This study is the statistical analysis of sloshing loads and performance of slosh-induced energy harvesting. In associated with the subject, this thesis is largely composed of three topics. The first topic studied the sloshing load characteristics by the cylinder structure for the nuclear reactor of floating nuclear power plant. While there are cases in which internal structures are artificially installed to reduce sloshing, there are cases in which internal structures are installed for special purposes, such as nuclear reactors in the offshore nuclear power plant. A cylinder structure such as a nuclear reactor can be subjected to an impact load due to sloshing. For this case, evaluation of the peak pressure of the sloshing and examination of the phenomenon of internal flow are very important from the viewpoint of reliability design of the sloshing tank. In the first study, the impact of the cylinder on the shape of the sloshing flow, the magnitude of the peak pressure, and the velocity field at the moment of impact were analyzed. In addition, a probability model of the peak pressure on the tank wall was presented and compared with various extreme probability model when the cylinder is installed is presented. In addition to the model experiment, the probability model proposed in the model experiment was applied using the reactor model equipped with complex pipes in a large-scale sloshing tank. Through this, the Weibull distribution can be the most suitable extreme probability model for the reactor model under sloshing flow.
The second topic is a study on predicting sloshing pressure using image-based deep learning. The wave profile immediately before impact was observed with a high-speed camera, and the sloshing pressure was measured at the same time to synchronize the image and pressure. By labeling the image and pressure that occurred right before the impact, the wave profile was learned through the residual neural network, and from this, this study was conducted to predict the regular, impulse, random, and peak pressure. As a result, the deep learning model established succeeded in predicting various sloshing pressures and showed excellent prediction performance. In particular, in the case of peak pressure, the normalization method has a great effect on the magnitude and profile of pressure. Moveover, the residual neural network well detected different types of wave images continuously coming in and predicted the corresponding pressure with the single algorithm.
The third study is the energy harvesting of flexible sheet caused by sloshing. Sloshing has high wave energy right before impact, which is the energy dissipated after impact with the tank wall. In this paper, this study was conducted to convert wave energy caused by sloshing wave into electrical energy by installing a piezoelectric transducer on the flexible sheet, and the conditions for maximum energy
harvesting were presented. Energy harvesting using the bending characteristics of the sloshing-based flexible sheet showed higher energy density than conventional devices using fluid flow, confirming the potential as a power supply device when sloshing occurs. From this, the wave induced by sloshing can be utilized as a sufficiently usable energy source as renewable energy.
본 연구는 슬로싱 하중의 통계적 분석과 슬로싱 유발 에너지하베스팅의 성능에 관한 연구라 할 수 있다. 이와 관련하여 본 연구는 크게 3개의 토픽으로 구성된다. 첫 번째 토픽은 해상원전의 원자로를 대상으로 실린더 구조물로 인한 슬로싱 하중 특성을 연구하였다. 슬로싱을 감소시키기 위해 인위적으로 내부구조물을
설치하는 경우가 있는 반면 해상원전의 원자로와 같이 특수한 목적을 위해 내부 구조물을 설치하는 경우도 있다. 원자로와 같은 실린더 구조물은 슬로싱으로 인한 충격하중을 받을 수 있고 이 경우, 슬로싱 하중 평가와 함께 내부 유동의 현상 고찰은 슬로싱 탱크의 신뢰성 설계 관점에서 매우 중요하다고 할 수 있다. 첫번째 연구에서는 실린더의 영향으로 인해 슬로싱 유동 형상, 피크 압력의 크기, 충격순간의 속도장에 어떤 영향을 미치는지 분석하였다. 또한, 실린더가 설치되어 있을 때, 탱크 벽에 발생하는 피크 압력의 확률모델을 제시하였다. 이는 모형실험 뿐만 아니라 큰 규모의 복잡한 형태의 파이프가 설치된 원자로 모델 탱크를 이용하여 모형실험에서 제안한 확률모델을 적용하였다. 이를 통해 와이블 분포가 슬로싱 하중을 받는 원자로 모델에 가장 적합한 극한 확률모델이 될 수 있음을 알 수 있었다.
두번째 토픽은 이미지 기반 딥러닝을 이용하여 슬로싱 하중을 예측하는 연구이다. 충격 직전에 발생하는 파의 형상을 고속카메라로 관측 하고 동시에 슬로싱 압력을 측정하여 이미지와 압력을 동기화 하였다. 충격 직전에 발생하는 이미지와 압력을 레이블링하여 잔차신경망을 통해 파의 형상을 학습하고 이를 통해
규칙압력, 임펄스압력, 랜덤압력, 피크압력을 예측하는 연구를 진행하였다. 학습결과, 본 연구에서 정립한 딥러닝 모델은 다양한 슬로싱 압력을 예측하는데 성공하였고, 뛰어난 예측 성능을 보여주었다. 특히, 피크 압력의 경우, 정규화 방법이 압력의 크기와 프로파일에 큰 영향을 미친다는 결과를 보였다. 이를 통해 잔차 신경망 모델은 연속적으로 들어오는 서로 다른 종류의 파 이미지를 잘 감지하면서 이에 해당하는 압력까지 예측한다고 할 수 있다.
세번째 토픽은 슬로싱으로 유발된 연성시트의 에너지 하베스팅이다. 슬로싱은 충격 직전까지 높은 파 에너지를 가지고 있다고 할 수 있으며 이는 탱크 벽과 충돌 후 소산되는 에너지라 할 수 있다. 본 논문에서는 연성시트에 압전굽힘변환기를 설치하여 슬로싱으로 유발되는 파 에너지를 전기 에너지로 변환하는 연구를
수행하였으며 최대 에너지하베스팅이 발생하는 조건을 제시하였다. 슬로싱 기반 연성시트의 굽힘 특성을 이용한 에너지 하베스팅은 기존의 유동 흐름을 이용한 장치보다 뛰어난 에너지 밀도를 보여주었으며, 슬로싱 발생시 전력 공급장치로써의 잠재적 가능성을 확인하였다. 이를 통해 슬로싱으로 유도된 웨이브가
재생에너지로써 충분히 이용가능한 에너지 소스로 활용될 수 있음을 확인할 수 있었다.
