• 한국가스학회지
• /
• 제16권4호
• /
• pp.1-7
• /
• 2012

지난 2010년 8월 9일 발생한 압축천연가스(compressed natural gas, CNG) 버스의 내압용기 파열사고 이후 정부는 CNG자동차의 안전관리 체계를 구축하기 위하여 다각적인 연구를 수행하였으며, 본 내용은 그 주요 내용을 정리한 것이다. CNG자동차의 안전성 향상을 위해 관련 법령, 검사 인증기준 등 안전관리제도를 검토하였고, 더불어 CNG자동차 관련 종사자(검사원, 정비원)에 대한 교육훈련 등도 검토하였다. 주요 검토내용으로는 CNG자동차용 용기형태, CNG용기의 설치위치, 압력방출배관의 재질 및 설치형태, 배관접속 및 접합방법, 가스누출 경보시스템, 긴급차단밸브 및 작동 스위치, CNG용기 보호커버, CNG 자동차 충전사업자의 공급자 의무사항, CNG자동차의 정기검사제도, CNG자동차의 일상점검 제도, CNG자동차 종사자의 교육훈련제도, CNG버스 운송사업체의 안전관리자 선임제도 등이다. 위의 주요 항목들을 중점적으로 검토하여 CNG자동차의 안전성 향상 방안을 제안하였다.

• Nuclear Engineering and Technology
• /
• 제53권10호
• /
• pp.3275-3285
• /
• 2021

A Nuclear Power Plant (NPP) is a complex dynamic system-of-systems with highly nonlinear behaviors. In order to control the plant operation under both normal and abnormal conditions, the different systems in NPPs (e.g., the reactor core components, primary and secondary coolant systems) are usually monitored continuously, resulting in very large amounts of data. This situation makes it possible to integrate relevant qualitative and quantitative knowledge with artificial intelligence techniques to provide faster and more accurate behavior predictions, leading to more rapid decisions, based on actual NPP operation data. Data-driven models (DDM) rely on artificial intelligence to learn autonomously based on patterns in data, and they represent alternatives to physics-based models that typically require significant computational resources and might not fully represent the actual operation conditions of an NPP. In this study, a feed-forward backpropagation artificial neural network (ANN) model was trained to simulate the interaction between the reactor core and the primary and secondary coolant systems in a pressurized water reactor. The transients used for model training included perturbations in reactivity, steam valve coefficient, reactor core inlet temperature, and steam generator inlet temperature. Uncertainties of the plant physical parameters and operating conditions were also incorporated in these transients. Eight training functions were adopted during the training stage to develop the most efficient network. The developed ANN model predictions were subsequently tested successfully considering different new transients. Overall, through prompt prediction of NPP behavior under different transients, the study aims at demonstrating the potential of artificial intelligence to empower rapid emergency response planning and risk mitigation strategies.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.541-549
• /
• 2018

본 연구에서는 국내 화물 및 여객차량들을 견인하는 디젤전기 기관차의 제동에 따른 동적 거동을 분석하기 위하여 제동장치에 영향을 미치는 마찰계수, 제동압력, 주행저항 등을 시험하였다. 마찰계수는 UIC 541-4를 참고로 Dynamo 시험을 수행하였으며 시험결과는 다변량 회귀분석을 통해 제동하중, 제동초기 속도와의 관계를 분석하여 제시하였다. 제동압력은 상용제동과 비상제동으로 구분하였으며, 제동밸브와 배관의 특성을 반영하기 위하여 시간에 따른 제동압력 변화를 대상 차량에서 측정하였다. 차량에 작용하는 외력을 반영하기 위하여 EN 14067-4의 타행시험을 수행하고 2차 다항식 형태의 주행저항을 제시하였다. 도출한 주행저항을 동일 차종에 대하여 각 국가별로 사용하고 있는 주행저항들과 비교하였다. 차량의 재원, 마찰계수, 제동압력, 주행저항을 바탕으로 직선 평탄 선로를 주행하는 디젤전기기관차의 동적 거동을 EN 14531-1에서 제시된 시간적분을 이용하여 해석하였다. 해석 결과는 상용제동과 비상제동에 대하여 각각 차량의 속도이력 시험결과와 비교 검증하였으며 상당히 합리적인 결과를 도출하였다. 본 연구의 결과들은 철도차량들을 연결하여 운행하는 열차의 동적 거동해석에 활용할 수 있을 뿐 아니라 차량 설계에서 제동에 영향을 미치는 다양한 파라미터들을 분석하고 성능향상의 기초자료로 활용할 수 있을 것으로 기대된다.

• 한국재난정보학회 논문집
• /
• 제9권4호
• /
• pp.449-461
• /
• 2013

최근 발생한 경북 구미의 불산 누출 및 경남 울산의 염산 누출사고의 예와 같이 화학공장에서 발생되는 사고중대 부분은 저장탱크나 운송배관 및 플랜지호스 등의 손상에 의한 휘발성 유독성물질의 대량누출이며, 이 경우 누출된 지역의 자연환경과 대기 조건에 따른 유독성물질의 확산 거동이 인적, 물적 피해의 중요한 변수가 되기 때문에 위험성평가는 가장 중요한 관심 대상이 된다. 따라서 본 연구에서는 누출물질에 대한 대기 중 확산을 모사하기 위하여 불산 저장탱크에서 누출된 경우를 예제로 선택하여, 수치해석과 ALOHA(Areal Location of Hazardous Atmospheres)의 확산 시뮬레이션을 이용한 결과해석을 수행하였다. 먼저 공정위험분석으로 정성적 평가인 HAZOP(Hazard Operability) 결과를 살펴보면 첫째 공정흐름상(flow) 위험 요소로서 플렌지, 밸브와 호스의 균열 등 손상으로 인한 누출에 의한 운전지연 또는 독성가스누출 등이 발생할 수 있고, 둘째 온도, 압력, 부식으로부터는 화재, 질소공급과 압 그리고 탱크나 파이프 이음관의 내부 부식으로 인한 독성누출의 가능성이 높은 것으로 분석되었다. 다음 결과 영향분석 기법인 ALOHA를 운용한 결과를 살펴보면 Dense Gas Model에 대한 입력 자료값에 따라 미치는 결과 영향이 다소 차이가 있음을 발견하였으나 기상조건으로서 대기안정도 보다는 풍향 및 풍속이 가장 영향을 미치는 것으로 분석 되었다. 또한 풍속이 빠를수록 누출물질의 확산이 잘 일어났고, 수치해석결과인$LC_{50}$과 ALOHA의 AEGL-3(Acute Exposure Guidline Level)과 결과를 비교했을 때 확산길이는 다소 차이가 있지만 확산농도 측면에서는 액체와 증기누출인 경우에 있어서 거의 비슷한 결과를 보였다. 따라서 ALOHA 모델을 운영한 결과 각 시나리오별 경향은 상당히 일치함을 볼 수 있었다. 따라서 추후 수치해석과 확산모델링에 의한 예측농도를 국제적인 기준치인 IDLH(Immediately Dangerous to Life and Health), ERPG(Emergency Response Planning Guideline), AEGL(Acute Exposure Guidline Level)과 비교 함 으로서 독성 가스의 대한 완충거리를 결정 할 수 있고, 이와 같은 연구방법은 유독성물질 누출에 따른 위험성평가를 보다 효율적으로 수행하는데 도움을 줄 것이며, 지역사회 비상대응체계 수립 시 적절하게 활용할 수 있을 것이다.