생성형 AI 열풍이 산업 현장 전반으로 확산되면서 건물 냉난방(HVAC) 분야도 ‘AI 운영 플랫폼’ 중심으로 빠르게 재편되고 있다. 기존 설비를 유지한 채 디지털트윈(DT)과 강화학습(RL), AI 에이전트를 접목해 에너지 효율과 유지보수를 통합 관리하는 방식으로 변화하고 있는 것이다. HVAC 산업에서도 건물 운영 자체를 AI가 최적화하는 ‘Physical AI’ 흐름이 자리를 잡아 가는 모양새다. 이에 관련 학계와 업계에서는 향후 HVAC 산업이 단순 설비 제어를 넘어 AI 에이전트 기반 통합 운영 플랫폼 중심으로 확장될 가능성에 주목하고 있다.

13일 서울 코엑스에서 열린 대한설비공학회 ‘최상홍 미래 인재 포럼’에서는 이 같은 흐름을 반영한 AI 기반 HVAC 운영관리 기술과 AI 에이전트 기반 BOS(Building Operation System) 구조가 소개돼 눈길을 끌었다.

◆ “AI가 설비 다 제어하는 단계 아직”…현실적 HVAC AI 전략 대두

김의중 인하대학교 건축학부 교수는 ‘AI 설비운전제어 및 전략’ 발표에서 HVAC 분야 AI 적용의 현실적 한계와 함께, 기존 설비 위에 AI를 결합하는 상위 제어(Supervisory Control) 방식의 중요성을 강조했다.

김 교수는 “테슬라 FSD처럼 완전 자율운전 형태의 설비 AI를 생각할 수 있지만 현재 상황은 그렇지 않다”며 “설비 분야는 데이터 부족과 설비 제약조건, 현장 책임 문제 등으로 완전 자율제어가 쉽지 않은 구조”라고 설명했다.

김 교수는 따라서 AI가 설비 전체를 직접 제어하기보다 기존 DDC·PID 기반 제어 시스템 위에서 상위 제어 역할을 수행하는 구조를 현실적 대안으로 제시했다. AI가 외기 환경과 실내 부하, 보일러 상태, 공조기 운전 정보 등을 분석해 최적 설정값을 제안하면, 기존 제어 시스템이 실제 운전을 수행하는 방식이다.

김 교수는 “AI가 모든 디테일을 직접 제어하기보다 온·오프나 설정값 최적화만으로도 상당한 에너지 절감 효과를 낼 수 있다”고 설명했다.

◆ 디지털트윈·강화학습 결합 최적화 사례…“현장 데이터 부족 보완”

디지털트윈(DT)을 활용한 HVAC 최적화 사례도 소개했다.

김 교수 연구팀은 대형 수열에너지 시스템을 대상으로 축열조 충전온도를 최적화하는 AI 모델을 개발 중이다. 기존에는 안전성을 고려해 일정 온도로 냉열을 저장했지만, AI를 활용해 다음날 부하와 축열조 상태 등을 예측하고 최적 충전온도를 계산하는 방식이다.

이를 위해 연구팀은 부하 예측 모델과 축열조 모델, 공조기 용량 모델 등을 결합한 하이브리드 구조를 적용했다. 실제 운영 데이터와 물리 기반 모델, 딥러닝 모델 등을 함께 사용하는 방식이다.

강화학습(RL) 기반 접근도 소개됐다. 발표에서는 AI가 실시간으로 최적 설정값을 탐색하며 실내온도를 안정적으로 유지하는 실험 결과가 공개됐다. 다만 모델 없이 탐색하는 방식은 안정성 문제가 존재해 실제 설비 적용에는 신중한 접근이 필요하다는 설명이다.

◆ AI 에이전트 기반 BOS 필요…“건물 새로운 운영체제(OS) 만든다”

윤성민 성균관대학교 교수는 ‘AI 에이전트 기반 HVAC 운영관리 서비스’ 발표에서 Building Operation System(BOS) 개념을 소개했다.

윤 교수는 기존 BMS·EMS 시스템만으로는 AI를 충분히 담기 어렵다고 진단했다. 이에 따라 설비와 건물, 도시 데이터를 AI가 이해하고 운영할 수 있도록 하는 새로운 운영 플랫폼이 필요하다는 설명이다.

윤 교수는 발표에서 AI 에이전트가 실제 건물과 설비 구조를 이해하기 위해 ‘온톨로지(Ontology)’ 기반 구조가 필요하다는 점도 강조했다. 이는 설비 간 연결 구조와 센서 정보, 제어 관계 등을 AI가 이해할 수 있도록 디지털 도면 형태로 정리하는 개념이다.

윤 교수는 “AI 에이전트는 컴퓨터 안에 존재하기 때문에 실제 건물과 설비가 어떻게 구성되는지 알 수 없다”며 “AI를 위한 설비 도면 역할을 하는 것이 온톨로지”라고 설명했다.

윤 교수는 AI 기반 HVAC 운영관리의 핵심으로 ‘설계-운영-데이터 연결’을 꼽았다. 현재는 설계 단계에서 생성된 설비 정보와 제어 로직이 운영 단계로 충분히 전달되지 못하는 경우가 많다는 것이다.

이에 따라 설계 단계부터 온톨로지와 디지털트윈 구조를 함께 구축하면 운영 단계에서 AI 적용 부담을 크게 줄일 수 있다는 설명이다.