• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.460-460
• /
• 2018

댐 수문학적 안전성평가는 "시설물의 안전 및 유지관리에 관한 특별벌(이하 시특법)"에 따른 댐시설물의 정밀안전진단의 안전성평가 중 가장 중요한 평가 항목으로 댐 시설물을 평가 수행 시 주요한 평가 항목이다. 기존의 수문학적 안전성평가는 가능최대강수량 발생 시 댐의 월류 및 여유고 확보여부에 대한 평가 여부만 판단하고 있으나, 본 연구에서는 기후변화를 고려하는 장기적 관점의 추가 평가항목을 도출하고자 한다. 현재 가능최대강수량으로 event적 평가를 수행하는 수문학적 안전성 평가에서 기존평가항목 뿐만 아니라, 기후변화 장기적 관점의 추가적인 기후영향인자를 도출하고 이를 함께 적용할 수 있는 평가 체계를 구축하고자한다. 장기적 관점의 기후영향인자라 함은 기상청에서 제공하는 기후변화 시나리오 결과에서 30년동안 장기적인 관점에서 대상 댐의 운영에 부담을 야기할 것으로 판단되는 인자를 말하는 것이며, 이때 기후변화 시나리오의 일자료를 활용하여 기후인자의 장기적 변동성을 추정하고자 하며, 이때 활용한 지표로는 월최대강수량, 연강우강도 및 댐 상태에 영향을 미칠 수 있는 최소기온을 사용하였다. 기후변화 시나리오의 불확실성을 최소화하기 위하여 월최대 강수량값을 산출하였고, 1년 동안 발생한 강우의 일수 및 강수량에 대한 영향을 고려하기 위하여 연강우강도값을 산출하였다. 또한 댐의 월류 및 여유고 확보여부 평가 시 댐 상태에 대하여 고려하기 때문에 댐의 외부상태에 영향을 주는 최소기온을 활용하여 댐별 평가를 수행하였다. 이때 2011~2040년(S1), 2041년~2070년(S2), 2071년~2100년(S3)기간으로 나누어 장기간 기후에 대한 영향 평가를 수행하여 1종 댐 시설물의 기후영향인자 값을 도출하였다. 도출된 기후영향인자를 기존 수문학적 안전성평가 항목과 함께 평가 될 수 있도록 AHP분석기법을 활용하여 각 인자에 대한 가중치를 재산출하였고, 기후영향인자를 고려하는 수문학적 안전성평가 체계를 구축하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.224-224
• /
• 2011

5대 주요 수계의 소수력자원에 대하여 연구를 수행하였고, 하천의 유량지속특성을 예측할 수 있는 모델이 개발되었으며, 이를 이용하면 강우사상으로 야기되는 유입량의 변화에 대한 분석이 가능하다. 또한 소수력발전소의 성능을 예측할 수 있는 모델도 개발되었다. 안동댐에서 측정된 월유입량 자료를 분석하였으며,. 본 연구를 통해 개발된 모델을 이용하여 예측한 결과는 안동댐에서 오랜기간 동안 측정된 결과와 거의 일치되는 것으로 나타났다. 이는 개발된 모델들이 소수력발전입지의 이용가능한 잠재량과 기술적 잠재량을 예측하는데 효과적인 것으로 밝혀졌다. 본 모델들을 이용하여 수계별로 소수력발전입지에 대한 수문학적 성능을 분석하였다. 분석결과 소수력발전 입지의 수문학적 성능특성은 수계별로 차이가 있는 것으로 나타났다. 특히 북한강과 낙동강수계에 위치한 소수력발전입지의 비설계유량과 비출력량은 다른 수계들 보다 차이가 큰 것으로 나타났다. 그림 1은 수계별 비설계유량에 따른 비출력량의 변화를 나타낸다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.769-773
• /
• 2010

수계별 소수력자원의 특성에 대한 연구가 수행되었다. 이를 분석하기 위하여 유량지속특성을 예측할 수 있는 모델이 개발되었고, 이를 기반으로 하여 소수력발전소의 수문학적 성능특성을 예측할 수 있는 모델이 개발되었다. 개발된 모델의 효용성을 확인하기 위하여 안동댐에서 측정된 월유입량자료를 분석하였다. 안동댐에서의 장기유입량을 분석한 결과, 본 연구에서 개발된 예측모델로부터 획득한 결과가 실측자료와 잘 일치하였다. 본 연구에서 개발된 모델은 소수력발전지점의 수력가용량과 연간출력량을 예측하는데 유용하게 사용될 수 있다는 것이 밝혀졌다. 개발된 모델을 이용하여 주요 수계에 위치한 소수력발전입지의 수문학적 성능특성을 분석한 결과 수계별로 차이를 나타냈다. 특히 북한강수계와 낙동강수계에 위치한 소수력발전입지는 다른 수계에 위치한 소수력발전입지에 비하여 비설계유량과 비출력 등에 대한 수문학적 성능에 많은 차이를 나타냈다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1369-1372
• /
• 2008

소수력자원은 신재생에너지 중에서도 온실가스 배출량이 가장 적고 에너지밀도가 매우 높기 때문에 개발할 가치가 큰 청정부존자원으로 평가되고 있다. 강우상태의 변화는 Weibull분포의 축척모수와 형상모수를 인위적으로 변화시켜 소수력발전소의 설계인자들의 변화를 모사하였다. 분석 결과, 소수력발전입지의 수문학적 성능특성은 해당유역의 강우상태에 따라 변하는 것으로 밝혀졌다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.444-444
• /
• 2021

하천의 오염부하량 관리 계획은 지속적인 모니터링을 통한 자료 구축과 모형을 이용한 예측결과를 기반으로 수립된다. 하천의 모니터링과 예측 분석은 많은 예산과 인력 등이 필요하나, 정부의 담당 공무원 수는 극히 부족한 상황이 일반적이다. 이에 정부는 전문가에게 관련 용역을 의뢰하지만, 한국과 같이 지형이 복잡한 지역에서의 오염부하량 배출 특성은 각각 다르게 나타나기 때문에 많은 예산 소모가 발생 된다. 이를 개선하고자, 본 연구는 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 BOD 및 총인의 부하량 예측 모형을 개발하였다. 합성곱 신경망의 입력자료는 일반적으로 RGB (red, green, bule) 사진을 이용하는데, 이를 그래도 오염부하량 예측에 활용하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이에, 본 연구에서는 오염부하량이 수문학적 조건과 토지이용 등의 변수에 의해 결정된다는 인과관계를 만족시키고자 수문학적 속성이 내재된 수문학적 이미지를 합성곱 신경망의 훈련자료로 사용하였다. 수문학적 이미지는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는데, 여기서 각 grid의 수문학적 속성은 SCS 토양보존국(soil conservation service, SCS)에서 발표한 수문학적 토양피복형수 (curve number, CN)를 이용하여 산출한다. 합성곱 신경망의 구조는 2개의 Convolution Layer와 1개의 Pulling Layer가 5회 반복하는 구조로 설정하고, 1개의 Flatten Layer, 3개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 마지막으로 1개의 Dense Layer가 연결되는 구조로 설계하였다. 이와 함께, 각 층의 활성화 함수는 정규화 선형함수 (ReLu)로, 마지막 Dense Layer의 활성화 함수는 연속변수가 도출될 수 있도록 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 연구의 대상지역은 경기도 가평군 조종천 유역으로 선정하였고, 연구기간은 2010년 1월 1일부터 2019년 12월 31일까지로, 2010년부터 2016년까지의 자료는 모형의 학습에, 2017년부터 2019년까지의 자료는 모형의 성능평가에 활용하였다. 모형의 예측 성능은 모형효율계수 (NSE), 평균제곱근오차(RMSE) 및 평균절대백분율오차(MAPE)를 이용하여 평가하였다. 그 결과, BOD 부하량에 대한 NSE는 0.9, RMSE는 1031.1 kg/day, MAPE는 11.5%로 나타났으며, 총인 부하량에 대한 NSE는 0.9, RMSE는 53.6 kg/day, MAPE는 17.9%로 나타나 본 연구의 모형은 우수(good)한 것으로 판단하였다. 이에, 본 연구의 모형은 일반 ANN 모형을 이용한 선행연구와는 달리 2차원 공간정보를 반영하여 오염부하량 모의가 가능했으며, 제한적인 입력자료를 이용하여 간편한 모델링이 가능하다는 장점을 나타냈다. 이를 통해 정부의 물관리 정책을 위한 의사결정 및 부족한 물관리 분야의 행정력에 도움이 될 것으로 생각된다.

• Journal of Korea Water Resources Association
• /
• v.43 no.4
• /
• pp.393-398
• /
• 2010

The variation of inflow at stream and hydrologic performance for small scale hydro power (SSHP) plants due to variation of inflow have been studied. The model, which can predict flow duration characteristic of stream, was developed to analyze the variation of inflow caused from rainfall condition. And another model to predict hydrologic performance for SSHP plants is established. Monthly inflow data measured at Andong dam for 32 years were analyzed. The existing SSHP plant located in upstream of Andong dam was selected and analyzed hydrologic performance characteristics. The predicted results from the developed models in this study show that the data were in good agreement with measured results of long term inflow at Andong dam and the existing SSHP plant. Inflow and ideal hydro power potential had increased greatly in recent years, however, these did not lead annual energy production increment of existing SSHP plant. As a results, it was found that the models developed in this study can be used to predict the primary design specifications and inflow of SSHP plants effectively.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.388-388
• /
• 2019

하도 홍수추적의 방법은 크게 수리학적 방법과 수문학적 방법으로 구분할 수 있다. 수리학적 홍수추적 방법은 정확하지만 대량의 자료가 필요하고 시간이 오래 걸린다. 이와 반대로 수문학적 홍수추적 방법은 정확성은 떨어지지만 소량의 자료만 있으면 되고 시간이 적게 걸린다. 여러 수문학적 홍수추적에 관한 연구들이 있으며 대표적으로 Muskingum 방법이 있다. Muskingum 방법 중 Linear Muskingum Model(LMM)은 방정식의 구조적 한계 때문에 정확한 홍수추적이 어려웠고, 이를 개선하기위하여 Nonlinear Muskingum Model(NLMM), Nonlinear Muskingum Model Incorporation Lateral Flow(NLMM-L) 및 Advanced Nonlinear Muskingum Model Incorporating Lateral Flow(ANLMM-L)이 제안되었다. 본 연구는 수문학적 홍수추적 중 Muskingum 방법의 결과 차이가 어떤 요인으로 인해 발생하는지 검토하였다. 최적화 알고리즘으로 화음탐색법(Harmony Search, HS)을 사용하였으며 LMM, NLMM, NLMM-L 및 ANLMM-L의 매개변수를 산정하였다. 각 방법에 적용 시 HS의 매개변수에 변화를 주어 민감도 분석을 실시하였으며, 분석을 위한 홍수자료는 The Willson Flood data (1947)를 선택하였다. 오차비교방법은 Sum of Squares(SSQ), Root Mean Square Errors(RMSE), Nash-Sutcliffe Efficiency(NSE)를 비교하였다. 비교 결과 알고리즘의 성능에 의한 차이보다 홍수추적 방법의 차이가 더 영향이 큰 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.58-62
• /
• 2017

우리나라는 하상계수가 큰 하천의 특성 때문에 년 중 일정한 하천수위를 유지하기 어렵다. 더욱이 지류하천의 중 상류는 갈수기에는 건천화가 발생하곤 하며, 홍수기에는 빠른 유속으로 하류의 홍수위를 상승시키곤 한다. 따라서 지류하천 중 상류에는 수위조절 기능을 가지는 가동보를 설치하여 저류와 분배기능을 부여하고, 수재해 예방에 활용할 필요가 있다. 본 연구에서는 부력 승강식 가동보에 의한 수위자동조절 효과를 금강 지류인 치성천의 중 상류를 대상으로 수문학적 홍수추적 방법을 이용하여 분석하고, 성능구현을 위한 조건들을 검토하였다. 부력 승강식 가동보는 저류와 자동방류 기능으로 홍수기에는 하류의 홍수위 완화에 효과적이었으며, 다단으로 연속 배치할수록 효과는 향상되는 것으로 분석되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.63-63
• /
• 2022

기상 예보자료는 발생 가능한 재난의 예방 및 대비 차원에서 매우 중요한 자료로 활용되고 있다. 우리나라 기상청에서는 동네예보를 통해 5km 공간해상도의 1시간 간격 초단기예보와, 6시간 간격 정량강우예보(Quantitative Precipitation Forecast, QPF)의 단기예보 정보를 제공하고 있다. 그러나 이와 같은 예보자료는 강우량의 시·공간변화가 큰 집중호우와 같은 기상자료를 활용한 수문학적인 해석에는 한계가 있다. 예보자료를 수문학에 활용하기 위한 시·공간적 해상도 개선뿐만 아니라 방대한 기상 및 기후 자료의 예측성능을 개선하기 위한 다양한 연구가 진행되고 있다. 본 연구에서는 기상청이 제공하는 지역 앙상블 예측 시스템(Local ENsemble prediction System, LENS)와 종관기상관측시스템(ASOS) 및 방재기상관측시스템(AWS) 관측 데이터 및 동네예보에 기계학습 방법을 적용하여 수문학적 정량적 강수량 예측(Hydrological Quantitative Precipitation Forecast, HQPF) 정보를 생산하였다. 전처리 과정을 통해 모든 데이터의 시간해상도와 공간해상도를 동일한 해상도로 변환하였으며, 예측 변수의 인자 분석을 통해 기계학습의 예측 변수를 도출하였다. 기계학습 방법으로는 처리속도와 확장성을 고려하여 XGBoost(eXtreme Gradient Boosting) 방식을 적용하였으며, 집중호우에서의 예측정확도를 높이기 위해 확률매칭(PM) 방식을 적용하였다. 생산된 HQPF의 성능을 평가하기 위해 2020년에 발생한 14건의 호우 사상을 대상으로 태풍형과 비태풍형으로 구분하여 검증을 수행하였다.