KIEAE Journal

정부는 최근 녹색건축물 조성 지원법을 제정하여 「저탄소 녹색성장 기본법」에 따른 녹색건축물의 조성․건축물 온실가스 배출량 감축과 녹색건축물의 확대를 위해 노력하고 있다. 특히 에너지 저소비형 건축물을 보급하고 활성화하기 위해 공동주택의 신축 업무용 건축물에 한해 운영하던 건축물 에너지효율등급 인증기준을 최근 모든 용도의 건축물로 확대하였고 신축뿐만 아니라 기축건축물까지 대상을 확대 실시하는 등 정책을 강화하였다[1]. 이와 같이 인증등급을 세분화하고 기준을 강화하는 등의 건축물 관련 정부 정책은 건축물 분야에서 에너지절약을 유도하기 위한 대표적인 노력 중 하나이다.

이와 더불어 최근 사무실(또는 업무․상업시설)의 권장 실내온도를 하절기에 26℃(일반) ~ 28℃(공공기관), 동절기에 18℃(공공기관) ~ 20℃(일반)으로 정하여 동절기와 하절기 사무실의 난방과 냉방시 불필요한 에너지를 낭비하지 않도록 규제하고 있다. 적정 냉난방 온도 준수는 재실자의 건강증진과 사무실에서의 업무 능률 향상 등을 위해 매우 중요하다.

하지만 건축물에서 에너지절약만을 강조하다보면 재실자의 쾌적성이 다소 희생되는 경우가 발생한다[2]. 더욱이 개별요구에 따라 공조온도를 운영할 수 없는 공간에서 재실자의 열쾌적은 희생해야 하는 부분 중 하나로 여겨져 왔다. 주로 열쾌적 제어 항목으로 사용되는 예상 온열감 반응(Predicted Mean Vote; PMV) 제어는 미국 공조냉동공학회(American Society of Heating, Refrigerating and Air Conditioning Engineers; ASHRAE)에서 규정하는 예상 불만족률(Predicted Percentage of Dissatisfied; PPD) 10% 내외의 구간인 –0.5 < PMV < 0.5을 기본으로 하지만 재실자 개개인 모두 동일한 열쾌적을 느낄 수 없고 개인의 성향 및 요구 등에 따라 다양하게 나타날 수 있기 때문에 더욱 고려되어야 한다. 재실자 개개인이 느끼는 온열감은 개인마다 다르며 같은 공간에 재실 하더라도 개개인의 반응은 개인의 사정․개인의 업무 범위․활동영역․냉온열감상태 등에 따라 차이날 수 있기 때문이다. 따라서, 공조온도와 공조시간의 변화 요구를 재실자 스스로가 표현하며 공조시스템도 이를 충분히 반영할 수 있는 환경이 마련되어야 한다.

본 연구에서는 재실자 스스로 자신의 열적 선호도와 기대에 맞추어 열환경을 조절하기 위해 다양한 적응행동을 하거나 능동적인 열환경 개선을 요구한다는 개념을 바탕으로 이를 공조제어에 활용하고자 하였으며, 그 과정으로 재실자의 온열반응 응답 데이터의 유효성을 검토하였다.

본 연구는 사무소 건물을 대상으로 하며 연구의 방법은 다음과 같다.

(1) 쾌적온도 관리의 개념에 대해 고찰하고 국내외 온열환경 기준을 분석하였다. 온열환경과 재실자의 온열반응 기반 연구동향을 선행 조사하였다.

(2) 온열환경 조사와 측정을 위해 대상건물을 선정하고 재실자의 온열환경 계측과 반응조사를 실시하였다.

(3) 재실자 온열환경 반응 데이터를 기반으로 실시간 제어 활용효과를 위한 응답 데이터의 유효성을 검토 및 분석하였다.

인간은 경제성장과 더불어 점차 편의성 추구에 관심을 가지며 편의 추구는 인간의 감성에 기반하고 인간의 감성변화는 온열환경(thermal environments)에 크게 영향을 받는다. 김보성(2011)은 PMV와 심리적 감성반응(쾌/불쾌와 긴장/이완 정도)․생리적 감성반응(심박율)의 관계를 도출하고자 하였다[7]. 그 결과 난방조건에서 PMV와 심리적 감성반응 관련성이 높고 냉방조건에서 PMV와 생리적․심리적 감성반응 관련성이 높음을 확인하였다. 송두삼(2007)은 적응적 모형의 검토 과정에서 심리적 요소와 생리적 요소가 모두 고려되어야 함을 제기하였다[8]. R. Yao(2009)는 실제 환경의 PMV 모델(Actual PMV; AMV)을 PMV 척도와 비교하였을 때 따뜻한 환경과 추운환경에서 AMV 값과 PMV 척도는 차이남을 확인하였다[9].

이와 같이 기존의 PMV 지표에 실내환경․실측환경․재실자 의견 등을 반영한 지표가 필요함을 알 수 있다.

쾌적영역이란 불안감이 없는 작용상태, 또는 기온과 평균복사온도․습도․기류간의 관계를 조합하여 다수의 성인이 쾌적하다고 느끼는 환경의 범위를 설정한 것으로 정의된다[10]. 이는 개인차나 생리적․심리적 특성과 활동 상태에 따라 변한다. 열쾌적(熱快適; Thermal Comfort)이란 온열환경에서 마음이 만족하는 상태라 정의된다 [11]. 이는 실험실 환경 조건에서 비롯된 열평형모델과 실측 실험을 바탕으로 한 적응모델의 두 범주로 구분된다.

온열환경 조사를 위해 대전에 위치한 업무용 건물을 대상건물로 선정하였다. 온열감 설문은 대상건물(1~5층)에서 업무하는 약 208명의 연구원을 대상으로 진행하였다.

대상건물은 1층과 2층이 각각 로비와 대회의실로 인해 기준층인 3층~5층의 평면과 다른 형태를 지니며 4대의 공조기가 층과 향을 구분하여 공조한다. 따라서 기준층이며 동일 공조영역인 3~5층 중 중간층인 4층을 사용하는 약 70명(전체 재실자의 2/5)을 대상으로 데이터를 집중 분석하였다. 대상 층은 Fig. 1과 같다.

Fig. 1.  
A reference building

온열환경 측정을 위해 PMV 결정지표인 여섯 항목(대사량/착의량/공기온도/복사온도/기류속도/습도)을 모두 측정해야 하지만 사무소 건물이라는 건물의 용도 특성에 맞추어 일정항목은 변수가 아닌 고정값으로 판단할 수 있다. 따라서 대사량은 ‘앉아서 하는 업무’로 한정하였다. 하지만 체감 온열감은 단지 공기온도나 복사온도 만으로 결정되지 않는다. 미국 공조냉동공학회 가이드라인에 따르면 작용온도(operating temperature)는 의자 단열정도․업무범위 등에 따라 달라질 수 있다.

이에 따라, 실내 공기온도 및 복사온도 외에 Table 1과 같이 미국공조냉동공학회 온열값 지표 기준의 온열 범위로 재실자의 온열감을 조사하였고 ISO 7730에 기반한 착의량을 조사하였다[18].

Index	3	2	1	0	-1	-2	-3
Thermal scale	Hot	Warm	Slightly Warm	Neutral	Slightly Cool	Cool	Cold
Intuitive thermal scale

대상건물의 환경 물리량을 측정하기 위해 휴대용 타입의 PMV 미터(Fig. 2 (a))와 BAS 천정 온도 센서(Fig. 2 (b))를 활용하였다.

Fig. 2.  
Data measurement instruments; (a)PMV meter (b)BAS thermal sensors on the ceiling (c)Mobile phone application

재실자 온열반응 조사를 위해 휴대폰 어플리케이션을 활용한 설문조사를 실시하였으며, 설문의 내용은 대상건물의 공조환경 개선을 위한 조사를 바탕으로 하였다. 즉, 온도․습도 등의 환경 물리량이 아닌 재실자가 체감하는 온열감을 직감적으로 측정하기 위한 조사이다. 설문을 통해 수집된 데이터는 설문 대상자들의 정보와 함께 데이터 서버에 실시간 저장되었으며 이를 분석에 활용하였다.

재실자 온열감 설문은 상시 의견을 수렴하는 것을 기본으로 하였고, 동일한 시간대의 의견을 수렴하기 위해 하루 세 번 온열감 측정을 요구하는 알람을 일괄 공지하였다. 하절기(6~8월)동안 아침 출근 후 10시를 시작으로 3시간 간격(10:00, 13:00, 16:00)으로 측정하고자 하였으나 12시부터 13시까지 점심시간인 이유로 13시는 외부 환경에 노출된 직후 개인의 온열감에 영향이 있을 것이라 판단하였다. 따라서 점심시간 종료 30분 이후인 13시 30분에 설문을 실시하였다. 실시간 의견 수렴을 위한 설문조사 방법 및 기간은 Table 2와 같다.

재실자 온열반응 데이터를 분석하고 제어를 위한 입력값으로 활용 가능하지 판단하기 위해 데이터 필터링을 활용하여 온열반응 데이터의 유효성을 검증하였다.

데이터 필터링은 새롭게 측정된 데이터를 이전까지의 데이터 기반으로 예측된 데이터와 비교하고 미리 정한 오차범위 안에 존재하는지 판단한 후, 오차범위를 벗어날 경우 노이즈로 결정하여 필터링 하는 방법이다. 재실자 온열반응에 기반한 공조제어 전략에서 재실자 온열반응 데이터는 응답시간 유효값 한계 이내에 발생한 응답데이터를 기본으로 재실자의 공조온도 변경요구를 판단한다. 재실자의 온열반응이 개인차에 따라 다양하게 나타날 수 있기 때문에 데이터 필터링 방법론인 칼만필터법¹⁾(Kalman filter)을 적용하여 허용되는 오차범위 내의 데이터만을 가려내도록 검토하였다.

정준(2012)은 과거의 측정데이터와 새로운 측정데이터를 사용하여 데이터에 포함된 노이즈를 제거하는 선형적 필터 자료처리 방법으로 칼만필터법을 사용하였다 [19]. 이현조(2010)는 데이터 필터링의 효율성을 향상시키기 위해서 보다 높은 정확도를 지닌 데이터 예측값을 측정하는 방법으로 칼만필터법을 사용하였다 [20].

칼만필터(Kalman filter)란 노이즈가 포함되어 있는 선형 역학계(linear quadratic estimation; LQE)의 상태를 추정하는 재귀 필터로 컴퓨터, 로봇공학, 레이더 등의 여러 분야에서 적용 가능한 효율적 방법이다. 이전 예측값(prediction)을 토대로 측정된 현재값을 정확한 상태로 추정(update) 한다. 본 연구에서는 재실자들의 반응 데이터를 예측한 데이터로, 실시간 감지한 데이터를 현재값으로 변환하여 현재의 반응과 예측된 데이터의 오차를 판단하고 노이즈를 판별하도록 칼만필터법을 활용하였다. 즉, 재실자 온열반응 데이터의 분석 시, 칼만필터법에서 의미하고 제시하는 예측법을 활용하는데 있어 적절하다 판단하였다.

avg_updata는 현재 측정값을 이용하여 예측한 데이터의 평균값, avg_prev는 이전에 예측한 데이터 평균값, 그리고 Data는 현재 감지한 데이터 값을 의미한다. 이는 식 (1)과 같다. 또한 실제 센서에서 데이터 측정시 발생되는 오차는 이전에 예측한 데이터의 표준편차인 Sd_prev를 활용하여 현재 측정값을 이용한 데이터 표준편차를 구한다. 이는 식 (2)와 같다. 오차(SensingError)는 표본표준편차를 표본수의 제곱근으로 나눈 데이터 표준오차(standard error) 식을 활용하였다. 오차범위는 위의 선행 연구에서 제시한 것과 같이 데이터 오차율 ±3.0%로 확인하였다.

Table 3, Table 4, Table 5는 각각 2013년 6월 26일 10시, 2013년 7월 10일 13시, 2013년 7월 9일 16시 알람측정 이후 15분 이내의 재실자의 온열반응 데이터를 필터링 한 예시 자료이다.

과반수 이상의 응답자가 온열감 0을 기록한 데이터 중 온열감 3(Table 3; 6월 26일)과 과반수 이상의 응답자가 온열감 3을 기록한 데이터 중 온열감 0(Table 4; 7월 10일, Table 5; 7월 9일)는 보편적의 흐름에 벗어나는 노이즈라 인지할 수 있지만 이러한 판단은 직감적이며 주관적일 수 있다.

따라서 앞서 제시한 객관적인 근거의 칼만필터법을 활용하여 데이터의 범위를 모집단과 표본집단으로 구분하여 데이터 필터링 하였다. 모집단은 전체 데이터를 의미하고 표본집단은 알람측정 후 유효시간 15분 이내의 동일 측정 시간 내의 데이터를 의미한다.

각 표에서 확인할 수 있듯이 데이터 모집단 즉, 전체를 대상으로 계산할 경우 모든 데이터가 오차범위를 수렴한다. 이는 데이터 항목이 7단계(온열감 범위: -3~+3), 특히 실측 결과 5단계(악간 춥다 –1 / 보통 0 / 약간 덥다 +1 / 덥다 +2 / 매우 덥다 +3)로 계산되어 항목의 범위가 한정적이란 것과 N값이 커질수록 표준오차가 줄어듦에 따른 결과로 풀이될 수 있다.

하지만 표본집단 즉 동일측정시간대 데이터 중 Table 3은 일곱 번째 응답자, Table 4는 첫 번째와 아홉 번째, Table 5는 첫번째 응답자가 각각 오차율 3.62, -5.01, -5.04로 오차범위로 설정한 ± 3.0%로 확인한 결과 주관적으로 발견한 노이즈와 필터효과가 동일하다는 것을 확인하였다.

따라서 데이터의 모집단을 활용할 경우 데이터 필터링 효과가 없다고 판단할 수 있으며 데이터 판별 시 알람측정 후 유효시간 이내, 동일 측정시간 내의 데이터를 활용하여 분석하는 것이 데이터 활용에 유효하다 판단된다.

재실자 온열반응 데이터를 실시간 공조제어 입력데이터로 이용하기 위해서 데이터 활용 가능성 및 타당성 분석이 필요하다. 재실자 온열반응 데이터를 활용한 제어는 개별 요구를 확인하고 적용할 수 있다는 점에서 유용하며 개별공조 시스템을 갖추지 않은 건물을 대상으로 개별공조와 비슷한 효과를 가질 수 있다는 점에서 필요하다 판단된다.

이를 위해 재실자 온열반응 응답을 요청하는 측정알람 메시지의 유무에 따라 재실자 응답비율 차이를 분석하였고 냉온열감 정도에 따라 재실자의 반응을 분석하였다. 또한, 반응속도 차이에 따른 반응데이터 유효성을 검증함으로써 공조제어 입력값으로의 활용 가능성을 확인하였다.

1) 측정알람 메시지의 유무에 따른 재실자 응답비율

측정알람 메시지의 유무와 재실자 온열반응의 상관관계를 알아보기 위해 Table 6과 같이 실험을 실시하여 데이터를 비교하였다. 실험이 실시된 4주 동안 격주로 측정을 요구하는 측정알람 메시지를 재실자들에게 일괄 통지하였다. 실험의 결과는 Fig 3과 같다. 측정알람 메시지가 있었던 주의 참여율은 메시지가 일괄 통지된 주 중 가장 응답비율이 높았던 주(7월 8일~7월 12일)를 기준(100%)으로 87.1%를 기록하였다. 측정알람 메시지가 없었던 주의 참여율은 각각 16.2%와 7.9%를 차지하였다. 특히, 알람이 있었던 10시 / 13시 30분 / 16시에 응답자가 가장 많은 것으로 미루어보아 측정알람 메시지가 응답자의 참여를 이끄는데 중요한 역할을 하는 것으로 판단된다.

Table 6.  
Data measurement date and response ratio based on alarm messages

Date	Alarm	Time for alarm	Response ratio N (%)
6/24 ∼ 6/28	○	10:00 13:30 16:00	155 (87.1)
7/1 ∼ 7/5	×		29 (16.2)
7/8 ∼ 7/12	○		178 (100.0)
7/15 ∼ 7/19	×		14 (7.9)

Fig. 3.  
Response ratio based on alarm messages

2) 냉온열감 상태에 따른 재실자 응답비율

재실자의 온열감과 온열반응의 상관관계를 알아보기 위해 Table 7과 같이 냉방을 실시하지 않은 2주와 냉방을 실시한 2주 동안 실험을 실시하여 데이터를 비교하였다. 앞서 측정알람 메시지의 유무에 따라 반응비율이 차이나는 것을 확인하였으므로 실험 동안 측정알람 메시지를 재실자에게 일괄적으로 통지하였다.

Table 7.  
Data measurement date and response ratio based on occupants’ thermal condition

Date	Cooling	Time for alarm	Response ratio N (%)
6/24 ∼ 6/28	×	○	150 (86.2)
7/8 ∼ 7/12	×		172 (100.0)
7/22 ∼ 7/26	△ (partly)		141 (81.0)
8/5 ∼ 8/9	○		83 (47.7)

Fig. 4와 같이 냉방기간(7월 25일~7월 26일과 8월 5일~8월 9일) 중 하루의 측정알람 메시지 시간 세 번 모두 10명 이하의 응답자가 반응하였지만, 냉방을 하지 않은 기간(6월 24일~6월 28일과 7월 8일~7월 12일, 7월 22일~7월 24일)에 측정알람 메시지를 일괄 통지한 38번 중 27번(72%)에 10명 이상의 응답자가 응답하였다. 냉방을 하지 않았을 때 참여율은 응답비율이 가장 높았던 주(7월 8일~7월 12일)를 기준(100%)로 86.2%를 기록하였다. 특히 냉방을 일부 실시하였던 주와 냉방을 실시하였던 주는 각각 81.0%와 47.7%를 기록했다.

Fig. 4.  
Response ratio based on occupants’ thermal condition

이는 냉방유무에 따라 온열반응 응답이 차이가 있음을 보여주는 것이며 재실자 온열감이 쾌적범위에 가까울 때는 공조온도 변경 요청 등의 행위가 감소한다는 것을 판단할 수 있다. 다시 말하면 재실자의 온열감이 불쾌적 영역에 있을 때 참여 비율이 높다.

3) 반응속도 차이에 따른 반응데이터 유효성 검증

응답자는 응답참여자의 수에 의해 결정되며 응답자의 응답시간은 예측할 수 없다. 즉, 측정알람 메시지 후 측정을 요청받더라도 반응하지 않거나 알람을 늦게 확인하면 늦게 반응할 수 있듯이 응답자의 응답은 절대적으로 응답자의 자의에 따른다. 측정알람 메시지가 일괄적으로 동일한 시간에 발송된다 하더라도 반응시간은 매우 다양하게 나타날 수 있으며 추후 실시간 제어의 입력데이터로 활용하기 위해서는 반응시간의 유효한계를 고려한 유효값의 범위가 적절히 설정되어야 한다.

보다 자세한 반응시간의 유효한계를 설정하기 위해 측정알람 후 1시간 이내의 응답데이터만을 기준으로 분석하였다. 측정알람 메시지의 유무에 따른 반응비율에서도 알 수 있었듯이 측정을 요구하는 측정알람 메시지가 재실자의 반응 요구를 적극적으로 유도하였으며, 1시간 이내의 응답데이터를 15분 단위로 분석하였을 때 Fig. 5에서 확인할 수 있듯이 중앙값과 제1사분위수에서 제3사분위수의 값이 5분 이내로 나타났다. 또한 Fig. 6과 같이 15분 이내일 때 반응비율이 75%로 가장 높으며 그 이후 각각 13.0%, 5.9%, 6.1%로 반응비율이 줄어드는 것을 확인하였다.

Fig. 5.  
Response distribution based on time for response after alarm messages

Fig. 6.  
Response ratio based on time for response after alarm messages

즉, 반응데이터의 유효시간은 알람측정후부터 15분 이내로 정리할 수 있으며, 그 중 반응시간의 유효한계를 최대 15분으로 설정하였다.