산업 비산먼지의 입자 분포 기반 집진 장치 효율성 정량화: 다변량 통계 및 유체역학 기반 수리모델

5월 09, 2025

산업 비산먼지의 입자 분포 기반 집진 장치 효율성 정량화: 다변량 통계 및 유체역학 기반 수리모델

1. 초록(Abstract)

본 연구는 산업 현장에서 발생하는 비산먼지를 대상으로, 입자의 크기별 분포 함수, 유속, 점성, 밀도, 정전기 인자 등을 통합하여 집진 장치의 효율 η를 정량화한다. **집진 효율 η(d)**는 입자 직경 d에 따른 함수로 구성되며, 필터 계수, 입자 농도 변화율, 입자 정착 계수, 장치 내 체류 시간 분포를 고려한 확률 통계 모델로 정의된다.

2. 주요 변수 정의

η(d): 입경 d에서의 집진 효율 [%]
C₀(d): 유입 공기 중 입경 d 입자 농도 [mg/m³]
C₁(d): 유출 공기 중 입경 d 입자 농도 [mg/m³]
v: 입자 유속 [m/s]
μ: 유체 점성 계수 [Pa·s]
ρₚ: 입자 밀도 [kg/m³]
τ: 장치 체류 시간 [s]
Φ: 필터 매질 특성 계수 (투과율, 정전기 등)

3. 집진 효율 기본 정의식

집진 효율은 다음과 같이 정의된다.


η(d) = \left(1 - \frac{C₁(d)}{C₀(d)}\right) × 100

4. 다변량 통합 모델

4.1. 입자 역학 기반 정착 모델


η(d) = 1 - \exp\left( - \frac{K(d) · τ}{V} \right)

여기서,


K(d) = \frac{d^2 · ρₚ · g}{18μ}

Stokes 정착 계수: 입자 크기가 클수록 정착률이 높아짐
V: 집진 장치 체적 [m³]
g: 중력 가속도

4.2. 정전기 필터 보정식 포함

정전기 필터가 장착된 경우, 정착 효율 η는 다음과 같이 조정된다:


η_{\text{eff}}(d) = 1 - \exp\left( - \left[\frac{K(d) + α·Φ(d)}{V}\right]·τ \right)

α: 필터의 정전기 강화 계수
Φ(d): 입자 직경에 따른 필터 반응 함수
(예: Φ(d) = A·exp(-β·d))

5. 통계적 집진 효율 분포 함수

입자 분포를 확률밀도함수 f(d)로 나타낼 때 전체 평균 효율 η̄는:


η̄ = \int_{d_{\text{min}}}^{d_{\text{max}}} η(d) · f(d) dd

f(d)는 일반적으로 로그-정규 분포로 근사:


f(d) = \frac{1}{d·σ·\sqrt{2π}} \exp\left( -\frac{(\ln d - μ_d)^2}{2σ^2} \right)

μ_d: 입자 직경의 로그 평균
σ: 입자 크기 분산

6. 고차 최적화 모델 (β-Hyper Surface Mapping)

입자 분포, 유속, 필터특성, 체류 시간 등 변수 {d, v, Φ, τ}를 고차 텐서 공간으로 정의:


η = \mathcal{F}(d, v, μ, ρₚ, Φ, τ) = \sum_{i,j,k,l} T_{ijkl} x_i x_j x_k x_l + ...

여기서 텐서 T_{ijkl}은 실험 데이터로부터 회귀 추정 가능.

7. 실험 및 시뮬레이션

CFD (유동 해석) + 분포 통계 연계 모델링
각 인자에 대한 민감도 분석 (∂η/∂x)
실제 측정 데이터로 적합성 검증

8. 결론

본 모델은 입자 물리, 필터 기술, 통계 이론을 통합하여 집진기 설계 및 진단에 사용 가능.
이론 모델 + 실측 데이터 기반 고차 회귀식은 미래 공정 최적화에 활용 가능.
환경기준 (예: 작업환경허용농도 TWA 등) 대비 잔류율을 예측 가능.

이 블로그 검색

금성제