceptual diagram for explaining a method of calculating the energy amount probability distribution of the economics evaluation method according to the present invention.
FIG. 4 is a conceptual diagram for explaining a method of computing a probability distribution of cost of an economics evaluation method according to the present invention.
FIG. 5 is a conceptual diagram for explaining a method of calculating an investment payback period probability distribution of an economics evaluation method according to the present invention.
이하에서 "파레토 최적 기법", "몬테카를로 시뮬레이션 기법"의 용어는 본 기술분야에서 통상의 지식을 가진 자가 용이하게 알 수 있는 통계학적 용어로서, 상세한 설명은 생략한다.Hereinafter, the terms "Pareto optimal technique" and "Monte Carlo simulation technique" are statistical terms easily known to those skilled in the art and will not be described in detail.
한편, 이하의 각 단계들은 하드웨어에 의하여 구현됨을 강조해둔다.
On the other hand, emphasize that the following steps are implemented by hardware.
이하, 도면을 참고하여 본 발명을 상세히 설명한다.Hereinafter, the present invention will be described in detail with reference to the drawings.
본 발명에 따른 방법을 수행하기 위한 시스템은 목적함수 모듈(100), 불확실성 정량화 모듈(200) 및 투자회수기간 연산 모듈(300)을 포함한다. (도 1)The system for carrying out the method according to the present invention comprises an
목적함수 모듈(100)은, 목적함수 요소 입력 모듈(111), 설계변수 입력 모듈(112), 다기준 목적함수 설정 모듈(120) 및 파레토 최적해 연산 모듈(130)을 포함한다. The
불확실성 정량화 모듈(200)은, 에너지량 확률분포 연산 모듈(210) 및 공사비 확률분포 연산 모듈(220)을 포함한다.The
투자회수기간 연산 모듈(300)은, 확률밀도분포 연산 모듈(310), 누적확률분포 연산 모듈(320) 및 출력부(350)를 포함한다.
The investment return
본 발명에 따른 "건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법"은 크게 다음의 단계로 이루어지는데, 전술한 시스템과 함께 상세히 후술한다.
The "method for evaluating the economical efficiency of energy performance in a building remodeling project" according to the present invention comprises the following steps, which will be described later in detail with the above-mentioned system.
(1)단계: 파레토 최적해 대안의 연산 (S100~S200)(1) Step: calculation of the Pareto optimal solution alternative (S100 to S200)
(2)단계: 불확실성의 정량화 (S300)(2) Step: Quantification of uncertainty (S300)
(2-1)단계: 에너지량 확률분포의 연산 (2-1) Step: Computation of the energy amount probability distribution
(2-2)단계: 공사비 확률분포의 연산(2-2) Step: Operation cost probability distribution calculation
(3)단계: 투자회수기간의 연산 (S400)
(3): calculation of the investment payout period (S400)
(1)단계: 파레토 최적해 대안의 연산 (S100~S200)(1) Step: calculation of the Pareto optimal solution alternative (S100 to S200)
건물 에너지 리모델링 사업은 다양한 의사결정자가 관여하는 대표적인 다기준 최적화 문제이다. The building energy remodeling project is a representative multi-criteria optimization problem involving various decision makers.
따라서, 초기투자비, 운영비, 에너지 소비량과 같은 목적함수요소(f n )와 리모델링 설계에 관련된 다양한 변수 및 대안을 의미하는 설계변수(x)가 반드시 고려되어야 한다.Therefore, the objective function factor ( f n ) such as the initial investment cost, the operating cost, the energy consumption, and the design variable ( x ) representing various variables and alternatives related to the remodeling design must be considered.
이러한 요소들을 고려하여 다기준 목적함수(F)를 아래와 같은 수식으로 표현할 수 있다.
Considering these factors, the multi-criteria objective function ( F ) can be expressed by the following equation.
즉, 도 1을 참조하면, 목적함수 모듈(100)의 목적함수요소 입력 모듈(111) 및 설계변수 입력 모듈(112)을 통하여 상기의 목적함수요소(f n ) 및 설계변수(x)가 입력되며, 이에 따라 다기준 목적함수 설정 모듈(120)에서 다기준 목적함수(F)가 설정된다(S200).
1, the objective function element f n and the design variable x are input through the objective function
다음, 파레토 최적해인 대안(1~N)이 설정되어야 한다.Next, an alternative (1 to N) that is a Pareto optimal solution should be set.
경제성이 가장 최적화된다는 것은 다기준 목적함수(F)가 최소화되는 것을 의미하며, 달리 표현하면 다기준 목적함수(F)가 최소화되는 리모델링 요소기술조합이 가장 경제성 높은 목적함수요소(f n ) 및 설계변수(x)이기 때문이다.It is based on the objective function (F) is meant to be minimized and, when the reference objective function (F) is the most economical high-remodeling element combination that minimizes the objective function represented elements otherwise (f n) and designed that the economics are best optimized Variable x .
본 발명에서는 '파레토 최적기법'을 적용하여 위의 최적화 문제를 해결한다. In the present invention, the above optimization problem is solved by applying 'Pareto optimal method'.
즉, 파레토 최적해 연산 모듈(130)은 '파레토 최적기법'으로 다양한 설계변수(x)에 대하여 파레토 집합들을 구하고 이를 이용하여 파레토 최적해를 이루는 대안을 찾는다(S200). 파레토 최적해는 다수의 대안(1~N)으로 표현된다. That is, the Pareto optimal
이후, 파레토 최적해로 연산되지 않는 불확실성을 정량화하여야 하며, 이에 대해서는 후술한다.
Then, the uncertainty that is not calculated by the Pareto optimal solution must be quantified, which will be described later.
(2)단계: 불확실성의 정량화 (S300)(2) Step: Quantification of uncertainty (S300)
종래 기술에 따르면, 파레토 최적 기법을 통해 다수의 대안(1~N)이 구하여지면, 의사결정자는 자신의 기호에 맞는 설계 대안을 결정한다.According to the prior art, when a plurality of alternatives (1 to N) are obtained through the Pareto optimal technique, the decision maker decides a design alternative that suits his preference.
그러나 본 발명에서는 불확실성 정량화 모듈(200)이 파레토 최적해, 즉 리모델링 설계 대안(1~N)에 포함된 불확실성을 몬테카를로 시뮬레이션 기법을 사용해 확률적 분포로서 우선 정량화하는 단계를 거친다(S300).However, in the present invention, the
정량화 방법은 다음과 같은 두 가지로 이루어질 수 있다.
The quantification method can be made by the following two methods.
(2-1)단계: 에너지량 확률분포의 연산(2-1) Step: Computation of the energy amount probability distribution
파레토 최적 기법으로 구한 최적 설계 대안들은 여러 가지 에너지 절약 요소기술의 집합이며 아래의 수식으로 표현할 수 있다.
The optimal design alternatives obtained by the Pareto optimal method are a set of various energy saving factor techniques and can be expressed by the following equations.
여기서 W i 는 i번째 대안에서의 에너지량이고(1≤i≤N), w n 은 각각의 대안에 포함되는 에너지 절약 요소기술들이다. 여기에서 에너지량은 에너지 소비량 또는 절감량 중 어느 것이어도 무방하다.Where W i is the amount of energy in the ith alternative (1 ≤ i ≤ N), and w n are the energy-saving factor technologies included in each alternative. Here, the amount of energy may be either energy consumption or savings.
에너지 절약 요소기술(w n )은 액티브, 패시브적 요소가 포함되며, 이들 요소기술(w n )의 에너지 절감 예측값은 환경적 요인(기후 상태), 시공 수준 또는 설명서에 명시된 성능과 실제 현장에서의 성능 차이 등에 따라 변하는 불확실한 요소이다.Energy conservation factor technologies ( w n ) include active and passive components, and energy conservation estimates of these factor technologies ( w n ) are based on environmental factors (climate conditions), construction levels, It is an uncertain factor which varies depending on the performance difference.
이러한 불확실성을 해결하기 위해, 본 발명에서는 요소기술들의 에너지 절감 예측값를 하나의 대푯값으로 설정하는 결정적 접근이 아니라 확률분포로 표현한다.In order to solve this uncertainty, in the present invention, the energy saving prediction value of the element technologies is represented by a probability distribution rather than a decisive approach which is set as one representative value.
그리고 각 요소기술별 에너지 절감 확률분포에서 무작위 수치 생성을 반복적으로 수행하는 몬테카를로 시뮬레이션 기법을 적용하여 각 설계 대안의 에너지 절감 예측 분포를 계산한다. And we apply the Monte Carlo simulation technique which iteratively generates random numbers in the energy saving probability distribution for each element technology to calculate the energy saving prediction distribution of each design alternative.
이 과정을 그림으로 설명하면 도 3과 같다.This process is illustrated in FIG.
즉, 에너지량 확률분포 연산 모듈(210)에서 각각의 대안(1~N)에 대하여 에너지 절약 요소기술(w n )들을 조합하여 i 번째 대안에 대한 에너지량(W i )이 연산되며, 이는 확률분포로서 연산된다.That is, the energy amount W i for the i-th alternative is calculated by combining the energy saving element descriptions w n for each of the
확률분포에서 x축은 에너지소비량, y축은 확률이다.In the probability distribution, the x-axis is the energy consumption and the y-axis is the probability.
가장 우측의 그래프에 도시된 예시에서 확인할 수 있듯이, 대안 i를 적용할 경우 (연간) 에너지소비량이 A일 확률이 B%로 예측된다.
As can be seen from the example shown in the rightmost graph, when the alternative i is applied (annual), the probability of energy consumption A is predicted as B%.
(2-2)단계: 공사비 확률분포의 연산(2-2) Step: Operation cost probability distribution calculation
에너지 절약 요소기술 은 에너지 절감량뿐만 아니라 공사비 역시 불확실성을 내포하고 있다. The energy saving factor technology has uncertainty as well as energy saving cost.
이는 요소기술의 실용화 수준, 개발 수준 및 경제적 여건, 현장 조건에 따라 영향을 많이 받기 때문이다. This is because it is highly influenced by the practical level of elliptic technology, development level and economic condition, and the field conditions.
이러한 불확실성을 해결하기 위해, 본 발명에서는 에너지 절감량 예측과 마찬가지로 몬테카를로 시뮬레이션 기법을 사용하여 공사비를 확률분포로 예측한다. In order to solve this uncertainty, the present invention estimates the construction cost as a probability distribution by using a Monte Carlo simulation technique like the energy saving prediction.
구체적인 연산 과정은, 에너지량 확률분포의 연산과 유사하다. The specific calculation process is similar to the calculation of the energy amount probability distribution.
다만 W i 가 i번째 대안에서의 에너지량이 아닌 공사비이며, w n 이 공사비 절감 요소기술이다.However, W i is the cost of construction, not the amount of energy in the i-th alternate, w n it is a cost-saving factor technology.
이 과정을 그림으로 설명하면 도 3과 같다.This process is illustrated in FIG.
즉, 공사비 확률분포 연산 모듈(220)에서 각각의 대안(1~N)에 대하여 공사비 절감 요소기술(w n )들을 조합하여 i 번째 대안에 대한 공사비(W i )가 연산되며, 이는 확률분포로서 연산된다.That is, the construction cost
확률분포에서 x축은 공사비, y축은 확률이다.In the probability distribution, the x-axis is the construction cost, and the y-axis is the probability.
가장 우측의 그래프에 도시된 예시에서 확인할 수 있듯이, 대안 i를 적용할 경우 공사비가 A일 확률이 B%로 예측된다.
As can be seen from the example shown in the rightmost graph, if the alternative i is applied, the probability of construction cost A is predicted as B%.
(3)단계: 투자회수기간의 연산 (S400)(3): calculation of the investment payout period (S400)
투자회수기간 연산 모듈(300)은 먼저 연산된 파레토 최적해들, 즉 대안(1~N)들의 에너지량 및 공사비 확률분포를 이용하여 투자회수기간의 확률분포를 예측한다. The investment recovery
투자회수기간 역시 모든 대안(1~N)들에 대해 몬테카를로 시뮬레이션을 수행하여 확률 분포로서 연산된다. The payback period is also calculated as a probability distribution by performing a Monte Carlo simulation for all alternatives (1 to N).
보다 구체적으로, 투자회수기간은 확률밀도분포와 누적확률분포로 출력될 수 있다. More specifically, the investment payback period can be output as a probability density distribution and a cumulative probability distribution.
여기서 확률밀도분포와 누적확률분포의 두 가지 형식으로 출력되는 것은, 각각이 리모델링 경제성 평가에서 중요한 기능을 하기 때문이다.Here, the two types of output, the probability density distribution and the cumulative probability distribution, are important functions in the economic evaluation of remodeling.
즉, 확률밀도분포를 통해서는 가장 확률이 큰 투자회수기간이 몇 년인지 확인할 수 있고, 누적확률분포를 통해서는 사업 투자를 위한 목표 투자회수기간이 보장될 수 있는 확률이 얼마나 되는지 확인할 수 있다. In other words, it is possible to confirm the most probable investment payback period through the probability density distribution, and the probability of the target investment payback period for the business investment can be confirmed through the cumulative probability distribution.
도 5에 도시되는 바와 같이, 확률밀도분포 연산 모듈(310)은 확률밀도분포로 연산하고, 누적확률분포 연산 모듈(320)은 누적확률분포로 연산하며, 이는 출력부(350)를 통해 의사결정자에게 출력된다.As shown in FIG. 5, the probability density
의사결정자는 이 두 가지 확률 분포를 통해 어떤 설계 대안을 선택할 것인지, 또는 이 리모델링 사업에 투자를 할 것인지를 결정하게 된다.
With these two probability distributions, the decision maker decides which design alternatives to choose, or whether to invest in this remodeling project.
100: 목적함수 모듈
111: 목적함수 요소 입력 모듈
112: 설계변수 입력 모듈
120: 다기준 목적함수 설정 모듈
130: 파레토 최적해 연산 모듈
200: 불확실성 정량화 모듈
210: 에너지량 확률분포 연산 모듈
220: 공사비 확률분포 연산 모듈
300: 투자회수기간 연산 모듈
310: 확률밀도분포 연산 모듈
320: 누적확률분포 연산 모듈
350: 출력부100: Objective function module
111: Objective function element input module
112: design variable input module
120: Multi-criteria objective function setting module
130: Pareto optimal solution calculation module
200: Uncertainty Quantification Module
210: Energy amount probability distribution calculation module
220: Construction cost probability distribution calculation module
300: Investment payback period calculation module
310: Probability Density Distribution Computation Module
320: cumulative probability distribution calculation module
350:
Claims (6)
(B) 상기 설정된 다기준 목적함수의 값이 최소값이 되도록, 파레토 최적기법을 이용하여 파레토 최적해인 다수의 대안(1~N)이 연산되는 단계;
(C) 상기 연산된 각각의 대안(1~N)에 대하여 에너지량 확률분포 및 공사비 확률분포가 연산되는 단계;
(D) 상기 연산된 에너지량 확률분포 및 공사비 확률분포에 의하여 투자회수기간의 확률분포가 연산되는 단계; 및
(E) 상기 연산된 투자회수기간의 확률분포가 출력되는 단계
를 포함하는 것을 특징으로 하는,
건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법.
(A) inputting an objective function element f n and a design variable x to set a multi-criteria objective function F ;
(B) computing a number of alternatives (1 to N) that are Pareto-optimal solutions using the Pareto optimal method such that the set multi-criteria objective function is minimized;
(C) calculating an energy amount probability distribution and a construction cost probability distribution for each of the calculated alternatives (1 to N);
(D) calculating a probability distribution of an investment payback period by the calculated energy amount probability distribution and a construction cost probability distribution; And
(E) outputting a probability distribution of the calculated payback period
≪ / RTI >
A Method for Evaluating the Economic Performance of Energy Performance in the Remodeling Project of the Building.
상기 다기준 목적함수(F)는 하기의 수식에 의하여 설정되는 것을 특징으로 하는,
건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법.
The method according to claim 1,
Wherein the multi-criteria objective function ( F ) is set by the following equation:
A Method for Evaluating the Economic Performance of Energy Performance in the Remodeling Project of the Building.
상기 (C) 단계에서,
몬테카를로 시뮬레이션 기법에 의하여 에너지량 확률분포 및 공사비 확률분포가 연산되는 것을 특징으로 하는,
건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법.
The method according to claim 1,
In the step (C)
The energy quantity probability distribution and the construction cost probability distribution are calculated by Monte Carlo simulation technique,
A Method for Evaluating the Economic Performance of Energy Performance in the Remodeling Project of the Building.
상기 에너지량 확률분포는 하기의 수식에 의하여 연산되는 것을 특징으로 하는,
건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법.
W i 는 i번째 대안에서의 에너지량(1≤i≤N)
w n 은 각각의 대안에 포함되는 에너지 절약 요소기술
The method of claim 3, wherein
Wherein the energy amount probability distribution is calculated by the following equation: < EMI ID =
A Method for Evaluating the Economic Performance of Energy Performance in the Remodeling Project of the Building.
W i is the amount of energy in the i th alternative (1 ≦ i ≦ N)
w n is the energy saving factor technology included in each alternative
상기 공사비 확률분포는 하기의 수식에 의하여 연산되는 것을 특징으로 하는,
건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법.
W i 는 i번째 대안에서의 공사비(1≤i≤N)
w n 은 각각의 대안에 포함되는 공사비 절감 요소기술
The method of claim 3, wherein
Wherein the construction cost probability distribution is calculated by the following equation:
A Method for Evaluating the Economic Performance of Energy Performance in the Remodeling Project of the Building.
W i is the i-th cost of alternatives (1≤ i ≤N)
w n is the cost reduction factor technology included in each alternative
상기 (D) 단계에서,
상기 투자회수기간의 확률분포는 확률밀도분포와 누적확률분포로 연산되는 것을 특징으로 하는,
건축물 리모델링 사업에 있어서 에너지 성능의 경제성 평가 방법.The method according to claim 1,
In the step (D)
Wherein the probability distribution of the investment payback period is calculated by a probability density distribution and a cumulative probability distribution.
A Method for Evaluating the Economic Performance of Energy Performance in the Remodeling Project of the Building.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120109734A KR101414282B1 (en) | 2012-10-02 | 2012-10-02 | The economic evaluation method of building energy performance retrofit on early phase |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120109734A KR101414282B1 (en) | 2012-10-02 | 2012-10-02 | The economic evaluation method of building energy performance retrofit on early phase |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140043640A true KR20140043640A (en) | 2014-04-10 |
| KR101414282B1 KR101414282B1 (en) | 2014-07-01 |
Family
ID=50652073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120109734A KR101414282B1 (en) | 2012-10-02 | 2012-10-02 | The economic evaluation method of building energy performance retrofit on early phase |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101414282B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506191A (en) * | 2021-05-14 | 2021-10-15 | 北京工业大学 | Entropy weight method COPES model-based public building energy-saving reconstruction technology decision method |
| CN118153180A (en) * | 2024-05-10 | 2024-06-07 | 浙江大学 | Green performance improvement design method for existing middle and primary school building |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160027481A (en) | 2014-08-29 | 2016-03-10 | 주식회사 에코시안 | Building energy efficiency and service evaluation system, and processing method thereof |
| KR101814124B1 (en) * | 2017-01-02 | 2018-01-30 | 한양대학교 에리카산학협력단 | Apparatus and method for building life cycle sustainability assessment using probabilistic analysis method and recording medium in which the method is recorded |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4362572B2 (en) * | 2005-04-06 | 2009-11-11 | 独立行政法人 宇宙航空研究開発機構 | Problem processing method and apparatus for solving robust optimization problem |
-
2012
- 2012-10-02 KR KR1020120109734A patent/KR101414282B1/en active IP Right Grant
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506191A (en) * | 2021-05-14 | 2021-10-15 | 北京工业大学 | Entropy weight method COPES model-based public building energy-saving reconstruction technology decision method |
| CN113506191B (en) * | 2021-05-14 | 2023-11-14 | 北京工业大学 | Public building energy-saving reconstruction technical decision method based on entropy weight method COPARS model |
| CN118153180A (en) * | 2024-05-10 | 2024-06-07 | 浙江大学 | Green performance improvement design method for existing middle and primary school building |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101414282B1 (en) | 2014-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Short-term wind speed prediction: Hybrid of ensemble empirical mode decomposition, feature selection and error correction | |
| Xu et al. | Discrete time–cost–environment trade-off problem for large-scale construction systems with multiple modes under fuzzy uncertainty and its application to Jinping-II Hydroelectric Project | |
| Colin et al. | A comparison of the performance of various project control methods using earned value management systems | |
| Abdel Sabour et al. | Incorporating geological and market uncertainties and operational flexibility into open pit mine design | |
| Liu et al. | Bridge annual maintenance prioritization under uncertainty by multiobjective combinatorial optimization | |
| KR101414282B1 (en) | The economic evaluation method of building energy performance retrofit on early phase | |
| CN103514488B (en) | Power-system short-term load forecasting device and method based on combination forecasting | |
| Zhou et al. | Modelling future trends of annual embodied energy of urban residential building stock in China | |
| Chen et al. | Fuzzy logic pavement maintenance and rehabilitation triggering approach for probabilistic life-cycle cost analysis | |
| Yao et al. | Management of cascading outage risk based on risk gradient and Markovian tree search | |
| Lu et al. | Multi-objective risk analysis for flood control operation of a complex reservoir system under multiple time-space correlated uncertainties | |
| Arabpour Roghabadi et al. | Optimized crew selection for scheduling of repetitive projects | |
| Kawauchi et al. | A new approach to production regularity assessment in the oil and chemical industries | |
| Jeong et al. | Learning-driven construction productivity prediction for prefabricated external insulation wall system | |
| Zhou et al. | Stochastic resource-constrained project scheduling problem with time varying weather conditions and an improved estimation of distribution algorithm | |
| Ebrahimi et al. | Developing the seismic fragility analysis with fuzzy random variables using Mouth Brooding Fish algorithm | |
| Langsari et al. | Optimizing COCOMO II parameters using particle swarm method | |
| CN117852690A (en) | BIM-based high-rise building construction period optimization method and system | |
| US11898803B2 (en) | Cooling plant system and method of operating said system | |
| Liu et al. | Consideration of streamflow forecast uncertainty in the development of short-term hydropower station optimal operation schemes: A novel approach based on mean-variance theory | |
| Shelokar et al. | Multicanonical jump walk annealing assisted by tabu for dynamic optimization of chemical engineering processes | |
| Hosny et al. | Stochastic time-cost-quality trade-off analysis: the PERT approach | |
| Shukla et al. | Targeting compression work in hydrogen allocation network with parametric uncertainties | |
| Basha et al. | Profitability optimization of construction project using genetic algorithm cash flow model | |
| Kozel et al. | Adaptive stochastic management of the storage function for a large open reservoir using an artificial intelligence method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170329 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180508 Year of fee payment: 5 |