1. 서 론

철강 산업은 국가 기반산업으로서 제조업 전반에 막대한 영향을 미치며, 산업 인프라의 핵심적인 역할을 수행하고 있다. 철강 제품의 생산은 고체 형태의 철원을 용융하여 액체 상태의 용강을 만드는 과정으로 시작된다. 이후 불순물을 제거하고 원하는 합금 원소를 첨가하는 정련 및 조성 조절 과정을 거쳐 최종 제품을 제조하게 된다.

용융 공정은 크게 두 가지 방식, 고로-전로(BF-BOF) 조업 방식과 전기로(EAF, Electric Arc Furnace) 조업 방식으로 나뉜다. 전통적으로 철강 생산의 주된 방식인 고로-전로 조업은 철광석을 코크스를 이용해 환원시키는 방식으로, 고온의 화학 반응을 통해 철을 생산한다. 그러나 이 과정에서 다량의 이산화탄소가 발생하게 되며 이는 철강산업에서 배출하는 온실가스의 대부분을 차지하며 철강산업은 우리나라 산업부문 배출의 약 40%를 차지하고, 국가 전체 배출의 약 15%를 담당하고 있다^{[1, 2]}. 최근 전 세계적으로 탄소중립에 대한 관심이 높아지면서, 고로 기반 조업 방식에 대한 환경적 비판이 거세지고 있다. 이에 따라 세계 각국은 철강산업의 탄소중립 달성과 새로운 시장을 선도할 목적으로 탈탄소 구조 전환을 위한 정책을 마련하고 있으며^[2-4], 전 세계 주요 철강 기업들은 온실가스 배출량이 상대적으로 적은 전기로 기반 조업 방식으로의 전환을 추진하고 있다. 전기로 방식은 온실가스 배출량이 고로 방식 대비 약 80%의 온실가스 배출 저감 효과를 가지며, 전력 기반으로의 전환이 가능하다는 점에서 재생에너지와의 연계도 용이하다.

그러나 이러한 조업 방식 전환에는 구조적인 한계도 존재한다. 대표적인 문제가 바로 스크랩 철의 수급 불균형이다. 스크랩은 고철 회수에 기반한 자원이며, 단기간 내 수요가 급격히 증가할 경우 공급 부족 현상과 가격 불안정이 초래될 수 있다. 이에 따라 스크랩을 대체할 수 있는 새로운 철원 확보와 이를 용융할 수 있는 기술 개발이 병행되어야만 전기로 전환이 현실적으로 가능하다. 현재 가장 주목받는 대체 철원 중 하나가 직접환원철(Direct Reduced Iron)이다. DRI는 천연가스나 수소를 이용해 고체 상태의 철광석을 환원시켜 생산되며, 이산화탄소 배출이 적고 일정한 품질 유지가 가능하다는 장점이 있다. 그러나 DRI는 스크랩보다 밀도가 낮고, 용융 시 교반 부족 및 열효율 저하 등의 문제가 발생한다. 따라서 DRI를 효과적으로 용융시키기 위해서는 용강 내 열 및 물질 전달을 강화할 수 있는 교반 기술의 개발이 필수적이다. 그중 저취 방식은 전기로 하부에 설치된 노즐을 통해 불활성 가스를 주입함으로써 용강 내에 기포를 발생시키고, 기포의 부력에 의해 용강이 순환 유동을 형성하게 된다^[5-7]. 이 교반은 용강의 온도와 조성의 균질화를 촉진하고, DRI의 용융 효율을 향상시킬 수 있는 기술로 주목받고 있다^[8].

전기로 내부의 유체역학 현상을 정량적으로 이해하기 위해서는 CFD와 같은 수치적 접근이 필수적이며 전로 및 래들 공정에서는 이미 많은 해석 사례가 존재한다^[9-11]. 수모델은 실제 전기로를 상사화한 축소 장치로 유동 시각화와 혼합시간 측정 및 수치해석 검증에 활용된다^[12-14].

본 연구에서는 저취(bottom-blowing) 적용 시 용강 유동 구조 변화를 파악하기 위해 수모델 기반 축소 형상으로 CFD 해석을 수행하였다. 산업 조건을 반영한 가스 주입 유량을 적용하고, 유량 변화에 따른 유동장과 교반 특성을 비교·평가하였다. 이를 통해 저취가 용강 교반 및 와류 형성에 미치는 영향을 규명하고, DRI 활용 확대를 위한 기술적 기초를 확보하고자 한다.

2. 이론적 배경

Governing Equation

질량 보존 방정식

$\rho$: 유체의 밀도[kg/m³]

$t$: 시간[s]

$\vec{v}$: 속도벡터[m/s]

운동량 방정식

$\tau$: 응력 텐서

$P$: 압력

$g$: 중력가속도

$\vec{F}$: 외력(표면장력 및 체적력)

난류모델 Realizable-K Epsilon

$\mu$: 동점성계수

$G_k$: 평균 속도 구배에 의해 생성되는 난류 운동 에너지

$G_b$: 부력에 의해 생성되는 난류 운동 에너지

$Y_M$: 압축성 난류에서의 난류 소산율에 대한 맥동 팽창

$\sigma_k$: $k$에 대한 난류 프란틀 수

$S_k$: 소스항

$\sigma_\varepsilon$: $\varepsilon$에 대한 난류 프란틀 수

$C_1, C_2, C_{1\varepsilon}, C_{3\varepsilon}$: 모델 상수

$\nu$: 운동점성계수

$S_\varepsilon$: 소스항

VOF Model

$\alpha_q$: 상 $q$의 체적분율

$\rho_q$: 상 $q$의 밀도

3. 실험 방법

3.1 Numerical

유한체적법(Finite Volume Method)을 기반으로 하는 ANSYS Fluent를 사용하여 비정상(Transient) 상태의 다상 유동 해석을 수행하였다. 해석 대상은 150 ton AC 아크 전기로의 수모델이며, 해석 모델의 단순화를 위해 전극봉은 제외하고 가스 취입부 만을 모사하여 Fig. 1에 나타내었다. 해석에 사용된 형상은 실제 전기로 치수의 1:8 비율로 축소된 수모델을 기반으로 하였다. 노즐은 단공 형태로 구성하였으며, 직경 6 mm의 노즐을 로 하부 중심을 기준으로 120° 간격으로 3개 배치하였다. 형상은 ANSYS SpaceClaim을 이용해 모델링한 후, ANSYS Meshing을 통해 격자를 생성하였다. 전체 격자 수는 약 2.5 million이며, Mosaic Mesh(Poly Hexcore Type) 격자를 사용하였다. 기포 발생 영역인 노즐부는 BoI(Body of Influence) Refinement 기법을 사용하여 Fig. 2과 같이 격자를 조밀하게 생성하였다.

Fig. 1. Geometry of the simplified water model used for CFD analysis. The model represents a 1:8 scaled electric arc furnace with three gas nozzles arranged at 120° intervals around the bottom of the furnace. A reference cube (500 mm × 500 mm × 500 mm) is included to provide a visual comparison of the characteristic scale.

Fig. 2. Mesh configuration of the water model near the gas injection region. (a) Cross-sectional view of the nozzle area showing localized mesh refinement using the Body of Influence (BoI) technique to accurately capture bubble formation and interface behavior. (b) Bottom view of the water model displaying the mesh distribution around the three gas injection nozzles, which are positioned symmetrically at 120° intervals. The near-nozzle region is finely meshed to resolve detailed multiphase flow characteristics.

3.4 Mesh independence test

격자 품질은 Orthogonal Quality와 Skewness를 기준으로 품질을 검토하였으며, 격자 민감도 분석을 위해 Fig. 3과 같이 3차원 격자 사이즈 별 예비 해석을 수행하였다. 해당 Test에 유량은 Froude Number 상사화를 통해 넣은 유량 중 가장 낮은 값을 적용하여 해석 Case 중 가장 작은 기포를 모사할 수 있도록 설정하였다. 기포의 형상을 정밀하게 모사하기 위해 격자의 조밀도는 충분히 높아야 하나 지나치게 조밀한 격자를 생성할 경우에는 해석 시간이 급격히 증가할 수 있다. 노즐 및 기포의 거동 영역을 고려하여 노즐 중심부와 탕면에 BoI(Body of Influence) refinement 기능을 사용하였고, 격자 크기를 0.5~2 mm로 격자를 생성하여 해석을 수행하였다. 해석결과, 가장 낮은 유량에서의 기포는 약 10~13 mm 크기로 생성되었다. 격자가 기포를 모사할 정도로 충분히 작지 않은 상황에서는 (a)와, (b) 같이 아르곤 기포가 생성되는 것이 아닌 기둥 형태로 모사되어 비물리적인 현상을 초래한다. 본 연구에서는 해석 효율성과 기포 형상 재현성을 고려하여, 노즐부 격자 크기 0.5 mm가 적절한 조건으로 판단된다.

Fig. 3. Comparison of 3D volume fraction results with varying mesh sizes in the BoI(Body of Influence) refinement region. Thress mesh resolutions (a-c: 2 mm, 1 mm, 0.5 mm) were tested to assess their effect on bubble representation. For each case, the volume fraction interface shape, and upward propagation behavior were compared. As the mesh is refined, sharper interfaces and more physically realistic bubble morphologies are observed.

Table 2. Comparison of total cell count and simulation time for each case

Case	Cell Count	Solving Time [Minutes]
A	55,000	26
B	251,000	160
C	1,464,000	825

4. 결과 및 고찰

본 연구에서 사용된 해석 조건은 실제 산업용 전기로의 운전 환경을 가능한 한 충실하게 반영하기 위해 설정되었으며, 특히 유량 조건, 용강 높이, 다공성 노즐의 배치와 같은 핵심 요소는 실제 조업 조건을 모사하도록 고려하였다. 또한, 축소된 수조에서도 실제 공정과 유사한 유동 특성이 구현될 수 있도록 Froude 수 상사 원리를 적용하여 기체 주입 유량을 산정하였으며, 이를 통해 자유표면 거동과 기포 상승에 의해 지배되는 전기로 내부 유동 현상을 높은 신뢰도로 재현하고자 하였다. 수치해석을 통해 형성된 기포 크기를 기존 문헌 및 유사 조건의 수모델 실험 결과와 비교하여 타당성을 검증하였다. 이러한 기반 위에서 기포의 성장 및 상승 거동, 탕면(meniscus) 및 bath 내부의 속도 분포, 그리고 속도가 임계값 이하로 떨어지는 저속 영역의 공간적 분포를 중점적으로 분석하였다.

용강량 150 ton 기준 100, 300, 600 NL/min 유량을 상사화 시킨 수모델 해석 결과는 Fig. 4와 같다. 다음 그림은 노즐이 2개 위치한 단면에서의 물의 체적분율 분포이다. 노즐에 의해 취입되는 아르곤은 수모델 수조에서 물과 밀도 차이가 존재하므로 계면이 형성된다. 노즐로 투입되는 아르곤 유량이 증가함에 따라 아르곤 기포의 크기가 10~25 mm까지 증가한다. 또한 기포가 상승하며 탕면의 거동이 활발해진다. 기포 크기의 증가에 따라 기포의 직경 역시 증가하며 중력의 영향이 더 커지게 된다. 그로 인해 기포가 상승하면서 기포가 성장하고 기포에 가해지는 외력이 표면장력 이상의 범위에 도달하면 기포는 안정성을 잃고 분열된다. 이 현상들에 의해 기포의 유동영역은 역삼각형 형태를 띄며 유량이 증가할수록 그 형태가 더 넓어진다. 다음과 같은 결과는 Xu, Zhihai, Hu의 연구결과에서도 유사하게 나타났다^[18-20].

용강량 100 ton 기준 수모델 해석의 경우, 물 높이가 낮아지면서 체적분율 분포상 기포의 개수가 감소하였다. 물 높이 감소는 기포가 중력과 관성력에 의한 거동을 하면서 안정화할 수 있는 충분한 거리를 확보하지 못함을 의미한다. 생성된 기포가 선행 기포에 의해 발생한 난류의 영향을 크게 받게 되고 그로 인해 진동, 형상 변형, 분열 등 불안정한 거동을 보이게 된다. 그 현상은 유량이 가장 높은 600 NL/min 조건에서 관찰되었다.

용강량 150 ton 기준 300 NL/min 조건에서 기포의 결합 현상을 확인하였다. Fig. 6에서 기포가 상승하면서 유체의 점성은 주위 유체를 끌어올리며 후류를 발생시킨다. 이 후류는 후속 기포에 영향을 미치며, 후속 기포가 후류 영역에 진입하면 낮은 압력과 상대적으로 높은 유속의 영향으로 가속되어 선행 기포와의 간격이 점차 줄어든다. 두 기포가 접촉하면 기포 간 결합이 일어나 대형 기포를 형성하며, 기포 체적의 증가로 기포의 부력은 증가하게 되며 상승속도 역시 증가하여 주변 유동의 혼합율을 증가시킨다.

수행된 수모델 해석 결과에 대해 (a): 탕면 평균 속도, (b): 체적 평균 속도, (c): 탕면 데드존 비율, (d): 체적 데드존 비율에 대해 Fig. 7에 비교하였다. 데드존을 나누는 기준은 0.001 m/s 이하의 영역에 대해 적용하였다. (a) 탕면 평균 속도는 유량 증가에 따라 상승하며, 특히 150 ton 용강량에서는 상승폭이 더 커서 탕면 근처에서 기포에 의한 국부적 유동이 활발해짐을 보여준다. 이는 기포의 생성과 상승이 탕면 근처의 저속 영역을 활성화하고, 데드존을 감소시키는 효과가 있다는 것을 보여준다. (b) 체적 평균 속도 역시 유량 증가에 따라 증가하였으며, 두 용강량에서 모두 상대적 변화율이 유사하게 나타나 전체 용강 혼합이 주로 유입되는 가스 유량에 의해 제어됨을 알 수 있다. 탕면과 체적 데드존 비율 측정 결과, (c) 탕면 데드존 비율은 100 NL/min 대비 유량 증가시 감소하였으며, 300 NL/min 조건에서 가장 낮은 비율인 43.2%, 해석 case 중 탕면에서 데드존 영역을 최소화하는 최적 유량 조건임을 보여준다. (d) 체적 데드존 비율도 유사한 경향을 나타냈으며, 특히 150 ton 용강량에서는 300 NL/min 조건에서 47.9%로 가장 적은 데드존 체적 비율을 보였다. 이는 단순한 유량 증가가 교반 효율을 극대화할 수 있는 조건이 아니며 상황에 맞는 최적 유량이 존재함을 시사한다.

Fig. 8은 각 Case 별 탕면 속도분포이다. 100 ton과 150 ton 해석결과를 비교했을 때, 속도 차이가 명확하며 이는 수면 높이 차이로 아르곤 기포의 난류 에너지의 성장 정도에 따른 차이로 볼 수 있다. 각 용탕량 Case에서는 300 NL/min 조건에서 데드존 영역이 가장 적게 분포하는 것이 확인된다.

Fig. 9은 가장 탕면 데드존 비율이 낮았던 용강량 150 ton 기준 300 NL/min 조건에서 탕면 속도 벡터이다. 벡터 범례는 노즐 영향과 데드존 영역을 명확히 구분할 수 있도록 0~0.005 m/s 범위로 조정하였다. 전체 유동 패턴은 기포가 생성되는 노즐의 상부에서 상승 유동이 우세하며, 노즐로부터 떨어진 영역에서는 재순환 영역이 형성되는 것을 보여준다. 해당 그림에서 속도가 0.001 m/s 이하인 데드존을 확대하였을 때, 서로 반대 반향의 유동이 충돌하여 일부 상쇄되는 모습을 확인할 수 있으며, 이로 인해 저속 영역이 형성된다. Yang, Lingzhi, et al 수행했던 수치해석과 유사한 결과를 얻었다^[21]. 해당 연구내용을 활용하여 비대칭 유량 사용시 용강 내부에 미치는 영향을 비교 검증할 예정이다^{[22, 23]}.

Fig. 4. Numerical simulation of the water model: Volume fraction distribution of water for three different gas flow rates: (a) 100 NL/min, (b) 300 NL/min, and (c) 600 NL/min. The simulations were conducted using flow rates scaled from actual industrial operating conditions, and the water height was scaled to correspond to a 150-ton steel melt. As the gas flow rate increases, the generated bubbles become larger while their formation frequency decreases. In addition, the bubbles exhibit lateral spreading as they rise through the water bath. When the bubbles reach the free surface, they induce a local free-surface bulging, and the magnitude of this deformation increases with bubble size.

Fig. 5. Volume fraction distribution of water for three different gas flow rates: (a) 100 NL/min, (b) 300 NL/min, and (c) 600 NL/min. The simulations were conducted using flow rates scaled from actual industrial operating conditions, and the water height was scaled to correspond to a 100-ton steel melt. Similar to the previous figure, as the gas flow rate increases, the generated bubbles become larger while their formation frequency decreases. The bubbles also spread laterally as they rise. Another notable feature is that, at the lowest flow rate (bottom figure), the generated bubbles exhibit unstable behavior.

Fig. 6. Close-up view of bubble formation near the nozzle in the water model at 150-ton steel melt height and 300 NL/min gas flow. The generated bubbles create a wake due to viscous forces, which influences the motion of subsequently formed bubbles. When these bubbles interact, the thin liquid film between them ruptures, leading to coalescence and growth into larger bubbles as shown. This process highlights the dynamic interaction of bubbles in multiphase flow and the mechanisms contributing to bubble growth and merging near the nozzle region.

Fig. 7. Comparison of velocity and dead-zone distributions from shallow water model simulations under different gas flow conditions: (a) average meniscus velocity, (b) volume-averaged velocity, (c) meniscus dead-zone fraction, and (d) volume dead-zone fraction. Simulations were performed using scaled gas flow rates corresponding to actual industrial operating conditions, with liquid levels adjusted to represent 100-ton and 150-ton molten steel baths. Six cases were compared, covering three flow rates and two bath volumes. (a) The average meniscus velocity increases with increasing gas flow, with a more pronounced increase observed for higher bath volumes, reflecting enhanced bubble-induced circulation near the meniscus. (b) The volume-averaged velocity also increases with flow rate, with similar relative changes across the two bath volumes, indicating that overall bath mixing is primarily controlled by gas injection rate rather than bath size. (c) Compared to 100 NL/min, the meniscus dead-zone fraction decreases for higher flow rates, with the 300 NL/min case exhibiting the lowest fraction, suggesting an optimal flow for minimizing stagnation at the meniscus. (d) The volume dead-zone fraction follows a similar trend, with higher flow rates reducing low-velocity regions throughout the bath. For the 150-ton bath, the 300 NL/min condition yields the smallest dead-zone volume fraction, demonstrating that intermediate flow rates can maximize circulation efficiency without generating excessive turbulence. Overall, these results highlight the combined influence of gas flow rate and bath volume on bath circulation, meniscus activity, and stagnation zones, providing insight for optimizing industrial molten steel stirring conditions.

Fig. 8. Meniscus dead-zone distributions for six simulation cases under different gas flow rates and bath volumes: (a) 100-ton, 100 NL/min; (b) 100-ton, 300 NL/min; (c) 100-ton, 600 NL/min; (d) 150-ton, 100 NL/min; (e) 150-ton, 300 NL/min; and (f) 150-ton, 600 NL/min. The dead-zone regions are clearly reduced at the 300 NL/min condition for both bath volumes, indicating an optimal gas flow rate for minimizing stagnation near the meniscus. Additionally, the velocity differences between the 100-ton and 150-ton cases are evident, which can be attributed to the difference in liquid level: the higher bath height in the 150-ton case allows argon bubbles to develop greater turbulent kinetic energy before reaching the meniscus, resulting in stronger circulation and smaller dead-zone regions. Overall, the results demonstrate that both gas flow rate and bath volume significantly influence meniscus activity and dead-zone formation, with 300 NL/min yielding the most effective stirring performance in both bath sizes.

Fig. 9. Velocity vectors for the 300 NL/min condition, which exhibits the lowest dead-zone fraction in the bath. The vector legend has been scaled between 0 and 0.005 m/s to clearly distinguish the influence of the nozzle from the dead-zone region. The overall flow pattern shows a dominant upward motion near the nozzle and recirculation zones forming farther from it. Magnified views of two regions where the local velocity is below 0.001 m/s, revealing that flows in opposing directions collide and partially cancel each other, contributing to the formation of low-velocity zones. These observations highlight how optimized gas flow can minimize dead zones while maintaining effective circulation in the bath, providing insight into the interplay between bubble-induced momentum and local flow stagnation.

5. 결 론

본 연구에서는 전기로에 저취(bottom-blowing) 가스 주입을 적용할 때 발생하는 용강 내부 유동 특성과 기포 거동을 수모델 기반 수치해석을 통해 정밀하게 분석하였다. 해석 결과, 가스 유량 증가에 따라 탕면 및 체적 평균 속도가 모두 상승하였으며, 특히 150 ton 용강 조건에서 탕면 유동의 증가폭이 크게 나타나 기포 상승에 의한 표면 활성화가 두드러졌다. 이는 기포 생성 및 상승이 탕면 저속 영역을 효과적으로 감소시키며 교반 효율을 향상시키는 주요 메커니즘임을 확인하였다.

1. 기포 거동 분석에서는 유량 증가 시 기포 크기와 직경이 증가하고, 상승 과정에서 분열 및 역삼각형 형태의 유동 영역이 형성됨을 확인하였다. 이러한 현상은 기포가 표면장력을 초과하는 외력을 받을 때 불안정성을 보이며 분열되는 물리적 과정을 반영한다. 150 ton 조건의 300 NL/min에서는 기포 간 결합(coalescence) 현상이 나타났으며, 이는 후속 기포가 선행 기포의 후류에 진입하면서 상대 속도가 증가해 결합이 촉진된 결과이다. 결합된 대형 기포는 상승 속도가 빨라져 주변 유체 혼합을 더욱 강화하며, 결국 탕면과 체적 데드존 감소에 기여하였다.

2. 반면 100 ton 조건에서는 물 높이가 낮아 기포가 안정적으로 성장하기 위한 거리가 확보되지 않아 난류 영향이 커지고, 특히 600 NL/min 조건에서 불안정한 진동·형상 변형·분열이 두드러지게 나타났다. 이는 용강량에 따른 기포 안정성의 차이가 유동 패턴 형성에 중요한 요소임을 의미한다.

3. 데드존 분석 결과, 탕면과 체적 데드존 비율은 모두 300 NL/min에서 최소값을 나타냈으며, 이는 단순히 유량을 증가시키는 것이 최적의 교반 조건을 보장하지 않음을 의미한다. 특히 150 ton 조건에서 가장 안정적이고 효율적인 재순환 구조가 형성되어, 탕면 데드존 감소와 함께 전체 유동 균일성이 개선되었다.