‘와트스케일’, 에너지 사용량 지배하는 변수분포 포착법 활용
이를 이용한 가능성 높은 비효율성 원인 분석 알고리즘 함께
데이터 세트에 있는 주거 건물 비효율 사례 95% 정확도 보여
도시나 각 지역 에너지 효율이 가장 낮은 건물 골라내는 성과
건물 설립연도·에너지 요금에 의존한 기존 방식 비효율 제거
오픈소스 기반의 인공지능(AI)이 에너지 낭비가 심한 가구를 식별해 낸다.
벤처비트는 7일(현지시간) 미국 피츠버그대, 매사추세츠 암허스트대, 마이크로소프트(MS) 인도연구소 연구진이 개발한 ‘와트스케일(WattScale)로 불리는 AI에 주목했다. 연구진은 이 AI를 활용해 도시나 각 지역 모 집단에서 에너지 효율이 가장 낮은 건물을 골라냈다고 밝혔다.
보도는 인쇄물 발행 전 연구논문을 인용, 연구진들이 1만개의 건물 데이터 세트에 있는 건물의 절반이 대부분 부실 시공을 해 전력 에너지 사용에서 비효율적이라는 것을 보여주었다.
미 에너지 절약 연합(Alliance to Save Energy)에 따르면 사무실, 주택, 상점을 포함한 건물들은 미국내 에너지의 40%, 전력의 70%를 사용한다. 이들은 또한 미국 온실가스의 3분의 1 이상을 배출하는데, 이는 다른 경제 분야보다 더 큰 비중을 차지하는 것이다.
이같은 불균형을 해소하기 위해서는 에너지 효율성이 가장 낮아 개선 필요성이 큰 건물을 식별해야 하지만 건물 설립 연도나 총 에너지 요금에 의존하는 기존 접근방식으로는 이를 알아내기 어렵다. 에너지 사용량이 증가한다고 해서 반드시 비효율성이 있는 것은 아니기 때문이다.
와트스케일은 ▲건물의 에너지 사용량을 지배하는 가변 변수 분포를 포착하는 베이시안 모델링(Bayesian modeling) 기법, 그리고 ▲이러한 분포를 활용해 가능성있는 비효율성의 원인을 보고하는 고장(결합) 분석 알고리즘을 사용해 이를 해결하는 것을 목표로 한다.
오픈 소스 툴은 개별 및 지역 기반 두 가지 모드를 제공하며, 도시의 유사한 비효율적 전력 사용 주택 분포와 비교하거나, 또는 비교 가능한 기후 조건을 가진 지역의 전체 모집단을 학습한 분포와 비교함으로써 비효율적 전력사용 건물을 표시한다.
연구원들은 실험에서 와트스케일을 미국 동북부 뉴잉글랜드의 이름 없는 작은 도시 오스틴과 콜로라도의 볼더 등 3개 도시의 데이터 세트에 적용하고, 지역별 건물 분포를 알기 위해 건물성능DB(Building Performance Database)에 접속했다. 이 DB는 에너지와 관련한 가장 큰 상업 및 주거 정보를 담고 있다.
뉴잉글랜드 데이터세트는 전기 및 가스 계량기에서 나오는 에너지 사용량, 그리고 건물 크기, 객실 수, 침실, 부동산 유형 등을 포함한 부동산 정보를 추적했다.
공동 저자들은 “와트스케일이 데이터 세트에 있는 주거용 건물 1만 107채 중 절반 이상에서 비효율성을 발견했는데 이는 거의 95%의 사례에 대한 결함을 확인한 것”이라고 말했다.
보고서는 전력 사용 비효율성의 주요 원인으로 건물의 질 조절된 환경과 그렇지 않은 환경 사이의 물리적 장벽인 건물 외장부분을 꼽았다. 이는 주택들의 약 41%를 차지하면서 전력 사용 비효율성의 가장 큰 원인으로 지목됐다. 와트스케일은 그 다음 원인으로는 난방 시스템 결함(23.73%), 냉방시스템 결함(0.51%)를 꼽았다.
와트스케일은 다른 두 지역보다 겨울 일수가 많은 뉴잉글랜드 주의 도시 주택의 18.06%가 지나치게 높은 난방온도나 낮은 냉방 설정 온도 문제를 갖고 있었으며, 대다수가 1945년 이전에 건축된 공동주택이라는 것을 발견했다. 또한 공조(HVAC) 기기와 관련된 결함을 제외하고도, 복합용도 주거지가 전력 사용 비효율 건물 가운데 높은 비중을 차지하고 있다는 것도 알아냈다. 이어 다세대 및 단독주택 유형 순이었다.
연구자들은 전력회사들과 정책 입안자들이 와트스케일을 사용해 한 코호트(동일집단) 내의 비효율적인 건물을 식별하고, 에너지 소비에 대한 다양한 보조금의 영향을 평가할 수 있기를 기대하고 있다.
이들은 이 AI가 지리정보 데이터와 결합할 때 개인 주택의 전력사용 효율성을 다른 모든 지역과 비교하는 능력까지 갖추고 있어 개인 주택 소유주들도 이 AI 사용으로 이익을 볼 수 있다고 주장했다.
연구진은 “와트스케일은 일일 에너지 소비량과 연간 에너지 소비량을 사용해 건물과 지역에 대한 각각의 분포도를 만들기 때문에 다양한 에너지효율성 관련 데이터분석을 위한 이 데이터 기반 접근법을 적용하는데 따른 잠재력이 매우 크다고 본다”고 말했다. 또 “우리는 와트스케일에서 생성된 개별 비효율성 보고서를 다른 주택 소유자들에게 전달할 계획이다. 이렇게 주의를 줌으로써 주택 소유주들에게 에너지 효율화 조치를 취하도록 동기부여를 하고 장려할 수 있다”고 썼다. 연구진은 향후 위성 데이터와 건물 입주 패턴을 사용해 와트스케일 성능을 강화할 계획이다. 또한 이들은 이 AI 툴을 사용해 어떻게 낮시간과 계절별 에너지 절약량을 추적하고 각 가정의 에너지절약을 위한 건물개조 효과를 계량화할수 있을지 조사해 보고 싶어한다.
와트스케일을 기술한 상세한 논문을 보면 전력망의 사용을 예측하기 위해 스마트폰 위치 데이터를 사용하는 AI 모델을 따르고 있다. 이 논문은 연구진이 앞서 만든 비효율성 탐지 시스템인 와트홈(WattHome)을 기반으로 만들어졌다.
MS와 워싱턴대 연구진은 지난달 내놓은 논문 발행 전 연구보고서에서 스마트폰 위치 데이터를 이용해 전기 부하를 예측하는 시스템에 대해 상세히 설명했다. 이들은 미국과 유럽의 지리정보를 고려한 자신들의 AI 아키텍처가 기존 예측 방식을 3배 이상 능가할 수 있다고 주장했다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com