An end-to-end differentiable transient vapor-compression framework for automated machine sizing and unified optimal control

현대 세계는 열로 움직입니다. 겨울철 집을 따뜻하게 유지해 주는 온기부터 여름을 견딜 만하게 만드는 시원한 공기에 이르기까지, 우리는 열에너지를 한 곳에서 다른 곳으로 이동시키는 기계에 의존합니다. 히트펌프라고 알려진 이 기계들은 화석 연료 연소에서 전기를 사용하는 방식으로 전환하려는 전 지구적 노력의 숨은 영웅들입니다. 그러나 이들을 설계하는 과정은 오랫동안 파편화되어 있었습니다. 엔지니어들은 보통 기계가 수행해야 할 기능에 대한 정적인 스냅샷에서 시작하여, 이를 복잡한 컴퓨터 모델로 수동 변환함으로써 조건이 변할 때 기계가 어떻게 작동하는지 확인합니다. 마지막으로, 그들은 종가 실제 물리 법칙과 더 이상 일치하지 않는 단순화된 모델을 사용하여 기계를 제어하는 방법을 찾아내곤 합니다. 설계, 시뮬레이션, 제어 사이의 이러한 단절은 효율성이 손실되고 성능 예측이 어려워지는 간극을 만들어냅니다.

한 연구자가 이러한 간극을 메우는 새로운 종류의 디지털 프레임워크를 구축했습니다. 설계, 시뮬레이션, 제어를 별개의 단계로 취급하는 대신, 그는 이들을 모두 연결하는 하나의 통합된 시스템을 만들었습니다. 이 시스템은 특정 작업에 따라 히트펌프의 정확한 크기와 모양을 자동으로 결정하도록 설계되었으며, 그 직후 동일한 상세 모델을 사용하여 실시간으로 기계를 제어합니다. 이를 통해 연구자는 기계가 과업에 완벽하게 부합하도록 만들고, 날씨 변화나 에너지 그리드의 요구에 즉각적으로 대응할 수 있게 할 수 있음을 보여주었습니다. 이 모든 과정은 서로 다른 컴퓨터 모델 사이를 전환할 때 흔히 발생하는 오류 없이 이루어집니다.

이 연구의 핵심은 히트펌프가 작동하는 방식을 설명하는 새로운 방법입니다. 전통적으로 이러한 기계들은 작은 섹션들로 나누어 냉매가 흐를 때 압력과 온도가 어떻게 변하는지 계산하는 방식으로 모델링됩니다. 이는 냉매가 기체에서 액체로, 다시 액체에서 기체로 변하기 때문에 까다로운데, 이러한 변화를 설명하는 방정식은 매우 고집스럽고 컴퓨터가 빠르게 풀기 어렵기로 유명합니다. 연구자는 냉매의 거동을 미리 계산하여 컴퓨터가 매번 복ک잡한 수학 문제를 풀기 위해 멈출 필요 없이 즉시 읽을 수 있는 방식으로 저장함으로써 이 문제를 해결했습니다. 이를 통해 전체 시스템을 "미분 가능(differentiable)"하게 만들었으며, 이는 컴퓨터가 기계의 한 부분에서의 미세한 변화가 전체 시스템에 어떤 영향을 미치는지 즉각적으로 파악할 수 있음을 의미합니다. 이 능력은 기계를 설계하고 효율적으로 스스로 제어하는 법을 가르치는 데 있어 매우 중요합니다.

이 프레 framework을 사용하여 연구자는 다음과 같은 간단한 요청에서 시작하는 자동화된 과정을 시연했습니다: '필요한 특정 양의 난방 또는 냉방'. 시스템은 역순으로 작동하여 기계의 정확한 물리적 치수를 결정합니다. 압축기의 크기, 냉매 흐름을 제어하는 밸브의 면적, 그리고 열교환기에 필요한 튜브의 개수를 계산합니다. 표준적인 예시에서, 시스템은 5.5킬로와트의 난방 능력을 제공할 수 있는 유닛을 설계했습니다. 시스템은 압축기가 회전당 25.9세제곱센티미터의 유체를 배출해야 하며, 밸브의 최대 개방 면적은 1.20제곱밀리미터여야 하고, 실내 및 실외 코일에는 각각 67개와 63개의 튜브가 필요하다는 것을 결정했습니다. 시스템은 인간의 개입 없이 이 작업을 수행했으며, 최종 설계가 열역학 법칙과 수학적으로 일치하도록 보장했습니다.

기계가 설계된 후, 연구자는 시뮬레이션된 실제 환경 조건에서 기계가 얼마나 잘 작동하는지 테스트했습니다. 연구는 실외가 매우 추울 때 방을 데우는 상황과 무더운 날 방을 냉각하는 상황을 포함한 다양한 시나리오를 통해 모델을 실행했습니다. 한 테스트에서, 시스템은 외부 기온이 0도일 때 압축기가 일정한 속도로 작동하며 실내 온도를 섭씨 20도로 성공적으로 유지했습니다. 또 다른 테스트에서는 기계가 냉방 모드에서 난방 모드로 전환되었으며, 시스템은 압력과 온도의 변화를 매끄럽게 추적했습니다. 결과에 따르면, 자동화된 설계는 기존 미니 스플릿 유닛의 실제 데이터와 비교했을 때 평균 8% 미만의 오차로 냉방 용량을 예측할 수 있었습니다. 대규모 실험실 실험 데이터와 비교했을 때는 냉방 용량 예측 오차가 1.2%에서 1.6% 사이로 더욱 작았습니다.

이 연구는 또한 기계를 설계하는 것과 제어하는 데 동일한 상세 모델을 사용하는 것의 중요성을 강조했습니다. 과거에 엔지니어들은 제어기를 위해 모델을 단순화해야 하는 경우가 많았으며, 이는 기계가 제어기가 예상하는 것과 다르게 작동하는 불일치를 초래할 수 있었습니다. 연구자는 이 두 작업 모두에 동일한 복잡한 고충실도(high-fidelity) 모델을 사용함으로써 이러한 불일치를 제거했습니다. 그는 이 통합 모델에 기반한 제어기가 온도 설정값을 정확하게 추적하고, 기존 시스템에서 흔히 발생하는 지연이나 불안정성 없이 환경 변화에 대응할 수 있음을 보여주었습니다. 이 접근 방식은 제어기가 자신의 행동에 기계가 어떻게 반응할지 예측할 수 있기 때문에, 이전에는 달성하기 어려웠던 수준의 정밀도를 가능하게 합니다.

연구자는 자신의 시스템이 물리적인 기계가 아니라 시뮬레이션 도구라는 점을 주의 깊게 명시했습니다. 제시된 결과는 실제 데이터로 검증된 컴퓨터 모델에 기반한 것이며, 물리적 테스트를 대체하는 것은 아닙니다. 이 프레임워크에는 자동 제빙 사이클이나 복잡한 덕트 구조와 같은 모든 가능한 기능을 포함하지 않으며, 냉매가 특정된 이상적인 방식으로 행동한다고 가정합니다. 그러나 시스템이 데이터를 맞추기 위해 "조율(tuning)"되지 않고도 성능을 매우 정확하게 예측할 수 있다는 사실은 밑바탕이 되는 물리학이 올바르게 포착되고 있음을 시사합니다. 이 시스템은 오픈 소스로 설계되어 다른 엔지니어들이 자신의 설계와 제어 전략을 위한 토대로 사용할 수 있습니다.

이 연구는 열 시스템이 설계되는 방식에 있어 중요한 진전을 나타냅니다. 설계와 제어 프로세스를 하나의 수학적으로 일관된 프레임워크로 통합함으로써, 연구자는 비효율성과 오류를 초래하는 장벽을 제거했습니다. 의도된 용도에 따라 기계의 크기를 자동으로 결정하고, 즉시 정교한 제어 전략을 적용할 수 있는 능력은 더 효율적이고, 더 민감하게 반응하며, 현대의 전력망 요구에 더 잘 부합하는 히트펌프를 개발할 수 있는 새로운 길을 제시합니다. 이 연구 결과는 열 관리의 미래가 더 나은 개별 부품을 만드는 것이 아니라, 설계와 제어가 불가분하게 연결되어 하나의 지능적인 전체로서 함께 작동하는 시스템을 만드는 데 있음을 시사합니다.