KR20190141935A - 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 - Google Patents

공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 Download PDF

Info

Publication number
KR20190141935A
KR20190141935A KR1020180068771A KR20180068771A KR20190141935A KR 20190141935 A KR20190141935 A KR 20190141935A KR 1020180068771 A KR1020180068771 A KR 1020180068771A KR 20180068771 A KR20180068771 A KR 20180068771A KR 20190141935 A KR20190141935 A KR 20190141935A
Authority
KR
South Korea
Prior art keywords
window
learning model
indoor
factor
module
Prior art date
Application number
KR1020180068771A
Other languages
English (en)
Other versions
KR102085075B1 (ko
Inventor
장향인
박창영
조수영
이민형
김창민
Original Assignee
(주)미래환경플랜건축사사무소
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 (주)미래환경플랜건축사사무소 filed Critical (주)미래환경플랜건축사사무소
Priority to KR1020180068771A priority Critical patent/KR102085075B1/ko
Publication of KR20190141935A publication Critical patent/KR20190141935A/ko
Application granted granted Critical
Publication of KR102085075B1 publication Critical patent/KR102085075B1/ko

Links

Images

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
    • F24F11/0001—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
    • F24F11/62—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
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Signal Processing (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Air Conditioning Control Device (AREA)
  • Ventilation (AREA)

Abstract

개시된 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측시스템은 개방형 3차원 BIM(building information modeling)정보가 저장되는 BIM 정보 데이터베이스; 건물의 실에 대한 환기량으로 이루어진 학습모델 입력인자를 입력받는 환기량 입력모듈; 상기 BIM정보 데이터베이스로부터 상기 건물의 실, 창 및 문의 좌표를 추출하는 좌표추출부와, 상기 추출된 좌표정보를 바탕으로 학습모델 추출인자를 산출하는 인자계산부로 구성된 추출모듈; 상기 추출모듈로부터 수신된 상기 학습모델 추출인자와 상기 환기량 입력모듈로부터 수신된 상기 학습모델 입력인자를 포함하는 학습모델인자를 구성하고, 상기 학습모델인자를 바탕으로 인공 신경망 기반의 학습모델을 통해 상기 건물의 실에 대한 실내 공기 정체비를 산정하는 공기 정체비 예측모듈; 사용자로부터 건물의 실에 대한 실내오염물질 농도를 입력받는 실내오염물질 농도 입력모듈; 상기 실내오염물질농도 입력모듈로부터 실내오염물질 농도를 수신하여 저장하고 관리하는 실내오염물질 측정정보 관리부; 상기 실내오염물질 측정정보 관리부로부터 수신된 상기 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 상기 산출된 필요 환기량과 상기 공기 정체비 예측모듈로부터 수신된 상기 실내 공기 정체비로부터 실내공기질 개선을 위한 유효 필요 환기량을 산정하는 유효 필요 환기량 산정모듈;을 포함하는 것을 특징으로 한다.

Description

공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법{system and method predicting effective ventilation amount to improve indoor air quality in apartment buildings}
본 발명은 개방형 BIM 모델에서부터 형상정보를 추출하고 학습모델인자를 산출하며, 이 학습모델인자를 통한 인공신경망 기반 학습모델의 학습으로 실내 공기 정체비를 예측하고, 이 실내 공기 정체비와 실내오염물질 저감에 필요한 필요 환기량을 바탕으로 유효 필요 환기량을 산정하도록 하는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법에 관한 것이다.
기존 실내 공기질 개선을 위한 유효 필요 환기량 예측 방법은 이론식을 이용하는 방법, 전산유체역학 시뮬레이션을 이용하여 예측하는 방법이 있다. 이론식을 이용하는 방법은 유출입 평가 방법에 근거한 방법으로 시설의 유·출입구의 면적과 내부 오염물질 농도를 이용하여 환기량을 산정하는 방법이다. 그러나 이론식을 이용하는 방법은 시설 전체 환기량을 산정하기 때문에 시설 내부의 지역적 환기량 차이를 고려하지 못하며, 이로 인하여 정확한 유효 필요 환기량을 예측하지 못하는 단점이 있다. 시설 전체 환기량이 같더라도 실내의 환기 구조에 따라 내부의 공기 유동이 다르게 형성되기 때문에 내부 오염물질 농도에 대한 실내 환기량의 적정성을 평가하기가 어렵다. 전산유체역학 시뮬레이션은 도 1과 같은 공정으로 유효 필요 환기량을 예측하며 지역적 환기량 차이를 고려할 수 있는 장점이 있다.
그러나 기존에서 사용되는 전산유체역학 시뮬레이션을 이용하는 방법은 복잡한 분석과정과, 전문 지식의 필요로 인한 높은 진입 장벽, 분석에 많은 시간과 비용이 필요한 한계가 있다. 이러한 한계로 인한 아래와 같은 문제점이 발생한다.
첫째, 형상 모델 설계를 위한 과도한 작업량으로 불편을 초래한다.
전산유체역학 시뮬레이션을 수행하기 위해서는 대상 시설에 대한 형상 모델이 필요하며, 시뮬레이션의 효율성을 위하여 대상 모델을 단순화 및 가공하는 작업이 필요하다. 3차원 BIM 모델이 없는 경우 2차원 도면을 기준으로 다시 3차원 전산유체역학 모델을 설계해야 하며, 3차원 BIM 모델이 있어도 이를 전산유체역학 시뮬레이션을 위하여 다시 단순화하고 가공해야 하는 등 많은 작업이 요구된다. 또한, 도면과 BIM 모델을 바탕으로 전산유체역학 해석 프로그램에서 다시 구성요소들의 속성정보를 직접 입력해야 한다. 이러한 작업은 유효 필요 환기량 평가 작업의 불편을 초래한다.
둘째, 분석 공정의 복잡성으로 인한 유효 필요 환기량 산정의 어려움이 있다.
전산유체역학 시뮬레이션을 이용한 평가 방법은 형상 모델을 설계하는 과정만으로도 많은 작업량이 요구되며, 형상 모델 이후의 공정에도 복잡한 설정 과정이 필요한 한계가 있다. 형상 설계 이후 각 경계면의 명칭을 직접 입력해야 하고 격자를 설계해야 한다. 격자 설계과정에서는 최적화를 위하여 수많은 시행착오 과정이 필요하며, 이 과정에서도 엄청난 시간과 노력이 요구된다. 격자 구성 후에 대상 시설에 맞는 적합한 physics model을 결정하고 각 경계면 모두에 boundary condition을 직접 설정하는 등 유효 필요 환기량 평가를 위해서는 일련의 복잡한 분석 공정을 수행해야만 한다. 이러한 복잡성으로 인하여 유효 필요 환기량 산정의 어려움을 유발한다.
셋째로, 시뮬레이션 분석의 시간 및 비용 등으로 인한 생산성 저하가 발생한다.
유효 필요 환기량 평가를 위한 전산유체역학 시뮬레이션은 분석에 있어서 많은 시간과 비용이 요구된다. 이로 인하여 유효 필요 환기량 평가 작업의 생산성이 저하되는 문제가 발생할 수 있다.
넷째로, 설계 및 시공단계에서 업무 효율성이 저하된다.
전산유체역학 시뮬레이션을 통한 평가 방법은 복잡한 공정 과정, 분석에 많은 시간과 비용 소모 등의 한계로 인하여 공동주택을 포함한 건축물의 설계 및 시공단계에서 활용이 어렵다. 설계 및 시공단계에서는 다양한 설계 도면들에 대한 평가가 우선적으로 수행되어야 하는데 다양한 설계안들에 대한 유효 필요 환기량 평가에 과도한 업무량은 물론 시간과 비용 등도 과다하게 투입이 될 수 있어 결과적으로 업무 효율성 저하로 이어진다.
등록특허 10-1741015 공개번호 10-2016-0010636 등록특허 10-1714400
본 발명은 상기한 바와 같은 종래의 문제점을 해결하고자 창안된 것으로서, 개방형 BIM 모델에서부터 형상정보를 추출하고 학습모델인자를 산출하며, 이 학습모델인자를 통한 인공신경망 기반 학습모델의 학습으로 실내 공기 정체비를 예측하고, 이 실내 공기 정체비와 실내오염물질 저감에 필요한 필요 환기량을 바탕으로 유효 필요 환기량을 산정하도록 하여, 유효 필요 환기량 산정을 간소화하고 효율성읖 높일 수 있는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법을 제공하는데 목적이 있다.
상기한 목적을 달성하기 위한 본 발명의 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템은 개방형 3차원 BIM(building information modeling) 정보가 저장되는 BIM 정보 데이터베이스; 사용자로부터 건물의 실에 대한 환기량으로 이루어진 학습모델 입력인자를 입력받는 환기량 입력모듈; 상기 BIM정보 데이터베이스로부터 상기 건물의 실, 창 및 문의 좌표를 추출하는 좌표추출부와, 상기 좌표추출부에서 추출된 좌표정보를 바탕으로 학습모델 추출인자를 산출하는 인자계산부로 구성된 추출모듈; 상기 추출모듈로부터 수신된 상기 학습모델 추출인자와 상기 환기량 입력모듈로부터 수신된 상기 학습모델 입력인자를 포함하는 학습모델인자를 구성하고, 상기 학습모델인자를 바탕으로 인공신경망 기반의 학습모델을 통해 상기 건물의 실에 대한 실내 공기 정체비를 산정하는 공기 정체비 예측모듈; 사용자로부터 건물의 실에 대한 실내오염물질 농도를 입력받는 실내오염물질 농도 입력모듈; 상기 실내오염물질농도 입력모듈로부터 실내오염물질 농도를 수신하여 저장하고 관리하는 실내오염물질 측정정보 관리부; 상기 실내오염물질 측정정보 관리부로부터 수신된 상기 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 상기 산출된 필요 환기량과 상기 공기 정체비 예측모듈로부터 수신된 상기 실내 공기 정체비로부터 실내공기질 개선을 위한 유효 필요 환기량을 산정하는 유효 필요 환기량 산정모듈;을 포함하는 것을 특징으로 한다.
상기 학습모델 추출인자는 창 면적, 창 면적비, 창 위치 수평거리, 창 위치 수직거리, 창 중점 수평거리, 창 중점 수직높이, 창-실 중점 수평거리, 창-실중점 높이차이, 창-문 중점 가로 차이, 창-문 중점 세로 차이, 창-문 각도, 창-문 중첩 면적, 실 체적, 실 종횡비로 구성될 수 있다.
또한, 본 발명의 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 방법은 추출모듈이 상기 BIM정보 데이터베이스에 저장된 개방형 3차원 BIM(building information modeling)정보로부터 상기 건물의 실, 창 및 문의 좌표를 추출하고, 상기 추출된 좌표정보를 바탕으로 학습모듈 추출인자를 산출하는 단계; 상기 환기량 입력모듈이 건물의 실에 대한 환기량으로 이루어진 학습모델 입력인자를 입력받는 단계; 상기 공기정체비 예측모듈이 상기 추출모듈로부터 상기 학습모델 추출인자를 수신하고, 상기 환기량 입력모듈로부터 상기 학습모델 입력인자를 수신하여, 상기 학습모델 추출인자와 상기 학습모델 입력인자를 포함하는 학습모델인자를 구성하고, 상기 학습모델인자를 바탕으로 인공신경망 기반의 학습모델을 통해 상기 건물의 실에 대한 실내공기 정체비를 산정하는 단계; 실내오염물질 측정정보 관리부가 실내오염물질 농도 입력모듈로부터 실내오염물질 농도를 수신하고 저장하며, 관리하는 단계; 상기 유효 필요 환기량 산정모듈이 상기 실내오염물질 측정정보 관리부로부터 수신된 상기 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 상기 산출된 필요 환기량과 상기 공기 정체비 예측모듈로부터 수신된 상기 실내 공기 정체비로부터 실내공기질 개선을 위한 유효 필요 환기량을 산정하는 단계;를 포함하는 것을 특징으로 한다.
상기 학습모델 추출인자는 창 면적, 창 면적비, 창 위치 수평거리, 창 위치 수직거리, 창 중점 수평거리, 창 중점 수직높이, 창-실 중점 수평거리, 창-실중점 높이차이, 창-문 중점 가로 차이, 창-문 중점 세로 차이, 창-문 각도, 창-문 중첩 면적, 실 체적, 실 종횡비로 구성되는 것을 특징으로 한다.
상기한 바에 따르면, 본 발명은 대상 시설의 BIM정보로부터 학습모델에 필요한 인자를 추출하고, 이 인자를 학습모델에 적용하여 지역적 환기량 차이를 고려한 유효 필요 환기량을 예측하여 기존 이론식을 이용한 방법보다 정확한 유효 필요 환기량을 예측 할 수 있다.
또한, 전산유체역학 시뮬레이션 설정 작업 중에 사용자 판단에 의하여 발생할 수 있는 다양한 오류도 방지하여 유효 필요 환기량 평가의 정확성을 확보할 수 있게 된다.
본 발명은 개방형 3차원 BIM 정보로부터 학습인자모델을 추출하는 추출모델, 공기 정체비 예측모듈, 유효 필요 환기량 산정모듈을 통해 기존 평가방법 대비 투입되는 시간과 비용, 평가 과정들이 간소화되며 측정결과 기반 보정을 수행하여 예측 신뢰성을 확보할 수 있는 효과가 있다.
또한, 본 발명은 개방형 BIM 모델에서 자동으로 학습모델에 필요한 정보들을 추출하기 때문에 기존 방식에서 필요했던 작업량을 대폭 감소시킬 수 있으며, 전산유체역학 시뮬레이션 기반의 학습모델을 이용하기 때문에 예측 결과의 정확성 저하 없이 효율적으로 유효 필요 환기량을 평가할 수 있다. 따라서, 전산유체역학 시뮬레이션을 이용하여 평가하였던 기존 방식과 비교하였을 때, 유효 필요 환기량 평가의 편의성을 향상시킬 수 있으며, 평가에 소요되는 시간 또한 대폭 단축되어 신속성 또한 확보할 수 있다.
도 1은 기존의 전산유체역학 시뮬레이션을 이용한 유효 필요 환기량 평가 공정에 대한 개념도이고,
도 2는 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템의 블록구성도이고,
도 3은 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템의 전체 프로세서에 대한 개요도이고,
도 4는 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템의 형상정보 추출 및 공기 정체비 산정 프로세서를 나타낸 블록도이고,
도 5는 본 발명에서 BIM정보에서 추출한 추가 학습모델인자를 설명하기 위한 도면이고,
도 6은 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템의 유효 필요 환기량 예측 프로세서를 나타낸 블록도이고,
도 7 내지 도 12는 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템의 인터페이스 화면을 나타낸 예시도이고,
도 13은 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 방법의 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 도 2 내지 도 11을 참조하여, 본 발명의 바람직한 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법을 첨부 도면을 참조하여 상세히 설명한다.
아래에서 설명되는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법은 아래 설명되는 각 구성요소와 이의 동작을 실행할 수 있는 소프트웨어 및/또는 소프트웨어를 포함하는 컴퓨터와 같은 하드웨어적 구성을 통해 구현될 수 있음은 해당 기술분야의 당업자라면 충분히 이해할 수 있을 것이다.
도 2를 참조하면, 본 발명의 유효 필요 환기량 예측 시스템(100)은 BIM정보 데이터베이스(110), 추출모듈(120), 환기량 입력모듈(130), 공기 정체비 예측모듈(140), 실내오염물질 측정정보 관리부(150), 실내오염물질농도 입력모듈(152), 유효 필요 환기량 산정모듈(160)을 포함하도록 구성된다.
BIM정보 데이터베이스(110)는 건물에 관한 3차원 BIM(building information modeling) 정보가 저장되도록 구성될 수 있다. 여기서, 3차원 BIM 정보는 개방형 정보가 되어 누구든지 적용 가능한 정보로 구성될 수 있으며, 일례로 IFC(industry foundation classes) BIM 정보로 구성될 수 있다.
본 발명의 공기 정체비 예측모듈(140)에서는 인공 신경망 기반의 학습모델을 이용해 실내 공기 정체비를 산정하도록 구성되며, 이때, 공기 정체비 예측모듈(140)에서의 학습모델에 필요한 학습모델인자는 아래의 표 1과 같이 15개의 학습모델인자로 구성된다.
학습 모델에 필요한 15개의 학습모델인자는 도 5와 같이, 해당 실의 형상에 관한 정보를 포함하여 공기 유입구인 창과 유출구인 문의 형상 및 위치 정보들을 포함하고 있다. 15개의 인자는 기존 다양한 연구들에서 실내 기류에 직접적인 영향을 주는 것으로 알려진 인자들(환기량, 창 면적, 맞통풍 여부 등)과 함께 BIM 모델에서 추출 가능한 모든 인자 중 기류에 직접적인 영향을 줄 수 있는 인자들(창-문 중점 가로 차이, 창-문 중점 세로 차이, 창-문 중첩 면적 등)로 구성될 수 있다.
　번호 학습모델인자　 인자 설명
1 환기량 (A) 시간 당 환기횟수
2 창 면적 (B) 창의 폭과 높이를 곱하여 산정한 값
3 창 면적비 (C) 창의 면적을 창이 있는 벽면의 넓이로 나눈 값
4 창 위치(수평거리) (D) 안목치수 기준 창의 수평거리 (시작점)
5 창 위치(수직거리) (E) 바닥 기준 창의 높이 (시작점)
6 창 중점 수평거리 (F) 안목치수 기준 창의 중점까지의 수평거리
7 창 중점 수직높이 (G) 바닥 기준 창의 중점까지의 높이
8 창-실중점 수평거리 (H) 창과 대상 실의 중점 간의 수평거리
9 창-실중점　높이 차이 (I) 창과 대상 실의 중점 간의 높이
10 창-문 중점 가로 차이 (J) 창과 문의 중점 간의 가로길이
11 창-문 중점 세로 차이 (K) 창과 문의 중점 간의 세로길이
12 창-문 각도 (L) 창과 문이 이루는 각도로 맞통풍인 경우 0도, 비맞통풍일　 경우 90도로 설정함
13 창-문　중첩 면적 (M) 창과 문을 동일면에 투영하였을 때 중첩이 발생되는 면적
14 실 체적 (N) 대상 실의 부피
15 실 종횡비 (O) 대상 실의 가로길이를 세로길이로 나눈 값
본 발명에서는 상기 15개의 학습모델인자 중 1개의 학습모델 입력인자(번호1, 환기량)와 14개의 학습모델 추출인자(번호2~15, 창 면적 (B), 창 면적비 (C), 창 위치(수평거리) (D), 창 위치(수직거리) (E), 창 중점 수평거리 (F), 창 중점 수직높이 (G), 창-실중점 수평거리 (H), 창-실중점　높이 차이 (I), 창-문 중점 가로 차이 (J), 창-문 중점 세로 차이 (K), 창-문 각도 (L), 창-문　중첩 면적 (M) ,실 체적 (N)실 종횡비 (O))로 구성될 수 있으며, 1개의 학습모델 입력인자는 환기량 입력모듈(130)을 통해 사용자로부터 입력받고 구성되며, 14개의 학습모델 추출인자는 추출모듈(120)이 개방형 3차원 BIM정보에서 추출 및 추출정보를 바탕으로 산출하도록 구성된다.
추출모듈(120)은 개방형 3차원 BIM 정보에서 대상 실(room)과, 창(windoow), 그리고 문(door)에 대한 좌표정보를 추출하는 좌표추출부(122)와, 상기 좌표추출부(122)에서 추출된 좌표정보를 바탕으로 학습모델에 필요한 14개의 학습모델 추출인자들을 계산하는 인자계산부(124)를 포함하도록 구성된다.
기존 BIM정보에서 형상정보를 추출하는 기술들은 실(room)에 대한 기본적인 좌표나 길이 정보만 추출하는 방식으로 학습모델에 필요한 요구정보를 추출하는 것이 불가능하였으나, 본 발명의 추출모듈(120)은 좌표추출부(122)에서 개방형 3차원 BIM정보에서 대상 실(room)과, 창(windoow), 그리고 문(door)에 대한 좌표정보를 추출하고, 이 기본적인 좌표정보를 바탕으로 학습모델에 필요한 14개의 학습모델 추출인자를 산출하여 추출한다.
표 2는 추출모듈(120)이 개방형 3차원 BIM정보로부터 추출한 14개의 학습모델 추출인자 및 방법을 나타낸다.
　항목 학습모델 추출인자　 추출 방법
1 창 면적 창의 폭과 높이를 추출하여 계산함
2 창 면적비 창이 있는 벽면의 면적을 계산 후 1을 나눔
3 창 위치(수평거리) IfcCartesianPoint 분석 후 X좌표의 최소값
4 창 위치(수직거리) IfcCartesianPoint 분석 후 Y좌표의 최소값
5 창 중점 수평거리 창의 모든 좌표를 추출한 후 X좌표의 최댓값과 최솟값을 뺀 값에 0.5를 곱하여 산정
6 창 중점 수직높이 창의 모든 좌표를 추출한 후 Y좌표의 최댓값과 최솟값을 뺀 값에 0.5를 곱하여 산정
7 창-실중점 수평거리 창, 실의 중심 좌표를 추출한 후 두 X 좌표간의 절대값 차이 산정
8 창-실중점　높이 차이 창, 실의 중심 좌표를 추출한 후
두 Y 좌표간의 절대값 차이 산정
9 창-문 중점 가로 차이 창, 문의 중심 좌표를 추출한 후
창 X축 방향에 대한 벡터를 곱하여 산정
10 창-문 중점 세로 차이 창, 문의 중심 좌표를 추출한 후
창 Z축 방향에 대한 벡터를 곱하여 산정
11 창-문 각도 창이 있는 벽면과 문이 있는 벽면의 인접 여부를 판별하여 인접한 경우 90, 반대의 경우 0으로 값을 정의함
12 창-문　중첩 면적 창-문의 각도가 0인 경우, 창의 구성 좌표와 문의 구성 좌표 사이의 중첩되는 길이와 높이를 추출하여 면적을 산정
13 실 체적 　폭, 길이, 높이 길이를 곱하여 산정
14 실 종횡비 대상 실 벽면의 폭과 길이를 추출한 후, 폭을 길이로 나눈 비율
본 발명의 추출모듈(140)은 기존 방식에서 추출 불가능한 인자에 대해서 개방형 3차원 BIM 정보에서 대상 실(room)과, 창(windoow), 그리고 문(door)에 대한 좌표정보를 추출하는 좌표추출부(122)와, 상기 좌표추출부(122)에서 추출된 좌표정보를 바탕으로 학습모델에 필요한 14개의 학습모델 추출인자들을 계산하는 인자계산부(124)을 통해 자동추출할 수 있도록 구성됨으로써, 기존방법 대비 작업량 및 작업시간을 대폭 절감할 수 있게 해준다.
환기량 입력모듈(130)은 사용자로부터 해당 실에 대한 환기량(A) 즉 1개의 학습모델 입력인자를 입력받도록 구성될 수 있다.
공기 정체비 예측모듈(140)은 인공 신경망 기반의 학습모델이 구축되어 있으며, 구축되어진 인공 신경망 기반의 학습모델을 통해 실내 공기 정체비를 예측한다. 본 발명의 공기 정체비 예측모듈(140)에 구축된 인공신경망 기반의 학습모델은 전산유체역학 해석 결과를 학습 데이터로 하여 실내 공기 정체비를 예측하도록 학습한다.
구체적으로, 공기 정체비 예측모듈(140)은 추출모듈(140)로부터 14개의 학습모델 추출인자를 수신하고, 환기량 입력모듈(130)로부터 1개의 학습모델 입력인자를 수신하여, 14개의 학습모델 추출인자와 1개의 학습모델 입력인자를 포함하는 학습모델 인자를 바탕으로 인공신경망 기반의 학습모델을 통해 실내 공기 정체비를 예측 산정하고, 예측된 실내 공기 정체비를 유효필요 환기량 산정모듈(160)로 출력한다.
이때, 공기 정체비 예측모듈(140)은 15개의 학습모델인자를 이용하여 소정의 알고리즘(algorithm)에 따라 실내 공기 정체비를 자동으로 계산하도록 구성될 수 있다.
실내오염물질 측정정보 관리부(150)는 대상 실에 대한 실내오염물질 농도를 저장하고 관리하도록 구성되며, 저장된 대상 실에 대한 실내오염물질 농도를 유효필요 환기량 산정모듈(160)에 출력하도록 구성된다.
본 발명은 사용자가 실내오염농도 측정데이터를 업로드방식으로 실내오염물질 측정정보 관리부(150)에 입력할 수 있도록 실내오염물질농도 입력모듈(152)을 포함할 수 있다. 즉, 실내오염물질농도 입력모듈(152)은 사용자가 해당 실에 대한 실내오염농도 측정데이터를 실내오염물질 측정정보 관리부(150)에 업로드하도록 사용자 인터페이스를 제공할 수 있다.
실내오염물질 측정정보 관리부(150)는 실내오염물질농도 입력모듈(152)을 통해 사용자가 입력한 폼알데하이드, 총휘발성 유기화합물 등의 오염물질농도를 저장하고 관리하며, 이 오염물질농도에 대한 정보를 유효 필요 환기량 산정모듈(160)에 출력할 수 있다.
본 발명에서 실내오염물질 측정정보 관리부(150)는 실내오염물질농도 입력모듈(152)로부터 입력된 실내오염물질농도에 대해 농도 추이를 분석하고, 분석된 농도 추이를 화면에 출력하는 기능을 포함할 수 있다.
또한, 본 발명의 실내오염물질 측정정보 관리부(150)는 저장관리되는 실내오염물질 농도에 대한 정보를 활용하여 공기 정체비 예측모듈(140)에 구축된 학습모델의 예측 정확성 향상을 위한 보정을 수행하는 기능을 포함할 수 있다.
또한, 실내오염물질농도 입력모듈(152)은 건축자재 방출 오염물질과 대기 중 오염물질에 관한 측정 농도와 함께 실내/실외 기준농도를 실내오염물질 측정정보 관리부(150)에 입력 가능하며, 실내오염물질 측정정보 관리부(150)는 측정치와 기준값을 비교하여 실내공기질의 상태를 판별하며, 측정데이터 이력은 오염물질별로 측정횟수별 농도 추이와 기준농도에 대한 비교를 할 수 있는 그래프 형태로 출력할 수 있다.
유효 필요 환기량 산정모듈(160)은 실내오염물질 측정정보 관리부(150)로부터 수신된 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 산출된 필요 환기량과 공기 정체비 예측모듈(140)로부터 수신된 실내 공기 정체비를 바탕으로 실내공기질 개선을 위한 유효 필요 환기량을 산정하도록 구성할 수 있다.
이때, 유효 필요 환기량 산정모듈(160)은 상기 실내오염물질 농도로부터 산출된 필요 환기량과 상기 실내 공기 정체비를 바탕으로 소정의 알고리즘(algorithm)에 따라 실내공기질 개선을 위한 유효 필요 환기량을 계산하도록 구성될 수 있다.
즉, 도 6과 같이, 본 발명의 유효 필요 환기량 산정모듈(160)은 실내오염물질 측정정보 관리부(150)에서 출력된 실내오염물질 농도로부터 필요 환기량을 도출하고, 이 필요 환기량과 공기 정체비 예측모듈(140)로부터 출력된 실내공기 정체비를 통해 실내공기질 개선을 위한 유효 필요 환기량을 산정하고, 산정된 유효 필요 환기량은 화면상에 디스플레이 할 수 있다. 본 발명에서는 산정된 유효 필요 환기량과 더불어 공기 정체비가 함께 화면상에 출력되도록 구성할 수 있다.
본 발명은 유효 필요 환기량 산정모듈(160)에서 산정된 유효 필요 환기량을 저장하고 관리하는 예측정보관리부(170)를 더 포함하도록 구성될 수 있다.
한편, 본 발명은 모든 구성, 추출모듈(120), 예측모듈(140), 실내오염물질 측정정보 관리부(150), 산정모듈(160)을 GUI 기반 프로그램으로 구현할 수 있으며, 이 프로그램은 실제 측정한 공기질 데이터(공기오염농도 데이터)를 저장하고 관리하는 측정정보관리부(150)와 추출모듈(120), 예측모듈(140), 산정모듈(160)이 포함되어 유효 필요 환기량을 예측하는 예측정보관리부의 두가지 메인프로세서로 구성될 수 있다.
예측정보관리부(추출모듈(120), 예측모듈(140), 산정모듈(160)을 포함)는 산정된 유효 필요 환기량에 대한 이력을 저장 및 관리하는 기능을 포함할 수 있다.
도 7 내지 도 10은 도 7 내지 도 10은 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템의 인터페이스 화면을 나타낸 예시도이다.
도 7은 본 발명의 유효 필요 환기량 예측 시스템의 프로젝트 선택화면을 나타내고, 도 8은 본 발명의 유효 필요 환기량 예측 시스템의 메인화면구성을 나타낸다.
또한, 도 9는 실내오염물질농도 측정데이터 업로드 화면을 나타내며, 도 10은 실내오염물질 농도 측정데이터 이력화면을 나타낸다.
또한, 도 11 및 도 12는 예측정보 관리부에 대한 화면으로, 도 11은 환기량 예측 분석 화면 구성을 나타내며, 도 12는 분석 이력정보를 나타낸다.
한편, 도 13은 본 발명의 일 실시 예에 따른 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 방법의 흐름도이다.
도 13을 참조하면, 추출모듈(120)이 상기 BIM정보 데이터베이스(110)에 저장된 개방형 3차원 BIM(building information modeling)정보로부터 상기 건물의 실, 창 및 문의 좌표를 추출하고, 상기 추출된 좌표정보를 바탕으로 학습모듈 추출인자를 산출한다(S101).
여기서, 학습모델 추출인자는 창 면적, 창 면적비, 창 위치 수평거리, 창 위치 수직거리, 창 중점 수평거리, 창 중점 수직높이, 창-실 중점 수평거리, 창-실중점 높이차이, 창-문 중점 가로 차이, 창-문 중점 세로 차이, 창-문 각도, 창-문 중첩 면적, 실 체적, 실 종횡비로 구성될 수 있다.
다음으로, 환기량 입력모듈(130)이 건물의 실에 대한 환기량으로 이루어진 학습모델 입력인자를 입력받는다(S102).
다음으로, 공기 정체비 예측모듈(140)이 상기 추출모듈(120)로부터 상기 학습모델 추출인자를 수신하고, 상기 환기량 입력모듈(130)로부터 상기 학습모델 입력인자를 수신하여, 상기 학습모델 추출인자와 상기 학습모델 입력인자를 포함하는 학습모델인자를 구성하고, 상기 학습모델인자를 바탕으로 인공 신경망 기반의 학습모델을 통해 상기 건물의 실에 대한 실내 공기 정체비를 산정한다(S103).
다음으로, 실내오염물질 측정정보 관리부(150)가 실내오염물질 농도 입력모듈(152)로부터 실내오염물질 농도를 수신하고 저장하며, 관리한다(S104).
다음으로, 상기 유효 필요 환기량 산정모듈(160)이 상기 실내오염물질 측정정보 관리부(150)로부터 수신된 상기 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 상기 산출된 필요 환기량과 상기 공기 정체비 예측모듈(140)로부터 수신된 상기 실내공기 정체비로부터 실내공기질 개선을 위한 유효 필요 환기량을 산정한다(S105).
이상 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
110...BIM정보 데이터베이스
120...추출모듈
122...좌표추출부
124...인자계산부
130...환기량 입력모듈
140...공기정체비 예측모듈
150...실내오염물질 측정정보 관리부
152...실내오염물질농도 입력모듈
160...유효필요환기량 산정모듈

Claims (4)

  1. 개방형 3차원 BIM(building information modeling) 정보가 저장되는 BIM 정보 데이터베이스;
    사용자로부터 건물의 실에 대한 환기량으로 이루어진 학습모델 입력인자를 입력받는 환기량 입력모듈;
    상기 BIM정보 데이터베이스로부터 상기 건물의 실, 창 및 문의 좌표를 추출하는 좌표추출부와, 상기 좌표추출부에서 추출된 좌표정보를 바탕으로 학습모델 추출인자를 산출하는 인자계산부로 구성된 추출모듈;
    상기 추출모듈로부터 수신된 상기 학습모델 추출인자와 상기 환기량 입력모듈로부터 수신된 상기 학습모델 입력인자를 포함하는 학습모델인자를 구성하고, 상기 학습모델인자를 바탕으로 인공 신경망 기반의 학습모델을 통해 상기 건물의 실에 대한 실내 공기 정체비를 산정하는 공기 정체비 예측모듈;
    사용자로부터 건물의 실에 대한 실내오염물질 농도를 입력받는 실내오염물질 농도 입력모듈;
    상기 실내오염물질농도 입력모듈로부터 실내오염물질 농도를 수신하여 저장하고 관리하는 실내오염물질 측정정보 관리부;
    상기 실내오염물질 측정정보 관리부로부터 수신된 상기 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 상기 산출된 필요 환기량과 상기 공기 정체비 예측모듈로부터 수신된 상기 실내 공기 정체비로부터 실내공기질 개선을 위한 유효 필요 환기량을 산정하는 유효 필요 환기량 산정모듈;을 포함하는 것을 특징으로 하는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템.
  2. 제 1 항에 있어서,
    상기 학습모델 추출인자는 창 면적, 창 면적비, 창 위치 수평거리, 창 위치 수직거리, 창 중점 수평거리, 창 중점 수직높이, 창-실 중점 수평거리, 창-실중점 높이차이, 창-문 중점 가로 차이, 창-문 중점 세로 차이, 창-문 각도, 창-문 중첩 면적, 실 체적, 실 종횡비로 구성되는 것을 특징으로 하는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템.
  3. 추출모듈이 상기 BIM정보 데이터베이스에 저장된 개방형 3차원 BIM(building information modeling)정보로부터 상기 건물의 실, 창 및 문의 좌표를 추출하고, 상기 추출된 좌표정보를 바탕으로 학습모듈 추출인자를 산출하는 단계;
    상기 환기량 입력모듈이 건물의 실에 대한 환기량으로 이루어진 학습모델 입력인자를 입력받는 단계;
    상기 공기 정체비 예측모듈이 상기 추출모듈로부터 상기 학습모델 추출인자를 수신하고, 상기 환기량 입력모듈로부터 상기 학습모델 입력인자를 수신하여, 상기 학습모델 추출인자와 상기 학습모델 입력인자를 포함하는 학습모델인자를 구성하고, 상기 학습모델인자를 바탕으로 인공 신경망 기반의 학습모델을 통해 상기 건물의 실에 대한 실내 공기 정체비를 산정하는 단계;
    실내오염물질 측정정보 관리부가 실내오염물질 농도 입력모듈로부터 실내오염물질 농도를 수신하고 저장하며, 관리하는 단계;
    상기 유효 필요 환기량 산정모듈이 상기 실내오염물질 측정정보 관리부로부터 수신된 상기 실내오염물질 농도로부터 농도저감을 위한 필요 환기량을 산출하고, 상기 산출된 필요 환기량과 상기 공기 정체비 예측모듈로부터 수신된 상기 실내 공기 정체비로부터 실내공기질 개선을 위한 유효 필요 환기량을 산정하는 단계;를 포함하는 것을 특징으로 하는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 방법.
  4. 제 3 항에 있어서,
    상기 학습모델 추출인자는 창 면적, 창 면적비, 창 위치 수평거리, 창 위치 수직거리, 창 중점 수평거리, 창 중점 수직높이, 창-실 중점 수평거리, 창-실중점 높이차이, 창-문 중점 가로 차이, 창-문 중점 세로 차이, 창-문 각도, 창-문 중첩 면적, 실 체적, 실 종횡비로 구성되는 것을 특징으로 하는 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 방법.

KR1020180068771A 2018-06-15 2018-06-15 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 KR102085075B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180068771A KR102085075B1 (ko) 2018-06-15 2018-06-15 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180068771A KR102085075B1 (ko) 2018-06-15 2018-06-15 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20190141935A true KR20190141935A (ko) 2019-12-26
KR102085075B1 KR102085075B1 (ko) 2020-05-25

Family

ID=69103520

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180068771A KR102085075B1 (ko) 2018-06-15 2018-06-15 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102085075B1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111336669A (zh) * 2020-03-12 2020-06-26 苏州大学 基于模型预测控制的室内空调通风系统
CN111649433A (zh) * 2020-06-03 2020-09-11 合肥学院 一种有效的降低室内甲醛浓度的方法
KR102186765B1 (ko) 2020-02-17 2020-12-04 박해복 제연 및 비상조명 기능을 겸비한 실시간 환기제어 건물 통합 관리 시스템
CN112214898A (zh) * 2020-10-15 2021-01-12 北京清华同衡规划设计研究院有限公司 室内空气质量预评估方法
CN114440411A (zh) * 2020-10-30 2022-05-06 庆东纳碧安株式会社 通风导向装置、应用和方法
WO2023004704A1 (zh) * 2021-07-29 2023-02-02 西门子（中国）有限公司 用于监控封闭空间环境的方法、装置和计算机存储介质
CN116631530A (zh) * 2023-05-29 2023-08-22 智感技术(天津)有限公司 污染物扩散风险识别方法、装置及设备
CN117029219A (zh) * 2023-10-09 2023-11-10 湖南省交通规划勘察设计院有限公司 一种卫生间系统的自适应空气调节方法及卫生间通风系统
CN117422346A (zh) * 2023-12-18 2024-01-19 福建亿普特防水技术有限公司 基于bim技术的建筑信息管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160010636A (ko) 2016-01-09 2016-01-27 윤명철 건축 저에너지 bim 설계와 외피 단열재 및 마감재의 저비용 설계 방법
KR101714400B1 (ko) 2015-07-16 2017-03-09 호서대학교 산학협력단 실시간 에너지 형별성능내역서 자동 산출을 위한 에너지 빌딩정보 모델링 분석 시스템 및 방법
KR101741015B1 (ko) 2014-11-10 2017-05-29 주식회사 포스코건설 공동주택의 환경성능·에너지 해석을 위한 통합 분석 시스템 및 분석 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101741015B1 (ko) 2014-11-10 2017-05-29 주식회사 포스코건설 공동주택의 환경성능·에너지 해석을 위한 통합 분석 시스템 및 분석 방법
KR101714400B1 (ko) 2015-07-16 2017-03-09 호서대학교 산학협력단 실시간 에너지 형별성능내역서 자동 산출을 위한 에너지 빌딩정보 모델링 분석 시스템 및 방법
KR20160010636A (ko) 2016-01-09 2016-01-27 윤명철 건축 저에너지 bim 설계와 외피 단열재 및 마감재의 저비용 설계 방법

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102186765B1 (ko) 2020-02-17 2020-12-04 박해복 제연 및 비상조명 기능을 겸비한 실시간 환기제어 건물 통합 관리 시스템
CN111336669A (zh) * 2020-03-12 2020-06-26 苏州大学 基于模型预测控制的室内空调通风系统
CN111336669B (zh) * 2020-03-12 2021-04-13 苏州大学 基于模型预测控制的室内空调通风系统
CN111649433A (zh) * 2020-06-03 2020-09-11 合肥学院 一种有效的降低室内甲醛浓度的方法
CN112214898A (zh) * 2020-10-15 2021-01-12 北京清华同衡规划设计研究院有限公司 室内空气质量预评估方法
KR20220057954A (ko) * 2020-10-30 2022-05-09 주식회사 경동나비엔 환기 가이드 장치, 애플리케이션 및 방법
CN114440411A (zh) * 2020-10-30 2022-05-06 庆东纳碧安株式会社 通风导向装置、应用和方法
CN114440411B (zh) * 2020-10-30 2024-01-05 庆东纳碧安株式会社 通风导向装置、应用和方法
WO2023004704A1 (zh) * 2021-07-29 2023-02-02 西门子（中国）有限公司 用于监控封闭空间环境的方法、装置和计算机存储介质
CN116631530A (zh) * 2023-05-29 2023-08-22 智感技术(天津)有限公司 污染物扩散风险识别方法、装置及设备
CN116631530B (zh) * 2023-05-29 2024-02-13 智感技术(天津)有限公司 污染物扩散风险识别方法、装置及设备
CN117029219A (zh) * 2023-10-09 2023-11-10 湖南省交通规划勘察设计院有限公司 一种卫生间系统的自适应空气调节方法及卫生间通风系统
CN117029219B (zh) * 2023-10-09 2023-12-26 湖南省交通规划勘察设计院有限公司 一种卫生间系统的自适应空气调节方法及卫生间通风系统
CN117422346A (zh) * 2023-12-18 2024-01-19 福建亿普特防水技术有限公司 基于bim技术的建筑信息管理系统
CN117422346B (zh) * 2023-12-18 2024-03-19 福建亿普特防水技术有限公司 基于bim技术的建筑信息管理系统

Also Published As

Publication number Publication date
KR102085075B1 (ko) 2020-05-25

Similar Documents

Publication Publication Date Title
KR102085075B1 (ko) 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법
Hygh et al. Multivariate regression as an energy assessment tool in early building design
Scherer et al. BIMification: How to create and use BIM for retrofitting
Lilis et al. Automatic generation of second-level space boundary topology from IFC geometry inputs
Dogan et al. Shoeboxer: An algorithm for abstracted rapid multi-zone urban building energy model generation and simulation
Esfahani et al. Quantitative investigation on the accuracy and precision of Scan-to-BIM under different modelling scenarios
US20190303512A1 (en) Digital design tools for building construction
Hiyama et al. A new method for reusing building information models of past projects to optimize the default configuration for performance simulations
CN115358034A (zh) 一种基于bim管综优化设计的智能排布方法及系统
US20210150105A1 (en) Generating building designs while computationally optimizing for work conditions
Forth et al. BIM-integrated LCA-model analysis and implementation for practice
Sinha et al. Extracting information from building information models for energy code compliance of building envelope
KR20130066356A (ko) 도면 해석 시스템 및 그 방법
Whang et al. Building information modeling (BIM) for project value: Quantity take-off of building frame approach
KR20150003008A (ko) 파라메트릭 툴을 이용한 주동배치 방법
Shi et al. Digital campus innovation project: Integration of building information modelling with building performance simulation and building diagnostics
Gourlis et al. A holistic digital twin simulation framework for industrial facilities: BIM-based data acquisition for building energy modeling
Aksamija A strategy for energy performance analysis at the early design stage: predicted vs. Actual building energy performance
Esfahani et al. Using scan-to-BIM techniques to find optimal modeling effort; a methodology for adaptive reuse projects
Kim et al. Deterministic vs. stochastic calibration of energy simulation model for an existing building
Nikolaidou et al. Early and detailed design stage modelling using Passivhaus design; what is the difference in predicted building performance
Miyamoto et al. Visual tool to integrate LCA and LCC in the early design stage of housing
Yilmaz An automated building energy model calibration workflow to improve indoor climate controls
Hinkle et al. Dynamic subset sensitivity analysis for design exploration
Lee LCC analysis model of building material that can be used in BIM environment

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right