http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
가정용 냉방기의 대체 냉매 성능 분석을 위한 전산 해석 연구
유환규(Yoo Hwaan-Kyu),정동수(Jung Dong-soo) 한국태양에너지학회 1995 한국태양에너지학회 논문집 Vol.15 No.3
본 논문은 가정용 냉방기에 널리 사용되고 있는 HCFC22를 대체할 수 있는 혼합냉매의 개발 및 이들의 성능 연구에 관한 것이다. 현재까지 HCFC22를 대체할 수 있는 순수냉매가 없으므로, 혼합냉매 개발에 본 연구의 초점이 맞추어졌고, 이를 위해 가정용 냉방기를 모사하는 검퓨터 프로그램이 개발되었다. 연구에서 개발된 혼합냉매를 구성하는 순수냉매들은 다음과 같다. R32, R124, R125, R134, R134a, RI43a, R152a. 컴퓨터 모사 결과들은 다음의 혼합냉매들에 대해서 발표되었다: R32/R134a, R32/R152a, R32/R134, R32/R124, R143a/R134a, R143a/R152a, R143a/R124, R125/R134a, R125/R152a, R125/R124, R32/R152a/R134a, R32/R152a/R134, R32/R152a/R124. 가정 좋은 에너지 효율을 보인 것은 삼원 혼합냉매인 R32/R152a/R124로서, HCFC22에 비해 이것의 성적 계수는 13.7% 높고 냉동 능력은 23% 낮은 것으로 판명되었다. 한편 이원 혼합냉매 중 가장 성능이 좋은 것은 R32/R124로서 이것의 성적 계수는 HCFC22에 비해 13.4% 높고 냉동 체적 용량은 9.6% 낮은 것으로 판명되었다. This paper is concerned about alternative refrigerants for HCFC22 used in room air conditioners and heat pumps. Computer simulation of residential air conditioners using refrigerant mixtures is carried out. Following refrigerants are selected as the pure refrigerants constituting the mixtures studied: R32, R124, R125, R134, R134a, RI43a and R152a. Simulation results are presented for the following mixtures: R32/R134a, R32/R152a, R32/R134, R32/R124, R143a/R134a, R143a/R152a, R143a/R124, R125/R134a, R125/R152a, R125/R124, R32/R152a/R134a, R32/R152a/R134, R32/R152a/R124. The best fluid is found to be the ternary mixture of R32/R152a/R124. For that mixture, the coefficient of performance (COP) and volumetric capacity for refrigeration (VCR) are 13.7% larger and 23% smaller than the respective values for HCFC22. R32/R124 mixture is the best binary fluid pair whose COP and VCR are 13.4% larger and 9.6% smaller than those for HCFC22.
프로판/이소부탄 혼합냉매를 적용한 가정용 냉장고의 성능에 관한 연구
임병한,박윤범,유환규,정동수,김종보,Lim, B.H.,Park, Y.B.,Yoo, H.K.,Jung, D.S.,Kim, C.B. 대한설비공학회 1995 설비공학 논문집 Vol.7 No.2
The performance of a refrigerant mixture of propane(R290)/isobutane(R600a) as a substitute for CFC12 was investigated in a domestic refrigerator with single evaporator. A thermodynamic cycle simulation indicated an increase in COP of a 1.7 to 2.4% with R-290/600a in the composition range of 0.2 to 0.6 mass fraction of R290 compared to CFC12. For the tests, two units($299{\ell}$, $465{\ell}$) were used. All refrigeration components remained the same throughout the tests, except that the length of capillary tube and amount of charge were changed for the mixture. The refrigerators were fully instrumented with more than 20 thermocouples, 2 pressure transducers, and watt/watt-hour meter for each refrigerator. 'Energy consumption test' and 'no load pulldown test' were performed under the same condition. The experimental results obtained with the same compressor indicated that R-290/600a mixture at 0.6 mass fraction of R290 showed a 3 to 5% increase in energy efficiency and a faster cooling speed compared to CFC12. The R-290/600a mixture showed a shorter compressor on-time and a lower compressor dome temperature than CFC12. In conclusion, the proposed hydrocarbon mixture seems to be an appropriate candidate to replace CFC12 without causing more environmental problems.
시안(Xi’an)과 서울의 수돗물 수질 비교 : TDS(Total Dissolved Solids)를 중심으로
이건학,범원석,박태영,유환규,임승현 서울대학교 국토문제연구소 2019 地理學論叢 Vol.65 No.-
본 연구는 중국 시안과 서울의 수돗물 샘플을 채취하여 TDS 값을 측정하였고, 이를 통해 시안과 서울의 수 돗물 수질 차이를 분석하였다. 수질을 비교함에 있어 TDS가 단독으로 사용되면 다소 문제가 있을 수 있지만, 여러 선행연구들의 결과와 국제적인 수돗물 수질 기준을 참고하였을 때 수질 지표로써 어느 정도 역할을 한다고 판단하 였다. 비교의 과정에 있어서는 Welch’s t-test를 활용하였고, 검정 결과 시안 시내 수돗물의 TDS 값이 서울 수돗물 의 TDS 값보다 더 낮은 것으로 밝혀졌다. 한편 시안 시내 외부 수돗물의 TDS 값은 공간적으로 그 변이가 컸는데, 그 이유는 일부 수도꼭지에서 수돗물이 아닌 인근의 지하수를 그대로 사용하기 때문으로 보인다. This study shows tap water quality difference between Xi’an and Seoul, based on our empirical data of Xi’an and Seoul tap water samples. It is true that using TDS alone for comparison of tap water quality is a bit problematic. But based on various preceding researches and worldwide tap water quality standard, we thought that TDS somewhat can act as water quality index. For comparison, we use methodology called Welch’s t-test, and the test result shows that TDS of Xi’an downtown is lower than TDS of Seoul. Meanwhile there are great spatial difference of TDS in Xi’an suburb, and the reason for this we thought is because in some places, tap water is supplied from adjacent ground water.
김학현 ( Hakhyun Kim ),유환규 ( Hwankyu Yoo ),오하영 ( Hayoung Oh ) 한국정보처리학회 2023 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.12 No.2
코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다. Since the COVID-19 era, the rise in apartment prices has been unconventional. In this uncertain real estate market, price prediction research is very important. In this paper, a model is created to predict the actual transaction price of future apartments after building a vast data set of 870,000 from 2015 to 2020 through data collection and crawling on various real estate sites and collecting as many variables as possible. This study first solved the multicollinearity problem by removing and combining variables. After that, a total of five variable selection algorithms were used to extract meaningful independent variables, such as Forward Selection, Backward Elimination, Stepwise Selection, L1 Regulation, and Principal Component Analysis(PCA). In addition, a total of four machine learning and deep learning algorithms were used for deep neural network(DNN), XGBoost, CatBoost, and Linear Regression to learn the model after hyperparameter optimization and compare predictive power between models. In the additional experiment, the experiment was conducted while changing the number of nodes and layers of the DNN to find the most appropriate number of nodes and layers. In conclusion, as a model with the best performance, the actual transaction price of apartments in 2021 was predicted and compared with the actual data in 2021. Through this, I am confident that machine learning and deep learning will help investors make the right decisions when purchasing homes in various economic situations.