화강암, 사암, 편마암으로 구성된 21개 암석시료를 대상으로 열전도도를 측정하고, XRD 정량분석을 통해 구성광물의 조성을 파악하였으며, 구조모델 이용하여 석영 함량 및 광물입자의 크기가 암석의 유효열전도도에 미치는 영향을 분석하였다. 측정된 열전도도는 석영 함량과 높은 상관성을 보여 ($R^2=0.75$), 석영 함량으로부터 열전도도를 추정할 수 있는 선형회귀모형을 제시하였다. 화강암 및 변성암 일부 시료의 경우 유사한 석영 함량에도 불구하고 열전도도가 크게 다른 값을 보였는데, 이는 주로 광물업자의 크기 변화와 관련이 있는 것으로 나타났다. 구조모델을 통한 분석 결과 입자의 크기가 작은 경우 열전도도는 scries와 EMT모델의 중간 영역에 해당하는 값을 보이며, 입자가 커지면서 EMT모델, ME모델을 거쳐 Parallel모델에 근접하게 변화하였다. 이러한 열전달 구조모델의 변화는 입자의 크기에 따른 열전도도 변화가 3 mm 두께의 원반시편을 이용하는 실험 규모와 관련이 있음을 시사한다. 즉, 얇은 원반 시료를 이용하여 암석의 열전도도를 측정할 경우 규모효과에 의하여 실제 지반의 값보다 과대평가될 가능성이 높으며, 특히 광물 입자의 크기가 클수록 이러한 오차는 더 커질 것으로 예상된다. 따라서 지열과 관련된 다양한 해석 모델에서 실험실 측정값을 실제 현장규모에서의 대표값으로 사용할 경우 모델의 예측 신뢰도에 영향을 줄 수 있는 요인으로 작용할 수 있다.
화강암, 사암, 편마암으로 구성된 21개 암석시료를 대상으로 열전도도를 측정하고, XRD 정량분석을 통해 구성광물의 조성을 파악하였으며, 구조모델 이용하여 석영 함량 및 광물입자의 크기가 암석의 유효열전도도에 미치는 영향을 분석하였다. 측정된 열전도도는 석영 함량과 높은 상관성을 보여 ($R^2=0.75$), 석영 함량으로부터 열전도도를 추정할 수 있는 선형회귀모형을 제시하였다. 화강암 및 변성암 일부 시료의 경우 유사한 석영 함량에도 불구하고 열전도도가 크게 다른 값을 보였는데, 이는 주로 광물업자의 크기 변화와 관련이 있는 것으로 나타났다. 구조모델을 통한 분석 결과 입자의 크기가 작은 경우 열전도도는 scries와 EMT모델의 중간 영역에 해당하는 값을 보이며, 입자가 커지면서 EMT모델, ME모델을 거쳐 Parallel모델에 근접하게 변화하였다. 이러한 열전달 구조모델의 변화는 입자의 크기에 따른 열전도도 변화가 3 mm 두께의 원반시편을 이용하는 실험 규모와 관련이 있음을 시사한다. 즉, 얇은 원반 시료를 이용하여 암석의 열전도도를 측정할 경우 규모효과에 의하여 실제 지반의 값보다 과대평가될 가능성이 높으며, 특히 광물 입자의 크기가 클수록 이러한 오차는 더 커질 것으로 예상된다. 따라서 지열과 관련된 다양한 해석 모델에서 실험실 측정값을 실제 현장규모에서의 대표값으로 사용할 경우 모델의 예측 신뢰도에 영향을 줄 수 있는 요인으로 작용할 수 있다.
For 21 rock samples consisting of granite, sandstone and the effective thermal conductivity (TC) was measured with the LFA-447 Nanoflash, and mineralogical compositions were also determined from XRD analysis. The structural models were used to examine the effects of quartz content and the size of mi...
For 21 rock samples consisting of granite, sandstone and the effective thermal conductivity (TC) was measured with the LFA-447 Nanoflash, and mineralogical compositions were also determined from XRD analysis. The structural models were used to examine the effects of quartz content and the size of minerals on TC of rocks. The experimental results showed that TC of rocks was strongly related to quartz content with $R^2$ value of 0.75. Therefore, the proposed regression model can be a useful tool for an approximate estimation of TC only from quartz content. Some samples with similar values of quartz content, however, illustrated great differences in TC, presumably caused by differences in the size of minerals. An analysis from structural models showed that TC of rocks with fine-grained minerals was likely to fall in the region between Series and EMT model, and it moved up to ME and Parallel model as the size of minerals increased. This progressive change of structural models implies that change of TC depending on the size of minerals is possibly related to the scale of experiments; TC was measured from a disk sample with a thickness of 3 mm. Therefore, in case of measurements with a thin sample, TC can be overestimated as compared to the real value in the field scale. The experimental data illustrated that the scale effect was more pronounced for rocks with bigger size of minerals. Thus, it is worthwhile to remember that using a measured TC as a representative value for the real field can be misleading when applied to many geothermal problems.
For 21 rock samples consisting of granite, sandstone and the effective thermal conductivity (TC) was measured with the LFA-447 Nanoflash, and mineralogical compositions were also determined from XRD analysis. The structural models were used to examine the effects of quartz content and the size of minerals on TC of rocks. The experimental results showed that TC of rocks was strongly related to quartz content with $R^2$ value of 0.75. Therefore, the proposed regression model can be a useful tool for an approximate estimation of TC only from quartz content. Some samples with similar values of quartz content, however, illustrated great differences in TC, presumably caused by differences in the size of minerals. An analysis from structural models showed that TC of rocks with fine-grained minerals was likely to fall in the region between Series and EMT model, and it moved up to ME and Parallel model as the size of minerals increased. This progressive change of structural models implies that change of TC depending on the size of minerals is possibly related to the scale of experiments; TC was measured from a disk sample with a thickness of 3 mm. Therefore, in case of measurements with a thin sample, TC can be overestimated as compared to the real value in the field scale. The experimental data illustrated that the scale effect was more pronounced for rocks with bigger size of minerals. Thus, it is worthwhile to remember that using a measured TC as a representative value for the real field can be misleading when applied to many geothermal problems.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
(2010)는 토양 및 모래 시료를 대상으로 열전도도를 측정하여 함수비에 따라 불포화 매질의 열전도도 변화가 어떻게 발생하는지 구조모델을 통하여 규명하였다. 본 연구에서는 화강암, 사암 및 편마암의 21개 코아시료를 대상으로 열전도도 측정 및 XRD분석을 통해 조암광물의 조성에 따라 열전도도가 어떻게 달라지는지 분석하였으며, 구조모델을 통하여 광물입자의 크기와 배열이 열전도도에 미치는 영향을 고찰하였다.
제안 방법
Fig. 1 은 각 시료의 광물 구성비와 열전도도 측정값을 도시한 것으로 구성비는 광물의 열전도도가 큰 석영 (7.69 W/mK)과 상대적으로 낮은 열전도도를 갖는 장석류 (2.14~2.49 W/mK) 및 다른 광물군으로 구분하였다. 화강암은 석영 (23~59%)과 장석류가 %% 이상을 차지하며 나머지는 운모류로 구성되어 있다.
ME모델 (Eucken, 1940; Maxwell, 1954)은매질을 구성하는 성분 중 하나가 연속적인 상으로 존재하며 그 내부에 나머지 성분들이 비연속상으로 분산되어 있는 구조를 갖을 때 적용되는 모델이다. ME 모델의 종류는 연속상과 그 내부에 분산되어 있는 광물 입자가 갖는 열전도도의 차이에 따라 두 가지로 분류되며, 이 연구에서는 석영을 연속상으로 이용하였.다.
5는 화강암 중 13, 16 및 17을 대상으로 측정된 열전도도와 3상 (공기, 석영, 기타광물)의 구조모델에 의해 계산된 유효열전도도를 석영함량에 따라 도시한 것이다. 공기의 열전도도는 0.025 W/mK이며, 석영을 제외한 나머지 광물의 유효열전도도는 각 광물들의 조성비로부터 EMT모델을 이용하여 구하였다. 이들 시료의 석영함량은 37.
(1961)에의해 제안된 flash method를 적용한 장비인 LFA-447 Nanoflash를 사용하여 측정하였다. 본 장비는 시료 원반의 아래 면에 있는 xenon flash lamp를 이용하여원반에 열을 가한 후 반대편에 전달된 열을 온도 센서를 이용하여 측정하고 이를 분석하여 암편의 열확산 계수를 산정한다. 열확산계수는 Cowan (1961)이 제안한 수학적 모델에 측정된 온도자료를 적용하여 산정하였으며, 비열은 대상시료와 표준시료의 온도변화 자료를 비교 .
본연구에서는 21개 암석시료를 대상으로 열전도도를 측정하고, XRD 정량분석을 통하여 구성광물의 조성을 파악하였으며, 이를 구조모델에 적용하여 석영함량 및 광물 입자의 크기가 암석의 유효열전도도에 미치는 영향을 분석하였다.
M 비열 (KJ/kgK)을 나타낸다. 시료의 구성광물 및 함량은 열물성 측정이 완료된 원반을 대상으로 XRD 정량분석을 통하여 획득하였다.
본 장비는 시료 원반의 아래 면에 있는 xenon flash lamp를 이용하여원반에 열을 가한 후 반대편에 전달된 열을 온도 센서를 이용하여 측정하고 이를 분석하여 암편의 열확산 계수를 산정한다. 열확산계수는 Cowan (1961)이 제안한 수학적 모델에 측정된 온도자료를 적용하여 산정하였으며, 비열은 대상시료와 표준시료의 온도변화 자료를 비교 . 분석하여 구하였다.
측정하였다. 채취한 암석은 코어링 (coring)을 통해 25.4 mm 직경의 코어 (core)를 만든 후 3 mm 두께의 측정용 원반 (disk)으로 제작하였다. 밀도와 공극률은 이 원반을 대상으로 포화 및 건조상태의 무게와 Archimedes의 원리를 이용하여 측정한 부피로부터 계산하였다.
화강암 및 변성암 일부 시료의 경우 유사한 석영 함량을 가짐에도 불구하고 열전도도가 크게 다른 값을 보였는데, 이는 주로 광물입자의 크기 변화와 관련이 있으며 구조모델을 통하여 그 연계성을 분석하였다. 구조모델 분석 결과를 보면 입자의 크기가 작을경우 열전도도는 series와 EMT모델의 중간 영역에 해당하는 값을 보이며, 입자가 커지면서 EMT모델, ME 모델을 거쳐 Parallel모델에 근접하게 변화하였다.
대상 데이터
Fig. 2는 화강암 13과 17시료의 박편사진으로 박편은 열 물성 실험에 이용된 원반과 접하는 코어 부분을 추가로 절단하여 제작하였다. Fig.
본 연구에서는 국내에서 채취한 화강암 (7개), 사암 (5개) 및 편마암 (9개) 시료를 대상으로 암석의 열물 성을 측정하였다. 채취한 암석은 코어링 (coring)을 통해 25.
lable 1은 21개 시료를 대상으로 측정된 공극률, 열전도도, 및 XRD 정량분석을 통하여 구한 암석의 구성광물 및 함량을 나타낸 것이다. 실험에 이용된 암석은 화강암 (II~17), 사암 (S1-S5) 및 편마암 (Ml~M9)으로 구분된다. 암석 시료의 조암광물로는 조장석, 정장석 및 미사장석의 장석류 (feldspar group)와 백운모, 흑운모 및 녹니석 등의 운모류 (mica group), 석영 (quartz), 각섬석류 (amphybole group), 탄산염 (carbonate) 등으로 구성되며, 열전도도가 가장 큰 광물인 석영의 함량은 0.
이론/모형
4 mm 직경의 코어 (core)를 만든 후 3 mm 두께의 측정용 원반 (disk)으로 제작하였다. 밀도와 공극률은 이 원반을 대상으로 포화 및 건조상태의 무게와 Archimedes의 원리를 이용하여 측정한 부피로부터 계산하였다. 암석의 열전도도는 Rrker et al.
밀도와 공극률은 이 원반을 대상으로 포화 및 건조상태의 무게와 Archimedes의 원리를 이용하여 측정한 부피로부터 계산하였다. 암석의 열전도도는 Rrker et al. (1961)에의해 제안된 flash method를 적용한 장비인 LFA-447 Nanoflash를 사용하여 측정하였다. 본 장비는 시료 원반의 아래 면에 있는 xenon flash lamp를 이용하여원반에 열을 가한 후 반대편에 전달된 열을 온도 센서를 이용하여 측정하고 이를 분석하여 암편의 열확산 계수를 산정한다.
성능/효과
4는 암석의 석영함량과 열전도도의 관계를 나타낸 것으로 석영함량이 증가할수록 열전도도가 증가하는 경향을 잘 보여준다. 21개 전체 시료를 대상으로 열전도도와 석영함량 사이의 상관관계를 분석한 결과 결정계수 (R2)가 0.75로 높은 정의 상관성을 갖는 것으로 나타났다. 암종에 따른 상관성은 사암에서 결정계수가 0.
구조모델 분석 결과를 보면 입자의 크기가 작을경우 열전도도는 series와 EMT모델의 중간 영역에 해당하는 값을 보이며, 입자가 커지면서 EMT모델, ME 모델을 거쳐 Parallel모델에 근접하게 변화하였다. 입자의 크기에 따른 이러한 열전달 구조모델의 변화는 3 mm 두께의 실험 규모와 깊은 관계가 있다.
75로 높은 정의 상관성을 갖는 것으로 나타났다. 암종에 따른 상관성은 사암에서 결정계수가 0.%으로 가장 높게 나타났으며 (Fig. 4c), 화강암과 편마암의 경우 결정계수는 각각 0.47와 0.72이다. 암석의 유효열전도도는 주로 기질을 구성하는 물질의 종류와 성분비에 따라 달라지는데 석영의 열전도도가 상대적으로 매우 크게 때문에 Fig.
3b)에 나타난 광물들의 입자 구조 및 배열과도 일치하는 결과이다. 즉, 석영은 하나의 덩어리로 다른 광물들 사이에서 연속 상으로 존재하며, 특히 열전달이 발생하는 수직방향으로의 실험 규모가 3 mm 로 작기 때문에 입자 크기가 큰 M6의 경우 석영 뿐 아니라 다른 광물들도 열전달 방향에 평행하게 배열된 모델에 잘 일치하는 결과를 보인 것으로 해석된다. 편마암의 유효열전도도는 석영과 장석의 교호 (alternation)에의한 편마구조 때문에 이방성 효과가 나타난다 (%steen and Schellschmidt, 2003).
특히 조립질 광물로 구성된 암석의 경우 전술한 바와 같이 실험실 측정값은 ME 또는 Parallel모델에 근접한 값을 보이게 되는데, 실제 WeIO2 m 규모에서의 물성을 다루는 지중 열거동 문제에서는 입자크기 규모에서만 나타날 수 있는 이러한 규모효과가 사라지게 되므로 세립질 암석과 같이 series 또는 EMT모델로 설명되는 열전달 구조를 나타낼 것으로 추정된다. 즉, 얇은 원반 시료를 이용하여 암석의 열전도도를 측정할 경우 규모효과에 의하여 실제 지반의 값보다 과대평가될 가능성이 높으며, 특히 광물 입자의 크기가 클수록 규모효과에 의한 오차는 더 커질 것으로 예상된다. 따라서 실험실 측정값을 실제 현장규모에서의 대표값으로 사용할 경우 지중열거동을 다루는 많은 지열 모델의 예측 신뢰도에 영향을 줄 수 있는 요인으로 작용할 수 있다.
열전도도와는 다른 값을 깆게 된다. 특히 조립질 광물로 구성된 암석의 경우 전술한 바와 같이 실험실 측정값은 ME 또는 Parallel모델에 근접한 값을 보이게 되는데, 실제 WeIO2 m 규모에서의 물성을 다루는 지중 열거동 문제에서는 입자크기 규모에서만 나타날 수 있는 이러한 규모효과가 사라지게 되므로 세립질 암석과 같이 series 또는 EMT모델로 설명되는 열전달 구조를 나타낼 것으로 추정된다. 즉, 얇은 원반 시료를 이용하여 암석의 열전도도를 측정할 경우 규모효과에 의하여 실제 지반의 값보다 과대평가될 가능성이 높으며, 특히 광물 입자의 크기가 클수록 규모효과에 의한 오차는 더 커질 것으로 예상된다.
후속연구
75로 높게 나타난다. 따라서 본 연구에서 제시한 회귀식은 결정질 암석의 열전도도를 쉽게 추정할 수 있는 방법으로 이용될 수 있다. XRD 정량분석, 현미경분석, 또는 암편의 육안감별로 석영함량을 알게 되면 회귀식을 이용하여 열전도도를 추정할 수 있다.
따라서 실험실 측정값을 실제 현장규모에서의 대표값으로 사용할 경우 지중열거동을 다루는 많은 지열 모델의 예측 신뢰도에 영향을 줄 수 있는 요인으로 작용할 수 있다. 본 연구에서 분석된 이러한 규모효과는 절리, 단층과 같은 지질구조의 규모에서도 동일하게 적용될 것으로 예상되며 이에 대한 수치해석적인 연구가 필요하다.
참고문헌 (37)
Cha, J., An. S., Koo, M., Song, Y. and Kim, H.C. (2008) Effect of porosity and water content on thermal conductivity of soils. Journal of KoSSGE., v.13(3), p.27- 36.
Cha, J., Koo, M. and Keehm, Y. (2010) An experimental analysis of effective thermal conductivity of porous materials using structural models. Journal of KoSSGE., v.15(6), p.91-98.
Carson, J.K., Lovatt, S.J., Tanner, D.J. and Cleland, A.C. (2003) An analysis of the influence of material structure on the effective thermal conductivity of theoretical porous materials using finite element simulations. Int. J. of Refrigeration, v.26, p.873-880.
Carson, J.K., Lovatt, S.J., Tanner, D.J. and Cleland, A.C. (2005) Thermal conductivity bounds for isotropic, porous materials. Int. J. of Heat and Mass Transfer, v.48, p.2150-2158.
Carson, J.K., Lovatt, S.J., Tanner, D.J. and Cleland, A.C. (2006) Predicting the thermal conductivity of unfrozen, porous food. Journal of Food Engineering, v.75, p.297-307.
Dwivedi, R.D., Goel, R.K., Prasad, V.V.R. and Sinha, A. (2008) Thermo-mechanical properties of Indian and other granites. Int. J. of rock mechanics & mining Sci., v.45, p.303-315.
Fjeldskaar, W., Christie, O.H.J., Midttomme, K., Virnovsky, G., Jensen, N.B., Lohne, A., Eide G.I. and Balling N. (2009) On the determination of thermal conductivity of sedimentary rocks and the significance for basin temperature history. Petroleum Geoscience, v.15(4), p.367-380.
Kim, H.C., Lee, S. and Song, M.Y. (2004) Geological Characteristics and Heat Flow Relationship in South Korea. Econ. Environ. Geol., v.37(4), p.391-400.
Lim, K., Lee, S. and Lee, C. (2007) An experimental study on the thermal performance of ground heat exchanger. Exp. Thermal and Fluid Sci., v.31, p.985- 990.
Luo, M., Wood, J.R. and Cathles, L.M. (1994) Prediction of thermal conductivity in reservoir rocks using fabric theory. Journal of Applied Geophysics, v.32(4), p.321- 334.
Maqsood, A., Kamran, K. and Hussain, G. (2004) Prediction of thermal conductivity of granite rocks from porosity and density data at normal temperature and pressure: in situ thermal conductivity measurements. J. of Physics D: Applied Physics, v.37, p.3396-3401.
Maroulic, Z.B., Krokida, M.K. and Rahman, M.S. (2002) A structural generic model to predict the effective thermal conductivity of fruits and vegetables during drying. Journal of Food Engineering. v.52, p.47-52.
Mattea, M., Urbicain, M.J. and Rotstein, E. (1986) Prediction of thermal conductivity of vegetable foods by the effective medium theory. J. Food Sci. v.51 (1), p.113-115.
Maxwell, J. C. (1954) A treatise on electricity and magnetism. Dover Publications Inc., New York, 500p.
Ozkahraman, H.T., Selver, R. and Isik, E.C. (2004) Determination of the thermal conductivity of rock from Pwave velocity. Int. J. of Rock Mechanics & Mining Sci., v.41, p.703-708.
Park, J., Kim, H.C., Lee, Y., Shim, B. and Song, M.Y. (2009) Thermal Properties of Rocks in the Republic of Korea. Econ. Environ. Geol., v.42 (6), p.591-598.
Park, J., Kim, H.C., Lee, Y. and Song, M.Y. (2007) A study on thermal properties of rocks from Gyeonggido, Gangwon-do, Chungchung-do, Korea. Econ. Environ. Geol., v.40, no.6, p.761-769.
Pribnow, D. and Umsonst, T. (1993) Estimation of thermal conductivity from the mineral composition: Influence of fabric and anisotropy. Geophysical Research Letters, v.20, p.2199-2202.
Ray, L., Forster, H.-J., Schilling, F.R. and Forster, A. (2006) Thermal diffusivity of felsic to mafic granulites at elevated temperatures. Earth and Planet. Sci. Lett., v.251, p.241-253.
Seipold, U. and Huenges, E. (1998) Thermal properties of gneisses and amphibolites - high pressure and high temperature investigations of KTB-rock samples. Tectonophysics, v.291, p.173-178.
Singh, T.N., Sinha, S. and Singh, V.K. (2007) Prediction of thermal conductivity of rock through physicomechanical properties. Building and Environment, v.42, p.146-155.
Sundberg, J., Back, P., Ericsson, L.O. and Wrafter, J. (2009) Estimation of thermal conductivity and its spatial variability in igneous rocks from in situ density logging. Int. J. of rock mechanics & mining Sci., v.46, p.1023-1028.
Ugur, I. and Demirdag, S. (2006) Investigation of the relation between the specific heat capacity and material properties of some natural building and facing stones. Int. J. of Rock Mechanics & Mining Sci., v.43, p.831- 835.
Vosteen, H. D. and Schellschmidt, R. (2003) Influence of temperature on thermal conductivity, thermal capacity and thermal diffusivity for different types of rock. Physics and Chemistry of the Earth, v.28, p.499-509.
Wang, J., Carson, J.K., North, M.F. and Cleland, D.J. (2008) A new structural model of effective thermal conductivity for heterogeneous materials with co-continuous phases. Int. J. of Heat and Mass Transfer, v.51, p.2389-2397.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.