Domestic nuclear power plants can affect the environment if multiple devices are operated on one site and even a trace amount of pollutants that may affect the environment after power generation are simultaneously discharged. Therefore, not only radioactive substances but also ionic substances such as boron should be discharged as minimally as possible. We adopted pilot CDI and SD-ELIX sytem to separating and concenrating of boron containing nulcear power plant discharge water. The boron concentration of the initial inflow water tended to decrease over time. The water quality of concentrated water also reached its peak until the initial 60 minutes, but tended to decrease in line with the decrease in the inflow water concentration. The boron removal rate was in the range of 85 to 99% with respect to the initial boron concentration of 15 to 25 mg/L. On the other hand, performance degradation due to the use of electrochemical modules is also observed, and regeneration through low ion-containing water cleaning effective. We shortened processing time by considering the optimal flow rate conditions and conductivity conditions and converting electrochemical modules into series or parallel.

머신러닝 기법의 발달과 함께 기계에서 발생하는 다양한 종류(진동, 온도, 유량 등)의 데이터를 활용하여 기계의 상태를 진단하고 이상 탐지 및 비정상 분류 연구도 활발히 진행되고 있다. 특히 진동 데이터를 활용한 회전 기계의 상태 진단은 전통적인 기계 상태 모니터링 분야로 오랜 기간 동안 연구가 진행되었고, 연구 방법 또한 매우 다양하다. 본 연구에서는 가정용 에어컨에 사용되는 로터리 압축기에 가속도계를 직접 설치하여 진동 데이터를 수집하는 실험을 진행하였다. 데이터 부족 문제를 해결하기 위해 데이터 분할을 수행하였으며, 시간 영역에서의 진동 데이터로부터 통계적, 물리적 특징들을 추출한 후, Chi-square 검증을 통해 고장 분류 모델의 주요 특징을 추출하였다. SVM(Support Vector Machine) 모델은 압축기의 정상 혹은 이상 유무를 분류하기 위해 개발되었으며, 파라미터 최적화를 통해 분류 정확도를 개선하였다.