서 론

2020년 4월 ‘제5차 비상경제회의’에서, 정부는 ‘한국판 뉴딜’의 3대 주요 쟁점과 10대 대표 과제를 발표하였다. 그중 하나인 ‘그린뉴딜’의 대표 추진과제로서, ‘그린리모델링’이 공표되었다. 건물 부문 온실가스 배출량이 약 68%인 서울시에서는 그린뉴딜사업을 통해 노유자시설과 같은 생활형 공공건물을 제로에너지건축물로 전환하기 위한 리모델링 사업을 추진 중이다. 또, 한국에너지공단은 노후화된 건물에 대한 건물에너지진단을 실시하여, 에너지성능 개선 사업을 추진 중이다. 이처럼, 국내 전반의 공공 ·주거 건물을 대상으로, 그린리모델링 사업이 확산되고 있다.

‘그린리모델링’의 주요 목적은 노후화된 건물의 에너지성능을 개선하여, 에너지 효율적인 건물을 확산하는 것이다. 이러한 목적을 달성하기 위해서는 리모델링 전후의 에너지 개선 효과를 평가하기 위한 정확한 방법이 필요하다. 에너지 개선 효과 평가 방법으로는 측정 및 검증(Measurement and Verification) 방법론이 국제적으로 통용되고 있다.

그러나, M&V를 위한 상세 계측을 위해서는 많은 비용이 발생하여, 모든 건물에 적용하기에 어려움이 있다. 대표적인 상세 계측 방법인 건물에너지관리시스템(BEMS)의 경우, 법적 규정에 따라 보급 확산되고 있으나, 비용 문제로 인하여 주로 대형 신축건물을 대상으로 설치되고 있어 노후 건물에 대한 에너지데이터 확보에는 적합하지 않다. 또한, 에너지 개선 효과 검토를 위한 베이스라인 설정을 위해선, 에너지절감 기술이 도입되기 이전인 과거의 시점에 대한 에너지데이터가 필요하므로, 별도의 에너지데이터 관리시스템이 적용된 건물이 아니라면 데이터 수집을 기대하기는 어렵다.

한편, 건물 에너지 성능 검토 시에는 상세 계측 결과뿐 아니라 건물 에너지 시뮬레이션 결과를 통한 방법도 많이 활용된다. 건축물 에너지효율등급 인증 및 제로에너지건축물 인증 시 건물의 냉난방 에너지소요량 평가 프로그램인 ECO2 프로그램을 활용하여, 건물의 에너지를 평가하고 있다. 한국토지공사는 공공건축물에서 민간건축물로 확대하여 그린리모델링사업을 지원하고 있으며 민간에서 에너지 성능 진단을 위해 ECO2 프로그램을 안내하고 있다. 이렇듯, 건물 에너지 성능 검토 시 시뮬레이션을 통한 방법 역시 많이 활용되고 있으나, 시뮬레이션 결과는 실제 건물 에너지사용량과 오차가 발생한다. 그러므로, 리모델링 전후 에너지 개선 효과의 베이스모델로 시뮬레이션 결과를 활용할 때는 실제 에너지사용량과의 오차 범위 제시가 필요하다.

본 연구는 건물 에너지 시뮬레이션 결과 및 실제 건물의 에너지사용량 오차 검토를 통해, 시뮬레이션 결과를 통한 베이스모델 설정 가능성에 관한 연구를 진행하고자 한다. 특히, 쉽게 데이터를 확보할 수 있는 월간법 시뮬레이션 프로그램 결과와 월별 에너지요금 데이터를 활용한 방법에 대해 검토하여, 비용 효과적인 방법을 모색하고자 한다.

선행 연구 고찰

베이스모델 설정과 관련하여, Yoon et al. (2018)은 머신러닝 등을 기반으로 한 베이스모델 설정에 관해 연구하였다. 시간 단위로 변화하는 에너지사용량을 높은 정확도로 예측한다는 점에서 유의미한 연구이나, BEMS 데이터를 활용한 연구로, 비용 문제로 인하여 많은 사례에 적용하기에는 한계가 있다.

Cho and Park (2019)는 에너지 다소비 건물인 데이터센터의 M&V 수행을 위한 세부 측정방법 및 검증기술을 위한 구체적 절차를 조사하였다. 데이터센터는 일반건물과 비교해 에너지소비 형태가 확연하게 구별되는 에너지 다소비 건물이므로 베이스모델 설정이 어려운데, 이에 대한 방법을 제시했단 점에서 의의가 있다. 그러나, 제시한 베이스모델 설정 방법은 현장 모니터링 결과를 바탕으로 하므로 시간 및 비용이 소요되는 방식이다.

Kong et al. (2014) 성능진단 데이터를 입력데이터로 활용한, 베이스모델의 건물 에너지 시뮬레이션을 진행하였다. 진단 데이터를 활용한 결과, 실제 사용량과의 오차를 효과적으로 감소시켰다는 점에서 의미가 있다. 그러나, 성능진단 항목 및 방법에 대한 가이드라인 제시를 통해 사례 건물 외의 건물에서도 적용하도록 구체적인 적용 방법 제시가 필요하다.

이처럼, 베이스모델 설정과 관련한 선행연구가 진행되었으나, 모니터링 데이터 등 확보 어려운 데이터를 활용한 방식들로, 많은 건물에 적용하기엔 한계가 있다. 이에, 일반적인 건물에서 확보할 수 있는 데이터를 활용해, 시간 및 비용 절약적인 베이스모델을 설정하는 방법에 관한 연구가 필요하다.

한편, Shu and Park (2012)는 건물 에너지 진단을 위한 시뮬레이션 적용 시 쟁점과 한계점에 관한 연구를 진행하였다. 건물의 실제 운영 시 기상 정보나 기기 효율, 설비 운영 스케쥴 등에 관한 정보가 부재하므로, 입력값들을 검토자가 임의로 결정하게 되는데, 이로 인해 결과 차이가 날 수 있음을 말하였다. 이러한 입력 정보의 불확실성을 고려했을 때, 시뮬레이션 결과를 오차 범위로 제시하거나, 확률적 분포로 제시하는 것이 필요하다고 하였다.

마찬가지로, Kaplan and Canner (1992)는 건물 에너지 진단에서 측정된 사용량과 시뮬레이션 결과 사이의 받아들일 만한 최대 차이 범위를 제시해야 한다고 하였다. 그러나, 받아들일 만한 차이의 범위에 대한 적정 수준을 제시하진 못하였다.

이러한 선행 연구들을 바탕으로 볼 때, 리모델링 전 베이스모델 설정에 관한 연구들이 많이 진행되었으나 모니터링 결과를 활용하는 등 확보 어려운 데이터를 활용한 점에서 한계를 갖는다. 또한, 시뮬레이션을 통해 베이스모델을 설정할 경우, 결과 차이가 날 수 있음을 설명하는 연구들이 존재하였는데, 그 차이에 대한 확률 분포를 제시하는 등 명확한 범위를 제시하진 못하였다.

이에, 본 연구에서는 쉽게 데이터를 확보할 수 있는 월간법 시뮬레이션 결과 및 월별 고지서데이터를 활용한 베이스라인 설정에 대해 검토하고자 한다. 특히, 시뮬레이션 결과는 오차가 발생하므로, M&V 가이드라인에서 제시한 오차 범위를 충족하는지 검토하였다.

연구 방법

본 연구는 아래와 같이 3가지 단계로 진행하였다.

(1)건물 에너지 시뮬레이션 진행: 리모델링 예정 중인 2개의 실제 건물을 사례로, 건물 에너지 시뮬레이션을 진행하였다. 이는 DIN V 18599 (2018)를 기반으로 한 상용 프로그램인 독일의 EVEBI프로그램을 사용하여 도출하였다. 해당 프로그램은 월간법 시뮬레이션 프로그램으로, 동적 시뮬레이션에 비해 입력 항목이 단순하여 평가가 편리하다. 또한, 국내 ECO2 프로그램이 에너지소요량 최종 결과만을 제공하는 것에 비해, 알고리즘 단계별 상세 결과가 출력되어 결과의 원인 분석이 용이하기에 분석 프로그램으로 활용하였다.

(2)월별 고지서데이터 기반 기저 에너지 도출: Kim et al. (2019)의 월별 냉난방 및 기저 에너지 분리 추정 방법을 적용하여, 월별 요금 고지서 데이터에서 기저 에너지 값을 도출하였다.

(3)시뮬레이션 결과 및 요금 데이터 오차 검토: (1)의 건물 에너지소요량 결과에 (2)의 기저 에너지를 합산한 결과와 요금 데이터의 오차를 검토하였다.

건물 에너지 시뮬레이션 진행

분석 대상 개요

먼저, 리모델링 예정인 실제 건물 2개를 사례로, 건물 에너지 시뮬레이션을 진행하였다. 분석 대상 건물의 개요는 아래의 Table 1과 같다. 분석 대상 건물 1은 공공건물로, 2000년에 준공되었으며, 준공 이후 실의 규모 및 용도 변경과 설비 교체만 있었고, 구조체 변경은 없었다. 분석 대상 건물 2는 주택으로, 1993년에 준공되었으며, 일부 창호들이 이중 슬라이딩 PVC 창호로 교체되었다.

Table 1.

Overview of the simulated building

	Building 1	Building 2
Figure
District	Yeon Cheon Gun	Seongdong-gu
Principal Use	Agricultural Center	House
Structure	Reinforced Concrete	Reinforced Concrete
Completion Date	2000-01	1993-03
Building Area	904.88 m2	41.9 m2
Total Floor Area	2466.29 m2	123.9 m2
Number of Floors	3F / B1F	2F / B1F

구조체 종류별 면적 및 적용 성능 정보는 아래 Table 2와 같다. 두 건물 모두 상세 도면을 확보할 수 없어, 두 준공 시점의 적용 법규인 ‘(1987년 7월 시행) 건축법 시행규칙’의 열관류율을 적용하였다. 창호는 현장조사를 통해 확인한 사항들을 바탕으로, PVC 프레임 및 로이 복층 유리의 성능 값을 적용하여 검토하였다. 침기는 기밀 시공이 되지 않은 점을 참고하여, 출입문이 있는 실은 10 h^-1로, 출입문이 없는 외주부 실들은 4 h^-1로 적용하였다. 각 존의 용도프로필은 DIN V 18599-10의 용도프로필을 적용하였는데, 공공건물은 그룹사무실, 회의실, 복도, 화장실 등으로 검토하였고, 주택은 주거로 적용하여 검토하였다.

분석 대상 공공건물은 전기 에너지만 사용 중인데, 준공 시 설치한 기름보일러는 사용을 중지한 상태이며, 2012년과 2018년에 총 12대의 냉난방 히트펌프를 설치하여 운영 중이다. 히트펌프의 냉방 EER은 약 3.0~3.9 수준이며, 난방 COP는 3.1~4.7 수준이다. 급탕의 경우, 각 화장실에 전기온수기를 설치하여 사용 중이고, 조명은 LED로 교체 설치되어 사용 중이다.

주택은 가스와 전기 에너지를 사용 중인데, 보일러를 통해 바닥난방을 하고, 냉방은 에어컨으로 운영 중이다. 설치된 보일러의 효율은 83%이며, 냉방 EER은 2.4 수준이다.

시뮬레이션 결과

앞서 제시한 건물 정보들을 바탕으로 검토한 난방, 냉방, 급탕, 조명 에너지소요량 시뮬레이션 결과는 다음 Table 3, Table 4와 같다. 공공건물의 에너지소요량은 64.2 kWh/m²a이고, 주택의 에너지소요량은 302.5 kWh/m²a이고, 그 중 가스 에너지소요량이 265.8 kWh/m²a 이고, 전기 에너지소요량이 36.7kWh/m²a로 나타났다.

Table 3.

Final energy results from the simulation of the public building (building 1)

[kWh/m2·mth]	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Electrical Final Energy	10.1	6.9	5.9	3.7	2.5	3.6	4.7	5.8	3.2	3.0	4.8	8.0

Table 4.

Final energy results from the simulation of the house (building 2)

[kWh/m2·mth]	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Gas Final Energy	59.6	45.1	30.3	14.0	4.6	3.5	3.4	3.3	3.8	10.4	33.1	54.6
Electrical Final Energy	3.0	2.5	2.4	2.2	2.3	3.4	4.6	6.0	3.1	2.1	2.2	2.8

월별 요금 데이터 기반 기저 에너지 도출

냉난방 및 기저 에너지 분리 추정 방법

건물 에너지 시뮬레이션의 결과는 난방, 냉방, 급탕, 조명 등 설비 중심의 용도별 에너지소요량인 반면, 고지서 요금 데이터의 경우 전열기기 및 사무기기 등 기저 에너지를 포함한 에너지사용량에 대한 값이다. 그렇기에, 시뮬레이션 결과와 요금 에너지를 일대일 대응 비교하는 것은 맞지 않으며, 기저 에너지 추정이 필요하다.

이러한 문제에 대한 대안으로, Kim et al. (2019)은 월별 냉난방 및 기저 에너지 분리 추정 방법을 제시하였다. 해당 연구에서 제시한 방법은 월별 에너지사용량 데이터 중 가장 에너지가 적은 두 개의 달, 변곡월을 기준으로 난방, 냉방, 기저 사용량을 분리하는 것이다.

본 연구에서는 해당 추정 방법을 활용해, 월별 요금 데이터 기반 에너지사용량에서 기저 에너지를 추정하였다. 본 연구에서 적용한 기저 에너지 산출 식은 식 (1)과 같다.

여기서, 아래 첨자 f, s는 전후 변곡월을 의미하며, E_Base는 추정된 기저 에너지, M은 실제 에너지사용량, S는 시뮬레이션 결과를 의미한다. 두 변곡월의 에너지사용량에서 시뮬레이션 결과를 제외한 평균을 기저 에너지로 추정한다.

기저 에너지 추정 결과

특정 해의 기후데이터 영향이나 사용자 운영 스케쥴에 영향을 줄이기 위하여, 요금 데이터 기반 실제 에너지사용량은 3개년의 평균값을 사용하였다. 분석 대상 공공건물의 3개년 평균 전기 에너지사용량 및 기저 에너지는 Table 5와 같다. 공공건물은 전기 에너지만을 사용하는 건물로, 5월과 9월에 가장 적은 에너지를 사용하였다. 이에, 앞서 설명한 기저 에너지 추정 방법을 통해 5월, 9월 전기 에너지를 기준으로 기저 에너지를 도출하였다.

Table 5.

Electrical energy consumption and baseload energy of the public building (building 1)

[kWh/m2·mth]	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Electrical Consumption	11.0	8.4	8.1	6.3	5.9	6.9	8.4	8.0	6.3	6.9	8.9	10.5
Electrical Baseload Energy	3.1	3.1	3.1	3.1	3.1	3.1	3.1	3.1	3.1	3.1	3.1	3.1

마찬가지 방법으로, 주택의 3개년 요금 데이터를 활용하여, 기저 에너지를 도출하였다. 주택은 가스와 전기 에너지를 사용하는 건물로, 난방 및 급탕 외에 조리 시에도 가스 에너지가 사용된다. 이에, 전기 기저 에너지 추정과 같은 방법으로, 가스 기저 에너지도 산정하였다. 가스는 6, 7월이 가장 적은 에너지를 사용하였으며, 전기는 5, 6월이 가장 적은 에너지를 사용하였다. 가스 및 전기 에너지사용량과 각 변곡월의 에너지사용량을 활용해 추정한 기저 에너지는 Table 6과 같다.

Table 6.

Gas and Electrical Energy Consumption and Baseload Energy of the house (building 2)

[kWh/m2·mth]	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Gas Consumption	56.3	47.2	33.5	22.4	10.4	7.4	5.9	7.6	13.3	22.6	40.4	61.7
Gas Baseload Energy	3.9	3.9	3.9	3.9	3.9	3.9	3.9	3.9	3.9	3.9	3.9	3.9
Electrical Consumption	9.3	9.4	8.3	8.7	7.6	7.9	8.0	11.5	9.5	8.1	8.3	8.4
Electrical Baseload Energy	5.2	5.2	5.2	5.2	5.2	5.2	5.2	5.2	5.2	5.2	5.2	5.2

시뮬레이션 결과 및 요금 데이터 오차 검토

베이스모델 설정 가이드라인

M&V 가이드라인인 IPMVP (EVO, 2001), FEMP (2008), ASHRAE Guideline 14 (ASHRAE, 2002)에서는 리모델링을 통한 에너지 절감량 산출을 위해 건축물의 성능을 나타낼 수 있는 적합한 베이스모델을 설정하도록 하고 있다. 베이스모델은 실제 에너지사용량과의 오차가 적정 범위 안에 있는 수준으로 설정하도록 규정하는데, 이를 평가하기 위한 지표로 MBE (Mean Bias Error)와 Cv (RMSE) (The coefficient of variation of the root mean square error)를 제시하고 있다. MBE는 기존의 에너지사용량과 시뮬레이션 결과 사이 오차의 합산을 평가하는 지표이며, Cv (RMSE)는 오차의 제곱을 합산하여 다시 제곱근을 취하는 개념으로 분포적인 일치도를 보는 개념이다. 각 가이드라인에서 제시하는 MBE 및 Cv (RMSE) 범위는 다음 Table 7과 같다.

다음 식 (2), (3), (4), (5)는 MBE와 Cv (RMSE)에 대한 산출식이다. 여기서, S는 시뮬레이션 결과값이며, M은 실제 에너지사용량이다. MBE는 시뮬레이션 결과와 실제 사용량의 오차를 뜻하며, RMSE는 실제 사용량과 시뮬레이션의 분산을 의미하고, A는 실제 사용량의 평균을 의미하고, Cv (RMSE)는 측정 기간 동안의 분포적 오차를 의미한다.

오차 지표 검토 결과

시뮬레이션 결과와 실제 에너지사용량에 대하여, MBE와 Cv (RMSE)를 도출해 시뮬레이션 결과가 베이스모델로써 적정한지 검토하였다. 시뮬레이션 결과의 경우, 난방, 냉방, 급탕, 조명 에너지소요량인 것에 비해, 실제 에너지사용량은 사무기기, 엘리베이터, 취사 등에 대한 기저 에너지를 포함한다. 이에, 시뮬레이션 결과와 앞서 추정한 기저 에너지를 합산하여, 실제 에너지사용량과 비교하였다.

분석한 공공건물의 전기 에너지소요량(기저 에너지 포함)과 전기 에너지사용량은 Table 8과 같다. 공공건물은 냉난방 설비가 모두 히트펌프로 운영되어, 시뮬레이션 결과가 비교적 실제 사용량과 유사한 수치로 도출되었다. 그러나, 겨울철 에너지소요량이 다소 높게 산출되었는데, 이러한 부분은 히트펌프의 부분부하 운전에 따른 효율을 보다 정밀하게 반영할 수 있다면 더 높은 정확도를 보일 것으로 판단된다.

실제 전기 에너지사용량과 시뮬레이션 결과의 오차 지표 검토 결과, MBE는 3.7%, Cv (RMSE)는 12.4%로 나타났다. 이는 위 가이드라인에서 규정한 MBE 5%, Cv (RMSE) 15% 범위 내의 값이므로, 시뮬레이션 결과가 베이스모델로써 적정 수준임을 알 수 있었다.

Table 8.

Electrical energy consumption & electrical final energy (with baseload energy) by Simulation of the public building (building 1)

[kWh/m2·mth]	Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Electrical Consumption	11.0	8.4	8.1	6.3	5.9	6.9	8.4	8.0	6.3	6.9	8.9	10.5
Electrical Final Energy (with Baseload Energy)	13.2	10.0	9.0	6.8	5.6	6.7	7.8	8.9	6.3	6.1	7.9	11.1
MBEperiod (%)	3.7%				Cv (RMSEperiod) (%)				12.4%

분석한 주택의 가스 및 전기 에너지소요량(기저 에너지 포함)과 가스 및 전기 에너지사용량은 Table 9, Table 10과 같다. 난방 및 급탕은 보일러로 운영되어 가스 에너지를 사용하고, 냉방은 에어컨으로 운영돼 전기 에너지를 사용하는 등 시스템 운영이 공공건물에 비해 복잡하여, 시뮬레이션 결과와 실제 사용량이 다소 차이 났다.

실제 가스 및 전기 에너지사용량과 시뮬레이션 결과의 오차 지표 검토 결과, 가스의 MBE는 4.9%, Cv (RMSE)는 15.0%로 나타났고, 전기의 MBE는 5.0%, Cv (RMSE)는 11.8%로 나타나, 가이드라인 규정 범위를 간신히 충족하였다.

이는 여러 연료로 에너지 공급하는 경우, 사용자의 실제 설비 운영 패턴과 전열기기 사용 여부 등 다양한 요인이 작용하기 때문으로 판단된다. 따라서, 현장조사를 통해 사용자 설비 운영패턴 등의 용도프로필을 보완한다면, 오차가 더 줄 것으로 판단된다.

Table 9.

Gas energy consumption & gas final energy (with baseload energy) by Simulation of the house (building 2)

[kWh/m2·mth]		Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Gas	Consumption	56.3	47.2	33.5	22.4	10.4	7.4	5.9	7.6	13.3	22.6	40.4	61.7
	Final Energy (with Baseload Energy)	63.5	49.0	34.3	18.0	8.5	7.4	7.3	7.3	7.7	14.3	37.0	58.5
	MBEperiod (%)	4.9%				Cv (RMSEperiod) (%)				15.0%

Table 10.

Electrical energy consumption & electrical final energy (with baseload energy) by Simulation of the house (building 2)

[kWh/m2·mth]		Jan	Feb	Mar	Apr	May	Jun	Jul	Aug	Sep	Oct	Nov	Dec
Electrical	Consumption	9.3	9.4	8.3	8.7	7.6	7.9	8.0	11.5	9.5	8.1	8.3	8.4
	Final Energy (with Baseload Energy)	8.3	7.7	7.7	7.4	7.6	8.6	9.9	11.3	8.3	7.3	7.4	8.1
	MBEperiod (%)	5.0%				Cv (RMSEperiod) (%)				11.8%

결 론

본 연구는 건물 에너지 시뮬레이션 결과 및 실제 건물의 에너지사용량 오차 검토를 통한 베이스모델 설정 가능성을 검토하였다. 공공건물 1개와 주택 1개를 대상으로 월간법 시뮬레이션을 통해 에너지소요량을 도출하였으며, 요금 데이터를 활용해 기저 에너지를 산정하였다. 그 후, 시뮬레이션 결과와 기저 에너지를 합산한 전기 및 가스 에너지소요량과 월별 에너지사용량을 비교하여, M&V 가이드라인에서 제시한 오차 범위를 충족하는지 검토하였다.

그 결과, 2개 건물 모두 가이드라인의 오차 범위 기준을 충족하였으나, 주택의 경우, 공공건물에 비해 다소 오차가 크게 발생하였다. 이는 공공건물과 비교해, 설비 및 연료 사용이 다양했기 때문으로 현장조사를 통해 용도프로필을 보완한다면, 오차가 더 줄 것으로 판단된다.

그러나, 본 연구는 시뮬레이션 결과와 실제 에너지사용량의 오차를 줄이기 위한 연구가 아닌, 리모델링 전 베이스모델로써 활용 가능한 데이터를 비용 효과적으로 확보하기 위한 연구이다. 분석 사례들을 통해, 월간법 시뮬레이션 결과 및 월별 요금 데이터만으로도 리모델링 전 베이스모델을 추정할 수 있음을 확인하였다. 이에, 본 연구에서 제시한 방법을 활용하여 리모델링 전 베이스모델을 설정한다면, 적정 오차 범위 내에서 리모델링 후의 에너지 절감량을 예측할 수 있을 것으로 판단된다.

본 연구는 공공건물 1개, 주택 1개를 대상으로 분석하여, 제안된 방법이 기존 건물들에 통용되는 방법인지 확인하기 위해서는 더 많은 건물에 대한 검토가 필요하다. 특히, DIN V 18599-10에 제시된 스케쥴을 이용하여 시뮬레이션을 진행하였으나, 여러 건물에 적용할 때에는 개별 건물에 대한 스케쥴 조정 없이는 오차범위를 충족하기는 어렵다. 더욱이, 이러한 점으로 인해 용도프로필의 스케쥴 조정이 불가능한 국내의 ECO2 프로그램에 적용하기에는 한계를 갖는다. 이에 후속 연구로, 여러 건물을 대상으로 본 연구에서 제시한 방법을 적용하여, 기존 건물들에 통용되는 방법인지 확인하고, 각 사례의 오차 범위 충족을 위해 필요한 용도프로필 조정에 관한 연구를 진행할 예정이다.