검색 상세

불확실성 기여도와 데이터 품질을 고려한 온실가스 배출량 산정 결과의 불확실성 분석 및 감소 방법 개발에 관한 연구

Developing the procedure for the uncertainty analysis and its reduction for GHG emission model output: Considering the contribution for the uncertainty and data quality

초록/요약

목적 이번 연구의 목적은 온실가스 배출량 산정 결과의 신뢰성 담보와 온실가스 배출량 산정과정에서 발생하는 불확실성을 최소화 하기위한 데이터 수집의 효율성 증대를 목적으로 한다. 모델 결과의 불확실성을 효율적으로 감소하기 위해서 결과의 불확실성에 크게 기여하는 변수를 규명하고 해당 변수의 불확실성 개선가능성을 평가할 수 있는 프로세스 개발에 집중하였다. 방법론 분석적 방법의 대표 방법은 오차증식공식(Error propagation equation)이며 확률적 방법을 대표하는 기법은 몬테카를로 시뮬레이션(Monte Carlo Simulation, MCS)이다. 분석적 방법 하에서 변수의 오차를 통해 모델 결과의 불확실성을 산정하기 위해서는 오차증식 공식을 활용했다. 특히 오차증식공식을 활용하는 과정에서 산정할 수 있는 비율오차(Fractional error)를 통해 모델 결과에 큰 영향을 주는 변수를 규명할 수 있도록 방법론을 구성하였다. 이후, 규명된 변수에 대한 데이터 품질 순위(Data quality rating)를 산출하고 데이터 품질이 낮은 변수에 대하여 데이터를 재수집하여 모델 결과의 불확실성을 감소하도록 하였다. 모델 결과의 불확실성에 영향을 주는 변수의 확률밀도함수 (Probability Density Function, PDF) 추정에는 Kolmogorov-Smirnov 검정 방법(K-S 검정 방법)을 활용하였다. 확률적 방법인 MCS를 통해 모델을 구성하는 변수의 PDF와 데이터의 통계량을 통해 온실가스 배출량 산정 모델 결과의 신뢰구간을 산정할 수 있다. MCS를 통해 산출한 온실가스 배출량 결과와 신뢰구간은 기존의 단일 값으로 산출되던 온실가스 배출량보다 더 정확하고 신뢰성 있는 결과를 제공함으로써 의사결정과정에서 효과적으로 활용될 수 있다. 방법론 검증을 위한 사례연구 대상은 국내(화성)에서 운영되는 유우 농장 1개소이며 해당 농장에서 관리하고 있는 투입/산출물 대장을 통해 필요한 데이터를 수집하였다. 결과 이번 연구에서 제안한 온실가스 배출량 결과 불확실성 산정 및 감소 방법을 우유를 생산하는 낙농우 농장에 적용한 결과, 연구대상 농장으로부터 처음 수집된 데이터를 통해 산출된 농장에서 생산된 우유 1kg당(1kg of FPCM*) 온실가스 배출량의 평균과 표준편차, 95% 신뢰구간, 변동계수는 각각 1.19 kg CO2-eq/kg milk, 1.28E-01 kg CO2-eq/kg milk, 0.934~1.438 kg CO2-eq/kg milk, 10.79%로 나타났다. 이후 재수집된 데이터를 통해 산출된 생산우유의 온실가스 배출량의 평균과 표준편차, 95% 신뢰구간, 변동계수는 각각 1.10 kg CO2-eq/kg milk, 6.38E-02 kgCO2-eq/kg milk, 0.973~1.225 kg CO2-eq/kg milk, 5.80%로 나타났다. 초기 데이터를 통해 산출된 95% 신뢰구간 사이의 거리보다 재수집된 데이터를 통해 산출된 신뢰구간의 거리가 약 50%의 감소를 보였으며 변동계수는 46.1%의 감소율을 나타냈다. * Fat Protein Corrected Milk 결론 이번 연구에서는 데이터 재수집 대상 변수를 규명하기 위한 일련의 과정을 제안함으로써 불확실성 분석 및 불확실성 감소 과정의 효율성을 담보하였다. 데이터 품질 분석과정을 통해 실제 오차의 감소 가능성이 있는 변수를 규명함으로써 최적의 데이터 재수집 대상 선정을 가능하게 하였다. 제안한 불확실성 분석 및 개선 과정을 우유 생산 사례에 적용함으로써 데이터 재수집 과정을 통해 불확실성을 개선할 수 있음을 증명하였으며 이는 모델 결과의 불확실성에 크게 기여하는 변수를 규명하여 이에 대한 데이터 품질을 개선함으로써 모델 결과의 불확실성을 감소시킬 수 있다는 것을 보여준 사례라고 할 수 있다. 변수의 데이터 품질을 확인하는 과정은 효율적으로 데이터 재수집 대상을 선정할 수 있도록 하는 중요한 과정이라고 할 수 있다. 이번 연구를 통해 제안된 제품 온실가스 배출량의 불확실성 산정 및 감소 방법을 통해 온실가스 배출량 산정 수행자는 신뢰성이 담보된 온실가스 배출량 결과를 얻을 수 있으며 동시에 데이터 수집 및 배출량 산정에 필요한 인적․물적 자원을 효율적으로 활용할 수 있다.

more

목차

Ⅰ. 서 론 1
1.1 연구 배경 2
1.2 연구 목적 6
Ⅱ. 문헌 연구 7
2.1 축산 제품 온실가스 배출량 산정 모델 8
2.1.1 전과정 평가(Life Cycle Assessment, LCA)(ISO 14044) 8
2.1.2 IPCC 가이드라인(IPCC 2006) 24
2.1.3 축산제품 온실가스 배출량 산정 모델 28
2.2 불확실성 분석 30
2.2.1 불확실성(오차)의 개념 30
2.2.2 전과정평가의 불확실성 31
2.2.3 불확실성 분석 방법 33
2.3 불확실성 분석 결과의 해석 43
2.3.1 실패확률(Probability of failure)(Chang 2013) 43
2.3.2 T-검정(Mohammed S. Al-Ansari 2013) 46
2.4 데이터 통계량 48
2.4.1 데이터 통계 일반 48
2.4.2 확률밀도함수 (Probability Density Function, PDF) 52
2.4.3 데이터의 확률밀도함수 추정 54
2.5 데이터 품질 평가 59
2.5.1 데이터 품질 평가 방법 59
2.6. 해외 유우 온실가스 배출량 및 불확실성 산정 연구 64
2.6.1 프랑스 (Chen 2014) 64
2.6.2 뉴질랜드(Basset-Mens 2009) 67
2.6.3 스웨덴(Henriksson 2011) 68

Ⅲ. 온실가스 배출량 산정 결과의 불확실성 분석방법 71
3.1 온실가스 배출량 불확실성 분석 방법 개발 72
3.1.1 온실가스 배출량 불확실성 분석 방법 개발 주요 착안점 72
3.1.2 기존 불확실성 분석 방법과의 차별성 74
3.2 온실가스 배출량 불확실성 분석 체계 단계별 세부 수행방법 75
3.2.1 온실가스 산정 결과의 통계적 파라미터 산정 81
3.2.2 온실가스 산정 결과의 변동계수 평가 82
3.2.3 온실가스 산정 모델 변수별 비율오차(Fractional error) 산정 82
3.2.4 변수별 비율오차 비교를 통한 주요 변수 도출 83
3.2.5 주요 변수의 데이터 품질 평가 및 데이터 재수집 대상 선정 83
3.2.6 데이터 재수집 86
3.2.7 데이터 확률밀도함수 추정 87
3.2.8 몬테카를로 시뮬레이션(Monte Carlo Simulation, MCS) 88
3.2.9 결과 해석 89
Ⅳ. 사례연구 94
4.1 대상제품 95
4.2 시스템 경계, 기능단위 및 기준 흐름 95
4.2.1 시스템 경계 95
4.2.2 기능단위 및 기준흐름 96
4.3 유우 시스템의 온실가스 배출량 불확실성 평가 및 개선 97
4.3.1 초기 데이터를 통한 온실가스 배출량 및 불확실성 산정 97
4.3.2 변수별 데이터 통계량 분석 및 데이터 품질 평가 103
4.3.3 재수집 데이터를 통한 온실가스 배출량 및 불확실성 산정 105
4.3.4 불확실성 감소 목표 상향에 대한 추가 데이터 재수집 및 불확실성 산정 108
4.4 결과 비교 116
4.4.1 불확실성 비교 116
4.4.2 데이터 품질 비교 117
4.4.3 해외 연구사례 비교 119
Ⅴ. 결론 123
Ⅵ. 향후 연구 방향 126
Ⅶ. 참고문헌 128
Abstract 137
Appendix 139

more
반출 Meta View 목록