- AI를 활용해 준공연도와 난방면적 만으로 주거 건물의 에너지 성능 예측 가능

- 성능 예측 시간이 약 2시간(1가구) → 약 27초(10,000가구)로 단축

- 현장 방문이 필요 없어, 코로나19와 같은 전염병 대유행 기간에 언택트 방법으로 활용 가능

<김종훈 책임연구원이 개발한 AI 모델의 훈련 및 검증 과정을 설명하고 있다>

□ 건물은 일상에서 가장 많은 온실가스를 배출하는 부분이자 전 세계 에너지 소비의 약 1/3을 차지한다. 즉 건물과 기후위기는 떼어내 생각하기 어려운 관계다. 건물은 하루아침에 새로 짓거나 단시간 내에 개보수하기 어려우며, 한 번 지어지면 정해진 배출 강도를 꾸준히 유지하기 때문에 타 영역보다도 빠른 전환과 성능개선이 필요하다.

■ 한국에너지기술연구원(원장 김종남) 에너지ICT융합연구단 김종훈(UST 교원) 박사 연구진이 현장 방문 없이 AI를 활용해 건물의 에너지 성능을 측정할 수 있는 모델을 개발했다. 이로써 기후위기 대응과 삶의 질 향상을 위한 기존 건축물 에너지 성능개선 사업이 탄력을 받을 전망이다.

□ 2050 탄소중립 정책기조에 따라 기존 건축물의 에너지 효율개선 연구가 활발한 가운데, 효과적인 에너지 효율개선을 위해 건물의 현 에너지 성능 수준을 파악하는 에너지 진단*과 모델링*이 요구되고 있다.

* 건물 에너지 진단(Building Energy Audit): 건물의 에너지 성능 상태를 파악하기 위해 열관류율 및 기밀도 등을 측정

* 건물 에너지 모델링(Building Energy Modeling, BEM): 건물 에너지 성능을 분석하기 위한 시뮬레이션

□ 일반적으로 건물의 현재 에너지 성능을 파악하기 위해 외벽의 열관류율*과 기밀도* 등을 현장에서 측정하고 있다. 하지만 대규모 사업일 경우 모든 대상 건물의 성능을 실측하기 어렵고 여건 또한 마땅치 않아 건물의 기본 정보를 확인하는 방법으로 성능을 평가하고 있지만, 시뮬레이션에 필요한 건물의 정보들을 확인하기 위해서 현장 방문은 필수이다.

* 열관류율: 실내외 온도차가 1°C일 때, 단위면적의 외피를 통해 단위시간당 통과하는 열량, 값이 작을수록 단열 성능이 높음을 의미함. 준공연도별/지역별/부위별 최소 열관류율 설계기준이 마련되어 있음

* 기밀도: 실내외 압력차가 50 파스칼일 때, 단위시간당 통과하는 공기량

■ 이에 연구진은 에너지 진단 프로세스를 획기적으로 단축하기 위해 AI를 활용해 건물 에너지 성능을 예측하는 모델을 개발했다. 40,000가구 데이터를 이용해 전체 입력변수로 학습된 AI모델의 성능과 준공연도별 열관류율과 난방면적을 입력변수로 하는 학습된 AI모델의 성능 차이가 NRMSE* 3% 수준이었으며, 저소득층 단독주택*모델로 검증한 결과 NRMSE 1.4%로 우수한 성능을 보였다.

* NRMSE(Normalized Root Mean Square Error): 정규 평균 제곱근 오차

** 저소득층 단독주택: 2013년 저소득층 에너지효율 개선사업 대상주택 3,061가구에 대한 현장 실사자료 기반 표준모델

□ 또한 건물마다 별도로 수행해야하는 시뮬레이션 모델링 없이, 연구진이 개발한 AI 예측 모델에 주요 변수의 입력만으로 전체 대상 가구를 동시에 평가할 수 있도록 설계했다. 실제로, 전국적으로 분포한 노후주택 50,000 가구의 데이터를 이용해 모델 훈련과 검증을 수행했고, 임의로 데이터 분할 및 검증을 100회 시도한 결과 NRMSE의 표준편차가 0.25%로 안정적인 모델의 성능을 확보했다.

■ 연구진이 개발한 예측 모델로 10,000가구의 에너지 성능을 예측하는데 걸린 시간은 약 27초다. 기존 1가구의 현장 방문을 통한 측정시간이 1~2시간인 것과 비교하면 획기적으로 시간과 노동력을 줄일 수 있으며, 코로나 19와 같은 시기에 비대면 방법으로도 활용될 수 있다.

■ 기존 건축물 에너지 효율 향상에 대한 수요가 지속적으로 증가함에 따라 현재의 에너지 성능 진단은 필수이다. 연구진은 개발한 예측 모델로 건물의 대략적인 현재 에너지 성능을 파악해 관련 정책 수립 및 사업 사전 평가에 유용한 자료로 활용될 수 있을 것으로 기대한다.

■ 연구책임자인 김종훈 박사는 “개발한 예측 모델을 이용해 건물 에너지 성능개선 사업을 시작하기 전, 건물의 대략적인 에너지 성능을 쉽게 파악할 수 있다.”며 “AI기반 에너지산업의 디지털화가 기존 에너지 진단 방법의 문제점을 해결할 수 있는 도구 중 하나가 될 것”이라고 말했다.

□ 한편, 이번 연구는 국토교통부 기존 건축물 저탄소 에너지효율화 리모델링 최적 모델 개발 사업의 지원을 받아 수행됐으며, 연구 성과는 Civil Engineering 분야 상위 3.6% 해당하는 Building and Environment 저널에 게재됐다.