Development of Residential Building Energy Benchmark Data

Hye-Jin Kim; Jae-Kwang Shin; Dong-Hyun Seo

doi:10.22696/jkiaebs.20230041

Preview

Research Article

Journal of Korean Institute of Architectural Sustainable Environment and Building Systems. 30 December 2023. 482-496
https://doi.org/10.22696/jkiaebs.20230041

Development of Residential Building Energy Benchmark Data

주거용 건물에너지 벤치마크데이터 개발

Hye-Jin Kim¹

Jae-Kwang Shin²

Dong-Hyun Seo³^*

김 혜진¹

신 재광²

서 동현³^*

¹Ph.D Student, Department of Architectural Engineering, Chungbuk National University, Cheongju, Korea

²Student, Department of Architectural Engineering, Chungbuk National University, Cheongju, Korea

³Professor, Department of Architectural Engineering, Chungbuk National University, Cheongju, Korea

¹충북대학교 건축공학과 박사과정

²충북대학교 건축공학과 학부생

³충북대학교 건축공학과 부교수

^{*Corresponding Author}

ABSTRACT

This study provides residential energy benchmark data in response to the government’s initiative for reducing greenhouse gas emissions and activating green buildings. Utilizing the Household Energy Panel Survey (HEPS) data from the Korea Energy Economics Institute, climate normalization of annual energy consumption was performed for various residential types and regions. This process led to the proposal of energy consumption characteristics, excluding seasonal variations, based on the Energy Use Intensity (EUI). The energy benchmark data proposed in this research can serve as a fundamental resource for energy management and policy formulation, offering benchmarks for sustainable building operations.

Keywords

Energy benchmark

Household energy panel survey

Energy use intensity (EUI)

Weather normalization

Residential buildings

Energy efficiency

키워드

에너지벤치마크

가구에너지 상설표본조사

단위면적당 에너지소비량

기후 정규화

주거 건물

에너지효율

MAIN

서 론
연구 배경 및 목적
연구 범위 및 방법
문헌고찰
에너지벤치마크
에너지소비량 기후 정규화
표준 주거그룹별 EUI
기후존별 도일 계산
기후존별 도일 계산을 위한 도시 선정
장기평균 냉난방도일 계산
2016~2018년 냉난방도일 계산
기후정규화(Weather Normalization)
기후정규화 과정
지역별 기후정규화 계수 계산
연료소비량 기후 정규화
전력소비량 기후 정규화
에너지벤치마크데이터
주거유형·지역별 기후 정규화 결과분석
주거유형·지역별 에너지벤치마크데이터 제안
결 론

서 론

연구 배경 및 목적

정부는 온실가스 배출 감축을 위해 2021년 ｢기후위기 대응을 위한 탄소중립·녹색성장기본법｣으로 녹색건물 활성화 방안을 추진하고, 2023년에는 탄소중립 기본법 제 10조에 의거하여 ｢탄소중립·녹색성장 기본 계획(안)｣에 따라 건물 부문에서 모든 공간의 탄소중립화를 목표로 설정하였다(Park, 2023). 이러한 노력으로 신축 시 제로에너지건축을 확산하고, 기존 민간 및 공공 건축물의 기술 및 재정지원을 확대하여 그린리모델링을 촉진하고 있다.

기존건물의 경우 에너지성능 향상을 위하여 논리적인 근거와 절차를 통한 건물에너지 성능개선 수준 결정이 필요하다. 이에 미국, 영국에서는 유사한 특성을 가진 건물군의 기준값(Benchmark)과 비교하여 리모델링 의사결정을 지원하는 ENERGYSTAR portfolio (Azulay et al., 2009), Display Energy Certificates (Bruhns et al., 2011)를 제공하고 있다. 국내의 경우, 국토교통부는 2020년에 “주거용 건물온실가스 표준베이스라인”을 공개하였다. 이 표준베이스라인은 개별난방을 사용하는 공동주택에 한정하여 기후, 전용면적, 준공년도, 난방방식 등에 따라 18개 유형으로 세분화하여 온실가스 배출량을 제시하고 있다. 하지만, 제공된 표준베이스라인은 단위면적당 총에너지 소비량만 제시하고 있고, 이 값도 해당 건물군에서 상위 20% 그룹의 소비량을 표준베이스라인 데이터 구축에 이용하여 벤치마크 데이터로서의 활용에는 한계가 있다.

건물 에너지벤치마크는 특정 건물그룹의 전형적인 에너지소비량으로 정의된 기준값을 의미한다. 개별 연구자가 임의로 정의할 수도 있지만, 신뢰성있고 범용적으로 활용되기 위해서는 모집단을 대표하는 샘플이 통계적으로 유의한 개수 이상이어야 하며, 정기적인 업데이트가 필요하기 때문에 제작과정에 대한 설명이나 분석이 가능해야 한다.

따라서, 에너지벤치마크데이터로써 활용하기 위해서는 첫째, 건물 정보(용도, 규모, 외피 및 설비 특성, 이용 특성 등)와 에너지소비량 정보가 연계성을 갖추어야 한다. 둘째, 대상 샘플건물의 모집단 대표성과 에너지소비량 정보의 정밀성(최소, 원별, 월별)을 확보해야 한다. 마지막으로, 에너지벤치마크 데이터를 활용하는 데 있어 이용 편의성과 설명력이 요구되며, 지속적으로 변화하는 요인(기후, 시계열 소비량, 정책 변화 등)에 대응할 수 있어야 한다.

이에 본 연구는 에너지경제연구원의 가구에너지상설표본조사(Household Enegy Panel Survey, HEPS)데이터를 분석하여 가구에너지 벤치마크 정의 절차를 제시하고, 그 결과로 주거건물 그룹별 에너지벤치마크 데이터를 제시하고자 한다.

연구 범위 및 방법

본 연구에서는 에너지경제연구원의 국가에너지통계 종합정보시스템(KESIS)에서 공개하는 HEPS 마이크로데이터를 활용한다. 이 데이터는 건물 및 에너지소비량 정보에 관하여 조사대상 표본의 광범위함, 표본추출 절차의 체계성, 그리고 질문 문항의 구체성 등의 측면에서 국내 건물에너지 공인통계 중 가장 신뢰성 있는 데이터로 평가된다. 또한, 주거건물의 다양한 에너지 소비특성을 분석하는데 필수적인 정보를 제공함으로써 본 연구의 벤치마크 데이터 정의용 데이터로 활용가능할 것으로 판단하였다.

주거건물의 에너지 소비특성은 가장 근본적으로는 건물의 용도, 지역, 전용면적, 준공연도 등에 의해 차이를 보이며, 이는 Lee et al. (2019), Lee et al. (2022), 그리고 Kim and Seo (2022)의 연구에서 이들 변수에 따라 분류된 주거건물 그룹별 에너지 소비수준이 제시되어 있다. 본 연구는 이들 연구에서 제시한 54개 표준 주거그룹의 단위면적당 에너지소비량(Energy Use Intensity, EUI)을 활용하여 분석대상 년도를 확대하고, 매년 기후특성변화를 감안한 주거건물 그룹별 에너지벤치마크 데이터를 생성한다.

이를 위해, Figure 1과 같은 프로세스에 따라 중부 및 남부 지역의 기후정규화(Weather normalization) 과정을 수행한다. 기후정규화는 냉난방도일을 기반으로 정규화 계수를 계산하며, 연료소비량 및 전력소비량에 각각 적용한다. 에너지벤치마크 데이터는 2017년 HEPS 데이터를 시작점으로 하여, 2016년의 기후가 반영된 소비량을 분석한다. 이후, 범위를 확장하여 2018 HEPS(2017년 소비량) 및 2019 HEPS(2018년 소비량) 데이터까지 포함한다. 마지막으로, 2016년부터 2018년까지의 기후정규화된 소비량을 평균하여 벤치마크데이터를 제안한다.

https://cdn.apub.kr/journalsite/sites/kiaebs/2023-017-06/N0280170615/images/Figure_KIAEBS_17_6_15_F1.jpg

Figure 1.

Main research process

문헌고찰

에너지벤치마크

에너지벤치마크는 건물의 에너지 성능을 평가하고 유사한 건물군과 비교하여 에너지 소비수준을 파악하는 중요한 기준데이터이다. 이 데이터는 신축건물의 에너지절약 설계기준의 설계목표(Energy Target)가 될 수 있고 기존건물의 에너지 성능개선 목표 및 건물 운영의 건전성을 평가하는 지표로 활용될 수 있다. 지자체나 국가레벨에서는 건물용도별 에너지벤치마크 데이터를 통해 건물에너지 소비량 감축추이를 확인할 수 있다. Kim (2017)에 따르면 건물 에너지벤치마크 주요 정의 방법론은 ‘회귀분석’, ‘건물군 집단별 대표값 산출’, ‘에너지 정보 및 성능 표준화’ 방법이 있다.

‘회귀분석법’은 건물 용도, 면적 등의 건물정보를 기반으로 건물군을 분류하고, 건물군별 독립변수에 대응하는 에너지사용량 방정식을 도출하는 방법이다. 이 방법은 건물의 에너지소비량과 상관도가 높은 변수를 반영하여 에너지 성능추정의 정확도를 높이고, 인과성이 설명가능함에 따라 벤치마크데이터로 신뢰성을 가진다. 예를 들어, Hendron and Engebrecht (2010) 연구는 미국 주거 및 비주거 건물의 에너지벤치마크데이터를 회귀분석을 기반으로 제안하여 EnergyStar Portfolio Manager에 활용되고 있다. 국내연구로는 Nzarigema et al. (2022)의 연구로 LightGBM 회귀모델 기반 어린이집의 에너지 벤치마크데이터를 제안하였다.

‘건물군 집단별 대표값 산출법’은 각 건물의 지역, 용도, 면적규모 등 기본정보를 기반으로 건물군을 분류하고, 분류한 건물군 집단별 수집한 에너지소비량을 통계적 기법 (평균, 중간값 등)으로 대표값을 계산한다. 회귀분석법보다 건물의 주요 변수가 에너지성능에 미치는 영향을 분석하는 것에는 한계가 있다. Kim (2017)은 에너지요금 청구데이터 기반 건물군의 대표값을 계산하여 업무시설의 벤치마크데이터를 제안하였다.

‘건물에너지 정보 및 에너지성능 표준화’ 방법은 모든 건물의 기본정보를 표준 조건으로 보정하고, 에너지 성능도 해당 조건에 따라 보정하여 객관적 비교를 가능하게 한다. 호주의 Commercial Building Disclosure 프로그램은 이러한 접근방식으로 지역별 에너지 성능 벤치마크값을 제공한다.

본 연구에서는 HEPS 데이터를 표준가구건물그룹으로 분류하고 그룹별 표준소비량을 산출한 결과에 바탕을 두고 있기 때문에 에너지벤치마크의 정의 방법론 중 건물군 집단별 대표값 산출법을 사용하고 있다.

에너지소비량 기후 정규화

에너지소비량 기후 정규화는 건물의 에너지소비에 기후 조건이 미치는 영향을 분리하고, 조정하는 과정이다. 건물의 에너지소비량은 건물 이용특성의 변화 외에도 기후조건에 따라 매년 변화된다. 따라서 건물의 에너지소비량을 벤치마킹하기 위해서는 매년 기후의 영향력을 정규화하는 과정이 필수적이다. Kim et al. (2014)에 따르면, 기후정규화는 접근방식에 따라 도일(Degree-day) 방식 정규화, 시뮬레이션 기반 정규화, 다중회귀모형을 이용한 정규화로 구분된다.

도일방식 정규화는 난방도일(Heating degree day, HDD)과 냉방도일(Cooling degree day, CDD)을 이용하는 방법으로 가장 전형적인 기후정규화 방식이다. 실내외 온도차에 따른 건물의 에너지소비량이 선형적으로 비례한다는 가정에 근거한다. 이 방식은 기후조정계수를 계산하여 실제 에너지사용량을 기후정규화 사용량으로 변환한다(BPA, 2011; Mun et al., 2022).

시뮬레이션 기반 정규화는 다양한 지역 및 년도의 기상데이터 파일을 사용하여 에너지 시뮬레이션을 수행하고, 그 결과로부터 기후와 에너지사용량 간의 관계를 분석하여 정규화하는 방식이다. 건물에너지 모델이 보정되면 기후변화에 따른 에너지사용량 정규화를 정밀하게 수행할 수 있다(Makhmalbaf et al., 2013).

선형 회귀방식은 외기온이나 도일에 따른 에너지소비량을 더 정확하게 추정하기 위해 개발된 방법이다. 기후조건을 독립변수로 하는 회귀모델을 개발하며, 과거 에너지사용데이터와 기후조건 간의 상관성을 분석하여 기후 정규화를 수행한다. 정규화된 에너지소비량을 계산하기 위해 통계적 절차가 필요하다(Chung et al., 2006; Kim et al., 2014).

본 연구에서는 2017년도부터 2109까지 3개년의 HEPS 마이크로데이터를 활용한다. 이 데이터 세트는 패널로 선정된 주거건물들에 대한 월별 연료 및 전력소비량 정보를 포함하고 있다. 연구팀은 이 데이터를 선행연구의 분류기준에 따른 그룹별 평균소비량 및 기후존별(중부지역 및 남부지역) 냉난방도일을 계산하였다. 매년 다르게 계산되는 도일을 활용하여 주거건물 그룹별 에너지소비량의 도일기반 정규화계수를 계산하여 기후에 따른 변동성이 제거된 에너지소비량을 계산하였다.

표준 주거그룹별 EUI

본 연구에서 사용된 주거건물의 에너지소비량은 HEPS 마이크로데이터로 에너지경제연구원이 매년 8,000세대가 넘는 패널을 대상으로 조사하여 매년 공개한다. HEPS는 국내 가구의 에너지 사용패턴과 건축, 설비, 사용자 특성 등을 상세히 조사하는 유일한 조사로, 본 연구에서 주거그룹별 에너지벤치마크 제안을 위하여 2017년, 2018년, 2019년 HEPS데이터를 활용하였다.

각 패널가구는 주거유형, 지역, 면적규모 등의 주요 변수에 따라 그룹으로 구분하여야 관리 가능한 표준소비량을 추출할 수 있기 때문에 그룹별 표준에너지소비량을 정의하는 선행연구인 Lee et al. (2019), Lee et al. (2022) 그리고 Kim and Seo (2022)가 수행되었다. Lee et al. (2019)는 HEPS를 활용한 지역 및 주거유형별 주거건물의 전형적인 에너지소비특성을 제시하였고, Lee et al. (2022)는 표준가구건물을 정의하고 에너지모델에 반영하여 표준주거그룹별 상세한 에너지소비 통계를 제공하였다. Kim and Seo (2022)는 개별 주거건물의 상대적인 에너지 소비수준을 평가할 수 있는 새로운 성능지표를 제안하였다.

Table 1은 선행연구에서 제시한 그룹 분류기준과 전처리 및 표준소비량 계산과정을 수행하여 각 그룹의 3개년에 걸친 표준소비량을 요약하고 있으며, Table 2는 해당 그룹별 표본가구수를 보여주고 있다. 표준 주거그룹은 지역(중부 및 남부), 주거유형(단독주택, 연립/다세대, 아파트), 준공년도, 전용면적에 따라 구분되며, 준공년도(Vintage)는 에너지절약설계기준의 강화시기를 감안하여 2000년 이전, 2000년대, 2010년 이후로 구분하였다. 전용면적(Net Usable Area, NUA)은 패널가구 면적분포를 분석하여 소형(33.3 ㎡ ~ 79.2 ㎡), 중형(79.3 ㎡ ~ 125.4 ㎡), 대형(125.4 ㎡ ~ 165.0 ㎡)으로 구분하였다.

Table 1.

Total EUI (kWh/㎡·yr, Fuel + Electricity) of 54 prototypical residential groups of 2017, 2018 and 2019 HEPS data

Classification			Detached			Row/Multi			APT
Region	NUA	Vinatage	2017 HEPS	2018 HEPS	2019 HEPS	2017 HEPS	2018 HEPS	2019 HEPS	2017 HEPS	2018 HEPS	2019 HEPS
Central	Small (S)	Pre2000	194.4	156.8	206.7	202.8	169.2	211.2	153.6	139.8	196.4
		2000’s	190.5	165.2	209.7	187.2	159.7	206.5	149.5	128.0	190.0
		After 2010	182.3	139.0	218.6	182.0	137.1	225.6	146.8	133.2	183.7
	Medium (M)	Pre2000	151.4	133.3	153.7	138.5	124.4	147.1	123.1	115.2	153.3
		2000’s	149.1	141.6	155.7	127.6	117.5	143.9	119.9	105.7	148.4
		After 2010	142.4	118.2	163.0	124.1	101.3	157.3	117.7	109.9	143.2
	Large (L)	Pre2000	138.0	106.8	106.1	62.9	89.1	89.2	117.1	113.8	119.1
		2000’s	136.5	113.3	107.4	58.7	83.9	87.0	114.0	104.5	115.2
		After 2010	130.6	95.0	112.5	-	73.3	95.8	112.4	109.1	111.1
Southern	Small (S)	Pre2000	171.7	146.0	177.5	148.9	139.9	162.8	166.1	141.5	174.2
		2000’s	148.7	148.1	178.5	151.5	156.6	181.8	165.4	131.1	192.9
		After 2010	144.5	150.6	181.9	142.1	112.9	155.3	143.3	140.9	210.2
	Medium (M)	Pre2000	126.5	106.9	128.2	142.3	124.2	130.7	129.9	108.0	139.9
		2000’s	109.6	108.9	129.0	147.1	140.0	146.0	129.4	100.1	154.8
		After 2010	106.5	110.4	131.8	135.3	100.1	125.6	112.1	107.6	169.8
	Large (L)	Pre2000	113.5	75.9	75.0	-	96.6	71.1	81.0	85.1	63.1
		2000’s	99.0	76.7	75.4	-	-	79.1	80.6	78.8	69.9
		After 2010	96.3	78.2	77.2	144.7	77.6	68.7	69.9	84.7	75.6

Table 2.

HEPS sample sizes of 54 prototypical residential groups

Classification			Detached			Row/Multi			APT
Region	NUA	Vinatage	2017 HEPS	2018 HEPS	2019 HEPS	2017 HEPS	2018 HEPS	2019 HEPS	2017 HEPS	2018 HEPS	2019 HEPS
Central	Small (S)	Pre2000	116	88	323	51	59	274	132	131	647
		2000’s	15	19	89	16	25	202	58	38	316
		After 2010	6	4	58	8	8	112	9	22	176
	Medium (M)	Pre2000	138	125	207	26	30	81	129	142	309
		2000’s	31	30	28	31	31	35	138	135	393
		After 2010	12	11	22	10	10	16	35	37	193
	Large (L)	Pre2000	17	12	23	2	2	9	7	11	26
		2000’s	6	6	8	2	4	12	23	23	28
		After 2010	7	6	11	-	1	5	8	14	15
Southern	Small (S)	Pre2000	162	145	371	22	22	80	115	132	437
		2000’s	20	23	63	15	25	36	57	42	172
		After 2010	5	6	47	2	8	24	9	15	122
	Medium (M)	Pre2000	154	161	189	17	14	44	159	149	186
		2000’s	20	24	32	10	11	11	71	69	126
		After 2010	10	14	19	3	7	12	34	30	100
	Large (L)	Pre2000	16	15	47	-	1	10	9	11	11
		2000’s	6	6	8	-	-	1	16	16	10
		After 2010	1	1	11	1	1	3	4	2	3

기후존별 도일 계산

본 연구에서는 기후존별 도일계산에 Ihm et al. (2014)에 의해 제안된 냉난방도일 계산법(Method-1)을 활용하였다. 이 연구에 따르면 난방도일은 식 (1)로 계산하며 균형점온도는 18°C로 설정하였다. 냉방도일은 식 (2)에 따라 계산하며 균형점온도는 22°C로 설정하였다. 도일정규화계수를 도출하기 위해 중부 및 남부의 장기평균 도일(2001~2020년, 20년 평균)과 당해연도 도일(2016년, 2017년, 2018년¹⁾)을 계산하였다.

(1)

H D D_{d} = \sum_{i = 1}^{N} (θ_{b} - θ_{o})^{+}

(2)

C D D_{d} = \sum_{i = 1}^{N} (θ_{o} - θ_{b})^{+}

여기서, HDD_d는 난방도일(°C-day), CDD_d는 냉방도일(°C-day), θ_b는 균형점온도(°C), θ_o 는 일평균 외기온도(°C) 이다.

기후존별 도일 계산을 위한 도시 선정

표준 주거그룹의 구분에 따라 중부 및 남부 기후존의 평균 냉난방도일을 계산해야 한다. 특정도시가 아닌 기후존의 도일을 계산해야 하기 때문에 본 연구에서는 HEPS 패널들의 표본가중치를 고려하였다. 패널의 수가 많을수록 표준소비량에 미치는 영향이 크기 때문에 패널의 표준가중치가 큰 4대 도시를 각각 중부존(서울, 수원, 천안, 원주)과 남부존(부산, 대구, 광주, 전주)의 대표도시로 선정하였다.

장기평균 냉난방도일 계산

본 연구에서 장기평균 냉난방도일은 2001년부터 2020년까지의 20년간 매시각별 건구온도데이터를 기반으로 계산한 도일의 평균값으로, 충북대학교 건축공학과에서 개발한 WthGEN 프로그램을 활용하여 계산하였다. WthGEN은 기상자료개방포털의 API 데이터를 이용하며, Ihm et al. (2014)의 Method-1을 이용하여 냉난방도일을 계산한다.

2016~2018년 냉난방도일 계산

각 년도의 냉난방도일은 각 기후존별 4대 도시를 대상으로 2017년, 2018년, 2019 중부 및 남부 HEPS 표본가중치를 반영하여 계산하였다. Table 3은 중부와 남부존의 장기평균 및 당해연도 냉난방도일 계산결과이다.

Table 3.

Calculation results of Long-term and Annual Heating and Cooling Degree Days (°C-day) in Central and Southern Climate Zones

Classification	Long-term avg.		Annual
	2001~2020		2016		2017		2018
	Central	Southern	Central	Southern	Central	Southern	Central	Southern
HDD	2776.9	2145.7	2625.0	2035.0	2823.7	2180.2	2866.2	2219.5
CDD	354.1	391.2	459.9	446.4	382.9	446.2	481.2	483.9

기후정규화(Weather Normalization)

기후정규화 과정

본 연구에서는 Mun et al. (2022)의 도일기반 기후정규화계수 도출 방법을 참조하여 에너지사용량의 기후정규화를 진행하였다. Figure 2는 기후정규화 과정을 설명하고 있다. 먼저, 중부 및 남부존의 장기평균 냉난방도일과 해당 년도의 냉난방도일로 정규화계수를 계산한다. 이 계수는 연료소비량과 전력소비량에 각 적용되어 기후정규화된 에너지소비량을 계산한다. 한국 주거건물의 특성을 고려하여 연료소비량(급탕 및 난방 소비 포함)은 중간기를 제외한 기간의 난방소비량을 대상으로 기후정규화를 수행한다. 전력소비량은 조명, 전열, 냉방, 보조 난방용 사용량을 포함하므로, 기저 전력소비량(냉난방하지 않는 시기의 소비량)을 기준으로 겨울철에는 난방 기후정규화, 여름철에는 냉방 기후정규화를 수행한다.

https://cdn.apub.kr/journalsite/sites/kiaebs/2023-017-06/N0280170615/images/Figure_KIAEBS_17_6_15_F2.jpg

Figure 2.

Weather Normalization Process for Energy Benchmark Calculation

본 연구에서 기후정규화 계산은 난방과 냉방에 대해 각각 식 (3)과 (4)를 따른다. 난방에너지 기후정규화 과정을 예로 들면, EUI_i,x는 난방기간의 연료 또는 전력 EUI (kWh/㎡)을 의미한다. 난방도일 기후정규화 계수 C_i,heating은 장기평균 난방도일(HDD_long)을 해당 연도의 난방도일(HDD_i)로 나눈 값이다.

(3)

H e a t i n g N o r m a l i z e d E U I = E U I_{i, x} \times \frac{H D D_{l o n g}}{H D D_{i}} = E U I_{i, x} \times C_{i, h e a t i n g}

(4)

C o o l i n g N o r m a l i z e d E U I = E U I_{i, x} \times \frac{C D D_{l o n g}}{C D D_{i}} = E U I_{i, x} \times C_{i, c o o l i n g}

지역별 기후정규화 계수 계산

지역별 기후정규화 계수는 이전 절에서 언급한 장기평균 냉난방도일(HDD_long, CDD_long)과 해당 년도의 냉난방도일(HDD_i, CDD_i)을 사용하여 계산한다. Table 4는 2016년부터 2018년까지의 연도별 기후정규화 계수이다. 2016년을 예시로 계산된 계수값을 분석하면, 중부와 남부지역의 난방 기후정규화 계수는 장기 평균기후보다 겨울이 따뜻한 조건이 반영되어 1보다 큰 값을 가진다. 반대로, 냉방 기후정규화 계수는 장기평균 기후보다 2016년 여름이 더 고온인 특성이 반영되어 1보다 작은 값으로 나타난다.

Table 4.

Weather normalization coefficients for central and southern regions for years 2016, 2017, and 2018

Classification	2016		2017		2018
Classification	C_2016,heating	C_2016,cooling	C_2017,heating	C_2017,cooling	C_2018,heating	C_2018,cooling
Central	1.06	0.77	0.98	0.92	0.96	0.74
Southern	1.05	0.88	0.98	0.88	0.96	0.81

연료소비량 기후 정규화

도출한 난방 기후정규화 계수(C_i,heating)를 활용하여 연료소비량의 기후정규화를 진행하였다. 기저소비량은 기후의 영향을 받지 않기 때문에 총 연료소비량에서 이 부분을 제외한 후 기후정규화 계수를 곱하고 다시 기저부하를 더하여 기후정규화된 연료소비량을 계산하는 과정을 식 (5), (6), (7), 식 (8)에 설명하고 있다.

(5)

E U I_{f, b a s e} = \frac{F_{6} + F_{7} + F_{8} + F_{9}}{4}

식 (5)는 기저 연료소비량(EUI_f,base)을 계산하는 단계로 난방소비량은 없고 취사 및 급탕용 연료소비만 있을 것으로 추정되는 6월부터 9월까지 월별 연료소비량(F)의 평균값으로 계산한다.

(6)

E U I_{f, h e a t, t o t} = E U I_{f, t o t} - (E U I_{f, b a s e} \times 12)

식 (6)은 총 연료소비량 중 난방 연료소비량(EUI_f,heat,tot)을 계산하는 수식이며, 전체 연료소비량에서 12개월간 기저 연료소비량을 제외한 값으로 계산한다.

(7)

E U I_{f, h e a t, t o t, n o r} = E U I_{f, h e a t, t o t} \times C_{i, h e a t i n g}

식 (7)은 기후정규화된 난방 연료소비량(EUI_{f,heat,tot,nor})을 계산하며, 난방 연료소비량(EUI_f,heat,tot)에 난방 기후정규화 계수(C_i,heating)을 곱하여 계산한다.

(8)

E U I_{f, t o t, n o r} = E U I_{f, h e a t, t o t, n o r} + (E U I_{f, b a s d} \times 12)

식 (8)은 최종적으로 기후정규화 연간 연료소비량(EUI_f,tot,nor)을 계산하며, 기후정규화된 난방 연료소비량(EUI_{f,heat,tot,nor})에 12개월간 기저 소비량을 합산하여 계산한다.

전력소비량 기후 정규화

전력은 기저전력은 물론 냉방과 보조 난방에도 이용되기 때문에 전력소비량 기후정규화는 난방 기후정규화(C_i,heating) 계수와 냉방 기후정규화 계수(C_i,coolting)를 활용하여 진행한다. 이에 따라, 냉난방을 하지 않을 것으로 추정되는 5월의 사용량을 기저소비량으로 가정한다. 기저 전력소비량을 계산하여 제외하고, 난방기간에는 난방 기후정규화계수를, 냉방기간에는 냉방 기후정규화 계수를 곱한뒤 다시 기저 전력소비량을 더하여 기후정규화된 전력소비량을 계산하는 과정을 식 (9), (10), (11), (12), (13), 식 (14)에 설명하고 있다.

(9)

E U {I_{e,}}_{b a s e} = E_{5}

식 (9)는 기저 전력소비량(EUI_e,base) 계산수식으로 난방 및 냉방소비량이 없고 전열, 조명용 소비만 있을것으로 추정되는 5월의 소비량을 기저 소비량으로 가정하였다.

(10)

E U I_{e, h e a t, t o t} = (E_{1} + E_{2} + E_{3} + E_{4} + E_{10} + E_{11} + E_{12}) - (E U I_{e, b a s e} \times 7) if E U I_{e, h e a t, t o t} < 0, E U I_{e, h e a t, t o t} = 0

식 (10)은 전력소비량 중 난방 전력소비량(EUI_e,heat,tot)을 계산하며, 보조 난방기기를 사용할 것으로 추정되는 1월 ~ 4월, 10월 ~ 12월 소비량 합산 값에서 7개월 간 기저 소비량을 제외한 값으로 계산한다. 계산결과가 음수가 나오는 경우, 보조난방을 사용하지 않는 경우로 가정하여 난방 전력소비량을 0으로 처리한다.

(11)

E U I_{e, h e a t, t o t, n o r} = E U I_{e, h e a t, t o t} \times C_{i, h e a t i n g}

식 (11)은 기후정규화된 난방 전력소비량(EUI_{e,heat,tot,nor})을 계산하며, 난방 전력소비량(EUI_e,heat,tot)에 난방 기후정규화 계수(C_i,heating)을 곱하여 계산한다.

(12)

E U I_{e, c o o l, t o t} = (E_{6} + E_{7} + E_{8} + E_{9}) - (E U I_{e, b a s e} \times 4)

식 (12)는 전력소비량 중 냉방 전력소비량(EUI_{e, cool,tot})을 계산하며, 6월부터 9월까지 소비량 합계에서 4개월간 기저 소비량을 제외한 값으로 계산한다.

(13)

E U I_{e, c o o l, t o t, n o r} = E U I_{e, c o o l, t o t} \times C_{i, c o o l i n g}

식 (13)은 기후정규화된 냉방 전력소비량(EUI_{e,cool,tot,nor})을 계산하며, 냉방 전력소비량(EUI_e,heat,tot)에 냉방 기후정규화 계수(C_i,cooling)을 곱하여 계산한다.

(14)

E U I_{e, t o t, n o r} = E U I_{e, h e a t, t o t, n o r} + E U I_{e, c o o l, t o t, n o r} + (E U I_{e, b a s e} \times 12)

식 (14)는 최종적으로 기후정규화 연간 전력소비량(EUI_e,tot,nor)을 계산하며, 기후 정규화된 난방 전력소비량(EUI_{f,heat,tot,nor}), 기후 정규화된 냉방 전력소비량(EUI_{e,heat,tot,nor}), 12개월간 기저 소비량을 합산하여 계산한다.

에너지벤치마크데이터

주거유형·지역별 기후 정규화 결과분석

지금까지 정리한 기후정규화 방법을 Table 1의 주거유형별 EUI 결과에 적용하여, 주거그룹별 기후정규화 결과를 분석하였다. Table 5는 대표 사례로 중부지역에서 2000년대 준공된 단독주택 그룹의 기후정규화 전후의 연료소비량, 전력소비량, 총소비량으로 분석 결과를 보여주고 있다.

Table 5.

Results before and after climate normalized EUI (kWh/㎡·yr) for the representative group (detached houses - 2000s - Medium Size)

Classification		Central			Southern
Classification		Fuel	Electricity	Total	Fuel	Electricity	Total
2017 HEPS	Original value	118.6	30.5	149.1	79.7	29.9	109.6
	Normalized value	123.3	30.3	153.5	82.6	29.8	112.5
	Rate of change(%)	3.8%	-0.8%	2.9%	3.6%	-0.3%	2.6%
2018 HEPS	Original value	113.4	28.2	141.6	81.2	27.6	108.9
	Normalized value	112.1	28.3	140.4	80.4	27.8	108.2
	Rate of change(%)	-1.1%	0.5%	-0.8%	-1.1%	0.7%	-0.6%
2019 HEPS	Original value	117.4	38.3	155.7	90.5	38.5	129.0
	Normalized value	114.8	37.4	152.2	88.4	38.0	126.4
	Rate of change(%)	-2.3%	-2.3%	-2.3%	-2.4%	-1.5%	-2.1%
Average	Original value	116.5	32.3	148.8	83.8	32.0	115.8
	Normalized value	116.7	32.0	148.7	83.8	31.9	115.7
	Rate of change(%)	0.2%	-1.0%	0.0%	0.0%	-0.5%	-0.1%

2018 HPES의 정규화 전·후 결과를 상세 분석하면 연료소비량의 경우 중부와 남부 지역에서 난방 기후 정규화 계수가 모두 0.98로, 장기평균 대비 낮은 겨울 기온의 영향으로 연료소비량이 약 1.1% 감소하였다. 전력소비량의 경우 기후정규화 계수는 중부 0.98(난방) / 0.92(냉방), 남부 0.98(난방) / 0.88(냉방)이 적용되었다. 이 결과는 2017년의 냉·난방도일이 장기평균 대비 높았음을 나타내며, 이에 따라 겨울과 여름 기온의 변화가 고려되어 중부는 전력소비량이 0.5%, 남부는 0.7% 증가하였다.

최종적으로 기후 정규화에 따라 HEPS 2017의 EUI는 중부와 남부 지역의 총소비량이 약 3% 증가하였다. HEPS 2018에서는 중부는 0.8% 감소, 남부는 0.2% 증가하였으며, HEPS 2019에서는 중부와 남부 모두 약 2% 감소하였다.

본 연구에서 제안하는 에너지벤치마크 결과는 3개년도 평균값이며, 필요에 따라 매년 정규화 벤치마크데이터도 활용할 수 있을 것으로 예상된다.

주거유형·지역별 에너지벤치마크데이터 제안

최종적으로 제안하는 주거유형·지역별 에너지벤치마크 데이터는 Table 6와 Table 7이다. Table 6은 2차 에너지소비량을, Table 7은 1차 에너지로 환산한 결과이다(연료 환산계수는 1.1, 전력 환산계수는 2.75 사용).

결 론

본 연구는 주거건물의 에너지소비량을 평가하거나, 리모델링 전후 에너지 절감량 검증을 위한 기반데이터를 제공하기 위하여 매년 기후의 변동성이 에너지소비량에 미치는 영향을 제거한 에너지벤치마크 데이터를 주거건물 그룹별로 구분하여 제안하였다. 이를 위해, 에너지경제연구원의 가구에너지 상설표본조사(HEPS) 데이터를 활용하였으며, 주거그룹별 에너지소비량의 기후정규화 과정을 수행하였다.

기후 정규화를 통해 건물의 에너지 성능을 더욱 객관적으로 평가하게 되는데, 단독주택-중부지역-2000년대 그룹의 경우, 기후정규화 계수의 적용으로 겨울철 난방과 여름철 냉방의 영향이 명확하게 나타났다. 이는 에너지 사용의 계절적 변화를 더 정확하게 이해하는 데 중요한 기여를 한다.

Figure 3은 본 연구를 통해 정리된 에너지 벤치마크 정의 프로세스를 요약하고 있으며, 네 가지 주요 단계로 구성되어 있다. 첫째, 기초데이터 수집이 이루어진다. 둘째, 건축특성을 고려하여 각 주거 그룹별 EUI를 정의한다. 셋째 단계는 각 그룹별 EUI 값을 기후 조건에 맞게 정규화 한다. 마지막으로, 이러한 정보를 바탕으로 각 그룹별 에너지 벤치마크를 정의한다. 중요한 점은 이 프로세스는 기토데이터가 업데이트 될 때마다 반복 수행되어, 벤치마크값이 최신 정보를 반영하도록 지속적으로 업데이트될 수 있다는 것이다. 이러한 지속적 업데이트를 통해 정의된 벤치마크데이터는 에너지 관리 및 건물에너지 정책의 평가와 개선에 중요한 기초 자료로 활용될 수 있다.

https://cdn.apub.kr/journalsite/sites/kiaebs/2023-017-06/N0280170615/images/Figure_KIAEBS_17_6_15_F3.jpg

Figure 3.

Overall process for building energy benchmarking

Table 6.

Energy benchmark data for secondary EUI (kWh/㎡·yr) of 54 prototypical residential groups

Classification			Detached			Row/Multi			APT
Region	NUA	Vinatage	Fuel	Electricity	Total	Fuel	Electricity	Total	Fuel	Electricity	Total
Central	Small (S)	Pre2000	138.5	47.5	186	146.5	47.8	194.3	119.8	43.0	162.8
		2000’s	142.3	46.2	188.5	139.2	45.0	184.2	114.7	40.8	155.5
		After 2010	137.1	42.9	180	137.5	43.8	181.3	112.4	41.8	154.2
	Medium (M)	Pre2000	113.1	33.0	146.1	101.2	35.3	136.5	97.0	33.1	130.1
		2000’s	116.7	32.0	148.7	96.2	33.3	129.5	92.8	31.4	124.2
		After 2010	111.4	29.7	141.1	95.0	32.3	127.3	91.1	32.2	123.3
	Large (L)	Pre2000	93.6	23.7	117.3	60.3	20.0	80.3	91.0	25.7	116.7
		2000’s	96.4	23.0	119.4	57.4	18.9	76.3	86.9	24.4	111.3
		After 2010	91.7	21.3	113	60.1	23.4	83.5	85.9	25.0	110.9
Southern	Small (S)	Pre2000	118.0	47.6	165.6	101.8	49.0	150.8	115.0	46.0	161
		2000’s	112.4	46.3	158.7	112.5	51.3	163.8	116.2	47.3	163.5
		After 2010	113.1	46.1	159.2	92.9	43.8	136.7	119.7	45.1	164.8
	Medium (M)	Pre2000	87.8	33.1	120.9	97.9	34.9	132.8	92.6	33.6	126.2
		2000’s	83.8	32.2	116	108.4	36.5	144.9	93.8	34.5	128.3
		After 2010	84.3	32.1	116.4	89.4	31.1	120.5	96.8	32.9	129.7
	Large (L)	Pre2000	64.6	24.1	88.7	66.4	16.2	82.6	54.4	22.4	76.8
		2000’s	60.9	23.1	84	56.9	20.5	77.4	54.1	22.8	76.9
		After 2010	61.1	23.2	84.3	79.7	17.9	97.6	55.2	21.8	77

Table 7.

Energy benchmark data for primary EUI (kWh/㎡·yr) of 54 prototypical residential groups

Classification			Detached			Row/Multi			APT
Region	NUA	Vinatage	Fuel	Electricity	Total	Fuel	Electricity	Total	Fuel	Electricity	Total
Central	Small (S)	Pre2000	152.3	130.8	283.1	161.1	131.3	292.4	131.8	118.3	250.1
		2000’s	156.5	127.0	283.5	153.1	123.8	276.9	126.2	112.2	238.4
		After 2010	150.8	117.8	268.6	151.3	120.3	271.6	123.6	114.9	238.5
	Medium (M)	Pre2000	124.4	90.7	215.1	111.3	97.2	208.5	106.7	91.1	197.8
		2000’s	128.4	88.0	216.4	105.8	91.5	197.3	102.1	86.5	188.6
		After 2010	122.6	81.7	204.3	104.5	88.8	193.3	100.2	88.6	188.8
	Large (L)	Pre2000	102.9	65.3	168.2	66.3	55.0	121.3	100.1	70.6	170.7
		2000’s	106.0	63.2	169.2	63.1	52.0	115.1	95.6	67.0	162.6
		After 2010	100.9	58.6	159.5	66.1	64.4	130.5	94.5	68.6	163.1
Southern	Small (S)	Pre2000	129.8	130.8	260.6	112.0	134.9	246.9	126.5	126.6	253.1
		2000’s	123.6	127.4	251	123.7	141.2	264.9	127.8	130.1	257.9
		After 2010	124.5	126.8	251.3	102.2	120.4	222.6	131.7	123.9	255.6
	Medium (M)	Pre2000	96.5	91.0	187.5	107.7	95.9	203.6	101.9	92.3	194.2
		2000’s	92.2	88.4	180.6	119.3	100.5	219.8	103.2	94.9	198.1
		After 2010	92.7	88.1	180.8	98.3	85.4	183.7	106.4	90.4	196.8
	Large (L)	Pre2000	71.1	66.2	137.3	73.0	44.7	117.7	59.8	61.7	121.5
		2000’s	67.0	63.6	130.6	62.6	56.5	119.1	59.5	62.6	122.1
		After 2010	67.2	63.7	130.9	87.7	49.1	136.8	60.8	59.9	120.7

Acknowledgements

이 논문은 산학연협력 선도대학(LINC3.0) 육성사업의 2023년도 산학공동기술개발과제(2023012412) 및 2020학년도 충북대학교 연구년제 지원에 의하여 연구되었음(This work was conducted during the research year of Chungbuk National University in 2020).

References

Chung, W., Hui, Y.V., Lam, Y.M. (2006). Benchmarking the energy efficiency of commercial buildings. Applied Energy, 83, 1-14. 10.1016/j.apenergy.2004.11.003

Ihm, P., Jung, S.S., Seo, D.H. (2014). Estimating Cooling and Heating Degree Days for Variable Base Temperature. Korean Journal of Air-Conditioning and Refrigeration Engineering, 26(2), 79-85. 10.6110/KJACR.2014.26.2.079

Kim, D.W., Yoon, S.H., Park, C.S. (2014). Simple Energy Benchmarking for Existing Office Buildings. Journal of the Architectural Institute of Korea Planning & Design, 30(9), 223-233. 10.5659/JAIK_PD.2014.30.9.223

Kim, H.J., Seo, D.H. (2022). Improving Building Energy Efficiency Rating Criteria for Residential Building. Journal of the Architectural Institute of Korea, 38(12), 283-288.

Lee, N.H., Kim, H.J., Seo, D.H. (2019). Analysis of residential energy use features with respect to Location, housing type, gross area and construction year from Household Energy Standing Survey. Journal of Korean Institute of Architectural Sustainable Environment and Building Systems, 13(6), 545-558.

Lee, N.H., Kim, H.J., Seo, D.H. (2022). Estimation of end-use consumption and building energy efficiency rating criteria of prototypical residential buildings based on Household Energy Standing Survey. Journal of Korean Institute of Architectural Sustainable Environment and Building Systems, 16(1), 80-93.

Nzarigema, J.A., Ngarambe, J., Zo, C.H., Yun, G.Y. (2022). Quantile Regression Modelling with LightGBM for Building Energy Benchmarking. Journal of Korean Institute of Architectural Sustainable Environment and Building Systems, 16(5), 359-373.

Azulay, G., Barclay, N.D., Tolkin, B. (2009). ENERGY STAR® Portfolio Manager and Utility Benchmarking Programs: Effectiveness as a Conduit to Utility Energy Efficiency Programs. Energy Program Evaluation Conference, Portland, 738-750.

Makhmalbaf, A., Srivastava, V., Wang, N. (2013). Simulation-based weather normalization approach to study the impact of weather on erergy use of buildings in the U.S. 13th Conference of International Building performance Simulation Association, Chambery, France, August 26-28, 1436-1444. 10.26868/25222708.2013.2453

Mun, J.Y., Yoo, Y.S., Kim, D.W., Park, C.S. (2022). Weather normalization of EUI using degree-days. Autumn Annual Conference of Korean Institute of Architectural Sustainable Environment and Building Systems, 165-166.

Bonneville Power Administration (BPA). (2011). Regression for M&V: reference guide, Bonneville Power Administration.

Bruhns, H., Jones, P., Cohen, R., Bordass, B., Davies, H. (2011). Review of energy benchmarks for display energy certificates-analysis of DEC results to date. CIBSE Technical Symposium, DeMontfort University, Leicester UK - 6th and 7th.

Hendron, R., Engebrecht, C. (2010). Building America Research Benchmark Definition, Updated December 2009. Technical Report, United States, DOI: 10.2172/1217895. 10.2172/1217895PMC3601900

Kim, H.G. (2017). Development of an energy performance benchmark using quantitative analysis of energy consumption of office buildings. Master thesis. Ajou University, Korea.

Park, K.S. (2023). Carbon neutrality/green growth national strategy and 1st national basic plan. Korea Energy Economics Institute, 10-5, Available at: https://www.kesis.net/sub/sub_0001_03.jsp?CATEGORY_ID=C_072&SEQ=4&LOW_SEQ=96&M_MENU_ID=M_M_001&S_MENU_ID=S_M_016 [Accessed 05/12/2023].

Notes

[1] 1) HEPS는 전년도 소비량을 조사한 결과를 발표하기 때문에 HEPS 2017 마이크로데이터는 실제 2016년에 소비한 에너지를 조사한 것이다.

Journal of Korean Institute of Architectural Sustainable Environment and Building Systems 한국건축친환경설비학회논문집 ISSN:1976-6483(Print) 2586-0666(Online)

Preview

Development of Residential Building Energy Benchmark Data

ABSTRACT

MAIN

Figure 1.

Main research process

Table 1.

Total EUI (kWh/㎡·yr, Fuel + Electricity) of 54 prototypical residential groups of 2017, 2018 and 2019 HEPS data

Table 2.

HEPS sample sizes of 54 prototypical residential groups

(1)

(2)

Table 3.

Calculation results of Long-term and Annual Heating and Cooling Degree Days (°C-day) in Central and Southern Climate Zones

Figure 2.

Weather Normalization Process for Energy Benchmark Calculation

(3)

(4)

Table 4.

Weather normalization coefficients for central and southern regions for years 2016, 2017, and 2018

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

Table 5.

Results before and after climate normalized EUI (kWh/㎡·yr) for the representative group (detached houses - 2000s - Medium Size)

Figure 3.

Overall process for building energy benchmarking

Table 6.

Energy benchmark data for secondary EUI (kWh/㎡·yr) of 54 prototypical residential groups

Table 7.

Energy benchmark data for primary EUI (kWh/㎡·yr) of 54 prototypical residential groups

Acknowledgements

References

Notes