공동주택 세대 특성의 영향력을 고려한 용도별 에너지사용량 추정모델 개발 연구

Abstract

대한민국은 2017년 에너지총조사보고서 에너지경제연구원. (2018). 2017년도 에너지총조사보고서, 산업통상자원부 에 따르면 전체 에너지소비 중 건물 부문이 약 19%를 차지하며, 이 중 주거 부문에서 소비되는 에너지가 약 51%로 국가 차원의 온실가스 배출 감축을 위해서 주거건물에서 에너지사용량을 절감하는 것이 필수적이라 할 수 있다. 주거건물의 에너지절감 대책이 실효성을 거두기 위해서는 전력, 가스, 지역난방 등의 에너지원별 사용량뿐만 아니라 실제 사용 용도에 따른 상세 에너지사용량 정보를 구축하는 것이 중요하다. 이는 보다 체계적이고 구체적인 에너지 소비 요인 분석 및 관리를 가능하게 할 뿐만 아니라 난방, 냉방, 급탕 등 실제 사용자의 행위에 따른 용도별 에너지사용량 정보를 사용자가 직관적으로 체감할 수 있어 에너지 절약 행위를 유도하는데 용이하기 때문이다. 이미 전 세계 많은 국가에서 주거건물의 용도별 또는 상세 에너지사용량 관련 프로젝트, 연구, 정보제공시스템 운영 등이 활발하게 진행되고 있으며, 이 때 용도별 에너지사용량은 해당 용도별로 실제 사용량을 직접 계측해서 획득하는 것이 가장 정확하다. 그러나 현실적으로 개인 프라이버시 문제, 비용 등의 제약이 따를 수밖에 없어 대부분 추정을 통해 산출하고 있다. 국내 역시 용도별 에너지사용량 관련 연구나 정보제공 통계 시스템이 구축되어 있기는 하나 해당 용도가 제한적이라 주거건물 전체 용도에 대한 에너지사용량 추정 연구가 요구된다 할 수 있다. 이에 본 연구는 국내 주거건물의 대표적인 유형인 공동주택을 대상으로 실제 건물 에너지사용량에 영향을 미치는 인자들을 종합적으로 고려하여 용도별 에너지사용량 추정모델을 개발하는 것을 목적으로 연구를 수행하였다. 2장에서는 용도별 에너지사용량을 분류 및 정의하고, 용도별 에너지사용량 추정 및 영향인자 관련 예비적 고찰을 수행하였다. 이를 통해 용도별 에너지사용량 추정을 위한 다양한 이론적 방법을 이해하고 건물 실제 에너지사용량에 유의미하게 영향을 미치는 인자들을 파악하였다. 특히, 국내는 총 에너지사용량 혹은 전력, 지역난방 등의 에너지원별 사용량, 또는 일부 제한적인 용도에 대해서만 영향인자 분석 및 추정모델 개발 연구가 수행되어 있어 난방, 냉방, 급탕 등 전체 용도에 대한 유의미한 변수 분석 및 추정모델 개발 연구가 필요한 것으로 나타났다. 3장에서는 본 연구 표본 세대인 서울지역 공동주택 154세대를 대상으로 현장조사를 통해 수집한 세대 특성으로 총 36개의 독립변수를 구성하고, 2019년 1월부터 12월까지의 연간 에너지사용량 계측데이터로 종속변수를 구성하였다. 한편, 예비적 고찰을 통해 건물, 거주자, 기기 사용 특성을 통합 고려하여 용도별 에너지사용량을 추정하기 위해 통계적 방법이 가장 적합한 것으로 나타났으며, 조건부수요분석 및 다중회귀분석을 대상으로 본 연구 표본 세대로 Case study를 수행한 결과 다중회귀분석이 가장 적절한 것으로 도출되었다. 4장에서는 건물, 거주자, 기기 사용 관련 각종 세대 특성이 용도별 에너지사용량에 미치는 영향을 분석하고 이 중 추정 시 유의미하게 활용될 수 있는 인자를 도출하기 위해 영향인자 분석을 수행하였다. 용도별로 독립변수가 다른 4개의 Model을 구성하고 4번의 다중회귀분석을 수행하였다. 이를 통해 용도별 에너지사용량에 미치는 영향력이 가장 큰 변수 도출 및 영향력 크기 분석, 건물, 거주자, 기기 사용의 각 특성 그룹별 유효 영향인자 도출 및 영향력 크기 분석을 수행하였으며 최종적으로 용도별 유효 영향인자를 도출하였다. 5장에서는 도출된 유효 영향인자를 독립변수로 구성하고 다중회귀분석으로 가능한 모든 회귀를 실시하여 다중공선성 검토 및 수정 결정계수, F-검정 유의확률, 각 독립변수의 t-검정 유의확률, 회귀계수를 전체적으로 비교하면서 용도별 최적의 회귀식을 도출하였다. 또한, 추정모델 개발에 투입하지 않은 별도의 10개 세대로 계측값과 추정값 간 오차율 검토를 통해 추정모델의 신뢰성을 검증하였다. 연구 결과 수정 결정계수 0.395~0.537, 오차율 6.6%~14.9% 수준의 연간 난방, 냉방, 급탕, 조명, 전기기기, 취사 에너지사용량 추정모델을 도출하였으며, 본 연구 부록 1을 참고해서 연간 에너지사용량 추정 결과를 월별로 분배하고, 부록 2를 참고해서 에너지원별 실제 사용량(세대 요금청구서 상 가스, 지역난방, 전기사용량 정보 등)과의 오차를 보정할 수 있다. 본 연구는 국내 주거건물의 대표적인 유형인 공동주택을 대상으로 실제 건물 에너지사용량에 영향을 미치는 인자들을 종합적으로 분석하고 이를 바탕으로 난방, 냉방, 급탕, 조명, 전기기기, 취사의 용도별 에너지사용량 추정모델을 도출하였다. 연구 결과를 활용해 용도별 추정모델에 서울지역 주거건물 정보(주거건물 분포 비율, 가중치, 면적, 거주자 수 등)를 적용한다면 서울지역의 용도별 총 에너지사용량을 도출하고 이를 데이터베이스로 구축할 수 있다. 또한, 세대 특성에 따른 용도별 유효 영향인자 분석 결과는 에너지사용량에 영향을 미치는 변수 정보를 제공해주며, 이는 용도별 에너지절감 및 효올 향상을 위한 정책 수립 시 또는 표본 세대를 달리해 용도별 추정을 위한 지속과제 수행 시 검토가 필요한 인자의 우선순위 정보를 제공해줄 수 있을 것이다. ;For the energy-saving measures of residential buildings to be effective, the procurement of detailed energy usage information based on the actual energy consumption of buildings is essential. This not only enables an increased systematic analysis and maintenance of energy consumption factors, but also is useful for promoting energy-saving behaviors in residents by providing them energy utilization information based on their actual usage of the heating, cooling, and hot water systems. Several countries worldwide are actively conducting research on energy consumption in residential buildings based on utilization. The most accurate method to calculate energy consumption based on usage for this research is to measure and obtain the actual data; however, owing to practical issues such as privacy and cost, the consumption is calculated based on estimates. Despite domestic research on the energy consumption based on usage, owing to the limitations in offering comprehensive consumption details for all the applications used, further estimation research on the total usage is required. Accordingly, this study aimed to develop an estimation model for energy consumption by usage in residential apartments, considering all the factors affecting the actual energy consumption of the building. Hence, the theoretical background of various estimation methods was studied considering the estimation of energy consumption by usage and a preliminary review of the influencing factors; further, the factors that considerably affect the building energy consumption were identified. In this study, to analyze the data, the independent variables entailed household characteristic information collected through field surveys of 154 apartment households in Seoul, which were the sample households. The dependent variable was the energy consumption measured from January to December 2019. In addition, a case study was conducted on the sample households using a conditional demand analysis and multiple regression analysis to derive an estimation method that would integrate all the characteristics related to the buildings, residents, and device usage. As a result, the multiple regression analysis was selected as the estimation method for this study. Before deriving the estimation model, the effect of various characteristics of the buildings, residents, and device usage on energy consumption were analyzed. From this analysis, the significant factors that could be used in the estimation were derived, and the magnitudes of their effects were identified via a factor analysis. The multiple regression analysis was conducted on four different models with different independent variables for different end uses. As a result, the variables with the greatest influence on energy consumption by usage were derived. Further, the magnitude of the effect of each variable, the effects of the characteristics of buildings, residents, and device usage on energy consumption were analyzed. Subsequently, the effective influencing factors for each application were derived. The derived factors were used as a base to derive an optimal regression equation for each application used by performing the multiple regression analysis sequentially on each independent variable. Each regression equation’s multicollinearity, adjusted coefficient of determination, F-test significance level, and t-test significance level were compared for each independent variable of all possible regressions. The reliability of the derived regression equation was tested by comparing the error rate between the measured and estimated values after applying the model to a separate group of 10 apartment houses that were not used in the derivation of the estimation model. This study demonstrated that an energy consumption estimation model was derived based on the annual energy usage of heating systems, cooling systems, hot water systems, lighting, electric devices, and cooking appliances with an adjusted coefficient of determination of 0.395–0.537 and error rate of 6.6–14.9%. Appendix 1 can be referenced to sort the annual usage estimation results into monthly results, and Appendix 2 can be referenced to correct the error between the results and actual usage (gas, district heating, and electricity usage information from apartment utility bills) by the energy sources (gas, district heating, and electricity). This study developed a reliable estimation model (explanatory power 40–54% and error rate 6.6–14.9%) for the energy usage by applications; further, if information on Seoul residential buildings (residential building distribution ratio, weight, climate data, etc.) was to be applied to the proposed model, the total energy consumption by usage for the Seoul region can be derived. In addition, the factor analysis conducted in this study helped derive the most significant variables that affect energy usage. This information can be applied in energy saving and energy efficiency improvement policies. Meanwhile, as the sample size in this study is limited to 154 apartments, additional analysis on an increased sample size will be necessary. The results of this study are expected to serve as a reference for information such as the basis of the estimation method and background, the priority level of data to be collected when developing an estimation model, and comparison and analysis of data with other sample apartment results.