농업용 가설시설물의 일광 및 에너지 성능 향상을 위한 다목적 최적화 = Multi-Objective Optimization for Enhancing Daylight and Energy Performance of Agricultural Temporary Facilities

국문 초록 (Abstract)

제 목 : 농업용 가설시설물의 일광 및 에너지 성능 향상을 위한 다목적 최적화
기후 변화와 에너지 수요 증가로 인해 농업용 가설 시설인 온실의 지속 가능 한 설계 전략이 더욱 중요해지고 있다. 그러나 온실은 고유한 열적 및 광학적 특성으로 인해 에너지 소비와 일광 성능 개선의 한계를 안고 있다. 이에 본 연구는 환경 시뮬레이션과 다목적 최적화를 결합하여 온실의 성능을 최적화하기 위한 프레임워크를 제안한다.
본 연구는 3층 구조의 베드가 설치된 딸기 수경재배 온실을 Base Model로 설정하였다. 최적화 변수로는 외피, 차광막, 바닥의 열적·광학적 특성과 함께 향, 변장비를 포함하였으며, 최적화 목적은 에너지 성능 지표와 일광 성능 지표를 활용하여 Min(EUI), Max(UDI)로 설정하였다. 또한, 각 성능 우선순위를 반 영하기 위해 K-means 클러스터링을 활용하였고, 이를 통해 에너지 우선 솔루션, 균형 솔루션, 일광 우선 솔루션을 도출하였다.
연구는 다음과 같은 두 가지 단계로 수행되었다. Case 1에서, 인공조명을 설치하지 않은 온실을 모델로 설정하여 다목적 최적화 연구를 수행하였다. 그 결과, 에너지 성능은 26.7%~38% 개선되었지만, 일광 성능은 2.5%~4%의 소폭 개선에 그쳤으며 솔루션 간 변별력은 미미하였다. 이는 다층 구조의 베드가 일조량 확보에 구조적 한계를 초래했기 때문으로 분석되었다. 따라서 Case 2에서, 인공조명을 설치한 온실을 모델로 설정하여 다목적 최적화 연구를 수행하였다. 그 결과, 일광 성능은 16.6%~49.8%까지 크게 개선되었으며, 솔루션 간 변별력 또한 뚜렷하게 나타났다. 이는 인공조명을 통해 일조량이 부족한 시간을 보완함으로써 목표 간 상충 관계가 완화된 결과이다.
결론적으로, 다층 구조의 베드가 설치된 온실은 다목적 최적화 전 인공조명의 설치가 필수적임을 확인하였으며 또한, 다목적 최적화에서 목표 간 상충 관계를 적절히 설정하지 않으면 솔루션 간 변별력이 약화될 수 있음을 확인하였다. 본 연구의 프레임워크는 온실의 운영비용 절감과 일광 성능 개선에 기여할 수 있으며, 향후 연구에서 모든 최적화 지표를 한 가지 경제적 지표로 통일할 수 있도록 일광 성능평가 지표(UDI)를 작물 생산량으로 변환하는 연구를 수행함으로써 보다 현실적이고 효과적인 다목적 최적화를 수행할 계획이다.

목차 (Table of Contents)

• 요약 ⅰ
• 표목차 ⅵ
• 그림목차 ⅶ
• Ⅰ. 서론 1
• 1. 연구배경 및 목적 1
• 2. 연구 범위 3
• 1) 연구흐름도 3
• 2) 온실 변수 범위 4
• (1) 온실의 형태 단위 변수 4
• (2) 온실의 재료 단위 변수 4
• (3) 최종 온실 변수 5
• Ⅱ. 이론적 고찰 6
• 1. 온실의 에너지 및 일광 성능 개선을 위한 연구 6
• 2. 다양한 건물을 대상으로 한 다목적 최적화 연구 7
• Ⅲ. 방법론 9
• 1. 방법론 프로세스 및 도구 9
• 2. Parametric Design 12
• 1) Base Model 12
• 2) Base Model을 기반으로 한 Parametric Design 13
• 3. Simulation Setup 14
• 1) Weather Data 14
• 2) EnergyPlus, Radiance 기반 시뮬레이션을 위한 구성요소 변환 15
• 3) 온실의 에너지 및 일광 시뮬레이션 모델 사양 입력 16
• 4. Validation 19
• 5. Optimizing Setup 21
• 1) Multi Objective Optimization을 위한 NSGA-II 21
• 2) Multi Objective Optimization을 위한 설계 변수 22
• 3) Multi Objective Optimization을 위한 목표함수 설정 23
• (1) 에너지 성능평가 지표(EUI) 23
• (2) 일광 성능평가 지표(UDI) 23
• (3) 최적화 목표함수 24
• 6. Result Analysis 25
• 1) 최적 솔루션 도출 프로세스: K-means Clustering 25
• 2) Pearson Correlation Analysis 26
• 7. Case 1과 Case 2의 최적화 설정 차이 27
• 1) Case 1의 최적화 목표함수 27
• 2) Case 2의 최적화 목표함수 27
• Ⅳ. 인공조명 조건에 따른 온실의 다목적 최적화 분석 결과 및 논의 29
• 1. 인공조명을 설치하지 않은 온실의 에너지 및 일광 성능을 위한 다목적 최적화 (Case 1) 29
• 1) 결과 및 논의 29
• (1) 최적화 추세 분석 29
• (2) 최적 솔루션 도출 31
• ① Pareto Front 솔루션 추출 31
• ② K-means Clustering 분석 34
• ③ 최적 솔루션 도출 및 비교 분석 36
• (3) 온실 성능과 변수 간의 상관관계 분석 40
• ① 에너지 성능과 변수 간의 상관관계 분석 40
• ② 일광 성능과 변수 간의 상관관계 분석 41
• ③ 세 가지 최적 솔루션에서 동일한 변수값에 대한 논의 44
• (4) 제한적인 일광 성능 개선 결과 45
• ① 낮은 일광 성능의 원인 규명 45
• ② 인공조명 설치 후 최적화의 필요성 49
• 2) 결론 51
• 2. 인공조명을 설치한 온실의 에너지 및 일광 성능을 위한 다목적 최적화 (Case 2) 53
• 1) 결과 및 논의 53
• (1) 최적화 추세 분석 53
• (2) 최적 솔루션 도출 54
• ① Pareto Front 솔루션 추출 54
• ② K-means Clustering 분석 56
• ③ 최적 솔루션 도출 및 비교 분석 58
• (3) 온실 성능과 변수 간의 상관관계 분석 62
• ① 에너지 성능과 변수 간의 상관관계 분석 62
• ② 일광 성능과 변수 간의 상관관계 분석 62
• ③ 세 가지 최적 솔루션에서 동일한 변수값에 대한 논의 66
• (4) 높은 일광 성능 개선 결과 66
• 2) 결론 68
• 3. 인공조명 조건에 따른 온실 결과 비교 70
• 1) 인공조명 조건에 따른 일광 성능 비교 71
• 2) 인공조명 조건에 따른 운영비용 비교 72
• Ⅴ. 결론 74
• 참고문헌 77
• 영문초록(Abstract) 83
• 감사의 글 85