Physics-Informed Neural Networks for Real-Time Gas Crossover Prediction in PEM Electrolyzers: First Application with Multi-Membrane Validation
Created by
Haebom
Category
Empty
저자
Yong-Woon Kim, Chulung Kang, Yung-Cheol Byun
개요
본 논문은 에너지 전환에 중요한 역할을 하는 고분자 전해질 막(PEM) 수전해를 이용한 그린 수소 생산에서 안전과 경제성을 위협하는 수소의 막 투과 현상을 예측하기 위해, 물리 기반 지식과 딥러닝을 결합한 PINN(Physics-Informed Neural Networks) 모델을 개발하고, 이를 통해 실시간 모니터링 시스템을 구축하는 연구를 수행했다. 산업적으로 중요한 다양한 조건에서 모델을 검증하여 높은 정확도를 확보했으며, 실시간 제어에 적합한 추론 속도를 보였다.
시사점, 한계점
•
시사점:
◦
물리 기반 지식과 딥러닝을 결합한 PINN 모델을 통해 수전해 공정의 수소 투과 현상을 정확하게 예측 가능
◦
광범위한 운전 조건(전류 밀도, 압력, 온도)에서 모델의 높은 정확도 검증
◦
실시간 제어에 적합한 빠른 추론 속도
◦
순수 딥러닝 모델 대비 외삽 성능 향상
◦
데스크톱 CPU, 엣지 장치(Raspberry Pi 4) 등 다양한 하드웨어에서 작동하여 분산 안전 모니터링 가능
