한국과 미국 연구팀이 공동으로 최근 사회적 이슈로 부각한 전기자동차 화재 사고의 주요 원인인 배터리 과열에 따른 폭발과 열폭주를 예방할 수 있는 인공지능(AI) 배터리 열관리 시스템을 개발했다. 냉각시스템 성능 저하에 의한 드라이아웃(Dry-out)을 정확히 예측할 수 있는 최초의 시스템이다.aiAI
광주과학기술원(GIST)은 이승현 기계공학부 교수팀이 김성민 성균관대 교수, 이쌈 무다와 미국 퍼듀대학교 교수팀과 함께 열전달 기술 분야의 고질적 문제를 해결한 혁신적인 기계학습 응용 기술을 개발하는 데 성공했다고 28일 밝혔다.
드라이아웃은 열 유속이 증가하게 되면 증열에 대한 액체 공급이 계속되지 않고 액막이 끊어져 전열면이 증기에 의해 건조하게 되는 것을 말한다. 이 상태로 열 유속을 임계 수치까지 높이게 되면 해당 시스템의 열전달 효율이 급격히 떨어지게 되며 전열면에서 급격한 열파괴가 일어난다.
일반적인 최초 드라이아웃 발생 예측 방법은 주로 경험적 상관관계와 해석적 모델에 의존하고 있다. 다양한 유체 및 채널 기하학 구조에 따른 복잡한 현상을 해석하는 데 한계가 있다.
한미 공동 연구팀은 미니·마이크로 채널 내의 포화비등유동에서 발생하는 초기 드라이아웃 발생 건도(포화 혼합물의 증기 질량 분율)를 예측하기 위해 고성능 기계학습 알고리즘 가운데 하나인 '엑스지부스트(XGBoost)'를 사용해 기존 경험적 상관관계 및 해석적 모델보다 더 높은 예측 정확도 2.45%를 달성했다. 엑스지부스트 알고리즘을 적용해 다양한 실험 데이터를 기반으로 최초 드라이아웃 발생 건도를 예측하는 데 성공했다.
연구팀은 추가적으로 하이퍼파라미터 최적화 소프트웨어인 옵투나(Optuna)를 사용해 엑스지부스트 모델의 예측 정확도를 최대화했다.
이승현 교수는 “이번 연구를 통해 이상 유동 열전달 및 열관리 분야에 대한 기계학습의 성공적 적용 결과를 확인했다”며 “향후 다양한 유체와 시스템 작동 조건을 포함하도록 모델을 확장하고, 이상 유동 열전달 및 열관리 분야의 산업 현장에서 실시간 모니터링 시스템과 결합해 기계학습의 응용 범위를 넓히는 연구를 계획하고 있다”고 말했다.
이어 “추후 전기차 배터리 열폭주 예방 및 예측에 활용할 예정”이라고 덧붙였다.
광주=김한식 기자 hskim@etnews.com
