CODYRUN 내 인공 조명 시뮬레이션 검증: CIE 테스트 케이스 적용

1. 서론

본 논문은 건물 물리 및 시스템 연구소(L.P.B.S)에서 개발된 건물 공기역학 및 열 시뮬레이션 도구인 CODYRUN 소프트웨어 내 인공 조명 시뮬레이션 기능에 대한 검증 연구를 제시합니다. 이 연구는 특정 물리 현상 시뮬레이션에서 소프트웨어의 신뢰성을 평가하고, 한계와 개선 가능성을 파악하기 위해 시작되었습니다. 검증은 조명 시뮬레이션 소프트웨어 평가를 위한 표준 절차를 제공하는 국제조명위원회(CIE) Task-3 TC-33에서 개발한 테스트 케이스(특히 시나리오 1과 3)를 활용합니다.

2. 실내 조명 계산을 위한 새로운 단순화 모델

CODYRUN은 실내 조명을 정량적으로 결정하기 위해 직접 및 확산 인공광 성분을 모두 고려하는 여러 결합 모델을 통합합니다. 새로 도입된 단순화 모델은 개념적으로 DIALux 및 CALCULUX와 같은 기존 조명 설계 소프트웨어에서 사용되는 모델과 유사합니다.

2.1 CODYRUN 시뮬레이션 가정

이 모델은 몇 가지 주요 가정 하에 작동합니다: 빛의 산란은 람베르시안(모든 방향으로 균일)으로 간주됩니다; 조명기구는 제조사가 제공한 광도 측정 데이터로 특성화되며, 무게 중심에 위치한 점 광원으로 단순화됩니다; 작업면의 조명 지점과 광원 사이에는 장애물이 없습니다.

2.2 조명의 직접 성분 (인공 광원으로부터)

작업면 상의 한 지점에서의 직접 조도는 광원의 형태와 조명 지점에서 광원을 향해 이루는 입체각을 기반으로 계산됩니다. 그림 1은 천장에 설치된 광원에서 작업면의 한 지점으로의 빛 전파를 보여주며 이 개념을 설명합니다.

2.3 조명의 확산 성분 (실내 상호 반사로부터)

확산 성분은 직접광이 실내 표면(벽, 천장, 바닥)에서 반사되는 상호 반사로 인해 발생합니다. 이 성분은 이러한 표면의 반사율(색상)에 따라 달라집니다. CODYRUN의 모델은 그림 2에 설명된 바와 같이 내부 벽의 평균 반사 계수로 직접 조도를 가중하여 이를 계산합니다.

3. 핵심 통찰: 분석가 관점

핵심 통찰: 이 작업은 가능한 최고의 물리적 정확도를 추구하기보다는 계산 효율성과 기존 다중 물리 플랫폼(CODYRUN)으로의 통합을 우선시하는 실용적이고 공학 중심의 검증 접근법을 나타냅니다. Radiosity나 Ray Tracing과 같은 더 엄격한 방법보다 단순화된 반-상세 모델을 선택한 것은 전략적인 절충입니다.

논리적 흐름: 논문의 논리는 직관적이고 방어 가능합니다: 1) 격차 식별 (열 시뮬레이터에서 검증된 조명 기능 부재). 2) 통합에 적합한 계산적으로 가벼운 모델 채택/개발. 3) 산업 표준 벤치마크(CIE 테스트 케이스)에 대해 검증. 이는 건물 에너지 시뮬레이션을 위한 ASHRAE Standard 140 또는 BESTEST 절차에서 논의되는 방법론과 유사한 고전적인 소프트웨어 V&V(검증 및 확인) 워크플로우입니다.

강점과 결점: 주요 강점은 통합 자체입니다. 조명을 열 및 공기 흐름 시뮬레이션과 결합하는 것은 조명 및 냉각을 위한 에너지 사용에 영향을 미치는 전체적 건물 성능 분석에 중요합니다. CIE 벤치마크 사용은 신뢰성을 더합니다. 저자들이 모델을 "단순화된"이라고 부르며 인정하는 주요 결점은 물리 현상의 상당한 단순화입니다. 복잡한 조명기구를 점 광원으로 축소하고 상호 반사에 대해 가중 평균 방법(조잡한 형태 계수 근사와 유사)을 사용하는 것은 복잡한, 비확산적이거나 장애물이 있는 공간에서 필연적으로 오차를 유발할 것입니다. 이는 Kajiya의 획기적인 렌더링 방정식을 기반으로 하는 컴퓨터 그래픽스 연구에서 사용되는 고충실도, 물리 기반 렌더링 기술과는 극명히 대비됩니다.

실행 가능한 통찰: 실무자들에게 이 도구는 속도가 핵심인 초기 단계의 비교 설계 연구에 유용합니다. 그러나 최종 조명 설계 준수나 상세한 시각적 쾌적도 분석을 위해서는 전용 조명 소프트웨어(예: Radiance 기반 도구)가 여전히 필수적입니다. 향후 방향은 명확합니다: 이 모델은 좋은 기초를 제공합니다. 다음 단계는 계층적 접근법이 되어야 합니다—빠른 반복을 위해 단순 모델을 사용하고, 중요한 시야 또는 최종 검증을 위해 더 정확한 Radiosity 또는 광자 매핑 계산(오픈소스 Radiance 제품군과 같은)을 트리거하여 하이브리드 다중 충실도 시뮬레이션 환경을 만드는 것입니다.

4. 기술적 세부사항 및 수학적 공식화

논문에서 암시하는 바와 같이 핵심 계산은 직접 및 확산 성분의 합산을 포함합니다. 한 지점에서의 직접 조도 $E_{direct}$는 광원의 광도 측정 파일에 의해 주어진 광원의 광도 $I(\theta)$로부터 유도된 역제곱 법칙과 입사각의 코사인에 의해 지배됩니다:

$E_{direct} = \frac{I(\theta) \cdot \cos(\alpha)}{d^2}$

여기서 $d$는 광원 지점에서 조명 지점까지의 거리이고, $\alpha$는 빛의 방향과 표면 법선 사이의 각도입니다.

확산 조도 $E_{diffuse}$는 직접 성분과 실내 표면 반사율의 함수로 근사됩니다. 일반적인 단순화 방법("가중"으로 암시됨)은 평균 반사율 $\rho_{avg}$와 상호 반사 계수를 사용하는 것으로, 종종 "루멘 방법" 또는 단순 형태 계수 근사에서 유도됩니다:

$E_{diffuse} \approx E_{direct} \cdot \frac{\rho_{avg}}{1 - \rho_{avg}}$ (또는 실내 형상을 고려한 유사한 공식).

총 조도 $E_{total}$는 다음과 같습니다: $E_{total} = E_{direct} + E_{diffuse}$.

5. 실험 결과 및 차트 설명

본 논문은 CIE 테스트 케이스(TC-3-33의 시나리오 1 & 3)를 CODYRUN에 적용합니다. 제공된 발췌문에 구체적인 수치 결과는 상세히 나와 있지 않지만, 이러한 테스트 케이스의 목적은 일반적으로 지정된 그리드 지점에서 소프트웨어로 계산된 조도 값을 기준값 또는 다른 검증된 소프트웨어의 결과와 비교하는 것입니다.

그림 1: 직접 광원 – 이 개략도는 단순화된 실내 단면을 묘사합니다. 점 광원이 천장에 표시되어 있습니다. 직선(광선)이 이 광원을 수평 작업면(예: 책상)의 특정 지점에 연결합니다. 입사각이 표시되어 있습니다. 이 그림은 직접 조도 계산에 사용되는 변수(거리, 각도)를 시각적으로 정의합니다.

그림 2: 확산광 – 이 다이어그램은 상호 반사 개념을 설명합니다. 아마도 동일한 실내를 보여주지만, 이번에는 작업면 지점에 도달하기 전에 벽, 천장, 바닥 사이를 여러 화살표가 튕기는 모습을 보여줍니다. 이는 광원으로부터 직접 오지 않고 반사로부터 오는 확산 성분을 나타내며, 표면 색상(반사율)에 대한 의존성을 강조합니다.

6. 분석 프레임워크: 예시 사례

시나리오: 표준 5m x 5m x 3m 사무실에서 형광등 트로퍼를 LED 패널로 교체할 때의 조명 성능 및 관련 냉방 부하 영향 평가.

CODYRUN 모델을 이용한 프레임워크 적용:

입력 정의: CODYRUN에서 두 가지 모델 변형을 생성합니다. 변형 A: 기존 형광등 조명기구에 대한 광도 측정 데이터(IES/LDT 파일) 사용. 변형 B: 제안된 LED 패널에 대한 광도 측정 데이터 사용. 동일한 작업면 높이(0.75m) 및 계산 지점 그리드를 정의합니다.
시뮬레이션 실행: 두 변형에 대해 조명 시뮬레이션을 실행합니다. 단순화 모델은 각 그리드 지점에서 $E_{total}$을 계산할 것입니다. 동시에 CODYRUN의 열 엔진은 조명 시스템으로부터의 열 획득(와트수 및 복사 분율 기반)을 계산합니다.
분석:
- 조명 지표: 평균 조도, 균일도 비율(최소/평균), EN 12464-1과 같은 표준 준수 여부를 비교합니다.
- 에너지 영향: 조명 전력 밀도(LPD)를 비교합니다.
- 열 영향: 조명 열 획득 변화로 인한 현열 냉방 부하의 차이를 분석합니다.
검증 확인: 중요한 지점(예: 창문 아래, 구석)에 대해, DIALux를 사용한 빠른 계산 또는 수동 공식을 통해 조도 값을 스팟 체크하여 단순화로 인해 발생한 오차를 평가합니다.

이 통합 분석은 근사치이지만, 설계 변경의 다중 영역 효과에 대한 빠른 공동 시뮬레이션 평가를 제공합니다.

7. 적용 전망 및 향후 방향

CODYRUN과 같은 전체 건물 성능 도구에 조명 시뮬레이션을 통합하는 것은 여러 미래 방향을 열어줍니다:

주광 및 인공 조명 하이브리드 제어: 다음 논리적 단계는 검증된 주광 모델(예: Perez sky model 기반)을 통합하는 것입니다. 이는 가용 주광을 기반으로 한 전기 조명의 동적 제어 전략 시뮬레이션을 가능하게 하여, 실제 에너지 절감 예측에 중요합니다.
시각적 쾌적도 및 비시각적 효과: 단순 조도를 넘어서서 Daylight Glare Probability (DGP), Unified Glare Rating (UGR), 일주기 자극과 같은 지표를 예측하는 것입니다. 이는 WELL Building Standard에서 볼 수 있듯이 건물 내 건강과 웰빙에 대한 관심 증가와 부합합니다.
모델 충실도 스케일링: 조명 모델의 상세 수준이 분석 단계에 따라 조정되는 적응형 시뮬레이션 프레임워크 개발—매개변수 탐색을 위한 단순 모델, 최종 설계 검증을 위한 고충실도 Radiance 시뮬레이션의 자동 트리거.
BIM 및 실시간 제어와의 통합: 시뮬레이션 코어를 사용하여 실시간 건물 관리 시스템(BMS)에 정보를 제공하거나, 예측 조명 제어를 위한 머신러닝 모델 훈련 데이터 생성.

8. 참고문헌

CODYRUN 소프트웨어. 건물 물리 및 시스템 연구소(L.P.B.S).
CIE. (연도). 조명 소프트웨어 평가를 위한 테스트 케이스. 국제조명위원회, 기술 위원회 TC-3-33.
Reinhart, C. F. (2014). Daylighting Handbook I & II. Building Technology Press.
Kajiya, J. T. (1986). The Rendering Equation. ACM SIGGRAPH Computer Graphics, 20(4), 143–150.
DIALux. DIAL GmbH.
CALCULUX. Philips Lighting (Signify).
ASHRAE. (2019). Standard 140-2017, Standard Method of Test for the Evaluation of Building Energy Analysis Computer Programs.
Ward, G. J. (1994). The RADIANCE lighting simulation and rendering system. Proceedings of the 21st Annual Conference on Computer Graphics and Interactive Techniques (SIGGRAPH '94), 459–472.

목차