건물 디지털 트윈 시뮬레이터

Building digital twin simulator

실제 운영 중인 건물 HVAC 시스템에서 냉수 펌프 차압 제어 루프를 재현하는 디지털 트윈 시뮬레이터를 개발하였다. 시뮬레이터는 BIM 환경에서 Revit Dynamo를 기반으로 구축되었으며, Dynamo Player를 통해 Revit interface에서 시뮬레이션이 실행된다. 또한, 실제 제어 루프의 로직과 메커니즘을 반영하며, 시뮬레이션 연산과 데이터 처리는 Dynamo workflow에 포함된 Python script를 활용하여 실시간으로 수행된다. 시뮬레이터는 냉수 펌프 차압 제어 루프의 Setpoint 변수인 냉수 펌프 차압(chilled water pump differential pressure)과 Disturbance 변수인 냉수 밸브 개도율(water valve opening rate)을 입력으로 제공받아, 제어 변수(control behavior)인 냉수 펌프 주파수(chilled water pump frequency)와 냉수 펌프 차압(chilled water pump differential pressure), 그리고 시스템 출력(plant output)인 냉수 유량(chilled water flow rate)과 냉수 펌프의 에너지 소비량(chilled water pump energy)을 출력한다. 건물 운영기간(07/05~07/11) 동안 시뮬레이터 결과와 실제 냉수 펌프 차압 제어 루프의 변수들과 정확도를 비교한 결과, 평균 MAPE는 0.88%로 계산되었으며, 실제 시스템의 제어 거동을 정확히 재현하는 높은 성능을 확인하였다. 향후에는 디지털 트윈 시뮬레이터를 활용해 AI 에이전트 기반의 최적 제어 및 자율 운전 기술을 개발하고, 더욱 지능적이고 효율적인 건물 운영의 최적화 방안을 연구할 예정이다.

A digital twin simulator was developed to describe the chilled water pump differential pressure control loop in actual building operations. The simulator was constructed on a BIM environment using Revit Dynamo, and simulations were executed through Dynamo Player within the Revit interface. Additionally, it reflects the logic and mechanisms of the actual control loop, while simulation calculations and data processing are conducted in real-time using Python scripts embedded in the Dynamo workflow.

The simulator input variables are defined as the setpoint variable, which is the chilled water pump differential pressure, and the disturbance variable, which is the water valve opening rate. The simulator output variables are defined as the control variables, which include the chilled water pump frequency and chilled water pump differential pressure, and the plant output variables, which include the chilled water flow rate and chilled water pump energy consumption.

During the building operation period (07/05–07/11), a comparison between the simulator results and actual control loop variables showed that the mean absolute percentage error (MAPE) was calculated as 0.88%. This result showed that the simulator accurately replicates the physical behavior of the actual control loop with high performance. In the future, the digital twin simulator will be utilized to develop AI agent-based optimal control and autonomous operation technologies. This will be explored to further advance intelligent and efficient energy optimization strategies.