Research Article

Journal of the Korean Solar Energy Society. 30 August 2023. 43-54
https://doi.org/10.7836/kses.2023.43.4.043

ABSTRACT


MAIN

  • 1. Introduction

  • 2. Literature review

  • 3. Methodology

  • 4. Results and Discussion

  •   4.1 Architecture characteristic

  •   4.2 Building energy characteristic

  • 5. Conclusions

1. Introduction

우리나라는 전세계 유례없는 빠른 경제 성장을 이룸과 동시에 도시 개발과 주택난 해결을 위해 상당수의 고층 아파트가 건설되었다. 경제 성장과 함께 아파트의 건설비율도 꾸준히 증가하여 주거 유형의 75%를 차지하고 있으며 현재도 아파트 건설 비율은 증가하고 있다1). 이러한 아파트의 증가는 건물의 탄소 배출 저감 전략에 있어 큰 비중을 차지한다2). 한국은 2025년부터 30세대 이상의 신축 공동주택의 경우 ZEB 인증 의무화 대상으로 포함된다3). 기축의 경우 노후 아파트를 대상으로 외피 성능향상, 고효율 냉난방 장치 교체 등 에너지 성능 개선을 위한 그린 리모델링 정책이 활발히 추진중이다4). 에너지 사용 및 탄소 배출 저감 전략 수립에 있어 신축과 기축의 모든 아파트 건물에 대한 연구에 주목할 수밖에 없는 실정이다. 이러한 에너지 사용이나 탄소 배출량 저감 예측을 위해서 건물 에너지 모델링과 시뮬레이션은 필수적으로 사용되며, 적절한 방법론과 툴 선정이 중요하다. 건물 에너지 예측과 분석을 위한 다양한 모델링 기법들이 존재하고, 큰 범위에서 데이터 기반(data- driven model), 물리 기반(physics-based model), 또는 혼합된 형태(hybrid model)의 건물 에너지 모델링 방법론이 사용된다. 이 연구에서는 물리 기반의 건물 에너지 시뮬레이션을 중심으로 적용할 수 있는 입력데이터를 검토하고 분석하는 데 가정을 둔다. 건물 에너지 분석을 위해 많은 연구자들은 물리 기반 건물 에너지 시뮬레이션(physics-based whole building energy simulation) 툴을 선정하고 건물 에너지 사용과 생산에 관한 예측/분석에 활용한다. 대표적인 물리 기반 건물 에너지 툴의 종류로는 eQUEST, Energy Plus, TRNSYS, ESP-r 등이 있으며 이러한 시뮬레이션 툴을 활용하여 직접 모델링하거나 툴에서 제공되는 레퍼런스 모델을 활용한다. 또한 부하 스케줄, HVAC system등 부하 분석에 필요한 건물 유형별 다양한 입력 요소 등도 제공되어 사용자가 쉽게 시뮬레이션 분석을 할 수 있다.

그러나 제공되는 Prototype 모델과 입력 정보는 ASHRAE나 IECC 기준을 반영한다. 국내 건물 에너지 환경을 중심으로 더 정확한 분석을 위해서는 각 지역의 건물특징을 반영한 추가 보정작업이 필요하다. 연구자는 시뮬레이션 예측과 실측사이의 오차를 줄이기 위해 다양한 영향 요소들을 파악하여야 한다. 다양한 문헌조사 결과에 따르면 실측과 예측간의 오차는 평균 2배 이상으로 해당 문제에 대하여 많은 연구자들이 지적하고 있다5,6,7). 그러나 한국형 아파트 건물에 대한 환경적, 물리적, 에너지 측면 등에 대한 다각적인 연구는 여전히 미흡하다. 따라서 본 연구는 한국형 공동주택의 대표유형인 아파트를 대상으로 에너지 시뮬레이션 프로토타입을 만들기위한 선행 연구이며 아파트 건물의 물리적 형태와 에너지 사용 특성을 분석하는 것을 목적으로 한다. 한국형 아파트 모델링 보정에 필요한 일반적인 통계 자료를 제공하고 실측과 예측간의 건물 에너지 분석 격차 최소화를 위한 아파트형 건물 에너지 모델링 방향을 제시하고자 한다.

2. Literature review

건물 모델링 및 분석을 위해 고려해야 할 사항은 환경요인부터 사회적 요인까지 매우 광범위하다. 건물의 구조, 물리적 특성, 운영 및 이용 행태 등 다양한 요인에 대한 상세한 분석이 필요하며 이를 통한 모델 보정 및 정교화 작업이 매주 중요하다. 이에 관련한 선행 연구 논문을 살펴보면, Hong et al.8)은 저층 오피스 빌딩 프로토타입 개발을 위해 현장조사 기반 performance index system (PIS)을 이용한 방법론을 개발하였다. 건물 방위, 층수, 창 비율, 건축 연도 등 다양한 데이터를 활용하였다. Deng et al.9)은 건물의 도시 미기후 및 에너지 소비에 대한 건물 배치의 영향을 조사를 통해 정량적 상관관계를 도출하였다. Huebner et al.10)Mata et al.11)은 국가 건물에 대한 광범위한 샘플 데이터를 통해 건물 특성에 대한 정확성을 도출할 수 있음을 강조하였으며. Papadopoulos et al.12)은 에너지 공개 데이터를 활용한 도시 별 에너지 성능 등급 시스템 개발을 위한 방법론을 제시하였다. 따라서 본 연구 또한 통계 데이터를 활용한 대규모 실측데이터를 활용하였으며 문헌고찰을 통해 건물 모델링 및 보정에 관한 주요 항목들을 도출하였다.

3. Methodology

본 연구의 흐름은 Fig. 1과 같이 크게 2단계로 구성된다. 먼저 모델링 보정을 위한 핵심 요소에 대한 항목을 분류하고 상기 문헌 조사를 통해 세부 항목들을 결정하였다. 건물 형태의 대표적인 특징을 도출하기위해 건물의 층수, 세대 전용면적 유형, 주동 형태 등을 주요 분석 항목으로 선정하였다. 또한 국내 아파트의 난방 방식은 실제 거주자의 기호에 따라 선택되는 냉방 방식과 달리 대부분 지역 여건에 따라 아파트 건설 계획 단계에서 결정되는 요소이기 때문에 주요 분석 항목으로 선정하였다. 건물 에너지 특징 분석 항목으로는 국내 아파트를 기준으로 전력 소비량과 가스 소비량을 분석 항목으로 선정하였다. 특히 그 동안 자료 수집의 한계 등으로 연구가 부족했던 아파트의 공용부하와 세대부하에 대한 분석도 수행하였다. 관련 연구를 위해 다양한 방식과 형태의 데이터를 활용하였다. 공동주택 통계자료의 경우 국토교통 통계누리(https://stat.molit.go.kr/) 제공 자료이며 공동주택의 전력 사용량에 관한 상세 자료의 수집은 K-apt (http://www.k-apt.go.kr/) 및 공공데이터 포털(https://www.data.go.kr/) 사이트 제공 자료를 활용하였다. 추가 실측데이터의 경우 아파트의 시간별 에너지 사용 프로파일분석을 위해 대전지역의 아파트단지 데이터를 활용하였다. 또한 월별 수기 기록물과 관리비 청구서 등을 통해 공용부하와 세대부하의 비율을 분석하였다. 그 외 신축 공동주택의 건축 경향 파악 및 대표적인 건물 형태에 대한 분석을 위해 한국주택토지공사(LH)에서 제공받은 67개의 임대 및 분양 아파트 단지의 도면을 분석하였다. 가스소비량의 경우 한국도시가스협회(http:/www.citygas.or.kr/) 제공 월별 도시가스 사용량 자료를 활용하였다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F1.jpg
Fig. 1.

Methodology for development of reference buildings

4. Results and Discussion

4.1 Architecture characteristic

건축법 시행령13)에서 정의하고 있는 ‘아파트’란 주택으로 쓰는 층수가 5개 층 이상인 주택을 말한다. 층수의 경우 해당 지역의 스카이라인 기준 및 도시계획에 따라 달라질 수 있다. 따라서 지역마다 다양한 층수의 아파트들이 존재하며 이에 대표적인 평균 층수를 파악하고자 분석을 수행하였다. Fig. 2는 전국 10,753,343 가구의 통계 자료를 바탕으로 5층, 15층, 20층, 25층 이상에 각각 해당하는 전국 아파트에 대한 통계 결과이다. 부산, 세종, 울산, 제주지역을 제외한 모든 지역에서 15층으로 구성된 아파트가 평균 25.7%로 가장 많은 것으로 분석되었다. 부산과 울산의 경우 25층이상의 고층 아파트 건물이 가장 많은 지역으로 분석되었고, 제주도의 경우 5층 아파트가 22.4%, 15층 건물은 4.3%로 저층 아파트가 많은 것으로 분석되었다. 그 외 층수(6층 ~ 14층, 16층 ~ 19층, 21층 ~ 24층)의 경우 모든 층수에 대하여 평균 2%~3% 사이의 비율을 보여 비중이 매우 낮음을 확인하였다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F2.jpg
Fig. 2.

Regional number of apartment floors ratio

Fig. 3은 국내 아파트의 10,426,137호에 대한 지역별 난방 방식 통계 결과이다. 분석결과 가장 많이 적용된 난방 방식은 가스보일러(개별난방)로 세종시를 제외한 모든 지역에서 가장 높은 것으로 분석되었다. 특히 울산의 경우 91.7%로 가장 높았다. 다음으로 지역 난방이 주로 사용되며 세종시에서 78.0% 비율로 가장 많이 적용되었다. 중앙난방은 세번째로 높은 방식으로 대전에서 가장 많이 사용되고 있다. 기타 난방 방식에 속하는 태양열 보일러, 전기 보일러 등 신재생에너지 연계 보일러방식은 타 지역에서는 거의 사용되지 않았으나 제주도 지역에서 9.2%로 비교적 높은 비율로 사용되고 있었다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F3.jpg
Fig. 3.

Heating system by regions

다음은 아파트의 세대 전용면적 유형에 관한 분석결과이다. Fig. 4는 국내 아파트 10,426,137호에 대한 면적 분석 결과로 계단식과 복도식 유형에 따라 분석한 결과이다. 복도식은 각 단위 평면이 나란히 배치되는 형식으로 중복도식과 편 복도식이 있다. 계단식은 단위평면이 계단을 사이에 두고 연결되어 복도식의 단점을 보완하는 형식이다. 세대 전용면적 유형 분석 결과 복도식의 경우 66 m2 이상 82.2 m2 미만의 유형이 약 5%로 분석되었고 계단식의 경우 99 m2 이상 115.5 m2 미만의 유형이 약 23%로 가장 많은 유형으로 분석되었다. 복도식과 계단식 유형의 비율은 계단식이 약 4배가량 더 많은 것으로 분석되었다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F4.jpg
Fig. 4.

Floor area ratio analysis by apartment types

임대 및 분양아파트를 대상으로도 세대 전용면적 유형을 분석하였다. Fig. 5는 한국주택토지공사 제공 67개 단지에 대한 정보를 바탕으로 분석한 세대수와 전용면적 유형에 대한 분석 결과이다. 2017년 이후 설계된 신축 아파트로 67개 중 87%가량이 계단식 구조로 설계되었다. 유형 분석결과 26 m2 유형과 46 m2 유형이 순서대로 각각 15.3%, 11.6%로 가장 많았으며 이 두 유형의 혼합형 단지 구성 역시 가장 많았다. 추가로 전용면적 유형에 따른 세대 수 분석을 수행하였다. 그 결과 세대수와 면적에는 유의미한 상관관계가 발견되지 않았다. 다만, 세대 전용면적 유형별 200세대 이하 분포가 가장 많은 것으로 분석되었다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F5.jpg
Fig. 5.

Number of households (left) and number of types (right)

Table 1은 마찬가지로 67개 도면자료를 분석한 결과로 주동 형태에 대한 결과이다. 주동 형태에는 여러가지 유형이 있으나 가장 대표적인 유형 3가지를 선정하여 분류하였다. 방위를 기준으로 L-type, V-type, I-type으로, 분석 결과 L-type이 40.3%로 가장 많았으며 V-type 역시 38.8%로 높은 비중을 차지했다. I-type의 경우 13.4% 로 가장 낮았다. 그 외 유형의 경우 7.5%로 분석되었다.

Table 1

Arranged types of apartments buildings

Type L-type V-type I-type
https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_T1-1.jpghttps://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_T1-2.jpghttps://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_T1-3.jpg
Ratio 40.3% 38.8% 13.4%

4.2 Building energy characteristic

본 4.2장에서는 건물 에너지 분석 결과에 대한 내용이다. 월별 전력 사용량 분석 및 세대부하와 공용부하 비율 분석연구를 위하여 대전에 위치한 3개 아파트의 분석에 관한 결과로 분석 대상 아파트의 개요는 Table 2와 같다. 현장 방문 및 해당 아파트의 관리비 내역서를 통해 수집된 정보를 바탕으로 분석하였으며 결과는 Fig. 6과 같다. J 와 E-apt의 비율은 거의 유사하였고 R-apt의 경우 가장 낮은 공용부하 비율을 나타냈다. 가장 오래된 아파트인 R-apt의 경우 지하 주차장이 따로 없으며 부대시설이 많지 않기 때문에 전체부하의 90%가 세대부하인 것으로 확인되었다. J-apt의 경우 지하 주차장 및 다양한 부대 및 편의시설을 갖추고 있어 R-apt 대비 약 10%p 상승한 20%의 공용부하 비율을 보였다. 가장 최근에 지어진 E-apt의 경우 두 아파트 대비 옥외 조명, 광고용 조명과 놀이터, 주민쉼터 등 다양한 부대시설을 확인할 수 있었고, 공용부하 비율도 25%로 가장 높았다.

Table 2

The selected three apartment complexes in Daejeon

R-APT J-APT E-APT
Year of construction 1988 2000 2020
Number of households/buildings 700 / 10 940 / 15 776 / 10
Gross floor area (m2) 67,032 184,972 120,654
Exclusive residential area (m2) 55,527 110,212 60,670
Monthly data 01 ~ 12. 2021 01 ~ 12. 2021 06.2021 ~ 05. 2022

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F6.jpg
Fig. 6.

Comparison of public energy consumption and household energy consumption

다음은 시간별 사용량데이터를 기반으로 주거용 건물의 평균 에너지 사용량과 사용 패턴을 분석하고자 대전지역의 6개 아파트를 대상으로 분석한 결과이다. 분석 대상 건물에 대한 개요는 Table 3과 같으며 대전 소재(둔산동, 관저동, 태평동, 내동, 전민동 등)에서 데이터 확보가 가능한 아파트가 무작위로 선정되었다. 실측 된 데이터의 경우 아파트의 공용부하와 세대부하가 합쳐진 전기에너지 총 사용량이다. 6개 아파트의 연간 일 평균 시간대별 전력 사용량 분석 결과는 Fig. 7과 같다. 19:00 ~ 23:00 사이 평균 사용량과 비율은 0.69 kWh, 5.5%로 하루 중 가장 많은 소비 비율을 나타냈다. 6개 아파트의 전력 소비량은 다르지만 하루 평균 누적 사용량 대비 시간대별 에너지 사용 비율의 경우 ±1%p 내외의 오차율을 보였다. 이는 에너지 소비량은 달라도 에너지 소비 비율 및 이용패턴은 거의 유사하다는 것을 의미한다.

Table 3

The selected six apartment complexes in Daejeon

C-APT D-APT M-APT B-APT L-APT S-APT
Year of construction 1992 1998 1997 2000 1984 1993
Number of households/buildings 1632 / 20 1251 / 9 2200/ 22 2892 / 35 1632 / 18 672 / 12
Gross floor area (m2) 230,316 164,993 232,100 336,085 189,182 62,418
Exclusive residential area (m2) 198,011 136,216 186,890 273,016 154,943 54,408
Hourly data from January 2010 to December 2010

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F7.jpg
Fig. 7.

Hourly average electrical energy consumption based on a year-round dataset

지역별 공동주택의 평균 전기 에너지소비 현황을 파악하고자 K-apt 데이터 활용하여 서울 및 6개 광역시 아파트 단지의 월별 전기에너지 사용량을 분석하였다. 특히 앞서 수행된 대전 지역의 실측 소비량 수준을 파악하고자 대전지역을 중점으로 분석하였고 동일한 방법으로 그 외 지역을 분석하였다. Fig. 8은 대전 392개 아파트 단지의 전기에너지 사용량 및 앞서 분석한 3개, 6개 대전 아파트의 평균 사용량을 보여준다. 대전 아파트의 전체 평균 Energy use intensity (EUI)는 45.6 kWh/m2·a이며 R-apt (40.8 kWh/m2·a) and J-apt (43.5 kWh/m2·a)의 경우 대전 평균에 근접하나 E-apt (64.2 kWh/m2·a)는 상대적으로 높았다. 6개 아파트의 평균 사용량은 48.8 kWh/m2·a 로 대전 아파트의 중앙값에 가장 가깝다. 준공 년도 별 에너지 사용량 분석 결과 신축에 가까울수록 평균 전기 에너지 사용량이 상승하는 것을 알 수 있다. 이는 전자기기 제품 사용의 증가, 일사량 증가에 따른 냉방에너지 증가, 신축 아파트의 부대시설 및 편의시설 증가 등을 원인으로 예측해 볼 수 있다.

Fig. 9는 서울과 5개 광역시의 5,591개 아파트 단지를 분석한 결과이다. 2020년 1월~12월에 대한 월별 사용량을 활용하였다. 그 결과 6개 지역 중 서울의 EUI가 48.0 kWh/m2·a로 가장 높았으며 울산이 44.7 kWh/m2·a로 가장 낮았다. 6개 지역의 평균은 45.7 kWh/m2·a로 분석되었다. 5,983개 아파트의 일별 에너지사용량을 정리하면 일 평균 1개 건물의 전기에너지 사용량은 약 1,013 kWh/building·day, 1 세대 기준 사용량은 약 10 kWh/household·day이다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F8.jpg
Fig. 8.

Electric energy use intensity of Daejeon apartment buildings (left) and energy use intensity by year of construction (right)

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F9.jpg
Fig. 9.

Electric energy use intensity of Seoul and five metropolitan cities

마지막으로 가스사용량에 대한 분석을 수행하였다(Fig. 10). 한국도시가스협회 사이트 제공되는 자료로 17개 지역의 34개 도시가스 제공 업체의 가정용 도시가스 공급량과 수요가수에 대한 정보를 통해 개별난방 사용량을 분석하였으며 2022.01월 ~ 12월(1년) 데이터를 기반으로 하였다. 분석된 수요가수는 약 9,833,000가구이다. 개별난방의 사용량에는 난방, 급탕, 취사에 대한 사용량이 모두 포함된다. 17개 전 지역의 연간 월평균 누적 사용량의 경우 세대단위 기준 560 m3/household·a으로 분석되었고 부산이 약 391 m3/household·a 가장 낮은 사용량을 보였다. 전 지역의 월평균 사용량의 경우 1월과 2월이 100 m3/household·month 이상 사용량을 보이며 가장 높은 사용량을 나타냈다.

https://cdn.apub.kr/journalsite/sites/kses/2023-043-04/N0600430404/images/Figure_KSES_43_04_04_F10.jpg
Fig. 10.

Annual gas energy consumption by region (left) and average monthly consumption (right)

5. Conclusions

본 논문은 한국형 아파트 모델을 위해 필요한 보정 정보를 제공하는 것을 목표로 한다. 특히 한국 아파트의 물리적 특성과 건물에너지 소비 특성에 대한 연구를 중점으로 한다. 통계 사이트, 실측데이터 및 도면 등 다양한 자료를 활용하였으며 전국을 대상으로 평균적인 건물에너지 소비량에 대한 통계분석을 수행하였다. 주요 분석 결과는 다음과 같다.

건물 형태 특성 분석 결과 평균 층수는 15층, 세대 전용면적 유형 임대/분양 아파트의 경우 26 m2 Type 과 46 m2 Type이 가장 많은 비율을 차지했고 그 외 일반 아파트의 경우 100 m2 ~ 115 m2 Type의 비율이 가장 높았다. 주동 형태 분석결과 대표적인 3개 유형이 도출되었고 그 중 L-type 유형이 가장 많다는 것을 확인하였다. 난방방식의 경우 대부분 가스보일러(개별난방) 방식이 사용되고 있었다. 층수, 난방방식 등 상기 일부 결과들이 모든 지역에서 동일하게 나타나지 않는다. 이러한 결과들은 지역별 건축 규정, 도시계획 기준 등에 따라 달라질 것으로 예상되며 건물 에너지 분석을 위한 모델링 제작 시 지역별 특성을 고려해야 함을 의미한다.

건물 에너지 특성 분석 결과 공용부하와 세대부하의 비율은 약 2:8로 구축과 신축 아파트의에 따라 다소 차이가 있는 것으로 확인되었다. 특히 신규 아파트 건물의 부대 시설, 조명 시설 등의 증가로 공용부하의 비중이 점점 증가될 것이며 관련한 지속적인 연구의 필요성을 확인하였다. 대전 6개 아파트의 시간별 에너지 사용량 분석결과 아파트 별 사용량에 차이는 존재하나 부하 패턴과 시간대별 에너지 소비 비율은 매우 유사함을 확인하였다. K-apt 자료를 통한 전 지역의 전기에너지사용량을 분석한 결과 연간 평균 45.7 kWh/m2·a, 세대 기준은 일 평균 약 10 kWh/household·day로 대전의 아파트 사례 조사 결과와 매우 유사함을 확인하였다. 17개 지역에 대한 가스 소비량 분석 결과 560 m3/household·a로 분석되었다. 월 평균 사용량의 경우 동절기 사용량 특히 1월과 2월 소비량이 가장 높았다.

건물 에너지의 예측과 실측의 오차를 최소화하기 위해 벤치마킹 모델의 정확성을 향상시키는 것은 매우 중요한 연구분야이다. 국가별, 지역별 주거 문화 특징을 반영하고 이러한 연구 방법론을 발전시키는 연구를 통해 그러한 오차를 최소화할 수 있다. 따라서 본 연구 결과는 아파트형 건물 모델링을 위한 방향 제시 및 개선에 도움이 될 것이다.

현재 아파트 모델링의 완성도 및 정확성 향상을 위해 대전 이외 지역 아파트에 대한 에너지 사용 데이터를 수집하고 있으며, 지속적으로 분석 결과를 반영하여 모델의 완성도를 높여갈 계획이다.

Acknowledgements

본 연구는 한국토지주택공사 공공주택전기처, 2020년도 정부(산업통상자원부)의 재원으로 한국에너지기술평가원의 지원을 받아 수행된 연구입니다(20203040010330).

References

1
Seo, Y. K. and Hong, W. H., Constructing Electricity Load Profile and Formulating Load Pattern for Urban Apartment in Korea, Energy Build, Vol. 78, pp. 222-230, 2014, https://doi.org/10.1016/j.enbuild.2014.03.007. 10.1016/j.enbuild.2014.03.007
2
Sim, J. and Sim, J., The Effect of New Carbon Emission Reduction Targets on an Apartment Building in South Korea, Energy Build, Vol. 127, pp. 637-647, 2016, https://doi.org/10.1016/j.enbuild.2016.06.032. 10.1016/j.enbuild.2016.06.032
3
Kim, Y. and Yu, K. H., Study on the Certification Policy of Zero-energy Buildings in Korea, Sustainability, Vol. 12 No. 12, 5172, 2020, https://doi.org/10.3390/su12125172. 10.3390/su12125172
4
Park, C., Ko, Y., Kim, J., and Hong, H., Greenhouse Gas Reduction Effect of Solar Energy Systems Applicable to High-rise Apartment Housing Structures in South Korea, Energies, Vol. 13, No. 10, 2568, 2020, https://doi.org/10.3390/en13102568. 10.3390/en13102568
5
Zou, P. X., Xu, X., Sanjayan, J., and Wang, J., Review of 10 Years Research on Building Energy Performance Gap: Life-cycle and Stakeholder Perspectives, Energy and Buildings, Vol. 178, pp. 165-181, 2018, https://doi.org/10.1016/j.enbuild.2018.08.040. 10.1016/j.enbuild.2018.08.040
6
Figueiredo, A., Kämpf, J., Vicente, R., Oliveira, R., and Silva, T., Comparison between Monitored and Simulated Data Using Evolutionary Algorithms: Reducing the Performance Gap in Dynamic Building Simulation, Journal of Building Engineering, Vol. 17, pp. 96-106, 2018, https://doi.org/10.1016/j.jobe.2018.02.003. 10.1016/j.jobe.2018.02.003
7
Cipriano, J., Mor, G., Chemisana, D., Pérez, D., Gamboa, G., and Cipriano, X., Evaluation of a Multi-stage Guided Search Approach for the Calibration of Building Energy Simulation Models, Energy and Buildings, Vol. 87, pp. 370-385, 2015, https://doi.org/10.1016/j.enbuild.2014.08.052. 10.1016/j.enbuild.2014.08.052
8
Hong, Y., Ezeh, C. I., Deng, W., Hong, S. H., Peng, Z., and Tang, Y., Correlation between Building Characteristics and Associated Energy Consumption: Prototyping Low-rise Office Buildings in Shanghai, Energy and Buildings, Vol. 217, 109959, 2020, https://doi.org/10.1016/j.enbuild.2020.109959. 10.1016/j.enbuild.2020.109959
9
Deng, J. Y., Wong, N. H., and Zheng, X., The Study of the Effects of Building Arrangement on Microclimate and Energy Demand of CBD in Nanjing, China, Procedia Eng., Vol. 169, pp. 44-54, 2016, https://doi.org/10.1016/j.proeng.2016.10.006. 10.1016/j.proeng.2016.10.006
10
Huebner, G. M., McMichael, M., Shipworth, D., Shipworth, M., Durand-Daubin, M., and Summerfield, A., Heating Patterns in English Homes: Comparing Results from a National Survey Against Common Model Assumptions, Building and Environment, Vol. 70, pp. 298-305, 2013, https://doi.org/10.1016/j.buildenv.2013. 08.028. 10.1016/j.buildenv.2013.08.028
11
Mata, É., Sasic Kalagasidis, A., and Johnsson, F., Building-stock Aggregation through Archetype Buildings: France, Germany, Spain and the UK, Building and Environment, Vol. 81, pp. 270-282, 2014, https://doi.org/10.1016/j.buildenv.2014.06.013. 10.1016/j.buildenv.2014.06.013
12
Papadopoulos, S. and Kontokosta, C. E., Grading Buildings on Energy Performance Using City Benchmarking Data, Appl Energy, Vol. 233-234, pp. 244-253, 2019, https://doi.org/10.1016/j.apenergy.2018.10.053. 10.1016/j.apenergy.2018.10.053
13
Ministry of Government Legislation Korean Law Information Center, Types of Buildings by Use (amendment 2023.05.15.), 2000. https:// www.law.go.kr/LSW/main.html. last accessed on the 5th June 2023.
페이지 상단으로 이동하기