1. 서 론
1.1. 연구 배경
1.2. 연구 목적
2. VRF 시스템과 극값탐색제어
2.1. VRF 시스템 실외기 에너지 소비 특성
2.2. 극값탐색제어 알고리즘
3. 연구방법
3.1. 실증 대상 건물 및 시스템
3.2. ESC 제어 알고리즘 구현
3.3. 실증 방법 및 절차
4. 연구 결과 및 분석
4.1. ESC 적용에 따른 실외기 운전 특성 변화
4.2. ESC 시뮬레이션 결과
4.3. 에너지 소비 및 COP 분석
4.4. 외기온도를 고려한 COP 분석
4.5. 실내 온열 환경 변화
5. 결 론
1. 서 론
1.1. 연구 배경
전 세계적으로 건물 부문은 상당한 양의 에너지를 소비하고 있으며, 그 중 에서도 HVAC(Heating, Ventilation, and Air Conditioning) 시스템이 차지하는 비중은 약 40%에 달해 건물 에너지 효율화의 핵심적인 연구 대상으로 주목받고 있다(González-Torres, Pérez-Lombard, Coronel, Maestre, & Yan, 2022). 이러한 배경 속에서 가변 냉매 유량(Variable Refrigerant Flow, VRF) 시스템은 기존의 중앙 공조 방식 대비 높은 에너지 효율과 개별 제어의 장점을 바탕으로 상업 및 교육용 건물에서 빠르게 확산되고 있다(Wang, Lu, Adetola, & Louie, 2024; Lyu et al., 2025).
VRF 시스템은 1982년 일본에서 처음 개발된 이래, 하나의 실외기(Outdoor Unit)에 여러 대의 실내기(Indoor Unit)를 연결하여 각 실내기로 공급되는 냉매 유량을 부하에 따라 정밀하게 제어하는 방식으로 운전된다(Thornton & Wagner, 2012). 이러한 특징은 재실자의 쾌적성을 높이는 동시에, 불필요한 에너지 소비를 줄일 수 있어 학술적, 산업적으로 높은 평가를 받고 있다. 실제로 VRF 시스템 시장은 아시아를 중심으로 꾸준히 성장해 왔으며, 전 세계적으로도 높은 성장률을 기록하고 있다(Kobayashi, Shiochi, Suzuki, & Shimoda, 2023). 이처럼 VRF 시스템의 보급이 확대됨에 따라, 시스템의 효율을 더욱 극대화하기 위한 최적 운전 및 제어 전략의 필요성 또한 중요해지고 있다(Qian, Yan, Hong, & Liu, 2021).
하지만 VRF 시스템은 그 잠재적 효율성에도 불구하고, 제어 방식의 한계로 인해 운전 효율을 극대화하지 못하고 있다. 컨트롤러는 대부분 전자팽창밸브, 압축기, 팬 등의 로컬 루프를 통해 고정된 설정값이나 미리 정해진 운전 곡선(외기온도 보상 곡선 등)을 참고하도록 설계되어 있다. 이러한 방식은 시스템 전체의 총 전력 소비량 최소화를 직접적인 제어 목표로 설정하기 어려우며, 시스템 제조사별 비공개 제어 로직과 다중 실내기 사이의 강력한 상호결합으로 인해 최적화에 사용할 수 있는 제어 변수 또한 제한적이다(Qiao, Laughman, Burns, & Bortoff, 2017; Wang et al., 2023).
VRF 시스템의 운전 효율을 최적화하는 설정값은 실내 부하, 외기 조건 및 부분 부하율(Part Load Ratio)에 따라 매 시각 변동한다. 이로 인해 고정된 설정값은 시스템의 부분 부하 조건에서의 실제 최적 설정값과 에너지 소비량 차이를 발생시킨다. 이러한 복잡성을 해결하기 위해 정밀한 물리 모델 기반의 최적화를 시도할 수 있으나, 다중 실내기, 긴 배관 네트워크, 상호결합 등을 수학적으로 완벽히 구현하고 보정 및 검정을 통해 신뢰도를 높이는 것은 많은 비용과 시간의 투자가 요구되며, 제어 로직의 불투명성으로 인해 현장 적용이 제한된다(Zhang et al., 2015).
이러한 제약과 한계를 극복할 수 있는 대안으로 극값탐색제어(Extremum Seeking Control)가 주목받고 있다. ESC는 시스템에 대한 정밀한 수학적 모델 없이(model-free), 실제 측정된 피드백(소비 전력 등)만을 이용해 실시간으로 최적점을 탐색하므로 기존 제어 방식이 갖고 있는 제약을 일부분 극복할 수 있다. ESC는 이미 공조기 외기 냉방, 히트펌프, 냉각탑-냉동기 연동 운전 등 다양한 HVAC 시스템에 적용되어 그 효과가 확인되었다(Li, Li, & Seem, 2010; Mu, Li, House, & Salsbury, 2017; Wang, Li, & Hu, 2020). 또한, VRF 시스템을 대상으로 ESC를 적용하여 시뮬레이션 환경에서 그 잠재적 효과를 입증한 선행 연구도 존재하지만(Yang, Wang, & Turney, 2018), 실제 운영 중인 건물의 VRF 시스템에 일정기간 동안 ESC 알고리즘을 직접 적용하여 그 성능을 확인한 연구 사례는 여전히 부족한 상황이다.
1.2. 연구 목적
본 연구는 시뮬레이션 기반 연구의 한계를 극복하고자, 실제 운영 중인 건물에 설치된 VRF 시스템에 ESC 알고리즘을 직접 적용하고, 그 성능을 수집된 실증 데이터를 기반으로 정량적으로 검증하는 것을 목적으로 한다. 연구에서는 에너지 효율 및 전력 소비량과 같은 정량적 지표를 비롯해, 실내 온도 데이터 분석을 통해 제어 알고리즘이 실내환경에 미치는 영향까지 종합적으로 평가하고자 한다. 이를 통해 본 연구는 ESC 기반 VRF 시스템 최적 제어 기술의 실제적 효용성과 현장 적용 가능성을 입증하고, 향후 제로 에너지 빌딩 구현을 위한 핵심 기술로서의 잠재력을 제시하고자 한다.
2. VRF 시스템과 극값탐색제어
2.1. VRF 시스템 실외기 에너지 소비 특성
VRF 시스템의 실외기가 소비하는 총에너지는 시스템의 핵심 동력원인 압축기와 실외 팬의 전력 소비량의 합으로 결정된다. 이 총 전력 소비량은 고정된 값이 아닌, 냉방 운전 시의 응축 압력(Discharge Pressure)이나 난방 운전 시의 증발 압력(Suction Pressure) 등 주요 운전 변수에 따라 계속해서 변화하는 특성을 가진다(Yang et al., 2018).
특정 냉방 부하 및 외기 조건 하에서, 응축 압력을 변화시켜보면 실외기의 총 전력 소비량은 일반적으로 'V'자 형태의 곡선을 나타낸다. 이는 시스템의 총 전력 소비량을 최소화하는 최적의 응축 압력 지점이 존재함을 의미한다. 하지만 이 최적점은 실내 부하, 실외기 주변의 대기 온도 등 다양한 운전 조건에 따라 끊임없이 변동하기 때문에, 단순히 압력 값을 고정하거나 압축기 속도와 외기온도의 함수로 계산하는 일반적인 제어 방식으로는 모든 운전 영역에서 최적 효율을 달성하기 어렵다. 특히 부분 부하 조건에서는 기존 제어 방식과 최적 운전점 사이의 간극이 커져 에너지 비효율이 발생할 수 있다(Yang et al., 2018).
2.2. 극값탐색제어 알고리즘
극값탐색제어는 Figure 1과 같이 물리적 시스템에 대한 정밀한 수학적 모델 없이도 실시간으로 최적 설정값을 찾아가는 적응 제어(adaptive control) 기법이다. VRF 시스템처럼 복잡하고 비선형적인 시스템의 에너지 효율을 최적화하는 데 매우 효과적인 접근법을 제시한다(Krstić & Wang, 2000).
연구에 적용된 ESC의 기본 원리는 다음과 같다. 입력 u에 소진폭 교란 𝑎sin(𝜔𝑡)를 더해 물리 시스템(Physical System)에 전달하고, 출력 y로부터 Cost 블록에서 성능지표 J(전력 소비량)를 계산한다. J는 고역통과필터로 Direct Current 성분이 제거된 뒤 기준 신호 sin(𝜔𝑡)와 곱셈(동기 복조)되어 ρ가 되고, 저역통과필터를 통과해 DC성분 ξ를 추출한다. ξ는 적분기를 통해 천천히 변화하는 최적 입력 추정치 û을 갱신하며, 최종 입력 u = 𝑎sin(𝜔𝑡)로 구성된다(Krstić & Wang, 2000).
이러한 방식은 시스템의 특성이 변하더라도 별도의 모델링이나 복잡한 작업 없이 제어기 스스로 최적점을 찾아갈 수 있다는 장점이 있어, 다양한 운전 조건에 놓이는 VRF 시스템에 매우 적합하다(Yang et al., 2018).
3. 연구방법
3.1. 실증 대상 건물 및 시스템
본 연구의 실증 대상 건물은 대한민국 서울에 위치한 교육시설로 Figure 2와 같다. 실증 대상 건물은 1972년에 완공되었고, 2016년에 리모델링을 완료한 지하1층 및 지상 5층, 연면적은 약 6,000 m2 규모의 건물이다. 대상 건물은 업무공간, 회의실, 라운지 및 휴게공간, 연구실, 피트니스 공간 등으로 구성되어 학습, 연구, 협업 등을 위한 건물이다. 해당 건물의 HVAC 시스템은 주 냉난방 설비로 VRF 시스템이 적용되어 있고, 환기를 위한 전열교환기가 설치되어 있다. 건물에는 총 15대의 실외기와 137대의 실내기가 설치되어 운영되고 있다. 실내기는 실내의 각 공간에서 실제 사용자가 관리자가 설정한 제한된 온도 범위안에서 실내에 설치된 유선 리모컨을 통해 운전 방식, 온도, 풍량 등을 자유롭게 제어한다.
실내기는 1-way, 4-way, PAC(Packaged Air Conditioners)의 3가지 유형이 설치되었다. 실증 대상 건물에서 실증 대상 공간은 실외기(냉방전용) 1대에 2대의 실내기(PAC 유형)가 연결된 변전설비와 발전기가 설치된 비재실 공간으로 연중 동일한 설정값(온도, 풍량)으로 제어된다. 실증 대상 공간의 실외기 및 실내기 사양은 Table 1 및 2와 같다.
Table 1.
Outdoor unit specification
Table 2.
Indoor unit specification
| Reference capacity [kW] | Fan | Power input [W] | ||
| Cooling | Type | Airflow rate | Motor power [W] | Cooling |
| 14.5 | Sirocco Fan | 33(High)/30(Mid)/27(Low) | 100 | 550 |
3.2. ESC 제어 알고리즘 구현
VRF 시스템 – DMS(Data Management Server) – BMS(Building Management System) – 전력량계의 구성도는 Figure 3과 같다. VRF 시스템의 제어 구조는 DMS나 BMS에서 전원 및 제어값(온도, 풍량)을 변경하게 되면 해당 명령이 실외기에 전달되고, 실외기는 그 명령을 다시 실내기로 전달하게 된다. 실시간 ESC의 구현 및 성능 분석을 위한 전력량계는 실외기 측 분전반에 설치되었고, 중계기를 통해 실시간으로 BMS에 전달되게 된다.
본 연구의 ESC 알고리즘은 Figure 4와 같다. 알고리즘은 외부 프로그래밍 환경(MATLAB/Python)에서 구현되었으며, 이전에 설명한 BMS와의 연동을 통해 실외기 제어에 상위로 개입한다. 알고리즘은 실증 대상 실외기의 전력 소비량 데이터를 지속적으로 모니터링하고, 에너지 소비 최소화를 목표로 최적 냉매 증발온도 설정값인 u를 실시간으로 도출한다. 알고리즘에서 계산된 u는 BMS를 통해 DMS를 거쳐 실외기에 전달되며, 명령을 전달받은 실외기는 이를 새로운 제어값으로 받아 설정값에 수렴하도록 제어한다.
3.3. 실증 방법 및 절차
ESC 알고리즘의 에너지 절감 효과를 객관적으로 검증하기 위해 다음과 같은 절차에 따라 실증을 진행하였다.
실증은 Figure 5와 같이 8월 1일부터 30일까지 수행하였다. ESC를 통해 실외기를 제어했을 때의 성능을 확인하기 위한 비교대상 시나리오는 냉매 증발온도 8C(Baseline) 고정제어로 진행했다. 실증을 시작하는 1일에는 ESC 초기모델을 적용하고, 다음날은 Baseline 적용하고, 그 다음날 부터 ESC와 Baseline을 교차 적용하는 방식으로 진행하였다. 또한 ESC는 시뮬레이션 데이터와 시스템 운전 데이터를 바탕으로 주요 변수(𝛼, 𝜔, k)와 두 필터의 cut-off frequency(wh, wl)를 지속적으로 업데이트하며 진행하였다.
ESC 알고리즘의 성능에 대한 정확한 분석을 목적으로 VRF 시스템의 실내기 및 실외기로부터 10분 간격으로 상세한 운전 데이터를 수집하였다. 데이터 수집은 DMS를 거쳐 BMS를 통해 이루어졌고, 실외기, 실내기, 실외기 전력 소비량에 대한 데이터를 수집하였다.
BMS를 통해 수집되는 실외기 및 실내기의 운전 데이터 목록은 Table 3 및 4와 같다.
Table 3.
Outdoor unit operation data items (Lee, Song, & Song, 2021)
Table 4.
Indoor unit operation data items (Lee, Song, & Song, 2021)
4. 연구 결과 및 분석
4.1. ESC 적용에 따른 실외기 운전 특성 변화
ESC 알고리즘이 실제 시스템 운전 변수를 효과적으로 제어했는지 확인하였다. Figure 6은 실증 기간 동안의 외기온도, 냉매 증발온도 및 냉매 저압의 변화를 보여준다.
Baseline 운전에서는 냉매 증발온도가 약 8°C로 비교적 일정하게 유지되는 반면, ESC 적용 구간에서는 부하 조건에 따라 시스템의 최적점을 탐색하며 증발온도를 8°C에서 최대 14°C까지 동적으로 상향 조정하는 것을 명확히 확인할 수 있다. 특히, 외기온도가 낮아지는 시간대에 ESC가 증발온도를 적극적으로 14°C까지 상향 조정하고, 반대로 외기온도가 높은 시간대에는 증발온도를 다시 8~10°C 수준으로 낮추는 패턴을 나타냈다. 이는 ESC 알고리즘이 시스템의 에너지 소비를 최소화하기 위해 핵심 운전 변수인 냉매 증발온도를 성공적으로 제어하고 있음을 보여준다.
4.2. ESC 시뮬레이션 결과
Figure 7과 8은 각각 8월 5일과 8월 19일의 시간대별 전력 소비량과 그에 따른 ESC가 제안한 증발온도 값의 변화를 나타낸다.
Figure 7과 8 모두에서 공통적으로, 시간대별 전력 소비량과 시스템의 증발온도 설정값 사이에는 뚜렷한 반비례 관계가 관찰되었다. 전력 소비량이 낮아지는 구간에서는, 증발온도가 높아지는 경향이 나타났다. 반대로, 전력 소비량이 높아지는 구간에서는 증발온도가 낮게 유지되는 경향을 보였다. 이러한 패턴은 서로 다른 8월 5일과 8월 19일 모두에서 일관되게 나타났으며, 특정 시점에서는 증발온도가 최대 14°C까지 상승하는 모습이 확인되었다.
4.3. 에너지 소비 및 COP 분석
ESC 적용에 따른 에너지 절감 효과와 운전 효율성을 정량적으로 평가하기 위해, 실내기 1과 2의 합산 부하 구간별 에너지 소비량과 COP(Coefficient of Performance)를 비교 분석하였다.
Figure 9는 Baseline과 ESC의 실내기 1과 2의 합산 부하 구간별 총 전력 소비량을 비교한 결과이다. 6~7kW 및 7~8kW의 중간 부하 구간에서 ESC를 적용했을 때 전력 소비량이 각각 약 46%, 60% 크게 감소하는 효과가 나타났다. 반면 4~6kW의 저부하 구간에서는 ESC 운전 시의 소비량이 다소 높게 나타났는데, 이는 효율이 높은 상태에서 운전 시간이 길어졌기 때문으로 생각된다.
Figure 10은 Baseline과 ESC의 실내기 합산 부하 구간별 평균 COP를 비교한 결과이다. COP는 실내기 2대의 합산 부하를 실외기 전력 소비량으로 나누어 계산하였다. Figure 10에서 볼 수 있듯이, 4~10kW의 대부분의 부하 구간에서 ESC 운전 시의 평균 COP가 Baseline 대비 높게 나타났다. 특히 에너지 소비량이 높았던 4~5kW 저부하 구간에서는 평균 COP가 0.742에서 1.5로 두 배 이상 높게 나타났다. 이는 ESC가 시스템을 훨씬 더 효율적인 설정값을 제안하였고, 동일한 냉방을 공급하기 위해 훨씬 적은 에너지를 사용했음을 의미한다. 결과적으로 ESC는 시스템의 운전 효율을 전반적으로 향상시키는 것을 확인하였다.
4.4. 외기온도를 고려한 COP 분석
본 연구의 에너지 절감 효과가 ESC 제어 알고리즘에 의한 것인지, 혹은 외기 조건의 차이에 의한 것인지 명확히 분석하기 위해, 외기온도를 기준으로 Baseline 운전과 ESC 운전의 성능계수(COP)를 비교하였다.
Figure 11은 결측치와 이상치를 제거한 실증 기간 전체의 COP 데이터를 외기온도에 따라 나타낸 그래프이다. Baseline과 ESC 운전 모두 약 22~38°C의 넓은 외기온도 범위에서 운전되었다는 것을 확인할 수 있으며, 이는 두 운전 방식의 비교가 동일한 외기온도에서 이루어졌음을 의미한다. 관측 밀도는 26~32°C 구간에 집중되어 있고, 낮은 온도(24°C 미만) 및 높은 온도(35°C 초과)구간은 표본이 상대적게 나타났다. 중간 외기 구간에서 ESC의 COP 분포 중앙값이 Baseline 대비 다소 상향된 구간이 관찰되었다.
실제 운전 데이터의 변동성이 크기 때문에, 경향성을 명확히 비교하기 위해 1°C 외기온도 구간별 COP의 중앙값(Median)을 Figure 12로 나타냈다.
분석 결과, 약 24°C 이상 대부분의 외기온도 구간에서 ESC의 COP 중앙값이 Baseline보다 높게 나타났다. 이는 동일 외기 조건에서도 ESC 알고리즘이 운전점을 보다 효율적인 영역으로 유도했음을 의미한다. 다만 22~24°C 및 35~36°C처럼 표본 수가 적은 구간에서는 변동성이 크게 나타났다.
4.5. 실내 온열 환경 변화
실시간 최적제어 기법을 HVAC 시스템에 적용했을 경우에는 사용자의 쾌적성을 저하시키지 않으면서 실내환경은 적절히 유지해야 한다. 이를 확인하기 위해 ESC 적용 기간 동안 실내 온도가 안정적으로 유지되었는지 분석하였다.
Figure 13은 실증 기간 동안 두 실내기(IDU1, IDU2)의 실내 온도 변화를 나타낸다. 그래프에서 각각의 선은 설정온도(24.0°C/21°C), 상한온도(25.0°C/24°C)를 의미한다. 결과적으로 ESC가 적용된 날과 Baseline 운전일 모두에서, 실내 온도가 설정된 쾌적 범위(24.0°C ± 1°C) 내에서 매우 안정적으로 제어되었음을 확인할 수 있다. 이는 ESC 알고리즘이 실외기의 냉매 증발온도를 동적으로 변경하며 에너지 효율을 최적화하는 과정에서도 실내 온도 제어 성능을 저하시키지 않고 안정적인 온열 환경을 제공했음을 의미한다.
5. 결 론
본 연구는 실제 운영 중인 건물에 설치된 VRF 시스템에 실시간 model-free 제어기법인 극값탐색제어(ESC) 알고리즘을 통해 실외기를 제어하고, 그 효과를 실측 데이터를 통해 종합적으로 검증하였다. 본 연구를 통해 도출된 주요 결과는 다음과 같다.
첫째, ESC 알고리즘은 실제 VRF 시스템의 운전 환경에서 성공적으로 작동하였다. 실시간으로 변동하는 실내 부하에 대응하여 시스템의 냉매 증발온도를 8°C에서 최대 14°C까지 동적으로 상향 조정하며 운전점을 최적화하는 것을 실제 운전 데이터를 통해 확인하였다.
둘째, ESC 알고리즘 적용을 통해 시스템의 에너지 효율(COP)이 전반적으로 높게 나타났다. 특히 4~5kW의 저부하 구간에서는 평균 COP가 Baseline 대비 두 배 이상 높게 나타났으며, 대부분의 부하 구간에서 효율 개선 효과가 뚜렷하게 나타났다. 이는 시스템이 동일한 냉방을 공급하기 위해 더 적은 에너지를 사용했음을 의미하며, 실제 총 전력 소비량 또한 중간 부하 구간에서 최대 60%까지 감소하는 결과로 이어졌다.
셋째, 본 연구의 에너지 및 시스템 효율 향상이 단순히 유리한 외기 조건에 따른 결과가 아님을 외기온도 기반 교차 검증을 통해 확인하였다. Baseline과 ESC 운전 모두 약 22~38°C의 동일하고 넓은 외기온도 범위에서 운전된 것을 확인하였으며, 1°C 구간별 COP 중앙값 비교 결과 24°C 이상의 대부분의 외기 구간에서 ESC의 COP가 Baseline 대비 높게 나타났다.
넷째, 에너지 효율을 최적화하는 과정에서도 실내 온열 환경은 안정적으로 유지되었다. ESC 적용일과 기존 운전일 모두에서 실내 온도는 설정된 쾌적 범위 내에서 안정적으로 제어되었으며, 이는 ESC 알고리즘 방식이 사용자의 쾌적성을 저해하지 않음을 실증적으로 증명했다.
기존의 시뮬레이션 기반 연구가 가지는 한계를 넘어, 실제 운영 중인 건물에 실시간 최적 제어 알고리즘을 적용하고 그 효과를 실증 데이터로 검증했다는 점에서 가장 큰 의의가 있다. 이를 통해 ESC가 VRF 시스템의 에너지 절감을 위한 현실적이고 실용적인 해결책이 될 수 있음을 입증하였다. 또한, 에너지 절감 효과와 실내 쾌적성 유지를 동시에 정량적으로 확인함으로써, 해당 기술의 실제 현장 적용 가능성에 대한 신뢰도 높은 근거를 제시하였다.
다만, 본 연구는 특정 지역, 기간, 건물에 한정되어 진행되었다는 한계를 가지며, 이를 보완하기 위해 추후에는 다음과 같은 사항들을 고려한 연구 진행이 필요하다. 먼저, 계절 변화에 따른 난방 및 혼합(냉방, 난방, 송풍, 제습 등) 운전 모드에서의 장기적인 데이터 수집 및 분석을 통해 알고리즘의 연간 에너지 절감 효과를 종합적으로 평가할 필요가 있다. 또한, 다양한 용도 및 규모의 건물, 혹은 다른 기후대의 지역에 연구에서 활용한 알고리즘을 확대 적용하여 다양한 조건에서의 성능을 검증하는 연구가 필요하다. 마지막으로, 실내 온도(건구온도)를 쾌적성의 주요 지표로 삼았으나, 증발온도 상향이 실내 습도에 미치는 영향에 대한 심층적인 분석은 현실적인 한계로 이루어지지 않았다. 향후 연구에서는 잠열 부하 처리 능력과 실내 습도 변화를 함께 분석하여 보다 포괄적이고 종합적인 쾌적성 평가를 수행할 필요가 있다.
