Mobile QR Code QR CODE : Korean Journal of Air-Conditioning and Refrigeration Engineering
Korean Journal of Air-Conditioning and Refrigeration Engineering

Korean Journal of Air-Conditioning and Refrigeration Engineering

ISO Journal TitleKorean J. Air-Cond. Refrig. Eng.
  • Open Access, Monthly
Open Access Monthly
  • ISSN : 1229-6422 (Print)
  • ISSN : 2465-7611 (Online)

  1. 한밭대학교 기계공학과 대학원 (Department of Mechanical Engineering, Graduate School, Hanbat National University, Deajeon, 34158, Republic of Korea)
  2. 한밭대학교 기계공학과 (Department of Mechanical Engineering, Hanbat National University, Deajeon, 34158, Republic of Korea)



전달물성(Transport properties), 열전도계수(Thermal conductivity), 이산화탄소 수송(CO2 transportation), 정 모델(Chung et al. model), 전달물성 예측(TRAPP), 냉매물성 예측프로그램(REFPROP)

기호설명

Bi:편심계수, 쌍극자 모멘트, 상호계수의 함수
Fλm:기준물질과 혼합물질의 등가 환산 비
G1, G2:열전도계수 상관식 계수
M:몰 질량 [kg/kmol]
P:압력 [Pa]
Γ:온도 [K]
Γ*:환산온도의 함수
Z:압축성 계수(Compressibility factor)
f, h:등가 물질의 환산비
y:가스상의 몰 분율

그리스 문자

Δ:차이
ρ:밀도 [kg/m3]
λ:열전도계수 [W/(m·k)]
μr:환산 쌍극자 모멘트 [Debye]
ω:편심 계수
σ:강체의 지름 [m]
Ψ:편심계수, 정적비열, 환산압력의 함수
Ωv:분자 간 위치에너지
κ:상호계수(association factor)

하첨자

c:임계점
m:혼합물
x:혼합물과 동일 밀도를 갖는 가상의 유체
i, j:혼합물의 인덱스

상첨자

0:낮은 압력 조건
R:기준유체(Propane, Methane)

1. 서론

최근 온실가스로 인한 지구온난화 및 이상기후 현상 문제가 심각하게 대두되고 있다. 화석연료 기반의 산업구조가 중심인 현재 상황에서, 배출되는 이산화탄소의 포집 및 저장 기술 CCS(Carbon Capture & Storage)는 실현 가능한 기술로써 관심이 높아지고 있다. CCS 기술은 배출되는 이산화탄소의 포집, 수송, 그리고 저장 단계로 이루어진다. 수송단계에서 배관을 통한 직접적인 수송방법이 일반적으로 적용되고 있으며, 육상수송과 해상수송으로 나뉜다. 현 기술에서 고순도의 이산화탄소를 포집하는 기술은 어렵지 않으나, 경제성 측면은 차지하더라도 여전히 소량의 불순물이 포함된다. CCS의 수송 조건은 대부분 이산화탄소의 임계압력 이상조건이기 때문에 순수 이산화탄소의 경우라도 열전도계수, 점성 그리고 확산계수와 같은 전달 물성은 극적으로 변하고, 불순물이 포함된 경우 더욱 불순물의 농도에 따라 극적인 경향을 나타낸다. 이러한 전달 물성의 극적인 변화는 수송관의 파열 및 파열 후의 배관의 손상거동 등 수송 실패에 큰 영향을 미친다. 이에 임계점 조건 이상에서 여러 불순물이 포함된 이산화탄소에 대한 전달 물성에 대한 연구는 반드시 필요하다.

최근 CCS(Carbon Capture & storage) 기술 연구와 관련하여, 불순물이 포함된 이산화탄소에 대한 전달 물성에 대한 연구가 활발하게 진행되고 있다. Li et al.(1)은 CO2/O2, CO2/N2, 그리고 CO2/SO2 등 다양한 이산화탄소 혼합물들의 전달물성에 대한 기존 실험데이터와 이론적 모델에 대하여 폭 넒은 리뷰를 수행하였다. Lindsay와 Bromley(2)는 기체 혼합물의 열전도계수를 예측하기 위한 방정식을 개발하였다. 이 방정식은 총 85개의 실험데이터와 비교한 결과 평균오차는 1.9%를 나타냈다. Kestin et al.(3)은 27.5℃ 그리고 0.7~0.11 MPa의 조건에서 이산화탄소 혼합물의 열전도계수를 실험적으로 측정하였다. 이때 혼합물은 CO2/He, CO2/Ne, 그리고 CO2/Ar 이다. Johns et al.(4)은 순수 질소 그리고 이산화탄소와 질소 혼합물의 열전도계수에 대한 연구를 수행하였다. 열전도계수는 질소의 경우 470 K에서, 이산화탄소와 질소의 혼합물은 302 K, 380 K, 430 K, 470 K의 조건에서 그리고 다양한 압력조건 하에서 측정되었다. 또한 실험 데이터를 기반으로 기존 이론적인 예측 모델들의 여러 조건에 대한 예측범위에 대한 고찰을 하였다.

본 연구의 목적은 CCS 공정 중 소량의 불순물인 CH4, H2S, N2가 임계점 부근 이산화탄소의 전달물성인 열전도계수에 미치는 영향을 수치적으로 파악하는데 있다. 이를 위해 REFPROP 모델,(5) TRAPP 모델, Chung et al. 모델을 각각 적용하였고. 이들 기존 예측 모델 중에서 초임계 영역 이산화탄소 가스 혼합물의 열전도계수 예측모델로서 적합한 모델을 제시하였다. 본 혼합물의 열전도계수는 실제 이산화탄소 수송에 있어 압력강하 및 열전달계수의 예측에 활용될 것으로 판단된다.

2. 연구방법

2.1 낮은 압력에서 기체상의 열전도계수 계산

열전도계수는 일반적으로 Eucken가 변진자유도와 내부자유도를 분리함으로써 제안한 식(1)의 형태를 통해서 예측할 수 있다.

(1)
λ = η C v M ' ( 9 / 4 C v / R )

하지만 식(1)은 식을 유도하는 과정 중 가스 분자간의 상호영향에 대한 가정은 고려하고 있지 않기 때문에 분자간의 상호영향이 큰 고밀도, 고압 조건에서 정확도가 매우 낮다. 이에 따라 다양한 연구자들에 의해 고압, 고밀도 조건에서 적용 가능한 모델들이 제시되고 있다.(6)

2.2 임계점 부근 고압에서 불순물이 포함된 CO2의 열전도계수

2.2.1 REFPROP 모델(5)

순물을 포함한 CO2의 열전도계수는 REFPROP의 경우 특정유체를 위한 상관식, ECS(Extended Corresponding States) 방법, 그리고 마찰이론(f-theory)을 바탕으로 한다. ECS 모델의 경우 Klein 등의 연구를 마찰이론은 Quinones- Cisneros 등의 논문을 참조하기 바란다.

2.2.2 TRAPP 모델(6)

식(2)는 본 열전도계수의 계산을 위한 TRAPP(Transport Properties Prediction) 모델을 나타낸다. 좌변은 실제 초임계와 같은 높은 압력조건에서의 열전도계수와 대기압조건에서 혼합물의 열전도계수의 차이를 나타낸다. 우측변의 첫 항은 상당상태(Corresponding state) 방법 중 기준물질인 프로판의 열전도계수를 기준으로 등가물질의 환산 비를 나타내는 Fλm라는 변수를 사용하여 전환하는 항을 나타낸다. 이때 Fλm식(3)으로 나타내며, 각 물질에서의 기준 물질에 대한 등가물질 환산 비는 식(4)의 fi식(5)의 hi로 정의한다. 식(6)의 Xλm은 높은 밀도를 보정해주기 위한 편심계수의 함수이다. 상첨자 R, 0은 각각 기준물질(프로판, 혹은 메탄)과 대기압 조건을 나타낸다.

(2)
λ m - λ m 0 = F λ m X λ m [ λ R - λ R 0 ]

(3)
F λ m = ( 44 . 094 ) - 1 / 2 ( h m ) - 2 i j y i y j ( f i j M i j ) 1 / 2 ( h i j ) 4 / 3

(4)
f i = T c , i T c R [ 1 + ( ω i - ω R ) ( 0 . 05203 - 0 . 7498 ( T T c , i ) ) ]

(5)
h i = ρ c R Z c R ρ c , i Z c , i [ 1 + ( ω i - ω R ) ( 0 . 1436 - 0 . 2822 ( T T c , i ) ) ]

(6)
X λ m = [ 1 + 2 . 1866 ( ω m - ω R ) 1 - 0 . 505 ( ω m - ω R ) ]

2.2.3 Chung et al. 모델(6)

식(7)은 고압조건에서 Chung et al. 모델을 통한 유체의 열전도계수 계산식을 나타낸다. Chung et al. 모델은 기본적으로 Mason and Monchick 모델과 매우 유사한 형태를 갖는다. 다만, 높은 밀도를 갖는 유체의 특성을 반영하기 위해 식(8)에서 식(9)까지 나타낸 실험적 보정계수를 도입 하였다.

(7)
λ m = 31 . 2 η m ° ψ M m ' ( G 2 - 1 + B 6 6 V r , m ) + q m B 7 y m - 2 T r , m 1 / 2 G 2 36 V r , m

(8)
G 1 = 1 - 3 V r , m - 1 ( 1 - 6 V r , m - 1 ) 3

(9)
G 2 = ( B 1 6 V r , m ) [ 1 - e x p ( - B 4 6 V r , m ) ] + B 2 G 1 e x p ( B 5 6 V r , m ) + B 3 G 1 B 1 B 4 + B 2 + B 3

B i = a i + b i ω + c i μ r 4 + d i κ

3. 결과 및 고찰

3.1 기존 실험결과와의 비교

Fig. 1은 본 예측모델의 검증을 위해 Rosenbaum and Thodos(7)가 고밀도의 가스 상태에서 CO2+CH4 혼합물의 열전도계수를 측정한 실험결과와 비교한 결과를 나타낸다. 혼합물 중 CO2의 몰 농도비는 0.757, 0.536, 0.245이고 압력은 33~706 bar, 그리고 온도는 335 K~404 K까지 측정하였다. 총 실험데이터 개수는 128개 이다. Chung et al. 모델의 경우 실험데이터를 기준으로 계산한 평균오차는 ±13.17%, TRAPP 모델과 REFPROP 모델은 각각 ±10.98%, ±6.60%를 나타냈다. CCS 운용 압력 범위인 100 bar 내외 범위에서의 평균오차는 Chung et al. 모델, TRAPP 모델, 그리고 REFPROP 모델에서 각각 ±3.17%, ±7.19%, 그리고 ±3.40%를 각각 나타냈다.

Fig. 1. Thermal conductivity of the prediction models with the experimental data for CO2+CH4gas mixture.
../../Resources/sarek/KJACR.2017.29.5.213/fig1.png

Fig. 2Fig. 3은 실험을 통해 측정한 CO2+N2와 CO2+C2H6 혼합물의 열전도계수와 본 예측모델을 통해 계산된 열전도계수의 비교를 나타낸다. Gilmore and Comings(8)는 혼합물 중 CO2의 몰 농도비를 0.187~0.795 범위에서 조정하였고 압력은 1~3,000 bar, 그리고 온도는 75℃로 고정한 상태에서 혼합물의 열전도계수를 측정하였다. 실험데이터 수는 각 44개이다. CO2+N2 혼합물에서 Chung et al. 모델의 경우 실험데이터를 기준으로 계산한 평균오차는 ±13.3%, TRAPP 모델과 REFPROP 모델이 각각 ±13.41%, ±12.25%를 나타냈다. 실제 이산화탄소 수송압력에서 Chung et al. 모델, TRAPP 모델, 그리고 TRAPP 모델은 각각 ±2.15%, ±22.29%, 그리고 ±8.76%의 평균오차를 나타냈다. Chung et al. 모델의 경우 150 bar 이상의 압력에서는 상당한 오차율이 나타났다. 반면, CCS 운용 압력 범위인 150 bar 이하에서는 다른 두 모델에 비하여 Chung et al. 모델이 매우 우수한 예측결과를 나타내는 것을 확인 할 수 있다. CO2+C2H6 혼합물에 대해서 평균오차는 Chung et al. 모델, TRAPP 모델, REFPROP 모델에서 각각 ±10.35%, ±11.89%, 그리고 ±2.64%를 보였다. 150 bar 이하에서 평균오차를 살펴보면 각각 ±3.89%, ±16.11%, 그리고 ±1.32%를 보였으며, CO2+C2H6 혼합물의 경우 REFPROP 모델이 가장 우수한 예측 결과를 나타냈다.

Fig. 2. Thermal conductivity of the prediction models with the experimental data for CO2+N3gas mixture.
../../Resources/sarek/KJACR.2017.29.5.213/fig2.png

Fig. 3. Thermal conductivity of the prediction models with the experimental data for CO2+C2H6gas mixture.
../../Resources/sarek/KJACR.2017.29.5.213/fig3.png

가장 널리 적용되는 예측 모델들을 이용하여 기존 실험 데이터를 기준으로 검증을 수행하였다. 저압에서부터 150 bar 이상의 초고압상태까지 전 범위에서 REFPROP 모델이 평균 ±7.16%의 평균오차로 타 모델보다 높은 예측능력을 나타냈다. 그러나 실제 이산화탄소의 수송운전 조건인 1~150 bar에서는 Chung et al. 모델이 평균 ±3.07%의 평균오차로 가장 우수한 예측결과를 나타내는 것을 확인하였다.

3.2 온도, 압력, 성분비에 따른 변화

실제 포집 이산화탄소의 배관수송 운전 조건에 해당하는 100 bar 내외에서 Chung et al. 모델이 타 두 모델에 비해 가장 우수한 예측 능력을 나타냈기 때문에 Chung et al. 모델을 이용하여 포집된 이산화탄소의 불순물에 해당하는 N2, H2S, 그리고 CH4의 몰농도 비와 혼합물의 압력, 그리고 온도를 바꾸어가며 변수들에 대한 영향을 고찰하였다. 혼합물 중 CO2의 몰 농도비는 0.9, 0.95, 0.97 그리고 0.99로 변화를 주었다. 압력은 60~150 bar까지 10 bar 간격으로, 그리고 온도는 5.6 K 간격으로 273 K~323 K에서 계산을 수행하였다.

Fig. 4는 압력을 100 bar로 고정한 상태에서 온도에 따른 순수 CO2, N2, H2S, 그리고 CH4의 열전도계수를 나타낸다. 온도 증가에 따라 CO2와 H2S는 각 평균 8.71%와 3.15%의 감소율을 보였다. CO2의 임계압력 및 임계온도는 73.77 bar, 304.1 K 그리고 H2S의 임계압력 및 임계온도는 89.63 bar, 373.4 K이다. 두 물질의 감소 현상은 해석온도 273~323 K 범위가 임계 영역에 해당하기 때문으로 판단된다. N2와 CH4는 온도에 따른 열전도계수의 변화가 크지 않고 두 물질 모두 5×10-2 W/m·K 이내에 위치에 위치하고 있음을 볼 수 있다.

Fig. 4. Variation of thermal conductivity with temperature for pure fluids of CO2, N2, H2S, and CH4.
../../Resources/sarek/KJACR.2017.29.5.213/fig4.png

Fig. 5는 온도에 따른 열전도계수를 CO2+N2, CO2+H2S, 그리고 CO2+CH4 혼합물에 대해 변수 고찰한 결과이다. 압력조건은 100 bar, 그리고 혼합물 중 CO2의 몰농도 비는 0.9로 고정하였다. 혼합물의 열전도계수의 경향은 혼합물 중 대부분의 몰 농도 비를 차지하고 있는 CO2의 경향을 따르고 있고, 평균 11.86%의 감소율을 나타냈다. 다른 두 혼합물에 비해 CO2+H2S 혼합물의 열전도계수가 큰 것을 볼 수 있다. Fig. 4에서 나타난 바, H2S는 다른 물질에 비해 월등히 큰 열전도계수를 가진다. 혼합물의 열전도계수의 경향은 가장 큰 몰 농도비를 가지는 물질을 따르며, 그 값은 혼합물을 이루고 있는 각 순물질이 가지는 온도에 따른 열전도계수의 변화에 의존한다고 판단된다.

Fig. 5. Effects of temperature on the mixture thermal conductivity for CO2+N2, CO2+H2S, and CO2+CH42.
../../Resources/sarek/KJACR.2017.29.5.213/fig5.png

세 가지 혼합물에 대하여 온도와 혼합물 중 CO2의 몰 농도비는 고정한 상태에서 압력에 따른 열전도 계수를 고찰하였다. Fig. 6은 그 결과를 나타낸다. 이때 온도조건은 323 K, 그리고 혼합물 중 CO2의 몰 농도 비는 0.90이다. 해석압력 60~80 bar 범위에서는 세 혼합물 간 열전도계수의 차이는 크지 않았다. 80 bar 이후, CO2+H2S, CO2+N2, CO2+CH4 순으로 열전도계수의 증가율이 높은 것을 확인 할 수 있다. 또한 혼합물이 CO2의 임계점 근처에서부터 급격히 증가하는 것을 볼 수 있다.

Fig. 6. Effects of pressure on the mixture thermal conductivity for CO2+N2, CO2+H2S, and CO2+CH4.
../../Resources/sarek/KJACR.2017.29.5.213/fig6.png

Fig. 7은 압력과 온도 조건에 따른 열전도계수의 결과를 보여준다. 이때 혼합물은 CO2+N2이고, 혼합물 중 CO2의 몰 농도 비는 0.90이다. 압력은 증가할수록 그리고 온도는 낮아질수록 열전도계수는 증가함을 보였다. 290~310 K 범위 내에서 압력이 열전도계수에 미치는 영향이 가장 큰 것을 확인 할 수 있다.

Fig. 7. Effects of pressure on the mixture thermal conductivity for CO2+N2.
../../Resources/sarek/KJACR.2017.29.5.213/fig7.png

Fig. 8은 CO2+N2 혼합물에 한하여 323 K의 동일한 온도조건에서 열전도계수에 대한 압력과 혼합물 중 CO2의 몰 농도비의 영향을 고찰하였다. 순 물질일 때 323 K의 온도조건에서 CO2의 열전도계수가 N2보다 크기 때문에 혼합물 중 CO2의 몰 농도비가 증가할수록 열전도계수 또한 증가하는 것을 볼 수 있다. 압력이 증가 할수록 열전도계수에 대한 CO2의 몰 농도 비의 영향이 커짐을 확인할 수 있는데, 이것은 혼합물 중 높은 몰농도 비를 갖는 CO2의 임계구간진입에 따른 급격한 물성 변화 때문으로 판단된다.

Fig. 8. Effects of mole fraction of CO2in the CO2+N2mixture on thermal conductivity.
../../Resources/sarek/KJACR.2017.29.5.213/fig8.png

Fig. 9는 세 혼합물에 대하여 CO2의 몰 농도비에 따른 열전도계수 변화를 나타낸다. 압력조건은 100 bar, 그리고 온도조건은 323 K로 고정하였다. CO2+N2와 CO2+CH4 혼합물의 열전도계수는 각각 평균 6.68%와 4.79%의 증가율을 보였다. CO2+H2S 혼합물의 열전도계수의 경우 평균 2.47%의 감소율을 보였다. 이는 Fig. 4에서 나타난 바와 같이 순수 CO2의 열전도계수 보다 H2S의 열전도계수가 크고, 따라서 H2S의 몰 농도비 감소에 따라 나타나는 현상으로 설명할 수 있다.

Fig. 9. Effects of mole fraction of CO2in the mixtures of CO2+N2, CO2+H2S, and CO2+CH4on thermal conductivity.
../../Resources/sarek/KJACR.2017.29.5.213/fig9.png

4. 결 론

본 연구에서는 포집 이산화탄소의 배관 수송과정 중 포함되는 소량의 불순물이 배관 수송에 미치는 영향을 고찰하기 위해, 이산화탄소의 혼합물의 전달물성 중 하나인 열전도계수의 예측에 대한 적합한 모델을 찾고, 이를 통해 혼합물의 열전도계수의 특성을 분석하였다. 저압부터 3,000 bar에 이르는 초고압상태까지 전범위에서 REFPROP 모델이 평균 7.16%의 평균오차로 타 모델보다 높은 예측능력을 나타냈다. 그러나 실제 이산화탄소의 배관수송과정 조건인 100 bar 내외에서는 Chung et al. 모델이 평균 3.07%의 오차로 가장 우수한 예측결과를 나타내는 것을 확인하였다. 혼합물의 열전도계수는 압력은 증가할수록 온도는 낮아질수록 열전도계수가 증가하는 경향을 보였다. 혼합물 중 이산화탄소의 농도가 가장 큼을 고려할 때, 이산화탄소의 임계구간인 290~ 310 K 범위 내에서 압력이 열전도계수에 미치는 영향이 가장 큰 것을 확인할 수 있었다. 혼합물의 열전도계수의 특징은 가장 큰 몰 농도비를 가지는 물질을 따르며, 그 값은 혼합물을 이루는 성분비와 각 순물질이 가지는 온도에 따른 열전도계수의 변화에 따른다고 판단된다.

후 기

이 논문은 2016년 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업(No. NRF- 2016R1D1A1B02010075)과 2015년도 정부(미래창조과학부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(NRF-2015R1A2A1A15055823).

References

1 
Li H., Wilhelmsen Ø., Lv Y., Wang W., Yan J., 2011, Visocities, thermal conductivities, and diffusion coefficients of CO2 mixtures : Review of experimental data and theoretical models, International Journal of Greenhouse Gas Control, Vol. 5, pp. 1119-1139DOI
2 
Lindsay A. L., Bromley L. A., 1950, Thermal conductivity of gas mixtures, Ind. Eng. Chem., Vol. 42, No. 8, pp. 1508-1511Google Search
3 
Kestin J., Nagasaka Y., Wakeham W. A., 1982, The thermal conductivity of mixtures of carbon dioxide with three noble gases, Physica A : Statistical Mechanics and its Applications, Vol. 113, pp. 1-26DOI
4 
John A. I., Rashid S., Rowan L., Watson J. T. R., Clifford A. A., 1988, The thermal conductivity of pure nitrogen and of mixtures of nitrogen and carbon dioxide at elevated temperatures and pressures, International Journal of Thermophysics, Vol. 9, No. 1, pp. 3-19DOI
5 
Lemmon E. W., Huber M. L., McLinden M. O., 2013, REFPROP Ver. 9.1.Google Search
6 
Poling B. E., Prausnitz J. M., O'connell J. P., 2000, The properties of Gases and Liquids, 5th edition, McGraw-Hill.Google Search
7 
Rosenbaum B. M., Thodos H., 1969, Thermal conductivity of mixtures in the dense gaseous state : The methane-carbon dioxide system, The Journal of Chemical Physics, Vol. 51, No. 4, pp. 1361-1368DOI
8 
Gilmore T. F., Comings E. W., 1966, Thermal conductivity of binary mixtures of carbon dioxide, nitrogen, and ethane at high pressure : Comparison with correlation and theory, A. I. Ch. E Journal, Vol. 16, pp. 1172-1178DOI