• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.318-318
• /
• 2021

2020년 한강 유역의 홍수기(7월 ~ 9월) 3개월 강수량은 1,110.9mm에 달하며 평년대비 131.7%의 상당히 많은 강수량이 관측되었다. 특히 8월은 평년대비 215.2% 강수량을 보이며 큰 홍수사상이 발생하였다.(출처 한강홍수통제소 월간수자원현황및전망) 본 연구에서는 2020년 홍수기 한강 유역 주요 댐의 유입량과 유출량을 분석하였다. 유출입량 산정은 실측자료와 댐 방류량자료를 이용하였다. 산정 결과 달천 괴산댐의 경우 2020년 7월 ~ 2020년 9월, 3개월 동안 유입량(후영교)은 약 5.15억m³이었으며 이 기간의 유출량(댐 방류량)은 약 5.24억m³으로 조사되었다. 같은 기간의 북한강 유역 화천댐 유입량은 산정이 불가능 하였으며 유출량(댐 방류량)은 약 22.24억m³, 춘천댐 유입량(화천댐 방류량 + 용신교 + 오탄교)은 26.86억m³, 유출량(춘천댐 방류량)은 33.60억m³, 의암댐 유입량(춘천댐 방류량 + 소양강댐 방류량)은 55.39억m³, 유출량(의암댐 방류량)은 64.69m³, 청평댐 유입량(의암댐 방류량 + 한덕교 + 목동교)은 78.29억m³, 유출량(청평댐 방류량)은 75.86억m³으로 나타났다. 같은 기간 댐 저류 변화량은 괴산댐 0.002억m³, 춘천댐 0.07억m³, 의암댐 0.15억m³, 청평댐 0.02억m³으로 큰 변화가 없는 것으로 나타났다. 기본적으로 댐 유출량과 유입량의 차는 저류량(저류변화량)과 같아야 한다. 2020년 홍수기(7월~9월) 주요 댐의 유입량, 유출량, 저류량을 검토한 결과 다소 큰 차이를 보였다. 이는 실측 유량의 오차도 일부 있겠지만 댐 저수지 수위 계측의 불확실성, 여수로 방류량의 정확도, 저수지 증발량, 미계측유역의 유출 미고려 등에서 발생하는 오차도 있는 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.689-694
• /
• 2008

댐 유입량은 댐 운영의 필수 인자이기 때문에 매우 중요하고, 하천유량에 비해 신뢰도가 높은 것으로 평가되고 있기 때문에 수자원의 운영 뿐 아니라 계획에도 활용되고 있다. 그러나 계산된 유입량은 평갈수기에 진폭이 너무 크게 나타나고 심지어 음 유입량이 발생하는 등 개선이 요구돼 왔다. 본 연구에서는 시간간격을 10분, 30분, 1시간 등으로 하고, 수위와 방류량이 유입량에 직접 영향을 끼치고, 관측수위의 단위가 크고, 그 진폭이 자연현상과 거리가 있어, 수위 이동평균, 수위 보간, 방류량 이동평균 등의 조합에 따라 댐 유입량의 계산을 개선할 수 있는 방법을 제안하였고, 이를 쉽게 분석, 평가할 수 있도록 시스템으로 개발하였으며, 유역면적 $4,134km^2$인 대청댐과 유역면적 $108,335mi^2$인 미국의 Lake Powell의 사례에서 크게 개선된 결과를 보여주었다. 그러나 정확하게 측정된 댐 유입량 자료가 없기 때문에 개선된 계산 유입량이 참 값이다 주장할 수 없는 것이 본 연구의 한계이며, 연구결과의 신뢰를 높이기 위해 현재 정밀하게 측정된 댐 유입량 사례를 조사 중에 있다. 그림 1은 Lake Powell의 처리전의 댐 유입량 계산 예이고 그림 2는 처리후의 개선된 유입량이다. 그림에서 유입량이 크게 개선돼 계산된 것으로 나타나고 있으나 결과가 참값인지 아직 판단할 수 없다. 대청댐의 경우도 이와 비슷한 결과를 보여주었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.406-406
• /
• 2022

댐은 물을 담아두어 강수량에 따른 유량을 조절하거나, 하천의 물을 끌어와 사용할 수 있게 하는 역할 또는 모래, 자갈 등을 막아 걸러주는 역할 등을 수행한다. 우리나라의 경우 지역별, 계절별 강수량의 차이가 크며, 그로 인해 유량이 지역과 계절에 영향을 크게 받는다. 이런 변동성을 조절하기 위해 치수와 이수, 두 분야 모두에서 댐의 중요성이 크다. 이뿐만 아니라 기후변화로 인한 변동성의 극대화로 인해 그 중요성이 나날이 커지고 있다. 댐을 운영하기 위해서는 강수량에 따른 댐 유입량의 예측을 하여, 적절한 방류 시기 및 방류량을 결정하는 것이 가장 중요한 요소이다. 기후변화로 인한 변동성의 증대로 홍수와 가뭄과 같은 재해의 빈도와 심도가 커지면서 댐 유입량의 예측이 어려워지고 있다. 댐의 설계나 유지관리를 위해 홍수에 대해서는 많은 연구가 이루어졌던 것에 비해, 갈수기의 경우 물 부족으로 인해 유량이 적어져 댐 유입량에 대한 정확한 산정이 어려워 가뭄 시 댐 유입량에 관한 연구가 홍수 시에 비해 적게 연구된 것이 실정이다. 따라서 가뭄 시 댐 연구를 위해 갈수기의 댐 유입량에 대한 정확한 산정 및 예측의 필요성이 대두되고 있다. 이번 연구에서는 댐 주변의 지하수위와 하천수위의 관계성을 보이고 각각 다른 변량 간의 시간적 종속성을 고려하는 동시에 상호연관된 변량의 시간적 종속성을 동시에 고려한VARX(vector autoregressive-exogenous) 모델을 이용하여 정확한 댐의 유입량을 산정 및 예측하고 그에 대한 검증을 시행하여, 댐 분야에서 가뭄에 대비할 수 있는 근간을 마련하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.171-171
• /
• 2018

댐 유입량의 구성을 이해하는 것은 직접유출과 기저유출의 특성에 따라 수자원확보, 물 공급, 관개용수, 수력발전, 생태계 서식지, 친수활동 등 계절별 댐 운영을 효율적으로 수행하는데 기여할 수 있다. 또한, 댐은 대부분 유역 상류에 위치해 있어 댐 유입유량에 있어 다른 수리구조물에 의한 영향이 상대적으로 작기 때문에 앞에서 제시한 인위적 영향을 제외한 기저유출분리를 수행 할 수 있다. 이와 관련하여 본 연구의 목적은 1)댐 유입량에 대한 연별, 월별 기저유출을 분석하고; 2) 유역 상 하류에 위치한 댐의 유입량에 대하여 기저유출 기여도를 비교하는 것이다. 두 개의 연계 댐에 대하여 인위적 영향이 적은 상류에 위치한 댐이 하류에 위치한 댐보다 Baseflow Index가 더 작은 결과를 보여주었다. 상류 수자원시설부터 인위적 방류는 하류의 댐 유입량의 Baseflow Index를 과다산정의 원인이 될 수 있다는 것으로 나타났다. 본 연구의 결과는 댐 유입량의 특성을 월별 연별로 분석함으로써 댐의 역할과 기능을 확대하고 효율적 상 하류 댐 연계운영에 기여할 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.402-402
• /
• 2021

다목적댐의 유입량은 댐 저수지 관리 및 운영에 있어 중요한 고려사항으로, 정확한 유입량을 사용하는 것이 필수적이다. 댐 저수지 유입량은 유역의 물수지분석, 홍수조절 의사결정 등 이·치수적 측면에서 활용도가 높으며, 특히 기후변화로 인한 홍수나 가뭄의 발생이 빈번해진 최근의 상황에서 위기경보 운영 등 재난관리 측면에서도 그 중요성이 높아지고 있다. 현재 우리나라에서는 댐 저수지 유입량 산정에 방류량과 저수지 수위를 활용한 물수지방정식에 의한 방법을 공식적으로 활용하고 있다. 그러나 물수지방정식을 이용하여 계산된 유입량은 평수기와 갈수기 오차가 크고 음의 유입량 값이 발생하는 등 지속적인 개선의 필요성이 제기되었다. 이를 보완하기 위해 댐 저수지 직상류부 하천의 수위 측정치로부터 수위-유량곡선을 통해 유량을 산출하고, 그 값을 활용하여 댐 방류량을 추정하는 방법이 제시되었다. 그러나 직상류부 수위 측정이 불가능한 저수지에는 활용이 어렵기 때문에 다양한 지점에 적용할 수 없다는 한계가 있다. 본 연구에서는 기존 댐 저수지 유입량 산정방식의 한계를 보완하기 위해 수위계측이 어려운 지점에서도 유량 계산이 가능한 분포형 강우-유출모형 GRM(Grid based Rainfall-runoff model)을 연구에 활용하였다. 한강권역 내 K-water 운영 다목적댐인 소양강댐, 횡성댐, 충주댐 직상류부 유량과 분포형 강우-유출모형으로 계산된 유량을 비교하여 모의 유량자료의 활용성을 검토하였다. 다음으로 댐 유입지점-상류 관측지점 간 유량의 상관관계를 분석하였으며, 이를 통해 상류 하천에 흐르는 유량으로부터 댐 유입량을 계산할 수 있는 관계곡선식을 도출하였다. 본 연구에서 제시한 댐 유입량 산정방식은 관측지점의 다양성과 결과의 정확도를 향상시킬 수 있다는 측면에서 기존 방식 개선에 활용할 수 있을 것으로 기대된다. 또한 분석 절차의 표준화나 결과에 대한 다양한 검증이 이루어진다면, 홍수 및 가뭄의 위기경보 발령에 대한 참고자료로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.266-266
• /
• 2022

효율적인 댐 운영은 정확한 수문자료가 필수이다. 많은 댐 운영자들은 실측자료, 수문모형 등을 이용하여 정확한 유입량과 유출량을 산정하지만 댐 저수용량은 상대적으로 정확하게 계산하지 않는 측면이 있다. 하지만 발전용수, 농업용수, 생활용수 등 실질적으로 이용되는 물은 댐저수지의 물이며 이를 정확하게 산정하는 것은 효율적인 댐 운영에 있어서 대단히 중요하다. 국내 대부분의 댐은 시간에 따른 수위 변화량을 이용하여 저수량을 산정하고 있으며 이는 실질적인 저수용량을 파악하기에 다소 어려움이 따른다. 더군다나 우리나라 댐 저수지는 대부분 저수지 내에 한 개의 수위를 관측하여 저수용량을 산정하고 있으며 이는 수km에서 수십km에 이르는 저수지 크기를 고려하면 큰 오차가 발생할 수도 있다. 본 연구에서는 북한강 유역의 화천댐, 춘천댐, 의암댐, 청평댐과 달천 괴산댐에서 실측유입량에 따른 댐 저수위 반응을 살펴보고 저수용량을 정확하게 산정하는 방안을 모색하고자 하였다. 각 댐별로 저수위 0.01m 변화에 따른 저수용량 변화를 검토하였으며 갈수기라고 할 수 있는 11월과 홍수기에 해당하는 7월의 실측 유입량에 따른 댐 저수용량 변화를 검토하였다. 이를 기존의 방법인 저수위 변화로 계산된 유입량과 실측자료에 산정된 유입량을 비교하여 그 차이를 확인하였다. 실측자료와 저수위 변화를 이용한 유입량을 비교·검토한 결과 차이를 보였으며 실측유입량이 저수지 수위를 0.01m 변화시키기 위해서는 최소 30분에서 최대 120분 가량 소요되는 것으로 나타났다. 즉 유입되는 물에 비해 저수위 변화는 미미하여 현재의 계측 시스템으로는 저수량을 실시간으로 산정하기에 무리가 있다. 결국 실시간으로 댐 저수량 변화를 모니터링하기 위해서는 저수위 계측 분해능을 현 0.01m에서 0.001m로 향상시키고, 저수지 구간을 설정하여 구간별로 수위를 계측하고 저수량을 산정하는 방안이 필요한 것으로 생각된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.37-37
• /
• 2016

기후변화는 댐유입량의 시공간적 변화를 야기할 것으로 전망된다. 따라서 기후변화에 따른 댐 유입량의 영향을 정량적으로 평가하고 그에 적응할 수 있는 댐 운영 방안이 필요하지만 영향평가 시 많은 불확실성이 발생하기 때문에 불확실성을 정량적으로 평가할 수 있는 기술 개발이 요구된다. 본 연구에서는 기후변화에 따른 댐 유입량 전망 시 발생하는 불확실성을 평가 단계별로 분해할 수 있는 기법을 이용하여 계절별 댐 유입량 전망 결과의 불확실성을 평가하였다. 이를 위해 현재 국내에서 가용한 CORDEX East Asia에서 제공하고 있는 5개 RCM 결과를 이용하였으며, 5가지 통계적 후처리기법, 2가지 수문모형을 이용하였다. 대상지역은 충주댐 유역으로 선정하였으며, 계절 댐 유입량에 대한 과거기간 대비 미래기간의 전망 결과에 대해 분석하였다. 평가결과, 겨울철을 제외한 모든 계절에서 RCM이 29.3~68.9%로 가장 큰 비중을 차지하는 것으로 나타났으며, 겨울철은 수문모형이 46.5%를 차지하는 것으로 나타났다. 이는 홍수기의 댐 유입량은 강수량에 직접적인 영향을 받으나 이수기에는 강수량 이외에 그 당시의 토양상태, 기후환경 등의 영향에 따른 수문순환 전반적인 영향이 물가용성에 영향을 미친다. 따라서 이수기는 수문모형에 더욱 영향이 큰 것으로 나타났으며, 홍수기는 기후 모델링 부분의 영향이 큰 것으로 사료된다. 이러한 분석을 통해 특정 RCM이나 통계적 후처리기법, 수문모형 등의 선정에 따라 전체 불확실성에 미치는 영향을 분석할 수 있으며, 이를 통해 불확실성을 저감할 수 있는 방안을 마련할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.319-319
• /
• 2020

최근 데이터 과학의 획기적인 발전 덕분에 딥러닝 (Deep Learning) 알고리즘이 개발되어 다양한 분야에 널리 적용되고 있다. 본 연구에서는 인공신경망 중 하나인 LSTM(Long-Short Term Memory) 네트워크를 사용하여 댐 유입량을 예측하였다. 구체적인 내용으로, (1) LSTM에 필요한 입력 데이터를 효율적으로 사전 처리하는 방법, (2) LSTM의 하이퍼 매개변수를 결정하는 방법 및 (3) 다양한 손실 함수(Loss function)를 선택하고 그 영향을 평가하는 방법 등을 다루었다. 제안된 LSTM 모델은 강우량(R), 댐유입량(Q) 기온(T), 기저유량(BF) 등을 포함한 다양한 입력 변수들의 함수로 가정하였으며, CCF(Cross Correlations), ACF(Autocorrelations) 및 PACF(Partial Autocorrelations) 등의 기법을 사용하여 입력 변수를 결정하였다. 다양한 sequence length를 갖는 (즉 t, t-1, … t-n의 시간 지연을 갖는) 입력 변수를 적용하여 데이터 학습에 최적의 시퀀스 길이를 결정하였다. LSTM 네트워크 모델을 적용하여 2014년부터 2020년까지 한강 유역 9개의 댐 유입량을 추정하였다. 본 연구로부터 댐 유입량을 예측하는 것은 홍수 및 가뭄 통제를 위한 필수 요건들 중 하나이며 수자원 계획 및 관리에 도움이 될 것이다.