PEM 연료전지 다목적 최적화
본 연구는 분지형-뱀형 양성자 교환막 연료전지(PEMFC)의 3D 비등온 전산유체역학(CFD) 모델과 신경망 대리 모델, 다목적 최적화 기법을 통합합니다. 검증된 CFD 모델은 실험 데이터와 4% 미만의 오차를 보였으며, 이를 기반으로 재보정된 반경험적 모델에서 3000개 Latin hypercube 샘플을 생성하여 다층 퍼셉트론을 훈련했습니다. 이 신경망 모델은 전류 밀도, 전력 밀도, 전압 효율에서 0.9999 이상의 높은 R² 값을 달성하며 뛰어난 정확도를 보였습니다. NSGA-II 다목적 최적화 결과, 0.550V의 셀 전압, 333.15K의 작동 온도, 1.0의 상대 습도 등 특정 조건에서 0.526W/cm²의 전력 밀도와 44.70%의 전압 효율, 4.48°C의 열 구배를 예측하는 최적의 절충안을 도출했습니다. 국부 교란 및 잔차 부트스트랩 분석을 통해 효율과 열 균일성 개선의 견고성을 확인했으며, 전력 이득은 상대적으로 덜 견고했습니다. 다른 다목적 최적화 기법(MODE, MOPSO)과의 비교 벤치마크에서는 MODE가 가장 큰 하이퍼볼륨을 달성했습니다. 이 프레임워크는 CFD 기반의 투명한 스크리닝 계층을 제공하며, 최종 파레토 후보는 3D CFD 및 실험적 검증이 필요합니다.