Multidisciplinary Design Optimization of Wave Energy Converter Farms Considering Uncertainty through Polynomial Chaos Expansion

기술 요약: 다항식 카오스 전개(Polynomial Chaos Expansion)를 통한 불확실성을 고려한 파력 발전기 단지(WEC Farm)의 다학제간 설계 최적화

문제 정의
파력 발전기(Wave Energy Converter, WEC) 단지의 설계는 유체역학적 상호작용, 기하학적 제약, 그리고 제어 전략 간의 결합된 특성, 즉 흔히 "파크 효과(park effect)"라 불리는 문제로 인해 상당한 어려움에 직면해 있다. 전통적인 최적화 접근 방식은 이러한 학제 간 관계를 순차적 또는 결정론적으로 처리하는 경우가 많아, 해상 파랑 조건(파고, 주기, 방향) 및 제어 응답에 내재된 확률적 특성을 간과한다. 이러한 소홀함은 실제 환경에서 최적이 아닌 설계를 초래할 수 있다. 또한, 기존 연구들은 제어 최적화를 기하학 및 배치와 분리하여 다루는 경우가 많아 잠재적인 성능 향상을 제한한다. 본 연구가 다루는 핵심 문제는 에너지 생산을 극대화하면서도 신뢰성을 확보하기 위해, 불확실한 해상 상태 하에서 WEC의 기하학적 형상, 배열 배치 및 제어 파라미터를 동시에 최적화하는 강건한 다학제간 설계 최적화(MDO) 프레임워크의 필요성이다.

방법론
저자들은 다학제간 가능(Multidisciplinary Feasible, MDF) 아키텍처를 사용하는 다학제간 설계 최적화(MDO) 프레임워크 내에서 제어 공동 설계(Control Co-Design, CCD) 문제를 정식화한다. 이 시스템은 네 가지 주요 학제, 즉 기하학, 유체역학, 동역학/제어, 그리고 불확실성 정량화를 결러합한다.

1. 설계 변수 및 목적 함수:

   • 최적화는 단위 변위 부피당 기대 전기 출력(비용 및 균등화 발전 비용(LCOE)의 대리 지표)을 극대화하는 것을 목표로 한다.
   • 설계 변수에는 기하학적 파라미터(부표 반경 $r$ 및 높이 $h$), 배열 배치 좌표($x_i, y_i$), 그리고 동력 전달 장치(PTO) 제어 파라미터(구동계 관성 $I_i$ 및 강성 $K_i$)가 포함된다.
   • 본 연구는 10개의 주파수 성분에 대한 제어 동작 변수를 포함하여 총 144개의 설계 변수를 가진 6개체 배열($n=6$)을 고려한다.

2. 학제별 모델:

   • 유체역학: 선형 퍼텐셜 유동 이론이 오픈 소스 경계 요소법(BEM) 솔버인 Capytaine을 사용하여 적용된다. 이는 부가 질량, 복사 감쇠, 흥분력을 계산하며, 장치 간의 쌍체 파랑 간섭을 명시적으로 포착한다. 계산 비용을 관리하기 위해 저계수 행렬 압축(적응형 교차 근사, Adaptive Cross Approximation) 및 격자 수렴 전략이 활용된다.
   • 동역학 및 제어: 시스템은 WEC의 운동 궤적과 제어 동작을 공동으로 최적화하기 위해 의사 스펙트럼 최적 제어 솔버(WecOptTool)를 사용한다. 최대 PTO 힘에 대한 물리적 제약을 준수하는 조건 하에서, 상한 성능을 설정하기 위해 구조화되지 않은 이상적인 모델 예측 제어(MPC) 방식이 가정된다.
   • 불확실성 정량화(UQ): 유의 파고($H_s$), 첨두 주기($T_p$), 파랑 방향($\beta$)의 통계적 불확실성은 NOAA 부표 데이터(Station 46042)에 적합하게 피팅된 확률 분포를 사용하여 모델링된다. Nataf 변환을 통해 상관관계가 있는 무작위 샘플이 생성된다.

3. 최적화 전략:

   • 문제는 블랙박스 형태의 노이즈가 있는 문제에 적합한 그래디언트 프리(gradient-free) 알고리즘인 공분산 행렬 적응 진화 전략(CMA-ES)을 사용하여 해결된다.
   • 다항식 카오스 전개(PCE): 몬테카를로 시뮬레이션의 과도한 비용을 피하기 위해, 각 설계 반복 단계에서 비침입형 회귀 기반 PCE 대리 모델(surrogate model)을 구축한다. 이 대리 모델은 불확실한 파랑 파라미터에 대한 기대 전력 출력을 근사한다. PCE 계수는 가우시안 구적법(Gaussian quadrature)을 통해 생성된 샘플을 이용한 최소제곱 회귀를 통해 결정된다.
   • 워크플로우는 이중 루프 구조로 작동한다: 외곽 루프(CMA-ES)는 설계 벡터를 제안하고, 내부 루프는 기대 목적 함수를 평가하기 위해 PCE 대리 모델을 학습시킨다.

주요 기여

• 통합 제어 공동 설계: 본 논문은 WEC의 기하학, 배열 배치 및 제어 이득을 동시에 최적화함으로써, 분리된 설계 방식의 한계를 해결하는 통합된 프레임워크를 제시한다.
• 불확실성을 고려한 최적화: 전통적인 결정론적 방법과 달리, 본 연구는 PCE를 사용하여 환경적 불확실성을 설계 과정에 직접 통합한다. 이를 통해 성능 변동성을 정량화하고 강건한 설계를 도출할 수 있다.
• 효율적인 대리 모델링: 고차원의 결합된 파랑-투-와이어(wave-to-wire) 시스템에 회귀 기반 PCE를 적용함으로써, 수천 번의 고비용 유체역학-제어 시뮬레이션을 수행하지 않고도 효율적으로 불확실성을 전파할 수 있음을 보여준다.
• 강건성 입증: 불확실성 하에서 WEC 단지를 최적화하는 것이 단일 WEC를 최적화한 후 배열에 배치하는 것보다 훨씬 덜 민감한 설계를 산출한다는 점을 입증한다.

결과 및 의의
본 논문은 강건한 WEC 단지 설계를 위한 이론적 및 계산적 프레임워크를 확립한다. 최적화 실험의 구체적인 수치 결과는 원고(섹션 5)에서 추후 제시될 예정이나, 저자들은 그들의 정식화와 예비 분석을 바탕으로 다음과 같은 의의를 주장한다:

• 배열 최적화의 우월성: 본 연구는 WEC 단지를 불확실성 하에서의 통합 배열로서 최적화하는 것이 단일 WEC를 최적화한 후 배열에 배치하는 것보다 훨씬 더 효과적임을 시사한다.
• 변동성에 대한 강건성: 제안된 프레임워크는 광범위한 환경 조건에서도 높은 성능을 유지하는 설계를 생성하여, 실제의 확률적 파랑 환경에서 발생할 수 있는 성능 저하 위험을 완화한다.
• 방법론적 발전: MDO 루프에 PCE를 통합함으로써, 계산 비용으로 인해 국소 민감도 분석이나 어드joint 기반 방법론을 적용하기 어려운 고차원의 결합된 파랑-투-와이어 시스템을 다룰 수 있는 계산 가능한 방법을 제공한다.

저자들은 이 접근 방식이 단순화된 유체역학 모델과 고정된 제어 전략을 넘어, 경제적으로 실행 가능하고 신뢰할 수 있는 그리드 규모의 파력 에너지 배치를 위한 경로를 제공한다고 강조한다. 본 연구의 코드와 스크립트는 재현성을 지원하고 추가 연구를 촉진하기 위해 오픈 소스로 공개된다.