1. 서 론

1.1 연구의 배경 및 필요성

최근 글로벌 기후 위기로 인한 식량 안보의 중요성이 대두되면서, 안정적인 농업 생산 체계 구축에 대한 수요가 증가하고 있다. 이에 따라 전통적인 노지 재배에서 벗어나 ICT 기술을 접목하여 환경을 정밀하게 제어하는 스마트팜의 도입이 가속화되고 있다. 스마트팜은 작물의 생육 정보를 실시간으로 모니터링하고, 자동화된 복합환경제어시스템을 통해 노동력과 에너지를 절감하는 동시에 생산성과 품질을 극대화하는 지능형 농업 형태를 의미한다¹⁾. 정부는 이러한 흐름에 발맞추어 2029년까지 전국 온실 면적의 35%를 스마트팜으로 전환한다는 목표를 수립하였다²⁾. 특히, 유리온실은 타 시설물에 비해 피복재의 내구연한이 길고 구조적 견고성이 뛰어나 다양한 부대 장치 도입이 용이하며, 환경 관리의 정밀도가 높아 스마트팜 구현에 가장 적합한 시설로 평가받는다³⁾. 그러나 유리온실의 높은 기밀성은 겨울철 밀폐 시 작물의 증발산 작용으로 인한 내부 상대습도의 급격한 상승을 초래한다. 높은 습도는 작물의 광합성 효율을 저해할 뿐만 아니라 잿빛곰팡이병 등 각종 병해충의 원인이 되어 생산성에 치명적인 영향을 미친다^4,5). 전통적으로 습도 제어를 위해 활용되어 온 자연 환기 방식은 온실 내부의 열에너지를 외부로 직접 유출시켜 막대한 난방 부하를 야기한다는 한계가 있다. 따라서 겨울철 온실의 생산성을 보존하면서도 에너지 효율을 최적화할 수 있는 기계적 제습 방안 및 운영 전략 수립이 시급한 실정이다.

1.2 선행연구 분석

온실 내 환경 최적화를 위한 환기 및 유동 해석에 관한 연구는 꾸준히 진행되어 왔다. Kang et al. (2021)⁶⁾는 비닐온실의 열·유동장 해석을 통해 측면 환기창보다 상부 환기창을 통한 온도 제어가 효율적임을 제시하였으며, Baeza et al. (2009)⁷⁾은 측창과 천창을 동시 개폐할 경우 천창만 개폐했을 때보다 환기율이 대폭 향상됨을 수치적으로 입증하였다. 습도 제어 측면에서 Kittas et al. (2001)⁸⁾은 천창 개폐 면적과 풍속의 상관관계를 통해 자연 환기 제습 모델을 제시하였고, Lyu et al. (2022)⁹⁾은 환기구의 개도와 작물 높이가 미세 환경에 미치는 영향을 분석하였다. 또한 Senhaji et al. (2019)¹⁰⁾은 CFD 분석을 통해 온실 개구부가 기류 순환 및 미기후 패턴에 미치는 영향을 고찰하였다. 그러나 이러한 자연 환기 기반의 연구들은 외기 의존도가 높아 정밀 제어에 한계가 있으며, 특히 외부 온도가 낮은 겨울철에는 차가운 외기 유입으로 인한 작물의 냉해 피해가 우려된다¹¹⁾.

기계적 제습 방식에 관한 선행연구도 일부 수행된 바 있다. Lalonde et al. (2020)¹²⁾은 TRNSYS 기반의 보정된 온실 모델에 단일 습도 제어 전략을 적용하여 그 유효성을 시뮬레이션으로 검토하였으나, 복수의 제습 방식 간 성능 비교나 다양한 습도 설정값에 따른 운영 전략의 차이는 다루지 않았다. Rahman et al. (2023)¹³⁾은 한랭 지역의 온실을 대상으로 세 가지 제습기의 성능을 실험적으로 평가하였으나, 에너지 소비량과 습도 제어 성능을 동일한 조건에서 정량적으로 비교하거나 건물 에너지 시뮬레이션과 연계한 분석은 이루어지지 않았다. 또한, 냉각식 제습기⁵⁾나 대향류형 환기장치¹¹⁾등을 적용한 사례가 보고되고 있으나, 다양한 기계식 제습 방식의 에너지 효율을 종합적으로 비교한 연구는 여전히 부족한 실정이다. 결과적으로 벤로형 온실과 같은 대형 시설에서는 자연 환기의 한계를 보완할 수 있는 강제 환기 및 기계적 제습 시스템의 도입과 이에 따른 정밀한 운영 전략의 수립이 필수적이다.

1.3 연구의 목적 및 방법

본 연구의 목적은 겨울철 유리온실에서 작물의 생산성을 저해하는 높은 습도 문제를 해결하기 위해 에너지 효율적인 최적의 제습 방안 및 운영 전략을 수립하고, 그에 따른 에너지 성능을 비교하고자 한다. 이를 위해 본 연구에서는 Fig. 1과 같이 연구를 진행하였다. 먼저, EnergyPlus 기반 동적 건물 에너지 시뮬레이션에 Stanghellini 증발산 모델¹⁴⁾을 결합함으로써, 실제 작물 재배 환경에서 나타나는 기화 냉각 효과와 수분 발생을 동적으로 반영한 정밀 모사 체계를 구축하였다. 다음으로, 강제 환기, 열회수 환기 시스템, 독립형 제습기의 세 가지 기계적 제습 방식을 상대습도 설정값(75%, 80%, 85%, 90%)에 따라 동일한 시뮬레이션 조건에서 온실 내 제습 성능과 에너지 사용량을 정량적으로 분석하였다. 본 연구는 실측 데이터를 통해 검증된 국내 스마트팜 온실 모델을 활용하여 한국의 기상 조건에 적합한 제습 운영 가이드라인을 도출하였다는 점에서, 기존 연구와 명확히 구별되는 학술적 기여를 갖는다.

Fig. 1

Research process of this study

2. 연구 방법

2.1 대상 온실 모델링

본 연구에서는 유리온실의 열적 특성과 습도 변화를 정밀하게 분석하기 위하여 동적 건물 에너지 시뮬레이션 프로그램인 EnergyPlus를 활용하였다. 대상 온실은 Fig. 2와 같이 전라남도 나주에 위치한 스마트팜 체험형 교육 온실로, 벤로(venlo)형 유리온실이며, 가로 32 m, 세로 31.6 m, 측면 높이 6 m, 최대 높이 7 m이다. 벤로형 온실은 측벽이 높고 넓이가 좁은 양지붕형 온실을 연결한 형태이다. 열원 설비로는 2대의 공기열 히트펌프와 1대의 축열 탱크, 1대의 보일러를 사용하며, 내부 공조는 1대의 AHU와 VAV 터미널 유닛으로 설계되었다. 온실에서의 제어 및 관리와 더불어 스마트 체험형 교육 온실의 역할을 위해, 후면에는 관리실이 배치되어 있다. 관리실은 기계실과 제어실, 온실 운영 교육을 위한 교육장과 회의실 등으로 구성된다. 본 연구에서는 온실에서의 제습 방안 및 운영 전략에 따라 에너지 성능을 비교하는 것이 목적이므로 관리실은 분석 대상에서 고려하지 않았다¹⁵⁾.

대상 온실의 천장 피복은 저철분 산광 강화유리 4 mm이며, 측면은 PMMA (polymethyl methacrylate) 16 mm로 이루어져 있다. 이들의 광학적 특성(두께, 가시광선 투과율 및 반사율, 태양방사 투과율 및 반사율, SHGC 등)은 측정값¹⁶⁾을 활용하여 에너지 모델을 개발하였다.

Fig. 2

Target greenhouse

또한, 대상 온실은 온도 성층이 발생하기 쉬운 측고가 높은 벤로형 온실이기 때문에, 온실 내부는 상부와 작물 재배부인 하부로 구분하여 구획하였다. 이때, 상하부 공기 유동 및 열교환을 모사하기 위하여 IRT (infrared transparent)와 AFN (airflow network)을 적용하였고, 상하부 내부의 노드를 연결하였다. Fig. 3(a)는 본 연구에서 개발된 에너지 모델의 IRT와 AFN의 적용을 위한 개념도를 나타내며, 완성된 모델은 Fig. 3(b)와 같다¹⁵⁾.

Fig. 3

Building energy modeling of greenhouse

2.2 온실 외피 모델 검증

온실 구조 및 외피 모델의 검증 단계에서는 대상 온실이 위치한 전라남도 나주시의 자동기상관측시스템의 데이터로부터 외기 온·습도를 취득하였다. 다만, 일사량의 경우 해당 지점의 관측 기록이 부재하여 인근 광주 지방 기상청의 데이터를 활용하였다. 또한, 일사량은 Watanabe 모델¹⁷⁾을 적용하여 직산분리를 수행하였으며, 수평면 직달일사는 법선면 직달일사로 변환하여 입력하였다.

개발된 벤로형 유리온실 모델의 환경 예측 성능을 검토하기 위하여, 제습 시스템이 가동되지 않는 비공조 조건에서의 실내 온도 및 상대습도를 기준으로 검증을 수행하였다. 온·습도 측정을 위해 총 4대의 온습도 센서를 설치하였으며, 각 센서는 지면으로부터 1.32 m 높이에 위치시켜 5분 간격으로 데이터를 취득하였다¹⁵⁾.

시뮬레이션 예측 결과와 실측값의 비교 결과는 Fig. 4와 같다. 본 검증 단계는 증발산 모델을 도입하기에 앞서 온실 외피 모델 자체의 열적 예측 신뢰성을 확인하기 위한 것으로, 식물이 없는 조건(w/o plant)에서의 온·습도 거동을 대상으로 하였다.

검증 결과, 건구온도와 상대습도의 Cv(RMSE)는 각각 8.7%와 8.9%로 산출되어 ASHRAE Guideline¹⁸⁾에서 제시하는 허용 범위를 만족하였다. 따라서 본 연구에서 개발한 온실 모델은 실제 환경 변화를 신뢰성 있게 모사하고 있으며, 이후의 제습 전략에 따른 에너지 성능 분석을 수행하기에 적절한 것으로 판단된다. 다만, 본 연구에서는 대표 일 데이터를 활용하여 온실 외피 모델의 열 응답 특성을 검증하고, 제습 전략 비교를 위한 기본 모델의 신뢰성을 확보하는데 의의를 두고 있다. 따라서 향후 계절 변화 및 다양한 외기 조건을 고려한 장기간 검증이 필요할 것으로 판단된다.

Fig. 4

Comparison of indoor environments between measured and simulation (w/o plant model) predicted values

2.3 증발산 모델 적용

온실 내부의 온·습도 환경은 작물의 증발산 작용에 의해 결정적인 영향을 받는다. 증발산은 식물이 기공을 통해 수분을 배출하는 증산과 지표면 및 잎 표면에서 물이 기화하는 증발을 포함하며, 이는 잎의 온도 조절과 작물의 광합성 효율을 결정하는 핵심 요인이다. 본 연구에서는 증발산 작용을 정밀하게 모사하기 위해 Stanghellini 모델¹⁴⁾을 적용하였다. 이 모델은 식(1)과 같이, 엽면적 지수(LAI), 일사량, 기공 저항 등을 종합적으로 계산하여 식물체와 대기 간의 에너지 교환량을 산출한다. 선행 연구(Prenger et al., 2002; Lopez-Cruz et al., 2008)^19,20)에 따르면, Stanghellini 모델은 공기 유동이 정체되기 쉬운 온실 내 저풍속 환경에서도 타 모델대비 가장 우수한 예측 성능(R² = 0.872)을 나타냈다.

여기서, LAI는 엽면적 지수(Leaf Area Index), ∆H는 물의 증발잠열 상수(J∙kg-1), ρ는 공기의 밀도(kg∙m3), Cp는 공기의 비열(J∙kg-1∙K-1), VPD는 증기압 부족량(Vapor Pressure Deficit, Pa), γ는 습공기 선도 상수(Pa∙K-1), rs,rb는 기공 및 잎 경계층 저항(s∙m-1), Sgw는 온실 바닥 면적(m2)을 의미한다.

Fig. 4가 식물이 없는 조건에서 온실 외피 모델의 열적 예측 성능만을 검증한 것과 달리, Fig. 5는 Stanghellini 증발산 모델을 추가로 적용하여 실제 작물 재배 환경에 보다 근접한 온·습도 거동을 재현한 결과이다. 즉, Fig. 4의 검증이 온실 구조체 자체의 신뢰성을 확보하기 위한 단계였다면, Fig. 5는 작물의 생리적 반응이 온실 내부 환경에 미치는 영향을 시뮬레이션에 통합함으로써 모델의 현실 재현성을 한 단계 높인 과정에 해당한다.

Fig. 5

Comparison of indoor environments based on the application of the evapotranspiration model (with plant model)

Fig. 5(a)와 같이, 건구온도의 경우 증발산의 영향이 미미한 야간에는 증발산 모델 적용 여부와 무관하게 두 시뮬레이션이 유사한 온도 분포를 나타냈다. 반면, 일사에 의해 증산 작용이 활발해지는 주간에는 증발산 모델 적용 시 미적용 대비 평균 약 1℃ 낮은 온도 분포를 보였으며, 일사량이 최대인 시점에서는 최대 건구온도가 약 2.3℃까지 하락하는 것으로 분석되었다. 이는 작물의 증산에 의한 기화 냉각 효과가 온실 내 열환경에 실질적인 영향을 미침을 나타낸다.

Fig. 5(b)와 같이, 상대습도의 경우 두 모델 간의 차이는 더욱 뚜렷하게 나타났다. 증발산 모델을 적용하지 않은 경우에는 온실 내부가 상대적으로 건조한 상태를 유지하였으나, 증발산 모델 적용 시에는 작물의 지속적인 수분 배출로 인해 내부 상대습도가 90% 이상의 고습 상태에 머무르는 것으로 분석되었다. 특히, 야간에는 외기 온도 저하에 따른 포화 수증기압 감소와 작물의 수분 배출이 복합적으로 작용하여 상대습도가 포화 상태에 쉽게 도달하는 현상이 확인되었다.

이상의 결과는 증발산 모델의 도입이 단순한 외피 열성능 모사를 넘어, 실제 재배 환경에서 나타나는 기화 냉각 효과와 수증기 발생을 동적으로 반영함으로써 온실 미기후를 보다 현실적으로 재현하는 데 있어 필수사항임을 의미한다.

2.4 제습 방안 및 운영 전략

본 연구에서는 겨울철 온실의 습도 제어를 위하여 세 가지 제습 방안과 네 가지 운영 전략을 수립하였다. 먼저, 선정된 세 가지 제습 방안은 농촌진흥청의 농업기술길잡이²¹⁾를 참조하여 실제 온실 적용성이 검증된 실용적 대안들로 구성하였으며, 제습 방안에 대하여 기술적 제원은 다음과 같이, 시판 제품²²⁾ 및 선행 연구의 사양^5,23)을 참조하여 시뮬레이션에 적용하였다.

∙강제 환기: 배기 팬을 이용하여 내부의 고습한 공기를 강제로 배출하고 외기를 유입(풍량: 2.5 m³/s, 팬 효율: 0.9)²²⁾

∙열회수 환기 시스템: 급·배기 과정에서 열교환기를 거쳐 나가는 공기의 폐열을 회수하여 유입 외기를 예열(풍량: 1.89 m³/s, 소비전력: 1.7 kW)²³⁾

∙독립형 제습기: 냉각 코일을 통해 공기 중 수분을 직접 제거하고 잠열을 현열로 변환하여 실내로 재방출(풍량: 1 m³/s, 제습 능력: 108 L/day, COP: 2.32)⁵⁾

본 연구에서는 각 제습 방식에 단순 On/Off 제어를 적용하였다. 이는 실제 현장에서 활용되는 PID 제어, 데드밴드 제어, 외기 연동 제어 등과 상이하나, 본 연구의 목적이 제어 알고리즘의 최적화가 아닌 세 가지 제습 방식 간의 물리적 성능 및 에너지 효율을 동일한 기준 조건에서 비교하는 것임을 고려할 때, On/Off 제어는 각 방식의 성능 상한을 명확하게 도출하기 위한 합리적인 가정으로 판단된다. 이에 따라 각 제습 장치는 설정 상대습도 초과 시 정격 용량으로 즉시 가동되고, 설정값 이하로 회복될 경우 즉시 정지하는 방식으로 모델링되었다. 부분부하 운전 특성 및 고도화된 제어 알고리즘의 도입에 따른 에너지 절감 효과는 본 연구의 범위 밖에 있으며, 3.2절에 후술한 것과 같이 향후 연구 과제로 제언한다.

또한, 각 제습 방안의 성능 및 에너지 효율을 정량적으로 비교하기 위해 각 제습 방안별 상대습도의 설정값(75%, 80%, 85%, 90%)으로 제어되는 운영 전략을 적용하였다. 설정값의 선정 범위는 농촌진흥청 농업기술길잡이²¹⁾에서 제시하는 온실 작물 생육 관리 기준을 근거로 하였다. 구체적으로 상대습도 60 ~ 80%는 작물의 광합성과 증발산이 활발한 최적 생육 범위에 해당하며, 80% 초과 시 잿빛곰팡이병 등 병해 발생 위험이 증가하고⁴⁾, 90% 초과는 고위험 구간으로 분류된다⁵⁾. 이에 따라 실제 운영 현장에서 적용 가능한 임계값 전후의 범위인 75 ~ 90%를 제습 운영 전략의 분석 구간으로 설정하였다.

3. 결과 및 토의

3.1 습도 제어 성능 및 에너지 사용량 비교

제습 방안 및 운영 전략의 적용에 앞서 대상 온실의 현 상태(베이스라인 모델)의 습도 환경을 분석하였다. 그 결과 전체 시뮬레이션 기간(2,880시간) 중 상대습도가 90%를 초과하는 고위험 습도 구간이 577시간(20.03%)에 달하는 것으로 분석되었다. 특히, 각종 곰팡이 및 병해 발생 가능성이 높은 80% 이상의 높은 습도 구간이 전체 운영 시간의 57.77%를 차지하여, 작물이 생육 기간의 절반 이상을 열악한 습도 환경에 노출됨을 확인하였다. 반면, 작물의 최적 생육 습도 범위인 60 ~ 80% 구간은 35.86%에 불과하였다. 이는 겨울철 밀폐된 유리온실의 경우, 기본적인 공조 설비 외에 추가적인 제습 및 환기 전략 없이는 안정적인 생육 환경 유지가 불가능함을 의미한다.

다음으로 각 제습 방안 및 운영 전략별로 작물의 광합성과 증발산 작용이 가장 활발한 최적 생육 습도 구간(RH 60 ~ 80%)의 유지 비율을 비교 분석하였다(Fig. 6a). 그 결과, 강제 환기와 열회수 환기 시스템은 설정 습도 75%와 80% 조건에서 최적 습도 유지 비율이 85% 이상으로 나타나 우수한 제어 성능을 보였다. 특히, 열회수 환기 시스템을 75%로 설정했을 때 최적 습도 유지 비율이 89.53%로 가장 높게 나타나, 최상의 생육 환경을 조성하는 것으로 분석되었다. 그러나 두 방식 모두 설정 습도가 85% 이상으로 높아질 경우, 최적 습도 유지 비율이 급격히 감소하는 경향을 보였다. 이는 임계 습도가 높게 설정될수록 제습 가동 시점이 지연되어, 온실 내부가 고습도 환경에 머무르는 체류 시간이 길어지기 때문으로 판단된다. 반면, 독립형 제습기는 최적 습도 유지 비율이 36 ~ 59% 수준에 그쳐, 베이스라인 모델(35.86%)보다는 개선되었으나 환기 기반 방식에 비해서는 제습 성능이 현저히 낮은 것으로 확인되었다.

Fig. 6

Comparison of relative humidity and energy consumption of each strategies

한편, 각 제습 방식에서 난방 부하 변화와 시스템 구동 전력이 총 에너지 소비에 기여하는 상대적 비중을 보다 엄밀하게 규명하기 위해서는 외기 도입으로 인한 난방 부하 증가, 열회수 환기 시스템의 폐열 회수량 분석, 독립형 제습기의 부분부하 에너지 특성 분석 등이 필요하다. 그러나 본 연구에서는 난방, 제습, 환기팬 등의 에너지를 세부적으로 분리하여 분석하기보다는 전체 에너지를 분석할 때 각 제습 방안별 에너지 성능의 비교가 더 명확하게 분석될 수 있다고 판단하였다. 제습은 제습·환기 시스템 자체의 구동 에너지뿐만 아니라 외기도입 등의 이유로 난방 부하의 변화를 동반하며, 이는 제습 방안의 종류에 따라 상호 연동되어 변화하는 구조적 특성을 가진다. 즉, 난방과 제습 에너지가 제습 방안에 따라 긴밀하게 연동되는 구조를 고려할 때, 세부 항목을 인위적으로 분리하여 비교하는 것은 오히려 각 방안의 통합적 에너지 특성을 왜곡할 우려가 있을 수 있다. 따라서 전체 에너지 소비량은 난방과 제습의 상호작용을 통합적으로 반영하는 지표로서, 제습 방안에 따른 에너지 성능을 비교하기에 적합한 것으로 판단되었다.

그 결과, 에너지 성능 측면에서는 강제 환기 방식이 가장 우수한 성능을 나타냈다. Fig. 6(b)과 같이, 강제 환기는 모든 설정값 범위에서 가장 낮은 에너지 사용량(약 59,000 ~ 66,000 kWh)을 기록하였다. 반면, 독립형 제습기는 압축기 구동을 위한 전기에너지를 직접 소비하는 계통 특성상 가장 높은 에너지 소비량(최대 104,411 kWh)을 보였으며, 설정 습도가 낮아질수록 제습 부하 증가에 따라 에너지 소비가 급증하는 양상을 나타냈다. 열회수 환기 시스템은 강제 환기보다는 높고, 독립형 제습기보다는 낮은 중간 수준의 에너지 소비량(약 61,000 ~ 77,000 kWh)을 나타냈다. 이는 폐열 회수를 통해 난방 부하를 일부 상쇄함으로써 강제 환기 대비 에너지 증가폭이 크지 않음을 의미한다. 결과를 종합하면, 열회수 환기 시스템은 강제 환기 대비 다소 높은 에너지를 소비하지만, 습도 제어 정밀도와 온도 유지 성능 사이에서 균형 잡힌 대안이 될 수 있음을 확인하였다.

3.2 토의 및 한계점

환기 기반의 제습 방식은 Fig. 7과 같이 고습도 환경을 억제하는 데 우수한 성능을 확인하였다. 특히, 열회수 환기 시스템은 모든 설정 범위(75 ~ 90%)에서 위험 습도 발생률을 0.07% 이하로 억제하며, 사실상 위험 습도 구간을 근본적으로 제거하였다. 강제 환기 역시 1% 미만의 낮은 발생률을 유지하며 안정적인 성능을 나타냈다. 반면, 독립형 제습기는 설정 습도를 높일수록 위험 습도 노출 시간이 오히려 감소하는 앞선 제습 방식과는 다른 양상을 나타냈다.

Fig. 7

Proportion of risk-level humidity

강제 환기는 저온의 외기를 온실 내부로 직접 유입시키는 방식으로, 내부 절대습도를 감소시키는 효과는 있으나 동시에 실내 온도를 급격히 낮추는 결과를 수반한다. 온도 하강은 포화 수증기량의 감소를 유발하여 오히려 상대습도를 상승시키는 역효과로 이어질 수 있으며, 이로 인해 강제 환기의 습도 제어 정밀도가 열회수 환기 시스템에 비해 낮게 나타나는 것으로 판단된다. 이에 반해, 열회수 환기 시스템은 배기 과정에서 폐열을 회수하여 유입 외기를 예열함으로써 실내 온도를 안정적으로 유지하는 동시에 고습한 내부 공기를 외부로 배출하는 이중 효과를 발휘한다. 즉, 온도 안정성 유지와 절대습도 감소를 동시에 달성함으로써 상대습도를 보다 정밀하게 억제할 수 있다. 독립형 제습기의 경우, 코일을 통해 공기 중 수분을 응축·제거하는 방식으로 외기 교환 없이 실내 공기를 순환 처리한다. 이는 내부 발생 수증기를 연속적으로 제거하는 데 있어 한계가 있으며, 특히 작물의 증발산이 활발한 조건에서는 제습 용량이 수분 발생량을 따라가지 못하여 설정 습도 이하로의 정밀 제어가 어려운 것으로 분석된다. 이러한 세 방식의 제습 메커니즘 차이는 Fig. 7에 나타난 위험 습도 발생률의 차이로 나타나게 되었다.

앞선 결과와 같이, 에너지 사용량 측면에서는 단순 팬 구동 방식인 강제 환기가 가장 경제적인 대안으로 나타났다. 반면, 독립형 제습기는 강제 환기 대비 약 1.5 ~ 1.7배의 높은 에너지를 소모하며, 설정 습도가 낮아질수록 운영 비용 부담이 기하급수적으로 증가하는 특성을 보였다. 열회수 환기 시스템 또한 설정 습도 감소에 따라 에너지 사용량이 점진적으로 증가하는 경향을 나타냈다. 그러나 이러한 에너지 소비량의 증가는 작물의 병해 발생으로 인한 경제적 손실과 비교하여 고찰되어야 한다. 고습도 환경에서 빈번하게 발생하는 잿빛곰팡이병 등은 작물의 상품성을 저해할 뿐만 아니라 전체 수확량의 급격한 감소를 초래한다. 따라서 제습 시스템 가동에 따른 추가적인 에너지 비용 지출은 단순한 비용 발생이 아니라, 작물의 생산성 안정화와 품질 확보를 위한 필수적인 요소로 해석하는 것이 타당할 것으로 사료된다.

결과적으로, 에너지 효율만을 고려한다면 강제 환기가 가장 유리한 대안이나, 겨울철 저온 외기 유입으로 인한 냉해 위험과 실내 온도 유지 부하를 동시에 고려해야 할 필요가 있다. 작물 냉해는 빙점 이상의 저온 환경에 작물이 노출될 때 발생하는 생리적 장해로, 세포막의 물리적 변성과 물질대사 기능 장애를 수반하여 생육 저해, 수확량 감소, 상품성 손실 등의 피해를 초래한다²⁴⁾. 주요 온실 재배 작물의 냉해 임계온도를 살펴보면, 온실 대표 작물인 토마토의 경우 10℃ 이하에서 생육이 심각하게 저해되며²⁵⁾, 열대·아열대성 작물의 12.5℃ 이하 생리적 피해가 나타나는 것으로 보고되고 있다²⁶⁾. 국내 온실 주요 작물인 딸기의 경우에도 야간 온도가 5℃ 이하로 하강할 경우 광합성 효율 저하 및 과실 품질 손상이 보고된 바 있다²⁷⁾. 이에 반해, 열회수 환기 시스템은 대향류형 열교환기를 통해 배기 온공기의 폐열을 회수하여 유입 외기를 예열하는 구조로¹¹⁾, 작물 재배존 내 온도를 냉해 임계점 이상으로 안정적으로 유지할 수 있는 이점을 제공한다. 실제로 고터널 온실 사례 연구에서는 열회수 환기 시스템 도입을 통해 습도 제어를 수행하면서도 온실 내 일평균 기온을 유의미하게 상승시켜 작물 생산성이 향상됨을 보고하였다²⁸⁾.

따라서, 에너지 회수를 통해 온도 저하를 방지하면서도 위험 습도 제어 성능을 나타낸 열회수 환기 시스템을 도입하고, 작물의 생육 단계에 맞춰 적절한 습도 설정점(75 ~ 80%)을 유지하는 것이 에너지 소비와 생산성 보존 사이의 균형을 맞추는 최적의 운영 전략이라 판단된다. 다만, 본 연구에서 도출된 제습 방식별 가이드라인을 실제 온실 현장에 고도화하여 적용하기 위해서는 다음과 같은 기술적 한계의 극복과 추가 연구가 병행되어야 할 것으로 사료된다.

(1) 지능형 알고리즘을 통한 제어 고도화 : 본 연구에서 적용한 단순 On/Off 제어 방식은 장치의 빈번한 가동을 유발하여 시스템의 수명을 단축시키고, 불필요한 에너지 소모를 가중시킬 수 있다. 향후 연구에서는 외기 온습도 상태에 따라 가동률을 정밀하게 조절하는 PID 제어나 데드밴드(Dead-band) 설정, 혹은 기상 예보 데이터를 실시간으로 반영하는 모델 예측 제어 알고리즘을 도입하여 에너지 효율을 극대화할 필요가 있다.

(2) 생육 모델 기반의 생산성-에너지 최적화 분석: 제습 전략에 따른 에너지 소비량과 생산성의 트레이드오프(Trade-off) 관계를 정밀하게 규명하기 위해서는 단순히 물리적 환경 수치뿐만 아니라 실제 작물 생산량 모델링과의 연계가 필요하다. 일사량, 광합성 효율, 증산 속도 등 다양한 생육 변수가 반영된 수확량 예측 모델을 통합함으로써, 에너지 비용 투입 대비 생산 이익을 극대화할 수 있는 경제적 최적 운영 지점을 도출하는 후속 연구가 요구된다.

(3) 하이브리드 제습 전략 수립: 본 연구에서 분석한 단일 제습 방식들의 개별적 한계를 극복하기 위해, 각 장치의 장점을 결합한 하이브리드 운영 전략에 대한 검토가 필요하다. 일사량이 풍부한 주간에는 독립형 제습기를 운용하여 내부 온도를 유지하고, 야간이나 외기 조건이 유리한 경우에는 강제 환기 또는 열회수 환기 시스템을 유연하게 선택하는 복합 제어 시나리오를 설계할 수 있다. 이러한 접근은 에너지 효율과 작물의 생육 적온 유지라는 두 가지 목적을 동시에 달성할 수 있는 최적의 솔루션을 제공할 것으로 기대된다.

(4) 제습 시스템 가동 조건에서의 모델 검증 보완: 본 연구의 모델 검증은 제습 장치가 가동되지 않는 비공조 조건에서 온실 외피 및 증발산 모델의 예측 정확도를 ASHRAE Guideline 14¹⁸⁾의 허용 기준 이내에서 확인하는 방식으로 수행되었다. 이와 같은 접근 방식은 각 제습 방식의 물리적 성능 상한을 동일한 기준 조건에서 비교하는 본 연구의 목적에 부합하며, 외피 모델의 열적 신뢰성이 먼저 확보되어야 이후 시스템 성능 비교 분석의 타당성이 보장될 수 있다. 그러나 본 연구에서 제안한 세 가지 제습 시스템은 실제 적용되기 어려운 상황으로 실측 데이터 확보에 현실적 한계가 있다. 따라서, 각 제습 방식의 실제 운영되는 현장에서 실측 데이터 확보를 통해 모델의 예측 신뢰성을 확보할 필요가 있다.

4. 결 론

본 연구에서는 겨울철 유리온실의 높은 습도 환경 개선을 위해 강제 환기, 열회수 환기 시스템, 독립형 제습기 등 세 가지 제습 방안과 네 가지 운영 전략으로 제습 성능 및 에너지 효율을 분석하였다. 주요 연구 결과 및 시사점은 다음과 같다.

먼저, 제습 전략을 적용하지 않은 기초 상태에서 온실 내부는 전체 시간의 20.03% 동안 상대습도 90% 이상의 위험 구간에 노출되었으며, 최적 생육 습도(60 ~ 80%) 유지 비율은 35.86%에 불과하였다. 이는 겨울철 밀폐된 온실 환경에서 작물의 병해 방지와 품질 확보를 위해 제습 장비의 도입이 필수적임을 시사한다. 다음으로, 제습 성능 측면에서 열회수 환기 시스템은 모든 설정값(75 ~ 90%)에서 위험 습도 발생률을 0.04 ~ 0.07% 수준으로 억제하며 가장 탁월한 제어 능력을 보였다. 강제 환기 역시 1% 미만의 낮은 발생률로 안정적인 성능을 입증하였으나, 독립형 제습기는 설정값 75% 기준 6.79%의 위험 습도 노출을 보여 환기 기반 방식 대비 제어에 한계를 드러냈다. 마지막으로, 최적 생육 환경 조성과 에너지 소비량 사이에는 트레이드오프(Trade-off) 관계가 있음을 확인하였다. 에너지 효율은 강제 환기가 가장 우수했으나, 습도 제어 정밀도와 온도 유지 성능을 종합적으로 고려할 때 열회수 환기 시스템이 가장 균형 잡힌 대안으로 분석되었다.

본 연구는 특정 작물에 국한된 기존 연구의 범위를 넘어 시뮬레이션을 통한 제습 가이드라인을 제시하였다는 점에 의의가 있다. 향후 스마트팜의 고도화를 위해서는 온실 모델의 공조 조건과 작물 재배 조건에서의 실측을 통한 추가 검증이 필요하고, 작물별 생산량 예측 및 생산 효율 분석이 수반되어야 하며, 이를 위해 건축공학, 농공학, 원예학 등의 학제간 융합 연구를 통한 복합 환경 제어 전략 수립이 연구되어야 할 것이다.