2.1 거점역사 데이터 수집

평가 방법론을 제안하기 위한 준비 작업으로, 주요 도시 28개 KTX 역사에 대한 데이터 수집을 진행하였다. 거점역사에 대한 일반 정보를 수집하기 위해 설정한 주요 검색어는 ‘KTX’, ‘승하차 실적’, ‘이용 인원’ 등이다. 건축 데이터와 에너지 사용량, 기상 데이터의 기초 정보는 역사의 주소를 기반으로 지도에서 확인된 자료를 사용하였다.

일반 정보(연간 승하차 인원, 일일 이용객)는 ‘공공데이터 포털’에서 제공되는 오픈 데이터를 활용하여 수집하였다^[2]. 건축 데이터(면적, 준공연도, 층수)는 건축데이터 민간개방 시스템에서 제공되는 복합면적, 철도면적, 준공연도, 지하층 및 지상층 수 등의 정보를 수집하였다^[3].

에너지 사용량 데이터는 ‘건축데이터 민간개방 시스템’과 ‘건축물 생애이력 관리 시스템’을 통해 2021년부터 2023년까지의 3개년 범위에서 전기와 가스의 월별 사용량을 수집하였다^[4]. 그러나 데이터 수집 결과, 공주역, 서대구역, 경주역, 동대구역의 에너지 사용량 데이터는 모수가 부족하거나 부재하여 분석 대상에서 제외되었다. 모든 에너지 사용량 데이터는 전기와 가스를 통일하여 kWh 단위로 처리하였다.

기상 데이터는 ‘기상자료개방포털’을 통해 동일한 기간 동안의 시간별 온도 데이터를 수집하였으며^[5], 기상 데이터의 결측치는 선형보간법을 사용하여 전처리하였다. 수집된 기상 데이터는 냉·난방 도일 산출의 기준으로 활용되었다.

2.2 냉·난방 도일 산출

기상용어로써 냉·난방 도일은 매일의 일 평균 기온과 기준 온도 18℃의 차이를 일별로 누적하여, 일 평균 기온이 기준 온도보다 높은 경우는 냉방 도일로, 낮은 경우는 난방 도일로 계산한다. 예를 들어, 본 연구의 경계 조건을 사용하고 하루 평균 기온이 2℃일 때, HDD(Heating Degree Days)는 10℃에서 2℃를 제한 8 도일로 계산된다. 마찬가지로 하루 평균 기온이 30℃일 때, CDD(Cooling Degree Days)는 30℃에서 25℃를 제한 5 도일로 계산된다.

냉방 도일(CDD) 및 난방 도일(HDD)은 실제 기온과 설정된 기준 온도 간의 차이를 바탕으로 냉방 또는 난방 수요를 측정하는 지표이다.

따라서, 온도 조건을 고려한 에너지 사용 효율을 평가하기 위해서는 냉·난방 도일의 산출 과정이 필수적이다. 그러나 현재 국내에서 사용하는 기준 온도는 실내 온도를 기준으로 하고 있어, 실외 기온을 반영한 에너지 사용 효율 평가에는 한계가 있다. 이에 본 연구에서는 표 1에 제시된 바와 같이 냉방 및 난방에 대한 실외 기준 온도를 새롭게 설정하였다.

시간별 기상 데이터에 설정된 온도 조건을 적용하고, 식 (1)을 통해 냉·난방 수요가 발생하는 월별 시간, 즉 냉·난방 도일(CDD와 HDD)의 개수를 산출한다. 이를 통해 각 역사의 에너지 사용 효율을 실외 기온을 기반으로 평가할 수 있으며, 온도와 에너지 사용 간의 관계를 정량적으로 파악할 수 있다. 이렇게 정립된 도일 값은 특히 철도역사 같은 복합적인 운수시설의 에너지 관리 전략을 수립하는 데 중요한 역할을 할 것이다.

여기서,

• Treal : 실제 기상청 온도 데이터

• Tbase : 에너지 사용 효율 평가를 위한 기준온도

2.3 Z-Score를 활용한 데이터 표준화

에너지 사용 효율 평가는 냉·난방 도일과 에너지 사용량 간의 비교를 통해 이루어진다. 그러나 두 데이터의 단위가 서로 다르기 때문에, 이를 비교하기 위해서는 데이터의 표준화 과정이 필요하다. 본 연구에서는 Z-Score를 활용하여 데이터 표준화를 진행하며, 이를 통해 서로 다른 단위를 상호 비교 가능한 지수로 전처리하는 과정은 다음과 같다.

먼저, 냉·난방 도일대비 에너지 사용 효율을 평가하기 위해 월별로 수집된 데이터를 냉방기와 난방기로 구분한다. 이는 냉방과 난방의 필요성을 구체적으로 계산하기 위함이며, 연구 목적에 따라 냉방기는 4월~9월, 난방기는 1월~3월 및 10월~12월로 설정한다(표 1 참고).

이렇게 구분된 기간을 바탕으로 데이터를 분석하며, 냉·난방 도일대비 에너지 사용량의 수준을 평가하기 위해 두 데이터의 표준화는 식 (2)를 이용하여 진행된다.

여기서,

• ZDD : 월별 냉·난방 도일 표준화 값(Z-score)

• ZE : 월별 에너지 사용량 표준화 값(Z-score)

• XDD : 월별 냉·난방 도일

• XE : 에너지 사용량

• μDD : 월별 냉·난방 도일 평균

• μE : 월별 냉·난방 도일 평균

• σDD : 월별 냉·난방 도일 표준편차

• σE : 월별 에너지 사용량 표준편차

2.4 에너지 사용 효율 평가 방법

ZDD 와 ZE 는 각각 월별 냉·난방 도일과 에너지 사용량을 표준화한 값으로, -4에서 4 사이의 값을 가진다. 이 값들의 의미는 다음과 같다 :

① ZDD : 설정된 기준 온도에 비해 기온이 높거나 낮을수록 값이 커진다. 즉, 덥거나 추울수록 ZDD값이 증가한다.

② ZE : 에너지 사용량이 많을수록 값이 커지며, 사용량이 증가하면 ZE 값도 증가한다.

이를 바탕으로, 식 (3)을 이용해 도출한 월별 DDEER 값을 다음과 같이 해석할 수 있다

① ‘DDEER > 0’인 경우,

냉·난방 도일에 비해 에너지 사용량이 적어 에너지 효율이 높다.

즉, 더운 날씨나 추운 날씨에도 불구하고 에너지를 절약하며 사용하지 않는 경우에 해당한다.

② ‘DDEER < 0’인 경우,

냉·난방 도일에 비해 에너지 사용량이 많아 에너지 효율이 낮다.

즉, 비교적 시원하거나 따뜻한 날씨에도 불필요하게 에너지를 사용하는 경우에 해당한다.

이러한 DDEER 결과를 통해 거점역사의 에너지 사용 현황 및 실태에 대한 자가 평가가 가능해진다.

다른 역사와의 상대 평가는 식 (4)를 이용하여 산출한 백분위 점수(Percentile Score)를 통해 이루어진다. 두 역사의 백분위 점수 차이를 비교함으로써 에너지 사용 효율을 상대적으로 평가할 수 있다. 비교 대상 역의 점수보다 본 역의 백분위 점수가 높다면 해당 역은 비교적 에너지 사용 효율이 높은 것으로 평가되며, 반대로 점수가 낮다면 에너지 사용 효율이 상대적으로 낮다는 것을 의미한다.

이러한 방식의 상대 평가는 여러 역사 간 에너지 효율성을 체계적으로 비교하고, 효율 개선을 위한 구체적인 지표로 활용될 수 있다.

3.1 수집 데이터 EDA

수집된 데이터를 분석하기 위해 거점역사의 단위면적당 에너지 사용량(Usage per unit area)을 산출하였다. 이를 바탕으로, 에너지 사용량에 영향을 미치는 요인을 파악하기 위해 다양한 변수들 간의 상관관계 분석을 수행하였다. 상관관계 분석에 사용된 변수는 ‘복합공간 면적(Composite Area)’, ‘철도역사 면적(Station Area)’, ‘지상층의 수(Ground)’, ‘지하층의 수(Underground)’, ‘준공연도(Year)’, ‘일일 이용객(Daily Passenger)’ 등이다. 각 변수 간의 상관관계 결과는 표 2에 제시되어 있다.

이러한 상관관계 분석을 통해 에너지 사용량에 영향을 미치는 주요 요인을 도출할 수 있다.

상관관계 정도를 판단하기 위하여 피어슨 상관계수를 활용한다. 결과는 표 3과 같다.

단위면적당 에너지 사용량에 대한 상관관계 분석 결과의 해석은 다음과 같다 :

① 규모 요인:복합공간 면적(Composite Area), 철도역사 면적(Station Area), 지상층수(Ground), **지하층수(Underground)**와 같은 규모에 관련된 요인은 값이 클수록 단위면적당 에너지 사용량이 많아지는 경향이 있다. 즉, 역사의 규모가 커질수록 더 많은 에너지를 소비하는 것으로 나타난다.

② 그 외 요인:준공연도(Year), 일일 이용객(Daily Passenger)등의 요인은 단위면적당 에너지 사용량에 유의미한 영향을 미치지 않는 것으로 분석되었다. 이는 역사 운영 연도나 이용객 수가 에너지 소비에 직접적인 영향을 주지 않는다는 것을 의미한다.

이러한 결과는 에너지 효율 개선을 위한 주요 요인들을 파악하는 데 도움을 주며, 에너지 관리 전략 수립 시 규모 요인이 중요한 고려사항임을 시사한다.

3.2 평가 방법론 적용을 위한 거점역사 선정

상관관계 분석 결과, 거점역사의 규모 요인 외에는 단위면적당 에너지 사용량과 유의미한 상관 요인이 나타나지 않았다. 이에 따라, 본 연구에서는 표 4에서 제시된 데이터 수집이 가능한 24개 역사의 단위면적당 에너지 사용량을 근거로 거점역사를 선정하였다.

Fig. 1은 2021년부터 2023년까지의 24개 거점역사의 단위면적당 평균 에너지 사용량 비율을 나타낸다. 단위면적당 3개년 평균 에너지 사용량 비율에서 용산역이 40.5%로 가장 크며, 그 뒤를 이어 수원역이 30.5%, 영등포역이 10.2%로 높은 비율을 차지하고 있다.

따라서, 용산역, 수원역, 영등포역의 단위면적당 에너지 사용량이 전체 거점역사의 80% 이상을 차지하므로, 본 연구에서는 이 세 역사를 에너지 사용 효율 평가 대상으로 선정하여 심층 평가를 진행한다.

그림 1. 거점역사의 단위면적당 평균 에너지 사용 비율

Fig. 1. Average Energy Consumption Ratio per Unit Area of Major Railway Stations

3.3 선정 거점역사의 데이터 표준화

용산역, 수원역, 영등포역의 에너지 사용 효율 평가를 위해 필요한 정보는 2021년부터 2023년까지의 에너지 사용량과 해당 기간의 기상 데이터이다. 각 역사의 에너지 사용량 데이터와 관련된 기상 데이터는 표 5에 제시된 기상관측지점을 통해 수집되며, 이를 바탕으로 냉·난방 도일과 에너지 사용량의 관계를 분석하여 평가를 진행할 수 있다.

이러한 기상관측지점 정보는 각 역사의 에너지 사용량 분석에 필수적인 자료로, 지역별 기후 특성까지 반영한 정확한 에너지 효율 평가가 가능하도록 한다.

용산역과 영등포역의 시간별 기상 데이터는 기상관측지점 '서울'에서, 수원역의 시간별 기상 데이터는 '수원'에서 각각 확보하였다. 확보된 시간별 기상 데이터에 표 1에 제시된 실외 기준 온도를 적용하여, 각 역사별 냉·난방 도일(Cooling Degree Days, Heating Degree Days)을 산출하였다. 그 결과는 표 6에 정리되어 있다.

용산역과 영등포역의 냉·난방 수요는 각각 1,544시간, 3,088시간으로 나타났으며, 두 역사 모두 난방 수요가 냉방 수요에 비해 상대적으로 많은 것으로 분석되었다. 수원역도 비슷한 경향을 보이며, 냉방 수요는 1,390시간으로 다른 역사에 비해 적지만, 난방 수요는 3,175시간으로 비교적 높은 수준을 보인다. 이러한 결과는 해당 역사들이 난방 수요가 더 많이 발생하는 기후 조건에 있음을 시사하며, 에너지 사용 효율 평가 시 난방 에너지의 효율성을 특히 중점적으로 고려해야 할 필요성을 보여준다.

에너지 사용량은 표 1의 경계 조건에 따라 냉방기와 난방기로 구분되었으며, 2021년부터 2023년까지의 역사별 에너지 사용량 데이터는 표 7에 정리되었다. 표 7에 따르면, 2021년과 2022년에는 전반적으로 난방기 동안의 에너지 사용량이 냉방기에 비해 더 많았다. 특히, 2021년의 수원역은 냉·난방기 사용량 차이가 가장 작았음에도 불구하고, 약 972MWh/yr의 에너지를 난방기에 더 많이 사용하였다. 반면, 용산역은 2021년에 냉·난방기 사용량 차이가 가장 컸으며, 약 2,544MWh/yr의 에너지를 난방기에 더 많이 사용하였다.

2023년의 경우, 수원역과 영등포역은 여전히 난방기 사용량이 더 많지만, 냉·난방기 사용량 차이는 이전 2개년보다 크지 않다. 특히 용산역은 2023년 냉방기에 약 467MWh/yr 더 많은 에너지를 사용하였으며, 난방기 사용량은 전년도 대비 감소하였고, 6월의 에너지 사용량은 다른 2개년 대비 증가하였다.

이는 에너지 사용량의 절대값 데이터만으로는 에너지 사용의 적절성을 명확하게 판단하기 어렵다는 것을 시사한다. 2023년 냉방기 동안 실외 기온이 비교적 높았다는 요인과 같은 에너지 사용 조건을 고려하지 않으면, 에너지 사용량의 변화에 대한 충분한 해석이 어려울 수 있다.

따라서, 실외 기온을 고려한 에너지 사용 평가를 위해 표 6과 표 7의 데이터를 바탕으로 식 (2)를 적용하여 표준화 과정을 진행한다. 이를 통해 용산역, 수원역, 영등포역의 연도 및 월별 ZDD(냉·난방 도일)와 ZE(에너지 사용량)의 표준화된 결과를 도출하였으며, 이 결과는 각각 표 8, 표 9, 표 10에 정리되어 있다. 이러한 표준화된 ZDD와 ZE 데이터를 통해 각 역사별 에너지 사용 효율을 기온 변동에 따른 상대적인 기준으로 평가할 수 있게 되며, 연도 및 월별로 에너지 사용 패턴의 차이를 정량적으로 비교할 수 있다.

3.4 거점역사별 평가 방법론 적용 및 해석

실외 온도를 고려한 ‘냉·난방 도일 대비 에너지 사용 효율 평가’를 진행하기 위해 표 8, 표 9, 표 10의 결과에 식 (3)을 적용하였다.

이 DDEER(=ZDD—ZE) 지수는 각 역사별로 냉·난방 도일(수요 시간)과 에너지 사용량의 상관성을 기반으로 에너지 효율성을 평가한 지표로, 기온 변동에 따른 에너지 사용의 적정성을 확인하는 데 중요한 자료로 활용될 수 있다.

Fig. 2, 3, 4는 2023년의 거점역사별 DDEER 지수를 시각화한 것이다.

그림 2. 2023년 용산역 DDEER 지수 기반 평가 그래프

Fig. 2. 2023 Yongsan Station DDEER Index-Based Evaluation Graph

그림 3. 2023년 수원역 DDEER 지수 기반 평가 그래프

Fig. 3. 2023 Suwon Station DDEER Index-Based Evaluation Graph

그림 4. 2023년 영등포역 DDEER 지수 기반 평가 그래프

Fig. 4. 2023 Yeongdeungpo Station DDEER Index-Based Evaluation Graph

DDEER 지수는 0에 가까울수록 ‘냉·난방에 대한 수요가 발생할 때, 적절하게 에너지를 투입함’을 의미하므로, 지수가 0에 가까울수록 에너지 사용 효율이 좋음을 의미한다.

이 DDEER 지수에 따르면, 3개 역사 공통적으로 난방기 초기(10월)와 말기(12월, 1월)에 에너지 사용 효율이 저하되는 경향이 나타난다. 이는 난방 시스템이 본격적으로 가동되거나 종료되는 시점에 ‘난방 수요 대비 에너지 사용 및 관리가 적절하지 않을 가능성이 큼’을 시사한다. 즉, 에너지 사용 효율 개선을 위해서는 10월과 12월, 1월의 난방을 위한 역사의 난방 가동 조건을 조정해야 함을 나타낸다.

냉방기의 경우, 에너지 사용 효율이 난방기보다는 비교적 고르게 나타났으나 냉방기의 한 가운데인 7월, 8월은 모든 역에서 에너지 사용 효율이 낮은 패턴을 보인다. 이는 냉방 시스템이 본격적으로 가동되는 시점에 ‘냉방 수요 대비 에너지 사용 및 관리가 적절하지 않을 가능성이 큼’을 시사한다. 이는 냉방 가동 조건의 부적절성보다는 한여름이라는 계절 특성상, 변수(민원 발생, 전력 피크 대응 등) 발생 가능성이 있다.

요약하면 냉방기의 경우 효율적인 운영이 이루어지고 있지만, 난방기의 경우 운영 기준의 재검토와 개선이 필요하다.

표 12는 역사 간 상대 평가를 진행하기 위하여 DDEER 지수에 식 (4)를 적용한 연도 및 월별 백분위 점수이다. 50점일 때, 냉·난방의 수요 대비 에너지 사용 효율이 잘 이루어지고 있음을 의미하므로 백분위 점수가 50점에서 멀어질수록 에너지 사용 효율이 낮다. 백분위 점수를 활용할 수 있는 사례는 아래와 같다.

표 13의 ‘백분위 거리(distance) 평균’은 2021년부터 2023년까지 3개 역사의 월별 백분위 점수가 “50점을 기준으로 얼마나 떨어져 있는지”를 나타내는 값의 평균을 보여준다. 따라서, 거리 평균의 수치가 작을수록 냉방과 난방이 필요한 수요 대비 에너지가 적절하게 사용된다고 판단할 수 있다.

‘백분위 점수 순위’는 각 월별 백분위 점수의 상대적인 순위이다. 1위는 냉·난방이 필요한 수요대비 에너지를 가장 효율적으로 사용한 달이다. 순위가 12에 가까워질수록 ‘수요가 없음에도 에너지를 과다 사용’하거나 ‘수요가 있음에도 에너지 절약을 위해 시스템을 미이용’하는 등 에너지 사용이 수요 대비 비효율적인 달을 의미한다.

분석결과를 종합적으로 해석하면, 간절기에 해당하는 춘분기(3월)와 추분기(10월)에 에너지 사용 효율이 가장 비효율적이다. 계절이 바뀌는 시기에 난방이나 냉방이 적절하게 이루어지지 않음으로써 과다하거나 부족한 에너지 사용에 의해 효율이 떨어졌을 가능성을 시사한다. 냉방기는 전체적으로 효율적인 에너지 사용이 이루어진 시기이다. 전반적으로 냉방 수요가 많음에도 불구하고 적절한 에너지 관리가 이루어진 것으로 해석 가능하다.