NEST 에서 한발짝 더 - '모니터링을 통한 건축물 하자 발견 알고리즘'

가을 밤 운동하러 갔다 돌아오는길

WEST 프로그램 참가를 앞두고 NEST에서 인턴하는 꿈을 꾸며

한가지 아이디어가 머리를 스친다

'모니터링을 통한 하자 발견 소프트웨어'

패시브하우스는 건축물 에너지 절감을 위해 고안된 것이 아니라 건축물 하자 발생을 없애고자 만들어졌다.

패시브하우스 인증은 설계, 시공 단계에서 부여된다. 에너지 시뮬레이션을 돌렸을 때 건물성능이 패시브하우스 인증기준 안에 들어오면 예비인증을 부여하고 설계대로 시공되었다면 본인증까지 부여된다. 

하지만, 정작 설계된대로 시공되었다 한들 이 건축물이 설계된 만큼의 성능을 낼 것인지는 미지수이다. 따라서, 시공 이후에 건축물 에너지 성능을 실측할 수 있는 모니터링 시스템이 필요하다. 즉, 유지관리 및 커미셔닝을 위한 모니터링은 필수적이라는 의미다. 한국에도 제로에너지건축물 인증을 받기 위해서는 BEMS를 의무적으로 설치해야 할 정도로 모니터링 시스템은 보편적이고 특별한 것이 아니다. 

하지만, 문제는 그 다음단계라고 생각한다. 모니터링 시스템을 통해서 데이터를 얻었다면 문제를 어떻게 정의할 것인가? 

짧은 경력이지만 지금까지 내가 보아 온 건축물에너지 시장에서는 데이터 확보를 통한 문제 정의는 소수의 전문가 집단에 의존해왔고 해결 또한 이들에게 의존해 왔다.

어떻게 하면 이런 전문성을 확산시킬 수 있을까? 어떻게 하면 자동화시킬 수 있을까? 어떻게 하면 대중들도 자신의 건물에 문제가 있다는 것을 인지할 수 있을까? 

물론, 집안에 곰팡이가 핀다던지 결로가 생긴다던지 혹은 CO2 농도가 높아 머리가 아프다던지 하는 가시적인 문제들은 쉽지 않게 발견할 수 있다. 하지만 내 주위만 둘러봐도 가족들과 친구들은 이런문제들에 큰 관심이 없다. 특히 한국사람들은 내단열 아파트에 곰파이가 피는게 당연하다고 생각할 정도로 이런 사항들에 대한 문제의식이 부족하다. 따라서, 자동적으로 집안의 곰팡이, 결로등의 심각한 하자 문제를 발견해줄 수 있는 소프트웨어가 필요하다고 판단된다.

<그림: Google NEST>

현재는 대표적으로 NEST사의 머신러닝을 활용한 Learning Thermostat이 있다. 이 제품은 재실자의 편의를 위한 온도계로서 재실자가 굳이 수동으로 온도계를 조작하지 않아도 자동 on/off, 자동 온도 조절 등의 기능을 통해 재실자의 특별한 노력 없이도 쾌적성을 확보해준다. 따라서, 건축물 하자 판단을 위한 온도계라고 보기는 어렵다. 

모니터링된 데이터와 지역 기후데이터를 바탕으로 건축물 하자 판단용 알고리즘을 만들 수 있지 않을까? 

어떤 알고리즘이 필요할까? 

이 알고리즘이 NEST에 들어간다면 NEST는 분명 더 차별화된 온도계가 될 것이고 패시브하우스의 중요성 또한 부각될 것이다.

고민해 볼 문제이다.