KITECH 생산기술 전문지

지역난방은 특정 지역이나 건물 전체에 열전달을 기반으로 설계된 난방 시스템으로, 지역 사용자의 열 수요에 대응하기 위한 열 분배 네트워크 시스템을 사용하며, 버려지는 지역 연료 또는 열 자원을 활용하고 있다. 지역난방에 적합한 열 수요는 주거, 공공, 상업건물에 대한 난방과 급탕 등이 있으며, 이 중 급탕은 수요처에 신속하게 온수를 공급하기 위한 지역난방 시스템의 부속 시스템이다. 급탕 수요는 계절적 변화뿐만 아니라 요일별·시간대별로 부하 패턴의 변동성이 심하고, 이로 인해 지역난방 시스템의 안정적인 수급 관리와 적정 수준의 효율성 확보에 어려움이 따른다. 따라서 지역난방 열 공급의 최적 제어를 위해서는 열 생산부터 열 운송 및 분배 시스템까지의 전주기 통합 제어가 필요하며, 공동주택 단위의 열수요 예측을 통하여 열원 생산원가 낭비 및 분배 과정에서의 손실을 최소화할 수 있다. 열원 공급설비의 최적 운영과 열에너지 저장 시스템(Thermal Energy Storage, TES)의 제어 및 피크 부하 절감을 위한 열 수요 예측 기술은, 최근 기온과 일사량 등 다양한 기상 데이터를 활용한 회귀 및 시계열 분석, 딥러닝 등 기계학습 기반 AI 예측 모델의 고도화와 함께 활발히 연구되고 있다. TES 제어란 원하는 온도영역에서 열을 저장하고 방출하는 축열·방열 운전을 말하고, 이를 통해 열원 설비의 부하를 평탄화하고, 과부하 또는 과잉 설비 운전을 방지하는 효율적인 운영 방식을 의미한다. TES의 축·방열 운전은 예측된 열 수요량을 바탕으로 필요한 만큼만 열을 저장한 뒤, 피크 부하 저감과 열 공급 효율 향상을 위해 실제 열 사용량과 시간대에 맞춰 방열을 수행한다. TES의 최적 운전을 달성하기 위해서는, TES가 적용된 공동주택의 열사용 패턴에 대한 실증 운전 데이터를 기반으로 예측 모델을 구현함으로써, TES의 적정 용량 설계 조건을 확보하고 정량 축열 운전을 통해 공간적 제약 해소 및 경제적 효과를 기대할 수 있다. 본 글에서는 TES 연계 지역난방 급탕 공급 운전의 효율성 제고를 위하여, TES가 설치된 공동주택의 급탕 열사용 실측 데이터를 기반으로 개발한 기계학습 예측 모델의 분석 결과를 소개하고자 한다.

키워드 지역난방, 급탕 수요예측, 기계학습, 심층 신경망, 열에너지저장시스템