Home

출입문에 자석 감지 센서와 집 내부에 적외선 감지 센서를 활용해 집 내부의 사람 유무를 판단하도록 한다. 단순히 자석 감지 센서만으로는 올바르게 출퇴근 여부를 확인하기 어렵기 때문이다. 다음으로 본 논문에서는 사람이 집에 거주하는 주말 및 휴일을 제외하여, 도착 시각을 분석하도록 가정하였다.

사용자의 출입문 개방 여부와 적외선 감지 센서를 함께 활용함으로써 집안 내부에 사람 존재 여부를 확인하여 단순 외출 정보를 필터링한다. 이러한 출퇴근 데이터를 통해 사용자의 도착 시각을 예측한다. 도착 시각 예측 방법으로는 도착 시각 데이터를 딥러닝 활용 모델 중 선형회귀 모델을 활용해 기계학습 하도록 한다[7]-[9].

다음 그림 3은 출입문 개방에 따른 주말 및 휴일을 제외한 도착 시각 예측을 나타내기 위한 어떤 1인 가구의 선형회귀 모델을 사용한 예측 데이터와 실제 퇴근 시각 데이터이다.

Fig. 3. 
Data comparison between actual arrival time and forecast

최근 한 달간 퇴근시간과 전년도 해당일이 포함된 월의 퇴근시간을 학습하여 도착 예정 시각의 평균 제곱근 편차(RMSE, Root Mean Squared Error)오차가 최소가 되도록 예측한다.

이처럼 종속변수를 독립변수와 오차항의 선형결합으로 나타낼 수 있는 선형회귀 모델을 이용함으로써 오차를 고려한 사용자의 도착 예정 시각을 판단할 수 있다.

미세먼지가 나쁜 날에도 환기해야 하는 이유로는 다음과 같다. 가정은 외부에서 들어온 오염물질과 가정 내에서 발생하는 오염물질이 합쳐지는 공간이기 때문에 실외 공기보다 오염도가 높다. 일반 가정집의 평소 미세먼지 농도는 40㎍/㎥ 이하지만, 고기·생선을 굽거나(1580~2530㎍/㎥) 청소기로 청소하거나(200㎍/㎥) 이불을 털면(250㎍/㎥) 더 올라간다. 또한, 공간이 협소하므로 오염 물질의 밀도가 높고 사람이 이를 흡입할 확률도 자연히 더 높다. 또한, 실내 건축물에서는 벤조피렌·폼알데하이드·이산화질소 등의 유해 물질이 발생하기도 하기에, 환기는 필수적으로 행해져야 한다[10].

물론 공기청정기도 미세먼지 제거에 도움이 되지만, 공기청정기에 표시되는 수치만을 과신해서는 안 된다. 환경부에서 주요 공기청정기를 조사한 결과, 공기청정기에 표시되는 실내공기 질 측정값의 오차율의 수치가 51~90%의 굉장히 높은 수치로 나타났다. 또한, 실내 미세먼지 감소를 위해서는 공기청정기만을 사용하는 것이 효과적이지만, 자연 환기는 오염물질을 집 밖으로 배출시키면서 실내 오염물질의 증가를 막거나 감소시킨다[11]. 공기청정기를 사용해도 주기적으로 환기해야 하는 이유이다.

해당 사항을 반영하여 시스템을 구성한다. 공조 시스템의 알고리즘은 다음 그림 4에 나타나 있다.

Fig. 4. 
Air conditioning system operation algorithm

먼저 스마트폰의 어플리케이션을 통해 현재 사용자의 주거 지역을 설정한다. 다음으로 AirKorea API를 통해 해당 지역의 미세먼지 데이터를 Raspberry Pi를 활용하여 받도록 한다. 환기 시간은 저녁 늦게나 새벽 시간에는 대기가 침체하여 오염물질이 정체되어 있으니, 오전 10시부터 오후 9시 이전에 한다[12].

계절별 환기시스템 동작 시각을 다르게 가정한다. 봄/가을철과 여름철의 경우 외기온도가 가장 높아 외기와 실내의 온도 차가 큰 오후 2~3시경 시간대를 피하여 시스템이 동작하며, 겨울철의 경우 외기와 실내의 온도 차가 최소인 오후 2~3시경 시간대로 가정한다.

해당 지역의 미세먼지 데이터에 따라 미세먼지 농도가 좋음/보통(80㎍/㎥ 이하)일 경우 15분의 환기가 이루어지도록 자연 환기시스템(창문 개폐)의 작동 신호를 Arduino로 전달한다. 하지만, 미세먼지의 농도가 나쁨(81~150㎍/㎥) 혹은 매우 나쁨(151㎍/㎥ 이상)인 날은 창문 개폐를 통한 환기보다는 주방 후드 및 기계 환기시스템을 통해 환기가 이루어지도록 작동 신호를 Arduino로 전달한다[13][14].

단, 가습기와 공기청정기를 동시에 동작시킬 경우 가습기의 증기를 미세먼지로 인식하여 공기청정기가 오작동 될 수 있으므로 두 제품을 동시에 동작시키지 않는다.

환기시스템이 작동된 이후, 냉/난방기 작동을 통해 목표 온도에 도달하는 상황에서 공기청정기가 함께 가동된다. 공기청정기는 한국소비자원의 권유에 따라 1인 평균 거주 공간인 14평형의 130%의 사용 면적을 가진 모델을 선정한다. A 모델을 사용하며, 공기청정기의 사용 면적은 60m², 소비전력 60W를 가진다.

1997년에 발표된 논문 ‘공기 청정 장치의 제거성능에 관한 조사연구’에서 일반 가정집에서 1시간 공기청정기 가동 시 약 90% 이상의 분진이 제거되었고, 미세먼지는 입자가 작아 더 빨리 많은 양이 제거된다는 점을 고려하여 공기청정기는 1시간 운용하도록 가정한다[15].

사용자별 쾌적함을 느끼는 실내 온도는 다를 수 있지만, 시스템의 실내 목표 온도를 공공기관에서 권장하는 계절별 실내 온도를 목표로 지정한다. 공공기관에서 권장하는 계절별 실내 온도는 다음과 같다. 봄/가을철의 경우 19~23℃, 여름은 24~27℃이며, 겨울은 18~21℃이다. 본 연구에서는 계절별 적정 온도를 평균치의 값을 활용하여 각각 봄/가을철 21℃, 여름 25℃, 겨울 19℃로 가정한다.

1인 가구 평균 거주 공간인 14평에 적합한 냉방기 기준으로 16평형 벽걸이형 인버터 에어컨 B 모델을 선정한다. 해당 모델의 최소 냉방 능력 2.3kW, 정격 냉방 능력 6.5kW, 최대 냉방 능력 8.3kW이다. 또한, 최소 냉방 소비전력 0.45kW, 정격 냉방 소비전력 2.2kW의 소비전력을 가진다.

또한, 난방기는 전기보일러가 아닌 대중적으로 보급된 가스보일러를 활용한다. 1인 가구 평균 거주 공간인 14평에 적합한 가스보일러 기준으로 C 모델을 선정한다. 난방 면적은 14평, 난방 출력의 경우 7,000 kcal/h(29.31MJ/h)이다. 또한, 목표 온도 도달 시, 현재 온도 유지를 위한 최소 운용으로 봄/가을의 경우 3시간에 한 번 가동하는 것으로 가정한다. 여름철의 경우는 난방기를 가동하지 않는다. 하지만 겨울철의 경우 외기온도 영향이 다른 계절보다 크기 때문에 1시간 반에 한 번 가동하는 것으로 가정하여 계절에 따른 난방기 운영에 차이를 둔다.

위 모델로 설정 후, 냉방기와 난방기 가동에 따른 온습도 변화 조건은 다음과 같이 가정한다. 먼저 공조 시스템이 종료된 상황이며, 외기온도 및 콘크리트 단열 등의 외부 조건 역시 고려한다. 냉난방기 10분 가동 시 실내 온도 변화는 각각 ±2℃이며, 냉난방기 10분 가동 시 실내 습도 변화는 ±2%로 가정한다. 냉방기는 실내 공기를 흡수하여 건조한 공기를 배출하고, 난방기는 온도를 올려 포화 수증기량을 올리므로 밀폐된 공간의 상대 습도를 낮춘다.

냉/난방기 가동 후 가/제습기를 통해 목표 습도에 도달하도록 기기를 운용한다. 사용자별 쾌적함을 느끼는 실내 습도는 다를 수 있지만, 시스템의 실내 목표 습도를 공공기관에서 권장하는 계절별 실내 습도를 목표로 한다. 계절별 권장 실내 습도는 봄/가을철의 경우 50%, 여름은 40%이며, 겨울은 60%이다.

1인 가구 평균 거주 공간인 14평에 알맞은 제습기 D 모델을 선정한다. 해당 모델의 제습 능력은 10L이며, 소비전력 260W, 제습 효율 1.67을 가진다. 평 기준 적정 제습량 계산 방법과 제습기 가동에 따른 실내 온/습도 변화 공식을 활용하면 14평의 경우 대략 10L의 제습 능력이 요구된다[16].

또한, 1인 가구 평균 거주 공간인 14평에 알맞은 가습기 기준으로 E 모델을 선정한다. 해당 모델의 용량은 721cc이며, 복합식이다. 물탱크의 용량은 4L이며, 최대 분무량 400cc, 소비전력은 85W를 가진다. 한국공기청정협회의 적용 바닥면적 대비 지역별 필요 가습 능력에 따라 1평당 필요한 가습량은 약 51.5cc이다. 복합식으로 선택한 이유는 초음파식과 가열식을 복합적으로 적용하여 두 방식의 장점을 모두 살린 방식이기 때문이다. 이를 통해 전기요금을 줄이며 더 많은 분무량을 낼 수 있다.

가습기와 제습기 가동에 따른 습도 변화 조건은 다음과 같이 가정한다. 먼저 공조 시스템 및 냉난방 시스템 가동이 종료된 상황이다. 가/제습기 10분 가동 시 실내 습도 변화는 각각 ±6%이며, 온도에는 영향을 주지 않는다고 가정한다.

기기 운용에 따른 온습도 변화는 아래의 표 1과 같다. 하지만, 가정마다 내/외부 환경이 다르므로 딥러닝 알고리즘을 활용하여 실제 운용 학습을 통해 온습도 변화를 파악한 뒤 시스템에 적용한다.

위의 단계를 통해 목표한 최적의 실내 조건을 달성한 뒤, 현재 환경이 유지되도록 냉방기는 최소전력으로, 난방기는 봄/가을철 3시간에 한 번, 겨울철 1시간 반에 한 번 가동되도록 한다.

앞의 2장의 내용과 그림 1의 시스템의 구성도를 참고하여 가상의 모델을 통해 최적의 에너지 효율 시스템을 분석해보았다. 분석 방법은 먼저 Case 별 소비전력과 난방열량의 값을 추산하여 비교하고, 그에 따른 전기요금과 가스요금을 추산하였다. 모의실험에 활용되는 기기들의 소비전력과 난방열량은 앞서 언급한 모델들의 사양들을 활용하였다. 이는 다음에 나오는 표 2와 같다.

다음으로 그림 5와 그림 6은 기상청 데이터를 활용해 분석한 서울시의 2019년부터 2021년의 월평균 외기 온습도 데이터이다.

Fig. 5. 
Monthly average temperature(°C)(2019-2021)

Fig. 6. 
Monthly average relative humidity(2019-2021)

위와 같은 기상청 데이터를 활용하여 계절별 외기 온습도 대푯값을 다음과 같이 선정한다. 사용한 원자료는 2019년 1월 1일 01시부터 2021년 12월 31일 24시까지 기상청에 수집된 시간 단위 온/습도 자료이다.

앞의 2.2절에서 공조 시스템 가동 시간은 외기온도와 실내 온도의 차이가 가장 적은 시간대에 이루어지도록 가정한다고 언급하였다.

해당 내용을 반영하여 외부요인의 영향을 가장 적게 받는 특정 시간대를 SSE(Sum of Squared Error) 값의 비교를 통해 선택하였으며 SSE의 식은 아래와 같다.

여기서 각 변수는 아래와 같다.

• a = 01시부터 24시까지의 시간
• y_a = 해당 계절의 권장 온습도
• y^a = 에어코리아/기상청에서 예측한 시간대의 값

봄/가을의 경우 시간대별 SSE를 계산하여 비교한 결과 오후 2시에서 오후 3시 시간대의 SSE가 가장 낮다. 계절별 해당 시간대의 온습도를 아래의 공식에 적용하여 평균 외기 온/습도의 대푯값을 산출한다.

여기서 각 변수는 아래와 같다.

• N = 계절별 일수
• T = 서울의 계절별 평균 외기 온도
• S = 서울의 계절별 평균 외기 습도
• t = 계절별 SSE가 가장 낮은 외기 시간대 온도
• s = 계절별 SSE가 가장 낮은 외기 시간대 습도

위의 수식을 통해 선정한 대푯값을 Case Study의 외기 온/습도로 지정한다. 실내 온/습도의 경우 외기 온/습도를 반영하여 임의의 값을 선정하였으며, 이를 통해 시스템을 가동함으로써 권장 온/습도를 목표로 내부 환경을 변화한다 가정한다.

위의 표 3을 통해 계절별 기기 운용 계획을 표 4와 같이 가정하였다.

다음으로 에너지 사용량을 요금으로 계산하였다. 월 전기요금 계산 식은 다음과 같다.

여기서 각 변수는 아래와 같다.

• M = 한 달 전기요금(원)
• D = 기본요금(원)
• K = 전력량(kWh)
• U = 전력량 요금(원/kWh)
• W = 기후환경 요금(원/kWh)
• S = 연료비조정요금(원/kWh)
• m = 월별 일수

2022년 4월 1일 기준 한국전력공사에서 책정한 기후환경요금은 7.3원/kWh며, 연료비조정요금은 3분기 기준 상하한 ±5원/kWh를 적용하여 계산한다.

또한, 월 가스요금 계산 식은 다음과 같다.

여기서 각 변수는 아래와 같다.

• M = 도시가스 요금(원)
• U = 이번 달 사용량(Nm³)
• R = 보정계수
• S = 가중평균 열량(MJ/Nm³)
• P = 요금 단가(원/MJ/Nm³)
• D = 기본요금(원)
• T = 부가세(원)
• h = 난방 시간(h)
• Q = 난방 열량(MJ/h)
• q = 단위 열량(MJ/Nm³)

서울도시가스 기준 도시가스의 기본요금은 월 천 원이며, 2022년 9월 1일 기준 보정계수는 0.9993, 가중평균 열량은 42.748 MJ/Nm³, 단위 열량은 43.54 MJ/Nm³, 주택용 취사 및 난방 용도의 요금 단가는 월 16.99원/MJ/Nm³, 부가세는 10%이다.

해당 전기요금과 도시가스 요금을 반영하여 모델별 에너지 소모량과 요금을 비교 및 분석한다.

Case 1은 그림 2의 순서도에서 시스템을 24시간 유지 구동함을 가정한다. 목표 온습도를 이룬 상태에서 최소 운전을 가정하여 시스템을 진행한 모델의 소비전력과 난방열량, 그리고 전기요금과 가스요금이다. 기존 기기별 소비전력 24시간 구동하여 계절별 구분한다.

단, 요금 계산 시 계절 및 월별 책정되는 요금이 다른 경우 평균을 통해 값을 추산한다.

Case 2는 도착 시각 예측 시스템을 활용하였다. 앞의 표 3에 정리한 실내 온습도 대푯값을 기준으로 시스템을 모델링한다. 공기청정기는 습도 조절 전 온도 조절과 동시에 1시간 가동으로 가정한다. 공기청정기의 가동이 끝난 후 냉난방 시스템이 쾌적한 환경을 유지하기 위해 다음날 출근 전까지 가동이 된다. 스마트 홈 케어 시스템 동작 종료 시각이 사용자의 도착 예정 시각 15분 전이 되도록 모의하였다.

어떤 1인 가구의 실제 퇴근 시각 데이터를 통해 추산한 사용자의 평균 예상 공실 시간은 10.31 h이다. 해당 데이터를 근거로 Case 2의 모델을 적용하였다. 다음의 표 7과 8은 모델의 소비전력과 연료 소비량, 그리고 전기요금과 가스요금을 보여주고 있다. 단, 요금 계산 시 계절 및 월별 책정되는 요금이 다른 경우 평균을 통해 값을 추산한다.

Case 3은 사용자가 퇴근해서 집에 도착하여 수동 조작하는 경우를 모델링 하여 새롭게 제안하는 스마트 홈 케어 시스템과의 차이를 비교하였다. 사용자 출근 이후, 외기온도의 영향과 실내 공조 시스템 미가동으로 인해 최적의 실내 환경이 조성되지 않는 상태이다.

Case 2에서 언급한 바와 같이 어떤 1인 가구의 실제 퇴근 시각 데이터를 통해 추산한 사용자의 평균 예상 공실 시간은 10.31 h이므로, 집에 거주하는 시간은 13.94 h이다. 해당 데이터를 근거로 Case 3의 모델을 적용하였다.

다음의 표 9와 표 10은 도착 예정 시각에 따라 구동하는 경우의 모델의 소비전력과 난방열량, 그리고 전기요금과 가스요금이다. 단, 요금 계산 시 계절 및 월별 책정되는 요금이 다른 경우 평균을 통해 값을 반영했다.

Case 1, Case 2, Case 3의 에너지 소모량 및 에너지 요금을 막대그래프로 나타내 값을 비교하면 다음 그림 7, 그림 8, 그림 9와 같다.

Fig. 7. 
Power consumption amount of power consumption

Fig. 8. 
Seasonal heating heat flux

Fig. 9. 
Total seasonal charges

기기들의 동작을 단순히 24시간 가동하는 것이 별도의 제약 조건 없이 사용자에게 편리하다. 하지만, 그림 7과 그림 8에서 보이는 바와 같이 24시간 구동 시 딥러닝에 의해 퇴근 시간을 예측하고 시스템이 자동으로 제어하는 Case 2보다 전력 소비량과 난방 열량 모두 큰 차이가 발생함을 확인할 수 있다. 이는 결국 Case 1의 방법으로 시스템 운영 시, 사용자가 쾌적함을 느끼기 위해 더 큰 비용이 소요됨을 알 수 있다.

구체적인 수치를 통해 전력 소비량과 난방열량의 값을 비교하면 다음 표 11과 같다.

표 11의 결과에서 보듯이 24시간 기기를 동작하는 것보다 도착 예정 시각을 예측해 각 기기를 제어하는 것이 경제적으로 비용을 절감할 수 있음을 알 수 있다.

Case 3의 경우 퇴근 이후 사용자가 시스템을 동작하여 환경을 조성하는 것으로 집에 도착했을 때 사용자가 쾌적함을 느낄 수 없다. 단순히 에너지소비량 측면에서 Case 2번과 비교 시 전력 소비량은 ±1%로 유사하며, 난방열량 또한 봄/가을–1%, 겨울 –6%로 유사하거나 약간 낮은 결과를 확인할 수 있다.