• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1179-1192
• /
• 2018

이 연구는 남빙양(Southern Ocean)에서 나타나는 주된 전선(Front)들 중에 남극 극 전선(Antarctic Polar Front; PF)을 탐지하기 위하여 위성 기반 해수면 온도(sea surface temperature)와 해수면 고도(sea surface height) 자료를 복합적으로 사용하였다. 정확한 PF 탐지를 위하여 일별 SST와 SSH 자료를 각각 기반으로 하여 베이지안 결정 이론(Bayesian decision theory)을 적용하였으며, 이를 근거로 전선/비전선의 신호를 격자 별로 분류하였다. 이후, 시공간적인 합성을 통하여 일차적인 노이즈(noise) 제거 및 지리학적 연결성을 보완하였다. 그러나 이들 과정을 수행하고도 여전히 잔존하는 일부 노이즈를 제거하기 위하여 해빙 및 연안 마스킹(masking)을 수행하였다. 또한 모폴로지 연산(morphology operation)을 통하여 지류 성분을 최대한으로 배제하고 주된 전선 성분만을 추출하였다. 최종적으로 선택된 전선 격자 들에서 PF의 특징을 나타낼 수 있도록 가장 최남단의 전선만을 선택하여 평활 스플라인(smoothing spline) 최적화 방식을 통해 선 형태의 월별 PF를 산출하였다. 산출된 PF는 기존의 연구에서 제시한 PF의 위치와 상당히 유사한 것으로 나타났으며, 특히 바닥 지형에 따라 상당 부분 결정되는 PF의 변화를 잘 모사하는 것으로 보인다. 로스해 주변(${\sim}180^{\circ}W$)과 호주 이남의 해역($120^{\circ}E-140^{\circ}E$)은 PF의 위치에 대한 계절적 변동이 높게 나타나며, 그러한 변동이 기존에 제시된 결과와 상당히 유사한 경향을 지닌다. 그러므로 이 연구에서 산출된 PF의 위치에 대한 탐지 결과가 향후 장기적 관점에서 수행될 연구에 사용될 수 있는 가치를 지닐 것으로 기대한다.

• 한국가스학회지
• /
• 제23권1호
• /
• pp.27-35
• /
• 2019

지구 온난화 문제 해결과 온실가스 감축을 위해 순산소 연소를 통한 $CO_2$ 포집기술이 개발되었으나, 산소 생산비용이 높아 경제성이 떨어지는 문제를 가지고 있다. 순산소 연소에 필요한 대량의 산소 생산은 초저온 공기분리장치(ASU: Air Separation Unit)가 가장 적합한 방법으로 산소 생산 비용 절감을 위해 ASU의 효율을 높이는 것이 필요하다. ASU의 효율 향상을 위해서는 현재 공정의 효율 평가 및 에너지 소비 형태를 확인해야 하며, 이를 위해 엑서지 분석이 사용될 수 있다. 엑서지 분석은 공정에서 사용된 에너지의 정보, 에너지 손실의 위치, 크기 등을 확인 시켜주며, 에너지 손실을 최소화 할 수 있는 공정 최적화를 가능하게 해준다. 본 연구에서는 초대형 규모의 ASU 공정개발 및 최적화를 위해 엑서지 분석을 이용하였다. ASU의 공정모사를 수행하고 그 결과를 바탕으로 엑서지 값을 계산하였다. 그 결과 ASU의 cold box에서 엑서지 손실을 줄이기 위해 운전압력을 낮추는 방법을 제안하였고, cold box의 열침입 및 열손실 감소의 필요성을 확인하였다. 또한 ASU의 단위 공정 중 다른 공정과 열통합이 필요한 위치를 확인 하였다.

• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.191-199
• /
• 2021

화학 공정의 주요 설비 중 하나인 증류탑은 물질들의 끓는점 차이를 이용하여 혼합물에서 원하는 생산물을 분리하는 설비이며 증류 공정은 많은 에너지가 소비되기 때문에 최적화 및 운전 예측이 필요하다. 본 연구의 대상 공정은 공급처에 따라 원료의 조성이 일정하지 않아 정상 상태로 운전이 어려워 효율적인 운전이 어렵다. 이를 해결하기 위해 데이터 기반 예측 모델을 이용하여 운전 조건을 예측 할 수 있다. 하지만 미가공 공정 데이터에는 이상치 및 노이즈가 포함되어 있어 예측 성능을 향상시키기 위해 데이터 전처리가 필요하다. 본 연구에서는 인공 신경망 모델인 Long short-term memory (LSTM)과 Random forest (RF)를 사용하여 모델을 최적화한 후, 데이터 전처리 방법으로 Low-pass filter와 One-class support vector machine을 사용하여 데이터 전처리 방법 및 범위에 따른 예측 성능을 비교하였다. 각 모델의 예측 성능과 데이터 전처리의 영향은 R2과 RMSE를 사용하여 비교하였다. 본 연구의 결과, 전처리를 통해 LSTM의 경우 R2은 0.791에서 0.977으로 RMSE는 0.132에서 0.029로 각각 23.5%, 78.0% 향상되었고, RF의 경우 R2은 0.767에서 0.938으로 RMSE는 0.140에서 0.050으로 각각 22.3%, 64.3% 향상되었다.

• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.209-218
• /
• 2021

ORV의 열교환 효율 향상 및 운전 최적화를 위한, first principle 기반 모델링 연구들이 수행되어왔지만, ORV의 열 전달 계수는 시간, 위치에 따라 불규칙한 시스템으로, 복잡한 모델링 과정을 거친다. 본 연구는 복잡한 시스템에 대한 데이터 기반 모델링의 실효성을 확인하고자, LNG 재기화 공정의 실제 운전데이터를 이용해, ORV의 해수 유량, 해수온도, LNG 유량 변화에 따른 토출 NG 온도 및 토출 해수 온도의 동적 변화 예측이 가능한, FNN, LSTM 및 AutoML 기반 모델링을 진행하였다. 예측 정확도는 MSE 기준 LSTM > AutoML > FNN 순으로 좋은 성능을 보였다. 기계학습 모델의 자동설계 방법인 AutoML의 성능은 개발된 FNN보다 뛰어났으며, 모델 개발 전체소요시간은 복잡한 모델인 LSTM 대비 1/15로 크게 차이를 보여 AutoML의 활용 가능성을 보였다. LSTM과 AutoML을 이용한 토출 NG 및 토출 해수 온도의 예측은 0.5 K 미만의 오차를 보였다. 예측모델을 활용해, 겨울철 ORV를 이용해 처리 가능한 LNG 기화량의 실시간 최적화를 수행하여, 기존 대비 최대 23.5%의 LNG를 추가 처리 가능함을 확인하였고, 개발된 동적 예측모델 기반의 ORV 최적 운전 가이드라인을 제시하였다.

• 한국산학기술학회논문지
• /
• 제22권3호
• /
• pp.148-159
• /
• 2021

본 연구는 서울시를 사례로 들어 고교학점제 시행에 따라 일반고 학생들의 이동 거리 최소화와 학생 수용 최대화를 고려한 공동교육과정 과목을 개설하는 최적의 학교 입지를 탐색하는데 목적이 있다. 주요 분석 결과는 다음과 같다. 첫째, 30% 이상의 일반고에서 공동교육과정 과목을 개설하면 P-median 결과 학생들의 평균 이동거리는 625m 이하이며, MCLP 결과 모든 학생을 수용할 수 있는 것으로 나타났다. 둘째, 서울시에 입지한 전체 대학에서 공동교육과정 과목을 개설하더라도 모든 일반고 학생을 수용할 수는 없는 것으로 나타났다. 그러나 MCLP 결과 20% 이상의 대학에서 공동교육과정 과목을 개설하면 전체 대학에서 개설할 때와 동일한 수의 학생을 수용할 수 있는 것으로 나타났다. 또한 서울시의 동남부 및 교통이 원활치 않은 지역에 입지한 일반고에 소속되어 있는 학생들이 공동교육과정 과목이 개설된 대학에 가기 위해서는 교육청의 지원이 필요한 것으로 나타났다. 본 연구는 공간최적화 방법으로 공간적 문제 해결의 틀을 제시함으로써 공동교육과정 과목 개설학교 입지 선정에 있어 유용한 기초 자료로 활용될 수 있기를 기대한다.

• 한국산학기술학회논문지
• /
• 제22권6호
• /
• pp.19-26
• /
• 2021

격자 구조체는 강도 및 강성, 초경량 및 에너지 흡수 능력 등의 우수성을 가지고 있어서 전방위 산업에서 주목을 받고 있으나, 다양한 장점에도 불구하고 복잡한 형상에 따른 제조 공정의 어려움으로, 현재까지 광범위한 상용화 및 사용은 제한되고 있다. 한편 적층 제조는 전통적인 제조 방법으로는 불가능한 복잡한 기하학적 형상 제조가 가능한 기술로써, 격자 구조체 제조를 위한 최적 기술로 주목을 받고 있다. 본 연구에서는 3차원 좌표 방법으로 단위 셀을 형성하고, 단위셀의 바운더리 박스 크기 및 스트럿 반경에 따른 상대 밀도의 관계식을 도출하였다. 본 연구에서는 Simple Cubic(SC), Body-Centered Cubic(BCC) 및 Face-Centered Cubic(FCC)을 모델링 소프트웨어를 사용하여 상대 밀도 맞춤형 구조체를 설계하였다. 본 연구에서 제안한 상대 밀도 산출식 정확도는 SC, BCC 및 FCC에서 98.3 %, 98.6 % 및 96.2%의 신뢰성을 확보하였다. 격자 구조체를 대상으로 시뮬레이션 수행 결과, 동일한 셀 배열 조건에서는 상대 밀도가 커짐에 따라 항복 하중이 커지고, 동일 배열 조건에서는 SC, BCC, FCC 순으로 압축 항복 하중이 작아지는 결과가 나타났다. 최종적으로 20 mm × 20 mm × 20 mm 크기의 구조체는 SC 단위 셀을 3×3×3 배열로 구성하는 것이 압축 하중에 대한 구조적 최적화가 가능한 것으로 나타났다.

• 공업화학
• /
• 제32권3호
• /
• pp.326-331
• /
• 2021

본 연구에서는 황화수소를 상온에서 산화시키기 위한 TiO₂ 기반 바나듐계 촉매의 제조 조건을 최적화하였다. 촉매의 지지체로써 4종의 상용 TiO₂를 선정하였으며, 함침법을 이용하여 제조된 다양한 바나듐 함량별 V/TiO₂의 황화수소 상온 산화 성능 평가를 수행하였다. 선정된 TiO₂ 중 TiO₂(A)를 기반으로 하며 바나듐(V) 함량이 5%인 촉매의 황화수소 전환율이 58%로 가장 우수한 것을 확인하였으며, 촉매의 물리·화학적 특성을 비교함으로써 지지체의 비표면적과 우점하는 바나듐의 종이 촉매 성능의 주요인자임을 도출하였다. 활성이 저하된 촉매의 재생 특성을 확인하기 위해 400 ℃에서 2 h 동안 열처리하였으며, 재생된 촉매에 황이 일부 침적되어 황화수소 산화량이 10% 감소하였으나 초기 성능은 유사하게 나타나는 것을 확인하였다.

• 자원ㆍ환경경제연구
• /
• 제30권2호
• /
• pp.237-268
• /
• 2021

에너지전환 정책의 가속화로 변동성 재생에너지가 가파르게 증가하면서 계통수용비용이 빠르게 상승하고 있다. 변동성 재생에너지 증가는 기존 전통적 발전자원의 이용률을 하락시켜서 전력공급에 비효율성을 가중시키는데 이에 대한 해결책으로 수요자원이 주목받고 있다. 본 연구에서는 수요자원 중 큰 잠재력을 가지고 있는 전기차 수요가 재생발전에 대한 유연성 자원으로 활용될 경우 전력공급비용을 얼마나 경감시킬 수 있는지 9차 전력수급계획을 반영하여 분석하였다. 분석모형으로 재생발전의 확률적 특성을 사실적으로 반영할 수 있는 확률적 전력시스템 최적화 모형을 적용해서 재생에너지가 유발하는 비용과 전기차 수요자원의 편익을 분석하였다. 분석결과 계시별 요금제보다 가상발전소 기반의 직접제어방식이 편익이 더 높고, 발전구성에서 재생에너지의 비중이 높아질수록 편익이 더 높아지는 것으로 나타났다. 전기차 수요자원의 구현비용인 중개사업자 수수료와 배터리마모비용을 고려한 순편익 추정결과, 충방전이 가능한 가상발전소 방식의 경우 월평균 운행비용의 67~85% 수준으로 나타났다. 이러한 수요자원 순편익이 소비자에게 효과적으로 분배되는 요금체계가 적용될 경우 시장참여유인이 높을 것으로 추정된다.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.320-330
• /
• 2020

화재는 높은 비정형성으로 인해 딥러닝 모델을 이용한 영상인식 분야에서도 좋은 성능을 내기가 어려운 대상 중 하나이다. 특히 지하공동구 내 화재는 딥러닝 모델의 학습을 위한 화재 데이터 확보가 어렵고 열약한 영상 조건 및 화재로 오인할 수 있는 객체가 많아 화재 검출이 어렵고 성능이 낮다. 이러한 이유로 본 연구는 딥러닝 기반의 지하공동구 내 화재 탐지 모델을 제안하고, 제안된 모델의 성능을 평가하였다. 기존 합성곱 인공신경망에 GoogleNet의 Inception block과 ResNet의 skip connection을 조합하여 어두운 환경에서 발생되는 화재 탐지를 위한 모델 구조를 제안하였으며, 제안된 모델을 효과적으로 학습시키기 위한 방법도 함께 제시하였다. 제안된 방법의 효과를 평가하기 위해 학습 후 모델을 지하공동구 및 유사환경 조건의 화재 문제와 화재로 오인할 수 있는 객체를 포함한 이미지에 적용해 결과를 분석하였다. 또한 기존 딥러닝 기반 화재 탐지 모델의 정밀도, 검출률 지표와 비교함으로써 모델의 화재 탐지 성능을 정량적으로 평가하였다. 제안된 모델의 결과는 어두운 환경에서 발생되는 화재 문제에 대해 높은 정밀도와 검출률을 나타내었으며, 유사 화재 객체에 대해 낮은 오탐 및 미탐 성능을 가지고 있음을 보여주었다.

• 자원리싸이클링
• /
• 제31권4호
• /
• pp.12-18
• /
• 2022

우리나라는 철광석, 석탄 등 철강 산업에 사용되는 원료를 수입에 크게 의존하고 있다. 이러한 원자재는 글로벌 철강산업의 원가, 생산성, 품질경쟁력에 큰 영향을 미친다. 따라서 철강사의 경쟁력을 확보하기 위해서는 원자재의 수입 의존도를 줄이는 것이 필요하며, 원료 의존도를 낮추기 위해서는 Fe를 함유한 부산물을 활용하는 것이 좋은 방법이 될 수 있다. Fe 함유 부산물은 주로 철강 산업에서 발생하며 Fe 함량이 높으나(40~70%) 매우 미세한 분말 형태를 가지고 있다. 이러한 미세한 분말을 플랜트 공정에 직접 사용할 경우 부산물이 비산되어 조업과 환경에 나쁜 영향을 미칠 수 있다. 따라서 Fe 함유 부산물을 광범위하게 사용하기 위해서는 보다 큰 형태로 전처리할 필요가 있다. 이를 위해 펠렛 및 브리켓과 같은 더 큰 모양을 만들어 사용하는 것이다. 브리켓을 만드는 방법은 대표적으로 두 가지 방법이 있다. 첫번째는 열과 압력을 가하여 핫브리켓을 제조하는 방법이고, 두번째는 열을 사용하지 않고 소량의 바인더와 압력을 가해 냉간 브리켓을 제조하는 방법이다. 본 연구에서는 Fe 함유 부산물을 이용하여 고강도 냉간 브리켓을 가장 효율적으로 제조하기 위한 방법을 연구하였고, 다양한 조건에서 성형율과 브리켓 강도를 조사하여 최적의 제조 조건을 도출하였다.