고층건물의 디자인 생성 지원을 위한 알고리즘 구성 연구 : 태양에너지와 비틀림 형태를 중심으로

알고리즘 구성에 있어 태양에너지에 유의미한 영향을 가지는 건축물의 형태변수를 도출하기 위해 관련 선행연구들을 분석하였다. 문현준 외 1명(2012)은 태양에너지 효율 측면에 있어서 비틀림 정도와 방위각이 초기설계단계에서 고려해야 하는 요소임을 확인하였다[4]. 김진철 외 1명(2018)은 태양광 에너지 효율에 있어 최적의 방위각은 건설현장에서 공식처럼 적용하는 정남향과는 상이하며 태양광 발전 효율에 있어 방위각은 경제성에 지대한 영향을 미치기 때문에 방위각의 최적 설계가 필요하다고 하였다[5]. 1990년 이후에는 고층건물의 고도가 높아지고 기술의 발전에 따라 공기저항에 적합한 비틀림 형태가 나타나고 있다. 문현준 외 1명(2012), 김진철 외 1명(2018), 김자은(2020) 등의 선행연구 분석을 통해 초기설계단계에서 고층건물의 태양에너지에 유의미한 영향을 미치는 요소들을 파악하였고 이를 알고리즘의 형태변수로써 활용하고자 하였으며 Table 1.과 같이 정리하였다.

Table 1.

Form parameter by literature review

디지털 기술의 발달에 따라 환경분석 관련한 새로운 소프트웨어들이 생겨났으며 초기설계단계에서 에너지 관련 분석방법의 변화를 가져왔다[6]. 대표적인 툴에는 Ladybug, Diva, Geco 등이 있으며, 그중 오픈소스로 제공되며 사용자의 수가 많고 접근성이 좋은 Ladybug을 중심으로 연구 동향을 파악하고자 했다. 해외 학술논문 검색기관인 Springer에서 Ladybug, Grasshopper, Optimization 3가지의 키워드로 검색한 결과 2015년부터 2020년까지 총 41편이 도출되었다. 하지만 국내의 경우 KCI 기준 2019년 2편 2020년 3편 총 5편만을 확인할 수 있었다. 이를 Fig. 1.을 통해 비교하였다.

Fig. 1.

Comparison of domestic and international academic journal

Ladybug을 활용한 분석방법의 효율성이 다수의 해외 사례를 통해 검증되었지만, Grasshopper와 Ladybug을 활용한 국내의 연구들은 그 수가 상대적으로 적었다.

해외의 환경성능기반 알고리즘 관련 연구와 비교했을 때 국내의 환경성능기반 관련 연구의 부족함은 이태경(2019)과 고성학(2020)에서도 확인할 수 있었다[7][8]. Springer를 통해 추출한 논문데이터 베이스 이외에도 ELSEVIER와 Science Direct와 같은 해외 전자저널 데이터베이스와 해외 학위논문에서 Ladybug와 Grasshopper를 활용하여 최적화 문제를 해결하기 위한 논문들을 고찰하였으며 주요 내용은 다음과 같다.

건축 분야에서 환경분석을 통한 고성능 디자인이 필요함을 인식하고 Rhino와 Grasshopper에 사용되는 환경분석 툴의 장단점을 비교하여 Ladybug와 Honeybee의 기존 환경분석툴들과의 차별성을 확인하였다[9].

초기설계단계에서 일조와 일사획득, 열 손실의 모델링 관련 분석을 실행하기 위해 Dynamo를 활용해 알고리즘을 구성하고 Ladybug와 Honeybee를 활용하여 DF, DA, UDI의 기준으로 비교 분석하였다. 이를 통해 Revit-Dynamo와 Ladybug의 워크플로우가 특정 프로젝트의 환경분석 관련 개발에 매우 효과적인 것을 확인하였다[10].

오피스의 열 성능과 빛 환경의 균형을 위해 Ladybug을 활용하여 태양열 스크린 형태를 최적화하는 알고리즘을 구성했다. 태양열 스크린의 매개변수를 도출하고 그에 따른 다중 최적화 문제를 해결하기 위해 알고리즘 에디터와 유전알고리즘을 활용하였다[11].

건물의 환경분석 관련하여 최적화 문제에서 발생하는 다중목표최적화(MOO)문제를 인식하고 Rhino의 Grasshopper를 통해 진화 알고리즘과 에너지 시뮬레이션을 통합하는 새로운 디자인 워크플로우 방법론을 제시하여 건축설계에 초점을 맞춘 성능 지향 프로세스를 위해 건물 규모 관련 성능기반 디자인들을 포괄적으로 탐색하고 이를 통해 얻은 이점을 검토했다[12].

이처럼 Ladybug가 개발된 이후 알고리즘 에디터와 Ladybug을 활용한 알고리즘 구성 연구가 진행된 것을 해외의 사례를 중심으로 알 수 있었다. 이들은 초기설계단계에서 활용 가능한 환경성능 기반의 디자인 생성과 분석을 중점으로 다루었다.

Ladybug은 Grasshopper나 Dynamo의 Add_on으로 사용할 수 있는 환경분석 플러그인으로 표준 기상 데이터(EnergyPlus Wheater)를 불러들여 일조, 음영 및 조망 분석을 실행할 수 있게 해준다. 분석한 결과값은 시각적인 데이터로 변환되며 초기설계단계에서의 환경분석 관련 의사결정의 용이성을 높인다.

Galapagos는 Grasshopper의 유전알고리즘 기반의 최적화 문제 해결 Add_on이다. 목표치로 삼을 기준값을 설정하고 파라미터를 연결해 설정한 목표치에 일정 수준 수렴하는 형태와 결과값을 탐색한다.

Human UI는 Grasshopper의 사용성을 보완해주기 위해 출시된 인터페이스 Add_on이다. Grasshopper를 통해 구성한 알고리즘을 Windows 환경에서 사용할 수 있게 해준다. 알고리즘의 직관성을 높여 Grasshopper를 다루지 못하는 디자이너도 구성한 알고리즘을 사용할 수 있게 한다.

Grasshopper의 컴포넌트를 조합해 고층건물의 형태를 구성하는단계이다. Rhino는 단순 뷰 포트로만 활용하고 Fig. 3.과 같이 Grasshopper만을 사용하여 모델의 형태를 구성하였다.

Fig. 3.

Model form algorithm composition

매개변수는 고층건물의 최소기준인 30층을 입력, 층고는 4m를 입력하였다. 건물의 방위각, 비틀림 정도, 상하부의 면적 값은 추후 Galapagos와 연결해서 사용할 독립변수로서 초기 모델 구성단계에서는 Table 2.와 같이 범위만 설정해주었으며 초기 입력값은 각 파라미터의 최소값으로 설정하였다.

Ladybug을 활용하여 환경분석 알고리즘을 구성하고 이를 통해 태양에너지 시뮬레이션을 실행한다. 알고리즘의 실행순서는 다음과 같다. 먼저 EnergyPlus Weather file(.EPW) 파일을 로드하고 이후 기준월, 기준일, 기준시 입력을 통해 천공상태를 설정한다. 이후 그리드의 크기, 그리드의 생성 위치 입력을 통해 분석단위 크기를 설정한다. 이후 Geometry 값과 연결해준다. 환경분석은 크게 세 단계로 나눌 수 있다.

첫째, EPW 파일을 로드하는 단계이다. EPW 파일을 로드하는 방법은 File path를 사용하는 방법, Ladybug_Epw file load 컴포넌트를 사용하는 방법, Panel 컴포넌트에 EPW 파일의 URL을 입력하는 방법 보편적으로 3가지가 있다. 위의 방법 중 재사용성을 고려하여 Fig. 4.와 같이 URL을 입력하는 형태로 구축하였으며, 국내에서 고층건물의 수가 가장 많은 부산시의 기상데이터 파일을 로드 하였다.

Fig. 4.

Environmental analysis algorithm composition

둘째, 천공상태 설정 단계이다. 기준월, 일, 시의 데이터입력을 통해 천공상태를 설정한다. 연평균 기상데이터를 기준으로 하기 위해서 1월 1일부터 12월 31일을 입력하였으며 DA 기준의 유효조도 범위 시간인 09시-18시를 기준 시간대로 설정하였다.

셋째, 그리드 설정 단계이다. 태양에너지 해석 시뮬레이션과 Galapagos의 가동 시간을 고려하여 그리드의 크기는 1000, 생성 위치는 바닥 면으로 설정하여 설정한 단위면적(1㎡)당 떨어지는 태양에너지양(kWh/㎡)을 분석하고자 하였다. 환경분석 단계에서 사용되는 주요 내용은 다음의 Table 3.과 같이 정리했다.

Table 3.

Components summary for radiation simulation

Fig. 5.

Parameters connection with galapagos

유전알고리즘 기반의 Galapagos를 활용하여 태양에너지 활용 측면에서 최적에 가까운 모델의 형태를 탐색하는 단계이다. 태양에너지의 최대값에 수렴하는 형태의 디자인을 얻기 위해 Table 4.와 같은 매개변수에 따라 디자인 탐색이 진행되며. 디자인 탐색 과정은 Table 5.와 같이 결과값이 ‘설정한 기준값’에 수렴할 때까지 변수를 조절하여, 최적에 가까운 매개변수들을 도출하고 그에 따른 건물의 디자인을 만드는 과정을 거친다고 할 수 있다.

Table 4.

Parameter value connected with galapagos

Table 5.

Configuration of applied algorithms

Ladybug은 결과값이 Visualization(시각화) 되어 출력되며 기존의 환경분석 틀들과는 차이를 가진다. Ladybug은 결과값이 태양에너지의 양에 따라 빨간색, 노란색, 파란색의 직관적인 데이터로 출력된다. 직관적인 데이터로 출력되기 때문에 환경분석에 익숙하지 않은 건축 디자이너도 결과값을 이해하기 쉽고 추후 초기설계단계에서 디자인의 수정, 보완에 용이하게 작용할 수 있다.

또한, 건축물의 환경분석을 진행하려면 기존의 Radiance, GreenBuildingStudio Daysim, EnergyPlus, 등의 검증된 상세조도해석프로그램에 대한 기본적인 지식이 필요하였지만 구성된 알고리즘을 활용하면 위와 같은 상세조도해석 프로그램에 관한 지식이 전무 하더라도 이들을 기반으로 하는 일정 수준 이상 신뢰할 수 있는 결과값을 얻을 수 있다.

Ladybug은 EPW 파일을 기반으로 시뮬레이션 된다. EPW 파일은 Department of Energy(DoE)에서 개발한 실제 기상데이터를 기반으로 구성되어있다. 이번 연구에서는 Direct Normal radiation과 Diffuse Horizontal Irradiance를 통하여 전천 일사량을 구하는 방식을 적용했다. 1시간 단위로 365일의 모든 태양에너지를 계산하여 8760(365×24)가지의 데이터를 출력한다. 기존의 천천공, 담천공등의 가정치를 설정하여 분석하였던 방식과는 차이를 가진다.

Galapagos는 설정한 형태변수와 Fitness 값에 따라 분석이 시작된다. 유전알고리즘을 기반으로 하는 Galapagos의 특성상 완벽한 결과값을 연산하는 것이 아닌 그 해답의 일정 수준 근접하는 결과값을 도출한다. 그러므로 알고리즘을 실행할 때마다 매번 유사하지만 다른 결과값이 도출된다. 또한, 일정 수준 수렴하게 되면 상당히 유사한 형태가 다수 출력된다. 초기설계단계에서는 태양에너지의 최적화 이외에도 다양한 조건들을 고려하여 디자인이 수정될 수밖에 없다. 이점을 고려하면 상하부 면적과 비틀림 정도, 건물의 방위각의 1% 이내의 값의 차이를 분석하기 위해 소요되는 시간들은 상당히 비효율적이고 큰 의미를 가지지 못할 수도 있다.

이번 연구는 초기설계단계에서 디자인을 생성의 지원을 위한 연구이며 알고리즘의 사용성을 높이는 것이 요구된다. 초기설계단계에서의 디자인은 상당한 가변성을 가진다. 따라서 수정 보완의 용이성이 필요하다. 하지만 Grasshopper로 구성한 알고리즘 내에서 파라미터를 조절하기가 쉽지만은 않다. 또한, Grasshopper의 특성상 라이노를 뷰 포트로 활용해야만 하므로 라이노의 기본지식 또한 요구된다. 따라서 출력된 결과값의 형태를 용이하게 수정, 보완하기 위하여 Fig. 10.와 같이 Human UI를 활용하여 알고리즘을 재구성했으며 Fig. 11.과 같이 출력되며 생성한 Window 캔버스에서 파라미터 조절에 따른 변화를 실시간으로 확인할 수 있다.

Fig. 10.

Algorithm for adding human UI

Fig. 11.

Human UI out put