2.1 시스템 구성 및 온-오프 제어

선행 연구를 통해 청주 소재 상업용 건물에 PVT 패널 10장(패널당 전기 300 W, 열 580 W)과 지중 열교환기 2공(심도 150 m)을 설치하였고, On-off 제어와 Fuzzy Logic 제어와 비교하여 연간 에너지 저감을 얻을 수 있음을 확인하였다.⁽⁵⁾ PVT·GHX에서 생산된 열을 히트펌프의 열원으로 연계한 시스템을 Fig. 1과 같이 설계·시공하여 에너지 소비를 저감하였다. 히트펌프에서 생산된 난방·냉방 열은 각각 난방·냉방 축열조에 저장하고, 건물 사무실 공간에 설치한 FCU를 통해 공급하여 실내 온도를 유지하도록 구성하였다. PVT와 GHX는 열원(Source) 계통으로 묶여 밸브를 통해 물 대 물 히트펌프(WWHP, Water to Water Heat Pump)로 전환 공급되며, 히트펌프의 부하(Load) 계통은 난방·냉방 축열조와 연계되어 응축기(난방) 또는 증발기(냉방)에서 생성된 냉난방 에너지를 각각의 축열조에 축적한다.^{(5- 6)}

이때 난방 축열조는 FCU가 상부에서 고온수를 취출하고 하부로 저온수를 환수하는 방식으로 운전되므로, 상대적으로 온도가 낮은 탱크 하부에서 히트펌프에서 생성된 난방열을 우선 주입하도록 설계하였다. 난방열을 탱크 하부에 넣으면 하부에서 가열된 물이 자연 대류에 의해 상부로 상승하고, 상부에는 고온층, 하부에는 상대적으로 저온층이 형성되어 탱크 내부의 수직 성층화가 유지된다. 이러한 성층 구조를 통해 상부에서 안정적으로 고온수를 취출하면서도 하부에 추가 축열이 가능한 여유 용량을 확보할 수 있어, 난방 축열조의 유효 축열 용량을 효율적으로 활용할 수 있다.

냉방 축열조는 FCU가 하부에서 가장 차가운 냉수를 취출하고 상부로 온수를 환수하므로, 상대적으로 온도가 높은 탱크 상부에 히트펌프에서 생산된 냉방열(냉열)을 주입하는 구성을 채택하였다. 냉방열을 탱크 상부에 넣으면 상부의 고온층에서 먼저 열이 제거되고, 냉각된 물이 밀도 차이에 의해 하부로 가라앉으면서 상부에는 점차 온도가 낮아지는 층, 하부에는 가장 낮은 온도의 냉수층이 형성된다. 이와 같이 냉방 축열조에서도 온도에 따른 수직 성층화를 유지함으로써, 하부에서 항상 가장 차가운 냉수를 FCU에 공급할 수 있고 축열조에 저장된 냉열을 보다 안정적으로 활용할 수 있다. 주요 설비 사양과 정격 조건은 Table 1에 정리하였다.^{(7- 8)}

Base case의 시스템 운전은 Table 2와 같이 On-off 제어로 구성하였다. 기존 연구에서는 실내 온도, 냉방·난방 축열조 온도, PVT 열원 온도 등의 상태 변수에 따라 각 컴포넌트의 On-off 제어를 통해 운전하였다. PVT 축열조 온도가 충분히 높을 때는 PVT를 우선 열원으로 사용하고, 그렇지 않으면 GHX를 선택하여 난방 운전 시 히트펌프 효율을 극대화한다. 히트펌프가 가동되면 열원 펌프와 부하 펌프는 항상 동기 구동되며, 난방 운전에서는 난방 축열조 목표 온도 45℃를 중심으로 제어율을 조정해 탱크 하부 열교환기를 통해 가열하고, 냉방 운전에서는 냉방 축열조 목표 온도 12℃를 기준으로 탱크 상부 열교환기를 통해 냉각한다. 축열된 냉·난방 에너지는 설정온도와 실내 온도 편차에 따라 FCU 유량·팬 속도를 제어하여 공간 온도를 일정 범위 내로 유지하도록 운전한다.^{(5- 8)}

Fig. 1 Schematic of the MHSHP.⁽⁵⁾

Table 1 Component specifications of the MHSHP^{(5- 8)}

2.2 TRNSYS 모델링 및 검증

앞서 설명한 시스템의 에너지 소비량을 다양한 조건에서 분석하기 위해, 건물 및 설비에 대한 모델링을 진행하였다. Fig. 2 (a)~(c)와 같이 대상 건물의 외부 치수는 가로 20 m, 세로 8.8 m, 높이 6 m 이며, 내부에는 가로 9 m, 세로 8.8 m, 높이 3 m의 사무용 공간이 배치되어 있다(바닥면적 79.2 m², 체적 237.6 m³). 사무실은 총 4명의 재실을 기준으로 운용되며, 내부 발열(인체·플러그·조명)과 환기 조건은 건물 용도에 맞춰 설정하였다. 본 건물은 샌드위치 패널을 활용한 모듈러 건축물로 시공되었고, 외피 구성(벽체별 단열 성능 및 두께)은 Table 3에 정리하였다.

본 연구에서는 PVT, WWHP, 난방·냉방 축열조, FCU 등 주요 설비에 대해 컴포넌트 단위 모델링을 수행하고, 이를 Fig. 3 (a)~(c)와 같이 비교 검증하였다. Fig. 3(a) PVT 모델은 일사·모듈 온도·순환 유량을 입력으로 열 및 전력 생산을 TRNSYS PVT 컴포넌트 시뮬레이션과 ISO 9806에 근거한 성능 데이터와 비교 검증하였고, 히트펌프(WWHP)는 열원·부하 측 입·출수 온도와 압축기 회전수 제어율을 기반으로 열량·소비전력·COP를 산출하여 성능 맵 기반 모델을 시뮬레이션 WWHP 컴포넌트에 사용하였다.

Fig. 2 PVT-GHX MHSHP in building application.⁽⁵⁾ (a) Schematic view of the target modular office building (b) Building size the target modular office building for validation and case study building load (c) Practical view of the target modular office building

Fig. 3 TRNSYS component modeling for MHSHP simulation.⁽⁵⁾ (a) PVT component model performance validation based on test data, (b) WWHP heating performance test data, (c) WWHP cooling performance test data

건물 내 사무용 공간에 시스템을 적용한 뒤 냉방·난방 현장 운전 실험을 수행하였고 이를 Fig. 4 (a) ~ (b)와 Table 4-5와 같이 시뮬레이션 모델과 비교 검증을 수행하였다. 난방 조건에서 외기 온도가 -15℃에서 0℃로 상승할수록 히트펌프 난방 부하의 평균값은 실증시험에서 7.0 kWh에서 4.9 kWh로, 시뮬레이션에서는 7.3 kWh에서 4.4 kWh로 일관되게 감소하였다. 시스템 소비전력 역시 실증시험에서 3.9 kWh에서 2.3 kWh로, 시뮬레이션에서 4.0 kWh에서 2.4 kWh로 감소하는 경향을 보였다. 설계 외기 온도 -11.9℃에서 비교한 결과, 히트펌프 난방 부하와 시스템 소비전력의 MAPE(Mean Absolute Percentage Error)는 각각 2.8%와 2.2%로 산정되었다. 냉방 조건에서는 외기 온도가 25℃에서 35℃로 상승함에 따라 히트펌프 냉방 부하의 평균값이 실증시험에서 3.9 kWh에서 6.9 kWh로, 시뮬레이션에서 3.5 kWh에서 7.6 kWh로 증가하였다. 시스템 소비전력 또한 실증시험에서 1.1 kWh에서 2.4 kWh로, 시뮬레이션에서 1.1 kWh에서 2.6 kWh로 증가하는 경향을 나타냈다. 설계 외기 온도 32.3℃에서의 비교에서는 히트펌프 냉방 부하와 시스템 소비전력의 MAPE가 각각 6.7%와 7.4%로 평가되었다. 종합하면, 본 시뮬레이션 모델은 냉방·난방 실증시험 전 구간에서 MAPE 최대 7.4% 이내의 오차로 히트펌프 부하와 시스템 소비전력을 재현하였으며, 연간 난방·냉방 에너지 소비량 추정에 필요한 정확도를 확보한 것으로 판단된다.

Fig. 4 Simulation results validation compared to heating and cooling operation data.⁽⁵⁾ (a) Heat pump heating load and system energy consumption comparison depending on ambient temperature, (b) Heat pump cooling load and system energy consumption comparison depending on ambient temperature

2.3 Fuzzy Logic 제어

퍼지 로직 제어는 언어적 규칙(Linguistic control rules)에 기반하므로 인공신경망 기반 제어처럼 광범위한 학습을 요구하지 않으면서도 구현과 용이하다. 특히 태양열-지열 하이브리드 히트펌프와 같이 부하 판단이 복잡하고 모호성이 큰 시스템에 기존 On-off 제어에 비해 적합하여, 에너지·비용 절감을 위한 고도화된 제어 대안으로 유리하다. 본 연구에서는 실내 재실 공간의 온도와 냉·난방 축열조 온도, 그리고 두 온도의 상관관계를 입력으로 하여 제어 로직을 구성하였으며, 전체 구성은 Fig. 5 (a) ~ (b)와 Table 6에 제시하였다.^{(9- 10)}

퍼지 로직은 실내 온도와 축열조 온도를 동시에 고려하여 히트펌프와 열원·부하 순환펌프의 단계 출력을 결정한다. 출력 단계는 0%, 25%, 50%, 75%, 100%의 다섯 단계이며, 선택된 단계는 히트펌프와 두 순환펌프에 동일하게 적용된다. 단계 전환에는 히스테리시스를 적용하였다. 한 시점에 선택된 출력 단계는 그 단계에 대응하는 실내 온도 구간과 축열조 온도 구간 조합 안에 머무르는 동안 그대로 유지되며, 실내 온도나 축열조 온도가 인접한 상위 또는 하위 구간으로 이동하여 다른 규칙 조합으로 완전히 바뀐 경우에만 새로운 단계로 변경된다. 따라서 실내 온도나 탱크 온도가 난방 시 19, 21, 23, 25℃ 및 42, 44, 46, 48℃, 냉방 시 21, 23, 25, 27℃ 및 9, 11, 13, 15℃와 같은 경계값 근처에서 소폭 진동하더라도, 제어기는 직전 출력 단계를 유지하여 불필요한 단계 진동이 발생하지 않는다. 한편, 히트펌프 출력이 0%로 결정된 경우에는 열원 순환펌프와 부하 순환펌프의 출력도 모두 0%로 두어 세 장치가 항상 동일한 단계로 동기 운전되도록 하였다.

Fig. 5 Fuzzy Logic control signal for heating and cooling. (a) Fuzzy Logic signal for heating operation, (b) Fuzzy Logic signal for cooling operation

3.1 기후 권역별 대표 지역 선정

2.3절에서 구축·검증한 MHSHP 시뮬레이션 모델과 동일한 모듈러 건축물 및 설비 구성을 대상으로, Fig. 6과 Table 7에 제시한 바와 같이 한국의 대표 기후를 반영하는 네 개 지역(서울, 평창, 광주, 부산)을 선정하여 기후별 경제성 차이를 분석하기 위한 민감도 해석을 수행하였다. 대상 지역은 위도·경도, 해발고도, 해안·내륙 여부, 그리고 장기 기상 관측 통계에 기반한 Köppen 기후대(Humid continental, Humid subtropical 등)를 종합적으로 고려하여 선정하였다.

서울(Humid continental, Dry winter, Dwa)은 한반도 중서부 내륙에 위치한 대도시로, 겨울에는 북서 계절풍의 영향을 받아 기온이 낮고 건조하며(한파·적설 가능), 여름에는 북태평양 고기압 확장과 장마·태풍의 영향으로 고온다습한 조건과 집중 강수가 반복되는 특징이 있다. 이로 인해 연교차와 일교차가 모두 큰 편이며, 난방 기간이 길고 설계 외기 조건이 엄격한 동시에, 여름철에는 열대야·폭염으로 인한 냉방 피크 부하도 빈번하게 발생하는, 전형적인 냉·난방 동시 부담형 기후이다.

평창(Warm-summer humid continental, Dry winter, Dwb)은 중부 내륙 산간 지역으로 해발고도가 높아 겨울이 길고 매우 춥고 건조하며, 설·동빙 현상이 장기간 지속되는 것이 특징이다. 여름은 상대적으로 짧고 비교적 선선하나, 장마철을 중심으로 한 시기적 강수 집중이 나타나며, 전체 연간 에너지 수지 측면에서는 난방 지배형(Heating-dominated) 기후에 해당한다. 이러한 특성으로 인해, 공간 난방부하와 제상·부분부하 운전 조건을 고려한 열원기기 및 제어 전략의 영향이 특히 크게 나타나는 지역이다.

광주(Humid subtropical, Cfa)는 한반도 남서부에 위치한 도시로, 여름철에 고온다습한 아열대성 기후 특성이 뚜렷하며 긴 장마와 국지성 호우로 인한 강수 집중이 나타난다. 겨울은 서울·평창에 비해 비교적 온화하고, 난방 기간 및 난방 강도 모두 상대적으로 짧고 작다. 이에 따라 연간 에너지 수지에서 냉방부하 비중이 커지고, 여름철 부분부하 구간에서의 효율 및 제어 전략이 시스템 성능과 경제성에 크게 기여하는 지역이다.

부산(Humid subtropical, Dry winter, Cwa)은 남동 해안에 위치한 해양성 도시로, 해수 및 해양 대기의 완충 효과로 인해 연중 기온 변동 폭이 상대적으로 작고 온난한 편이다. 여름에는 고온다습한 조건과 함께 강수가 집중되는 반면, 겨울에는 기온이 비교적 온난하면서도 강수가 적어 상대적으로 건조한 “온난·건조 겨울” 특성을 나타낸다. 이로 인해 난방부하는 다른 지역에 비해 작지만, 장기간에 걸친 냉방 운전과 피크 냉방부하가 에너지 소비와 설비 용량 계획에서 지배적인 영향을 미치는 지역이다.^{(11- 13)}

이와 같이 선정된 네 지역은 각각 한랭·난방 지배형(평창), 복합 냉·난방 부담형(서울), 냉방 지배형 내륙 아열대(광주), 해양성 온난 아열대(부산)를 대표하므로, 동일한 모듈러 건축물 및 MHSHP을 대상으로 기후 권역별 운전 특성과 에너지·경제성 민감도를 비교·분석하는 데 적합하다.

Fig. 6 Case study on climate condition in Korea⁽¹¹⁾

3.2 기후 권역별 에너지 소비 특성 분석

3.1절에서 구분한 네 개 기후 권역을 대상으로, 운전 전략(소스 전환 및 부분부하 제어 포함), 전력 요금 체계(기본 요금·전력량 요금·수요 요금) 및 설비비(HP·PVT·GHX·배관 등)에 대해 동일한 가정을 적용하여, Fig. 6과 Table 7에 제시한 바와 같이 On-off 제어 대비 Fuzzy Logic 제어 적용 시 연간 에너지 성능 변화를 Fig. 7과 Table 8 같이 분석하였다. 평가는 1분(step) 간격으로 1년(8760 h) 동안 수행한 TRNSYS 시뮬레이션^{(14- 15)} 결과를 기반으로 하였으며, 난방(11-3월) 및 냉방(5-9월) 기간의 시스템 운전 전력 소비량, PVT 연간 발전량, 월별 전력 소비 가중치에 따른 운전 비용 등을 종합적으로 고려하여 민감도 해석을 수행하였다.

먼저 On-off 제어를 적용한 경우, 최대 연간 에너지 소비량은 Case 2.1에서 10,836.2 kWh/year로 나타났다. 평창은 여름철에는 비교적 서늘한 기후를 보이지만, 겨울철에는 다른 지역에 비해 난방 에너지 요구가 극히 크며(최저 외기 온도 -19.8℃, 최대 외기 온도 28.9℃), 이에 따라 난방 기간 동안 히트펌프 가동 시간이 길고 정격에 근접한 운전이 빈번하게 발생하여 연간 총 소비전력이 가장 크게 나타난다. 반면 최소 연간 에너지 소비량은 Case 4.1에서 6,522.4 kWh/year로, 부산은 타 지역 대비 외기 온도 변화 폭이 가장 작고(최저 외기 온도 -7.3℃, 최대 외기 온도 32.0℃) 난방부하가 상대적으로 작아 시스템 운전 에너지 소비량이 가장 낮게 나타났다.

그러나 Fuzzy Logic 제어를 적용한 경우에는 외기 온도 변동이 비교적 완만한 Case 1.2(서울)와 Case 3.2(광주)에서 에너지 절감 효과가 가장 크게 나타났다. 이는 두 경우에서 식(1)으로 정의한 부분부하·경계 부하 구간, 즉 부분부하비(Part-Load Ratio; PLR = 실부하 / 정격용량 각각 난방: 17.1 kW, 냉방: 16.8 kW)가 0.2-0.7 범위에 위치하는 시간 비율이 상대적으로 높기 때문이다. 여기서 PLR은 식(1)과 같이 특정 시점의 부하 $Q_{demand}$가 히트펌프 정격용 $Q_{HP}$의 몇 % 수준인지를 나타내는 지표로, PLR≈1에 가까울수록 정격 부하 운전, PLR≈0에 가까울수록 매우 작은 부하 운전 상태를 의미한다.

일반적으로 PLR이 매우 낮은 영역에서는 짧은 주기의 잦은 On-off 기동과 부분부하 효율 저하가 발생하고, PLR이 1에 근접하는 영역에서는 설비 용량 한계에 따른 성능 저하 및 피크부하 대응 문제가 나타난다. 본 연구에서 정의한 PLR 0.2-0.7 구간은 이 두 극단 사이의 중간 영역으로, 부하가 정격에 비해 지나치게 작지도(PLR→0) 크지도(PLR→1) 않으면서 연속 정상운전이 어려워 On-off 사이클링과 과유량에 따른 손실이 가장 두드러지는 구간이다. 이 구간에서의 제어 방식에 따라 연간 시스템 에너지 성능이 크게 달라지며, 따라서 PLR 0.2-0.7 영역을 얼마만큼 효율적으로 운전·제어하는지가 핵심 설계 변수로 작용한다.⁽¹⁶⁾

Fuzzy Logic 제어는 이러한 중간 PLR 영역에서 히트펌프 및 열원·부하 측 펌프의 출력을 연속 제어가 아닌 다단계(Level-wise)로 완화 조절함으로써, 불필요한 빈번 기동과 과도 유량을 줄이고 실효 COP를 향상시키는 데 유리하다. 즉, 부하가 순간적으로 감소하는 경우에도 히트펌프 출력과 펌프 유량을 단계적으로 저감하여 On-off 스위칭을 지연·완화하고, 반대로 부하 증가 시에도 급격한 정격 가동 대신 단계적 출력을 통해 효율이 좋은 부분부하 영역을 최대한 활용한다. 그 결과, 연간 운전 시간 중 PLR 0.2-0.7 구간에 체류하는 비율이 클수록 Fuzzy Logic 제어의 에너지 절감 효과가 증폭된다.

Table 9에서 보듯이 서울과 광주는 연간 운전 시간 대비 PLR 0.2-0.7 구간 체류 비율이 다른 Case에 비해 높게 나타났으며, 이에 따라 On-off 제어 대비 Fuzzy Logic 제어 적용 시 가장 큰 에너지 절감 효과를 보이는 것으로 확인되었다. 이러한 결과는 동일 설비 구성에서도 지역별 기후 특성과 부하 프로파일에 따라 부분부하 운전 특성이 달라지며, 특히 PLR 중간 영역에 머무는 비율이 높은 기후 권역에서 Fuzzy Logic과 같은 상위 제어전략이 에너지 성능 향상에 효과적임을 시사한다.

Fig. 7 Annual system energy consumption and saving.

3.3 기후 권역별 LCCA 기반 경제성 및 Pay-back 분석

국내 전력 요금은 Table 10과 같이 월별 사용량 구간별 가중치를 적용하여 산정되며^{(17- 18)}, 이에 따라 3.2절에서 도출된 에너지 소비량을 월별로 재분류한 뒤 동일한 산정 방식을 적용하여 연간 냉난방 운전 시 전력 요금을 계산하였다. 또한 선행 연구를 참고하여 연간 시스템 유지·보수 비용을 산정하였으며⁽⁵⁾, 이를 바탕으로 Table 11과 같이 연간 운전 및 유지(Operation and Maintenance; O&M) 비용을 정리하였다. 부분부하·경계 부하 구간 체류 비율이 상대적으로 높은 Case 1.2와 Case 3.2에서 Fuzzy Logic 제어 적용 시 운전 비용 저감량이 약 $724-$734으로 가장 크게 나타났으며, 반대로 부분부하·경계 부하 구간 체류 비율이 상대적으로 낮은 Case 2.2와 Case 4.2에서는 저감량이 약 $577-$600으로 가장 작게 나타났다.

Table 12와 같이 PVT, GHX, WWHP 및 제어 시스템을 적용하였을 경우의 시스템 설치 초기비용을 산출하였으며^{(5, 19- 20)}, Fuzzy Logic 제어를 도입하면 WWHP 및 열원·부하 측 펌프의 가변 운전과 제어 로직의 복잡화로 인해 On-off 제어 시스템 대비 초기비용이 약 $2,080 증가하였다. LCCA(Life Cycle Cost Analysis)는 할인된 절감액(Discounted saving)에서 할인된 비용(Discounted cost)을 차감하는 형태로 정의되며, 실제 계산은 식(2)에 제시된 것처럼 연도별 절감액과 추가비용을 할인율 $i$로 할인하여 합산하는 방식으로 수행하였다. LCCA 분석에서는 이자율(명목 할인율)을 1996-2019년 국내 은행 평균 대출 금리인 7%로 가정하였고⁽²¹⁾, 물가상승률은 1999-2018년 한국의 20년 평균값인 2.44%로 가정하였으며⁽²²⁾, 두 값은 식(3)에 제시된 물가보정 할인율(Inflation corrected discount rate) 산정식을 통해 실질 이자율 $i$ 4.45%로 환산하였다. 분석 결과는 Fig. 8과 Table 13에 나타내었으며, 서울과 광주는 Fuzzy Logic 제어를 적용할 경우 On-off 제어 설비 대비 약 3년으로 가장 짧은 Pay-back을 보였고, 평창과 부산 역시 약 4년 이내의 투자 회수기간을 나타내었다.

Fig. 8 LCCA of fuzzy-logic versus On-off control under four regional weather conditions.