AI기반 건물 자율운전
모델 개발 및 실증 가이드라인

기술의 발전 속도는 그 어느때보다 빠르고, 새로 등장하는 기술의 파급효과는 파괴적일 정도로 우리 사회에 미치는 영향이 커지고 있다. 특히 AI 기술은 인류의 미래를 걱정하게 될 정도로 모든 분야에서 급격한 변화를 이끌어 내고 있다. 휴머노이드를 이용한 모든 공장내 생산 자동화가 실현되고 있으며, 가정에서 사용할 수 있는 인공지능 기반의 가사도우미도 등장하고 있다. AI가 먼저 활용되는 분야를 살펴보면 사람이 수행하기에는 반복적이고 단순하고, 그래서 인간의 실수가 많고 생산성이 낮은 일들이다. 공장의 생산라인에서 지속적으로 반복 작업하는 조립공정과, 주택내에서 매일하는 청소와 세탁 등은 사람이 따분하게 느끼고 따라서 집중하지 못하고 실수가 발생하는 업무이며 이러한 분야에 AI를 활용하면 실질적인 도움이 될 수 있다.

이렇듯, 건물의 운영 관리도 AI를 적용하면 큰 도움을 받을 수 있는 분야이다. 현재의 건물 운영 관리는 대부분의 경우에 관리자의 경험과 판단에 따라 이루어진다. 특별한 상부의 지시나 건물 사용자의 불평이 없는 선에서 반복적이고 단순한 냉난방 설비시스템의 운전이 이루어진다. 관리자의 개인적인 역량과 설비시스템에 대한 이해, 그리고 재실자 건강과 에너지 절감에 대한 개선 의지에 따라서 건물 운영 관리의 방식과 결과는 크게 차이 날 수밖에 없다. 실제 현장에서는 운영 관리를 하청 받아 파견 나온 직원이 건물의 청소, FM관리, 안전, 설비 운영까지 담당하는 경우가 많으며, 해당 건물과 설비시스템을 정확히 이해하는 인력은 많지 않다. 따라서 매일 변하는 외기 조건과 실내 부하에 대응하여 냉난방 설비의 운전을 최적화하려는 노력은 기대하기 어렵다. 하지만, 반복적이고 단순해 보이는 건물 운영 또는 설비 운전은 재실자의 열쾌적과 건강한 실내 환경에 직접적이고 긴밀한 영향을 미치며, 업무 생산성과도 관련이 크다. 더욱이 건물을 효율적으로 운영하여 에너지 사용량을 줄이거나 혹은 반대로 비효율적인 운영으로 에너지가 낭비되거나 시스템이 고장 날 수도 있는 중요한 일이다. 이러한 건물운영분야에 AI를 활용하여 관리자의 의사결정에 도움을 주고 필요시 관리자를 대신해서 운전해 준다면 운영 비용을 줄이면서도 건강환경을 유지하고 에너지 낭비도 줄일 수 있을 것이다. 하지만, 국내에서는 AI를 활용한 기술적인 접근보다는 제도적인 정책과 기준을 만들어 건물에너지를 줄이려고 시도해왔다.

국내에서는 실내환경과 에너지 문제가 대두되면서 관련 기준을 만들어 오고 있다. 건축물의 설계 기준을 강화하면서 신축 건물의 에너지 효율은 점차 높아지고 있으며, 제로에너지 건축물을 구축하기 위한 제도도 운영하고 있다. 신축건물에서는 건물에너지 효율을 높이기 위해서 단열 기준을 강화하고 침기량을 줄여서 냉방 부하 및 난방 부하를 최소화하고 있다. 반면, 이미 준공되어 사용중인 기축 건물에서는 에너지 사용량을 건물의 용도와 규모에 따라 표준화하여 해당 건물의 에너지 성능을 상대적으로 비교한다. 유사한 용도와 규모의 건물에 비하여 에너지를 많이 사용하는지를 발표하고 에너지 절감을 유도하는 정책이다. 하지만, 건물에너지 성능을 용도와 규모만으로 정하기는 어려우며, 건물을 사용하는 사람의 수 또는 건물 내에서 이루어지는 사용 용도 등을 함께 고려해야 한다.

기축 건물에서는 에너지 비용을 줄이기 위해서 다양한 방법을 사용하고 있다. 일반적으로 냉방 또는 난방 시스템의 가동 시간을 최소한으로 줄이고, 운전시에는 설정온도를 재실자가 불쾌적을 보고하지 않는 하한선 근처에서 조절하며, 환기를 수행하지 않고, 외기도입을 최대한 차단하며 에너지를 줄이고자 노력한다. 하지만, 앞서 얘기한바와 같이 이러한 경험적이고 건물사용자의 피드백에 기반한 건물운영은 재실자의 건강환경을 확보하지 못하고 생산성을 떨어뜨리며 에너지 낭비를 막을 수 없는 경우가 많다.

건물이 유지관리 단계에 접어들면 에너지 사용량은 점차 늘어나게 된다. 시간이 흐름에 따라 건축물의 단열 성능이 떨어지고, 각종 설비 관련 시스템들의 효율도 낮아지기 때문이다. 전반적인 건물의 성능이 저하되고 에너지 사용량은 증가하지만 재실자의 열쾌적은 점차 악화한다. 이에 따라 매달 지불해야 하는 가스와 전력 요금이 증가하면서 건물 운영자는 에너지를 절감하고 실내환경을 효율적으로 관리할 수 있는 기술을 찾게 된다.

대표적인 에너지 관리 시스템인 Building Energy Management System (BEMS)는 다양한 센서와 계측기를 설치하여 모니터링을 수행하고 에너지가 낭비되는 부분이 있는지 검토한다. 하지만 에너지 절감을 위해 어떤 조치를 취해야 하는지 찾아낼 수 있는 방법이 없다. 즉, 각종 설비 시스템의 최적 운전조건을 판단할 수 있는 알고리즘이 내재되어 있지 않다. 또한, 냉난방 설비의 설정 온도를 변경하거나, 밸브와 댐퍼를 조절하는 자동 제어 기능이 미흡하여, 실제 에너지 절감을 직접적으로 유도하기에는 한계가 있다. 건물에서의 에너지 절감 기술이 단순한 에너지 절감만을 목표로 삼으면 재실자가 요구하는 열쾌적과 실내공기질을 충족시키지 못할 수 있다. 따라서 재실자의 행태와 위치 등을 고려하여 재실자가 요구하는 환경을 최소한의 에너지를 사용하면서 만족시킬 수 있어야 한다. 이러한 점에서 단순 모니터링 기반의 에너지 관리는 실질적인 효과를 거두지 못하는 경우가 많다.

소득 수준이 높아지면서 실내 환경 내 개인의 열적 쾌적성과 건강환경에 대한 요구는 점차 증가하고 있다. 또한 건강과 위생에 대한 관심이 증대됨에 따라 보다 높은 수준의 실내 공기 질을 유지하고자 노력하고 있다. 따라서 건물 에너지를 절감하기 위해 설정 온도를 대폭 상향하거나 하향 조절하는 방식은 시대에 뒤떨어지는 관리 방법이다. 에너지를 아끼기 위해 외기 도입을 억제하는 방법 역시 재실자의 건강 측면에서 바람직하지 않은 방법이다. 에너지 절감으로 인해 건물 내 재실자의 열적 쾌적성과 실내공기 질이 악화되면 업무 생산성이 떨어지고 건강에 악영향을 끼쳐서 오히려 부작용이 더욱 커질 수 있다.

따라서 건물의 유지관리에 있어서 에너지 절감뿐만 아니라 실내 환경의 개선 및 유지도 상당히 중요한 부분이며, 이를 결코 간과해서는 안 된다. 하지만 에너지를 절감하면서 실내 환경을 개선하는 상충된 목표를 동시에 달성하는 것은 쉽지 않다. 특히 건물 내 재실자의 존재 여부 및 분포가 실시간으로 변화하며, 이에 따른 냉방 및 난방 부하도 시간에 따라 변한다. 또한, 외부 공기의 온도, 상대습도, 미세먼지 농도, 가스상 오염 물질의 분포, 일사량도 실시간으로 변동한다. 이처럼 시시각각 변화하는 실내외 상황을 인지하고 이에 대해 능동적 혹은 예측 기반으로 대응하는 방안이 필요하지만 일반 관리자가 이를 지속적으로 수행하기에 어려운 점이 많다. 특히 코로나19 이후에는 상업용 건물의 관리자 수가 급격히 감소하였으며, 에너지를 전담하여 관리하는 인력을 유지하는 건물은 매우 드물어졌다.

앞서 논의했던 인공지능(AI)이 쉽게 적용될 수 있는 분야를 다시 생각해보자. 건물 내 재실자의 분포와 외기온도 및 오염물질 농도의 변화를 계속해서 주의 깊게 지켜보면서 건물 운영에 적용할 수 있는 사람은 거의 없을 것이다. 반면에 AI를 활용하면 실시간으로 변화하는 실내 상황과 외기 상태에 유연하게 대응하면서 에너지 절감과 실내 환경 개선이라는 상충된 목표를 달성하기 위한 설비 시스템 제어에 큰 도움을 받을 수 있을 것이다. 최근 활발히 개발되고 있는 AI기반의 건물 운영 방식은 실무적으로 적용 가능성이 높아지고 있다. 특히, 머신러닝(ML) 강화학습(RL) 기반의 건물 제어 기술은 건물 에너지 관리 분야의 새로운 장을 열어가고 있다. 열원 시스템과 HVAC(공기조화) 설비를 대상으로 한 강화학습 기반 제어 연구는 재실자의 열적 쾌적성과 건강한 환경을 유지하면서도 에너지를 효과적으로 절감할 수 있는 대안을 제시하고 있다. 고품질의 데이터를 기반으로 모델을 학습시켜 건물 운영 및 설비 시스템 제어에 활용하는 연구는 그동안 많은 발전을 이루어왔다.

이에 본 연구팀은 AI 기반의 건물 자율운전 알고리즘(AI-based Building Autonomous Control, aiBAC)을 수 년간 개발해왔다. 또한 개발된 모델을 실제 건물에 적용하여 그 제어 효과를 성공적으로 검증하였다. 실증 운전을 통해 에너지 절감 목표를 달성함과 동시에, 재실자의 건강하고 쾌적한 환경을 확보할 수 있음을 확인하였다.

이번 가이드라인에서는 그동안 본 연구팀의 aiBAC 개발을 위해 수행해 온 하이브리드(Hybrid) 모델의 개발 및 학습 과정, 그리고 실제 건물에 적용한 실증 사례들을 아래에서 상세히 기술하고자 한다. 본 연구를 통해서 개발한 aiBAC알고리즘을 탑재한 iBEEMS 플랫폼 (Intelligent Building Energy and Environmental Management System)은 5개의 상업용 건물 사이트에서 시범운영을 완료하였다.