Mobile QR Code QR CODE : Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

ISO Journal TitleJ Korean Inst. IIIum. Electr. Install. Eng.

  1. (Ph.D. course, Department of Architectural Engineering, Sejong University, Korea)
  2. (Professor, Department ofArchitectural Engineering, Sejong University, KoreaTel:02-3408-3761)



Dimming, Illuminance, Photosensor, Indoor reflective louver system

1. 서 론

LED의 보급 확대와 더불어 조명기구의 밝기를 조절하여 에너지를 절감하는 디밍 제어시스템이 가로등 조명과 사무실 조명 등에 적용되고 있는 추세이다. 실내 빛 환경은 재실자의 감정 상태, 생체 리듬, 작업 능력 등에 전반적인 영향을 미치는 중요한 요소이며 적절한 조명 환경 제공을 위해 KS(Korea standard), CIE(International Commission on illumination) 등은 실내 조도 기준을 제시하고 있다. KS A 3011의 경우 장소별 조도 분류를 11가지로 나눠 제시하고 있으며, 조도 범위의 조도는 작업면 조도로 수평면 조도를 뜻한다. CIE 표준은 장소별로 작업면의 평균조도(average illuminance), 눈부심 평가 지표(Unified glare rating), 연색지수(Color redering index)를 제시하고 있다.

조명기구의 광센서를 이용한 디밍 제어시스템(이하 ‘디밍 제어시스템’이라 함)의 경우 초기 설치 시 조명기구 밝기를 조절하여 보정을 통해 작업면 조도를 요구조도에 도달할 수 있도록 한다[1]. 그러나 시스템 설치 후 차양장치에 의해 실내에 들어오는 주광의 양에 따라 변화하는 실내 조도 분포에 적절하게 대응하기에 어려움이 있다. 광센서와 작업면 조도의 연관 관계를 결정하는 시스템 보정 과정 중에선 해당 조명기구의 작업면 조도만 감지하기 때문에, 실제 시스템 작동 시 다른 조명기구의 영향을 받아 작업면 조도는 목표 조도를 만족하지 못하는 경우가 발생하기도 한다.

조명기구에 내재된 광센서의 경우 주로 천장에 위치하고, 실내 환경정보를 취득하는 IoT(Internet of Things) 기반 스마트 센서의 경우 일반적으로 벽에 부착되기 때문에 각 광센서의 값들이 작업면 조도를 제대로 나타내지 못하는 상황이 발생하기도 한다. 실내에 설치되는 광센서 값이 작업면 조도를 얼마나 정확히 나타내고 있는가가 디밍 제어시스템의 정확도에 매우 중요한 영향을 준다.

따라서 본 연구는 실내 차양장치 설치시 디밍 제어시스템의 정확도 분석을 위해 광센서를 다양한 위치에 설치 및 모니터링 하여 작업면 조도와의 관계를 파악하고자 하였다. 또한 구간전력 측정을 통하여 디밍 제어시스템 설치시 에너지 절약 비율을 확인하고자 하였다.

2. 시스템 구축

2.1 센서 배치

설치된 광센서의 종류 및 배치는 Fig. 1으로 나타내었다. 조도를 측정하기 위한 장비로는 조도계, 조명기구에 내재된 광센서, 세 방향 광센서, 두 방향 광센서, 벽 광센서로 구성되었다. 작업면 조도 측정 시 사용한 조도계는 KONICA MINOLTA의 T-10A 시리즈이며 조도계를 작업면 높이 세곳에 배치하였다. 각각의 명칭을 E1(창가), E2(중앙), E3(현관)로 표기하였다. 조명기구에 내재된 광센서의 경우 S1, S2, S3로 표기하였다. 추가로 세 방향을 바라보는 광센서를 천장에 배치하고 그 값을 S31, S32, S33로 표기하였다. 두 방향을 바라보는 광센서의 경우 S21(천장), S22(벽)로 표기하였으며 벽에 부착된 광센서는 W로 표기하였다. 제작한 세 방향 광센서, 두 방향 광센서, 벽 광센서에 내재된 센서 경우 BH1750 센서를 사용하였다. BH1750 센서의 경우 건물에서의 조명 환경 모니터링을 위해 주로 사용되는 광센서로 높은 정밀도를 보인다[2]. Table 1으로 설치된 광센서의 모습을 나타내었으며 조명기구의 정보는 Table 2로 정리하였다.

Fig. 1. Installation location of photosensors

../../Resources/kiiee/JIEIE.2022.36.11.001/fig1.png

Table 1. Sensors used in the study

센서 명

센서

기능

Illuminance meter

(T-10A)

../../Resources/kiiee/JIEIE.2022.36.11.001/tb1-1.png

작업면 높이의 조도를 측정

Three-way photosensor

../../Resources/kiiee/JIEIE.2022.36.11.001/tb1-2.png

천장에 부착

세 개의 광센서로 세 방향의 조도를 측정

Two-way photosensor

../../Resources/kiiee/JIEIE.2022.36.11.001/tb1-3.png

벽에 부착

두 개의 광센서로 천장과 벽의 조도를 측정

Wall photosensor

../../Resources/kiiee/JIEIE.2022.36.11.001/tb1-4.png

벽에 부착

한 개의 광센서로 벽의 조도를 측정

Table 2. Luminaire information

구분

배광 곡선

조명기구 개수

3개

../../Resources/kiiee/JIEIE.2022.36.11.001/tb2.png

조명기구 사이즈

1200×300mm

정격입력전압

AC 220V

정격입력전력

40W

광효율

117.4lm/W

2.2 차양장치 설치 및 제어

본 연구에 사용된 차양장치는 실내 루버형 집광채광 시스템이며 Fig. 2로 나타내었다. 실내 루버형 집광채광 시스템의 경우 태양 빛을 실내 깊숙한 곳으로 보냄으로써 직사광선 일부를 조명에너지로 사용하는 시스템으로 가시광선 반사율이 90% 이상인 알루미늄 소재의 슬랫을 사용한다. 국내에서는 건축물 신재생에너지 설치 의무화 사업에 따른 신재생에너지 원으로 인정받고 있다.

본 연구에서 실내 루버형 집광채광 시스템의 경우 위의 21개의 슬랫은 45도, 아래의 25개의 슬랫은 90도로 제어하였다. 이것은 현재 국내의 실내 루버형 집광채광 시스템 업체에서 제안하고 있는 슬랫의 각도이다. Fig. 3은 천공상태가 맑음일 때의 하지와 동지를 DIALux를 통해 모델링 한 모습이다. 모델링에 사용된 차양장치의 경우 위의 21개의 슬랫은 45도, 아래의 25개의 슬랫은 90도로 연구에서 사용된 각도와 동일하게 스케치업을 통해 모델링하였다. 조명기구의 경우 0%에서 100%로 디밍하여 나타내었다.

Fig. 2. Shading devices

../../Resources/kiiee/JIEIE.2022.36.11.001/fig2.png

Fig. 3. DIALux modeling

../../Resources/kiiee/JIEIE.2022.36.11.001/fig3.png

3. 데이터 수집 및 분석

3.1 데이터 수집 방안

설치된 광센서 및 차양장치의 데이터 수집을 위한 과정은 다음과 같다. 먼저 조도계(E1, E2, E3)의 데이터의 경우 Fig. 4와 같이 T-10A를 T-S10w 소프트웨어를 사용하여 PC와 연동 후 엑셀로 그 데이터를 받았다. 데이터는 1분 간격으로 로깅하였다.

조명기구에 내제된 광센서의 경우 Fig. 5와 같이 데이터를 로깅 한다. 조명기구는 IEEE 802.15.4 무선을 사용하여 조명기구 게이트웨이와 통신하게 된다. 이후 TCP/IP(Transmission Control Protocol/Internet Protocol)를 통해 네트워크에 연결된 컴퓨터와 통신하여 스마트 게이트웨이와 통신한다. 스마트 게이트웨이는 TCP/IP를 통해 조명기구 게이트웨이의 각 조명기구의 조도값을 주기적으로 조회하는 방식이다. 각 조명의 디밍값, 조도값 그리고 전력사용량은 REST API(Representational State Transfer Application Programming Interface)를 통해 읽을 수 있다.

세 방향 광센서, 두 방향 광센서, 벽 광센서의 경우 브라우저 기반 플로우 편집기를 제공하는 프로그래밍 도구인 Node-RED[3]를 사용하여 구축하였으며 이를 Fig. 6에 나타내었다.

3가지 광센서의 조도 데이터는 Influx DB에 저장된다. Influx DB는 시계열 데이터를 기반으로 한 플랫폼으로 운영 모니터링, 실시간 분석 등의 분야에서 고속의 고가용성 저장 및 검색에 최적화되어 있다[4]. Influx DB에 저장된 데이터를 시각화하기 위해 시계열 데이터에 대한 대시보드를 제공해주는 시각화 도구 중 하나인 Grafana에 연계하였으며 이를 Fig. 7에 나타내었다[5]. Grafana를 통해 필요한 데이터를 csv형식으로 받을 수 있다.

Fig. 4. Illuminance meter data logging

../../Resources/kiiee/JIEIE.2022.36.11.001/fig4.png

Fig. 5. Illuminance meter data logging

../../Resources/kiiee/JIEIE.2022.36.11.001/fig5.png

Fig. 6. Senors with Node-RED

../../Resources/kiiee/JIEIE.2022.36.11.001/fig6.png

Fig. 7. Senors data visualization with Grafana

../../Resources/kiiee/JIEIE.2022.36.11.001/fig7.png

3.2 데이터 분석

본 연구는 6/18부터 7/12일 데이터 중 23일의 데이터를 분석하였다. 시스템 가동 시간은 오전 8시부터 오후 8시로 총 12시간이다. 수집한 조도 데이터는 조도계로 측정한 작업면 조도 E1, E2, E3와 조명기구 광 센서값 S1, S2, S3과 세 방향 광센서 S31, S32, S33과 두 방향 광센서 S21, S22 그리고 벽 광센서 W이다. 추가로 조명기구 3개의 구간전력(kwh)도 수집하였다. 날씨의 경우 기상청의 일별자료 중 운량자료 조회를 통해 수집하였다[6]. 운량의 경우 맑음, 구름조금, 구름많음, 흐림 4가지로 구분하고 있으며 본 연구에서 진행한 23일의 데이터 중 맑음에 해당하는 날짜가 없어 이는 제외하고 진행하였다. 수집된 데이터는 Table 3에 나타내었다.

수집된 데이터 중 작업면 조도들간의 차이를 먼저 파악하고자 1시간 간격으로 평균을 하여 E1, E2, E3의 조도 분포를 확인해보았다. Fig 8은 8시부터 20시까지의 E1, E2, E3의 평균조도 값을 나타낸다. E1의 경우 창가에 위치해있어 직사일광이 들어오는 시점부터 편차가 커지는 것을 확인할 수 있으며 현관에 위치한 E3이 가장 표준편차가 적은 것을 확인할 수 있다.

실내 루버형 집광채광 블라인드의 데이터는 인덱스를 제외하고 276행으로 이루어져 있다. 실내에 설치되는 광센서 중 작업면 조도와 연관성이 높은 광센서를 파악하기 위하여 python 모듈 중 하나인 statsmodels을 활용하여 통계 분석을 실시하였다[7]. statsmodels 패키지의 경우 OLS(Ordinary Least Square) 클래스를 사용하여 선형 회귀분석을 실시하게 된다.

작업면 조도와 조명기구의 광센서의 일대일 관계 파악을 위해 단순 선형 회귀분석을 진행하였다. 조명기구 아래에 대응되는 조도계와의 관계를 분석하였으며 그 결과는 Table 4에 나타내었다. 그 결과 3개의 조명기구 중 가운데 있는 조명기구의 광센서가 작업면 조도를 예측하였을 때 결정계수를 뜻하는 R-Squared 값이 가장 높은 것을 확인할 수 있었다.

Fig. 9는 조명기구의 광센서를 통해 작업면 조도를 예측하였을 때 예측값과 실제값을 비교한 그래프이다. 276개의 데이터 중 70%를 훈련 데이터로 사용하였으며 30%를 테스트 데이터로 사용하였다. S1을 통해 E1을 예측한 경우 그래프의 개형은 거의 비슷하지만 그 값에는 다소 차이가 발생함을 볼 수 있다. S1은 가장 창가에 있는 조명기구의 광센서로 직사 일광의 영향을 많이 받아 예측의 정확도가 떨어졌음을 예상할 수 있다. S2의 경우 Table 4의 결과와 같이 동일하게 예측과 실제값이 거의 같음을 확인할 수 있으며 S3의 경우에도 작업면 조도인 E3을 예측할 때 값의 차이가 크지 않음을 확인할 수 있다.

주변 광센서의 정보를 통해 작업면의 평균 조도를 유추하고자 회귀분석을 진행하였다. 실내 루버형 집광채광 블라인드를 설치한 경우 작업면 조도와 조명기구 광센서, 세 방향 광센서, 두방향 광센서 그리고 벽 광센서의 선형 회귀분석 결과는 Table 5에 나타내었다. 광센서 값에 따라 도출된 계수와 절편을 명시하였다. 결정계수값의 경우 조명기구 광센서 값이 가장 1에 가깝게 나옴을 확인하여 유의미한 결과가 나왔다고 판단하였다.

광센서별 예측값과 실제값을 비교하는 그래프를 Fig. 10에 나타내었다. 이는 각각의 광센서 값을 통하여 작업면 조도의 평균값을 예측하였을 때의 값과 실제 작업면 조도의 값을 비교한 그래프이다. x축의 경우 데이터의 개수 의미하고 y축의 경우 조도를 뜻한다. 그 결과 그래프의 양상은 거의 비슷하게 나타나며 세 방향 광센서가 가장 예측값과 실제값이 비슷한 확인할 수 있었다. 하지만 벽 센서의 경우 20번째와 60번째 전후의 값에서 예측값과 실제값의 차이가 다소 많이 발생함을 확인하였다. 이는 벽 광센서의 경우 한가지 값만을 가지고 있으므로 다른 광센서에 비해서 작업면 조도를 예측하는데 다소 정확도가 떨어진다는 점을 확인할 수 있다.

조명기구 디밍시 전력사용량에 대한 에너지 절감을 확인하고자 Case 1, Case 2, 그리고 Case 3으로 구분하였다. Case 1의 경우 조명기구를 100%로 사용했을 때 사용하는 전력량을 뜻한다. 현재 설치된 조명기구가 40W 3개이기 때문에 12시간을 가동한 경우 사용하는 전력량은 1.44kwh이다. Case 2의 경우 튜닝이 들어갔을 때 사용하는 전력량을 뜻한다. 여기서, 튜닝의 개념이란, 조명기구를 처음 설치한 후 작업면 조도가 목표 조도보다 높을 경우 조명기구 광속을 목표 조도에 맞춰 낮추는 것이다. 튜닝시 사용하는 전력량을 확인하기 위하여 일몰 후 조명 점등시 사용되는 전력량을 확인하였으며, 시간당 0.098kwh로 측정되었다. 이를 12시간 사용한다고 가정하였을 때 소비되는 전력량은 1.18kwh이다. Case 2의 경우 Case 1에 비해 18.05% 가량 에너지를 절약하는 것을 확인할 수 있다. Case 3의 경우 조명기구 디밍시 사용하는 전력량을 의미한다.

Fig. 11은 조명기구 디밍시 소비되는 전력량을 조명기구 100% 사용시 전력량과 비교하여 얼마만큼의 에너지 절약이 가능한지 %로 나타낸 그래프이다. 실내 루버형 집광채광 시스템을 설치 및 가동한 결과 천공상태가 partly cloudy일 때 최대 32.75%가량 절약됨을 확인하였다. 천공상태가 cloudy인 경우 최대 32.77%까지 에너지 절약이 가능함을 확인할 수 있었다.

Fig. 12는 조명기구 디밍시 소비되는 전력량을 조명기구 튜닝시 소비되는 전력량과 비교하여 나타낸 그래프이다. Fig. 10의 경우 튜닝과 디밍을 했을 때 전체적인 에너지 절감량을 나타낸다면 Fig. 11의 경우 디밍으로만 절약할 수 있는 에너지를 확인할 수 있으므로 %의 차이만 발생하고 그래프의 개형은 동일하다. 이때의 최대값은 17.96%이다.

Table 6Fig. 10Fig. 11에 해당하는 값을 상세히 표기하였다. 천공상태별로 에너지 절약값이 큰 순서대로 표기한 결과 partly cloudy일 때 평균 31.48%가량 감소함을 확인하였으며 cloudy인 경우 28.67% overcast인 경우 2243%임을 확인할 수 있었다. 이는 튜닝만 사용했을 때 절약되는 18.05% 보다 더 큰 에너지 절약이 가능함을 확인하였다.

Fig. 13은 조명기구 디밍시 절감되는 에너지와 작업면 평균 조도를 비교한 그래프이다. 그 결과 천공상태가 partly cloudy와 cloudy인 경우 평균 조도와 에너지 절감량의 그래프가 비슷한 개형을 나타냄을 확인할 수 있었다. 그러나 천공상태가 overcast인 경우 다소 차이가 발생함을 확인하였다. Fig. 14에 타냈듯이 기상청 데이터를 통해 운량과 일사를 비교한 결과 천공상태가 같은 overcast일 때 일사의 경우 최대 0.65 MJ/㎡에서 최소 0.22 MJ/㎡까지 차이가 발생함을 확인할 수 있다.

Fig. 8. Hourly average workplane illuminance

../../Resources/kiiee/JIEIE.2022.36.11.001/fig8.png

Fig. 9. Comparison of illuminance average actual value and predicted value in average illuminance

../../Resources/kiiee/JIEIE.2022.36.11.001/fig9.png

Fig. 10. Comparison of illuminance average actual value and predicted value in illuminance

../../Resources/kiiee/JIEIE.2022.36.11.001/fig10.png

Fig. 11. Percentage of energy saving

../../Resources/kiiee/JIEIE.2022.36.11.001/fig11.png

Fig. 12. Percentage of energy saving compared tuning system

../../Resources/kiiee/JIEIE.2022.36.11.001/fig12.png

Fig. 13. Percentage of energy saving compared tuning system

../../Resources/kiiee/JIEIE.2022.36.11.001/fig13.png

Fig. 14. Comparison of sky condition and radiation

../../Resources/kiiee/JIEIE.2022.36.11.001/fig14.png

Table 3. List of collected data

수집 데이터

표기, 단위

작업면 조도 (작업면)

E1, E2, E3 (lx)

조명기구 광센서 (천장)

S1, S2, S3 (lx)

세 방향 광센서 (천장)

S31, S32, S33 (lx)

두 방향 광센서 (벽)

S21, S22 (lx)

벽 광센서 (벽)

W (lx)

구간전력

kwh

천공상태

Partly cloudy, Cloudy, Overcast

일사

MJ/㎡

Table 4. OLS Regression results in illuminance

Sensor

Variable

Intercept

R-squared

S1

E1

2.546

0.889

S2

E2

5.622

0.999

S3

E3

5.011

0.998

Table 5. OLS regression results in average illuminance

Sensor

Coefficient

Intercept

R-squared

S1

0.617

410.112

0.939

S2

2.140

S3

-1.493

S31

0.196

144.554

0.928

S32

7.425

S33

-5.438

S21

0.811

-413.434

0.908

S22

0.813

W

1.235

248.801

0.779

Table 6. Percentage of energy saving

Energy saving (%)

Energy saving-only dimming (%)

Sky condition

32.75

17.94

Partly Cloudy

31.32

16.19

30.36

15.03

31.48

16.39

Average

32.77

17.96

Cloudy

32.70

17.88

31.33

16.20

31.11

15.94

29.49

13.96

29.36

13.79

29.11

13.50

27.74

11.82

25.68

9.31

24.66

8.06

21.47

4.17

28.67

12.96

Average

29.07

13.44

Overcast

24.82

8.26

23.96

7.22

21.40

4.09

21.29

3.94

20.58

3.08

20.56

3.06

20.24

2.68

19.96

2.33

22.43

5.34

Average

4. 결 론

적절한 조명 환경 제공 및 에너지 절약을 위하여 최근 다양한 건물에서 디밍 시스템을 설치 또는 이용하고 있다. 그러나 실제 디밍 시스템 작동 시 다른 조명기구의 작동, 차양장치, 주광 등 다양한 주변 환경 영향에 따라 목표 조도에 도달하는 데 어려움이 있다. 또한, 작업면 조도와 천장, 벽에 부착되는 조도 센서와는 그 값에 차이가 있다. 본 연구는 작업면 조도와 실내 다양한 위치에서의 조도 센서값의 관계를 파악하고자 조명기구 광센서, 세 방향 광센서, 두 방향 광센서, 벽 광센서를 부착하여 시계열 데이터를 수집 및 모니터링 하는 시스템을 구축하였다.

수집된 광센서 데이터를 통해 작업면의 평균 조도를 예측하는 선형 회귀분석을 하였으며 그 결과를 Table 4에 명시하였다. 또한, 조명기구의 광센서와 작업면 조도의 상관관계 파악을 위해서 단순선형회귀분석을 시행하였다. 본 연구는 총 23일의 데이터를 분석하여 광센서 간의 관계식을 도출한 연구로 훈련 데이터와 테스트 데이터를 나누어 비교 및 분석한 결과 결정계수가 1에 가깝게 도출돼 유의미한 결과를 내었다.

또한, 실제 디밍 시스템 작동 시 실내 루버형 집광채광 시스템의 에너지 절약 비율을 확인하고자 구간전력 측정을 시행하였다. 그 결과 천공상태가 partly cloudy일 때 실내 루버형 집광채광시스템을 사용한 경우 평균 29.77%가량 에너지 절약이 가능함을 확인할 수 있었다. 추후 천공상태 및 일사에 따라 직사 일광을 고려하여 진행할 경우 정확도가 높아질 것으로 예상한다.

Acknowledgement

이 논문은 2021년도 정부(산업통상자원부)의 재원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구임(No. 20212020800120).

References

1 
2019., High-Performance Accuracy of Daylight-Responsive Dimming Systems with Illuminance by Distant Luminaires for Energy-Saving Buildings, Energies, Vol. 12, No. 4, pp. 731DOI
2 
2021, Low-cost, Multimodal Environmental Monitoring based on the Internet of Things, Building and Environment, Vol. 203DOI
3 
Node-RED, https://nodered.org/, (Accessed 15 Sep., 2022)URL
4 
Influx DB, https://www.influxdata.com/, (Accessed 15 Sep., 2022)URL
5 
Grafana, https://grafana.com/ (Accessed 15 Sep., 2022)URL
6 
KMA, https://www.kma.go.kr/ (Accessed 20 Sep., 2022)URL
7 
Statsmodels, statsmodels.org. (Accessed 20 Sep., 2022)URL

Biography

Jiyoung Seo
../../Resources/kiiee/JIEIE.2022.36.11.001/au1.png

She received B.S. degree in Architectural Enginerring from Sejong University (2019). She is currently a Ph.D. course at the Dept. of Architectural Engineering, Sejong University.

Anseop Choi
../../Resources/kiiee/JIEIE.2022.36.11.001/au2.png

He received B.S. degree in Architectural Engineering from Hanyang University (1991). He received M.S. degree (1993) and Ph.D. degree (1997), respectively, in Architectural Engineering from The Pennsylvania State University, USA. He is currently a professor at the Dept. of Architectural Engineering, Sejong University and a vice president of the Korea Committee of KIIEE.