Net-zero Emission Process Integration Lab.

스마트플랜트공학과
손성민

Net-zero Emission Process Integration Lab은 스마트플랜트공학과의 연구실로, 주로 비전기적 원자력 열 응용 (NEANH), 초임계 CO2 시스템, 수소 및 CCUS 플랜트 시스템, 구성 요소 열화가 고려된 디지털 트윈, 예측 유지보수 등의 연구를 진행하고 있습니다. 최근 3년간 연구실은 '초임계 CO2 열역학 시스템의 과도 상태 분석 플랫폼 개발', '딥러닝 알고리즘과 일차원 시뮬레이터를 이용한 압력 스윙 흡착에서 흡착제 성능 저하 결정', '주파수 제어 시나리오에서 초임계 CO2 직접 사이클 마이크로 모듈 원자로의 타당성 및 성능 한계' 등의 논문을 발표하였으며, 다양한 특허를 보유하고 있습니다. 연구실은 특히 NEANH와 초임계 CO2 시스템 분야에서 높은 연구 성과를 보이고 있으며, 다양한 산업체와의 협력을 통해 지속적으로 연구를 확장하고 있습니다.

Non-Electric Application of Nuclear Heat (NEANH)

비전기적 원자력 열 응용 (NEANH)

Supercritical CO2 Systems

초임계 CO2 시스템

Hydrogen & CCUS Plant Systems

대표 연구 분야

연구 영역 전체보기

초임계 이산화탄소(SCO2) 시스템을 활용한 전환 시스템 개발

초임계 이산화탄소(SCO2)를 활용한 전환 시스템은 넷제로 배출 달성을 위한 핵심 요소로 자리잡고 있습니다. 본 연구는 SCO2의 열역학적 특성을 이용하여 에너지 효율성을 극대화하며, 기계 구성 요소의 열적 안정성을 유지하는데 중점을 둡니다. 이를 통해, 발전효율을 높이고 운영비용을 절감할 수 있는 설계와 운영방안을 제시합니다. 또한, 디지털 트윈 기술을 도입하여 시스템의 상태를 실시간으로 모니터링하고, 예측 유지보수를 통해 시스템의 신뢰성을 높이는 연구를 진행하고 있습니다.

딥러닝 알고리즘을 활용한 흡착제 성능 저하 예측 모델 개발

압력 스윙 흡착(Pressure Swing Adsorption, PSA) 시스템에서 흡착제의 성능 저하는 시스템의 효율성에 큰 영향을 미칩니다. 본 연구는 딥러닝 알고리즘을 활용하여 흡착제의 성능 저하를 예측하고, 1차원 시뮬레이터를 통해 이를 검증하는 데 중점을 둡니다. 이를 통해 흡착제의 교체 주기를 최적화하고, 시스템의 지속 가능한 운영을 도모합니다. 또한, 예측 모델을 기반으로 한 유지보수 전략을 제시하여 운영비용을 절감하고, 시스템의 신뢰성을 증대시키는 연구를 진행하고 있습니다.

Improving plant system

주요 논문

발행물 전체보기

The Development of a Transient Analysis Platform of Near-Critical CO2 Thermodynamic Systems via an Enthalpy-Based Implicit Continuous Eulerian Approach

Son, Seongmin, Seong Jun Bae

Energies, 2024

Determining adsorbent performance degradation in pressure swing adsorption using a deep learning algorithm and one-dimensional simulator

Son, Seongmin

Korean Journal of Chemical Engineering, 2023

Feasibility and performance limitations of Supercritical carbon dioxide direct-cycle micro modular reactors in primary frequency control scenarios

Son, Seongmin, Jeong Ik Lee

Nuclear Engineering and Technology, 2023