AI로 현장 조사 없이 건물 에너지 성능 예측… 성능개선 사업 탄력 전망

국내 연구진이 현장 방문 없이 인공지능(AI)을 활용해 건물의 에너지 성능을 예측할 수 있는 모델을 개발했다. 에너지 효율 향상을 위한 성능 진단 수요가 늘고 있는 가운데 건물의 대략적인 에너지 성능을 쉽게 파악해 성능개선이 가능할 것으로 전망된다.

13일 한국에너지기술연구원(이하 에너지연)에 따르면 에너지효율연구본부 에너지ICT융합연구단 김종훈 박사 연구진은 에너지 진단프로세스를 획기적으로 단축하기 위해 AI를 활용해 건물 에너지 성능을 예측하는 모델을 만들었다.

현재 건물의 에너지 성능을 파악하기 위해선 외벽의 열관류율과 기밀도 등을 현장에서 살펴야 한다. 건물 1개당 측정 시간은 1~2시간가량 소요된다. 대규모 사업일 땐 모든 대상 건물의 성능을 실측하기 어려운 실정으로 건물의 기본 정보를 확인하는 방법을 통해 성능을 평가하는데, 이때도 시뮬레이션에 필요한 건물 정보를 확인하기 위해 현장 방문은 요구된다.

이런 상황에서 연구진이 개발한 모델을 활용하면 건물마다 별도로 수행해야 하는 시뮬레이션 모델링 없이 예측 가능하다.

4만 가구 데이터를 이용해 전체 입력변수로 학습된 AI모델의 성능과 준공연도별 연관류율, 난방면적을 입력변수로 하는 학습된 AI모델의 성능 차이는 정규 평균 제곱근 오차(NRMSE) 3% 수준이다. 2013년 저소득층 에너지효율 개선사업 대상주택 3061가구에 대한 현장 실사자료 기반 표준모델인 저소득층 단독주택 모델로 검증한 결과에선 1.4%로 오차율이 더 줄었다. 1만 가구의 에너지 성능을 측정하는 데 필요한 시간은 27초에 불과하다.

연구진은 이번 연구 성과가 건물의 대략적인 현재 에너지 성능을 파악해 관련 정책을 수립하고 사전평가에 유용하게 활용될 것으로 보고 있다.

김종훈 박사는 "예측 모델을 이용해 건물 에너지 성능개선 사업을 시작하기 전, 건물의 대략적인 에너지 성능을 쉽게 파악할 수 있다"며 "AI기반 에너지산업의 디지털화가 기존 에너지 진단 방법의 문제점을 해결할 수 있는 도구 중 하나가 될 것"이라고 밝혔다. 임효인 기자