🔬 applied physics

Model-Free Detection and Accommodation of Sensor Faults for a PEM Electrolyzer

본 논문은 사전 시스템 모델에 의존하지 않고 폐루프 안정성과 성능을 보장하기 위해, 초국부 모델(ultra-local models)에 기반한 새로운 모델 프리 접근 방식을 사용하여 재생 에너지 기반 PEM 수전해 시스템의 센서 결함을 감지하고 수용하는 방법을 제안한다.

원저자: Meziane Ait Ziane, Michel Zasadzinski, Cédric Join, Michel Fliess

게시일 2026-07-14

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Meziane Ait Ziane, Michel Zasadzinski, Cédric Join, Michel Fliess

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 완벽한 빵 한 덩이(그것이 당신의 수소 연료입니다)를 굽기 위해 매우 까다롭고 첨단 기술이 집약된 오븐(이것은 PEM 전해조입니다)을 사용하고 있다고 상상해 보세요. 이 오븐은 변덕스러운 친구 같은 태양광 패널로부터 전력을 공급받습니다. 태양광 패널은 때로는 햇빛이 아주 강하고(높은 전압), 때로는 구름이 끼기도 합니다(낮은 전압). 오븐을 원활하게 가동하기 위해, 당신은 전력을 조절하는 특수 조광기(이것은 DC/DC 컨버터입니다)를 사용합니다.

자, 이제 문제가 발생했습니다. 당신은 오븐이 얼마나 뜨거운지 알려주는 온도계(센서)를 가지고 있습니다. 그런데 만약 이 온도계가 거짓말을 하기 시작한다면 어떻게 될까요? 예를 들어, 실제로는 꽁꽁 얼어붙어 있는데 계속 "300도"라고 표시하거나, 혹은 그냥 지지직거리는 정전기 소음을 내기 시작한다고 가정해 봅시다. 만약 오븐의 두뇌가 이 거짓말하는 온도계를 믿게 된다면, 오븐은 잘못된 온도로 빵을 구우려 할 것이고, 당신의 수소 생산은 엉망이 될 것입니다.

오랫동안 과학자들은 오븐 내부가 정확히 어떻게 작동하는지에 대한 거대하고 복잡한 수학적 지도를 만드는 방식으로 이를 해결하려 노력했습니다. 그들은 "만약 우리가 모든 전선과 화학 반응을 다 안다면, 온도계가 언제 거짓말을 하는지 예측할 수 있을 거야"라고 생각했습니다. 하지만 이 논문은 이렇게 말합니다. "아니요, 그건 너무 복잡합니다."

대신, 저자들은 "모델 프리(model-free)" 접근 방식을 제안합니다. 이것을 다음과 같이 생각해 보세요: 오븐의 전체 설계도를 공부하는 대신, 제어 시스템은 단지 현재 일어나는 행동에 귀를 기울입니다. 이 방식은 **"초국소 모델(ultra-local model)"**이라는 영리한 기술을 사용합니다. 마치 오븐이 어떻게 만들어졌는지 알 필요 없이, 단지 조절 손잡이를 돌릴 때 어떤 일이 일어나는지, 그리고 지금 당장 온도계가 무엇을 말하고 있는지만 관찰하는 똑똑한 비서와 같습니다.

이 "똑똑한 비서"는 세 가지 간단한 단계로 작동합니다:

추측: 비서는 지난 몇 초간의 데이터를 바탕으로 온도계가 무엇을 말해야 하는지 예측합니다.
확인: 비서는 예측값과 실제 측정값을 비교합니다. 두 값이 일치하면 아무 문제 없는 것입니다. 만약 일치하지 않는다면, 비서는 "이봐! 뭔가 잘못됐어!"라고 외칩니다. 이 차이를 **잔차(residual)**라고 부릅니다.
수정: 일단 비서가 거짓말(이것은 센서 결함입니다)을 포착하면, 당황하지 않습니다. 비서는 온도계가 얼마나 거짓말을 하고 있는지 정확히 계산합니다. 그런 다음, 오븐의 두뇌가 그 거짓말을 무시하고 실제 목표에 집중하도록 조정합니다.

저자들은 이 아이디어를 컴퓨터 시뮬레이션(실제 실험실의 물리적인 오븐은 아니지만, 매우 상세한 디지털 트윈)을 사용하여 테스트했습니다. 그들은 태양광 전력이 25V에서 55V 사이에서 변동하는 시나리오를 설정했습니다. 또한 특정 시점에 센서가 전류를 2A 높게 보고하거나 4A 낮게 보고하는 "거짓말" 상황을 도입했습니다.

결과는 유망했습니다. 시뮬레이션에서 센서가 거짓말을 시작하자마자 시스템은 거의 즉각적으로 오류를 감지했습니다. 이 수정 기능이 없었다면, 오븐은 가짜 수치를 따라가려 했을 것입니다. 하지만 이 새로운 "모델 프리" 전략을 사용했을 때, 시스템은 "아, 센서가 고장 났구나"라고 깨닫고 스스로를 교정했습니다. 실제 시스템을 흐르는 전류는 완벽하게 궤도를 유지했으며, 센서가 거짓말을 늘어놓고 태양광 전력이 요동치는 와중에도 원하는 목표치에 정확히 도달했습니다.

이 논문은 이 특정 작업을 위해 시스템의 복잡하게 미리 만들어진 수학적 모델에 의존하는 것에 대해 명시적으로 반대합니다. 그들은 센서를 고치기 위해 모든 저항이나 커패시터 값(기술 노트에 언급된 100.06 Ω 또는 901.43 F와 같은 구성 요소들)을 알 필요가 없다는 것을 보여줍니다. 그저 초국소 모델만 있으면 됩니다.

그렇다면 핵심은 무엇일까요? 저자들은 이 방법이 빠르고 복잡한 계산을 수행하는 무거운 컴퓨터를 필요로 하지 않기 때문에 실생활에서 사용될 강력한 후보라고 제 \text{제안합니다. 아직 물리적인 로봇을 만든 것은 아니지만, 그들의 디지털 세계에서는 마법처럼 작동하며 혼돈 속에서도 수소 생산을 안정적으로 유지했습니다. 이는 도시의 전체 지도를 먼저 암기하는 대신, 단순히 도로를 관찰함으로써 자율 주행 자동차를 가르치는 것과 같습니다.

기술 요약: PEM 수전해 장치의 센서 결함에 대한 모델 프리(Model-Free) 탐지 및 수용

문제 정의
재생 에너지원(RES)을 활용하여 그린 수소를 생산하기 위해 DC/DC 컨버터와 결합된 양성자 교환막 수전해(PEMWE) 시스템은 매우 중요합니다. 그러나 이러한 시스템은 다양한 결함, 특히 센서 고장에 취약합니다. 컨버터의 게이트 결함과 같은 부품 결함에 대해서는 능동 결함 허용 제어(AFTC) 전략이 존재하지만, 가변적인 RES 전압 하에서 작동하는 PEMWE 시스템의 센서 결함을 수용하기 위한 구체적인 접근 방식에 대한 문헌은 부족한 실정입니다. 보상이 이루어지지 않으면, 센서 결함( $f$ )으로 인해 제어 루프가 실제 시스템 출력( $y$ )이 아닌 결함이 있는 측정값( $y_m$ )을 기준으로 조절하게 되어, 원하는 수소 생산 설정값으로부터 편차가 발생하게 됩니다. 과제는 복잡한 수전해 수학적 모델에 의존하지 않고, 입력 전압 변화가 있는 폐루프 시스템 내에서 이러한 센서 결함을 탐지, 추정 및 수용하는 것입니다.

방법론
저자들은 제어 공학에서 점점 더 많이 사용되는 기술인 초국부 모델(ultra-local model) 개념에 기반한 모델 프리(model-free) 접근 방식을 제안합니다. 이 방법론은 세 가지 주요 구성 요소로 이루어집니다:

초국부 모델링 및 제어:
PEMWE의 고차 해석 모델(전기화학 임피던스 분광법으로부터 유도된)을 사용하는 대신, 시스템은 초국부 모델 $\dot{y}_m = F + \alpha u$ 로 표현됩니다. 여기서 $F$ 는 미지의 동역학 및 외란을 나타내고, $\alpha$ 는 상수 계수이며, $u$ 는 제어 입력입니다. $F$ 를 추정하고 제어 법칙 $u = -(\hat{F} - \dot{y}^* + K_p e)/\alpha$ 를 생성하기 위해 "지능형 비례(intelligent proportional, iP)" 제어기가 사용됩니다.
잔차 생성 및 결함 탐지:
결함을 탐지하기 위해, 초국부 모델 적분을 통해 도출된 재구성된 출력 $\hat{y}_m$ 과 측정된 출력 $y_m$ 을 비교하여 잔차 신호 $r(t)$ 를 생성합니다.
$r(t) = y_m(t) - \beta(t)\hat{y}_m(t)$
여기서 $\beta(t)$ 는 시스템이 $V_{RES}$ 변화로 인해 선형 시불변(LTI) 시스템이 아님을 인지하여, 제어 입력과 RES 전압( $V_{RES}$ ) 사이의 정상 상태 관계를 바탕으로 동적으로 조정됩니다. 노이즈 수준과 최소 탐지 가능 결함 크기를 기준으로 임계값 $\rho(t)$ 가 설정됩니다. 만약 $|r(t)| > \rho(t)$ 이면 결함이 선언됩니다.
결함 추정 및 수용:
결함이 탐지되면, 잔차로부터 결함 크기 $\hat{f}$ 를 직접 추정합니다:
$\hat{f}(t) = \frac{r(t)}{1 - \beta(t)}$
수용 전략은 iP 제어기에서 추적 오차 정의를 수정하는 것을 포함합니다. 제어기는 가공되지 않은 측정값 대신 보정된 오차를 사용합니다:
$e(t) = y_m(t) - y^*(t) - \hat{f}(t)$
이를 통해 제어기는 센서 결함에도 불구하고 실제 출력 $y$ 를 참조값 $y^*$ 로 유도할 수 있습니다.

주요 기여

PEMWE 센서 결함에 대한 첫 적용: 본 논문은 PEMWE 시스템과 결합된 DC/DC 컨버터의 센서 결함에 대해 능동 결함 허용 제어를 다룬 첫 번째 연구라고 주장합니다.
모델 프리 구조: 탐지 및 수용 메커니즘은 PEMWE 또는 컨버터의 해석적 수학 모델에 의존하지 않습니다. 이는 열화, 비선형성 및 파라미터 불확실성의 모델링 복잡성을 피할 수 있게 해줍니다.
가변 입력 처리: 제안된 방법은 재생 에너지원 전압( $V_{RES}$ )의 변화를 명시적으로 고려하여, 과도 상태 및 정상 상태 동작 중 모두 결함 탐지 임계값과 추정이 유효하도록 보장합니다.

시뮬레이션 결과
본 접근 방식은 스택형 인터리브드 벅 컨버터(SIBC)와 결합된 PEMWE 시스템의 수치 시뮬레이션을 통해 검증되었습니다. 두 가지 시나리오가 테스트되었습니다:

일정한 $V_{RES}$ (40 V): $t=30$ 초에 +2 A의 센서 결함이 도입되었습니다.
가변 $V_{RES}$ : 입력 전압이 25 V에서 55 V 사이에서 변동하며, $t=60$ 초에 -4 A의 센서 결함이 도입되었습니다.

두 경우 모두에서 다음과 같은 결과가 나타났습니다:

탐지: 잔차 $r(t)$ 가 결함 발생 직후 임계값 $\rho(t)$ 를 초과했습니다.
추정: 추정된 결함 $\hat{f}$ 가 실제 결함 크기를 정확하게 추적했습니다.
수용: AFTC가 없는 경우, 결함 발생 후 조절된 출력 $y$ 가 설정값 $y^*$ 로부터 벗어났습니다. AFTC가 활성화된 경우, 시스템은 센서 오류와 입력 전압 변화에도 불구하고 실제 전류 $y$ 가 원하는 설정값 $y^*$ 로 수렴하도록 결함을 성공적으로 보상했습니다.
과도 응답 특성: AFTC 로직은 잘못된 트리거링을 방지하기 위해 과도 단계 동안 비활성 상태를 유지하도록 설계되었으며, 정상 상태 조건이 재확립된 후에만 활성화되었습니다.

의의 및 주장
저자들은 자신들의 모델 프리 접근 방식이 센서 결함이 존재하는 상황에서도 시스템 안정성과 성능을 유지하기 위한 견고한 솔루션을 제공한다고 주장합니다. 초국부 모델을 활용함으로써, 이 방법은 해석적 접근 방식과 관련된 계산 부하 또는 모델링 부정확성 없이 결함 수용을 달 Achieve 합니다. 본 논문은 이 기술이 낮은 계산 요구 사항 덕분에 실제 테스트 벤치에 실시간 구현하기에 강력한 후보임을 결론짓습니다. 향촉 과제로 이 방법의 실제 테스트 벤치 상의 물리적 구현을 제시하였습니다.

유사한 논문