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
Fig. 5. Illuminance meter data logging
Fig. 6. Senors with Node-RED
Fig. 7. Senors data visualization with Grafana
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 6에 Fig. 10과 Fig. 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
Fig. 9. Comparison of illuminance average actual value and predicted value in average
illuminance
Fig. 10. Comparison of illuminance average actual value and predicted value in illuminance
Fig. 11. Percentage of energy saving
Fig. 12. Percentage of energy saving compared tuning system
Fig. 13. Percentage of energy saving compared tuning system
Fig. 14. Comparison of sky condition and radiation
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
|