Topic
6건 · 전체 뉴스
건물에 설치된 신재생에너지 설비가 의무 설치 기준 충족 후 실제로 가동되지 않거나 에너지 절감 효과가 검증되지 않는 사례가 지적되고 있다. 건물용 연료전지는 신재생에너지 의무 설치 비율을 맞추기 위해 도입됐으나 연료비 부담과 경제성 문제로 가동을 중단하는 경우가 많다는 것이 업계 설명이다. 건물에너지관리시스템(BEMS)도 설치 여부는 확인되지만 운영 성과 검증은 부족하다는 비판이 제기된다. 재생열 설비는 실제 효율이 달라도 동일한 기준값으로 평가받는 구조여서 개선 요구가 나온다. 정부가 난방 전기화와 히트펌프 보급 확대를 추진하는 가운데, 설치 이후 운영 성과 관리가 이뤄지지 않으면 기존 설비의 시행착오가 반복될 수 있다는 지적이다.
10월 29일
한국능률협회컨설팅(KMAC)이 위탁 운영하는 서울에너지드림센터는 지난 15일 한국에너지공단 서울지역본부와 공동으로 '제로에너지건축의 완성-패시브에서 AI 최적운영까지' 세미나를 개최했다. 세미나는 양 기관이 체결한 업무협약의 후속사업으로, 제로에너지건축물(ZEB)의 설계성능을 운영단계에서 유지·개선하기 위한 기술과 운영사례 공유를 목적으로 진행됐다. 첫 세션에서는 한국에너지공단이 ZEB 인증제도와 정부정책 방향을, 한국패시브건축협회가 패시브 설계요소와 에너지부하 저감방안을, 잇츠솔루션이 BEMS 기반 에너지 사용현황 분석과 설비 성능관리 방안을 발표했다. 두 번째 세션에서는 서울에너지드림센터가 2012년 개관 이후 축적한 에너지 운영실적과 태양광 발전설비 성능관리, 지열히트펌프 교체 및 공조설비 제어시스템 개선사례를 공개했고, 에너지엑스와 노원환경재단이 각각 DY빌딩 계측데이터 기반 설계·운영성능 비교와 노원EZ주택·노원에코센터 유지관리 경험을 공유했다. 마지막 세션에서는 고려대 연상훈 박사가 디지털트윈 모델 구축과 강화학습 기반 설비 최적제어를 중심으로 AI 기반 건물에너지 최적운영 공동연구를 소개했다.
10월 19일
한전KDN은 9월 30일 엔콜에이아이 사무실에서 이젝스, 엔콜에이아이와 'AI 기반 지능형 에너지 안전 및 데이터 신사업 추진' 업무협약을 체결했다. 협약은 한전KDN이 추진했으며, 각 사 대표는 한전KDN 박상형 사장, 이젝스 유창현 대표, 엔콜에이아이 최명인 대표다. 협약 범위는 스마트시티 에너지 효율화에 더해 건물에너지관리시스템(BEMS)과 홈에너지관리시스템(HEMS) 환경을 포함한다. 해당 환경에서 스마트분전반의 아크 감시 등이 협력 대상으로 제시됐다.
10월 1일
한전KDN(사장 박상형)은 9월 30일 엔콜에이아이 사무실에서 이젝스(대표이사 유창현), 엔콜에이아이(대표이사 최명인)와 'AI 기반 지능형 에너지 안전 및 데이터 신사업 추진' 업무협약을 체결했다고 밝혔다. 협약은 한전KDN이 추진했다. 협약 대상 범위는 스마트시티 에너지 효율화를 넘어 건물에너지관리시스템(BEMS)과 홈에너지관리시스템(HEMS) 환경에서의 가구별 에너지 사용 데이터 활용까지 포함한다. 한전KDN은 에너지ICT 분야 공기업이다.
9월 30일
한국EMS협회는 29일 BEMS 구축 전문기업을 대상으로 'BEMS 설치확인 제도 개선을 위한 산업체 간담회'를 개최했다고 밝혔다. 협회는 2026년 건물에너지관리시스템(BEMS) 설치확인 심사기관으로서 설치확인 보고서 작성 가이드를 안내하고 현장 애로사항과 개선 의견을 수렴했다. 간담회에서는 설치확인 보고서 작성 기준 명확화, 현장 적용성을 고려한 설치확인 항목 개선, 건축물 및 설비 특성을 고려한 평가기준 보완, 구축기업의 업무 효율성 향상, 설치확인 이후 BEMS 운영 및 성과관리와의 연계 방안 등이 논의됐다. 참석자들은 설치확인 제도가 시스템 구축 여부 확인에서 나아가 운영성과확인과 연계되는 방향으로 검토될 필요가 있다는 의견을 제시했다. 협회는 수렴된 의견을 바탕으로 관련 기관과 협의해 제도 개선 방향을 검토할 계획이라고 밝혔다.
9월 29일
한국에너지기술연구원 에너지ICT연구단 김종훈 박사 연구진이 AI 기반 엣지 장치 '뉴로패널' 기술을 전력기기 제조기업 선도전기(주)에 이전했다고 밝혔다. 이 기술은 메인 차단기에서 수집한 1분 단위 유효전력 시계열 데이터만으로 하위 회로 소비량을 역추정하는 비침습적 부하분리(NILM) 모델을 적용했으며, 실증 평가에서 부하분리 오차율(nMAE) 13.0%를 기록했다. 분리된 전력 패턴을 조명·냉난방·전열·환기·급탕·실험실 등 6개 용도로 자동 매핑하고 은닉 마르코프 모델(HMM)로 재실·냉난방 스케줄을 추정해 낭비 부하를 3단계 로직으로 선별한다. 스파이킹 신경망(SNN) 기반 예측 모델로 상태 예측 정확도 87.57%를 달성하면서 동급 인공신경망 대비 추론 에너지를 약 54% 절감했고, 연합학습 구조로 현장 데이터 반출 없이 가중치만 교환한다. 에너지연 본원 2개 건물 6개 분전반(152개 회로)을 대상으로 3.6개월간 검증한 결과 전력 소비량이 8만4,232kWh에서 7만1,134kWh로 15.6%(1만3,098kWh) 줄었고, 특정 분전반은 최대 22.3% 절감했다.
9월 10일