에기硏 “수소 연료전지 ‘고장’ 인공지능으로 신속진단”

한국에너지기술연구원은 수소실증연구센터 정치영 박사 연구팀이 수소 연료전지의 핵심 소재인 카본섬유지의 미세구조를 가상공간 활용기술과 인공지능 학습으로 분석하는 데 성공했다고 19일 밝혔다.

이를 통해 수소 연료전지의 고장원인 진단은 기존보다 100배 빠른 속도로 가능해졌다.

(왼쪽부터) 명광식 전문연구위원, 정치영 센터장, 박영제 학생연구원, 이종민 기술원. 한국에너지기술연구원 제공

카본 섬유지는 수소 연료전지의 스택에서 물 배출과 연료공급을 돕는 핵심 소재다. 탄소섬유, 바인더(접착제), 코팅제 등 물질로 구성된 카본 섬유지는 사용 과정에서 물질의 배열, 구조, 코팅 상태 등이 변화해 연료전지의 성능을 저하시킨다. 이러한 이유로 카본 섬유지의 미세구조 분석은 수소 연료전지의 상태 진단을 위한 필수 요소가 된다.

하지만 기존에는 카본 섬유지의 미세구조를 실시간으로 분석하는 것이 불가능했다. 정확한 분석결과를 확보하기 위해서는 카본 섬유지 샘플을 파손한 후 전자현미경으로 정밀분석 하는 절차가 필요했기 때문이다.

연구팀은 이러한 단점을 해결하기 위해 X선 진단과 인공지능 기반의 이미지 학습모델을 활용해 카본 섬유지의 미세구조를 분석하는 기술을 개발했다. 개발된 기술을 활용하면 전자현미경 없이 X선 단층촬영만으로도 정밀 분석이 가능해 실시간에 가까운 상태 진단이 가능하다.

기술 개발과정에서 연구팀은 카본 섬유지 샘플 200여개에서 5000장의 이미지를 추출해 머신러닝 알고리즘에 학습시켰고, 학습된 모델은 탄소 섬유, 바인더, 코팅제 등 카본 섬유지 구성 성분의 3차원 분포와 배치를 98% 이상의 높은 정확도로 예측했다. 이를 활용하면 초기 상태의 카본 섬유지와 현재 상태의 구성 변화를 확인하는 것이 가능해 성능 저하의 원인을 즉시 파악할 수 있다는 게 연구팀의 설명이다.

카본 섬유지 샘플을 파쇄하고, 전자현미경을 활용하는 기존 분석 방식은 최소 2시간이 소요되는 반면 연구진이 개발한 분석 모델은 X선 단층촬영 장비 하나만으로도 수십 초 이내에 카본 섬유지의 열화, 손상 부위와 정도를 파악할 수 있다.

연구팀은 개발한 모델의 데이터를 활용해 카본 섬유지의 두께, 바인더 함량 등 설계 인자가 연료전지 성능에 어떤 영향을 미치는지를 규명하고, 최적의 설계 인자를 추출해 연료전지의 효율을 향상시킬 수 있는 이상적 설계안도 제시했다.

정치영 박사는 “이번 연구는 가상공간을 활용한 분석 기술과 인공지능 기술을 접목해 에너지 소재의 구조와 특성 간 상호관계를 규명함으로써 실질적인 활용 가능성을 입증했다는 점에서 의미를 갖는다”고 말했다.

한편 이번 연구는 에기연 기본사업의 지원을 받아 수행됐다. 연구 결과(논문)는 지난 10월 에너지 분야의 세계적 권위지인 ‘어플라이드 에너지(Applied Energy)’ 온라인에도 게재됐다.

대전=정일웅 기자 jiw3061@asiae.co.kr