Reinforcement Learning-Based Real-Time Control of a Photovoltaic-Integrated Welding Power Supply: Experimental Validation and Performance Benchmarking

공장 바닥에서 무거운 금속이 타오르는 전기 아크에 의해 결합되는 모습을 상상해 보십시오. 용접이라고 알려진 이 공정은 현대 제조업의 초석이지만, 동시에 전기를 매우 탐욕스럽게 소비하는 과정이기도 합니다. 수십 년 동안 이러한 아크를 만들어내는 기계들은 전력망으로부터 오는 안정적이고 예측 가능한 전력에 의료해 왔습니다. 그러나 산업계가 탄소 발자국을 줄이기 위해 노력함에 따라, 이 기계들을 태양으로부터 직접 구동하고자 하는 열망이 커지고 있습니다. 문제는 햇빛 자체의 본질에 있습니다. 햇빛은 구름과 시간의 흐름에 따라 변화하며 변덕스럽습니다. 동시에, 용접 아크는 도구와 금속 사이의 거리가 아주 조금만 변해도 그 거동이 바뀌는 혼란스럽고 예측 불가능한 힘입니다. 즉각적이고 정밀한 전력을 요구하는 기계에 끊임없이 요동치는 에너지원을 공급하려는 시도는, 마치 양동이 자체가 움직이는 동안 매초마다 수압이 변하는 호스로 양동이를 채우려는 것과 같습니다.

연구자들은 오랫동안 이러한 균형을 관리하기 위해 표준 전자 제어기에 의존해 왔지만, 이러한 전통적인 시스템들은 복잡하고 변화하는 상황에 직면했을 때 종종 어려움을 겪습니다. 이들은 마치 도로가 갑자기 꺾이거나 엔진이 덜컥거릴 때 충분히 빠르게 반응하지 못한 채, 가속 페달을 일정한 속도로 밟고 있는 운전자와 같습니다. 이를 해결하기 위해 한 엔지니어 팀은 기존 전자의 신뢰성과 인공지능의 적응성을 결 결합한 새로운 접근 방식을 개발했습니다. 그들의 연구는 태양 에너지로 직접 구동되는 고주파 용접 전원 공급 장치라는 특정 유형의 기계에 초점을 맞추고 있습니다. 이들은 기계의 제어 시스템이 스스로의 환경으로부터 학습하도록 가르침으로써, 태양이 구름 뒤로 숨거나 용접사의 손이 움직이는 순간에도 완벽한 용접을 유지하며 스스로를 조절할 수 있는 장치를 만들어냈습니다.

연구진은 자신들의 아이디어가 컴퓨터 시뮬레이션 속에서뿐만 아니라 실제 세상에서도 작동하는지 테스트하기 위해 이 시스템의 물리적 프로토타입을 제작했습니다. 그들 설계의 핵심은 2층 구조의 제어 시스템입니다. 첫 번째 층은 용접 아크의 즉각적이고 찰나적인 요구를 처리하여 전류를 일정하게 유지하는, 빠르게 작동하는 전자 조절기입니다. 이 층은 전통적인 기계와 같은 속도와 예측 가능성을 가지고 작동합니다. 두로, 혁신이 담긴 곳은 두 번째 층인 인공지능 에이전트입니다. 이 에이전트는 더 큰 그림을 관찰합니다. 이 에이전트는 태양광 패널로부터 사용 가능한 전력과 변화하는 용접 아크의 길이를 모니터링합니다. 고정된 규칙을 따르는 대신, 이 에이전트는 현재 조건에 맞춰 설정값을 조정하는 방법을 학습합니다. 이는 바로 그 순간 일어나고 있는 일에 따라 전력 흐름에 대한 자신의 민감도를 조절하며, 쥐는 힘을 조이거나 늦추는 시스템입니다.

개념을 증명하기 위해 연구팀은 고속 및 고온을 효율적으로 처리할 수 있는 것으로 알려진 첨단 실리콘 카바이드 부품을 사용하여 작동 모델을 제작했습니다. 그들은 두 가지 방식으로 이 기계를 테스트했습니다. 첫째는 시뮬레이션된 조건에서의 작은 실험실 벤치에서, 둘째는 풀스케일의 5킬로와트 산업용 테스트 베드에서였습니다. 테스트 중에 그들은 가변적인 아크 길이, 갑작스러운 전력 수요 급증, 그리고 구름이 지나가는 것을 흉내 낸 변동하는 태양 입력 조건에 기계를 노출시켰습니다. 결과는 배터리로 전력을 완화하는 시스템, 고정된 설정을 가진 표준 제어기, 그리고 기본적인 사전 프로그래밍 규칙을 따르는 시스템 등 세 가지 일반적인 방법과 비교되었습니다.

결과에 따르면, 새로운 인공지능 기반 시스템이 효율성, 동적 응답 시간 및 용접 사이클당 에너지 소비 측면에서 다른 방식들을 능가했습니다. 이 시스템은 약 90%의 에너지 효율을 달외 달성했는데, 이는 열로 낭비되는 전력이 매우 적음을 의미합니다. 반면, 배터리 버퍼 시스템은 배터리를 충전하고 방전하는 과정에서 발생하는 에너지 손실로 인해 효율이 낮았습니다. 새 시스템은 용접 과정의 변화에 대해 표준 제어기보다 약 33% 더 빠르게 반응하여 더 매끄럽고 일관된 용접을 가능하게 했습니다. 전력 품질과 관련하여, 시스템은 산업 안전 표준을 충족하는 약 4%의 총 고조파 왜곡(THD)을 유지했습니다. 그러나 연구진은 미묘한 트레이드오프(절충)를 언급했습니다. 즉, 시스템이 우수한 동적 응답을 달성하기 위해 학습 정책의 적응적인 특성이 시뮬레이션상의 고정 이득 PI 및 배터리 버퍼 베이스라인에 비해 스위칭 관련 고조파 함량을 약간 증가시킨다는 점입니다. 이는 시스템이 뛰어난 동적 응답을 얻기 위해 고조파 순도를 약간 희생하면서 빠른 추적과 안정성을 우선시한다는 것을 시사합니다.

아마도 가장 중요한 것은, 이 시스템이 견고하고 안전하다는 점을 입증했다는 것입니다. 연구진은 기계를 무거운 부하 상태에서 8시간 동안 연속으로 가동했으며, 부품들은 안전한 온도 범위를 유지하며 스트레스나 고장의 징후를 보이지 않았습니다. 인공지능은 단순히 반응하는 것에 그치지 않고, 용접의 무결성을 유지하면서 에너지 소비를 최소ize하기 위해 실시간 상태 피드백을 바탕으로 행동을 조정했습니다. 비록 시스템이 가장 단순한 제어기들에 비해 약간 더 많은 전기적 스위칭 활동이라는 미미한 대가를 치르기는 했지만, 속도, 효율성 및 안정성 면에서 얻은 이득은 상당했습니다.

이 연구는 성능이나 안전을 희생하지 않고도 재생 가능한 에너지로부터 직접 중공업 기계를 구동하는 것이 가능하다는 것을 보여줍니다. 전통적인 전자 공학의 속도와 인공지능의 학습 능력을 결합함으로써, 연구진은 지속 가능한 제조를 향한 실행 가능한 경로를 제시했습니다. 그들이 만든 기계는 태양광의 예측 불가능성과 용접 아크의 혼돈 속에서 단순히 살아남는 것이 아니라, 매번 완벽한 균형을 찾기 위해 스스로를 조절하며 그 안에서 번창합니다. 이는 미래에 공장들이 재생 에너지의 가변적인 특성을 산업을 위한 안정적이고 신뢰할 수 있는 힘으로 바꾸는 스마트 시스템을 사용하여, 태양에 더욱 크게 의존할 수 있음을 시사합니다.