건축물의 성능을 높이기 위해 연구개발한 새로운 재료가 있다 해도 실제구현을 했을 때 현장에서 발생할 수 있는 여러 가지변수에 의해 오차가 발생한다. 이러한 이유에서 연구에 대한 정확한 성능과 효과를 파악하기 위한 현장실측 데이터 수집은 필수적이다.

또한 자연현상에서 발생하는 열적인 현상을 해석하는 컴퓨터시뮬레이션 엔진도 기술발달에 따라 분석기술이 고도화되고 있다. 건물의 경우 단열기준에 맞춰 설계되나 시공 시 여러 현장요건에 의해 실제 시공된 건물의 단열값과 설계값이 상이한 경우 발생하는 현장 실측데이터 오차를 반영해 건축물 에너지 시뮬레이션 모델링을 보정한다. 이러한 보정과정을 M&V(Measurement & Validation)라고 한다.

정상적으로 M&V가 수행된 보정모델에 대한 기준은 IPMVP(International Performance Measurement and Verification Protocol)에 규정돼있다.

IPMVP 중 Option D를 사용해 보정하는 데 이 보정의 내용은 ASHREA Guideline 등을 따르게 되며 보정된 모델은 실제 지어진 건물에 대한 성능을 반영하는 것으로 판단된다. 이러한 모델을 활용해 재료에 대한 물성치, 냉난방공조 스케줄, 사용인원 등에 대한 여러 조건을 변경해 실제 건물에 대한 성능을 예측하는 것이 가능하다.

시뮬레이션 모델 보정에서는 해석 대상 건물에서 모니터링된 측정값과 시뮬레이션 예측값 사이의 차이를 줄이기 위해 시뮬레이션 입력값을 지속적으로 수정한다. 이때 시뮬레이션 입력 값을 수정하기 위해 최적화 기법을 활용한 계수추정(Parameter Estimation)을 활용한다.

계수추정 기법이란 실제 측정값과 시뮬레이션 모델의 예측값 사이의 차이를 최소화하는 미지계수를 추정하는 기법이다. 이러한 계수 추정 기법은 [식 (1)]의 목적함수(S)를 최소화하는 형태로 표현된다.

[식 (1)]과 같은 최적화 문제를 해결하기 위해 비선형 최적화 알고리즘 가운데 하나인 유전자 알고리즘(Genetic Algorithm)을 활용한다.

유전자 알고리즘은 제약조건을 갖는 비선형 최적화 문제(Constrained nonlinear optimization problem)에 활용하기 적합하다. 유전자 알고리즘을 이용한 보정 과정에서는 [그림 1]과 같이 시뮬레이션 모델이 도출하는 예측 값과 실제 측정값 사이의 차이에 따라 유전알고리즘 연산을 통해 보정대상 변수들의 시뮬레이션 입력 값을 수정하는 과정이 반복되며 컴퓨터가 자동으로 수행한다.

또 다른 보정알고리즘으로는 베이지안보정이 있다. 베이지안 보정은 베이즈 이론을 기반으로 한 확률적 모델 기법으로 건물에너지 모델의 예측값이 실제 건물에너지 사용량과 유사하도록 입력변수의 확률분포를 추정하며 그 식은 아래와 같다.

베이지안 보정은 입력변수의 사전 분포와 측정 데이터를 이용해 불확실 입력변수의 사후 확률 분포가 추정된다. 시뮬레이터에서는 ISO 13790 기반의 규범적 에너지모델을 보정, 입력변수의 불확실성을 고려하고 에너지모델의 예측 정확성을 향상시키는 기법이다.

베이지언 보정 모듈에서는 보정 입력변수들의 사후확률분포를 추정하기 위해 MCMC(Markov Chain Monte Carlo) 방법을 사용하며 이에 대한 해법으로 메트로폴리스-헤스팅즈 알고리즘을 사용한다. 베이지안 보정 결과 불확실 입력변수의 분포 형태가 사전분포보다 좁아지는 결과가 나오며 이에 따라 보정 전보다 실측 데이터에 가까운 예측값을 도출시킬 수 있다.

시뮬레이션 모델 보정기준은 ASHRAE에서 제시한 바 있으며, 표준오차(RMSE: Root Mean Square Error, [식 (2)])와 표준오차의 변동계수(CVRMSE: Coefficient of Variation of the RMSE, [식 (3)])를 이용한다.

시뮬레이션 모델을 보정을 위한 보정대상 변수를 정해야 한다. 단열재 열전도율은 대상 건물에 설치된 단열재 종류(EPS: Expanded Polystyrene)의 일반적인 열전도율에서 ±30% 범위로 보정대상 범위를 설정하며 창호 열관류율의 경우 EnergyPlus Dataset의 동종 창호들의 열관류율과 SHGC를 참조해 산정한다.

침기량은 대상 건물의 시공 기밀도 등을 참조할 수 있는 근거자료가 존재하지 않기 때문에 최대한 포괄적인 범위를 선정해 그 범위 내에서 보정을 진행한다. 건물에너지 시뮬레이션에 대한 내용은 기획연재 3회 ‘Energy Simulation part’에서 소개했으며 각 외피 요소들의 면적, 조닝, 존과 존 사이의 인접 관계, 건물의 방향 등을 반영하는 형상정보가 올바르게 모델링 돼야 한다.

[그림 3]은 모델링 보정 결과 실측된 실제 가스 사용량과 시뮬레이션 가스 사용량 결과를 나타낸 것으로 실측 사용량과 시뮬레이션 결과가 유사한 경향을 나타내는 것을 확인할 수 있다.

실측데이터와 시뮬레이션의 M&V를 통해 외피의 성능(벽체 및 창호의 열관류율, SHGC, 침기량 등) 및 에너지사용량을 파악할 수 있다. 이를 이용해 연간 에너지사용량을 예측, 에너지절감을 위한 계획수립의 진행 또는 에너지절감 요소기술 도입 전 시뮬레이션을 통해 요소기술의 도입 효과 등을 사전 예측해 ROI(Return Of Investment)를 추정하는 등 건물에너지 절약에 대한 효과를 검토하는 데 이용될 수 있다.