Field Application Test of Airflow Monitoring Technology in HVAC Systems

Yi Wang; Taeyang Kim; JinHyun Lee; Younghum Cho

doi:10.7836/kses.2025.45.3.111

Preview

Research Article

Journal of the Korean Solar Energy Society. 30 June 2025. 111-123
https://doi.org/10.7836/kses.2025.45.3.111

Field Application Test of Airflow Monitoring Technology in HVAC Systems

HVAC 시스템 풍량 모니터링 기술의 현장 적용성 검토

Yi Wang ¹

Taeyang Kim¹

JinHyun Lee²

Younghum Cho³^*

왕 이¹

김 태양¹

이 진현²

조 영흠³^*

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

²Research Professor, Architecture Research Institute, Yeungnam University

³Professor, School of Architecture, Yeungnam University

¹영남대학교 일반대학원 건축학과, 석사과정

²영남대학교 건축연구소, 연구교수

³영남대학교 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

Air-conditioning systems account for a significant proportion of building energy consumption, and their control strategies have a crucial impact on both energy efficiency and operational accuracy. Variable air volume (VAV) systems capable of dynamically adjusting airflow and temperature are widely used in large buildings. Compared to constant air volume systems, VAV systems offer superior energy efficiency and should therefore be prioritized. Accurate airflow monitoring is a key prerequisite for effective energy saving. To address the challenges in VAV system airflow monitoring, this study proposes an airflow-monitoring method based on field data. This method leverages fan laws and a quadratic fan-performance-curve model incorporating fan speed, duct damper position, and pressure difference to estimate airflow. Experiments were conducted by varying the fan speed (60 Hz) and damper opening (100－20%), and collecting airflow and pressure data. Model performance was validated using multipoint velocity measurements and error data (RMSE, CvRMSE, nRMSE, MBE, and R²). The results established an optimal accuracy at 40 Hz (RMSE = 300.77 CMH, R² = 0.988, CvRMSE = 9.18%), and reduced precision under extreme conditions (CvRMSE = 28.22% at 20 Hz). This approach offers a low-cost alternative to physical sensors and contributes to improved energy efficiency and intelligent control in VAV-based Heating, Ventilation, and Air conditioning systems.

Keywords

Airflow Monitoring Technology

Fan Performance Curve

Fan Theory

HVAC System

키워드

풍량 모니터링 기술

팬 성능 곡선

팬 법칙

HVAC 시스템

MAIN

기호 및 약어 설명
1. 서 론
2. 방법론
2.1 풍량 모니터링 기술
2.2 풍량 모니터링 검증
3. 실험 개요
3.1 대상공간
3.2 실험 case 및 방법
4. 풍량 모니터링 기술 적용
4.1 실험 결과
4.2 현장 데이터 기반 풍량 모니터링 기술 적용
4.3 현장 데이터를 활용한 풍량 모니터링 기술 검증
5. 결 론

기호 및 약어 설명

a, b, c : 팬 성능 곡선 계수[-]

$B_{n}$ : 압력 차 비율 공식의 계수[-]

$C_{n}$ : 최대 압력 차 비율 공식 계수[-]

$α$ : 댐퍼 개도율[%]

$β$ : 압력 차 비율[Pa]

N :팬 회전 속도[rpm]

Q :풍량[m³/h]

H :압력 차[Pa]

P :팬 전력[kW]

$\bar{ω}$ : 실제 팬 속도와 최대 팬 속도의 비율[rpm]

$H_{f a n}$ : 팬 압력 차[Pa]

$Q_{a i r}$ : 풍량[CMH]

$Q_{m e a s}$ : 측정 풍량[CMH]

$Q_{v i r}$ : 예측 풍량[CMH]

$\bar{Q}$ : 실제 풍량의 평균값[CMH]

1. 서 론

건물 에너지 소비에서 공조 시스템은 상당한 비중을 차지하며, 그 운전 방식은 에너지 효율성과 시스템 제어 정밀도에 직접적인 영향을 미친다¹⁾. 공조 시스템 제어 시 정풍량 시스템(CAV, Constant Air Volume)과 변풍량 시스템(VAV, Variable Air Volume)으로 운전할 수 있으며 에너지 절약적인 측면에서 CAV 보다 VAV 시스템 운전을 우선적으로 고려해야 한다²⁾.

CAV 시스템은 일정한 풍량으로 공기를 공급하는 방식으로, 구조가 단순하고 시공이 용이하며 운전이 안정적인 장점이 있어, 중소형 건물, 교육 시설 및 온도와 풍량 제어에 대한 요구가 높지 않은 장소에서 널리 사용된다. 그러나 이 시스템은 실제 냉난방 부하 변화에 따라 풍량을 동적으로 조절할 수 없어 에너지 낭비가 발생하며, 구역별 풍량 조절의 한계가 있다³⁾. 이에 비해 VAV 시스템은 실내 부하 변동에 따라 풍량과 온도를 실시간으로 조절하여 쾌적성을 향상시키는 데 유리하며, 대형 상업 건물, 병원, 사무실 등에서 널리 사용되고 있다⁴⁾.

VAV 시스템은 실내 부하 변동에 대응이 가능한 에너지 효율 향상 기술이며 이를 위해서는 실시간으로 정확한 풍량 모니터링이 필요하다^5,6). 그러나 기존의 물리적 풍량 센서는 비용이 높고 설치가 복잡하여 시스템의 대규모 적용 및 개조에 어려움이 따른다⁷⁾. 이에 공조시스템의 효율적 운전을 위해서는 물리적 센서에 의존하지 않으면서도 높은 예측 정확도를 갖는 풍량 모니터링 기술 도출이 필요하다⁸⁾.

이에 본 연구에서는 VAV 제어를 위한 HVAC 시스템 풍량 모니터링 기술의 현장 적용을 검토하기 위해 팬 성능 곡선과 상사법칙을 바탕으로 현장 데이터를 활용하여 풍량 모니터링 기술을 도출하고 검증하였다.

2. 방법론

2.1 풍량 모니터링 기술

풍량 모니터링 기술 도출을 위해서는 주요 변수들 간의 동적 관계를 파악하는 것이 매우 중요하다. 광범위하게 인정받는 방법 중 하나는 팬(fan) 동역학에 기반한 상사 법칙을 활용하는 것이다^9,10). 본 법칙은 팬이 서로 다른 회전 속도로 운전될 때, 각 물리량 사이의 예측 가능한 함수 관계가 존재한다는 것으로 유체역학 분야의 상사 해석(similarity analysis)에 근거하며, 풍량 추정에 적용이 가능하다¹¹⁾. 시스템의 구조가 동일하게 유지되는 한, 시험 조건이 변화하더라도 팬의 풍량, 정압(static pressure), 소비 전력 간에는 특정한 수학적 비례 관계가 성립한다. 상사 법칙에 기반하여, 팬의 회전 속도, 풍량, 압력 차 및 축 동력은 식(1) ~ (3) 같은 비례 관계가 성립한다.

(1)

\frac{Q_{1}}{Q_{2}} = \frac{N_{1}}{N_{2}}

(2)

\frac{H_{1}}{H_{2}} = {(\frac{N_{1}}{N_{2}})}^{2}

(3)

\frac{P_{1}}{P_{2}} = {(\frac{N_{1}}{N_{2}})}^{3}

팬 성능 곡선은 팬의 운전 특성을 평가하는 곡선을 말한다¹²⁾. 팬이 일정한 회전 속도로 운전될 때, 팬 성능 곡선은 상사 법칙에 따라 이차 함수로 나타낼 수 있으며, 이는 식(4)와 같다¹³⁾. 이러한 팬의 관계를 바탕으로 현장 데이터를 활용하여 풍량 모니터링 기술을 도출하고자 한다.

(4)

H_{f a n} = a {(Q_{a i r})}^{2} + b \bar{ω} Q_{a i r} + c {\bar{ω}}^{2}

풍량은 주로 댐퍼 개도율, 압력 차, 팬 회전 속도의 영향을 받는다. 풍량 성능 곡선을 구성하기 위해, 팬이 최대 속도로 운전되는 조건에서 댐퍼 개도율을 조절하고 이에 따른 풍량과 압력 차를 측정한다. 수집된 압력 차 및 풍속 데이터를 바탕으로 팬 성능 곡선을 구성할 수 있으며, 이는 식(5)과 같이 표현된다.

(5)

H_{\max} = a Q^{2} + b Q + c

풍속과 압력 차가 팬 회전 속도 변화에 따라 어떻게 변하는지는 상사 법칙에 의해 식(6)과 같이 표현할 수 있다. 식(5)과 결합하여 팬 성능 곡선의 예측 풍량 관계를 식(7)와 같이 도출할 수 있으며, 이후 교정 과정을 거쳐 식(8)을 얻었다¹⁴⁾.

(6)

\frac{H_{\max}}{H} = {(\frac{Q_{\max}}{Q})}^{2} = {(\frac{{\bar{ω}}_{\max}}{\bar{ω}})}^{2}

(7)

H = a Q^{2} + b Q \bar{ω} + c {\bar{ω}}^{2}

(8)

Q = \frac{- b \bar{ω} \pm \sqrt{{(b \bar{ω})}^{2} - 4 a (c {\bar{ω}}^{2} - H)}}{2 a}

식(8)를 활용하면 덕트 내 압력 차와 팬 회전 속도를 독립 변수로 하여 덕트 내 풍속을 계산할 수 있다. 그러나 대형 건물의 경우 풍속을 정밀하게 산출하기 위해서는 다수의 압력 센서가 필요하며, 이는 시스템 설치 및 운영 비용 증가로 이어질 수 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 압력 차 대신 댐퍼 개도율을 독립 변수로 활용할 것을 제안한다. 댐퍼 개도율과 압력 차 간의 관계를 분석함으로써 풍속을 정밀하게 예측할 수 있다.

해당 관계를 검증하기 위해, 팬 회전 속도를 최대 속도로 고정한 상태에서 댐퍼 개도율을 단계적으로 조절하며 실험을 수행하였고, 이를 통해 식(9)를 도출하였다. 또한, 댐퍼가 일부 개방된 상태에서의 압력 차와 최대 개방 시의 압력 차 비율은 식(10)으로 표현할 수 있다. 실험 데이터를 기반으로, 댐퍼 개도율을 독립 변수로 하는 압력 차 비의 함수 관계를 제시할 수 있다.

(9)

β = B_{1} α^{i} + B_{2} α^{i - 1} + \dots + B_{n}

(10)

β = \frac{H}{H_{\max}}

식(11)과 같이, 댐퍼 개도율을 최소로 고정한 상태에서 팬 회전 속도를 변화시키고, 이에 따른 압력 차 및 풍속 데이터를 측정함으로써 팬 회전 속도를 독립 변수로 하는 최대 압력 차 공식을 도출할 수 있다.

(11)

H_{\max} = C_{1} {\bar{ω}}^{i} + C_{2} {\bar{ω}}^{i - 1} + \dots + C_{n}

식(9)부터 식(11)까지의 관계를 활용함으로써, 압력 차 방정식을 도출할 수 있으며, 이는 식(12)와 같다.

(12)

H = β H_{\max} = (B_{1} α^{i} + B_{2} α^{i - 1} + \dots + B_{n}) (C_{1} {\bar{ω}}^{i} + C_{2} {\bar{ω}}^{i - 1} + \dots + C_{n})

식(8)과 식(12)를 결합함으로써 최종 예측 풍량 공식인 식(13)을 도출할 수 있으며, 이 공식은 압력 측정 없이 댐퍼 개도율과 팬 회전 속도만을 이용하여 HVAC 시스템 내 덕트 풍속을 추정할 수 있다.

(13)

Q = \frac{- b \bar{ω} \pm \sqrt{{(b \bar{ω})}^{2} - 4 a (c {\bar{ω}}^{2} - (B_{1} α^{i} + B_{2} α^{i - 1} + \dots + B_{n}) (C_{1} {\bar{ω}}^{i} + C_{2} {\bar{ω}}^{i - 1} + \dots + C_{n})}}{2 a}

2.2 풍량 모니터링 검증

시스템 덕트 내의 풍량을 예측하기 위한 풍량 모니터링 기술은 여러 개의 독립 변수를 기반으로 추정된다. 그러나 센서의 측정 과정에서 발생하는 오차로 인해 풍량 모니터링 기술을 통한 도출된 풍량값과 실제 풍량 사이에 오차가 발생할 수 있다. 이러한 오차를 평가하고 보다 모니터링 되는 풍량 값의 정확도를 높이기 위해, 다음과 같은 통계 분석 기법을 활용하였다. 주요 평가 지표로는 절대 오차(Absolute Error, AE), 상대 오차(Relative Error, RE), 평균제곱근오차(Root Mean Square Error, RMSE),정규화된 평균제곱근오차(Normalized RMSE, nRMSE),평균제곱근오차 변동계수(Coefficient of Variation of RMSE, CvRMSE), 평균 편향 오차(Mean Bias Error, MBE), 결정 계수(Coefficient of Determination, R²) 등이 있으며, 이들 지표는 모델의 예측 정확도 및 오차 특성을 종합적으로 평가하고 모델 최적화의 기초 자료를 제공한다.

RMSE는 예측값과 실제값 간의 차이를 제곱하여 평균을 구한 후 제곱근을 취한 값으로, 값이 작을수록 예측 정확도가 높다¹⁵⁾. nRMSE는 RMSE를 관측값의 평균값 또는 범위로 나누어 정규화한 값으로, 일반적으로 10% 이하일 경우 좋은 성능을 나타낸다¹⁶⁾. CvRMSE는 RMSE를 관측값의 평균으로 나눈 값으로, 값이 작을수록 예측 성능이 우수함을 의미하며, 에너지 모델링에서는 월간 데이터는 15% 이하, 시간 단위 데이터는 30% 이하일 때 신뢰할 수 있는 모델로 평가된다¹⁷⁾. MBE는 예측값과 실제값 간의 평균 차이를 나타내며, 값이 0에 가까울수록 예측에 편향이 없음을 의미한다¹⁸⁾. 마지막으로, 결정 계수(R²)는 모델이 실제값의 변동성을 얼마나 설명하는지 나타내며, 값이 1에 가까울수록 예측 성능이 좋으며, 일반적으로 R²≥0.8이면 우수한 모델로 평가된다¹⁹⁾.

(14)

A E = Q_{m e a s} - Q_{v i r}

(15)

R E = \frac{Q_{m e a s} - Q_{v i r}}{Q_{m e a s}} \times 100

(16)

R M S E = \sqrt{\frac{\sum_{1}^{n} {(Q_{m e a s} - Q_{v i r})}^{2}}{n}}

(17)

n R M S E = \frac{\sqrt{\frac{\sum_{1}^{n} {(Q_{m e a s} - Q_{v i r})}^{2}}{n}}}{Q_{m e a s . \max} - Q_{m e a s . \min}}

(18)

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

(19)

M B E = \frac{1}{n} \sum_{i = 1}^{n} (Q_{m e a s} - Q_{v i r})

(20)

R^{2} = 1 - \frac{\sum_{1}^{n} {(Q_{m e a s} - Q_{v i r})}^{2}}{\sum_{1}^{n} {(Q_{v i r})}^{2}}

3. 실험 개요

3.1 대상공간

본 논문에서 대상으로 선정한 공간에는 HVAC 시스템이 갖추어져 있으며 600 mm*600 mm 크기의 급기 덕트, 덕트 양단의 압력을 모니터링하는 센서가 설치되어 있고 댐퍼의 개폐, 팬 회전 속도 및 압력 차를 측정하는 센서가 설치되어 있으며 건물 자동화 제어 시스템(BAS)으로 모니터링 할 수 있다. Fig. 1은 설치된 HVAC 시스템의 모습과 BAS 화면을 나타낸 것이며, Table 1은 실험 공간 개요를 나타낸 것이다.

https://cdn.apub.kr/journalsite/sites/kses/2025-045-03/N0600450310/images/Figure_KSES_45_03_10_F1.jpg

Fig. 1

HVAC and BAS system of the experimental space

Table 1

Overview of experimental space

Types	Specifications
Gross floor area	35.5 m²
Building height	3.4 m
Building volume	120 m³
Ventilation duct cross-sectional specifications	600 mm*600 mm

3.2 실험 case 및 방법

VAV 시스템 적용을 위한 현장 데이터 기반 풍량 모니터링 기술 도출을 위해 팬 회전 속도와 댐퍼 개도율 변화에 따른 실험을 수행하였다. 팬 회전 속는 60 Hz (최대 속도)로 하였으며 댐퍼 개도율는 100% (최대 개도)부터 20% 간격으로 점차 감소시켜 20%까지 조정하여 시험을 진행하였다. 실험 데이터는 10초 간격으로 수집하였으며 열선 풍속계를 활용하여 풍속을 측정하고 압력 차이는 BAS를 통해 수집하였으며 실험에 사용된 장비는 Table 2와 같다.

덕트 단면 내의 풍량 분포는 반드시 균일하지 않으며, 특히 덕트 벽면 근처나 난류가 발생하는 구간에서는 편차가 발생할 수 있다. 만약 단일 지점만 측정할 경우 실제와 다른 결과가 도출될 수 있으므로, 풍량 분포 불균일성을 최소화하고 측정의 정밀도를 높이며 국부적 편차로 인한 영향을 최소화하기 위해 덕트 단면을 3×3 격자로 구분한 중심, 모서리 및 가장자리 등 총 9개의 고정된 측정 지점에서 다수점 풍속 측정을 수행하였다. 해당 측정 지점 위치는 Fig. 2에 나타내었다.

Table 2

Experimental equipment specifications

Equipment model	Types	Specifications	Equipment model	Types	Specifications
Multi-Function Ventilation Meter	Measurement type	Record airflow, temperature, humidity	Differential Pressure Transmitter	Measurement type	Pressure difference
	Measurement range	4572- 283464 m³/h		Measurement range	-999 ~ 1960 Pa
	Measurement accuracy	36576 m/h, ±1.5%		Measurement accuracy	±1% of F.S.

https://cdn.apub.kr/journalsite/sites/kses/2025-045-03/N0600450310/images/Figure_KSES_45_03_10_F2.jpg

Fig. 2

Measurement position

4. 풍량 모니터링 기술 적용

4.1 실험 결과

팬 회전 속도 변화와 댐퍼 개도율 변화에 따른 풍량과 압력 차 실험 결과는 다음과 같다. Table 3은 최대 팬 회전 속도일 때 댐퍼 개도율 변화에 따른 실험 결과이다. 팬 회전수가 60 Hz이고 댐퍼 개도율이 100%일 때 측정된 풍량은 6,433.62 CMH였고, 덕트 내부의 압력은 802.9028 Pa였다. 그리고 댐퍼 개도율이 20%일 때 풍량은 3,453.17 CMH로 감소하였으며, 이에 따라 덕트 내부의 압력은 1,051.625 Pa로 증가하였다. Table 4는 팬 회전수가 60 Hz일 때 댐퍼 개도율에 따른 측정 지점별 결과를 나타낸 것이다.

Table 3

Measurement data at full speed

Fan speed (Hz)	Damper opening rate (%)	Airflow (CMH)	Pressure difference (Pa)
60	100%	6433.62	802.903
	80%	6164.58	831.653
	60%	4778.34	998.449
	40%	4026.32	1030.759
	20%	3453.17	1051.625

Table 4

Case measurement data

Damper opening rate (%)	Point.	Airflow (CMH)	Pressure difference (Pa)	Damper opening rate (%)	Point.	Airflow (CMH)	Pressure difference (Pa)
100%	1	3365.28	797.50	40%	1	1774.44	1025.46
	2	5790.42	796.75		2	3860.14	1030.50
	3	6802.38	797.08		3	6828.84	1028.96
	4	5552.28	800.08		4	1956.96	1031.67
	5	6093.36	805.71		5	2409.48	1028.96
	6	8018.46	807.38		6	7226.28	1029.50
	7	7264.08	807.25		7	2397.06	1034.67
	8	5734.80	808.08		8	1936.98	1035.54
	9	9281.52	806.29		9	7846.74	1031.58
80%	1	3434.40	829.00	20%	1	2250.72	1051.04
	2	5566.32	825.00		2	1952.64	1052.63
	3	7588.08	828.17		3	3367.44	1054.25
	4	4476.06	822.92		4	2872.80	1056.29
	5	5417.28	826.42		5	2325.24	1050.08
	6	8787.96	829.88		6	5579.82	1049.71
	7	6356.34	837.54		7	2357.10	1052.29
	8	5025.78	841.75		8	2468.83	1049.75
	9	8829.00	844.21		9	7903.98	1048.58
60%	1	5307.12	1004.71
	2	4532.22	1003.62
	3	4347.54	1004.13
	4	5982.66	1002.25
	5	4053.78	1001.00
	6	5013.36	1001.08
	7	5467.50	982.67
	8	3021.84	991.00
	9	5279.04	995.58

4.2 현장 데이터 기반 풍량 모니터링 기술 적용

앞선 실험 결과를 바탕으로 팬 성능 곡선을 도출하였으며, 이는 Fig. 5과 같으며 해당 곡선을 2차 함수형태로 표현하면 식(21)과 같다. 그리고 해당 식을 풍량에 대한 식으로 변환하였을 때 식(22)와 같이 나타낼 수 있다.

(21)

H_{f a n} = - 0.00003 {Q_{a i r}}^{2} + 0.163 \bar{ω} Q_{a i r} + 785.73 {\bar{ω}}^{2}

(22)

Q_{a i r} = 5433.33 \bar{ω} + \frac{\sqrt{0.1208566 {\bar{ω}}^{2} - 0.00012 H_{f a n}}}{0.00003}

https://cdn.apub.kr/journalsite/sites/kses/2025-045-03/N0600450310/images/Figure_KSES_45_03_10_F5.jpg

Fig. 5

Fan performance curve

4.3 현장 데이터를 활용한 풍량 모니터링 기술 검증

현장에서 적용성을 고려하여 앞서 도출한 풍량 모니터링 기술의 정확도를 검증하기 위해 팬 회전수와 댐퍼 개도율을 변화시켜가며 추가적인 데이터를 수집하였으며 도출된 풍량 모니터링 기술을 활용하여 해당 케이스별 풍량값을 산정하였다. 이때 팬 회전수는 50 Hz부터 20 Hz까지 10 Hz 간격으로 변화시켰으며 동시에 댐퍼 개도율은 100%에서 20%까지 20% 간격으로 변화시켰으며 측정 결과는 Table 5와 같다. 팬 회전 속도가 50 Hz일 때, 댐퍼 개도율이 100%, 80%, 40%, 20%인 경우의 예측 풍량은 각각 3862.54 CMH, 3942.06 CMH, 3562.28 CMH, 3230 CMH이다. 40 Hz일 때는 40%와 20% 개도율에서 각각 2845.64 CMH, 2579.5 CMH로 예측되었으며,30 Hz일 때는 40%와 20% 개도율에서 각각 2160 CMH, 1941.81 CMH,20 Hz일 때는 40%와 20% 개도율에서 각각 1565.45 CMH, 1396.37 CMH로 예측되었다. 한편, 팬 회전 속도가 50 Hz이고 댐퍼 개도율이 60%인 경우, 또는 팬 회전 속도가 40 Hz 이하이고 댐퍼 개도율이 60% 이상(100%, 80%, 60%)인 경우에는 예측 결과를 도출할 수 없었다.

Table 5

Actual value and calculated value

Fan speed (Hz)	NO.	Damper opening rate (%)	Actual airflow (CMH)	Virtual airflow (CMH)	Fan speed (Hz)	NO.	Damper opening rate (%)	Actual airflow (CMH)	Virtual airflow (CMH)
50	1	100	5395.92	3862.54	30	11	100	3027.84	$\times$
	2	80	5183.22	3942.06		12	80	2884.26	$\times$
	3	60	4269.54	$\times$		13	60	2301.90	$\times$
	4	40	3238.80	3562.28		14	40	1760.64	2160.00
	5	20	2813.82	3230.00		15	20	1653.96	1941.81
40	6	100	4247.58	$\times$	20	16	100	1849.98	$\times$
	7	80	4052.88	$\times$		17	80	1755.66	$\times$
	8	60	3253.50	$\times$		18	60	1460.58	$\times$
	9	40	2491.14	2845.64		19	40	1113.72	1565.45
	10	20	2344.44	2579.50		20	20	1038.72	1396.37

도출된 풍량 모니터링 기술은 일부 case에는 적용의 한계가 있었으며 이는 압력 센서를 통해 측정된 압력 차( $H_{f a n}$ )가 풍량 모니터링 기술 도출 시 설정한 이론적 모델의 범위를 초과했기 때문이다. 즉, 식(22)를 적용할 경우 압력 차 팬 회전수의 1,007.14배 이상이어야만 이론 모델 내에서 실질적인 계산이 가능하다. 이에 따라 식(23)과 같이 압력 차가 팬 회전수 제곱의 1,007.14배보다 작을 경우 제곱근 항이 음수가 되어 풍량 산정이 불가능하다. 이 모델은 시스템 운전 시 하나의 ‘보호 장치’ 역할을 할 수 있으며, 압력 차가 과하게 큰 경우 등 시스템 이상 발생 시, 풍량 추정에 오류가 발생하여 잘못된 데이터를 출력하는 것을 방지한다.

(23)

H_{f a n} > \frac{0.1208566}{0.00012} {\bar{ω}}^{2} \approx 1007.14 {\bar{ω}}^{2}

도출된 예측값과 측정값 사이의 정확도 검증 결과는 Table 6과 같다. 분석 결과, RMSE 값은 50 Hz에서 1,020.98 CMH, 40 Hz에서 300.77 CMH, 30 Hz에서 348.10 CMH, 20 Hz에서 407.41 CMH로 나타났다. nRMSE 값은 50 Hz에서 0.40, 40 Hz에서 0.16, 30 Hz에서 0.25, 20 Hz에서 0.50으로, 본 모델의 예측 오차가 비교적 큰 것을 알 수 있다. CvRMSE 값은 50 Hz에서 24.42%, 40 Hz에서 9.18%, 30 Hz에서 14.97%, 20 Hz에서 28.22%로, 20 Hz에서 오차가 가장 크고 40 Hz에서 가장 작았다. MBE 값은 50 Hz에서 508.72 CMH, 40 Hz에서 –294.78 CMH, 30 Hz에서 –343.61 CMH, 20 Hz에서 –404.69 CMH였다. 또한 결정 계수(R²)는 50 Hz에서 0.922, 40 Hz에서 0.988, 30 Hz에서 0.971, 20 Hz에서 0.925로, 40 Hz에서 풍량 모니터링 값과 실제 풍량 사이의 일치도가 가장 높음을 알 수 있다. 이러한 분석 결과는 각 지표별 평가 특성을 반영한다. RMSE와 nRMSE는 예측값과 실제값의 절대 오차 크기를 나타내며, CvRMSE는 평균 대비 예측값의 변동성 정도를 나타내므로 상대적 예측 안정성 판단에 효과적이다. 특히 CvRMSE가 9.18%로 가장 낮았던 40 Hz 구간은 예측의 신뢰성이 가장 높고, 결정 계수 또한 0.988로 매우 높게 나타나 본 모델의 최적 운전 조건으로 판단된다. 반면 20 Hz에서는 모든 지표에서 오차가 상대적으로 크게 나타났으며, 이는 회전수 저하에 따라 댐퍼 개도율 변화로 인한 국부적인 저항 증가 및 난류 발생 등으로 인해 압력 차 예측이 비선형적으로 변동된 결과로 해석된다.

Table 6

Error validation results

NO.	Fan speed (Hz)	RMSE (CMH)	nRMSE	CvRMSE (%)	MBE (CMH)	R²
1-5	50	1020.98	0.40	24.42	508.72	0.922
6-10	40	300.77	0.16	9.18	-294.78	0.988
11-15	30	348.10	0.25	14.97	-343.61	0.971
16-20	20	407.41	0.50	28.22	-404.69	0.925

5. 결 론

본 연구는 VAV 제어를 위한 풍량 모니터링 기술의 현장 적용성을 검토하는 것으로 세부 결과는 다음과 같다.

(1) 대상건물에 설치된 HVAC 시스템을 활용하여 팬 회전수와 댐퍼 개도율 변화에 따른 풍량과 압력 차 데이터를 수집하고 이를 바탕으로 풍량 모니터링 기술을 도출하였다.

(2) 예측 풍속을 계산함에 있어, 도출된 식(23)에 따르면 실험 데이터에서의 압력 차는 팬 회전수의 제곱에 대해 1,007.14배를 초과해서는 안 된다. 이 값을 초과할 경우, 계산 결과는 현재 사용 중인 팬 성능 곡선 모델의 적용 범위를 벗어나게 되어, 신뢰할 수 있는 예측이 불가능하다.

(3) 도출된 모니터링 기술을 절대 오차, 상대 오차, RMSE, nRMSE, MBE, CvRMSE 및 R²를 활용하여 정확도를 검증하였다. 40 Hz에서 30 Hz 사이의 중속 구간에서는 CvRMSE가 15% 이하로 안정적인 예측 성능을 보였으나, 고속 구간(50 Hz 이상)과 저속 구간(20 Hz 이하)에서는 국부 저항과 난류의 변화로 인해 예측 오차가 크게 나타났다. 이는 덕트 내부의 기류가 비선형적으로 변화하고, 유체역학적 특성이 모델의 이론적 가정을 벗어나는 구간이 존재함을 시사한다.

풍량 모니터링 기술은 물리적 센서에 비해 경제적인 대안으로 활용될 수 있으며, 공조 시스템에 적용하여 VAV 시스템의 실시간 풍량 모니터링에 활용되어 에너지 효율 향상이 가능할 것으로 기대된다.

Acknowledgements

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(RS-2025- 00561486).

References

Mistry, V., Energy Efficiency in HVAC Systems through Building Automation, Journal of Biosensors and Bioelectronics Research, Vol. 1, No. 1, pp. 1-4, 2023, https://doi.org/10.47363/JBBER/2023(1)113.

10.47363/JBBER/2023(1)113

Kalaiselvam, S., Velichet, V. S., Iniyan, S., and Samuel, A. A., Comparative Energy Analysis of a Constant Air Volume (CAV) System and a Variable Air Volume (VAV) System for a Software Laboratory, International Journal of Ventilation, Vol. 5, pp. 229-237, 2006, https://doi.org/10.1080/14733315.2006.11683740.

10.1080/14733315.2006.11683740

Rahnama, S., Hultmark, G., Rupnik, K., Vogler-Finck, P., and Afshari, A., Control Logic for a Novel HVAC System Providing Room-Based Indoor Climate Control in Residential Buildings, Journal of Building Engineering, Vol. 65, 105766, 2023, https://doi.org/10.1016/j.jobe.2022.105766.

10.1016/j.jobe.2022.105766

Chen, T., Zhang, M., Han, S., and Han, Y., Research on Regulation Method of Variable-Air-Volume Air Conditioning System with "Personal Space", Energies, Vol. 17, No. 20, 5041, 2024, https://doi.org/10.3390/en17205041.

10.3390/en17205041

Okochi, G. S. and Yao, Y., A Review of Recent Developments and Technological Advancements of Variable-Air-Volume (VAV) Air-Conditioning Systems, Renewable and Sustainable Energy Reviews, Vol. 59, pp. 784-817, 2016, https://doi.org/10.1016/j.rser.2015.12.328.

10.1016/j.rser.2015.12.328

Kim, H.-J. and Cho, Y.-H., A Study on a Control Method with a Ventilation Requirement of a VAV System in Multi-Zone, Sustainability Vol. 9, No. 11, 2066, 2017, https://doi.org/10.3390/su9112066.

10.3390/su9112066

Bae, Y., Bhattacharya, S., Cui, B., Lee, S., Li, Y., Zhang, L., Im, P., Adetola, V., Vrabie, D., Leach, M., and Kuruganti, T., Sensor Impacts on Building and HVAC Controls: A Critical Review for Building Energy Performance, Advances in Applied Energy, Vol. 4, 100068, 2021, pp. 2666-7924, https://doi.org/10.1016/ j.adapen.2021.100068.

10.1016/j.adapen.2021.100068

Li, H., Yu, D., and Braun, J. E., A Review of Virtual Sensing Technology and Application in Building Systems, HVAC&R Research, Vol. 17, No. 5, pp. 619-645, 2011, https://doi.org/10.1080/10789669.2011.573051.

10.1080/10789669.2011.573051

An, U.-G., Kim, H.-J., and Cho, Y.-H., A Study on the Building Differential Pressure Sensing Technology Using Virtual Airflow Station, Proceedings of the Annual Conference of the Architectural Institute of Korea, Vol. 42, No. 1, pp. 411-412, April 2022, Seoul, Republic of Korea.

Kim, H.-J., Jo, J.-H., and Cho, Y.-H., Development of Virtual Air Flow Sensor Using In-Situ Damper Performance Curve in VAV Terminal Unit, Energies, Vol. 12, No. 224307, 2019, https://doi.org/10.3390/en12224307.

10.3390/en12224307

Mays, Larry W., Water Resources Engineering, Wiley, USA, 2005.

Wang, G., Wang, J., Tiamiyu, N., Wang, Z., and Song, L., Loose Belt Fault Detection and Virtual Flow Meter Development Using Identified Data-driven Energy Model for Fan Systems, Sustainability, Vol. 15, No. 16, 12113, 2023, https://doi.org/10.3390/su151612113.

10.3390/su151612113

Liu, G. and Liu, M., Development of Simplified In-Situ Fan Curve Measurement Method Using the Manufacturers Fan Curve, Building and Environment, Vol. 48, pp. 77-83, 2012, https://doi.org/10.1016/j.buildenv.2011.08.017.

10.1016/j.buildenv.2011.08.017

Liu, M., Liu, G., Joo, I., Song, L., and Wang, G., Development of In Situ Fan Curve Measurement for VAV AHU Systems, ASME. J. Sol. Energy Eng., Vol. 127, No. 2, pp. 287-293, 2005, https://doi.org/10.1115/1.1849226.

10.1115/1.1849226

Hodson, T. O., Root-Mean-Square Error (RMSE) or Mean Absolute Error (MAE): When to Use Them or Not, Geosci. Model Dev., Vol. 15, No. 14, pp. 5481-5487, 2022, https://doi.org/10.5194/gmd-15-5481-2022.

10.5194/gmd-15-5481-2022

Koponen, P., Ikäheimo, J., Koskela, J., Brester, C., and Niska, H., Assessing and Comparing Short Term Load Forecasting Performance, Energies, Vol. 13, No. 8, 2054, 2020, https://doi.org/10.3390/en13082054.

10.3390/en13082054

Fabrizio, E. and Monetti, V., Methodologies and Advancements in the Calibration of Building Energy Models, Energies, Vol. 8, No. 4, pp. 2548-2574, 2015, https://doi.org/10.3390/en8042548.

10.3390/en8042548

Jamil, B. and Akhtar, N., Comparative Analysis of Diffuse Solar Radiation Models Based on Sky-Clearness Index and Sunshine Period for Humid-Subtropical Climatic Region of India: A Case Study, Renewable and Sustainable Energy Reviews, Vol. 78, pp. 329-355, 2017, https://doi.org/10.1016/j.rser.2017.04.073.

10.1016/j.rser.2017.04.073

Coefficient of Determination, The Concise Encyclopedia of Statistics, Springer, New York, NY, USA, 2008, https://doi.org/10.1007/978-0-387-32833-1_62.

10.1007/978-0-387-32833-1_62

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

Preview

Field Application Test of Airflow Monitoring Technology in HVAC Systems

ABSTRACT

MAIN

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

Fig. 1

HVAC and BAS system of the experimental space

Table 1

Overview of experimental space

Table 2

Experimental equipment specifications

Fig. 2

Measurement position

Table 3

Measurement data at full speed

Table 4

Case measurement data

(21)

(22)

Fig. 5

Fan performance curve

Table 5

Actual value and calculated value

(23)

Table 6

Error validation results

Acknowledgements

References