CFD 모델을 이용한 자연환기식 우사 규모별 환기량 측정 시스템 최적화 = CFD-Based Optimization of Ventilation Rate Measurement Systems in Naturally Ventilated Cattle Barns of Different Scales

국문 초록 (Abstract)

자연환기식 우사에서의 환기량은 암모니아 배출계수 산정, 미기상 관리, 열환경 제어의 핵심 요소이지만, 개방형 구조 특성상 외기 풍향 및 풍속 변화에 따라 실내 유동장이 시시각각 달라지므로 정량적 실측이 본질적으로 어렵다. 특히 대형 측창을 갖는 우사에서는 유속 분포의 공간적 비균일성이 크게 나타나며, 단일 지점 풍속을 전체 환기구의 대표값으로 간주하는 기존 방식은 구조적 한계를 가진다. 이러한 문제는 배출계수 산정의 불확실성을 증가시키며, 축산환경 규제 대응 및 스마트 환기 제어 기술 개발을 저해하는 요인으로 작용한다. 이에 본 연구는 CFD 모델을 활용하여 자연환기식 우사의 규모별 환기량 측정 시스템을 최적화하는 것을 목적으로 한다. 이를 위해 대상 자연환기식 우사의 환기구 총 29개 지점을 대상으로 장기간 환기량 실측을 수행하여, CFD 모델 검증을 위한 기준 자료를 확보하였다. 이후 가축 형상 고려 수준에 따른 세 가지 CFD 모델, 즉 가축을 제외한 모델, 다공성 매질 모델, 그리고 가축 형상을 포함한 모델을 단계적으로 구축하고, 실측 자료를 기반으로 각 모델의 환기량 예측 성능을 정량적으로 비교·검증하였다.
가축을 포함한 모델은 ANSYS Fluent 기반의 기하학적 형상, 체표면의 거칠기, 열 발생량을 포함하여 실제 AOZ (Animal-Occupied Zone)의 가축에 의한 유동 저항을 상세히 재현하였으며, 약 1,400만 개의 polyhedral 다면체 격자를 이용해 격자 독립성을 확보하였다. 반면, 다공성 매질 모델은 AOZ 내부에 유동 저항과 열 발생량을 부여하여 계산 효율을 크게 높인 단순화 모델로 구축하였다. 검증 결과, 가축을 제외한 모델은 환기구별 환기량 오차 81.9–166.4%, 총 환기량 오차 43.2–110.5%로 과대 추정 경향이 뚜렷했으며, 다공성 매질 모델은 환기구별 51.3–70.5%, 총 환기량 22.2–31.3%, 가축을 포함한 모델은 환기구별 39.1–58.6%, 총 환기량 12.2–28.3%로 가장 높은 정확도를 보였다. 이는 가축 체적과 후류 형성에 따른 난류 증가가 실내 유동 저항을 실질적으로 증가시키며, 이를 반영하지 않을 경우, 환기량 과대평가가 구조적으로 불가피함을 의미한다.
이어 검증된 CFD 모델을 농림축산식품부 표준 축사 설계도 (2024) 기반 80두, 120두 규모 표준 우사에 적용하여, 측창 및 출입구 환기구에 대한 센서 개수와 배치의 최적화 분석을 수행하였다. 총 8개 풍향 (E, ESE, SE, SSE, S, SSW, SW, WSW)의 2 m s-1 풍속 조건에서 해석한 결과, 전체 환기량 대표성은 측창에서 결정되며, 길이 방향 센서 분포가 정확도 향상에 가장 큰 영향을 미치는 것으로 확인되었다. 1열 구성에서는 최소 8개 센서가 필요하였고, 2열 구성에서는 4개 센서만으로도 평균 상대오차 1% 이하의 높은 정합도가 확보되었다. 반면 출입구 영역은 전체 유량 기여도가 작고 유동 구조가 단순하여 2개 센서만으로도 충분한 정확도를 보였으며, 추가 설치에 따른 개선 효과는 제한적이었다.
본 연구는 자연환기식 우사에서 가축 형상을 포함하는 것이 환기량 예측 정확도 향상에 필수적임을 정량적으로 규명하였으며, 표준 축사 구조에 적용 가능한 최적 센서 배치 전략을 제시하였다. 또한 본 연구에서 확립한 CFD 기반 환기량 평가 체계는 향후 자연환기식 축사의 암모니아 배출계수 재산정, 스마트 환기 제어 알고리즘 개발, 환경 모니터링 시스템 구축, 농장 규모별 환기 성능 평가 등 다양한 환경 정책 연구의 기반 기술로 활용될 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Ventilation rate is a key determinant of ammonia emission factor estimation, indoor microclimate management, and thermal environment control in naturally ventilated cattle barns. However, quantitative measurement of ventilation rate remains inherently challenging due to the open structural characteristics of such facilities, where indoor airflow patterns continuously vary in response to changes in ambient wind direction and velocity. In barns equipped with large sidewall openings, pronounced spatial non-uniformity in air velocity distribution is commonly observed, rendering conventional approaches—where a single-point air velocity measurement is assumed to represent the entire opening—structurally inadequate. These limitations substantially increase uncertainty in emission factor estimation and hinder regulatory compliance as well as the development of smart ventilation control technologies.
In this study, a computational fluid dynamics (CFD)-based framework was developed to optimise ventilation-rate measurement systems for naturally ventilated cattle barns of different scales. Long-term ventilation measurements were conducted at 29 individual openings of a target barn to establish a reference dataset for CFD model validation. Three CFD models with increasing levels of animal representation were subsequently developed and systematically evaluated: (i) a model without animals, (ii) a porous-media model, and (iii) a detailed animal-resolved model. The predictive performance of each model was quantitatively assessed against the measured ventilation rates.
The animal-resolved model explicitly reproduced flow resistance induced by cattle within the animal-occupied zone (AOZ) by incorporating detailed geometric representations, surface roughness, and metabolic heat release using ANSYS Fluent. Grid independence was ensured using approximately 14 million polyhedral cells. In contrast, the porous-media model represented the AOZ as a simplified domain with prescribed flow resistance and heat sources, achieving substantially improved computational efficiency. Validation results revealed that the no-animal model exhibited pronounced overestimation, with errors of 81.9–166.4% for individual openings and 43.2–110.5% for total ventilation rate. The porous-media model reduced errors to 51.3–70.5% for individual openings and 22.2–31.3% for total ventilation rate, while the animal-resolved model achieved the highest accuracy, with errors of 39.1–58.6% and 12.2–28.3%, respectively. These findings demonstrate that increased turbulence and wake formation induced by animal bodies significantly enhance flow resistance, and neglecting these effects inevitably leads to systematic overestimation of ventilation rate.
The validated CFD framework was further applied to standard cattle barn designs accommodating 80 and 120 animals, based on the 2024 standard barn specifications issued by the Ministry of Agriculture, Food and Rural Affairs of Korea. Sensor number and placement were optimised for sidewall openings and entrances under eight wind directions (E, ESE, SE, SSE, S, SSW, SW, and WSW) at a reference wind speed of 2 m s-1. Results indicated that total ventilation rate representativeness was primarily governed by sidewall openings, with sensor distribution along the longitudinal direction exerting the greatest influence on measurement accuracy. For a single-row configuration, a minimum of eight sensors was required, whereas a two-row configuration achieved mean relative errors below 1% with only four sensors. In contrast, entrance openings contributed marginally to total airflow and exhibited relatively simple flow structures; thus, two sensors were sufficient, with additional installations yielding limited improvements.
This study quantitatively demonstrates that explicit consideration of animal geometry is essential for accurate ventilation rate prediction in naturally ventilated cattle barns and proposes an optimised sensor deployment strategy applicable to standard barn configurations. The CFD-based ventilation assessment framework established herein provides a robust technical foundation for future studies on ammonia emission factor re-evaluation, smart ventilation control algorithm development, environmental monitoring system design, and ventilation performance assessment across different barn scales.

목차 (Table of Contents)

• 목 차 ⅰ
• 그림목차 ⅱ
• 표 목 차 ⅲ
• 국문초록 ⅳ
• 1. 서 론 1
• 2. 연구사 4
• 가. 자연환기식 축사의 환기량 산정을 위한 측정 기반 연구 동향 4
• 나. 자연환기식 축사의 CFD 기반 해석 연구 동향 6
• 3. 연구 방법 9
• 가. 현장실험 및 환기량 측정 9
• 1) 대상 시설 개요 9
• 2) 환기량 측정 방법 및 데이터 확보 13
• 나. CFD 시뮬레이션 이론 18
• 다. CFD 모델 구축 및 검증 – 대상 시설 기반 20
• 1) 대상 시설 CFD 모델 구성 22
• 가) 가축을 제외한 모델 22
• 나) 다공성 매질 모델 23
• 다) 가축을 포함한 모델 27
• 2) 격자 생성 및 격자 독립성 검증 31
• 3) 경계조건 및 수치해석 설정 35
• 4) CFD 모델 검증 방법 38
• 가) 환기량 산정 및 검증 지표 38
• 나) 모델 검증 시나리오 39
• 라. CFD 모델 응용 표준 우사의 측정 최적화 40
• 1) 규모별 표준 우사 모델 구성 40
• 2) 센서 배치 전략 평가 방법 44
• 4. 결과 및 고찰 46
• 가. 현장실험 결과 46
• 1) 일별 환기량 변화 46
• 2) 시간대별 환기량 변화 특성 48
• 나. CFD 모델 검증 51
• 1) 가축 제외한 모델을 통한 기반 선행 검증 51
• 2) 가축 모델링 방식별 내부 유동 평가 52
• 가) 풍속 분포 비교 52
• 나) 환기량 예측 정확도 평가 67
• 다) 센서 설치 위치가 환기량 산정에 미치는 영향 75
• 다. CFD 모델을 이용한 표준 우사 환기량 측정 최적화 81
• 1) 규모별 센서 개수 및 배치에 따른 환기량 예측 정확도 평가 81
• 2) 최적 센서 배치 전략 도출 84
• 5. 결론 86
• 참고문헌 88
• Abstract(영문초록) 92