• 월간 기계설비
• /
• 통권3호
• /
• pp.180-181
• /
• 1990

• Journal of Biosystems Engineering
• /
• 제18권2호
• /
• pp.144-157
• /
• 1993

환기중인 실험축사내에서 가축의 현열과 환기공기의 온도차에 의한 열부력(熱浮力)(thermal buoyancy)이 공기유동 및 온도분포에 미치는 영향을 구명(究明)하기 위하여 TEACH 컴퓨터프로그램($k-{\varepsilon}$ 난류모형 및 SIMPLE계열 Algorithm)을 Curvilinear Coordinates에 맞게 변형하였다. 계산한 축사내 공기유통 및 온도분포의 유의성(有意性) 검증은 Boon(1978)의 실험결과를 이용하였다. 열부력의 크기에 따른 유동의 변화를 관찰하기 위하여 유입공기의 온도를 $17^{\circ}C$와 $10^{\circ}C$ 두 수준으로 입력하였으며, 가축의 현열플릭스(flux)는 실내온도에 따라 변화하므로 유압공기의 온도가 $17^{\circ}C$일 때는 130W/$m^2$, $10^{\circ}C$일 때는 170W/$m^2$을 경계조건으로 입력하였다. 예측한 공기유동의 형태는 실험값(Boon, 1978)과 비교하여 대체로 만족할만한 결과를 얻었다. 그러나 유입공기의 온도가 $10^{\circ}C$인 경우, 예측 공기유동은 실험 유동형태와 차이가 있었다. 즉, 실험에서는 수평슬롯으로 유입된 공기가 바로 아래로 굴절되어 유동(流動)하였으나, 계산의 결과는 일정 거리로 수평방향으로 유동하다가 아래로 굴절하였다. 이런 유동의 차이는 경험적으로 열부력(熱浮力)에 민감하게 반응하지 않는 k-${\varepsilon}$ 난류(亂流)모형의 적용이 원인이 되거나 실험의 부적절한 수행이 원인이 될 수도 있다. 이 유동(流動)의 Reynolds 수(數) (Re)는 약 3,300, 수정Ar수(修正Ar數)(Corrected Archimedes Number : $Ar_c$)64로써, $Ar_c$ <30 이거나 $Ar_c$ >75이면 유입공기의 제트는 수평유동한다는 Randall & Battams(1979)의 연구결과와는 일치하였다. 그러나 공기제트의 굴절은 유동의 특성이 같다하더라도 유체의 성질, 축사의 기하학적 형태에 따라서 매우 민감하게 반응하므로 실제 실험을 통한 재검정과정을 거쳐야 할 것으로 판단된다. Fig. 9와 Fig. 10의 기하학적 형태의 지점별 예측온도와 측정온도(Boon, 1978)와의 편차는 대부분의 지점에서는 $1^{\circ}C$ 미만으로 상당히 정확하였으며, 최대의 온도차는 Fig. 10의 지점 13에서 $1.7^{\circ}C$이었다.

• 한국추진공학회지
• /
• 제17권6호
• /
• pp.20-29
• /
• 2013

배플이 있는 마이크로 연소기의 난류유동 및 연소특성이 레이놀즈 응력 모형에 의하여 조사되었다. 형상변화에 따른 난류 연소유동 대한 영향을 살펴보기 위하여, 여러 개의 배플형상이 선택되었다. 유동구조와 온도장의 상관관계가 재순환 영역, 화염크기, 열손실 변화에 의해 조사되었다. 유동혼합은 연료 유입구의 직경을 감소시키는 것보다 공기유입구의 직경을 감소시키는 것이 더 효율적이었다. 연료 또는 공기유입구의 직경이 감소함에 따라 연소효율은 증가하였고, 화염길이는 감소하였다. 또한, 공기유입구의 직경이 감소함에 따라 연소온도와 열손실이 증가하고, 반면에 연료유입구의 직경이 감소함에 따라 연소온도와 열손실은 감소되었다.

• 항공우주시스템공학회지
• /
• 제14권1호
• /
• pp.36-43
• /
• 2020

위성 열 설계의 시작은 운용궤도의 열 환경 분석을 통한 최악의 운용 환경을 예측하는 것이다. 위성은 주어진 임무에 맞는 다양한 형태의 운용궤도를 가지기 때문에 노출되는 열 환경 또한 다르다. 따라서, 위성의 궤도조건을 고려한 외부 열 환경 분석이 필수이며, 이를 통해 선정된 위성의 최악의 조건에 대해 열적 안정성을 보장하는 설계를 수행하게 된다. 궤도 열 환경 분석을 위해서는 궤도역학은 물론 우주 열 환경과 위성체 사이의 열 교환 관계에 대한 이해가 필요하다. 이에 본 논문에서는 지구궤도 내 우주 열 환경에 관한 기초자료를 제공하고, 위성체에 유입되는 우주 열 유입량을 계산하는 열 관계식을 서술함으로써 궤도 열 환경 분석의 이해를 돕고자 하였다. 또한, 가상의 위성 예제를 통해 임무기간 중 궤도 열 환경을 분석하는 전반적인 과정을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.2033-2037
• /
• 2009

호소내의 흐름은 중력의 영향을 받는 하천의 흐름과는 달리 열수지에 의한 밀도류 및 바람 등에 영향을 크게 받아 특유의 유동특성을 나타낸다. 본 연구에서는 EFDC(Environmental fluid Dynamics Code, 미국 버지니아 해양연구소 개발) 모델을 이용하여 호소 내 수치모의를 실시하였다. 복잡한 지형을 형성하고 있는 호수 내의 유동특성의 정밀도를 향상시키기 위해서는, 흐름특성을 고려한 grid작성이 중요하다. 본 연구에서는 1:3000, 1:5000 축척의 수치지도를 이용하여 장흥호의 하상단면 값을 추정하였으며, GIS를 이용하여 (${\Delta}x$, ${\Delta}y$)=100m로 DEM을 생성하였다. 그리고 구성된 DEM값을 이용하여 정밀도가 높은 최종 Cartesian grid(active cell=706)를 구축하였다. EFDC를 이용한 장흥호의 수치모의 결과 호수내의 흐름은 수면을 통한 열 교환에 의한 수온 밀도류를 형성하고 있으며, 수온성층의 형성과 파괴가 호수 흐름을 형성하는 큰 인자로 작용한다는 것을 확인할 수 있었다. 그리고, 호에 유입되는 하천부분에서는 유입되는 수온에 따라 흐름특성이 변하며, 유입수온에 따라 호수 내 관입위치가 변하여 표면흐름, 내부흐름, 저부흐름 등의 흐름특성을 보인다 이상과 같이, 호수내의 흐름특성을 열수지, 외력에 의해서 크게 변동하며 해석대상역의 지역특성을 반영한 수리현상의 정확한 재현 없이는, 이 유동해석결과를 입력치로 하는 수질모델링 결과는 신뢰도에 심각한 문제를 발생시킨다고 할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.184-188
• /
• 2008

추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

• Nuclear Engineering and Technology
• /
• 제17권1호
• /
• pp.45-52
• /
• 1985

가압 경수로의 소형 냉각재 사고시 증기 발생기 U-자관 내에서의 억류 응축 현상(reflux condensation phenomena)은 주요한 열제거 수단이 된다. 열제거 Mechanism이 순수히 역류 응축 현상에 의 할 때, 증기 발생기의 열제거 능력을 평가하기 위하여 원자로 증기 발생기의 U-자관을 모사하는 두개의 U-자 관을 가진 증기응축 장치를 제작하여 다음 두 가지의 실험을 수행하였다. 첫째로, U-자관속에서 역류 응축 현상이 일어날 때 증기의 유입량을 증가시켜 가면서 역류 응축이 일어나는 액체 막 길이 (filmwise reflux condensation length)를 측정하였다. 둘째로는 길이가 다른 두 개의 U-자관에 증기만을 유입시킬 때와 증기와 공기를 동시에 유입시킬 때에 대한 Flooding Point를 측정하여 U-자관의 길이와 비응축성 가스가 Flooding Point에 미치는 영향을 조사하였다. 그리고 수학적 모델을 이용한 이론적 측정값과 실험 Data를 비교하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.

• 한국화재소방학회논문지
• /
• 제27권1호
• /
• pp.31-38
• /
• 2013

급기가압 제연시스템은 재실자의 피난활동 및 피난시간에 직접적인 영향을 미치므로 건축물의 화재안전에 있어 핵심적인 설비이다. 하지만 댐퍼의 위치에 따라 방화문에서 부속실로 연기가 유입되는 현상이 발생할 수 있으며 이에 대한 연구는 미비한 실정이다. 본 연구에서는 댐퍼위치에 따른 부속실과 방화문에서의 열 유동특성 및 연기가 부속실로 유입되는 현상을 FDS 5.5를 이용하여 수치해석으로 분석하였다. 또한 실제 현상을 구현하기 위해 재실자의 피난을 가정하여 방화문이 개방되고 폐쇄되는 효과를 설정하였으며 열 방출률을 변화시키면서 수치해석을 수행하였다. 수치해석 결과, 열 방출률이 200 kW에서 400 kW 일 때는 댐퍼의 위치가 방화문의 정면일 때 다른 댐퍼의 위치보다 연기가 부속실로 유입되는 현상을 나타났다. 하지만 열 방출률이 400 kW 이상일 경우에는 댐퍼의 위치에 대한 영향이 크지 않았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.319-319
• /
• 2019

기후변화로 인한 극한 기후 상황의 증가로 홍수기 홍수피해와 갈수기 가뭄피해가 심화되고 있으며, 수자원 관리에 대한 어려움이 발생하고 있다. 효율적인 수자원 관리를 위해 국내에는 약 1,8000여개의 댐을 운영하고 있으며, 댐의 유입량과 저수량을 감안하여 물을 적절하게 방류하는 것을 목적으로 한다. 그러기 위해서는 유입량이 우선적으로 확보되어야 하며, 더 나아가 유입량을 미리 예측할 수 있다면 더욱 효율적인 댐 운영이 가능할 것이다. 기존에는 수위나 유량을 예측하기 위해서는 주로 물리적 모형이 사용되어 왔으며, 물리적 모형은 매개변수 결정을 위한 많은 자료를 필요로 하고 그 과정에서 많은 불확실성을 포함하고 있기 때문에 계산 과정을 거치는 동안 다양한 오차가 반복 누적되는 단점이 있다. 반면에 시계열 데이터 예측을 위한 알고리즘 LSTM(Long Short-Term Memory)은 입력된 데이터와 출력된 데이터를 동시에 이용하여 보다 정확한 예측 값을 얻을 수 있다. 따라서 본 연구는 다목적댐의 유입유량 예측을 위해 구글에서 제공하는 딥러닝 오픈소스 라이브러리를 활용하여 LSTM모형을 구축하고 댐 유입유량을 예측하였다. 분석 자료로는 wamis에서 제공하는 용담댐의 2006년부터 2018년까지의 시간당 유입량 자료를 사용하였으며, 입력 데이터로 모형을 학습한 후 2018년의 유입량을 예측하였다. 예측 값의 정확도를 판단하기 위해 2018년의 실제 유입량 자료와 비교하였다.