Integration of CFD and Machine Learning Surrogate Models for Optimal Flow Field Design in Large-Area PEMFCs
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066245
교육부
한국연구재단
단국대학교
이원형
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
기초연구
대학
경기도 용인시
에너지/자원 > 신재생에너지 > 연료전지
본 연구의 최종 목표는 전산유체역학(CFD)과 기계학습(ML) 대리 모델을 유기적으로 융합하여, 고분자 전해질막 연료전지(PEMFC)의 대면적화 과정에서 발생하는 복잡한 물리·화학적 현상을 규명하고 이를 기반으로 한 최적 유로 설계 기준을 정립하는 것이다. 연료전지의 상용화를 위해서는 출력 향상을 위한 대면적화가 필수적이나, 면적이 커질수록 유동 불균형과 ...
연구 개발은 데이터베이스 구축, 대리 모델 학습, 최적화 가이드 도출의 세 단계로 체계적으로 진행된다. 먼저, ANSYS Fluent 소프트웨어를 활용하여 면적 변화에 따른 단계적 다상 유동 시뮬레이션을 수행한다. 이 과정에서 단순한 유동 해석을 넘어 연료전지 내부의 전기화학 반응과 액적의 거동을 포함하는 멀티피직스 해석을 실시하며, 격자 독립성 검증을 통해 ...
본 연구를 통해 도출된 성과는 학문적 가치를 넘어 산업 현장에서 실질적인 설계 표준으로 활용될 전망이다. 우선, 규명된 '순 출력 임계 면적' 데이터는 연료전지 스택 설계 시 특정 출력 목표나 시스템 용량에 따라 최적의 유로 형상을 즉각적으로 선택할 수 있는 객관적인 설계 표준 가이드라인으로 활용된다. 또한, 구축된 고성능 대리 모델은 향후 연료전지 시스템...