A Study on Energy Use Monitoring and Analysis Case for Small and Medium-Sized Buildings

중소형 건물에 적합한 에너지사용량 모니터링 및 분석 사례 연구

Abstract

This paper discusses energy use monitoring and analysis as part of a study on a low-cost energy supply management system that links an existing database with weather information with no real-time monitor for energy demand of buildings using renewable energy, generator and energy storage systems. This study is targeted at small and medium-sized buildings and aims to monitor energy use with a small number of sensors at low cost by applying an energy management system (EMS). The present study can help overcome the limitations of high-cost EMS applied to large commercial and public buildings. We developed current, indoor temperature and human motion sensors and installed them in an office of a company in a sample building. Through these sensors, we analyzed energy use patterns and the effects of weather information and human motion on the energy use. Furthermore, we analyzed the correlations between the total KEPCO energy use of the sample building and weather by comparing these two data. The results showed that the office energy use of a company was more affected by human motions than by weather information. The comparison between the total energy use of the Building and weather information found that external temperature had an effect on the energy use.

1. 서론

이산화탄소 발생의 주요 원인인 화석연료 사용을 줄이기 위해 정부는 신재생에너지 설치 의무화 제도 및 그에 따른 전기요금 할인 제도 등을 시행하고 있다. 이러한 정부의 규제 정책은 한국뿐만 아니라 전 세계적으로 강화되고 있는 추세이다. 프랑스의 경우 ‘에너지전환법’을 통해 2030년까지 신재생에너지 전원비중을 40%까지 확대하는 반면에 2025년까지 전력생산의 원자력 비중을 50%까지 축소하고자한다. 영국은 신재생에너지실행계획을 통해 최종에너지 소비 중 재생에너지 비중을 2020년까지 15%까지 확대하고자 한다.[1] 세계 주요 국가들이 친환경 에너지 정책을 주도함에 따라 신재생에너지 공급 규모는 크게 확대되고 있으며, 기존의 수력 중심의 신재생에너지 공급구조에서 태양광 및 풍력 중심으로 전환되고 있다.[1] 그 중 태양광의 경우, 2018년도를 기준하여 전 세계 태양광발전 설비가 102.4GW 설치된 것으로 보고되고 있다. 전 세계 태양광 발전 설비 누적 설치량은 2018년도 기준 509.3GW로 2023년까지 1,043.6∼1,610.0GW 수준으로 꾸준히 증가할 것으로 예상된다.[2] 풍력발전의 경우 2017년 전 세계 신규 풍력발전 설비는 51.3GW이며, 전년도와 비슷한 수준이다. 전 세계 풍력발전 설비 누적 설치량은 2017년도 기준 591GW로 전년대비 9.6%가 증가하였다. 향후 꾸준히 증가할 것으로 예상된다.[3]

정부의 장려 정책을 바탕으로 태양광과 풍력 외에도 다양한 신재생에너지, 발전원, ESS활용 등 다양한 연구가 진행되고 있다. 건물 에너지사용량의 10%를 신재생에너지인 지열 히트펌프로 충당함으로써 에너지절약 및 공조배열감소량 등에 대한 연구[4], 폐수열 히트펌프, 공기열 히트펌프를 설치하여 온수를 공급함으로써 에너지를 절감하는 연구[5], 또한 공공기관에 태양광을 설치하여 에너지 절감율을 실험한 연구[6], 산업용 수용가에 ESS를 설치하여 ESS운영방안에 관한 연구[7] 등 다양한 연구가 존재한다. 기업들은 신재생에너지, ESS 및 LNG 소형 발전기 등을 설치하고 에너지를 효율적으로 관리하기 위해 건물에너지관리시스템(BEMS)을 실시하고 있다. BEMS란 건물에너지의 효율적인 사용을 위하여 실시간 데이터 모니터링 및 분석을 통하여 낭비되는 에너지를 제거하여 에너지사용량을 최소화하는 시스템이다. 하지만 이러한 시스템들은 가격이 비싸며 많은 시간 투자가 필요하여 대규모 상업건물 및 공공건물을 중심으로 적용되는 한계점이 있다. 이러한 한계점을 보완하기 위해 건물에너지관리시스템 설치비 감소에 대한 연구가 존재한다. 전기설비 용도별 계통 분리를 통해 분전반 메인에만 전력량계를 설치해도 용도별 분석이 가능하도록 공조용 분전반을 별도 설계함으로써 관제점 수량을 최소화하여 설치비를 절감하였다.[8] 하지만 이 방법은 관제점 수량을 최소화하지만 분전반을 별도 설계해야하므로 비용과 노력이 투자된다. 대부분의 논문들은 중소형건물보다는 대형건물 중심으로 연구를 진행하였고, 중소형 건물에 적용한다고 하여도 많은 센서를 설치해야하므로 설치비 측면에 부담이 있다. 그리하여 본 연구는 중소형 건물을 대상으로 EMS를 적용할 경우 모니터링 시 적은 양의 센서와 저비용으로 에너지사용량을 모니터링 하고자한다.

2. 연구 배경 및 목적

우리나라는 동고하저의 가스에너지 사용패턴으로 가스와 전기에너지의 불균형이 심하다. 겨울에는 전기에너지보다 가스에너지를 더욱 많이 사용하며, 여름에는 가스에너지보다 전기에너지를 더 많이 사용한다. 특히 여름의 경우 냉방 가동으로 인해 전기에너지 사용이 증가하여 전력량 피크치가 발생한다. 여름철의 전기에너지 사용량 증가는 다른 계절에 비해 전력단가가 높기 때문에 전기요금이 급증한다. 또한 한전전력요금제에는 계약전력이 존재하는데, 이는 사용자가 필요로 하는 전력을 산정해서 한전에 신청⋅요구하는 전력으로 건물의 평수, 업종, 설비 등에 따라 계약전력을 결정한다. 가스에너지 패턴과 전기에너지 패턴이 균형을 이룬다면 피크전력이 낮아지게 되어 사용자 입장에서는 한전 계약전력을 기존보다 낮게 계약할 수 있을 것이다. 여름철에 가스를 전력피크용으로 대체 사용한다면 에너지 이용의 균등화를 이룰 수 있을 것이라 판단하여, 열병합 발전으로 불리는 TriGen.을 사용하였다.

TriGen.은 한 가지 에너지원으로 전력, 냉방, 난방 세 가지를 생산하는 에너지변환시스템이다. TriGen.에는 흡수식 냉동기 구동과 히트펌프 구동이 있다. 흡수식 냉동기 구동은 화석연료 연소열로 엔진 터빈의 회전력을 얻어 전력을 생산하고 수반되는 열에너지를 이용해 흡수식 냉동기를 운전하는 것이다. 히트펌프 구동은 가스엔진으로 냉매압축기로 발전기를 구동하는 방식이다. 본 연구에서는 히트펌프 구동 GHP방식의 가스에너지와 신재생에너지를 비롯한 계통의 전기에너지를 부하 맞춤형으로 적절하게 분배하여 사용함으로써 가스, 전기 균등화를 이루어 에너지 사용의 효율적 운영을 하고자 한다. TriGen.과 태양광, ESS를 이용하여 건물별 에너지 수요 실시간 모니터 없이 기 구축된 DB를 날씨정보와 연계하여 저비용의 에너지 공급관리시스템을 개발하고자 한다. 그 중 본 논문은 에너지사용량 모니터링 및 분석에 집중하여 서술하고자 한다. 우선 센서 별 실시간 모니터링 및 전송 모듈 개발 후 몇 달 간의 건물 전력사용 패턴을 통해 날씨와 전력의 상관관계를 분석한 예측방정식을 통해 에너지사용량을 예측하고자 한다. 이러한 분석 및 예측은 추후 계절별, 시간별, 용도별로 신재생에너지, TriGen., ESS 가동 패턴을 정한 후 다양한 가스, 전력 요금과 상호작용하여 시스템의 경제성을 좌우한다.

Fig. 1 System overview

3. DATA 확보

3.1 대상건물의 개요

특정 산업기술단지와 산업기술단지 내의 한 기업의 사무실을 집중 대상으로 에너지사용량을 모니터링하였다. Fig. 2와 Table 1은 산업기술단지의 개요를 나타낸 것이다. 해당 산업기술단지는 경기도에 위치하고 있으며, 기술 집약적 기업으로 현재 약 111개의 기업이 입주해 있으며 6개 건물로 구성되어 있다. 대지면적은 66,655.9m²이며연면적은 53,827.71m²이다.

Fig. 2 Photograph of the Building

Table 1. Overview of Building

Fig. 3과 Table 2는 산업기술단지 내의 한 기업의 사무실의 개요를 나타낸 것이다. 대상 사무실은 태양에너지 중심으로 대체에너지 기술 개발 및 제품 개발 사업을 진행하고 있는 기업이다. 대상 사무실에 근무하고 있는 직원 수는 총 13명이며, 연면적은 455.4m²이다. 회의실 1개, 탕비실 1개, 창고 1개, 휴게실 1개, 사무실 1개로 구성되어있다.

Fig. 3 Photograph of the studied office

Table 2. Overview of studied office

3.2 전류센서, 온도 및 인체 동작 감지 센서 제작

연구에 앞서 건물 에너지사용량에 영향을 미치는 요인을 실내온도, 실외온도, 사람의 유무로 구분하였다. 실외온도는 기상청 자료를 사용하였고 실내온도 측정 상용센서와 인체동작감지 상용센서를 여러 장소에 설치하여 데이터를 한 곳으로 송신하는 것은 한계가 있기 때문에 자체 제작하였다.

전류센서는 Beijing Yaohua Dechang Electronic의 SCT-013-000 센서를 사용하였으며, 비 침습적 분할 코어 전류 변압기 AC 전류센서로서 100A까지 측정 가능하다. 자체 제작한 전류센서는 배터리 내장형으로 0.1∼10초 간격으로 1달 이상 측정 가능하며 한번에 7개 채널을 측정할 수 있다. 또한 별도의 sd카드에 데이터가 저장하도록 하였다.

Fig. 4 Circuit diagram and fabrication of current sensor

온도 및 인체 동작 감지 센서는 하나의 모듈로 제작하였다. 데이터 전송 모듈과 Gateway로 구분하여 제작하였으며 데이터 전송 모듈들은 온도센서와 인체 동작 감지 센서가 같이 내장되어있으며 저장된 데이터를 Gateway에 보내는 역할을 한다. Gateway는 여러 데이터 전송 모듈에서 오는 데이터들을 취합하는 기능을 갖는다. Gateway와 데이터 전송 모듈은 동시에 1 대 다 통신할 수 있도록 제작하였다. 전류센서와 마찬가지로 온도 및 인체 동작 감지 센서 모듈은 배터리 내장형이며 배터리가 1달 이상 지속 가능하며 Gateway는 전원 공급이 필요하다.

온도센서는 Analog Devices사 TMP36센서를 사용하였다. TMP36센서는 ±2%의 오차를 가지고 있으며 –40℃에서 120℃까지 측정이 가능하다. 인체 동작 감지 센서는 RCWL-0516센서를 사용하였으며, 사람 신체를 검출하는 induction switch 모듈이다. 5∼9m 가량의 움직임을 검출할 수 있는 센서로 PIR 모션 센서와 비교하여 큰 관통력을 갖는다. 게이트모듈과 센서모듈 간 통신은 Nordic Semiconductor사의 nRF24L01p를 이용하였다. 센서 모듈의 경우 Transmitter의 출력 값은 0dBm이며, Receiver의 수신감도는 –94dBm이다. 게이트모듈의 Transmitter의 출력 값은 20dBm이며, Receiver의 수신감도는 –104dBm이다. 게이트모듈 내에는 RF 증폭기 RFX2402C가 내장되어 있으며 높은 감도 및 효율성, 낮은 잡음 등을 결합한 제품이다. 또한 통신주파수는 ISM Band의 2.4GHz이다. 온도와 인체 동작 감지 데이터는 Gateway에 연결된 USB에 저장하도록 제작하였다. 수집데이터 처리속도는 0.1초로 데이터를 0.1초 단위로 측정 및 저장하였고, 데이터 전송 모듈에서 Gateway로 무선 통신으로 데이터를 전송하였을 때 Gateway에서 데이터를 정확하게 수신받는 정도인 센서상황인지율은 99.3%이상으로 하였다.

Fig. 5 Circuit diagram and fabrication of temperature and human motion sensors

3.3 전류센서, 온도 및 인체 동작 감지 센서 설치

실험 대상 사무실에는 배전반 2개가 존재하였다. 해당 사무실은 모든 기기들이 EHP방식이었으며 GHP방식으로 가동되는 기기들이 없어 전체 전력을 배전반의 전류값으로 확인 할 수 있다. 사무실의 배전반 두 곳에 자체 제작한 전류센서를 설치하여 전류 값을 측정하였다. 1차 개발한 전류 센서의 데이터저장 시간단위는 상대시간으로써 센서를 켠 후부터 시간을 상대적으로 계산해야하므로 정확한 시간을 알 수 없다. 또한 정확한 시간을 알 수 없어 전류 값을 10초 단위로 정확하게 기록하는지 알 수 없다. 이러한 점을 보완하여 전류센서를 2차 개발하였다. 데이터저장 시간단위는 절대시간으로 변경하여 데이터 저장의 신뢰성을 높였으며, 상용센서와 자체 제작한 전류센서의 값을 비교하여 데이터 자체의 신뢰성을 확인하였다. 2차 제작한 전류센서는 2019년 1월 18일부터 현재까지 측정 중이다.

Table 3. Comparison of primary and secondary current sensors

1차 개발한 전류센서로 MCCB 1상의 전류 값만 측정하였다가 2차 개발 후 건물의 정확한 전체전력을 구하기 위해서 MCCB 3상의 전류 값을 모두 측정하였다. 온도 및 인체 동작 감지 센서 모듈 3개와 Gateway 1개를 사무실 내 설치하여 사무실 실내온도와 인체 동작 감지 데이터를 수집하였다. Fig. 6의 온도 및 인체 동작 감지 센서 설치 사진과 같이 센서 간의 거리를 두어 설치하였다. 인체 동작 감지센서는 같은 영역에 설치하면 상호간섭이 발생하기 때문에 1M이상의 거리격차를 두고 센서를 배치하였다.

Fig. 6 Photographs of current, temperature and human motion sensors

4. 결과분석

4.1 전기에너지 사용량 분석

3.3절의 대상 사무실 측정과 대상 건물 전체의 한전 I-SMART 에너지사용량을 비교하였다. Fig7은 임의의 날짜인 2019.01.21.의 산업기술단지 내의 사무실과 산업기술단지 전체 에너지사용량을 나타낸 것이다. Fig. 7.(a)는 사무실 에너지사용량 패턴을 나타낸 것이다. 사무실 근무시간은 9시∼18시이며, 점심시간 한 시간 동안 소등하는 것을 유추할 수 있다. 실제로 근무자를 통해 확인해보았을 때 점심시간인 11시 30분에서 12시 30분 1시간동안 소등하는 것을 확인하였다. 18시 저녁시간 소등 후 약 20시에서 21시까지 에너지사용량이 증가하였는데 이것은 야근한 사람이 있는 것으로 유추할 수 있다. Fig. 7.(b)는 산업기술단지 전체 에너지사용량 패턴을 나타낸 것이다. 약 8시에 에너지사용량이 증가하여 18시 이후 감소하는 형태를 알 수 있다. 산업기술단지 전체와 산업기술단지 내 특정 기업 사무실의 전력사용 패턴은 전형적인 회사 근무시간 패턴을 나타낸다. 반면 임의의 기업 사무실을 분석하였을 때 야근을 한 경우 눈에 띄게 에너지사용량이 증가하였지만, 산업기술단지 전체 건물의 에너지사용량을 보았을 때는 눈에 띄게 에너지사용량이 증가한 것을 볼 수 없다.

Fig. 7 Analysis of energy use pattern(Jan. 21, 2019)

Fig. 8은 2019.02.11. 산업기술단지 내 기업의 사무실 전력과 산업기술단지의 전력 패턴을 나타낸 것이다. Fig. 8.(a)사무실은 오전 7시 30분에서 9시 전에 전력 사용량이 증가하였는데, 이것은 직원이 일찍 출근해서 전력 사용량이 증가한 것으로 보인다. 이처럼 사무실 하나의 전력 패턴은 사람의 유무에 따라 많은 영향을 받는 것으로 유추할 수 있다. 또한 앞서 확인한바와 같이 점심시간 11시 30분부터 12시 30분까지 소등하는 것을 확인할 수 있으며 2019.02.11.은 일부 직원들이 약 20시에 퇴근한 것을 확인 할 수 있다. Fig. 7.(a)의 에너지사용량 패턴과 비교하였을 때 패턴이 다른 것을 확인할 수 있었다. 하지만 Fig. 8.(b) 에너지사용량패턴은 Fig. 7.(b)의 에너지사용량 패턴과 비슷한 형상을 띠며, 점심시간 1시간동안 전력 사용량이 약간 감소한 형태이다. 즉 산업기술단지 전체 에너지사용량의 패턴은 날짜 변경에도 비슷하게 나타나나 산업기술단지 내 기업의 사무실의 에너지사용량 패턴은 직원이 일찍 출근하는 것과 야근하는 것에 따라 눈에 띄게 에너지사용량 패턴이 달라졌다.

Fig. 8 Analysis of energy use pattern(Feb. 11, 2019)

4.2 온도와 전기에너지 사용량 상관관계

Fig. 9는 2017년 01월 01일에서 2017년 12월 31일 동안의 산업기술단지 건물의 한전 I-SMART 일일 전력 데이터 값과 일일 평균 실외온도의 상관관계를 나타낸 것이다. 온도와 에너지사용량의 상관관계는 2차함수의 형태를 띤다. 그래프가 두가지로 구분되어 나타나는데 아래쪽 그래프는 주말 위쪽 그래프는 평일을 나타낸다. 이를 계절로 구분하면 온도와 전력이 비례하는 구간의 경우 여름에 해당하며, 반비례하는 구간은 겨울에 해당한다. 봄과 가을은 중간 구간에 위치한다. 여름에 온도가 증가할수록 냉방기기의 가동이 증가하고, 겨울에 온도가 감소할수록 난방기기의 가동이 증가하여 에너지사용량이 증가한 것으로 유추할 수 있다.

Fig. 9 Correlation between the power and temperature of Building

Fig. 10은 2019년 1월에서 3월까지의 산업기술단지 전체 전력 및 산업기술단지 내 기업의 사무실 전력과 외부온도와의 상관관계를 분석한 그래프이다. 이 때 2019년 1월에서 3월로 지정한 것은 2차 제작하여 신뢰성이 높은 전류센서를 2019년 1월 18일부터 측정하였기 때문이다. Fig. 10.(a)그래프는 겨울에 해당하며 Fig. 9의 그래프 왼쪽 부분과 유사한 형상을 띤다. 전력과 온도가 반비례 관계이며 온도가 감소할수록 에너지사용량이 증가하는 것을 알 수 있다. Fig. 10.(b) 그래프는 산업기술단지 전체 전력과 온도의 상관관계 그래프와는 다르게 사무실의 경우 온도에 따른 에너지사용량 경향이 분석되지 않는다. 이로써 사무실 하나의 에너지사용량은 외부 온도와는 크게 상관이 없음을 확인할 수 있다.

Fig. 10 Correlation between power and temperature (Jan to Mar 2019)

Fig. 11은 2019.02.11. 산업기술단지 내 기업의 사무실의 자체 제작한 전류센서와 실내온도 및 인체 동작 감지 센서 데이터 값을 한 곳에 나타낸 것이다. 아래 깔린 그래프가 인체 동작 감지 데이터이며 사람이 있을 경우 1, 사람이 없을 경우 0값을 나타낸다. 인체 동작 감지 데이터는 회사 근무 시간에 나타나며, 점심시간에는 사람이 없는 것을 확인 할 수 있다. Fig. 10에서 분석한 것과 같이 기업의 사무실 에너지사용량은 온도와 관련이 없으며, 온도보다는 인체 동작 유무에 영향을 더 많이 받는 것으로 유추할 수 있다. 하지만 여기서 문제점은 특정 스폿에 온도 및 인체 동작 감지 센서가 설치되어있는데 거기를 지나지 않거나 사람이 움직이지 않으면 인체 동작 감지 센서의 데이터는 0을 나타낸다. 이러한 한계로 인해 정확한 인체 동작 감지의 유무를 확인할 수 없는 한계점이 있다.

Fig. 11 Current, temperature, and human motion sensor data

Table 4는 2016년∼2018년 산업기술단지 한전 I-SMART 전력 데이터와 기상청의 외부 온도와의 상관관계를 분석하여 예측방정식과 결정계수를 나타낸 것이다. 결정계수는 회귀식의 적합도를 재는 척도로 0에서 1사이의 값을 가지며 1에 가까울수록 상관관계가 높고 0에 가까울수록 상관관계가 없는 것이다. 산업기술단지 전력과 온도의 결정계수는 최소 0.56에서 최대 0.76의 값을 나타낸다. 이것은 전력과 온도 간의 유의미한 상관관계가 있다고 분석할 수 있다.

Table 4. Prediction equation for temperature and power in 2016 to 2018

Fig. 12는 앞서 Table 4에서 구한 2017년도의 예측방정식을 통하여 2018년도의 외부온도를 대입하여 에너지사용량을 예측한 값과 실제 2018년도의 에너지사용량을 비교한 그래프이다. 전력과 온도의 예측방정식을 통해 구한 에너지사용량의 정확도는 90.8%로 어느 정도 비슷한 패턴을 나타내며 대략적인 에너지사용량을 유추할 수 있다. 하지만 본 연구를 진행한 산업기술단지는 여러 기업이 입주하여 운영하기 때문에 기업의 변동에 따른 에너지사용량을 유추하는 것은 어려운 한계점이 있다.

Fig. 12 Prediction of energy use through a prediction equation

5. 결론

경기도 산업기술단지 내에 위치한 한 기업에 TriGen.과 태양광, ESS를 이용하여 건물별 에너지 수요 실시간 모니터 없이 기 구축된 DB를 날씨정보와 연계하여 저비용의 에너지 공급관리시스템을 개발하기 위해 센서 별 실시간 모니터링 및 전송 모듈 개발 후 약 1년간의 건물 전력사용 패턴을 통해 날씨와 전력의 상관관계를 분석하였다. 또한 그 과정에서 추출된 예측방정식을 통해 에너지사 용량을 예측하였다. 전류센서와 온도 및 인체 동작 감지 센서를 자체 제작하여 산업기술단지 내에 위치한 기업에 설치하여 데이터를 확보하였다. 확보한 데이터를 이용하여 온도와 인체 동작 유무 데이터를 통해 전력 패턴을 분석하였다. 이 때 기업의 사무실 전력 패턴은 온도보다 인체 동작 유무에 영향을 더 많이 받았으며 온도와는 상관관계가 없었다. 반면에 산업기술단지의 한전 전력 데이터와 외부 온도의 상관관계를 분석하였을 때는 어느 정도의 상관관계를 보였으며 그 결과를 통해 구한 예측방정식을 적용하여 구한 2018년도 예측 에너지사용량과 실제 에너지사용량을 비교하였다. 전력과 온도의 예측방정식을 통해 구한 에너지사용량의 정확도는 90.8%로 대략적인 에너지사용량을 유추할 수 있다.