探究해 본 氣의 世界

全永光 한국정신과학학회 1997 한국정신과학회 학술대회 논문집 Vol.7 No.-

단전호흡법의 기본 원리 문제

全永光 한국정신과학학회 1998 한국정신과학회 학술대회 논문집 Vol.9 No.-

독자참여코너 : 우리교회 명교사를 소개합니다 ; 북아현교회 백경숙 교사

전영광 장로회신학대학 기독교교육연구원 2008 교육교회 Vol.373 No.-

온실 환경에서 엽면적 지수에 의한 엽온 및 열유속 예측 모델 개발

전영광 ( Young Kwang Jeon ),조라훈 ( La Hoon Cho ),박선용 ( Sun Yong Park ),김석준 ( Seok Jun Kim ),이충건 ( Chung Geon Lee ),오광철 ( Kwang Cheol Oh ),김대현 ( Dae Hyun Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

다층 작물의 정확한 물리적 분류 해석은 온실 환경에서 각 캐노피의 상호 작용을 이해하고, 조사, 캐노피 온도, 증산 및 엽면적 지수에 의한 열유속을 기반으로 하는 식물 모델을 설계 하는데 있어서 매우 중요하다. 본 연구에서는 실제 운영중인 온실의 측정값을 기반으로 각 엽면적 지수에 대한 작물 모델을 논의한다. 식물과 공기 사이의 열유속에 대해 엽면적 지수을 이용한 식물 모델을 통해 정확하게 예측할 수 있다면, 작물이 밀식된 다양한 가상 온실의 냉난방 부하를 예측할 수 있을 것이다. 측정 정확도를 높이기 위해 흡기 차폐가 있는 온습도 센서, 적외선 캐노피 센서 및 이산화탄소 센서를 설치했다. 작물 환경은 휴대용 일사계, 기공전도계, 엽면적지수계, 풍속계로 측정되었다. 측정값을 작물 모델식에 입력하고 캐노피 모델 온도를 계산하였다. 작물 모델의 캐노피 온도를 현장 측정값과 비교하였고, R2=0.98, RMSE=0.46으로 신뢰성이 평가 되었다. 연구 결과, 큰 잎 작물 모델은 공기 순환층이 캐노피 크기보다 클 때 적합하지만, 온실에서 작물의 물리적 특성이 엽면적 지수에 의해 영향을 받을 때, 작물 모델은 다층 해석을 통해 고려되어야 할 것이다.

BES 융합을 위한 스마트온실 복합환경제어에 관한 연구

전영광 ( Young Kwang Jeon ),조라훈 ( La Hoon Cho ),박선용 ( Sun Yong Park ),김석준 ( Seok Jun Kim ),김대현 ( Dae Hyun Kim ),( Chung Geon Lee ),( Kwang Cheol Oh ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

최근 스마트팜 온실 환경 제어는 IT 기술을 융합한 정밀한 제어 기술로 발전되고 있다. 온실의 복합환경 제어를 통해, 작물 재배를 위한 최적의 환경 조건을 제공해야 하고, 동시에 에너지 절감 기술은 지속 성장을 위한 중요한 요인으로 제기된다. 아울러, 온실의 복합환경 제어는 스마트 온실의 에너지 부하에 직접적인 영향을 주는 요인이다. 하지만 복합환경 제어의 알고리즘의 실체를 식별하고 이를 가상 공간의 시뮬레이션에 적용한 사례는 거의 없었다. 본 연구는 스마트 온실의 과채류를 대상으로 복합환경제어가 이루어졌던 다년간의 경험적 사례를 수집 및 분석하여 이를 모델링하였다. 향후 BES에 복합환경제어 EMS(Energy Management System) 프로그래밍 적용을 통한 온실 에너지의 예측 결과는 온실 기후 환경 시뮬레이션 사용자에게 온실 제어 목적 및 의미를 전달할 수 있을 것으로 기대된다.

Part 1. 북강릉 지역의 스마트팜 온실 내 지열히트펌프 이용에 따른 비용절감효과에 관한 연구

이충건,정인선,조라훈,김석준,전영광,박선용,김민준,오광철,양제복,장기창,김대현 한국신·재생에너지학회 2019 신재생에너지 Vol.15 No.1

Research and technological developments on smart farms with the convergence of ICT technologies are underway in agriculture. Smart farms have a significant increase in energy demand due to the larger number of facilities, sensors, and electronic devices than conventional greenhouses. The greatest energy demand among these is heating energy depending on temperature. In addition, 92 percent of energy sources depend on fossil energy and are strongly dependent on foreign countries, which could cause price instability. Therefore, this study examined the performance and economic feasibility of a heat pump compared to a diesel boiler by comparing the heating performance of the conventional diesel boiler and heat pump currently in a smart farm and analyzing its economy. The heating performance was similar, but the heat pump had a 12.34% lower energy input cost. Therefore, heat pumps were found to be good heat supply systems for greenhouses. In addition, after five years of weather data and calculation of the heating load, economic analysis showed that heat pumps have a cost savings of approximately 25.8% compared to diesel boilers.

에너지원 활용을 위한 케나프의 연료특성 평가 및 반탄화를 통한 연료품질 개선

김석준,박선용,조라훈,오광철,전영광,이충건,김대현 경상대학교 농업생명과학연구원 2022 농업생명과학연구 Vol.56 No.3

지구온난화 완화를 위한 노력이 전 세계적으로 계속되고 있는 가운데 우리나라는 2030년 온실가스 배출량을 Business As Usual (BAU) 대비 37% 감축하는 목표를 설정하고 이산화탄소 순 배출 제로 달성을 목표로 하는 ‘2050탄소중립 시나리오’를 발표하였다. 이러한 상황에서 케나프 (Kenaf)는 높은 탄소흡수율과 빠른 성장으로 인해 대체 해결방안으로 제안된다. 시료선정에 대한 분석결과, 케나프 잎은 질소 함량이 높아 적합하지 않은 것으로 나타났고, 줄기와 잎-줄기 혼합 케나프는 Biomass-Solid Refuse Fuel (Bio-SRF) 등급을 충족했다. Bio-SRF 등급을 만족하였지만, Bio-SRF 등급으로 이용할 수 있는 활용처가 뚜렷하지 않다. 따라서 케나프의 연료품질을 반탄화 공정을 통해 개선하여 보다 효율적으로 활용하고자 한다. 반탄화 공정의 공시재료로 줄기만 사용하는 것보다 시료 이용률이 높은 잎-줄기 혼합 케나프를 선택하였다. 반탄화 공정은 여섯가지의 공정 온도 (200·210·220·230·240·250℃)와 다른 세 가지 공정 시간(20·30·40 min)에서 수행되었다. 반탄화 공정결과, 공정시간이 길수록 230℃, 240℃, 250℃ 온도에서 질량감소가 크기 때문에 에너지수율이 낮았다. 따라서 본 연구에서는 200℃·20 min, 200℃·30 min, 210℃·20 min, 220℃·20 min의 에너지 수율이 높고 질량감소가 작아 최적 반탄화 공정 조건으로 선정하였다. While efforts to mitigate global warming are continuing around the world, Korea has set a target of reducing greenhouse gas emissions by 37% compared to Business As Usual (BAU) in 2030 and announced a “2050 carbon-neutrality scenario” that aims to achieve carbon dioxide emission net zero. In this situation, Kenaf has been proposed as one of alternative solution due to its high carbon absorption rate and fast growth rate. Based on the analysis results for selecting the sample, kenaf leaves were not suitable due to their high nitrogen content. Kenaf stems and leaf-stem Mixture kenaf were met Biomass-Solid Refuse Fuel (Bio-SRF) grade. Although the Bio-SRF grade was met, it was not clearly mentioned to be used. Therefore, the kenaf fuel quality was improved by the torrefaction process for beteer efficiency. As a test material for torrefaction process, leaf-stem Mixture kenaf was selected for higher material usage rate than only use stem. The torrefaction process was conducted at 6 different temperatures (200·210·220·230·240·250°C) and 3 different times (20·30·40 min). As a result of torrefaction process longer the time, the energy yield was low under the temperature at 230°C, 240°C, and 250°C due to a large decrease in mass. Therefore, in this study, 200℃ 20min, 200℃ 30min, 210℃ 20min, 220℃ 20min were selected as the optimal torrefaction conditions with high energy yield and low mass loss.

기계학습 알고리즘을 이용한 스마트 온실 내부온도 예측 모델 개발 및 검증

오광철,김석준,박선용,이충건,조라훈,전영광,김대현 (사) 한국생물환경조절학회 2022 생물환경조절학회지 Vol.31 No.3

This study developed simulation model for predicting the greenhouse interior environment using artificial intelligence machine learning techniques. Various methods have been studied to predict the internal environment of the greenhouse system. But the traditional simulation analysis method has a problem of low precision due to extraneous variables. In order to solve this problem, we developed a model for predicting the temperature inside the greenhouse using machine learning. Machine learning models are developed through data collection, characteristic analysis, and learning, and the accuracy of the model varies greatly depending on parameters and learning methods. Therefore, an optimal model derivation method according to data characteristics is required. As a result of the model development, the model accuracy increased as the parameters of the hidden unit increased. Optimal model was derived from the GRU algorithm and hidden unit 6 (r2 = 0.9848 and RMSE = 0.5857°C). Through this study, it was confirmed that it is possible to develop a predictive model for the temperature inside the greenhouse using data outside the greenhouse. In addition, it was confirmed that application and comparative analysis were necessary for various greenhouse data. It is necessary that research for development environmental control system by improving the developed model to the forecasting stage. 본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행 하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석 방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계 학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층 6에서 r2 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아 가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.

딥러닝을 이용한 스마트팜 내부 온·습도 예측 알고리즘 개발 및 검증

조라훈 ( Lahoon Cho ),남민기 ( Minki Nam ),전영광 ( Youngkwang Jeon ),김석준 ( Seokjun Kim ),박승영 ( Seungyoung Park ),김대현 ( Daehyun Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

최근 국내를 비롯한 전 세계적으로 농업인구 고령화를 해결하고자 스마트팜에 대한 연구 및 기술개발활동이 활발하게 진행되고 있다. 국내에서 이루어지는 다양한 스마트팜 관련 연구 중 빅데이터와 인공지능 기술을 적용하기 위한 연구가 활발히 이루어지고 있지만 시설온실 내부 환경 예측 및 제어에 관한 연구는 미비한 실정이다. 본 연구는 강원도 인제에 위치한 약 3400평 규모의 파프리카 스마트팜에서 저장된 2020년 환경데이터와 LSTM 신경망을 활용하여 온실 내부 온·습도를 예측하는 딥러닝 알고리즘을 개발하였다. 알고리즘의 입력값은 4,5,7,8월의 외부광량과 외기온도로, 출력값은 시설 내부 온·습도로 각각 설정하였고 학습은 실제 농장 데이터와 출력값의 MSE(mean square error)를 최소화하는 것을 목표로 하여 진행되었다. 검증을 위해 6월의 환경 데이터를 알고리즘에 적용하여 출력된 온·습도와 실제 데이터를 비교한 결과 각각 결정계수(R-square)가 0.827, 0.689로 나타났다. 온실 내부 환경 예측 알고리즘의 정확도를 높이기 위하여 LSTM 신경망에 피드백(feedback)을 활용하여, 한 타임스텝에서 계산된 내부 온습도 결과가 다음 타임스텝의 입력으로 들어갈 수 있도록 알고리즘을 개선하였다. 검증을 위해 이전과 동일한 방식으로 예측된 온·습도와 실제데이터를 비교하였을 때 결정계수가 각각 0.939, 0.723으로 나타나 개선모델의 정확성이 기존 알고리즘 대비 높아진 것을 확인하였다. 딥러닝 기반의 알고리즘의 검증 결과 온도는 비교적 정확하게 예측이 가능하지만 상대습도의 경우 예측의 정확도가 떨어지는 것이 확인되었다. 향후 추가적인 실제농장 데이터 확보와 알고리즘 개선을 통해 내부 습도데이터의 예측 정확성을 높이기 위한 연구가 진행예정이다.

농업부산물을 이용한 바이오차의 농업용 및 에너지원으로서의 이용 가능성 확인

박선용 ( Seungyoung Park ),김석준,오광철,조라훈 ( Lahoon Cho ),전영광,이충건,김대현 ( Daehyun Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

농업부산물의 이용을 위한 다양한 시도가 진행되고 있으며 고형연료로서 전환하고자 다양한 열화학적 기술들이 소개되고 있다. 그 중에서 바이오차의 경우 토양개선제 또는 수질 개선제로서 이용하고자 하는 연구가 진행되고 있다. 그러나 에너지원의 측면으로 보았을 때 바이오차는 소수성과 높은 발열량으로 고형 화석연료를 대체할 수 있는 수단으로 제시되고 있다. 이에 본 연구에서는 농업부산물을 이용하여 바이오차를 제작하였으며 이를 농업용 및 에너지원으로 이용할 수 있는지에 대하여 평가를 진행하였다. 시판중인 바이오차, 목재펠릿, 고춧대펠릿, 들깻대펠릿 및 왕겨를 이용하여 300℃, 400℃, 500℃에서 각각 1시간씩 열처리 공정을 진행하였으며, 이를 평가하였다. 농업용으로써의 평가는 토양평가와 같이 유기물, 전기전도도, pH 등의 분석을 진행하였으며, 에너지원으로의 평가는 공업 분석과 원소분석을 진행하였다.