조건부수요분석법을 적용한 공동주택의 용도별 상세 에너지사용량 추정모델 개발 및 추정 회귀식 도출에 관한 연구

Abstract

본 연구는 공동주택 세대에 대해 에너지원별로 제공되는 에너지사용량 정보를 거주자 측면에서 최종적으로 소비되는 용도별 상세 에너지사용량 정보로 제공하기 위한 용도별 상세 에너지사용량의 추정모델을 개발하고자 수행되었다. 공동주택의 에너지소비 절감을 위한 실효성 있는 Action-Plan 수립을 위해서는 거주자 측면에서 최종적으로 소비되는 용도별 상세 에너지사용량에 대한 정보 제공이 필수적이나 현재 국내에서는 이와 관련한 용도별 분류 및 정의와 이에 따른 데이터 수집이 이루어지고 있지 않은 상황이다. 따라서 본 연구는 공동주택 세대에 대해 제공되고 있는 에너지원별 사용량을 간단한 거주자 특성 정보를 통해 용도별 상세 에너지사용량 정보로 제공할 수 있는 추정모델의 필요성을 가지고 출발하였다. 이러한 용도별 상세 에너지사용량 추정모델의 필요성을 바탕으로 먼저 국내외 에너지사용량의 용도 분류 기준을 참고하여 이를 분류하고 정의하였다. 또한 주거부문 에너지사용량에 대한 추정방법론을 비교하여 적합한 방법론을 적용하고자 하였으며, 용도별 상세 에너지사용량 추정모델과 영향인자에 관한 선행연구를 분석하였다. 용도별 상세 에너지사용량에 대한 분류 및 정의, 추정방법론, 추정모델 및 영향인자에 대한 분석 결과를 요약하면 다음과 같다. (1) 건축물의 에너지사용량의 분류 및 정의에 대한 국내외 기준을 참고하여 용도별 상세 에너지사용량을 난방, 냉방, 급탕, 조명, 환기, 전기기기, 취사로 분류하였으며, 이는 각각의 설비시스템에 투입되는 에너지로 정의하였다. (2) 주거부문 에너지사용량에 대한 추정방법론 중 회귀분석을 기반으로 하여 용도별 상세 에너지사용량 및 간단한 세대 특성 정보를 통해 추정모델을 개발할 수 있는 조건부수요분석법을 적용하고자 하였다. (3) 주거부문의 용도별 상세 에너지사용량과 관련된 세대 특성, 유발요인, 추정모델입력변수에 대한 선행연구를 분석한 결과 건축, 설비, 사용 부문별로 다양한 영향인자를 포함하는 것으로 나타났다. 이와 같이 공동주택 용도별 상세 에너지사용량과 관련된 다양한 선행연구 분석 결과를 토대로, 계측 시스템에 기반한 공동주택 용도별 상세 에너지사용량과 세대 특성 정보를 통해 에너지사용 특성을 분석하여 추정모델 개발 및 추정 회귀식을 도출하였다. 그러나 연간에 대한 용도별 상세 에너지사용량 계측 데이터 확보를 위한 표본수 부족으로 인해 통계적 유의성을 설명하는 데에는 한계가 있었으나, 공동주택의 용도별 상세 에너지사용량에 대한 마이크로데이터를 기반으로 연구를 수행한 것에 의의가 있는 것으로 판단된다. 본 연구의 결과를 요약하면 다음과 같다. (1) 용도별 상세 에너지사용량에 대한 계측 데이터를 기반으로 연간에 대해 월별, 일별, 시간별로 용도별 상세 에너지사용 특성 분석을 수행하였으며, 이를 통해 난방은 11월~3월(난방기간)에 해당하는 난방 에너지사용량, 냉방은 6월~8월(냉방기간)에 해당하는 각 월의 냉방 에너지사용량의 합, 급탕은 춘계·동계 및 하계·추계에 해당하는 계절별 급탕 에너지사용량의 합, 조명은 0시~6시, 6시~12시, 12시~18시, 18시~24시에 해당하는 시간별 조명 에너지사용량의 합, 환기는 연간 세대 총 에너지사용량의 0.1%에 해당하는 양, 전기기기는 기저 및 간헐적으로 사용되는 각각의 전기기기 에너지사용량의 합, 취사는 연간 취사 에너지사용량으로 추정모델의 형태를 정의하였다. (2) 용도별 상세 에너지사용량 추정모델 형태의 정의에 따라 부문별 세대 특성 정보(영향인자)와의 상관분석을 통해 상관계수 ±0.6 이상을 기준으로 하여 이에 해당하는 항목을 유효 영향인자로 도출하였다. 이를 통해 난방은 보조 난방기기 대수 및 종류, 12시~18시 재실인원수, 난방 설정 온도, 연간 난방 운전 월수, 일평균 난방 운전 시간, 냉방은 세대층수, 보조 냉방기기 대수 및 종류, 초등학생/중학생/고등학생 인원수, 연간 냉방 운전 월수, 월평균 냉방 운전 일수, 급탕은 고등학생 인원수, 계절별 일평균 온수 사용 시간, 조명은 조명밀도, 주조명기기 종류, 고등학생 인원수, 12시~18시 재실인원수, 전기기기는 세대층수, 기타 가전기기 대수, 보유 가전기기 소비전력합, 초등학생/중학생 인원수, 취사는 중학생 인원수, 12시~18시/18시~24시 재실인원수, 일평균 취사 시간 등 이 유효 영향인자로 도출되었다. (3) 용도별 상세 에너지사용량의 유효 영향인자를 입력변수로 하여 추정모델을 개발하였고, 계측 데이터와 세대 특성 정보를 기반으로 추정 회귀식을 도출하였다. 모든 용도에서 결정계수(R2)가 50%이상으로 추정 회귀식에 대한 설명력이 확보되었으나, 표본수의 한계로 인해 통계적 유의성은 냉방 에너지사용량 추정 회귀식에 대해서만 유의확률이 0.05 미만으로 나타났다. (4) 통계적 유의성을 설명할 수 있는 유의확률이 0.05미만으로 나타난 냉방 에너지사용량의 추정 회귀식에 대해 공동주택 15세대의 세대 특성 정보를 적용하여 추정 냉방 에너지사용량과 해당 세대의 계측 냉방 에너지사용량을 비교하였다. 추정값과 계측값 간의 평균 오차율은 21.3%였으며, 결정계수(R2)가 0.7002로 추정 회귀식에 대해 유의성이 있는 것을 검증하였다. 본 연구는 공동주택의 거주자 측면에서 최종으로 소비되는 용도별 상세 에너지사용량 정보 제공을 위해 계측 데이터와 세대 특성 정보를 활용하여 용도별 상세 에너지사용 특성을 분석하였고, 이에 따라 유효 영향인자를 도출하여 추정모델을 개발하고 추정 회귀식을 도출하였다. 이를 통해 간단한 거주자 특성 정보를 입력변수로 하여 용도별 상세 에너지사용량에 대한 정보를 추정을 통해 제공하는 추정모델을 개발하기 위한 기초자료로 활용될 수 있을 것으로 판단된다.;The purpose of the study is to develop estimation model of end-use energy consumption by usage in order to provide the data for end-use energy consumption by usage consumed ultimately by residents using the data on energy consumption by energy sources of the households in multi-dwelling units. Establishing effective Action-Plan toward the reduction of energy consumption in multi-dwelling units requires information on end-use energy consumption by usage ultimately consumed by residents, but relevant classification and definition by usage and the resulting data collection were not available in domestic circumstance. Therefore, this study arouse from the need to develop estimation model providing data on end-use energy consumption by usage based on the energy consumption by energy sources of the households in multi-dwelling units as well as the simple data on features of residents. Out of the necessity of estimation model for end-use energy consumption by usage, energy consumption by usage was classified and defined by referring to domestic and foreign standard. Also, appropriate methodology was applied by comparing estimation methodologies on energy consumption of residential sector, and prior studies were analyzed on estimation model of end-use energy consumption by usage and influence factors. The summary on the results of classification and definition for end-use energy consumption by usage, estimation methodology, estimation model, and analysis on influence factors is as follows. Based on the classification on energy consumption of domestic and foreign buildings, end-use energy consumption by usage was assorted into heating, cooling, hot-water supply, lighting, electric equipment, and cooking, which was defined as energy injected in each equipment system. Based on regression analysis in estimation methodology on energy consumption in residential sector, conditional demand analysis was applied to develop estimation model of end-use energy consumption by usage via the energy consumption of households and their features. The analysis on the household features for end-use energy consumption by usage in residential sector, causal factors, and the prior study on input variable of estimation model indicated that various influence factors in construction, facility, usage sectors were involved. By analyzing various prior studies of end-use energy consumption by usage in multi-dwelling units, and the information on the household features as well as the end-use energy consumption by usage in multi-dwelling units via instrumentation system, energy consumption was assessed, from which to develop estimation model and derive estimation regression equation. However, although there was limitation on explaining statistical significance due to the shortage of samples for securing instrumentation data on detailed annual energy consumption by usage, the significance of this paper lies in conducting research based on micro data on end-use energy consumption by usage in multi-dwelling units. The summary of the study results is as follows. Based on instrumentation data on end-use energy consumption by usage, the features of annual, monthly, daily, hourly energy consumption details depending on usage were analyzed, by which the form of estimation model was defined: heating is the energy consumption for heating from November to March(heating season); cooling is the sum of energy consumption of each month from June to August(cooling season); hot-water supply is the sum of seasonal energy consumption for hot-water supply by spring, winter, summer, autumn; lighting is the sum of hourly energy consumption for lighting at 0-6 am., 6-12 am., 12-18 pm.,18-24 pm, ventilation is the 0.1% of total annual energy consumption of households; electric equipment is the total energy consumption of basically and intermittently used electric equipments; cooking is annual energy consumption for cooking. The correlation between the definition on estimation model of end-use energy consumption by usage and data(influence factors) on features of households by sectors were analyzed, from which items more than ±0.7 of correlation coefficient were derived as effective influence factors. The derived effective influence factors are as follows: the number and type of auxiliary heating equipment, the number of people staying indoors, established heating temperature, the number of months when heating system was operated, the daily operating hours of heating on average in heating; the number of story where households live, the number and type of auxiliary cooling equipment, the number of elementary/junior high/high school & university students, annual operating months of cooling system, the average operating days of cooling system per month in cooling; the number of high school students, the average hours having used hot-water by season in hot-water supply; the density of lighting, the type of main lighting equipment, the number of high school students, the number of people staying indoors at 12-18. In lighting; the number of story where households live, the number of other electric equipments, the sum of power consumption on home electronic appliances, the number of elementary/junior high school students in electric equipment; the number of junior high school students, the number of people staying indoors at 12-18/18-24, daily average time spent on cooking in cooking. Estimation model was developed in which effective influence factors of end-use energy consumption by usage were put as input variables, and estimation regression equation was derived based on instrumentation data and household features. Determination coefficient (R2)of all usages turned out to be more than 50%, there by assuring estimation regression equation, but due to the limitation of the number of samples, only estimation regression equation on energy consumption for cooling showed less than 0.05 of significance probability. The estimation regression equation of detailed energy consumption by usage is as follows: Estimated energy consumption for cooling and instrumentation energy consumption for cooling of relevant households were compared by applying data on features of 15 households in multi-dwelling units to estimation regression equation of energy consumption for cooling whose significance probability is less than 0.05, thus indicating statistical significance. The mean error between estimation value and instrumentation value was 21.3%, and determination coefficient (R2) was 0.7002, thus verifying that estimation regression was significant. This study, for the purpose of providing information on end-use energy consumption by usage ultimately consumed by residents in multi-dwelling units, analyzed features on end-use energy consumption by usage by capitalizing on instrumentation data and household features, and based on the derived effective influence factors, estimation model was developed, and estimation regression equation was derived. This study can be utilized as fundamental material on data about estimating end-use energy consumption by usage by putting simple features of residents as input variables.