Analysis of Working Environment and Ventilation Efficiency in Pig House using Computational Fluid Dynamics

전산유체역학을 사용한 양돈장 내 작업환경 환기효율성 분석

Analysis of Working Environment and Ventilation Efficiency in Pig House using Computational Fluid Dynamics

오병욱^a⋅이성원^b⋅김효철^c⋅서일환^d,✝

Oh, Byung-Wook⋅Lee, Seong-Won⋅Kim, Hyo-Cher⋅Seo, Il-Hwan

ABSTRACT

The internal environment in pig house is closely related to the animal productivity. In addition, it is important to consider a working environment inside the pig house due to high gas and dust concentrations. The poor working environment inside the pig house can cause health problems including respiratory diseases. To analyze the working environment, it is important to evaluate the ventilation efficiency to effectively remove harmful gases and dust. The purpose of this study is to develop a 3D CFD model to analyze the working environment in the pig house. CFD model was validated by comparing air temperature distributions between CFD computed and field measured data. The average air flow rate at the pig height was 40.1 % lower than the working height when incoming air was concentrated on upper layer by the installed ventilation system on the experimental pig house. Using the validated CFD model, the regional ventilation efficiency was computed by the TGD(tracer gas decay) method at the pig and working heights. There was a difference of ventilation efficiency on 14 % between the air stagnated section and the rest sections. Stagnated gas concentration can be effected by animal and human health.

Keywords: CFD; turbulence model; ventilation efficiency; working environment

Ⅰ. 서 론

국내 1인당 모든 육류 소비량 추이는 2013년부터 꾸준하게 증가하고 있으며 고품질 축산물에 대한 소비자들의 니즈에 따라 앞으로도 계속해서 증가할 것으로 예상된다. 우리나라 총 농림업 생산액 중 축산업이 차지하는 비율은 2008년 30.9%에서 2016년 38.8%에 해당하는 약 19 조 2,400 억 원으 로 증가하고 있다(MAFRA, 2016). 이처럼 축산업의 중요성이 증가하고 있으며 소비자들의 요구에 충족하기 위해 축산 농 가들의 대규모, 기업화가 이루어지고 있다. 하지만 축사 부지 를 신규로 확대하는 것이 어려우므로 밀집 사육이 이루어지 고 있는 실정이다. 축산업의 지속적인 성장과 육류 소비의 증

가에도 불구하고 생산의 효율성은 제자리걸음을 하고 있다.

양돈의 생산성을 나타내는 지표인 모돈 당 연간 생산두수 (PSY; Piglet per Spw per Year)는 21.0 두이며, 모돈 당 연간출 하두수 (MSY; Market pigs per Sow per Year)는 18.1 두로 네 덜란드 27.7 두, 덴마크 28.4 두 등에 비해 낮은 수치를 보인다 (RDA, 2016). 모돈의 생산두수와 출하두수가 차이가 나는 이 유는 육성⋅비육 과정 중 각종 질병발생 및 환경 요인에 의해 폐사가 발생하기 때문이다. 우리나라 이유자돈 폐사율은 8.9 %, 비육돈 폐사율은 14.1 %로 덴마크 등 다른 국가들에 비하여 약 3 배 정도 높은 수치를 보였다(NIAS, 2014).

돈사 내의 폐사율을 낮추고 생산성을 높이기 위해서는 열 환경, 습도, 가스와 분진 등 공기의 질을 포함하는 적정한 사 육환경을 제공하고 유지하여 주는 것이 매우 중요하다. 축사 내부의 적정환경은 동물 뿐 아니라 사람의 작업환경과도 연 결될 수 있다. 특히 양돈사 내 높은 가스와 미세먼지는 작업자 의 면역체계에 영향을 미치며, 각종 호흡기성 질환을 유발할 수 있다(Roque et al., 2016). 농업에서의 작업환경은 축사, 온 실 등 높은 농도의 가스, 분진에 빈번하게 노출될 수 있기 때 문에 급성 중독, 만성호흡기 질환 등의 위험성에 노출될 수 있다. 양돈장에서의 작업환경은 작업자가 주기적으로 사료, 관리⋅감독, 입⋅출하 등의 작업을 하는 공간을 의미한다. 작 업환경을 개선하기 위해서는 가스 및 분진 등 내부의 환경적 인 요인을 효과적으로 제어하는 것이 필요하다. 최근 IoT

a MS Student, Department of Rural Construction Engineering, Chonbuk National University

b MS Student, Department of Rural Construction Engineering, Chonbuk National University

c Researcher, National Institute of Agricultural Sciences

d Assistant Professor, Department of Rural Construction Engineering, Chonbuk National University

† Corresponding author

Tel.: +82-63-270-2520 Fax.: +82-63-270-2517 E-mail: ilhwan.seo1228@gmail.com

Received: Decembe 26, 2018 Revised: March 12, 2019 Accepted: March 14, 2019

(Internet of things, 사물인터넷), 스마트팜 등 센서-네트워크 기술을 바탕으로 자동으로 실내 환경을 적정하게 제어하려는 연구가 많이 이루어지고 있다(Berckmans, 2017; Erik et al., 2018; Ray et al., 2017; Fournel et al., 2017). 이러한 센서-네트 워크 기반의 자동환경제어 연구는 실제 현장에서 발생하는 환경적인 문제에 대한 많은 데이터가 필수적으로 확보되어야 하지만, 현장실험만으로 많은 양의 데이터를 확보하는 것은 시⋅공간적인 제약, 실험자가 원하는 안정적인 환경조건 설 계의 어려움, 제한된 측정 포인트 등 많은 한계점이 존재한다.

실험돈사에 설치할 수 있는 모니터링 장비가 제한적이며, 센 서의 성능의 한계를 극복하기 위하여 모든 실험 대상영역에 대한 정량적 및 정석적인 데이터를 확보하기 위하여 전산유 체역학(CFD, computational fluid dynamics) 시뮬레이션 모델 을 사용한 축산시설 내 환경분석 연구가 많이 수행되고 있다 (Kim et al., 2017; Seo et al., 2008, 2012, 2014; Hong et al., 2017; Hao et al., 2017; Bjerg et al., 2002; Li et al., 2016).

CFD는 실험자의 연구 목적에 맞도록 다양한 환경조건을 안 정적으로 설정 할 수 있으며, 시간 및 노동력 절감, 정성적 및 정량적 막대한 데이터 확보 및 다양한 분석을 수행할 수 있다.

본 연구의 목적은 양돈장 내 작업환경을 분석하고 문제점 도출 및 개선책 마련을 위한 전산유체역학 시뮬레이션 모델 을 개발 및 검증하는 것이다. 이를 위하여 상업용으로 운영되 고 있는 양돈장을 대상농가로 선정하여 동일한 크기 및 환기 구조를 대상으로 CFD 시뮬레이션 모델을 설계하였으며, 현 장측정 데이터를 바탕으로 설계된 CFD 모델에 대한 검증을 수행하였다. 또한 개발된 모델을 바탕으로 환절기 작업환경 을 평가하기 위하여 돈군과 작업군 높이에서의 가스, 분진의 농도를 평가하기 위하여 높이별 및 위치별 돈방 내 환기효율 성 평가를 수행하였다.

Ⅱ. 재료 및 방법 1. 연구대상농장

실험대상 농가는 전라남도 영광군에 위치한 모돈 포함 12,000 두 규모의 상업용 양돈장이다. 실험농장은 모돈사, 자 돈사, 비육사, 퇴비저장고, 사료배합기 등을 가지고 있으며 실 험 돈방은 농장 관리자와의 면담을 통하여 비육돈사 내부에 있는 돈방 중에서 상대적으로 폐사율이 높고 생산성이 낮은 최대 300 두 규모의 돈방을 선정하여 모델의 검증을 위한 환 경요인을 측정하는 현장 모니터링을 진행하였다. Fig. 1에서 와 같이 실험비육돈사는 7개의 관련 건물에 둘려 쌓여 있으

며, 음압식 배기와 함께 화살표로 표시한 것과 같이 건물 사이 에 공간을 통하여 외기가 유입된 후, 돈방들을 연결하는 복도 를 통과한 후, 복도와 연결된 입기구를 통하여 돈방 안으로 공기가 유입되는 구조를 가지고 있다(Fig. 2). 실험 돈방의 형 태와 제원은 Fig. 3과 같이, 돈방의 크기는 폭 12 m, 길이 15.6 m 높이 3.2 m 이다. 돈방 내부에는 폭 0.8 m의 작업용 복도를 가지고 있으며, 1 m 높이의 벽으로 구분되어 있는 총 12 개의 우리를 가지고 있어 각 우리 별로 약 18∼25 마리의 비육돈을 기르고 있다. 입기가 되는 복도 방향으로는 위, 아래 각각 6개 의 입기구(Upper window & Lower window, Fig. 3)가 있으며, 균일한 입기를 위하여 돈방 상부에는 덕트 입기구(Duct inlet) 가 설치되어 있다. 외측 벽에는 100 cm 지름의 원형 배기팬 (Circular exhaust fan) 2개와 60 cm의 정사각형 배기팬 (Square exhaust Fan) 3개가 설치되어 있으며, 외부에서부터 돈방 가운데로 연결되는 덕트(Duct outlet)는 배기와 입기 모두에 사용될 수 있도록 설치되어 있다. 계절별 및 시기별 로 다양한 입기구와 배기구를 조합하여 환기를 가동하고 있다.

현장모니터링은 2017년 9월∼2018년 12월까지 연속적으 로 수행하였으며, CFD 모델의 검증용 데이터는 외부 유입공 기의 온도와 내부에 설정온도의 차이가 발생하는 환절기 (2017년 9월 하반기) 데이터를 활용하였다. 해당기간 동안의 환기방식은 돈방에서 외부방향으로 설치된 직경 0.6 m 사각 형 팬 3 개와 직경 1.5 m 덕트를 이용하여 배기하는 강제 환기 식을 사용하였다. 외부에서 비육사의 복도를 통과하는 신선 한 공기는 복도 쪽 외벽에 설치된 6개의 입기용 창과 직경 0.94 m의 덕트를 통하여 돈방으로 유입되고 있으며, 추가적으 로 내부의 환경요인에 따라서 환기시스템이 작동하여, 외부 로 설치되어 있는 직경 1.5 m 큰 덕트를 통해 공기가 유입된다 Fig. 1 Satellite image of experimental pig farm surrounded by

mountain area in Yeonggwang, Korea; blue arrow represents the intaking direction of outside air

(Fig. 3). 해당 돈방은 계절 및 내부 온도에 따라 가변식으로 환기시스템을 운영하고 있다.

2. 현장모니터링

현장에서 발생하는 사육환경 및 작업환경의 문제점을 파악 하고 개발하는 CFD 시뮬레이션의 검증데이터를 확보하기 위 하여 실험대상 돈방에 대하여 상시 모니터링을 수행하였다.

외부 기상은 기상대(U30-NRC-10-S100, Onset Inc., USA)를 사용하여 측정하였고, 돈방 내부에 총 9개의 온습도 센서 (HOBO U23-001, Onset Inc., USA)를 설치하여 상시적으로 실시간 데이터를 수집하였다. 기상대 설치 위치는 해당 양돈 장의 전체적인 외부 기상을 관측하기 위해 주변 지형지물에 의한 영향이 적은 구역에 설치하였다(Fig. 1). 온습도 센서는 전체 돈방을 9 개의 구획으로 가정하여 각 구획을 대표할 수 있도록 가운데에 설치하였다. 설치 높이는 작업자가 돈방 내

부에서 특정 작업을 하는 작업환경을 측정하기 위하여 현지 노동자들이 작업할 때 호흡하는 1.5 m 정도의 높이가 이상적 이지만, 작업 시 영향을 받는 것을 최소화하기 위하여 약 1.8 m에 설치하였다(Fig. 4). 해당 돈방에서는 외부로부터 복도를 통과 하여 돈방으로 공기가 유입되기 때문에, 외부의 기상데이터 와 별도로 외부에서 유입되는 공기의 특성을 파악하기 위하 여 복도 측 입기구 앞에 센서를 설치하였다.

3. CFD를 통한 모델 설계

본 연구에서는 Design Modeler(ver 18.1., ANSYS Inc., USA)를 이용하여 실험돈방에서 운영되고 있는 실제 규격을 바탕으로 돈방의 구조와 동일한 환기구조를 설계 하였다. 시 뮬레이션 모델을 설계할 때 돼지의 형상이 구현되지 않은 경 우 현장에서 발생하는 유동학적인 문제를 해석하는 것이 매 우 어려워진다. 이는 외부에서 유입되는 상대적으로 찬 공기 (a) Air inlet of corridor (b) Passage of experimental pig room

Fig. 2 Airflow image of experimental pig farm

Fig. 3 Ventilation system operated during spring season with various outlet(red) and inlet (blue)

Fig. 4 Temperature and humidity sensor locations installed inside and outside the experimental pig room; HOBO data logger was used for sensor 1∼9 and IC(inside climate) and Weather Station was used for sensor OC(outside climate)

가 밀도에 의하여 돈방의 바닥부분으로 움직이는 경우, 전반 적인 내부 공기의 유동이 바닥으로 집중되며, 이 때 돼지에 의한 유동의 방해, 열 및 습도 생성의 영향을 무시하는 경우 실제 유동학적 현상을 모의하기 어렵다. 하지만, 복잡한 돼지 의 모형을 정밀하게 구현하는 경우 막대한 양의 연산이 필요 하기 때문에, 효율적인 연산시간과 결과의 정확도를 고려하 여 기본적인 환기 구조를 유지하는 범위 내에서 단순화 시킨 모형을 사용하여 계산영역을 설계하였다(Seo et al., 2008). 실 험돈방 내부에는 12개의 우리가 있으며, 하나의 우리에 돼지 마리 수는 현장의 사육운영에 따라 지속적으로 변화하기 때 문에 현장상황과 이상적인 적정 사육두수를 종합적으로 고려 하였다. 농림축산식품부의 축산법시행령 제 14조 2항에서 제 시하는 사육면적 당 적정 마리 수는 해당 우리의 면적인 14.6

㎡에서 약 23 마리이며, 현장에서 조사한 사육두수는 18∼25 마리 이므로 이상적인 사육두수인 23 마리로 가정하여 돈방 을 설계하였다. 특히 환절기에는 별도의 난방을 하지 않고 있 기 때문에 외부에서 유입되는 상대적으로 낮은 온도의 공기 와 열적인 균형을 이루기 위해서는 돼지로부터의 발열이 매 우 중요한 요인으로 작용된다. CIGR (2004)에서 제시하는 돼 지의 중량과 사료 섭취율을 통하여 돼지 표면적 대비 발열량 을 산정하는 공식을 사용하였다(Eq. 1). 실험 돈방에서 사육되 고 있는 비육돈은 20 kg에서부터 60 kg 사이이므로, 공식에서 제시하고 있는 값 중 해당되는 값인 30 kg을 사용하여 표면적 에서 발생하는 열량을 산정한 결과 ^을 얻을 수 있었으며, 이는 시뮬레이션 모델의 입력자료로 활용되 었다.

_ ^     ^ ^(1)

where, _ repesent the total heat flux of pig (^), m represent the weight of pig (kg), n represent Daily feed energy coefficient used for calculating pig heat-production (Table 1).

Mass(kg) n

2 4.1

20 3.0

30 3.42

90 2.65

Table 1 Daily feed energy coefficient used for calculating pig heat-production (CIGR, 2004)

총 격자개수는 약 450 만 개이며, 복잡한 돼지의 형상과 내부의 구조 및 환기시스템들을 안정적으로 설계하기 위하여 사면체 (Tetraheadron)구조의 격자를 사용하였다. 격자를 설계 할 경우 격자를 너무 조밀하게 설계할수록 정확도는 증가하 지만 연산시간이 급격하게 증가하며, 성글게 격자를 설계할 경우 연산 시간은 줄어들지만 정확도가 낮아진다. 격자 독립 성 평가를 수행한 선행사례를 바탕으로 최소 0.05 cm를 기준 으로 유동학적으로 중요한 부분에 격자가 집중될 수 있도록 설계하였다(Kim et al., 2017). 또한 유동학적으로 중요한 부분 에 격자가 집중되어 설계할 경우 연산 시간을 단축시킴과 동 시에 계산의 정확도를 향상 시킬 수 있도록 하였다. 사육환경 에 중요한 역할을 하는 돈군에서도 격자의 수를 증가시켰으

(a) Outside wall

(b) Exhausting fan

(c) Internal occupants

Fig. 5 Mesh design of the experimental pig house

며, 특히 발열효과를 보이는 돼지 모형과 모형 사이에 충분한 수의 격자를 설계하였다(Fig. 5). 실제 돈사에서의 돼지는 연 속적으로 움직이고 있으며, 특정한 하나의 패턴으로 가정하 는 것은 어렵다. 또한 돼지 모형을 너무 밀집하여 설계하는 경우 격자설계의 어려움과 함께 시뮬레이션 모델의 계산 오 류를 야기할 수 있다. 따라서 23 마리의 돼지모형은 현장에서 의 움직이는 패턴을 고려하여, 음수대 및 사료통 근처에 비교 적 밀집하여 배치하였으며, 나머지 영역에서는 고르게 배치 하였다. 돼지 모형과 벽체가 지나치게 근접하는 경우 역시 격 자의 왜곡도를 높여 계산오차를 크게 만드는 요인이 될 수 있으므로 벽체 및 다른 돼지 모형과의 어느 정도 간격을 유지 할 수 있도록 하여 임의 배치하였다.

Content Value

Number of mesh about 4.5 million

Mesh design Tetraheadron

Boundary conditions Velocity inlet &

Pressure outlet

Input temperature 291.8 (K)

Output temperature 289.5 (K)

Inside initial temperature 297.8 (K)

Pig heat flux 210.9 (W⋅^{ })

Ventilation rate

(air exchanges) 0.55 (^{ })

Velocity at the inlet vent 3.71 (m⋅^{ })

Table 2 Input & boundary conditions for the CFD simulation model of the experimental pig house

4. 추적가스농도 감쇠법(Tracer-gas-decay) 일반적으로 농업시설의 환기량을 산정하는 질량교체 환기 량 (Mass flow rate) 산정법은 돈사 내부로 유입된 공기가 시설 전체의 공기를 교체하는데 이용된다는 가정 하에 단위시간 당 시설의 공기교체횟수를 산정하는 방법이다. 질량교체 환 기량은 간단한 식으로 전체 시설의 환기량을 산정할 수 있는 장점이 있지만, 지역적인 환기 효과를 분석하지 못하므로 돈 방 내부의 구획 별 환기량, 유해가스 및 분진의 희석 효과를 분석하기에는 적합하지 않다. 추적가스농도 감쇠법 (TGD법, Tracer gas decay)는 시간에 따른 추적가스의 농도 변화를 이 용하여 환기량을 계산하는 방법이다. 시설 내부에 추적가스 를 균일한 농도로 채워놓은 뒤, 환기를 시작한 후부터 시간에 따른 농도 감소량을 정량적으로 분석하여 환기량을 계산한다. TGD법은 현장에서의 환기효율성을 분석하기 위하여 개발된

방식이지만, 현장실험으로 진행하는 경우 초기 가스농도를 균일하고 안정적으로 분포시기기가 어렵고, 적은 측정 포인 트로 인한 분석의 한계가 있다. CFD 시뮬레이션을 사용할 경 우 이러한 한계점들을 극복할 수 있으며, 막대한 양의 정량적 및 정성적 데이터를 확보할 수 있다. 적절한 사육환경 및 작업 환경을 제공하기 위해서는 돈방 내부의 유해가스와 분진을 효율적으로 환기시켜야 하며 지역적인 환기의 효율성과 균일 성을 평가해야 하기 때문에 본 연구에서는 TGD 법을 활용하 여 해당 돈방의 지역적인 환기효율성을 분석하고자 한다. 환 기효율성은 Eq. 2 & 3을 사용하여 산정 할 수 있다. 실험 조건 은 돈방 내부에 2000 ppm의 이산화탄소를 균일하게 분포시킨 뒤 외부의 공기에 400 ppm의 이산화탄소가 포함되어 유입되 도록 가정하여 해석을 하였다.

AER_= _



∑__

×   

∑__

×  (2)

AER_= _

  _ Ln__

(3)

AER_ : Air exchange of mass flow rate (AE⋅min^{ }) AER_ : Air exchange of tracer gas decay (AE⋅min^{ }) V : Volume of pig house()

_ _ : Velocity at inlet and outlet(m⋅^{ })

__ : Vent area of inlet and outlet(^)

__ : Concentration of tracer gas at _  time (ppm)

5. 시뮬레이션 연구방법

시뮬레이션 모델의 검증을 위하여 현장에서 측정된 환경모 니터링 데이터와 CFD로 해석한 시뮬레이션 결과와의 상호비 교를 통한 검증 과정을 수행하였다. 하절기에는 내부와 외부 의 온도가 모두 높아 온도차에 의한 기류의 변화를 CFD 모델 이 효과적으로 반영하는지를 파악하기 어렵다. 반면, 해당 돈 사에서는 동절기에 간헐적(Intermittent)으로 환기를 운영하기 때문에 정상상태(Steady state)로 모델을 검증하기 위하여 충 분한 시간동안 안정적인 내⋅외부 온도 및 환기량이 유지되 지 않는다. 따라서 외부에서 유입되는 공기의 온도와 내부온 도의 차이가 있으며, 온도가 충분한 시간동안 일정하게 유지 되며, 지역적인 차이가 예상되는 데이터를 확보하고자 하였 다. 일교차가 크게 발생한 2017년 9월 하반기 측정 데이터 중 2∼3 일 간 강우, 흐림이 없는 맑은 날이 지속되는 일반적 인 상황을 고려하여 9월 23 일의 온도데이터를 바탕으로 CFD 모델을 검증하였다(Fig. 8a). 검증을 비정상상태로 수행하는

경우 고려해야 할 요인과 변수가 많기 때문에, 검증에서는 내 부와 외부의 온도가 비교적 안정적으로 유지되어 정상상태를 가정할 수 있는 안정적인 환경에서의 데이터를 사용하였다.

정상상태를 모의하기 위하여 측정된 모든 현장데이터 중에서 6시간 이상 순간적인 변화가 없이 유입온도와 내부 온도 분포 가 최대한 유지되는 데이터를 선정하고자 하였다(Fig. 8b). 모 델의 검증을 위하여 선택된 기간 동안에는 0.55 AER(Air exchange rate, min^-1)의 환기량을 유지하고 있었다.

농업시설 내부의 공기흐름은 일반적으로 난류의 흐름을 가 진다. 난류는 불규칙한 3차원의 흐름이기 때문에 시뮬레이션 을 통하여 정확하게 모의하는 것이 중요하다. 난류는 시⋅공 간적으로 일정한 흐름을 가지지 않기 때문에 CFD에서는 난 류모델을 통하여 근사해를 도출한다. 따라서, 정확한 시뮬레 이션 결과를 모의하기 위해서는 사용되는 난류 모델의 특성 과 해당 환경조건과의 적합성을 고려하여 적정 난류모델을

선정하여야 한다. 본 연구에서는 일반적인 유동해석에 사용 되는 난류 모델 중 Standard k-ε, RNG k-ε, Realizable k-ε, Standard k-ω 난류모델에 대한 결과를 현장 모니터링 결과와 비교⋅분석하여 적정 난류모델을 선정하였다. 선정된 난류모 델을 적용하여 해석한 CFD 모델을 사용하여 내부의 유동을 해석하였으며, 환기효율성을 검토할 수 있다. 분석을 위하여 전체 구간을 분할하여 작업자의 호흡기가 위치한 높이 (Human-zone)와 돼지 사육군 높이 (Pig-zone)로 분류하였으 며, 돈방을 총 12개의 구획으로 나누어 분석을 수행하였다 (Fig. 7). 12개의 구획을 방위에 따라 West와 East로 구분하였 다(Fig. 7).

Ⅲ. 결과 및 고찰 1. CFD 모델검증

현장실험을 통하여 측정한 내부 환경 모니터링 데이터와 4 가지 주요 난류모델별로 해석한 CFD 시뮬레이션 결과와 비교하였다. 난류모델을 제외한 모든 조건은 동일하게 설정 한 후 각 난류모델만 변경하여 계산을 수행하였다. 그 후 현장 실험을 통하여 측정한 온도 변화 데이터와 각 난류모델별 CFD 시뮬레이션 결과를 분석하였다. Fig. 8은 난류모델별로 CFD 결과와 현장 모니터링 데이터를 동일한 측정 위치에서 비교한 결과를 나타낸다. 난류모델에 따라 현장실험과 비교 한 결과를 보면 Realizable k-ε 난류 모델을 이용한 경우 현장 실험의 데이터와 가장 유사한 결과를 제시하고 있으며, R² 값 은 0.857로 높은 상관관계를 보이는 것을 알 수 있다. 관련되 어 Yoon et al.,(2002), Yu et al.,(2002)는 Realizable k-ε 모델을 사용하여 내부의 유동을 해석한 바 있다. 모델과 현장실험의 정성적인 비교를 위하여 Fig. 9와 같이 온도분포의 패턴을 비 Fig. 7 Locations of each pen for analysis of internal environmental

conditions in the experimental pigroom

(a) Field monitoring data (b) Selected data for CFD validation

Fig. 6 Field monitoring data for validation of CFD model considering steady state condition

교하였다. 현장에서 나타난 온도분포의 패턴도 유사하게 나타 났다. 때문에 본 실험에서는 돈방 모델의 경우 Realizable k-ε 난류 모델을 사용했을 때 현장실험과 유사한 패턴을 보이는 것으로 판단하여 적정 난류 모델로 선정하였다.

2. CFD 유동해석 결과

검증된 CFD 시뮬레이션 모델을 이용하여 돈사 내부의 공 기 유동을 분석하였다. 분석결과, 유동장은 Fig. 10에서와 같 이, 실험 돈방의 배기구와 입기구가 모두 1 m 이상의 높이에

(a) Standard k-ε (b) RNG k-ε

(c) Realizable k-ε (d) Standard k-ω

Fig. 8 Comparison of turbulence model using internal thermal distributions between field measured and CFD computed temperatures

Fig. 9 Thermal distribution at working height between field measured and CFD computed data

위치하여 있기 때문에 공기의 유동이 돈방 상부에 치중되어 있어 0.5 m 높이에서는 입기구 방향에서의 유동이 상대적으 로 적게 나타난 것이 관찰되었다. 측면에서의 유동장을 분석 한 결과, 상부 창문과 큰 덕트에서 유입된 외부 공기가 맞부딪 혀 와류를 형성한다. 때문에 상부의 유동이 집중되어 덕트 배 기구 측 하부에 공기의 유동이 적게 형성된 것으로 판단된다. 이로 인하여 공기 유동이 정체된 구획(빨간색 박스, Fig. 10)이 생겨 유해가스나 분진 등의 효율적인 환기가 제대로 이루어 지지 않고 있었다. 정체 구간이 발생할 경우 외부와 연결된 입기용 덕트에서 유입되는 찬 공기는 돈방 가운데로 입기를 집중시켜, 해당지역의 환기효율성은 높아질 수 있으나, 외부 온도에 따른 일교차를 높여 사육환경에 문제가 발생할 수 있다.

실험 돈방의 내부 환경의 정량적인 분석을 위해 각 구획 별로 구분하여 분석을 수행하였다. 각 구획의 평균유속, 온도, 환기효율성의 분석결과를 Table 3에 제시하였다. 분석한 결과 앞서 유동장에서 분석한 결과와 마찬가지로 돼지의 호흡기가 위치한 돈군에서의 평균유속이 사람의 호흡기가 위치한 높이 인 작업군에서의 평균유속보다 약 40 % 정도 낮게 형성되어

있다. 큰 덕트에서 유입되는 공기가 W-2, W-3 및 E-2, E-3 지역에 집중되어 돈방 평균온도인 25 ℃ 보다 약 5 % 낮은 23.7 ℃로 나타났다. TGD법으로 환기효율성을 분석한 결과 각 구획별로 환기율에 대한 차이를 보이며 W-6 및 E-6의 구획 의 경우 돈방 내 평균 환기효율성 보다 약 14 %가 떨어져 유동이 정체되어 있는 구간이 발생하였다. Table 4는 시간별 이산화탄소가스의 농도의 변화를 나타낸 것으로 환기 시 Fig.

10. 과 같이 공기는 외부에서 유입덕트를 통하여 W-2, W-3 및 E-2, E-3 (유동집중구역) 지역으로 들어오기 때문에 유동이 집중되는 구획에서는 이산화탄소의 잔류농도가 빠르게 줄어 들고, 유입구와 가장 멀리 떨어진 W-6, E-6 (유동정체구역) 지역으로 갈수록 유속이 감소하며, 이로 인하여 정체되는 구 간들이 발생하여 유동집중 구역과 비교하여 정체구역에 대한 이 산화탄소 감소 정도는 60 초에서 29.4 %, 120 초에서 32.7 % 수준으로 감소하여 이산화탄소 농도의 저감속도가 현저하게 감소하는 결과를 보인다. 이처럼 지역 별로 균일하게 환기가 이루어지지 못하고 유동이 정체된 구획이 발생할 경우 정체 된 구획에서는 유해가스 및 분진의 정화가 제대로 이루어지 지 않고 사육에 적정온도가 유지되기 어렵다.

(a) Top view at 0.5m height (b) Top view at 1.5m height

(c) Side view at window (d) Side view at bigduct

Fig. 10 Airflow pattern computed by CFD simulation; color of arrows represents air velocity magnitude ranged from 0∼5 m/s

Ⅳ. 결 론

본 연구는 강제환기식 돈사의 사육환경 및 작업환경을 개 선할 목적으로 내부의 환경을 정밀하게 분석 및 진단하기 위 한 전산유체역학 (CFD, computational fluid dynamics) 모델을 개발 및 검증하는 것이다. 현장에서 측정된 모니터링 결과를 바탕으로 CFD 모델을 난류모델별로 비교⋅분석한 결과, Realizable k-ε 모델이 실제 현상과 가장 유사하게 모의하는 결과를 보이고 있다. 검증된 모델을 사용하여 돈방 내부의 지 역적인 환기효율성을 TGD (Tracer gas decay, 추적가스농도

감쇠법)을 사용하여 계산하였다. 그 결과 입기구와 배기구가 집중된 지역 및 유동이 집중되는 지역에서 환기효율성이 상 대적으로 크게 나타났지만 환기가 잘 이루어지지 않아 공기 유동이 정체된 지역이 발생하였다. 환기가 집중된 지역은 외 부의 환경적인 요인에 따라서 온도와 습도의 변화가 크게 나 타날 수 있다. 하지만 작업환경적인 측면에서는 유해가스와 내부의 먼지를 제거하는 효과를 얻을 수 있다. 공기 유동이 정체된 지역에서는 돈방 내부에 유해가스 및 분진의 환기가 원활하게 이루어지지 않아 돼지에게는 호흡기성 질병의 발생 율을 높이고 작업자가 노출되었을 경우 만성 또는 급성 중독

　 Pig zone Human zone

Zone Avg. velocity (m/s)

Avg. temperature (℃)

Ventilation efficiency (TGD, AER min^-1)

Avg. velocity (m/s)

Avg. temperature (℃)

Ventilation efficiency (TGD, AER min^-1)

W-1 0.26 25.2 0.25 0.35 24.8 0.26

W-2 0.34 23.9 0.32 0.72 23.3 0.32

W-3 0.24 25.5 0.29 0.57 23.8 0.30

W-4 0.17 26.9 0.28 0.50 24.2 0.28

W-5 0.29 25.6 0.26 0.36 24.8 0.26

W-6 0.25 26.3 0.24 0.36 25.5 0.24

E-1 0.19 26.5 0.26 0.35 25.7 0.26

E-2 0.41 23.7 0.30 0.66 23.5 0.31

E-3 0.33 25.9 0.35 0.59 24.3 0.31

E-4 0.22 26.4 0.28 0.30 25.5 0.29

E-5 0.19 26.9 0.25 0.20 26.0 0.26

E-6 0.26 29.6 0.25 0.38 28.2 0.24

Average 0.26 26.0 0.28 0.44 25.0 0.28

Table 3 Environmental conditions including air velocity, temperature, and ventilation efficiencies computed by TGD using CFD simulation according to the pig and human respirable heights

(a) CO₂ concentration (ppm) 60 seconds after starting ventilation

W-1 W-2 W-3 W-4 W-5 W-6

Human-zone 1,365 1,276 1,152 1,341 1,496 1,572

Pig-zone 1,195 929 1,028 1,200 1,435 1,623

E-1 E-2 E-3 E-4 E-5 E-6

Human-zone 1,411 1,356 1,287 1,429 1,526 1,544

Pig-zone 1,382 1,057 909 1,328 1,494 1,662

(b) CO₂ concentration (ppm) 120 seconds after starting ventilation

W-1 W-2 W-3 W-4 W-5 W-6

Human-zone 995 919 870 889 932 1,014

Pig-zone 903 690 719 914 927 1,077

E-1 E-2 E-3 E-4 E-5 E-6

Human-zone 963 870 713 868 990 1,114

Pig-zone 860 639 521 875 1,037 1,211

Table 4 Distribution of CO2 concentration in the experimental pigroom by heights at 60 seconds after starting the ventilation system using fresh outside air with CO2 concentration of 400 ppm when CO2 gas was initially disturbed by 2,000 ppm

과 같은 안전사고가 발생할 수 있다. 본 연구를 통하여 개발된 모델을 사용하여 추후 암모니아와 황화수소와 같은 유해가스 와 분진을 구현하여 환기 시스템 가동 시 이동을 추적하여 작업자의 돈방 내부 작업 별 적정 환기시스템 돼지 폐사율을 낮추기 위한 개선된 환기시스템을 제시하고자 한다. 이와 같 은 결과는 환기시스템의 설계의 중요성을 보여주고 있으며, 일반적인 동물의 사육환경과 작업자를 고려한 작업환경을 인 위적인 환기시스템의 조절을 바탕으로 적절하게 조절할 수 있을 것으로 사료된다. 개발된 모델을 바탕으로 돈방 내부 환 기가 균일하게 이루어 질수 있는 환기 시스템의 개선방안을 모색하기 위한 돈방 내부의 환경 데이터 확보에 활용 할 수 있다. 적정한 사육환경과 작업환경의 개선을 통해 생산성 증 진 및 작업자의 안전사고 발생율을 줄일 수 있을 것으로 사료 된다. 본 연구의 결과는 추후 IoT (사물인터넷), 스마트 팜 등 자동환경제어 연구에 필요한 기초 데이터 확보에 큰 도움이 될 것으로 기대된다. 빅데이터 분석을 위한 현장데이터의 확 보 및 인공지능을 이용한 환기시스템의 자동화를 위하여, CFD 시뮬레이션을 통하여 현장에서 발생하는 다양한 환기구 조 및 운영조건에 다른 내부의 환기효율성을 분석하여 최적 의 구조 및 작업자 환경의 개선을 위한 환기운영방식을 제시 할 수 있다.

감사의 글

본 연구는 농촌진흥청 연구사업(과제번호: PJ012782, 과제 명: IoT 기반 양돈작업환경 통합제어 환경구축 및 안전증진 연구)의 지원에 의해 이루어진 것임.

REFERENCES

1. Bjerg, B., K. Svidt, G. Zhang, S. Morsing, and J. O.

Johnsen, 2002. Modeling of air inlets in CFD prediction of airflow in ventilated animal houses. Computers and Electronics in Agriculture 34: 223-235. doi:10.1016/

S0168-1699(01)00189-2.

2. Berckmans, D., 2017. General introduction to precision livestock farming. Animal Frontiers 7(1): 6-11. doi:10.2527/

af.2017.0102.

3. Vranken, E., and D. Berckmans, 2018. Precision livestock farming for pigs. Animal Frontiers 7(1): 32-37. doi:

10.2527/af.2017.0106.

4. Forestry Production and Value Added to GDP.

http://www.index.go.kr/potal/stts/, Acessed 10　Sep. 2018.

5. Li, H., R. Li, and G. Zhang, 2017. Reliability of turbulence models and mesh types for CFD simulations of a mechanically ventilated pig house containing animals.

Biosystems Engineering 161: 37-52. doi:10.1016/j.bio systemseng.2017.06.012.

6. Hong, S. W., V. Exadakylos, I. B. Lee, T. Amon, A.

Youssef, T. Norton, and D. Berckmans, 2017. Validation of an open source CFD code to simulate natural ventilation for agricultural buidings. Computers and Electronics in Agriculture 138: 80-91. doi:10.1016/j.compag.2017.03.022.

7. Kim, R. W., I. B. Lee, T. H. Ha, U. H. Yeo, S. Y. Lee, M. H. Lee, G. Y. Park, and J. K. Kim, 2017. Development of CFD model for predicting ventilation rate based on age of air theory using thermal distribution data in pig house.

Journal of the Korean Society of Agricultural Engineers 59(6): 61-71 (in Korea).

8. MAFRA, Agriculture and Forestry Production and Value Added to GDP. http://www.index.go.kr, Acessed 10 Sep.

2018.

9. Park, S. J., I. B. Lee, S. W. Hong, K. S. Kwon, T. H.

Ha, N. G. Yoon, H. G. Kim, and S. H. Kwon, 2013.

Development of straightforward method of estimating LMA and LMR using computational fluid dynamics technology. Journal of the Korean Society of Agricultural Engineers 55(6): 135-144 (in Korean). doi:10.5389/ksae.

2013.55.6.135.

10. RDA (Rural Development Administration), 2016. Agricultural Management Assistant Pig Management. (authors: D. W.

Cheon, D. K. Seo, J. Y. Son, B. C. Lee, H. J. Jin, S. H.

Choi, and Y. D. Park) Eden house (in Korean).

11. Ray, P. P., 2017. Internet of things for smart agriculture:

technologies, practices and future direction. Journal of Ambient Intelligence and Smart Environments 9(4):

395-420. doi:10.3233/ais-170440.

12. Roque, K., G. D. Lim, J. H. Jo, K. M. Shin, E. S. Song, R. Gautam, C. Y. Kim, K. Lee, S. Shin, H. S. Yoo, Y.

Heo, and H. A. Kim, 2016. Epizootiological characteristics of viable bacteria and fungi in indoor air from porcine, chicken, or bovine husbandry confinement buildings.

Journal of Veterinary Science 17(4): 531-538. doi.10.4142/

jvs.2016.17.4.531.

13. Li, R., P. V. Nielsen, B. Bjerg, and G. Zhang, 2016.

Summary of best guidelines and validation of CFD modeling in livestock buildings to ensure prediction quality. Computers and Electronics in Agriculture 121:

180-190. doi:10.1016/j.compag.2015.12.005.

14. Fournel, S., A. N. Rousseau, and B. Laberge, 2017.

Rethinking environment control strategy of confined animal housing systems through precision livestock farming. Biosystems Engineering 115: 96-123. doi:10.1016/

j.biosystemseng.2016.12.005.

15. Seo, I. H., I. B. Lee, S. W. Hong, H. S. Hwang, J. P.

Bitog, J. I. Yoo, K. S. Kwon, T. H. Ha, and H. T. Kim, 2008. Development of a CFD model to study ventilation efficiency of mechanically ventilated pig house. Journal of the Korean Society of Agricultural Engineers 50(1):

25-37 (in Korean). doi:10.5389/ksae.2008.50.1.025.

16. Seo, I. H., L. B. Lee, O. K. Moon, S. W. Hong, H. S.

Hwang, J. P. Bitog, K. S. Kwon, Z. Ye, and J. W. Lee, 2012. Modelling of internal environmental conditions in a

full-scale commercial pig house containing animals.

Biosystems Engineering 111: 91-106. doi:10.1016/

j.biosystemseng.2011.10.012.

17. Seo, I. H., L. B. Lee, O. K. Moon, and K. S. Kwon, 2014.

Aerodynamic approaches for estimation of waste disease spread in pig farm through airborne contaminants. Journal of the Korean Society of Agricultural Engineers 56(1):

41-49 (in Korean). doi:org/10.5389/ksae.2014.56.1.041.

18. Yoon, N. G., 2002. Design and analysis for greenhouse environment using CFD simulation. Kor. Res. Soc.

Protected Hort 15(1): 20-26 (in Korean).

19. Yu, I. H., M. K. Kim, H. J. Kwon, and K. S. Kim, 2002.

Development of CFD model for estimation of cooling effect of fog cooling system in greenhouse. Bio-Environment Control 11(2): 93-100 (in Korean).