물리 기반 학습을 통한 파라볼릭 트러프 태양광 필드 흐름 분포 및 수신기 열 손실 추정

📝 원문 정보

• Title: Physics-Informed Learning of Flow Distribution and Receiver Heat Losses in Parabolic Trough Solar Fields
• ArXiv ID: 2512.10886
• 발행일: 2025-12-11
• 저자: Stefan Matthes, Markus Schramm

📝 초록 (Abstract)

파라볼릭 트러프 집광형 태양열 발전소는 광학 성능, 열 손실 및 압력 강하가 공간적으로 이질적인 대형 수력 네트워크를 운영한다. 루프 온도는 측정되지만, 루프별 질량 흐름 비율과 수신기 열전달 계수는 관측되지 않아 기존 모니터링으로는 수압 불균형이나 수신기 열열화 진단이 불가능하다. 본 연구는 일상 운영 데이터만을 이용해 (i) 루프별 질량 흐름 비율과 (ii) 시간에 따라 변하는 수신기 열전달 계수를 추정하는 물리‑정보 학습 프레임워크를 제시한다. 야간에 비조사된 필드를 순환시키는 동질화 기간을 활용해 수압 효과와 열 손실 효과를 분리한다. 미분 가능한 결합 열전달 모델을 이산화하여 엔드‑투‑엔드 학습 파이프라인에 삽입하고, 50 MW 안다솔 3 필드의 역사적 데이터를 이용해 최적화하였다. 모델은 루프 온도를 2 °C 이하의 RMSE로 재구성하고, 물리적으로 의미 있는 루프 불균형 및 수신기 열 손실 추정치를 제공한다. 드론 기반 적외선 열영상(QScan)과 비교했을 때 높은 손실을 보이는 영역을 모두 정확히 식별하였다. 이는 실제 운영 데이터에 적절한 물리 모델과 미분 가능한 최적화를 결합하면 잠재 물리 파라미터를 복원할 수 있음을 보여준다.

💡 논문 핵심 해설 (Deep Analysis)

파라볼릭 트러프형 집광 태양열 발전소는 수백 개에 이르는 집열기 루프가 하나의 유압 회로에 연결돼 고온의 열전달유를 순환시킨다. 각 루프는 입사 태양광량, 광학 효율, 수신기 표면 상태, 절연 두께 등에 따라 서로 다른 열입력과 열손실을 경험한다. 이러한 이질성은 루프별 온도 차이를 야기하지만, 실제 현장에서는 루프 온도만 측정되고 질량 흐름 비율이나 수신기 열전달 계수와 같은 내부 변수는 직접 관측되지 않는다. 전통적인 모니터링 시스템은 온도와 압력 센서의 제한된 정보만으로는 어느 루프가 과도한 열손실을 겪고 있는지, 혹은 유압 밸런스가 깨졌는지를 판단하기 어렵다.

본 논문이 제안하는 접근법은 두 가지 핵심 아이디어에 기반한다. 첫째, 야간에 태양광이 전혀 들어오지 않는 ‘동질화 기간’ 동안 모든 루프는 동일한 입구 온도와 동일한 열입력을 갖는다. 이때 관측되는 온도 차이는 순전히 유압 불균형과 수신기 자체의 열손실 차이에 의해 발생한다는 가정이다. 둘째, 이러한 물리적 관계를 미분 가능한 형태의 결합 열전달 모델로 수식화하고, 역전파를 이용해 파라미터(루프…

📄 논문 본문 발췌 (Translation)

...(본문 내용이 길어 생략되었습니다. 사이트에서 전문을 확인해 주세요.)