전세계적으로 재생에너지 수요는 늘어나고 있고, 조류발전은 다른 재생에너지 자원과는 다르게 예측가능하여 신뢰성 있는 에너지 자원으로 각광받고 있다. 우리나라의 서남해안은 높은 유속으로 조류발전의 개발이 유망한 지역이다. 이를 상용화하기 위해서는 최소 1.5 m/s 이상의 조류속을 필요로 하지만 대부분의 지역에서는 이를 만족하기 어렵다. 덕트는 추가적인 동력 없이 유속을 증폭시킬 수 있는 효율적인 장치이고, 더 높은 효율을 위해 덕트 디자인에 대한 많은 연구가 진행되었다.
본 연구에서는 물리기반 인공신경망을 이용하여 덕트 주변의 유동을 분석하였고, 그 정확도를 높이기 위해 hard constraint라는 surrogate model을 사용하였다. 이후 물리기반 인공신경망을 이용하여 덕트의 형상을 최적화 하는 과정을 진행하였다. 덕트의 외경, 내경, 길이를 상수로 설정을 하였고, 노즐과 디퓨저의 비율의 하나의 파라미터와, 노즐과 디퓨저의 비율, 노즐의 곡률, 디퓨저의 곡률의 세 개의 파라미터를 변수로 설정하였다. Memory mechanism을 사용한 유전 알고리즘을 최적 설계 탐색에 사용하는 방법과 물리기반 인공신경망만을 이용하여 파라미터도 같이 학습시키는 방법으로 최적 설계 과정을 진행하였고 결과를 비교하였다.
1-파라미터의 최적 설계 결과, 유전 알고리즘은 노즐과 디퓨저의 비율은 92 : 458로, CFD로 검증한 결과 1.510의 유속 증폭률을 보였다. 물리기반 인공신경망만을 이용한 경우는, 179 : 371의 노즐-디퓨저 비율을 보였으며, 1.497의 유속 증폭률로 유전 알고리즘에 비해 충분한 탐색 및 학습이 이루어지지 않은 것을 확인하였다.
3-파라미터의 최적 설계 노즐과 디퓨저의 비율은 477:73, 노즐의 곡률 2.33m, 디퓨저의 곡률 2.55m였고, 이를 CFD를 이용하여 검증한 결과, 1.430의 유속 증폭률로 충분한 탐색이 이루어지지 않았다. 물리기반 인공신경망만을 이용한 경우, 노즐과 디퓨저의 비율은 95:455, 노즐의 곡률 5.00m, 디퓨저의 곡률 5.00m였고, 노즐과 디퓨저의 곡률은 설정한 최대 곡률을 보이는 것으로 보아, 곡률이 없는 경우에 더 높은 유속 증폭률을 보일 것으로 기대됐다. 또한, CFD를 이용하여 유속을 검증한 결과, 1.521의 가장 높은 유속 증폭률을 확인할 수 있었다.
층류에서 최적 설계된 덕트의 제원을 이용하여 난류의 영향을 확인하기 위해, 난류 유동을 지도학습 하였다. 난류 모델은 레이놀즈 응력 모델을 적용하였고, Ansys fluent를 이용하여 이를 계산하여 그 결과를 학습하였다. 물리기반 인공신경망의 결과 0.00293의 낮은 loss를 얻을 수 있었고, 디퓨저 뒤쪽에 덕트에 막혀 0이 된 유속을 층류에서보다 빠르게 회복하는 등, 난류의 영향을 잘 반영하여 계산할 수 있는 모델을 생성하였다.