2.2.1 Basecase 시뮬레이션 모델 개발

Basecase 시뮬레이션 모델은 EnergyPlus 시뮬레이션 툴을 기반으로 제작되었다.⁽⁷⁾ 모델의 용도는 공공업무시설로, 위치는 대한민국의 대표 도시인 서울로 설정하였다. 시뮬레이션 모델은 공공업무시설의 사용승인일 중간값인 1998년을 기준으로 하였다.⁽⁸⁾ 본 연구는 서울지역 IWEC2(International Weather for Energy Calculation 2)를 기상데이터를 이용하였다.⁽⁹⁾

시뮬레이션 모델의 연면적은 대한민국 8대 주요 도시(서울, 부산, 인천, 대전, 세종, 대구, 광주, 울산)의 공공업무시설 연면적 중윗값인 4,000 m²을 적용하였다.⁽¹⁰⁾ 냉․난방 면적은 연면적 3,000 m² 이상 건물의 데이터만 제공되어, 연면적과 냉․난방 면적의 비율을 산정하였다.⁽⁸⁾ 산정 결과 연면적 대비 냉․난방 면적 비율이 1.3으로 나타났으며, 이를 Basecase 모델의 연면적 4,000 m²에 적용하여 냉․난방 면적을 3,000 m²로 설정하였다.

시뮬레이션 모델은 공공업무시설에서 일반적으로 사용되는 코어형 구조를 채택하였다.⁽¹¹⁾ 코어형은 화장실, 계단실, 그리고 엘리베이터와 기계실 등의 설비 시설을 건물 중심부에, 업무, 통로, 그리고 지원 공간은 외주부에 배치하는 구조이다. 건물의 장단변비는 국내 주요 공공업무시설의 평균값인 1.5를 적용하였다.⁽¹¹⁾ 시뮬레이션 건물의 열관류율은 공공업무시설 사용승인연도의 중윗값인 1998년을 기준으로⁽¹⁰⁾, 가장 근접한 연도의 건축물 에너지절약설계기준을 적용하였다.⁽¹²⁾ 제작된 시뮬레이션 모델의 형상과 정보는 Fig. 2와 Table 1에 나타냈다.

Fig. 2 Basecase simulation model.

2.2.2 Basecase 시뮬레이션 모델 검증

본 연구는 제작된 공공업무시설 Basecase 시뮬레이션 모델의 검증을 위해 하절기 공공업무시설의 단위면적당 에너지 사용량 값과 비교하였다. Table 2는 시뮬레이션 결과와 공공업무시설의 실제 에너지 사용량 값을 비교한 결과를 보여준다. 공공업무시설의 실제 에너지 사용량은 2021년부터 2023년까지의 데이터를 사용하였으며, 기저부하를 제외한 하절기 단위 면적당 값으로 분석하였다. 분석 결과, Basecase 시뮬레이션 모델의 단위 면적당 냉방에너지 사용량은 11.6 kWh/m²로 실제 공공업무시설의 단위면적당 냉방에너지 사용량 대비 약 2.7%의 상대 오차를 보였다. 이는 제작된 공공업무시설 Basecase 시뮬레이션 모델의 결과가 실제 공공업무 시설의 냉방에너지 사용량과 유사한 수준임을 나타낸다. 따라서, Basecase 시뮬레이션 모델이 공공업무시설의 순차운휴 영향도 평가에 적합한 것으로 판단된다.

3.1.1 순차운휴에 따른 시나리오별 실내온도 분석

순차운휴 적용에 따른 시나리오별 실내 건구온도를 분석하였다. Fig. 4(a)는 Basecase와 Case #1부터 Case #3의 실내 건구온도 변화를, Fig. 4(b)는 Basecase, Case #4, 그리고 Case #5의 실내 건구온도 변화를 보여준다. Case #1에서 #3은 실내 건구온도가 26℃에서 최대 35℃까지 상승하는 것으로 나타났다. Case #2는 Basecase 대비 최대 9℃의 온도 차이를 보였고, 시스템 재가동 시 실내의 초기설정 온도인 26℃로 회복하는 데 있어 약 20분 소요되었다. 반면, Set-back 제어를 적용한 Case #4와 #5는 실내 건구온도를 28℃ 이하로 유지하였고, 시스템 재가동시 초기설정 온도에 빠르게 (10분 이내) 복귀하는 결과를 보였다. 이를 통해 Set-back 제어가 실내공간 온열환경의 신속한 회복에 있어 상대적으로 효과적인 제어법임을 확인할 수 있었다. 따라서 Set-back 제어는 On/off 제어 대비 실내 온도의 급격한 변화를 방지하였고, 시스템 재가동 시 적정 실내 온도로 회귀하는 소요 시간이 단축되어 냉방시스템의 운영을 통한 재실자의 쾌적한 온열환경 측면에서 보다 효과적인 제어법으로 판단된다.

Fig. 4 Indoor air temperature by sequential operation scenarios.

3.1.2 순차운휴에 따른 시나리오별 실내온열환경 평가

순차운휴 시나리오별 실내 온열환경 평가를 위해 PMV(Predicted Mean Vote)를 분석하였다. Fig. 5는 순차운휴 시나리오에 따른 PMV 평가 결과를 히트맵으로 나타낸 것이다. 순차운휴에 따른 PMV 평가 결과, On/off 제어 시나리오인 Case #1에서 Case #3은 PMV가 0.87에서 2.94의 범위를 보였다. 재실자의 온열쾌적감을 나타내는 지표인 PMV는 0에 가까울수록 재실자가 열적으로 만족감을 느낀다. On/off 제어가 적용된 Case들은 냉방기기 운전 정지 후 PMV가 1.03에서 2.94로 상승하여 재실자의 열적 불만족이 증가하는 것으로 나타났다. 특히 Case #2와 #3은 시스템 재가동 후인 17:30 이후에도 PMV가 1.1 이상을 유지하였다.

Set-back 제어를 적용한 Case #4와 #5의 경우, Set-back 제어 시간 동안 PMV가 각각 1.08, 1.3 수준으로 유지되었다. 시스템 재가동 후에는 두 Cases 모두 Basecase의 PMV 수준으로 회복되었다. 따라서, 재실자의 실내 온열환경 만족도 측면에서 On/off 제어는 심각한 온열 불쾌감을 유발할 수 있으며, 특히 장시간 냉방기기 가동 정지 시에는 시스템 재가동 후에도 온열 만족감이 초기 수준으로 회복되지 못할 수 있는 것으로 분석되었다. 이러한 결과를 통해 실내 온열환경 만족도 측면에서 순차운휴 적용 시 On/off 제어보다 Set-back 제어가 적합한 것으로 나타났다.

Fig. 5 PMV by sequential operation scenarios.

3.1.3 순차운휴에 따른 시나리오별 에너지 사용량 분석

순차운휴 시나리오별 에너지 사용량을 분석하였다. Fig. 6(a)는 Basecase와 Case #1~#3의 10분당 에너지 사용량을, Fig. 6(b)는 Basecase, Case #4, 그리고 Case #5의 10분당 에너지 사용량을 보여준다. Case #1~#3에서는 운휴 구간 중 에너지 소비가 완전히 중단되었으며, 일정 시간 경과 후 시스템 재가동 시 급격한 에너지 소비 증가 현상이 발생하였다(Fig. 6 참조). 특히 Case #2의 경우, 재가동 시점에서 Basecase 대비 1.7배 높은 10.7 Wh/m²의 최대 에너지 소비가 발생하여, 오히려 특정 시점에서 피크 부하가 증가하는 결과를 보였다. Set-back 제어를 적용한 Case #4와 #5는 운휴 시간 동안 기저 부하를 유지하며 점진적인 에너지 절감 패턴을 보였다. Case #5의 경우 운휴 기간 중 평균 5.4 Wh/m²의 에너지를 소비하여 Basecase 대비 약 20%의 절감 효과를 달성하였으며, 재가동 시에도 에너지 소비 급증 현상이 빠르게 완화되었다. Set-back 제어는 On/off 제어 대비 안정적인 부하 관리가 가능하여 재가동 시 시스템 과부하 운전을 방지할 수 있는 것으로 나타났다. 이는 Set-back 제어가 재가동 시 발생하는 피크 부하를 효과적으로 제어하여 부하 증가를 최소화할 수 있기 때문이다. 따라서, Set-back 제어는 에너지 효율과 시스템 안정성을 동시에 확보할 수 있는 효과적인 순차운휴 운영 전략인 것으로 판단된다.

Fig. 6 Cooling energy consumption by sequential operation scenarios.