$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

발전용댐 이수능력 평가 연구(II): 확률론적 유입량을 고려한 발전용댐 용수공급능력 범위 산정
Evaluation of hydropower dam water supply capacity (II): estimation of water supply yield range of hydropower dams considering probabilistic inflow 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.55 no.7, 2022년, pp.515 - 529  

정기문 (한국농어촌공사 농어촌연구원) ,  강두선 (경희대학교 사회기반시스템공학과) ,  김동현 (홍익대학교 토목공학과) ,  이승오 (홍익대학교 토목공학과) ,  김태순 (한국수력원자력(주) 한강수력본부 수자원관리부)

초록
AI-Helper 아이콘AI-Helper

이용 가능한 수자원의 규모를 파악하는 것은 지속가능한 이수계획 수립에 필수적인 과정이다. 특히 댐 시설은 용수를 저류하여 갈수기에 공급하기 위한 주요 수공 시설물로써 댐 유입량 및 댐 운영 방안에 따라 댐의 용수공급능력은 크게 달라질 수 있다. 국내에서는 과거 유입량 관측자료를 바탕으로 저수지 운영모의 방법을 통해 댐 용수공급능력을 산정하고 있으며, 이때 관측기간 내 가뭄발생 여부에 따라 용수공급능력이 과소 혹은 과다 추정되는 불확실성을 내포하며, 이는 수자원 계획 수립의 신뢰도를 저해하는 요인이 될 수 있다. 본 연구에서는 발전용댐의 용수공급능력 적정 범위를 산정하기 위해 확률론적 유입량 자료를 활용하였다. 즉, 다양한 기후 및 사회경제 변화를 반영한 확률론적 댐 유입량 및 이를 활용한 발전용댐 용수공급능력의 범위를 산정하는 방법을 제시하였으며, 국내 한강수계에 위치한 발전용댐을 대상으로 분석을 수행하였다. 향후 기후변화에 대응하기 위한 발전용댐의 용수공급능력 파악은 더욱 중요해질 것으로 예상되며, 본 연구 결과는 다양한 기후 시나리오에서의 댐 용수공급능력 범위를 정량적으로 파악함으로써 국내 수자원 계획 수립에 기여할 것으로 기대된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Identifying the available water resources amount is an essential process in establishing a sustainable water resources management plan. Dam facility is a major infrastructure storing and supplying water during the dry season, and the water supply yield of the dam varies depending on dam inflow condi...

주제어

#기후변화   #발전용댐   #용수공급능력   #저수지 운영모의   #확률론적 댐 유입량  

표/그림 (16)

참고문헌 (14)

  1. Chen, W.B., Liu, W.C., and Hsu, M.H. (2012). "Comparison of ANN approach with 2D and 3D hydrodynamic models for simulating estuary water stage." Advances in Engineering Software, Vol. 45, No. 1, pp. 69-79. 

    상세보기 crossref

  2. Choi, J., Jeong, G., Kang, D., Ahn, J., and Kim, T. (2021). "Classification of hydropower dam in North-han River based on water storage characteristics." Journal of Korea Water Resources Association, Vol. 54, No. 8, pp. 567-576. 

    원문보기 상세보기 crossref

  3. Hochreiter, S., and Schmidhuber, J. (1997). "Long short-term memory." Neural Computation, Vol. 9, No. 8, pp. 1735-1780. 

    상세보기 crossref

  4. Ivanov, V.Y., Bras, R.L., and Curtis, D.C. (2007). "A weather generator for hydrological, ecological, and agricultural applications." Water Resources Research, Vol. 43, No. 10, W10406. 

    상세보기 crossref

  5. Luo, B., Fang, Y., Wang, H., and Zang, D. (2020). "Reservoir inflow prediction using a hybrid model based on deep learning." IOP Conference Series: Materials Science and Engineering, IOP Publishing, Shanghai, China, Vol. 715, No. 1, 012044. 

  6. Ministry of Construction and Traffic (MOCT) and K-water (1997). Reevaluation of existing dams (Han river basin). 

  7. Ministry of Construction and Traffic (MOCT) and K-water (2010). Reevaluation of existing dams and optimum allocation of the capacity. 

  8. Ministry of Construction and Traffic (MOCT) and K-water (2011). The national river basin investigation 2011. 

  9. Ministry of Land, Infrastructure and Transport (MOLIT) and K-water (2016). Efficient utilization of existing water resources. 

  10. Tran, Q.K., and Song, S.K., (2017). "Water level forecasting based on deep learning: A use case of Trinity River-Texas-The United States." Journal of Korean Institute of Information Scientists and Engineers, Vol. 44, No. 6, pp. 607-612. 

  11. Tran, T.D., Tran, V.N., and Kim, J. (2021). "Improving the accuracy of dam inflow predictions using a long short-term memory network coupled with wavelet transform and predictor selection." Mathematics, Vol. 9, No. 5, 551. 

    상세보기 crossref

  12. US. Army Corps of Engineers (USACE) (2021). HEC-ResSim: Reservoir system simulation user's manual version 3.3. US Army Corps of Engineers Institute for Water Resources Hydrologic Engineering Center (HEC). CPD-82, Davis, CA, U.S. 

  13. Yeo, W.K, Seo, Y.M, Lee, S.Y, and Jee, H.K (2010) "Study on water stage prediction using hybrid model of artificial neural network and genetic algorithm." Journal of Korea Water Resources Association, Vol. 43, No. 8, pp. 721-731. 

    원문보기 상세보기 crossref

  14. Zhang, Z., Zhu, Y., Zhang, X., Ye, M., and Yang, J. (2018). "Developing a Long Short-Term Memory (LSTM) based model for predicting water table depth in agricultural area." Journal of Hydrology, Vol. 561, pp. 918-929. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로