Earticle

본 연구는 2015년 1월부터 2025년 6월까지의 장기 운영자료를 활용하여 충청북도 C시 생활폐기물 소각시설의 일일 반입량을 예측하기 위해 LSTM 기반 생활폐기물 반입량 예측 모델을 구축하였다. 1인·1일 배출량, 플라스틱, 종이, 음식물류, 섬유는 폐기물 반입량과 각각 0.87, 0.80, 0.68, 0.55, 0.54로 높은 상관성을 보였지만 온도 0.07, 습도 0.02, 일조시간–0.01로 기상 변수와는 낮은 상관성을 보였다. 상관분석을 바탕으로 LSTM의 입력 변수를 선정하고 1일, 3일, 5일, 7일 예측 시점을 설정하여 성능을 평가한 결과, 1일 예측에서는 MAE 14,246, RMSE 19,411, R² 0.8515로 가장 높은 정확도를 보였다. 예측 기간이 길어질수록 오차가 누적 되어 3일 예측에서는 MAE 14,612 RMSE 21,284, R² 0.8207, 5일에서는 MAE 14,616, RMSE 21,415, R² 0.8177, 7일 예측에서는 MAE 15,557, RMSE 22,017, R² 0.8085로 감소하는 장기 예측 성능이 저하되는 경향이 나타났다. 이러한 결과는 생활폐기물 반입량이 계절성·비선형성이 강한 복합 시계열 자료임을 반영하며, 이러한 결과는 생활폐기물 반입량이 복잡한 비선형성과 계절적 요인을 포함하고 있음에도 불구하고, LSTM이 단기 패턴을 안정적으로 학습한다는 점을 보여준다. 본 연구는 생활 폐기물 예측 모델 선정과 지자체의 폐기물 처리 계획 수립에 활용할 수 있는 기초자료를 제공한다는 점에서 의의가 있다.

This study developed an LSTM-based model to predict the daily MSW inflow to the incineration facility in C City, Chungcheongbuk-do, using operational data collected from January 2015 to June 2025. Correlation analysis showed strong relationships between waste inflow and major variables such as per capita daily waste generation r = 0.87, plastics r = 0.80, paper r = 0.68, food waste r = 0.55, and fiber r = 0.54, whereas meteorological factors exhibited very weak correlations. Based on these results, input variables were selected for the LSTM model, and prediction performance was evaluated for 1-day, 3-day, 5-day, and 7-day lead time. The 1-day forecast demonstrated the highest accuracy with MAE 14,246, RMSE 19,411, and R2 0.8515. As the lead time increased, accumulated errors resulted in a gradual decline in long-term prediction performance. The 3-day lead time showed MAE 14,612, RMSE 21,284, and R² 0.8207, the 5-day lead time showed MAE 14,616, RMSE 21,415, and R2 0.8177, and the 7-day lead time resulted in MAE 15,557, RMSE 22,017, and R2 0.8085. These findings indicate that MSW inflow exhibits complex seasonality and nonlinear characteristics and that LSTM models are effective in capturing short-term temporal patterns. This study provides foundational insights that can support the selection of waste prediction models and assist municipalities in planning and managing waste treatment operations.

서울연구데이터서비스 도시모니터링에 따르면 2024년 서울시 건축물 연면적은 639.7 km2이며, 주거 56.1%, 근린생활 14.5%, 업무 10.4%, 기타(교육·의료·공공·산업 등) 19.0%로 구성된다. 에너지 활동자료는 2024년 실제 집계된 사용량을 용도별 비율에 따라 배분하여 사용하였으며, 전력은 국가 공표 소비단 전력배출계수, 도시가스는 IPCC 2006 정지연소(Stationary Combustion) 배출계수에 AR5 GWP(Global Warming Potentials)를 적용, 지역난방은 한국지역난방공사(수도 권지사) CO2 배출계수를 적용하였다. 용도별 EUI는 외부 용도별 최종에너지 사용량을 연면적으로 나누어 직접 산정하였 다. 기준 시나리오에서 서울시 건물부문의 연간 최종에너지 사용량은 92.26 TWh, 총 온실가스 배출량은 29.74 MtCO2 e/yr, 면적가중 평균 배출강도는 46.5 kgCO2 e/m2·yr로 산정되었다. 에너지원별 배출 기여는 전력이 약 70% 내외로 가장 크고, 도시가스와 지역난방이 그 뒤를 이었다. 용도별로는 주거시설이 총배출에서 가장 큰 비중을 차지하였으나, 면적당 배출 강도는 업무 및 근린생활시설이 주거보다 높게 나타나, 상업·서비스 용도가 효율 개선의 우선 타깃으로 도출되었다. 이는 해당 용도들이 상대적으로 높은 EUI를 가지는 동시에, 최종에너지 구조에서 전력 비중이 높아 효율 개선과 전력계통 탈탄소화의 효과가 동시에 크게 작동하기 때문이다. 시나리오 분석 결과, 전 용도의 EUI를 10% 개선할 경우 총배출은 정확히 10.0% 감소하였고, 전력배출계수를 15% 낮출 경우 약 10.5% 감소가 나타났다. 두 조치를 결합하면 곱연산 효과로 총배출은 약 19.4%(-5.78 MtCO2 e/yr) 감소하였다. 이는 수요측 에너지 효율 개선과 공급측 전력계통 탈탄소화를 병행하는 전략이 단일 조치 대비 감축 효과 측면에서 유리함을 정량적으로 보여준다. 제안한 방법론은 공개 통계만으로 재현 가능 하므로, 서울시 2035년 국가온실가스감축목표(NDC) 및 탄소중립 기본계획에서 건물부문 목표 설정과 성과 점검을 지원 하는 실무적 도구로 활용될 수 있다.

This study proposes a reproducible area-based methodology for estimating use-specific greenhouse gas (GHG) emissions in the building sector of Seoul Metropolitan City using only gross floor area, observed final energy consumption, energycarrier mix (electricity, city gas, and district heating), and official emission factors. The method is applied to a 2024 baseline, which serves as a current-year estimate given the time lag in official inventory publication. Total building floor area in Seoul amounts to 639.7 km2, dominated by residential (56.1%), neighborhood commercial (14.5%), office (10.4%), and other uses (19.0%). Use-specific EUIs are derived directly from observed energy consumption divided by corresponding floor area, rather than assumed values. Electricity emissions are calculated using the national consumptionbased emission factor, while city gas and district heating emissions are estimated using IPCC 2006 stationary combustion factors with AR5 global warming potentials and the Korea District Heating Corporation’s 2024 heat emission factor, respectively. Under the baseline scenario, total final energy consumption in Seoul’s building sector is estimated at 92.26 TWh, resulting in total emissions of 29.74 MtCO2 e/yr and an area-weighted emission intensity of 46.5 kgCO2 e/m2·yr. Electricity accounts for approximately 70% of total building emissions. While residential buildings contribute the largest share of total emissions, office and neighborhood commercial buildings exhibit higher emission intensities, identifying commercial and service uses as priority targets for mitigation. Scenario analysis indicates that a 10% reduction in EUI reduces total emissions by 10.0%, a 15% reduction in the electricity emission factor reduces emissions by approximately 10.5%, and their combined implementation yields a 19.4% reduction. These results highlight the effectiveness of integrating demand-side efficiency improvements with supply-side electricity decarbonization and demonstrate the applicability of the proposed approach for building-sector target setting and progress tracking under Seoul’s forthcoming 2035 NDC.