• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.312-326
• /
• 2020

KMAPP은 규모상세화 과정을 통해 100 m 단위의 초고해상도 기상 예측을 산출하는 체계로써 최근 수문, 농업, 신재생에너지 등 다양한 분야에서 활용되기 시작됨에 따라 각 분야별로 예측성능을 검증할 필요가 있다. 철원 지역과 전북 지역은 산지가 많은 우리나라에서 비교적 넓은 범위에 걸쳐서 수평면을 보유하고 있으며, 특히 철원은 대규모 벼 논 재배지역 중에서 실측 및 원격탐사 생물계절 자료가 많은 지역으로 KMAPP 예측 성능을 검증하는데 필요한 관측자료를 사용하기에 적절한 지점으로 판단된다. 이번 연구에서는 철원 내 농경지역의 생태적 변화에 따라 변화하는 KMAPP 기온 예측 성능을 AWS와 ASOS 관측자료를 이용하여 비교 검증하였다. 그리고 전북지역 폭염 기간 동안 가축 고온스트레스 모델과 같은 응용모델에 KMAPP 예측 자료를 입력자료로 활용하는 것을 검토하고자 일사량 예측을 ASOS 자료를 이용하여 검증하였다. 더 많은 사례의 수집과 선정이 필요하다는 한계가 있지만 농경지역에서 추수 후 기온 예측 성능이 일반 주택지 에서보다 더 크게 향상된 것을 통해 생물리적 효과가 예측 정확도에 미치는 영향을 간접적으로 추측해 볼 수 있었다. 한편, 일사량 예측의 경우 단위 변환에 따른 오차가 발생하지만 관측값과 일치하는 경향을 보여 KMAPP 자료가 지역규모의 상세 예측 자료로 응용모델에 활용될 수 있을 것으로 기대된다.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2011년도 춘계학술대회 초록집
• /
• pp.69-69
• /
• 2011

태양열 발전 플랜트에 사용되는 중고온 범위의 축열조에 고체-액체간 상변화를 수행하는 용융염을 축열물질로 사용하면 액체상 또는 고체상만으로 된 열저장 매체에 비해 축열조의 규모를 축소함과 동시에 축열온도의 균일성 향상에 기여할 수 있다. 중온인 $250{\sim}400^{\circ}C$ 범위에서 이용 가능한 용융염으로는 질산칼륨($KNO_3$), 질산리튬($LiNO_3$)등이 있다. 그러나 이러한 용융염의 가장 큰 단점은 열전도율이 매우 낮다는 것이며, 이로 인해 요구되는 열전달률을 성취하기 위해서는 많은 열접촉면적이 필요하다는 것이다. 이러한 단점을 극복하는 방법을 도입하지 않고서는 축열시스템의 소규화를 성취하는데 큰 효과를 가져올 수 없다. 한편 열수송 성능이 탁월한 히트파이프를 사용하면 열원 및 열침과 축열물질 사이의 열전달 효율을 증가시켜 시스템의 성능 향상과 동시에 소규모화에 기여할 수 있다. 중온 범위 히트파이프의 작동유체로서 다우섬-A(Dowtherm-A)는 $150^{\circ}C$이상 $400^{\circ}C$까지의 범위에서 소수에 불과한 선택적 대안 중 하나이다. 따라서 본 연구에서는 용융염을 사용하는 중온 태양열축열조에 적용 가능한 다우섬-A 히트파이프의 성능을 파악하여 기술적 자료를 제시하고자 하였다. 열원으로는 고온 고압의 과열증기, 그리고 열침으로는 중온의 포화증기를 고려하였다. 용융염 축열조를 수직으로 관통하는 히트파이프는 하단부에서 열원 증기와 열교환 가능하며, 중앙부에서 축열물질과 열교환하고, 상단부에서는 중온 증기와 접촉할 수 있도록 배치하였다. 축열모드에서는 히트파이프의 하단부가 증발부로 작동하고, 중앙부가 응축부로 작동하여 용융염으로 열을 방출하면 용융염의 온도가 상승하고 용융점에 도달하면 액상으로의 상변화가 진행되면서 축열이 활성화된다. 축열모드에서 히트파이프의 상단부는 단열부로 작동한다. 방열과정에서는 히트파이프의 하단부가 단열된 상태이고, 중앙부는 용융염으로부터 열을 받아 증발부로 작동하며, 상단부는 중온 증기로 열을 방출하므로 응축부로 작동한다. 즉, 축열시스템의 작동모드에 따라 하나의 히트파이프에서 증발부, 응축부, 단열부의 위치가 변하게 된다. 특히, 히트파이프의 중앙 부분이 응축부에서 증발부로 전환될 때에도 작동이 보장되려면 내부 작동유체의 연속적인 재순환이 가능해야 하므로, 일반 히트파이프에서와는 달리 초기 작동액체의 충전량을 증발부 전체의 체적보다 더 많이 과충전해야 한다. 이러한 히트파이프의 성능 파악을 위한 실험에서 고려한 변수들은 열부하, 작동액체의 충전률, 작동온도 등이며, 열수송 성능의 지표로서는 유효열전도율과 열저항을 이용하였다. 중온범위에서 적정한 작동온도를 성취하기 위해 실험에서는 전압 조절기로 열부하를 조절하는 동시에 항온조로 응축부의 냉각수 입구 온도를 제어하였다. 하나의 히트파이프에 대해서 최대 1 kW까지의 열부하에서 냉각수 입구 온도를 $40^{\circ}C$에서 $80^{\circ}C$ 범위로 변화시키면 히트파이프 작동온도를 약 $250^{\circ}C$ 내외로 조절 가능하였다. 히트파이프 작동액체 충전률은 윅구조물의 공극 체적을 기준으로 372%에서 420%까지 변화 시켰다. 실험 결과를 토대로 열저항과 유효 열전도율을 각각 입력 열유속, 작동온도, 작동액체 충전률 등의 함수로 제시했다. 동일한 냉각수 온도에서는 충전률이 높을수록 히트파이프의 작동온도가 감소하였다. 열저항 값의 범위는 최소 $0.12^{\circ}C/W$에서 최대 $0.15^{\circ}C/W$까지로 나타났으며 유효 열전도율의 값은 최소 $7,703W/m{\cdot}K$에서 최대 $8,890W/m{\cdot}K$까지 변화했다. 최소 열저항은 충전률 420%인 경우에 나타났는데 이때의 작동온도는 약 $262^{\circ}C$이었다. 히트파이프의 작동한계로서 드라이아웃(dry-out)은 충전률 372%의 경우에 열부하 950 W에서 발생하였으나, 그 이상의 충전률에서는 열부하 1060 W까지 작동한계 발생이 관찰되지 않았다. 실험 결과 본 연구에서의 히트파이프는 중온 태양열 축열조에 적용되어 개당 약 1 kW의 열부하를 이송하면서 축열물질 및 축방열 대상 유동매체와 열교환을 하는데 사용하는데 충분할 것이라 판단된다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.