서 론

건물 사용자의 행태가 건물에서 실제 소비되는 에너지소비량과 시뮬레이션에 의해 예측된 에너지소비량 사이에 차이를 유발하는 주요 요소임은 많은 연구자들에 의해 밝혀졌다. 또한 건물부문의 에너지절감을 위한 지속적인 기술 개발과 설계기준 강화 등에 의해 행태의 영향력은 상대적으로 증가하고 있다.

건물 에너지에 영향을 미치는 사용자의 행태로는 창 개폐, 냉난방기기의 온오프, 냉난방 설정온도 조절, 그리고 조명 및 블라인드 조절 등이 있으며, 착의량 변화, 시원하거나 따뜻한 음료의 섭취 역시 간접적으로 영향을 미치게 된다. 건물 사용자의 행태의 발생에 대한 자유도는 업무용 건물에 비해 주거용 건물이 높기 때문에 주거용 건물에서의 행태의 범위가 상대적으로 넓고, 행태의 종류와 유발요인들도 더 다양하다. 즉 물리적으로 동일한 성능을 갖는 건물일지라도 거주자의 행태에 의해 에너지소비량이 달라지기 때문에 불확실성 또한 높다고 할 수 있다. 반면 이러한 주거용 건물의 불확실성은 건물의 에너지를 절감하는데 있어 장점으로 작용될 수 있다. 예를 들어 별도의 비용투자 없이 거주자의 에너지 사용에 대한 인식의 증진이나, 행태의 변화를 통해 에너지 절감 목표를 달성할 수 있는 것이다. Owens (1988)의 연구에 따르면 거주자 행태에 따라서 노르딕 국가의 주거용 건물의 10~20% 에너지 절감이 가능하다고 조사되었다. 또한 Yohanis (2012)는 거주자의 에너지 행태를 조사한 결과, 상당한 에너지 절감이 거주자의 에너지 인식의 증진으로 달성되었다. 이와 같이 주거용 건물에서 거주자의 행태는 에너지 사용량과 매우 밀접한 상관을 가지고 있다. Guerra Santin (2009)은 네덜란드의 난방과 급탕사용이 거주자의 특성과 에너지 사용에 대한 거주자의 행태가 매우 중요하다고 언급하였다. 그러나 주거용 건물 거주자의 행태를 연구한 연구들 중 창 개폐행태나 난방기기 사용 행태에 대한 연구는 상당수 이루어진 반면 냉방과 관련된 거주자 행태 연구는 일부 아시아 국가에서만 일부 진행된 상태이다.

본 연구는 국내 주거용 건물 거주자의 에어컨 사용 행태에 관한 사례연구로써 현장 모니터링을 통해 실내 환경 및 에어컨 사용 행태 데이터가 수집되었다. 그리고 수집된 데이터를 활용하여 에어컨 사용에 대한 거주자 행태와 에어컨의 온오프 행태 발생 확률에 대한 분석을 실시하였다. 본 연구의 결과는 향후 에어컨 사용 행태 예측 모델 개발 시 기반 자료로써 활용 될 수 있을 것이다.

주거용 건물 거주자의 에어컨 사용 행태

Yun (2011)은 주거용 냉방에너지 요구량에 대한 사회 경제적인, 행태적인 그리고 물리적 요소들의 영향력을 분석하였다. 미국 DOE에서 수집한 주거부문의 에너지 소비량 조사(RECS)를 활용하여 경로분석(path analysis)를 실시하였으며, 이를 통해 각 요소들 간 그리고 요소와 냉방에너지소비량간의 직간접적인 관계를 분석하였다. 연구결과 해당지역의 냉방도일, 소득수준, 거주자 나이, 거주자 수, 건물 형태(주택, 아파트 등), 바닥면적, 냉방타입(중앙, 개별), 방의 수 그리고 에어컨의 사용 빈도수가 냉방에너지에 영향을 미치는 것으로 분석되었다. 특히 상관성을 갖는 요인들 중 에어컨 사용 빈도의 영향력이 가장 높은 것으로 분석되었다.

최근 주거용 건물의 에어컨 사용 행태에 관한 연구들은 여름철에 더운 기후대를 갖는 지역들을 중심으로 연구결과가 발표되고 있으며, 주로 물리적 요인들을 중심으로 행태 분석이 실시되었다.

Ren (2014)은 중국의 8개 지역의 주거용 건물로부터 수집된 데이터를 활용하여 에어컨 사용 행태모델을 제시하였다. 이 논문에서는 에어컨 사용요인을 거주자 온열감을 기반으로 한 환경적 요인과 재실 상태 변화나 수면 시작과 같은 이벤트 요인으로 구분하였으며, 구분된 요인 간의 조합으로 총 6가지 에어컨 온오프 타입을 제안하였다. 그리고 각 온오프 타입에 대해 마르코프(Markov) 전이행렬을 기본 개념으로 하여 실내온도를 변수로 갖는 와이블 분포의 에어컨의 온오프 확률 모델을 도출하였다. 우리나라와 기후대가 유사한 지역인 난창(Nanchang, Hot in summer and cold in winter)의 에어컨 가동 모델의 경우 실내온도 31~34℃ 범위에서 가동 확률이 급격히 증가하는 것으로 제시되었다.

최근 연구로써 Feng (2016)은 대규모 설문조사를 통해 거주자들이 언제 에어컨을 온오프 하는지 조사하였으며, 클러스터링 기법을 통해 대표적인 5개의 모드를 도출하였다. 이 때 온열감에 의한 온오프 모델은 Ren (2014)의 연구에서 제시된 모델이 활용되었다. Xin Zhou (2016) 또한 해당 모델을 활용하여 거주자의 냉방기 사용 모드가 지역 냉방시스템의 에너지성능에 미치는 영향력에 대해 분석을 하였다. 두 연구 모두 중국에서 수행된 연구결과이다.

가장 최근 연구로써 Zheikh Ahmad Zaki (2017)은 현장측정을 통해 수집된 에어컨 사용 행태 정보를 통계적으로 분석하여 에어컨 운영 스케줄을 제시하였다. 이 과정에서 에어컨의 사용시간, 시작과 종료 시점, 그리고 일일 에어컨 사용 빈도에 대한 확률밀도 분포를 도출하였다. 그리고 개발된 에어컨의 운영 스케줄에 대한 측정 데이터를 활용하여 검증을 진행하였다. 분석된 결과에 따르면 말레이시아의 경우 낮보다는 저녁에 에어컨 사용 빈도가 급격히 증가하였으며, 실내온도는 약 22~31℃로 분석되었다. 실내 온열 쾌적 범위를 벗어나는 경우 대해서는 건물의 낮은 단열성능과 거주자가 전기세를 줄이는 방향을 운영을 하였기 때문으로 분석하였다.

기존 연구들에서 제시된 에어컨 사용 행태모델을 국내 주거용 건물에 적용하는 것에는 몇 가지 한계가 존재한다. 먼저 에어컨이 설치된 공간의 경우 국가 간의 차이가 존재한다. 우리나라의 경우 에어컨이 가장 우선적으로 설치되는 곳은 거실인 반면, 중국의 경우 거실보다 침실에 설치된 비율이 더 높다(JianHong Wu, 2017). 또한 실별 에어컨 사용이 명확한 다른 국가들과 달리 우리나라는 거실의 에어컨이 다른 공간의 냉방에까지 함께 사용되는 경우가 일반적이다. 뿐만 아니라 국가별로 건물의 에너지성능이 상이하며, 실내 생활과 관련된 문화적 차이가 있기 때문에 국내 실정이 반영된 연구가 필요한 것으로 판단되었다.

두 번째는 에어컨 기능의 차이이다. 국내 에어컨의 경우 냉방기능을 기반으로 한 다양한 기능을 제공하고 있다: 공기청정, 제습, 꺼짐 예약모드 등. 이와 같은 기능의 다양성이 거주자의 에어컨 사용 행태에 영향을 미칠 수 있다고 판단되었다.

위와 같은 이유로 본 연구에서는 국내 주거용 건물을 대상으로 에어컨 사용과 관련된 데이터를 수집하고 에어컨 사용에 대한 행태 분석을 실시하였다.

거주자 행태정보 수집

대상세대 선정

건물의 에너지사용량에 영향을 미치는 거주자의 행태 발생 요인은 5가지 카테고리로 구분될 수 있다: 물리적 환경, 문맥적, 심리적, 생리적, 그리고 사회적(Fabi, 2011). 각 카테고리에 속한 영향요인들이 다양하기 때문에 본 연구에서는 문맥적, 생리적 그리고 사회적 요인들의 영향력이 최소화 가능하도록 대상세대가 선정되었다. 이를 통해 에어컨 행태를 해석하는데 있어 물리적 환경(실내외 온열환경)과 심리적(설정온도) 요인만을 집중적으로 고려되었다.

먼저 유사한 외기조건을 갖도록 서울의 동일한 지역구 내의 건물들을 대상으로 하였다. 대상건물은 30평형대 아파트로 거실에 슬라이드 타입의 큰 창을 갖는 평면 형태를 가지고 있다. 소득수준은 모두 중산층이며, 부부와 한자녀의 가족구성을 갖는 세대들로 선정되었다. 또한 유효한 데이터의 확보를 위해 낮 시간대에 재실율이 높은 세대들로 선정되었다. 이 밖에 기존 연구들에서 언급되지 않은 요인으로 에어컨의 제조년도를 5년 이내로 제한하였다. 에어컨의 제조년도는 간접적으로 냉방효율과 부가기능 등을 고려하기 위해 반영되었다. 특히 냉방효율의 경우 직접적으로 전력 사용요금에 영향을 미치고, 이는 결과적으로 거주자의 행태에 영향을 미치기 때문에 반드시 고려되어야 한다.

본 연구에 앞서 실시된 설문조사 결과, 147명의 응답자 중 세대내 2대의 에어컨이 설치된 경우가 가장 많았으며, 89.4%가 거실에 에어컨이 설치되어 있는 것으로 조사되었다. 이를 근거로 본 연구의 공간적 연구범위는 거실로 한정하였다. 또한 여름철에 냉방뿐만 아니라 제습의 목적으로 에어컨을 가동하는 경우가 46.9%로 조사되어 기존 연구들에서 행태 유발요인으로 고려된 실내온도 이외에 실내 습도도 함께 고려되었다.

Table 1은 초기 모집된 17개 세대 중 최종적으로 선정되어 모니터링을 실시한 대상세대의 개요이다. 2017년 7월 말에서 9월 초까지 수집된 데이터들 중 일부가 활용되었다.

Table 1. House overview and measurement period

모니터링 방법

거주자의 에어컨 사용 행태분석을 위해 각 세대의 실내온도, 실내습도, 재실 여부 그리고 에어컨 리모컨의 적외선 신호가 수집되었다.

 실내 온습도 및 재실 센서는 HOBO사의 로거가 사용되었으며 1분 간격으로 데이터가 수집되었다. 각 센서는 거실 내에서 거주자의 주요 생활 위치(소파 위)를 기준으로 설치되었다. 재실 센서의 경우 PIR 센서의 한계 및 거주자의 생활패턴을 고려하여 부재 시간이 30분 이내인 경우는 거실에 재실 중인 것으로 기준하여 최종 재실 여부를 결정하였다.

에어컨 리모컨의 적외선 신호는 아두이노로 제작된 센서가 사용되었다. 리모컨 신호의 경우 짧은 시간에 신호가 여러 번 전달될 수 있기 때문에, 정해진 시간 간격이 아닌 신호가 수신된 순간의 시간과 신호를 함께 수집하도록 코딩되었다.

기존 연구들에서 에어컨의 전력사용량을 기반으로 온오프 데이터를 수집한 것과 달리 리모컨의 적외선 신호의 수집을 통해 사용자의 다양한 기기 조작정보 파악이 가능하다. 본 연구에서는 수집된 데이터들 중 온오프, 설정온도, 그리고 풍량 데이터가 활용되었다. 일차적으로 수집된 리모컨의 적외선 신호를 활용하기 위해서는 전처리 과정이 수반된다. 먼저 TV, 공기청정기 등 다른 가전기기의 적외선 신호가 제거 되었다. 그리고 각 에어컨별 고유의 적외선 신호에 대한 해석을 진행하였다. 이 과정에서 인지하지 못한 신호의 제거 및 보상을 실시하였다. 마지막으로 주요 수집 데이터인 온오프, 설정온도, 그리고 풍량 데이터에 영향을 미치는 부가적인 기능의 반영이 진행되었다. 예를 들어, 제습모드 작동 시 설정온도가 달라지거나, 꺼짐 예약이 에어컨의 오프 시간에 영향을 미치는 경우에는 추가적으로 반영되었다. 그리고 리모컨의 연속 조작(5초 이하로 가정)의 경우, 마지막 조작 이전의 조작은 분석 시 제외시켰다. Table 2는 수집된 에어컨 리모컨의 적외선 신호 분석 과정의 예시이다.

Figure 1은 각 모니터링 기기를 통해 수집된 데이터의 활용 프로세스를 나타낸 것이다. 최종적으로 에어컨 사용 행태 분석에 활용된 데이터는 재실 센서와 거실 창 개폐 상태를 반영하여 전처리된 에어컨 리모컨 신호와 실내 온습도 데이터이다.

Table 2. Deriving occupant’s behavior data through infrared signal analysis of AC remote control

Figure 1. Process of using monitoring data

수집데이터의 산술적 분석 결과

에어컨의 사용 행태는 세대별로 상이할 수 있기 때문에 수집된 데이터 분석은 세대별로 진행되었다. 먼저 Figure 2는 세대별 측정기간 동안의 외기온도 데이터와 수집된 실내온도 데이터를 정리한 것이다. 그림에서 보여지듯이 4번 세대의 경우 8월 중반 이후에 데이터가 수집되어 외기가 상대적으로 낮은 것을 볼 수 있다. 그러나 재실시간 동안의 실내 온도의 경우 4개 세대가 큰 차이를 보이지는 않았다. 재실 시간 동안의 세대별 평균 온습도를 정리한 Table 3에 따르면 13번 세대가 평균온도 28℃로 가장 높았으며, 17번 세대가 27.1℃로 가장 낮았다. 실내 온도 범위는 23℃에서 32℃ 범위 내에서 에어컨이 운영 된 것을 알 수 있다. 그리고 14번 세대의 경우 실내 온도범위가 좁은 것으로 분석되어 거주자가 상대적으로 일정한 실내 환경을 유지하는 경향인 것을 알 수 있다.

Figure 2. Distribution of indoor and outdoor temperature and humidity by households

Table 3. Information on AC usage during occupancy

세대별 모니터링 기간이 다르기 때문에 상대적 비교를 위하여 에어컨이 가동 중인 시간을 거실에 재실하고 있는 시간에 대하여 작성되었다. 그 결과 13번과 14번 세대는 재실시간의 평균 37.9%동안 에어컨이 사용된데 비해 3번과 17번 세대는 64.5%로 1.7배 높은 것으로 분석되었다. 또한 설정온도를 살펴보면, 13번과 14번 세대의 평균 설정온도가 27.6℃로 다른 세대에 비해 높은 것을 알 수 있다. 거주자의 에어컨 조작 횟수의 경우 에너지 절약 세대(13번과 14번)의 경우 설정온도 조작 횟수가 월등히 많은 것으로 분석되었다.

2017년도에 K.Sun은 거주자의 성향에 따라 행태가 건물에너지절감 효과에 미치는 영향을 분석하였다. 이 연구에서 제시된 거주자 성향별 냉방설정온도는 26℃ (Austerity), 24℃ (Normal), 22℃ (Wasteful)였으며, 본 연구의 대상 세대로부터 측정된 결과와 비교하였을 때 전반적으로 2~3℃ 높았다. 이와 같은 차이를 고려한다면 13번과 14번 세대는 절약형 세대에 해당되며, 나머지 세대는 보통 세대에 해당되는 것으로 구분 가능할 것이다.

세대분석을 실시한 결과 재실시간동안 에어컨 사용시간 과 설정온도 조작 횟수를 기반으로 대상세대의 냉방에너지 소비성향의 정의가 가능한 것으로 분석되었다. 추가적인 데이터 수집과 에어컨의 실제 전력소비량과의 비교실시 한다면 대상세대의 성향구분 기준을 마련할 수 있을 것으로 기대된다.

데이터 수집 결과

에어컨 온오프 행태의 구분

2016년 Xiaohang Feng은 대규모 설문조사를 통해 수집된 데이터를 클러스터링 기법을 적용하여 5가지 온오프 모드의 조합을 제시하였다. 그 결과 에어컨 가동의 경우 더위를 느꼈을 때 그리고 에어컨 중지의 경우는 추위를 느꼈을 때가 가장 행태의 유발요인으로 조사되었으며, 그 다음으로는 더위를 느꼈을 때 가동하고 실을 떠날 때 중지한다는 조합의 응답이 높았다. 즉 에어컨 온오프 행태는 사용자의 온열감 뿐만 아니라 재실 상태의 변화에 의해서도 결정된다.

이를 반영하여 본 연구에서 수집된 재실 데이터와 에어컨의 온오프 발생 시점을 비교하여 에어컨 사용 행태를 Figure 3의 예시와 같이 3가지 카테고리로 구분하였다. 재실센서로 부터 수집된 데이터가 1에서 1인 경우는 재실, 1에서 0으로 변화된 경우는 실을 떠나는 경우, 0에서 1로 변화된 경우는 실에 들어온 경우로 구분하였다. 카테고리화 과정에서 재실 상태 변화가 에어컨의 가동에 영향을 미치는 기준시간은 30분으로 가정하였다. 즉, 에어컨의 오프시점이 재실 상태가 변화하기 30분전 이내에 발생한 경우, 해당 에어컨 조작 행태는 재실 상태 변화에 의한 것으로 분류되었으며, 30분 보다 이전에 발생한 경우에는 재실 상태 중에 거주자의 판단에 의해 행태가 발생 한 것으로 간주되었다.

Figure 3. Segmentation of AC on/off behavior according to actual occupancy schedule (part of measurement data of house17)

에어컨 사용 행태 분석 기준

앞서 카테고리화 된 에어컨 온오프 데이터 중 재실 상태가 유지되는 경우의 데이터들을 활용하여 에어컨 사용 행태가 분석되었다. 기존 연구들의 경우 실내온도에 따른 에어컨 가동 확률을 분석하였으나(Xiaoxin, 20014), 본 연구의 사전설문조사에서 거주자들의 에어컨 가동 목적이 냉방뿐만 아니라 제습도 있는 것으로 조사되어 본 연구에서는 온도와 습도를 모두 고려한 행태 분석을 실시하였다.

온도와 습도를 모두 고려한 요인으로는 불쾌지수(Discomfort Index, DI)가 있다. 본 연구에서는 여름철 우기를 갖는 아시아 지역에 적합한 Kawamura의 불쾌지수 산출식(식 (2))이 활용되었다(Park, 1991; Kawamura, 1965). Kawamura는 Thom의 공식(Thom, 1959)을 기반으로 하였으나 습구온도 대신 노점온도(Tdp)를 적용하도록 제안되었다. 노점온도는 식 (1)(Mark, 2005)을 활용하여 실내온도(T)와 상대습도(RH)로부터 산출된 값이 적용되었다.

산출된 DI 값은 식 (3)과 (4)에 반영되어 에어컨 사용 행태 분석 시 활용되었다. 식 (3)과 식(4)는 앞서 구분된 거주자가 재실 상태에서 재실 상태가 1→1인 경우를 기본전제로 하며, 특정 DI에서 에어컨이 꺼져있는 시간(toff)대비 에어컨이 켜지는(0→1) 행태의 발생 횟수(Noff-on) 비율을 의미한다. Δτ는 시간간격을 의미하며 Ren (2014)의 연구결과에 따르면 60이 데이터 분석을 위해서 가장 적합한 것으로 제시되었다. 식 (4)는 반대로 에어컨을 중지하는 행태의 발생확률을 의미한다.

불쾌지수와 에어컨 사용 행태의 관계

Figure 4와 5는 에어컨 가동 행태 발생 확률을, Figure 6과 7은 에어컨 중지 행태 발생 확률을 각 DI에 따라 나타낸 것이다.

Figure 4. The probability of AC ON behavior by DI

Figure 5. Classification of probability of AC ON behavior according to occupant’s tendency

먼저 DI에 따른 에어컨 가동 확률을 살펴보면, DI가 79일 때 가동 확률이 가장 높은 것을 알 수 있다. Park (1991) 의 연구에 따르면 DI가 75에서 80일 때 사람들은 불쾌적함을 느끼고 80 이상이면 모든 사람들이 더위를 견딜 수 없다고 하였다. 불쾌적성이 증가함에도 불구하고 DI 75와 76일 때 에어컨 가동 행태의 발생 확률이 감소하는 것으로 분석되었다. 이와 같은 현상은 설정온도에 의해 발생한 것으로 사료된다. DI 75와 76은 해당 DI에서의 실내온도와 설정온도 값이 유사한 구간으로 에어컨이 가동 중지된 직후의 실내 온열환경이 에어컨 가동에 대한 확률 산출 식의 분모에 반영되기 때문이다.

Figure 5는 본 연구에서 분석된 세대별 성향을 기준으로 두 그룹을 나누어 에어컨 가동 행태 발생 확률을 세분화 한 결과이다. 상대적으로 에어컨 사용에 소극적인 13번과 14번 세대(Figure 5의 (a))의 경우 에어컨이 가동되는 DI의 범위가 74~80인데 비해 3번과 17번 세대(Figure 5의 (b))는 73~79로 분석되었다. 또한 각 DI에서의 행태 발생 확률 역시 약 2배 정도 높은 것으로 분석되었다. 이와 같은 분석을 통해 세대의 성향에 따른 에어컨의 가동 시작 범위와 행태 발생 확률의 정량적 비교가 가능하였다.

Figure 6. The probability of AC OFF behavior by DI

Figure 7. Classification of probability of AC OFF behavior according to occupant’s tendency

Figure 6은 DI에 따른 에어컨 중지 행태 발생 확률을 나타낸 결과이다. 중지 행태의 경우 DI가 76일 때 발생확률이 가장 낮은 것으로 분석되었다. 이 경우에도 확률 산출 시 설정온도의 영향을 받기 때문에 75와 76에서 확률이 낮은 것으로 분석되었다. 세대별로 분석해보면 DI가 75와 76인 경우에 에어컨 사용에 소극적인 그룹의 중지 확률이 비교 그룹에 비해 높은 것을 알 수 있다. 즉 소극적 사용 그룹의 경우 거주자의 온열감이 만족되면 에어컨을 중지하는 것으로 해석될 수 있다.

결 론

본 연구에서는 공동주택 거주자의 에어컨 사용 행태를 분석하기 위해 실내 온습도, 재실 여부 그리고 에어컨 리모컨의 적외선 신호를 수집하였다. 수집된 데이터를 활용하여 거주자의 에어컨 사용시간과 에어컨 조작 정보를 분석할 수 있었다. 그 결과 거주자의 에어컨 사용 성향의 경우 재실시간동안 사용된 에어컨 사용 비율, 설정온도 그리고 설정온도 조작정보에 근거하여 분류 가능할 것으로 분석되었다. 또한 거주자의 에어컨 온오프 행태발생 확률을 분석하기 위해 수집된 재실 패턴과 에어컨 사용 패턴을 비교하여 에어컨 사용 행태를 세 가지 카테고리로 구분하였다. 구분된 카테고리 중 재실 중에 발생한 에어컨 사용 행태를 분석한 결과, 에어컨을 켜는 행태의 경우 불쾌지수에 의해 설명될 수 있으며 이 과정에서 설정온도가 확률에 영향을 미치는 것을 확인하였다. 물론 이와 같은 연구결과는 적은 세대 수를 기반으로 연구결과가 도출되었기 때문에 연구결과를 일반화하기에는 어려움이 있다. 이와 같은 한계를 극복하기 위해서는 지속적인 데이터 보완 및 연구가 이루어져야 할 것이다.

향후, 본 연구결과를 기반으로 거주자의 에어컨 사용 성향에 따른 기준 정보를 제시하고자 한다. 또한, 에어컨 사용 행태를 설명할 수 있는 요인을 제시하고 이를 기반으로 에어컨 사용 행태 예측 모델을 개발하고자 한다.