Review Article

Journal of Korean Institute of Architectural Sustainable Environment and Building Systems. December 2020. 613-625
https://doi.org/https://doi.org/10.22696/jkiaebs.20200052

ABSTRACT


MAIN

  • 기호설명

  • 연구배경 및 목적

  • 분석방안 및 대상

  •   분석방안

  •   분석 대상 개요

  • 기존 전력소비특성 분석

  • 분석 및 진단 방안

  •   전체 소비특성

  •   공조설비 성능특성

  •   실험장비 소비특성

  • 분석 및 진단 방안의 적용

  •   에너지 소비특성 분석

  •   에너지 절감요소 도출

  • 절감요소 상세 분석

  •   공조용 장비

  •   실험용 장비

  •   에너지 절감효과 분석

  • 결 론

기호설명

LP : 피크전력부하[kW]

LB : 기저전력부하[kW]

LMax : 최대전력부하[kW]

LMid : 중간전력부하[kW]

LMin : 경전력부하[kW]

q : 설계부하 [kcal/h]

연구배경 및 목적

최근 조사에 의하면, 건축된 지 15년 이상 경과되어 에너지 성능개선이 필요로 하는 건축물이 전체의 74%라고 한다(국토교통부, 2013). 건물에서 소비되는 에너지의 83%는 운영관리 과정에서 소비되기 때문에 이 단계에서의 에너지 관리는 매우 중요한 요소이다. 이에 최근 건물에너지관리시스템(Building Energy Management System, 이하 BEMS)은 건물 운영관리 단계에서 에너지 위기를 슬기롭게 헤쳐 나갈 수 있는 하나의 신산업으로 부상하고 있다. BEMS는 에너지를 소비하는 건물에서 각종 정보를 계측, 수집하여 건물의 에너지 소비내역을 쉽게 파악할 수 있게 함은 물론, 정보의 분석을 통해 에너지 소비에 대한 진단 및 제어, 에너지 절감요소의 도출, 절감 효과의 평가 등을 수행할 수 있는 도구로 정의될 수 있다(이태원, 2014). 그러나 최근에 BEMS라는 명목으로 공급되고 있는 시스템은 수집된 정보를 모니터링하는 수준에 그치고 있어 BEMS의 핵심인 건물에너지 관리기능이 부족하다는 평가를 받고 있다(문현준 외, 2015). BEMS를 사용하는 건물(회사, 기관)에서 근무하는 101명의 관리 전문가를 대상으로 조사한 결과, BEMS 기능 중 원격 모니터링 기능에 대해서는 66.3%가 만족하고 있었지만, 계측 데이터 검사 및 보정 관리 기능에 대해서는 37%만이 만족하고 있었다(한국BEMS협회, 2016).

한편 국내에서는 지금까지 수요증가에 따른 전력부족에 대응하기 위해 주로 대규모 발전시설의 확충이나 소비자들을 대상으로 소비를 억제하는 정책을 시행해 옴으로써 전력 수급효율 및 환경적 측면에서 적지 않은 문제점으로 지적되어 왔음은 물론, 무엇보다 국민의 불편을 초래해왔다. 전력 수요관리를 효과적으로 수행하기 위해서는 각 건물에 대한 전력 소비현황의 체계적인 분석과 합리적인 에너지 절감요소를 도출하는 것이 무엇보다 중요하나, 아직 이를 위해 사용할 수 있는 도구는 그리 많지 않은 실정이다. 건물에너지 절감 요소를 분석하고 진단하는 기존의 방안들은 관리방안을 도출하기까지 분석하는데 오랜 시간이 걸리고 어려운 도구들이 필요하여 불필요한 시간과 노력이 요구되어왔다. 또한 방대한 데이터들을 효율적으로 활용하지 못하고, 많은 비용을 들였음에도 시사점을 찾기는 어려운 단점이 있다. 또한 건축물 에너지효율등급 인증은 설계단계에서 신축, 증축, 재축되는 건물에너지 성능등급을 평가하는 제도이나, 운영단계에서 건물에너지 성능을 판단하는 명확한 방안에 대한 연구 및 제도는 부족한 실정이다.

이에 본 연구에서는 기존 문제점들의 대응방안으로, 건물 운영관리자가 간단하게 에너지 소비 수준을 정량적 분석 및 진단하고 에너지 절감요소 도출이 가능한 전력소비 특성분석 및 진단방안을 제안하였다. 건물에너지의 분석 및 진단을 빠르게 수행하여 수집된 방대한 데이터들을 가치 있게 이용하고, 효율적인 건물에너지 관리를 가능하게 해준다. 또한 본 연구에서는 실제 BEMS 데이터를 갖고 적용한 예를 기술하고 절감요소를 도출하여 절감요소 상세분석을 통해 예상 전력소비 절감율 분석도 수행하였다.

분석방안 및 대상

분석방안

본 연구에서는 먼저 대상 건물에서 수집된 데이터로 에너지 절감요소를 도출하기까지 비효율적인 기존의 전력소비특성 분석방안에 대해 고찰하였다. Figure 1은 방대한 BEMS 데이터 중 의미 있는 데이터를 추출하여 정량적으로 빠르게 전력소비를 분석 및 진단할 수 있는 방안의 흐름도이다. BEMS가 모니터링 수준에 미치지 못하는 문제점으로, 그래프들 속에서 건물 운영관리자가 직관적으로 문제를 파악하기 어려운 기존의 문제점을 개선한 방안이다.

/media/sites/kiaebs/2020-014-06/N0280140605/images/KIAEBS_14_6_05_F1.jpg
Figure 1

Research flow chart

먼저, 대상 건물 전체의 전력소비패턴을 스캔하기 위해 계절과 일일 요인을 적용하여 전력소비량을 분석, 진단방안(Seasonal, Daily Factor)을 정의하였다. 이들을 통해 건물에서 얻어지는 데이터를 활용하여 전력소비특성 분석을 통해 빠르게 에너지 절감요소를 도출하였다. 도출된 절감요소도 계절과 일일 요인을 분석하고 추가적으로 용도별 상세분석을 위해 공조설비의 전력소비특성 분석, 진단하는 방안으로 COP(성능계수, Coefficient Of Performance) 개념을 적용하였다. 실험장비에는 ROI(투자 수익률, Return On Investment) 개념을 적용하였다. 절감요소의 상세분석과 에너지 절감기술 적용을 통해 최종 예상 에너지 절감효과를 분석하였다.

분석 대상 개요

본 연구에서는 기존의 전력소비특성 분석방안을 고찰하고 분석, 진단을 위한 방안을 적용하기 위해 경기도 화성시에 위치한 H-연구소의 BEMS 데이터를 활용하였다. 연구 및 실험 시설들로 구성된 H-연구소(2006년 준공)의 주요 설비로는 먼저 총 145USRT 용량의 지열원 히트펌프 4대를 들 수 있다. 에너지원은 전력이며, 2013년도 전력소비량은 1,164,486 kWh/year(221백만원)이고, 2016년도는 1,304,097 kWh/year(198백만원)이었다. 재실자와 실험장비 변화가 없음에도 불구하고 2013년도 대비 2016년도에 약 10.7%(요금 기준 10.4%) 증가하여 전력소비 관리가 시급한 것으로 판단되었다. 또한 연구소 전체 전력소비 패턴과 CRAC (Computer Room Air Conditioner, 항온항습기)와 피크부하가 가장 큰 영향을 미치는 집진설비도 대상으로 선정하였다. 분석에는 2016.6.8.~2017.6.7.(1년) 기간 동안의 데이터를 활용하였다.

기존 전력소비특성 분석

기존의 BEMS 분석 그래프들은 다양하고 복잡하여 건물 운영관리자가 한번에 건물에너지 상태를 파악하기 어려웠다. 그래프 하나에 의미 있는 정보를 포함하기 위해 Figure 2, Figure 3과 같이 기존의 전력소비 특성 분석 방안을 고안하였다. Figure 2는 근무일, 휴일의 전력소비 추이를 막대그래프로, 새벽 1시부터 4시까지 사용자가 없어 소비가 최소로 되는 기간에 소비되는 전력량이 하루, 즉 24시간동안 유지되는 것으로 가정할 때를 상시소비량으로 가정하여 꺽은 선 그래프로 도식화한 것이다. 휴일사용량과, 근무일, 휴일 상시소비량이 유사한 패턴으로 소비된다는 정성적인 분석만 가능했으며 시간에 대한 가시화가 불가하여 한국전력에서 부과하는 요금 시간대별 사용량을 확인할 수 없는 한계가 있었다. 이에, Figure 2의 단점을 보완한 Figure 3은 연간 시간대별로 사용량에 대한 가시화로 동절기와 하절기와 근무시간에 에너지소비가 집중된다는 정성적 평가는 가능하나 기저부하, 피크부하의 사용량의 직관적인 판단이 어려웠다.

/media/sites/kiaebs/2020-014-06/N0280140605/images/KIAEBS_14_6_05_F2.jpg
Figure 2

An analyzed example (1) of electricity consumption

/media/sites/kiaebs/2020-014-06/N0280140605/images/KIAEBS_14_6_05_F3.jpg
Figure 3

An analyzed example (2) of electricity consumption

이와 같이 기존의 전력소비 특성 분석 방안은 BEMS의 방대한 데이터로 인해 용량이 크고 분석 소요시간이 크기 때문에 비효율적이며 한 가지 그래프에 의미 있는 많은 정보를 담기가 힘든 단점으로 그래프를 통해서는 정량적인 분석 및 진단이 불가능하였다. 이는 BEMS가 모니터링 수준에 미치지 못하는 가장 큰 문제점으로 방대한 데이터와 그래프들 속에 합리적이고 효율적으로 절감 요소를 도출하지 못하는 한계를 보여주고 있었다.

분석 및 진단 방안

전체 소비특성

Seasonal Factor는 연간 계절별 에너지 소비를 전체적으로 분석하기 위한 방안이다. 연간 계절 특징에 따라 5가지 영역인 Winter1(1~2월), 중간기 Middle1(3~5월), Summer(6~8월), Middle2(9~10월), Winter2(11~12월)로 구분하였다. 또한 각 분기마다 피크부하(Peak Load, LP)가 가장 큰 날을 대표일로 선정하였다. 기저부하(Base Load, LB)는 재실자가 없을 때의 전력소비량을 위해 연중 휴일들의 기저소비량의 평균값으로 산출하였다. Seasonal Factor의 Peak Load Weight (PLW)는 피크부하에 대한 가중치를 정량적으로 표현하기 위한 방안이며 식 (1)과 같다. PLW가 크다는 뜻은 상시적으로 사용하는 기저소비량에 비해 전력피크부하의 가중이 크다는 의미이다.

(1)
PeakLoadWeight(PLW)=LPLB

Seasonal Factor의 Energy Consumption Proportion (ECP)은 계절별 각 기간에서의 에너지소비 기여도를 산출하기 위해 연간 에너지 소비량 중 각 영역이 차지하는 소비량의 비중을 표현한 방안이며 식 (2)와 같다. ECP가 크다는 것은 연간 에너지소비량 중에 차지하는 비중이 크다는 것을 의미한다.

(2)
EnergyConsumptionProportion(ECP)=EnergyConsumptionofeacharea(kWh/seasonalperiod)EnergyConsumption(kWh/year)

Daily Factor는 시간당 에너지소비패턴을 직관적으로 분석하기 위한 방안이며, 한국전력공사의 계절별, 시간대별 요금 부과 기준을 적용하였다. Daily Factor는 대표일 전체 소비량 중 최대부하(Maximum Load, LMax), 중간부하(Middle Load, LMid), 경부하(Light Load, LMin) 시간대별 에너지 사용량의 비중을 표현하며 식 (3)~(5)과 같다.

(3)
MaximumLoad(LMax)=MaximumLoadEnergyConsumption(kWh)EnergyConsumption(kWh)
(4)
MiddleLoad(LMid)=MiddleLoadEnergyConsumption(kWh)EnergyConsumption(kWh)
(5)
LightLoad(LMin)=LightLoadEnergyConsumption(kWh)EnergyConsumption(kWh)

공조설비 성능특성

전력소비 특성 분석 및 진단 결과에서 도출된 주요 분석대상 요소인 공조설비의 상세분석을 위해 냉난방 수요처의 공급열량은 설계부하 q로 설정하고 공조설비의 소비전력을 나누어, 공조설비의 성능을 나타내는 Air Conditioning Performance (ACP) 식 (6)을 고안하였다.

(6)
AirConditioningPerformance(ACP)=qCoolingorHeatingEnergyConsumption(kWh)

실험장비 소비특성

실험장비의 에너지 분석 및 진단을 위해 연간 전기 요금 대비 실험을 통한 수익을 나타내는 Return Of Investment (ROI) 식 (7)를 고안하였다.

(7)
ReturnOfIvestment(ROI)=Revenue(won/year)ElectricityCharge(won/year)

분석 및 진단 방안의 적용

에너지 소비특성 분석

Figure 4는 H-연구소의 연간 총 전력소비 패턴이고 Table 1은 고안한 방안들을 통해 정량적으로 분석한 전력소비특성 분석 및 진단표이다. Winter1(1~2월), Middle1(3~5월), Summer(6~8월), Middle2(9~10월), Winter2(11~12월)의 각 분기마다 피크부하가 가장 큰 날을 대표일로 선정하여 X는 날짜(Day), Y는 시간(Time), Z는 피크전력값(kW)을 좌표로 표현하였다. 연간 휴일들의 기저소비량의 평균값으로 Base Load(기저부하)를 산출하였다.

/media/sites/kiaebs/2020-014-06/N0280140605/images/KIAEBS_14_6_05_F4.jpg
Figure 4

Total Electricity consumption of H-laboratory

Table 1.

Analysis and diagnosis of electricity consumption characteristics of H-laboratory

H-laboratory Coordinate Seasonal Factor Daily Time Factor
X (Day) Y (Time) Z (kW) PLW ECP LMin LMid LMax
Winter1 (1~2) 2.22 10:32 601.7 7.8 0.13 0.4 0.3 0.3
Middle1 (3~5) 3.20 12:40 593.5 7.7 0.08 0.4 0.3 0.3
Summer (6~8) 6.30 13:51 508.3 6.6 0.06 0.4 0.3 0.3
Middle2 (9~10) 10.5 15:51 577.5 7.5 0.05 0.4 0.3 0.3
Winter2 (11~12) 12.13 10:33 678.7 8.8 0.11 0.36 0.39 0.25
Base load 77.0 0.57

분석 결과, 피크부하 가중치인 PLW가 Winter2(11~12월)에 8.8로 가장 컸다. 계절별 각 영역에서의 에너지소비량 기여도를 나타내는 Seasonal Factor의 ECP는 Base Load에서 0.57로 계절에 영향 없이 기저부하가 약 57.4%를 차지하고 있었다. 따라서 기저부하에 영향을 미치는 세부 요소 분석을 통해 에너지 절감요소 도출이 필요하겠다. 또한, Summer(6~8)의 ECP는 0.06, Winter1(1~2)은 0.13, Winter2(11~12월)는 0.11로 Winter(1~2, 11~12월)의 ECP는 총 0.24이였다. 따라서 Winter(1~2, 11~12월)가 Summer(6~8)의 약 4배를 사용하고 있는 것으로 분석되어 난방에너지 절감방안 검토가 필요하겠다. 대표일의 시간대별 에너지 사용량의 비중을 나타내는 Daily Factor는 계절별 경부하, 중간부하, 최대부하 시간대별 차이가 없는 것으로 보아 비슷한 수준으로 전력을 사용하고 있었다.

에너지 절감요소 도출

전체 에너지 소비량 분석을 통해 기저부하의 세부 분기들에 대한 분석이 필요하였고, BEMS 데이터를 활용한 기저부하의 세부 분기들의 분석을 통해 Table 2와 같이 에너지절감 요소를 도출하였다. Table 2는 H-연구소의 연간 전력소비 중 기저부하에서 사용하고 있는 각 세부 분기들의 연간사용량, 연간소비율, 기저소비량과 기저소비율을 나타낸다. 분석 결과, 57.4% 중 대부분이 실험실에서 실험장비들의 안정성을 위해 사용하는 항온항습기와 연중 상시 운영되는 전산실 UPS(무정전전원장치, Uninterruptible Power Supply)등에서 기저부하로 사용되고 있었다.

Table 2.

Analysis of Annual consumption, consumption rate, base consumption, base consumption rate

Detail branch name Annual
consumption
(kWh)
Annual
consumption rate
(%)
Base
consumption
(kWh)
Base
consumption
rate (%)
Computer Room1 Air Conditioner 2EA,
light, electric heat, etc.
118,390 10.1 75,235 6.4
Computer room2 lighting, electric
heating
62,525 5.3 60,712 5.2
Computer Room3 Air Conditioner,
Air conditioner (package air
conditioner), light, electric heat
92,448 7.9 44,625 3.8
Computer Room4 Air Conditioner 2EA,
light, electric heat
87,515 7.4 37,429 3.2
UPS Input 42,500 3.6 39,089 3.3
Air conditioner on the 2nd floor of the
dormitory, light, electric heat
34,428 2.9 34,428 2.9
Septic tank 35,004 3.0 31,817 2.7
Computer Room5 Air Conditioner 30,649 2.6 29,484 2.5
Air conditioner on the 3nd floor of the
dormitory, light, electric heat
30,409 2.6 30,409 2.6
Security room lights, heat 29,151 2.5 29,151 2.5
Ceiling type geothermal heat pump,
Computer Room6 Air Conditioner
54,022 4.6 24,798 2.1
Computer Room7 Air Conditioner 2EA,
light, electric heat, etc.
24,207 2.1 24,207 2.1
Air compressor facility, wastewater,
water treatment power supply, etc.
41,462 3.5 22,832 1.9
Machine, faucet room light, electric heat 28,548 2.4 22,557 1.9
Air conditioner (multi-unit room cooler),
EHP (indoor), light, electric heat
80,559 6.9 17,663 1.5
Computer Room8 Air Conditioner 13,888 1.2 13,888 1.2
UPS 15,520 1.3 12,281 1.0
Real room light, electric heat, etc 21,392 1.8 11,102 0.9
Fireproof copper equipment 56,167 4.8 8,954 0.8
Air conditioner, light, electric heat 33,680 2.9 9,105 0.8
IAV Air conditioner, light, electric heat 32,922 2.8 9,611 0.8
Fireproof room light, electric heat 28,101 2.4 6,654 0.6
Main dust collection equipment (2) 18,877 1.6 6,452 0.5
Geothermal HP, Pumps 52,458 4.5 2,198 0.2
Boiler 25,180 2.1 2,898 0.2
Combustion experiment equipment 27,774 2.4 2,586 0.2
Etc 5.4
Total 57.4

따라서 본 연구에서는 H-연구소의 전력소비 특성 및 진단 결과에서 도출된 주요 분석대상 요소를 용도별 상세분석하기 위해 기저부하 57.4% 중 가장 큰 비율로 전력을 소비중인 항온항습기를 대표적인 공조설비로 선정하였다. 또한, 실험장비의 상세분석을 위해 H-연구소에서 피크부하가 가장 큰 실험 장비인 집진설비를 대표 분석대상 요소로 선택하였다.

절감요소 상세 분석

공조용 장비

Figure 5는 H-연구소의 기저소비율 중 가장 높은 비중을 차지하고 있는 공조용 장비인 항온항습기의 연간 전력소비패턴을 나타낸다. 전체적으로 연중 상시 일정한 전력이 소비되고 있었다. Table 3은 공조설비의 정량적 분석을 위한 전력소비 분석 및 진단표이다.

/media/sites/kiaebs/2020-014-06/N0280140605/images/KIAEBS_14_6_05_F5.jpg
Figure 5

Electricity consumption by CRAC

Table 3.

Analysis and diagnosis of electricity consumption characteristics of CRAC

Air Conditioning System Coordinate Seasonal Factor Daily Time Factor
CRAC X (Day) Y (Time) Z (kW) PLW ECP LMin LMid LMax
Winter1 (1~2) 1.16 12:29 29.3 3.4 0.03 0.4 0.4 0.2
Middle1 (3~5) 5.12 11:58 30.2 3.5 0.01 0.3 0.4 0.3
Summer (6~8) 6.27 11:29 34.8 4.1 0.12 0.4 0.3 0.3
Middle2 (9~10) 10.17 3:27 38.0 4.4 0.14 0.4 0.4 0.2
Winter2 (11~12) 11.17 3:27 38.0 4.4 0.06 0.4 0.3 0.3
Base load 8.6 0.64

Seasonal Factor인 PLW는 Winter1, Middle1, Summer, Middle2, Winter2로 갈수록 피크부하의 가중치가 소폭 증가하였고, 기저부하의 ECP는 0.64로 기저부하 비율이 약 64%를 차지하고 있었다. 또한, Daily Factor의 3가지 시간대 소비 비중이 차이가 없는 것으로 보아 연중 계절과 시간에 관계없이 전력이 소비되고 있는 것으로 보인다.

공조설비의 성능을 나타내는 ACP는 겨울철 설계부하 200 kWh, 소비전력 582 kWh을 나눈 값인 0.3, 여름철 설계부하 277 kWh, 소비전력 620 kWh를 나눈 0.4로 이전과 이후 데이터가 확보된다면 공조설비의 성능을 비교할 수 있을 것으로 예상이 된다.

실험용 장비

Figure 6은 H-연구소에서 피크부하가 가장 큰 실험 장비인 집진설비의 연간 전력소비 패턴이고, Table 4는 전력소비 분석 및 진단표이다. Middle2와 Winter2에 PLW가 314.2 kW로 피크부하의 가중치가 가장 큰 것으로 분석되었다. 연간 에너지 소비량 중 각 영역이 차지하는 소비량의 비중을 나타내는 ECP는 Winter1 0.07, Middle1 0.26, Summer 0.07, Middle2 0.32, Winter2 0.28로 하절기인 Summer보다는 중간기 Middle(3~5월, 9~10월)과 동절기Winter2에서 대부분 전력을 소비하고 있었다.

/media/sites/kiaebs/2020-014-06/N0280140605/images/KIAEBS_14_6_05_F6.jpg
Figure 6

Electricity consumption by experimental equipment

Table 4.

Analysis and diagnosis of electricity consumption characteristics of experimental equipment

Experimental
equipment
Coordinate Seasonal Factor Daily Time Factor Electricity
Charge Saving
Dust collector X (Day) Y (Time) Z (kW) PLW ECP LMin LMid LMax LMin LMid LMax
Winter1 (1~2) 2.6 16:05 245.8 245.8 0.07 - 1.0 - - 1.0 -
Middle1 (3~5) 5.16 10:12 292.0 292.0 0.26 - 0.3 0.7 - 0.3 0.7
Summer (6~8) 8.22 13:31 258.7 258.7 0.07 - 0.2 0.8 - 1.0 -
Middle2 (9~10) 10.13 18:27 314.2 314.2 0.32 - 1.0 - - 1.0 -
Winter2 (11~12) 11.13 18:27 314.2 314.2 0.28 - - 1.0 - 1.0 -
Base load 0.0 0.00

대표일의 Daily Factor중 경부하(Light Load, LMin)시간대에서는 전력소비가 없었으며, 중간부하(Middle Load, LMid)와 최대부하(Maximum Load, LMax)시간대에 전력을 집중적으로 소비하였다.

동일한 전력사용량을 사용하더라도 계절별, 시간대별 사용에 따라 요금이 달라진다. Table 4의 Electricity Charge Saving과 같이 최대부하에 집중된 실험 스케줄을 중간부하 시간대로 옮긴다면 사용량을 동일해도 사용 요금은 절감 가능하다.

본 연구에서는 산업용(을) 고압(A) 선택2 요금제의 계절별 시간대별 요금제(경부하 : 여름, 봄, 가을 56.1원, 겨울 63.1원/중간부하 : 여름 109원, 봄, 가을 78.6원, 겨울 109.2원/최대부하 : 여름 191.1원, 봄, 가을 109.3원, 겨울 166.7원)를 사용하여 Table 5와 같이 계절별, 시간대별 사용량에 따라 전체 요금을 계산하였다. 결과적으로 최대부하에 집중된 실험 스케줄을 중간부하 시간대로 옮긴다면 약 5만원/5day의 전기요금을 절약할 수 있으며, 52주 운전된다고 가정했을 때 연간 약 260만원의 전기요금을 절감할 수 있다.

Table 5.

Electricity Charge Saving measures

Before After
volume (kWh) (Won) volume (kWh) (Won)
Daily index LMid LMax LMid LMax LMid LMax LMid LMax
winter1 110.5 - 12,070 - 110.5 - 12,070 -
middle1 351.6 963.0 27,634 105,256 351.6 963.0 27,634 105,256
summer 126.3 487.1 13,771 93,080 613.4 - 66,862 -
middle2 202.5 - 15,918 - 202.5 - 15,918 -
winter2 - 202.5 3 33,755 202.5 - 22,115 -
Total 2,443,6 301,488 2,443,6 249.856

또한, 실험장비의 성능을 나타내는 ROI는 실험 장비를 사용하는 팀의 연간 수익금 695,600,000원과 연간 전기요금 3,665,056원을 나눈 값인 190으로 다른 실험 장비의 데이터를 확보하여 투자비용 대비 효과를 비교할 수 있을 것으로 예상된다.

에너지 절감효과 분석

본 연구에서는 전력소비에 대한 정량적 분석 및 진단을 위한 방안들을 고안하여 전체 에너지 소비패턴을 분석하였고, 상세요소 분석을 통해 다음과 같이 에너지 절감 효과를 예상할 수 있었다.

Table 6은 H-연구소의 대표적인 에너지 다소비 실험 장비인 집진설비가 운전 시 함께 가동되는 운전 장비, 전등, 전열의 전력소비량을 근무일 시간, 근무 외 시간, 휴일사용량을 분석한 결과이다. 분석 결과, 근무 외 시간과 휴일 시간에 불필요한 에너지가 소비된 것으로 보인다.

Table 6.

Energy saving factor analysis result of experimental equipment (dust collection)

CH03_A1 CH03_A8 CH03_A2 CH01_A1 CH9_A2 Total
(kWh)
Dust collector (1)
(kWh)
Dust collector (2)
(kWh)
Light, electric heat
(kWh)
Working hours 28,088 13,469 5,233 4,499 6,891 58,180
Non-working hours 2,110 2,725 3,223 2,549 1,841 12,449
Holiday 1,805 2,683 2,184 2,597 1,628 10,898
Total \electricity
consumption
32,004 18,877 10,640 9,645 10,360 81,526

Table 7은 H-연구소의 에너지 절감요소, 예상 절감량과 절감율을 나타낸다. 집진설비의 근무 외 시간과 휴일 시간의 불필요한 전력소비 절감으로 H-연구소 전체 에너지소비량 중 약 2% 에너지 절감 효과가 예상된다. 또한, 항온항습기의 외기냉방시스템 적용으로 인해 전체 소비량 중 약 15.6% 에너지 절감 효과가 예상된다(황지현과 이태원, 2015). 따라서 두 가지 절감요소로 전체 전력소비량 중 총 17.6% 에너지가 절감 가능할 것으로 예상된다.

Table 7.

Energy saving analysis result of H-Lab

Electricity
consumption
(kWh)
Prediction
reduction
(kWh)
Prediction
saving rate
(%)
Prediction saving rate
by total electricity
consumption (%)
Experimental equipment
(dust collector)
81,526 23,346 28.6 2.0
Air Conditioning System
(CRAC 9EA)
367,096 183,548 50 15.6
Total electricity consumption 1,175,421 1,175,421 - 17.6

이외에도 동절기에 전력소비가 집중되기 때문에 대표적인 공조 설비인 지열원 히트펌프와 2, 3층 기숙사 냉난방기의 상세분석을 통한 절감방안 검토로 추가적인 에너지 절감효과를 얻을 수 있을 것으로 예상된다.

결 론

본 연구는 BEMS가 모니터링 수준에 미치지 못하는 가장 큰 문제점으로 건물 운영관리자들이 수많은 데이터 중 직관적으로 문제를 파악하기 어려운 기존의 문제점을 개선하기 위해 건물 운영단계에서 에너지 소비 수준을 정량적 분석 및 진단하고 에너지 절감요소를 도출하기 위해 간단하게 계산 가능한 방안들을 고안하여 평가하고자 했다. 본 연구를 통해 얻은 주요 결과는 다음과 같다.

(1)Seasonal Factor는 계절별 에너지 소비 특징을 보여주는 방안으로, 계절별 5가지 영역에서의 피크부하에 대한 가중치를 정량적으로 표현하기 위한 Peak Load Weight (PLW), 에너지소비량 기여도를 나타내는 Energy Consumption Proportion (ECP)을 정의하였다.

(2)Daily Factor는 5가지 영역별 대표일의 시간당 에너지소비 수준을 정량적으로 분석하기 위해 한국전력공사의 계절별, 시간대별(최대부하, 중부하, 경부하) 에너지 사용량의 비중을 표현한다.

(3)공조 설비의 성능을 나타내는 Air Conditioning Performance (ACP), 실험장비의 연간 전기 요금 대비 수익을 나타내는 Return Of Investment (ROI)를 제안하였다.

(4)실제 BEMS 데이터를 통해 전력소비 수준을 분석 및 진단한 결과, BEMS 본연의 기능인 에너지 절감요소를 도출하여 절감방안을 적용하여 분석한 결과, 전체 약 17.6% 전력이 절감 가능할 것으로 예상되었다.

본 연구 결과를 통해 최종 단계에서만 전문가가 정밀하게 진단하여 BEMS의 핵심인 건물에너지 운영관리, 에너지절감 기법 도입 및 고장진단 알고리즘 등 다양한 건물 운영관리 알고리즘들이 적용이 가능할 것으로 예상되며 운전 성능 및 효율 향상이 가능할 것으로 기대된다.

본 연구에서는 에너지 다소비 시험장비의 운영체계를 개선했을 때와 다수 항온항습기의 외기냉방시스템을 적용했을 때 에너지 절감 효과를 예상하였다. 향후 연구에서는 BEMS 기능들을 원활하게 수행 가능한 개방형 플랫폼기반 BEMS를 도입하여 실제 에너지 절감을 위해 적용한 알고리즘들과 절감한 결과에 대해 제시하고자 한다.

Acknowledgements

본 연구는 2020년도 국토교통부의 재원으로 도시건축연구사업의 지원을 받아 수행한 연구과제입니다(20AUDP-B099686-06).

References

1
Hwang, J.H, Lee, T.W. (2015). An analyses of the energy saving effects with the introduction of an outdoor air cooling system at data center. The Society Of Air-Conditioning And Refrigerating Engineers Of Korea, Winter Academic Conference Papers, 53-56.
2
Moon, H.J., Jung, S.K., Ryu, S.H. (2015). Building cooling and heating energy consumption pattern analysis based on building energy management system (BEMS) data using machine learning techniques. The Society Of Air-Conditioning And Refrigerating Engineers Of Korea, Winter Academic Conference Papers, 69-70.
3
Lee, T.W. (2014). A study on the development of the building energy management system (BEMS) KS connection standard. Korea Energy Agency Report, 40-46.
4
Ministry of Land, Infrastructure and Transport (MOLIT) (2013). Green remodeling activation plan to reduce building energy demand. Ministry of Land, Infrastructure and Transport Report, 1-2.
5
Korea BEMS Association. (2016). Survey on the actual condition to revitalize the energy management system (EMS) business.
페이지 상단으로 이동하기