DYNAMIC ENERGY ANALYSIS OF BUILDING–INTEGRATED ROOFTOP GREENHOUSE FOR URBAN AGRICULTURE : MODEL DEVELOPMENT AND APPLICABILITY ASSESSMENT

Abstract

도시에서 농업이 가능한 스마트팜의 형태 가운데 미활용 공공시설과 집단 주거기설 옥상 등의 다양한 형태의 유휴공간을 활용하고 환경 조절을 통하여 연중 안정적인 작물 생산이 가능한 온실을 적용한 옥상온실이 선진국들을 중심으로 관심을 받고 있다. 옥상온실의 경우, 경제적인 측면에서 온실과 건물 사이의 필요 이상의 잉여 에너지 (물, 이산화탄소, 열, 등)를 교환하고 생산된 농산물과 소비자 사이의 생산적 거리를 줄이면서 수송 및 저장에 소비하는 에너지를 최소화하여 에너지 효율을 극대화할 수 있다. 사회적 측면에서는 재배되는 작물의 물리적인 이동거리가 상대적으로 감소하여 신선한 작물을 제공받을 수 있으며 도시지역에서의 새로운 일자리 창출과 공동체 생활을 통해 사회적 결합과 지속 가능한 도시발전을 기대할 수도 있다. 옥상온실과 같은 새로운 시스템의 개발, 도입 및 개선을 위하여 설계안에 대한 에너지 성능을 사전에 평가하여 시공함으로써 불필요한 예산 소비를 줄일 수 있다. 또한, 정확한 에너지 부하 분석을 통하여 에너지 성능과 관련한 문제를 사전에 이해하고 시스템의 효율성을 개선 할 수 있다. 따라서, 본 학위 논문의 최종적인 목표는 건물의 유휴공간에 해당하는 옥상에 온실 (옥상온실)을 설치하였을 때, 건물 및 온실에 있어서 동적 에너지 부하 변화를 평가하여 옥상온실의 효과 및 적용 가능성을 분석하고자 하였다. 또한, 분석된 연간 에너지 소비량을 바탕으로 옥상온실 운영에 있어서 온실에서의 에너지 비용 및 환경적 부하가 전과정평가 (Life Cycle Assessment; LCA)를 이용하여 평가하였다. 제 2장에서는 온실, 건물, 옥상온실을 대상으로 수행한 에너지 부하 분석 선행 연구들을 검토하였다. 제 3장에서는 온실 내부의 작물 (토마토)의 에너지 교환 특성 (현열과 잠열)을 고려하기 위하여 현장실험을 통하여 작물 에너지 교환 모델을 설계하고 이를 고려한 온실 BES 모델의 설계 및 검증이 이루어졌다. 현장실험에서 온실 내부에서 환경 변수 (온도, 습도, 일사량, 엽온, 작물 증발산량 등)를 장시간 모니터링하였다. 이로부터 온실 내부의 미기상의 영향으로 생리적 특성이 달리지는 엽온과 토마토의 증발산량의 추정할 수 있는 다중선형회귀 모델을 설계하였다. 설계된 다중선형회귀 모형은 작물의 성장단계 1 ~ 7단계에 따라 구분하였으며, 증발산량과 엽온의 다중선형회귀 모형은 각각 0.95 g plant-1 hour-1 (R = 0.74), 그리고 0.7 °C의 오차 (R = 0.98)를 보였다. 최종적으로, 작물에너지 교환 특성을 고려하여 설계된 온실 BES 모델은 온실 내부에서 측정한 현장측정 데이터 (기온)와 BES 모델을 통하여 연산된 기온 데이터의 비교를 통하여 온실 BES 모델에 대한 검증을 수행하였다. 온도에 대한 절대오차의 평균은 2.77 °C 와 상대습도에 대한 절대오차의 평균은 11.1 %로 설계된 모델에 대한 정확도를 보였다. 온실 BES 모델로부터 계산되는 환기전열부하가 온실 주변으로의 풍향과 풍속에 따른 환기 특성이 고려되지 않았기 때문에 온실 BES 모델의 오차가 발생하였으며, 온실의 자연환기 특성을 고려하는 것이 중요하다고 판단되었다. 따라서, 제 4장에서는 자연환기방식을 채택하고 있는 실험 온실에서의 자연환기량 및 유출계수를 수치해석 모델을 이용하여 평가하였다. 계산된 유출계수를 이용하여, 환기에 의한 에너지 부하 (환기전열부하) 를 산정함에 있어서 시간에 따라 발생하는 온실의 자연환기량 특성이 온실 BES 모델 내 반영되도록 BES 모델을 재설계 (보완)하고 온실 BES 모델에 대한 정확도 개선을 시도하였다. 풍향, 풍속, 온실 내부 토마토 높이에 따라 5.4 ACH에서 최대 94.15 ACH의 환기가 발생하였다. Albright (1990), Lindley and whitaker (1996)은 온실 내부 기온을 외기 온도와 비교하여 5.0 °C 이내로 유지하기 위해서는 상업용 온실의 여름철 권장 환기율을 45.0 ~ 60.0 ACH 으로 제시하고 있다. 온실에서 권장되는 시간당 환기율을 고려하면, CFD 연산 결과는 풍향, 풍속, 토마토의 높이 조건에 따라 온실에 요구되는 환기율을 충족시키지 못하는 것을 확인 할 수 있다. 또한, 실험 온실을 기준으로 형성되는 주변 풍환경에 따라 온실 내부에서 발생하는 자연환기량은 매우 변동성이 크다. 측창과 천창을 통하여 자연환기 (풍력환기 + 부력환기)가 발생하는 온실에서의 자연환기량을 설명할 수 있는 이론식을 이용하여 온실 주변 풍향 및 풍속 조건에 따라 온실 내부에서 발생하는 자연환기량을 다르게 적용하였다 (0.5 m s-1 미만: 부력환기, 1.5 m s-1 이상: 풍력환기, 0.5 m s-1와 1.5 m s-1 범위 내: 복합환기로 구분). 시간에 따른 주변 풍환경 변화를 고려하지 않은 온실 BES 모델에서 온도에 대한 절대 오차의 평균은 2.77 °C를 보이며, 현재의 개선된 온실 BES 모델은 1.2 °C의 오차를 줄여 42.6%의 정확도에 대한 개선을 보였다. 또한, 상대습도에 대한 절대 오차의 평균은 7.7%로 기존 대비 3.4%의 오차를 줄일 수 있는 것으로 나타났으며, 43.5%의 정확도 개선을 보였다. 오차 이외에도 실시간 자연환기 특성을 고려한 온실 BES 모델을 통해 예측한 기온과 상대습도의 상관계수는 각각 0.96와 0.89으로 이전의 온실 BES 모델에 비교하여 경향성에 대한 모델의 설명력을 개선할 수 있는 것으로 판단되었다. 제 5장에서는 설계된 건물 BES 모델을 통해 예측되는 월별 에너지 소비량과 2015년 기준의 실제 건물에서 이용한 월별 에너지 사용량을 평균 편향오차 (MBE)와 평균제곱근오차의 변동계수를 통하여 검증하였다. M&V 가이드라인내 ASHRAE 오차 기준치가 평균 편향 오차 ± 10% 그리고 변동계수 30% 일 때, 설계된 모델의 평균 편향 오차는 + 1.9%, 그리고 변동계수는 4.4%로 나타났다. 검증된 건물 BES 모델을 기초로 하여 옥상에 온실이 (와이드스판형) 설치된다는 조건의 옥상온실 BES 모델을 설계하였다. 이때, 환기전열부하는 전산유체역학을 이용하여 온실 주변 풍환경 및 온실 내부 재배를 고려하는 작물의 높이에 따른 환기 특성을 분석하였다. 자연환기 특성은 옥상온실 BES 모델에 온실 주변 풍향 조건에 따라 다르게 적용되었다. 설계된 온실 BES 모델과 옥상온실 BES 모델을 이용하여 각 시나리오에 따른 비교 분석을 수행하였다. 토마토를 재배하는 단독 온실을 대상으로 연간 에너지 소비량을 계산하였을 때 490,128 MJ로 나타났으며, 옥상온실에 토마토를 재배할 경우에 연간 에너지 소비량을 계산하면 464,673 MJ으로 평균 5.2%의 에너지 소비 절감의 효과를 나타내는 것으로 모의되었다. 또한, LCA 분석을 통한 GWP (지구온난화지수) 20a의 분석 결과에서는 옥상온실 적용에 따라 8.1 kg CO2-eq의 환경적 부담을 줄일 수 있는 것으로 모의되었다. 옥상온실의 적용에 따라 지붕면을 통한 열손실이 줄어들 것으로 예상되는 회의실 및 면장실은 각각 냉난방에너지 부하가 276 MJ, 7,590 MJ 감소되어 각 공간에서 53.0%와 39.9%의 에너지 절감 효과를 확인할 수 있다. 토마토 작물을 재배하지 않는 단독 온실에서 생육적정온도 적용에 따른 에너지 부하는 연간 총 479,011 MJ이다. 그러나 토마토 작물의 재배를 고려할 경우 연간 총 490,128 MJ의 에너지 소비를 보이며, 겨울철 작물의 잠열량 및 그림자 효과 등으로 인하여 2.3 %의 에너지 소비량 증가가 예측되었다. 또한, 변온 관리 이전에는 총 에너지 소비량은 464,673 MJ을 나타내며, 변온 관리 적용 후에는 514,940 MJ을 소비할 것으로 예측되었다. 겨울철에는 변온 관리시 에너지 부하가 절감되며, 겨울철을 제외한 다른 계절에 변온 관리를 적용할 경우에는 외기 온도가 높아질수록 온실 내부 설정온도를 유지 하기 위해서 평균 19,775 MJ의 더 많은 냉방 에너지 부하가 요구될 것으로 예측된다. 일반적으로 동절기에 과다하게 이용되는 난방비용을 절감하기 위한 대책으로 적용되는 방법으로 옥상온실에서의 변온관리는 11월부터 3월까지 유효할 것으로 판단되었으며, 유효한 기간을 대상으로 평균적으로 11.8%의 에너지 절감 (연간 총 48,607 MJ) 효과를 나타낼 것으로 모의되었다. 지역별 옥상온실 적용에 따른 냉난방 에너지 소요량의 예측 결과는 서울의 경우, 연간 530,786 MJ의 연간 에너지 소비량을 나타내며, 지역에 따라 대전 493,958 MJ, 대구 433,833 MJ, 부산 348,626 MJ 순서로 에너지 소비량이 많을 것으로 나타났으며 외부 기상과 상관관계가 높게 나타났다. GWP 20a의 분석에 있어서도 서울지역의 옥상온실의 경우에는 306.3 kg CO2–eq로 예측되었고, 대전, 대구, 부산 순서로 하여 각각 286.6 kg CO2–eq, 254.3 kg CO2–eq, 208.8 kg CO2–eq로 나타났다. 건축물을 활용한 스마트팜 (옥상온실)의 경우에는 기후변화의 원인물질인 도시나 이산화탄소 배출량을 줄임으로써 기후변화에 대한 속도를 완화할 수 있을 것으로 판단된다.

The rooftop greenhouse (RTG), which utilizes various forms of idle space such as the unused rooftop of public facilities and collective residential facilities, and has the ability to produce stable crops throughout the year through environmental control, is drawing keen attention from developed countries. In the case of the RTG, energy efficiency can be maximized by exchanging excess energy (water, carbon dioxide, heat) and minimizing the energy for transportation and storage, reducing the productive distance between agricultural products and consumers. This not only generates economic benefits but contributes to environmental benefits such as the reduction of greenhouse gas emissions. In the social aspect, the transport distance from where the crops are cultivated to the consumers location would be relatively reduced, resulting to delivery of fresh crops. Besides, sustainable development can also be expected through new job opportunities and social bonding within the urban community. However, the energy performance of the construction plan should be evaluated to reduce unnecessary budget consumption in advance for the development, introduction, and improvement of new systems such as the RTGs. Through accurate energy load analysis, problems related to energy performance can be reviewed in advance and the efficiency of the system can be improved. Therefore, the final goal of this thesis was to analyze the effect and applicability of the RTG by evaluating the dynamic energy load change in the building and greenhouse when a greenhouse is installed on the roof corresponding to the idle space of the building. Also, the environmental impact in the operation of the greenhouses was assessed using Life Cycle Assessment (LCA) based on the annual energy load. In Chapter 2, previous studies on energy simulation for greenhouses, buildings, and RTGs using building energy simulation were reviewed. In Chapter 3, through field experiments, the greenhouse Building Energy Simulation (BES) model containing the energy exchange characteristics (sensible heat and latent heat) of crops (tomatoes) was designed and validated. The designed greenhouse BES model was validated by comparing the field measurement data (air temperature and relative humidity) measured inside the greenhouse and the computed results using the BES model. The average absolute error for air temperature was 2.77 °C and the average absolute error for relative humidity was 11.1%. Since the greenhouse BES model did not take into account the ventilation characteristics according to the wind direction and wind speed around the greenhouse, it was considered that a relatively large error occurred in the greenhouse BES model. In Chapter 4, the natural ventilation characteristics in an NVG were evaluated using computational fluid dynamics (CFD). The greenhouse BES model was re-designed (supplemented) so that the changes in natural ventilation rates of the greenhouse over time were reflected in the greenhouse BES model and in calculating the energy load by ventilation. In the previous greenhouse BES model that did not take into account the changes in the surrounding wind environment over time, the average of the absolute error for air temperature was 2.77 ºC, and the current improved greenhouse BES model reduced the error by 1.2 ºC, resulting in an improvement of 42.6% accuracy. The average of the absolute error for the relative humidity was 7.7%, which was found to be able to reduce the error by 3.4% and improved accuracy of 43.5%, compared with the previous one. In addition to the error, the correlation coefficient (R) of air temperature and relative humidity computed through the greenhouse BES model considering real-time natural ventilation characteristics were 0.96 and 0.89, respectively. It was found that the explanatory power of the model for the trend could be improved compared to the previous greenhouse BES model. In Chapter 5, the monthly energy load computed through the designed building BES model and the monthly energy load used in the actual building as of 2015 were validated through the American Society of Heating, Refrigerating, and Air–conditioning Engineers (ASHRAE) error criterion in the Measurement and Verification (M&V) guideline (± 10% of the mean bias error (MBE) and 30% of the coefficient of variation (Cv(RMSE)); the MBE of the designed model was + 1.9%, and the Cv(RMSE) was 4.4%. A wide-span type greenhouse was installed at the top of the validated building BES model (RTG–BES model). A comparative analysis was performed according to each scenario using the RTG-BES model. The annual energy load for a single greenhouse growing tomatoes was found to be 490,128 MJ, while 464,673 MJ was the annual energy load for growing tomatoes in an RTG, resulting in an average of 5.2% energy savings. In the second-floor space where heat loss through the roof surface was expected to decrease according to the application of the RTG, the heating and cooling energy load was reduced by 276 MJ and 7,590 MJ, respectively, and energy savings of 53.0% and 39.9% were confirmed in each space. Moreover, the GWP (Global Warming Potential) 20a analysis result through LCA analysis, showed a reduced environmental burden of 8.1 kg CO2–Eq when the RTG was used. In a single greenhouse without a tomato crop, the energy load was 479,011 MJ per year. However, considering the cultivation of tomato crops, a total of 490,128 MJ of energy load per year was shown, and the predicted increase in energy load was 2.3%. The results of the energy load analysis for crop presence in the rooftop greenhouse were similar. Moreover, the total energy load in a rooftop greenhouse before the management of alternating air temperature (a method of applying air temperature differently according to time intervals) was 464,673 MJ, and it was predicted to consume 514,940 MJ after the alternating air temperature management (ATM) was applied. In winter, the energy load was reduced during the ATM, and if the ATM was applied in other seasons except for winter, a higher external air temperature required an average of 19,775 MJ of cooling energy load to maintain the designed air temperature inside the greenhouse. In general, this method was applied to reduce excessive heating in winter, and the ATM in the RTG was expected to be valid from November to March. During this period, it showed an average of 12.5% energy savings (a total of 48,607 MJ per year). The estimated cooling and heating energy load according to the location of the city where the RTG was applied was 530,786 MJ per year in Seoul. In terms of regions, the higher energy load was found in Daejeon with 493,958 MJ, Daegu with 433,833 MJ, and Pusan with 348,626 MJ. In the analysis of the GWP 20a, 306.3 kg CO2–Eq was predicted when the RTG was applied in Seoul. For Daejeon, Daegu, and Pusan, the results were 286.6 kg CO2–Eq, 254.3 kg CO2–Eq, and 208.8 kg CO2–Eq, respectively. In the case of smart farms (RTG) using buildings, it was believed that energy in buildings and greenhouse can be used efficiently and the rate of climate change can be mitigated by reducing the amount of carbon dioxide emissions.