KR20140141923A - 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법 - Google Patents

복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법 Download PDF

Info

Publication number
KR20140141923A
KR20140141923A KR1020130063283A KR20130063283A KR20140141923A KR 20140141923 A KR20140141923 A KR 20140141923A KR 1020130063283 A KR1020130063283 A KR 1020130063283A KR 20130063283 A KR20130063283 A KR 20130063283A KR 20140141923 A KR20140141923 A KR 20140141923A
Authority
KR
South Korea
Prior art keywords
energy
building
equation
cooling
heating
Prior art date
Application number
KR1020130063283A
Other languages
English (en)
Inventor
김영섭
장용성
안명호
허정호
공동석
Original Assignee
지에스건설 주식회사
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 지에스건설 주식회사 filed Critical 지에스건설 주식회사
Priority to KR1020130063283A priority Critical patent/KR20140141923A/ko
Publication of KR20140141923A publication Critical patent/KR20140141923A/ko

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명은 복합 에너지를 사용하는 건물에서의 에너지 시스템을 최적화하기 위한 방법에 관한 것으로, 설계 대상 건물의 냉방, 난방, 급탕에 요구되는 최대 건물 에너지 요구량을 파악하는 제1 단계; 파악된 건물 에너지 요구량을 정해진 범위 내에서 포함하도록 개체 그룹으로부터 복수의 초기개체(initial individual)를 선택하는 제2 단계; 선택된 개체에 대해 냉방, 난방, 급탕의 종류별로 가동율(operation ratio)을 결정하는 제3 단계; 상기 가동율에 기초하여 에너지 계산을 수행하여 1차 에너지 사용량(primary energy usage)을 계산하는 제4 단계; 1차 에너지 사용량에 기반하여 복수의 초기개체에 각각 대한 개체 적합도(individual fitness)를 평가하고 평가 결과중 기준치 이상의 개체를 우성 개체로 선택하고, 선택된 우성 개체를 포함하는 제2 개체를 선택하는 제5 단계를 거친 다음, 1차 에너지 사용량이 일정한 값으로 수렴할 때까지 제3 단계 내지 제5 단계를 반복하는 것을 특징으로 한다.

Description

복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법{OPTIMAL BUILDING ENERGY SYSTEM DESIGN METHOD WITH COMPLEX CONSTRAINTS}
본 발명은 복합 에너지를 사용하는 건물에서의 에너지 시스템을 최적화하기 위한 방법에 관한 것이다.
21세기 대두되고 있는 환경문제로 인해 건축분야의 주요 이슈는 에너지수요 저감과 건축물 에너지성능의 향상이다. 기존과 신규 건축물을 망라하여 에너지에 대한 이슈는 정부차원의 제도와 환경적 의무, 발주처의 요구를 기반으로 설계 다양화에 대한 수요를 만들어 내고 있다.
이와 같은 수요를 충족시키기 위해서 건축물을 설계하는 설계자와 에너지시스템을 설계하는 엔지니어는 건축물의 다양한 에너지적인 요소를 동시에 고려해야하는 상황에 있다. 특히, 건축물의 에너지성능은 설계단계에서 가장 큰 영향력을 갖는 것으로 보고되고 있다. 이 때문에 설계자와 엔지니어는 건축물의 에너지 소비를 최소화할 수 있는 효과적인 설계안을 제공할 수 있어야 한다.
이러한 다양한 설계에 대한 수요와 에너지 효율을 동시에 고려하기 위해서는 기존의 방식과는 다른 새로운 설계방법이 요구되어 진다.
건축물의 에너지시스템 설계는 크게 냉방, 난방, 급탕으로 나누어진다. 그리고 에너지를 공급하기 위한 보일러, 냉동기, 히트펌프 등의 다양한 종류의 장치가 건물의 에너지 요구를 충족시키는 역할을 한다.
에너지시스템의 이용효율을 향상시키기 위해 고효율의 장치를 사용하는 것은 일반적으로 유용한 방법이다. 하지만 실질적으로는, 에너지시스템 장치의 에너지효율은 운영 스케줄에 따른 가동율(operation ratio)에 따라 다르게 나타나기 때문에 고효율 기기의 사용이 반드시 에너지 저감을 동반한다고 보장할 수 없다.
따라서 에너지 저감을 위한 에너지시스템을 설계하기 위해서는 장치의 종류와 운영스케줄을 동시에 고려해야 하는데, 몇 건의 연구가 이러한 방향으로 진행되었다.
이들 연구에서는 유전자 알고리즘 GA(Genetic Algorithms)를 이용하여 열원의 최적 설계방법을 제시하는데 주요 목적이 있었고, 결론을 통해 이러한 방법이 매우 효과적 임을 보여주었다. 복합 에너지 시스템(hybrid energy system)의 설계를 위한 연구에서 이러한 최적화를 통한 에너지시스템의 설계는 매우 효율적이고 장기적인 건물의 운영효율과 유지비의 절감 차원에서 매우 중요한 성과를 거둘 수 있음을 강조하고 있다.
그러나, 장치의 용량과 운전 스케줄을 동시에 고려하고 또한 다양한 환경적, 제도적 그리고 클라이언트의 요구사항 등 동시에 수많은 요인들을 고려하면서 에너지소비를 줄일 수 있는 시스템을 선정해야 하는데, 이와 같은 일은 매우 어려운 일이며, 정량적인 분석 방법을 필요로 한다.
따라서 다양한 에너지시스템의 종류와 대수, 제도적인 요구, 환경적 문제, 클라이언트의 요구 등 다양한 설계적인 요구를 만족시킬 수 있는 건물에너지 시스템을 위한 방안의 출현이 절실히 요구된다고 하겠다.
본 발명은 상기와 같은 필요와 요구에 부응하기 위해 안출된 것으로, 본 발명의 목적은, 유전자 알고리즘을 이용하여 다양한 설계에 대한 수요와 장치의 가동율에 대한 특성을 반영한 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법을 제공하기 위한 것이다.
본 발명의 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법은, 설계 대상 건물의 냉방, 난방, 급탕에 요구되는 최대 건물 에너지 요구량을 파악하는 제1 단계; 파악된 건물 에너지 요구량을 정해진 범위 내에서 포함하도록 개체 그룹으로부터 복수의 초기개체(initial individual)를 선택하는 제2 단계; 선택된 개체에 대해 냉방, 난방, 급탕의 종류별로 가동율(operation ratio)을 결정하는 제3 단계; 상기 가동율에 기초하여 에너지 계산을 수행하여 1차 에너지 사용량(primary energy usage)을 계산하는 제4 단계; 1차 에너지 사용량에 기반하여 복수의 제1 개체 각각에 대한 개체 적합도(individual fitness)를 평가하고 평가 결과중 기준치 이상의 개체를 우성 개체로 선택하고, 선택된 우성 개체를 포함하는 제2 개체를 선택하는 제5 단계를 거친 다음, 1차 에너지 사용량이 일정한 값으로 수렴할 때까지 반복 계산을 통해 건물에너지 요구량을 만족시키는 최적의 냉방, 난방 및 급탕 장치의 설계조합을 도출하는 것을 특징으로 한다.
상기 제2 단계는, 사용자 선택 제약사항(constraints)를 반영하는 단계를 포함하고, 상기 사용자 선택 제약사항은 특정 설비 사용제한(유형 및 용량), ITS(Ice Storage System)의 사용여부, 신재생에너지 사용여부 및 사용 비율, 정책적 반영요소의 적용여부를 포함할 수 있다.
또한 건물 에너지 요구량은 다음의 식 1을 만족한다.
Figure pat00001
(식1)
여기서 Demandi = I 시간에서의 에너지요구량, ai = 장치의 가동율, Qdevice = 장치의 용량[kW]을 나타낸다.
또한 선택된 개체에 대해 냉방, 난방, 급탕의 종류별로 가동율(operation ratio)을 결정하는 제3 단계는, 장치의 설계 대표일의 하루 동안의 에너지소비량에 기초한 동작 스케줄의 최적화를 포함하고, 상기 에너지 소비량은 다음의 식 2를 만족한다.
Figure pat00002
(식2)
여기서, Edevice = 장치의 에너지소비량 [kWh], Fdevice = 장치의 에너지 소비 함수를 나타낸다.
또한 장치의 설계 대표일 동안의 에너지 소비량은, 다음 식 3 ~ 식 5를 만족한다.
ECD=ERT+EAR+EHP+EGHP+EITS+EARH (식3)
EHD=EGB+ECGS+EHP+EGHP+EARH (식4)
EHW=EHPW+ECGSW+EGBW (식5)
여기서 ECD = 냉방에 사용된 에너지사용량, EHD = 난방에 사용된 에너지사용량, 및 EHW = 급탕에 사용된 에너지사용량을 나타낸다.
본 발명에 따르면 설계 초기 단계에서 활용될 수 있는 건물 에너지시스템의 최적 설계방법을 유전자 알고리즘을 이용하여 제시할 수 있으며, 장치의 용량과 가동 스케줄을 동시에 고려하고, 또한 에너지시스템을 설계하는 엔지니어들은 다양한 환경적, 제도적 그리고 클라이언트의 요구사항 등 동시에 수많은 요인들을 고려하면서 에너지소비를 줄일 수 있는 시스템을 제공할 수 있다.
도 1은 본 발명에서 제안하는 최적화 방법의 처리 흐름을 나타낸 도면.
도 2는 에너지 최적화의 일례를 나타낸 도면.
도 3은 난방 장치의 기계 특성(장치부하율 대 에너지소비율)을 나타낸 도면.
도 4는 냉방 장치의 기계 특성(장치부하율 대 에너지소비율)을 나타낸 도면.
도 5는 건물 에너지시스템의 개략도(schematic diagram)를 나타내는 도면.
이하 첨부된 도면을 참조하여 본 발명에 따른 실시예에 대해 설명한다.
1. 개요
유전자 알고리즘(Genetic Algorithm; GA)은 1975년 홀랜드(Holland)에 의해서 제시된 최적화 방법으로 다윈(Darwin)의 적자생존 메커니즘을 기반으로 한 방법이다. 유전자 알고리즘(GA)에서 하나의 케이스는 "개체(individual)"로 불리게 된다. 최적화 솔루션의 후보인 "개체(individual)들"은 "염색체(chromosomes)"라고 불리는 곳에 변수에 대한 정보를 저장한다. 그리고 선택(selection), 교차(crossover), 돌연변이(변이, mutation), 평가(evaluation)의 일련의 과정을 통해 주어진 문제에 대해 적합한 객체만 살아남게 되며, 그에 따라 마지막까지 살아남은 "개체"를 최적 솔루션으로 선택하는 방식이다.
세대(generation)는 반복계산 회수를 의미하며 세대(generation)의 증가를 통해 최적화가 진행된다. 유전자 알고리즘(GA)은 "돌연변이"라는 개념으로 준최적값(local optimum)에 머물지 않고, 전역적 최적값(global optimum)에 대한 탐색능력이 뛰어난 알고리즘이다.
본 발명에서 장치의 용량(capacity)은 정격 출력(rated output)을 의미한다. "염색체(chromosomes)"는 장치의 종별 용량(capacity)에 대한 정보를 나타내고, "개체(individual)"는 에너지시스템의 하나의 케이스(case)를 의미한다.
또한 본 발명에서 1세대(generation)에서 동시에 100개의 "개체(individual)"의 계산이 수행되는데, 교배율(crossover rate)는 80%, 돌연변이율(mutation rate)는 3%가 적용되었다.
도 1은 본 발명에서 제안하는 최적화 방법의 처리 흐름을 나타내고 있다. 도 1에 도시한 바와 같이 본 발명에 따른 에너지 시스템 최적화 방법은 4 단계로 이루어진다.
제1 단계에서는 먼저 유전자 알고리즘에 의해 초기 개체(initial individual)가 선택된다. 이 과정에서 사용자(클라이언트 또는 설계자)의 선택적인 제약사항(constraints)이 반영된다. 여기서, 제약사항은 에너지 시스템에 대한 정책적 반영요소 또는 의무적인 신재생에너지 사용비중 또는 빙축열시스템(ice storage system)의 여부 또는 요구 제한요소(demand limitation) 등과 같은 엔지니어가 에너지시스템의 선택시 고려해야 하는 요소가 반영된다.
이러한 사용자 선택사항은 실무적인 관점에서 매우 유용하다. 실례로 국내에서 건물의 전력사용량을 줄이기 위해서 연면적이 10,000㎡ 이상인 모든 건물에서 최대냉방에너지 요구량의 60%이상을 가스를 이용하는 장치로 충당하는 것을 의무화하고 있고, 정부기관의 건물은 의무적으로 신재생에너지를 총 에너지소요량의 10%이상 적용할 것을 권고하고 있다. 이와 같은 상황에서 이러한 사용자의 선택사항은 매우 유용한 기능을 하는 부분이다.
제2 단계에 있어서, 각각 개체(individual)의 에너지성능의 최대화를 위해서 가동 스케줄(operational schedule)을 최적화한다. 이 단계는 장치의 가동율(operation ratio)을 결정하는 과정에 해당한다. 예를 들면, 설계 대표일인 1월, 4월, 8월의 에너지요구량에 대해 24시간의 가동율이 장치의 종별로 결정된다. 이 과정에서는 반복 계산(Iterative calculation)을 통해 에너지소비가 가장 작은 에너지 공급 계획을 찾는다.
제3 단계는 설계 대표일에 대한 에너지 계산을 수행하는 단계로 전술한 제2 단계와 연결된 과정이다. 장치 종류에 따라 가스와 전기를 사용하는데 본 발명에서 가스(gas)는 1.1, 전기(ectricity)는 2.75의 계수(coefficient)를 곱해서 1차 에너지 사용량(primary energy usage)로 환산하였고 이것을 목적함수로 적용한다. 이는 다음 식 1과 같이 표현할 수 있다.
Figure pat00003
식 (1)
여기서 Total Electricity는 전체 전력사용량(㎾h), Total Gas는 전체 가스 사용량(㎾h)
제4 단계는 유전자 알고리즘(GA operation)에 의한 에너지 시스템 최적화 단계이다. 유전자 알고리즘은 개체(individual)의 적합도(fitness)를 평가(evaluation)하여 우성인자를 결정하게 된다. 이 과정에서 에너지 효율이 높고 유용한 장치는 생존되고 에너지 사용율(energy usage)이 큰 장치는 도태되어 없어지게 된다.
개체의 적합도는 전술한 제3 단계에서 계산한 주에너지 사용율(primary energy usage)이 적용되게 된다. 이를 통해 1번째 세대의 계산이 종료되게 된다.
2번째 세대에서의 에너지 최적화를 위해서 유전자 알고리즘 오퍼레이터는 높은 평가를 받은 개체를 선택(selection)하고 교배(crossover)하여 2번째 계산을 위한 개체(individual)를 만들어 내게 되고, 다시 제1 단계로 돌아가 반복 계산이 수행된다. 계산 과정에서 도 1에 도시한 바와 같이, 매 세대마다 최소의 에너지소비를 갖는 개체가 도출되게 된다.
세대가 증가하면 우성인자가 남기 때문에, 목적 함수(object function)의 값은 계속해서 낮아진다. 하지만 반복횟수가 일정 수준 이상이 되면 도 2에 도시한 바와 같이 더 이상 목적 함수의 값이 낮아지지 않는 세대가 나타나게 되는데, 이 세대에서 발현된 개체(individual)들이 최적화 솔루션을 의미하게 된다. 이와 같은 과정을 통해 최적화 시스템을 결정할 수 있다.
2. 에너지 시스템 모델링
본 발명에서 건물의 에너지요구량은 장치의 에너지 공급보다 항상 작다는 것을 기본으로 가정한다. 이는 에너지시스템이 건물의 에너지수요를 항상 만족시킨다는 것을 전제하기 때문이다. 이는 다음 식 2와 같이 표현할 수 있다.
Figure pat00004
(식2)
(여기서 Demandi = I 시간에서의 에너지요구량, ai = 장치의 가동율, Qdevice = 장치의 용량[kW])
에너지시스템에서의 에너지 소비는 건물의 에너지 요구량을 기기효율로 나누는 것으로 간단하게 계산할 수 있다. 하지만 본 발명에서 기기의 효율은 기기 또는 장치의 가동율에 따라 변화하는 것을 감안하여 장치의 하루 동안의 에너지 소비는 다음 식 3과 같이 표현할 수 있다.
Figure pat00005
(식3)
(여기서, Edevice = 장치의 에너지소비량 [kWh], Fdevice = 장치의 에너지 소비 함수)
Fdevice는 장치의 종류별로 다르게 나타나는데 이것은 기계적인 특성을 반영한 것으로 입력에 따라서 비선형함수로 표현된다. 이러한 데이터는 본 발명에서는 프로그램 상에서 준비되었고 계산과정에서 연결되어 사용되었다. 도 3 및 도 4는 각각 난방과 냉방을 위한 에너지시스템 장치의 기계적인 특성을 나타낸 데이터로서, 도 3은 난방장치의 기계 특성(장치부하율 대 에너지소비율)을 나타낸 도면, 도 4는 냉방장치의 기계 특성(장치부하율 대 에너지소비율)을 나타낸 도면이다.
본 발명에서 정의한 계산 가능한 에너지시스템은 난방을 위한 장치로서 5종류, 냉방을 위한 장치로서 6종류, 급탕을 위한 장치로서 3종류로 구분하였다. 이들 장치의 종류는 일반적으로 유용하게 사용되는 터보 냉동기(TR), 가스 보일러(GB), 에너지 저감을 위해서 사용되는 지열 히트펌프(GHP), 주간의 전력사용을 줄이기 위해 정책적으로 사용하는 빙축열시스템(ITS) 이외에도 흡수식 냉온수기(ARH), 히트 펌프(HP), 열병합시스템(CGS), 흡수식 냉동기(AR)와 같은 다양한 에너지시스템을 포함하고 있다.
본 발명의 이해를 돕기 위해 본 발명에 사용된 장치들의 영문 약자에 대한 전체 이름은 다음과 같다.
TR = Turbo-refrigerator, AR = Absorption-refrigerator,
ARH = Absorption-refrigerating & Heating machine,
GHP = Geothermal Heatpump, GB = Gas-Boiler, CGS = Cogeneration system
HP = Heatpump, ITS = Ice Storage system, GBW = Gas-boiler for water,
HPW = Heatpump for water, CGSW = Cogeneration system for water
도 5는 건물에너지시스템의 스케메틱 다이어그램(schematic diagram)을 나타내는 도면으로 냉방, 난방, 급탕에 필요한 에너지 장치들의 상관 관계를 나타낸 도면이다. 에너지시스템의 용량은 제조사별로 다양하게 나타나기 때문에, 모든 라인-업을 반영하는 것은 불가능하다. 따라서 장치의 라인-업은 제품의 카탈로그와 물가정보자료를 이용하여 대표적인 케이스를 정리하였으며, 본 발명에서 장치의 종류별 용량은 경우(장치의 추가 또는 변경 등과 같은 경우)에 따라서 변경 가능한 입력요소임에 주의해야 하며, 본 발명이 이에 의해 한정되는 것은 아니다.
본 발명에서 장치의 대수는 기본적으로 각 장치마다 2대 이상을 동시에 적용이 가능한 것으로 하여 기기분할에 따른 다양한 케이스를 검토할 수 있도록 하였고, GHP와 CGS, ITS와 같이 사용자의 선택을 반영하는 에너지시스템은 사용자의 입력에 의해서 최대부하의 0∼100%까지 선택적인 입력이 가능하다.
3. 목적 함수(Object-Function)
상기에서 언급한 바와 같이, 목적함수는 에너지시스템에서 사용하는 에너지량이다. 본 발명에서는 건축물의 설계기준에 의해서 작성된 냉방(Cooling), 난방(heating), 급탕(Hot-water)에 대한 에너지요구량을 유전자 알고리즘(GA)에 의해서 결정된 에너지시스템이 충족시켜야 한다. 장치별 에너지소비의 계산은 전술한 식 2에서 언급한 바와 같다.
이러한 계산은 에너지 요구량에 따라서 1월, 4월, 8월에 대하여 시계열로 수행된다. 1월은 난방을 위한 설계 대표일을 의미하고, 4월과 8월은 냉방을 위한 설계 대표일을 의미한다. 이와 같은 대표일은 한국의 기상조건을 반영한 설계조건으로, 8월은 냉방 장치가 효율이 높은 전부하(full load)로 운전되지만, 4월은 부분부하(part load)로 운전되기 때문에 이러한 지역적인 특성을 시뮬레이션에서 반영하는 것이 바람직하다.
설계대표일 동안의 에너지소비량 계산은 다음 식 4 내지 식 6으로 가능하다. 식 7은 목적함수를 나타낸다.
ECD=ERT+EAR+EHP+EGHP+EITS+EARH (식4)
EHD=EGB+ECGS+EHP+EGHP+EARH (식5)
EHW=EHPW+ECGSW+EGBW (식6)
목적함수 Object f = ECD+EHD+EHW (식7)
(여기서 ECD = 냉방에 사용된 에너지사용량, EHD = 난방에 사용된 에너지사용량, 및 EHW = 급탕에 사용된 에너지사용량)
본 발명에 따른 에너지시스템에서는 사용한 에너지만을 고려하였고, 에어-컨디셔닝(air-conditioning)을 위한 팬(fan), 펌프(pump), 타워(tower)와 같은 HVAC(난방, 환기, 공기 조절)을 위한 다른 요소에 대한 고려는 본 발명의 요지를 흐트려뜨릴 수 있어 반영하지는 않았다.
4. 제약 함수
제약 함수(constraint function)는 효율적인 최적화를 위해서 필요한 부분이다. 먼저, 건물의 에너지 시스템은 건물의 에너지 요구량을 만족시킬 수 있어야 한다. 따라서 대상건물의 피크 요구량 보다 많은 에너지를 공급할 수 있는 장치 용량을 선택해야 한다. 여기에 에너지시스템은 건물의 다양한 변화에 대응할 수 있어야하기 때문에 안전율을 고려하여 다음 식 8 내지 식 10과 같이 표현할 수 있다.
CDPeak*1.1 ≥ Σ QCooling (식8)
HDPeak*1.1 ≥ Σ QHeating (식9)
HWPeak*1.1 ≥ Σ QWater (식10)
(여기서 Qcooling = 냉방 장치의 용량[kW], QHeating = 난방 장치의 용량[kW], QWater = 급탕 장치의 용량[kW])
전술한 "1. 개요"에서 언급한 바와 같이, 한국의 대형건축물은 냉방에너지 요구량의 60% 이상을 전력을 사용하지 않는 장치로 충당해야 한다. 때문에 전력을 사용하는 HP, TR과 같은 장치의 적용이 제약을 받게 된다. 반면 가스를 사용하는 AR, ARH와 같은 장치와 낮시간에 가동되지 않는 ITS의 의무적인 사용이 요구된다. 제약조건은 다음 식 11과 같다.
CDPeak*0.6 ≤ QGHP + QAR1 + QAR2 + QARH + QITS 식 (11)
이와 같은 제약조건은 기기의 대수, 신재생에너지원의 적용, ITS의 사용 비중입력 등과 같이 사용자별로 달라질 수 있다.
본 발명은 건물 설계 초기 단계에서 활용될 수 있는 건물에너지시스템의 최적 설계방법을 유전자 알고리즘을 이용하여 제시하였다. 건물의 에너지 요구 특성에 따라 에너지시스템은 잠재적으로 저효율로 운전될 수 있는 가능성을 가진다. 그러므로, 장치의 용량과 운전 스케줄을 동시에 고려하는 방법론이 반드시 필요하다.
또한 에너지시스템을 설계하는 엔지니어들은 다양한 환경적, 제도적 그리고 클라이언트의 요구사항 등 동시에 수많은 요인들을 고려하면서 에너지소비를 줄일수 있는 시스템을 선정해야 한다. 이와 같은 일은 매우 어려운 일이며, 정량적인 분석 방법을 필요로 한다.
본 발명에 따른 에너지시스템의 최적화 방법은 제약-함수(constraints-function)를 이용하여 제도적, 환경적인 문제들을 고려하면서 동시에 에너지 소비가 가장 작은 에너지시스템을 제공할 수 있다.
본 발명에서는 에너지시스템의 에너지 소비만을 계산하였지만 팬(fan), 펌프(pump), 공조(air-distribution) 등의 다양한 HVAC의 구성요소들에 대해서도 관련 장치들에 대한 기계 특성치를 얻고 이를 유전자 알고리즘에 적용함으로써 더욱 최적화된 건물에너지 시스템에 대한 설계가 이루어질 수 있다.
이상의 설명은 본 발명을 예시적으로 설명한 것이고, 명세서에 게시된 실시예는 본 발명의 기술사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술사상을 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 그러므로 본 발명의 보호범위는 청구범위에 기재된 사항에 의해 해석되고, 그와 균등한 범위 내에 있는 기술적 사항도 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (5)

  1. 냉방장치, 난방장치, 급탕장치를 포함하는 복합 건물 에너지 시스템을 최적 설계하기 위한 방법에 있어서,
    설계 대상 건물의 냉방, 난방, 급탕에 요구되는 최대 건물 에너지 요구량을 파악하는 제1 단계;
    파악된 건물 에너지 요구량을 정해진 범위 내에서 포함하도록 개체 그룹으로부터 복수의 초기개체(initial individual)를 선택하는 제2 단계;
    선택된 개체에 대해 냉방, 난방, 급탕의 종류별로 가동율(operation ratio)을 결정하는 제3 단계;
    상기 가동율에 기초하여 에너지 계산을 수행하여 1차 에너지 사용량(primary energy usage)을 계산하는 제4 단계;
    1차 에너지 사용량에 기반하여 복수의 제1 개체 각각에 대한 개체 적합도(individual fitness)를 평가하고 평가 결과중 기준치 이상의 개체를 우성 개체로 선택하고, 선택된 우성 개체를 포함하는 제2 개체를 선택하는 제5 단계;
    를 거친 다음, 1차 에너지 사용량이 일정한 값으로 수렴할 때까지 제3 단계 내지 제5 단계를 반복하는 단계를 거치는 것을 특징으로 하는 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법.
  2. 제1항에 있어서, 상기 제2 단계는,
    사용자 선택 제약사항(constraints)를 반영하는 단계를 포함하고, 상기 사용자 선택 제약사항은 ITS(ice storage system)의 사용 여부, 신재생에너지의 사용 여부, 정책적 반영요소의 적용 여부를 포함하는 것을 특징으로 하는 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법.
  3. 제1항에 있어서,
    상기 건물 에너지 요구량은 다음의 식 1을 만족하고,
    Figure pat00006
    (식1)
    여기서 Demandi = I 시간에서의 에너지요구량, ai = 장치의 가동율, Qdevice = 장치의 용량[kW]인 것을 특징으로 하는 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법.
  4. 제1항에 있어서, 상기 제3 단계는,
    장치의 설계 대표일의 하루 동안의 에너지 소비량에 기초한 동작 스케줄의 최적화를 포함하고, 상기 에너지 소비량은 다음의 식 2를 만족하고
    Figure pat00007
    (식2)
    여기서, Edevice = 장치의 에너지소비량 [kWh], Fdevice = 장치의 에너지 소비 함수인 것을 특징으로 하는 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법.
  5. 제4항에 있어서,
    장치의 설계 대표일 동안의 에너지 소비량은, 다음 식 3 ~ 식 5를 만족하고,
    ECD=ERT+EAR+EHP+EGHP+EITS+EARH (식3)
    EHD=EGB+ECGS+EHP+EGHP+EARH (식4)
    EHW=EHPW+ECGSW+EGBW (식5)
    여기서 ECD = 냉방에 사용된 에너지사용량, EHD = 난방에 사용된 에너지사용량, 및 EHW = 급탕에 사용된 에너지 사용량인 것을 특징으로 하는 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법.
KR1020130063283A 2013-06-03 2013-06-03 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법 KR20140141923A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130063283A KR20140141923A (ko) 2013-06-03 2013-06-03 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130063283A KR20140141923A (ko) 2013-06-03 2013-06-03 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법

Publications (1)

Publication Number Publication Date
KR20140141923A true KR20140141923A (ko) 2014-12-11

Family

ID=52459667

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130063283A KR20140141923A (ko) 2013-06-03 2013-06-03 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법

Country Status (1)

Country Link
KR (1) KR20140141923A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180138463A (ko) 2017-06-21 2018-12-31 주식회사 케이티 Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치
CN109343491A (zh) * 2018-11-07 2019-02-15 四川长虹电器股份有限公司 一种支路能源监测管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180138463A (ko) 2017-06-21 2018-12-31 주식회사 케이티 Ai 기반으로 대상 건물의 냉방 시스템을 최적 제어하는 클라우드 서버 및 방법, 냉방 시스템 제어 장치
CN109343491A (zh) * 2018-11-07 2019-02-15 四川长虹电器股份有限公司 一种支路能源监测管理系统

Similar Documents

Publication Publication Date Title
von Rhein et al. Development of a topology analysis tool for fifth-generation district heating and cooling networks
Asaee et al. Techno-economic feasibility evaluation of air to water heat pump retrofit in the Canadian housing stock
Fong et al. HVAC system optimization for energy management by evolutionary programming
JP6827072B2 (ja) オンライン構成可能なシステム特定を有する建物管理システム
Staffell et al. A review of domestic heat pumps
Bøhm Production and distribution of domestic hot water in selected Danish apartment buildings and institutions. Analysis of consumption, energy efficiency and the significance for energy design requirements of buildings
Calise et al. A novel tool for thermoeconomic analysis and optimization of trigeneration systems: A case study for a hospital building in Italy
Kayo et al. Building energy system optimizations with utilization of waste heat from cogenerations by means of genetic algorithm
Oltmanns et al. Potential for waste heat utilization of hot‐water‐cooled data centers: A case study
Kegel et al. Life cycle cost comparison and optimisation of different heat pump systems in the Canadian climate
Pérez-Mora et al. Optimal management of a complex DHC plant
Sebzali et al. Comparison of energy performance and economics of chilled water thermal storage and conventional air-conditioning systems
Açıkkalp et al. Advanced low exergy (ADLOWEX) modeling and analysis of a building from the primary energy transformation to the environment
Brown et al. Energy efficiency in the south
Ciampi et al. Dynamic simulation of a micro-trigeneration system serving an Italian multi-family house: energy, environmental and economic analyses
Al Doury et al. A novel developed method to study the energy/exergy flows of buildings compared to the traditional method
Ryan et al. Application of thermal energy storage with electrified heating and cooling in a cold climate
KR20140141923A (ko) 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법
Glick et al. Life-cycle assessment and life-cycle cost as collaborative tools in residential heating system selection
White et al. Electrification of heating in the Texas residential sector
Moser et al. Achieving Deep Energy Savings in Existing Buildings through Integrated Design.
Osman et al. A unified approach in system architecture development during energy efficient design of cooling plants
Helmns et al. Towards a Techno-Economic Analysis of PCM Integrated Hybrid HVAC Systems
Zakrzewski Advancing design sizing and performance optimization methods for building integrated thermal and electrical energy generation systems
JP6610213B2 (ja) 需要量算出システム、需要量算出方法及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application