1. 서 론
2. 연구의 범위 및 방법
2.1 연구 범위 및 대상
2.2 연구 방법 및 절차
3. 분석 결과
3.1 기술통계 분석
3.2 탐색적 데이터 분석(EDA)
3.3 예측 모형 분석
4. 결 론
1. 서 론
세계적으로 온실가스 배출을 줄이고 지구온난화 문제를 해결하고자 건물을 대상으로 에너지 소비 효율 향상 및 화석연료 줄이기에 관한 관심이 증가하고 있다. 이에 세계 각국은 건축물의 에너지 효율화를 위해 다양한 정책과 제도들을 시행하고 있는데 그 중 대표적인 제도가 ‘건축물 에너지효율 등급 인증 제도’이다. 국내에서도 건축물의 에너지 성능을 평가하고 그 성능에 대해 등급을 부여하는 ‘건축물 에너지효율 등급 인증제’와 ‘제로에너지 건축물 인증제(Zero Energy Building Certification, ZEB)’가 시행되고 있다. 건축물 에너지 효율등급 인증제는 2001년에 국내에 최초 도입되었고 인증 대상 확대와 인증 등급의 강화 등 변화를 거쳐 2013년부터는 모든 건축물 유형으로 확대되었다. 인증 등급은 1+++등급에서 7등급까지 세분화하여 평가하고 있다1,2). 건축물 에너지효율 등급 인증제는 상당한 기간 동안 국내 신축 건축물의 에너지 효율화를 이끄는 주요한 정책으로 시행되었고 2025년부터는 제로에너지건축물 인증제로 통합되면서 이 인증 제도의 시행에 기반이 되었다3,4). 그러나 건축물 에너지효율등급에 대한 기존 국내 연구는 제도의 운영이나 인증 취득 사례, 등급 분포와 연도별 인증 추이에 대한 부분적 분석을 제시하는데 머무르고, 전체 인증 취득에 대한 체계화된 분석이 이루어지지 않고 있다.
이에 본 연구에서는 2013년부터 2025년까지의 건축물 에너지효율 등급 인증(Building Energy Efficiency Rating Certification, BEEC)을 받은 모든 건축물의 인증 취득 현황을 분석하고 기술적 통계와 분석 데이터 간의 변화량 분석 및 상관관계를 분석하여 결과를 제시하였다. 특히 최상위 인증 등급의 결정요인을 정량적으로 분석하고 예측모형을 활용하여 예측되는 인증 등급과 실제 인증 등급 간의 차이를 도출하였다. 본 연구는 이러한 분석 결과로부터 앞으로 탄소중립 추진의 핵심 정책인 제로에너지건물 인증제의 효율적 운영 및 확산의 논의에 기술적인 참고자료를 제공하는 데 목적이 있다.
2. 연구의 범위 및 방법
2.1 연구 범위 및 대상
본 연구는 ‘건축물 에너지효율 등급 인증제’ 운영기관인 한국에너지공단이 구축하여 운영하고 있는 건축물에너지효율등급인증 관리시스템(KEA, 2026)1)에서 2013년부터 2025년까지 13년간 BEEC 본 인증을 취득한 모든 건축물의 인증관련 데이터를 수집하여 분석하였다. 분석 데이터는 모두 13,370개의 본 인증 건물이고, 건축물 에너지효율 등급 인증제의 운영지침의 분류 기준에 따라 인증 번호, 인증 신청 주체(공공/민간), 건물 분류(주거/비주거), 인증 신청자(건물 소유주), 건물명, 인증 연도(일자), 인증 등급(1+++ ~ 7 Rating), 인증기관, 건물 용도, 지역(시/도), 연면적에 대한 데이터를 수집하여 분류하였다. 건물 용도의 분류는 주거 건물은 단독주택, 공동주택, 공공임대주택, 군 숙소로 구분하고, 비주거 건물은 공공업무, 업무, 교육, 숙박, 판매, 공장, 근린생활시설, 의료, 오피스텔, 기숙사, 기타(일반)의 11개 대분류로 구분하였다. 본 연구의 분석 대상 데이터는 Table 1과 같다.
본 연구는 선행 연구인 주거건물에 대한 분석 연구5)와 비주거건물에 대한 분석 연구6)의 후속 연구로 분석 대상 건물을 전체 건물 대상으로 통합하여 분석하였고 분석기간도 25년까지 확대하였다.
Table 1
Classification of analysis data set for BEEC certified buildings
2.2 연구 방법 및 절차
본 연구에서는 인증 관리시스템으로부터 수집하여 분류한 BEEC 인증받은 건물들에 대해 기술 통계를 분석하여 그 결과를 제시하였다. 1단계에서 실시한 데이터 수집 및 분류와 기술통계에 관한 연구방법은 두 선행연구들5,6)과 동일하며, BEEC 관련 선행연구와 문헌 고찰을 다루었다. 엑셀을 활용한 기술통계 분석 방법을 통해 연도별 인증 현황 및 추이, 인증 등급별 분포, 건물의 세부 용도별 인증등급 현황, 민간 또는 공공 건물에 따른 인증 취득 현황을 분석하였다.
본 연구는 선행 연구들과의 차별성을 갖도록 입체적이고 다각적인 분석을 수행하기 위해 생성형 AI 모델인 ChatGPT pro 5.4 모델의 도움을 받아 탐색적 데이터 분석(Exploratory Data Analysis, EDA) 방법을 활용하였다. Lee의 논문(2024)에 따르면 대표적인 LLM인 ChatGPT를 분석 도구로 활용하여 데이터 셋의 전처리, 샘플링 분석, 탐색적 데이터 분석(EDA), 딥러닝 모델 구현 및 예측 평가까지 가능하다7). 본 연구에서는 심화 분석을 위해 탐색적 데이터 분석을 실시하시고, 변수 데이터를 통한 예측 모형 분석을 통해 예측된 인증 등급과 실제 인증 등급 간의 차이를 비교 분석하였다.
Fig. 1에 본 연구에서 수행한 연구 절차와 데이터 분석에 대한 과정을 도식화하여 나타내었다. 건축물에너지효율등급인증 관리시스템으로부터 본 연구를 위한 데이터를 수집하고 분류하였다. 데이터 항목은 인증 유형(본인증/예비인증), 인증 번호, 건물의 용도, 건물명, 신청자(소유자), 인증 일자, 인증기관, 인증 등급, 지역, 연면적으로 하였다. 먼저 기술통계 분석을 실시하여 전체 BEEC 인증 실적의 시계열적 변화와 인증 등급의 분포 및 추세, 건물 용도별 및 지역별 인증 취득 실태를 분석하였다. 탐색적 데이터 분석인 EDA는 분석용 데이터 셋을 다양한 각도에서 관찰하고 이해하는 과정을 통해 데이터의 구조적 특성을 알아내기 위한 기법이다8). EDA로부터 데이터의 분포와 패턴의 추출 및 이해, 이상치와 결측값 탐색, 통계적 요약(평균, 중앙값, 표준편차 등), 시계열적 특성, 데이터의 상관관계 분석 등을 통해 데이터의 특성과 기본적인 구조를 파악한다9). 일변량 EDA는 하나의 변수에 대해 데이터를 깊이 있게 분석하는 것으로 기술적 통계와 동일한 결과를 도출한다. 다변량 EDA는 두 개 이상의 변수들 간의 관계를 분석하는 것으로 본 연구에서는 취득된 인증 등급을 기준으로 인증 연도, 상위 등급(1+++, 1++)의 변화, 건물 유형에 따른 등급의 수준, 건물 규모인 연면적과 등급 간의 관계를 분석하였고, 이를 통해 BEEC 인증의 구조적 변화를 도출하였다. 심화 분석으로 높은 인증 등급(1+++, 1++)에 영향을 주는 요인을 분석하였고, EDA 분석을 통해 인사이트를 도출하고 정책적 함의를 제시하고자 하였다. 로지스틱 회귀 분석을 활용한 심화 분석으로 BEEC의 상위 인증 등급에 영향을 주는 결정요인을 정량적으로 분석하였다. BEEC 상위 등급 데이터를 종속변수로 하고 건물의 구분, 인증 연도, 연면적, 건물의 용도를 요인변수로 고려한 로지스틱 회귀 분석을 하였다.
다음 단계에서는 파이썬(Python)을 활용하여 건물 구분(주거/비주거), 지역, 건물 용도, 연면적의 데이터를 변수 데이터로 하는 등급 예측 모델을 만들고 주어진 변수 데이터에서 기대되는 인증 등급의 예측값과 실제 인증 등급을 비교하였다. 이를 통해 유사 건물군에 대비하여 상대적으로 높은 또는 낮은 등급의 인증 사례를 도출할 수 있다. 이 때 주어진 변수에 의해 어느 정도의 인증 등급 수준이 기대되는가를 모형 분석을 통해 추정하고 실제 인증 등급과 비교하여 낮은 등급을 부여받은 인증 사례를 도출하였다. 분석을 수행하기 위해 변수 데이터를 다음과 같이 수치화하였다. BEEC 인증 등급은 1+++는 10점, 1++는 9점으로 하고 점차 낮게 점수를 부여하여 7등급은 1점을 부여하여 점수로 변환한다. 연면적도 규모에 따라 5점(10만 m2 이상)부터 2점(100 m2 이상 ~ 1,000 m2 이하)까지를 부여하여 반영하였다. 분석에 사용한 예측 모형은 Ridge regression 모형이다. 이 모형은 선형회귀 모델의 하나로 변수가 많을 때 과도하게 특정 변수에 끌려가지 않도록 정규화하는 기법의 모형이다10). 이 모델의 개념적인 모형식은 다음과 식(1)과 같다.
여기서, Predicted Score f(x) : 예측된 인증 등급, β0 : 범주형 변수 더미, Sector : 건물 구분(주거 또는 비주거), Region : 지역, Building type : 건물 용도, Gross floor area : 인증받은 건물의 연면적, ℇ : 예측값과 실제값의 차이를 설명하는 오차항이다.
예측 모형 분석을 통해 도출된 기대되는 예측된 인증 등급은 변수 데이터를 바탕으로 해당 건물이 유사 건물군에서 평균적으로 어느 정도의 등급을 취득하는가를 통계적인 값으로 나타낸다. 따라서 유사 건물군 대비 상대적인 등급의 수준을 파악하고 실제 등급과 비교하여 낮은지 또는 높은지를 판단할 수 있게 된다.
3. 분석 결과
3.1 기술통계 분석
본 절에서는 전체 BEEC 인증 실적의 시계열적 변화와 함께 주거/비주거 구성, 공공/민간 구조, 인증등급 분포, 건물 용도별 취득 특성을 중심으로 기술통계 결과를 제시하였다.
연도별 전체 인증 실적은 2013년 181건에서 2025년 1,897건으로 증가하여 약 10.5배 확대되었다. 특히 2016년 이후 인증 실적이 본격적으로 증가하였고, 2023년 1,593건, 2024년 1,839건, 2025년 1,897건으로 최근 3개년에서 가장 높은 인증 취득 실적을 나타냈다. 이는 BEEC 제도가 장기간 운영되면서 점진적으로 확산되어 왔으며, 25년 ZEB와의 제도 통합 직전까지도 인증 취득이 지속적으로 증가하였음을 보여준다. 연도별 주거·비주거 및 전체 인증 실적은 Table 2에 정리하였으며, 이를 도식화한 결과는 Fig. 2와 같다.
Table 2
Annual number of BEEC certified buildings by sector and ownership
주거와 비주거의 결과를 비교하면 인증 초기에는 주거건물의 비중이 비주거 건물에 비해 상대적으로 높았으나 이후 비주거 건물 중심으로 인증을 취득하는 구조로 전환되었음을 알 수 있다. 주거건물은 2013년 106건에서 2025년 409건으로 증가하였으나 전체 인증 내 비중은 58.6%에서 21.6%로 감소하였다. 반면 비주거 건물은 2013년 75건에서 2025년 1,488건으로 약 19.8배로 증가하였고, 전체 인증에 대해서도 41.4%에서 78.4%까지 비율이 확대되었다. 누적 기준으로 인증받은 비주거 건물이 전체의 65.9%, 주거건물이 34.1%를 차지하고 있어 BEEC 제도의 실질적 확산은 비주거 부문이 인증 실적을 주도한 것으로 볼 수 있다. 이러한 결과는 연도별 인증 실적의 증가가 단순한 양적 확대를 넘어, 건물 유형별 제도 확산 구조의 변화로 이어졌음을 시사한다.
공공과 민간의 참여 구조는 주거와 비주거에서 상이하게 나타났다. 주거건물은 전체 4,563건 중 민간이 3,555건으로 77.9%, 공공이 1,008건으로 22.1%를 차지하여 민간 중심의 구조를 보였다. 반면 비주거건물은 공공이 5,512건으로 62.6%, 민간이 3,295건으로 37.4%를 차지하여 공공 중심의 인증 취득이 우세하였다. 이를 전체 건물 기준으로 통합하면 공공 6,520건(48.8%), 민간 6,850건(51.2%)으로 나타나지만, 시계열적으로는 초기와 최근의 양상이 다르게 나타난다. 다시 말해서 초기에는 공공건물이 제도 확산을 견인하였으나, 민간 부문의 참여도 점차 확대되었고, 특히 주거 건물에서는 누적 기준으로 민간 비중이 높게 나타났으며, 2015년 이후에는 민간 우위가 지속되었다. 반면 비주거 건물에서는 최근까지도 공공건물의 비중이 높게 유지되고 있음을 알 수 있다.
인증등급 분포를 보면 전체 13,370건 중 1++등급이 4,598건(34.4%)으로 가장 높은 비중을 차지하였고, 다음으로 1+등급 3,561건(26.6%), 1등급 2,385건(17.8%), 1+++등급 1,601건(12.0%) 순으로 나타났다. 반면 2등급은 1,157건(8.7%)이며, 3등급 이하는 매우 적은 수준에 머물렀다. 즉, 전체적으로는 1등급 이상 상위 구간에 인증이 집중되는 구조를 보였다. 반면 주거와 비주거 사이에는 뚜렷한 차이가 있었다. 주거 건물은 1+등급과 1등급, 2등급의 비중이 상대적으로 높아 중상위 등급 중심의 구조를 나타낸 반면, 비주거 건물은 1++등급이 48.9%, 1+++등급이 17.8%로 나타나 상위등급 집중 현상이 뚜렷하였다. 이는 BEEC 제도의 등급 상향이 전체적으로 진행되었으나, 그 속도와 수준은 비주거 부문에서 더 강하게 나타났음을 보여 주는 것이다. 전체 인증등급 분포의 누적 결과는 Table 3에 정리하였고, 연도별 등급 분포 변화는 Fig. 3에 나타내었다.
Table 3
Annual distribution of BEEC certification grades
인증 등급의 년도별 추이를 살펴보면(Fig. 3), 2013년에 1등급은 64.1%, 2등급 34.3%이고, 1+등급 이상을 획득한 건물은 없다. 그러나 가장 최근인 2025년에는 1+++등급이 26.2%, 1++ 등급 46.9%, 1+ 등급은 19.8%, 1등급 4.9%로 2등급 이하의 사례가 매우 적다. 기간 별로 분석하면 2013~2016년 초기에는 1, 2등급 중심이고, 중기인 2017~2020년에는 1+, 1++ 비중 확대되어 전체 인증 건 수 중 29.0% 차지한다. 최근(2021~2025년)에는 1++와 1+++가 62.2%로 절대 다수를 차지하는 것으로 나타났다. 즉, BEEC 인증 건축물은 시간이 지날수록 인증 참여가 늘어난 인증제이면서 점점 더 높은 에너지 성능 수준을 확보하는 방향으로 이동했다. 이는 제도의 양적 확산뿐 아니라 인증 성능 수준의 질적 고도화가 동시에 진행되었음을 시사한다.
15개로 구분한 건물 용도별 인증 취득 특성을 보면, 주거건물에서는 공동주택이 4,286건으로 전체 주거건물의 93.9%를 차지하여 절대적인 비중을 보였다. 단독주택은 70건(1.5%), 공공임대는 172건(3.8%), 군 숙소는 35건(0.8%)으로 낮은 수준에 머물렀다. 즉, 주거부문 BEEC 인증은 사실상 공동주택이 주도하고 있다고 볼 수 있다. 비주거건물에서는 교육시설이 2,246건(25.5%)으로 가장 많았고, 다음으로 기타(일반) 1,548건(17.6%), 업무시설 1,355건(15.4%), 공공업무시설 1,068건(12.1%), 근린생활시설 1,018건(11.6%), 오피스텔 938건(10.7%) 순으로 나타났다. 따라서 비주거부문에서는 교육, 업무, 공공업무, 근린생활시설 등 복수의 용도가 인증 실적을 분담하는 구조를 보였다. 건물 용도의 연도별 인증 현황은 Table 4에 정리하여 나타내었다.
지역별 분포를 보았을 때, 서울시는 4,204건(31.4%)과 경기도는 2,754건(20.6%)의 비중으로 가장 높았고, 인천시가 820건(6.1%)으로 그 다음으로 높다. 이에 따라 수도권(서울·경기·인천)의 인증 실적은 총 7,778건으로 전체의 약 58.2%를 차지하여, 인증 취득이 수도권에 집중되는 경향이 확인되었다. 이러한 결과는 주거와 비주거 건물 모두에서 공통적으로 나타나는 특징으로 지역별 인증 취득 현황을 Fig. 4에 제시하였다.
Table 4
Annual number of BEEC certified buildings by building use type
종합하면, 기술적 통계 분석 결과 BEEC 인증은 2013년 이후 지속하여 확대되었으나, 그 확대의 중심은 주거에서 비주거 건물로 점차 이동한 것으로 나타났다. 또한 주거부문은 민간과 공동주택 중심의 구조를, 비주거부문은 공공과 교육 시설, 업무시설, 공공 업무시설 중심의 구조를 보였으며, 인증등급 또한 전체적으로 높은 등급으로 상향되는 추세에서 비주거건물에서 상위등급 집중이 더욱 뚜렷하게 나타났다. 이러한 결과는 BEEC 제도가 건물 유형, 소유 주체, 용도, 지역에 따라 다른 이행 구조를 형성해 왔음을 보여준다.
인증받은 건물의 연면적 분포에 대한 분석 결과를 보면, 중앙값은 7,811.7 m2이고, 평균값은 36,623.7 m2, 1분위수가 3,357.8 m2, 3분위수가 30,653.1 m2로 연면적 분포는 극단적으로 오른쪽으로 치우친 구조로 연면적이 큰 건물의 인증 수가 많아 평균과 분포를 끌어올리는 구조이다. 이는 Jeong (2025)5)과 Jin et al. (2025)6)의 선행연구에서 분석된 연면적 대비 인증 등급에 관한 분석 결과에서도 확인된다.
3.2 탐색적 데이터 분석(EDA)
EDA 분석에는 일변량 EDA 분석과 다변량 EDA 분석이 가능하다. 일변량 EDA 분석은 각 변수들의 데이터를 독립적으로 분석하는 것으로 3.1절의 기술적 통계와 동일하다. 다변량 EDA 분석은 각 변수들의 관계와 어떤 데이터가 함께 움직이며 구조적 차이를 만드는가를 분석하는 것으로 본 연구에서는 BEEC 인증 등급(Rating)의 데이터를 기준 데이터로하고 다른 변수 항목의 데이터들의 관계를 분석하였다.
인증 실적이 높은 건물 용도와 인증 등급의 수준을 분석한 결과를 Fig. 5와 같이 나타내었다. 인증받은 건물 중 공동주택이 전체 인증 받은 건물 수에서 높은 비율(32.1%)을 차지하지만 1++이상의 높은 인증 등급보다는 1+ 등급, 1등급의 비율이 상대적으로 높다. 공공 임대 주택의 경우는 1등급과 2등급의 인증 비율이 높게 나타났다.
비주거 건물 중 인증받은 건물이 가장 많은 건물 용도는 교육시설(2,246건, 16.8%)이고 1++등급 이상 인증받은 건물이 83.2%를 차지하여 높은 등급을 취득하고 있다. 다음으로 인증 건물의 수가 많은 기타 건물(70.3%) 및 업무용 건물(45%)도 1++등급 이상의 성능을 가진 건물 수가 많다. 인증 건물의 수가 많지 않은 기숙사도 높은 등급(1+++, 1++ 등급)이 81.9%를 차지하는 것으로 나타났다.
인증받은 건물의 지역 분포와 인증 등급과의 상관관계를 히트 맵(Heat map)으로 분석하였다. 이 분석은 인증 건수가 많은 지역에 상위 등급도 높게 존재하는가를 분석하는 것이다. 분석 결과는 Fig. 6과 같다.
Fig. 4와 같이 서울과 경기, 인천의 인증 건 수가 전체 건수의 58.2%를 차지하여 수도권 집중도가 높다. 그러나 Fig. 6에서 볼 수 있듯이 BEEC 상위 등급(1+++, 1++)의 등급 비율은 수도권이 가장 높은 것이 아니다. 상위 등급의 비율은 경남이 72.3%로 높고, 부산이 66.8%, 전남 66.0% 순이다. 서울은 31.1%이고 경기는 42.9%, 인천은 43.9%로 전체 평균인 46.36%에 미치지 못한다. 다시 말해서, 서울·경기는 인증 건수는 많지만, 등급 수준은 상대적으로 높지 않다. 이는 수도권의 경우 인증 대상이 매우 다양하고, 주거·민간 건물도 대량 포함되기 때문일 수 있다. 반면 경남 등의 일부 비수도권 지역은 전체 건수는 적더라도 공공·비주거 중심으로 인증이 이루어져 상위등급 비율이 높게 나타난 것으로 판단된다.
건물의 규모인 연면적과 인증 등급 간의 관계를 분석하여 Fig. 7에 나타내었다. 연면적이 큰 건물의 인증 건수가 많으나 본 분석 결과에서 보듯이 규모가 클수록 BEEC 상위 등급을 받는다는 관계로 보기 어렵다. 오히려 상위 등급일수록 중간 규모 또는 상대적으로 중소규모 건물이 많고, 연면적이 1만 m2 이상의 건물은 1등급과 1+등급이 많은 것을 알 수 있다. BEEC 1 등급의 건물의 경우 규모가 500 m2의 소규모 건물에서부터 10만 m2 이상의 대규모 건물에 넓게 분포되어 있다. 따라서, 건물의 규모와 인증 등급의 관계는 선형관계는 아니며 건물의 용도, 건물의 구분(주거/비주거)에 관련도가 높을 것으로 보이고, 초고층 또는 대규모의 건설이 매우 높은 에너지 성능의 건물로 건설되기에 한계가 있을 수 있음을 보여준다.
심화 분석을 통해 BEEC 상위 인증 등급(1+++, 1++)에 영향을 주는 요인을 분석하였다. Table 3과 Fig. 3에서 살펴보았듯이 BEEC 인증이 경과할수록 상위 등급의 인증 건물의 수는 지속해서 증가하는 추세이다. 따라서 이러한 증가의 원인이 무엇인지 분석하여 보고자 한다. BEEC 상위 등급 데이터를 종속변수로 두고, 건물 구분, 소유주, 인증 연도, 건물 용도, 연면적을 요인변수로 고려한 로지스틱 회귀 분석을 실시하였다. 그 결과, 다른 조건이 같다면 공공 건물은 민간보다 상위 등급을 받을 가능성(3.77)이 높고, 최근에 인증을 받을수록 높은 인증 등급을 취득할 가능성(연간 1.47 증가)이 유의하게 증가하였다. 또한 주거용 건물이고 연면적이 클수록 상위등급의 가능성은 낮아진다는 결과(0.52)와 주거는 비주거보다 상위 등급 가능성인 낮다는 결과(0.42)를 보였다(Table 5).
p 값(p value)는 등급과 각 변수의 관계를 설명하는 것으로 종속변수와 연관 데이터(변수) 간의 통계적으로 유의한 관련이 있는지를 판단하는 값이다. 분석 결과 네 변수 모두 인증 등급과 유의한 관련성이 있다고 해석된다. 로지스틱 회귀 분석의 신뢰도를 확인하는 결정계수로 유사결정 계수인 Pseudo R2를 0.46으로 제시되었다. 이는 다소 높은 수준의 설명값을 제시하는 것이다.
Table 5
Results of a logistic regression analysis on the influencing factors of high certification ratings
따라서 이 결과를 해석하면, 공공 건물은 민간 건물보다 상위등급 획득 가능성이 높았으며, 최근 연도일수록 상위등급 확률이 증가하는 경향이 뚜렷하게 확인된다. 반면 주거용 건물은 비주거 건물에 비해 상위등급 가능성이 낮았고, 연면적이 증가할수록 상위등급 가능성은 감소하는 방향을 보인다. 이것은 BEEC 제도의 고도화가 시간의 경과와 함께 진행되어 왔으며, 그 과정에서 비주거 건물 중에서 공공건물이 상위등급인 1+++와 1++ 등급의 확산을 주도해 왔음을 보여준다.
3.3 예측 모형 분석
변수 데이터를 건물 구분(주거/비주거), 지역, 건물 용도, 연면적으로 설정하고, 이 변수 데이터에 따른 인증 등급을 예측하는 모형을 파이썬으로 구축하였다. 주여진 조건인 변수 데이터를 기반으로 예측 모형을 통해 인증 등급을 도출하였다. 도출된 인증 등급과 실제 인증 등급 간의 차이를 확인하고 유사 조건 대비 상대적으로 낮은 등급을 받거나 높은 등급을 받은 사례를 식별하였다.
Fig. 8에 실제 BEEC 등급과 예측된 등급을 비교하여 식별된 인증 건수를 시각화하여 나타내었다. 대각선 아래에 있는 점들이 실제 등급이 예측된 등급보다 낮은 건물을 의미하며 점의 크기는 인증 사례 건수를 나타낸다.
지역별로는 실제 등급이 낮은 사례는 경기도가 139건(5.05%), 서울이 124건(2.95%)으로 가장 많고, 인증 사례 대비 비율로는 울산이 10.8% (20건), 경북 9.2% (52건), 전남 8.96% (38건)으로 가장 높다. 건물 용도별로는 공공업무 시설이 192건(17.98%), 업무 시설이 68건(5.02%)로 가장 높고, 공동주택은 137건(3.2%)으로 예측된 등급보다 낮은 등급의 인증 건수가 많은 것으로 분석되었다.
가장 등급 차이가 크게 발생한 사례를 살펴 보면, 서울에 위치한 공동주택 ‘○○ 힐타운 단지’는 2019년에 BEEC 6등급을 취득하였으나 예측 등급은 1등급까지 가능한 사례로 평가되었다. 또한 비주거용 건물로는 공공건물인 ‘○○ 하키 센터 지원시설’로 2018년에 3등급을 획득하였으나 유사 건물의 대조군과 비교하였을 때 1++등급이 기대되었다. 반면에 공공 임대주택인 ‘○○ △△단지’는 예측 모형의 결과에서 1등급이 예상되었으나 실제 인증 등급은 2025년에 1+++등급을 획득한 사례이다. 이는 25년 1월부터 ZEB 인증으로 단일화하여 통합되고, 23년 공공 30세대 이상 공동주택의 ZEB 5등급 이상 의무화 및 2025년에 민간 공동주택 의무화 등 정부의 제로에너지 건축물 로드맵을 반영한 정책적 결과로 해석된다. 그러나 이 결과는 인증 등급이 잘못 평가되었다는 것을 나타내는 것이 아니며, 실제 BEEC 등급은 건물의 단열성능, 설비의 효율, 신재생에너지 활용 등의 에너지 성능과 관련된 다양한 조건에 의해 결정되므로 결과의 해석에 유의할 필요가 있다.
본 연구는 예측 모형을 통해 도출된 예측된 인증 등급을 통해 해당 건물이 유사 건물군에 대비하여 상대적으로 낮은 또는 높은 등급의 인증 사례를 파악하였다. 이는 잠재적으로 에너지 성능의 개선 여지가 큰 건물군을 찾거나, 건물 유형 또는 지역에서 기대 대비 낮은 인증 등급을 취득하는 실태를 파악하고 점검을 통해 정책적 개선 방안을 찾거나 관리할 필요가 있음을 보여준다.
4. 결 론
본 연구는 선행연구5,6)의 후속 연구로써, 2013년부터 2025년까지 건축물 에너지효율 등급제의 BEEC 본인증을 받은 13,370개의 건물 데이터를 활용하여 인증 취득 현황을 분석하고자 기술적 통계 분석과 EDA 분석을 실시하고 파이썬을 활용한 예측 모델을 통해 주어진 조건에서 인증 등급의 기대값과 실제 인증 등급을 비교 분석하였다. 이를 통해 건물부문의 탄소중립의 주요한 정책 수단인 건축물 에너효율 등급 인증제의 제도 운영의 특징을 정량적으로 제시하고, 제로에너지 건물 인증제의 운영 및 발전 방향의 논의에 기초자료로 제시하고자 한다. 본 연구를 통해 도출된 결과를 정리하면 다음과 같다.
첫째, BEEC 인증의 연도별 실적은 2013년에 181건에서 2025년에 1,897건으로 매년 크게 증가하는 추세로 인증 제도가 장기간 안정적으로 운영 및 확산되고 있음을 보여준다. BEEC 인증 실적 중 주거 건물이 34.1%, 비주거 건물이 65.9%를 차지하여 이 인증제도의 실질적 확산은 비주거 건물에서 주도하였다고 볼 수 있다. 건물 용도별로는 공동주택, 교육시설, 공공 업무시설, 업무 시설이 BEEC 인증을 주도하는 것으로 나타났다. 인증 등급별로는 1++등급이 4,598건(34.4%)로 가장 높은 비중이고 1등급 이상의 상위 등급이 90.8%로 나타났고 인증 초기 시점보다 시간이 지날수록 높은 등급을 취득하는 비중이 높아져 최근(2021~2025년)에는 62.2%가 1++등급이상을 취득하고 있는 것으로 나타났다.
둘째, 기술통계 분석과 EDA분석 결과로부터 주거 건물의 인증은 공동주택이 주도하였고, 비주건 건물은 교육시설이 주도하는 BEEC 인증 실적을 보였다. 공동주택은 1+등급과 1등급의 취득 비율이 68.5%로 높고, 교육시설은 83.2%가 1++등급 이상을 취득하는 비율이 높다. 지역별로는 수도권의 인증 실적이 약 58.2%를 차지하여 높으나 상위 등급인 1++등급 이상의 비율은 서울이 31.1%, 경기도가 42.9%로 높지 않으며 경남(72.3%), 부산(66.8%) 등이 높은 특징을 보인다. 건물 규모인 연면적 분포에 있어 10,000 m2 이상의 대형 건물이 BEEC 인증받은 건물 수가 많으나 규모가 클수록 인증의 상위 등급을 받는 선형관계는 형성되지 않으며 인증 등급은 건물의 용도와 건물 구분(주거/비주거)이 관련도가 높은 것으로 파악되었다.
셋째, BEEC 상위 등급에 영향을 주는 요인을 분석한 결과, 다른 조건이 같다면 민간 건물 대비 공공 건물이 높고, 최근에 인증을 받을수록 높은 등급을 취득할 가능성이 높다. 주거용 건물이면서 연면적인 클수록 높은 등급을 받을 가능성은 낮은 특성을 보였다.
넷째, 주어진 데이터 조건에서 인증 등급의 수준을 예측하여 실제 등급과 비교한 결과에 따르면 실제 등급이 예측 등급보다 낮은 사례는 경기도(139건)와 서울(124건)이 많고, 건물 용도별로는 공공 업무시설이 192건, 업무시설이 68건, 공동주택 137건으로 높게 파악되었다. 이러한 분석을 통해 유사 건물군 대비 상대적으로 낮은 또는 높은 인증 등급 사례를 파악하여 잠재적인 에너지 성능의 개선 방안이나 인증 취득의 실태 파악 및 성능 점검 등의 인증제도의 관리 방안으로 활용할 수 있다.
본 연구는 ZEB 인증의 기반이 된 건축물 에너지효율 등급 인증을 취득한 13,370개의 건물 데이터를 정량적 기술 분석과 데이터 간 상관관계를 분석함으로써 정책 시행의 실효성을 검토한 연구로 의미가 있다. 또한 기술적 통계 분석 방법 외에 EDA 분석과 등급에 영향을 미치는 요인 분석, 등급을 예측하여 비교하는 분석 방법을 활용한 점에 의의가 있다.
반면에 본 연구는 BEEC 인증 등급과 건물의 실제 에너지 성능과의 관계를 실증적으로 검토하는 것에는 한계를 갖는다. 향후 다수의 실증적 인증 사례를 발굴하여 인증제도에 의한 에너지 절감 및 온실가스 저감 효과에 대해 추가 연구를 수행할 예정이다. 또한 ZEB 인증으로 통합되어 인증 의무화 및 인증 기준의 강화함에 의해 얻어진 에너지 효율의 효과를 평가하는 확장된 연구가 필요하다.
