지난 11월28일 개최된 설비공학회 동계학술대회 ‘공조설비’세션에서는 AI시대를 대비한 냉난방공소시스템과 열교환기기술 등에 대한 연구발표가 진행됐다.

 

Agentic AI 기반 HVAC 설계혁신 제시
 

이제윤 성균관대 회원은 Agentic AI 시대에 대비한 냉난방공조시스템 설계방법을 공유했다.

 

Agentic AI는 건설산업에서도 큰 영향을 미쳤으며 건물 생애주기(Life-Cycle) 관점에서도 다양한 연구가 진행되고 있다.

 

설계단계에서는 △텍스트기반 공사기간 스케쥴링서 △건물형상기반 생성서비스 등이 연구됐으며 운영단계에서는 운영데이터를 활용한 에이전틱한 설계가 이뤄지고 있다.

 

선행연구에서는 BIM기반정보를 이용해 자율적으로 HVAC 시스템의 물리적 거동을 모사하는 가상모델이 구축됐지만 자율적 Agentic 온톨로지(Ontology) 생성·설계방법이 부재한 한계가 있었다.

 

이에 따라 연구진들은 Agentic HVAC 시스템을 도입해 인공지능과 전문가 역할을 체계적으로 구현하고 Agentic AI시대에 적합한 설계프로세스를 구축했다.

 

시스템 아키텍쳐는 사람이 정보를 탐색하며 지식을 학습하고 활용하는 과정을 모사하도록 설계됐으며 Agentic AI는 메타데이터와 온톨로지를 기반으로 시스템을 이해하며 전문가중심 지식공학에 의해 축적된 도메인지식을 습득해 저비용·고효율의 업무를 수행하도록 구성됐다.

 

에이전트는 △지식에이전트 △BIM 에이전트 △적응형 에이전트 등 총 세 가지로 구성된다. 

 

전문가는 AI가 학습하지 않은 외부의 설계지식과 규칙을 제공해 지식라이브러리를 확장·관리하며 이를 통해 에이전트의 의사결정 정합성을 확보한다. Agentic AI 설계프로세스는 △기존 부하계산 장비선정 △설계 △BAS 제어점설계 △시운전△운영전환 등의 단계로 구성된다.

 

연구진들은 전문가로 하여금 부하계산에서 고차원적 의사결정에 집중할 수 있는 역할을 부여했다.

 

특히 기존 HVAC시스템에 없었던 온톨로지 생성단계를 접목시켜 ‘공조구역–공조설비–제어점’ 중심의 경량 브릭 온톨로지를 생성하도록 유도했다. 이를 통해 운영단계에서 요구되는 지능형 서비스를 자연스럽게 연계할 수 있는 전환기반을 마련했다.

 

제안한 방법은 BIM 환경(Revit)에서 모델링된 랩 스케일 단층건물을 대상으로 적용했다. 에이전트는 Grok-4 기반으로 구동되며 부하계산–장비용량 선정–MEP 모델링을 순차 수행했다.

 

연구결과 시간과 경제적 효율성이 높게 나타났으며 건물서비스 제공성능관점에서 메타데이터기반접근보다 온톨로지기반접근이 자원소모측면에서 우수한 것으로 나타났다. 이는 온톨로지 구축이 서비스자동화 및 지능형 운영체계 정립에 핵심인 것을 의미한다.

 

이제윤 성균관대 회원은 “향후 연구에서는 범위를 도시 단위까지 확장해 고도화된 AI 엔지니어링을 체계적으로 적용할 계획”이라며 “다양한 서비스 에이전트가 진단·예측·최적화를 수행할 수 있는 자율 구축체계를 도입할 것”이라고 말했다.

 

고밀도 DC 접목위한 리어도어 냉각성능실증

명지현 삼화에이스 회원은 고밀도 데이터센터(DC) 리어도어 쿨링 유닛을 통한 에너지효율 성능에 대한 연구결과를 발표했다.

 

DC시장 성장으로 랙당 부하가 지속 증가하면서 기존 공랭식 시스템의 한계가 부각되고 있으며 수랭 기반 냉각기술 도입 필요성이 커지고 있다.

 

특히 랙당 15kW 이상 고밀도부하가 보편화됨에 따라 리어도어 열교환기 방식이 대안으로 주목받고 있다.

 

리어도어시스템은 △리어도어 △냉매분배기(CDU) △드라이쿨러·냉동기·냉각탑 등으로 구성돼있다.

 

서버후면에서 배출되는 고온공기가 리어도어 열교환기를 통과하며 냉매와 열교환을 수행하고 냉각된 공기가 실내로 재순환된다.

 

리어도어에서 받은 열은 CDU에서 냉각되며 CDU는 외부 냉동기나 냉각탑과 연계해 열을 제거한다.

 

연구진은 150kW 규모 컨테인먼트시스템을 구축했으며 상단 전력 케이블과 이중마루 구조를 통해 리어도어에 냉매가 순환되도록 구성했다.

 

냉매분배기는 건물의 냉수를 받아 냉매와 열교환을 진행해 냉매열을 제거하고 냉각된 냉매는 분배기 내 펌프를 통해 리어도어에 공급된다.

 

냉매분배기에서 열교환기를 사용함으로써 서버실 내부에 Zero Water 상태를 유지하며 리어도어에서 누설발생 시 냉매는 상온에서 기화돼 전자기기 침수와 누전이 이뤄지지 않는다.

 

서버는 최대부하를 가동해 부하를 형성했으며 리어도어의 팬 가동률을 단계별로 조정해 진행했다. 팬 가동률은 △40% △55% △80% △85% △100% 등의 조건을 사용했다.

 

시험은 랙당 HP DL360 G10+ 서버 28대를 설치해 최대부하를 형성했으며 리어도어의 팬 가동률을 단계적으로 조정해 성능을 확인했다. 실증에 사용된 두 개의 리어도어 장착 랙은 AZ23과 AZ24로 구분해 출구 온도 변화를 각각 측정했다.

 

리어도어의 공기측 온도 결과에서 AZ23 출구 평균온도는 22.1℃ AZ24는 23.3℃로 나타났으며 팬 가동률 85% 이상에서는 약 22℃를 유지해 ASHRAE 가이드라인의 27℃ 이하 조건을 만족했다.

 

서버내부 부품온도변화 측정결과 CPU온도는 40℃로 나타났으며 패키지는 65~68℃로 안정적인 관리가 가능했다. 발열이 높은 확장카드(PCI)의 경우 40~75℃대역을 형성해 충분한 냉방효과를 확인했다.

 

에너지효율성 측정에서는 냉동기 전력을 제외한 장비단 mPUE가 1.1 이하로 나타났다. 냉동기 종류별 COP를 적용한 추가 계산에서도 평균 1.25 이하 수준을 나타내 리어도어 냉각 시스템 도입 시 기존 DC의 PUE 개선 효과가 기대되는 것으로 평가됐다.

 

명지현 삼화에이스 회원은 “냉동기 종류별 성능계수 계산결과 평균값이 1.25이하로 나타났다”라며 “실험결과 구축된 DC에 리어도어 냉각시스템 설치 시 PUE값이 감소할 것으로 기대된다”고 말했다.

 

도메인 적응 기반 AFDD 성능 개선 연구결과 공유

신재윤 가천대 회원은 도메인 적응 기법을 적용해 AFDD 시스템의 성능을 개선한 연구결과를 공유했다.

 

자동고장 검출진단(AFDD)시스템은 건물의 공조냉난방시스템에서 발생하는 고장을 자동으로 탐지하고 그 원인이나 형태를 진단해주는 기술이다. 이를 통해 발생고장을 사람이 직접 하지 않아도 돼 시간과 비용을 줄이며 운영안정성을 확보할 수 있다.

 

2015년 이후 머신러닝 기반 AFDD 연구가 확대됐지만 블랙박스 모델 중심으로 진행돼 해석가능성 부족과 실현장 적용 어려움이 지속적으로 지적돼 왔다.

 

특히 시뮬레이션 기반 학습데이터와 실제 건물데이터의 분포 차이로 인해 성능저하가 발생하며 범용성 확보가 어려운 점도 한계로 지적됐다.

 

연구진은 이러한 문제를 개선하기 위해 기존 트리 기반 앙상블 모델에 도메인 적응 기법(DANN)을 결합한 하이브리드 모델을 개발했다.

 

이 모델은 시뮬레이션 기반 학습데이터와 실제 운전데이터 간 분포 차이를 완화해 고장 패턴을 더 정교하게 분류하도록 개선했다.

 

구축모델은 기존 앙상블모델과 도메인 적용기법을 결합한 하이브리드모델로 시뮬레이션기반 학습모델과 실제건물데이터 분포차이로 인한 성능저하문제 개선을 유도했다.

 

모델은 HEAD CLASSIFIER를 통해 HVAC 실시간 데이터가 학습데이터와 유사한 분포인지 판단해 안정적인 경우 앙상블 모델로 분류하고 분포 차이가 큰 경우 DANN 결과를 활용하도록 구성됐다.

 

DANN 알고리즘에서는 학습데이터를 소스도메인, 평가데이터를 타깃도메인으로 설정하고 도메인 분포를 역전파해 피처공간을 조정함으로써 두 데이터셋의 분포 차이를 줄였다.

 

데이터셋의 경우 범용성을 만족시키기 위해 아쉬레 ASHRAE RP-1312에서 제공하는 데이터셋을 활용했으며 하절기에 제공하는 16가지 고장현상에 대한 데이터셋을 분석했다.

 

평가데이터는 실제 건축물에서 수입한 AHU 운전데이터를 활용했으며 실증대상지는 서울시에 위치한 연면적 2만6,000㎡규모 상업용 건물이다.

 

진단성능 분석결과 코일밸브 닫힘과 배기팬 고착현상은 각각 100% 99%로 높은 성능을 보였다. 그러나 외기댐퍼 고착 45% 모델은 1순위에서 유사고장으로 오분류됐다. 오분류 원인은 1312에는 외기댐퍼 관련 세 가지 고장현상의 댐퍼 개도율이 모두 40%로 설정돼 있어 외기유입량만 달리하는 방식으로 구축됐기 때문에 실제 데이터와 고장환경의 차이가 발생한 것으로 분석됐다.

 

연구진들은 학습 및 평가데이터 도메인 분포특성시각화를 진행했다. 정상데이터는 넓은 영역에 분포하고 고장군집은 도메인 적응 적용 이후 미세하게 군집화됐으나 외기댐퍼 고장모델은 다른 고장과 비교해 넓게 분포해 오분류가 나타났다.

 

수치기반으로도 DANN 적용 전후 데이터 분포거리가 45~47% 감소해 도메인 차이가 일부 완화된 것으로 확인됐으나 외기댐퍼 클래스는 여전히 정밀 조정이 필요한 것으로 나타났다.

 

신재윤 가천대 회원은 “세 가지 고장시나리오에 대해 △43% △100% △99%의 진단성능이 확인됐으며 43%는 학습데이터의 물리변수 한계로 추가연구가 필요하다”라며 “범용성 확대를 위해 고장시나리오와 변수의 상관관계를 정밀 분석할 것”이라며 “해석가능 모델 구축을 위한 연구도 지속적으로 진행하겠다”고 말했다.

 

하이브리드 HP, 사무소건물 냉난방시스템 E절감효과 확인

이수진 한양대 회원은 히트펌프 기반 중앙열원 공급 냉난방시스템의 에너지절감 효과를 분석한 결과를 공유했다.

 

사무소건물에서는 개별 실별 시스템에어컨을 사용하거나 중앙에서 냉수와 온수를 만들어 팬코일유닛으로 열을 공급하는 방식이 널리 사용된다.

 

두 방식 모두 공기열원 히트펌프를 사용하기 때문에 외기온도 변화에 따른 성능저하가 발생하는 단점이 있다.

 

기존 사무소건물에 적용되는 개별식 시스템은 간소화된 설비로 에너지소비가 최소로 이뤄지지만 외기에 따라 성능이 저하되며 신재생에너지 효율증대를 기대하기 어렵다.

 

중앙식 시스템은 지열과 수열 등 안정적 열원과 결합할 수 있어 히트펌프효율을 높이는 장점이 있으나 펌프와 탱크 같은 추가설비가 필요해 에너지소비가 증가한다.

 

이에 따라 연구진은 중앙식 히트펌프가 개별식 히트펌프에 일정 온도의 열원을 공급하고 개별식 히트펌프는 안정적인 열원을 바탕으로 실내 냉난방을 수행하는 중앙열원공급식 시스템을 제안했다.

 

이때 중앙식시스템은 개별식 히트펌프에 열원을 공급하기 위해 사용되며 개별시스템은 안정적 열원 공급받아 실내냉난방을 수행하게 된다. 

 

제안된 시스템은 중앙열원공급식 냉난방시스템으로 동일공기온도 유지를 위해 탱크온도를 연간 20~25℃로 일정수준을 유지하는 것으로 설정했다. 이에 따라 냉방 시에는 중앙식 히트펌프를 통해 20~25℃ 사이 물을 갖는 탱크온도를 유지하며 난방 시에는 낮은온도 외기보다 높은 온도로 개별식 히트펌프에서 흡열가능하도록 했다.

 

히트펌프 사이클 해석은 압축기 효율을 압축비와 냉매부피유량 함수로 산정하고 초기 응축온도와 증발온도를 가정해 반복 계산했으며 냉매열량 변화와 물·공기 열량변화의 차이를 에러로 두고 오차가 클 경우 초기온도를 갱신하는 방식으로 진행했다. 압축기와 펌프 에너지의 합을 시스템 에너지소비량으로 산정했다.

 

시뮬레이션 결과 제안된 시스템에서는 압축기 등엔트로피효율이 기존 개별식 0.65에서 0.66, 중앙식 0.78에서 0.80으로 향상됐다. 이는 중앙열원공급으로 압축비가 낮아져 효율이 개선된 것으로 분석된다.

 

제안시스템의 개별식 히트펌프 COP는 5.77로 기존 3.19 대비 약 45% 상승했으며 중앙식 히트펌프도 부분부하 영향으로 COP는 낮지만 기존 대비 높은 수준을 유지했다.

연간 에너지소비량은 제안 시스템의 개별식 압축기 소비전력이 48.39MWh로 기존 93.03MWh 대비 48% 절감됐으며 중앙식 히트펌프와 순환펌프 에너지 소비량을 포함한 총 연간 에너지소비량은 99.4MWh로 기존 중앙식 115.29MWh대비 약 18% 절감된 것으로 나타났다.

 

이수진 한양대 회원은 “중앙열원 공급방식은 외기 변화에 좌우되지 않는 안정적 열원 제공으로 개별 히트펌프 성능이 크게 향상될 수 있다”라며 “신재생열원 연계와 탱크제어 최적화를 통해 추가적인 에너지절감이 가능하다”고 말했다.