http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
A.I. 기법을 통한 VRFB 구조 설계 방법에 관한 연구
함석우(S. W. Ham),김부기(B. G. Kim),전성식(S. S. Cheon) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
바나듐 레독스 흐름 배터리(VRFB)는 전력 및 용량의 유연한 설계 및 긴 수명과 같은 고유한 특성을 가진 장래의 대규모 에너지 저장시스템이다. VRFB 의 화학적 및 전기적 설계도 중요하지만 구조적 설계 중요하다고 알려져 있다. 구조적 설계 변수 중, 클램핑력에 의해 전극에서의 응력 분포, 전극의 다공성 그리고 투자율이 결정된다. 다공성은 전극에서의 응력분포의 영향을 받으며, 전해질의 화학적 반응, 투자율은 다공성 전극의 전해질 흐름과 질량 수송에 큰 영향을 미친다. 이는 VRFB 의 내구성과 높은 전류 밀도 또는 높은 SoC/SoD 에서의 작동 여부에 연관이 있는 것으로 알려져 있다. 또한 전극은 플로우 프레임과의 예비 간격이 있으며 클램핑력에 의해 완벽하게 끼워질 수 있도록 플로우 프레임의 설계가 필요하다. 전극이 플로우 프레임에 완벽하게 끼워지지 않는 경우, 전해액이 전극과 플로우 프레임의 사이 공간으로 흐르게 되어 전극에서의 화학 반응이 제대로 일어나지 않는다. 본 연구에서는 VRFB의 효율 및 내구성을 향상시키기 위하여 A.I. 기법 중 하나인 FFNN-GA 알고리즘을 통해 클램핑력과 플로우 프레임 형상의 최적화가 진행되었다. 먼저, 유한요소모델에서 클램핑력, 플로우 프레임의 형상 등의 데이터를 얻기 위하여 데이터 파싱이 진행된다. 그 후 FFNN 의 매개 변수를 설정하고, FFNN 을 통해 FE 모델이 샘플링된다. 샘플링 된 유한요소모델을 기반으로 유한요소해석이 진행되고, GA 를 통해 최적화가 진행된다. 기존에 제시된 VRFB 와 FFNN-GA를 통해 최적화된 VRFB 의 응력 분포, 다공성 그리고 투자율이 비교되었으며, FFNN-GA 를 통해 최적화된 VRFB의 내구성 및 효율이 향상된 것으로 확인되었다.