Accelerate
Your Digital Transformation
Accelerate
Your Digital Transformation

AI기반의 Hyper-Connectivity 빌딩 구현

AI기반의 Hyper-Connectivity 빌딩 구현

Building Management

클라우드 기반 통합 빌딩군 관리 플랫폼

4차 산업혁명의 키워드로 지칭되는 ‘Hyper-Connected’를 인공지능/클라우드/사물인터넷 등의 기술로 실제 구현하는 다양한 사례가 소개되고 광고되고 있습니다. 그러나 그중에서도 아직 세간의 관심이 덜하고 시장의 니즈나 규모조차 불분명한 영역 중 하나가 바로 ‘빌딩’입니다.

전통적으로 빌딩 영역은 OT(Operational Technology)라 칭하는 기술들이 지배해왔으며, 우리가 흔히 접하는 BAS(Building Automation System, 빌딩 자동화)/BEMS(Building Energy Management System)/FMS(Facility Management System, 설비관리)/HVAC(Heating, Ventilation, & Air Conditioning, 공조기술) 등은 대표적인 OT 용어 즉 전통적 기술 영역이라 할 수 있습니다.
2019년 2월 기준 전국 7,191,911동 건물 중 상업용 건물의 비중이 17.7%를 차지하고 있으며, 상업용 빌딩은 타 용도(주거용/공업용/교육 사회용 빌딩)에 비해 새로운 기술을 접목할 경우 그동안 알지 못했던 새로운 잠재적 효용 가치가 존재하는 시장입니다.

상업용 빌딩의 Hyper-Connectivity 구현을 통하여 얻고자 하는 잠재적 효용 가치 중 관심이 집중되는 영역은 크게 두 가지입니다.

첫째는 빌딩 전체가 사용하는 ‘에너지’ 총량을 줄여 얻을 수 있는 전기 요금 절감이라는 경제적 효과와 온실가스 배출 억제라는 사회적 효과를 도모하려는 일련의 시도들입니다. 이는 원전 축소, 석탄 발전 억제 등 전체적인 국내 전기요금 상승이 예측되고, 탄소배출권 거래제도 등 온실가스 감축 마인드가 확산됨에 따라 더욱더 요구되는 시장의 니즈입니다.
과거 대규모 초기 투자로 주요 에너지 설비의 대개체를 교체 실행하는 전통적인 BEMS와는 달리, 최근에는 빌딩 내 주요 관리 포인트에 IoT 기반의 통신 센서/디바이스를 설치하고 에너지 소비량을 측정/수집 및 AI기반의 데이터 분석으로 낭비되는 소비를 줄이는 솔루션을 제공하고 있습니다. 국내 시장은 슈나이더 일렉트릭, KT 등 대기업을 중심으로 빠르게 확산되고 있습니다.

측정 영역에서의 기술적 이슈는 측정이 필요한 관리 포인트에 설치되는 물리적 센서를 얼마나 저렴하게 만들 수 있느냐 하는 점과, 측정된 데이터를 어떤 통신 방식으로 클라우드나 중앙관제센터에 보내느냐 하는 것입니다. 전력/온습도 등 물리적인 센서는 기술 발전에 따라 가성비가 지속적으로 향상되고 있다. 특히 통신방식은 통상 Wi-Fi를 먼저 떠올리지만 빌딩 특성상 음영지역이 많고, 빌딩 자체에 인터넷 접속 장애가 발생하면 데이터 수집이 마비된다는 점을 고려하여 대안기술인 LPWA(Low Power Wide Area)라 불리는 저전력 원격전송기술이 선호되고 있다. 실제 엔텔스가 수원시의 100여 개 공공 빌딩에 제공한 서비스도 LTE Cat.M1 통신 모듈을 센서와 일체화시켜 제공되고 있습니다.

데이터 영역에서의 주요 이슈는 인공지능 영역으로 분류되는 전력수요예측 기술입니다. 통상 상업용 빌딩의 전기요금은 초기 한국전력과 약정한 계약전력을 이용하거나 송신 기능이 장착된 스마트미터를 장착한 빌딩일 경우에는 전년도 피크전력을 기준으로 산정합니다.
수원시 실증 사례를 보면 수원시 관할 38개 빌딩의 평균 소비 전력은 계약전력의 23~30% 수준으로 만약 계약전력을 피크전력의 150% 수준으로 하향 조정할 경우 수억 원 이상의 전기 요금 절감 효과를 가져올 수 있다는 시뮬레이션 결과를 보이고 있습니다. 이때 하향 조정된 소비전력이 계약전력을 초과됨으로써 발생되는 페널티 요금을 회피하기 위해 필요한 기술이 전력수요예측 기술입니다. 빌딩의 과거 데이터를 기초로 다양한 딥러닝 기술(CNN/RNN/LSTM 등)을 적용하여 15분/1시간/1주일 단위로 전력소비량을 예측하고 동시에 50여 개 빌딩을 감시하는 기술의 예측 정확도는 93% 수준입니다.

이외에도 빌딩 옥상이나 벽면에 설치된 태양광 패널(BIPV)을 통해 생산된 신재생에너지를 자체 에너지원으로 소비하거나, 주차장에 전기차 충전소나 충전기를 위하여 운용할 수 있다. 뿐만 아니라 한국전력에 판매하여 전기 요금을 상계할 수 있으며, 또는 현재 공장 중심으로 전개되는 DR(Demand Response, 전력수요반응) 프로그램에 참여하여 전력 감축 지시 이행에 따른 인센티브를 받거나, 인접한 타 빌딩에 판매하는 소규모 전력거래활동도 역시 경제성 확보를 위해 빌딩 공간에 접목되는 에너지 기술 적용 사례들입니다.

Building Management

두 번째로 중요한 영역이 이상 감지 또는 이상 징후 감지라 불리는 Anomaly Detection 기술입니다. 그 필요성을 쉽게 말하면 화장실 수도관이 파열되었는데, 한 달 후 수도요금 고지서를 받아본 후에야 수도관 파열이나 누수 여부를 인지하면 안 된다는 논리입니다.
주로 빌딩의 주요 열원설비나 기계 장치에 센서를 부착하고 수집된 데이터를 실시간으로 분석하여 설비나 장치의 이상 여부를 판단하는 기술로써, 통상의 머신러닝 방식은 데이터를 수집 저장하고 분석하여 이상을 판단하지만(Cold Path), 최근에는 머신러닝 단계를 생략하고 수집 단계에서 딥러닝 기술을 통해 실시간으로 이상 여부를 판단하는(Hot Path) 기술들이 등장하고 있다. 대표적인 방식으로 CEP(Complex Event Processing), RCF(Random Cut Forest), FDD(Fault Detection & Diagnosis), ODD(Outcome based Detection & Diagnosis)가 있습니다.
이에 대한 사례로 최근 노후화된 고압변압기로 인한 정전 사태를 방지하기 위해 수배전 설비에 센서를 설치하여 정전 위험도를 모니터링하거나, 저전압모터 외부에 멀티센서를 부착하여 모터의 정상 여부 및 고장 가능성을 감시하기도 합니다.

이 두 가지 영역 이외에도 실내공기질 관리, 주차관제, 디지털 사이니지, V2G, 입주자 Sub-Metering 기반 관리비 투명성 확보 등 추가적인 부가가치 및 편익 창출 기회가 빌딩 영역에 잠재되어 있습니다. 이해관계자들이 그동안 깨닫지 못했던 다양한 기회를 잡기 위해서는 빠르게 보편화되어가는 클라우드, 사물인터넷, 빅데이터 분석 기술보다는 궁극적인 가치 창출 원천이 되는 인공지능(감시 지능, 진단 지능, 분석 지능, 예측 지능) 기술이 자연스럽게 시장과 접목이 되어야 할 것입니다.

NTELS
Scroll Up