Ground-Truth-Aware Stress Testing of a Closed-Loop Smart-Building Digital Twin Under Sensor Drift and Missing Data

기술 요약: 폐쇄 루프 스마트 빌딩 디지털 트윈의 그라운드 트루스(Ground-Truth) 인지형 스트레스 테스트

1. 문제 정의

디지털 트윈이 스마트 빌딩 모니터링 및 제어를 위해 점점 더 많이 배치되고 있지만, 기존의 평가는 주로 상태 추정 정확도나 결함 탐지율에 집중되어 있다. 이러한 지표들은 폐쇄 루프 운영을 위한 핵심적인 하위 질문, 즉 **센서 오류(드리프트, 노이즈, 데이터 누락)가 제어 결정과 물리적 빌딩 결과에 실질적으로 어느 정도까지 영향을 미치는가?**라는 질문을 해결하지 못한다.

오염된 센서는 컨트롤러를 이상적인 "오라클(Oracle)" 전략으로부터 이탈하게 만들 수 있지만, 총체적인 물리적 결과(예: CO2 농도, 에너지 소비량, 쾌적도)는 거의 변하지 않을 수도 있다. 반대로, 제어 임계값 근처에서의 작은 오류는 불균형한 결과를 초催할 수 있다. 현재의 문헌에는 센서 오류, 결정 불일치, 그리고 물리적 결과 저하를 명시적으로 분리하여, 센서 오염이 운영상 유의미한 것인지 아니면 무해한 것인지를 판단할 수 있는 프레임워크가 부족하다.

2. 방법론

본 논문은 센서 오류의 전파를 격리하기 위해 설계된 그라운드 트루스 인지형의 완전 합성 폐쇄 루프 시뮬레이션 프레임워크를 소개한다. 아키텍처는 세 가지 뚜렷한 계층으로 구성된다:

1. 잠재적 물리 상태(Latent Physical State): 물리 기반 시뮬레이터가 20개 구역(5개 구역 × 4개 빌딩)에 대해 30일 동안 15분 간격으로 실제 상태를 생성한다. 이는 45분의 시상수(time constant)를 가진 1차 질량 균형 완화 모델을 사용하여 거주자 기반의 CO2 역학을 모델링하며, 에너지 및 쾌적도 모델을 함께 모델링한다.
2. 센서 계층(Sensor Layer): 이 계층은 잠재 상태를 오염시켜 관측값을 생성한다. 여기에는 가산적 랜덤 워크 드리프트(additive random-walk drift), 측정 노이즈, 데이터 누락(NaN)이 도입된다. 결정적으로, 누락된 값은 0으로 대체(impute)되지 않고 명시적으로 처리된다.
3. 제어 계층(Control Layer): 정책(Policy)은 1단계 지연(one-step delay)(시간 $t$에서의 결정은 $t-1$까지의 데이터를 사용)이 적용된 오염된 관측치를 전달받는다. "오라클" 컨트롤러는 직접적인 잠재 그라운드 트루스 상태에 접근할 수 있으며, 이를 기준 베이스라인으로 삼는다.

평가 프레임워크:

• 쌍을 이룬 몬테카를로 시뮬레이션(Paired Monte Carlo Simulation): 공통 난수(Common Random Numbers, CRN)를 사용하여, 모든 정책을 동일한 외생적 조건(거주자, 온도 등) 하에서 평가함으로써 제어 결정의 효과를 격리한다.
• 스트레스 시나리오: 실험에는 정규 센싱, 드리프트 스윕(0× ~ 8× 정규치), 누락 스윕(0% ~ 20%), 결합된 드리프트-누락 그리드, 그리고 보지 못한 운용 분포 변화가 포함된다.
• 지표:
  • 결정 수준: 오라클과 비교한 결정 불일치율(DMR), 허위 개입률(FIR), 놓친 개입률(MIR).
  • 결과 수준: CO2 초과량, 에너지 소비량, 쾌적도 점수의 격차.
  • 후회(Regret): 다양한 효용 가중치(공기 질, 에너지, 쾌적도) 하에서 계산된 그라운드 트루스 후회(GTR).

평가된 정책:

• P0 (제어 없음): 베이스라인.
• P1 (오라클): 이상적인 참조 모델.
• P2 (Raw Sensor): 최신의 유효한 관측치를 사용하며, 데이터 누락 시 이전 동작을 유지한다.
• P3 (Filtered): 3개 샘플의 이동 중앙값(rolling median)을 사용한다.
• P4 (Fault-Aware): 이동 중앙값, 점프/범위 제거, 그리고 거주자 기반 폴백(fallback)을 결합한다.

3. 주요 기여

1. 아키텍처: 잠재 상태, 센서 오염, 제어 결정 사이의 엄격한 분리를 강제하며 1단계 정보 지연을 포함하는 그라운드 트루스 인지형 테스트베드.
2. 평가 프레임워크: 여러 스트레스 조건에 걸쳐 오라클 대비 성능을 비교하기 위해 CRN을 사용하는 쌍을 이룬 몬테카를로 방법론.
3. 다층 지표: 결정 수준의 불일치(DMR, FIR, MIR)와 물리적 결과 격차를 함께 보고하여, 이 두 계층이 선형적으로 비례하지 않음을 강조함.
4. 경험적 발견:
   • 센서 오류는 개별 제어 동작을 눈에 띄게 변화시킬 수 있지만, 총체적인 물리적 결과는 실질적으로 변화시키지 않을 수 있음.
   • 전처리 복잡성(예: 이동 중앙값)을 추가하는 것이 오라클과의 결정 일치도를 악화시킬 수 있음에도 불구하고 물리적 결과를 개선하지 못할 수 있음.
5. 방법론적 차별화: 본 논문은 "결정 불일치"가 "결과 저하"와 동의어가 아님을 확립한다.

4. 주요 결과

• 정규 성능: 정규 센싱 하에서, Raw Sensor 컨트롤러는 오라클과 결정 단계의 **2.59%**에서 불일치를 보였다. 그러나 결과적인 CO2 초과량 격차는 $-1.25 \times 10^{-4}$로 미미했으며, 95% 몬테카를로 구간은 $[-4.65 \times 10^{-3}, 4.69 \times 10^{-3}]$였다. 에너지 및 쾌적도 격차 또한 유사하게 유의미하지 않았다.
• 드리프트 민감도: 드리프트 심도가 8× 정규치까지 증가함에 따라, Raw Sensor의 결정 불일치는 **7.00%**로 상승했다. 이러한 결정 불일치의 증가에도 불구하고, 물리적 결과 격차(COло2, 에너지, 쾌적도)는 여전히 작았으며 사전에 선언된 실질적 발산 임계값 내에 있었다.
• 필터링 영향: "Filtered" 및 "Fault-Aware" 정책은 이동 중앙값에 의해 도입된 지연(lag) 때문에 정규 센서보다 현저히 높은 결정 불일치(정규 시 DMR $\approx$ 6.31%)를 보였다. 이러한 불일치 증가는 물리적 결과를 개선하는 것으로 이어지지 않았으며, 실제로 필터링된 정책은 Raw Sensor보다 약간 더 나쁜 쾌적도 점수를 보였다.
• 결합 스트레스: 드리프트와 누락의 4×4 그리드(48개 조합) 전체에 걸쳐, 어떠한 센서 기반 정책도 실질적 발산 임계값(DMR $\ge$ 0.10, $|\Delta CO_2| \ge$ 0.02, 또는 $\Delta Comfort \ge$ 1.0)을 넘지 않았다.
• 목적 함수 의존성: 그라운드 트루스 후회(GTR) 순위는 효용 가중치에 매우 민리하게 반응했다. 보편적으로 "최선"인 단일 정책은 없었으며, 공기 질, 에너지, 또는 쾌적도 중 무엇을 우선시하느냐에 따라 순위가 변했다.

5. 의의 및 주장

본 논문은 자신의 기여를 실제 건물 성능에 대한 주장이 아닌 방법론적 기여로 명시적으로 규정한다. 시뮬레이션은 합성된 것이며 특정 물리 시설에 맞춰 캘리브레이션(calibration)되지 않았다.

• 핵심 통찰: 주요 발견은 **결정 불일치와 결과 저하의 디커플링(decoupling)**이다. 평가된 임계값 제어 역학에서, 센서 오염은 제어 동작을 빈번하게 변경하지만, 물리 시스템의 관성과 제어 로직의 특성이 이러한 오류가 중요한 총체적 성능 손실으로 전이되는 것을 방지한다.
• 검증에 대한 시사점: 디지털 트윈의 강건성 평가는 관측 오류, 결정 불일치, 그리고 결과 저하를 세 가지 별개의 계층으로 보고해야 한다. 측정 정확도나 총체적 결과에만 의존하는 것은 시스템 강건성에 대해 오해를 불러일으킬 수 있는 결론을 도출할 수 있다.
• 전처리에 대한 주의: 본 연구는 더 복잡한 센서 처리(예: 이동 중앙값)가 반드시 더 강건한 것은 아니라는 "부정적 결과(negative result)"를 제공한다. 임계값 기반 제어에서는 이러한 필터가 결정 불일치를 증가시키는 위상 지연(phase delay)을 유발할 수 있다.

저자는 본 프레임워크가 선언된 모델 내에서 스트레스 상황 하의 컨트롤러 동작을 성공적으로 검증했지만, 실제 세계의 검증을 위해서는 매개변수 식별 및 측정된 건물 데이터에 대한 캘리브레이션이 필요하며, 이는 본 합성 연구의 범위를 벗어난다는 점을 밝히며 결론을 맺는다.