| 초록 |
1.분석자 서문 다양한 재생에너지 중 한 종류인 미생물연료전지(microbial fuel cells - MFCs)는 수소를 활용하는 일반적인 수소연료전지와 달리 미생물을 이용한 전기화학반응을 통해 전기를 생산하는 기술이다. 최근 효율적인 시스템 개발을 위하여 다양한 방법을 통해 MFC를 최적화하는 기술의 중요성이 커지고 있다. 모델링 기술을 활용할 경우, MFC 시스템의 다양한 인자들이 전력 생산 성능에 어떻게 영향을 주며 상호 관계는 어떠한지에 대한 기본 지식을 확보하는 데에 그치지 않고, MFC 시스템 운전을 성공적으로 하는 데에 큰 도움이 된다. MFC 모델링은 시스템에 영향을 주는 반응 공정과 한계 인자들을 다루고 있으며, 수학적인 수식이나 등가회로(equivalent circuit) 등으로 표현된다. 본 분석물을 통해 MFC와 관련한 전통적으로 또는 근래에 도입되고 있는 모델링 기술을 고찰하고 있으며, 특히 메커니즘, 장점, 단점, 그리도 모델 종류에 따른 적용 분야에 대한 내용을 아우르고 있다. 이와 더불어 향후 MFC 시스템의 성능을 증대시키기 위한 모델링 기술의 연구/개발 방향성을 제시하여 관련 연구자들에게 도움이 될 수 있기를 기대한다.[1] 2. 목차 1. 개요 2. MFC 모델 2.1. 메커니즘 기반 모델 2.2. 응용 분야 기반 모델 3. 분석자 결론 본 분석물에서는 MFC에 대한 모델 기술을 메커니즘 기반 모델과 응용 분야 기반 모델로 구분하여 관련 원리와 최근 기술을 살펴보았다. 메커니즘 기반의 모델은 기질 사용률, 전압과 전류값, 생물막(biofilm)의 형성과 저감 등을 포함한 주요 반응 공정에 초점을 맞추고 있으며, 응용 분야 기반의 모델은 인식과 제어 관련 부분의 전기적(electrical) 모델 기술에 집중하며 등가회로 구성을 통해 주요 인자를 입력한다. 전통적으로 MFC 기술은 주로 수처리 분야에 접목하여 연구를 진행하였으나, 최근에는 wearable 소재에 적용하는 연구가 진행될 정도로 응용 분야를 확대하고 있다. MFC 시스템은 미생물을 활용하여 화학적 에너지를 전기에너지로 전환하는 장치이기 때문에, 생물학적 요인과 전기화학적 요인에 대한 이해가 필수적이다. MFC 시스템을 구성하는 인자들에 대해 정확히 판단하고 그 특성을 적절히 반영할 때, 모델링 기술 역시 정확도가 향상되고 효율적으로 활용할 수 있을 것이다. 특히, 최근 모델링 기술에 심층/기계 학습(deep/machine learning) 알고리즘을 적용하여 예측 속도 및 정확도를 한 단계 끌어올렸다는 것이 흥미로운 점이다. 이러한 접근법을 MFC와 같이 생물학적/전기화학적 반응이 복합적으로 발생하는 시스템에 확대하여 활용한다면, 보다 효율성이 높은 모델링 기술을 확보할 것으로 생각된다. References 1. C. Xia, D. Zhang, W. Pedrycz, Y. Zhu, Y. Guo, Models for microbial fuel cells: a critical review, Journal of Power Sources, 373 (2018) 119-131. 2. M. Esfandyari, M.A. Fanaei, R. Gheshlaghi, M. A. Mahdavi, Mathematical modeling of two-chamber batch microbial fuel cell with pure culture of Shewanella, Chemical Engineering Research and Design, 117 (2017) 34 ndash;42. 3. Y. Zeng, Y.F. Choo, B.-H. Kim, P. Wu, Modelling and simulation of two-chamber microbial fuel cell, Journal of Power Sources, 195 (2010) 79 ndash;89. 4. C. Picioreanu, I.M. Head, K.P. Katuri, M.C.M. van Loosdrecht, K. Scott, A computational model for biofilm-based microbial fuel cells, Water Research, 41 (2007) 2921 ndash;2940. 5. R.P. Pinto, B. Srinivasan, M.F. Manuel, B. Tartakovsky, Bioresour, A two-population bio-electrochemical model of a microbial fuel cell, Bioresource Technology, 101 (2010) 5256 ndash;5265. 6. A. Kato Marcus, C.I. Torres, B.E. Rittmann, Conduction-based modeling of the biofilm anode of a microbial fuel cell, Biotechnology and Bioengineering, 98 (2007) 1171 ndash;1182. 7. C. Picioreanu, I.M. Head, K.P. Katuri, M.C.M. van Loosdrecht, K. Scott, A computational model for biofilm-based microbial fuel cells, Water Research, 41 (2007) 2921 ndash;2940. 8. F. Fang, G.-L. Zang, M. Sun, H.-Q. Yu, Optimizing multi-variables of microbial fuel cell for electricity generation with an integrated modeling and experimental approach, Applied Energy, 110 (2013) 98 ndash;103. ※ 이 자료의 분석은 현대자동차 환경기술센터의 윤석환님께서 수고해주셨습니다. |
