1.1 연구 배경 및 필요성

건물 부문은 전 세계 에너지 소비와 탄소 배출에서 중요한 비중을 차지하고 있다. 국제에너지기구(IEA)에 따르면, 건축 환경에서의 최종 에너지 소비는 전체 산업 중 약 35%를 차지하며, 탄소 배출량은 38%에 달한다. 특히, 냉난방 시스템은 건물 운영 단계에서 가장 큰 에너지 소비 항목으로, 이를 효율적으로 관리하는 것은 지속 가능한 건축 실현을 위한 핵심 과제이다.⁽¹⁾

국제사회의 기후 위기 대응이 강화됨에 따라, 2015년 파리협정 이후 각국은 국가별 온실가스 감축목표 (NDCs)를 수립하고 이를 이행하고 있다. 특히, 2030년까지의 감축 목표를 설정하고 2050년 탄소중립(Net-zero) 실현을 위해 다각적인 노력이 진행되고 있다. 건물에서 발생하는 에너지 소비와 탄소 배출의 27%는 건물 운영 단계에서 발생하며⁽²⁾, 이는 설계와 시공뿐만 아니라 운영 단계에서의 효율적인 에너지 관리가 필수적임을 시사한다. 이에 따라 건물 부문의 에너지 절감과 탄소 배출 감소는 탄소중립 목표 달성을 위한 중요한 요소로 주목받고 있으며, 신재생 에너지 시스템과 고효율 제어 기술을 활용한 지속 가능한 냉난방 관리가 필수적으로 요구된다.

1.2 기존 연구 및 한계점

최근 재생 에너지 기반 냉난방 시스템이 주목받고 있으며, 특히 태양광열(PVT, Photovoltaic-Thermal) 시스템과 공기열원 히트펌프(Air Source Heat Pump, ASHP)의 융합 기술이 에너지 효율 향상을 위한 중요한 기술로 평가받고 있다. PVT 시스템은 태양광 발전과 태양열 회수를 동시에 수행할 수 있어, 전력과 열에너지의 동시 활용이 가능하다는 강점을 가진다.⁽³⁾ 이를 통해 생산된 전기는 자체 소비가 가능하며, 부족할 경우 전력망을 통해 보완할 수 있다. 또한, 회수된 열은 난방, 급탕 등 다양한 용도로 활용되어 시스템의 전반적인 에너지 효율을 극대화할 수 있다.

이와 같은 다중 열원 시스템은 에너지 효율을 향상하고, 재생 에너지를 효과적으로 활용할 수 있도록 해주지만, 제어 방식에 따라 시스템 성능이 크게 좌우된다. Ramos et al.⁽⁴⁾은 PVT와 공기열원 히트펌프(ASHP)를 결합한 시스템이 난방 및 냉방 수요가 높은 온대 지역에서 특히 효과적임을 입증하여, 제로 에너지 건물(ZEB) 표준을 충족하기 위한 적합한 해결책임을 제시하였다.

실제로, Bae et al.⁽⁵⁾은 PVT와 공기열원 히트펌프(ASHP)를 결합한 시스템을 실험적으로 분석한 결과, 기존 ASHP 시스템 대비 난방 성능계수(COP)가 6.9% 증가하였으며, 냉방 모드에서는 COP가 52% 향상됨을 확인하였다. 이러한 결과는 PVT 모듈이 계절별 전력 소비량을 겨울철 18%, 여름철 27%까지 보완할 수 있음을 보여주며, PVT연계 ASHP 시스템의 실질적인 에너지 절감효과를 강조하였다.

이와 유사한 연구로 Wang et al.⁽⁶⁾은 PVT-공기 이중 열원 복합 히트펌프 온수 시스템을 제안하고, PVT 수집기를 히트펌프의 저온 열원으로 활용하는 동적 해석을 수행하였다. 연구 결과, PVT와 공기열원 히트펌프를 결합할 경우 히트펌프의 평균 COP는 4.08로 향상되며, 이는 공기열원 히트펌프 단독 운전 대비 성능 향상 효과를 제공할 수 있음을 확인하였다. 이러한 연구들은 PVT연계 ASHP 시스템이 기존 방식 대비 성능 및 에너지 절감 측면에서 효과적인 대안이 될 수 있음을 뒷받침한다.

다만, 시스템의 성능을 더욱 효과적으로 활용하기 위해서는 적절한 제어 방식이 필요하다. 전통적으로 사용된 기존 제어 방식은 사전 정의된 온도 임곗값을 기준으로 시스템을 활성화하거나 비활성화하는 방식으로, 구조적으로 간단하고 구현이 용이한 장점이 있다. 그러나 이는 시스템의 동적 특성과 실시간으로 변하는 부하를 반영하지 못해 최적의 효율을 달성하기 어렵다는 한계를 가진다.⁽⁷⁾ 실제로, Chinnakani et al.⁽⁸⁾가 수행한 HVAC 시스템에 온/오프 제어를 적용한 실험에서는 높은 열 관성으로 인해 설정 온도 지점에서 큰 변동이 발생하였고, 그 결과 에너지 소비 증가 및 재실자의 쾌적성이 저하됨을 확인하였다. 이는 기존 제어 방식이 PVT연계 ASHP 시스템의 효율적인 운용을 저해할 수 있음을 시사한다.

이에 따라, 기존 제어 방식의 한계를 극복하고 시스템의 효율을 극대화하기 위한 고급 제어 기술이 요구된다. 최근 Shin and Cho⁽⁹⁾는 머신러닝(ANN, SVM, RF, KNN)을 활용하여 히트펌프 시스템의 성능을 예측하고 최적화하는 연구를 수행하였다. 연구 결과, ANN 모델이 가장 높은 정확도와 효율적인 제어 성능을 제공하여, AI 기술이 히트펌프 시스템의 에너지 효율과 안정성 향상에 기여할 수 있음을 보여주었다.

1.3 연구 목적

본 연구에서는 AI 기반 최적 유량 제어 기술을 활용하여 PVT연계 ASHP 시스템의 냉방 성능을 최적화하고, 에너지 절감 효과를 실증적으로 분석하는 것을 목표로 한다. 특히, 실시간 데이터를 활용한 회귀 모델을 도입하여 기존 제어 방식의 한계를 보완하고자 하계 실증 실험을 통해 최적 제어의 효과를 검증하고 기존 제어 방식과의 성능 차이를 분석하였다. 이를 위해 실제 건물 환경에서 최적 제어와 기존 제어 방식의 성능을 비교하는 실험을 수행하였다.

2.1 시스템 개요

해당 시스템은 부산광역시 기장군(위도 35°13' N, 경도 129°13' E)에 위치한 실증 플랜트에 설치되었으며, 연구 대상인 PVT연계 ASHP 시스템은 태양광-열 복합 발전과 공기열원을 동시에 활용하여 냉난방 및 급탕을 공급할 수 있는 시스템이다. 주요 구성요소는 4 kW 용량의 PVT 모듈, 7.6 kW 용량의 공기열원 히트펌프(ASHP), 축열 탱크(0.3 ㎥ × 2), 순환펌프, 실내 팬코일 유닛(FCU)으로 이루어져 있으며, 태양광 발전을 통해 전력을 생성하고, 태양열 집열을 활용하여 축열 탱크에 난방 및 급탕 열을 공급하며, 공기열원 히트펌프를 통해 냉방 운전을 수행한다. 본 연구에서는 외기 조건을 고려한 실시간 최적 제어를 통해 순환펌프의 유량을 조절하여, 기존 제어 방식 대비 순환펌프의 전력 소비를 줄이고 에너지 절감 효과를 높이는 것을 목표로 하였다. 이를 위해, 각 장비의 입구와 출구에는 온도계 및 유량계를 설치하여 실시간 자료수집이 가능하도록 설계되었고, Fig. 1에 시스템의 개략도를 제시하였다.

Fig. 1 Schematic of the photovoltaic-thermal integrated air source heat pump (PVT-ASHP) system.

2.2 AI 기반 최적 순환수 유량 제어 모델

본 연구에서는 기존 제어 방식의 한계를 보완하고 실시간 환경 변화에 대응하기 위해, 선행 연구에서 개발된 클러스터링 기법과 회귀 분석을 결합한 AI 기반 최적 순환수 유량 제어 모델을 활용하였다. 해당 모델은 실외 환경 변수를 실시간으로 분석하고, 외기 조건에 따라 순환수 유량을 동적으로 조절하도록 설계되었으며, 선행 연구에서는 수집된 냉방 실험 데이터를 기반으로 혼합 가우시안 모델⁽¹⁰⁾(Gaussian Mixture Model, GMM) 기반 클러스터링을 적용한 다항 회귀⁽¹¹⁾(Polynomial Regression) 모델을 활용하여 AI 기반 실시간 최적 순환수 유량 제어 모델을 개발하였다. 본 연구에서 활용된 제어 모델은 선행 연구를 기반으로 서술된 것이므로, 상세한 내용은 본 논문에서 생략하였다.

일반적인 AI 모델은 높은 계산 복잡도와 연산 부하로 인해 실시간 제어 프로그램에 직접 적용하기 어렵다는 한계를 가진다. 또한, 복잡한 예측 모델은 임베디드 제어 시스템(PLC, 마이컴 등)에 탑재가 어렵고, 매개변수 해석이 비직관적이어서 유지보수가 용이하지 않다. 이를 해결하기 위해, 본 연구에서는 연산 부담이 낮고 구조적으로 간결하며 다양한 운전 조건에서도 적용이 용이한 회귀 모델을 기반으로 제어 시스템을 운용하였다. 해당 회귀 모델은 실험 데이터를 바탕으로 사전 학습되었으며, Niagara 4 Technical Certification Program을 활용하여 구현되었다. 실시간 운전 데이터를 입력받아 최적의 유량을 예측하고, 예측 결과는 PLC로 전달되어 순환펌프 제어에 반영되도록 구성하였다.

이 방식은 히트펌프의 입수 온도 및 외기 온도, 일사량의 변화에 따라 유량을 실시간으로 조절함으로써 에너지 소비를 저감하고 냉방 성능을 향상하는 데 활용되었다. 최적 순환수 유량 제어 모델의 운전 조건은 식(1)에 제시되어 있다.

2.3 실증 실험 환경 및 운전 조건

실증 실험은 부산광역시 기장군에 위치한 실증 플랜트에서 수행되었으며, 연구 대상은 PVT연계 ASHP 융복합 냉난방 시스템이다. 해당 시스템은 재생 에너지와 공기열원 히트펌프를 결합한 하이브리드 방식으로 구축되었으며, 시스템의 주요 장비 사양은 Table 1에 제시되어 있다.

실험은 하계 냉방 조건에서 진행되었으며, 실내 온도 설정값을 28℃로 유지하고 ±1℃의 Deadband를 적용하여 시스템의 안정성을 확보하였다. 또한, 야간에 냉기를 저장하고 주간에 활용하는 축랭 운전 방식을 적용하여 에너지 소비를 절감하고 시스템 효율을 상승시켰다. 실험 과정에서는 히트펌프 입출수 온도, 외기 온도, 순환펌프 유량 등의 데이터를 실시간으로 측정하고, 최적 제어 방식과 기존 제어 방식의 성능 차이를 비교하고 분석하였다.

본 연구에서 사용된 PVT연계 ASHP 융복합 시스템의 냉방 운전 조건은 Table 2에 정리되어 있다. ASHP는 $P_{1}$ 펌프의 운전 상태와 동기화되어 작동하며 냉방 모드를 활성화한다. $P_{1}$ 펌프는 히트펌프의 축열 탱크 온도($T_{ST2}$)가 12℃보다 높을 때 가동되고, $P_{2}$ 펌프는 실내 온도($T_{indoor}$)가 28℃보다 크고 축열 탱크 온도($T_{ST2}$)가 12℃ 이하일 경우에 작동한다. $P_{3}$ 펌프는 PVT 모듈 출력 온도($T_{PVT,\: out}$)가 축열 탱크 입력 온도($T_{ST1}$)보다 높을 때 가동되며, FCU는 $P_{2}$ 펌프의 운전 상태와 동기화되어 실내 냉방을 담당한다.

3.1 기존 제어 운전 실험

기존 제어 운전 실험은 8월 20일부터 8월 21일까지 축열조 활용 냉방 운전으로 수행되었으며, 외기 평균 온도는 31.89℃, 히트펌프 입수 온도는 11.80℃로 확인되었다. 기존 제어 방식에서는 순환수 유량이 고정값 (50 L/min)으로 설정되었으며, 유량 조절은 이루어지지 않았다. 냉방 시 축열조의 평균 온도는 9.82℃, 실내 평균 온도는 27.84℃로 설정된 목표 온도를 만족하였다.

Fig. 2(a)는 기존 제어 방식의 운전 결과를 나타내며, 히트펌프 입수 온도, 순환수 유량 변동 및 히트펌프 열교환율과 소비전력을 포함한 시스템의 에너지 소비 패턴을 나타낸다. 시간이 지남에 따라 외기 조건이 변동하지만, 유량은 고정 유량으로 운전되었다.

또한, Fig. 2(b)에 나타난 바와 같이 히트펌프($P_{HP}$)와 팬코일 유닛($P_{FCU}$)의 소비전력은 부하 변화에 따라 변동하였으나, 순환펌프($P_{pump}$)의 소비전력은 일정하게 유지되었으며, 이는 실시간 부하 변화에 대응하지 못하는 기존 제어 시스템에서 불필요한 에너지 소비가 발생할 수 있음을 확인하였다. 이러한 결과는 기존 제어 방식에서 외기 조건 변화를 반영한 제어를 통해, 냉방 성능 및 에너지 효율 측면에서 개선의 여지가 있음을 시사한다.

Fig. 2 System operation characteristics under conventional control.

3.2 최적 제어 운전 실험

최적 제어 운전 실험은 8월 18일부터 8월 19일까지 축열조 활용 냉방 운전으로 수행되었으며, 외기 평균 온도는 32.33℃, 히트펌프 입수 온도는 11.80℃로 측정되었다. 최적 제어 모델을 적용한 결과, 순환수 유량은 48 ~ 51 L/min 범위에서 외기 조건 변화에 따라 실시간으로 유량을 적절히 조정하였다. 순환펌프는 주로 Y3 운전 조건에서 작동하였으며, 실내 평균 온도는 28.41℃로 설정된 목표 온도를 만족하였다. 이때 축열조의 평균 온도는 9.79℃로 유지되었으며, 이는 기존 제어 방식과 비교하였을 때 유사한 온도 수준을 유지한 것으로 확인되었다. Fig. 3(a)와 (b)는 최적 제어 방식에서의 공기열원 히트펌프의 입수 온도 변화, 순환수 유량 조정 과정 및 히트펌프의 열교환율과 소비전력 패턴을 나타낸다. 실험 결과, 기존 제어 방식과 달리 유량이 외기 조건을 반영하여 능동적으로 조정되었다.

하지만 해당 결과는 최적 제어를 통해 실시간 반응이 이루어졌음에도 불구하고, 고부하 운전 조건에서는 정격 유량에 근접한 수준으로 지속 운전되는 경향으로 인해 유량 조절 효과가 제한적으로 나타났다. 특히, 유량 변화 폭(49~51 L/min)과 축열조 평균 온도 차이(0.03℃)가 작게 나타난 것은 실험 당시 높은 부하율이 영향을 미친 것으로 해석된다. 따라서 본 실험은 최적 유량 제어의 적용 가능성은 확인하였으나, 유량 변동이나 에너지 저감 효과가 충분히 발휘될 수 있는 다양한 부하 조건에서 추가적인 검토가 필요하다.

Fig. 3 System operation characteristics under AI-based optimal control

3.3 실험 결과

기존 제어 실험과 최적 제어 실험 간의 유량 및 순환펌프 소비전력 변화 양상, 그리고 냉방 성능계수(COP)를 중심으로 실험 결과를 비교하고 분석하였다. 기존 제어 방식은 유량을 50 L/min으로 고정하여 운전하였으나, 최적 제어는 외기 조건 변화에 따라 유량을 실시간으로 조절하였다. 특히 부하가 감소한 구간에서는 유량이 약 48 L/min까지 저하되며, 이에 따라 순환펌프 소비전력도 함께 감소하는 경향이 관찰되었다.

또한, 순시 유량 데이터를 기준으로 유량 구간별로 나누어 평균 소비전력을 비교한 결과, 50 L/min 조건 대비 48 L/min 조건에서 약 0.47%의 소비전력 감소가 나타났으며, 부하가 적은 조건에서는 4%의 유량 감소 시 최대 25%의 소비전력 절감 효과가 나타났다. Fig. 4(a)는 각 제어 별 부하가 적은 시간대의 순환펌프의 유량과 소비전력의 시간 변화를 나타낸다.

최적 제어와 기존 제어의 냉방 성능을 비교하기 위해 히트펌프($COP_{HP}$) 및 시스템($COP_{SYS}$)의 냉방 성능계수를 분석하였으며, Fig. 4(b)에 두 제어 방식의 냉방 성능계수를 비교하여 나타내었다. 최적 제어 적용 시, 히트펌프의 평균 성능계수($COP_{HP}$)는 2.97로 기존 제어 방식(2.59) 대비 14.67% 향상되었으며, 이는 실시간 순환수 유량 조정을 통해 히트펌프의 효율적인 운전을 유도한 결과로 해석된다. 시스템 평균 성능계수($COP_{SYS}$) 또한 2.23으로 기존 제어 방식(1.98) 대비 12.62% 향상되었으며, 최적 제어 운전이 기존 제어 운전과 비교하여 에너지 효율성과 시스템 성능 면에서 우수한 결과를 나타냈다.

종합적으로, AI 기반 최적 제어 방식은 기존 제어 방식 대비 에너지 절감과 성능 향상의 효과를 동시에 제공할 뿐만 아니라 냉방 부하 변화가 큰 환경에서도 시스템의 안정적인 운전이 가능함을 확인할 수 있었다.

Fig. 4 Comparison of flow control between optimal and conventional control.