• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.373-373
• /
• 2022

전세계적으로 기후변화로 인해 3년 이상의 기간동안 지속되는 다년 가뭄의 빈도와 심도가 증가하고 있으며, 이로 인한 피해도 증가하고 있다. 본 연구에서는 이를 반영하여 전국 다목적댐 및 용수댐에서 모두 주요 가뭄 대응 대책으로 사용되고 있는 현행 용수공급 조정기준을 개선하는 방안을 제안하고자 한다. 가장 먼저, 장기 기억 반영이 가능한 시계열 모형인 ARFIMA(Autoregressive Fractional Integrated Moving Average) 모델을 사용하여 다양한 강도의 장기 기억을 가지고 있는 연간 유입량을 생성하였다. 이후, 연간 유입량을 k-최근접 이웃 방법 기반의 배분 도구를 사용하여 10일 단위 유입량으로 분배하였으며 이를 대체 용수공급 조정기준을 생성하기 위한 입력 변수로 사용하였다. 새로운 용수공급 조정기준은 매 시점마다 새롭게 업데이트되는 정보를 통해 현행 기준과 함께 적응형으로 저수지 운영에 사용되었다. 다년 가뭄이 반영된 유입량으로 적응형으로 저수지 운영을 관측 유입량 하에서 빈도와 크기의 측면에서 분석을 시행하였다. 그 결과, 심각한 실패(물 부족 비율 30% 이상)의 빈도의 경우 현행 기준 운영 시 6.14%에서 적응형 운영 시행 시 2.99%로 개선되었지만, 전체 기간 동안의 신뢰도는 적응형 운영보다(26.42%) 현행 운영 하에서 더욱 나은 결과를 보였다(41.19%). 위와 같은 분석 결과는 심각한 실패의 빈도와 크기를 줄이는 용수공급 조정기준을 시행하는 원론적인 목적과 일치하기에, 본 연구에서 제안하는 다년 가뭄에 대비한 적응형 운영 방안은 향후 길게 지속되는 가뭄 조건에서 저수지 운영 정책으로 활용될 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.147-151
• /
• 2007

인위적인 온실가스 증가의 영향으로 지구의 기온이 상승하고 있으며, 우리나라에서도 이러한 전 지구적인 온난화 추세를 상회하는 경향을 보이고 있다. 20세기 후반부터 기후변화에 따른 강수량 및 집중호우의 증가 추세가 보고되고 있으며, 이에 따른 피해 또한 증가하고 있다. 이러한 이상기후 현상이 전 세계적으로 빈번히 발생하여 가용 수자원의 변동이 커지고 있다. 추가적인 댐 건설이 어려운 상황이고, 댐 운영의 불확실성에 의한 현실적인 운영의 어려움으로 인하여 보수적인 댐 운영이 이루어지고 있는 실정이므로, 한정된 수자원의 효율적인 이용과 예측이 요구되고 있다. 본 연구에서는 기상연구소에서 개발된 A2, B2 기후변화 시나리오에 따른 다목적댐에서의 용수공급능력의 변화에 대한 평가를 수행하였다. 대규모 유역의 대표적인 다목적댐을 선정하고 기후변화 시나리오별 유입량을 분석하였으며, 이를 저수지 모의운영 기법을 이용하여 기후변화 시나리오에 따른 각 댐의 신뢰도 95% 용수공급능력과 예상발전량을 산정함으로써 가용수자원을 평가하였다. 또한 다목적댐의 과거 실적 유입량 자료를 이용한 모의운영 결과와 비교하여 제시하였다. 과거 실적에 의한 결과와 비교할 때, 기후변화 시나리오에 따른 향후 국내 가용 수자원량에도 큰 변화가 있을 것으로 예측되었다. 이로부터 댐 운영에 있어서 홍수기의 안정적인 댐관리와 갈수기의 적절한 수자원 분배를 위한 방향을 제시할 수 있다. 본 연구의 결과는 향후 기후변화에 따른 저수지의 효율적인 운영을 위한 유역의 수자원 영향 평가에 활용할 수 있을 것으로 기대된다.댐의 순기능에 대한 정량적인 분석을 수행하였다. 또한 댐별 방류량을 변동하여 하류 주요지점에 미치는 유황개선효과를 정량화하였다. 마지막으로 댐의 효율을 최대화한 하류확보가능하천유지유량을 월별평균량으로 산정하였다. 이는 향후 오염총량제 기준유량 및 환경용수의 법제화를 통한 하천유지용수의 증가시 비구조적 대책의 공급가능 최대량으로 활용가능할 것으로 사료된다.원에서 인위적으로 방류한 양이 많았기 때문으로 추정할 수 있다. 두 지점의 1월 유출이 100 % 이상인 것은 동절기 하천 결빙으로 인한 유량파악이 힘든 것으로 나타났다. 1월의 하천수위는 계측기에 기록된 수위값으로 유량을 산정한 것이다. 3월, 10월, 12월의 유출이 많은 것은 전월말 발생한 강우의 영향으로 크게 나타났다.다. 5. 초장의 절대치는 품종간에 차이는 있으나 비교적 조파구간에는 초장에 큰 변이가 없었고 파종기가 늦어짐에 따라 짧아졌다. 초장의 신장속도는 파종기가 늦어짐에 따라 현저하게 빨라지고 특히 조생종이 만생종보다 더욱 가속적인 경향이었다. 따라서 최고초장과 최저초장과의 절대치의 차이는 조생종일수록 적고 만생종일수록 큰 격차를 보이었다. 6. 간직경에 있어서도 만생종은 일반적으로 조기파종할수록 굵고, 조생종과 중생종은 4월 25일 파종기가 가장 굵은 편이며 이보다 파종기가 지연 가늘어지는 경향이었다. 7. 간중은 품종의 조만생에 따라 약간의 차이는 있으나 대체로 적기(4월 25일~5월 15일)보다 조기 혹은 만기 파종하면 작아지나 파종기 이동에 따른 간중의 변화는 품종의 조만성에 따라 양상을 달리하여 조생종은

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.289-293
• /
• 2005

본 연구에서는 일별 저수지군 최적연계운영 모형(CoMOM 4.0 : Coordinated Multireservoir Operating Model version 4.0)을 낙동강 수계 실시간 일별 운영에 CoMOM을 적용할 경우를 상정하여, 불확실성을 고려한 실시간 모의 운영을 수행하였다. 실시간 일 운영 시 며칠 정도의 유입량 예측은 가능할 것으로 예상하여 유입량 예측일수의 정확도 증가에 따른 연계 운영 효과를 산정해 본 결과, 전반적으로 과거 실적치에 비하여는 좋지만, 예측일 수가 늘어남에 따라 수계 내 연간 평균 저수량은 감소하는 대신 평균 발전량은 증가하여, 연계운영 총체적 효과가 기하급수적으로 증가됨을 알 수 있었다. 미래 유입량을 전혀 예측하지 못할 경우에는 일평균 유입량을 예측 유입량으로 하여 실시간 댐군 연계모의운영을 하였고, 그 경우에도 여수로 방류로 인한 수계 외 유출을 연 평균 약 214백만$m^3$ 정도 감소시키는 반면, 수계 내 전체 댐 군의 평균저수량을 55백만$m^3$ 증가 시키며, 연간 평균 발전량은 25GWh (약 22.5억원/년의 추가 발전수입) 증가 시킬 수 있을 것으로 분석되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.319-323
• /
• 2008

본 연구는 인접한 저수지 간의 연계운영을 통해 홍수조절능력을 제고시키기 위한 저수용량 공유기법 개발의 일환으로서 안동댐과 임하댐의 병렬저수지 시스템을 연구대상유역으로 선정하였다. 홍수조절에 의한 병렬저수지의 연계운영기법으로서 홍수시 임하댐의 저수량을 안동댐으로 전환시켜 임하댐의 홍수조절능력을 제고시키고 안동댐의 저수량을 확보하여 용수공급능력을 제고시킬 수 있는 방법을 연구하였다. 임하댐의 유입량 중 안동댐으로 전환되는 유량비를 최적화계수 a로 두고 재현기간별로 유량전환비를 산정한 결과 최적화계수로 제안한 유량전환비 a는 재현기간 T=50년일 때 $a_{50}=0.310$, T=80년일 때 $a_{80}=0.185$, T=100년일 때 $a_{100}=0.130$, T=150년일 때 $a_{150}=0.035$로 산정되었으며, T=200년일때는 유량전환에 의한 홍수조절 효과가 없음을 알 수 있었다. 이러한 계산결과는 홍수규모가 클 경우에 안동댐 저수량(위) 증가로 인하여 임하댐의 유량전환비가 감소하기 때문임을 알 수 있었으며, 그 유량전환비가 거의 0이 될 경우는 홍수규모가 재현기간 T=200년 빈도 이상에서 나타나고 있음을 알 수 있었다. 이로 인한 홍수조절효과는 임하댐의 경우 재현기간 T=50년 일 때 4.1%, T=80년일 때 2.8%, T=100년일 때 2.1% 및 T=150년일 때 0.7%로 증가한 것으로 나타났으며, 안동댐의 경우 재현기간 T=50년일 때 14.4%, T=80년일 때 8.6%, T=100년일 때 6.0% 및 T=150년일 때 1.6%로 증가한 것으로 분석되었다.

• Journal of Korea Water Resources Association
• /
• v.57 no.4
• /
• pp.249-261
• /
• 2024

Climate change has intensified the severity of extreme floods, presenting substantial challenges to dam management and operation. Traditionally, flood control strategies for dam operations have been based on theoretical scenarios, such as designed floods, without taking into account downstream conditions. However, in practice, managing floods involves operating dams based on climate forecasts. This strategy encounters challenges due to the limited predictability of climate forecasts, which in turn leads to uncertainty in decisionmaking among dam managers. This study proposes a flood control approach for dam operations that involves gradually increasing the outflow, considering the operational constraints and potential downstream damage, based on inflow data. The effectiveness of this method was assessed through simulation, employing both a designed flood and data from the most significant historical flood. The dam operation strategy for flood control presented in this study provides a framework for dam operators, facilitating consistent decisionmaking in flood management by integrating realistic dam operational conditions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.924-928
• /
• 2009

국내의 다목적댐 저수지는 물이 흐르는 하천에 용수공급, 홍수조절 및 수력발전을 위해 만든 구조물로 형성된 저류상태를 의미한다. 이러한 수체의 유동에 영향을 미치는 가장 중요한 요소로는 유입수와 저수지에서 하천으로 방류되는 방류수이므로 본 연구에서는 유입수와 방류수에 의한 수체의 유동만을 고려하였다. 대상지는 용담댐 유역중 취수탑이 있는 지점으로 길이는 약 1,250m이고 폭은 평균 375m 정도의 크기를 갖고 있는 지형이다. 대상 지역에서 저수지 수체의 흐름특성을 평가하기 위해 SMS-RMA2 모형을 적용하였으며 용담댐 저수지 구역에 대한 1m 간격의 등고선을 가지고 대상지역에 대하여 격자를 구성하였다. 격자 크기는 평균 길이 방향으로 43m, 폭 방향으로 15m 크기로 구성하였으며 유속이 상대적으로 빠른 취수탑 부근은 좀더 세밀하게 구성하였다. 4년간 수문자료를 분석하여 이 지역의 흐름을 년중 크게 3가지로 구분하였다. 수체거동이 급변하는 여름 강우기 후에 저수지에 물이 풍부한 경우의 흐름, 봄철 저수지 물이 풍부하지 않은 상태에서 주자천으로 부터의 유입은 최하인 상태의 경우 그리고 강우기에 짧은 기간 나타나는 주자천 위주 흐름의 경우로 구분하여 모의하였다. 각각의 경우 전체적인 흐름장은 확연히 다르게 나타났으며 이런 결과로 볼 때 수체의 흐름은 상하류의 유입량 변화에 따라 항상 흐름은 변화하는 것으로 평가되었으나, 저수지 수체의 흐름 속도는 모두 0.05$^{\sim}$1.5cm/sec 정도로 모의된 것은 수체적 대비 방류량이 적어서 나타나는 현상으로 평가되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.149-149
• /
• 2015

한반도를 포함한 전 세계가 기후변화로 인한 가뭄과 홍수에 노출되어 있으며, 물 공급의 안정성 확보, 공공시설물과 재산 피해 등 엄청난 직 간접적인 경제적 손실이 발생하고 있다. 유역의 수문학적 거동 특성을 파악하는 일은 가뭄 및 홍수 등의 자연재해를 포함하여 수자원의 효율적 예측과 관리, 안정적인 용수공급 등을 위해 필수적인 요소이다. 특히 극치사상의 특성변화는 하천과 하천주변의 토사유입이나 침전 부유물의 재분포 등 유역 및 하천 생태계의 구조 및 기능에 영향을 줄 수 있는 요소이기 때문에 주의 깊게 살펴볼 필요가 있다. 따라서 본 연구에서는 한반도 다목적댐 중 20년 이상의 일유입량 자료를 보유한 8개 지점에 대해 일별, 계절별 변화와 기저유량에 대한 분석을 실시하였다. 또한, 태풍자료와 유역평균강우량자료를 활용하여 태풍으로 유입된 강우와 비태풍 강우를 분리하였다. 향후 극치사상에 대한 다양한 수문변화분석을 수행함에 있어 태풍과 집중호우 등 변화 요인을 분리하여 원인에 따른 변화를 진단하여 지속가능한 수자원 이용에 기초자료를 제공하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.55 no.12
• /
• pp.1115-1124
• /
• 2022

The impact of climate change on water resources was evaluated for Chungju Dam and Soyang-gang Dam basins by constructing an integrated modeling framework consisting of a dam inflow prediction model based on the Variable Infiltration Capacity (VIC) model, a distributed hydrologic model, and an LSTM based dam outflow prediction model. Considering the uncertainty of future climate data, four models of CMIP6 GCM were used as input data of VIC model for future period (2021-2100). As a result of applying future climate data, the average inflow for period increased as the future progressed, and the inflow in the far future (2070-2100) increased by up to 22% compared to that of the observation period (1986-2020). The minimum value of dam discharge lasting 4~50 days was significantly lower than the observed value. This indicates that droughts may occur over a longer period than observed in the past, meaning that citizens of Seoul metropolitan areas may experience severe water shortages due to future droughts. In addition, compared to the near and middle futures, the change in water storage has occurred rapidly in the far future, suggesting that the difficulties of water resource management may increase.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1012-1016
• /
• 2009

수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통한 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료를 예측함에 있어 전형적인 Box-jenkins의 방법을 따랐고 모형의 식별, 추정, 검진의 3단계를 거쳐 모형화 하였다. 최적 수문시계열 예측 모형을 통하여 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 유출량자료의 보유년한이 짧은 대상유역에 월강우량과 증발산량자료 등의 수문시계열 인자 예측을 통한 유출을 모의함으로서 수자원의 중 장기 전략수립에 도움을 줄 것으로 사료된다.

• Journal of Korea Water Resources Association
• /
• v.57 no.1
• /
• pp.35-44
• /
• 2024

Research in dam inflow prediction has actively explored the utilization of data-driven machine learning and deep learning (ML&DL) tools across diverse domains. Enhancing not just the inherent model performance but also accounting for model characteristics and preprocessing data are crucial elements for precise dam inflow prediction. Particularly, existing rainfall data, derived from snowfall amounts through heating facilities, introduces distortions in the correlation between snow accumulation and rainfall, especially in dam basins influenced by snow accumulation, such as Soyang Dam. This study focuses on the preprocessing of rainfall data essential for the application of ML&DL models in predicting dam inflow in basins affected by snow accumulation. This is vital to address phenomena like reduced outflow during winter due to low snowfall and increased outflow during spring despite minimal or no rain, both of which are physical occurrences. Three machine learning models (SVM, RF, LGBM) and two deep learning models (LSTM, TCN) were built by combining rainfall and inflow series. With optimal hyperparameter tuning, the appropriate model was selected, resulting in a high level of predictive performance with NSE ranging from 0.842 to 0.894. Moreover, to generate rainfall correction data considering snow accumulation, a simulated snow accumulation algorithm was developed. Applying this correction to machine learning and deep learning models yielded NSE values ranging from 0.841 to 0.896, indicating a similarly high level of predictive performance compared to the pre-snow accumulation application. Notably, during the snow accumulation period, adjusting rainfall during the training phase was observed to lead to a more accurate simulation of observed inflow when predicted. This underscores the importance of thoughtful data preprocessing, taking into account physical factors such as snowfall and snowmelt, in constructing data models.