서 론

암모니아 (NH₃)는 농업 및 축산활동 과정에서 다량으로 배출되는 대표적인 대기오염물질로, 대기 중 질소산화물 (NO_X), 황산화물 (SO_X)과 반응하여 황산암모늄 ((NH₄)₂ SO₄) 및 질산암모늄 (NH₄NO₃) 등 2차 미세먼지를 생성하는 주요 전구물질로 알려져 있다 (Behera et al., 2010; Hristov, 2011). 이러한 이차 생성 입자는 대기질 저하뿐만 아니라 인체 건강 및 기후 변화에까지 광범위한 영향을 미치는 요인으로 작용하며, 국가 차원의 배출관리 정책 수립에 있어 중점적으로 고려되어야 할 오염물질이다. 대기정책지원시스템 (Clean Air Policy Support System, CAPSS)의 최근 통계에 따르면, 국내에서 연간 약 20만 톤의 암모니아가 배출되고 있으며, 이 중 약 76.5%가 농업 부문에서 발생하고 있다 (CAPSS, 2024). 농업 부문 내에서도 가축분뇨에서 기인한 배출량이 90% 이상을 차지하고 있으며, 그 중에서도 한우 및 양돈 축사가 주요 배출원으로 지목되고 있다 (KOSIS, 2021). 국내 암모니아 배출량 산정에는 여전히 미국 환경보호청 (EPA) 및 유럽 CORINAIR 등 해외 기준의 배출계수가 적용되고 있어, 국내 축산 환경과 기상 조건을 반영하지 못하는 한계가 지속적으로 제기되고 있다. 이에 따라 국내 실정에 부합하는 정량적 배출계수의 재정립이 요구되며, 이를 위해서는 우선적으로 축사에서의 정확한 환기량 산정이 전제되어야 한다. 특히, 양돈 및 양계 분야는 이미 국내 환경에 맞는 배출계수가 일부 정립되어 있으나, 한우 및 젖소를 포함한 우사 부문은 아직 국내화된 계수가 마련되지 않아, 배출계수의 정밀한 산정과 검증이 시급한 실정이다.

암모니아 배출계수는 일반적으로 환기구를 통한 오염물질의 농도와 해당 환기구를 통한 환기량의 곱으로 산정되므로, 환기량의 정밀한 계측은 배출계수 산정의 핵심적인 기초 자료가 된다. 그러나 자연환기식 개방형 우사는 윈치커튼 등 대규모 개방면을 갖춘 구조적 특성으로 인해 외기 풍향 및 풍속 변화에 따라 실내 공기의 유입 및 유출 양상이 수시로 변하게 되며, 이로 인해 환기량의 실측이 매우 복잡하고 불확실한 경우가 많다 (Edouard et al., 2016; Van Overbeke et al., 2016). 특히 환기구에서의 수직 풍속 성분을 정확하게 계측하기 위해서는 다수의 측정 지점을 확보해야 하며, 이에 따른 시간적, 경제적 부담이 많다.

기존 연구들에 따르면, 외기 풍향이 환기구에 수직으로 작용하는 조건에서는 비교적 정확한 수직 풍속 측정이 가능하지만 (Janke et al., 2020), 실제 축사에서는 풍향이 지속적으로 변동하므로 복잡한 유동장이 형성되며, 이로 인해 단일 측정 지점에서의 계측 결과가 전체 환기량을 대표하지 못하는 한계가 존재한다 (Van Overbeke et al., 2016). 특히 환기구의 가장자리나 출입구 인근과 같이 센서 설치가 제한적인 지점에서는 풍속의 불균일성이 심화되며, 이로 인한 측정 오차가 전체 환기량 산정에 영향을 미치게 된다. 이러한 측정상의 불확도를 줄이기 위해서는 단순히 풍속계의 설치만을 고려할 것이 아니라, 센서 설치 위치 및 개수에 따라 환기량 산정 정확도가 어떻게 달라지는지를 사전에 분석하고, 이를 기반으로 적정 측정 위치와 센서 수를 도출하는 접근이 필요하다. 이는 환기량 계측의 대표성 확보뿐만 아니라 배출계수 산정의 신뢰성 제고를 위해서도 필수적인 절차이다.

최근에는 이러한 요구를 반영하여 전산유체역학(Computational Fluid Dynamics, CFD)을 활용한 공기 유동 해석 연구가 활발히 수행되고 있다. CFD는 다양한 외기 조건과 구조적 변수들을 반영하여 축사 내부의 공기 흐름을 정밀하게 모의할 수 있으며, 측정 센서의 위치에 따른 풍속 변화 및 환기량 예측의 민감도 분석이 가능하다는 장점이 있다 (König et al., 2018; Janke et al., 2020). 이를 통해 측정 전략을 사전 검토하고, 효율적인 계측 시스템 설계 및 실측 오차 최소화 방안 마련이 가능해진다.

따라서 본 연구의 목적은 자연환기식 개방형 우사에 대해 다양한 외기 조건을 설정한 CFD 시뮬레이션을 수행하고, 환기구를 통과하는 수직 풍속 분포를 정량적으로 분석함으로써 환기량 산정의 오차를 최소화할 수 있는 센서의 적정 설치 위치와 개수를 도출하는 것이다.

재료 및 방법

1. 대상 시설

본 연구는 CFD 모델의 신뢰성 검증을 목적으로, 전라북도 장수군에 위치한 자연환기식 우사를 대상 시설로 선정하였다. 해당 우사에는 생후 35개월 이상의 한우 약 90~100두가 2열 배치의 계류식 방식으로 사육되고 있으며, 우사의 전체 규모는 폭 23 m, 길이 66 m로 바닥 면적은 약 1,518 ㎡이다. 높이는 동고 7.9 m, 측고 4.7 m이다 (Figure 1). 우사는 경작지로 둘러싸인 평지에 위치해 주변에 인접한 구조물이 없어 자연환기 조건을 분석하기에 적합한 환경을 갖추고 있다. 이와 함께, 동측 전면과 후면에는 각 3개씩 총 6개의 환기구가 설치되어 있으며, 이를 포함한 전체 환기구는 총 29개 지점으로 구성된다. 각 환기구에는 번호를 부여하였으며, 이에 대한 위치와 식별 정보는 Figure 2에 도시되어 있다. 지붕에는 지름과 높이가 각각 0.5 m인 수동식 지붕팬이 총 7개 설치되어 있다. 이는 별도의 기계 장치 없이 자연풍에 의해 작동하는 구조로, 지붕팬을 제외하면 지붕에는 추가적인 개구부는 존재하지 않는다. 또한, 우사 북측 외곽에는 폭 9.6 m, 길이 30 m 규모의 퇴비장이 위치해 있다. 해당 퇴비장은 구조적으로 우사와 분리된 독립 시설이지만, 주변 유동장에 영향을 미칠 수 있는 요소로 판단되어 CFD 모델에 포함하였다.

Figure 1.

Structural layout and dimensions of the naturally ventilated cattle barn.

Figure 2.

Elevations of the barn and window numbering.

아울러 본 연구에서는 농림축산식품부에서 제시한 ‘2024년 축사 표준설계도’를 기반으로 한 자연환기식 표준 우사를 선정하여 CFD 시뮬레이션을 이용한 환기량 분석을 수행하였다. 표준 우사는 2열 배치 구조로, 폭 21 m 또는 25 m의 형태로 설계된다. 전체 건물 면적은 최소 416 m²에서 최대 1,625 m²까지 다양하며, 사육 두수는 최소 32두에서 최대 185두까지 수용할 수 있도록 제시되어 있다. 본 연구에서는 실측 데이터를 통해 사전 검증된 CFD 모델을 해당 표준 축사 모델에 적용함으로써, 일반화된 축사 구조에서의 자연환기 특성을 보다 체계적으로 평가하고자 하였다. 이는 지형, 농장 여건, 운영 방식 등에 따라 다양한 형태로 존재하는 실제 우사의 구조적 특성을 고려하여, 대표성을 갖춘 표준 설계도를 기반으로 자연환기 성능을 분석하기 위함이다.

표준 축사는 180두 규모의 표준 모델로 선정하였으며, 해당 모델은 폭 25 m, 길이 80 m, 측고 5 m로 구성된다. 표준 설계도의 특성상 축사의 길이에 관계없이 환기창의 구조와 건물 형상은 동일하게 유지되므로, 시뮬레이션의 계산 효율성을 고려하여 90두 및 130두 규모의 우사 모델도 함께 설계하여 비교 분석에 포함하였다. 이를 통해 사육 규모 변화에 따른 자연환기 성능의 변화를 보다 정밀하게 평가하고, 다양한 사육 조건에 대응 가능한 모델링 기반의 분석 체계를 제시하고자 하였다.

2. 자연환기식 우사의 환기량 산정

환기구를 통해 이동하는 공기의 유량을 정확하게 산정하기 위해서는, 동일한 높이에서 여러 지점의 풍속을 비교하는 방식보다, 하나의 환기구 내에서 서로 다른 높이 풍속을 측정하는 것이 보다 효과적인 것으로 보고된 바 있다 (Kiwan et al., 2012). 이러한 다점 측정 방식은 환기구 전체를 대표할 수 있는 풍속 데이터를 확보하는 데 유리하다.

본 연구에서는 자연환기식 우사의 환기량 산정을 위해 각 환기구를 동일한 면적으로 분할한 후, 각 분할면 중심에 자체 제작한 풍속 센서를 설치하여 풍속을 측정하였다. 이후, 분할면에 수직한 풍속 성분과 해당 면적을 곱하여 각 분할면의 유량을 산정하였으며, 이를 합산하여 전체 환기량을 계산하였다. 이때, 공기의 흐름 방향에 따라 시설 내부로의 유입은 ‘+’, 외부로의 유출은 ‘–’ 부호로 구분하여 분석하였으며, 환기량은 유입량의 총합 또는 유출량의 총합으로 정의하였다. 환기량의 계산식은 식 (1)과 같다.

여기서, VR은 환기량 (CMH); a는 분할된 면 (m²); Vn,a는 분할된 면 a에서의 수직 풍속 (m·s^-1)이며, Aa는 분할된 면의 면적 (m²); inflow와 outflow는 각각 유입과 유출 방향을 나타낸다.

3. 자연환기식 우사의 풍속 측정 및 데이터 수집

CFD 모델의 검증 및 신뢰도 향상을 위한 선행 단계로, 대상 자연환기식 우사의 현장 풍속 측정을 실시하였다. 본 연구에 사용된 풍속계는 아두이노 나노 (Arduino Nano) 기반의 2차원 초음파 풍속계로, 2차원 초음파 풍속 센서(RS-CFSFX-N01-2, Renke, China), 데이터 변환 모듈(MAX485 module), 시간 동기화 모듈(DS3231 RTC module), 및 저장 장치 모듈 (SDCard reader module)로 구성되어 있다. 해당 풍속계는 선행 검증 실험 (Park et al., 2024)을 통해 계측 신뢰성이 확보되었으며, 실제 적용에 적합한 것으로 확인되었다.

제작된 2차원 초음파 풍속계를 활용하여 축사 전면에 위치한 환기구들의 풍속을 측정하였으며, 각 환기구는 일정한 면적 기준으로 균등하게 분할되었다. 각 분할면의 중심부에 설치된 풍속계로부터 수집된 수직 방향 성분을 환기량 계산에 활용하였다. 보다 정확한 환기량 산정을 위해 각 분할면 내 윈치커튼을 기준으로 다양한 높이에서 풍속 데이터를 수집하였으며, 축사 남측과 북측의 측창, 출입구 29지점 및 외부 1지점에서 총 30개 지점에 풍속계를 설치하여 측정을 진행하였다 (Figure 2). 풍속 측정은 2024년 7월부터 12월까지 약 6개월에 걸쳐 수행되었으며, 이와 병행하여 우사 내부 4지점 및 외부 1지점에서 온·습도 데이터 (HOBO MX2301A, Onset, US)도 동시에 수집하였다.

4. 환기구 유동 특성 분석 및 센서 설치 위치 평가

센서의 적정 설치 위치 및 개수를 평가하기 위해서는 풍향 변화에 따른 환기구 내 풍속 분포 특성에 대한 선행 분석이 필요하다. 본 연구에서는 표준 축사 설계도가 사면 대칭 구조를 갖는 점을 고려하여, 풍향을 90°부터 270° 까지 22.5° 간격의 9개 방향으로 설정하고, 외기 풍속은 2.0 m·s^-1로 고정하였다. 각 조건에 대해 CFD 시뮬레이션을 수행하여 환기구를 통과하는 수직 풍속 성분을 계산하였고, 이를 전체 환기구 면적에 적용하여 환기량을 산정하였다.

환기량 산정의 정확도는 두 가지 평가 지표를 통해 분석하였다. 첫째, 전체 환기구 면적을 기준으로 산정된 환기량 (참값)과 실제 센서 위치에서 측정된 풍속을 기반으로 산정된 환기량 (측정값) 간의 상대적 차이를 나타내는 국소 환기량 오차율 (Local Ventilation Error, %)을 산정하였다. 이때 참값은 CFD 모델 내 환기구를 구성하는 각 셀에서 수직 풍속을 추출한 뒤, 유입 및 유출 방향을 실제 자연환기식 우사의 환기량 산정 방식과 동일하게 ‘+’, ‘–’ 부호로 구분하여 적용하고, 면적 가중 평균 방식을 통해 환기량을 계산하였다.

둘째, 개별 환기구 단위의 오차가 전체 환기량에 미치는 영향을 평가하기 위해 총 환기량 기준의 종합 오차율(Total Ventilation Error, %)을 분석하였다. 이때 총 환기량은 유입량 기준으로 가정하였으며, 서로 마주보는 환기구 쌍에 설치된 센서의 측정값을 종합하여 총 오차를 계산하였다.

5. 전산유체역학 모델 (CFD)

(1) 대상시설의 구조와 모델링

본 연구에서 활용된 CFD 모델은 실제 자연환기식 우사의 구조적 특성과 환경 조건을 반영하여 설계되었으며, 모델의 신뢰성 확보를 위해 실측 자료를 기반으로 축사의 치수와 내·외부 계산 영역의 범위를 설정하였다 (Table 1). 외부 계산 영역은 시뮬레이션 시 경계 조건으로 인한 영향을 최소화하기 위해 충분히 넓게 설정되어야 하며, 일반적으로 건물의 높이 (H)를 기준으로 한다. 이에 따라 본 연구에서는 축사의 외곽 경계면으로부터 외부 계산 영역의 경계면까지의 거리를 최소 15H 이상으로 설정하였다 (Lee et al., 2007). 또한, 자연풍에 의해 구동되는 7개의 지붕팬은 사전 측정 결과 전체 환기량의 0.29 %를 차지하는 것으로 나타나, 전체 유동장에 미치는 영향이 미미한 것으로 판단되어 CFD 모델에서 제외하였다. 표준 축사 모델의 외부 계산 영역의 구성 범위는 실제 자연환기식 우사 모델과 동일하게 설정하였다 (Table 1).

본 연구에서 적용된 CFD 모델의 기하학적 형상 구성과 격자 설계는 상용 소프트웨어인 ICEM-CFD (2023 R1, ANSYS Inc., Canonsburg, PA, USA)를 통해 수행되었고, 수치 해석은 Fluent (2023 R1, ANSYS Inc., Canonsburg, PA, USA)를 사용하였다. 격자 유형은 다면체 셀(polyhedral cell)로 선정하였으며, 이는 기하학적 왜곡이 적고 복잡한 구조를 효과적으로 표현할 수 있다는 장점이 있다. 해석의 정확도를 높이기 위해 환기구와 바닥과 같은 유동 변화가 큰 영역에는 상대적으로 세밀한 격자를 적용하였다 (Figure 3). 축사처럼 규모가 큰 모델은 계산 비용이 많이 소요되기 때문에, 격자 밀도와 계산 효율 간의 균형이 중요하다. 이를 위해 약 2,000,000개 셀부터 10,000,000개 셀까지 총 4개의 Case를 구성하여 격자 독립성 테스트 (Grid independence test)를 수행하였다. 그 결과, 가장 세밀한 격자 조건인 Case 4를 기준 참값으로 간주하였을 때, Case 3의 격자 조건에서 각 환기구별 환기량에 대한 RMSE (Root Mean Square Error)가 1.06e+3 m³·h^-1로 가장 낮게 나타났으며, 결정계수 (R²)는 0.9999로 매우 높은 상관성을 보였다. 이에 따라 본 연구에서는 Case 3의 격자 조건을 기반으로 CFD 시뮬레이션을 수행하였다. (Table 2) 표준 설계도의 우사 모델 또한 동일한 격자 크기로 설계되었다 (Figure 4).

Figure 3.

Computational grid configuration of the naturally ventilated cattle barn model used in Case 3.

Figure 4.

Grid configuration of the standard cattle barn model.

(2) 세부모델과 경계조건

CFD 모델은 정상상태의 Reynolds - Averaged Navier - Stokes (RANS) 방정식을 기반으로 공기의 유동을 해석하였고, 난류 해석에는 RNG k–ε 모델이 적용되었다. 해당 모델은 Standard k–ε 모델에 비해 급격한 전단이 발생하는 복잡한 유동장 내에서 정확도가 우수한 것으로 알려져 있다. 특히 자연환기식 건축물의 유동 해석에 효과적으로 적용될 수 있으며, 다양한 연구에서 그 신뢰성이 입증된 바 있다 (Castillo et al., 2019). RNG k-ε 모델의 수송방정식은 식 (2), (3)과 같다. 압력기반의 솔버는 비압축성 흐름을 계산하기 위해 사용되었으며, 압력-속도 결합을 계산하기 위해 SIMPLE 알고리즘을 사용하였다.

여기서, Gk 는 평균 속도 구배에 의한 난류 운동에너지의 생성항이며, Gb는 부력에 의해 유도되는 난류 운동에너지의 생성항에 해당한다. YM은 전체 확산에서 압축성 난류의 변동하는 팽창의 정도를 나타낸다. σk, σε은 각각 k와 ε의 난류 Prandtl 수이며, αk, αε, C1ϵ, C2ϵ, C3ϵ 등은 경험적으로 결정된 모델 상수이다.

실외 자연환기 조건을 모사하기 위해 유입 경계면의 풍속 조건은 대기 경계층의 특성을 반영한 로그함수 기반으로 설정하였다. 일반적으로 풍속은 지표면 조도 및 고도의 증가에 따라 증가하는 경향을 보이며, 이러한 관계는 식 (4)의 로그법칙을 통해 수식적으로 표현할 수 있다.

여기서, U(z)는 고도 z에서의 평균 풍속 (m·s^-1); u*은 마찰속도 (m·s^-1); 이며, z0는 표면 조도 길이 (m); z는 고도; k는 von Karman 상수 0.4, Uref는 기준 고도에서 측정된 풍속 (m·s^-1); zref는 기준 고도 (m) 이다. 본 시뮬레이션에는 가을철 농경지 조건을 반영하여, z0는 0.05 m로 설정하였으며 (Kovalev & Eichinger, 2004), zref는 실제 기상대 설치 높이인 5.25 m를 적용하였다.

풍속 및 난류 관련 경계 조건은 ANSYS Fluent의 사용자 정의 함수 (User Defined Function, UDF)를 통해 구현하였으며, 이를 통해 자연환기 조건 하에서의 외기 흐름 구조를 정량적으로 구현하고자 하였다.

(3) CFD 시뮬레이션 수행 방법

실제 자연환기식 우사 모델을 대상으로 검증 실험을 수행하였다. 외기 풍향이 남풍 (S)으로 유지되는 조건에서, 풍속이 각각 1.0 m·s^-1, 2.0 m·s^-1, 3.0 m·s^-1로 관측된 안정적인 시간 구간의 데이터를 확보하였으며, 이를 CFD 예측 결과와 비교 분석하였다. 또한, 이 비교를 바탕으로 실제 풍속 센서의 설치 위치가 환기량 산정에 미치는 오차를 평가하였다.

CFD 모델의 신뢰성을 확보된 이후, 표준 축사 모델을 기반으로 자연환기식 우사에서의 정확한 환기량 산정을 위한 적정 센서 설치 위치를 모의하고자 하였다. 이를 위해 세 가지의 표준 축사 모델 (90두, 130두, 180두)을 풍향에 따른 속도 분포를 분석하였다. 유입 경계 조건은 풍속 2.0 m·s^-1, 풍향은 9방위 (90°: E, 112.5°: ESE, 135°: SE, 157.5°: SSE, 180°: S, 202.5°: SSW, 225°: SW, 247.5°: WSW, 270°: W)로 설정하였고, 총 연산 Case를 27개로 구성하여 센서의 위치 및 개수에 따른 산정된 환기량의 오차를 평가하였다.

센서 배치는 환기창의 윈치커튼 위치를 기준으로 1열 방식과 2열 방식으로 구분하였다. 1열 방식은 전체 환기구 면을 수평 방향으로 센서 개수에 따라 균등하게 분할한 후, 각 분할 면의 중심에 센서를 1열로 배치하는 방식이다. 반면, 2열 방식은 1열 방식과 동일한 수평 분할 기준을 유지하면서, 환기구의 높이 방향으로 두 개의 센서를 각각 상부와 하부에 배치하여, 총 2열로 구성한 방식이다. 모든 경우에 있어 각 센서는 해당 분할 면의 중심 위치에 설치된 것으로 가정하였다.

1열 배치는 총 1, 2, 3, 4, 6, 8개 지점, 2열 배치는 2, 4, 6, 8, 12, 16개 지점으로 설정하였다. 출입구에는 1, 2, 4개 지점에 센서를 가정하여 배치하였으며, 통행에 따른 제약을 고려하여 2개 지점 배치 시에는 가로가 아닌 세로 방향으로 가정하였다. CFD 시뮬레이션 수행 후, 가정된 센서 개수 및 배치에 따라 각 지점의 수직 풍속 성분을 도출하였으며, 이를 환기량 산정에 활용하였다.

결과 및 고찰

1. CFD 모델 검증

(1) 자연환기식 우사 모델의 내외부 공기 흐름 분석

자연환기식 우사 내부의 공기 유동은 외부 계산 영역으로부터 유입된 공기가 총 29개의 환기구를 통해 내부로 유입되거나 외부로 유출되는 과정을 통해 형성된다. 외기 풍향이 남풍, 풍속이 1.0 m·s^-1인 조건에서의 공기 흐름 분포는 Figure 5에 제시하였다. 본 연구에서는 동일한 풍향 조건 하에서 풍속이 2.0 m·s^-1 및 3.0 m·s^-1일 경우에도 전체적인 유동장 패턴이 유사하게 나타나는 것으로 확인되었으며, 이에 따라 풍속 1.0 m·s^-1 조건에서의 결과를 대표적인 사례로 제시하였다.

Figure 5.

Airflow distribution in a naturally ventilated cattle barn under 1.0 m·s^-1 southerly wind (S); (a) cross-section; (b) floor plan at 1.7 m; (c) southern openings; (d) northern openings.

각각의 환기구 (총 29개)에 대해 환기량을 산정하고, 이를 현장 실측값과 비교하여 CFD 모델의 예측 정확도를 평가하였다. 비교 결과, 29개 환기구에서의 국소 환기량에 대한 결정계수 (R²)는 0.8676으로 나타나, 예측값과 실측값 간 전반적으로 높은 상관성을 보이는 것으로 확인되었다 (Figure 6). 풍속 조건이 2.0 m·s^-1 및 3.0 m·s^-1일 때도 각각 0.855, 0.853의 결정계수를 보여, 다양한 풍속 조건에서도 CFD 모델의 예측 신뢰도가 일관되게 유지됨을 확인할 수 있었다. 다만, CFD 모델에서 계산된 환기량은 대부분의 환기구에서 실측값보다 다소 과대하게 예측되는 경향을 보였다. 이러한 차이는 CFD 모델 내에 가축을 포함하지 않았기 때문으로 판단된다. 실제 시설에서는 가축에 의한 공기 흐름 저항이 존재하지만, 모델에서는 이러한 저항 요소가 반영되지 않아 내부 공기 유동이 상대적으로 원활하게 이루어졌고, 그로 인해 환기량이 과대 산정되었을 가능성이 크다 (Figure 6).

Figure 6.

Comparison of ventilation rates under a southerly wind (S) with an external wind speed of 1.0 m·s^-1; (a) analysis of ventilation rates measured at each opening and those predicted by the CFD model; (b) coefficient of determination (R²) for the comparison.

각 환기창에서 산정된 환기량을 종합하여 우사 전체의 환기량을 계산하고, 이를 바탕으로 CFD 모델의 예측 정확도를 평가하였다 (Figure 7). 풍속 조건별 실측된 총 환기량은 1.0 m·s^-1에서 343,627.9 m³·h^-1, 2.0 m·s^-1에서 728,383.8 m³·h^-1, 3.0 m·s^-1에서 1,204,507.0 m³·h^-1로 나타났다. 풍속 1.0 m·s^-1, 2.0 m·s^-1, 3.0 m·s^-1 조건에서 CFD 모델은 전반적으로 실측값보다 높은 환기량을 예측하였으며, 각각 18%, 43%, 31% 수준의 과대 산정이 나타났다. 특히 풍속 2.0 m·s^-1 조건에서 가장 큰 예측 오차가 발생하였는데, 이는 전체적인 유동 경향이 유사하더라도 일부 환기구에서 상대적으로 큰 국지적 오차가 발생하였기 때문으로 판단된다. 이와 같은 경우, 특정 위치에서의 오차가 전체 환기량 기준 백분율 오차를 확대시키는 결과로 이어질 수 있다. 그러나, 풍속 조건에 따른 절대 오차는 각각 62,608.4 m³·h^-1, 314,317.7 m³·h^-1, 371,927.4 m³·h^-1로, 풍속 증가에 따라 절대 오차 또한 점진적으로 증가하는 경향을 나타냈다.

Figure 7.

Total ventilation rate of the cattle barn at varying wind speeds under southerly wind conditions.

이에 따라, 본 CFD 모델은 정량적 수치 해석보다는 정성적 경향 분석을 위한 도구로서 충분한 활용 가능성을 지닌 것으로 판단된다. 실제 시뮬레이션 결과에서 전반적인 환기량이 실측값보다 과대 산정되는 경향이 나타났으며, 이는 모델 내에 가축 형상이 포함되지 않아 내부 공기 흐름에 대한 저항이 충분히 반영되지 않았기 때문으로 해석된다. 따라서 향후 CFD 모델에 실제 소 형상을 포함시킬 경우, 공기 흐름에 대한 물리적 저항 및 유동장 내 교란 효과가 보다 현실적으로 재현될 수 있으며, 이를 통해 정량적 예측 정확도 또한 향상될 것으로 기대된다.

(2) 실제 풍속 측정 위치의 속도 분포

CFD 모델을 활용하여 외기 풍향이 남풍 (S), 풍속이 1.0 m·s^-1인 조건에서 각 환기구를 통과하는 수직 풍속 분포와 센서별 할당 영역 내 평균 수직 풍속을 산정하였다. (Figure 8) 이를 바탕으로, 실제 현장에서 풍속계가 설치된 위치에서의 수직 풍속과 해당 환기구의 평균 수직 풍속으로 산정된 환기량의 유사성을 분석하였다 (Figure 9). 그 결과, 21번, 26번, 27번, 28번, 29번 풍속계가 설치된 위치에서 비교적 큰 차이를 보였으며, 이들 위치는 출입구 또는 동측 환기구와 같이 구조적으로 센서를 중앙에 설치하기 어려운 지점으로, 대부분 환기구의 가장자리 또는 측면에 위치해 있었다. 한편, 23번 풍속계의 경우 환기구 내부의 측방향 풍속 분포 변화가 존재하였으나, 풍속계가 해당 변화의 중심부에 설치되어 평균 수직 풍속과 유사한 값이 측정되었다.

Figure 8.

Vertical velocity profiles and sensor locations at ventilation openings under southerly wind (1.0 m·s^-1).

Figure 9.

Average ventilation rates at each opening from CFD simulation and those measured at actual anemometer locations.

Figure 10은 풍속계의 실제 설치 위치에서 측정된 풍속을 기반으로 환기량을 산정하고, 이를 전체 환기량과 비교하여 오차를 분석한 결과를 나타낸다. 분석 결과, 21번, 26번, 27번, 28번, 29번 풍속계 지점에서 가장 큰 절대 오차가 발생하였으며, 이는 해당 지점들이 전체 환기량 산정 시 주요 오차 유발 요소로 작용함을 의미한다. 특히 26번을 제외한 나머지 지점에서는 환기량이 과소평가되는 경향을 보였다. 이 중 27번 풍속계 지점은 상대 오차가 가장 크게 나타났으며, 이는 해당 위치에서 환기창 내부의 풍속 경사가 비교적 급격하게 형성되어, 센서 위치의 미세한 이동만으로도 측정값에 큰 차이가 발생할 수 있는 여건을 반영한 것으로 판단된다.

Figure 10.

Error between ventilation rates derived from actual anemometer measurements and those predicted by CFD simulation: (a) relative error; (b) absolute error.

대부분의 남측 및 북측 환기구에서는 분할 구역의 중앙부에 풍속계 설치가 가능하였으며, 해당 위치들은 적정 센서 설치 지점으로 판단된다. 반면, 출입구 또는 면적이 큰 환기구의 경우에는 구조적 제약으로 인해 중앙 설치가 어려웠으며, 이로 인해 측정 정확도에 영향을 미칠 수 있는 위치 선정의 한계가 나타났다. 이에 따라, 환기구 내 풍속 분포 특성과 더불어 실제 농장 운영 여건을 고려한 센서 설치 위치에 대한 검토가 필요하다.

2. 표준 우사 모델에서 풍향 변화에 따른 센서의 적정 측정 위치 및 개수 분석

Figure 11는 표준 축사 모델 (90두, 130두, 180두)에서 1열 및 2열 배치 방식에 따른 센서 수 변화가 환기량 산정 오차에 미치는 영향을 나타내며, Figure 12은 출입구에 설치된 센서 수에 따른 환기량 오차의 변화를 비교한 결과를 제시한다. 분석 결과, 1열 배치 방식에는 센서 수가 증가할수록 환기량 산정 오차가 감소하는 경향을 보였으며, 2열 배치 방식에는 90두, 130두, 180두 모델에서 모두 같은 경향을 보였으나, 센서의 개수에 따라 오차가 상이했다. 출입구 센서의 영향 또한 유사한 패턴을 나타냈다. 이를 통해 센서 배치 방식 및 개수에 따른 환기량 산정의 민감도를 정량적으로 평가할 수 있었다.

Figure 11.

Overall error (%) in total ventilation rate according to the number of measurement sensors installed on opposing ventilation openings under different wind directions: (a) 90-head capacity, single-row layout; (b) 90-head capacity, double-row layout; (c) 130-head capacity, single-row layout; (d) 130-head capacity, double-row layout; (e) 180-head capacity, single-row layout; (f) 180-head capacity, double-row layout.

Figure 12.

Overall error (%) in total ventilation rate according to the number of measurement sensors installed at the entrance openings under different wind directions: (a) entrance openings for 90-head capacity; (b) entrance openings for 130-head capacity; (c) entrance openings for 180-head capacity.

130두 규모 축사 모델을 대표 사례로 분석한 결과, 1열 배치 조건에서는 센서 수가 증가할수록 전체 환기량 산정 오차가 점진적으로 감소하였으며, 8개 센서를 설치했을 때 평균 오차는 0.56%로 가장 낮게 나타났다. 반면, 2열 배치에서는 4개 센서를 설치한 조건에서 가장 낮은 평균 오차를 보였으며, 이는 해당 위치의 센서가 비교적 안정적인 유동 영역에 배치되었을 가능성을 시사한다. 특히 2열 배치에서는 1~4개 센서 설치 조건 모두에서 평균 오차가 1% 미만으로 매우 낮은 수준을 보여, 소수의 센서만으로도 충분한 정확도를 확보할 수 있음을 확인하였다.

한편, 동일한 센서 개수 조건에서도 2열 배치가 1열 배치보다 상대적으로 높은 오차를 보이는 경향이 나타났다. 이는 2열 배치 구조에서 상·하부 환기구를 통한 유입 및 유출 공기의 유동 방향성과 속도 분포가 더 불균일하게 형성되기 때문으로 판단된다. 특히 윗열과 아랫열 간에 유동 경로가 분리되며, 복잡한 교차 흐름이 발생할 가능성이 높아 센서가 위치한 지점의 국지적 유동 특성과 전체 환기구 면적의 평균 유동 간 차이가 커지는 것으로 해석된다. 이러한 유동 불균일성은 센서 수가 적을수록 더 큰 환기량 산정 오차로 이어질 수 있다.

전체 축사 모델 (90두, 130두, 180두)을 대상으로 동일한 분석을 수행한 결과, 1열 배치에서는 8개 지점에 센서를 설치한 조건에서 가장 안정적인 환기량 산정 결과를 보였으며, 각 모델의 평균 오차는 모두 1% 미만으로 나타났다. 경제성과 정확도의 균형을 고려할 때, 8개 센서 설치는 현실적인 최적 대안으로 판단된다. 한편, 동일한 조건에서 2열 배치를 적용한 경우에는 4개 센서를 설치했을 때 평균 오차가 1.1% 미만으로 가장 낮은 값을 보였으며, 이는 비교적 양호한 정확도를 의미한다. 그러나 센서 수를 2배로 증가시킨 조건과 비교했을 때, 평균 오차의 유의미한 감소는 확인되지 않았다. 이는 추가적인 센서 설치에 따른 정확도 개선 효과가 제한적일 수 있음을 시사하며, 설치 및 운영 비용 증가와 같은 현실적인 제약도 함께 고려되어야 한다.

출입구의 경우, 구조적 특성상 면적이 작고 복잡한 유동이 덜 발생하는 경향이 있어, 소수의 센서로도 높은 정확도를 확보할 수 있는 것으로 분석되었다. 실제로 2개 센서를 설치한 조건에서도 4개 센서 설치 대비 오차 차이는 0.1% 미만으로 매우 낮게 나타났으며, 이는 2개 센서만으로도 충분한 측정 정밀도를 확보할 수 있음을 시사한다. 단일 센서를 설치한 조건에서도 오차는 0.1% 미만으로 매우 우수한 정확도를 보였으나, 출입구를 사람이나 가축이 통과하는 공간이라는 점을 고려할 때, 센서를 중앙에 고정 설치하는 것이 현실적으로 어려워 적용 가능성이 제한적이다. 따라서 출입구에는 4개보다 2개의 센서를 설치하는 것이 비용 효율성과 실용성 측면에서 더욱 적합한 대안으로 판단된다.

결 론

본 연구는 자연환기식 개방형 우사에서의 암모니아 배출계수 산정을 위한 기초자료 확보를 목적으로, CFD 시뮬레이션을 활용하여 환기량 측정 정확도 향상을 위한 적정 센서 설치 위치와 개수를 도출하고자 수행되었다. 실제 우사를 대상으로 한 CFD 모델은 실측 데이터를 바탕으로 검증되었으며, 시뮬레이션 결과는 전반적으로 실측값과 유사한 경향성을 보임으로써 모델의 신뢰성을 확보하였다.

CFD 모델을 표준 축사 설계도에 적용하여 다양한 외기 풍향 조건 (9방위)에 따른 환기구 내 수직 풍속 분포를 분석한 결과, 센서의 위치 및 개수에 따라 환기량 산정의 오차가 유의미하게 달라지는 것으로 나타났다. 1열 배치 구조에서는 8개 지점에 센서를 설치한 조건에서 평균 오차가 가장 낮았으며 (1% 미만), 2열 배치에서는 4개 지점만으로도 충분한 정확도를 확보할 수 있었다 (1.1% 미만). 다만, 2열 배치의 경우 환기구를 통한 유입 및 유출 공기의 유동은 풍향과 구조적 조건에 따라 유동 방향성과 속도 분포가 보다 불균일하게 형성되는 경향이 있으므로, 특정 위치에 센서를 고정 설치하는 방식이 항상 가장 합리적인 기준이 될 수는 없다.

출입구의 경우 구조적 특성상 2개 센서 설치만으로도 1% 미만의 오차 수준을 유지할 수 있어, 실용적 관점에서 효율적인 설치 방안으로 판단되었다.

한편, 실제 자연환기식 우사 모델을 대상으로 한 CFD 시뮬레이션 결과에서 전반적으로 환기량이 실측값에 비해 과대 산정되는 경향이 나타났다. 이는 모델 내에 가축 개체가 포함되지 않아 내부 공기 저항이 충분히 반영되지 않았기 때문으로 해석되며, 향후 가축 모델을 포함한 후속 연구가 수행된다면 실제 공기 유동 특성을 보다 정밀하게 반영할 수 있을 것으로 기대된다.

본 연구는 상업용 자연환기식 우사를 대상으로 CFD 기반 공기 유동 해석 모델을 구축하고, 이를 현장 실측 결과와 비교함으로써 모델의 신뢰성을 검토하였다. 또한 가상환경 내에서 다양한 환기량 측정 방법을 모의하고, 각 방법의 계측 메커니즘을 분석하여 측정 오차의 원인을 구조적으로 도출하고자 하였다. 특히 개별 축사 사례에 국한되지 않고, 구조적으로 대표성을 갖춘 표준 축사들을 대상으로 일반화된 환기량 측정 방법을 추가로 제안함으로써, 자연환기식 우사에서 환기량을 정밀하게 산정하기 위한 실질적인 센서 측정 전략 수립에 기준을 제시하였다. 이러한 연구 결과는 향후 국내 실정에 적합한 암모니아 배출계수의 재정립을 위한 기초자료로 활용될 수 있으며, 더 나아가 스마트 축산환경 설계 및 환경 규제 대응을 위한 정량적 환기 해석 기반 마련에 기여할 수 있을 것으로 기대된다.