3.1 건물에너지 관리를 위한 디지털 트윈과 BIM의 연동 사례

디지털 트윈에 대한 개념은 1991년 데이비드 지런터(David Gelernter)의 미러월드(mirror world)라는 책에서 처음 언급되었으나, 실질적인 디지털 트윈의 적용과 소프트웨어의 개념은 마이클 그리브스(Michael Grieves) 박사가 2002년에 정립한 것으로 보고 있으며, 디지털 트윈 용어자체는 2010년 존 바이커스(John Vickers)가 도입한 것으로 알려져 있다.

이후 제조업의 대표주자인 미국 제너럴 일렉트릭(GE)사에서 터빈엔진 제조에 도입하면서 널리 알려지게 되었다. 이러한 디지털 트윈의 개념적 주요 구성은 Fig. 1에서 보이는 바와 같이 1) 물리 공간 2) 가상공간 3) 물리 공간과 가상공간의 연결 4) 상황 발생의 동시성 구현을 들 수 있으며, 이러한 가상공간의 구현을 통해 물리적 공간에서 취득된 데이터를 바탕으로 1) 현 상황의 모니터링 2) 모니터링 결과의 이력 관리 3) 향후 발생 가능한 이벤트의 예측 등의 정보를 생성하고 표현하는 것을 주된 활용 방안으로 볼 수 있다.⁽⁴⁾ 이러한 디지털 트윈의 장점과 건물로부터 생성되는 에너지 관련 데이터를 에너지 정보로 활용하여 건물에너지 사용량의 최적화로 온실가스 배출량을 감축할 수 있는데, 이를 위한 노력으로 건물의 BIM 모델링을 바탕으로 건물에너지 관련 정보를 담고자 하였으며, 이를 디지털 트윈과의 연결로 해결하고자 하는 것을 Fig. 2에 도식화하여 보여주고 있다. 주요 기술로는, 건물 객체의 물리적 공간을 3차원으로 모델링하는 1) BIM 구축 단계, 2) BIM+시뮬레이션 통합단계, 현장과 도면의 상이함을 반영할 3) Scan 단계, 건물 현장의 진단 데이터를 취득하기 위한 4) BIM+IoT 단계, 건물모니터링 데이터를 학습하여 운영, 건물 에너지사용량, 설계 결함 등을 해결하는 5) AI 학습+BIM 단계, 취득된 데이터와 생성된 건물에너지 정보를 3D 형태로 시각화하는 6) BIM+AR/VR/MR 단계, 마지막으로 실시간으로 모니터링되는 데이터와 이를 상호 반영하여 최적화하고 자동 의사결정을 하는 7) 최종 BIM+디지털 트윈 단계로 제시하고 있다.⁽⁵⁾

Fig. 1 Data and information flow between physical space and cyber space.

Fig. 2 The connectivity between BIM and Digital Twin.

Fig. 3 Data flow diagram example of building energy simulation results and digital twin data server.

기존 사례로는, 스마트시티의 에너지 서비스를 디지털 기반으로 제공하기 위해 디지털 트윈과 BIM 모델로 개발된 건물의 BEMS 데이터와 연동하고 실시간 전력사용량, 태양광 발전량, 지열에너지 공급량, 가동률에 대한 에너지 정보를 활용하여 EnergyPlus 기반의 건물에너지 시뮬레이션 결과를 디지털 트윈 플랫폼에 제공하고자 하는 연구가 진행된 바 있다. Fig. 3에서 보이는 바와 같이 해당 연구에서는 디지털 트윈 서버에 구축된 S/W를 통해 건물에너지 파라미터를 입력하고 시뮬레이션 결과 데이터를 건물정보로 출력하여 사용자에게 3차원으로 에너지성능을 시각화하고자 하였다. 이때 Fig. 4에서 제시된 바와 같이, 해당 건물의 에너지성능 정보를 디지털 트윈에서 표현하기 위해서는 일/시간 단위 전력사용량, 쾌적도 예측치와 존별 사용량 등의 정보(Fig. 4 내 보라색 부분)가 필요하며 이는 건물 단위로 구축된 BIM 모델링 정보와의 연동이 필요하다고 나타내고 있다. 이는 기본적으로 BIM에서 구축되는 건물 단위의 형상, 객체, 위치정보로 건물 내부 공간에서 특정 위치 또는 공간 용도별 재실자의 행동과 연계하여 존별, 시간당, 일별 에너지사용량과 열 쾌적성 지표에 대한 모니터링 및 AI 학습을 통한 예측이 필요하기 때문이다. 이러한 건물에너지성능의 예측을 위해서는 건물 형상의 BIM화, 에너지사용량의 API(Application Programming Interface)를 통한 연동, 연동 데이터의 학습, 시뮬레이션 인자로의 제공 및 에너지 성능 예측의 기능이 필요하며 Fig. 5에서 이러한 건물정보 기반의 에너지예측을 위한 구성 개념도를 나타내고 있다. 세부적으로는, CityEMS 에너지데이터를 실시간 API를 통해 취득하였고, BIM으로 구축된 건물에서 Energyplus의 에너지 시뮬레이션을 위한 연동 플랫폼과 파이썬 통계 기반의 사용량 예측 프로그램과의 연동을 위해 전력량, 태양광 발전량의 DataBase를 각각 IFC, IDF, XLSX 파일 형태로 구성하여 그 결과물을 디지털 트윈에 조명, HVAC 스케쥴 등의 서비스 정보로 제공하고자 하였다. 하지만, CityGML과 IFC에서 제공하는 객체 정보의 상이성, 건물 내/외부 분리 표현의 여부, 구성 객체 정보의 구성 구조의 차이, LOD 차이 등으로 실제 디지털 트윈 서비스로의 제공에 많은 어려움이 있음을 제시하고 있다.⁽⁶⁾

Fig. 4 Configuration diagram of building energy service in digital twin platform and violet parts for BIM modeling requested.

Fig. 5 Direct/Indirect parameters that affect on building energy consumption.

이와 더불어, 신축건물 또는 기존 건물의 에너지 관리 최적화의 목적이 아닌 노후건축물의 그린리모델링을 위해서는 대상건물을 선정하고, 선정된 건물을 얼마나 주어진 비용에서 효율적으로 패시브, 액티브, 신재생 설비 시설을 적용해서 목표 에너지효율 성능을 달성할 수 있는지가 추가로 고려되어야 한다. Fig. 6에서 제시된 것처럼, 건물의 에너지사용량은 해당 건물의 주 용도를 고려하고 외부 기후, 주변 환경에 영향을 받고 사용자 개개인의 활동 성향과 건물에서의 실별 운영 특성 등의 복합적인 요소들로 영향을 받는 것을 알 수 있으며 이러한 인자들이 디지털 트윈 또는 그린리모델링 플랫폼에서 입력변수로서 반영되어야 함을 나타낸다.⁽⁶⁾ 이에, 기존 건물의 그린리모델링을 활성화하고 효과적으로 추진하기 위해서는 다양한 변수와 상호 연동되는 영향 값을 객관적 데이터로 반영하여 효과를 검증하기 위해 디지털화가 필요하며, 세부적으로는 시/군/구 단위의 건물군, 더 나아가 스마트시티 규모의 디지털 트윈을 구축하고, 건물 단위로는 다양한 현장 상황의 상이함을 반영하고 이를 바탕으로 최적의 그린리모델링 대안을 도출한 후 설계에 반영할 수 있도록 BIM 기반의 디지털 플랫폼에 대한 별도의 기술 개발이 필요하다.

Fig. 6 Configuration diagram of building energy estimation procedure based on building information.

현재 건물의 기본 건축물 정보, 에너지사용량, 노후도 등의 데이터와 이를 바탕으로 한 에너지성능 시뮬레이션, 다양한 패시브, 액티브, 신재생 발전이 관련된 기술 옵션을 적용할 수 있고 적용에 따른 변화를 반영하고 시각적으로 구현할 수 있으며, 최종적으로 해당 정보를 설계에 자동으로 반영하는 기능이 필요하다. 이에 대한 선행 연구로 도시 단위의 공간정보를 디지털화하여 구현하는 CityGML과 건물 단위의 모델링 형태인 IFC의 연동을 기술적으로 해결하고자 다양하게 진행된 바 있으며, 이 중에서도, Fig. 7에서 보이는 바와 같이 디지털 트윈을 구성하는 포맷인 GIS와 그린리모델링 디지털 플랫폼의 포맷인 BIM을 연동함에 있어 규모의 관점에서 각각 GIS와 BIM의 포맷으로 표현하는 영역을 외부에서 세계-국가-도시-건물의 단위로, 건물에서 내부로 건물구조, 방, 구성물의 단위로 표현되어 BIM과 GIS가 개별 건물 단위에서 내/외부로 연결이 필요함을 나타내고 있다.⁽⁷⁾ 이러한 특성을 고려할 때, 본 연구에서 최종 목적이라고 할 수 있는 그린리모델링을 통한 건축물의 에너지사용량 및 온실가스 감축을 실시간으로 모니터링하고 예측하기 위해서는, 다양한 직간접 영향 인자들을 반영할 수 있는 IFC-BIM 기반의 최적화된 경량화 플랫폼의 구축과 현실 데이터와의 연동이 필요하다고 할 수 있으며, 세부적으로는 건물의 물리적 특성, 설비 특성은 BIM에서 항목 및 객체값으로 구성되고, 기후, 주변 공간, 사용자 특성, 에너지사용량 등은 디지털 트윈 플랫폼을 활용하여 실시간 데이터 입출력, 데이터 공유 및 피드백, 데이터 간 상호 연동 및 처리를 통해 BIM의 속성정보와 연동될 때 가능할 것으로 기대한다.⁽⁸⁾

Fig. 7 Data and information flow between physical space and cyber space.

3.2 디지털 트윈과 BIM의 상호연동문제 해결을 위한 기존 연구

앞서 논의된 디지털 트윈과 BIM 기반 그린리모델링 디지털 플랫폼을 온실가스 감축을 위한 실효성 있는 추진 도구로의 활용성을 고려할 때, 시/군/구 단위의 스마트시티 차원에서의 데이터 확보 및 연결을 통해 실사용량 기반의 이력 관리와 건축물 에너지성능의 개략적인 디지털 진단과 현장 진단 데이터를 반영한 에너지성능 평가 기반의 예측 결과를 아우르는 건물에너지 관리 및 정책추진이 필요하다고 할 수 있다. 이러한 측면에서 현재 추진되고 있는 디지털 트윈의 구성 방식 및 구조와 BIM 기반의 그린리모델링 디지털 플랫폼과의 상호 연동 및 연결은 필요하며, 디지털 트윈의 본래 취지인 테이터의 양방향 통합과 상호연계 및 최적화를 구현할 수 있는 구조에 대해 살펴보았고 공간정보와 건물 단위 플랫폼의 통합이 필요함을 알 수 있으며, 이를 위해서는 디지털 트윈과 BIM 구성 파일의 상호변환을 통한 원활한 연동이 해결되어야 한다.

기존 연구의 분석결과에 따르면 스마트시티 구현을 위한 디지털 트윈을 구성하는 3D 기술은 크게 4가지 유형으로 분류되며, CityGML/IFC 구조의 동시 사용이 65%, IFC 중심이 약 20%, CityGML 중심이 약 6%, 항공측량 3D모델이 약 9%인 것으로 나타났으며, 본 연구에서 주안점으로 삼아야 할 구성은 CityGML/IFC 구조의 동시 사용이라고 할 수 있다. 하지만, 이러한 BIM의 IFC 파일과 CityGML로 주로 구성되는 디지털 트윈의 3D모델과의 연결은 IFC가 데카르트 좌표계(cartesian coordinate system), CityGML이 좌표참조체계 (coordinate reference system)로 데이터가 구성되어 이에 대한 변환이 필요하며, 추가로 단순 변환이 아닌, 상호 간의 정보공유 및 최적화라는 기술적인 문제가 남게 된다. 추가적인 실내 공간의 표현 방법인 indoorGML의 경우 실내 공간을 실내 객체로 표현하여 앞선 CityGML이나 IFC 파일과 달리 상세 정보가 빠진 객체로 구성된다.⁽⁹⁾ 따라서. 이러한 단위 공간 규모에 따른 공간을 표현하는 규격이 다르므로, 데이터의 분류체계 및 대응 관계에 대한 분석이 필요하며, 이러한 분석결과를 바탕으로 각자의 독립적인 생성 또는 기존 파일의 변환을 통한 생성이 효율적이고 최적화에 적합한지에 대한 연구가 진행되고 있다. Fig. 8의 사례에서는 IFC-BIM의 IndoorGML과 CityGML과의 상호변환을 통한 연동 개념을 보여주고 있다. 이를 위해서는 Fig. 9에서 나타낸 것처럼 각 형태의 테이터를 건물의 객체별 기준을 통해 연결구조를 정립하고 객체별로 공간을 구성하여 표현하는 것이 필요한 것을 알 수 있다.^(7,10)

Fig. 8 Inter-conversion of IFC-BIM to IndoorGML.

Fig. 9 Ontology of object to inter-covert between CityGML and IndoorGML.

Choi⁽¹¹⁾ 연구에서는 이러한 BIM과 GIS의 상호운용 목적의 파일 간 호환 문제를 해결하기 위한 선행조건으로 Fig. 10에서 제시된 것처럼, LOD 레벨별 기하 및 속성데이터의 연결구조가 IFC 파일과 CityGML에서의 상대적 정보의 차이로 인해 레벨별로 설계가 다름을 보여주고 있는데, 이는 GIS에서 다루는 LOD 레벨은 0~4 수준인 반면, BIM에서 그린리모델링으로 다루고자 하는 항목 및 세부 정보의 LOD 레벨은 4~6수준으로 맞지 않기 때문이다. 따라서, Fig. 11에서 보이는 바와 같이, IFC의 구성 항목, 객체, 내용을 분류하여 객체별 LOD를 정의하고 이에 따라 각각의 공간정보, 위치정보, 특성 정보가 CityGML-IndoorGML 수준으로 매치되어야 함을 볼 수 있다. 이때 ADE(Application Domain Extension)와 같은 연결확장자를 각각의 편의에 따라 매개체로 IFC의 정보를 CityGML파일로 연동할 수 있음을 보여준다.⁽¹²⁾ 가령, BIM과 디지털 트윈이 연동되는 건물 단위로 구성하자면, 디지털 트윈에서 건물의 벽은 CityGML, BIM에서 건물의 벽은 IFC 형식으로 구성되는데, IFC로 구성되는 건물 벽체의 정보가 벽체, 슬라브, 보, 기둥의 구성물과 각 구성 항목의 자재, 형태, 표면 마감, 수량 등 물성 데이터까지 포함되어 있다. 또한, BIM은 속성정보와 함께 위치정보를 벡터로 표현하고, 모델링이 비정형으로 이뤄져 GIS와의 호환에 어려움을 겪을 수밖에 없다.⁽¹³⁾

이에 대한 해결 방안은 Lee⁽¹⁴⁾에서 정리하여 보고된 바 있는데, 스마트시티 사업의 일환으로 구축된 도시 디지털 트윈은 제공하고자 하는 서비스의 목적에 따라 LOD 수준이 결정되었으며, 특히나 웹서비스를 위한 디지털 트윈은 데이터의 처리용량과 시스템의 부하를 고려하여 상대적으로도 낮은 수준의 LOD로 구성되어야 하는 것으로 제시하고 있다. 특히, 건축물의 내․외부 정보를 동시에 활용하는 경우 상대적으로 많은 데이터양과 LOD의 수준으로 인해 웹서비스 시 프레임 저하와 같은 문제가 지속적으로 발생하여 Fig. 12에서 보이는 바와 같이 자체 모델의 로직 경량화를 통한 최적화가 필요한 것으로 보고되고 있다.

Fig. 10 BIM/GIS Interoperable model construction and input/output comparison in 3D view.

Fig. 11 Inter-conversion of IFC-BIM to IndoorGML.

Fig. 12 Screenshots of Comparison between A) Revit model and B) light-weight Digital twin model to show improved average frame rate by lightweighting.

따라서 GIS-BIM의 이종 파일 형태의 변환 및 연동을 위해서는 1) 연계 모델의 설계 및 구조화 2) GIS-BIM LOD 수준 정보의 상호 연동 3) 구성 항목 객체별 속성정보의 구성, 계산, 처리 4) 처리 속도 및 연동시스템의 안정화를 통한 최적화가 필요하다고 할 수 있다. 이 중에서도 그린리모델링을 위해서는 현재 건물상태의 에너지성능 측면에서의 명확한 진단과 그린리모델링 이후의 에너지성능의 향상 정도를 정확히 예측하는 것이 중요하므로 이를 위한 대상건물의 구성 항목과 객체별 속성정보의 구성, 계산, 처리를 위한 BIM-IFC 파일 내 속성정보를 탑재하고 운영 최적화를 위한 경량화 로직의 구성이 가장 중요하다고 할 수 있다.

3.3 BIM 기반 그린리모델링 플랫폼의 구성

현재 그린리모델링은 공공건축물부터 건물 에너지 제로화 정책에 따라 진행되고 있는데, LH, 국토안전관리원 뿐만 아니라, 서울시 등 각 지자체별 사업, 연구과제의 실증사업 등 사업 주체에 따른 추진 방식의 다름, 대상건물의 선정, 그린리모델링 전후의 에너지성능 평가 및 효과 예측 등에서 각기 다른 절차로 인해 그린리모델링의 효율적인 추진과 정량적 효과 평가가 어려운 실정이다. 이러한 문제점을 해결하기 위해 제시된 것이 BIM 기반의 그린리모델링 디지털 플랫폼이다. 하지만, BIM을 그린리모델링에 활용하기 위해서는 앞서 논의된 바와 같이, 건물 현황, 사용 형태, 에너지사용량 등 디지털 트윈과 연계가 필요한 데이터와 선정된 대상건물의 그린리모델링을 위한 BIM의 구성이 필요하다. 이를 위한 각각의 구성 기술과 필요한 소프트웨어 리스트는 각각 Table 1과 Table 2에 정리하였다.⁽¹⁵⁾

이에 본 연구과제에서는 노후건축물의 그린리모델링을 추진하기 위한 계획에서 그린리모델링 시공/감리에 이르는 전 과정을 디지털 플랫폼으로 진행하기 위해 구축 필요한 내용을 단계별로 제시하고 각 단계별 추진 주체와 해당 내용이 디지털 트윈 또는 BIM에서 구축되어야 하는지에 대해 제시하고자 한다. 이러한 디지털 트윈과 BIM 기반 그린리모델링 디지털 플랫폼의 연동과 주요 내용은 아래와 같이 Table 3에 크게 대상 건물 선정 단계와 그린리모델링이 진행될 해당 건물의 진단, 분석, 설계 및 시공/감리의 2단계 과정으로 정리하였다. 세부적으로는 각 단계별로 디지털 트윈과 BIM에서 각각 구축되어야 하는 LOD 수준과 주체, 내용에 대해 나타내고 있다.

첫 번째 단계로는 그린리모델링을 추진하고자 하는 지자체 또는 추진기관이 어떤 건물을 우선적으로 그린리모델링을 할 것인가에 대한 대상건물의 선정을 위한 의사결정 단계이다. 이 단계에서는 공공건축물인 경우, 해당 지자체의 시/군/구/동 단위로 대상 지역의 노후 건축물의 현황을 건축물 기본 정보, 에너지성능 정보, 그린리모델링 추진 이후의 예상 에너지성능 정보를 보여준다. 이를 통해 어떤 노후 건축물이 그린리모델링 추진 시 비용이 많이 드는지, 에너지사용량 감축량이 많은지, 신재생 자립률이 높을지에 대해 개략적으로 확인할 수 있다. 이를 위해서는 디지털 트윈에서 제공하는 각 건물의 2D/3D 형상 정보를 LOD1 수준으로 활용하게 되며, 특히 창면적비, 태양광 패널 설치 및 발전 가능한 면적이 필요한 신재생발전 잠재량 등 예측 정보는 건물의 외피 정보가 건물 단위로 3D 형태로 제공될 때 가능하며, 앞서 언급한 바와 같이, 로직 경량화를 통한 최적화를 고려하고 디지털 트윈과 낮은 수준의 BIM 플랫폼과의 연동을 고려할 때 OLD 1 수준으로 연계됨이 적절하다고 할 수 있다. 두 번째로는 그린리모델링을 추진 할 대상건물이 선정된 단계인데, 이때는 디지털 트윈의 단계에서 BIM 단계로 넘어가게 되며, 건물 단위로 실제 공사를 진행하기 위한 정보가 필요하므로 LOD2에서 LOD4까지 구현되어야 한다. 가장 핵심 작업으로 대상건물을 BIM으로 만드는 것이 필수이며, 에너지성능 시뮬레이터인 Energyplus와 ECO2로 그린리모델링 전후 대상 건물의 에너지성능을 분석하고 예측하기 위한 기본 정보들이 담겨야 한다. 이때, 현 상태의 건물 형상을 BIM으로 만드는 작업과 더불어, 현장의 실제 사용 용도, 실내 환경인자, 설비 현황 및 노후도, 기밀성능 등의 정보가 동시에 취득되어야 한다. 그다음으로는, 그린리모델링을 어떻게 추진할 것인가에 대한 대안 선정 단계로, 기본 기준으로 비용, 사용자선호도, 에너지성능의 개선 정도를 들 수 있으며, 정해진 사업 예산에 맞추어 에너지성능을 목표 수치에 패시브, 액티브, 신재생 설비의 조합으로 도달할 수 있는지에 대한 선택을 바탕으로 최종 사용자 선호도를 반영하여 결정하게 된다. 이때, BIM의 특징 중 하나인 3D 시각화 기능을 바탕으로, 내외장 자재의 선택에 따른 내외부 마감 및 인테리어 변화를 동시에 확인할 수 있게 LOD4 수준으로 BIM이 구성된다. 이는 시각적인 기능뿐만 아니라, 다음 단계인 설계 최적화를 위한 건물의 그린리모델링 항목 및 항목별 수량, 비용 등의 정보가 동시에 탑재되고, 이를 바탕으로 패시브, 액티브, 신재생 설비의 적용 내역에 따른 내역산출까지 가능하게 작동되도록 하기 위함도 동시에 고려한 것이다.

Table 3 Configuration of digital platform for green remodeling

마지막으로, 다시 한 번 중요하게 고려할 것이 LOD 수준이 높아짐에 따라 불가피하게 발생하는 정보량의 방대함과 여러 항목, 물량, 수량, 비용 정보의 연동에 따른 계산 부하인데, 위에서 언급한 대로 플랫폼의 경량화를 통한 원활한 활용을 위해, 반드시 연동 로직에 대한 최적화, 특정 그린리모델링 조합에 대한 에너지성능 사전 계산 정보 등의 반영이 필요하다고 하겠다.