본 연구에서는 포그냉방시스템을 수치적으로 시뮬레이션하기 위한 CFD 모델을 개발하였으며, 포그냉방온실에서 측정된 데이터에 의해 개발된 모델의 유효성을 검증하였다. 또한 분무수온, 분무수량, 분무정지시간과 분무입자의 증발률이 포그냉방시스템의 성능에 미치는 영향을 알아보기 위해 개발된 모델을 적용하였다. 시뮬레이션 결과에 의하면, 각 측점에서 실측치와 예측치의 온도차가 무차광조건에서는 $0.1~1.4^{\circ}C$, 차광조건에서는 $0.2~2.3^{\circ}C$였으며, 상대습도차는 무차광조건에서는 0.3~6.0%, 차광조건에서는 0.7~10.6%였다. 예측치가 실측치와 비교적 잘 일치하는 것으로 나타나 개발된 모델이 포그냉방시스템의 냉방효과를 예측할수 있는 것으로 판단된다. 포그냉방시스템 성능은 분무수량, 분무정지시간과 분무입자의 증발률의 영향을 많이 받지만 분무수온의 영향은 받지 않는 것으로 나타났다.
본 연구에서는 포그냉방시스템을 수치적으로 시뮬레이션하기 위한 CFD 모델을 개발하였으며, 포그냉방온실에서 측정된 데이터에 의해 개발된 모델의 유효성을 검증하였다. 또한 분무수온, 분무수량, 분무정지시간과 분무입자의 증발률이 포그냉방시스템의 성능에 미치는 영향을 알아보기 위해 개발된 모델을 적용하였다. 시뮬레이션 결과에 의하면, 각 측점에서 실측치와 예측치의 온도차가 무차광조건에서는 $0.1~1.4^{\circ}C$, 차광조건에서는 $0.2~2.3^{\circ}C$였으며, 상대습도차는 무차광조건에서는 0.3~6.0%, 차광조건에서는 0.7~10.6%였다. 예측치가 실측치와 비교적 잘 일치하는 것으로 나타나 개발된 모델이 포그냉방시스템의 냉방효과를 예측할수 있는 것으로 판단된다. 포그냉방시스템 성능은 분무수량, 분무정지시간과 분무입자의 증발률의 영향을 많이 받지만 분무수온의 영향은 받지 않는 것으로 나타났다.
This study was carried out not only to develop CFD model for numerically simulating fog cooling system but also to verify the validity of the developed model by data measured in fag cooling greenhouse. In addition the developed model was applied to investigate the effects of spraying water temperatu...
This study was carried out not only to develop CFD model for numerically simulating fog cooling system but also to verify the validity of the developed model by data measured in fag cooling greenhouse. In addition the developed model was applied to investigate the effects of spraying water temperature, spraying water amount, spraying interval and evaporation percentage on the performance of the fog cooling system. According to the simulation results, the temperature differences between the measured and predicted temperatures at each measurement point were $0.1~1.4^{\circ}C$ in case of no shading and $0.2~2.3^{\circ}C$ in close of shading. The humidity differences were 0.3~6.0% and 0.7~10.6%, respectively in the cases of no shading and shading. Because the predicted data showed a good agreement with the measured ones, the developed model is supposed to be able to predict the cooling effect of the fog cooling system. The performance of fog cooling system was greatly influenced by spraying water amount, spraying interval and evaporation percentage, but it was not influenced by spraying water temperature.
This study was carried out not only to develop CFD model for numerically simulating fog cooling system but also to verify the validity of the developed model by data measured in fag cooling greenhouse. In addition the developed model was applied to investigate the effects of spraying water temperature, spraying water amount, spraying interval and evaporation percentage on the performance of the fog cooling system. According to the simulation results, the temperature differences between the measured and predicted temperatures at each measurement point were $0.1~1.4^{\circ}C$ in case of no shading and $0.2~2.3^{\circ}C$ in close of shading. The humidity differences were 0.3~6.0% and 0.7~10.6%, respectively in the cases of no shading and shading. Because the predicted data showed a good agreement with the measured ones, the developed model is supposed to be able to predict the cooling effect of the fog cooling system. The performance of fog cooling system was greatly influenced by spraying water amount, spraying interval and evaporation percentage, but it was not influenced by spraying water temperature.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
실험을 통해 인자들을 다양하게 변화시키기는 어려우므로 효율적인 설계를 위해서는 다양한 조건 변화에 따른 포그냉방온 실의 열환경을 해석할 수 있는 모델이 필요하다. 본 연구에서는 포그 냉방시스템을 수치적으로 시뮬레이션 하기 위한 CFD 모델을 개발하였으며, 포그냉방온실에서 측정된 데이터에 의해 개발된 모델의 유효성을 검증하였다. 또한 분무수온, 분무수량, 분무정지시간과 분 무입자의 증발률이 포그냉방시스템의 성능에 미치는 영향을 알아보기 위해 개발된 모델을 적용하였다.
가설 설정
복사모델은 투명한 벽체에 대한 투과의 효과를 고려할 수 있는 DO모델이 선택되었으며, DO모델의 복사 열전달방정식(RTE)을 이산화하기 위한 극좌표계의 요소분할은 Fluen사에서 권장하는 값을 사용하였다. 태양복사의 파장범위는 0~3nm의 단파장영역에 집중되어 있고, 흡수계수, 분산계수, 굴절지수, 방사율 등의 파장 영역별 태양복사의 특성은 동일한 것으로 가정하여 non-gray 모델의 설정은 생략하였다. 계산은 기본 방정식과 난류방정식을 5번씩 풀 때마다 복사모델의 방정식을 1회 풀도록 설정하였다.
제안 방법
2 m 높이에 일사센서(PCM-01, Prede)를 이용하여 측정하였다. T형 열전대, 미풍속 센서 및 일사센서에 의해 측정된 데이터는 디지털 다점 기록계(HR2300, Yokogawa) 를 이용하여 1분간격으로 저장하였다. 또한, 온실 외부의 기상데이터를 수집하기 위해 미기상 수집장치 (CRIOx, Campbell)를 실험온실로부터 10m 떨어진 위치에 설치하였으며, 온도, 상대습도, 풍속 및 풍향, 일사량 등의 데이터를 1분간격으로 저장하였다.
태양복사의 파장범위는 0~3nm의 단파장영역에 집중되어 있고, 흡수계수, 분산계수, 굴절지수, 방사율 등의 파장 영역별 태양복사의 특성은 동일한 것으로 가정하여 non-gray 모델의 설정은 생략하였다. 계산은 기본 방정식과 난류방정식을 5번씩 풀 때마다 복사모델의 방정식을 1회 풀도록 설정하였다.
공기의 비열, 전도열전달계수, 점성계수 등의 값은 문헌의 자료를 이용하거나 Fluent 프로그램에서 제공하는 기본값을 사용하여 상수로 취급하였다. 모델에 입력 된 재료들의 물리적 특성값은 Table 2와 같다.
포그냉방시스템의 냉방효과는 여러 요인에 따라 달라질 수 있다. 그 중에서 분무수온, 분무수량, 분무정 지시간, 분무입자의 증발률이 포그냉방시스템의 냉방효과에 미치는 영향을 알아보기 위해 CFD 모델을 이용하여 포그냉방온실의 열환경을 해석하였다.
본 연구에서는 포그 냉방시스템을 수치적으로 시뮬레이션 하기 위한 CFD 모델을 개발하였으며, 포그냉방온실에서 측정된 데이터에 의해 개발된 모델의 유효성을 검증하였다. 또한 분무수온, 분무수량, 분무정지시간과 분 무입자의 증발률이 포그냉방시스템의 성능에 미치는 영향을 알아보기 위해 개발된 모델을 적용하였다.
온실의 피복면이나 바닥면 근처에서의 공기흐름은 standard wall functions 옵션을 적용하였다. 또한 열부력이 난류유동 및 공기의 흐름에 미치는 효과를 보다 사실적으로 모의하기 위해 viscous heating 옵션을 주가로 선택하여 온도의 변화에 따른 공기의 밀도 변화가 유동에 미치는 영향을 고려하였다.
T형 열전대, 미풍속 센서 및 일사센서에 의해 측정된 데이터는 디지털 다점 기록계(HR2300, Yokogawa) 를 이용하여 1분간격으로 저장하였다. 또한, 온실 외부의 기상데이터를 수집하기 위해 미기상 수집장치 (CRIOx, Campbell)를 실험온실로부터 10m 떨어진 위치에 설치하였으며, 온도, 상대습도, 풍속 및 풍향, 일사량 등의 데이터를 1분간격으로 저장하였다.
모델에서 주된 해석 영역은 온실 내부이므로 온실 내부의 격자망은 조밀하게 하고 온실 외부로 갈수록 성기게 격자망을 구성하였다. 모델의 외부 단면은 온실 구조로부터 20 m 거리를 유지하도록 구성하여 외부 단면이 시뮬레이션의 정확성에 영향을 미치는 것을 방지하였고, 외부공기 흐름의 빠른 수렴을 위해 온실 위 쪽의 경계면을 약간 경사지게 만들었다. 이렇게 만들어진 격자망은 Fig.
분무 입자의 증발률이 포그냉방시스템의 냉방효과에 미치는 영향을 알아보기 위해 Table 3의 무차광조건의 입력값중 증발률만을 20%에서 100%까지 변화시켜 가 며 시뮬레이션하였다. Fig.
분무수량^ 포그냉방시스템의 냉방효과에 미치는 영향을 알아보기 위해 Table 3의 무차광조건의 입력값중 분무수량만을 변화시켜 45초동안 실험 온실 전체에 분무되는 수량이 1 kg에서 5 kg이 되도록 변화시켜가며 시뮬레이션하였다. Fig.
분무수온이 포그냉방시스템의 냉방효과에 미치는 영향을 알아보기 위하여 Table 3의 무차광조건의 입력값 중 분무수온만을 18℃에서 26℃까지 변화시켜가며 시뮬레이션하였다. 분무수온의 변화에 따른 온실내 각 측점에서의 온도와 상대습도는 Fig.
Discrete Phase 모델은 포그 입자의 궤적을 추적하기 위한 모델로서 정확한 계산이 필요하다고 판단되어 기본방정식을 1회 풀 때마다 1회 풀도록 설정이 되었고, 한번 분무된 입자는 100회 동안 계산을 하는 것으로 설정하였다. 분무입자는 증발을 모의할 수 있는 Droplet으로 지정하였고, 분무입자가 태양 복사에너지 에 반응하는 것을 고려하는 옵션을 추가하였다.
분무정지시간이 포그냉방 시스템의 냉방 효과에 미치는 영향을 알아보기 위해 Table 3의 무차광조건의 입력값중 분무정지시간만을 30초에서 30Q초까지 변화시켜 가며 시뮬레이션하였다. Fig.
식물이 온실 내 공기 흐름에 영향을 주는 동시에 주위 환경과 열교환을 하며, 또한 증산을 통해 온실 내부로 수분을 공급해 주는 역할을 한다는 것이다. 이를 모델에서 구현하기 위흐]여 식물의 형상을 잎이 여러 개 모여 있는 것으로 그려서 온실 내부의 기류에 영향을 미치도록 하였으며, 열교환은 식물체의 경계면을 wall boundary로 설정하여 열전달 특성치를 입력하였다. 식물 증산작용은 Discrete Phase 모델을 이용하여 포그 냉방시스템처럼 각 잎에서 수분이 분무되는 것으로 표현하였으며, 분무량은 이(2000)가 제시한 상면증발률을 근거로 하여 차광시 0.
)를 이용하여 10초간격으로 데이터를 저장하였고, 온실 벽면 및 차광망, 바닥온도와 지하수 온도, 엽온의 측정에는 T형 열 전대를 이용하였다. 풍속은 온실 길이방향의 중앙 단면의 즉창과 천창에 미풍속센서 (Series640, Dwyer Instru- ment)를 설치하여 온실의 환기창에 수직으로 불어오는 바람에 대하여 일방향 풍속(x-velocity}을 측정하였다. 실내의 태양복사에너지는 온실 바닥으로부터 3.
중 . 하부로 구분하여 각 3점씩 온습도계측 겸용센서 (HOBO, Onset computer Corp.)를 이용하여 10초간격으로 데이터를 저장하였고, 온실 벽면 및 차광망, 바닥온도와 지하수 온도, 엽온의 측정에는 T형 열 전대를 이용하였다. 풍속은 온실 길이방향의 중앙 단면의 즉창과 천창에 미풍속센서 (Series640, Dwyer Instru- ment)를 설치하여 온실의 환기창에 수직으로 불어오는 바람에 대하여 일방향 풍속(x-velocity}을 측정하였다.
대상 데이터
5 m, 길이 19 m, 높이 4 m이다. 2001년 7월 27일부터 9월 18일까지 날씨가 맑은 날에 실험을 수행하였으며 , 실험온실의 제원 및 센서의 배치는 Fig. 3에 나타낸 바와 같다. 온실은 두께 3 mm2] 유리로 피복되어 있으며, 피복재의 광투과율은 약 63%, 차광망(알루미늄 증착필름>의 차광률은 약 70%이다.
CFD 모델의 검증에 필요한 외부 기상자료 및 입력값은 실험기간 동안 일사.가 높고 거의 일정하면서 외 기온 및 풍속 역시 비교적 안정된 시간대에서 풍향이 온실 측창의 수직에 가까운 시간의 자료를 선택하였다. 무차광과 차광조건 각각에 대하여 선정된 입력값은 Table 3과 같다.
본 실험에 사용된 계측장치는 온 . 습도계측용 센서 부, 풍속계측용, 일사량계측용센서부, 데이터 수집장치 로 구성되어 있다.
본 실험에 사용된 계측장치는 온 . 습도계측용 센서 부, 풍속계측용, 일사량계측용센서부, 데이터 수집장치 로 구성되어 있다. 온실 내부의 온도와 상대습도는 온 실을 상 .
풍속은 온실 길이방향의 중앙 단면의 즉창과 천창에 미풍속센서 (Series640, Dwyer Instru- ment)를 설치하여 온실의 환기창에 수직으로 불어오는 바람에 대하여 일방향 풍속(x-velocity}을 측정하였다. 실내의 태양복사에너지는 온실 바닥으로부터 3.2 m 높이에 일사센서(PCM-01, Prede)를 이용하여 측정하였다. T형 열전대, 미풍속 센서 및 일사센서에 의해 측정된 데이터는 디지털 다점 기록계(HR2300, Yokogawa) 를 이용하여 1분간격으로 저장하였다.
실험에 사용된 온실은 경기도 안성시에 위치한 단동 유리온실로 폭 6.5 m, 길이 19 m, 높이 4 m이다. 2001년 7월 27일부터 9월 18일까지 날씨가 맑은 날에 실험을 수행하였으며 , 실험온실의 제원 및 센서의 배치는 Fig.
실험에 사용된 포그L 노즐(Impaction pin IP-16, Mee Industries Inc.)의 사양은 분무압력이 70 kg - cm-2^ 때 분사거리 0.9 m, 분사폭 최대 0.75 m이고, 노즐의 개당 분무수량은 0.094 kg/min이며 , 분무입자의 크기는 20 um정도이다. 포그 노즐은 온실 잉쪽 측면으로부터 2.
094 kg/min이며 , 분무입자의 크기는 20 um정도이다. 포그 노즐은 온실 잉쪽 측면으로부터 2.3 m, 온실 바닥으로부터 2.4 m 위치에 설치된 2개의 급수라인에 1 m 간격으로 1개씩 총 32개가 배치되었다. 포그냉방시스템의 가동은 무차광조건에서는 45초 분무에 45초 정지하였으며 , 광조건에서는 25초 분무 에 45초 정지하였다.
이론/모형
난류모델은 가장 최근에 도입되어 난류의 유동상태를 보다 사실적으로 모의할 수 있고 가장 많이 사용되고 있는 realizable k-e 모델을 선택하였으며, 모델의 상수값들은 일반적인 공기유동 해석에 적용되는 추천 값들을 사용하였다. 온실의 피복면이나 바닥면 근처에서의 공기흐름은 standard wall functions 옵션을 적용하였다.
복사모델은 투명한 벽체에 대한 투과의 효과를 고려할 수 있는 DO모델이 선택되었으며, DO모델의 복사 열전달방정식(RTE)을 이산화하기 위한 극좌표계의 요소분할은 Fluen사에서 권장하는 값을 사용하였다. 태양복사의 파장범위는 0~3nm의 단파장영역에 집중되어 있고, 흡수계수, 분산계수, 굴절지수, 방사율 등의 파장 영역별 태양복사의 특성은 동일한 것으로 가정하여 non-gray 모델의 설정은 생략하였다.
CFD(Computational Fluid Dynamics)는 유체를 포함하는 어떤 시스템에 대하여 유체의 흐름, 열전달 그리고 화학적 반응 등과 같은 일련의 물리 · 화학적 현상들을 컴퓨터 시뮬레이션에 의해 해석하는 것을 의미 한다. 본 연구에서 이용한 CFD 패키지는 Fluent(version 5.4)이고, 해석 영역의 기하학적 형상 및 격자 생성을 위해 GAMBIT(version 1.3)을 이용하였다.
성능/효과
6은 분무수량의 변화에 따른 온실내 각 측점에서의 온도 및 상대습도를 나타낸 그림이다. 분무수량이 증가할수록 대체로 온도가 낮아지는 경향을 보였으며, 온도차가 가장 큰 측점은 1번 측 점으로 2.31의 차이를 보였다. 상 .
7은 분무정지시간의 변화에 따른 온실내 각 측점에서의 온도와 상대습도를 나타낸 그림이다. 분무정지시간이 짧을수록 대체로 온도가 낮아지는 경향을 보였으며, 온도차가 가장 큰 측점은 2번 측점으로 38>C의 차이를 보였다. 온실 하부로 갈수록 각 측점에서의 온도차가 더 크게 나타나는데 이는 온실 하부로 갈수록 공기의 흐름이 원활하지 못해 측창으로부터 유입된 외부 공기의 영향을 덜 받기 때문으로 판단된다.
6%였다. 예측치가 실측치와 비교적 잘 일치하는 것으로 나타나 개발된 CFD 모델이 포그냉방온실의 열환경 해석에 적합한 것으로 판단되었다. 차광조건에 서는 온실 상 .
8은 분무수온의 변화에 따른 온실내 각 측점에서의 온도와 상대습도를 나타낸 그림이다. 증발률이 높을수록 대체로 온도가 낮아지는 경향을 보였으며, 온도차가 가장 큰 측점은 2번 측점 으로 1.8℃의 차이를 보였다. 이러한 현상은 포차가 증가할수록 증발률이 높아진다는 Singletary 등(1996)의 보고와 상대습도가 낮을수록 실내 기온이 더 낮아 진다는 Mee Industries Inc.
하부 공기의 교환이 잘 이루어지지 않기 때문으로 판단된다. 차광을 실시한 경우 온실 내로 유입되는 일사량이 줄어들어 온실의 냉방부하량을 줄일 수 있었지만, 분무입자가 차광망에 걸려 하부로의 이동이 방해를 받았으며 일사량 감소로 인해 온실 하부에서의 증발률이 떨어져 작물에 부착되는 입자가 많아 작물 생육이나 환기, 증발률 측면에서는 불리한 것으로 나타났다. 포그냉방시스템의 냉방효과를 높이기 위해서는 일사량의 변화에 따라 탄력적으로 차광을 실시하는 것이 유리할 것으로 생각된다.
참고문헌 (12)
Al-ahfi, A. 1999. The influence of shading and evapo-transpiration on a ventilated greenhouse environment. Ph.D. Diss., Ohio State Univ., p. 48-55
Al-helal, I.M. 1998. A computational fluid dynamics study of natural ventilation in arid region greenhouses. Ph.D. Diss., Ohio State Univ., p. 27-35
Aldrich, Robert A. and John W. Bartok. 1990. Green house Engineering. Northeast regional agricultural engi-neering service. p. 65-66
Arbel, A., 0. Yekutieli and M. Barak. 1999. Perfor-mance of a fog system for cooling greenhouses. J. of Agricultural Engineering Research 72:129-136
Hayashi, M., T. Sugahara and H. Nakajima. 1998. Temperature and humidity environments inside a natu-rally ventilated greenhouse with the evaporative fog cooling system. Environ. Control in Biol. 36(2):97-104 (in Japanese)
Kim, H.S. 2001. Prediction of cooling effect for fog cooling system in greenhouse by CFD simulation. M.S. Diss., Seoul National Univ. (in Korean)
Lee, I.B. and Ted H. Short. 1999. Analysis of the effi-ciency of natural ventilation in a multi-span green-house using CFD simulation. J. Bio-Env. Con. 8(1):9-18 Cin Korean)
Singletary, I. B., R. W. Bottcher and G. R. Baughman. 1996. Characterizing effect of temperature and humid-ity on mist evaporative efficiency. Transactions of ASAE 39(5):1801-1809
Yun, N.K. 2000. Analysis for natural ventilation and airflow characteristics in greeenhouse by CFD Simulation. Ph.D. Diss., Seoul National Univ., P. 10-35 (in Korean)
민영봉. 2000. 증발냉각에 의한 냉방효과와 적합설비.시설원예의 고온기 냉방관리 기계기술. p. 31-68
이범선. 2000. 에어쿨의 원리와 효과.시설원예의 고온기 냉방관리 기계기술. p. 95-126
※ AI-Helper는 부적절한 답변을 할 수 있습니다.