대한설비공학회 하계학술대회 실내환경4 세션에서는 인공지능(AI), 딥러닝, 가상센서 등 첨단기술을 건물설비 제어에 접목해 사용자의 쾌적성을 극대화하고 에너지효율을 높이는 연구들이 다수 발표됐다.

 

건물환경 자율관리 AI에이전트 도입

 

황재민 성균관대학교 회원은 '실내환경 정보학 관점의 정보체계 구축 및 에이전트 AI기반 서비스 개발'을 주제로 발표했다.

 

기존 건물에너지관리시스템(BEMS)은 정형데이터 중심의 단순 모니터링에 그치는 한계가 있었으다. 만약 AI에이전트를 활용한다면 복잡한 실내환경을 종합적으로 이해하고 의사결정에 도움을 받을 수 있다.

 

연구팀은 실내환경 정보학을 바탕으로 AI에이전트기반 실내환경 관리서비스를 개발했다. 경기도 수원의 한 사무공간을 리빙랩으로 구축해 IoT센서로 실시간 환경데이터를 수집하고 CCTV 영상과 딥러닝모델(YOLOv8)을 이용해 재실자 수를 정확히 파악했다. AI에이전트는 건물구조와 센서 위치정보 등을 담은 온톨로지(Ontology)를 기반으로 공간을 학습하고 실시간 데이터를 분석해 PMV(예상온열감)지표기반의 열쾌적분석 보고서를 사용자에게 제공한다.

 

이 시스템의 핵심은 AI에이전트의 자율적인 공조 제어기능이다. AI에이전트는 재실자가 없으면 자동으로 냉방을 끄고 예측 PMV기준으로 재실자가 불쾌감을 느낀다고 판단하면 스스로 최적의 설정온도와 풍량을 계산한다. 이후 IR 리모컨허브를 통해 실제 에어컨에 제어신호를 보내는 전과정을 자동으로 수행한다.

 

황재민 회원은 “이번 연구는 단순한 자동화를 넘어 건물이 스스로 상황을 인지하고 목표지향적인 문제해결 능력을 갖춘 AI에이전트를 통해 실내환경을 관리할 수 있음을 실증했다”라며 “향후 전력량 미터링을 연계해 에너지절감 효과를 정량화하고 이 서비스를 패키지화해 다양한 기축건물에 쉽게 적용할 수 있는 플랫폼으로 발전시킬 계획”이라고 밝혔다.

 

딥러닝통한 스마트창호 제어… 시각적 쾌적성 ↑

 

서영훈 한밭대학교 회원은 ‘딥러닝기반 현휘예측을 활용한 스마트창호의 시쾌적 및 에너지성능 평가’ 발표에서 인공지능을 통해 창호의 빛 투과율을 제어하는 기술을 소개했다.

 

전기변색유리(ECW)와 같은 스마트창호는 일사량 조절이 가능해 에너지절감에 유리하지만 기존 제어방식은 단순한 일사량기준으로 작동해 실내재실자의 시각적 쾌적함 즉 현휘(눈부심)를 충분히 고려하지 못하는 한계가 있었다.

 

연구팀은 이러한 한계를 극복하기 위해 딥러닝 모델(LSTM)을 활용해 실내의 불쾌현휘지수(DGI)를 실시간으로 예측하는 제어전략을 개발했다. 월, 시간, 직달일사량, 외기온도 등 5가지 변수를 입력받아 DGI값을 예측하고 이 예측값이 설정된 기준치를 넘어서면 전기변색유리를 자동으로 어둡게 착색시켜 눈부심을 막는 방식이다. 이 제어전략의 성능은 건물에너지 시뮬레이션(EnergyPlus)을 통해 검증됐다.

 

시뮬레이션 결과 제안된 제어방식은 특히 태양고도가 낮은 겨울철에 효과가 뚜렷했다. 인공지능제어를 통해 실내 DGI값이 평균 10%, 최대 15%까지 감소해 재실자의 시각적 불편함을 크게 줄일 수 있었다. 에너지측면에서는 여름철 냉방에너지를 연간 20.3%(7.21 kWh/m²) 절감하는 효과를 보였다. 반면 겨울철에는 눈부심을 막기 위해 창호를 착색하면서 난방에 유용한 태양열 취득까지 차단해 난방에너지가 23.9%(5.85 kWh/m²) 증가하는 상충효과가 나타났다.

 

이 연구는 딥러닝기반의 현휘예측모델이 스마트창호를 정교하게 제어해 시각적 쾌적성을 효과적으로 개선할 수 있음을 보여줬다. 다만 시각적 쾌적성과 냉난방에너지 간의 상충관계가 확인된 만큼 향후 계절별 특성을 고려해 제어기준을 다르게 설정하거나 조명 및 냉난방시스템과 통합된 최적 제어전략 개발이 필요하다.

 

LG전자, 사용자 위치·온열감 실시간 예측으로 맞춤냉방 구현

 

이정훈 LG전자 공기과학연구소 선임연구원은 사용자 개인에게 최적화된 쾌적함을 제공하는 차세대 에어컨 제어기술을 공개했다. 기존 에어컨은 실내 평균온도를 기준으로 작동해 바람이 직접 닿는 사용자는 춥고 멀리 있는 사용자는 덥게 느끼는 등 개인별, 위치별 쾌적감을 만족시키지 못하는 문제가 있었다.

 

LG전자는 추가센서 없이 에어컨자체 운전정보(흡입온도, 풍량, 풍향 등)만을 활용해 실내 50개 영역의 온도와 유속을 예측하는 머신러닝모델을 개발했다. 다양한 조건에서 총 66회의 챔버실험을 통해 데이터를 확보했으며 선형회귀, 랜덤포레스트, XGBoost모델을 비교한 결과 계산효율성이 높은 선형회귀모델을 모델에 활용했다. 이 모델은 온도 예측오차 0.72℃, 유속 예측오차 0.067m/s수준의 높은 정확도를 보여 별도의 비싼 센서 없이도 PMV(예상온열감)를 계산할 수 있는 기반을 마련했다.

 

LG전자는 개발된 실시간 온열감 예측모델과 레이더센서를 통한 사용자 위치정보를 결합한 쾌적제어 알고리즘을 적용했다. 이 알고리즘은 사용자의 열부하와 공간부하를 종합적으로 판단해 ‘쾌속’, ‘쾌적1’, ‘쾌적2’의 3단계로 제어를 달리한다. 사용자가 덥다고 판단되면 직접풍으로 빠르게 온도를 낮추고(쾌속), 쾌적상태에 도달하면 간접풍으로 전환하며(쾌적1), 장시간 운전 시에는 춥지 않은 부드러운 바람(소프트풍)으로 쾌적함을 유지하는(쾌적2) 지능형 로직이다.

 

환경챔버에서 기존 운전모드(직접풍, 간접풍 등)와 성능을 비교한 결과 제안된 쾌적제어 알고리즘은 사용자가 어떤 거리에 있더라도 가장 빠르게 쾌적영역(PMV ±0.5)에 도달했으며 가장 높은 온열만족률(최대 94.2%)을 기록했다. 이 기술은 사용자의 조작없이도 시스템이 스스로 최적의 쾌적함을 찾아 제공함으로써 에너지효율과 사용자 만족도를 동시에 높이는 개인맞춤형 공조를 제공한다.

 

가상센서로 병실환경 예측… 환자중심 제어기반 마련

 

김범수 조선대학교 회원은 ‘병실환경 변화에 따른 재실자기반 가상센서 예측’을 주제로 발표했다.

 

병실과 같은 민감한 공간은 환자의 쾌적성 유지가 매우 중요하지만 발열을 내는 의료기기나 환기, 가습기 위치 등에 따라 실내온습도 분포가 불균일해진다. 하지만 모든 지점에 센서를 설치하는 것은 비용과 유지관리측면에서 비현실적이다.

 

이번 연구는 소수의 실제 센서데이터만을 이용해 원하는 위치(환자 침상 등)의 온습도를 예측하는 가상센서 모델링기법을 다뤘다. 실험실에 병실환경을 모사한 테스트베드를 구축하고 다양한 조건(환기량, 발열체 및 가습기 위치 변경 등)에서 59개 지점의 온습도데이터를 수집했다. 이후 예측에 가장 유용한 입력센서를 선택하기 위해 피어슨 상관관계(선형)와 HSIC(비선형) 분석을 수행하고 다중선형회귀(MLR)와 랜덤포레스트(RF)모델을 이용해 예측정확도를 비교했다.

 

분석 결과 최적의 센서 10개를 입력값으로 사용했을 때 예측정확도는 매우 높게 나타났다. 특히 랜덤포레스트모델은 온도를 0.09℃, 습도를 0.8% RH이내의 오차로 정밀하게 예측했다. 반면 현실적으로 설치가능한 3개의 센서(에어컨 흡입구, 환기구, 서모스탯)만을 이용했을 때는 오차율이 온도 0.6℃, 습도 3% RH 이내로 크게 증가해 정확한 가상센서를 구현하기 위해서는 전략적인 입력센서 선정이 중요함을 확인할 수 있었다.

 

김범수 회원은 “이번 연구는 데이터기반 가상센서기술이 물리센서의 한계를 보완하고 환자중심의 정밀한 실내환경 제어를 가능하게 할 수 있음을 보여줬다”라며 “향후 실제 병실환경에서는 물리센서 설치가 더욱 제한적이므로 CFD시뮬레이션 데이터를 활용해 가상센서 모델을 고도화하는 연구를 진행할 예정이다”고 말했다.