본 연구에서 대상지에서 감축 수단의 온실가스 감축 효과의 파악 위해 감축 수단 도입에 따른 용도별(End-use) 에너지 수요량을 추정하고, 용도별 에너지 수요량에 따른 탄소 배출량을 계산하였다. 건물에서 용도별 에너지는 건물의 에너지 사용량을 냉방과 난방, 전자기기와 조명 등의 에너지 사용 용도에 따라 분리한 것이다. 이는 건물의 에너지 효율 개선 효과를 검증하기 위해 건물의 에너지 진단 과정에서 분석 및 활용되고 있다(Kong et al., 2015). 특히, 건물에서 전력사용으로 인한 간접 배출량이 많다는 점을 고려했을 때 온실가스 감축을 위해서는 최종 에너지 수요 산출이 중요하다(IPCC, 2014). 용도별 에너지를 추정하기 위해서는 시뮬레이션을 활용하거나 현장계측 데이터를 활용하여 계산한다. 이 중, 시뮬레이션을 통한 도시에서의 건물의 용도별 에너지 추정은 UBEM을 통해 이뤄진다. UBEM은 도시 및 지역 단위의 건물 부문 기후변화 대응 계획을 지원하기 위한 에너지 관리 도구로, 도시 및 지역 단위 건물에서 사용되는 난방, 냉방, 조명 및 기기 작동에 사용되는 에너지를 건물의 환경과 특성을 고려하여 시뮬레이션으로 추정하는 도구로 정의된다(Abbasabadi and Ashayeri, 2019; Ang et al., 2020).

본 연구에서는 UBEM 도구 중 하나인 CEA (City Energy Analyst)를 활용하여 용도별 에너지를 추정하였다. CEA 모델은 지구 단위에서의 도시 설계 옵션과 에너지 인프라 계획의 효과 등을 기반으로 도시 에너지 시스템을 분석하고 최적화하는 시뮬레이션 기반 오픈 소스 UBEM 도구이다. 이는 건물의 개보수(Building Retrofits), 지역 에너지 자원과 네트워크, 도시형태와 지역의 기후를 고려하여 에너지 수요와 태양 에너지 발전 잠재량을 추정하는 것을 포함한다(Fonseca et al, 2016). CEA 모델을 통해서 대표적으로 Fonseca et al. (2016)와 Oraiopoulos et al. (2023)은 스위스에서, Troitzsch et al. (2020)은 싱가포르에서 사례연구를 진행하였으며, 국내에서도 Beak et al. (2022)이 태양광 잠재량 분석 중심으로 활용하였다. CEA 모델을 통해 대상지 건물들의 용도별 에너지 수요량 추정을 위해서는 Demand 모듈을 구동하여야 한다. CEA 모델을 구동하기 위해서는 건물 데이터와, 기상데이터, 기술 데이터가 필요하다. 건물 데이터는 지리적 위치와 관련 데이터와 건물의 특성을 단순화하여 건물의 높이와 연면적, 건축연도, 창의 비율, 건물의 용도 등의 데이터를 요구한다(Fonseca and Schlueter, 2015). 건물의 지리적 위치와 관련된 데이터는 CEA 모델 내부에서 Open Street Map에서의 데이터를 활용하여 불러올 수 있다. 기상 데이터는 EPW (EnergyPlus Weather) 형태의 파일을 입력해야 하며, 해당 파일 형식은 1년치의 매시간별 건구 온도, 이슬점 온도, 상대 습도, 풍속, 풍향, 수평면 일사량 등의 데이터를 포함하고 있다. CEA 모델 중 에너지 수요량 추정 모듈인 Demand 에서는 EPW 파일 데이터 중 건구 온도, 이슬점 온도, 상대 습도, 풍속, 불투명 스카이 커버(Opaque Sky Cover) 데이터를 요구한다. 기술 데이터로는 건물의 외피요소에 따른 열관류율, 열원공조 시스템 및 에너지 공급원과 그의 효율에 대한 데이터를 필요로 한다. CEA모델 에서 제공하는 Demand 모듈을 구동하기 위해서는 이 외에도 위 데이터를 기반으로 Solar Radiation 모듈을 통해 구축되는 대상지의 태양 복사열 데이터를 입력 데이터로 요구한다. CEA의 Demand 모듈은 위 데이터를 기반으로 공간의 냉난방, 온수, 가전제품 및 조명 등의 용도별 에너지 수요를 상세히 추정할 수 있다(Fonseca et al., 2016). 본 연구는 Demand 모듈을 통해서 도출되는 출력 데이터 중 용도별(End-use) 에너지를 사용하였다. Demand 모듈에서의 용도별 에너지는 건물의 냉난방부하 또는 전력 및 온수 수요를 충족시키기 위해 필요한 에너지를 기기 효율로 나눈 값으로 정의된다. 이를 통해 건물의 기기 효율 및 공급되는 에너지원에 따라 변동되는 에너지 수요량을 추정할 수 있다.

본 연구의 대상지는 1기 신도시인 성남시 분당구 파크타운 내 아파트이다. 이곳은 1990년대에 준공되어 노후화로 인한 재건축 또는 리모델링이 예상되는 곳이다. 또한, 지역의 지리 및 기상 환경의 차이, 그로인한 감축수단의 효과 및 수단별 감축 잠재량의 차이를 비교하기 위해 대구광역시 달서구의 성서택지지구 내의 아파트 단지를 비교 대상지로 하였다. 두 대상지는 1990년대에 건설된 아파트 단지라는 공통점을 가지고 있으며 두 단지 모두 지역난방이 공급되고 있다. 연구 대상지인 두 아파트 단지의 지리적 위치 및 CEA 모델 구동을 위한 건축적 특성, 에너지원과 HVCA 시스템과 관련된 입력 데이터는 Table 1과 같다. 본 연구에서는 모든 건물에서 국토교통부의 「용도별건물정보(’23.01)」 데이터를 활용해 건물의 높이와 층수, 면적과 준공 연도에 해당하는 세부 데이터를 수정 후 입력 하였다. 또한, 기술 데이터로는 건축연도와 건물의 외피요소에 따른 단열 성능은 두 단지의 준공 시 적용된 「건축법 시행규칙(’87.07.21.)」에 따른 단열 설계 기준을 활용하여 입력하였다. 창의 비율은 벽면 면적 대비 북향에서 35%, 남향에서 45%로 가정하였다.

(a) Location and information of study area
		Study area in Bundang newtown, Seongnam City			Study area in Seongseo residental area, Dalseo-Gu
Location
Floors		12f ~ 30f			17f ~ 20f
Size of apartments		3028 households / 41 buildings			3201 households / 29 buildings
Year of completion		1993			1997, 1998
Energy supply for heating		District heating system			District heating system
(b) Building archetype data of study area
Envelope						Supply system
Data name	Description		Input data			Data name	Description		Efficiency
			(bundang)	(seongseo)					(all)
Window to wall ratio (0 to 1)	(north side)		0.35	0.35		Heating	District heating	0.5
	(south side)		0.45	0.45			Reference : Kim (2009)
Window	Thermal transmittance		3.373	3.605		Hot water	Natural gas-fired boiler	0.9
	Solar heat gain coefficient		0.719	0.719			Reference : Kim (2009)
	Emissivity of external surface		0.84	0.84		Cooling	Direct expansion unit		2.3
Roof	Thermal transmittance		0.407	0.523			Reference : Bruelisauer et al. (2014)
Wall	Thermal transmittance		0.582	0.756		Electricty	Consumer energy mix		0.96
Floor	Thermal transmittance		0.58	0.756			Reference : Power Loss, Electric Power Statistics Information System

본 연구는 노후 아파트 단지에서의 온실가스 감축 수단 적용 시의 감축 잠재량의 전망을 위해 온실가스 감축 수단 시나리오를 활용하였다. 본 연구에서의 시나리오는 패시브 기술 및 액티브 기술 측면에서 대상지의 특성을 고려하여 도입 가능한 기술 요소를 선정하여 설계되었다. Fig. 2는 설계된 감축 수단 시나리오를 도식화 한 것이다. 시나리오에서 에너지 사용량을 감축시키는 기술인 패시브 기술은 국내에서 진행되고 있는 그린리모델링 사업에서 활용되는 패시브 기술요소와 기술요소와 Promotion of European Passive Houses (PEP)에서 제시한 패시브 하우스 기술요소를 중심으로 선정하였다. 또한, 액티브 요소는 난방 에너지원의 전환을 통한 탈탄소화 대안 기술 중 수열 에너지를 활용한 히트펌프를 선정하였다.

Fig. 2. 
Scenario structure about GHG reduction measures on aging apartment complexes

그린리모델링은 기축건물을 대상으로 한 에너지 효율 향상 수단으로 에너지 소비가 많은 노후 건축물을 녹색건축물로 전환하여 에너지 효율과 성능을 향상시키는 것으로 정의된다(Government of Korea, 2021). 그린리모델링에 활용되는 기술 요소의 비중은 아파트와 같은 공동주택에서 고성능 창호 교체가 78%, 단열보강은 15%의 비중을 차지한다(Kim, 2017). 따라서, 시나리오에서는 재실시공의 가능여부에 따라서 고성능 창호 교체(#Scenaro 1)와 전반적인 리모델링(#Scenaro 2, 3)으로 나누어 분석하였다. 대표적 그린리모델링 기술 요소인 고성능 창호 교체만 진행하는 경우 비교적 비용이 적게 들며 공사기간이 짧으며 거주자의 퇴거가 없이 재실시공이 가능하다는 점에서 대표적인 소극적 패시브 시나리오로 설정하였다. 반면 창호 교체와 외피요소의 단열보강 공사를 모두 적용한 건물의 전면적 리모델링을 시행했을 경우는 창호 교체와 단열보강 공사 병행은 재실시공이 불가능하며 공사 기간이 비교적 길다는 점에서 적극적 패시브 시나리오로 설정하였다. 적극적 패시브 시나리오는 고성능 창호교체와 벽 및 바닥의 외피요소의 단열 성능 강화를 위한 단열보강을 기술 요소로 선정하였다. 이는 그린리모델링 사업 기술 요소 중 액티브 요소에 해당하는 신재생에너지 도입 등을 제외한 시나리오이다. 또한, 적극적 패시브 시나리오는 단열 성능에 따라 두가지로 나누었는데, 현행 「건축물의 에너지절약설계기준」에 미치지 못하는 단열 성능을 갖춘 단열성능 강화 시나리오(#Scenario 2)와, 「건축물의 에너지절약설계기준」을 준수하는 패시브 하우스 시나리오(#Scenario 3)이다. 단열성능 강화 시나리오에서 적용되는 기준은 현재 대비 낮은 단열 성능을 요구하는 2015년도의 개정 기준을 적용하였으며, 패시브 하우스 시나리오는 현행 기준 중 가장 높은 단열 성능을 요구하는 지역 기준과 창문을 제외하고는 동일하나 창문에서는 높은 단열 성능을 요구하는 기준인 Promotion of European Passive Houses (PEP)에서 제시한 패시브 하우스 요소기술 열관류율 기준 시나리오를 설정하였다.

통계청 「인구총조사(2020)」의 「거처의 종류별/난방시설별 가구(일반가구)」에 따르면 공동주택의 77.1%가 화석연료 난방을 활용하고 있으며, 지역난방은 22.8%의 가구에서 활용하고 있다. 또한, 지역난방의 경우 화석연료에 대한 에너지 비중이 98%로 다른 집단에너지와 달리 높다(Jung et al. 2017). 따라서, 건물부문의 탄소중립 달성을 위해서는 기존의 난방용으로 공급되는 화석 에너지원을 지열, 수열 등의 저탄소 에너지원으로 전환하여 보급하여 건물의 탄소중립을 달성하여야 한다(Government of Korea, 2020). 이에 따라, Kim and Kim (2022)는 건물부문의 온실가스 감축 및 탈탄소화를 위해 지열, 수열, 공기열 등의 온도차 에너지를 열원으로 활용하는 전기 히트펌프 시스템을 도입하여 난방의 전력화(Electrification)를 도입해야 함을 밝혔다. 또한 이는 열원의 수급 문제, 온실가스 감축 효과, 공동주택에서의 도입 가능성을 검토 하여 수소 난방과 전기 보일러에 비해 우위를 가지는 대안임을 밝혔다. 또한 지역난방 공급 차원에서도 4세대 지역난방시스템 구축에 따른 지열과 수열을 포함한 재생 열에너지 활용을 통한 열 에너지 전환 또한 확대 검토되고 있다 (MOTIE, 2020). 따라서, 본 연구에서는 대상지의 지역적 조건을 고려하여 지역난방 시스템에서의 수열을 열원으로 활용하는 전기 히트펌프 시스템을 도입한 지역난방의 저탄소화 기술을 액티브 기술요소 시나리오(#Scenaro 4)로 선정하였다. 이는 기존에 대상지에서 도시가스를 열원으로 활용하여 온수를 공급하던 것을 수열 히트펌프 시스템으로 전환하여 공급하는 것 또한 포함한다. 또한, 히트펌프 시스템을 대표로 한 액티브 기술 요소와 PEP 기준의 패시브 기술 요소가 모두 적용된 시나리오(#Scenaro 5)를 추가하여 대상지의 건물부문 탄소 감축 극대화 시나리오 또한 분석하였다.

온실가스 감축수단 시나리오에 따른 온실가스 감축 잠재량을 파악하기 위해서 CEA의 에너지 수요량 추정 모듈인 Demand 모듈을 사용하여 시나리오별로 용도별 에너지 수요를 추정하였다. 추정된 용도별 에너지 수요를 기반으로 대상지에서의 시나리오별 직간접 탄소배출량을 계산하고, 감축 수단 미도입시 대비 도입 시 감축되는 탄소 배출량을 감축 잠재량으로 간주하였다. Demand 모듈은 구동을 위해 지리 정보를 포함한 건물 데이터와 건물에 공급되는 에너지원 및 건물 외피 및 열원공조 시스템과 관련된 기술 데이터, EPW 형식의 기상 데이터를 요구한다. 본 연구에서는 감축수단 시나리오별 온실가스 감축 잠재량을 추정하기 위해 건물의 형태와 연면적은 변화하지 않고, 감축수단 시나리오별로 단순하게 온실가스 감축 수단만 적용되는 상황을 가정하여 모듈을 구동하였다. 따라서 대규모 수평 및 수직 증축, 구조변경을 수반하지 않는 단순 에너지 성능 강화 상황을 가정하였다.

시나리오별 적용되는 온실가스 감축 수단은 모델 입력 데이터 중 기술 데이터를 수단별로 구축하여 반영하였다. 기술 데이터는 건물 외피(Envelop) 및 열원공조 시스템 및 기기(HVAC), 에너지 공급원(Supply)로 구분된다. 본 연구에서는 냉난방 방식과 개별 기기의 전환이 아닌, 건물 외피의 효율 증가 및 난방 에너지 공급원의 재생에너지화를 온실가스 감축 수단으로 선정하였으므로, 기술 데이터 중 건물 외피 및 에너지 공급원 데이터를 새로 입력하였다. Table 2는 국내 환경에 맞춰 구축된 건물 외피(Envelope) 데이터와 열원공조 에너지 공급원(Supply) 데이터이다. 건물 외피 데이터는 단열 성능 강화 시나리오에 따른 2015년에 개정된 기준의 「건축물의 에너지절약설계기준(2015)」과 패시브 하우스 시나리오에 따른 Promotion of European Passive Houses (PEP)에서 제시한 패시브 하우스 요소기술의 기준(Kim and Lee, 2013)을 적용시를 가정하였다.

또한, 에너지 공급 데이터는 국내 상황에 맞춰 전기, 난방 및 온수 기술 데이터를 구축하였다. 다만, 수열을 열원으로 활용하는 전기 히트펌프 시스템을 도입한 지역난방의 저탄소화 기술의 효율에 대한 선행 연구가 진행 되어있지 않다. 또한, 지역에 공급될 수 있는 수열 에너지의 잠재량에 따라 수열 에너지가 아닌 지역난방 배관에 연계되어 분산되어 공급되는 다른 에너지원으로부터 난방 및 급탕용 온수를 혼용해야 할 수 있기 때문에 입력 데이터를 온전하게 구축하는 것에 어려움이 있다. 본 연구에서는 지역에서의 난방 및 온수 공급 수요만큼 수열 에너지가 온전하게 공급될 수 있으며 개별 건물 단위에 적용될 수 있는 히트펌프와 지역난방과 연계되어 활용할 수 있는 히트펌프가 동일한 발전효율을 가진다고 가정하였다. 온실가스 감축 수단 시나리오 별 해당하는 온실가스 감축 수단은 Table 3과 같다.

감축 수단별 온실가스 배출량은 위의 과정을 통해 도출된 수단별 용도별 에너지 수요량을 기반으로 직간접 배출량을 모두 포함하여 계산하였다. 계산을 위해 용도별 에너지별로 사용되는 에너지원을 전기, 도시가스, 지역난방으로 나누었다. 상세하게는 전기 에너지를 활용하는 용도별 에너지는 조명 와 가전기기, 냉방 및 히트펌프 난방 및 온수 에너지로, 도시가스는 히트펌프를 제외한 온수 에너지로, 지역난방은 히트펌프를 제외한 난방 에너지로 나누었다. 온실가스 배출량의 경우 CEA Demand 모듈을 통해 도출된 용도별 에너지 수요량은 kWh/yr 및 MWh/yr 단위임을 고려하여 「지자체 온실가스 배출량 산정지침(ver 4.1)」, 「연료별 국가 고유 발열량 및 배출계수」를 활용해 kgCO₂로 환산하여 계산하였다. 다음 수식은 kWh/yr 단위의 에너지 수요량 활용하여 각각의 온실가스 배출량으로 환산하는 수식이다. 전기 에너지의 배출계수(E. Factor_Elec)는 0.45941, 열병합 발전소를 통한 지역난방으로 공급되는 열 에너지의 배출계수(E. Factor_{District Heating})는 0.000860421, 도시가스의 배출계수(E. Factor_Gas)는 0.0000036이다. 지역난방 열 에너지와 도시가스의 경우 수식에서 kWh/yr 단위를 GCal, TJ 단위로 환산 시키는 과정을 포함한다.

기후변화에 따른 대상지에서의 온실가스 배출 전망과 온실가스 감축 수단 적용의 효과 변화를 비교하기 위해 기상청 SSP 기후변화 시나리오를 활용한 TMY (Typical Meteorological Year) 데이터를 모델에 반영하여 2030년과 2050년도의 대상지의 온실가스 배출량을 산출하였다. 각 대상지의 2030년과 2050년에서의 온실가스 배출량은 용도별 에너지 수요를 추정하여 계산하였으며, 이때 감축수단의 기술요소들은 2.3장에서 언급한 바와 같이 가정하여 입력하였다. 기후변화 시나리오에 기반한 대상지의 온실가스 배출 전망은 온실가스 감축수단 미도입시 현재 배출량 대비 2030년과 2050년도의 온실가스 배출량을 비교하였다. 또한, 온실가스 감축 잠재량의 변화를 추정하기 위해 2050년도에서의 온실가스 감축 수단 적용 시 감축 잠재량을 2.3에서 추정한 현재 TMY 데이터에서의 감축 수단 적용시 감축 잠재량과 비교하였다.

TMY 기상 데이터는 10년 내외에 걸쳐 지속적으로 발생되는 월 또는 계절의 기상적이 특징을 반영할 수 있는 매달의 TMM (Typical Meteorological Month)을 선택한 후 이를 월별로 연결시킨 1년치 기상자료를 뜻한다. TMY는 기존의 기상 관측 데이터가 지닌 기상 변동 패턴에 대한 정보를 유지함과 동시에 월 또는 계절 평균이 장기간 기상자료와 유사한 값을 가져 시뮬레이션 실험에서 유의미한 입력 자료로 활용된다(Kim et al., 2009). 건물 에너지 모델링 시뮬레이션 역시 일반적으로 연간 주기에 걸쳐 건물 특성을 고려해 에너지 수요를 추정하기 때문에 TMY형식의 기상 데이터를 활용한다(Erell & Zhou, 2022). 이 연구에서는 Lawrie & Crawley (2022)에서 제공하는 오픈소스 TMY 데이터 중 EPW 파일 형식의 데이터를 활용하였다. 해당 데이터는 미국 NOAA의 ISD (Integrated Surface Database)의 2007년부터 2021년까지의 기상 데이터를 이용하여 TMY/ISO 15927-4:2005 방법론을 이용하여 생성한 데이터이다. 본 연구에서는 성남시의 기상관측 데이터를 기반으로 한 TMY 데이터를 활용하여 현재 기상 환경을 가정하였다.

또한 2030년과 2050년도에서의 SSP1, 5 시나리오 상의 TMY 데이터를 구축하기 위해 기상청의 남한상세 기후전망 SSP 시나리오를 활용하였다. 기상청의 남한상세 기후전망 SSP 시나리오는 격자 자료와 행정구역별 자료로 제공되고 있으며, 이 중 행정구역별 기후요소 자료는 시도(광역), 시군구(기초), 읍면동 단위별로 아스키(ASCII) 파일 형식으로 SSP1과 SSP5 시나리오가 제공된다. 해당 기후 시나리오 데이터는 2021년부터 2100년까지의 매일 평균기온, 최고기온, 최저기온, 강수량 데이터가 제공된다. 반면, CEA 모델의 Demand 모듈 구동을 위한 데이터인 EPW 형식의 데이터는 1년치의 매시간별 건구 및 이슬점온도, 상대습도, 풍속 및 불투명 스카이 커버를 필요로 한다. 따라서, 온전한 매시간별 EPW 형식의 2030년과 2050년도의 대상지의 TMY 기상데이터를 구축하는 것에 어려움이 있다. 따라서 본 연구에서는, 기후변화로 인한 양상 중 기온 변화를 반영한 기후변화 시나리오 상의 TMY 데이터를 구축하여서 활용하였다. 매시간별 데이터가 부재하기 때문에, 기존 TMY 데이터의 매일 시간별 기상 변동 패턴을 정규화 한 데이터를 기반으로 SSP 시나리오의 최고기온 및 최저기온 데이터를 활용하여 2030년과 2050년도에서의 SSP1, 5상의 TMY 데이터를 구축하였다. Fig. 3은 최한월인 1월 Fig. 4는 최난월인 8월의 대상지의 현재(2007 ~ 2021) 및 구축된 기후변화 시나리오 TMY 데이터에서의 건구온도를 비교한 그래프이다. 1월에서 TMY 데이터의 평균 기온은 약 -1.9℃이나, 2030년은 SSP1 시나리오에서 약 -1.4℃, SSP5 시나리오에서 약 -0.3℃이며 2050년에서는 SSP1 시나리오에서 약 -4.2, SSP5시나리오에서 약 -2℃로 시나리오별로 차이는 있으나 미래 시나리오에서 뚜렷한 기온상승 양상을 보이지 않는다. 반면 8월에서는 TMY 데이터의 평균 기온은 약 25.8℃이나, 2030년은 SSP1 시나리오에서 약 27.7℃, SSP5 시나리오에서 약 27.7℃이며 2050년은SSP1에서 약 30.7℃, SSP5에서 약 29.4℃로 현재 대비 미래 시나리오에서 기온 상승 양상을 보이고 있다.

Fig. 3. 
Dry-bulb temperatures in January for TMY and scenario data at Seongnam City (Unit : ℃)

Fig. 4. 
Dry-bulb temperatures in August for TMY and scenario data at Seongnam City (Unit : ℃)

지역의 차이로 인한 감축수단 시나리오별 온실가스 감축 잠재량의 차이를 파악하기 위해 분당 파크타운 대상지와 대구 성서지구 대상지의 현재 대비 온실가스 감축 수단 도입시의 감축율을 비교하였다. 두 대상지의 감축 잠재량의 산출을 위해 앞서 활용한 방법과 동일하게 Demand 모듈을 통해 수단별 용도별 에너지를 추정하였고, 추정된 용도별 에너지 수요량에 따른 온실가스 배출량을 계산하였다. 각 대상지의 온실가스 감축 잠재량은 현재 배출량 대비 감축량으로 정의한다. 지역에 따른 감축수단 효과의 차이를 비교하기 위해 현재 배출량 대비 잠재량의 비율인 온실가스 감축률을 비교하였다. 두 대상지에서의 감축수단과 관련된 가정과 데이터 입력은 모두 동일하게 Table 3에서 가정한 바와 같다.

본 연구에서의 두 대상지 에서의 지역적 차이는 건물과 기하학적 환경과 대상지의 입지, 기후 환경 측면에서 비교된다. 두 대상지 사이의 건물과 기하학적 환경과 대상지의 입지 차이는 건물의 형태와 주변 건물로 인한 태양 복사량의 영향을 중심으로 고려된다. 앞서 언급한 바와 같이 CEA Demand 모듈에는 CEA 모델 구동을 위한 건축적 특성, 에너지원과 HVCA 시스템과 관련된 데이터와 Solar Radiation 모듈을 통해 나온 태양 복사열 데이터를 입력 데이터로 활용한다. 모듈에서는 해당 데이터를 활용하여 건물의 표면으로의 일사량, 건물의 형상 및 외피 특성, 건물 간의 음영 현상 등을 고려하여 용도별 에너지를 추정한다(Fonseca and Schlueter, 2015). 따라서 대상지의 차이는 건물로의 태양 직사량과 주변 건물로 인한 음영, 건물의 형태에 따른 표면으로의 일사량 등에 영향을 미치며 이는 용도별 에너지 수요의 차이를 만든다. Fig. 5는 CEA 내에서 제공하는 대상지와 주변 건물의 공간 데이터를 표현한 그림이다. 위 그림에서 붉은 건물은 대상지 건물을 의미하며, 흰 건물은 대상지에 음영으로 영향을 미치는 건물들을 의미한다. Fig. 5에서 보이는 바와 같이 분당 파크타운 대상지와는 다르게 대구 성서지구 대상지의 경우 건물의 남측면의 비중이 높다. 두 대상지의 기후 환경의 차이는 두 대상지의 기상관측 데이터를 활용하여 비교하였다. 본 연구에서는 ISO 15927-4:2005 방법론으로 2007년부터 2021년 까지의 ISD의 개별 연도 기상 파일을 활용하여 만들어진 TMY 데이터를 활용하였다 (Lawrie and Crawley, 2022). Fig. 6과 Fig. 7은 본 연구에서 활용한 TMY 데이터 중 성남시와 대구광역시의 1월과 8월의 데이터를 비교한 것이다. 1월의 평균 기온이 분당의 TMY 데이터에서 약 -1.9℃인 반면 성서지구의 TMY 데이터에서 약 0.8℃로 비교적 온화하며, 8월의 평균기온 또한 분당의 TMY 데이터에서 약 25.9℃인 반면 성서지구의 TMY 데이터에선 약 27.6℃로 상대적으로 따뜻하다.

Fig. 5. 
Image of input spatial data of study areas

Fig. 6. 
Dry-bulb temperatures in January for TMY data at study areas

(Unit : ℃)

Fig. 7. 
Dry-bulb temperatures in August for TMY data at study areas

(Unit : ℃)

분당 파크타운 대상지에서 기축건물 온실가스 감축수단 시나리오에 따른 대상지의 용도별(End-use) 에너지 수요량 추정 결과는 Table 4와 같다. 전기 에너지 수요의 경우 최대 0.1% 증가, 최소 2.4% 감소의 효과를 보이고 있어 모든 시나리오에서 소폭 변화 하였다. 온수 에너지 수요 또한 패시브 기술 도입 시나리오에서 최대 0.4% 감소하는 양상을 보인다. 이는 건물의 온수 및 전기 에너지 수요는 단열 성능 강화 및 공급 에너지 변경 보다 거주 행동 및 시간별 사용 패턴에 영향을 많이 받기 때문이다. 단, 온수 에너지 수요의 경우 수열 에너지 도입으로 대표된 액티브 기술 도입 시나리오에서는 약 68% 가량 에너지 수요가 감소하는데, 이는 기존 가스 보일러 대비 수열 히트펌프에서 기기 효율이 증가하는 것으로부터 기인한다. 따라서 가스 보일러를 사용하는 현재 시나리오(Scenario 0)에서는 연간 8102.036 MWh 을 충족시킬 수 있는 천연가스가 공급되어야 하는 반면, 수열 히트펌프 전환 시나리오(Scenario 4)에서는 히트펌프 기기 가동을 위한 연간 2588.494 MWh의 전기를 필요할 것으로 추정된다. 냉난방부하에 영향을 주는 패시브 기술 도입 시나리오에서 냉방 에너지 수요의 경우 평균 약 1%의 난방 수요 감소 효과를 보이는 반면, 난방 에너지 수요는 패시브 하우스 요소기술 시나리오(Scenario 3)에서 최대치인 약 89%의 감소 효과를 보인다. 이러한 결과는 Lee et al. (2022)에서의 내외 단열 보강 및 창호 교체를 통한 패시브 기술 적용시 시뮬레이션 결과 냉방 수요의 저감효과는 없으나 난방 에너지 수요만이 68.7% 저감된 것과 유사한 결과이다. 냉방 에너지 수요 감소 폭이 난방 에너지 수요 감소 폭보다 적은 이유는 Fig. 8과 Fig. 9에서 나타난다. Fig. 8은 대상지의 냉방 및 난방 에너지 수요를 월별로 표시한 그래프이다. 난방 에너지는 현재 시나리오 대비 모든 시나리오에서 매월 감소하는 경향을 보이나, 냉방 에너지의 경우 7월과 8월에서는 패시브 요소 도입에 따라 냉방 수요가 감소하나 5월과 6월, 9월에서는 패시브 요소가 강화될수록 냉방 수요가 증가한다. 특히 5월의 경우, 현재 시나리오(Scenario 0) 대비 패시브 하우스 요소기술 시나리오(Scenario 3)에서 약 두배 가량 증가할 것으로 추정된다. 이러한 모델의 결과의 경향은 매 시간별 작용 온도(Operative Temperature)과 습도를 나타내는 Fig. 9에서 더욱 강조된다. Fig. 9에서는 현재 시나리오 대비 단열 요소가 증가되는 패시브 하우스 요소기술 시나리오에서 작용 온도가 높은 시간이 많은 것을 확인할 수 있다. 이는 단열 요소 증가에 따라 7월 및 8월에는 외부의 열이 내부에 미치는 영향이 낮아지지만, 5월 및 6월 및 9월에서는 외부의 온도가 내부보다 낮은 시간에도 내부의 열이 외부로 방출되지 않기 때문이다. 이는 본 연구에서 환기 시스템의 개선 기술을 외피요소 강화에 포함하지 않았으며 모델에서의 입력 데이터로 야간시간대의 자연환기를 활용하는 건물 사용자의 행태를 포함하지 않았기 때문이다.

Fig. 8. 
Estimated monthly end-use cooling and heating energy demand by GHG reduction measures scenario in study area in Bundang Newtown

(Unit : MWh/yr)

Fig. 9. 
Comfortable section by building temperature and humidity every hour by present scenario and passive house scenario in study area in Bundang Newtown

분당 파크타운 대상지에서의 온실가스 감축수단 시나리오에 따른 온실가스 배출량 계산 결과와 시나리오별 감축 잠재량은 Table 5와 같다. 패시브 요소 강화 시나리오(Scenario 1 ~ 3)에서는 모든 시나리오에서 온실가스 배출량이 저감되며, 특히 건물 단열 성능이 높아질수록 온실가스 배출량이 저감되며 이는 총량 뿐만이 아니라 전기 및 가스, 지역난방 사용으로부터 발생하는 직간접적인 배출량을 모두 저감 시킨다. 특히, 난방 에너지 수요량이 대폭 감소함에 따라 최대 89.5%의 지역난방 사용으로부터 기인하는 간접 배출량이 줄어들 것으로 파악되며, 가스 사용으로부터 발생하는 직접 배출량은 최대 0.34%이 감소되며 직간접 배출량 총합은 최대 22.6%가 감소된다. 반면, 수열 히트펌프를 도입하는 액티브 기술 요소 시나리오(Scenario 4)에서는 온실가스 배출량이 10.8% 가량 저감되나, 전기 사용으로부터 발생되는 간접 배출량은 36.8% 증가될 것으로 추정된다. 이는 온수 및 난방 공급을 위해 사용되는 에너지를 신재생에너지 및 전기 기기 활용으로 전환하였기 때문에, 전기 사용량이 늘어났기 때문이다. 패시브 하우스 요소기술과 히트펌프 도입 병행 시(Scenario 5)에는 26.9%의 온실가스 배출량이 저감되며 도시가스를 통한 온수 공급이 수열 히트펌프로 전환됨에 따라 직접 배출량이 없어지는 것으로 파악된다.

분당 파크타운 대상지에서 기후변화 시나리오에 따른 대상지의 용도별 에너지 수요량 추정 결과는 Table 6과 같다. 전기 에너지 수요는 2030년도에 두 SSP 시나리오 평균으로 약 3%, 2050년도에 약 5.9% 가량 증가하며 기후변화에 따라 수요가 증가하는 양상을 보이며 온수 에너지 수요는 2030년도에 약 3.3%, 2050 년도에 약 5.3% 감소할 것으로 전망되어 기후변화에 따라 수요가 감소하는 양상을 보인다. 냉방 수요 또한 전기 수요와 마찬가지로 기후 변화에 따라 수요가 꾸준히 증가하는 양상을 띄며, 2050년도에 SSP1에서 최대치인 약 43.6%가 증가할 것으로 전망된다. 반면, 난방 수요는 기후 변화에 따라 수요가 꾸준히 감소하는 양상을 보인다, 특히 2050년도의 SSP5에서 약 21.4% 가 감소될 것으로 전망된다. 이는 기후 변화로 인한 기온 상승이 냉난방도일을 변화시켜 냉방 기간은 길어지고 난방 기간이 짧아지기 때문이다. 기후변화에 따른 난방에너지 감소와 냉방 수요의 증가 전망은 전망은 IEA (2018)와 Wan et al. (2012) 등의 연구 결과와 동일한 양상이다. 추정된 용도별 에너지 수요량에 따른 기후변화 시나리오별 온실가스 배출량 계산 결과는 분당 파크타운 대상지에서 Fig. 10과 같다. 모든 SSP 시나리오에서 현재 대비 온실가스 배출량은 증가할 것으로 추정된다. 모든 SSP 시나리오에서 지역난방 및 온수 공급용 가스 사용 감소로 인하여 가스 및 지역난방으로부터 기인하는 배출이 줄어들고 있음에도, 냉방 수요 증가로 인한 전기 사용량 증가로 인해 배출되는 전기 사용으로부터 기인하는 간접 배출이 증가하기 때문이다. 이러한 양상은 Wan et al. (2012)에서 소개된 중국 도시에서의 사례와 동일한 양상이다.

Fig. 10. 
Estimated carbon emissions by SSP climate scenario in study area in Bundang Newtown

(Unit : tCO₂)

기후변화에 따른 온실가스 감축수단의 효과 변화를 알아보기 위해, 분당 파크타운 대상지에서의 2050년도 SSP1 및 SSP5 기후변화 시나리오와 온실가스 감축 시나리오에 따른 용도별 에너지 수요량을 추정하였다. Table 7의 (a)는 2050년도 SSP1 시나리오상에서의 용도별 에너지 수요량이며, (b)는 2050년도 SSP5 시나리오 상에서의 용도별 에너지 수요량이다. Table 4에서의 현재 기후 TMY 데이터를 입력하였을 때 온실가스 감축 수단 시나리오별 용도별 에너지 수요량과 비교하였을 때, 난방 및 온수 수요는 최대 0.3%의 차이만 보여 유사한 결과를 보인 반면 냉방 및 전기 수요는 차이가 크다. 전기 수요의 경우 현재 TMY에선 패시브 하우스 시나리오(Scenario 3) 및 패시브 하우스와 히트펌프 병행 시나리오(Scenario 5)에서 2.4%의 감소를 보였으나, 2050년도에서는 SSP1에선 5.3%, SSP5에선 5.2%의 감소 경향을 보였다. 냉방 수요의 경우 현재 TMY에선 패시브 하우스 시나리오(Scenario 3) 및 패시브 하우스와 히트펌프 병행 시나리오(Scenario 5)에서 0.7%의 감소를 보였으나, 2050년도에서는 SSP1에선 16.2%, SSP5에선 15.9%의 감소 경향을 보였다. 이러한 패시브 기술 도입에 따른 냉방 수요 저감 효과가 현재 대비 기후변화 상황에서 더 강하게 나타나는 경향은 월별 에너지 수요를 비교하였을 때 도드라지게 나타난다. Fig. 11은 현재 기후 TMY 및 2050년도의 SSP 시나리오에서 현재 단열 성능 시나리오(Scenario 0)와 패시브 하우스 시나리오(Scenario 3)의 월별 냉방 수요를 비교한 그래프이다. Fig. 8에서 살펴본 바와 유사하게, 건물의 열 성능이 강화되면 5월을 제외한 6월부터 8월까지의 냉방수요가 감소하며 5월의 냉방 수요는 증가할 것으로 추정된다. 다만 현재 기후 TMY 상황에서는 7, 8월의 냉방 수요 저감 효과가 각각 12%, 15%인 반면, 2050년에서는 SSP1에서 7, 8월의 냉방 수요 저감 효과가 22%, 28% 가량으로 증가하며 SSP5에서도 24%, 26%로 유사한 패턴을 보인다.

Fig. 11. 
Estimated monthly end-use cooling energy demand in present and 2050 for passive house and present scenario in study area in Bundang Newtown

(Unit : MWh/yr)

Table 7에서 추정된 용도별 에너지 수요량에 근거한 기후변화 시나리오와 온실가스 감축 시나리오에 따른 2050년도 분당 파크타운 대상지에서의 온실가스 배출량 추정치는 Table 8과 같다. 이 역시 Table 8의 (a)는 2050년도 SSP1 시나리오상에서의 온실가스 배출량이며, (b)는 2050년도 SSP5 시나리오 상에서의 온실가스 배출량이다. 패시브 요소를 강화하는 패시브 하우스 시나리오(Scenario 3)은 SSP1 시나리오에서 24.7%의 온실가스 감축을, SSP5 시나리오에서 24.3%의 온실가스 감축을 보인다. 이는 현재 기후 TMY 대비 약 2%의 감축 효과가 증가되는 것이다. 반면, 수열 히트펌프 시나리오(Scenario 4)에서는 SSP1과 SSP5에서 모두 약 8.1% 감축 효과를 보이는데, 이는 현재 기후 TMY 대비 약 2.7%의 감축 효과가 감소되는 것이다. 이러한 차이는, 2050년도 SSP 시나리오에서 현재 기후 TMY 대비 냉방 수요의 증가와 난방 수요 감소로 인해 발생한다. 현재 대비 2050년도에서 단열 성능 강화로 인한 냉방 에너지 수요 감축 효과가 늘어나며, 기후 상승으로 인한 난방 수요의 감소가 패시브 하우스 시나리오(Scenario 3)에서의 감축 효과 증가의 원인이다. 반면, 냉방 수요의 감축에 영향을 미치지 않는 수열 히트펌프 시나리오(Scenario 4)에서는 늘어나는 난방 수요로 인해 감축 효과가 감소하는 경향을 보인다.

지역에 따른 감축수단의 효과 차이를 살펴보기 위해, 대구 성서지구 대상지에서 기축건물 온실가스 감축수단 시나리오에 따른 대상지의 용도별(End-use) 에너지 수요량 추정 결과와 탄소 배출량은 Table 9와 같다. 대구 성서지구 대상지에서의 온실가스 감축수단 적용시 에너지 수요 저감 효과는 분당 대상지와의 양상과 차이가 있다. 패시브 요소를 강화하는 패시브 하우스 시나리오(Scenario 3)의 경우 분당 대상지는 냉난방 수요 저감 효과가 현재 대비 각각 0.7%, 89.5%인 반면, 대구 성서지구 대상지는 각각 7.2%, 84.3% 저감 될 것으로 전망된다. 따라서, 분당 대상지에 비해 대구 성서지구 대상지에서 패시브 요소 도입 시 냉방 수요의 저감효과는 비교적 크고 난방 수요의 저감 효과는 비교적 적다. 수열 히트펌프를 도입한 시나리오(Scenario 4)에서는 분당 대상지가 84.1%의 난방 수요 저감 효과를 보이나, 대구 성서지구 대상지는 90.1%의 난방 수요 저감 효과를 보인다. 이러한 두 대상지의 에너지 수요 저감 효과 차이는 상이한 기후와 기후 환경 차이를 반영한 지역별 건축 에너지 효율 기준으로 인해 발생한다. 이러한 차이는 Fig. 12에서 보이듯 두 대상지에서의 용도별 에너지 수요 비중의 차이를 발생시킨다. 분당 파크타운 대상지는 현재 상황 시나리오(Scenario 0) 연간 에너지 수요에서 냉방이 19.1%를 차지하고 난방이 54.8%를 차지하는 반면, 대구 성서지구 대상지는 연간 에너지 수요에서 냉방이 21.6%, 난방이 50.6%를 차지한다. 또한 월별 냉방 수요량의 비중도 차이가 있는데, 분당 대상지는 전체 냉방 수요량 대비 7,8월에 모두 각각 30%인 반면, 성서지구 대상지는 7, 8월에 각각 30%, 35%로 기온이 높은 7, 8월에 수요가 집중되어 있다.

Fig. 12. 
Load curve for study areas on present scenario, based on TMY

이러한 두 대상지의 에너지 수요 저감 효과 차이는 감축수단 시나리오별 온실가스 감축 효과의 차이를 발생시킨다. 패시브 하우스 시나리오(Scenario 3)에서 분당 대상지는 22.7%의 온실가스가 감축될 것으로 추정되는 반면 대구 성서지구 대상지는 22.1%의 온실가스가 감축될 것으로 전망된다. 특히, 분당 대상지에 비해 대구 성서지구 대상지에서는 난방 에너지 수요량 저감으로 기인하는 지역난방으로부터의 온실가스 간접 배출량 저감 효과가 5.2%가량 적고, 냉방 사용으로부터의 전기로부터의 온실가스 간접 배출량 저감 효과가 4.1% 가량 높다. 앞서 살펴본 바와 같이 패시브 요소 도입은 용도별 에너지 중 난방 에너지 수요를 저감시키는 효과가 크며 이에 따른 난방으로부터 기인하는 온실가스 배출량을 감축시킨다. 따라서, 패시브 요소 도입의 경우 난방 수요가 다른 용도별 에너지 수요에 비해 비중이 높은 지역에서 더 많은 효과를 볼 것으로 기대된다. 본 연구에서 탐색한 대구 성서지구의 대상지는 분당 파크타운 대상지와는 다르게 난방 에너지 수요의 비중이 낮고 냉방 에너지의 비중이 높다. 이에 따라 감축 효과가 가장 높은 패시브 하우스와 히프펌프 병행 도입 시(Scenario 5)에서는 23%가 감축되어, 분당 파크타운에서의 동일 시나리오 대비 3.8% 효과가 적다. 이는 Cho et al. (2017)에서 보여준 바와 같이 남부 지방 대비 북부 지방에서 동일한 단열 성능 강화에 따른 난방 에너지 활용으로부터 발생하는 온실가스의 감축 효과가 크다는 것과 동일한 양상이다.