Sense, Model and Identify the Load Signatures of HVAC Systems in Metro Stations

기술 요약: 지하철 역사의 HVAC 시스템의 부하 시그니처 감지, 모델링 및 식별

문제 정의
지하철 시스템은 주요 에너지 소비원이며, 여름철에는 냉난방 공조(HVAC) 하위 시스템이 전체 에너지 사용량의 40% 이상을 차지합니다. 기성 지하철 노선의 현재 HVAC 제어 전략은 동적인 가열 및 냉각 부하를 추정하기 어렵기 때문에, 종종 단순한 시간 기반 규칙이나 수동적 대응에 의존합니다. 이러한 부하는 외부 온도, 승객 흐름, 열차로 인한 피스톤 풍, 복잡한 지하 구조물 등에 의해 구동되어 변동성이 매우 높습니다. 건축 자재와 경험적 열전달 방정식을 기반으로 하는 기존 건축물 부하 추정 모델은 승객 흐름과 터널 공기역학의 영향을 포함한 지하 역사 특유의 역동성을 포착하지 못합니다. 이러한 부하와 공급 사이의 불일치는 상당한 에너지 낭비를 초래합니다. 본 연구에서 다루는 핵심 문제는 최적의 제어 정책을 구현하기 위해 실시간으로 '부하 시그니처'(외부 환경으로부터 유입되는 열량과 승객에 의해 발생하는 열량의 구체적인 양)를 정량화하고 식별할 수 있는 효과적인 방법을 마련하는 것입니다.

방법론
저자들은 베이징 4호선 하이디안황좡(HaiDianHuangZuang) 역의 실제 데이터를 사용하여 부하 시그니처를 식별하는 새로운 센싱 및 학습 접근 방식을 제안합니다. 이 방법론은 다음과 같은 세 가지 주요 구성 요소를 포함합니다:

1. 데이터 수집 및 센싱:

   • 환경 센서: 실내외 온도($T(t)$, $T_o(t)$), 습도 및 $CO_2$ 농도를 모니터링하기 위해 배치되었습니다.
   • 승객 흐름: 검표 시스템($n(t)$)을 통해 기록되며, 입실 승객과 퇴실 승객의 합계로 계산됩니다.
   • HVAC 모니터링: 스마트 미터와 내장형 센서를 통해 냉장기, 환풍기, 냉각탑, 펌프의 에너지 소비량과 작동 상태를 추적합니다. 환기, 냉각 공기, 신선 외기 및 혼합 공기의 온도와 냉각수 유량 및 온도 차이를 측정합니다.

2. 수학적 모델링:

   • 부하 모델 ($L(t)$): 단위 시간당 역사로 유입되는 총 열량으로 정의됩니다. 이는 두 가지 성분으로 분해됩니다:
     • 승객 유입 부하 (PIL): 승객에 의해 발생하는 열로, $c_p n(t) (T_p - T(t))$로 모델링됩니다.
     • 환경 유입 부하 (EIL): 벽/지붕을 통한 전도 및 공기 침투(피스톤 풍)에 의한 열로, $(c M_{air} + \frac{1}{R_{eq}}) (T_o(t) - T(t))$로 모델링됩니다.
   • 공급 모델 ($S(t)$): HVAC 시스템이 제공하는 냉각 용량으로 정의됩니다. 이 모델은 세 가지 운전 모드(외기 냉각 모드, 기계적 냉각 모드, 혼합 모드)에 적응합니다. 냉각 공급량은 센서 판독값(수온 차이, 유량)과 팬 전력 소비량(팬 상사 법칙을 사용하여 풍량을 추정)으로부터 추론됩니다.
   • 열역학적 동역학: 실내 온도의 변화는 부하와 공급의 차이인 $L(t) - S(t) = c M_z \Delta(t)$로 모델링됩니다. 여기서 $\Delta(t)$는 시간 경과에 따른 온도 변화를 나타냅니다.

3. 파라미터 식별 알고리즘:

   • 문제는 부하 및 공급 방정식의 미지 계수($c_p$, $\alpha$, $\beta_{ac}$)를 식별하기 위한 선형 회귀 문제로 공식화됩니다.
   • 센서 노이즈와 물리적 파라미터의 비음수(non-negativity) 제약을 해결하기 위해 저자들은 탐색 알고리즘을 제안합니다. 절대 오차를 최소화하는 대신, 특정 기간 동안 적분된 부하와 적분된 공급 사이의 상대적 차이를 최소화합니다.
   • 센서 노이즈(특히 온도 차이 계산 시)를 더욱 완화하기 위해, 이 방법은 순시점 값보다는 부하와 공급의 적분된 값을 활용합니다.

주요 기여

• 새로운 부하 시그니처 식별: 본 논문은 표준 건축물 모델에서는 간과되기 쉬운 요소인, 지하 역사 내 승객 흐름과 외부 환경에 의한 열 부하를 분리하고 정량화하는 데이터 기반 접근 방식을 제시합니다.
• 통합 센싱 및 모델링 프레임워크: 저자들은 이질적인 데이터 소스(검표 시스템, 환경 센서, HVAC 에너지 로그)를 성공적으로 통합하여 종합적인 열 모델을 구축했습니다.
• 강건한 파라미터 추정: 순시값이 아닌 적분값의 상대 오차를 최소화함으로써 제약 조건이 있는 최적화 문제를 해결하는 특정 탐색 알고리즘을 제안하였습니다.

실험 결과
모델은 2013년 8월 21일부터 8월 23일까지 하이디안황좡 역에서 수집된 실제 데이터를 사용하여 검증되었습니다.

• 부하 시그니처: 도출된 시그니처에 따르면, 환경 부하(외부 온도 차이)가 전체 부하의 주요 부분을 차지하는 반면, 승객 부하는 출퇴근 시간대에는 유의미하지만 전체적으로는 더 작은 비중을 차지하는 것으로 나타났습니다.
• 모델 정확도: 계산된 냉각 공급량은 도출된 부하 시그니처와 밀접하게 일치했습니다. 적분된 부하와 적분된 공급 사이의 상대 오차가 작게 나타났으며, 이는 해당 알고리즘이 부하 파라미터를 신뢰성 있게 추정함을 나타냅니다.
• 시간적 패턴: 결과는 승객 흐로 인해 발생하는 출퇴근 시간(오전 및 저녁 피크)과 일일 온도 주기에 따른 뚜렷한 부하 패턴을 확인시켜 주었습니다.

의의 및 주장
본 논문은 이러한 부하 시그니처를 식별하는 것이 스마트하고 최적화된 제어 정책을 설계하기 위한 결정적인 맥락을 제공한다고 주장합니다. 승객과 환경이 열 부하에 기여하는 바를 구체적으로 이해함으로써, HVAC 시스템은 예측된 수요를 충족하기 위해 필요한 냉각 노력만을 공급하도록 제어될 수 있습니다. 이 접근 방식은 실내 쾌적도를 유지하면서 에너지 소비를 크게 최적화하는 것을 목표로 합니다. 저자들은 본 연구가 단순한 시간 기반 규칙을 넘어 데이터 기반의 예측 제어로 나아가는 지하철 HVAC 시스템의 최적 제어 전략에 대한 향후 연구의 토대를 마련했다고 밝히고 있습니다.