▲ 에너지기술연구원의 김종훈 책임연구원이 개발한 AI 모델의 훈련 및 검증 과정을 설명하고 있다

국내 연구진이 인공지능을 활용한 건물 에너지 성능 측정 모델을 개발해 예측시간을 획기적으로 줄여 기후위기 대응을 위한 기존 건축물 에너지 성능개선 사업이 탄력을 받을 전망이다.

한국에너지기술연구원(원장 김종남)은 에너지ICT융합연구단 김종훈(UST 교원) 박사 연구진이 현장 방문 없이 AI로 건물의 에너지 성능을 측정할 수 있는 모델을 개발했다고 13일 밝혔다.

건물 에너지 진단(Building Energy Audit)이란 건물의 에너지 성능 상태를 파악하기 위해 열관류율 및 기밀도 등을 측정하는 일로 건물 에너지 성능을 분석하기 위한 시뮬레이션인 모델링(Building Energy Modeling, BEM) 역시 필수적인 요소라고 할 수 있다.

일반적으로 건물의 현재 에너지 성능을 파악하기 위해 외벽의 열관류율(값이 작을수록 단열 성능이 높음을 의미)과 기밀도(실내외 압력차가 50 파스칼일 때, 단위시간당 통과하는 공기량) 등을 현장에서 측정하고 있다.

하지만 대규모 사업은 모든 대상 건물의 성능을 실측하기 어렵고 여건도 마땅치 않아 건물의 기본 정보를 확인하는 방법으로 성능을 평가하고 있다. 연구진은 에너지 진단 프로세스를 단축하기 위해 AI를 활용해 건물 에너지 성능을 예측하는 모델을 개발했다.

40,000가구 데이터를 이용해 전체 입력변수로 학습된 AI모델의 성능과 준공연도별 열관류율과 난방면적을 입력변수로 하는 학습된 AI모델의 성능 차이가 NRMSE(정규 평균 제곱근 오차) 3% 수준이었으며, 저소득층 단독주택 모델로 검증한 결과 NRMSE 1.4%로 우수한 성능을 보였다.

또 건물마다 별도 수행해야하는 시뮬레이션 모델링 없이, AI 예측 모델에 주요 변수의 입력만으로 전체 대상 가구를 동시 평가할 수 있다..

연구진이 개발한 예측 모델로 10,000가구의 에너지 성능을 예측하는데 걸린 시간은 약 27초다. 기존 1가구의 현장 방문을 통한 측정시간이 1~2시간인 것과 비교하면 획기적으로 시간과 노동력을 줄일 수 있으며, 코로나 19와 같은 시기에 비대면 방법으로도 활용될 수 있다.

연구책임자인 김종훈 박사는 “예측 모델을 이용해 건물 에너지 성능개선 사업 시작 전, 건물의 에너지 성능을 쉽게 파악할 수 있다”며 “AI기반 에너지산업의 디지털화가 기존 에너지 진단 방법의 문제점을 해결할 수 있는 도구 중 하나가 될 것”이라고 말했다.

한편, 이번 연구는 국토교통부 기존 건축물 저탄소 에너지효율화 리모델링 최적 모델 개발 사업의 지원을 받아 수행됐으며, 연구 성과는 Civil Engineering 분야 상위 3.6% 해당하는 Building and Environment 저널에 게재됐다.