저GWP 친환경냉매 전환과 히트펌프 보급확대에 대응하기 위한 AI기반 신냉매 개발 및 적용·검증기술 확보가 본격화된다.

 

SK이노베이션은 지난 8월5일 ‘AI물질발굴기술 활용 친환경·고효율·무독성냉매 및 히트펌프 적용·검증기술개발’ R&D 킥오프회의를 진행했다고 밝혔다.

 

이번 R&D는 AI 물질발굴기술을 활용한 친환경·고효율냉매 순물질 개발기술과 히트펌프 적용 시의 성능예측·안정성검증기술 개발을 위해 기획됐으며 기후에너지환경부 한국에너지기술평가관리원의 ‘2026년도 1차 에너지기술개발사업’ 일환으로 추진된다. 사업기간은 2026년 4월1일부터 2029년 12월31일까지 총 45개월이며 총사업비는 약 141억원(정부출연금은 120억원 포함)이다.

 

이번 과제에는 주관기관인 SK이노베이션과 △SK엔무브 △한국에너지기술연구원 △중앙대학교 △인하대학교 △한국냉동공조시험연구원(K-HVAC) △한국기계연구원 △한국표준과학연구원 △한국화학연구원 등이 참여한다.

 

컨소시엄은 각 기관이 보유한 AI·냉매제조·물성측정·시스템평가 역량을 결합해 신규냉매 개발기간을 단축하고 연구효율을 높이는 데 초점을 맞췄다.

 

임승빈 한국에너지기술평가원 실장은 인사말을 통해 “2023년부터 대용량·가정용을 아우르는 다양한 히트펌프 연구과제가 추진되고 있지만 그동안 냉매분야에 대한 연구는 상대적으로 부족했다”라며 “국내 기업들이 히트펌프 기술을 선도하고 있는 만큼 해외수입에 의존하는 냉매원료까지 국산화한다면 국내 기술경쟁력을 한 단계 더 높일 수 있다는 판단에서 이번 과제를 기획했다”고 말했다.

 

이어 “과제기획 단계부터 연구에 그치지 않고 실제 사업화가 가능한 성공사례와 모델을 만드는 데 초점을 맞췄다”라며 “신규 물질개발은 장기적인 연구가 필요한 어려운 분야지만 AI라는 강력한 도구를 접목한다면 기존보다 빠르고 우수한 물질을 개발할 수 있을 것으로 기대한다”고 강조했다.

 

또한 “이번 과제가 성공한다면 히트펌프뿐만 아니라 에너지분야에 필요한 다양한 소재와 재료를 개발하는 대표사례가 될 수 있을 것”이라며 “참여기관들이 역량을 집중해 좋은 성과를 내고 향후 의미 있는 소식을 함께 공유할 수 있기를 바란다”고 말했다.

 

 

 

AI활용 친환경 신냉매 개발 본격화

강봉호 SK이노베이션 팀장은 과제소개를 통해 AI기반 친환경 신냉매 개발과 히트펌프 적용·검증을 위한 연구개발 추진계획을 발표했다.

 

이번 과제의 핵심목표는 AI 물질발굴기술을 활용해 PFAS 규제에 대응하면서 성능·안전성·환경규제를 충족할 수 있는 신규 냉매 순물질후보를 도출하는 것이다.

 

신규물질을 발굴하는 데 그치지 않고 합성·정제공정과 물성데이터베이스(DB), 히트펌프 적용기술까지 확보해 실제 사업화로 연결한다는 계획이다.

 

AI 물질알고리즘을 활용해 친환경·고효율 신규냉매를 개발하고 단순한 물질개발에 머무르지 않고 실제 히트펌프시스템에 적용할 수 있는 검증기술까지 구축할 것으로 기대된다.

 

사업은 크게 △AI기반 신규냉매 후보물질 발굴 △후보물질 합성·정제공정 개발 △열물성 측정 및 상태량 예측모델 구축 △히트펌프 적용과 장기성능·환경영향평가 등 4개 분야로 구성된다.

 

우선 AI 예측모델을 활용해 △임계점 △이심인자 △GWP △PFAS 해당 여부 △가연성·독성 등을 예측하고 이를 토대로 신규냉매 후보 순물질을 선정한다. 이어 후보물질의 반응수율을 예측해 합성·정제공정을 개발하고 히트펌프 적용시험에 필요한 순물질시료를 안정적으로 확보할 예정이다.

 

후보물질에 대해서는 열물성·가연성·독성 등을 측정하고 상태방정식과 상태량 예측모델을 개발한다. 이를 통해 냉매 상용화와 국내·외 표준 진입에 필요한 물성DB를 구축한다.

 

최종적으로는 개발된 냉매와 냉동기유를 ATW(Air-to-Water) 히트펌프에 적용해 에너지효율과 시스템 적합성, 장기운전 안정성을 평가한다. 또한 LCCP(Life Cycle Climate Performance) 분석을 통해 냉매의 직접적인 온실가스 배출뿐만 아니라 시스템운전과정에서 발생하는 간접배출까지 종합적으로 평가하고 환경·경제적 성과를 정량화할 계획이다.

 

AI·사업화분야에는 SK이노베이션과 SK엔무브가 참여하며 SK이노베이션은 물성예측모델 개발과 후보물질 탐색을 추진한다. 물질제조분야에는 한국화학연구원과 인하대학교가 참여해 AI를 통해 도출된 후보물질의 합성경로를 설계하고 제조·정제공정을 구축해 하루 200g 수준의 후보물질을 생산할 수 있는 기술을 확보할 계획이다.

 

물성측정과 안전성평가는 △한국표준과학연구원 △한국기계연구원 등이 수행한다. 후보물질의 열역학적 물성과 가연성·독성 등을 측정하고 이를 기반으로 상태방정식과 물성예측모델을 구축한다. 성능·환경영향평가는 △한국에너지기술연구원 △K-HVAC △중앙대학교 등이 담당한다. 한국에너지기술연구원은 신규냉매에 적합한 냉동기유와 시스템 적용기술을 개발하며 K-VAC은 가연성 및 히트펌프시스템 성능평가를 수행한다. 중앙대학교는 LCCP 평가와 시스템 시뮬레이션모델 구축을 담당한다.

 

강봉호 팀장은 “AI 물질발굴부터 제조와 물성측정, 냉동기유 개발, 히트펌프 성능검증 및 환경영향평가까지 냉매개발 전주기를 9개 기관이 동시에 추진할 것”이라며 “기관간 연계와 협업을 통해 신규냉매 개발의 속도와 효율성을 높이겠다”고 밝혔다.

 

과제의 정량적 목표는 기존 냉매인 R134a와 동등하거나 그 이상의 히트펌프 성능을 확보하는 것이다. SK이노베이션은 AI기반 물성예측모델을 개발해 신냉매 후보물질을 도출하고 한국화학연구원과 인하대학교는 후보물질의 제조공정과 시료생산기술을 확보한다. 이후 전문기관들이 열물성·가연성·독성·GWP 등을 측정해 신규냉매의 물성DB와 상태량 예측모델을 구축한다.

 

개발된 냉매는 냉동기유와 함께 히트펌프시스템에 적용돼 적합성과 장기신뢰성을 검증받는다. 특히 ATW 히트펌프에 적용해 약 9,000시간의 장기운전평가를 실시하고 기존 R134a냉매 적용시스템대비 동등 이상 성능과 안정성을 확보한다는 목표다.

 

컨소시엄은 1차연도에는 임계점과 이심인자, GWP 등을 예측하는 AI모델을 개발하고 이를 기반으로 신규냉매 후보물질을 선정한다. PFAS와 가연성·독성 예측모델도 일부 병행개발해 후보물질 선별과정을 가속할 계획이다.

 

2차연도에는 PFAS 해당여부와 가연성·독성예측모델을 고도화하고 후보물질 제조·정제공정 구축을 완료한다. 연구진은 물질발굴과 제조공정개발을 직렬방식이 아닌 병렬방식으로 추진해 전체 개발기간을 단축한다는 방침이다.

 

3차연도에는 후보물질의 열물성·독성·가연성 및 GWP 측정을 완료하고 물성DB를 확보한다. 이와 함께 신규냉매와 적합성이 높은 냉동기유를 개발하고 시스템적용을 위한 기초성능평가를 시작한다.

 

3~4차연도에는 냉매와 냉동기유의 물성 및 성능평가를 확대하고 히트펌프시스템 적용기술을 개발한다. 마지막 4차연도에는 상태방정식을 기반으로 최종 냉매DB를 구축하고 ATW 히트펌프를 활용한 9,000시간 장기성능평가와 LCCP기반 환경영향평가를 수행한다.

 

연구기관간 소통과 협업을 강화하기 위한 정기회의도 운영한다. 착수보고회를 시작으로 연차별 연구성과와 목표달성 수준을 점검하는 회의를 개최하고 연구과정에서 발생하는 기술적 문제를 기관 공동으로 논의할 방침이다.

 

강 팀장은 “이번 과제는 참여기관 대부분이 처음 시도하는 연구내용을 포함하고 있어 기관간 원활한 소통과 협업이 무엇보다 중요하다”라며 “각 기관이 개별적으로 문제를 해결하기보다 연구과정에서 발생하는 이슈를 공유하고 공동으로 해결책을 마련해 과제목표를 달성하겠다”고 말했다.

 

SK이노베이션, 신냉매 후보물질 발굴 AI모델 개발

송경민 SK이노베이션 박사는 화상회의를 통해 AI기반 신냉매 물성예측모델의 개발현황과 향후 계획을 발표했다.

 

SK이노베이션은 이번 연구를 통해 기존 냉매의 물성예측 정밀도를 높이는 동시에 신규물질에 대한 모델의 일반화 성능과 적용범위를 확대할 예정이다. 이를 위해 과제착수에 앞서 공개데이터 수집, 출처·단위·식별자 정제, 품질·버전·이력관리, 목적별 후보모델 검토 등 4개 분야에 대한 사전검토를 진행했다.

 

과제착수 이후에는 데이터 품질기준과 이력관리체계를 정립해 모델학습에 활용되는 데이터의 신뢰성과 재현성을 확보할 계획이다. 다만 무료 공개데이터는 품질보장이 어렵고 일부 물성은 데이터가 부족하거나 출처별 편차가 커 별도의 검증절차가 필요할 것으로 예상된다.

 

이에 따라 공개데이터의 커버리지와 품질을 우선 분석한 뒤 부족한 영역을 중심으로 상용DB와 API 도입을 검토해 신규데이터 확보와 모델성능 향상을 추진한다.

 

모델 입력값은 분자구조와 전자구조, 국소구조, 전역위상, 냉매특화 특성, 3차원 기하정보 등을 바탕으로 구성한다. 이후 전체 피처 추출과 품질관리, 핵심변수 선정, 범주별 기여도 검증을 거쳐 물성별 주요 변수를 도출할 예정이다.

 

AI 모델은 GBM 등 기준모델을 시작으로 △GNN기반 분자그래프모델 △하이브리드모델 △사전학습모델 등으로 단계적으로 확장한다. 데이터 확보수준에 따라 모델복잡도와 적용범위를 조정할 방침이다.

 

모델개발은 △기준모델 구축 △구조학습 △사전학습 분자표현 적용 △통합검증 순으로 진행하며 학습·검증데이터 분리와 교차검증 등을 통해 신규물질에 대한 예측성능을 확인한다.

 

송경민 SK이노베이션 박사는 “상용 냉매만으로는 학습데이터가 부족한 만큼 냉매와 유사한 화학적 특성을 가진 분자까지 학습범위를 넓혀야 한다”라며 “다양한 유사분자 데이터를 활용해 신규냉매 후보물질의 주요 물성을 안정적으로 예측할 수 있는 모델을 구축하겠다”고 말했다.

 

화학硏·인하대, 후보냉매 합성·정제공정 개발

이상구 한국화학연구원 책임연구원은 AI를 통해 도출된 후보냉매의 합성·정제공정 개발과 평가용 시료 생산계획을 발표했다.

 

이번 과제에서 한국화학연구원은 후보냉매 제조부문을 담당하며 신규냉매의 열물성·독성·GWP 및 히트펌프 성능평가에 필요한 고순도 시료를 참여기관에 공급할 예정이다.

 

순물질 생산규모는 연차별로 확대해 4차연도에는 하루 200g 생산을 목표로 한다. 실제 특성·성능평가에는 목표치보다 많은 시료가 필요할 수 있어 평가일정과 수요에 맞춰 생산량을 확보할 계획이다.

 

후보물질의 순도는 성능평가에 필요한 99.5% 이상을 목표로 한다. 1차연도에는 후보냉매 합성법을 확보하고 합성장치를 구축하며 2차연도에는 후보냉매 1종의 기초합성과 정제장치를 설계·제작한다. 3차연도에는 합성조건 최적화와 고순도화 연구를 진행하고 4차연도에는 제조공정을 최적화해 성능평가용 샘플을 공급한다. 물질제조뿐만 아니라 향후 사업화를 고려해 경제성 있는 원료와 합성경로, 제조공정도 함께 검토한다.

 

이상구 한국화학연구원 책임연구원은 “GWP와 독성 등 후보냉매의 특성평가를 진행하려면 안정적인 시료제조가 선행돼야 한다”라며 “참여기관들의 평가가 차질없이 이뤄질 수 있도록 고순도 후보물질을 적기에 공급하겠다”고 말했다.

 

이어 강홍석 인하대학교 교수는 전기화학기반 불소소재 합성과 PFAS 부산물의 측정·제거·분해기술 개발계획을 소개했다.

 

인하대는 후보냉매 합성을 지원하고 합성과정에서 발생하는 생성물과 부산물의 분석·정제 및 공정개발을 수행한다.

 

1차연도에는 합성 부산물 분석체계를 확립하고 2차연도에는 PFAS 부산물 정량분석기술을 고도화하는 동시에 제거기술을 개발한다. 3차연도에는 부산물 제거효율을 높여 냉매 합성공정과 연계하고 4차연도에는 PFAS 부산물 관리기술을 연계한 후보냉매 제조공정 패키지 구축에 참여한다.

 

인하대는 불소가스를 직접 사용하는 다이렉트 플루오리네이션과 전기화학적 불소화공정 등을 활용한다. 반응성이 높은 불소를 탄화수소계 원료와 반응시켜 탄소·수소결합을 탄소·불소결합으로 전환함으로써 기존 유기합성으로 제조하기 어려운 복잡한 불소계 물질을 합성할 계획이다.

 

강홍석 인하대 교수는 “합성과정에서 발생하는 미량의 불소계 부산물은 LC-MS/MS 등을 활용해 분석할 것”이라며 “이후 활성탄 등으로 부산물을 흡착·제거하고 광분해나 열처리기술을 적용해 최종적으로 안전한 물질로 전환하는 제거·분해공정도 함께 개발할 예정”이라고 말했다.

 

국가독성과학연구소, 후보냉매 흡입독성 검증

백승훈 국가독성과학연구소 연구원은 국가독성과학연구소가 수행할 신규 후보냉매의 흡입독성평가계획을 발표했다.

 

이번 과제에서 국가독성과학연구소의 최종목표는 AI가 예측한 후보냉매의 독성값을 실제 흡입독성시험으로 검증하고 최종 냉매후보 선정에 필요한 과학적 근거를 제공하는 것이다.

 

1·2차연도에는 흡입독성시험을 위한 인프라와 시험법을 구축한다. 1차연도에는 가스상 냉매의 유량제어·분배시스템과 흡입시료 샘플링 및 노출농도 모니터링시스템을 마련한다.

 

연구진은 1·2차 유량제어와 분배장치를 활용해 냉매농도를 최대 400배까지 희석할 수 있는 시스템을 구축하고 있다. 가스상 시료의 안정적인 채취를 위해 액티브 가스샘플러기반의 샘플링시스템도 시험 중이다.

 

2차연도에는 냉매의 물성을 고려한 가스발생장치를 구축하고 상용냉매 등 기준물질을 활용해 1차연도에 마련한 유량제어·분배·샘플링시스템의 성능을 검증한다.

 

이와 함께 가스크로마토그래피(GC)를 기반으로 노출농도를 정량분석할 수 있는 조건과 분석법을 확립한다. 실제 독성시험에 앞서 기준물질을 이용해 농도조절과 실시간 모니터링이 정확하게 이뤄지는지를 확인할 계획이다.

 

3차연도에는 ‘OECD TG 403’에 따라 GLP기반 급성흡입독성시험을 수행한다. 시험동물을 후보냉매에 4시간 동안 1회 노출한 뒤 사망률과 임상증상, 체중변화·병리학적지표 등을 평가해 치사농도를 산출한다.

 

시험에 앞서 목표농도와 기술적으로 구현가능한 한계농도를 검토하며 분석법에 대한 전체 밸리데이션을 수행한다. 이를 통해 시험결과의 정확성과 재현성을 확보할 방침이다.

 

백승훈 연구원은 “4차연도에는 하루 6시간, 주 5회씩 총 4주간 반복흡입독성시험을 수행할 것”이라며 “호흡기와 전신독성지표를 평가해 무영향관찰농도(NOAEC)를 도출하고 AI 독성예측값과 비교하겠다”고 말했다.

 

표준硏, 냉매 후보물질 열물성 평가체계 구축

권수용 한국표준과학연구원 본부장은 후보냉매의 열물성 측정과 물성DB 구축계획을 발표했다.

 

한국표준과학연구원은 이번 과제를 통해 후보냉매의 음속과 △GWP △밀도 △점도 △비열 △열전도도 등 물성을 측정하는 역할을 맡는다.

 

밀도와 점도, 비열, 열전도도 측정시스템은 이미 구축했으며 이번 과제를 통해 측정범위와 정확도를 높일 계획이다. 음속과 GWP는 신규 측정기술을 개발하거나 기존기술을 고도화한다.

 

1·2차연도에는 열역학 물성 측정시스템의 정확도와 압력범위를 높이고 냉매 음속측정시스템을 설계·제작한다. GWP 예측알고리즘과 양자화학 계산기술, 대기수명 측정 자동화기술도 개발한다.

 

3차연도부터는 확정된 후보냉매의 열물성을 직접 측정하고 측정불확도를 평가한다. 4차연도에는 측정결과를 종합해 후보냉매 물성DB를 구축할 예정이다.

음속은 기존 음향기체온도계와 고압조건에 적용할 수 있는 이중경로 펄스에코법을 활용한다. 1차연도에는 공진구와 공진실린더, 챔버 등을 설계하고 2차연도에는 시스템 제작과 성능검증을 완료한다.

 

GWP는 1차연도에 GNN기반 예측모델을 활용해 후보물질별 상대적 성능을 평가한다. 2차연도에는 양자화학 계산과 대기수명 측정기술을 고도화하고 3·4차연도에 실제 후보냉매의 GWP와 불확도를 평가한다.

 

밀도는 진동튜브밀도계, 점도는 진동피스톤점도계를 활용한다. 측정압력을 안정적으로 100bar까지 확대하기 위해 전체 시스템을 200bar급으로 재설계하고 저점도 측정범위를 넓히기 위한 진동와이어점도계도 구축한다.

 

비열과 열전도도 측정시스템 역시 고압조건에서 안정적으로 운전할 수 있도록 성능을 높인다. 열전도도는 비정상열선법을 적용하며 밀도측정 정확도를 높여 비열 측정불확도도 함께 개선할 계획이다.

 

권 본부장은 “1·2차연도에는 6개 물성의 측정시스템과 정확도를 고도화하고 3·4차연도에는 후보냉매 측정과 불확도평가를 거쳐 신뢰성 높은 물성DB를 구축하겠다”라며 “AI 예측값과 실제 측정값을 연계해 최종 후보냉매 선정과 상용화에 필요한 기반을 제공하겠다”고 말했다.

 

기계硏, 후보냉매 열물성 측정·상태방정식 개발

이공훈 한국기계연구원 박사는 기계연구원의 과제 수행계획을 발표했다.

 

한국기계연구원은 후보냉매의 임계온도·임계압력·임계밀도와 포화밀도·포화증기압 등을 측정한다. 측정결과는 후보물질의 열역학적 특성을 검증하고 히트펌프 사이클성능을 계산하는 기초자료로 활용된다.

 

1차연도에는 임계점과 포화상태 열물성 측정설비를 설계하고 포화증기압 측정설비를 보완한다. AI 예측모델에서 도출된 후보물질을 대상으로 간이 상태방정식을 활용한 열역학 사이클계산과 스크리닝도 지원한다.

 

2차연도에는 임계점과 포화밀도 측정설비를 제작·검증하고 포화증기압 측정시스템의 성능을 확인한다. 후보냉매에 적용할 상태방정식의 종류와 구조도 비교·검토할 계획이다.

 

3차연도에는 후보냉매의 임계점과 포화밀도, 포화증기압을 직접 측정하고 제한된 초기데이터를 기반으로 상태방정식 1차안을 개발한다.

 

4차연도에는 임계점 인근과 포화상태의 물성데이터를 추가로 확보해 DB를 구축하고 전체 측정결과를 반영한 상태방정식 최종안을 마련한다.

 

포화상태 측정은 일정량의 냉매를 셀에 주입한 뒤 온도와 압력을 변화시키며 포화압력과 단상영역 밀도를 확인하는 방식으로 진행된다. 정확한 밀도 산출을 위해 시험셀의 질량과 내부부피, 온도·압력 변화에 따른 용기부피 변화까지 반영한다.

 

연구진은 R32와 액체질소를 활용해 냉매 회수방식과 시험절차의 정합성을 검토했으며 포화압력은 ±0.1%, 단상밀도는 ±0.05% 수준의 측정오차를 목표로 하고 있다.

 

임계점은 액상과 기상의 경계면이 사라지는 지점을 육안으로 판별해 임계온도와 임계압력, 임계밀도를 산출한다. 이들 값은 초기 후보물질 스크리닝과 정밀상태방정식 개발에 반드시 필요한 핵심물성이다.

 

이공훈 기계연구원 박사는 “3차연도에는 초기 측정데이터를 활용해 상태방정식 1차안을 마련하고 4차연도까지 확보한 포화물성과 임계점 데이터를 종합해 과제단계의 최종안을 개발할 것”이라며 “이를 통해 후보냉매의 히트펌프 적용성 검토와 정밀한 사이클해석을 지원하겠다”고 말했다.

 

에너지연·SK이노베이션, 신냉매용 냉동기유 개발·적합성 검증 수행

오봉성 한국에너지기술연구원 박사는 신규냉매에 적합한 냉동기유 개발과 냉매·오일간 소재적합성 평가계획을 발표했다.

 

한국에너지기술연구원은 냉매와 냉동기유의 화학적 안정성·혼화성·혼합점도 등을 평가하며 한국냉동공조시험연구원은 후보냉매의 가연성과 히트펌프 적용성능을 검증한다.

 

1차연도에는 ASHRAE 등 관련 표준을 검토해 냉매·오일 적합성평가 시나리오와 시험절차를 수립하고 화학적 안정성 평가용 밀봉관 실험설비와 안전설비를 마련한다.

 

2차연도에는 냉매 주입설비를 밀봉관과 메탈챔버, 혼화성 평가용 테스트셀 등에 적용할 수 있도록 확장한다. R134a와 R410A 등 기준냉매를 활용해 시험설비와 평가절차의 신뢰성도 검증한다.

 

3차연도에는 개발된 후보냉매와 기존 냉동기유간 화학적 안정성과 혼화성, 혼합점도를 평가한다. 냉매와 오일 반응 후 발생하는 부산물과 산도, 용존금속 및 물성변화 등도 분석한다.

 

4차연도에는 3차연도 평가결과를 바탕으로 신규냉매에 적합한 첨가제 조합을 최적화하고 최종 냉매·오일 적합성을 확보한다.

 

오 박사는 “1·2차연도에는 신냉매를 안전하고 정밀하게 평가할 수 있는 시험기반을 구축하고 3·4차연도에는 냉매와 냉동기유간 화학적 안정성과 혼화성, 혼합점도를 검증할 것”이라며 “이를 통해 신규냉매 적용 압축기의 장기신뢰성 확보를 지원하겠다”고 말했다.

 

박지혜 SK이노베이션 책임연구원은 신규냉매용 냉동기유의 물성과 윤활성능 평가계획을 소개했다.

 

냉동기유는 히트펌프와 냉동공조시스템의 압축기 내부에서 마모를 줄이고 정상적인 운전을 돕는 윤활유로 기유와 첨가제로 구성된다.

 

냉매특성에 따라 광유와 알킬벤젠, PAO, POE, PAG, PVE 등 적합한 기유를 선정하고 첨가제를 설계해 압축기의 윤활성과 마찰·극압성능을 높여야 한다.

 

SK이노베이션은 보유한 평가장비를 활용해 냉동기유의 전산가와 수분함량, 점도 등 주요 물성과 전기적 특성, 마찰·극압성능을 평가한다.

 

3차연도에는 냉동기유 시료의 전처리방법을 정립하고 기본 물성데이터를 확보한다. 반복시험을 통해 분석결과의 재현성과 신뢰성도 검증한다.

 

4차연도에는 히트펌프 성능평가 전후의 냉동기유를 분석해 오염과 열화정도를 확인하고 시료 전처리와 분석방법을 구체화한다.

 

박 책임연구원은 “신규냉매 특성에 맞는 기유와 첨가제를 선정하고 냉동기유의 물성·전기·윤활성능을 종합적으로 평가할 것”이라며 “성능평가 전후의 오염과 열화데이터를 확보해 최적의 냉동기유 개발을 지원하겠다”고 말했다.

 

K-HVAC, 후보냉매 가연성·HP성능평가 집중

김원욱 K-HVAC 수석연구원은 후보냉매의 가연성평가와 ATW 히트펌프 적용 성능검증계획을 발표했다.

 

K-HVAC은 신규냉매의 가연성 특성과 안전등급을 평가하고 기존냉매대비 히트펌프 성능과 장기신뢰성, 환경영향 등을 검증한다.

 

1차연도에는 신냉매 가연성평가장치의 기본·상세설계를 완료하고 시험시간을 줄일 수 있는 실험 최적화전략을 수립한다. SK이노베이션의 가연성 예측값을 활용해 효율적인 시험조건도 마련할 계획이다.

 

2차연도에는 가연성평가장치를 구축하고 상용냉매 비교시험을 통해 시험결과의 신뢰성을 검증한다. 후보냉매의 드롭인시험을 위한 ATW 히트펌프 시험장치와 성능예측 시뮬레이션모델도 개발한다.

 

3차연도에는 후보냉매의 일반조건 가연성시험을 실시해 기본특성과 등급을 분류한다. R134a와 R1234yf 등 기준냉매를 적용한 히트펌프 성능시험과 총등가온난화영향(TEWI) 평가도 진행한다.

 

4차연도에는 온도·압력 등 가혹조건에서 후보냉매의 가연성을 평가하고 최종 후보냉매의 안전규격 적용 가능성을 분석한다. 신규냉매를 적용한 ATW 히트펌프의 드롭인시험과 장기운전평가도 수행한다.

 

성능평가는 냉매 이외 변수가 결과에 미치는 영향을 최소화하기 위해 압축기 운전주파수와 팽창밸브 개도, 팬속도 등 제어인자를 냉매별로 최적화한 뒤 진행한다.

 

연구진은 3차연도에 기존냉매대비 80% 이상, 4차연도에 90% 이상의 히트펌프 성능을 확보하는 것을 목표로 설정했다. 최종적으로는 후보냉매 적용시스템의 1,000시간 누적운전을 통해 장기신뢰성을 검증할 계획이다.

 

김원욱 K-HVAC 수석연구원은 “가연성평가장치와 ATW 히트펌프 시험기반을 구축해 후보냉매의 안전성과 성능을 정량적으로 비교할 것”이라며 “최종 후보냉매의 장기운전 안정성과 에너지효율, 환경성을 종합적으로 검증하겠다”고 말했다.

 

중앙대, 후보냉매 환경영향성평가 수행

김지환 중앙대학교 연구원은 중앙대학교의 역할을 소개했다.

 

중앙대학교는 1D 사이클 해석모델과 LCCP 산정모듈을 개발하고 최종적으로 후보냉매의 성능과 환경영향을 동시에 비교할 수 있는 통합평가플랫폼을 구축한다.

 

1차연도에는 Peng-Robinson 상태방정식 기반의 기본 사이클 해석모델과 LCCP 산정모듈을 개발하고 사이클성능과 LCCP를 연계하는 평가절차를 수립한다.

 

사이클모델은 Python이나 C++기반 DLL형태로 개발해 GT-SUITE와 연동한다. 냉매 충전량과 연간 소비전력, 기상데이터 등을 반영해 냉매별 성능과 직·간접 온실가스 배출량을 산정할 계획이다.

 

2차연도에는 외기부하 변화와 열교환기 상세설계를 반영해 모델을 고도화한다. ATW 히트펌프를 대상으로 응축기와 증발기 설계조건을 적용하고 다양한 냉매간 성능을 비교한다.

 

이와 함께 냉매의 빈티지와 운전 중 누출·보충시나리오를 반영한 LCCP 평가프레임을 구축한다.

 

3차연도에는 기존시스템에 신규냉매를 적용하는 드롭인조건과 압력·난방용량 등 제약조건을 모델에 반영한다. 실증데이터와 해석결과를 비교해 오차를 보정하고 냉매 부산물과 재생냉매 등을 고려하도록 LCCP모델을 확장한다.

 

4차연도에는 신규냉매 물성라이브러리와 1D 사이클 해석모델, LCCP 산정모듈을 연계한 통합평가플랫폼을 구축한다. 운전조건과 냉매누출 시나리오에 따른 성능 및 환경영향을 한 번에 분석할 수 있도록 할 계획이다.

 

연구진은 현재 Peng-Robinson 상태방정식과 정밀 물성모델의 오차를 비교하고 있으며 사이클 운전영역에서는 오차가 3% 미만인 것으로 확인했다. 기상청 데이터를 적용한 ATW 히트펌프 LCCP 산정과 냉매별 COP 비교도 진행하고 있다.

 

김지환 연구원은 “후보냉매의 성능과 LCCP를 동시에 분석해 직접·간접배출의 기여도를 정량화할 것”이라며 “통합평가결과를 바탕으로 냉매와 히트펌프 사이클의 개선방향을 제시하겠다”고 말했다.