건물 내 고체연료 화재에 대한 설계화재곡선 예측성능 평가

Evaluation of the Prediction Performance of Design Fire Curves for Solid Fuel Fire in a Building Space

Abstract

건물형태의 공간 내에서 발생한 고체연료 화재에 대해 Fire dynamics simulator (FDS)을 이용하여 설계화재곡선의 예측성능을 실험결과와 비교하여 평가하였다. FDS의 연소모델로서는 EDC 2-step mixing controlled를 적용하였으며 검토된 설계화재곡선들은 기존 연구들에서 제안한 2-stage design fire (TDF) 곡선, Quadratic 및 Exponential design fire 곡선들이다. 시뮬레이션 결과는 건물 내 연기 전파과정이 설계화재곡선에 많은 영향을 받는 것을 확인하였다. 설계화재곡선을 이용한 시뮬레이션은 건물 내 실험온도결과에 대해 합리적으로 예측하고 TDF가 가장 온도를 무난하게 예측하는 것을 확인하였다. 그리고 각 설계화재곡선의 화학종 농도에 대한 예측은 실험과 충분히 예측하지 못하는 것을 확인하였다. 이점은 본 연구에서 사용한 연소모델은 고체연료 화재에 대한 시뮬레이션에 적합하지 않음을 나타내며 고체연료의 예측에 대한 FDS 연소모델에 대한 연구가 추가적으로 필요해 보인다.

The prediction performance of design fire curves was evaluated using a Fire dynamics simulator (FDS) for a solid fuel fire in a building space by comparing the results with experimental data. EDC 2-step mixing controlled combustion model was used in the FDS simulations and the previously suggested 2-stage design fire (TDF), Quadratic and Exponential design fire curves were used as the FDS inputs. The simulation results showed that smoke propagation in the building space was significantly affected by the design fire curves. The predictions of simulations using design fire curves for the experimental temperatures in the building space were reasonable, but the TDF was found to be the most acceptable for predicting temperature. The predictions with each design fire curve of species concentrations showed insufficient agreement with the experiments. This suggests that the combustion model used in this study was not optimized for the simulation of a solid fuel fire, and additional studies will be needed to examine the combustion model on the FDS prediction of solid fires.

1. 서론

국내에서는 2011년도부터 화재로 인한 피해를 줄이기 위해 성능위주설계(Performance-based design, PBD)를 도입하여 시행되어오고 있다. PBD는 다양한 방법을 사용하여 건물의 설계단계에서부터 화재에 대한 안정성을 확보하는 것을 목표로 하며 다양한 방법 중 하나로 화재 시뮬레이션이 사용되고 있다. 화재 시뮬레이션은 적절한 화재 시나리오에 대한 입력조건으로 계산된 결과를 이용해 건물의 화재안전성을 정량적으로 평가할 수 있다는 장점이 있다. 그러나 신뢰성 있는 안전성평가를 위해서는 먼저 화재 시뮬레이션 결과의 신뢰성 확보가 우선되어야 한다. 따라서 화재 시뮬레이션을 이용한 PBD를 수행하기 위해서는 먼저화재 시뮬레이션의 결과에 대한 신뢰성 평가가 선행되어야 하며 특히 화재 시뮬레이션의 결과에 직접적으로 영향을 주는 연소모델과 입력조건에 대한 평가가 반드시 수행될 필요가 있다.

이러한 목적으로 본 연구그룹에서는 구획실 내 가스화재에 대해 화재 시뮬레이션에 많이 사용되고 있는 Fire dynamicssimulator (FDS)의 연소모델에 대한 예측성능을 실험과 비교, 평가하였다⁽¹⁾. 이 연구를 통해 FDS의 연소모델에 따라서 온도분포에 대한 예측성능은 큰 차이가 없지만 화학종 농도분포에 대해서는 예측성능이 달라지는 것을 확인하였다. 특히연소모델에 따라 CO 농도에 대한 예측성능이 크게 차이가 있음을 알 수 있었으며 연소모델 중에서 EDC 2-step mixing controlled (EDC 2-step MC) 연소모델이 가장 합리적으로 실험결과를 잘 예측하는 것을 확인하였다.

화재 시뮬레이션에 사용되는 입력조건은 주로 시간에 따른 화재의 거동을 잘 나타내는 열발생률(Heat release rate, HRR)이 사용되고 있으며 각 화재에 대해 측정된 HRR을 기초하여 이용되고 있다. 여기서 HRR은 건물의 구조와 환기 조건 등 특정 화재 시나리오에 따라 달라지는데 모든 화재 시나리오에 대한 HRR을 실험을 통해 측정하기에는 어려움이 있다. 그렇기 때문에 합리적으로 특정 화재 시나리오를 예측할 수 있는 입력조건이 필요하며 일반적으로 이러한 입력조건을 설계화재곡선(Design fire curve)이라 한다.

현재까지 설계화재곡선에 대한 많은 연구가 수행되고 있으며 다양한 형태의 설계화재곡선이 제안된 바 있다^(2-5). 하지만 실제 화재에 대해 설계화재곡선의 예측성능 평가에 대한 연구는 미흡하였다. 최근 연구를 통해 Kim 등⁽³⁾과 Ingason 등⁽⁴⁾이 제안한 설계화재곡선의 예측성능 검토한 결과가 보고된 바 있다⁽⁶⁾. 이 연구에서는 Ingason이 제안한 설계화재곡선보다 Kim 등이 제안한 설계화재곡선이 실험에서 측정된 화재성장속도를 유사하게 예측하였고 실험에서 측정된 연기전파시간을 잘 예측함을 확인하였다. 기존 설계화재곡선들은 각각 장단점을 가지고 있어서 본 연구그룹에서도 새로운 설계화재곡선을 제안하고 구획실 내 풀화재를 대상으로 FDS 시뮬레이션에 적용하여 Ingason이 제안한 설계화재곡선의 예측성능과 비교, 검토하였다⁽⁷⁾. 이 연구에서는 새로 제안된 설계화재곡선이 Ingason이 제안한 설계화재곡선보다 실험결과를 좀 더 합리적으로 예측한다는 것을 알 수 있었다. 하지만 이 연구에서 제안된 설계화재곡선도 초기에 화재가 너무 급격히 성장하는 것으로 예측하여 화재 성장구간에서 실험결과와 차이가 있음을 확인하였다. 이후 Baek 등의 연구에서는 이러한 문제를 보완하기 위해 화재성장구간의 곡선이 두 개의 화재성장률로 피팅(Fitting)되는 수정된 설계화재곡선이 제안되었다. 이 설계화재곡선은 ISO-9705 구획실 내 풀화재를 대상으로 FDS와 Consolidated modelof fire growth and smoke transport (CFAST)를 이용한 시뮬레이션에 적용되었고 수정된 설계화재곡선이 화재성장구간에 대해 합리적으로 실험결과를 예측하는 것을 확인할 수 있었다(8). 그리고 수정된 설계화재곡선의 예측성능을 평가하기 위해 CFAST를 이용하여 구획실 내 가스화재 실험에 대해 예측성능 평가도 이루어졌다⁽⁹⁾. 이 연구에서는 Ingason의 설계화재곡선과 Baek 등이 제안한 수정된 설계화재곡선이 사용되었으며 검토한 결과 Ingason이 제안한 설계화재곡선보다 Baek 등의 수정된 설계화재곡선이 실험결과를 비교적 더 유사하게 예측한다는 것을 알 수 있었다.

이러한 연구들을 통해 구획실 내 풀화재와 가스화재에 대해서는 EDC 2-step MC 연소모델이 가장 합리적으로 실험결과를 예측할 수 있으며, 구획실 화재에 대해 Baek 등이 제안한 수정된 설계화재곡선의 예측성능이 충분히 합리적임을 확인할 수 있었다. 하지만 대부분의 실제 건물화재는 복잡한 내부공간에서 발생하며 주로 고체연료에서 기인하는 경우가 많기 때문에 신뢰할 수 있는 PBD를 수행하기 위해서는 이에 대한 연소모델과 설계화재곡선의 예측성능 검토가 수행되어야 한다.

따라서 본 연구에서는 기존에 수행된 고체연료에서 발생한 건물화재 실험연구⁽¹⁰⁾를 대상으로 FDS의 EDC 2-step MC 연소모델과 Baek 등이 제안한 설계화재곡선과 Ingason 등의 설계화재곡선을 이용한 화재 시뮬레이션을 수행하여 여러 설계화재곡선과 화재 시뮬레이션의 예측성능을 평가하고자 한다.

2. 설계화재곡선

설계화재곡선은 다양한 화재시나리오에 대한 화재거동을 잘 나타낼 수 있어야하는데, 일반적으로는 화재 성장단계에 대해서는 실험에서 측정된 HRR 곡선을 \(Q=\alpha t^{2}\)의 기본형태로 단순화하여 사용한다⁽¹¹⁾. 또한 화재에 대한 예측성능을 향상시키기 위해 HRR 곡선을 단순화하는 방법은 다양한 방법이 제안되었는데 그 중에서 Ingason은 기본 형태와 유사한 2차곡선의 설계화재곡선(Quadratic design fire, QDF)뿐만 아니라 지수함수곡선 형태의 설계화재곡선(Exponential design fire, EDF)을 제안하였다(4). 그리고 Baek 등은 화재성장구간에 대한 예측성능을 높이기 위해 화재성장구간의 곡선이 두 개의 화재성장률로 피팅되는 2차곡선의 설계화재곡선(2-stage design fire, TDF)을 제안하였다⁽⁸⁾. 여기서 Ingason이 제안한 설계화재곡선과 Baek 등이 제안한 설계화재곡선은 모두 실험에서 측정된 총 열발생률을 고려하여 피팅되기 때문에 각 설계화재곡선의 총 열발생률과 실험에서 측정된 총 열발생률이 유사하다는 물리적 의미가 있다. 설계화재곡선의 계산방법은 아래 Table 1에 기술되어 있으며 자세한 방법은 참고논문^(4,8)을 참고하기 바란다.

Table 1. Mathematical Description of Different Method to Describe a Complete Design Fire Curve of Baek et al. (TDF)⁽⁸⁾ and Ingason (QDF and EDF)⁽⁴⁾

Table 2는 실험연구⁽¹⁰⁾에서 측정된 HRR 값을 이용하여 Table 1에 명시된 방법을 통해 계산된 각 설계화재곡선의 변수를 기술한 것이다. 여기서 QDF는 일반적으로 화재 최성기구간이 일정하게 피팅된다. 그러나 Figure 1에서 보면QDF는 화재 최성기구간의 종료시점(\(t_d\) )이 시작점(\(t_i\) )보다 빠르게 계산되어 최대 열발생률일 때의 시점(\(t_{max}\))만 계산된다. 따라서 본 연구에서 QDF는 일정한 최대 열발생률 구간이 없는 형태로 피팅되는데 자세한 계산방법은 기존의 문헌⁽¹²⁾을 참고하기 바란다.

Figure 1은 Table 2에 기술되어있는 변수를 이용하여 피팅한 설계화재곡선을 도시한 것이다. Figure 1을 보았을 때Ingason이 제안한 설계화재곡선들(EDF, QDF)의 경우 실험에서 측정된 최대 열발생률과 동일한 최대 열발생률을 예측하지만 본 연구그룹에서 제안한 TDF는 실험에서 측정된 최대 열발생률보다 약간 낮게 피팅된다. 하지만 실험에서 측정된 화재성장속도에 대해 TDF가 가장 잘 추종하고QDF의 경우 실험결과보다 화재 시작점은 지연되지만 빠른 화재성장속도를 갖도록 작성되었으며 EDF의 경우는 실험HRR 보다 화재성장속도가 매우 급격하게 상승하는 것으로 나타나지만 화재 시작점이 너무 지연되어 나타나는 것을 확인할 수 있다. 본 연구에서는 Figure 1에 도시된 각 설계화재곡선과 실험에서 측정된 HRR을 FDS를 이용한 화재시뮬레이션의 입력조건으로 하여 수치계산을 수행하였으며 각 입력조건에 따른 예측성능의 차이를 검토하였다.

Table 2. Parameters for the Calculations of Design Fire Curves of Baek et al. (TDF) and Ingason (QDF and EDF)

Figure 1. Heat release rate of experimental data and design fire curves of building fires.

3. 실험방법

본 연구에서는 기존 연구⁽¹⁰⁾에서 수행된 고체연료로 인한 건물화재 실험결과에 대해 수치계산 결과를 비교하여 화재 시뮬레이션의 예측성능을 평가하였다. 실험에서는 가로 × 세로 × 높이 = 15.6 m × 6.9 m × 2.4 m크기의 방 네개와 복도로 구성된 단층에서 폴리우레탄(Polyurethane, CH1.91O 0.263N0.055) 폼 15.6 kg을 이용하여 실험을 수행하였다. 연료의 점화를 위해 폴리우레탄 폼의 표면에 점화기를 이용하여 일정하게 800 ℃를 주어 점화하였으며 연료가 점화한 이후로는 점화기를 제거하였다. 그리고 온도를 측정하기 위해 복도와 방에 K-type 열전대를 설치하였고 화학종 농도를 측정하기 위해 각 방의 중심의 1.9 m 높이에Probe를 설치하여 O₂, CO₂, CO 농도를 측정하였다. 실험방법에 대한 자세한 내용은 참고문헌(10)을 참조하기 바란다.

4. 수치계산 조건

본 연구에서는 건물 내 고체연료로 인한 화재에 대해 화재 시뮬레이션과 설계화재곡선의 예측성능을 평가하기 위해 FDS v6.3.2(13)를 이용하여 시뮬레이션을 수행하였다. 난류 해석기법으로는 Large eddy simulation (LES)를 적용하였으며 사용된 연소모델은 이전 연구⁽¹⁾에서 검토된 EDC2-step MC 연소모델로 아래의 반응식 (1), (2)를 수치계산에 사용하였다.

\(\begin{array}{l} C H_{1.91} O_{0.263} N_{0.055}+0.7604 O_{2} \rightarrow \\ 0.8378 C O+0.9460 H_{2} O+0.0275 N_{2}+0.1802 C_{0.9} H_{0.1} \end{array}\)       (1)

\(C O+0.5 O_{2} \rightarrow C O_{2}\)       (2)

여기서 Soot의 화학식은 FDS⁽¹³⁾에서 사용하는 C 0.9H0.1로 하였으며 Soot yield값은 기존문헌⁽¹⁴⁾에서 제시한 0.104를 적용하여 반응식을 계산하였다.

EDC 2-step MC 연소모델을 사용할 경우 HRR 값을 입력값으로 사용할 수 없기 때문에 연소효율을 100%로 가정하여 HRR 값을 연료의 연소열과 상부 표면적으로 나눠서 계산되는 질량유속(Mass flux)을 입력값으로 사용하였다. 연료로 사용된 폴리우레탄은 실험연구⁽¹⁰⁾를 참고하여 연소열을 28,000 kJ/kg, 상부 표면적은 1.786 m²로 하여 각 입력조건에 대한 질량유속을 계산하였다.

수치계산이 수행된 계산영역은 Figure 2와 같이 가로 × 세로 × 높이 = 21 m × 11.4 m × 2.8 m로 실험과 동일한 크기의 단층 건물로 지정하였다. Figure 2에서 표시된 사각형은 개구부를 의미하며 실험과 모두 동일하게 가로 × 세로× 높이 = 0.2 m × 0.8 m × 2.0 m로 지정하였다. 빨간색 부분은 연료를 의미하며 크기가 가로 × 세로 × 높이 = 1.88m × 0.95 m × 0.4 m로 실험과 동일하게 지정하였고 하늘색으로 표시된 부분에는 창문을 지정하였다. 실험에서는 두 개의 창문 중에서 연료근처의 창문 B가 화재로 인해 210 s부터 균열이 발생하고 270 s에 완전히 깨진다고 관찰되었다. 본 연구에서는 이러한 변화를 시뮬레이션에 반영하기 위해 Figure 3과 같이 시간변화에 따라 창문 내 사각형의 구멍 사이즈를 전체 사이즈의 30%, 50%, 100%로 점차 확대시키는 방식으로 창문 깨지는 과정을 모사하였다.

Figure 2. A schematic geometry of the 3-D computational domain for the building fire.

Figure 3. Window B hole size variations at different time instance in simulation.

Figure 4는 실험과 시뮬레이션에서 온도와 화학종 농도를 측정한 위치와 좌표를 도시한 것이다. 온도는 Figure 4에 표시된 위치에서 바닥으로부터 1.0 m와 1.9 m 높이에서 측정되었으며 RoomM과 BurnerM 위치의 바닥으로부터 1.9 m 높이에서 O₂와 CO₂ 및 CO 농도가 측정되었다.

Figure 4. Measurement positions of temperature and concentrations in experiment and simulation (z = 1.0 m, 1.9 m).

FDS 시뮬레이션에 적합한 격자크기(∆\(x\))는 아래의 수식 (3)⁽¹³⁾을 이용하여 1차적으로 결정한 후 실험온도와 비교하여 최종 크기를 결정하였다.

\(D^{*}=\left(\frac{\dot{Q}}{\rho_{\infty} C_{p} T_{\infty} \sqrt{g}}\right)^{\frac{2}{5}}\)       (3)

여기서 \(D^*\)는 특성 화재직경, \(\dot{Q}\)는 최대 열발생률, \(\rho_{\infty}\) , \(C_{p}\), \(T_{\infty}\)는 각각 주변 공기의 밀도, 비열, 온도를 의미하며\(g\)는 중력가속도를 의미한다.

기존 문헌⁽¹³⁾에 따라 식 (3)에서 얻어진 \(D^*\)을 ∆\(x\)로 나눈 값이 10-20일 경우에 해당 ∆\(x\)가 계산에 적절하다고 판단되기 때문에 범주에 들어가는 ∆\(x\)에 대해 격자 민감도를 평가하였다. 범주에 들어가는 ∆\(x\) 중에서 0.1 m, 0.2 m, 0.3 m를 대상으로 하였으며, 격자 민감도 평가 결과 Figure 5에서 볼 수 있듯이 ∆\(x\)가 0.3 m인 경우에는 시뮬레이션 결과가 실험에서 측정된 온도결과를 충분히 예측하지 못하는 것을 볼 수 있다. ∆\(x\)가 0.1 m와 0.2 m인 경우에는 시뮬레이션 결과가 실험에서 얻어진 온도를 비교적 합리적으로 예측하는 것을 확인하였다. 이러한 결과를 통해 본 연구에서는 효율적인 계산 수행을 위해 ∆\(x\)를 0.2 m로 하여 균일 격자계를 구성하였으며 이 때 총 격자수는 83,790 개이다.

Figure 5. Temperature dependency on the grid size at z = 1.0 m of BurnerR.

화재 시뮬레이션에는 Intel (R) Xeon (R) CPU E5-2630 v3@ 2.40 GHz 성능을 가진 PC-Cluster를 사용하였고 15개의 코어를 이용한 Message passing interface (MPI) 병렬계산을 수행하였다. 계산시간은 각 입력조건에 따라 약간 차이가 있지만 각 조건에 대해 대략 1 Hr의 물리적 시간이 소요되었다.

5. 결과 및 고찰

Figure 6은 시뮬레이션을 통해서 얻어진 시간변화에 따른 연기전파 거동을 도시한 것으로서 각 설계화재곡선과 실험에서 얻어진 HRR 값을 직접 이용하여 수행한 시뮬레이션 결과이다. 가장 특징적인 것으로 실험 HRR > TDF > QDF > EDF 순으로 화재로 인한 연기가 발생하여 복도까지 전파되는 것을 알 수 있다. 이 순서는 Figure 1에서 각 설계화재곡선들의 화재 시작점 순서와 잘 일치하고 있다. 그리고 EDF와 QDF의 경우에는 연기가 실험 HRR을 이용한 경우나 TDF보다 늦게 발생되지만 연기는 매우 빠르게건물 내에서 전파되는 것을 또한 볼 수 있다. 이러한 경향은 Figure 1에서 보는 바와 같이 EDF와 QDF의 화재성장속도가 매우 크게 나타나기 때문으로 설계화재곡선의 화재성장속도가 건물 내 연기 전파속도에 큰 영향을 주게 된다는 것을 잘 보여주고 있다.

Figure 6. Smoke distributions at each different instance obtained by simulations with the design fire curves.

Figures 7과 8은 건물 내부의 각 측정위치에서 실험과 시뮬레이션을 통해 얻어진 시간진행에 따른 온도변화를 도시한 것이다. 먼저 Figure 7은 BurnerL, BurnerM, BurnerR에서 측정된 결과를 나타낸 것으로 실험에서 측정된 온도경향을 보면 210 s부터 발생하는 창문의 균열로 인해 뜨거운 연기가 밖으로 유출되고 차가운 외부 공기가 유입되어 온도가 감소하는 것을 확인할 수 있으며 이후 지속되는 화재로 인해 다시 온도가 증가하는 것을 확인할 수 있다. 이러한 실험결과에 대해 높이에 관계없이 실험 HRR을 입력값으로 이용한 시뮬레이션 결과가 가장 실험온도를 잘 예측하는 것을 볼 수 있다. 그리고 설계화재곡선을 이용한 시뮬레이션 결과 중에서는 TDF가 화재 성장구간에서는 실험결과보다 빠르게 온도가 상승하는 것으로 나타나고 있지만 실험에서 측정된 온도의 증감경향을 가장 유사하게 예측하는 것을 확인할 수 있다. 특히 BurnerM의 하부위치(z = 1.0 m)에서는 TDF가 실험을 가장 잘 예측하고 있다. EDF의 경우에는 실험결과보다 현저히 느리게 온도가 상승하는 것으로 예측하여 실험에서 측정된 온도 증감경향을 잘 예측하지 못하고 있다. 또한 QDF는 화재 성장구간에서 온도상승률은 실험결과와 유사하지만 조금은 일찍 온도가 상승하는 것으로 예측하고 있으며, 실험에서 측정된 온도 증감 경향에 대해서는 전체적으로 약간 차이가 있음을 알 수 있다. 전체적으로 BurnerL, BurnerM, BurnerR 위치에서 측정된 온도는 실험 HRR > TDF ≥ QDF > EDF 순으로 실험결과를 잘 예측하는 것으로 보인다.

Figure 7. Temporal variation of temperatures obtained by experiment and simulations with the design fire curves.

Figure 8은 RoomM, RoomR, Corridor에서 얻어진 온도결과를 도시한 것이다. 먼저 z = 1.9 m에서 얻어진 실험온도를 보았을 때 3군데 Burner 위치에서 얻어진 실험결과와 동일하게 210 s이후에 온도가 잠시 감소하다가 다시 증가하는 경향을 확인할 수 있다. 그러나 z = 1.0 m 위치에서의 실험온도에서는 온도가 너무 낮기 때문에 온도의 감소 경향이 매우 미소하거나 거의 확인되지 않고 있다. z = 1.9 m에서 실험온도에 대해서는 실험 HRR을 이용한 시뮬레이션이 비교적 가장 잘 예측하고 있다. QDF는 RoomM과 Room R에서 최대온도를 조금 높게 예측하고 있으며 EDF는 온도상승 시점을 너무 늦게 예측하고 최대온도도 낮게 예측하고 있다. TDF는 실험보다 온도가 일찍 상승하지만 완만하게 상승하고 최대온도보다 약간 낮게 예측하고 있다. z= 1.0 m 위치에서는 QDF는 z = 1.9 m에서와 마찬가지로 실험에서 얻어진 최대온도를 너무 높게 예측하고 있으며EDF가 비교적 실험결과를 가장 잘 예측함을 알 수 있다. TDF와 실험 HRR값을 이용한 결과는 온도 최대값은 대략예측하고 있지만 온도상승 시점이 실험보다는 약간 빨리예측되고 있다. 설계화재곡선을 이용한 시뮬레이션 결과들은 Corridor에서도 유사한 예측성능을 보이고 있다. Room 위치에서의 설계화재곡선들의 예측성능은 특별히 특정 설계화재곡선이 우수하다고 언급하기는 어렵다고 생각된다.

Figure 8. Temporal variation of temperatures obtained by experiment and  simulations with the design fire curves.

Figure 9는 각각 RoomM, BurnerM의 z = 1.9 m 위치에서 실험과 시뮬레이션을 통해 얻어진 화학종 농도변화를 도시한 것이다. O₂와 CO₂ 농도분포를 검토해 본다면 화재 성장구간에서 EDF를 제외한 모든 시뮬레이션 결과들이 실험보다 O₂ 농도는 빠르게 감소하고 CO₂ 농도는 빠르게 증가하는 것으로 예측되고 있다. 그러나 실험 HRR을 이용한 경우와 TDF의 경우에는 O₂ 농도 최소값과 CO₂ 농도 최대값에 대해서는 비교적 잘 예측하고 있다. EDF의 경우에도 O₂ 감소시점과 CO₂ 증가시점은 대략 잘 예측하고 있지만 각 화학종 농도가 최소값이나 최대값을 갖는 순간은 전혀 예측하지 못하고 있다. 그리고 CO 농도에 대한 결과를 보았을 때 RoomM에서는 전체적으로 모든 시뮬레이션 결과가 실험값을 너무 낮게 예측하여 예측 정확도가 너무 낮음을 알수 있다. 그러나 BurnerM 위치에서는 시뮬레이션 결과들이 CO 농도의 크기에 대해서는 비슷한 오더의 크기로 대략예측하고 있지만 농도 최대값의 위치에 대해서는 예측성능이 낮게 나타나고 있다.

Figure 9. Temporal variation of species concentrations (O₂, CO₂ and CO) obtained by experiment and simulations with the design fire curves.

기존에 단순 구획실의 가스연료 화재를 대상으로 설계화재곡선들의 예측성능을 검토한 연구에서는 EDC 2-step MC 연소모델이 CO 농도를 포함하여 화학종 농도에 대해서도 합리적으로 예측하는 것을 확인한 바 있다⁽¹⁾. 그러나 아직 본 연구에 적용된 EDC 2-step MC 연소모델이 고체가연물에서 기인한 화재에 대해서도 합리적으로 예측하는지 검토가 이루어지지는 못하였다. 또한 본 연구에서는 기하학적 형상이 비교적 복잡한 건물형태의 공간에서 화재가 발생한 경우이기 때문에 단순 구획실 화재를 대상으로 할때 보다는 시뮬레이션의 예측성능이 더 낮아질 수 있을 것으로 판단된다. 따라서 향후 연구에서는 고체 가연물을 대상으로 화학반응 모델을 포함한 연소모델을 검토할 필요가 있어 보이며, 추가적으로 좀 더 다양한 기하학적 형상을 갖는 공간에서의 설계화재곡선을 적용한 시뮬레이션의 예측성능을 검토해 볼 필요가 있을 것으로 보인다.

6. 결론

본 연구에서는 건물모양의 공간에서 발생한 고체연료화재를 대상으로 FDS에 EDC 2-step MC 연소모델과 다양한 설계화재곡선들을 적용한 시뮬레이션을 수행하였고 실험과의 비교를 통해 다음과 같은 결론을 얻었다.

본 연구에서 적용한 연소모델과 설계화재곡선들은 건물형태 공간에서 발생한 고체연료 화재의 온도에 대해서는 실험결과를 비교적 합리적으로 예측할 수 있었다.

연기전파에 대해서는 각 설계화재곡선에 따라서 차이가 크게 나타남을 확인하였다. 실험 HRR과 TDF를 이용한 경우가 연기전파 과정에 대해서는 비교적 유사하게 예측하였지만 나머지 설계화재곡선들의 연기전파 예측은 실험 HRR을 이용한 경우와는 차이를 많이 보였다.

EDF는 온도상승을 너무 지연되게 예측하는 문제가 있었으며, QDF나 TDF는 약간씩의 단점은 가지고 있지만 화염온도 예측에서는 큰 문제는 없을 것으로 판단된다. 그러나 본 연구에 적용된 QDF의 형태가 일반적인 형태가 아니라 최대 열발생률 지점에서 바로 열발생률이 감소되도록 피팅되었기 때문에 통상적인 화재에 대해서 비슷한 수준으로 예측성능을 가질 수 있을지는 명확하지 않다. 이런 점을 고려했을 때는 TDF가 온도에 대한 예측에는 가장 무난할 것으로 판단된다.

화학종 농도변화에 대해서는 실험 HRR을 포함해서 각 설계화재곡선들을 이용한 예측에 한계가 있음을 확인하였다. 이러한 결과를 통해 고체연료에 대한 연소모델 평가를 추가적으로 수행할 필요가 있으며, 연소모델 평가가 명확하게 이루어진 후 설계화재곡선에 대한 정확한 평가를 추가적으로 수행할 필요가 있어 보인다.