1. 연구배경 및 목적

전 세계적으로 에너지 소비량 중 건물 영역이 차지하는 에너지 소비 비중은 36%이며 국내의 경우 전체 에너지 소비량 중 30%가 넘는 비중을 차지하고 있으며 계속해서 증가 추세에 있다.^(1,2) 이는 우리나라의 면적을 생각해보았을 때 다른 나라에 비해 훨씬 많은 에너지를 소비하고 있다고 볼 수 있다. 이러한 이유로, 건물 에너지 사용량을 줄이기 위한 대책이 마련되고 있으며, 건물 에너지를 효율적으로 사용하고 관리하는 방안을 마련하는 것이 매우 중요하다.

건물에너지 사용량을 줄이고 효율적으로 관리하기 위해서는 건물 설비의 효율적인 관리가 관건이다. 건물 에너지 전체 사용량 중 가장 큰 비중을 차지하는 부분은 공기조화 시스템이 사용하는 에너지이며 이는 50~ 60%에 육박한다. 이를 효율적으로 관리하면 기존 에너지 사용량에 대비하여 연간 30% 이상의 비용을 절감할 수 있음이 연구를 통해 확인되었다.⁽³⁾ 공기조화 시스템은 약간의 결함이 생겨도 계속 작동하지만 지속적으로 결함을 지닌 체 작동시키면 심각한 에너지의 손실을 불러올 수 있다. 따라서 공기조화 시스템의 결함을 진단하고 고장의 원인을 찾아 조치하는 것이 에너지효율 향상을 위해 가장 중요하다.

공기조화기의 고장을 진단할 수 있는 방법은 크게 규칙기반 고장진단 방법과 모델기반 고장진단 방법으로 나눌 수 있다. 규칙 기반 고장진단 방법은 현재 데이터가 공기조화기에 적용되는 기본적인 물리현상을 위반하는지 점검하여 고장을 진단하며, 모델기반 고장진단 방법은 가상센서, 분류기 등 고장과 정상 운영 상태를 분류할 수 있는 모델이 고장을 진단한다. 모델 기반 고장진단 방법은 다양한 건물과 공기조화 시스템에 적용되기에는 많은 데이터와 시간이 필요함으로 비용적, 시간적으로 비효율적이며 규칙 기반 고장진단 방법을 사용하면 모든 시스템에 공통적으로 사용되는 물리적인 법칙을 사용하여 고장을 진단하기 때문에 다양한 공기조화 시스템에 적용하기 쉬워진다. 공기조화 시스템에 대한 규칙기반 고장진단 시스템에 대한 연구 및 개발은 국외에서 활발히 진행되고 있다.

Wang and Chen⁽⁴⁾은 AHU에서 방으로 공기를 공급할 때 거치는 VAV의 안전적인 작동과 에너지 효율 향상을 위한 고장 진단 방법을 제안하였다. 제안된 고장 진단 방법은 EWMA 제어 차트 방법과 규칙기반 고장 진단 방법을 사용하여 VAV 장치에서 발생할 수 있는 다중 고장을 동시에 진단한다. 이때 VAV의 22가지 고장을 진단하는데 시스템 동작 규칙과 에너지 관련 규칙으로 구성된 26가지의 전문가 규칙이 사용된다. Ahmed et al.⁽⁵⁾은 공기조화 시스템에 대한 규칙기반 고장진단 방법을 제안하였다. 냉방 밸브 고장, 공급 팬 고장 관련 규칙을 제시하여 정상 상태, 냉방 밸브 고장 상태, 공급 팬 고장 상태, 댐퍼 고착 상태일 때의 실험을 바탕으로 해당 규칙을 사용하여 실제 고장을 진단할 수 있는 것으로 나타났다. Brambley et al.⁽⁶⁾은 공기조화 시스템과 VAV 장치의 고장을 진단하는 규칙기반 고장진단 알고리즘을 개발하였다. 공기조화 시스템과 VAV 장치의 고장을 진단하기 위한 26가지의 규칙기반 고장진단 알고리즘이 개발되었으며 이 중 10개의 알고리즘은 실제 대상 건물의 테스트 베드 설비에 적용되어 검증되었다. 또한, 과거 미국을 비롯하여 영국, 프랑스, 독일, 핀란드 등 선진국 10여개 국가는 국제 에너지 기구의 ANNEX 25, 40^(7-10)을 중심으로 공조시스템 해석, 자동제어기술, 에너지 관리시스템 평가기술, 컴퓨터 시뮬레이션을 통한 건물에너지 최적화 시스템 및 자동 고장진단 시스템 연구를 수행하여 큰 발전을 이루고 다양한 방법의 공기조화기 고장진단 연구가 진행되고 있다.⁽¹¹⁾ 하지만 국내의 공기조화기 고장진단 연구는 활발히 진행되지 않고 있고 특히 공기조화기의 에너지 소비량을 크게 결정하는 이코노마이저에 대한 모니터링, 분석, 고장진단 연구는 크게 주목받지 못하고 있다. 따라서 본 논문에서 제시하는 규칙기반 이코노마이저 고장진단 시스템은 공기조화기 고장진단 연구에 긍정적인 효과를 불러올 것으로 기대한다.

모델기반의 고장진단 시스템은 수학적 모델에 필요한 정보를 얻기 어렵고 가능해도 시간과 비용이 많이 들어 다양한 공기조화 시스템에 바로 적용될 수 없다. 하지만 규칙기반 고장진단 시스템은 공기조화 시스템에서 사용되는 열역학, 유체 역학, 열전달 이론을 규칙으로 설정하고 고장과 정상 운영 상태를 구분할 수 있는 임계값을 설정하여 정상 운영 상태의 이론을 기준치 이상으로 위반하였을 때 시스템에 고장이 발생한 것으로 진단한다. 따라서 규칙 기반 고장진단 시스템은 시스템에 사용되는 기본적인 이론을 통해 고장을 진단하여 다양한 공기조화 시스템에 별도의 데이터와 훈련 없이 쉽게 적용될 수 있다. 따라서 본 연구에서는 HVAC 시스템에서 사용되는 기본적인 열역학, 유체역학, 열전달 이론을 바탕으로 규칙을 설정하고 고장과 정상 상태를 구분할 수 있는 임계값을 기준으로 고장을 진단하여 다양한 공기조화 시스템에 빠르게 적용할 수 있는 규칙기반 고장진단 알고리즘을 개발하였다.

2. 고장진단 알고리즘 개발

2.2 이코노마이저 고장진단 알고리즘

이코노마이저 관련 고장을 진단하기 위해서는 먼저 시스템의 운전 모드와 이코노마이징 조건을 결정하는 것이 중요하다. 이코노마이저 제어에 의해 외기 댐퍼를 최대 위치로 열린 상태에서 냉방이 이루어지는 모드 3, 외기 댐퍼가 최소 위치에서 냉방이 이루어지는 모드 4, 실내 공기 정화를 목적으로 하는 환기 모드에 따라 진단될 수 있는 고장이 달라지기 때문에 이코노마이저 고장진단 알고리즘은 이코노마이징 조건을 결정하는데 사용하는 온도 센서의 고장 발생 여부를 점검한 후 시스템의 운전 모드와 이코노마이징 조건 만족 여부를 결정한다. 시스템의 운전 모드와 이코노마이징 조건 만족 여부를 먼저 결정한 뒤 해당 모드와 조건에 따른 고장진단을 수행한다.

Fig. 1 HVAC system including economizer controller.

2.2.1 온도 센서 고장

이코노마이저 제어기는 온도 센서의 측정값으로 이코노마이징 조건 만족 여부를 결정한다. 만약 온도 센서 측정에 문제가 발생하였을 경우, 이코노마이징 조건을 잘못 결정할 수 있어 외기 온도 센서, 혼합 공기 온도 센서, 환기 공기 온도 센서의 정확한 측정이 중요하다. Fig. 2는 온도 센서 고장진단의 순서도를 보여준다. 열역학 법칙에 의하면 두 공기가 섞인 경우 혼합된 공기의 온도는 두 공기의 온도 사이에 형성되어야 한다. 따라서 이 알고리즘은 외기 온도($T_{oa}$)에서 혼합 공기 온도($T_{ma}$)를 뺀 값과 환기 공기 온도($T_{ra}$)에서 혼합 공기 온도를 뺀 값이 임계값 보다 크면 혼합 공기 온도가 외기 온도와 환기 공기 온도보다 낮은 것을 의미함으로 고장으로 진단한다. 또한, 혼합 공기 온도에서 외기 온도를 뺀 값과 혼합 공기 온도에서 환기 공기 온도를 뺀 값이 임계값보다 크면 혼합 공기 온도가 섞은 두 공기의 온도보다 높다는 것을 의미함으로 고장으로 진단한다.

2.2.2 외기 댐퍼 고장

Fig. 3은 이코노마이저 제어기의 외기 댐퍼 제어 고장을 진단하는 알고리즘의 순서도를 보여준다. 이 알고리즘은 외기 댐퍼 닫힘 고장과 외기 댐퍼 열림 고장을 진단한다. 만약 시스템이 온도센서 고장이 발생하지 않았으며 냉방 모드이고 이코노마이징 조건을 만족한 모드 3으로 운전하는 경우 이코노마이저 제어기가 외기 댐퍼를 제어해 외기 도입량을 늘려야 하지만 외기 댐퍼가 임계값보다 작거나 외기 도입 분율(Outdoor Air Fraction, OAF)이 임계값보다 작다면 고장으로 진단한다. 외기 댐퍼 닫힘 고장진단 알고리즘은 총 두 가지 유형의 고장을 진단하며, 이코노마이징 조건을 만족할 때 이코노마이저 제어기의 고장으로 인해 외기 댐퍼가 충분히 열리지 않은 경우와 외기 댐퍼 제어는 정확히 됐지만 공급 공기 유량 대비 외기 유량 분율, 즉 외기 도입 분율이 적은 외기 댐퍼 고착 고장을 진단한다. 외기 도입 분율은 외기 온도($T_{oa}$), 혼합 공기 온도($T_{ma}$), 환기 공기 온도($T_{ra}$)를 사용하여 다음과 같은 식(1)로 계산한다.

(1)

$OAF =(T_{ma}-T_{ra})/(T_{oa}-T_{ra})$

반대로 시스템이 냉방 모드이지만 이코노마이징 조건을 만족하지 않은 모드 4로 운전하는 경우 외기 댐퍼가 과도하게 열려 임계값보다 크다면 외기 댐퍼 열림 고장으로 진단한다. 이코노마이징 조건을 만족하지 않았을 때 외기 댐퍼가 높은 위치에 고착되어 있거나 이코노마이저 제어기의 고장으로 인해 상대적으로 뜨거운 온도의 외기가 시스템 내로 도입된다면 혼합 공기 온도가 커지게 되면서 공급 공기 설정 온도를 맞추기 위한 공조 부하가 커지게 되어 에너지의 손실이 발생할 수 있다.

Fig. 2 Flow chart of temperature sensor FDD.

Fig. 3 Flow chart of outdoor damper control FDD.

2.2.3 환기 모드 고장

Fig. 4는 환기 모드의 과도한 외기 도입 고장, 불충분한 외기 도입 고장진단 알고리즘의 순서도를 보여준다. 공기조화 시스템의 환기 모드는 외기를 건물의 설정에 맞게 적당히 도입하여 습기, 냄새, 연기, 열, 먼지, 공기 중 박테리아 또는 이산화탄소의 조합을 제거함으로써 실내 공기를 정화한다. 이때 건물의 설정보다 과도한 외기가 도입되면 실내 온도 제어를 위해 공조 부하가 커져 에너지의 손실이 생길 수 있다.

과도한 외기 도입 고장진단 알고리즘은 총 3가지의 고장을 진단한다. 시스템의 온도센서 고장이 발생하지 않았고 환기 모드로 운전 중일 때 외기 댐퍼가 환기 모드에서 건물의 설정에 맞는 위치보다 과도하게 열려있어 임계값보다 크다면 고장으로 진단하며, 외기 댐퍼 위치가 과도하게 열려 임계값보다 크고 현재 외기 도입 분율에서 건물의 설정에 맞는 외기 도입 분율의 차이가 임계값보다 큰 경우 고장으로 진단한다. 또한, 외기 댐퍼 제어는 정상적으로 작동하지만 외기 도입 분율과 건물의 설정값의 차이가 임계값보다 큰 경우도 고장으로 진단한다.

반대로 환기 모드에서 충분한 외기가 도입되지 않으면 환기가 되지 않아 재실자가 불편함을 느낄 수 있다. 시스템의 온도센서 고장이 발생하지 않았으며 환기 모드로 운전할 때 과도한 외기 도입 고장이 진단되지 않으면 식(1)을 통해 외기 도입 분율을 계산하고 이 값과 설정한 외기 도입 분율 값의 차이가 임계값보다 크면 불충분한 외기가 도입되었다는 고장을 진단한다.

2.3 임계값 설정

본 논문에서 제시하는 규칙기반 고장진단 알고리즘에서 임계값은 물리적 이론을 바탕으로 한 규칙을 위반 하는지 결정하기 위한 기준으로 사용된다. Table 1은 이번 연구에서 사용한 임계값을 보여준다. 고장을 구분하는 임계값을 3단계의 심각도 수준에 따라 구분하여 설정하였다. Low 레벨의 임계값은 고장이 진단될 확률이 높으며 고장이 진단되어도 심각한 에너지의 손실은 불러오지 않지만 더 심각한 고장으로 이어질 수 있다는 것을 뜻한다. Normal 레벨의 임계값은 고장이 진단되었을 경우 고장으로 인한 에너지 손실 수준이 심각해졌다는 것을 뜻한다. High 레벨의 임계값은 고장이 진단될 확률이 가장 적으며, 이 수준으로 고장이 진단되었을 경우 큰 에너지 손실이 발생함을 뜻한다. 이처럼 임계값을 3단계로 나누어 실제 필드에서 사용자의 성향에 따라 고장의 심각도 수준을 바탕으로 적절한 조치를 취할 수 있도록 하였다.

Fig. 4 Flow chart of ventilation FDD.

Table 1 Economizer FDD algorithm

Diagnosable Fault	Thresholds Name	Threshold
		Low	Normal	High
Temperature Sensor	Temperature Difference Thresholds	4	2	0
Not Economizing When Unit Should	Outdoor Damper Thresholds	70	80	90
	Outdoor Air Fraction Thresholds	50	60	70
Economizing When Unit Should Not	Outdoor Damper Thresholds	40	20	10
Excess Outdoor Air Intake	Outdoor Damper Thresholds	40	20	10
	Outdoor Air Fraction Thresholds	50	30	20
Insufficient Outdoor Air Intake	Outdoor Air Fraction Thresholds	7.5	5	2.5

본 연구에서 사용한 모든 임계값은 고장진단 알고리즘 검증을 위해 사용된 시뮬레이션 건물의 사양에 맞추어 적용되었다. 예를 들어 본 연구에서 사용한 대상 건물은 이코노마이저 조건을 만족하였을 때 외기 댐퍼는 최대 위치, 즉 100% 위치로 제어된다. 따라서 이코노마이저 조건을 만족한 경우 외기 댐퍼를 열지 못하는 고장을 진단하기 위해서 사용한 임계값은 데이터의 정상상태 도달 시간과 오차범위를 고려하여 80%로 설정하였다. 또한, 이코노마이저 조건을 만족하지 못한 경우 대상 건물의 외기 댐퍼 최소 위치, 즉 20% 위치를 기반으로 20%로 설정하였다. 온도 센서 고장을 진단하는 고장의 경우 두 온도 센서 측정값의 차이로 고장을 진단하게 됨으로 온도 센서의 오차범위 ±1℃를 고려하여 2℃로 설정하였다. 외기 도입 분율 관련 임계값의 경우 온도 센서의 오차범위와 계산으로 인한 불확실성을 고려하여 설정하였다

3. 실험 방법

시뮬레이션에 사용한 건물은 한국에너지기술연구원의 그린빌딩을 에너지플러스 DesignBuilder로 모델링하여 사용하였다. Fig. 5는 대상 건물의 에너지모델을 가시화한 것이다. 에너지플러스는 동적 시뮬레이션 프로그램으로 다양한 모델링 객체를 제공하며 사용자가 각자의 목적에 맞게 현실의 건물을 정확하게 모사할 수 있고 Fault Model 기능을 사용하여 공기조화 시스템에서 발생하는 다양한 고장을 구현하여 고장으로 인한 공조 과정의 변화가 담긴 데이터를 생성할 수 있다.

Table 2는 대상 건물의 사양을 보여준다. 대상 건물은 중앙집중식 공조 시스템을 가지고 있으며 각 방에는 VAV(Variable Air Volume) 박스가 실내 온도를 제어한다. 공조 시스템은 2개의 AHU로 이루어져 있으며 이코노마이저 제어가 가능하고 이코노마이징 조건은 외기 온도가 23℃보다 낮을 때 외기를 도입한다. 환기 모드에서는 실내 공기 중 외기 온도 비율을 10%로 유지한다. 사용 데이터의 기간은 2020. 7. 15.~2020. 8. 15. 데이터로 해당 건물이 위치한 대전의 기상 데이터를 사용하였다.

Table 3은 고장진단 알고리즘 검증을 위해 사용한 고장 모델이다. 에너지플러스에서 제공하는 Fault Model 기능으로 외기 온도 센서 ±3℃ offset, 외기 댐퍼 0%, 30%, 60% 고착, 이코노마이저 제어기 고장을 대상 건물에 구현하였다. 시뮬레이션에 사용된 고장 데이터는 규칙기반 이코노마이저 고장진단 알고리즘을 검증하기 위해 이코노마이저 장비에 대한 영향이 큰 고장을 구현하였다. 만약 온도 센서 offset 고장이 일어난다면 이코노마이저 조건 결정을 잘못할 수 있으며 공기조화 시스템의 운전모드가 달라질 수 있다. 온도 센서 오차범위 ±1℃를 고려하고 이코노마이저 조건 결정에 영향을 줄 수 있도록 ±3℃ offset 모델을 사용하였다. 외기 댐퍼 고장 모델은 이코노마이저 조건을 만족하였을 경우 외기 도입을 하지 못하는 고장을 진단하기 위해 가장 대표적인 고장인 완전 닫힌 상태, 즉 0% 고착 모델을 사용하였다. 또한, 30%, 60% 고장의 경우 댐퍼 최소 위치인 20%를 기반으로 최소 위치보다 조금 더 열린 경우와 더 많이 열린 경우로 나누어 댐퍼 고장의 심각도를 구분하여 검증하기 위해 사용하였다.

고장진단 알고리즘 검증을 위한 시뮬레이션은 오픈소스 기반 분산에너지 플랫폼에서 진행하였으며, 플랫폼에서 에너지플러스 모델이 데이터를 송신하면 고장진단 알고리즘이 수신하여 고장진단을 수행하고, 사용자에게 피드백할 수 있도록 개발하였다. 또한, 이 알고리즘에서 사용하는 모든 임계값, 데이터 허용 대역폭, 공조기 사양, 이코노마이징 조건 등 모든 기본적인 정보는 사용자의 설정파일에서 조정할 수 있도록 하였다. 따라서 사용자가 시스템의 정보만 수정하면 모든 시스템에 적용될 수 있다.

Fig. 5 Simulation building model and ground floor plan.

4. 고장진단 알고리즘 검증

규칙기반 이코노마이저 고장진단 알고리즘을 검증하기 위해 고장이 구현된 데이터를 사용하여 시뮬레이션을 수행하였다. 고장진단 알고리즘의 결과에서 일부 운전시간 동안만 고장의 발생으로 인해 공기조화 시스템 제어에 영향을 미치는 경우에는 노란색 영역으로 고장진단 결과를 나타내며 모든 운전시간동안 고장이 발생 하는 경우에는 구간 구분 없이 결과를 나타내었다. 예를 들어, 외기 댐퍼 열림에 해당하는 제어기 고장의 경우 27℃ 이상이면 외기 댐퍼 제어를 하지 않기 때문에 외기 온도가 27℃ 이하인 부분만 고장으로 진단되어 해당 영역을 노란색으로 표시하였다.

4.2 외기 댐퍼 고장

Fig. 7은 외기 댐퍼 0% 고착 모델을 사용한 이코노마이저 닫힘 고장진단 알고리즘의 결과를 보여준다. 시뮬레이션에 사용한 그린빌딩의 이코노마이징 조건은 온도가 23℃ 이하일 때 만족한다. 그림에서 볼 수 있듯, 시스템의 온도 센서에 이상이 없으며 모든 시간 동안 냉방 부하가 존재하여 냉방 모드이며, 파란 선의 외기 온도가 23℃ 이하이므로 이코노마이징 조건을 만족한 모드 3으로 운전 중이므로 외기 댐퍼가 100%에 위치하여 외기를 도입해야 한다. 하지만 하늘색 점선으로 표시된 외기 댐퍼가 0% 위치에 고착되어 있기 때문에 외기를 도입하지 못하고 고장으로 진단되었다. 만약 외기가 시스템 안으로 도입되어 환기 공기와 섞였다면 혼합 공기 온도는 크게 낮아지게 되고 공급 공기 설정 온도를 맞추기 위한 온도 차이가 줄어들어 설정 온도 제어를 위한 냉방 부하가 줄어들 수 있다. 하지만 외기 댐퍼 위치가 0%에 고착되어 외기가 도입되지 못해 공급 공기 설정 온도 제어를 위한 냉방 부하가 커지게 된다.

Fig. 8은 이코노마이저 제어기 고장 모델을 사용하여 진단한 이코노마이저 열림 고장의 결과 그래프이다. 시뮬레이션에 사용한 그린빌딩의 이코노마이징 조건은 온도가 23℃ 이하일 때 만족한다. 하지만 이코노마이저 제어기에 고장이 발생하여 이코노마이징 조건 만족 여부를 외기 온도가 27℃ 이하일 때로 결정한다. 따라서 그림에서 볼 수 있듯, 시스템은 온도 센서 고장이 발생하지 않았고, 냉방 모드이며 10:30 이후로 이코노마이징 조건을 만족하지 못한 모드 4로 운전 중인 것을 볼 수 있다. 하지만 노란색 영역에서 파란 선의 외기 온도가 27℃ 이하일 때 하늘색 점선으로 표시된 외기 댐퍼가 100%로 열려있는 것을 확인할 수 있다. 하지만 건물의 이코노마이징 조건이 23℃ 이하이기 때문에 고장으로 진단된다. 이렇게 충분히 낮지 않은 외기가 시스템 안으로 도입된다면 혼합 공기 온도를 낮추지 못해 공급 공기 온도 제어를 위한 냉방 부하가 커질 수 있으며 큰 에너지 손실이 생길 수 있다.

Fig. 6 Temperature sensor FDD result.

Fig. 7 Not economizing when unit should result.

Fig. 8 Economizing when unit should not.

4.3 환기 모드 고장

Fig. 9는 과도한 외기 도입 고장 결과 그래프를 보여준다. 해당 고장을 진단하기 위해 이코노마이저 제어기 고장 모델을 사용하였다. 현재 시스템은 냉방 제어 신호가 없기 때문에 냉방 모드가 아니므로 환기 모드로 작동 중이다. 하지만 노란색 영역에서 이코노마이저 제어기의 고장으로 외기 댐퍼를 열지 말아야 할 모드에서 하늘색 점선으로 표시된 외기 댐퍼 위치가 100%인 것을 확인할 수 있다. 외기 댐퍼가 100%까지 열리면서 초록색 선의 외기 도입 분율도 100%가 되었고, 해당 건물의 환기 모드에서 설정된 외기 도입 분율인 10%와 큰 차이를 보여 환기 모드에서 외기 댐퍼가 크게 열려 과도한 외기가 도입된 고장으로 진단되었다. 만약 환기 모드에서 외기 도입량이 과도하다면 공급 공기 설정 온도 제어를 위해 큰 냉방 부하가 발생한다.

Fig. 10은 불충분한 외기 도입 고장진단 결과 그래프이다. 현재 시스템은 모든 시간동안 냉방 제어 신호가 없어 환기 모드로 작동 중이며 해당 건물의 환기 모드에서 적절한 외기 도입 비율은 10%이다. 하지만 시뮬레이션에 사용한 모델이 이코노마이저 제어기 고장 모델이기 때문에 외기 댐퍼를 적절히 열지 못하여 초록색 점선으로 표시된 외기 도입 비율이 10% 미만으로 떨어지게 되었다. 따라서 이상적인 외기 도입 분율 값인 10%와 편차가 생겼고 이 값이 임계값보다 커지게 되었음으로 고장으로 진단되었다. 환기 모드에서 불충분한 외기가 도입된다면 실내 공기를 적절히 정화하지 못해 재실자가 큰 불편함을 느낄 수 있다.

Fig. 9 Excess outdoor air intake result.

Fig. 10 Insufficient outdoor air intake result.

5. 결 론

본 논문에서는 건물 설비 중 공기조화기에 대한 고장진단을 실제 건물에 추가적인 센서나 제어기 설치 없이 적용하기 위해 물리적 의미가 담긴 규칙 기반 방식으로 개발하였으며, 에너지플러스를 사용한 건물에너지 고장 모델을 통해 검증되었다. Table 4는 고장 데이터를 사용한 알고리즘의 고장 진단 결과를 보여준다. 외기 온도 센서 offset 데이터는 온도 센서 고장이 발생하면 나머지 알고리즘에 대한 진단은 수행하지 않으므로 온도 센서 고장만 진단된다. 외기 댐퍼 0% 고착 모델은 이코노마이징 조건을 만족했을 때 외기 댐퍼 닫힘 고장이 진단되며 환기 모드에서 적절한 외기를 도입하지 못하므로 불충분한 외기의 도입 고장이 진단된다. 이코노마이저 제어기 고장 모델의 경우 이코노마이징 조건이 변경되어 외기 댐퍼 위치가 적절히 제어되지 못하기 때문에 온도 센서 고장을 제외한 모든 고장이 진단되었다. 이처럼 물리적인 의미를 담은 규칙을 사용한 고장진단 시스템은 고장이 구현된 데이터의 정확한 고장을 진단할 수 있는 것으로 확인되었다.

또한, 본 논문에서 제시한 규칙기반 이코노마이저 고장진단 알고리즘은 공기조화 시스템에 일반적으로 사용 되는 열역학, 유체역학, 열전달 법칙을 규칙으로 설정하고 고장과 정상 상태를 구분할 수 있는 임계값을 건물 사양에 맞게 조정할 수 있도록 고장진단 알고리즘을 개발하여 다른 모델 기반, 데이터 기반 고장진단 알고리즘과 다르게 다양한 공기조화기에 즉각적으로 적용될 수 있다. 또한, 본 연구에서 제시한 알고리즘을 바탕으로 기계학습, CUSUM 방법 등 다양한 기법과 융합하여 하이브리드 고장진단 알고리즘의 발전으로 이어져 두 방법의 단점을 보완하여 더 좋은 성능을 가진 고장진단 방법의 개발로 이어질 수 있다.