• 터널과지하공간
• /
• 제19권3호
• /
• pp.203-212
• /
• 2009

지하고준위 방사성폐기물 처분장 근계영역에서의 거동을 예측하는 것은 처분장 설계나 안전성 평가에 중요하다. 본 연구에서는 3차원 유한차분 코드를 이용하여 처분장 설계인자 및 재료물성으로 구성되는 7가지 인자에 대한 민감도 분석을 실시하였다. 민감도 분석 결과 처분공 간격, 터널 간격, 냉각시간과 암반의 열전도도가 다른 인자에 비해 영향이 큰 것으로 나타났다. 처분장 주변의 암반과 완충재 온도의 통계적인 분포를 구하기 위해 backpropagation 인공신경망 기법이 적용되었다. 학습된 인공신경망의 적합성을 평가하기 위해 무작위로 선정된 입력 인자에 대한 예측이 실시되었다. 인자 값의 변화가 ${\pm}10%$ 인 경우, 신경망은 1% 오차로 신뢰할 수 있는 예측 결과를 보임을 알 수 있었다. 이렇게 학습된 신경망은 다양한 경우에 대한 신속한 온도 예측에 활용할 수 있었다. 완충재와 암반의 온도는 각각 평균 $98^{\circ}C$, $83.9^{\circ}C$ 표준편차는 $3.82^{\circ}C$ 와 $3.67^{\circ}C$로 나타났다. 인공신경망을 이용함으로써 암반과 완충재 온도를 $1^{\circ}C$ 변화시키기 위해 필요한 설계 인자의 조정 범위를 추정할 수 있었다.

• Geomechanics and Engineering
• /
• 제16권4호
• /
• pp.363-373
• /
• 2018

The evaluation of Thermo-Hydro-Mechanical (THM) coupling behavior is important for the development of underground space for various purposes. For a high-level radioactive waste repository excavated in a deep underground rock mass, the accurate prediction of the complex THM behavior is essential for the long-term safety and stability assessment. In order to develop reliable THM analysis techniques effectively, an international cooperation project, Development of Coupled models and their Validation against Experiments (DECOVALEX), was carried out. In DECOVALEX-2015 Task B2, the in situ THM experiment that was conducted at Horonobe Underground Research Laboratory(URL) by Japan Atomic Energy Agency (JAEA), was modeled by the research teams from the participating countries. In this study, a THM coupling technique that combined TOUGH2 and FLAC3D was developed and applied to the THM analysis for the in situ experiment, in which rock, buffer, backfill, sand, and heater were installed. With the assistance of an artificial neural network, the boundary conditions for the experiment could be adequately implemented in the modeling. The thermal, hydraulic, and mechanical results from the modeling were compared with the measurements from the in situ THM experiment. The predicted buffer temperature from the THM modelling was about $10^{\circ}C$ higher than measurement near by the overpack. At the other locations far from the overpack, modelling predicted slightly lower temperature than measurement. Even though the magnitude of pressure from the modeling was different from the measurements, the general trends of the variation with time were found to be similar.

• KIEAE Journal
• /
• 제14권4호
• /
• pp.119-125
• /
• 2014

This study investigated the effects of pipe network materials and distance on system performance utilizing unused energy sources in large-scale horticulture facility. For this, the modeling was performed with a 100 m long and 100 m wide rectangular shaped glass house having an area of 1ha ($10,000m^2$) using EnergyPlus software. The heat sources considered were air source, geothermal heat, power plant waste heat, sea water heat, and river water. The temperature variation of the fluid with regard to pipe material and distance from the heat source and the resultant heat pump electricity consumptions were calculated. It turned out that the fluid temperature reaching the heat pump increased as the distance from the heat source increased in case of sea water and river water, which have higher temperatures than the surrounding soil, improving the heat pump efficiency. It was vice versa in case of the power plant waste heat. In addition, pipe material of PVC showed the smallest effect on the system performance variation due to the lowest thermal conductivity, compared to PB and HDPE.

• 한국정보통신학회논문지
• /
• 제10권3호
• /
• pp.459-466
• /
• 2006

열성능 평가를 위한 수치해석에서는 온도, 압력, 건도, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 이러한 성질들을 포함하고 있는 증기표를 그대로 사용할 수 없기 때문에, 효과적으로 모델링하여야 한다. 이러한 관점에서 함수근사 특성을 가진 신경회로망을 하나의 대안으로 검토하였다. 신경 회로망은 포화증기 영역과 과열증기 영역에 대해서 따로 구성하였다. 포화증기 영역에 대해서는 하나의 입력으로 7개의 출력을 얻을 수 있도록 하였으며, 각각 10개와 20개의 노드를 가진 은닉층을 구성 하였다. 과열증기 영역에 대해서는 2개의 입력으로 3개의 출력을 얻을 수 있도록 하였으며, 각각 15개와 25개의 노드를 가진 은닉층을 구성하였다. 제안된 모델은 온도, 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}0.005%$, 압력이나 비체적의 백분율오차도 대부분 ${\pm}0.025%$ 범위 내로 수렴시킬 수 있었다. 이 성공적인 결과로부터 증기 표를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인할 수 있었다.

• Composites Research
• /
• 제28권2호
• /
• pp.70-74
• /
• 2015

본 논문에서는 탄소나노튜브(CNT)와 마이크로 글래스 버블(GB)을 포함한 폴리아마이드 6(PA6) 복합재의 열전 특성을 다뤘다. 복합재에 포함된 GB은 복합재 내에서 큰 공간을 차지하게 되는데, 이때 CNT는 GB가 없는 공간으로 밀려나면서 고밀도로 격리된(segregated) 네트워크를 형성한다. CNT의 분산을 위해, 소니케이션(Sonicatoin)으로 CNT를 분산시킨 PA6, 포름산 용액을 증류수를 이용하여 응고시킨 후 압축성형하여 복합재 판을 제조하였다. 복합재 판의 열전성능을 평가하기 위해서 열전도도, 전기전도도, 제벡계수(Seebeck coefficient) 등을 측정하였고, 최고 0.016의 성능지수를 얻었다.

• Smart Structures and Systems
• /
• 제6권8호
• /
• pp.939-951
• /
• 2010

A low-cost wireless sensor network (WSN) solution with highly expandable super and simple nodes was developed. The super node was designed as a sensing unit as well as a receiving terminal with low energy consumption. The simple node was designed to serve as a cheaper alternative for large-scale deployment. A 12-bit ADC inputs and DAC outputs were reserved for sensor boards to ease the sensing integration. Vibration and thermal field tests of the Chi-Lu Bridge were conducted to evaluate the WSN's performance. Integral acceleration, temperature and tilt sensing modules were constructed to simplify the task of long-term environmental monitoring on this bridge, while a star topology was used to avoid collisions and reduce power consumption. We showed that, given sufficient power and additional power amplifier, the WSN can successfully be active for more than 7 days and satisfy the half bridge 120-meter transmission requirement. The time and frequency responses of cables shocked by external force and temperature variations around cables in one day were recorded and analyzed. Finally, guidelines on power characterization of the WSN platform and selection of acceleration sensors for structural health monitoring applications were given.

• 전자공학회논문지
• /
• 제51권7호
• /
• pp.223-229
• /
• 2014

화력발전소와 같은 석유화학 설비, 소각 설비 등에서는 재, 먼지 등의 이물질이 발생하며 이물질을 효과적으로 제거하기 위한 방법으로 음향 세척 장치를 이용하는 방식이 있다. 하지만 이 방법의 경우 이물질로 인하여 혼의 입구가 막혀 오작동할 가능성이 있다는 단점이 있다. 본 연구에서는 음향 세척 장치의 정상 작동을 감시하기 위한 음파 검출 무선 센서를 개발하였으며, 센서의 원리를 설명하였다. 이 음파 검출 무선 센서는 실험을 통하여 고온 혹은 저온의 다양한 산업 환경에서 안정적인 동작을 확인하였다. 또한 음파 검출 무선 센서와 424MHz 대역을 이용한 통신을 하여 데이터를 수신하는 무선 데이터 수집 장치를 개발하여 음파 검출 무선 센서의 동작 상태를 외부에서 확인할 수 있도록 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• pp.677-680
• /
• 2005

유체의 상변화를 이용하는 냉난방장치 등의 열장치에 대한 열역학적인 성능평가는 열역학적 성질들에 대한 구체적인 수치값을 필요로 한다. 그러나 이러한 열역학적 성질들을 제공하는 증기표를 그대로는 사용할 수 없기 때문에 효과적인 모델링이 필요하다. 본 연구에서는 신경회로망의 함수근사 특성을 이용하여 냉방장치의 매질로 사용되는 냉매(R12)의 포화증기 영역을 모델링하였다. 냉매 R12의 포화증기 영역의 함수근사 해석을 위하여 1개의 노드를 가진 입력층에 대하여 7개의 노드를 가진 출력층을 기본으로 하여, 각각 10개와 20개의 노드를 가진 두 개의 은닉층을 가진 회로망을 구성하였다. 또한 입력이 온도와 압력 두 가지의 경우에 대하여 검토하였다. 제안된 신경회로망을 사용한 결과 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}$0.005%, 비체적은 ${\pm}$0.02%, 압력과 온도는 특별한 몇 개를 제외하고는 ${\pm}$0.02% 범위 내로 수렴되었다. 이 결과로부터 냉매를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인하였다.

• 한국지열·수열에너지학회논문집
• /
• 제18권3호
• /
• pp.1-6
• /
• 2022

Ground source heat pump (GSHP) system is highly efficient and environment-friendly and supplies heating, cooling and hot water to buildings. For an optimal design of the GSHP system, the ground thermal properties should be determined to estimate the heat exchange rate between ground and borehole heat exchangers (BHE) and the system performance during long-term operating periods. However, the process increases the initial cost and construction period, which causes the system to be hindered in distribution. On the other hand, much research has been applied to the artificial neural network (ANN) to solve problems based on data efficiently and stably. This research proposes the predictive performance model utilizing ANN considering local characteristics and weather data for the predictive performance model. The ANN model predicts the entering water temperature (EWT) from the GHEs to the heat pump for the modular GHEs, which were developed to reduce the cost and spatial disadvantages of the vertical-type GHEs. As a result, the temperature error between the data and predicted results was 3.52%. The proposed approach was validated to predict the system performance and EWT of the GSHP system.

• 시스템엔지니어링학술지
• /
• 제18권2호
• /
• pp.75-93
• /
• 2022

Machine learning (ML) data-driven meta-model is proposed as a surrogate model to reduce the excessive computational cost of the physics-based model and facilitate the real-time prediction of a nuclear power plant's transient response. To forecast the transient response three machine learning (ML) meta-models based on recurrent neural networks (RNNs); specifically, Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU), and a sequence combination of Convolutional Neural Network (CNN) and LSTM are developed. The chosen accident scenario is a control element assembly withdrawal at power concurrent with the Loss Of Offsite Power (LOOP). The transient response was obtained using the best estimate thermal hydraulics code, MARS-KS, and cross-validated against the Design and control document (DCD). DAKOTA software is loosely coupled with MARS-KS code via a python interface to perform the Best Estimate Plus Uncertainty Quantification (BEPU) analysis and generate a time series database of the system response to train, test and validate the ML meta-models. Key uncertain parameters identified as required by the CASU methodology were propagated using the non-parametric Monte-Carlo (MC) random propagation and Latin Hypercube Sampling technique until a statistically significant database (181 samples) as required by Wilk's fifth order is achieved with 95% probability and 95% confidence level. The three ML RNN models were built and optimized with the help of the Talos tool and demonstrated excellent performance in forecasting the most probable NPP transient response. This research was guided by the Systems Engineering (SE) approach for the systematic and efficient planning and execution of the research.