ZEMCH 2019 International Conference Proceedings April.2020 | Page 156

Eb 
Total 
23.4 
48.3 
22.3
48.3
19.6
48.3
(‐)19% 
0% 
(‐)14%
0%

4. Discussion and conclusion 
The results of Eh, Ec, and Eb convey richer information compared to the TEUI. They are correlated 
to heating, cooling, and the other usage(hot water supply, lighting, ventilation(fan), appliances, indoor 
transportation  and  water  supply).  They  are  helpful  for  identifying  opportunities  and  prioritizing 
potential  actions  for  more  detailed  analyses  and  full‐scale  audits.  They  are  easy  to  calculate  by  the 
proposed method using data from monthly utility bills. The results of this study show that a simple 
rule‐based disaggregation can guess the three quantities, not precisely accurately, but sufficiently and 
practically.   
The  preliminary  results  indicated  that  the  accuracy  of  disaggregating  each  energy  sources 
respectively was adequate enough for small‐ and medium buildings to guess Eh, Ec, and Eb. Percentage 
difference (Diff2) for the heating, cooling, and base load energy were in the ranges of 11‐23%, 6‐8%, and 
14‐19%, respectively. Furthermore, self‐diagnosis can be easily performed by comparing the estimated 
cooling‐related, heating‐related, and baseload energy consumption to those of other similar buildings. 
It is also possible to investigate abnormal buildings first through diagnosis results. The results of this 
study offer a possible alternative that indicates which components should be checked in high priority 
on site in terms of cooling, heating, and baseload. It is expected that this will lead to saving of the time 
and effort for the diagnosis and audit process. 
Author Contributions: conceptualization, D.W. Kim and S.E. Lee; formal analysis, H. Shin and S.E. 
Lee; investigation, D.W. Kim.; data curation, D.W. Kim; writing—original draft preparation, D.W. Kim.; 
writing—review and editing, H. Shin ; supervision, S.E. Lee   
Funding:  This  research  was  funded  by  the  Ministry  of  Land,  Infrastructure  and  Transport  of  the  Korean 
government, grant number 19AUDP‐B079104‐06, under the Architecture & Urban Development Research Program. 
Conflicts of Interest: The authors declare no conflict of interest. 
References 
1.
2.
3.
4.
5.
6.
7.
145
Borgstein, E.H.; Lamberts, R.; Hensen, J.L.M. Evaluating en Methods for Classification    Measurement and 
Normalization of Energy Consumption by End‐use in Office Buildings ergy performance in non‐domestic 
buildings: a review. Energy and Buildings 2016, 128, 734–755. 
International Standard Organization, Energy performance of buildings – presentation of measured energy 
use of buildings, ISO12655, 2013. 
Iyer,  S.R.;  Sankar,  M.;  Venkata  Ramakrishna,  P.;  Sarangan,  V.;  Vasan,  A.;  Sivasubramaniam,  A.  Energy 
disaggregation analysis of a supermarket chain using a facility‐model. Energy and Buildings 2015, 97, 65–76. 
Katipamula, S.; Underhill, R.M.; Goddard, J.K.; Taasevigen, D.J.; Piette, M.A.; Granderson, J.; Kuruganti, T. 
Small‐  and  Medium‐Sized  Commercial  Building  Monitoring  and  Controls  Needs:  A  Scoping  Study  (No. 
PNNL‐22169, 1063081), Pacific Northwest National Lab.(PNNL), 2012. 
Kissock,  J.K.;  Haberl,  J.S.;  Claridge,  D.E.  Development  of  a  Toolkit  for  Calculating  Linear,  Change‐Point 
Linear and Multiple‐Linear Inverse Building Energy Analysis Models, ASHRAE Research Project 1050‐RP, 
Final Report, Energy Systems Laboratory, Texas A&M University, 2002.   
KIAEBS S‐7, Methods for Classification, Measurement and Normalization of Energy Consumption by End‐
use  in  Office  Buildings,  Korean  Institute  of  Architectural  Sustainable  Environment  and  Building  Systems 
(KIAEBS), Dec. 2, 2016. 
Kim, D.W.; Kim, Y.M.; Lee, S.E. Development of an energy benchmarking database based on cost‐effective 
energy performance indicators: Case study on public buildings in South Korea, Energy and Buildings 2019, 
191, 104–116 
ZEMCH 2019 International Conference l Seoul, Korea