Intelligency Heat Control(I.H.C.)

올 4월 1일 작성한 후 내부 검토만 해온 글이다.

사실은 먹고 살기 바쁘다 보니 작성한 것을 잊어버리고 있었다.

뭐 맞던 틀리던 헛지룰이던 일단 던지고 본다.

■ 들어가는 말

본문은 필자가 지능형 난방 시스템에 대해서 생각했던 알고리즘의 일단을 정리한 것이다.

이는 시도된 적인 없는 방법이기는 하나 필자와 같이 궁금하면 참지 못하는 집착이 있거나 무척 한가로운 자가 아니고서는 그 문틈을 비집고 볼 여유가 없었기 때문에 방치된 세계로 남아있었다.

기술적 잇슈에 관한 것이고 이후 필자던 누구던 소스 코딩을 할 경우를 대비하여 디테일한 작업 내용을 그대로 기술하고자 한다.

그러함으로써 필자의 우매함으로 인해 치뤘던 바보같은 수고를 줄이고 더 진보된 알고리즘을 찾는 단초를 제공하고자 한다.

난방계획의 수립과 평가 및 분석에 관한 툴은 엑셀계산서 안에서 이루어졌다.

이는 필자가 처음 람다하우스 데이타를 축적하던 계산서에 기능을 하나씩 덧붙히는 형식으로 진화하다 보니 다른 툴을 이용할 필요성을 느끼지 못했기 때문이기도 하다.

엑셀 계산서는 쉽게 일반인 누구나 가져가서 또는 만들어 쓸 수 있다.

■ 하루의 정의

I.H.C. 에서 하루는 오전 9시를 날짜 변경선으로 한다.

즉 어제 9시에서 오늘 9시까지가 '오늘'이다.

오전 '0'시를 기점으로 하는 하루의 정의로 산출되는 대기지표면 기후와 난방 에너지간의 상관관계는 높지 않았다.

내일 '0'시부터 새벽까지 필요로 하는 난방 에너지 산출 값과 내일 낮 12시 의 대기온도와 일사 조건은 아무 상관이 없다.

패시브하우스의 난방은 주로 야간 시간대에 이루어지는데 총 필요한 에너지량은 낮 시간동안의 일조 에너지와 새벽 시간까지의 외부 온도가 주요 인자로 작용하기 때문에 오전 9시를 기점으로 하는 하루의 정의가 훨씬 상관관계가 높게 나타난다.

■ 난방계획

우리 기상청은 48시간 이후에 대해서 3시간 단위 일기예보를 제공한다.

따라서 이 정보를 바탕으로 난방도시를 산출하고 일사 조건도 추출할 수가 있다.

엑셀 테이블에 3시간단위 온도 예보와 일사 정보를 입력하면 나머지 난방도시값과 난방에너지를 산출하고 난방시간의 배분에 관한 기본 정보가 자동으로 계산되는 방식이다.

본 테이블에 대한 상세한 기술은 다시 할 것이므로 일단 주어진 기능만 보도록 한다.

아래 테이블은 위 일기예보 조건을 바탕으로 난방도시를 산출한 후 그 데이타를 받아 난방에너지값을 산출한 테이블이다.

테이블의 구성은 1차로 난방도시값을 기준으로 람다하우스의 축적된 데이타를 기준으로 추출된 통계적 계산치에 따라 난방에너지량을 산출하고 그 값에 일조 조건과 계절 조건 등 외부 변수를 적용하여 가중치를 배정하는 방식이다.

현재 이 가중치 인가 부분은 자료의 축적이 충분치 않아 참고용 데이타로만 사용하고 있다.

정리하면 현재 람다하우스의 난방에너지는 아래 알고리즘에 따라 결정된다.

난방에너지량 = 난방도시함수 × 일조(가중치) × 계절(가중치)

다음 논제로 들어가기 전에 먼저 각 세부 변수의 추출에 관한 각론을 살펴 보기로 하자.

▶ 난방도시(KH)

난방도시값은 어떤 기준으로 계산하는 것이 맞는가? 라는 의문이 있을 수 있다.

우리 기후학회의 정의에 따르면 난방도시와 냉방도시의 기준값은 18℃ 다. 즉 난방도시는 하루 중 18℃ 미만의 값의 시간합이고 냉방도시는 반대로 18℃초과값의 시간합이다.

예를들어 하루평균 기온이 8℃ 라고 한다면 해당일의 난방도시값은 (18-8)K × 24H = 240KH가 되는 것이다.

생각해볼 점은 기후학회의 정의값대로 그냥 18℃ 라는 고정값을 사용하는 것과는 달리 예를들어 실내온도값이나 또는 난방계획이라면 목표하는 실내온도값과의 차이값으로 난방도시값을 추출하는 것이 더 합리적인 아닐까 하는 점을 생각해 볼 수 있다.

예를들어 목표로 하거나 통상 유지하는 실내온도값이 20℃ 라면 위 같은 조건인 일평균 대기온도 8℃ 에 대한 난방도시값은 (20-8)K × 24H = 288 KH 가 되는 것이다.

몰론 20℃를 기준으로 추출한 난방도시값 288KH 값이 18℃ 기준온도로 추출한 240KH 보다 48KH 가 높기는 하지만 기본 정의가 다른 것일 뿐이지 정보가 가지는 절대 가치 자체는 동일한 것이다.

논리적으로는 어쨋던 실제 실내 온도값과 외부 온도값의 차이로 추출된 난방에너지가 더욱 직접적인 상관관계를 가질 것은 분명하다.

필자가 이점에 대한 판단을 구하기 위하여 실측 데이타를 따로 기록한 것이 있다. 몰론 자동으로 계산서가 추출해서 정리해주는 값들이다.

Σ△T 라고 표기된 F열의 값이 C열의 '일' 중 대기 평균온도값과 일평균 실내 온도값의 차이로 산출된 난방도시값(KH) 이고 G 열의 값은  C열의 '일' 중 대기 평균온도값과 18℃ 와의 차이값을 가지고 산출한 난방도시값(KH)다.

결론은 두개의 값 간에 대체하지 못한다고 볼만큼의 차이가 없다는 것이다.

얼추 비슷하다는 것인데, 그 이유는 람다하우스 자체가 평균 실내온도를 18.5℃로 거의 일정하게 유지하고 있기 때문이다.

그러므로 두가지 값 중에 어느값을 사용하던 실적용하는 것에 기술적 난이도는 없지만 현재는 그냥 18℃를 기준으로 하는 난방도시값(KH)으로 자료해석을 하고 있다.

마지막으로 K열에도 난방도시(KH(9))이라는 또 다른 난방도시값을 볼 수가 있는데 이는 전날 기상청의 일기예보를 토대로 예측했던 난방도시값이다.

현재 알고리즘의 신뢰성을 검증하는 단계라 이 세가지 값들을 동시에 보면서 평가하고 관찰중이다.

▶ 일 평균 실내온도

필자는 실내 4곳에 설치된 온습도계를 이용하여 8시간에 한번씩(오전 7시, 오후 3시, 오후 11시) 하루 총 3번 온도 및 습도값을 기록하고 있다.

이렇게 기록된 값들은 측정 시간을 기준으로 시계열데이타 하나의 셋트가 하나의 독립 행으로 축적되는데 즉 하루에 해당하는 데이타가 3개의 행을 이루게 된다.

이 자료를 바탕으로 측정장소 4곳의 기록값을 이용하여  3개행으로 흩어져 있는 데이타를  내부함수를 이용하여  날짜를 기준으로 하나의 데이타 셋을 이루는 행으로 재배열한 후 일평균 실내 온도를 산출하였다.  

▶ 일 평균 대기온도

기상청 기후센타를 통해서 매 시간단위로 기록된 기상일보 자료를 추출한다.

아쉽게도 현재 람다하우스는 금남(496) 관측소 자료를 사용하는데 이곳은 AWS 관측소라서 습도값이나 일사 정보를 얻을 수는 없다.

이 일보 자료를 이용해서 일평균 대기온도값과 난방도시 실측값을 추출한다.

문제는 기상청이 제공하는 데이타의 '일시'가 시계열 데이타가 아니라 '문자' 정보라는 것이다.

따라서 이 문자 정보를 시계열데이타로 바꾸지 않으면 람다하우스의 데이타들과 호환이 되지 않는다.

그래서 별도로 계산서를 하나 만들어 기상청 제공 데이타에서 문자로 제공되는 날짜 정보를 년/월/일/시/로 갈갈이 찟은 다음 그 각각을 날짜정보로 변환한 후에 다시 하나로 꿰매서 날짜 정보를 담은 시계열 데이타로 바꾸고 동시에 난방도시와 냉방도시값을 추출하였다.

말은 복잡하지만 하나의 규칙만 정하고 나면 나머지는 기상청 데이타를 COPY해서 붙히면 자동으로 계산된다. 전자계산서니까.

하긴 했는데 이것은 사실 지금 생각해보면 뻘짓을 한거다.

그냥 시계열 데이타를 한시간 간격으로 임의로  생성시킨 다음 기상청 데이타에서 날짜를 뺀 나머지 데이타를 순서대로 갖다 붙히면 같은 결과를 얻을 수 있다.

그래도 저걸 어떻게 날짜 정보로 바꾸지 하면서 20년도 더 된 옛날 기억들을 되집는 순간들이 재미는 있었다.

이렇게 시계열로 정리된 기상청 데이타를 이용해서 전날 기상청 예보값을 이용하여 추정했던 난방도시값과는 별개로 실측자료에 근거한 난방도시값을 다시 산출한다.

하나의 날짜 정보에 속하는 24개(24시간) 대기온도 셋트로 데이타를 재정렬시킨 후에 오전 9시를 기점으로 하는 난방도시(냉방도시)값을 산출한다.

첫번째 열과 두번째열에 각각 평균기온 과 평균기온" 으로 표시된 값이 있는데 첫번째는 '0'시를 기점으로 하는 일반적인 일평균 기온값이고 두번째 값은 앞서 정의한 바대로 오전9시를 기점으로 하는 일평균기온값이다.

이렇게 해서 추출된 값들을 하나의 테이블에 모아서 정리한 것이 앞서 제시했던 난방 계획대비실적 분석표이다.

대기평균온도, 실내평균온도, 난방도시예측값, 난방도시실측값(18℃기준), 난방도시실측값(실내온도와의 차이 기준) 등이 한곳으로 통합된 것이다.

■ 난방함수 추출

이전의 모든 작업은 결국 난방 규칙을 정하는 함수를 도출하기 위한 것이다.

그러나, 난방함수의 추출을 꼭 필자가 선택한 경로를 따라 할 필요는 없다.

PHPP에서도 충분히 직접 추출이 가능하다고 본다.

하지만 람다하우스는 이미 실측 데이타를 축적하고 있었기 때문에 그 자료를 바탕으로 사용할 수 있는 함수의 추출이 비교적 쉬웠다.

아래는 위 테이블 중 2015년 겨울철 난방기간동안의 실측 난방도시값(G열)과 난방에너지값(H열)을 이용한 분산 함수를 추출한 것이다.

■ 난방에너지 산출

결론적으로 현재 람다하우스에서 운용하고 있는 난방에너지 결정 알고리즘은 아래 계산식에 따른다.

보기에는 좀 어눌하고 복잡한 것 같아도 필자가 이 작업을 통하여 난방문제를 처리하는데는 5분이 채 걸리지 않는다.

계산서는 이미 설계되어 있고 필요한 데이타를 복사해 옮기기만 하면 되기 때문이다.

마치, 유격장에서 몸에 꼭 맞는 빨간 제복을 입고 각이 진 챙모자를 한껏 눌러선 숙달된 조교의 한점 흐트러짐 없는 시범조교를 상상하시면 될 것이다.

이 산출식은 향 후 데이타가 축적될수록 적중률이 계속 상승할 것이다.

필자의 견해로는 현재도 이 방식으로 산출하여 공급하는 난방에너지로 유지되는 실내 온도 환경이 5L 하우스보다 심지어 15L 하우스 보다 훨씬 높은 항상성을 제공하는 것으로 판단하고 있다.

I.H.C.는 여러가지 방향으로 진화할 수 있다.

필자가 사용한 방법대로 개인의 수고를 기반으로 계산서를 운용할 수도 있다.

케이블로 연결된 쎈스와 정보처리를 하는 계산파트와 동력을 인가하는 MCC반이 하나로 통합된 자동제어시스템으로 진화할 수도 있다.

계산의 결과를 피드백받아서 기존 알고리즘의 오차를 보정해내는 지능을 갖추는 것 정도는 이미 보편적 기능에 속한다.

하나의 난방시스템과 하나의 콘트롤러가 일대일로 매칭이 되는 고전적인 콘트롤 방식도 가능하고 IHC센타에 슈퍼컴퓨터를 두고 기상정보와 거주자의 위치정보를 이용한 행동분석, 전자 등록된 일정 등을 고려한 향상된 정보처리를 제공하는 집단적인 인공지능으로 진화할 수도 있을 것이다.

■ 예비 조건

람다하우스의 실내 온도의 안정성은 난방함수만으로 이루어진 것이 아니다.

▶ 난방함수를 이용한 지능형 예측 난방

▶ 중량골조와 실내 마감재에 의한 축열

▶ 중앙부 계단실과 일이층을 개방한 VOID에 의한 복사와 대류 

▶ 일이층 고도차에 따른 대류 현상을 상쇄하는 공조시스템의 기류 설계

▶ 단열에 의한 바닥으로의  열손실 차단과 두터운 방통층에 의한 높은 바닥 축열 성능

이 유기적으로 결합하여 나타난 결과다.