• 방사성폐기물학회지
• /
• 제14권3호
• /
• pp.297-305
• /
• 2016

본 연구에서는 방사성폐기물 처분장이 건설 운영되고, 폐쇄 후 제도적 관리기간이 끝나게 되어 그 곳에 처분장이 존재한다는 사실과 위해(hazard)의 정도가 잊혀 지면서 무의식적인(inadvertent) 처분장 인간침입이 일어날 경우 이를 어떻게 평가할 것인지에 대해 기술하였다. 처분장 인간침입을 평가하기 위한 전제조건을 국내 또는 국제적으로 권고한 사항에 근거하여 설정하고 처분장 인간침입 평가방법론에 대해 기술하였다. 처분장 인간침입 평가 방법론에서는 사회적요인, 인간침입 시나리오, 방지대책 도출시 상호 관계에 대해 언급하였으며, 시나리오 도출절차에 대해서도 언급하였다. 인간침입 방지대책을 도출하기 위한 절차를 네 단계로 구분하여, 기본 정보를 도출하는 방법, 일반방지대책을 도출하는 방법, 후보방지대책을 도출하는 방법, 정형화된 시나리오를 고려하여 최종적으로 인간침입 방지대책을 도출하는 방법 등에 대해 체계적으로 기술하였다. 본 연구에서 도출된 인간침입 평가 방법론은 향후 인간침입의 가능성을 감소시키고 인간침입 발생 시 위해를 줄이기 위한 방지대책 마련 시 유용하게 활용될 것으로 판단된다.

• 자원리싸이클링
• /
• 제7권3호
• /
• pp.3-10
• /
• 1998

모의폐액으로 제조한 50ppm의 코발트이온을 Fe(III) 및 Al(III)의 응집제와 sodium lauryl sulfate의 계면활성제를 사용하여 흡착 교질 포말부선법으로 제거하였다. 용액의 pH, 계면활성제 농도, Fe(III) 및 Al(III) 농도, 공급기체의 유속 등을 변수로 하여 실험한 결과, Fe(III)를 응집제로 사용한 경우 초기 코발트이온농도 50ppm, pH 8.5, 공급기체유속 $70mell$/min, 제거시간 15분 등의 조건에서 99.8%의 제거율을 나타내었다. 코발트 이온 제거에 앞서 모의폐액에 35% $H_2O_2$를 첨가하여 폐액을 전처리하였다. 그 결과, 최적 pH 및 처리 후 잔존용액의 pH가 낮아졌고, 넓은 범위의 pH에서 높은 제거율을 나타내었다. Fe(III) 50 ppm을 사용하여 코발트이온과 공침시킨 후 20ppm의 Al(III)를 첨가한 결과, Fe(III) 또는 Al(III)를 각각 단독으로 사용하였던 경우에 비하여 제거 가능한 pH 범위가 더욱 더 확대되었다. 이 현상은 zeta potential 의 증가 및 공침효과의 상승요인으로 추측되었다. $NO_3^-$, $SO_4^{2-}$, $Na^+$, $Ca^{2+}$를 첨가하여 외부이온의 영향을 관찰하였으며, $SO_4^{2-}$가 0.1M 함유된 코발트용액을 Fe(III) 및 Al(III)를 사용하여 처리한 결과 제거효율은 99%를 나타내었다.

• 자원리싸이클링
• /
• 제7권3호
• /
• pp.11-16
• /
• 1998

모의폐액으로 제조한 50ppm의 코발트이온을 sodium lauryl sulfate 계면활성제를 사용하여 침전 포말부선법으로 제거하였다. 부선법으로 코발트이온을 제거하기 전에 35% $H_2O_2$를 모의폐액에 첨가하여 폐액의 전처리 과정을 도입하였다. 그 겨로가 최적 pH 및 처리후 잔존용액의 pH가 낮아졌고, 넓은 범위의 pH에서 높은 제거율을 나타내었다. 초기 코발트 이온농도, pH, 계면활성제 농도, 부선시간, 공급기체 유속, 외부이온 농도 등을 변수라하여 실험한 결과, 초기 코발트 이온농도 50ppm, pH 9.5, 공급기체 유속 $70m\ell$/min, 부선시간 30분 등의 조건에서 99.8%의 제거율을 나타내었다. 침전물과 계면활성제의 흡착은 zeta potential 뿐만 아니라 침전물의 용해도 및 pH에 따라 변화하는 화학종과의 친화력과도 관계가 되는 것으로 추측되었다. 외부이온으로서 ${NO}_{3}^{-}$, ${SO}_{4}^{2-}$, ${Na}^{+}$, ${Ca}^{2+}$를 첨가하여 그 영향을 관찰하였으며, $SO_4^{2-}$가 0.1M 함유된 cobalt 용액을 침전 포말부선법으로 처리한 결과 zeta potential의 감소 및 침전방해 등의 이유로 제거효율은 90%를 나타내었다.

• 터널과지하공간
• /
• 제30권6호
• /
• pp.509-518
• /
• 2020

본 연구에서는 실제 지질구조를 반영한 실규모 수치해석을 효율적으로 수행하고자 탐사 자료를 바탕으로 한 메쉬 생성, 해석수행, 결과분석을 위한 후처리의 일련의 과정을 포함한 해석 플랫폼을 구축하였다. 해석 플랫폼 구축을 위하여 연구자의 필요에 따른 코드 수정 및 다양한 수치해석 프로그램과 호환이 가능할 수 있도록 소스코드가 공개되어 있는오픈소스 프로그램을 활용하였다. 먼저 드론을 활용하여 촬영한 탐사 정보를 바탕으로 3차원 모델을 획득한 후, 오픈소스 3차원 창작 소프트웨어인 Blender를 활용하여 도메인의 메쉬 밀도를 해석 가능한 수준으로 조정하였다. 다음 단계로는 유한요소 메쉬 생성 프로그램인 Gmsh를 활용하여 도메인 내부에 사면체 기반의 메쉬를 생성하여 3차원 모델을 생성하였다. Gmsh를 통해 획득된 메쉬 정보를 수치해석 프로그램에 활용하기 위해서 메쉬 생성 규약에 적합하도록 변환하는 과정이 필요하며, 이는 Python을 통해 코드를 작성하여 수행하였다. 안정성 해석이 완료된 뒤에는 자료의 후처리 작업을 위해 시각화 및 데이터 분석 프로그램인 ParaView를 활용하여 다양한 시각화 자료를 생성하였다. 구성된 플랫폼의 활용성을 확인하기 위해 드론 탐사자료를 바탕으로 생성한 실규모 독도 모델을 대상으로 예비 안정성 분석을 성공적으로 수행하였으며, 예비해석을 통해 구축된 해석플랫폼이 향후 다양한 해석 과정에 활용될 수 있음을 확인하였다.

• 지질공학
• /
• 제33권2호
• /
• pp.323-334
• /
• 2023

고준위방사성폐기물 처분을 위한 다양한 조사와 연구를 진행하는 과정에서 막대한 양의 자료가 생산되며 이를 관리하기 위한 자료 관리가 필요하다. 스웨덴의 SKB는 SICADA를 구축하여 부지선정, 평가, 해석, 분석 및 모델링에 활용할 수 있게 하였고, 독일의 BGE는 부지선정법에 따라 자료를 관리하기 위해 데이터베이스 및 문서 관리시스템 ArbeitsDB와 자료시스템 ELO를 구축하였다. 영국의 NWS는 DMS를 구축하여 연구, 조사 자료를 관리할 수 있도록 하였다. 미국의 DOE와 OCRWM은 부지특성화 조사를 진행하면서 자료 관리 및 이후의 인허가 절차를 위하여 TDMS를 구축하였다. 해외사례 조사, 분석을 통해 자료의 품질관리와 자료 활용의 확장성이 자료 관리에 있어 중요한 부분임을 확인할 수 있다. 향후 우리나라도 장기적인 관점에서 자료의 품질관리와 확장성을 고려한 자료 관리 개념을 확립하고 그에 맞춘 자료 관리 시스템 및 체계를 구축해야 할 것이다.

• 지질공학
• /
• 제33권2호
• /
• pp.335-353
• /
• 2023

본 논문은 고준위방사성폐기물 처분시설 부지선정 과정의 해외사례를 알아보고, 각 나라별 부지선정 과정 각 단계에서 고려되는 항목을 알아보는 데 중점을 두었다. 부지선정 과정은 지역 주민들의 의견이 반영되는 시기와 각 나라별 지질학적 상황에 따라 선별기준이 서로 다르다. 처분 선도국의 경우 부지를 선정하는 방식을 크게 세 가지로 나누어 볼 수 있는데, 첫 번째는 정부 주도의 부지선정 후 주민동의를 통해 부지를 선정하는 방식이고, 두 번째는 기존 조사자료를 바탕으로 배제지역을 제외한 후 지역사회와의 지속적인 소통을 통해 부지를 선정하는 방식이고, 세 번째는 자발적 참여 의사를 밝힌 지역사회를 대상으로 부지선정을 하는 방식이다. 첫 번째 방식에 해당하는 미국의 경우 총 6단계의 부지선정 단계를 통해 네바다주의 Yucca Mountain을 최종 처분부지로 선정하였으나 주지사와 환경단체의 반대로 중단된 상태이다. 두 번째 방식에 해당하는 스웨덴, 스위스, 독일의 경우 총 3단계의 부지선정 단계를 통해 부지를 선정한다. 스웨덴과 스위스는 부지선정을 완료했으며 독일은 현재 3단계 중 1단계의 Step 2를 진행 중이다. 세 번째 방식에 해당하는 영국의 경우 총 6단계의 부지선정 단계를 계획하여 선정 과정을 진행하다가 지역사회의 참여저조로 중단되었으며, 그 이후 지역사회와 협력하기 위한 프로세스를 추진 중이다. 우리나라의 경우에는 2030년부터 원전 내 사용후핵연료 임시 저장시설이 포화 되기 시작하므로 부지선정 추진이 필요하다. 법과 제도를 확정하는 것을 우선으로 하여, 부지선정을 추진하고 이 과정에서 투명한 절차로 과학적 근거에 기반하여 지역사회와의 지속적인 소통을 통해 부지선정을 추진해 나가야 할 것이다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.445-471
• /
• 2023

수만년 이상의 기간동안의 장기 안전성을 확보하는 것이 처분장 건설에서의 최우선 조건이나, 건설 및 운영중 대심도 지하 사용후핵연료 처분장의 역학적 안정성 확보 역시 안전한 터널 공사 및 운영을 위해 필수적인 요소이다. 처분장의 장기 안전성에 중요한 요소인 벤트나이트 충전재 및 완충재의 차폐 성능을 저감시킬 가능성이 있는 숏크리트, 콘크리트, 그라우팅 등의 터널 지보공 및 차수공을 금지 내지는 제한하는 조건은 암반공학자 및 터널 기술자에게 매우 도전적인 과제로 판단된다. 본 연구에서는 처분장 부지 선정과정에서 올바른 처분장의 선정에 도움이 될 수 있는 대심도에 건설할 것으로 예상되는 처분장의 터널 네트워크, 처분 터널 및 처분공의 역학적 안정성을 확보하기 위한 제반 조건의 광범위한 탐색의 일환으로 지하 500 m 심도의 처분장을 무지보 상태로 건설할 경우 2차원 및 3차원 수치해석 검토를 통해 안정성의 확보 가능한 물성 범위를 탐색하고자 하였다. 예비 연구결과 처분장의 중앙터널과 처분터널 안정성 확보 가능 암반물성의 범위를 파악하였으며, 3차원 해석을 통해 수직구 주변 터널 네트워크의 안정성을 확인하여 처분장 건설을 위한 기초적인 암반 조건이 파악된 것으로 판단된다.

• 방사선산업학회지
• /
• 제17권1호
• /
• pp.19-32
• /
• 2023

The amount of radioactive waste is expected to dramatically increase with decommissioning of nuclear power plants such as Kori-1, the first nuclear power plant in South Korea. Accurate nuclide analysis is necessary to manage the radioactive wastes safely, but research on verification of radionuclide analysis has yet to be well established. This study aimed to develop the technology that can verify the results of radionuclide analysis based on artificial intelligence. In this study, we propose an anomaly detection algorithm for inspecting the analysis error of radionuclide. We used the data from 'Updated Scaling Factors in Low-Level Radwaste' (NP-5077) published by EPRI (Electric Power Research Institute), and resampling was performed using SMOTE (Synthetic Minority Oversampling Technique) algorithm to augment data. 149,676 augmented data with SMOTE algorithm was used to train the artificial neural networks (classification and anomaly detection networks). 324 NP-5077 report data verified the performance of networks. The anomaly detection algorithm of radionuclide analysis was divided into two modules that detect a case where radioactive waste was incorrectly classified or discriminate an abnormal data such as loss of data or incorrectly written data. The classification network was constructed using the fully connected layer, and the anomaly detection network was composed of the encoder and decoder. The latter was operated by loading the latent vector from the end layer of the classification network. This study conducted exploratory data analysis (i.e., statistics, histogram, correlation, covariance, PCA, k-mean clustering, DBSCAN). As a result of analyzing the data, it is complicated to distinguish the type of radioactive waste because data distribution overlapped each other. In spite of these complexities, our algorithm based on deep learning can distinguish abnormal data from normal data. Radionuclide analysis was verified using our anomaly detection algorithm, and meaningful results were obtained.