Predicting Performance of Air Source Heat Pump System with Virtual Refrigeration Cycle

Shin Heo; Hyo-jun Kim; Jin-hyun Lee; Young-hum Cho

doi:10.7836/kses.2024.44.5.043

Preview

Research Article

Journal of the Korean Solar Energy Society. 30 October 2024. 43-58
https://doi.org/10.7836/kses.2024.44.5.043

Predicting Performance of Air Source Heat Pump System with Virtual Refrigeration Cycle

가상 냉동사이클을 활용한 공기 열원 히트펌프 시스템의 성능 예측

Shin Heo¹

Hyo-jun Kim²

Jin-hyun Lee³

Young-hum Cho⁴^*

허 신¹

김 효준²

이 진현³

조 영흠⁴^*

¹Master’s Course, Architecture Engineering, Graduate School of Yeungnam University

²Director, BETECH

³Research Professor, Architecture Research Institute, Yeungnam University

⁴Professor, School of Architecture, Yeungnam University

¹영남대학교 일반대학원 건축학과, 석사과정

²비텍, 대표

³영남대학교 건축연구소, 연구교수

⁴영남대학교 공과대학 건축학부, 교수

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0/):

This is an Open-Access article distributed under the terms of the Creative Commons Attribution NonCommercial License which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

This study aimed to develop and test a performance prediction method using virtual refrigeration cycle generation through the air and indoor-side data of a building automation system and heat pumps in an air source heat pump system of a central air-conditioning system, to which the building automation system is applied. The results of coefficient of performance, Δh_comp,ref, Δh_cond,ref, and Δh_evap,ref of the measured refrigeration cycle according to outside temperature were confirmed. A similar pattern was confirmed by the prediction results through the virtual refrigeration cycle. Reliability evaluation of the performance prediction results of the air source heat pump system was conducted using NMBE and CvRMSE as proposed in ASHRAE guideline 14. NMBE and CvRMSE were confirmed as -6.33% and 15.99% for the coefficient of performance, 0.91% and 11.78% for Δh_cond,ref, -5.53% and 12.48% for Δh_evap,ref, and 0.14% and 2.85% for Δh_comp,ref, respectively. Thus, the performance of the air heat source heat pump system using a virtual refrigeration cycle can be predicted. Future research will use the performance prediction model of the air heat source heat pump system developed in this study improve the detection and diagnosis of physical and operational failures in heat pump systems.

Keywords

Air source heat pump system

Performance Prediction

Refrigeration cycle

키워드

공기 열원 히트펌프 시스템

성능 예측

냉동사이클

MAIN

1. 서 론
2. 이론적 고찰
3. 실험 개요
3.1 대상 건물
3.2 대상 건물 시스템 및 측정 장비 사양
4. 공기 열원 히트펌프 시스템 성능 예측
4.1 공기 열원 히트펌프 시스템 성능 예측 프로세스
4.2 히트펌프 시스템 성능 예측 모델 성능 평가
5. 결과 및 토의
5.1 성능 예측 리스트별 결과
5.2 성능 예측 모델 적용 방안
6. 결 론

기호 및 약어 설명

$C O P$ : Coefficient of Performance [-]

$P$ : Pressure [Pa]

$Q$ : Cooling Capacity [kJ/s]

$T$ : Temperature [℃]

$W$ : Power Consumption [kW]

$∆ H$ : Enthalpy differences [kJ/kg]

$∆ T$ : Temperature differences [℃]

$m$ : Refrigerant mass flow rate [kg/s]

$\hat{P}$ : Predicted value

$M$ : Measured value

$\bar{M}$ : Average of measured values

$c$ : Specific heat [kJ/kg℃]

$n$ : Number of data

1. 서 론

기후변화에 관한 정부 간 협의체인 IPCC (Intergovernmental Panel on Climate Change)에서 2018년에 발표한 ‘Global Warming of 1.5℃’에 따르면, 지구 평균 온도가 산업화 이전 대비 2017년 기준 약 1℃ 상승하였고, 2030 ~ 2052년에는 산업화 이전 대비 1.5℃ 상승할 것으로 전망하였다¹⁾. 하지만 IPCC에서 2021년에 발표한 AR6 (the Sixth Assessment Report)에 따르면, 산업화 이전 대비 1.5℃ 상승 시점을 이전 분석보다 10년가량 앞당긴 2021 ~ 2040년으로 예측하며, 국제 사회에 이전보다 선제적인 대응을 요구하였다²⁾. 건물 부문의 에너지 소비는 전 세계 총에너지 소비의 30% 이상을 차지한다³⁾. 또한 건축물 내 향상된 열 환경의 수요 증가로 인해 HVAC (Heating, Ventilation and Air Conditioning) 시스템은 건축물 에너지 소비의 약 50%를 차지하며⁴⁾, 이에 따른 건축물 내 HVAC 시스템에 소비되는 에너지의 효율성을 높여 탄소 배출 저감과 에너지 절감을 실현해야 한다. HVAC 시스템의 에너지 효율성에 관한 관심 증가로 인해 부상된 에너지 절감 방안 중 하나는 BAS (Building Automation System)를 적용한 시스템의 운영이다. BAS는 온도, 습도, CO₂ 등 다양한 데이터를 수집하여 활용함으로써 HVAC 시스템의 효율적인 제어와 에너지 절약에 기여한다⁵⁾. 다른 에너지 절감 방안 중 하나는 화석 연료가 아닌 공기, 물, 지열과 같은 친환경 에너지를 열원으로 하는 히트펌프 시스템의 적용이며, 이를 통해 HVAC 시스템의 에너지 절감의 실현과 동시에 필요성이 대두되었다⁶⁾. 공기 열원 히트펌프 시스템은 다른 냉난방 시스템에 비해 초기 투자 비용이 낮으며, 보편적으로 많이 사용되는 시스템이다⁷⁾. 또한 공기 열원 히트펌프 시스템의 시장 규모는 2024년에서 2028년 사이에 508억 달러가 증가하고 11.41%의 CAGR (Compound Annual Growth Rate, 연평균 성장률)로 성장할 것으로 전망된다⁸⁾. 공기 열원 히트펌프 시스템의 수요 및 공급이 증가함에 따라 운영 단계에서 유지관리, 시스템 최적화, 고장 진단 및 운영 효율성 개선이 필수적인 과제가 되었다. 이러한 과제들을 효과적으로 수행하기 위해서는 공기 열원 히트펌프 시스템의 성능 측정이 중요한 역할을 한다. 히트펌프 시스템의 기존 성능 측정 방법은 ISO 5151⁹⁾, ISO 13256¹⁰⁾, ISO 16358¹¹⁾에 명시되어 있으며, 일반적으로 COP (Coefficient of Performance, 성능 계수)를 통하여 나타낼 수 있다. 이는 히트펌프의 냉방 능력과 압축기가 한 일의 비로 나타낼 수 있다. COP 산정을 위한 냉방 능력 측정 방법은 직접법과 간접법으로 구분할 수 있다. 직접법을 통한 냉방 능력 측정을 위해서는 온도 및 습도의 시험 조건을 만족해야 하며, 해당 과정에서 항온, 항습 챔버와 같은 공기 조절 장치의 구비를 권고한다. 또한 간접법을 통한 냉방 능력 측정을 위해서는 압력계, 유량계, 열량계 등 추가적인 계측기기 설치가 필요하며, 설치 과정에서 번거로운 작업과 고가의 비용이 발생할 수 있다. 이처럼 기존 히트펌프 시스템의 성능 측정 방법은 실제로 운영 중인 히트펌프 시스템의 성능을 측정하는 것은 어려움이 있다. 또한 온도 및 습도 시험 조건 내 측정한 히트펌프 시스템의 성능은 해당 조건 내에서만 유효하며, 실시간으로 변화하는 외부 환경 및 HVAC 시스템에서의 유지관리, 시스템 최적화, 고장 진단 및 운영 효율성 개선을 위한 성능 측정 방법과는 거리가 멀다.

따라서 본 연구는 최소한의 추가 계측 데이터를 수집하는 BAS가 적용된 조건에서 공기 열원 히트펌프 시스템의 공기 및 실내 측 데이터를 활용하여 가상 냉동사이클 생성을 통한 공기 열원 히트펌프 시스템 성능 예측 모델의 제안 및 성능 평가를 목표로 한다. 제안된 방법의 공기 열원 히트펌프 시스템의 성능은 HVAC 시스템의 유지관리, 시스템 최적화, 고장 진단 및 운영 효율성 개선을 위한 BAS의 제어 변수로 사용될 수 있다.

2. 이론적 고찰

히트펌프 시스템은 에너지를 사용하여 저온에서 고온으로 열을 이동시키는 시스템이다. 저온의 열원에서 열 흡수를 통해 상대적으로 높은 온도를 가진 또 다른 대상 공간으로 열을 방출하는 냉난방 겸용 기기로 가정 및 산업에서 냉방 및 난방용으로 많이 사용되고 있다¹²⁾. 공기 열원 히트펌프 시스템의 성능 지표 중 하나인 COP는 히트펌프 시스템의 냉방 능력과 압축기가 한 일의 비로 식(1)과 같이 나타낼 수 있다. 이때, 냉방 능력은 공기 열원 히트펌프 시스템의 냉방 운전 시 증발기 측 냉매의 열량 교환량을 뜻하며, COP가 높을수록 압축기가 한 일에 비해 냉방 능력이 높아 효율이 좋은 것을 의미한다.

(1)

C O P = \frac{Q}{W_{c o m p}}

Fig. 1은 P-H 선도 내 냉동사이클을 도식화한 것이다. 점 1 → 2는 압축 과정이며, 저온 저압의 기체 상태인 냉매가 압축기를 통과하여 고온 고압의 기체 상태인 냉매로 변화한다. 점 2 → 3은 응축 과정이며, 공기 열원 히트펌프 시스템의 냉방 운전 시 해당 과정에서 냉매와 공기 간 열교환을 통해 고온 고압의 기체 상태인 냉매가 중온 고압의 액체 상태인 냉매로 변화한다. 점 3 → 4는 팽창 과정이며, 중온 고압의 액체 상태인 냉매가 팽창밸브를 통과하여 저온 저압의 2상 상태(액체 + 기체)인 냉매로 변화한다. 점 4 → 1은 증발 과정이며, 공기 열원 히트펌프 시스템의 냉방 운전 시 해당 과정에서 냉매와 실내의 열매체 간 열교환을 통해 냉방을 수행하며 저온 저압의 2상 상태인 냉매가 저온 저압의 기체 상태인 냉매로 변화한다. Fig. 1의 냉동사이클을 활용하여 냉방 시 압축기의 엔탈피 변화량과 증발기의 엔탈피 변화량의 비로 COP를 계산할 수 있으며, 이는 다음의 식(2)와 같이 나타낼 수 있다.

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F1.jpg

Fig. 1.

Schematic of refrigeration cycle in P-H diagram

(2)

C O P = \frac{H_{1} - H_{4}}{H_{2} - H_{1}} = \frac{∆ H_{e v a p}}{∆ H_{c o m p}}

히트펌프 시스템의 성능 측정 및 예측에 관한 선행 연구가 활발히 진행되었으며, 내용은 다음과 같다.

Tran et al. (2013)¹³⁾은 냉매 및 공기 기반 방법을 통하여 공기-공기 히트펌프 성능 측정을 수행하였다. 냉매 기반 방법은 압력 측정을 통한 냉매 유량을 산출 후 성능을 결정하였다. 또한 공기 기반 방법은 비침습적으로 다중점 공기 유속 측정을 통하여 성능을 결정하였다. 실험실에서 두 방법을 정상 상태 조건에서 정확도를 확인하였으며, 냉매 및 공기 기반 방법은 각각 4%와 10%의 편차를 가지며 현장 적용 가능성을 확인하였다. 하지만 냉매 방법은 현장에서의 압력 측정의 어려움과 열 손실 측정의 한계가 있으며, 공기 기반 방법은 공기 유량 분포를 사전에 파악해야 하며 공기 유량 측정에 있어서 불확실성이 존재한다. Zhang et al. (2019)¹⁴⁾은 CSEC법(Compressor Set Energy Conservation, 압축기 에너지 보존법)을 기반하여 냉매 유량과 엔탈피 차이 곱을 통해 냉각 또는 난방 용량을 산출하였으며, 현장의 가변 냉매 유량 시스템의 성능을 측정하는 방법을 제안하였다. 현장에서 비침습식 냉매 유량 측정에 관하여 강조하였으며, 냉방 운전 조건의 현장 적용 가능성을 확인하였다. Cong et al. (2021)¹⁵⁾은 CSEC법을 통해 공기-공기 히트펌프의 계절별 성능을 측정하였으며, 정상상태 조건이 아닌 실제 현장의 제상 주기 및 시작 단계와 같은 동적 시퀀스들을 고려한 방법을 제안하였다. 제안된 방법은 1% 이내로 일치하였으며, 동적 단계에서 큰 오차가 발생할 수 있으나 발생 빈도가 낮고 장기 측정에는 미미한 영향인 것을 확인하였다. Xiao et al. (2021)¹⁶⁾는 시스템 내 장착된 센서를 통한 데이터 수집을 제안하였다. 하지만 설치 위치에 따라 필수 데이터 수집에 어려움이 있을 수 있으며, 현장에서는 냉매의 표면 온도, 증발 및 응축기 입출구 공기 온도와 같은 데이터에 대하여 수집이 제한될 수 있다. 또한, 일반적으로 이용할 수 없는 제조업체의 모니터링 데이터에 접근하는 것은 사용자에게 어려울 수 있다. Yan et al. (2016)¹⁷⁾은 실시간 모니터링 데이터와 데이터 기반 모델을 활용하여 지열 히트펌프 시스템의 성능을 예측하였다. 해당 과정에서 데이터마이닝을 통한 데이터 처리 후 BPNN (Back Propagation Neural Network) 알고리즘을 활용하여 COPsys를 확인하였다. Chesser et al. (2021)¹⁸⁾는 공기 열원 히트펌프의 경험적 데이터셋의 데이터 기본 분석을 활용하여 개조된 주택에 설치된 히트펌프의 SPF, HSPF 및 COP를 조사하였다. 단순 및 다중 선형 회귀 모델이 아닌 GAM 모델을 기계학습에 사용하여 변수 간 비선형 관계에 대하여 분석하였고, 외기 온도가 높을수록 오차가 더 발생한다는 것을 확인하였다. Shin et al. (2022)¹⁹⁾은 공기 열원 히트펌프 시스템이 적용된 대학 실험실의 실제 운영 데이터를 기반으로 기계학습 모델을 사용하여 성능 예측 모델을 개발하고 현장 적용 가능성을 확인하였다. 기계 학습 모델은 ANN, SVM, RF, KNN을 사용하였고, 통계 기계 학습 및 데이터 마이닝에 대한 연구 및 산업 응용 프로그램으로 사용되는 R studio를 모델 개발에 사용했다. 예측된 성능의 정확성과 계산 시간을 비교한 결과 ANN이 개발된 예측 모델 중 가장 우수한 성능을 보여주었다. ANN 모델을 실험실의 BAS에 적용한 결과, BAS를 통해 실시간 성능 모니터링이 가능하며, 현장 적용 가능성을 확인하였다. Yan et al. (2016)¹⁷⁾, Chesser et al. (2021)¹⁸⁾, Shin et al. (2022)¹⁹⁾은 데이터 기반 기계학습 모델을 사용하여 히트펌프 시스템의 성능을 예측하였다. 하지만 데이터 기반 예측 모델은 서로 다른 현장에서 새로운 데이터가 필요하며, 기본적으로 많은 양의 데이터를 요구한다. Lee et al. (2023)²⁰⁾는 냉동사이클을 생성하고 증발기 및 응축기의 열교환량을 활용하여 공기 열원 히트펌프 시스템의 성능을 예측하였다. 비교적 현장에서 쉽게 측정할 수 있는 공기 측 데이터인 실외기 입출구 온도, 유량 등을 기반으로 히트펌프 성능 예측 모델을 통한 COP, 전력 소비 및 냉각 용량 등을 예측하였다. 또한 NIST 데이터를 활용하여 예측된 냉매 압력과 엔탈피의 오차 검증을 통해 신뢰성을 확보하였다. 하지만 성능 예측을 진행한 공기 열원 히트펌프 시스템은 개별식 시스템에 국한되어 있다.

본 연구는 기존 연구의 공기 측 데이터 기반 방법, 냉매 유량 산정 방법 등을 참고하여 데이터 기반 모델이 아닌 수학적 모델을 통하여 중앙식 HVAC 시스템의 공기 열원 히트펌프 시스템의 성능 예측에 관한 연구를 수행하였다.

3. 실험 개요

3.1 대상 건물

본 연구는 가상 냉동사이클을 활용한 공기 열원 히트펌프 시스템의 성능 예측 모델 개발을 위하여 BAS 및 HVAC 시스템이 구축된 Test-bed가 필요하며, 이를 Y 대학교 건축관 내 위치한 건물에너지시스템연구실의 건축환경 및 설비 실험실로 선정하였다. 해당 Test-bed는 공조실 및 강의실 2개의 공간으로 구성되어 있으며, 다음의 Fig. 2는 대상 건물의 전경을 나타낸다.

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F2.jpg

Fig. 2.

Views of target building, test-bed and floor plan

3.2 대상 건물 시스템 및 측정 장비 사양

Test-bed의 각 실에는 단일덕트 변풍량 시스템과 재열 코일이 적용된 변풍량 터미널 유닛을 사용하여 냉난방 공조를 수행하고 있다. 또한 AHU (Air Handling Unit)의 냉난방 코일의 열 매체는 물이며, 열원으로 공기 열원 히트펌프 시스템을 적용하여 사용하고 있다. Test-bed의 AHU 사양은 다음의 Table 1과 같으며, 히트펌프 시스템의 사양은 Table 2와 같다. 히트펌프 시스템은 Fig. 3과 같이 설치되어 있으며, 본 연구에서 데이터 수집을 위한 측정 장비의 사양은 다음의 Table 3과 같다.

Table 1.

Specification of air handling unit

Category		Specification
Supply air fan	Air flow rate	12,000 CMH
	Static pressure	92 mmAq
	Power consumption	5.5 kW
Return air fan	Air flow rate	9,600 CMH
	Static pressure	35 mmAq
	Power consumption	3.7 kW

Table 2.

Specification of air source heat pump system

Category		Specification
Rated capacity	Cooling	46.4 kW
Rated capacity	Heating	52.2 kW
Rated power consumption	Cooling	13.5 kW
Rated power consumption	Heating	15.0 kW
Operating current	Cooling	21.1 A
Operating current	Heating	23.5 A
Blower power consumption	Rated output	0.9 × 2 kW
Compressor power consupmtion	Motor output	5.3 × 1 + 4.2 × 1 kW
Refrigerant		R410A

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F3.jpg

Fig. 3.

Views of air source heat pump system installed in test-bed

Table 3.

Specification of measurement equipment

Category	Specification
Temperature	Range	-100 ~ 400°C
	Resolution	0.1°C
	Accuracy	±1.0°C
	Temp coefficient	0.03°C
	Range	-250 ~ 400°C
	Resolution	0.1°C
	Accuracy	±1.0%
	Temp coefficient	±100 ppm/°C
Pressure	Operation Temp	-30 ~ 120°C
	Range	0 ~ 3.45 MPa
	Accuracy	±2.0%
Power consumption	Operation Temp	-20 ~ 70°C
	Accuracy	±0.5%
	Sampling (FFT)	64 sample/cycle

4. 공기 열원 히트펌프 시스템 성능 예측

4.1 공기 열원 히트펌프 시스템 성능 예측 프로세스

공기 열원 히트펌프 시스템의 냉동사이클에서 냉매와 열매체 간 열교환 시 열 손실이 발생하지 않을 때, 열역학 제1법칙인 에너지 보존의 법칙에 따라 응축기 및 증발기에서 냉매와 열원 사이의 열량 변화량은 같다. 이는 다음의 식(3), 식(4)와 같이 나타낼 수 있다.

(3)

∆ Q_{c o n d, r e f} = ∆ Q_{c o n d, a i r}

(4)

∆ Q_{e v a p, r e f} = ∆ Q_{e v a p, w a t e r}

식(3), 식(4)의 계산을 위하여 열량 변화량이 필요하며, 이는 다음의 식(5), 식(6)을 통하여 산정할 수 있다.

(5)

∆ Q = m \times ∆ H

(6)

∆ Q = m \times c_{p} \times ∆ T

위의 식(3), 식(4), 식(5), 식(6)을 활용하여 공기 열원 히트펌프 시스템의 냉방 시 응축 및 증발기 측 냉매 엔탈피 변화량을 다음의 식(8), 식(10)과 같이 나타낼 수 있다.

(7)

∆ Q_{c o n d, r e f} = m_{r e f} \times ∆ H_{c o n d, r e f} = m_{c o n d, a i r} \times c_{p, a i r} \times ∆ T_{c o n d, a i r}

(8)

∆ H_{c o n d, r e f} = \frac{m_{c o n d, a i r} \times c_{p, a i r} \times ∆ T_{c o n d, a i r}}{m_{r e f}}

(9)

∆ Q_{e v a p, r e f} = m_{r e f} \times ∆ H_{e v a p, r e f} = m_{e v a p, w a t e r} \times c_{p, w a t e r} \times ∆ T_{e v a p, w a t e r}

(10)

∆ H_{e v a p, r e f} = \frac{m_{e v a p, w a t e r} \times c_{p, w a t e r} \times ∆ T_{e v a p, w a t e r}}{m_{r e f}}

냉매 엔탈피 변화량을 계산하는 과정에서 냉매 유량이 필요하며, 이를 위해 식(12)를 활용하였다.

(11)

W_{c o m p} = m_{r e f} \times ∆ H_{c o m p, r e f}

(12)

m_{r e f} = \frac{W_{c o m p}}{∆ H_{c o m p, r e f}}

해당 과정을 통해서 응축 및 증발기 측 냉매 엔탈피 변화량을 계산할 수 있으며, P-H 선도 내 냉동사이클 작도 시 사용할 수 있다. 가상 냉동사이클 생성 시 증발기 출구 및 압축기 입구 지점은 포화증기선 상에 위치하며, 응축 및 증발 시 등압 과정에서 이루어진다. 위와 같은 방법을 통하여 공기 열원 히트펌프 시스템의 가상 냉동사이클을 생성 후 성능 예측을 할 수 있으며, 냉방 시 성능 예측 리스트는 다음의 Table 4와 같다.

공기 열원 히트펌프 시스템의 응축 및 증발 시 등압 과정으로 진행되며, 증발기 출구 및 압축기 입구 지점은 포화증기선 상에 위치한다. 다음의 Fig. 4는 P-H 선도 내 가상 냉동사이클을 생성하는 방법의 흐름도이다.

Table 4.

List of performance prediction for air source heat pump system during cooling

Category	Contents
COP	Performance indicators of heat pump system
Δh_{cond, ref}	Differences in enthalpy of refrigerant in condenser
Δh_{evap, ref}	Differences in enthalpy of refrigerant in evaporator
Δh_{comp, ref}	Differences in enthalpy of refrigerant in compressor

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F4.jpg

Fig. 4.

Flowchart for creating virtual refrigerant cycle within P-H diagram

∙ Step A: 공기 열원 히트펌프 시스템에 사용되는 냉매를 확인하여 해당하는 P-H 선도를 선정한다. 이는 냉매의 종류마다 서로 다른 물리적 특성으로 인하여 P-H 선도가 다르기 때문이다. 그리고 실내 측 증발기 출구 냉매 온도를 측정하여 포화증기선 상에 점 1을 표시한다. 이후 수집 데이터를 기반으로 점 2를 표시한다. 점 1과 2를 연결하여 P-H 선도 내 압축 과정의 선을 표시한다.

∙ STEP B: 응축 및 증발 과정의 냉매 엔탈피 변화량을 식(8), 식(10)을 통하여 산정한다. 산정된 응축 및 증발 과정의 냉매 엔탈피 변화량을 각각 점 2와 1의 엔탈피 값에서 계산을 통해 점 3과 점 4를 표시한다. 응축 및 증발 과정은 등압 과정에서 이루어지며, 점 2와 3, 점 1과 4를 연결하여 P-H 선도 내 응축 및 증발 과정의 선을 표시한다.

∙ STEP C: 점 3에서 4의 과정은 팽창밸브를 통과하며 냉매가 팽창되는 과정이며, 점 3과 4를 연결하여 P-H 선도 내 팽창 과정의 선을 표시한다.

∙ STEP D: 점 1 ~ 4를 연결하여 P-H 선도 내 냉동사이클을 생성할 수 있으며, 1 → 2는 압축, 2 → 3은 응축, 3 → 4는 팽창, 4 → 1은 증발 과정을 나타낸다.

공기 열원 히트펌프 시스템의 가상 냉동사이클을 활용한 성능 예측을 위해서 입력 변수를 다음의 Table 5와 같이 나타낼 수 있으며, 응축기 측 입·출구 공기 온도, 증발기 측 입·출구 물 온도 및 출구 냉매 온도, 압축기 출구 냉매 온도, 압력 및 전력은 측정한다. 또한 추가적인 계측기기 설치의 최소화를 위하여 응축기 측 공기 유량은 팬 속도에 상사 법칙을 적용하여 산정하였으며, 증발기 측 물 유량은 실내 열원 계통 펌프의 설계 데이터를 기반으로 상사 법칙을 적용하여 사용하였다.

Table 5.

Input variables for creating the virtual refrigeration cycle

Symbol	Contents	Unit
ΔT_{cond. air}	The difference in air temperature between inlet and outlet of condenser	℃
m_{cond. air}	Air flow rate at the condenser outlet	kg/s
ΔT_{evap. water}	The difference in water temperature between inlet and outlet of evaporator	℃
T_{evap. out, ref}	Temperature of the refrigerant at the evaporator outlet	℃
m_{evap. water}	Water flow rate at the Evaporator outlet	kg/s
P_{comp. out, ref}	Pressure of the refrigerant at the compressor outlet	kpa
T_{comp. out, ref}	Temperature of the refrigerant at the compressor outlet	℃
W_comp	Power consumption of compressor	kW
m_ref	Refrigerant flow rate	kg/s

4.2 히트펌프 시스템 성능 예측 모델 성능 평가

가상 냉동사이클을 활용한 공기 열원 히트펌프 시스템 성능 예측 모델의 성능 평가를 위해서 ASHRAE Guideline 14²¹⁾에서 제안된 NMBE (Normalized Mean Bias Error, 정규화된 평균 편향 오차)와 CvRMSE (Coefficient of variation of root-mean-square error, 제곱 평균 제곱근 오차의 변동계수)를 활용하였다. NMBE 및 CvRMSE는 다음의 식(14), 식(16)을 사용하여 계산할 수 있다.

(13)

M B E = \frac{\sum_{i = 1}^{n} ({\hat{P}}_{i} - M_{i})}{n}

(14)

N M B E = \frac{M B E}{M} \times 100

(15)

R M S E = \sqrt{\frac{\sum_{i = 1}^{n} ({\hat{P}}_{i} - M_{i})^{2}}{n}}

(16)

C v R M S E = \frac{R M S E}{M} \times 100

5. 결과 및 토의

5.1 성능 예측 리스트별 결과

본 연구는 공기 열원 히트펌프 시스템의 성능 예측 결과는 외기 온도에 따라 케이스를 분류하였으며, 이는 외기 온도가 공기 열원 히트펌프 시스템의 성능에 영향을 미치는 특성을 고려하여 선정하였다. 아래의 Fig. 5는 외기 온도에 따른 P-H 선도 내 측정된 냉동사이클 및 예측된 가상 냉동사이클 결과이며, (a)의 외기 온도는 27℃, (b)는 29℃, (c)는 31℃, (d)는 33℃이다. 제안된 공기 열원 히트펌프 시스템 성능 예측 모델의 성능 평가는 식(14), (16)에 의해 진행되었으며, 외기 온도 27 ~ 31℃ 범위 내 927개의 데이터에 대해서 평가하였다. COP에서 NMBE는 -6.33%, CvRMSE는 15.99%로 확인하였으며, Δh_cond,ref에서 NMBE는 0.91%, CvRMSE는 11.78%로 확인하였다. 또한 Δh_evap,ref에서 NMBE는 -5.53%, CvRMSE는 12.48%로 확인하였으며, Δh_comp,ref에서 NMBE는 0.14%, CvRMSE는 2.85%로 확인하였다. 이는 ASHRAE Guideline 14의 기준을 만족한다. Test-bed의 HVAC 시스템 내 공기 열원 히트펌프 시스템은 설정 온도에 따라 출수 온도를 변화시킨다. 해당 과정에서 히트펌프 시스템의 동작 프로세스에 따라 측정된 냉동사이클이 변화하는 것을 확인하였으며, 이에 따라 예측된 가상 냉동사이클이 유사하게 움직이는 것을 확인하였다. 공기 열원 히트펌프 시스템 내 압축기의 작동 및 중지 시점에서는 예측된 가상 냉동사이클의 정확도가 낮았으나, 압축기 작동 후 안정된 조건에서는 예측된 가상 냉동사이클이 높은 정확도로 생성되는 것을 확인하였다. 또한 측정된 냉동사이클의 압축기 입구 지점의 압력보다 예측된 값이 작은 것을 확인하였으며, 이는 실제 압축기 흡입 온도와 증발기 출구 냉매 온도 간 차이 때문인 것을 확인하였다.

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F5.jpg

Fig. 5.

Results of measured and predicted virtual refrigerant cycles within P-H diagram

다음의 Fig. 6과 Fig. 7은 COP 측정값과 예측값을 비교한 그래프이다. 외기 온도가 27 ~ 29℃, 31 ~ 33℃ 각 범위에서 증가할 때 COP가 감소하는 것을 확인할 수 있었다. 이는 실외기 팬이 외기 온도 30℃ 이하일 때와 30℃ 이상일 때 최대 RPM이 다르게 운전되기 때문이다. 이를 미루어 보아, 실외기 팬의 최대 RPM이 동일한 상황에서 외기 온도가 증가함에 따라 COP가 저하되는 것을 확인할 수 있었다. 외기 온도가 27 ~ 29℃의 경우인 Fig. 6에서 측정된 COP 및 평균값은 외기 온도가 증가함에 따라 감소하였으며, 예측된 COP 및 평균값도 유사한 패턴을 보였다. 외기 온도가 31 ~ 33℃의 경우인 Fig. 7에서 측정된 COP 및 평균값은 외기 온도가 증가함에 따라 감소하였으나, 예측된 COP 및 평균값은 증가하는 패턴을 보였다. 성능 예측의 정확도에 있어서 큰 차이는 아닐 수 있으나 추세가 달라진 것을 확인하였다. 이는 일사에 의한 영향 또는 데이터 수의 차이에서 비롯된 것으로 사료된다.

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F6.jpg

Fig. 6.

Results of performance prediction of air source heat pump system when outdoor air temperature is below 30℃

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F7.jpg

Fig. 7.

Results of performance prediction of air source heat pump system when outdoor air temperature is above 30℃

5.2 성능 예측 모델 적용 방안

히트펌프 시스템의 효율적인 운영을 위하여 고장 감지 및 진단에 대한 연구는 이미 활발히 진행되고 있다. 히트펌프 시스템의 운영에 있어서 고장은 CF (Condenser Fouling, 응축기 파울링), EF (Evaporator Fouling, 증발기 파울링), UC (Refrigerant Undercharge, 냉매량 부족) 등이 있다. CF는 냉방 시 실외에 위치한 응축기에서 냉매와 열원 간 열교환을 저하시키는 원인으로 팬의 풍량 저하로 인한 공기량 부족, 냉매관 내외부의 이물질로 인한 열교환 면적 부족, 필터의 먼지 등으로 인한 공기량 교환 부족 등을 포함한다. EF는 냉방 시 실내에 위치한 증발기에서 냉매와 열매체 간 열교환을 저하시키는 원인으로 CF와 거의 흡사한 문제를 포함한다. UC는 냉매 누출로 인해 발생할 수 있으며, 성능 변화가 발생할 수 있다. 이와 같은 고장은 히트펌프 시스템의 운영 효율성 감소 및 에너지 낭비의 원인이 된다. Barandier et al. (2023)²²⁾에 따르면, 열교환기의 오염인 응축기 및 증발기 파울링은 열 저항이 증가하여 열 전달을 감소시키며, 이는 결과적으로 열교환기의 용량과 전체 시스템의 성능 계수를 감소시킨다는 결과를 보여주었다. 열 전달이 감소하면 응축기 및 증발기의 입출구 온도 변화량이 감소하게 되며, 이는 식(8), 식(10)에서 사용되는 ΔT와 ΔH의 감소의 결과를 초래한다. 이를 P-H 선도 내 냉동사이클로 나타내면 아래의 Fig. 8과 같다. 예측된 가상 냉동사이클의 Δh_cond,ref와 Δh_evap,ref가 Fig. 5 대비 작은 것을 볼 수 있으며, 이는 응축 과정 및 증발 과정에서 냉매와 열매체 간 열교환이 제대로 이루어지지 않는 상태일 수 있다. 이와 같이 본 연구에서의 성능 예측 모델을 발전시켜 히트펌프 시스템의 물리적 고장 및 운영 고장에 대한 감지, 진단에 적용할 수 있을 것으로 사료된다.

https://cdn.apub.kr/journalsite/sites/kses/2024-044-05/N0600440505/images/kses_2024_445_43_F8.jpg

Fig. 8.

Example of fault of virtual refrigeration cycle of air source heat pump system

6. 결 론

본 연구에서는 BAS가 적용된 중앙식 HVAC 시스템의 공기 열원 히트펌프 시스템에서 BAS, 히트펌프의 공기 및 실내 측 데이터를 활용하여 가상 냉동사이클 활용한 성능 예측 모델의 제안 및 성능 평가를 진행하였다. 본 연구의 주요 연구 내용을 정리하면 다음과 같다.

(1) 공기 열원 히트펌프 시스템의 P-H 선도 내 측정된 냉동사이클과 예측된 가상 냉동사이클 결과 간 유사한 패턴을 확인하였다.

(2) 실외기 팬 최대 RPM이 동일한 상황에서, 외기 온도 증가에 따라 측정된 COP 평균값이 감소하는 것을 확인하였으며, 예측된 COP 평균값도 유사한 패턴임을 확인하였다.

(3) 가상 냉동사이클을 활용한 공기 열원 히트펌프 시스템의 성능 예측 결과의 신뢰도는 특이 데이터를 제외하고, COP에서 NMBE는 -6.33%, CvRMSE는 15.99%로 확인하였으며, Δh_cond,ref에서 NMBE는 0.91%, CvRMSE는 11.78%로 확인하였다. 또한 Δh_evap,ref에서 NMBE는 -5.53%, CvRMSE는 12.48%로 확인하였으며, Δh_comp,ref에서 NMBE는 0.14%, CvRMSE는 2.85%로 확인하였다. 이는 ASHRAE Guideline 14 기준을 만족한다.

(4) 성능 예측 모델의 고도화 이후 공기 열원 히트펌프 시스템의 물리적 고장 및 운영 고장에 대한 감지, 진단에 관한 적용을 할 수 있을 것으로 사료된다.

본 연구에서는 가상 냉동사이클을 활용한 공기 열원 히트펌프 시스템 성능 예측 모델의 제안 및 성능 평가를 진행하였다. 연구 결과, 예측된 가상 냉동사이클은 측정된 냉동사이클의 거동과 유사한 패턴으로 확인되었다. 또한 공기 열원 히트펌프 시스템의 성능 예측 항목인 COP, Δh_comp,ref, Δh_cond,ref, Δh_evap,ref의 평균값은 예측값과 측정값이 유사한 것을 확인하였으며, 이는 ASHRAE Guideline 14 기준을 만족하였다. 하지만 압축기 작동 및 중지 시점에서 예측 모델의 불안정성을 확인하였으며, 이를 보완한다면 더욱 정확한 성능 예측 모델로 발전시킬 수 있을 것이다. 또한 개발된 예측 모델의 성능 예측 리스트를 활용하여 공기 열원 히트펌프 시스템의 물리적 고장 및 운영 고장에 대한 감지, 진단에 관한 연구를 수행할 예정이다.

Acknowledgements

본 연구는 2024년도 현대엔지비의 지원을 받아 수행한 연구 과제입니다.

References

IPCC, Global Warming of 1.5℃, Geneva, Switzerland, 2018.

IPCC, AR6 Climate Change: 2021: The Physical Science Basis, Geneva, Switzerland, 2021.

IEA, Key World Enery Statistics: IEA: Paris, France, Paris, France, 2009.

Yan, L., Yan, H., and Lam, J. C., Thermal Comfort and Building Energy Consumption Implications - A Review, Applied Energy, Vol. 115, pp. 164-173/ 2014, https://doi.org/10.1016/j.apenergy.2013.10.062.

10.1016/j.apenergy.2013.10.062

O'Grady, T., Chong, H., and Morrison, G., A Systematic Review and Meta-Analysis of Building Automation Systems, Building and Environment, Vol. 195, 107770, 2021, https://doi.org/10.1016/j.buildenv.2021.107770.

10.1016/j.buildenv.2021.107770

Franco, A., Miserocchi, L., and Testi, D., HVAC Energy Saving Strategies for Public Buildings Based on Heat Pumps and Demand Controlled Ventilation, Energies, Vol. 14, No. 17, 5541, 2021, https://doi.org/10.3390/en14175541.

10.3390/en14175541

Ding, Y., Chai, Q., Ma, G., and Jiang, Y., Experimental Study of an Improved Air Source Heat Pump, Energy Conversion and Management, Vol. 45, pp. 2393-2403, 2004, https://doi.org/10.1016/j.enconman.2003.11.021.

10.1016/j.enconman.2003.11.021

TechNavio, Air Source Heat Pump Market, London, United Kingdom, 2023.

ISO, ISO 5151: Non-ducted Air Conditioners and Heat Pumps-Testing and Rating for Performance, 2017.

ISO, ISO 13256: Water-Source Heat Pumps-Testing and Rating for Performance, 2021.

ISO, ISO 16358: Air-Cooled Air Conditioners and Air-To-Air Heat Pumps-Testing and Calculating Methods for Seasonal Performance Factors, 2013.

SAREK, Equipment Engineering Handbook: Refrigeration, Vol. 3, Seoul, Korea, 2011.

Tran, C. T., Rivière, P., Marchio, D., and Arzano-Daurelle, C., In Situ Measurement Methods of Air to Air Heat Pump Performance, International Journal of Refrigeration, Vol. 36, No. 5, pp. 1442-1455, 2013, https://doi.org/10.1016/j.ijrefrig.2013.03.021.

10.1016/j.ijrefrig.2013.03.021

Zhang, G., Liu, W., Xiao, H., Shi, W., Wang, B., Li, X., and Cao, Y., New Method for Measuring Field Performance of Variable Refrgierant Flow Systems Based on Compressor Set Energy Conservation, Applied Thermal Engineering, Vol. 154, pp. 530-539, 2019, https://doi.org/10.1016/j.applthermaleng.2019.03.122.

10.1016/j.applthermaleng.2019.03.122

Cong, T., Noel, D., Riviere, P., Arzano, C., and Marchio, D., Insitu Method for Air-Air Heat Pump Seasonal Performance Determination Including Steady-State and Dynamic Operation, International Journal of Refrigeration, Vol. 127, pp. 239-249, 2021, https://doi.org/10.1016/j.ijrefrig.2021.03.001.

10.1016/j.ijrefrig.2021.03.001

Xiao, H., Yang, Z., Shi, J., Wnag, B., and Shi, W., Method for Performance Metering of Indoor Units in Variable Refrigerant Flow Systems Based on Built-in Sensors, Applied Thermal Engineering, Vol. 196, 117268, 2021, https://doi.org/10.1016/j.applthermaleng.2021.117268.

10.1016/j.applthermaleng.2021.117268

Yan, L., Hu, P., Li, C., Yao, Y., Xing, L., Lei, F., and Zhu, N., The Performance Prediction of Ground Source Heat Pump System Based on Monitoring Data and Data Mining Technology, Energy and Buildings, Vol. 127, pp. 1085-1095, 2016, https://doi.org/10.1016/j.enbuild.2016.06.055.

10.1016/j.enbuild.2016.06.055

Chesser, M., Lyons, P., O'Reilly, P., and Carroll, P., Air Source Heat Pump In-situ Performance, Energy and Buildings, Vol. 251, 111365, 2021, https://doi.org/10.1016/j.enbuild.2021.111365.

10.1016/j.enbuild.2021.111365

Shin, J. H. and Cho, Y. H., Machine-learning-based Coefficient of Performance Prediction Model for Heat Pump Systems, Applied Sciences, Vol. 12, No. 1, 362, 2022, https://doi.org/10.3390/app12010362.

10.3390/app12010362

Lee, H. G., Kim, H. J., and Cho, Y. H., Development of In Situ Refrigeration Cycle Measurement Method Using Air-Side Data of Air Source Heat Pump, Applied Sciences, Vol. 13, No. 16, 9060, 2023, https://doi.org/10.3390/app13169060.

10.3390/app13169060

ASHRAE, ASHRAE Guideline 14, Measurement of Energy, Demand, and Water Savings, American Society of Heating, Refrigerating, and Air Conditioning Engineers, Atlanta, United States.

Barandier, P. and Cardoso, A. J. M., A Review of Fault Diagnostics in Heat Pumps Systems, Applied Thermal Engineering, Vol. 228, No. 120454, 2023, https://doi.org/10.1016/j.applthermaleng.2023.120454.

10.1016/j.applthermaleng.2023.120454

Journal of the Korean Solar Energy Society ISSN:1598-6411(Print) 2508-3562(Online) 한국태양에너지학회 논문집

Preview

Predicting Performance of Air Source Heat Pump System with Virtual Refrigeration Cycle

ABSTRACT

MAIN

(1)

Fig. 1.

Schematic of refrigeration cycle in P-H diagram

(2)

Fig. 2.

Views of target building, test-bed and floor plan

Table 1.

Specification of air handling unit

Table 2.

Specification of air source heat pump system

Fig. 3.

Views of air source heat pump system installed in test-bed

Table 3.

Specification of measurement equipment

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

Table 4.

List of performance prediction for air source heat pump system during cooling

Fig. 4.

Flowchart for creating virtual refrigerant cycle within P-H diagram

Table 5.

Input variables for creating the virtual refrigeration cycle

(13)

(14)

(15)

(16)

Fig. 5.

Results of measured and predicted virtual refrigerant cycles within P-H diagram

Fig. 6.

Results of performance prediction of air source heat pump system when outdoor air temperature is below 30℃

Fig. 7.

Results of performance prediction of air source heat pump system when outdoor air temperature is above 30℃

Fig. 8.

Example of fault of virtual refrigeration cycle of air source heat pump system

Acknowledgements

References