PVT 연계 히트펌프 시스템을 대상으로 한 인공지능 기반 유량 제어의 성능 분석 = A Study on the Performance of an AI-based Flow Rate Control for an Integrated PVT and Air Source Heat Pump System|RISS 상세보기

다국어 초록 (Multilingual Abstract)

The primary objective of this study is to apply an AI-based optimal flow-rate control strategy to a real-scale PVT–ASHP hybrid system installed in an actual building, and to quantitatively evaluate its performance improvement and energy-saving effects through both simulation and field verification. To achieve this objective, first, a lightweight AI control model was developed by integrating Gaussian Mixture Model (GMM) clustering with polynomial regression to predict optimal circulation flow rates under varying environmental conditions in real time. The model was implemented on a Programmable Logic Controller (PLC) to ensure on-site applicability. Second, a digital twin model equivalent to the real system was constructed using the dynamic simulation program TRNSYS 18 and validated with measured data in accordance with ASHRAE Guideline 14 to ensure model reliability. Finally, a full-scale experimental comparison was conducted at a demonstration plant located in Gijang-gun, Busan, Republic of Korea, under two operation scenarios—AI-based optimal flow control and conventional constant-flow control—during the cooling season. The key findings of this study are summarized as follows (1) Quantitative analysis of performance improvement through dynamic simulation. Based on the validated digital twin model, the AI-based optimal flow control improved the system coefficient of performance () by an average of 11.39% and reduced total energy consumption by 8.36% compared with the conventional constant-flow control. This result demonstrates that AI control fundamentally improves the system’s energy consumption structure by preventing excessive pump operation under partial load conditions. (2) Field validation of practical applicability and effectiveness. In long-term comparative field tests, the AI control maintained higher energy efficiency even under less favorable conditions, where the average outdoor temperature was 1.25 °C higher than during the conventional control period. The auxiliary power-related efficiency loss (e.g., pump energy) was reduced by an average of 28.9% compared to conventional control. This finding confirms the successful real-world application of AI-based control technology and provides empirical evidence of its tangible energy-saving potential beyond theoretical or simulation-based studies. (3) Real-time operability of a lightweight AI model. The proposed model, which integrates GMM clustering and polynomial regression instead of complex neural networks, was successfully implemented on a standard PLC system. It achieved high prediction accuracy while ensuring stable real-time operation, thereby demonstrating its potential for practical deployment and large-scale commercialization of AI-based optimal control technologies. In conclusion, this study presents a practical AI-based optimal flow-rate control strategy that maximizes the operational efficiency of PVT–ASHP hybrid systems. Through both dynamic simulation and long-term field experiments, the effectiveness of the proposed approach was systematically verified. The outcomes provide reliable empirical evidence bridging the gap between theoretical control strategies and real-world applications, offering fundamental insights that can contribute to improving the utilization of renewable energy systems in buildings and achieving national carbon neutrality targets.

번역하기

국문 초록 (Abstract)

국제사회는 파리협정(Paris Agreement) 채택 이후 ‘Net-zero Emissions’을 공동 목표 로 설정하며, 기후위기 대응을 강화하고 있다. 이에 따라 대한민국 정부 또한 ‘2050 탄 소중립’을 선언하고 전 사회적 차원의 에너지 전환을 추진하고 있으며, 특히 전 세계 에너지 소비의 약 35%, 탄소 배출량의 38%를 차지하는 건물 부문이 핵심 관리 대상 으로 부각되고 있다. 이러한 배경 속에서, 태양광·열(PVT) 모듈과 공기열원 히트펌프 (ASHP)를 결합한 융복합 시스템이 효과적인 대안으로 주목받고 있다. 그러나 이러한 융복합 시스템의 잠재적 성능을 극대화하기 위해서는 정밀하고 적응적인 운전 제어가 필수적이다. 기존의 정속 펌프를 활용한 정유량 또는 단순 On/Off 제어 방식은 일사 량, 외기온도, 건물 부하와 같이 시시각각 변화하는 외부 요인에 대응하지 못해 시스템 효율 저하와 에너지 낭비를 초래하는 한계를 지닌다. PVT-ASHP 융복합 시스템에 대한 다수의 선행연구가 수행되었으나, 대부분 해석적 접근에 머물거나 연구실 규모의 단기 실험에 국한되어 있다. 특히, 시스템 효율을 극대 화하기 위한 핵심 기술인 AI 기반 최적 제어 알고리즘을 실제 규모(Real-scale) 건물에 적용하여 기존 제어 방식과의 성능을 실증적으로 비교한 연구는 매우 제한적이다. 이 에 본 연구는 시뮬레이션 기반 해석과 현장 실증 연구 간의 간극을 메우고, AI 제어 기술의 실질적 적용성을 입증하는 것을 목표로 한다. 본 연구의 목적은 실제 건물에 구축된 PVT-ASHP 융복합 시스템을 대상으로 AI 기 반 최적 유량 제어 기술을 적용하고, 기존 정유량 제어 방식과의 성능 개선 및 에너지 절감 효과를 시뮬레이션과 실증을 통해 종합적으로 규명하는 데 있다. 이를 위해 첫째, 실제 운전 데이터를 활용하여 GMM(Gaussian Mixture Model) 클러스터링 및 회귀 분 석을 통해 실시간 환경 변수에 따라 최적 순환수 유량을 예측하는 경량 AI 제어 모델 을 설계하고, 이를 PLC(Programmable Logic Controller)에 탑재하여 현장 적용성을 확 보하였다. 둘째, 동적 에너지 시뮬레이션 프로그램(TRNSYS 18)을 이용하여 실증 시스 템과 동일한 디지털 트윈 모델을 구축하고, ASHRAE Guideline 14 기준에 따라 실측 데이터를 통해 모델의 신뢰성을 검증하였다. 마지막으로, 부산광역시 기장군에 위치한 실증 플랜트를 활용하여 AI 기반 최적 유량 제어와 기존 정유량 제어 두 시나리오를 설정하고, 하절기 냉방 기간 동안 주요 운전 데이터를 정밀 계측하여 성능을 비교·분석 하였다. 본 연구를 통해 도출된 주요 성과는 다음과 같다. 첫째, 동적 시뮬레이션을 통한 성능 개선 효과를 정량적으로 규명하였다. 검증된 디 지털 트윈 모델을 활용한 동일 조건 비교 결과, AI 기반 최적 유량 제어는 기존 정유 량 제어 대비 시스템 전체 성능계수()를 평균 11.39% 향상시키고, 총 에너지 소비량을 8.36% 절감하는 것으로 나타났다. 이는 AI 제어가 부분 부하 조건에서 불필 요한 펌프 과운전을 방지함으로써 시스템의 에너지 소비 구조를 근본적으로 개선함을 실증적으로 입증한 결과이다. 둘째, 실증 실험을 통해 제안한 제어 기법의 현장 적용성과 실효성을 검증하였다. 실제 건물에서 AI 제어 알고리즘을 장기간 운전한 결과, AI 제어 기간의 평균 외기온 도가 1.25 ℃ 더 높은 불리한 조건임에도 불구하고 보조동력(펌프 등)에 의한 시스템 효율 손실이 기존 제어 대비 평균 28.9% 감소하였다. 이는 이론적 연구에 머물렀던 AI 제어 기술을 실제 건물 환경에 성공적으로 적용하고, 그 실질적인 에너지 절감 효과를 실증적으로 입증하였다는 점에서 큰 의의를 지닌다. 셋째, 경량화된 AI 제어 모델의 실용성을 확보하였다. 본 연구에서는 선행연구에서 개발된 복잡한 인공신경망 구조 대신 GMM 기반 군집화와 다항 회귀를 결합한 경량 AI 모델을 적용하고, 이를 표준 PLC에 성공적으로 구현하였다. 본 모델은 높은 예측 정확도를 유지하면서도 일반적인 건물 제어기 환경에서 실시간 운전이 가능함을 확인 하였 결론적으로, 본 연구는 PVT-ASHP 융복합 시스템의 운전 효율을 극대화할 수 있는 실용적 AI 기반 최적 유량 제어 방안을 제시하고, 그 효과를 시뮬레이션과 장기 실증 을 통해 체계적으로 검증하였다. 연구 결과는 이론적 제어 전략과 실제 운용 환경 간 의 간극을 해소하는 실증적 근거를 제공하며, 향후 건물 부문의 신재생에너지 활용 효 율 향상 및 국가적 탄소중립 목표 달성에 기여할 수 있는 핵심 기초자료로 활용될 것 으로 기대된다.

번역하기

국제사회는 파리협정(Paris Agreement) 채택 이후 ‘Net-zero Emissions’을 공동 목표 로 설정하며, 기후위기 대응을 강화하고 있다. 이에 따라 대한민국 정부 또한 ‘2050 탄 소중립’을 선언하고 전 ...

목차 (Table of Contents)