서 론

연구의 배경 및 목적

온실가스로인한 기후변화가 발생하면서 전 세계적으로 에너지 및 환경 문제에 관심이 높아지고 있다. 따라서 온실가스 감축을 위해 에너지 사용절감과 효율성 향상이 중요해지고 있다. 마찬가지로 에너지 사용에서 많은 부분을 차지하는 건축에서도 에너지 사용 절감과 효율성 향상에 관한 연구와 활동이 활발히 이루어지고 있다. 우리가 알고 있고 있듯이 건축물의 에너지를 절감하기 위한 여러 시스템 중에 하나인 VAV (Variable Air Volume) 시스템은 CAV (Constant Air Volume)시스템보다 에너지 절약적 측면이 있고 보다 쾌적한 실내 환경을 제공한다는 장점이 있어 최근에 여러 건물에 적용이 되고 있다(김철호 외, 2016). 근래에 VAV시스템은 CAV시스템과 함께 가장 보편적인 공조시스템으로 보급되고 있으며 시스템 제어방법에 관한 연구와 개발이 활발히 진행되고 있다. VAV시스템 제어에는 여러 제어 방식들이 있는데 그중에 보편적으로 많이 사용될 수 있는 제어 방식 5가지를 선정하였다. 5가지 VAV시스템 제어방식에는 VAV 터미널 박스의 최소 풍량 제어(Single Maximum Control Logic, Dual Maximum Control Logic), 급기온도 제어, DCV-CO₂ (Demand Controlled Ventilation), 최적가동 제어 등이 있다(Yang et al., 2011; Pang et al., 2017). 제어 방법마다 각각의 특성과 장단점들이 있다. 하지만 국내에서 VAV시스템의 여러 제어방법에 따른 비교한 연구가 별로 이루어지지 않았다.

따라서 본 연구에서는 VAV시스템의 제어 방법에 따라 에너지 소비특성과 실내 환경을 비교하는 것이 목적이고 이를 통해 에너지 절감과 쾌적한 실내 환경을 유지하기 위한 제어 방법에 대한 기본 자료를 제공하고자 한다. 본 연구는 VAV 시스템을 주로 적용하는 일반적인 업무용 건물을 대상으로 5가지의 제어방법을 적용하였고 건물의 에너지 사용량 및 실내 환경을 분석하였다. 분석 프로그램은 동적 해석 프로그램인 EnergyPlus 8.8을 이용하여 시뮬레이션을 실행하였다.

선행연구 고찰

국내연구로서는 조영흠 외(2012)는 VAV 터미널의 최소 풍량을 제어하는 두 가지 전략인 Single Maximum Control Logic과 Dual Maximum Control Logic에 대해 설명하고 EnergyPlus를 이용해 두 전략을 비교분석하였다. 전체 에너지 소비량 측면에서 비교했을 경우 Dual Maximum Control Logic이 Single Maximum Control Logic보다 6% 정도 적게 사용하는 것으로 평가하였다.

Pang et al. (2017)는 VAV 시스템에서 Single Maximum Control Logic을 기본 모델로 삼고 VAV 시스템 제어전략 인 Dual Maximum Control Logic과 급기온도제어, 최적가동제어, 이코노마이져를 이용한 엔탈피제어, 정압제어 등을 소개하고 연간 에너지 소비량을 비교하였다. 각 제어전략간 연간 에너지 소비량을 비교하면 기본 모델인 Single Maximum Control Logic 대비 Dual Maximum Control Logic은 10~11%, 급기온도제어는 2~3%, 최적가동제어는 2%, 이코노마이져를 이용한 엔탈피제어는 0.7~1%, 정압제어는 2.5~3% 정도 절감되는 것으로 나타났다. 이 논문은 휴스턴과 시카고를 비교하였고 각각의 제어전략의 에너지 소비량 위주로 분석하였다.

Ahmed et al. (2015)는 CAV시스템이 적용된 사무용 건물에서 CO₂농도를 제어하는 DCV-CO₂ 제어를 했을 경우 에너지소비량에 대해서 연구하였다. CAV 대비 DCV-CO₂의 1차 에너지 소비량이 7~8% 절감이 되는 것으로 나타났다. CAV 경우 공조 풍량이 일정하지만 DCV-CO₂는 실내 CO₂농도에 따라 풍량을 변화시켜 팬 에너지 소비량을 줄여주었다. 난방, 냉방, 팬 에너지만 비교하면 DCV-CO₂가 CAV보다 33-41% 적게 사용하였다.

Wei et al. (2000)는 VAV 시스템의 건물에서 급기온도 제어에 대해서 연구하였다. 외기온도가 7°C이하일 때 급기온도를 16°C로 높여주고 외기온도가 21°C이상이 되면 급기온도를 12.8°C로 점층적으로 낮추어서 급기온도를 제어하였다. 급기온도가 12.8도로 일정하게 공급하는 기본모델과 비교했을 경우 냉동기에서 4%, 보일러에서 25%, 전체 에너지 소비량은 7% 절감하는 것으로 나타났다.

Yang et al. (2011)는 VAV 시스템이 현장에서 외기도입량을 0.3으로 고정하고 별다른 제어를 하지 않고 운영하고 있어 VAV 시스템의 장점을 제대로 활용을 못하고 있는 문제를 거론하였다. 실내 공기질과 에너지 성능을 향상시킬 수 있는 VAV 시스템 제어 전략을 소개하고 그 중에 Single Maximum Control Logic, DCV, 엔탈히 제어, 급기온도 제어와 같은 4가지 제어 전략을 이용해서 상하이에서 에너지 성능과 실내 CO₂ 농도, 열쾌적 지수 (PMV)를 여름, 겨울, 환절기 세 절기를 나누어 비교하였다.

Okochi et al. (2016)는 VAV 시스템에 대한 기술과 모형, 제어전략 등을 소개하는 리뷰 논문이다. 이 논문에서는 대표적인 VAV 시스템의 제어전략 4가지를 소개하였다. VAV 제어 전략으로 최적 가동시간 제어(Optimal start control), 급기온도 제어(Supply Air Temperature reset control), DCV-CO₂ 제어(Demand Controlled Ventilation control), 덕트 정압 제어 (Duct static pressure reset control)이 있다. 각 제어전략의 특징과 에너지 절감이 어떤 요소에 이루어지는 지에 대해서 분석을 하였다.

앞서 선행연구들에서는 대체로 VAV 제어 전략간의 비교를 에너지 소비량 관점에서 분석이 되어왔다. 본 연구에서는 5가지의 제어 전략을 에너지 소비량과 실내 열 쾌적, 실내 공기질 측면까지 분석하였다.

VAV시스템 제어의 이론적 고찰

Single Maximum Control Logic

VAV 터미널 박스의 최소 풍량을 제어하는 방법으로 댐퍼제어에 따라 Single Maximum Control Logic과 Dual Maximum Control Logic이 있다. Single Maximum Control Logic은 Figure 1과 같이 최대 풍량과 최소풍량을 설정하고 실내 존의 온도에 따라 VAV 터미널 박스의 댐퍼 개도율이 조절이 된다. 실내 존의 온도가 최소 풍량으로 제어가 안 되는 온도이상으로 올라가면 댐퍼를 열어 풍량을 증가시킨다. 반대로 실내 존의 온도가 최소 풍량으로 제어가 안 되는 온도이하로 내려가면 재열코일 밸브가 열리면서 공급 공기를 재열 해준다. ASHRAE Standard 90.1-2010와 대부분의 건물에서 최소 풍량을 냉방시 최대풍량 설정값의 30%로 권장하고 있다(Taylor et al., 2012). 본 연구에서는 최소 풍량을 냉방시 최대풍량 설정값의 30%로 설정하였다.

Figure 1. The Single Maximum Control Logic (DOE, 2017)

Dual Maximum Control Logic

Dual Maximum Control Logic은 Figure 2와 같이 두 개의 최대 풍량과 하나의 최소 풍량을 설정하고 실내 존의 온도에 따라 VAV 터미널 박스의 댐퍼 개도율이 조절된다. Dual Maximum Control Logic은 Single Maximum Control Logic보다 더 낮은 최소 풍량을 설정할 수가 있어 에너지를 더 절감할 수 있는 제어방법이다. 하지만 최소 환기(30%)보다 낮은 최소 풍량으로 설정하게 되면 실내 공기질 이 나빠지고 실내 공기온도 성층화 현상 등의 문제가 발생하게 된다. Dual Maximum Control Logic의 난방시 최대 풍량과 최소 풍량도 ASHRAE Standard 90.1-2010의 권장 설정값을 사용하였다. 이 기준에서는 난방시 최대 풍량은 냉방시 최대 풍량의 50%, 최소 풍량은 냉방시 죄대 풍량의 10~20%를 권장하고 있다(Taylor et al., 2012). 따라서, 본 연구에서는 난방시 최대 풍량은 냉방시 최대 풍량의 50%, 최소 풍량은 냉방시 죄대 풍량의 15%로 설정하였다.

Figure 2. The Dual Maximum Control Logic (DOE, 2017)

급기온도 제어(Supply Air Temperature Reset Control)

여름철에 급기온도를 매우 낮게 공급하면 공조기에서 제거해야할 잠열부하가 증가하게 된다. 반면 급기온도를 높게 공급하면 팬에서 더 많은 냉공기를 존에 공급해야하기 때문에 팬의 전기 소비량이 증가하고 습도가 높은 기후에서는 실내 습도가 쾌적 범위를 초과할 수가 있다. 또한 일반적인 VAV 시스템 경우 급기온도가 항상 같은 온도로 공급하기 때문에 겨울철에는 공조기에서 불필요한 냉각을 하는 경우가 발생하고 재열코일의 난방부하가 커진다. 따라서 외기온도에 따라 외기온도가 낮을 경우 급기온도를 높여 재열코일에서의 난방부하를 줄여주고 외기온도가 높을 경우 급기온도를 낮추어 팬 에너지를 최소화하는 제어전략이다. 급기온도 제어 그래프는 Figure 3과 같다.

Figure 3. Supply Air Temperature Reset Control Process

최적가동 제어(Optimal Start)

최적가동 제어는 비 재실시간에는 최대한 가동을 하지 않으면서도 재실 시 설정온도에 도달할 수 있게 가동하는 전략으로 예열, 예냉의 시간을 최적화하는 제어이다. 최적가동 제어는 실내의 온도와 재실 설정온도, 비 재실 설정온도, 외기 온도 등의 요소를 반영하였다(Murphy et al., 2011).

Figure 4. Optimal Start Control (Murphy et al., 2011)

최적 가동 제어의 알고리즘은 ASHRAE Handbook에 제시하고 있고 식 (1)~(4)와 같다.

여기서,

ti : 시작 / 복구 시간,

Tz,i : 존 온도,

To,i : 외기온도,

wi : 외부 및 구역 온도에 부여되는 가중치,

Tunocc : 비 재실시의 설정온도,

Tocc : 재실시의 설정온도,

k : 복구에 필요한 시간 단계,

△t : 시간 단계,

topt, (i-1) : 복구 시간 (i-1)일,

q(i-1) : 마지막 단계에서 추출되거나 추가 된 에너지,

qmax : 장비의 최대 용량

DCV (Demand Controlled Ventilation)-CO₂

실내 환기제어를 위해 일반적으로 실내 환경의 오염지표로 CO₂ 농도를 사용한다. 실내 사무실 건물의 CO₂ 농도 허용치는 1000ppm이하로 규정하고 있다(ASHRAE, 2013). DCV-CO₂은 쾌적한 실내 환경을 유지하기 위한 환기 제어 방법으로 재실자의 호흡을 통해 발생하는 CO₂량과 재실자수, 실내 공간에서 발생하는 CO₂량과 실내공간의 면적 등을 반영하여 최소 환기량을 산정한다. DCV의 제어 알고리즘은 ASHRAE Standard 62.1-2010에 제시하고 있고 식 (5)~(8)와 같다.

여기서,

Rp,i : 한 사람당 필요한 실외 공기량(m³/s·person),

Ra,i : 단위면적당 필요한 실외 공기량(m³/s·m²),

Pz,i : 재실자수(number of people),

Az,i : 존 바닥면적(m²),

Ei : 존 공기 배분효과,

N : CO₂ 농도 비율(m³/s·person),

Co : 외기 CO₂농도(ppm),

Cs-design,i : 설계 조건을 위한 공간에서의 CO₂ 농도(ppm),

Cs-min,i : 공간의 CO₂ 최소농도(ppm),

Cs-actual,i : 실제 CO₂ 농도(ppm),

Vot-design,i : Cs-design,i에서의 실외 공기량 요구치(m³/s),

Vot-min,i : Cs-min,i에서의 실외 공기량 요구치(m³/s),

Vot,i : Cs-actual,i에서의 실외 공기량 요구치(m³/s)

대상모델 및 제어전략

대상모델 개요

본 연구에서의 기본 모델은 ASHRAE에서 제공하는 ASHRAE 90.1 Prototype Building의 DOE Commercial Reference Building 중 Medium Office를 선정하였으며 Single Duct CAV reheat coil system으로 설정하였다. 기본모델 Figure 5는 각층이 동, 서, 남, 북, 코어로 5개 존으로 나누어져있고 AHU는 총 3대가 설치되어 각층마다 1대 AHU가 각층 5개 존의 냉난방을 담당하고 있다.

Figure 5. ASHRAE Medium Office Model

날씨 데이터는 IWEC (International Weather for Energy Calculation)에서 제공하는 인천 날씨 데이터를 사용하였다. 난방코일과 재열코일은 가스 보일러, 냉방코일은 냉동기를 열원으로 설정하였으며 보일러와 냉동기, 존별 풍량, 스케쥴 등은 EnergyPlus에서 제공하는 기본 값을 사용하였다. 벽체와 창 열관류율은 국내 기준인 에너지절약기준 0.26W/m²·K와 1.5W/m²·K을 사용하였다. 외기 도입량은 여름철(6~9월)과 겨울철(11~3월)은 30% 고정하였고 환절기(4~5월, 10월)는 온도에 따른 외기냉방(Differential Dry Bulb)을 하였다. 기본 모델에 대한 개요는 다음 Table 1과 같다.

Table 1. Overview of Base Model

VAV시스템의 제어전략

본 연구는 EnergyPlus에서 제공하는 Medium Office Reference Building 모델을 기본모델로 이용하였으며 관련 idf파일을 응용하였다. 또한 VAV시스템의 제어 전략은 Table 2와 같다.

Table 2. Overview of VAV Controls

Case1는 Single Maximum Control Logic으로 최소 풍량을 냉방 최대 풍량의 30%로 제어하였다. Case2은 Dual Maximum Control Logic으로 최소 풍량은 냉방 최재 풍량의 15%, 난방 최대 풍량은 냉방 최대 풍량의 50%로 제어하였다. Case3은 Dual Maximum Control Logic에 DCV-CO2를 결합해 제어하였다. Case4의 급기온도 제어는 Outdoor Air Reset에서 이용하여 외기온도가 13°C이하이면 급기온도를 16°C로, 외기온도가 13°C보다 높아지면 급기온도가 점점 떨어지다 외기온도가 18°C이상 되면 급기온도를 12.8°C로 제어하였다(Okochi et al., 2016). Case5은 최적가동 제어로 Adaptive ASHRAE Algorithm으로 제어하였다. Case6은 Dual Maximum Control Logic에 DCV-CO2, 급기온도 제어, 최적가동 제어를 다 결합한 제어이다.

VAV시스템 제어전략에 따른 에너지 및 실내 환경 평가

에너지 소비량 분석

Figure 6 ~ 10과 Table 3 ~ 4은 제어 전략별 연간 전체 에너지 소비량, 난방코일 에너지 소비량, 재열코일 에너지 소비량, 전체 난방 에너지 소비량인 보일러 가스 소비량, 전체 냉방 에너지 소비량인 냉동기 전기 소비량, 팬 전기 소비량을 비교한 그래프와 표이다.

Figure 6. Total Energy Consumption

Table 3. Energy Consumption of VAV Controls

VAV 박스 터미널의 최소 풍량 제어 에너지 소비량 분석

1) 전체 에너지 소비량

Table 3에서 Single Maximum Control Logic인 Case1의 전체 에너지 소비량이 CAV인 Base의 전체 에너지 소비량 대비 21.5% 적었고 Dual Maximum Control Logic인 Case2의 전체 에너지 소비량은 27.0% 적었다. 선행연구에서도 Dual Maximum Control Logic이 Single Maximum Control Logic보다 6~10% 정도 에너지 소비량이 적은 것으로 나타났다(조영흠 외, 2012; Pang et al., 2017).

2) 난방 에너지 소비량

Figure 8의 난방코일에너지 소비량에서 Case1 (2,709kWh) 대비 Case2 (3,584kWh)가 32.3% 증가하나 난방코일 에너지 소비량이 재열코일 에너지 소비량에 비하면 소량이고, Figure 9의 재열코일의 에너지 소비량이 Case1 (32,320kWh) 대비 Case2 (21,177kWh)가 33% 감소하기 때문에, Figure 7에서 전체 난방 에너지 소비량인 보일러의 가스(난방) 소비량으로 비교했을 경우 Case1 (138,444kWh) 대비 Case2 (86,519kWh)가 37.5% 감소하게 된다. 이는 Case1에서는 난방기 때 최소풍량 30%으로 공조하다 난방코일부하가 증가하면 재열코일로 나머지 난방부하를 담당한다. 반면 Case2은 처음에는 Case1와 같이 최소 풍량으로 공조하면서 재열코일로 난방부하를 담당하다가 난방부하가 재열코일 능력이상으로 증가하게 되면 풍량을 증가시켜 부족한 난방부하를 담당하기 때문에 재열코일의 에너지 소비량을 줄여줄 수 있다.

Figure 7. Boiler Gas Consumption

Figure 8. Heating Coil Energy Consumption

Figure 9. Reheat Coil Energy Consumption

3) 냉방 에너지 소비량

Figure 10의 냉동기 전기 소비량을 보면 Case1 (81,310kWh) 대비 Case2 (77,348kWh)가 4.9% 감소한다. 이는 Case2의 최소풍량이 15%로 Case1보다 풍량을 적게 공조할 수 있기 때문에 공조기의 냉방코일의 에너지 소비량이 감소한다.

Figure 10. Chiller Electric Consumption

4) 팬 에너지 소비량

Table 4을 보게 되면 1월에 팬의 전기 소비량이 Case1 (1,100kWh) 대비 Case2 (1,233kWh)가 12% 증가한다. 이는 1월달에 난방부하 증가로 냉방코일에 의한 VAV 박스 풍량을 약간 증가시켜 초과한 난방부하를 담당한 것이다. 2~5월, 9~12월의 Case2의 팬 전기 소비량이 줄어드는데 이는 최소풍량 15%로 Case1보다 적은 풍량으로 공조하기 때문이다(Taylor et al., 2012). 여름철인 6월~8월의 Table 4의 팬 전기 소비량이 Case1와 Case2이 거의 비슷하다. 이는 냉방기에는 두 제어 전략이 똑같이 냉방부하는 VAV 박스의 풍량을 조절하면서 공조하기 때문이다.

Table 4. Fan Electric Consumption

DCV-CO₂ 에너지 소비량 분석

1) 전체 에너지 소비량

Table 3전체 에너지 사용량을 보면 Base 대비 Case2는 27.0%, Case3는 22.3%로, Case2 (151.3kWh/m²) 대비 Case3 (160.9kWh/m²)의 전체 에너지 소비량이 8.2% 증가한다.

2) 난방 에너지 소비량

Case3은 Dual Maximum Control Logic인 Case2에 DCV-CO₂ 제어를 추가한 제어 전략으로 Case2의 최소 풍량이 냉방최대 풍량의 15%로 설정되어 있어 겨울철 부족한 환기량을 외기 도입량을 증가시켜 실내 존의 CO₂농도를 줄여주는 전략이다. 이는 Figure 13과 Table 5를 보면 겨울철에 Case2가 다른 제어 전략보다 실내 CO₂ 농도가 높은 것을 확인할 수 있다. Figure 7의 보일러의 가스(난방) 소비량을 보면 Case2 (86,519kWh) 대비 Case3 (139,464kWh)가 61% 증가했다. Case3는 CO₂농도를 줄이기 위해 외기 도입량이 Case2보다 21.7% 증가함에 따라 보일러의 가스(난방) 소비량이 Case2보다 증가하게 되는 것이다.

3) 냉방 에너지 소비량

Figure 10의 냉동기 전기 소비량은 Case2 (77,348kWh) 대비 Case3 (73,394kWh)는 5.1% 감소하였다. 이는 여름철에 외기 도입량이 증가하면서 냉방부하가 절감에 도움을 주기 때문이다.

급기온도 제어(Supply Air Temperature Reset Control) 에너지 소비량 분석

1) 전체 에너지 소비량

Table 3의 전체 에너지 소비량에서 Base 대비 Case4의 전체 에너지 소비량 대비 25.4% 적었고, Case1 (162.7kWh/m²) 대비 Case4 (154.6kWh/m²)는 5.0% 줄어든다. 선행연구에서도 급기온도제어를 했을 경우가 급기온도를 제어하지 않은 경우보다 2~7%정도 에너지 소비량이 적은 것으로 나타났다(Wei et al., 2000; Pang et al., 2017).

2) 난방 에너지 소비량

Figure 8의 난방코일에너지 소비량을 보면 Base 대비 Case4는 59%, Case1은 88.2% 줄어든다. Figure 8에서 Case1 (2,709kWh) 대비 Case4 (9,403kWh)의 난방코일 에너지가 247.1% 증가하나 재열코일 에너지 소비량에 비해 소량이고, Figure 9의 Case1 (32,320kWh) 대비 Case4 (17.800kWh)의 재열코일 에너지는 44.9% 감소하기 때문에 전체 난방 에너지 소비량인 Figure 7의 보일러의 가스(난방) 소비량으로 비교했을 경우 Case1 (138,444kWh) 대비 Case4 (102,303kWh)가 26.1% 감소하게 된다. 예를 들어 급기온도 제어가 외기온도가 18°C미만일 때 급기온도를 점층적으로 높여 외기온도가 13°C이하가 되면 급기온도를 16°C로 공조하기 때문에 난방코일의 에너지 소비량은 증가하지만 재열코일에서는 감소하게 된다(Pang et al., 2017).

3) 냉방 에너지 소비량

Figure 10의 냉동기 전기 소비량을 보면 Case1 (81,310kWh) 대비 Case4 (78,045kWh)가 4.0% 감소한다. 이는 외기온도가 18°C 이상일 때는 급기온도가 Base와 같은 12.8°C이기 때문에 냉방 에너지 소비량과 팬의 전기 소비량 절감률이 난방 에너지 소비량 절감률보다 적다. 따라서 급기온도 제어 전략은 냉방 에너지보다 난방 에너지 절감에 효과적이다.

최적가동 제어(Optimal Start) 에너지 소비량 분석

1) 전체 에너지 소비량

Table 3의 전체 에너지 소비량에서 Case5는 Base 대비 22.9% 적었고, Case1 (162.7kWh/m²) 대비 Case5 (159.7kWh/m²)는 1.3% 줄어든다. 선행연구에서도 최적가동 제어를 했을 경우가 최적가동 제어를 하지 않은 경우보다 2%정도 에너지 소비량이 적은 것으로 나타났다(Pang et al., 2017).

2) 난방 에너지 소비량

Figure 7에서 Case5의 경우 Base 대비 보일러의 가스(난방) 소비량은 46.4%, Figure 10의 냉동기의 전기(냉방) 소비량은 6.1% 감소했다. Figure 7에서 Case1과 비교하면 보일러의 가스(난방) 소비량이 Case1 (138,444kWh) 대비 Case5 (128,353kWh)가 7.3% 감소하였다.

3) 냉방 에너지 소비량

Figure 10의 냉동기의 전기(냉방) 소비량은 Case1 (81,310kWh) 대비 Case5 (81,242kWh)가 거의 비슷했다. 이는 최적가동 제어는 최대한 가동을 하지 않으면서도 재실 시 설정온도에 도달할 수 있게 가동하는 전략이므로 비재실기간(unoccupied time) 전 시간을 여름에는 30°C, 겨울에는 15°C로 공조할 필요가 없다. 또한 Base의 비 재실시간 설정온도가 여름에는 30°C, 겨울에는 15°C로 설정이 되어 여름의 예냉 에너지보다 겨울의 예열 에너지가 상대적 많기 때문에 겨울철 난방 에너지를 여름철 냉방 에너지보다 상대적으로 더 많이 절감할 수 있다.

Base인 CAV 대비 5가지 VAV 시스템제어 전략의 Table 3의 연간 에너지 소비량을 비교하면 Dual Maximum Control Logic인 Case2가 Base 대비 27.0%로 가장 많이 절감했다. 반면에 Single Maximum Control Logic인 Case1은 Base 대비 전체 에너지 소비량 절감율이 21.5%로 가장 적게 절감하였다. Dual Maximum Control Logic에 DCV-CO₂, 급기온도 제어, 최적가동 제어를 다 결합한 Case6 경우 Base인 CAV 대비 29.3% 절감하였다.

실내 열 쾌적 지수 PMV 분석

Figure 11은 VAV 제어 전략에 따른 열 쾌적 범위인 -0.5<PMV<0.5를 만족하는 시간과 연간 공조시간 8,760시간에서 열 쾌적 만족하는 시간의 비율을 나타낸 그래프이고, Figure 12은 VAV 제어 전략에 따른 PMV 지수의 편차와 평균값을 나타낸 그래프이다.

Figure 11. Thermal Comfort Times & Ratio of VAV Controls

Figure 11를 보게 되면 Dual Maximum Control Logic + DCV-CO₂인 Case3이 6,269시간으로 연간 공조시간인 8,760 시간 중 71.6%의 열 쾌적 범위를 만족해 다른 제어들 보다 열 환경에 유리했다. 선행연구에서도 Dual Maximum Control Logic이 Single Maximum Control Logic보다 열 쾌적 범위를 만족하는 비율이 10%이상 크게 나타났다(Taylor et al., 2012). 특히 난방기간(11, 12, 1, 2, 3월)에서 다른 제어보다 열 환경에서 유리했다. 반면 Case5 최적가동 제어는 Figure 11을 보면 5,311시간으로 연간 공조시간인 8,760 시간 중 60.6% 열 쾌적 범위를 만족했다.

Figure 12에서와 같이 최적가동 제어인 Case5는 PMV지수가 다소 낮으며 편차가 다소 큰 것으로 나타났다. 이는 최적가동 제어는 겨울철의 비재실시간 위주로 예열을 줄일 수 있기 때문이다. Figure 11을 보면 Dual Maximum Control Logic에 DCV-CO₂, 급기온도 제어, 최적가동 제어를 다 결합한 Case6 경우 열 쾌적을 만족하는 비율이 75.1%로 좋아진다.

Figure 12. PMV of VAV Controls

실내 CO₂ 농도 분석

Figure 13 ~ 14는 VAV 제어 전략에 따른 겨울철, 중간층, 남측존의 시간에 따른 CO₂ 농도 변화를 나타낸 그래프이다.

Figure 13. Hourly CO₂ Concentration in the Middle Floor of South Zone (1/19~1/21)

겨울철에는 Dual maximum control logic인 Case2가 다른 제어보다 CO₂ 농도가 높게 나타났으며 CO₂ 농도가 1000ppm을 넘어가는 경우도 다수 발생해 실내 공기질 측면에서 불리했다. 이는 Case2의 최소 풍량이 냉방 최대 풍량의 15%로 공급되어 필요한 최소 환기량보다 적기 때문이다. Dual Maximum Control Logic + DCV-CO₂인 Case3은 다른 제어전략과 비슷하게 실내 CO₂ 농도를 나타냈다. 이는 Case2보다 많게 겨울철 외기도입량을 21.7%로 증가시켜 실내 CO₂ 농도를 낮추었기 때문이다.

Figure 14를 보면 여름철에는 모든 제어 전략이 CO₂ 농도가 1000ppm 이하로 유지하였다.

Figure 14. Hourly CO₂ Concentration in the Middle Floor of South Zone (7/19~7/21)

Table 5은 CO₂ 농도가 1000ppm을 넘는 시간을 월별로 정리한 표이다. VAV 제어 전략에 따른 CO₂ 농도가 1000ppm을 넘는 시간을 보면 Dual Maximum Control Logic인 Case2가 803시간을 기록하였고 주로 난방기(1,2,3,4,11,12월)에 나타났다. 반면 Dual Maximum Control Logic + DCV-CO₂인 Case3은 연간 5시간으로 대푹 줄어들어 Case2보다 실내 공기질이 많이 개선된 것으로 나타났다.

Table 5. Times of CO2 concentration exceeds 1000ppm

결 론

1)Dual maximum control logic인 Case2가 CAV인 Base보다 에너지 소비량이 27.0% 적었고 5가지 VAV 제어전략 중 절감율이 가장 컸다.

2)Single Maximum Control Logic인 Case1이 CAV인 Base보다 에너지 소비량이 21.5% 적었고 5가지 VAV 제어전략 중 절감율이 가장 작았다.

3)열 쾌적 만족시간으로 비교했을 경우에는 Dual Maximum Control Logic + DCV-CO₂인 Case3이 열 쾌적 만족 시간이 가장 많았다. 6,269시간, 전체 공조기간 71.6% 쾌적 범위를 만족하였다. 반면 Case5인 최적가동 제어가 열 쾌적 만족하는 시간이 5,311시간, 전체 공조기간 60.6%로 다른 제어전략들보다 적었다. 열 쾌적 지수인 PMV에서도 Dual Maximum Control Logic + DCV-CO₂인 Case3이 PMV 편차가 가장 적었고 최적가동 제어인 Case5가 PMV 편차가 가장 커, 열환경 측면에서 Dual Maximum Control Logic + DCV-CO₂인 Case3이 가장 유리하고 최적가동 제어인 Case5가 가장 불리했다.

4)겨울철에는Dual maximum control logic인 Case2의 CO₂ 농도가 1000ppm을 넘는 시간이 연간 803시간으로 다른 제어전략보다 실내 공기질 측면에서는 가장 안 좋게 나타났다.

5)Dual Maximum Control Logic + DCV-CO₂인 Case3의 CO₂ 농도가 1000ppm을 넘는 시간이 연간 5시간으로 Case2보다 대폭 실내 공기질이 개선되는 것으로 나타났다.

6)결론적으로 Dual maximum control logic인 Case2가 다른 제어 전략보다 에너지 소비량과 열 환경 측면에서 가장 유리하지만 실내 공기질 측면에서는 가장 불리했다. 반면 Dual Maximum Control Logic + DCV-CO₂인 Case3은 Case1보다 실내 환경 측면에서 유리했지만 에너지 소비량 절감율이 줄어들었다. 따라서 효율적인 에너지 소비와 쾌적한 실내 환경을 공조하기 위해서는 다른 제어 전략들도 같이 결합할 필요가 있을 것으로 판단된다. Dual Maximum Control Logic에 DCV-CO₂, 급기온도 제어, 최적가동 제어를 다 결합한 Case6은 에너지 소비량에서 CAV인 Base 대비 29.3% 절감하는 것으로 나타났으며 열 환경 측면에서도 쾌적 범위가 75.1%로 개별적으로 제어되었을 때 보다 훨씬 유리한 것으로 나타났다.