서 론
선행 연구 결과(문정현 외, 2020)
침기량 분석
분석 방법
불확실성 분석
민감도 분석
토의(Discussion)
결 론
서 론
침기란 건물에 들어오기 의도치 않은 외부의 공기를 말하며, 침기에 의한 건물의 냉난방 부하의 증가는 현열과 잠열 둘 모두와 관련하여 발생을 한다. 일반적으로 침기량은 다른 건물 에너지 분석 분야 중 가장 부정확하게 다루어져 왔다. 엔지니어들은 경험에 의거하여 단순히 시간당 실내 공기가 실외공기와 얼마의 비율로 교체되는 지를 가정하여 침기의 영향을 고려하였다. 경험에 의한 침기를 다루는 방법으로는 시간당 실내공기가 실외공기와 교체되는 비율인 시간당 환기 횟수를 이용하는 방법이 있다. 시간당 환기 횟수의 단위로 ACH를 쓰며 일반 주택의 경우는 0.5~1 ACH의 시간당 환기 횟수를 가지고 있다고 가정하며 기밀한 상업건물은 0.1 ACH 미만의 시간당 환기 횟수를 가지고 있다고 가정하고, 부하 분석을 진행해 왔다(McQuiston et al., 2004).
측정에 의해 시간당 환기 횟수를 측정에 의해서 산출하는 방법으로는 블로워 도어 테스트(Blower door test)를 이용하는 방법이 있다. 블로워 도어 테스트를 이용하여 실내외의 압력차를 50 Pa로 만들고 이 때의 통기량(m3/hr)을 측정 한 값을 건물의 실내 체적(m3)으로 나눈 값을 ACH50이라고 한다. 이 값은 그 자체로도 건물의 기밀도를 평가하는 지표로 사용되곤 한다. 한국 친환경설비학회에서 제정한 건축물의 기밀성능 기준에 따르면 에너지절약 건물로 인정받기 위해서는 3.0 ACH50을 가진 기밀성능을 가지고 있어야 하며, 제로에너지건물로 인증받기 위해서는 1.5 ACH50이하의 수준을 만족해야 한다(한국건축친환경설비학회, 2013). 자연상태에서의 실 내외의 압력차는 평균 1~4 Pa의 범위를 갖기 때문에, 자연 상태에서 얼마만큼의 침기가 발생하는지를 ACH50을 가지고 알 수는 없다. 자연상태의 침기량을 ACH 혹은 ACHn로 표현을 하며, 아래 첨자 n은 자연상태인 natural을 의미한다. 이 값은 건물 에너지 시뮬레이션 프로그램에서 침기에 의한 부하를 계산할 때 사용되는 값이다. ACHn 값을 구하는 가장 많이 쓰이는 방법은 LBL (Lawrence Berkeley National Laboratory)에서 개발한 교정상수 N을 이용한 방법이다. 건물의 높이, 바람 차폐(wind shielding), 그리고 누기보정(leakiness correction)에 따른 교정 상수 N을 계산하여, 식 (1)과 같이 이 값을 ACH50을 교정상수 N으로 나누어 ACHn을 구한다(Sherman et al., 1986).
이 방식은 모든 경우에 대해 대응할 수 있는 방식이 아닌 경험식에 의한 방법이기에 LBL에서도 일반적인 경우 보수적으로 교정상수 20을 쓰도록 권고하고 있다. 국내에서도 일반적으로 N을 20으로 두고 ACH50 측정값을 ACHn로 변환하여 쓰고 있으나, 국내의 기존연구에 따르면 N 값을 20으로 두고 쓰는 건 우리나라 실정에 적합하지 않을 수 있다는 것을 보여주고 있으며, 국내 실정에 맞는 적절한 보정이 필요하다고 언급하고 있다(강기남 외, 2015).
본 연구에서는 LBL에서 제시한 방법 대신, 블로워도어테스트를 이용해 얻은 데이터와 건물 시뮬레이션 프로그램을 이용하여 건물의 침기량(ACHn)을 산정하는 방법론에 대해서 논하고자 한다. 침기량은 틈새의 크기, 종류 그리고 건물 내외 압력차에 의해 결정된다. 다음 식과 같이 표현이 된다(Klems, 1983).
여기서, Q는 침기량(m3/hr), C는 유체 계수(flow coefficient), n은 압력지수(pressure exponent), 그리고 는 실내외 압력차(Pa)를 의미한다. 건물의 각 세대 별 침기가 발생하는 루트를 특정하여, 각 루트당 침기성능을 찾아내어 그 값을 이용하여 건물의 자연상태의 침기량, 즉 ACHn을 찾을 수 있다.
침기가 발생하는 침기루트를 특정 짓기 위해 내외 온도차 5도 이내, 실외 풍속이 1 m/s인 조건에서 1주간의 예비 실험을 실시하였고, 이를 통해 특정 된 침기루트에 대한 식 (2)의 압력지수 n과 유체계수 C를 블로워도어 테스트에 의해 얻어진 데이터 분석을 통해 계산하였다(문정현 외, 2020). 이 결과를 이용해 EnergyPlus의 기밀분석 옵션인 Airflow network를 이용하여 연간 평균침기량(ACHn)을 구하였다. 이렇게 도출된 침기량과 기존의 방식에 의해 계산된 침기량이 어떤 차이점이 있는지를 비교하여, 기존 방법과의 차이를 보이고자 한다.
선행 연구 결과(문정현 외, 2020)
침기량을 파악하기 위한 블로워 도어 테스트는 세종에 위치한 3층 실증실험용 아파트의 2층에 위치한 두세대에서 실시되었다. 테스트는 2019년 6월 3일부터 6월 14일까지 2주에 걸쳐 실시되었다. 아파트는 서쪽으로 50도 회전한 남서향을 보고 있으며, 각 층마다 2개의 세대를 가지고 있다. 측정이 실시된 세대는 C동 2층에 위치한 C-201호와 C-202호로서, C-201호는 북측과, 동측, 그리고 남측이 외부에 면해 있으며, C-201호는 북측과 서측, 그리고 남측의 3면에 접해 있다. C-210호와 C-202호는 동일한 좌우 반전의 동일한 평면 형태를 가지고 있다. 테스트를 시행한 아파트의 평면은 Figure 1과 같다. 두 세대 사이의 공간은 공용공간으로 계단실과 엘리베이터 실로 이용되고 있다. 블로워도어테스트 기기는 현관문에 설치를 하였으며, 이 때 공용공간의 모든 창문과 외부 현관문을 개방하여 공용공간과 실내의 압력차가 없도록 조치하였다.
일련의 블로워도어 테스트를 통해 두 세대의 침기루트를 특정하고, 각 침기루트별 압력지수 n과 유체계수 C를 찾았다. 블로워도어 테스트를 통해 찾아낸 두 세대 내에서의 침기는 남측창을 통한 침기(infiltration through south windows), 주방과 주방과 연결된 파이프덕트를 통한 침기(infiltration through kitchen and PD), 콘센트와 조명기기 주위의 틈새를 통한 침기(infiltration through sockets and lighting fixtures), 측면창을 통한 침기(infiltration through side windows), 북측창을 통한 침기(infiltration through north windows) 그리고 침기루트를 특정하기 어려운 침기(infiltration through unknown routes), 이렇게 7가지 루트를 통한 것으로 밝혀졌다.
기존 연구에서는 블로워도어 테스트를 통해 얻은 데이터를 이용해 Monte carlo 방식과회귀식을 이용하여 유체계수와 압력지수를 찾는 방식을 사용하기도 하였다(Hult et al., 2012; 2013). 이번 연구에서는 회귀식을 이용하여 전수조사를 실행하는 방식을 통해 유체계수와 압력지수의 값을 찾았다.
아래 Table 1은 EnergyPlus에 입력데이터로 쓰인 C-201과 C-202의 각 침기루트별 유체계수를 보여주고 있으며, 단위는 kg/s이다. 블로워도어 테스트와 분석을 통해 산출된 C값의 단위는 m3/hr이고 이를 표준 해수면 대기밀도인 1.115 kg/m3을 이용하여 EnergyPlus 입력데이터 단위인 kg/s로 변환하였다. 압력지수 n의 값은 각 세대내의 모든 침기루트에서 동일하다고 가정하였으며, C-201호의 경우는 0.65이, C-202호의 경우는 0.67이 사용되었다(문정현 외, 2020).
Table 1.
Infiltration coefficient calculation result from blower door test (kg/s)
침기량 분석
분석 방법
선행연구를 통해 침기루트 별 유체계수와 압력지수를 구한 후 그 값을 가지고 각 침기루트 별 침기량을 계산하였다. 각 침기루트별 유체 계수(flow coefficient) C 와 압력지수(pressure exponent) n이 주어지면 기류해석 프로그램인 CONTAM 혹은 건물에너지 시뮬레이션인 EnergyPlus 내의 Air flow network를 이용하여 자연상태에서의 시간당 평균 침기량(ACH 혹은 ACHn: natural air change per hour)를 구할 수 있다. 여기서는 EnergyPlus를 이용하여 침기량을 구하였다.
EnergyPlus를 이용하여 침기량을 구하기 위하여 측정을 통해 찾아낸 침기루트를 Figure 2와 같이 구성하여 입력데이터를 작성하였다. 침기량을 계산하기 위하여 이용한 옵션은 Airflow network로, 이는 NIST에서 개발한 Airnet에 기반을 두고 개발하여 EnergyPlus에 삽입 된 침기량 산정 모델이다. Airflow network의 입력데이터에 사용 된 외기와 연결되는 침기루트는 남측창을 통한 침기루트, 북측창을 통한 침기루트, 서측창(C-201호의 경우)을 통한 침기루트 그리고 주방과 연결된 파이프덕트를 통해 지붕으로 연결된 침기루트 4가지가 있다.
Figure 2에서 보이는 4곳의 침기루트 이외에 침기루트를 알 수 없는 침기는 콘센트와 조명기기 주위의 틈새를 통한 침기 그리고 전체 기밀 상태에서 측정한 침기루트를 특정할 수 없는 침기가 있다. 본 분석에서는 침기루트를 특정할 수 없는 침기가 남측창, 북측창, 측면창 그리고 옥상과 연결 된 덕트를 통한 침기에 분포되는 양을 변화시키면서 세대 침기량의 최대값, 최소값은 어떤 조건에서 발생하고, 어떤 값을 가지는 지를 찾아보았고 이를 통해 분석의 불확실성을 조사하였다.
불확실성 분석
측정은 세종에 위치한 건물에서 실시되었으나, EnergyPlus용 세종시 기상 데이터는 존재하지 않는다. 따라서 EnergyPlus용 기상 데이터가 존재하는 바로 옆에 위치한 대전의 기상데이터를 대신 이용하여 침기량 산정을 하였다. 그리고 이 결과는 패러미터 분석을 위한 기본 케이스로 이용되었다.
바람에 의해 발생한 실내외 압력차가 침기를 발생하는 원인 중 하나이기 때문에 기본케이스로 사용되는 대전의 바람의 성질에 대해 분석을 하였다. 기상데이터를 통해 분석한 대전의 평균 풍속은 1.7 m/s이며, 북서풍과 남동풍이 주된 바람 방향으로 나타났다. 대전의 픙향별 풍속의 비율은 Figure 3에 나타나 있다.
측정을 통해 침기가 발생한다는 것은 밝혀졌으나, 건물의 외피 어디를 통해서 침기가 발생하는지 그 침기루트를 특정하지 못하는 루트가 2가지가 있다. 건물 내 고르게 분포된 콘센트와 조명 주위의 크랙을 통한 침기루트와 세대 전체를 기밀 작업을 한 후 의해 측정 된 침기에 대한 것이 그 2가지 침기루트이다. 전체 침기량 대비 각 침기루트를 통한 침기량의 비율은 Table 1의 C값을 이용하여 간략하게 구할 수 있다. 세대 전체를 기밀 작업을 한 이후 측정 된 침기의 경우 C-201호의 경우 전체 침기량의 21%정도이며, C-202호에서는 24%에 달한다. 콘센트와 조명주위에서 발생하는 침기의 경우 C-201호의 경우 24%, C-202호의 경우 8%에 달한다. 즉, 침기루트를 특정하지 못하는 침기량의 비율은 C-201호는 35%, C-202호는 32%로 이 두가지 침기루트를 통한 침기는 시뮬레이션의 불확실성을 발생시키는 가장 커다란 요인이다. 이 두가지 침기루트에서 발생하는 침기를 어떻게 시뮬레이션에 반영하는지에 따라서 계산 결과는 변화를 한다.
침기루트를 특정할 수 없는 침기가 남측창, 북측창, 측면창 그리고 옥상과 연결 된 덕트를 통한 침기에 분포되는 양을 변화시키면서 세대 침기량의 최대값, 최소값은 어떤 조건에서 발생하고, 어떤 값을 가지는 지를 찾을 수 있다. 시뮬레이션 분석 시 콘센트와 조명에 의한 침기루트에서의 C값과 전체기밀 상태에서 측정 된 침기루트에 의한 C값의 합을 각 침기루트 에 다양한 비율로 값을 더해주는 방식을 통해 패러미터 분석을 실시하였다. 패러미터 분석에 사용 된 툴은 EnergyPlus의 패러미터 분석에 사용되는 JEPlus 프로그램이다. Figure 4는 JEPlus에 대한 패러미터 분석 시 입력데이터를 어떤식으로 변화시켰지를 보여준다. Figure 4에서 Ck값은 주방과 PD를 통한 침기에 대한 유체 계수이며, Cs는 남측창을 통한 침기, CN은 북측창을 통한 침기, 그리고 CW는 서측창(C-201호)을 통한 침기에 대한 유체계수를 나타낸다. α, β, ϒ, ϴ는 각 침기루트에 더해지는 침기루트를 특정할 수 없는 침기의 유체계수 C값을 분배한 값으로 이 값들의 합은 ε이다. JEPlus에서 이 값을 각 침기루트에 분배할 때 각 침기루트의 유체계수에 ε/n의 값만큼 증가시키면서 입력데이터를 변화시킨다.
Figure 5는 n을 5로 두고, C-201을 분석한 결과를 보여준다. 이 케이스에서 Ck는 0.00966이고, Cs는 0.00488, CN은 0.00379 그리고 Cw는 0.00150이며, 침기루트를 특정할 수 없는 침기에 대한 유체계수의 합인 ε는 0.00674가 된다. 침기루트를 특정 할 수 없는 침기들에 관한 유체계수의 합인 ε를 5로 나눈 값인 0.00135의 값만큼 변화하며 각 침기루트의 유체계수에 더해진다. Figure 5의 좌측은 계산결과의 크기에 따라 정렬한 결과를 보여주고, 우측은 박스 그래프로 패러미터 분석 케이스의 결과를 분포도를 표시했다. 박스 그래프 상의 특이점이 발생하는 경우는 ε의 값이 모두 주방 및 PD를 통한 기밀 루트에 더해 진 경우와 주방 및 PD를 통한 기밀 루트의 침기루트의 유량계수 CN에 ε의 80%가 더해 진 경우이며, 특이점이 발생할 확률 3/55으로 계산되었다. 박스그래프로 나타낸 최대값과 최소값은 0.166 ACHn과 0.148 ACHn이며, 평균값은 0.158 ACHn으로 나타났다.
침기가 어떤 루트로 들어와서 빠져나가는지를 파악하기 위해, 평균값인 0.158 ACHn이 발생하는 경우 각 침기루트를 통한 외기의 침입량과 배기량을 계산하였다. 평균값이 발생하는 경우 각 침기루트의 유체계수 C에 더해지는 침기루트를 특정하지 못하는 침기루트에 대한 유체계수의 분포는 다음과 같다. 주방 및 PD에 0.001348, 남측창에 0.001348, 서측창에 0.001348 그리고 서측창에 0.002696의 값이 나누어 더해졌다. 이 경우 각 침기루트 별 시간당 침기량의 평균값은 Figure 6과 같다. Figure 6에서 보듯이 침기는 3면의 창호를 타고 들어와서, 주방과 이어진 파이프 덕트를 타고 외부로 배출이 된다. 침기 테스트를 하는 세대 공간의 바닥 면적은 54 m2이며, 천정고는 2.4 m이기 때문에, 세대 실내 부피는 129.6 m3이다. Figure 6의 외부에서 들어오는 침기의 합 혹은 외부로 배출되는 침기의 합을 세대 실내 부피로 나누면 각 세대의 ACHn값을 찾을 수 있다. C-201과 C-202의 경우 각 침기루트를 통한 침기의 양에는 차이가 있지만, 계산에 따른 침기량의 값은 모두 동일한 0.158 ACHn의 값을 보여준다.
침기량 산정 결과 가장 작은 값을 나타내는 케이스는 불확실한 침기루트의 C값을 주방과 연결과 파이프덕트(PD)를 통한 침기에 더했을 경우이며 이 값을 Figure 5의 박스그래프에서 특이점으로 표시되어 있다. 침기루트는 3면의 창문을 통해 들어와 주방의 파이프덕트를 통해 배출되는 것으로 분석되었고, 주방과 파이프덕트의 침기루트의 C값은 이미 다른 3면의 창을 통한 침기루트에서 측정한 값의 합보다 큰 상태였다. 이에 다른 값을 더하는 것은 크게 침기량의 상승에 영향을 주지 않았다. 반면 불확실한 침기루트의 C값을 창문 중 가장 침기량이 적은 서측창(201호, 202호는 동측창)에 더했을 때 침기량이 가장 높은 값을 보였다. 2세대의 침기량을 계산 한 결과 불확실한 침기루트의 C값이 균일하게 모든 침기루트에 분포할 때 평균값을 도출되었다.
민감도 분석
침기량 산정의 불확실에 대해 파악하기 위해 민감도 분석을 실시하였다. 침기에 직접적인 영향을 주는 요소인 C값과 n값의 민감도를 조사하였고, 그 결과는 Figure 7에 나타나 있다. 기본 케이스에 사용 된 패러미터 값을 10%단위로 증가, 그리고 감소시켰을 때 침기량(ACHn)이 얼마의 비율로 증가 혹은 감소하였는지를 나타내고 있다.
n값이 증가할 때 침기량은 감소를 하며, C값이 증가할 때 침기량은 증가한다. 물리적으로 n값은 0.5에서 1사이에서만 존재하기 때문에, n값의 증가, 감소 비율은 이 범위차의 비율을 사용하였다(Sherman et al., 1986). 즉 값 10% 증가할 경우 범위값인 0.5의 10%인 0.05의 증가값이 기존 n값인 0.65에 더해져 n값은 0.709가 된다. n값이 10% 증가할 때 침기량은 2.4% 감소하고, 30% 증가할 때 6.5%증가한다. n값이 30% 감소 할 때 침기량은 8.4% 증가하였다. C값이 변할 때는 C값에 증가 혹은 감소하는 비율만큼 침기량도 유사한 비율로 증가 혹은 감소를 한다. C값이 30%증가할 때 침기량은 28% 증가하였고, 30%감소할 때 28%만큼 감소하는 것을 보여준다. 분석결과에 따르면 n값은 민감도는 C에 비해서 1/5 정도 수준으로 나타났다.
풍향의 영향을 알아보기 위하여 풍향을 변화시키는 대신에 건물의 향을 45도만큼 시계 방향으로 변화시키면서 침기량의 변화를 관찰하였다. Figure 8의 좌측이 건물의 향에 따른 침기량의 변화율을 나타낸 것이다. 가장 침기량의 변화가 크게 관찰 된 경우는 반시계 방향으로 45도 돌린 케이스이며 이 때 침기량(ACHn)의 변화량은 5.4%였다. 측정이 실시 된 건물의 침기루트가 3면의 창호를 통해 들어와, PD를 통해 지붕을 통해 외부로 배출되는 구조이기 때문에, 풍향에 따른 영향은 5% 이내로 작게 나타났다.
풍속의 영향을 알아보기 위하여, 기본 케이스로 이용된 대전이 기후 데이터를 Elements 1.0.6이라는 기후데이터 편집 프로그램을 이용하여 매시간 풍속의 크기를 0.5배, 2배, 3배, 그리고 4배 변화시키면서 풍속이 변화 할 때 침기량이 어떻게 변화하는지를 관찰하였다. Figure 8의 우측이 풍속을 변화시켰을 때 침기량의 변화율을 보여준다. 대전의 평균 풍속은 1.7 m/s이므로 이 값이 반이 되었을 때, 2배의 3.4 m/s가 되었을 때, 3배인 5.1 m/s가 되었을 때 등을 비교하였다. 풍속이 반이 되었을 때 침기량은 기본케이스의 침기량에 비해 9% 감소하였으며, 풍속이 2배 증가하였을 때 침기량은 35% 증가하였다. 풍속이 4배 증가(6.8 m/s)일 때 침기량은 140% 증가하였다.
국내 대도시의 연평균 풍속을 연구한 내용을 보면 국내에서 평균 풍속이 가장 높은 곳은 제주, 군산, 목포, 여수로 평균 풍속이 3.8~4.3 m/s이다(윤재옥, 2003). 본 연구의 기본케이스로 이용 된 대전의 경우 평균 풍속이 1.7 m/s이며, 같은 건물을 제주에 옮겨서 실험을 실시한다고 가정하면, Figure 8의 풍속에 따른 침기량의 변화로 유추하면 침기량은 1.7배 갸량 증가할 수 있다는 것을 알 수 있다.
토의(Discussion)
LBL (Lawrence Berkeley National Laboratory)에서 개발한 교정상수 N을 이용하여 구한 ACHn과 본 연구에서 구한 ACHn을 비교해 보았다. LBL에서 제시한 방법을 통해 ACHn을 구할 때는 국내에서 일반적으로 쓰는 방법인 교정계수 N=20으로 블로워도어 테스트로 얻어진 ACH50을 나누어 계산하였다. 동일한 건물을 타도시에 옮겨 짓고, 블로워도어를 시행했을 경우 ACH50값은 이론적으로 동일해야 한다. 하지만, 자연상태의 침기량인 ACHn은 그 지역의 풍속, 풍향에 따라서 다른 값을 나타낸다. 블로워도어 테스트를 통해 얻어진 50 Pa에서 측정된 C-201호의 ACH50값은 6.14이며, C-202호의 ACH50값은 8.07이다. LBL의 침기량 계산법을 보수적으로 적용할 경우, ACH50을 ACHn으로 환산하기 위해서는 20의 값으로 나눠줘야 한다. 측정 된 C-201호의 ACH50값을 20으로 나눠주면 0.31 ACHn이 되며, C-202호의 경우는 0.40 ACHn이 된다. 측정에 의한 ACH50이 EnergyPlus에 의해 계산 된 ACHn값으로 변환되기 위한 환산 계수는 C-201호의 경우는 최소값에 대해서는 36, 최대값에 대해서는 47이며 C-202호의 경우는 최소값에 대해서는 42이 되어야 하고 최대값에 대해서 89가 되어야 한다. 측정 된 호수가 적어서 환산계수를 통계적으로 특정 할 수 없지만, LBL의 침기량 계산법에서 제시한 환산계수는 측정과 시뮬레이션으로 인해 도출 된 환산계수와 큰 차이를 보인다. 이는 단층 주택을 위주로 하는 미국의 주택사정과 고층 아파트를 위주로 하는 국내 아파트의 구조적 차이로 인한 것으로 사료 된다. 국내 아파트의 경우 50 Pa에서의 블로워도어 테스트 침기량이 높게 나타난다고 할지라도, 일반적인 실내외 압력차가 4 Pa이내인 상태에서의 침기량 ACHn은 0.1~0.2 수준으로 계산이 된다. 이 값은 현대 상업건물에서의 침기수준에 준하는 것이다(Mcquiston et al., 2004).
동일한 ACH50을 갖는 건물이 지역을 옮겼을 때 어떻게 변하는지를 파악하기 위해서 C-201의 침기량을 도시에 따라 시뮬레이션을 통해서 계산하였고, 이를 LBL에서 제시한 방법과 비교하였으며 비교 결과는 Table 2에 나와있다. 분석은 대한민국에서 가장 많은 인구가 살고 있는 서울과, 본 측정 대상인 대전 그리고, 가장 높은 풍속을 가지고 있는 제주를 대상으로 하였다.
Table 2.
Variation of infiltration rate and Correction factor with locations
| Location |
Simulation (ACHn) |
LBL method (ACHn) | Difference (%) | Calculated Correction factor |
| Daejeon | 0.158 | 0.307 | 94 | 39 |
| Seoul | 0.202 | 0.307 | 92 | 30 |
| Jeju | 0.234 | 0.307 | 31 | 26 |
실제 제주의 기후데이터를 이용하여 산출한 제주에서의 C-201호의 침기량은 최소값이 0.199 ACHn, 최대값이 0.250 ACHn으로 나타났으며 평균값은 0.234 ACHn이다. 이는 대전기후데이터를 이용한 C-201호의 침기량보다 대략 1.5배 큰 값이다. ACH50값은 지역에 상관없이 동일하므로, 제주에 동일한 건물을 지었을 경우 이 건물의 환산계수는 26의 값을 가져야 함을 알 수 있다. 서울에 설치했을 경우는 침기량이 0.202로 나타났고, 이를 이용해 환산계수를 구해보면 30이 된다. 대전이 환산계수는 39로 나타났다. 풍속이 증가함에 따라 환산계수도 감소하는 것을 알 수 있다. 풍향에 따른 영향이 Figure 6에서와 같이 5%안쪽의 차이를 나타낸다고 할 때, 국내에서 가장 풍속이 큰 제주 지역에서 동일한 건물을 설치하고 침기량을 산정할 경우 ACH50에서 환산계수 20과 유의미한 차이를 보이는 것을 알 수 있다. 특히 내륙에 위치한 도시인 대전의 경우 환산계수가 39로 기존에 쓰인 값의 2배가 넘는 것을 알 수 있다.
측정 된 호의 수가 적어서 환산계수를 통계적으로 특정 할 수 없지만, LBL의 침기량 계산법에서 제시한 환산계수 N=20은 측정과 시뮬레이션으로 인해 도출 된 환산계수와 큰 차이를 보인다. 블로워도어 테스트를 통해 자연상태의 환기량 ACHn을 찾아 내기 위해서는 ACH50과 ACHn의 관계를 찾는 것이 필요하며, 이것을 찾기 위해서는 다수의 아파트에서의 실측을 통해서 국내 사정에 맞는 통계적 환산계수 n 값을 찾는게 필요하다. 정밀한 블로워도어 테스트 기기를 가지고 있고, 침기루트를 현장에서 확실하게 막을 수 있다면, 각 침기루트별 유체계수 C는 내외 압력차를 1 Pa로 고정하고 한번의 측정에 의해서 바로 찾을 수 있다. 압력지수 n은 0.66으로 모든 건물이 동일하다고 가정을 한다고 해도 국내와 같이 가장 풍속이 높은 도시의 연간 평균 풍속이 4 m/s 이하인 경우라면 침기량 산정 시 오차범위 5% 내를 만족시키는 결과를 얻을 수 있다(문정현 외, 2020). 한 아파트 단지에서 예비 테스트를 통해서 주 통기루트를 찾아낸 후, 본실험에서 각 통기루트에 대한 빠른 기밀 작업을 할 수 있다면, 측정에는 많은 시간이 필요하지 않다. 아파트 한 세대 측정은 침기루트 하나당 한번의 측정으로 필요한 모든 값을 찾을 수 있다. 문제는 침기루트별 실험을 위한 완전기밀을 하는 기밀막 혹은 기밀장치를 마련하는 것이라 할 수 있다. 이와 같은 방식을 이용하여 각 지역의 국내 아파트 단지를 측정하여 통계화 하면, 한국 실정에 맞는 환산계수를 찾는 것이 가능하리라 본다.
결 론
준공 된지 1년 미만의 아파트 2개 세대를 빌려 블로워 도어 테스트를 통해 침기를 측정하는 실험을 실시하였다. 예비실험을 통해 두 세대의 침기 데이터가 다르다는 것을 발견을 하였고, 두 세대의 차이가 발생하는 이유를 찾기 위해 예비 실험을 통해 침기 루트를 특정하고, 본 실험을 통해 각 침기 루트를 통한 침기 성능을 찾기 위한 데이터를 얻었다.
실험데이터를 이용한 분석을 통해 침기루트 별 유체 계수 C와 압력 지수 n을 찾은 후 EnergyPlus를 이용하여 자연 상태에서의 시간당 침기량(ACHn)을 계산하였다. 이를 통해 C-201호는 이론상 0.158 ACHn의 침기량을 가지며 C-202호도 동일한 침기량을 가진다는 결론을 얻었다.
측정데이터와 시뮬레이션을 통해 해당 아파트를 타 도시에 지었을 경우 침기량을 산정하였다. 이는 ACH50의 경우 고도가 달라지지 않는 이상 지역에 따라 동일하게 측정 된다는 가정하에 분석이 시행되었다. 국내에서 풍속이 가장 높은 제주와, 인구가 가장 많은 서울을 대상으로 계산을 하였으며, 이를 LBL 에서 제시한 환산계수를 이용하는 방법을 통해 분석한 결과와 비교하였다. LBL에서 제시한 교정계수를 보수적으로 사용했을 경우 N=20을 쓰지만, 본 연구에서 계산 된 결과에 의하면 제주가 N=26 그리고 대전은 N=39로 큰 차이가 있는 것으로 나타났다. 따라서 기존의 교정 상수를 대체할 교정 상수를 개발하는 것이 필요하리라 본다. 본 연구에서는 블로워도어 테스트를 이용하여, 아파트의 ACHn을 추정하는 방법을 제안하였다. 다수의 아파트에서 본 연구에서와 같은 침기분석을 실시하여 통계적으로 유의미한 데이터를 얻으면, 이를 통해 한국 아파트의 지역 사정에 맞는 교정 상수 N 값을 찾을 수 있을 것으로 기대된다.
