서 론
연구배경
연구범위 및 방법
이론적 고찰
민감도 분석
ECM 데이터 베이스 분석
대상건물 분석 및 시뮬레이션 방법
대상 건물 분석 및 모델링
시뮬레이션 방법
외피 성능 변화에 따른 민감도 분석
시뮬레이션 입력변수 설정
외피 설계 요소가 난방부하에 미치는 영향
외피 설계 요소가 냉방부하에 미치는 영향
대상 건물 외피 성능 개선안 제시
결 론
서 론
연구배경
Tracking clean energy progress (IEA, 2022b)에 따르면 2021년 기준 전 세계 최종 에너지 사용량 중 34%가 건물 부문에서 사용되고 있으며, 이산화탄소 배출량 중 건물 부문이 37%를 차지하고 있다. 국내의 경우 25%의 에너지가 건물에서 사용되며, 지속적인 건물 에너지 효율 향상을 위한 대책이 필요하다(Park et al., 2011). 특히 건물 부문에서는 ‘에너지 이용 합리화법’에 의거하여 연료·열·전력의 연간 사용량의 합계가 2천 TOE 이상인 건물을 ‘에너지 다소비 건물’로 규정하고 관리, 감독하고 있다. 그러나 Figure 1과 같이 2021년 기준 서울 시내 대학교, 병원, 백화점과 같은 에너지 다소비 건물에서의 평균 에너지 사용량은 2017년 5.81(천TOE/년)에서 2021년 6.25(천TOE/년)로 7.6% 늘어났다. 서울 전역의 에너지 다소비 건물 중 병원 건물은 두 번째로 많은 비중을 차지한다. 2021년 기준, 서울시 상위 25개 에너지 다소비 건물에서 사용되는 총 에너지 사용량 중 병원 건물에서 약 23% 사용되었다. 이에, 건물 부문 탄소 배출량 저감을 위해 병원 건물을 포함한 에너지 다소비 건물에서 에너지 절감 조치가 필요하다.
연구범위 및 방법
건물은 시간이 경과함에 따라 노후화가 진행되며 준공 당시에 비해 성능이 저하된다. 건축물의 노후화에 대응하는 방법으로 리모델링과 같은 외피 성능 개선법이 있다. 리모델링이란 건물에 새로운 변화를 모색하는 과정으로 건축물의 유지, 보수 작업을 통해 추구하고자 하는 건물의 기능을 확보하는 포괄적인 의미의 건물 성능 개선작업을 의미한다(Cha, 2002). 남홍순(Nam et al., 2016)에 따르면 병원 건물과 같은 대형 건물에서 건물 외피 개선, 건물 내 공조, 조명 설비 시스템의 효율 개선과 같은 에너지를 절감하기 위한 다양한 에너지 절감 조치 ECM (Energy Conservation Measure)를 수행하여 건물에너지를 절감시킬 수 있다. 이와 관련하여, 에너지 절약 설계 기준에서는 건물의 단열 성능과 직관된 건물의 외피 열관류율에 대한 기준값을 제시한다. 해당 기준은, 1979년 시행 이후 현재까지 강화된 기준으로 개정을 거듭하고 있으며, 이는 건물에서 소비되는 냉난방 에너지를 절감하기 위한 방법으로 ‘단열 성능 기준 강화’라는 것이 제시되었기 때문이다(Seo et al., 2011). Building Tracking report (IEA, 2022a)에 따르면 건물의 외피 구조와 재료의 선택은 건물의 긴 수명과 유지 비용을 고려할 때 특히 중요하다. 2022년 기준, 2010년과 비교했을 때 건물 외피 성능 개선을 통해 주거 건물에서 사용되는 단위 면적당 난방 에너지를 10% 이상 줄이고 탄소 배출량을 절감시켰다. 이에, 본 연구에서는 건물의 외피 단열 성능, 건물의 형태 및 규모, 기후 등 냉난방 부하에 영향을 주는 다양한 요인들 중 외피 단열 성능이 냉난방 부하에 미치는 영향을 확인하였다. EnergyPlus를 사용해 대상 건물의 단열 성능에 따른 냉난방 부하를 계산하고, 민감도 분석을 통해 외피 설계 요소의 성능 변화가 건축물의 냉난방 부하에 미치는 영향을 확인하였다. 연구 진행 순서는 Figure 2와 같다.
이론적 고찰
민감도 분석
Ma (Ma et al., 2012)에 따르면 건축적 리모델링의 효과적인 달성을 위해 요인 분석, 경제성 분석, 위험 요소 분석, 에너지 절감량 분석과 같은 다양한 분석이 중요하다. 민감도 분석(Sensitivity Analysis)은 시스템의 입력 변수들이 시스템의 출력 결과에 미치는 영향을 평가하는 방법이다. 건물에너지 분석 시 사용되는 전역 민감도 분석법에는 회귀분석 방법 (regression method), 주요변수 선별 방법(screening-based method) 및 분산분해 방법(Variance-based method)이 있다. 본 연구에서는 다중선형 회귀분석을 바탕으로 민감도 분석을 수행하였다. 다중선형 회귀분석은 종속변수가 두 개 이상의 독립변수에 의해 영향을 받을 것으로 예측될 때 종속변수의 변화를 나타내기 위해 사용되는 회귀분석법이다(Cha et al., 2015). 수행한 회귀 모형에 대하여 F 검정의 유의 확률이 유의수준 0.05미만일 때 회귀 모형이 적합한 것으로 볼 수 있다. 또한 각각의 독립변수가 종속변수에 영향을 주는지 확인하기 위해 유의확률(P)를 검토하였다. 유의 확률(P)가 0.05미만일 때, 대립가설이 채택되며, 귀무가설이 기각된다. 본 연구에서 대립가설은 ‘외피 설계 요소의 물성치(외벽, 지붕, 바닥, 창호)가 대상 건물의 냉난방 부하에 영향을 미친다.’이며, 귀무가설은 ‘외피 설계 요소의 물성치(외벽, 지붕, 바닥, 창호)가 대상 건물의 냉난방 부하에 영향을 미치지 않는다.’이다. 다중회귀 분석 결과의 표준화 계수(𝛽)값을 비교하여 독립변수가 종속변수에 미치는 영향의 정도를 확인하였다.
ECM 데이터 베이스 분석
기존 건물 성능 개선에 따른 경제성을 판단하는 가장 중요한 기준은 성능 개선 전과후모습 간의 변화를 경제적 가치로 환산하여 투입 비용 대비 추가로 얻어지는 결과를 비교하는 것이다(Cha, 2002). 기존 건물의 성능 개선 방안은 사용 재료와 두께에 따라 달라지므로 제시 가능한 성능 개선안의 범위는 매우 넓다. 따라서 광범위한 대안들에 대하여 합리적인 선택을 위해 성능 개선 효과와 투자비용에 대한 분석은 필수적이다. 최보은(Choi, 2016)은 합리적인 리모델링 방안 도출을 위해 ECM 데이터 베이스를 구축하였다. 해당 데이터 베이스는 실제 건축 재료의 열전도율과 범용 두께별 물가 정보를 반영하여 구축되었다. Figure 3은 ECM 데이터 베이스내 재료의 단열성능(열저항)에 따른 재료비용을 나타낸 것이다. 해당 데이터 베이스내 외벽, 지붕, 바닥 재료는 열저항이 증가할수록 비용이 증가하는 양상을 보이며, 동일한 열저항에서 재료비용이 상이함을 확인하였다. 본 연구에서는 대상 건물에 적용 가능한 외피 개선안별 냉난방 부하 절감량과 재료비 간 관계분석을 통해 재료비 대비 냉난방 부하 절감량이 큰 외피 성능 개선안을 도출하였다.
대상건물 분석 및 시뮬레이션 방법
대상 건물 분석 및 모델링
대상 건물은 대구에 위치한 D 대학병원 건물로 총 연면적 98,161 의 규모로 T 관, S 관, R 관 그리고 암센터로 이루어져 있다. 본 연구에서 다룬 건물은 T 관이며, 2014년 개관하여 지하 2층, 지상 13층으로 연면적은 33,437 이다. 설계 도면 및 관련 자료를 바탕으로 구성한 대상 건물의 외피 설계 요소의 성능 및 면적은 Table 1과 같다. 외피 설계 요소의 물성치 변화에 따른 냉난방 부하를 계산하기 위해 동적 에너지 시뮬레이션 툴인 EnergyPlus를 사용하였다. EnergyPlus는 건물의 형태와 시스템 모사가 가능하며, 건물에서 사용되는 에너지 사용량 및 냉난방 부하 예측이 가능하다. 본 연구의 대상 건물로 선정한 병원 건물의 전경은 Figure 4이며, 모델링한 대상 건물의 형상은 Figure 5와 같다.
Table 1.
Performance and area by envelope design element for the target building
시뮬레이션 방법
연구자가 EnergyPlus 내 입력변수를 각각 변경하여, 모든 경우의 수에 대하여 충분한 양의 시뮬레이션 데이터를 수집하는 과정은 시간이 많이 걸리며, 오류가 발생할 수 있다. 따라서 연구자가 설정한 모든 경우의 수에 대하여, 입력변수를 자동으로 변경하여 시뮬레이션을 수행하는 프로그램 중 하나인 JEplus 1.6.5를 EnergyPlus와 연동하여 대상건물의 냉난방 부하를 계산하였다. 수집한 데이터를 바탕으로 통계 해석 프로그램 중 하나인 Minitab 21을 사용하여 다중회귀분석을 통한 민감도 분석을 수행하였다. 시뮬레이션을 통해 데이터를 생성하고, 민감도 분석을 수행한 흐름도는 Figure 6과 같다.
외피 성능 변화에 따른 민감도 분석
시뮬레이션 입력변수 설정
Table 2는 시뮬레이션 입력변수를 나타낸 것이다. 입력변수로 사용된 외벽, 창호, 최하층 바닥, 지붕 각각의 열관류율 및 유리의 SHGC 값은 에너지 절약 설계 기준에서 제시하는 남부 기준과 선행 연구의 ECM 리스트를 참고하였다. Table 2에서 제시하는 물성치 값에 따라, 외벽에 해당하는 물성치 6개, 지붕에 해당하는 물성치 6개, 최하층 바닥에 해당하는 물성치 6개와 창세트 6개를 조합하여 총 1296번의 시뮬레이션을 반복 수행하였다. 이를 통해 각 Case에 대하여 입력변수의 물성치에 따른 냉난방 부하량을 계산하였다.
Table 2.
Setting up simulation variables for sensitive analysis
외피 설계 요소가 난방부하에 미치는 영향
Figure 7의 (a), (c), (e), (g)는 반복 수행한 전체 시뮬레이션 결과에 대하여, 각각의 외피 설계 요소의 물성치에 따른 난방부하를 변화를 나타낸 것이며, Figure 7의 (b), (d), (f), (h)는 각각의 외피 설계 요소 물성치에 따른 난방부하 중간값 변화를 나타낸 것이다. Figure 7(a)와 (b), (c)와 (d), (g)와 (h)에 따르면 외벽, 지붕, 창의 열관류율이 증가함에 따라 난방부하는 증가하며, Figure 7의 (e), (f)와 같이 최하층 바닥의 열관류율에 따른 대상 건물의 난방부하 변화량은 작다. Table 3는 대상 건물의 난방부하에 대한 다중회귀분석 기반의 민감도 분석 결과를 정리한 표이다. Table 3과 같이 외벽, 지붕, 최하층 바닥, 창호 각각의 열관류율 및 창호 SHGC의 P(유의확률)은 0.05미만으로 나타났다. 분석한 회귀 모형의 F(통계량)은 778632이며, P는 0.001미만으로 나타났다. Table 4의 𝛽(표준화계수)에 따르면 창호의 열관류율, 외벽의 열관류율, 지붕의 열관류율, 최하층 바닥 열관류율 순서로 대상 건물의 난방부하에 미치는 영향이 큰 것으로 나타났다. adj.(수정 결정계수)는 0.999로 독립변수가 종속변수의 99.9%의 설명력을 가진다.
Table 3.
Sensitivity analysis by multiple regression analysis result
외피 설계 요소가 냉방부하에 미치는 영향
Figure 8의 (a), (c), (e), (g)는 각각의 외피 설계 요소의 물성치에 따른 냉방부하 변화를 나타낸 것이며, Figure 8의 (b), (d), (f), (h)는 각 외피 설계 요소 물성치에 따른 냉방부하 중간값 변화를 나타낸 것이다. Figure 8의 (e), (f)와 같이 최하층 바닥의 물성치가 증가함에 따라 냉방부하는 감소한다. Figure 8의 (g), (h)와 같이 창호의 열관류율이 증가함에 따라 냉방부하가 증가하는 양상을 가진다. Table 4는 대상 건물의 냉방부하에 대한 다중회귀분석 기반의 민감도 분석 결과를 정리한 표이다. Table 4에 따르면 최하층 바닥 열관류율, 창호 열관류율의 P는 0.05미만으로 나타나며, 외벽 열관류율, 지붕 열관류율의 경우 P가 0.05보다 큰 값으로 나타나, 각 요소의 열관류율과 냉방부하간 연관성이 없는 것으로 보인다. 분석한 회귀모형의 F는 604629.262이며, P는 0.001미만으로 나타났다. adj.는 0.999로 독립변수가 종속변수의 99.9%의 설명력을 가진다. Table 5의 𝛽에 따르면, 창호의 열관류율, 최하층 바닥의 열관류율 순서로 대상 건물의 냉방부하에 미치는 영향이 큰 것으로 나타났다.
Table 4.
Sensitivity analysis by multiple regression analysis result
대상 건물 외피 성능 개선안 제시
본 연구에서는 선행 연구에서 정리한 ECM 데이터 베이스 내 재료를 기반으로 외피 성능 개선에 따른 재료 비용과 냉난방 부하 절감량을 분석하였다. Figure 9은 성능 개선 방안 별 냉난방 부하 절감량에 따른 재료비용을 나타낸 것이다. Figure 9의 표시한 영역을 기준으로 좌측은 외피 설계 요소 성능 변화에 따라 냉난방 부하가 기존 대비 증가하였으며, 우측은 외피 설계 요소 성능 변화에 따라 냉난방 부하가 기존 대비 감소하였다.
대상 건물의 외피 성능 개선안의 비용과 효율성을 비교하기 위해, 성능 개선안별 재료비용을 해당 방안의 냉난방 부하 절감량으로 나눈 값을 ‘비용 효율성’(Cost Effectiveness)으로 정의하였으며, 식 (1)과 같다(Streicher et al., 2020).
Figure 10은 각 외피 성능 개선 방안별 냉난방 부하 절감량과 Cost effectiveness를 나타낸 것이다. Cost Effectiveness 값이 작을수록 적은 비용으로 성능 개선을 통한 냉난방 부하 절감량이 증가하며, 냉난방 에너지 절감량이 증가할 것으로 판단하였다. 결과적으로, 에너지 절감으로 발생하는 수익이 증가함에 따라 성능 개선 비용의 손익분기 단축이 가능할 것으로 사료된다. Cost Effectiveness를 기준으로 도출한 대상 건물의 외피 성능 개선안은 Table 5와 같다.
결 론
본 연구에서 수행한 외피 성능 변화에 따른 냉난방 부하에 관한 민감도 분석 결과, 창호의 열관류율, 외벽의 열관류율, 지붕의 열관류율, 최하층 바닥 열관류율 순서로 대상 건물의 난방부하에 미치는 영향이 큰 것으로 나타나며, 냉방부하에 있어 창호의 열관류율, 최하층 바닥의 열관류율 순서로 민감하게 반응하는 것을 확인하였다. 본 연구에서는 시뮬레이션 입력변수 조합에 따른 외피 성능 개선안들은 선행 연구에서 제시한 ECM 리스트 내 재료가 사용되었다. 외피 성능 개선안별 투입된 재료비용과 성능 개선을 통한 냉난방 부하 절감량간 비용 효율성을 계산하여, 낮은 재료 비용으로 냉난방 부하 절감량을 가장 높일 수 있는 개선안을 선정하였다. 그 결과, 지붕 열관류율 0.136 , 최하층 바닥 열관류율 0.15 , 외벽 열관류율 0.13 , 창호 열관류율 1.57 창호 SHGC 0.52일 때, 해당 비율이 가장 크게 나타났다.
본 연구에서는 실제 병원 건물을 모델링하여 외피 설계 요소의 단열 성능 따른 냉난방 부하 변화에 대하여 다중 회귀분석 기반의 민감도 분석을 수행하였으며, 성능 개선안을 도출하였다. 이때, 모델링한 D 대학병원의 외피 설계 요소 중 일반 창호와 커튼월에 대하여 동일한 물성치를 입력하였으며, 이로 인해 냉난방 부하 계산 시 오차가 발생할 수 있다. 또한 성능 개선안 도출 시 성능 개선 방안별 투자비용에는 재료비용만 고려되었다는 점에서 한계를 가진다. 이에, 후속 연구를 통해 대상 건물 모델링 시 대상 건물의 구조적 특성을 구분하여 입력 변수를 설정하고, 성능 개선안에 대한 경제성 평가를 수행하여 합리적인 방안을 도출하는 리모델링 프로세스를 개발하고자 한다.
