KR20190119467A - 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템 - Google Patents

대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템 Download PDF

Info

Publication number
KR20190119467A
KR20190119467A KR1020180042950A KR20180042950A KR20190119467A KR 20190119467 A KR20190119467 A KR 20190119467A KR 1020180042950 A KR1020180042950 A KR 1020180042950A KR 20180042950 A KR20180042950 A KR 20180042950A KR 20190119467 A KR20190119467 A KR 20190119467A
Authority
KR
South Korea
Prior art keywords
target building
building
energy
energy usage
target
Prior art date
Application number
KR1020180042950A
Other languages
English (en)
Inventor
윤성환
김선미
김현숙
한자경
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020180042950A priority Critical patent/KR20190119467A/ko
Publication of KR20190119467A publication Critical patent/KR20190119467A/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Fuzzy Systems (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버는 사용자 단말로부터 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력받는 입력부, 상기 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하는 에너지 사용 패턴 도출부, 상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하는 성능 진단부 및 상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 추천부를 포함한다.

Description

대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템{SERVER, METHOD AND SYSTEM FOR PROVIDING ENERGY EFFICIENCY DIAGNOSIS SERVICE OF TARGET BUILDING}
본 발명은 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템에 관한 것이다.
건물 에너지 관리 시스템이란 건설 기술과 ICT, 에너지 기술을 융합하여 건물 내 에너지 정보를 수집하고, 데이터를 분석하여 에너지 효율을 높이는 통합 시스템으로, 건물이 언제나 최적의 가동 상태가 유지되도록 하는 시스템이다.
최근의 건물들은 기술 발달에 의해 건축물에 요구되는 설비가 날로 세분화 및 복잡화되어 가고 있다. 이로 인해, 각각의 설비를 개별로 제어하게 되고, 이 과정에서 관리가 누락되는 경우가 발생하기도 하며, 중복으로 관리되어 비효율적으로 관리되는 경우가 발생하기도 한다. 또한, 기존의 건물 에너지 관리 시스템은 오프라인에 최적으로 운영됨으로써, 실시간으로 설비의 제어가 어려웠다.
이와 관련하여, 선행기술인 한국공개특허 제 2014-0141923호는 복합적인 조건에서의 건물 에너지 시스템 최적화를 위한 설계 방법을 개시하고 있다.
최근에는 건물의 에너지 효율을 높이기 위해 에너지 효율 진단 서비스가 제공되고 있다. 그러나 종래의 에너지 효율 진단 서비스는 전문가만 수행할 수 있었다. 또한, 종래의 에너지 효율 진단 서비스는 절대 평가 방식을 이용하여 진단됨으로써, 해당 건물의 특성을 잘 반영하지 못한다는 단점을 가지고 있었다.
비전문가가 건물의 에너지 효율과 관련된 사업 기회를 발굴하기 위해 건물의 에너지 효율을 사전에 진단하여 서비스를 제공할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공하고자 한다. 기존에 에너지 효율 진단 서비스를 제공하는 고객의 과거 운영 데이터의 분석을 기반으로 하여, 신규 고객에게 맞춤형 상품을 제공할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공하고자 한다. 고객이 자사 운영 장비에 대한 장비 교체 시뮬레이션을 자가 진단할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공하고자 한다. 에너지 효율의 진단 서비스의 제공을 통해 주기적으로 대상 건물의 에너지 효율에 대한 객관적인 분석 결과를 제공함으로써, 지속적으로 에너지 효율의 절감 성과를 유지할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 사용자 단말로부터 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력받는 입력부, 상기 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하는 에너지 사용 패턴 도출부, 상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하는 성능 진단부 및 상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 추천부를 포함하는 진단 서버를 제공할 수 있다.
본 발명의 다른 실시예는, 사용자 단말로부터 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력받는 단계, 상기 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하는 단계, 상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하는 단계 및 상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 단계를 포함하는 진단 방법을 제공할 수 있다.
본 발명의 또 다른 실시예는, 사용자 단말 및 진단 서버를 포함하고, 상기 사용자 단말은 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력하고, 상기 진단 서버로부터 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천받아 디스플레이에 표시하고, 상기 진단 서버는 상기 사용자 단말로부터 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하고, 상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하고, 상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 상기 사용자 단말로 추천하는 진단 시스템을 제공할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 비전문가가 건물의 에너지 효율과 관련된 사업 기회를 발굴하기 위해 건물의 에너지 효율을 사전에 진단하여 서비스를 제공할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공할 수 있다. 기존에 에너지 효율 진단 서비스를 제공하는 고객의 과거 운영 데이터의 분석을 기반으로 하여, 신규 고객에게 맞춤형 상품을 제공할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공할 수 있다. 고객이 자사 운영 장비에 대한 장비 교체 시뮬레이션을 자가 진단할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공할 수 있다. 에너지 효율의 진단 서비스의 제공을 통해 주기적으로 대상 건물의 에너지 효율에 대한 객관적인 분석 결과를 제공함으로써, 지속적으로 에너지 효율의 절감 성과를 유지할 수 있도록 하는 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 진단 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 진단 서버의 구성도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 자료포락분석 기법을 설명하기 위한 예시적인 도면이다.
도 4는 본 발명의 일 실시예에 따른 대상 건물과 유사한 건물에 해당하는 유사 건물군으로 분류하여 에너지 사용 패턴을 도출하는 과정을 설명하기 위한 예시적인 도면이다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 에너지 사용량 통계를 로즈 차트에 기초하여 생성된 그래프에 적용하여 대상 건물의 에너지 사용량을 분석하는 과정을 설명하기 위한 예시적인 도면이다.
도 6은 본 발명의 일 실시예에 따른 체인지-포인트 모델을 이용하여 대상 건물과 유사한 건물에 대한 에너지 사용 패턴 분포를 추출하여 대상 건물의 에너지 사용 패턴을 추정하는 과정을 설명하기 위한 예시적인 도면이다.
도 7은 본 발명의 일 실시예에 따른 대상 건물의 열원 설비 타입을 추정하여 열원 설비의 타입에 기초하여 대상 건물의 에너지 사용 패턴을 분석하는 과정을 설명하기 위한 예시적인 도면이다.
도 8은 본 발명의 일 실시예에 따른 진단 서버에서 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 방법의 순서도이다.
도 9는 본 발명의 일 실시예에 따른 진단 서버에서 대상 건물의 에너지 효율의 진단 서비스를 제공하기 위해 초기 설정 과정을 설명하기 위한 예시적인 도면이다.
도 10은 본 발명의 일 실시예에 따른 진단 서버에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법의 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 진단 시스템의 구성도이다. 도 1을 참조하면, 진단 시스템(1)은 사용자 단말(110) 및 진단 서버(120)를 포함할 수 있다. 사용자 단말(110) 및 진단 서버(120)는 진단 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다.
도 1의 진단 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 진단 서버(120)는 사용자 단말(110)과 동시에 또는 시간 간격을 두고 연결될 수 있다.
네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(110)은 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 입력하여 진단 서버(120)로 전송할 수 있다.
사용자 단말(110)은 진단 서버(120)로부터 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천받아 디스플레이에 표시할 수 있다.
진단 서버(120)는 사용자 단말(110)로부터 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 입력받을 수 있다.
진단 서버(120)는 수집 장치(미도시)에 의해 수집된 복수의 건물에 대한 정보, 전력 계약 정보, 단위시간당(예를 들어, 분단위) 전기 사용량 중 적어도 어느 하나 이상을 포함하는 현장 데이터 및 복수의 건물에 대한 표제부 데이터, 단위 시간당(예를 들어, 월별) 전기 사용량, 단위 시간당(예를 들어, 월별) 가스 사용량 중 적어도 어느 하나 이상을 포함하는 공공 데이터를 수집할 수 있다.
진단 서버(120)는 복수의 건물의 위치 정보, 용도 데이터 및 규모 데이터 중 적어도 어느 하나 이상에 기초하여 대상 건물과 유사한 건물을 검색할 수 있다.
진단 서버(120)는 입력된 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 분석하여 대상 건물의 에너지 사용 패턴을 도출할 수 있다. 예를 들어, 진단 서버(120)는 검색된 대상 건물과 유사한 건물을 각 건물의 위치 정보 및 용도 데이터에 기초하여 적어도 하나의 유사 건물군으로 분류하고, 분류된 각 유사 건물군에 대해 단위시간별(예를 들어, 연간별, 월별, 계절별), 에너지원별 및 용도별로 에너지 사용량 통계를 분석할 수 있다.
또한, 진단 서버(120)는 분석된 에너지 사용량 통계를 로즈 차트(rose chart)에 기초하여 생성된 그래프에 적용하고, 적용된 그래프를 이용하여 대상 건물의 에너지 사용량에 대한 단위 시간당(예를 들어, 연간) 사용량 분석 및 추세 분석을 수행할 수 있다.
진단 서버(120)는 그래프에 포함된 다면체의 면적을 상기 대상 건물의 계절별 에너지 사용량 분석을 수행할 수 있다.
진단 서버(120)는 체인지-포인트(Change-point) 모델을 이용하여 검색된 대상 건물과 유사한 건물에 대한 에너지 사용 패턴 분포를 추출하고, 추출된 검색된 대상 건물과 유사한 건물의 에너지 사용 패턴 분포에 기초하여 대상 건물의 에너지 사용 패턴을 추정할 수 있다.
진단 서버(120)는 대상 건물의 전기 에너지 및 가스 에너지 사용량의 체인지-포인트 모델을 이용하여 대상 건물의 열원 설비 타입을 추정하고, 추정된 열원 설비의 타입에 기초하여 대상 건물의 에너지 사용 패턴을 분석할 수 있다.
진단 서버(120)는 분석된 대상 건물의 에너지 사용 패턴을 분석하여 대상 건물의 성능을 진단할 수 있다. 예를 들어, 진단 서버(120)는 에너지 시뮬레이션 모델 또는 사칙연산으로 구성된 간이 수식 중 어느 하나를 이용하여 대상 건물의 성능을 진단할 수 있다.
진단 서버(120)는 분석된 대상 건물의 에너지 사용 패턴 및 진단된 대상 건물의 성능에 기초하여 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 사용자 단말(110)로 추천할 수 있다. 예를 들어, 진단 서버(120)는 대상 건물의 체인지-포인트 모델의 분석 결과와 유사 건물군의 평균을 비교하고, 비교 결과, 평균보다 성능이 낮은 경우 대상 건물에 대한 시스템의 교체를 추천할 수 있다.
진단 서버(120)는 공공 데이터로부터 복수의 건물에 대해 에너지 절감 효과가 클 것으로 예상되는 건물을 추출할 수 있다. 예를 들어, 진단 서버(120)는 복수의 건물에 자료포락분석 기법을 적용하여 복수의 건물의 운영 패턴 및 에너지 사용량의 관계를 고려하여 에너지 효율의 사전 진단 서비스를 제공할 건물을 잠재 대상 건물로 추출하고, 추출된 잠재 대상 건물에 대한 에너지 절감 잠재력을 분석할 수 있다.
도 2는 본 발명의 일 실시예에 따른 진단 서버의 구성도이다. 진단 서버(120)는 입력부(210), 데이터 수집부(220), 추출부(230), 에너지 사용 패턴 도출부(240), 성능 진단부(250) 및 추천부(260)를 포함할 수 있다.
입력부(210)는 사용자 단말(110)로부터 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 입력받을 수 있다. 예를 들어, 입력부(210)는 에너지 효율화 사업에 대한 세일즈를 제공하는 영업사원 또는 대상 건물의 고객이 보유한 단말을 통해 에너지 효율의 시뮬레이션 또는 에너지 효율 자가 진단을 위한 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 입력받을 수 있다.
데이터 수집부(220)는 내부 운영 데이터를 수집하여 에너지 효율의 진단과 관련된 외부 변동 데이터(예를 들어, 에너지 단가 정보, 에너지원 별 환산 계수, 기상 데이터, 장비 단가정보 등)을 실시간으로 수집할 수 있다.
데이터 수집부(220)는 에너지 효율 서비스를 제공받고 있는 기존 고객의 건물에 설치된 수집 장치(미도시)에 의해 수집된 복수의 건물에 대한 정보, 전력 계약 정보, 단위 시간당(예를 들어, 분단위) 전기 사용량 중 적어도 어느 하나 이상을 포함하는 현장 데이터 및 복수의 건물에 대한 표제부 데이터, 단위 시간당(예를 들어, 월별) 전기 사용량, 단위 시간당(예를 들어, 월별) 가스 사용량 중 적어도 어느 하나 이상을 포함하는 공공 데이터를 수집할 수 있다. 이 때, 현장 데이터 없이 공공 데이터만을 단독으로 사용하는 경우, 데이터 수집부(220)는 표제부 데이터, 전기 사용량 및 가스 사용량의 데이터 수준(예를 들어, 데이터 누락, 오류, 정합성 등)을 데이터 베이스 내에서 유사 건물 존재 여부의 확인 등을 통해 유용한 데이터만을 건물 단위로 추출할 수 있다.
데이터 수집부(220)는 복수의 건물의 위치 정보, 용도 데이터 및 규모 데이터 중 적어도 어느 하나 이상에 기초하여 대상 건물과 유사한 건물을 검색할 수 있다. 종래의 공공 데이터는 과거의 사용 이력만 확인이 가능하고, 에너지는 월단위로만 제공되므로, 공공 데이터만을 이용한 분석은 한계가 존재했다. 이를 극복하기 위해, 데이터 수집부(220)는 에너지 효율 진단 서비스를 기제공받고 있는 고객의 실시간 에너지 사용 정보를 공공 데이터와 함께 이용함으로써, 에너지 효율 진단에 대한 보다 정확하고 다양한 분석을 수행할 수 있게 된다. 이를 통해, 복수의 건물의 위치 정보, 용도 데이터 및 규모 데이터와 같이 현장 데이터와 공공 데이터를 함께 이용함으로써 대상 건물과 유사한 건물을 탐색할 수 있게 된다. 이 때, 텍스트 정보의 유사성을 판별시 사용되는 다양한 알고리즘이 이용될 수 있다.
추출부(230)는 공공 데이터로부터 복수의 건물에 대해 에너지 절감 효과가 클 것으로 예상되는 건물을 추출할 수 있다. 예를 들어, 추출부(230)는 불특정 다수의 건물 또는 특정 건물을 대상으로 에너지 효율을 평가하여 에너지 절감 효과가 클 것으로 예상되는 건물을 추출할 수 있다. 이를 통해, 에너지 효율화 서비스의 제공 전, 에너지 효율화 서비스를 제공할 고객을 발굴하여 에너지 절감 효과가 클 것으로 예산되는 대상 건물을 선정함으로써, 에너지 효율 서비스를 제공받을 수 있도록 고객을 유도할 수 있다.
추출부(230)는 복수의 건물에 자료포락분석 기법을 적용하여 복수의 건물의 운영 패턴 및 에너지 사용량의 관계를 고려하여 에너지 효율의 사전 진단 서비스를 제공할 건물을 잠재 대상 건물로 추출하고, 추출된 잠재 대상 건물에 대한 에너지 절감 잠재력을 분석할 수 있다.
종래의 에너지 효율 평가 방법은 에너지 효율의 진단을 위해 단위면적당 에너지 사용량(EUI, Energy Usage Intensity)를 이용하였지만, 본 발명에서는 보다 객관적이고 과학적인 성능 평가를 위해 건물의 운영 패턴과 에너지 사용량의 관계를 동시에 고려하고자 한다. 이를 위해, 본 발명에서는 자료포락분석(DEA, Data Envelopment Analysis) 기법을 적용할 수 있다. 자료포락분석 기법은 다양한 입출력 요소를 동시에 고려할 수 있는 다변수 분석 방법으로, 건물 에너지 사용량 대비 건물의 운영 패턴, 건물의 서비스 수준 등을 동시에 고려할 수 있다는 장점을 갖는다.
특정 건물의 에너지 효율화 성능을 평가하는 경우, 성능 비교 대상이 필요하다. 기존에는 절대 평가 방식을 이용하였으나, 본 발명에서는 현재 건물들의 상황을 잘 반영할 수 있도록 상대적 평가 방법을 이용할 수 있다. 이 때, 비교 대상 데이터로 공공 데이터를 이용할 수 있다.
자료포락분석 기법과 관련하여 도 3a 및 도 3b를 통해 상세히 설명하도록 한다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 자료포락분석 기법을 설명하기 위한 예시적인 도면이다. 도 3a 및 도 3b를 참조하면, 입출력 요소가 각각 하나인 경우의 자료포락분석 모델을 도시한 예시적인 도면이다. 여기서, x축(300)은 입력, y축(310)은 출력을 의미하며, 모든 점은 의사결정단위를 나타내는 것일 수 있다.
녹색 점선(320)은 효율성 경계(efficiency frontier)를 나타내고, 효율성 경계 상에 위치한 붉은색 점(325)은 효율적 의사결정단위이고, 나머지 검정색 점(330)은 비효율적 의사결정단위를 나타낸다. 효율성 경계의 형태는 효율적 의사결정 단위에 의해 결정되며, 비효율적 의사결정단위의 비효율성 정도는 효율성 경계와의 거리로 설명될 수 있다.
도 3b를 참조하면, 도 3a의 녹색 점선(320)이 점 B에서 점 E로 이어지며, 점 E가 검정색 점에서 붉은색 점으로 변경된 것을 알 수 있다. 이를 통해, 효율성 경계를 나타내는 녹색 점선(340) 상에 위치한 붉은색 점(345)은 점 A, 점 B, 점 E로 구성된 것을 알 수 있다.
자료포락분석 기법은 수학식 1과 같은 선형 계획 모델의 최적화 과정을 통해 각 건물의 에너지 효율성을 도출할 수 있다.
Figure pat00001
여기서, x, y는 입력, 출력 요소를 나타내고, v, u는 입력, 출력 요소에 대한 가중치를 나타내고, m, s는 입력, 출력 요소의 개수를 나타낸다. 또한, t는 분석 대상이 되는 의사결정단위를 나타내고, θt는 의사결정단위 t의 효율성 점수(t=1~n)이고, yi,t = 의사결정단위 t의 출력 요소 집합을 나타내고, xj,t는 의사결정단위 t의 입력 요소 집합을 나타내는 것일 수 있다.
다시 도 2로 돌아와서, 에너지 사용 패턴 도출부(240)는 입력된 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 분석하여 대상 건물의 에너지 사용 패턴을 도출할 수 있다. 예를 들어, 에너지 사용 패턴 도출부(240)는 검색된 대상 건물과 유사한 건물을 각 건물의 위치 정보 및 용도 데이터에 기초하여 적어도 하나의 유사 건물군으로 분류하고, 분류된 각 유사 건물군에 대해 단위 시간별(예를 들어, 연간별, 월별, 계절별), 에너지원별 및 용도별로 에너지 사용량 통계를 분석할 수 있다. 대상 건물과 유사한 건물을 유사 건물군으로 분류하여 에너지 사용량 통계를 분석하는 과정에 대해서는 도 4를 통해 상세히 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 대상 건물과 유사한 건물에 해당하는 유사 건물군으로 분류하여 에너지 사용 패턴을 도출하는 과정을 설명하기 위한 예시적인 도면이다. 도 4를 참조하면, 에너지 사용 패턴 도출부(240)는 공공 데이터 상의 복수의 건물 및 기존에 에너지 효율화 서비스가 제공되고 있는 복수의 건물과 같이 다양한 복수의 건물(400)에 대해 을 각 건물의 용도와 위치 정보(410)를 이용하여 유사한 용도와 위치 정보를 가진 유사 건물군(420)으로 분류할 수 있다. 이는 건물의 용도와 주변 환경 등에 따라 건물의 에너지 사용 패턴이 달라지므로, 용도와 위치가 에너지 사용량에 미치는 영향을 배제하기 위함이다.
에너지 사용 패턴 도출부(240)는 용도와 위치에 따라 분류된 유사 건물군에 대해 연간, 월별(1~12월), 계절별(여름, 겨울, 중간기), 에너지원별(전기, 가스) 및 용도별(난방, 냉방, 기저) 에너지 사용량 통계 분석을 수행할 수 있다.
다시 도 2로 돌아와서, 에너지 사용 패턴 도출부(240)는 분석된 에너지 사용량 통계를 로즈 차트(rose chart)에 기초하여 생성된 그래프에 적용하고, 적용된 그래프를 이용하여 대상 건물의 에너지 사용량에 대한 단위 시간당(예를 들어, 연간) 사용량 분석 및 추세 분석을 수행할 수 있다. 에너지 사용 패턴 도출부(240)는 로즈 차트에 기초하여 생성된 그래프를 통해 각 월별로 유사 건물군에 포함된 유사 건물 대비 사용량의 수준을 파악할 수 있다.
에너지 사용 패턴 도출부(240)는 그래프에 포함된 다면체의 면적을 통해 대상 건물의 계절별 에너지 사용량 분석을 수행할 수 있다. 로즈 차트에 기초하여 생성된 그래프를 통해 에너지 사용량을 분석하는 과정에 대해서는 도 5a 및 도 5b를 통해 상세히 설명하도록 한다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 에너지 사용량 통계를 로즈 차트에 기초하여 생성된 그래프에 적용하여 대상 건물의 에너지 사용량을 분석하는 과정을 설명하기 위한 예시적인 도면이다.
도 5a를 참조하면, 로즈 차트에 기초하여 생성된 그래프는 각 조각이 월에 해당하고, 각 조각 내 색상 차이는 유사 건물들의 해당 월의 에너지 사용량 분포를 나타내는 것일 수 있다. 예를 들어, 각 월의 에너지 사용량 분포는 0~25%(500)의 경우 연녹색으로, 25~75%(510)의 경우 녹색으로, 75~95%(520)의 경우 진녹색으로 색상 차이를 두어 나타낼 수 있다. 이 때, 각 조각은 대상 건물이 유사 건물의 에너지 사용량 분포의 75%보다 작은 경우, 회색 점(530)으로 표시되고, 대상 건물이 유사 건물의 에너지 사용량 분포의 75%보다 큰 경우, 붉은색 점(540)으로 표시될 수 있다.
도 5b를 참조하면, 도 5a의 월별 에너지 사용량 그래프를 이용하여 계절별 에너지 사용량 그래프와 같이 추가적인 에너지 성능 지표를 도출할 수 있다. 예를 들어, 각 월의 사용량을 연결하여 다면체(550)를 생성하고, 생성된 다면체(550)의 면적을 에너지 효율의 성능 지표로 사용할 수 있다. 이 때, 다면체(550)의 면적이 넓을수록 에너지 사용량이 커지게 됨으로써, 에너지 효율의 성능 지표가 나빠지게 된다는 것을 알 수 있다. 이를 통해, 계절별로 다면체(550)를 구분하여 비교할 수 있게 됨으로써, 계절별 건물의 에너지 성능 지표를 비교할 수 있다.
다시 도 2로 돌아와서, 에너지 사용 패턴 도출부(240)는 체인지-포인트(Change-point) 모델을 이용하여 검색된 대상 건물과 유사한 건물에 대한 에너지 사용 패턴 분포를 추출하고, 추출된 검색된 대상 건물과 유사한 건물의 에너지 사용 패턴 분포에 기초하여 대상 건물의 에너지 사용 패턴을 추정할 수 있다. 체인지-포인트 모델과 관련해서 도 6을 통해 상세히 설명하도록 한다.
도 6은 본 발명의 일 실시예에 따른 체인지-포인트 모델을 이용하여 대상 건물과 유사한 건물에 대한 에너지 사용 패턴 분포를 추출하여 대상 건물의 에너지 사용 패턴을 추정하는 과정을 설명하기 위한 예시적인 도면이다. 도 6을 참조하면, 체인지-포인트 모델은 외기온(600)과 에너지 사용량(610)과의 관계를 이용하여 냉난방 설비 가동 온도, 냉난방 설비 효율 및 기저 에너지 사용량 등을 분석하는 기법을 의미한다. 여기서, 기저란 조명, 엘리베이터 등과 같이 기후 영향을 받지 않고, 연중 거이 일정하게 사용되는 에너지 용도를 의미한다.
에너지 사용 패턴 도출부(240)는 월 평균 외기온(600)과 에너지 사용량(610)만을 이용하여, 기저 사용량(620), 기저 사용량(620)과 난방 시작점(630)으로부터 도출된 난방 기울기(635) 및 기저 사용량(620)과 냉방 시작점(640)으로부터 도출된 냉방 기울기(645)를 통해 대상 건물의 에너지 패턴을 추정할 수 있다. 또한, 에너지 사용 패턴 도출부(240)는 공공 데이터를 이용하여 건물의 에너지 사용 패턴 분포를 추출하고, 이를 이용하여 대상 건물의 운전 패턴을 평가할 수 있다.
에너지 사용 패턴 도출부(240)는 수학식 2를 이용하여 체인지-포인트 모델의 기저 사용량(620), 난방 시작점(630), 난방 기울기(635), 냉방 시작점(640) 및 냉방 기울기(645)를 도출할 수 있다.
Figure pat00002
여기서, Tht는 난방 시작점(630), Tcl 은 냉방 시작점(640), To는 외기온, Sht는 난방 기울기(635), Scl은 냉방 기울기(645), Lbase는 고정부하, J는 목적함수, Em은 실제 에너지 사용량을 의미한다.
다시 도 2로 돌아와서, 에너지 사용 패턴 도출부(240)는 대상 건물의 전기 에너지 및 가스 에너지 사용량의 체인지-포인트 모델을 이용하여 대상 건물의 열원 설비 타입을 추정하고, 추정된 열원 설비의 타입에 기초하여 대상 건물의 에너지 사용 패턴을 분석할 수 있다. 예를 들어, 도 7을 참조하면 에너지 사용 패턴 도출부(240)는 전기 체인지-포인트 모델(700)과 가스 체인지-포인트 모델(710)에서 난방 시작점(또는 냉방 시작점)과 난방 기울기(또는 냉방 기울기)가 생성하는 삼각형 면적을 비교하여 주열원 설비의 타입을 추정할 수 있다.
주열원 타입의 추정과 관련하여 도 7을 통해 상세히 설명하도록 한다.
도 7은 본 발명의 일 실시예에 따른 대상 건물의 열원 설비 타입을 추정하여 열원 설비의 타입에 기초하여 대상 건물의 에너지 사용 패턴을 분석하는 과정을 설명하기 위한 예시적인 도면이다. 도 7을 참조하면, 에너지 사용 패턴 도출부(240)는 전기 체인지-포인트 모델과 가스 체인지-포인트 모델의 난방측 삼각형 면적과 냉방측 삼각형 면적을 비교하여, 면적이 더 큰 에너지원을 주열원 설비로 추정할 수 있다.
예를 들어, 전기 체인지-포인트 모델(700)의 난방 삼각형 면적(701)이 9.7이고, 가스 체인지-포인트 모델(710)의 난방 삼각형 면적(711)이 157.2인 경우, 난방을 위해 전기와 가스 모두를 사용하지만, 난방 주열원 설비는 가스(720)를 사용하는 보일러로 추정할 수 있다.
다른 예를 들어, 전기 체인지-포인트 모델(700)의 냉방 삼각형 면적(702)이 25.1이고, 가스 체인지-포인트 모델(710)의 냉방 삼각형 면적(712)이 0인 경우, 냉방 주열원 설비(730)로 전기를 사용한다는 것을 추정할 수 있다.
다시 도 2로 돌아와서, 성능 진단부(250)는 분석된 대상 건물의 에너지 사용 패턴을 분석하여 대상 건물의 성능을 진단할 수 있다. 성능 진단부(250)는 에너지 시뮬레이션 모델 또는 사칙연산으로 구성된 간이 수식 중 어느 하나를 이용하여 대상 건물의 성능을 진단할 수 있다. 예를 들어, 대상 건물의 에너지 효율을 진단하는 사람이 전문가인 경우, 성능 진단부(250)는 상용 동적 시뮬레이션 툴을 이용하여 대상 건물의 성능을 진단하고, 대상 건물의 에너지 효율을 진단하는 사람이 에너지 효율화 사업의 세일즈를 제공하는 영업 사원 또는 대상 건물의 고객과 같이 비전문가인 경우, 사칙 연산으로 구성된 간이 수식을 이용하여 다양한 에너지 절감 기술의 절감량을 분석할 수 있다.
추천부(260)는 분석된 대상 건물의 에너지 사용 패턴 및 진단된 대상 건물의 성능에 기초하여 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천할 수 있다. 구체적으로, 추천부(260)는 대상 건물의 체인지-포인트 모델의 분석 결과와 유사 건물군의 평균을 비교하고, 비교 결과, 평균보다 성능이 낮은 경우 대상 건물에 대한 시스템의 교체를 추천할 수 있다. 예를 들어, 추천부(260)는 대상 건물의 체인지-포인트 모델의 분석 결과와 유사 건물군의 평균을 비교하여, 평균보다 성능이 낮은 경우 대상 건물에 대한 조명 시스템, 냉방 시스템, 난방 시스템 중 적어도 하나 이상의 시스템의 교체를 추천할 수 있다.
도 8은 본 발명의 일 실시예에 따른 진단 서버에서 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 방법의 순서도이다. 도 8에 도시된 진단 서버(120)에서 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 방법은 도 1 내지 도 7에 도시된 실시예에 따른 진단 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 7에 도시된 실시예에 따른 진단 서버(120)에서 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 방법에도 적용된다.
진단 서버(120)는 사용자 단말(110)로부터 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 입력받을 수 있다(S801).
진단 서버(120)는 입력된 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 분석하여 대상 건물의 에너지 사용 패턴을 도출할 수 있다(S802).
우선적으로, 진단 서버(120)는 대상 건물의 에너지 사용 패턴이 도출되면, 기저 부하가 유사 건물군에 포함된 유사 건물의 평균보다 낮은지를 판단하고(S803), 기저 부하가 유사 건물군에 포함된 유사 건물의 평균보다 낮은 경우, 진단 서버(120)는 조명 시스템의 효율이 나쁜것으로 판단하여(S804), 조명 시스템의 교체를 추천할 수 있다.
이후, 진단 서버(120)는 기저 부하가 유사 건물군에 포함된 유사 건물의 평균보다 높은 경우, 난방 기울기가 유사 건물군에 포함된 유사 건물의 평균보다 높은지를 판단할 수 있다(S805).
예를 들어, 난방 기울기가 유사 건물군에 포함된 유사 건물의 평균보다 높지 않은 경우(S806), 진단 서버(120)는 냉방 기울기가 유사 건물군에 포함된 유사 건물의 평균보다 높은지를 판단하고(S807), 냉방 기울기가 유사 건물군에 포함된 유사 건물의 평균보다 높은 경우(S808), 진단 서버(120)는 냉방 시스템의 효율이 나쁜 것으로 판단하여(S809), 냉방 시스템의 교체를 추천할 수 있다.
다른 예를 들어, 난방 기울기가 유사 건물군에 포함된 유사 건물의 평균보다 높은 경우(S810), 진단 서버(120)는 냉방 기울기가 유사 건물군에 포함된 유사 건물의 평균보다 높은지를 판단할 수 있다(S811). 이 때, 냉방 기울기가 유사 건물군의 유사 건물의 평균보다 높지 않은 경우(S812), 진단 서버(120)는 난방 시스템의 효율이 나쁜것으로 판단하여(S813), 난방 시스템의 교체를 추천할 수 있다. 또는, 냉방 기울기가 유사 건물군의 유사 건물의 평균보다 높은 경우(S814), 진단 서버(120)는 난방, 냉방 시스템의 효율이 나쁜것으로 판단하여(S815), 난방 시스템 및 냉방 시스템의 교체를 추천할 수 있다.
상술한 설명에서, 단계 S801 내지 S815는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 9는 본 발명의 일 실시예에 따른 진단 서버에서 대상 건물의 에너지 효율의 진단 서비스를 제공하기 위해 초기 설정 과정을 설명하기 위한 예시적인 도면이다. 도 9를 참조하면, 건물의 에너지 효율의 진단을 위한 현장 조사를 수행하기 전, 대상 건물의 현재 열원 시스템(난방, 냉방)의 효율과 건물에 설치된 등 개수는 진단자가 파악하기 어렵다.
따라서, 초기 설정 시, 현재 시스템 효율(900) 및 등 개수(910)를 설정할 수 있다.
현재 시스템의 효율(900)은 대상 건물의 에너지 사용량과 대상 건물과 같은 용도의 건물이 사용하는 일반적인 실내 냉난방 부하를 이용하여 다음의 식을 통해 도출할 수 있다.
Figure pat00003
등기구 개수(910)는 건물 용도별 요구 실내 밝기와 설치된 등기구의 밝기를 이용하여 다음의 식을 통해 도출할 수 있다.
Figure pat00004
이러한 과정을 통해 도출된 초기값은 상황에 따라 실제와 큰 차이를 보일 수 있지만, 비전문가 또는 전문가도 초기 간이 분석 단계에서 매우 유용한 정보로 제공될 수 있다.
도 10은 본 발명의 일 실시예에 따른 진단 서버에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법의 순서도이다. 도 10에 도시된 진단 서버(120)에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법은 도 1 내지 도 9에 도시된 실시예에 따른 진단 시스템(1)에 의해 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 9에 도시된 실시예에 따른 진단 서버(120)에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법에도 적용된다.
단계 S1010에서 진단 서버(120)는 사용자 단말로부터 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 입력받을 수 있다.
단계 S1020에서 진단 서버(120)는 입력된 대상 건물에 대한 정보 및 대상 건물의 에너지 사용량 데이터를 분석하여 대상 건물의 에너지 사용 패턴을 도출할 수 있다.
단계 S1030에서 진단 서버(120)는 분석된 대상 건물의 에너지 사용 패턴을 분석하여 대상 건물의 성능을 진단할 수 있다.
단계 S1040에서 진단 서버(120)는 분석된 대상 건물의 에너지 사용 패턴 및 진단된 대상 건물의 성능에 기초하여 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천할 수 있다.
상술한 설명에서, 단계 S1010 내지 S1040은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 전환될 수도 있다.
도 1 내지 도 10을 통해 설명된 진단 서버에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 10을 통해 설명된 진단 서버에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 사용자 단말
120: 진단 서버
210: 입력부
220: 데이터 수집부
230: 추출부
240: 에너지 사용 패턴 도출부
250: 성능 진단부
260: 추천부

Claims (18)

  1. 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버에 있어서,
    사용자 단말로부터 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력받는 입력부;
    상기 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하는 에너지 사용 패턴 도출부;
    상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하는 성능 진단부; 및
    상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 추천부를 포함하는, 진단 서버.
  2. 제 1 항에 있어서,
    수집 장치에 의해 수집된 복수의 건물에 대한 정보, 전력 계약 정보, 단위 시간당 전기 사용량 중 적어도 어느 하나 이상을 포함하는 현장 데이터 및 상기 복수의 건물에 대한 표제부 데이터, 단위 시간당 전기 사용량, 단위 시간당 가스 사용량 중 적어도 어느 하나 이상을 포함하는 공공 데이터를 수집하는 데이터 수집부를 더 포함하는, 진단 서버.
  3. 제 2 항에 있어서,
    상기 데이터 수집부는 상기 복수의 건물의 위치 정보, 용도 데이터 및 규모 데이터 중 적어도 어느 하나 이상에 기초하여 상기 대상 건물과 유사한 건물을 검색하는 것인, 진단 서버.
  4. 제 3 항에 있어서,
    상기 에너지 사용 패턴 도출부는 상기 검색된 대상 건물과 유사한 건물을 각 건물의 위치 정보 및 용도 데이터에 기초하여 적어도 하나의 유사 건물군으로 분류하고, 상기 분류된 각 유사 건물군에 대해 단위시간별, 에너지원별 및 용도별로 에너지 사용량 통계를 분석하는 것인, 진단 서버.
  5. 제 4 항에 있어서,
    상기 에너지 사용 패턴 도출부는 상기 분석된 에너지 사용량 통계를 로즈 차트(rose chart)에 기초하여 생성된 그래프에 적용하고, 상기 적용된 그래프를 이용하여 상기 대상 건물의 에너지 사용량에 대한 단위 시간당 사용량 분석 및 추세 분석을 수행하는 것인, 진단 서버.
  6. 제 5 항에 있어서,
    상기 에너지 사용 패턴 도출부는 상기 그래프에 포함된 다면체의 면적을 통해 상기 대상 건물의 계절별 에너지 사용량 분석을 수행하는 것인, 진단 서버.
  7. 제 4 항에 있어서,
    상기 에너지 사용 패턴 도출부는 체인지-포인트(Change-point) 모델을 이용하여 상기 검색된 대상 건물과 유사한 건물에 대한 에너지 사용 패턴 분포를 추출하고, 상기 추출된 검색된 대상 건물과 유사한 건물의 에너지 사용 패턴 분포에 기초하여 상기 대상 건물의 에너지 사용 패턴을 추정하는 것인, 진단 서버.
  8. 제 7 항에 있어서,
    상기 에너지 사용 패턴 도출부는 상기 대상 건물의 전기 에너지 및 가스 에너지 사용량의 체인지-포인트 모델을 이용하여 상기 대상 건물의 열원 설비 타입을 추정하고, 상기 추정된 열원 설비의 타입에 기초하여 상기 대상 건물의 에너지 사용 패턴을 분석하는 것인, 진단 서버.
  9. 제 1 항에 있어서,
    상기 성능 진단부는 에너지 시뮬레이션 모델 또는 사칙연산으로 구성된 간이 수식 중 어느 하나를 이용하여 상기 대상 건물의 성능을 진단하는 것인, 진단 서버.
  10. 제 1 항에 있어서,
    상기 추천부는 상기 대상 건물의 체인지-포인트 모델의 분석 결과와 유사 건물군의 평균을 비교하고, 비교 결과, 평균보다 성능이 낮은 경우 상기 대상 건물에 대한 시스템의 교체를 추천하는 것인, 진단 서버.
  11. 제 2 항에 있어서,
    상기 공공 데이터로부터 상기 복수의 건물에 대해 에너지 절감 효과가 클 것으로 예상되는 건물을 추출하는 추출부를 더 포함하는, 진단 서버.
  12. 제 11 항에 있어서,
    상기 추출부는 상기 복수의 건물에 자료포락분석 기법을 적용하여 상기 복수의 건물의 운영 패턴 및 에너지 사용량의 관계를 고려하여 상기 에너지 효율의 사전 진단 서비스를 제공할 건물을 잠재 대상 건물로 추출하고, 상기 추출된 잠재 대상 건물에 대한 에너지 절감 잠재력을 분석하는 것인, 진단 서버.
  13. 서버에서 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 방법에 있어서,
    사용자 단말로부터 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력받는 단계;
    상기 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하는 단계;
    상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하는 단계; 및
    상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천하는 단계를 포함하는, 진단 방법.
  14. 제 13 항에 있어서,
    상기 에너지 사용 패턴을 도출하는 단계는 상기 대상 건물과 유사한 건물을 각 건물의 위치 정보 및 용도 데이터에 기초하여 적어도 하나의 유사 건물군으로 분류하고, 상기 분류된 각 건물 유사군의 에너지 사용량 통계를 분석하고,
    상기 분석된 에너지 사용량 통계를 로즈 차트(rose chart)에 기초하여 생성된 그래프에 적용하고, 상기 적용된 그래프를 이용하여 상기 대상 건물의 에너지 사용량에 대한 연간 사용량 분석, 월간 사용량 분석 및 추세 분석을 수행하는 것인, 진단 방법.
  15. 제 14 항에 있어서,
    상기 에너지 사용 패턴을 도출하는 단계는 상기 그래프에 포함된 다면체의 면적을 통해 상기 대상 건물의 계절별 에너지 사용량 분석을 수행하는 것인, 진단 방법.
  16. 제 15 항에 있어서,
    상기 에너지 사용 패턴을 도출하는 단계는 체인지-포인트(Change-point) 모델을 이용하여 상기 대상 건물과 유사한 건물에 대한 에너지 사용 패턴 분포를 추출하고, 상기 추출된 대상 건물과 유사한 건물의 에너지 사용 패턴 분포에 기초하여 상기 대상 건물의 에너지 사용 패턴을 추정하는 것인, 진단 방법.
  17. 제 16 항에 있어서,
    상기 에너지 사용 패턴을 도출하는 단계는 상기 대상 건물의 전기 에너지 및 가스 에너지 사용량의 체인지-포인트 모델을 이용하여 상기 대상 건물의 열원 설비 타입을 추정하고, 상기 추정된 열원 설비의 타입에 기초하여 상기 대상 건물의 에너지 사용 패턴을 분석하는 것인, 진단 방법.
  18. 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 시스템에 있어서,
    사용자 단말; 및
    진단 서버를 포함하고,
    상기 사용자 단말은 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 입력하고,
    상기 진단 서버로부터 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 추천받아 디스플레이에 표시하고,
    상기 진단 서버는 상기 사용자 단말로부터 입력된 대상 건물에 대한 정보 및 상기 대상 건물의 에너지 사용량 데이터를 분석하여 상기 대상 건물의 에너지 사용 패턴을 도출하고,
    상기 분석된 대상 건물의 에너지 사용 패턴을 분석하여 상기 대상 건물의 성능을 진단하고,
    상기 분석된 대상 건물의 에너지 사용 패턴 및 상기 진단된 대상 건물의 성능에 기초하여 상기 대상 건물의 에너지 사용량이 절감되도록 하는 시스템을 상기 사용자 단말로 추천하는 것인, 진단 시스템.
KR1020180042950A 2018-04-12 2018-04-12 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템 KR20190119467A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180042950A KR20190119467A (ko) 2018-04-12 2018-04-12 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180042950A KR20190119467A (ko) 2018-04-12 2018-04-12 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20190119467A true KR20190119467A (ko) 2019-10-22

Family

ID=68420202

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180042950A KR20190119467A (ko) 2018-04-12 2018-04-12 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20190119467A (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210087374A (ko) * 2020-01-02 2021-07-12 두산중공업 주식회사 보일러의 연소 상태를 표시하기 위한 장치 및 이를 위한 방법
KR20220122361A (ko) * 2021-02-26 2022-09-02 주식회사 케이티 유사 건물 그룹의 에너지 데이터를 이용한 에너지 절감량 예측 방법
KR20220156169A (ko) * 2021-05-18 2022-11-25 한국부동산원 검침일 및 일평균 기온 정보를 반영한 에너지사용량의 보정시스템 및 보정방법
KR20230035925A (ko) * 2021-09-06 2023-03-14 재단법인 서울특별시 서울기술연구원 건물의 에너지성능 평가 방법 및 그 프로그램
KR102556859B1 (ko) * 2022-12-15 2023-07-20 (주)제이에이치에너지 건축물 에너지 진단 시스템 및 방법
KR20230116390A (ko) * 2022-01-28 2023-08-04 한국전기연구원 클라우드 기반 건물 에너지 컨설팅 시스템 및 방법
KR102594744B1 (ko) * 2023-04-12 2023-10-30 주식회사 네오비젼 디지털트윈을 이용한 복수의 빌딩 관제 방법 및 시스템
KR102617618B1 (ko) 2023-04-03 2023-12-27 에너지닥터 주식회사 산업용 공장의 고효율 설비 교체를 위한 인공지능 기반 의사 결정 서비스 제공 장치, 방법 및 시스템

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210087374A (ko) * 2020-01-02 2021-07-12 두산중공업 주식회사 보일러의 연소 상태를 표시하기 위한 장치 및 이를 위한 방법
KR20210103992A (ko) * 2020-01-02 2021-08-24 두산중공업 주식회사 보일러의 연소 상태를 표시하기 위한 장치 및 이를 위한 방법
KR20220122361A (ko) * 2021-02-26 2022-09-02 주식회사 케이티 유사 건물 그룹의 에너지 데이터를 이용한 에너지 절감량 예측 방법
KR20220156169A (ko) * 2021-05-18 2022-11-25 한국부동산원 검침일 및 일평균 기온 정보를 반영한 에너지사용량의 보정시스템 및 보정방법
KR20230035925A (ko) * 2021-09-06 2023-03-14 재단법인 서울특별시 서울기술연구원 건물의 에너지성능 평가 방법 및 그 프로그램
KR20230116390A (ko) * 2022-01-28 2023-08-04 한국전기연구원 클라우드 기반 건물 에너지 컨설팅 시스템 및 방법
KR102556859B1 (ko) * 2022-12-15 2023-07-20 (주)제이에이치에너지 건축물 에너지 진단 시스템 및 방법
KR102617618B1 (ko) 2023-04-03 2023-12-27 에너지닥터 주식회사 산업용 공장의 고효율 설비 교체를 위한 인공지능 기반 의사 결정 서비스 제공 장치, 방법 및 시스템
KR102594744B1 (ko) * 2023-04-12 2023-10-30 주식회사 네오비젼 디지털트윈을 이용한 복수의 빌딩 관제 방법 및 시스템

Similar Documents

Publication Publication Date Title
KR20190119467A (ko) 대상 건물의 에너지 효율을 진단하는 서비스를 제공하는 서버, 방법 및 시스템
US11454410B2 (en) Forecast-based automatic scheduling of a distributed network of thermostats with learned adjustment
Fan et al. Temporal knowledge discovery in big BAS data for building energy management
Fan et al. A framework for knowledge discovery in massive building automation data and its application in building diagnostics
US8560134B1 (en) System and method for electric load recognition from centrally monitored power signal and its application to home energy management
Naganathan et al. Building energy modeling (BEM) using clustering algorithms and semi-supervised machine learning approaches
Zhu et al. Data-driven building load profiling and energy management
US20130184885A1 (en) Energy management computer system
Serrano-Guerrero et al. Statistical methodology to assess changes in the electrical consumption profile of buildings
CN109035067A (zh) 基于rf和arma算法的建筑能耗处理方法及装置
WO2019231466A1 (en) Enterprise platform for enhancing operational performance
JP2016077090A (ja) 省エネルギ支援システムおよび省エネルギ支援方法
Li et al. Multi-dimensional analysis of air-conditioning energy use for energy-saving management in university teaching buildings
Zhou et al. Anomaly detection method of daily energy consumption patterns for central air conditioning systems
CN116937575A (zh) 一种网格系统用的能源监控管理系统
Roth et al. Harnessing smart meter data for a Multitiered Energy Management Performance Indicators (MEMPI) framework: A facility manager informed approach
Liu et al. Improvement of the energy evaluation methodology of individual office building with dynamic energy grading system
CN115099521A (zh) 一种融合bim与深度神经网络的建筑物能耗优化方法
Wang et al. Data-driven assessment of room air conditioner efficiency for saving energy
Tian et al. Proposing energy performance indicators to identify energy-wasting operations on big time-series data
Zhang et al. Generation of sub-item load profiles for public buildings based on the conditional generative adversarial network and moving average method
CN112232608A (zh) 一种基于数据驱动的区域建筑空调器短期耗电量预测方法
KR102622634B1 (ko) 전자기기의 비침식 부하 모니터링 시스템 및 그 방법
Yuan et al. Space-Level air conditioner electricity consumption and occupant behavior analysis on a university campus
Boulmaiz et al. Optimizing occupant actions to enhance his comfort while reducing energy demand in buildings

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]