E2 / BUILDING ENVIRONMENT

Air Quality
and Ventilation

공기질과 환기

체험 1 · CO₂ 감쇠로 환기량 재기UCI / 2015.02.05–06 / 2,880 OBS.
칠해진 두 구간 중 하나를 누른다. 아래 직선과 ACH가 바뀐다.
━━ CO₂ / ppm┄ 역변환 모형▧ 감쇠 후보▬ 재실 1┄ 한국 해당 시설 참고선: 1,000 ppm

LOG-LINEAR FIT
● 관측값 ┄ 적합 직선
추정 공기교환율
—/h

관측값과 모형의 차이 보기

Data: Luis Candanedo (2016), UCI Occupancy Detection · CC BY 4.0 · 원자료의 분 평균을 그대로 표시. 외기 농도는 가정값이다. CSV ↓

Overview 개요#

농도가 얼마나 높은가와 공기가 얼마나 빨리 바뀌는가는 다른 질문이다. CO₂ Decay(이산화탄소 감쇠법)는 사람이 나간 뒤 실외 농도보다 높은 부분이 줄어드는 속도로 공기교환율을 추정한다. 위 시계열의 칠해진 구간을 누르면 실제 기록이 로그 직선으로 바뀐다.

기호: C는 실내 CO₂(ppm), C_out는 실외 CO₂(ppm), t는 경과시간(h), ACH는 시간당 공기교환율(/h)이다.

An office, measured

Candanedo와 Feldheim은 벨기에 사무실의 환경 센서로 재실 여부를 분류했다. CO₂는 Telaire 6613, 온습도는 DHT22, 조도는 TSL2561로 기록했다. 센서는 14초마다 읽어 분당 3~4개를 평균했고, 재실 0/1은 매분 촬영한 사진을 수동 판독했다.

여기서는 UCI 학습 파일에서 2015년 2월 5~6일의 2,880개 분 평균을 발췌했다. 시간차는 실제로 59·60·61초이므로 원 시각의 차이를 시간(h)으로 바꿔 회귀한다. 자료의 시간대는 명시되지 않아 원래 시계표시를 유지한다. 원 논문의 재실 분류 자료를 이 탭에서 환기 추정에 다시 분석한 것이다.

Concept 개념#

01 / Mass balance

공기교환율을 얻으려면 발생과 배출을 나누어야 한다. 부피 V인 한 공간이 완전히 섞이고 Q만큼의 실외 공기가 들어오며 같은 양이 나갈 때, 농도 변화는 질량 보존으로 정해진다. 다음 식의 c는 부피분율이며 화면의 ppm 값 C와 c=C×10⁻⁶ 관계다.

V\frac{dc}{dt}=G-Q(c-c_{\mathrm{out}}),\qquad \mathrm{ACH}=\frac{Q}{V}

G는 순수 CO₂의 체적 발생량(m³/h), Q는 공기 체적 유량(m³/h), V는 실내 부피(m³)다. 정상상태에서는 C=C_out+10⁶G/Q다. 단위 확인용 예시로 발생량 0.005 L/s/인, 4인, 환기량 40 L/s, 실외 420 ppm이면 920 ppm이다. 이 발생량은 설계서의 계산 예시이며 표준 인체 발생량으로 쓰지 않는다.

02 / Turn decay into a straight line

퇴실 후 발생량 G=0이고 Q와 C_out가 일정하면 초과농도 C−C_out가 지수적으로 줄어든다. 초과농도를 1 ppm으로 나누어 무차원으로 만든 뒤 자연로그를 취하면 기울기 −ACH인 직선이 된다. 부피를 몰라도 이 기울기에서 /h를 얻는다.

C(t)-C_{\mathrm{out}}=(C_0-C_{\mathrm{out}})e^{-\mathrm{ACH}\,t}
y=\ln\!\left(\frac{C-C_{\mathrm{out}}}{1\ \mathrm{ppm}}\right)=a+bt,\quad \widehat{\mathrm{ACH}}=-b

손계산: 1시간 뒤 초과농도가 처음의 e⁻¹배면 ln(e⁻¹)/1 h=−1 /h이므로 ACH=1.0 /h다. CO₂가 실외 수준까지 완전히 사라진다는 뜻이 아니라, 초과분의 약 36.8%가 남는다는 뜻이다.

03 / Fit all observations

두 끝점만 읽는 대신 선택한 구간의 모든 분 평균으로 Ordinary Least Squares(보통최소제곱)를 계산한다. 시간은 구간 첫 점을 0 h로 잡는다. 같은 조건에서 두 날짜를 바꾸면 다른 날의 감쇠 기록을 같은 방법으로 비교할 수 있다.

b=\frac{\sum_i(t_i-\bar t)(y_i-\bar y)}{\sum_i(t_i-\bar t)^2},\qquad a=\bar y-b\bar t

예를 들어 2월 5일 18:15:00~19:14:59의 61개 점과 C_out=420 ppm을 쓰면 b≈−0.958856 /h, 절편 a≈5.942136, ACH≈0.959 /h, 로그 공간 R²≈0.985다. 역변환 모형과 관측의 농도 RMSE는 약 9.44 ppm이다. 숫자는 가정과 분석 구간을 바꿀 때마다 다시 계산한다.

04 / Read the residuals

로그 공간에서 같은 크기의 오차는 농도 공간에서 같은 ppm 오차가 아니다. 초과농도가 작을수록 같은 센서 오차가 로그에서 크게 보인다. 센서 분해능은 1 ppm이며 논문의 정확도는 400~1250 ppm에서 ±30 ppm이다. 잔차 그림에서 휘는 추세나 한쪽으로 치우친 잔차를 살펴 일정한 감쇠속도 가정이 기록에 맞는지 읽는다.

R²는 변환한 y의 변화 중 직선이 설명한 비율이다. 센서 정확도나 물리 가정의 진위를 나타내는 점수가 아니다. 이 연속 관측의 오차는 시간적으로 연관될 수 있으므로 독립 오차를 가정한 좁은 신뢰구간 대신 실외농도·구간 길이의 민감도를 비교한다.

Hands-on 체험#

체험 1은 맨 위 실제 시계열이다. 칠해진 구간을 누르거나 구간 선택 목록으로 날짜를 바꾸고, 직선의 기울기·잔차·ACH를 함께 읽는다. 아래 체험 2는 날짜와 시작점을 유지하면서 C_out와 분석 길이를 바꾼다.

체험 2 · 가정을 바꾸면 환기량도 달라질까

같은 관측을 두고 실외 농도 400·420·450 ppm과 30·60·120·180분의 조합을 비교한다. 표의 칸을 누르면 그 조합이 위 직선에도 반영된다. 각 값은 별도 회귀의 결과이며, 표의 범위는 통계적 신뢰구간이 아니다.

min400 ppm420 ppm450 ppm

위 직선과 잔차로 돌아가기 ↑

Selection, made explicit

후보는 재실 1→0 전환의 직전 10개 행이 모두 재실일 때 찾는다. 전환 후 10분 이상 지난 첫 점에서 시작해 180분 동안 비재실이 유지되는 기록 중, 연속 5개 행 중앙값의 비증가 비율이 80% 이상이고 양 끝 농도가 100 ppm 이상 내려간 경우를 채택했다. 이 지연·길이·비율은 탐색을 위해 정한 값이다.

이 규칙으로 두 후보를 얻었다. 엄격하게 모든 점이 줄어들도록 고르지 않고 원자료의 잡음을 남겼다. 중앙값은 후보 찾기에만 쓰고 회귀는 모든 원 관측값을 사용한다. 구간의 한 점이라도 C≤C_out이면 로그가 정의되지 않으므로 그 조합 전체를 추정 불가로 표시한다.

Summary 정리#

  • 농도의 높이는 발생과 환기가 함께 만든다. 감쇠법은 퇴실 후 발생량이 0인 구간의 감소 속도를 이용한다.
  • 원 시각을 h로 바꾸고 ln[(C−C_out)/(1 ppm)]의 회귀 기울기에 −1을 곱하면 ACH /h다.
  • 실외 농도와 구간 길이는 결과를 바꾼다. 결과에는 선택 구간·C_out·표본 수를 함께 적는다.
  • 잔차와 민감도를 읽고, 해당 시설의 법정 설비 성능과 관측에서 추정한 공기교환율을 구분한다.

Notation 기호#

기호뜻단위
C, C₀실내·구간 초기 CO₂ppm
C_out가정한 실외 CO₂ppm
c, c_outCO₂ 부피분율(C×10⁻⁶)m³/m³
t구간 첫 점부터 경과시간h
Q공기 체적 유량m³/h
V실내 부피m³
G순수 CO₂ 체적 발생량m³/h
ACH공기교환율 Q/V/h
a, b로그 직선 절편·기울기1, /h
R²로그 공간 결정계수1
RMSE평균제곱근 오차ppm

References 참고문헌#

  1. Candanedo, L. M. & Feldheim, V. (2016). Accurate occupancy detection of an office room from light, temperature, humidity and CO₂ measurements using statistical learning models. Energy and Buildings, 112, 28–39. DOI · Author-uploaded original · pp.30–31, Table 2.
  2. Candanedo, L. (2016). Occupancy Detection. UCI Machine Learning Repository. 10.24432/C5X01N · CC BY 4.0. ZIP ↓ · Provenance.
  3. Batterman, S. (2017). Review and Extension of CO₂-Based Methods to Determine Ventilation Rates with Application to School Classrooms. IJERPH, 14(2), 145. §2.3, Eq.(6)–(7).
  4. 실내공기질 관리법 시행규칙 별표 2·비고 1 · 표 원문 · 비고 원문.
  5. 건축물의 설비기준 등에 관한 규칙 제11조.

추정 규칙·원행번호·해시·독립 계산은 근거 장부와 검증 파일에서 재현할 수 있다. Evidence · SciPy reference

이 페이지의 체험은 원리를 보이기 위해 단순화한 모델이다. 공간 환경의 설계·진단·법적 적합 판정을 제공하지 않는다.