서 론
국내 데이터센터의 규모는 2000년 53개에서 2020년 기준 156개로 매년 5.9%만큼 증가하는 추세이다. 이 중 민간에서 구축 및 운영하고 있는 데이터센터는 88개소, 공공에서 구축 및 운영하고 있는 데이터센터는 68개소로 규모에 따라 분류하면 중소형(2,000 ㎡ 이하)은 42%, 대형(2,000 ㎡ 초과 7,500 ㎡ 미만)은 35.2%, 거대(7,500 ㎡ 이상 22,500 ㎡ 미만)는 18.2%, 메가(22,500 ㎡ 초과)는 4.5%의 비중을 차지하고 있다. 전력수전용량 기준으로는 10,000 kW 미만이 50.0%, 10,000 kW 이상 20,000 kW 미만이 18.2%, 20,000 kW 이상 40,000 kW 미만이 27.3%, 40,000 kW 이상이 4.5%의 비중을 차지하고 있다(KDCC, 2021).
데이터센터 관련 선행연구로 국내는 데이터센터의 서버실의 냉각시스템을 대상으로 개선안을 제안 및 예상되는 적용효과 분석(Chang et al., 2012), 실측을 통해 기존 데이터센터 내 냉각시스템 현황을 파악하고 기존 문제점 도출 및 개선사항 제안(Jung, 2012), 데이터센터의 열환경을 고려한 공조시스템 제어에 대한 동향 분석(Choi et al., 2018), 실측 및 CFD 프로그램을 활용하여 데이터센터 내 다공판의 개구율 조정을 통한 공조효율 개선 분석(Jung, 2019), 데이터센터의 열환경에 따라 공조시스템 제어알고리즘 개발(Cho et al., 2020) 등 설비 시스템 측면에서의 연구들이 선행되었다.
국외 선행연구는 데이터센터 운영으로 인한 에너지 소비 및 자원 고갈을 줄이기 위한 접근 방식을 검토하여 주요 전략으로 소프트웨어(HPC)와 하드웨어(전산실의 에너지절약으로 냉방 및 조명, 전자 장비 내 에너지절약, 재생에너지의 통합) 방안 제시(Manganelli et al., 2021), 데이터센터 내 IT 시스템과 냉방 시스템을 동시 최적화 하기 위해 DRL (Deep Reinforcement Learning) 기반의 알고리즘 개발에 대한 연구(Chi et al., 2021) 등 국내 선행연구와 마찬가지로 내부 발열요소 제어를 위한 Active system 측면의 연구가 선행되었다. 데이터센터는 세계 전력 사용량의 1%에 해당되는 200 TWh의 전력을 사용하는 에너지 다소비 건물로(KEA, 2019) Active system 측면만 고려할 것이 아닌 Pre-passive 단계인 부지의 기후조건을 고려하여 최초 배치부터 계획해야 할 것으로 판단된다.
이에 따라, 본 연구는 ECO2 프로그램을 활용하여 66개 지역에 대해 분석을 통해 제로에너지건축물 인증을 고려한 데이터 센터의 최적 위치를 제안하고자 한다.
분석 개요
해석 프로그램
건축물 에너지효율등급 및 제로에너지건축물 인증 평가 프로그램인 ECO2를 활용해 데이터센터 모델을 구성하고 66개 지역을 변수로 하여 분석을 하였다. 제로에너지건축물 인증은 건축물 에너지효율등급 1++ 이상(등급용 1차 에너지소요량 140 kWh/㎡·yr 미만)과 에너지자립률 20% 이상 확보, 건물에너지관리시스템 혹은 전자식 원격검침계량기를 적용해야 인증 취득이 가능하다. 에너지자립률은 Table 1과 같이 5등급~1등급으로 총 5단계로 구분된다. 이 때, 제로에너지건축물 인증 취득에 필수적으로 포함되는 건축물 에너지효율등급은 Table 2와 같이 주거용 건축물과 주거용 이외의 건축물로 구분하여 7등급부터 1+++등급까지 총 10개의 등급으로 구분된다. ECO2 분석 결과로 에너지요구량, 에너지소요량, 1차 에너지소요량, 등급용 1차 에너지소요량, 1차 에너지생산량, 1차 에너지소비량, 에너지자립률이 산출되는데, 신·재생에너지가 적용된 경우, 난방, 냉방, 급탕, 조명, 환기에 일정 부분 감해진 수치가 1차 에너지소요량이고, 건축물 용도, 설비시스템의 구성에 따라 보정치가 적용되어 산출된 값이 등급용 1차 에너지소요량이다. 1차 에너지소비량은 신·재생에너지에 의해 감해진 값이 아닌 순수 건물에서 발생하는 에너지소비량이다.
Table 1.
Classification of zero energy building certification rating
Table 2.
Classification of building energy efficiency rating
ECO2 내 실 용도에 따른 기기밀도는 Table 3과 같다. 전산실의 경우 주방 및 조리실과 마찬가지로 1,800Wh/㎡·day로 가장 높은 수치를 나타낸다. 하지만 사용 스케쥴이 주방 및 조리실은 하루 7시간인 반면, 전산실은 하루 24시간 가동으로 내부 발열로 인한 냉방부하가 모든 실 중 가장 높게 산정된다.
Table 3.
Equipment power density for room-by-room applications in ECO2
분석 대상
대상 건축물 용도는 전산시설로 2018년 기술제안을 거쳐 2020년 3월에 제로에너지건축물 4등급 예비인증을 취득한 건물로 개요는 Table 4와 같다. 본 건물에 적용된 설비로 행정동은 축열식 지열시스템, FCU+AHU (VAV, CAV), VAV, FCU, CAV가 계획되었고, 전산동은 간접외기 증발냉각 항온항습기가 계획되었다. 본 건물은 제로에너지건축물 4등급 예비인증 외에도 녹색건축인증 최우수(그린1)등급, 에너지절약계획서 108.72점, 장애물 없는 생활환경 인증 최우수등급, 초고속정보통신건축물 인증 특등급, 지능형 건축물 인증 1등급을 취득한 사례이다. 본 건축물에 적용된 태양광 발전시스템 용량은 1,440 kWp, 지열시스템 용량은 1,126.92 kW이다. ECO2 프로그램 상 월별 지중 온도 데이터는 공개되어 있지 않아 지중 온도 고려는 한계가 있어 지열히트펌프의 성능을 고정 값으로 하여 지역별로 동일하게 적용하였다
Table 4.
Architectural overview
분석을 위해 선정한 지역은 Figure 1과 같고, 총 66개 지역을 대상으로 하였다.
조건별 에너지 분석 결과
1차 에너지소비량 분석 결과
지역별 1차 에너지소비량은 외기온도에 따른 분석 결과인 Figures 2, 3, 4와 일사량에 따른 분석 결과인 Figure 5와 같이 일사량보다 외기온도가 냉방에 미치는 영향이 더 큰 것으로 나타났다. Figure 2는 지역별 연간 평균 외기온도에 따른 단위면적당 1차 에너지소비량을 나타낸 것으로 연간 평균 외기온도가 높을수록 단위면적당 1차 에너지소비량이 증가했다. 평창이 단위면적당 1차 에너지소비량 325.1 kWh/㎡·yr(단위면적당 냉방 1차 에너지소요량 29.1 kWh/㎡·yr, 연간 평균 수평면 일사량 158.6W/ ㎡)로 가장 낮은 수치를 나타냈는데, 이는 연간 평균 외기온도가 7.1℃로 가장 낮아 냉방에너지가 타 지역에 비해 적게 산정되기 때문이다. 단위면적당 1차 에너지소비량이 가장 높은 지역은 창원이 449.7 kWh/㎡·yr(단위면적당 냉방 1차 에너지소요량 101.0 kWh/㎡·yr, 연간 평균 수평면 일사량 168.4W/㎡)로 이 때, 연간 평균 외기온도가 15.1℃로 나타났다. 연간 평균 외기온도가 15.9℃로 가장 높은 제주 지역의 단위면적당 1차 에너지소비량 446.6 kWh/㎡·yr(단위면적당 냉방 1차 에너지소요량 109.1 kWh/㎡·yr, 연간 평균 수평면 일사량 156.1W/㎡) 보다 높게 나온 것은 일사량이 더 높음으로 태양광 발전시스템의 발전에 의해 냉방 1차 에너지소요량이 비교적 크게 감해진 것으로 판단된다. 연간 평균온도에 따른 냉방 1차 에너지소요량을 나타낸 Figure 3과 연간 평균온도에 따른 난방 1차 에너지소요량을 나타낸 Figure 4를 비교하면, 연간 평균온도 범위 7.1℃~15.9℃에 따라 냉방 1차 에너지소요량은 29.1 kWh/㎡·yr~109.1 kWh/㎡·yr로 난방 1차 에너지소요량 12.8 kWh/㎡·yr~23.4 kWh/㎡·yr과 비교하면 편차가 크므로 전산시설 특성을 고려하면 외기온도에 따라 난방보다 냉방에 영향이 더 큰 것을 확인할 수 있다.
에너지자립률 분석 결과
에너지자립률은 단위면적당 1차 에너지소비량 대비 단위면적당 1차 에너지생산량의 비율로 모든 지역의 분석 결과는 Table 5와 같다. ■는 건축물 용도 특성 상 냉방에너지에 유리한 평균 외기온도가 가장 낮은 지역, 태양광 발전시스템의 발전량에 유리한 일사량이 가장 높은 지역, 단위면적당 1차 에너지소비량 및 등급용 단위면적당 1차 에너지소요량이 가장 작은 지역, 단위면적당 1차 에너지생산량이 가장 큰 지역, 에너지자립률 확보가 가장 유리한 지역을 표시한 것이고, ■는 반대의 수치를 나타내는 지역을 표시한 것이다. 에너지자립률은 67.76%로 평창이 가장 유리한 지역, 48.23%로 제주가 가장 불리한 지역으로 19.53%의 차이가 나타났다. 이는 평창이 연간 평균 수평면 일사량의 백분위는 67.42지만 연간 평균 외기온도 및 단위면적당 1차 에너지소비량이 백분위 0.76으로 분석되었고, 제주는 연간 평균 외기온도의 백분위 99.24, 단위면적당 1차 에너지소비량의 백분위 97.73, 연간 평균 수평면 일사량의 백분위 50.00으로 데이터센터는 분모 값인 단위면적당 1차 에너지소비량이 작을수록 에너지자립률 확보에 유리할 것으로 판단된다. 추가적으로 건축물의 용도, 설비시스템의 종류에 따라 단위면적당 1차 에너지소요량에서 가중치가 적용되어 산출되는 등급용 단위면적당 1차 에너지소요량은 단위면적당 1차 에너지소비량 결과와 마찬가지로 평창이 등급용 단위면적당 1차 에너지소요량 62.5 kWh/㎡·yr로 나타남에 따라 모든 지역 중 유일하게 건축물 에너지효율등급 1+++등급 취득이 가능한 것으로 분석되었다.
Table 5.
All regional analysis results
결 론
본 연구는 건축물 에너지효율등급 평가 프로그램인 ECO2를 활용하여 국내 66개 지역을 대상으로 에너지자립률 측면에서 최적 위치를 분석하였다.
(1) 1차 에너지소비량 분석 결과, 일사량보다 외기온도에 따라 냉방에 미치는 영향이 더 큰 것으로 분석되었고, 평창이 연간 평균 외기온도가 7.1℃로 가장 낮음에 따라 단위면적당 1차 에너지소비량이 가장 작은 것으로 나타났다. 단위면적당 1차 에너지소비량이 가장 높은 지역은 연간 평균 외기온도 15.1℃인 창원으로 나타났는데, 연간 평균 외기온도 15.9℃인 제주보다 높게 나온 것은 창원의 일사량이 더 높기 때문에 냉방 1차에너지소요량이 태양광 발전시스템 발전에 의해 비교적 크게 감해진 것으로 판단된다. 연간 평균온도 범위에 따라 난방 1차 에너지소요량의 범위보다 냉방 1차 에너지소요량의 범위가 더 크게 나타났는데, 전산시설 특성을 고려하면 외기온도에 따라 난방보다 냉방에 영향이 더 큰 것으로 나타났다.
(2) 에너지자립률은 66개 지역 중 상위 22개 지역은 평창, 태백, 고흥, 해남, 보령, 서산, 보은, 장수, 광주, 금산, 임실, 강화, 장흥, 철원, 영월, 인제, 진주, 남해, 산청, 영동, 포항, 거제로 나타났다. 중위 22개 지역은 수원, 제천, 인천, 부산, 울진, 여수, 천안, 양평, 청주, 거창, 완도, 통영, 봉화, 속초, 목포, 부안, 금산, 구미, 남원, 창원, 밀양, 대전으로 나타났다. 하위 22개 지역은 합천, 강릉, 울산, 부여, 동해, 춘천, 홍천, 영천, 전주, 문경, 대구, 동두천, 인천, 원주, 의성, 청주, 서울, 영주, 안동, 제주로 나타났다.
데이터센터는 단위면적당 1차 에너지소비량이 작을수록 에너지자립률 확보에 유리할 것으로 보여 외기온도를 고려한 최적 지역의 선정, 최적 열원 및 장비배치를 고려해야 할 것으로 판단된다.
