AI 활용해 27초 만에 1만 가구 에너지 성능 측정
상태바
AI 활용해 27초 만에 1만 가구 에너지 성능 측정
  • 윤우식 기자
  • 승인 2022.04.13 17:37
  • 댓글 0
이 기사를 공유합니다

에너지硏, 현장 방문 필요 없는 측정 모델 개발
준공연도·난방면적으로 건물 에너지 성능 예측
김종훈 에너지기술연구원 책임연구원이 개발한 인공지능(AI) 모델의 훈련 및 검증 과정을 설명하고 있다.
김종훈 에너지기술연구원 책임연구원이 개발한 인공지능(AI) 모델의 훈련 및 검증 과정을 설명하고 있다.

인공지능(AI)을 활용해 건물 에너지 성능 측정 시간을 대폭 줄일 수 있는 기술이 나왔다. 온실가스 주요 배출원이자 전 세계 에너지 소비의 3분의 1을 차지하는 건물의 에너지 성능 개선을 사업 활성화에 탄력이 붙을 것으로 기대된다.

한국에너지기술연구원은 김종운 박사 연구팀이 현장 방문 없이 AI(인공지능)를 활용해 건물의 에너지 성능을 측정할 수 있는 모델을 개발했다고 13일 밝혔다.

정부의 2050 탄소중립 정책에 따라 기존 건축물의 효과적인 에너지 효율개선을 위해 건물의 현 에너지 성능 수준을 파악하는 에너지 진단과 모델링이 요구되고 있다.

일반적으로 건물의 현재 에너지 성능을 파악하기 위해 외벽의 열관류율(실내외 온도차가 1°C일 때 단위면적의 외피를 통해 단위시간당 통과하는 열량)과 기밀도(실내외 압력차가 50파스칼일 때 단위시간당 통과하는 공기량) 등을 현장에서 측정하고 있다. 하지만 대규모 사업일 경우 모든 대상 건물의 성능을 실측하기 어렵고 여건도 마땅치 않아 건물 현장을 방문해 기본 정보를 확인한 뒤 시뮬레이션을 통해 성능을 평가하고 있다.

연구팀은 에너지 진단 프로세스를 단축하기 위해 AI를 활용한 건물 에너지 성능 예측 모델을 만들었다. 연구팀에 따르면 4만 가구의 데이터를 이용해 전체 입력변수로 학습된 AI 모델과 준공연도별 열관류율, 난방면적을 입력변수로 하는 학습된 AI모델의 성능 차이는 정규 평균 제곱근 오차(NRMSE) 3% 수준으로 나타났다. 2013년 저소득층 에너지효율 개선사업 대상주택 3061가구에 대한 현장 실사자료 기반 표준모델인 저소득층 단독주택 모델로 검증한 결과에선 1.4%로 오차율이 더 줄어 우수한 성능을 보였다.

특히 건물마다 별도로 해야 하는 시뮬레이션 모델링 없이 주요 변수를 입력하면 전체 대상 가구를 동시에 평가할 수 있다. 실제로 전국에 분포한 노후 주택 5만 가구의 데이터를 이용해 모델 훈련과 검증을 했고 임의로 데이터 분할·검증을 100회 시도한 결과 NRMSE의 표준편차가 0.25%로 안정적인 성능을 확보했다고 연구팀은 설명했다.

연구팀이 개발한 예측 모델로 1만 가구의 에너지 성능을 예측하는 데 걸린 시간은 약 27초에 불과하다. 기존 1가구의 현장 방문을 통한 측정시간이 1~2시간인 것과 비교하면 시간과 노동력이 획기적으로 줄었다.

연구진은 이번 연구 성과가 건물의 대략적인 현재 에너지 성능을 파악해 관련 정책을 수립하고 사전평가에 유용하게 활용될 것으로 기대하고 있다.

김종훈 박사는 “개발한 예측 모델을 이용해 건물 에너지 성능개선 사업을 시작하기 전 건물의 대략적인 에너지 성능을 쉽게 파악할 수 있다”며 “AI 기반 에너지산업의 디지털화가 기존 에너지 진단 방법의 문제점을 해결할 수 있는 도구 중 하나가 될 것”이라고 말했다.

한편 이번 연구 성과는 Civil Engineering 분야 상위 3.6% 해당하는 국제학술지 ‘Building and Environment’ 저널에 게재됐다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.