제 3 장 실측 자료를 이용한 온수 사용 패턴의 도출
2장의 선행 연구의 예와 같이, 보조열원의 에너지 효율적인 운영 방안은 온 수를 사용하기 직전에 필요한 양 만큼만 생산하여 공급하는 것이다.23) 즉, 보 조열원의 효율적인 운영 방안을 위해서는 각 시간별 온수 사용량을 예측할 수 있어야 한다. 이때 시간에 따라 변화하는 자료를 시계열 자료라고 하고 시계 열 자료의 변화 양상에 대한 분석을 통해 다음 시각의 자료값을 예측을 하는 방법은 크게 결정적 모형과 확률적 모형이 있다.24)
결정적 모형의 경우는 주로 물리 법칙을 이용하여 입력 변수들의 물리적인 영향 관계를 파악하여 값을 예측한다. 일반적으로 건물의 냉방과 난방 부 하 의 계산에 이용되는 외기온, 일사량, 건물 자재의 열관류율, 내부 발열 등의 다양한 변수 사이에는 물리 법칙이 존재한다. 따라서 변수들 간의 물리 법칙 을 이용하여 시간에 따른 건물의 냉,난방 부하값을 예측하는 데는 결정 모형 이 주로 이용된다. 하지만 시간에 따른 온수 사용량의 변화는 주로 사용자의 스케줄, 습관에 의존하며 같은 사용자더라도 일정한 법칙을 발견할 수 없다는 특징이 있다. 또한 건물에 따라 다양한 사용 패턴, 기구의 종류, 시수 온도, 온 수 사용량과 유량, 온수 사용 시기의 차이 등이 모두 고려되어야 하는 복잡한 과정이다. 따라서 기존의 온수 사용량 변화에 관한 연구는 확률적 모형을 이 용하여 광범위한 사용량 데이터를 바탕으로 정규화 된 사용량 패턴을 도출하 는 방향으로 연구되고 있다.25)
이 외에도 예측 방법론에는 ANN(인공 신경망)이나 유전자 알고리즘 등의 방식이 이용되고 있다. 이들 방식은 높은 정확도를 나타내지만, 이를 위해서
23) T. Prud’homme, D. Gillet. op. cit.
24) 조신섭, 손영숙, SAS/ETS를 이용한 시계열 분석, 율곡출판사, 2009, p.326
25) R. Hendron, J. Burch, Development of standardized domestic hot water event schedules for residential buildings. NREL conference paper. 2008
는 방대한 양의 데이터 베이스가 필요하며 예측에 사용되는 적절한 파라미터 를 도출하는 과정에서 시간이 오래 걸리는 특징이 있다.26)
본 연구의 경우, 온수 사용량의 예측값이 시스템의 운영에 실시간으로 사용 되어야 하기 때문에 온수 공급의 안전성을 확보하는 범위 내에서 예측값 계산 속도가 중요하다. 또한 기존의 온수 사용량의 정규화 된 패턴을 작성하기 위 한 연구와 달리 본 연구의 경우, 예측 대상이 되는 개별 건물 하나에 대한 온 수 사용량을 예측하기 때문에 다양한 온수 사용 패턴, 기구의 종류, 시수 온 도, 온수 사용량과 유량, 온수 사용 시기의 차이 등의 확률 분포를 포함할 필 요가 없는 특징이 있다. 따라서 기존의 확률적 모형에 따른 패턴의 도출과정 을 따르되 다양한 종류의 기구나 유량의 확률분포 전부를 고려하지 않고 해당 건물의 실제 온수 사용량 데이터만을 활용하여 간략하고 빠르게 해당 건물의 일일 온수 사용량 패턴을 도출하는 방안을 제시하도록 한다. 한 편, 기존의 어 떤 예측 방법론을 이용하더라도 예측값은 실제값과 모든 시각 정확하게 일치 할 수 없다는 점을 고려하여 실제 급탕 시스템에 적용하기 위해서는 온수 공 급의 안전성을 위한 대비 방안도 필요하다.
따라서 본 장에서는 일일 사용량 패턴을 도출하여 온수의 최대 사용량이 발 생하는 시간대와, 각 시간별 사용량의 경향성을 파악하고 4장에서 실제 급탕 시스템의 운영 시에 확보되어야 하는 온수 공급의 안전성을 고려하여 패턴을 통한 예측값을 수정하는 방안을 제시한다. 수정된 최종 예측값을 이용하여 보 조열원을 운영하는 방안을 제시하도록 한다.
26) Zhao H and Magoules F. “A review on the prediction of building energy consumption".
Renewable and Sustainable Energy Reviews, Vol. 16, 2012, pp. 3586-3592