인공지능은 유전자 알고리즘을 통해 브리지 팔 원자로 효율성을 향상시킵니다.

1,733kg의 리액터가 작동 중 60kW 이상의 전력 손실을 발생시키고 핫스팟 온도가 71.1°C까지 상승하는 것은 상당한 에너지 낭비일 뿐만 아니라 절연 재료의 노화를 가속화하는 것을 의미합니다. 전력 시스템에서 브리지 암 리액터는 중요한 전류 제한 및 필터링 구성 요소로 사용되며, 구조 설계는 작동 안정성과 경제적 효율성에 직접적인 영향을 미칩니다. 점점 더 엄격해지는 에너지 절약 요구 사항으로 인해 엔지니어들은 성능을 최적화하면서 무게, 전력 손실 및 온도 상승 간의 균형을 맞추는 과제에 직면해 있습니다.

핵심 기술 아키텍처: 등가 전자기-열장 모델링

현대의 브리지 암 리액터는 일반적으로 다층 캡슐화 구조를 채택하며, 내부 권선은 에폭시 수지 주조를 통해 고정됩니다. 층간 절연 스페이서는 냉각 공기 채널을 형성합니다. 이 병렬 구성은 각 캡슐화 층을 등가 솔레노이드 권선으로 취급할 수 있도록 합니다. 전자기 매개변수 계산을 위해 연구자들은 기본 주파수에서 키르히호프의 전압 및 전류 법칙을 적용하여 복잡한 권선 상호 인덕턴스를 등가 동축 솔레노이드로 단순화합니다.

결과적인 전자기 모델은 DC 구성 요소와 고조파 영향을 모두 고려합니다. 결합된 열-유체 시뮬레이션을 통해 권선 손실은 열원 항으로 변환되어 시작부터 정상 상태 작동까지 온도장 진화를 정확하게 매핑합니다.

최적화 전략: 다중 목표 유전 알고리즘 구현

연구팀은 낮은 손실, 최소 온도 상승 및 경량 설계 간의 최적의 균형을 달성하기 위해 NSGA-II(비지배 정렬 유전 알고리즘 II)를 구현했습니다. 분기 수(n), 권선 평균 반경(R), 턴 수(N), 도체 직경(d)의 네 가지 주요 변수가 선택되었습니다.

동일한 저항 전압 강하, 등가 온도 상승 및 균일한 손실 밀도를 유지하는 새로운 삼중 제약 전략이 개발되었습니다. 최적화 프로세스는 라틴 하이퍼큐브 샘플링(LHS)을 사용하여 4차원 설계 공간을 구성했으며, 크리깅 응답 표면 모델링은 온도 상승 예측 정확도를 향상시켜 과학적 엄격성과 수렴을 보장했습니다.

성능 마일스톤: 최적화 전후

발전소에서 사용 중단된 21.25mH 브리지 암 리액터를 테스트하면서 연구팀은 150세대의 유전 진화 후 균일하게 분포된 파레토 최적 해 집합을 생성했습니다. 최적화된 프로토타입은 정격 인덕턴스를 21.82mH로 유지하면서 포괄적인 개선을 보여주었습니다.

• 에너지 효율: 총 손실이 61.65kW에서 34.21kW로 감소(44.51% 감소)
• 열 관리: 핫스팟 온도가 71.1°C에서 42.9°C로 감소(39.66% 감소), 절연 수명 크게 연장
• 구조 최적화: 총 권선 질량이 1,733.2kg에서 1,302.7kg으로 감소(24.83% 감소)

이러한 설계 혁신은 전력 장비 개발에서 다중 목표 최적화의 잠재력을 보여주며, 향후 고신뢰성, 에너지 효율적인 리액터 설계를 위한 기술 프레임워크를 구축합니다.